Questão de Estatística — Modelos lineares — CESPE / CEBRASPE 2024

Regressão linear: estimativa pontual versus intervalo de predição

❌ ERRADO. A equação de regressão ajustada fornece estimativas pontuais (um único valor predito para a variável resposta), e não um "intervalo de predição completo". O intervalo de predição é uma construção intervalar que incorpora a incerteza da estimativa e a variabilidade do erro, e não é obtido diretamente da equação de regressão — ele exige o cálculo de limites inferior e superior a partir da distribuição amostral do preditor e da estimativa da variância do erro.

A regressão linear tem dois propósitos principais: predição (estimar valores futuros ou desconhecidos da variável dependente) e explicação (identificar quais fatores influenciam a variável dependente). Quando ajustamos um modelo, obtemos coeficientes estimados (intercepto e inclinação) que, ao serem aplicados a um valor de $X$, produzem um valor predito pontual $\hat{Y}$. Esse valor é uma estimativa por ponto — um número único, não um intervalo.

O intervalo de predição, por sua vez, é um intervalo de confiança para uma nova observação individual de $Y$ dado $X = x_0$. Ele é mais largo que o intervalo de confiança para a média de $Y$ em $x_0$, porque inclui tanto a incerteza na estimativa da reta quanto a variabilidade aleatória do erro individual. A fórmula envolve o erro padrão da predição, que depende da distância de $x_0$ à média de $X$, do tamanho amostral e da estimativa de $\sigma^2$ — nada disso é "fornecido" diretamente pela equação de regressão; é preciso calculá-lo.

A pegadinha da banca está em confundir estimativa pontual (o que a equação de regressão fornece) com estimativa intervalar (o que exige construção adicional). O candidato que lê "a equação fornece a base para determinar várias estimativas por ponto" pode achar que a segunda parte "intervalo de predição completo" é apenas um detalhe, mas ela inverte o conceito: a equação dá o ponto, não o intervalo.

Item — ❌ ERRADO

A afirmação diz que a equação de regressão fornece "várias estimativas por ponto, ou seja, um intervalo de predição completo". O erro está na equivalência: estimativa por ponto é um valor único, enquanto intervalo de predição é um intervalo com limites inferior e superior. A equação de regressão, por si só, produz apenas o valor predito pontual $\hat{Y} = \hat{\beta}_0 + \hat{\beta}_1 X$. Para construir um intervalo de predição, é necessário:

1. Estimar a variância do erro ($\hat{\sigma}^2$);

2. Calcular o erro padrão da predição em $x_0$;

3. Usar o quantil da distribuição $t$ com $n-2$ graus de liberdade.

Portanto, a equação de regressão é a base para a estimativa pontual, mas o intervalo de predição é uma etapa adicional de inferência — não é a mesma coisa.

Gabarito: letra E (ERRADO).