Qual característica de um conjunto de dados, constatada por uma análise descritiva, não justificaria a aplicação prévia de um método de agrupamento de dados?

Passo 1

O enunciado pergunta qual “sinal” obtido numa análise descritiva de um conjunto de observações mostraria que não faz sentido aplicar um método de agrupamento (clustering) antes de qualquer outra etapa. O conteúdo envolve interpretação de medidas de forma (distribuição das variáveis) e dispersão, e a ideia de clustering é justamente explorar heterogeneidade para separar subgrupos nos dados.

Passo 2

Em geral, quando a análise descritiva revela heterogeneidade — por exemplo, distribuições multimodais, nuvens de pontos com dois ou mais aglomerados visíveis ou variâncias muito diferentes entre subconjuntos — isso justifica o uso de clustering, pois indica a presença de subpopulações a serem descobertas.

Passo 3

Por outro lado, se a análise descritiva mostra que cada variável \bullet Apresenta distribuição unimodal, sem “picos” adicionais, e \bullet Tem forma aproximadamente normal (simétrica) e \bullet Apresenta baixa variabilidade relativa (coeficiente de variação pequeno)
então não há indícios de subgrupos nos dados. Nessa situação, não faz sentido tentar separar observações em clusters, porque os dados se comportam como uma única população homogênea.

Passo 4

Portanto, a característica que não justificaria a aplicação prévia de um método de agrupamento é exatamente a unimodalidade (ou forma normal) das distribuições das variáveis, acompanhada de baixa dispersão, indicando ausência de heterogeneidade.

Resposta

A presença de distribuições unimodais (aprox. normais) e baixa variabilidade em todas as variáveis, ou seja, dados homogêneos sem indícios de subgrupos.

Exercícios relacionados