Um analista de dados recebeu de uma equipe de vigilância em saúde de uma secretaria municipal o arquivo pacientes.csv que contém informações de 1.200 pacientes atendidos em unidades básicas de saúde, com variáveis como idade (idade), pressão arterial sistólica (pa_sistolica), pressão arterial diastólica (pa_diastolica), nível de glicemia em jejum (nivel_glicemia), índice de massa corporal (imc) e número de consultas realizadas no último ano (num_consultas). Esse analista iniciou o interpretador Python na linha de comando de seu computador e executou, também, os seguintes comandos.

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
df = pd.read_csv("pacientes.csv")

A partir da situação hipotética precedente, considerando que todas as bibliotecas estejam instaladas e que qualquer trecho entre aspas, sejam elas retas ou curvas, representa uma cadeia de caracteres, julgue o item a seguir.

A execução do comando df.sort_values(by="idade") alterará permanentemente a ordem das linhas no arquivo original pacientes.csv.

Um analista de dados recebeu de uma equipe de vigilância em saúde de uma secretaria municipal o arquivo pacientes.csv que contém informações de 1.200 pacientes atendidos em unidades básicas de saúde, com variáveis como idade (idade), pressão arterial sistólica (pa_sistolica), pressão arterial diastólica (pa_diastolica), nível de glicemia em jejum (nivel_glicemia), índice de massa corporal (imc) e número de consultas realizadas no último ano (num_consultas). Esse analista iniciou o interpretador Python na linha de comando de seu computador e executou, também, os seguintes comandos.

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
df = pd.read_csv("pacientes.csv")

A partir da situação hipotética precedente, considerando que todas as bibliotecas estejam instaladas e que qualquer trecho entre aspas, sejam elas retas ou curvas, representa uma cadeia de caracteres, julgue o item a seguir.

A execução do comando a seguir retorna os usuários cuja idade é maior que 40 anos e cujo nível de glicemia em jejum é maior que 135 mg/dl de sangue. 

df[(df["idade"] > 40) and (df["nivel_glicemia"] > 135)]

Um analista de dados recebeu de uma equipe de vigilância em saúde de uma secretaria municipal o arquivo pacientes.csv que contém informações de 1.200 pacientes atendidos em unidades básicas de saúde, com variáveis como idade (idade), pressão arterial sistólica (pa_sistolica), pressão arterial diastólica (pa_diastolica), nível de glicemia em jejum (nivel_glicemia), índice de massa corporal (imc) e número de consultas realizadas no último ano (num_consultas). Esse analista iniciou o interpretador Python na linha de comando de seu computador e executou, também, os seguintes comandos.

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
df = pd.read_csv("pacientes.csv")

A partir da situação hipotética precedente, considerando que todas as bibliotecas estejam instaladas e que qualquer trecho entre aspas, sejam elas retas ou curvas, representa uma cadeia de caracteres, julgue o item a seguir.

O método df.describe() fornece um resumo estatístico das variáveis numéricas, incluindo média, desvio padrão e quantis, o que facilita a identificação de outliers nesses dados.

Acerca de business intelligence, julgue o item a seguir.

Ao centralizar métricas em uma tabela fato e ligá-la a dimensões, a modelagem dimensional para BI permite consultas rápidas em milhões de registros, facilitando a análise de indicadores.

Acerca de business intelligence, julgue o item a seguir.

Uma arquitetura de business intelligence moderna dispensa o uso de um data warehouse, uma vez que as ferramentas de visualização conseguem processar petabytes de dados brutos diretamente de bancos transacionais sem perda de performance.

No que se refere à ciência de dados aplicada à gestão pública e à saúde.

Data lake permite o armazenamento de dados brutos de diferentes origens para futuras análises, sem a rigidez de um esquema de banco de dados relacional.

No que se refere à ciência de dados aplicada à gestão pública e à saúde.

O fenômeno garbage in, garbage out (GIGO) é mitigado automaticamente pelo uso de algoritmos de deep learning, que conseguem extrair insights precisos mesmo de bases de dados públicos altamente inconsistentes e mal preenchidas.

Acerca dos princípios e de boas práticas de visualização de dados e painéis de monitoramento, julgue o item a seguir.

O truncamento do eixo horizontal de um gráfico de colunas que compara valores absolutos é uma técnica recomendada porque esse tipo de comparação absoluta é a menos suscetível a vieses.

Acerca de dashboards, julgue o item a seguir.

Dashboards operacionais e dashboards estratégicos geralmente têm o mesmo tempo de granularidade de dados.

Julgue o item abaixo, sobre relatórios gerenciais.

A implementação de storytelling com dados em relatórios gerenciais visa guiar o usuário por uma narrativa lógica, facilitando a extração de insights e a tomada de decisão.