READ TEXT II AND ANSWER QUESTIONS 21 TO 25:
TEXT II
The backlash against big data
[…]
Big data refers to the idea that society can do things with a large
body of data that weren't possible when working with smaller
amounts. The term was originally applied a decade ago to
massive datasets from astrophysics, genomics and internet
search engines, and to machine-learning systems (for voicerecognition
and translation, for example) that work
well only when given lots of data to chew on. Now it refers to the
application of data-analysis and statistics in new areas, from
retailing to human resources. The backlash began in mid-March,
prompted by an article in Science by David Lazer and others at
Harvard and Northeastern University. It showed that a big-data
poster-child—Google Flu Trends, a 2009 project which identified
flu outbreaks from search queries alone—had overestimated the
number of cases for four years running, compared with reported
data from the Centres for Disease Control (CDC). This led to a
wider attack on the idea of big data.
The criticisms fall into three areas that are not intrinsic to big
data per se, but endemic to data analysis, and have some merit.
First, there are biases inherent to data that must not be ignored.
That is undeniably the case. Second, some proponents of big data
have claimed that theory (ie, generalisable models about how the
world works) is obsolete. In fact, subject-area knowledge remains
necessary even when dealing with large data sets. Third, the risk
of spurious correlations—associations that are statistically robust
but happen only by chance—increases with more data. Although
there are new statistical techniques to identify and banish
spurious correlations, such as running many tests against subsets
of the data, this will always be a problem.
There is some merit to the naysayers' case, in other words. But
these criticisms do not mean that big-data analysis has no merit
whatsoever. Even the Harvard researchers who decried big data
"hubris" admitted in Science that melding Google Flu Trends
analysis with CDC's data improved the overall forecast—showing
that big data can in fact be a useful tool. And research published
in PLOS Computational Biology on April 17th shows it is possible
to estimate the prevalence of the flu based on visits to Wikipedia
articles related to the illness. Behind the big data backlash is the
classic hype cycle, in which a technology's early proponents make
overly grandiose claims, people sling arrows when those
promises fall flat, but the technology eventually transforms the
world, though not necessarily in ways the pundits expected. It
happened with the web, and television, radio, motion pictures
and the telegraph before it. Now it is simply big data's turn to
face the grumblers.
(From http://www.economist.com/blogs/economist explains/201
4/04/economist-explains-10)
The three main arguments against big data raised by Text II in the second paragraph are:
When Text II mentions “grumblers” in “to face the grumblers”, it refers to:
Após a extração de uma amostra, as observações obtidas são
tabuladas, gerando a seguinte distribuição de frequências:
Considerando que E(X ) = Média de X, Mo(X ) = Moda de X e Me(X )
= Mediana de X, é correto afirmar que:
Sejam Y, X, Z e W variáveis aleatórias tais que Z = 2.Y - 3.X,
sendo E(X² ) = 25, E(X) = 4, V (Y) = 16, Cov(x,y) =6 .
Então a variância de Z é:
O Plano Estratégico 2012-2015 do IBGE define a visão do Instituto como: "Ser reconhecido e valorizado, no país e internacionalmente, pela integridade, relevância, consistência e excelência de todas as informações estatísticas e geocientíficas que produz e dissemina em tempo útil." O conceito de visão:
Batista et al. (2010), ao proporem o Modelo de GC para a administração pública, identificaram que a mobilização sistemática do conhecimento nas organizações públicas requer, no mínimo, cinco atividades principais: identificar, criar, armazenar, compartilhar e aplicar. O conhecimento agrega valor apenas quando é:
O Balanced ScoreCard – BSC é responsável por traduzir os objetivos estratégicos em indicadores de desempenho classificados em quatro perspectivas: financeira, clientes, processos internos, e aprendizagem e crescimento organizacional. Embora largamente utilizado em empresas públicas e privadas, quando implementado nas organizações públicas duas dessas perspectivas precisam ser adaptadas:
A formulação do PPA 2012-2015 pautou-se em premissas necessárias para atender aos desafios do desenvolvimento do país. NÃO foi uma premissa do PPA 2012-2015:
No ciclo de gestão do PPA foi prevista uma etapa de monitoramento e avaliação. Em sua dimensão tática, o monitoramento prevê:
Associado ao conceito de autarquia, há diferentes tipos de autarquias que variam em função da natureza de sua atuação nos âmbitos administrativos e econômicos. Uma autarquia que tem a competência de fiscalização e controle de atividade de setor específico da economia é denominada:
O Sistema Estatístico Europeu é uma parceria entre o Eurostat (autoridade estatística da União Europeia) e as autoridades estatísticas de seus 28 estados membros. O Sistema visa fornecer, publicamente, informação sobre a economia e a sociedade em diversos níveis na Europa, para servirem de base de dados para pesquisas e tomadas de decisão. Com o intuito de padronizar e orientar as autoridades estatísticas nos processos de coleta, análise e publicação dos dados, foi elaborado o Código de Conduta para as Estatísticas Europeias (ou European Statistics Code of Practice, em inglês), que prescreve 15 princípios a ser seguidos. À luz do Código de Conduta para as Estatísticas Europeias, dois dos princípios presentes no código são:
According to the researchers from the University of California, Berkeley:
The base form, past tense and past participle of the verb “fall” in “The criticisms fall into three areas” are, respectively:
The phrase “lots of data to chew on” in Text II makes use of figurative language and shares some common characteristics with:
