Question

No tratamento de dados omitidos em investigações baseadas em Ciência de Dados, a escolha de uma estratégia de imputação univariada ou multivariada possui profundas implicações inferenciais na modelagem estatística. Sob a taxonomia clássica de Rubin para os mecanismos de ausência de dados — Dados Faltantes Completamente ao Acaso (MCAR), Dados Faltantes ao Acaso (MAR) e Dados Faltantes Não ao Acaso (MNAR) —, os métodos de preenchimento alteram as propriedades assintóticas dos estimadores. Considerando os fundamentos teóricos e os efeitos colaterais gerados pelas técnicas comuns de imputação sobre a estrutura dos dados, assinale a alternativa correta.

Accepted Answer

A) A imputação pela média pressupõe implicitamente o mecanismo MCAR para não introduzir viés ao estimador da média populacional, porém gera uma inflação artificial da função de densidade de probabilidade no ponto central, reduzindo a variância amostral e estreitando incorretamente os intervalos de confiança dos parâmetros estimados.

Answer

B) A imputação condicional por regressão estocástica introduz um termo de erro aleatório extraído dos resíduos observados com o objetivo de mimetizar a variabilidade natural, o que acarreta uma subestimação sistemática da variância residual e eleva a taxa de erro do Tipo I em testes de hipóteses associados.

Answer

C) A técnica de imputação pelo vizinho mais próximo empírico (Hot-Deck Imputation) substitui o dado omitido por um valor real proveniente de um registro doador condicionalmente semelhante, propriedade matemática que preserva a matriz de covariância global e dispensa o diagnóstico do mecanismo de perda subjacente.

Answer

D) O método de imputação por substituição da moda em variáveis qualitativas preserva as propriedades de independência condicional entre os atributos do conjunto de dados, atuando de maneira estatisticamente robusta quando a perda de dados segue o mecanismo MNAR.

Answer

E) A abordagem de imputação baseada no algoritmo KNN (K-Nearest Neighbors) estima os valores nulos a partir de uma métrica de distância no espaço multidimensional, propriedade que a torna imune à distorção de covariâncias entre as variáveis preditoras em dados estruturalmente esparsos.

Mais questões de Análise exploratória de dados, box plot e outliers