A respeito da análise de variância, julgue o próximo item.O procedimento de teste é grandemente afetado por violações da hipótese de normalidade, quando as populações são unimodais e os tamanhos das amostras são aproximadamente iguais.
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”.
Análise de variância: robustez do teste F à violação da normalidade
❌ ERRADO. A afirmação está incorreta: o teste F da ANOVA é robusto a violações da hipótese de normalidade quando as populações são unimodais e os tamanhos das amostras são aproximadamente iguais. Ou seja, nessas condições, o procedimento não é grandemente afetado por tais violações — o que contraria diretamente o enunciado.
A análise de variância (ANOVA) é um teste de hipóteses que compara as médias de três ou mais populações, baseado na decomposição da variabilidade total em variabilidade entre grupos e dentro dos grupos. Para que o teste F seja válido, algumas suposições são necessárias: normalidade das populações, homocedasticia (variâncias iguais) e independência das observações. Contudo, a teoria estatística mostra que o teste F é bastante robusto a afastamentos moderados da normalidade, especialmente quando as populações são unimodais (têm uma única moda, ou seja, formato de sino, ainda que não exatamente normal) e os tamanhos das amostras são aproximadamente iguais. Nesse cenário, a distribuição da estatística F sob a hipótese nula permanece aproximadamente correta, e o nível de significância real fica próximo do nominal. A robustez é menor quando as amostras têm tamanhos muito desiguais ou quando as populações são muito assimétricas ou com caudas pesadas.
A banca explora a inversão do sentido da propriedade: o candidato pode achar que qualquer violação da normalidade compromete gravemente o teste, mas a literatura estatística (e o próprio enunciado, ao citar as condições de unimodalidade e tamanhos iguais) aponta exatamente o contrário — são essas condições que garantem a robustez. A pegadinha está em trocar "robusto" por "grandemente afetado".
Condição do teste F (ANOVA)
Populações unimodais e amostras de tamanhos ~iguais
Efeito da violação da normalidade
Conclusão sobre o enunciado
Violação da normalidade
Sim (cenário descrito)
Pequeno (teste é robusto)
Errado — não é grandemente afetado
Violação da normalidade
Não (amostras desiguais ou distribuições assimétricas)
Grande (teste é sensível)
Correto — mas não é o caso do enunciado
Alternativa E — ❌ Incorreta (gabarito)
A afirmativa diz que o teste é "grandemente afetado" por violações da normalidade quando as populações são unimodais e os tamanhos das amostras são aproximadamente iguais. Isso é falso: exatamente nessas condições o teste F é robusto, ou seja, pouco sensível a afastamentos da normalidade. A literatura estatística clássica (como os livros de Montgomery e de Box, Hunter & Hunter) destaca que a ANOVA suporta bem violações moderadas da normalidade quando as amostras são balanceadas e as distribuições são unimodais. Portanto, o erro está em afirmar que o procedimento é "grandemente afetado" — o correto seria dizer que ele é pouco afetado (robusto).
NÃO CAIA NESSA!
A banca inverte a propriedade de robustez do teste F. O candidato pode pensar: "violou a normalidade, o teste está comprometido". Mas a estatística mostra que, com populações unimodais e amostras de tamanhos aproximadamente iguais, o teste F continua válido — a violação da normalidade tem efeito pequeno. Fique atento: quando o enunciado cita essas condições (unimodalidade e tamanhos iguais), ele está descrevendo o cenário de robustez, não de fragilidade. 💪