Para quantificar nível de dados ausentes, é calculada medida de completude percentual de variável presente no conjunto de dados, obtida pela divisão direta entre número de células não vazias e número total de linhas da variável, multiplicado por 100. Completude de 60% para variável indica que 60% das células estão preenchidas enquanto 40% estão ausentes. Quantidade de ausências pode ocorrer de maneira diferente nas diferentes colunas, ou seja, uma variável pode ter 10% de ausências enquanto outra tem 90%. Na obtenção de medidas descritivas para diferentes variáveis de conjunto de dados, existência dessa diferença pode fazer com que comparação dos padrões de variabilidade entre variáveis ou de médias entre grupos seja enviesada, já que essas medidas serão baseadas em diferentes números de observações. Enquanto categoria A tem 100% de completude com média e desvio padrão calculados com base em 30 observações, valores da categoria B que tem 50% de completude são baseados em 15 observações. Nessa situação, amostra de cada categoria pode não ser representativa e valores obtidos podem não ser confiáveis, afetando consequentemente valor do resultado obtido. Identifique qual consequência direta ocorre quando diferentes variáveis de conjunto de dados têm completudes significativamente diferentes na obtenção de medidas descritivas. Selecione uma alternativa: a) Comparações entre variáveis tornam-se enviesadas pois medidas descritivas são baseadas em diferentes números de observações comprometendo validade estatística. b) Completude diferente entre variáveis aumenta precisão das medidas descritivas pois elimina automaticamente observações inconsistentes melhorando qualidade dos resultados. c) Medidas descritivas permanecem não afetadas pois softwares estatísticos ajustam automaticamente cálculos compensando diferenças de completude entre variáveis. d) Variáveis com menor completude tornam-se mais confiáveis estatisticamente pois representam subconjunto selecionado naturalmente das observações mais importantes. e) Diferenças de completude entre variáveis melhoram representatividade amostral pois cada variável utiliza tamanho de amostra ideal para suas características.