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world works) is obsolete.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)
When Text II mentions “grumblers” in “to face the grumblers”, it refers to:
The use of the phrase “the backlash” in the title of Text II means the:
Suponha que, de um baralho normal, contendo 52 cartas de quatro naipes, é extraído, sem reposição e aleatoriamente, um total de quatro cartas. Se a carta “Ás” é equivalente a uma figura (ou seja, são 4 figuras e 9 números de cada naipe), é correto afirmar que a probabilidade de que todas sejam:
Considerando-se que apenas os 10% que atinjam as maiores notas serão aprovados, a nota mínima para aprovação é:
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:
A organização Y decidiu implementar um Escritório de Projetos
(Project Management Office - PMO).
Nesse processo de implementação, a organização definiu como
principais características dos projetos:
Uma organização adotou a filosofia Lean para a análise de seus processos e para promover a sua melhoria. Ao mapear sua cadeia de valor, ela identificou desperdícios básicos do Lean, como:
No texto “Indicadores - Orientações Básicas Aplicadas à Gestão Pública”, o Ministério do Planejamento, Orçamento e Gestão define as propriedades essenciais de um indicador como aquelas que qualquer indicador deve apresentar e que sempre devem ser consideradas como critérios de escolha, independentemente da fase do ciclo de gestão em que se encontra a política sob análise. Dentre as propriedades essenciais, é correto afirmar que:
É previsto que um sistema de monitoramento e avaliação do PPA disponibilize aos gestores públicos instrumentos de apoio ao gerenciamento dos programas. Esses instrumentos devem permitir:
Joseph Moses Juran, um dos gurus da gestão de qualidade, escreveu o seu nome na história ao ajudar a realizar um importante desenvolvimento das indústrias japonesas no período que sucedeu ao caos da II Guerra Mundial. Para a realização de uma gestão da qualidade eficaz, Juran acreditava que era preciso usar como base três pontos:
O modelo de excelência EFQM é uma estrutura de negócios criada para ajudar organizações que buscam um aumento na sua competitividade. Ele auxilia essas organizações a determinarem seu nível de excelência e onde focar seus esforços para o aprimoramento. Uma organização que deseje aplicar o modelo de excelência EFQM deve se basear em seus nove critérios, que podem ser divididos em dois grupos:
Em adição aos Princípios de Boas Práticas das Estatísticas, o IBGE define, através de código, um conjunto de indicadores que contribuem para operacionalizar e monitorar, na prática, esses princípios. Dos indicadores voltados, especificamente, à solidez das metodologias adotadas estão:
The word “so” in “perhaps more so than the words and signals” is used to refer to something already stated in Text I. In this context, it refers to:
De um grupo de controle para o acompanhamento de uma
determinada doença, 4% realmente têm a doença. A tabela a
seguir mostra as porcentagens das pessoas que têm e das que
não têm a doença e que apresentaram resultado positivo em
um determinado teste
Entre as pessoas desse grupo que apresentaram resultado
positivo no teste, a porcentagem daquelas que realmente têm a
doença é aproximadamente:
