Pular para o conteúdo principal

Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2024

EstatísticaInferência estatística
Código
ce167066
Banca
CESPE / CEBRASPE
Órgão
ANATEL
Ano
2024
Nível
Superior
Cargo
Especialista em Regulação de Serviços Públicos de Telecomunicações – Especialidade: Ciências de Dados
        Os valores 2, 3, 1, 0, 2 constituem uma amostra aleatória simples de tamanho 5 retirada de uma distribuição discreta W, na qual P(W = w) = p(1-p)w, com w ∈ {  0, 1, 2, … }, sendo p um parâmetro que denota uma probabilidade.
Com base nas informações precedentes e no método de estimação por máxima verossimilhança, julgue o próximo item.A estimativa de máxima verossimilhança da probabilidade p é igual a 0,625.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoE — Errado

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”.

Estimação por máxima verossimilhança: distribuição geométrica

Gabarito: letra E (ERRADO). A estimativa de máxima verossimilhança de pp para a distribuição dada é p^=1/(1+Xˉ)\hat{p} = 1/(1+\bar{X}), e com a amostra 2, 3, 1, 0, 2 temos Xˉ=8/5=1,6\bar{X} = 8/5 = 1,6, logo p^=1/2,60,3846\hat{p} = 1/2,6 \approx 0,3846. O item afirma que a estimativa é 0,625, o que está incorreto — o valor 0,625 seria obtido se a fórmula fosse 1/Xˉ1/\bar{X}, mas a correta é 1/(1+Xˉ)1/(1+\bar{X}).

A distribuição apresentada, P(W=w)=p(1p)wP(W = w) = p(1-p)^w com w{0,1,2,}w \in \{0,1,2,\ldots\}, é a distribuição geométrica na parametrização que conta o número de fracassos antes do primeiro sucesso. O método da máxima verossimilhança (MV) consiste em escolher o valor do parâmetro que maximiza a probabilidade de se observar a amostra que de fato foi obtida. Para uma amostra aleatória simples w1,,wnw_1, \ldots, w_n, a função de verossimilhança é o produto das probabilidades individuais:

L(p)=i=1np(1p)wi=pn(1p)wi.L(p) = \prod_{i=1}^{n} p(1-p)^{w_i} = p^n (1-p)^{\sum w_i}.

Tomando o logaritmo natural (que preserva o ponto de máximo):

(p)=nln(p)+(i=1nwi)ln(1p).\ell(p) = n\ln(p) + \left(\sum_{i=1}^{n} w_i\right)\ln(1-p).

Derivando em relação a pp e igualando a zero:

ddp=npwi1p=0np=wi1pn(1p)=pwin=p(n+wi).\frac{d\ell}{dp} = \frac{n}{p} - \frac{\sum w_i}{1-p} = 0 \Rightarrow \frac{n}{p} = \frac{\sum w_i}{1-p} \Rightarrow n(1-p) = p\sum w_i \Rightarrow n = p\left(n + \sum w_i\right).

Portanto, o estimador de MV é:

p^=nn+wi=11+Xˉ.\hat{p} = \frac{n}{n + \sum w_i} = \frac{1}{1 + \bar{X}}.

Aplicando aos dados: n=5n = 5, wi=2+3+1+0+2=8\sum w_i = 2+3+1+0+2 = 8, então Xˉ=8/5=1,6\bar{X} = 8/5 = 1,6. Substituindo:

p^=11+1,6=12,60,3846.\hat{p} = \frac{1}{1 + 1,6} = \frac{1}{2,6} \approx 0,3846.

O valor 0,625 seria obtido se a fórmula fosse 1/Xˉ=1/1,6=0,6251/\bar{X} = 1/1,6 = 0,625, mas essa é a fórmula para a distribuição exponencial (quando a variável é contínua e o parâmetro é a taxa), não para a geométrica discreta. A pegadinha da banca está exatamente em confundir essas duas parametrizações.

Item — ❌ Errado

A afirmativa de que a estimativa de máxima verossimilhança de pp é igual a 0,625 está errada. O cálculo correto, conforme demonstrado, resulta em p^0,3846\hat{p} \approx 0,3846. O erro do candidato que marca "certo" é usar a fórmula 1/Xˉ1/\bar{X} em vez de 1/(1+Xˉ)1/(1+\bar{X}), esquecendo que na distribuição geométrica o suporte começa em w=0w=0, o que adiciona o termo +1+1 no denominador. Esse é um erro clássico de confundir a geométrica com a exponencial.

NÃO CAIA NESSA!

A banca explora a confusão entre a distribuição geométrica (discreta, com suporte em 0, 1, 2, ...) e a exponencial (contínua). Na exponencial, o EMV da taxa é 1/Xˉ1/\bar{X}; na geométrica, é 1/(1+Xˉ)1/(1+\bar{X}). O valor 0,625 é exatamente 1/1,61/1,6, o que indica que o candidato que marcou "certo" usou a fórmula errada. Fique atento: sempre verifique o suporte da distribuição antes de aplicar a fórmula do EMV.

PEGA ESSA DICA!

Para memorizar: na geométrica com P(W=w)=p(1p)wP(W=w) = p(1-p)^w, o EMV é p^=1/(1+Xˉ)\hat{p} = 1/(1+\bar{X}). Se a distribuição fosse P(W=w)=p(1p)w1P(W=w) = p(1-p)^{w-1} (suporte começando em 1), o EMV seria 1/Xˉ1/\bar{X}. A diferença está no suporte: se começa em 0, some 1 no denominador; se começa em 1, não some. Essa distinção é recorrente em provas de estatística.

Gabarito: letra E (ERRADO).

Link permanente: /questoes/ce167066