Analista de Planejamento e Orçamento - Especialidade: Geral
Considerando os conceitos básicos e as técnicas de inferência causal, julgue o item a seguir.O coeficiente de correlação de Pearson, que varia entre − 1 e 1, é uma medida estatística de causalidade, derivada da associação linear entre duas variáveis independentes.
CCerto
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”.
Coeficiente de correlação de Pearson e causalidade
❌ ERRADO. O coeficiente de correlação de Pearson mede a força e a direção da associação linear entre duas variáveis quantitativas, variando entre -1 e 1 — mas não é uma medida de causalidade. Correlação não implica causalidade: duas variáveis podem ser fortemente correlacionadas sem que uma cause a outra (relação espúria, variável de confusão, causalidade reversa etc.). Além disso, o enunciado afirma que a correlação é derivada da associação entre "duas variáveis independentes" — o que é um contrassenso: a correlação mede a associação entre variáveis dependentes (ou seja, que variam conjuntamente), e não entre variáveis independentes no sentido estatístico (que, por definição, não se relacionam).
O coeficiente de Pearson é definido como a razão entre a covariância e o produto dos desvios-padrão das duas variáveis:
Seu valor indica:
: correlação linear perfeita positiva;
: correlação linear perfeita negativa;
: ausência de correlação linear (mas pode haver relação não linear).
A confusão entre correlação e causalidade é clássica em estatística. O fato de duas variáveis se moverem juntas não prova que uma causa a outra. Para estabelecer causalidade, são necessários métodos de inferência causal (experimentos controlados, quase-experimentos, variáveis instrumentais, etc.).
A banca explora exatamente essa confusão: o candidato que sabe que o coeficiente varia entre -1 e 1 pode ser tentado a concordar com o item, mas a palavra-chave é "causalidade" — que torna a afirmação falsa.
Coeficiente de Pearson (r): O que mede (Força e direção da associação linear, Varia entre -1 e 1); O que NÃO mede (Causalidade, Relação entre variáveis independentes); Valores (r = 1: correlação perfeita positiva, r = -1: correlação perfeita negativa, r = 0: ausência de correlação linear); Causalidade exige (Experimentos controlados, Quase-experimentos, Variáveis instrumentais)
Alternativa E — ❌ Incorreta (gabarito)
A afirmação está errada por dois motivos:
Correlação não é causalidade: o coeficiente de Pearson mede apenas a associação linear, não a relação de causa e efeito. Duas variáveis podem ser correlacionadas sem que exista relação causal entre elas.
"Variáveis independentes": a correlação é calculada entre duas variáveis que covariam — ou seja, que são dependentes entre si no sentido de apresentarem associação. Se fossem verdadeiramente independentes, a correlação seria zero (ou muito próxima de zero). O termo "independentes" aqui é usado de forma incorreta, pois a correlação só faz sentido entre variáveis que podem estar relacionadas.
Portanto, o item é ERRADO.
NÃO CAIA NESSA!
A banca tenta fazer o candidato acreditar que correlação implica causalidade. O erro está na palavra "causalidade" — o coeficiente de Pearson mede apenas a associação linear, não a relação de causa e efeito. Além disso, o termo "variáveis independentes" é usado incorretamente: a correlação é calculada entre variáveis que covariam (dependentes), não entre variáveis independentes.
PEGA ESSA DICA!
Na prova, desconfie de qualquer afirmação que trate correlação como sinônimo de causalidade. Lembre-se do mantra: "correlação não implica causalidade". Para estabelecer causalidade, são necessários métodos de inferência causal (experimentos, quase-experimentos, etc.).