Acerca dos testes não paramétricos, julgue o item seguinte.Testes não paramétricos não podem ser usados com grandes amostras, porque são menos precisos que os testes paramétricos.
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”.
Testes não paramétricos e o tamanho da amostra
❌ ERRADO. A afirmação está incorreta: testes não paramétricos podem e devem ser usados com grandes amostras, e a questão de precisão é relativa — eles são menos eficientes que os paramétricos quando as suposições destes são satisfeitas, mas essa menor eficiência pode ser compensada justamente com amostras maiores. Não há qualquer proibição ou limitação de tamanho amostral para o uso de métodos não paramétricos.
A banca explora uma confusão comum: o candidato associa "não paramétrico" a "menos preciso" e conclui que não serve para amostras grandes. Na verdade, a escolha entre paramétrico e não paramétrico é ditada pelas suposições sobre a distribuição dos dados e pelo nível de mensuração da variável, não pelo tamanho da amostra. Os testes não paramétricos são chamados de "livres de distribuição" porque não exigem que a população siga uma distribuição específica (como a normal), e podem ser aplicados a dados nominais, ordinais ou quando os pressupostos paramétricos são violados.
A literatura estatística é clara ao apontar que os testes não paramétricos são menos eficientes que os paramétricos quando as suposições destes são atendidas — ou seja, exigem maior evidência (amostra maior ou diferenças maiores) para rejeitar a hipótese nula. Mas isso não significa que não possam ser usados com grandes amostras; pelo contrário, aumentar o tamanho da amostra é justamente uma forma de compensar a menor eficiência. Por exemplo, a correlação de postos tem eficiência de 0,91 em relação à correlação linear, o que significa que precisa de cerca de 100 observações para obter o mesmo resultado que 91 observações com o método paramétrico — mas isso é uma questão de eficiência relativa, não de proibição.
Além disso, os testes não paramétricos têm vantagens importantes: podem ser aplicados a dados qualitativos (nominais e ordinais), não exigem normalidade e são mais simples de calcular. Em amostras grandes, eles continuam sendo uma alternativa válida e frequentemente necessária, especialmente quando os dados não atendem aos pressupostos paramétricos.
Caso
Premissa avaliada
Conclusão
1
"Não podem ser usados com grandes amostras"
Falso — não há restrição de tamanho amostral
2
"São menos precisos que os paramétricos"
Falso — são menos eficientes, não imprecisos
3
"Menor eficiência impede o uso"
Falso — pode ser compensada com amostras maiores
4
Afirmação completa
Errada (gabarito E)
Alternativa C — ❌ Incorreta
A afirmativa "Testes não paramétricos não podem ser usados com grandes amostras, porque são menos precisos que os testes paramétricos" está errada por dois motivos:
Não há restrição de tamanho amostral: os testes não paramétricos podem ser aplicados a amostras de qualquer tamanho. A escolha do teste depende das suposições sobre a distribuição e do tipo de dado, não do número de observações.
A menor eficiência não impede o uso: é verdade que, quando os pressupostos paramétricos são satisfeitos, os testes paramétricos são mais poderosos (maior probabilidade de rejeitar H0 quando ela é falsa). No entanto, isso não torna os testes não paramétricos "imprecisos" ou inadequados para grandes amostras — apenas menos eficientes, o que pode ser compensado com um tamanho amostral maior. A literatura chega a afirmar que "menor eficiência não deve ser um fator crítico na escolha entre testes paramétricos e não paramétricos".
Portanto, a afirmação é falsa em ambos os aspectos: não há proibição de uso com grandes amostras, e a menor eficiência não é um impedimento, mas uma característica que pode ser mitigada.
NÃO CAIA NESSA!
A banca tenta fazer o candidato acreditar que "menos eficiente" = "não pode ser usado" ou "impreciso". Na verdade, eficiência é uma medida relativa de poder estatístico, não uma limitação prática. O aluno que confunde esses conceitos cai na armadilha. Lembre-se: testes não paramétricos são uma alternativa legítima em qualquer tamanho de amostra, especialmente quando os pressupostos paramétricos são violados.
PEGA ESSA DICA!
Para questões sobre testes não paramétricos, foque nas suposições (não exigem normalidade, podem usar dados ordinais/nominais) e nas vantagens/desvantagens (menos eficientes, mas mais flexíveis). Não decore que "não paramétrico = amostra pequena" — isso é um mito. Na prova, se a alternativa disser que não paramétricos não podem ser usados com grandes amostras, marque errado.