Um auditor fiscal da Secretaria da Fazenda Nacional está analisando um conjunto de dados de declarações de imposto de renda de pessoas físicas. Ele deseja identificar padrões de sonegação fiscal utilizando técnicas de análise exploratória de dados (AED) e business intelligence (BI). Durante a análise, ele se depara com as seguintes situações:

• I. A distribuição das rendas declaradas apresenta forte assimetria à direita, com poucos contribuintes com rendas muito elevadas.
• II. Há um número significativo de valores ausentes na variável 'patrimônio declarado', e esses valores ausentes parecem estar relacionados ao próprio valor da renda (contribuintes com rendas mais altas tendem a omitir o patrimônio).
• III. Duas variáveis, 'renda tributável' e 'imposto pago', apresentam uma correlação de Pearson de 0,95.
• IV. A variável 'número de dependentes' apresenta outliers, mas esses outliers são valores legítimos (famílias numerosas).

Considerando as boas práticas de análise exploratória de dados e de business intelligence, avalie as afirmativas a seguir:

1. Para a situação I, a melhor medida de tendência central é a média aritmética, pois ela representa o valor típico da população.

2. Na situação II, a remoção de todos os registros com valores ausentes é a abordagem mais adequada para evitar viés na análise.

3. Na situação III, a alta correlação indica que o aumento da renda tributável causa o aumento do imposto pago, sendo possível prever o imposto a partir da renda com um modelo de regressão linear simples.

4. Na situação IV, os outliers devem ser removidos, pois distorcem as medidas de tendência central e dispersão.

5. Uma análise exploratória eficaz deve incluir a verificação de valores ausentes, a identificação de outliers e a compreensão da distribuição das variáveis, antes de aplicar técnicas de modelagem.

Estão corretas apenas as afirmativas: