Pular para o conteúdo principal

Questão de Estatística — Cálculo de Probabilidades — CESPE / CEBRASPE 2023

EstatísticaCálculo de Probabilidades
Código
ce156299
Banca
CESPE / CEBRASPE
Órgão
MPE-RO
Ano
2023
Nível
Superior
Cargo
Analista em Estatística
Suponha que X1 , X2, ... , Xn sejam variáveis aleatórias independentes e identicamente distribuídas, em que cada Xk segue uma distribuição qui-quadrado com 1 grau de liberdade ( k ∈ { 1,2, … , n } ). Acerca da soma  Sn = X1 + X2 + ... + Xn, quando → ∞, há convergência em distribuição para a distribuição normal padrão se Sn for padronizada como
  1. ASn- n / Imagem associada para resolução da questão .
  2. BSn- n / 1 / Imagem associada para resolução da questão.
  3. CSn- n / Imagem associada para resolução da questão .
  4. DSn - 1 / 1 / Imagem associada para resolução da questão .
  5. ESn- n / 2 .
Revelar gabarito e comentário

GabaritoC — Sn- n / [imagem] .

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Teorema Central do Limite (TCL) e convergência em distribuição

Gabarito: letra C. O Teorema Central do Limite (TCL) estabelece que a soma de variáveis aleatórias independentes e identicamente distribuídas (i.i.d.) com média μ\mu e variância σ2\sigma^2 finitas converge em distribuição para uma normal padrão quando padronizada. Para uma distribuição qui-quadrado com 1 grau de liberdade, temos μ=1\mu = 1 e σ2=2\sigma^2 = 2. Assim, a soma Sn=k=1nXkS_n = \sum_{k=1}^n X_k possui média E[Sn]=nμ=nE[S_n] = n\mu = n e variância Var(Sn)=nσ2=2nVar(S_n) = n\sigma^2 = 2n. A padronização correta é Zn=SnE[Sn]Var(Sn)=Snn2nZ_n = \frac{S_n - E[S_n]}{\sqrt{Var(S_n)}} = \frac{S_n - n}{\sqrt{2n}}, que corresponde à estrutura da alternativa C.

O TCL é um pilar fundamental da inferência estatística. Ele garante que, independentemente da distribuição original das variáveis (desde que tenham média e variância finitas), a média amostral (ou a soma) tenderá a uma distribuição normal conforme o tamanho da amostra nn aumenta. No caso específico da distribuição qui-quadrado com 1 grau de liberdade, a média é 1 e a variância é 2. Ao somar nn dessas variáveis, a esperança da soma é nn e a variância é 2n2n. O desvio padrão é, portanto, 2n\sqrt{2n}.

Alternativa A — ❌ Incorreta

O denominador utilizado é n\sqrt{n}, o que ignora a variância da distribuição qui-quadrado (σ2=2\sigma^2 = 2). A padronização correta exige o desvio padrão da soma, que é 2n\sqrt{2n}.

Alternativa B — ❌ Incorreta

A expressão apresentada é matematicamente inconsistente com a forma de padronização exigida pelo TCL, falhando em incorporar corretamente a variância da soma.

Alternativa C — ✅ Correta ⟵ GABARITO

Esta alternativa apresenta a forma correta de padronização: subtrai-se a média da soma (nn) e divide-se pelo desvio padrão da soma (2n\sqrt{2n}), permitindo a convergência para a normal padrão N(0,1)N(0,1).

Alternativa D — ❌ Incorreta

Além de apresentar uma estrutura algébrica incorreta, utiliza valores de média e variância que não correspondem às propriedades da distribuição qui-quadrado com 1 grau de liberdade.

Alternativa E — ❌ Incorreta

Esta alternativa propõe uma divisão por uma constante (2) em vez de utilizar o desvio padrão da soma (2n\sqrt{2n}), o que não resulta em uma variável normal padrão.

PEGA ESSA DICA!

Sempre que o enunciado pedir a padronização para o TCL, lembre-se da fórmula geral Z=Snnμnσ2Z = \frac{S_n - n\mu}{\sqrt{n\sigma^2}}. Identifique a média (μ\mu) e a variância (σ2\sigma^2) da distribuição individual e substitua. Para a qui-quadrado com kk graus de liberdade, μ=k\mu = k e σ2=2k\sigma^2 = 2k. Aqui, k=1k=1, logo μ=1\mu=1 e σ2=2\sigma^2=2.

Link permanente: /questoes/ce156299