Uma equipe de auditoria fiscal da SEFAZ Nacional investiga um contribuinte que movimentou R$ 12 milhões em um trimestre, mas declarou apenas R$ 800 mil. Para identificar padrões de sonegação, a equipe construiu um modelo de classificação binária (fraude/não fraude) com um conjunto de dados desbalanceado (1% de fraudes). Após o treinamento, obtiveram-se os seguintes resultados no conjunto de teste (100.000 registros):

• Verdadeiros Positivos (VP) = 600
• Falsos Negativos (FN) = 400
• Falsos Positivos (FP) = 1.500
• Verdadeiros Negativos (VN) = 97.500

O auditor-chefe questiona se o modelo é adequado para priorizar fiscalizações. Um analista de dados afirma que a acurácia é alta, mas a métrica mais relevante para esse cenário é o recall (sensibilidade), pois o custo de deixar uma fraude passar (falso negativo) é muito alto. Considerando os conceitos de avaliação de modelos de classificação e o contexto de análise exploratória de dados, assinale a alternativa que apresenta corretamente o valor do recall, o valor da precisão e a justificativa técnica para a escolha do recall como métrica prioritária nesse caso.