Pular para o conteúdo principal

Questão de Estatística — Estatística descritiva (análise exploratória de dados) — CESPE / CEBRASPE 2025

EstatísticaEstatística descritiva (análise exploratória de dados)
Código
ce199103
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Analista – Área: Gestão da Informação – Subárea: Engenharia de Dados
Acerca de conceitos de estatística descritiva e de inferência estatística, julgue o item a seguir.Se o coeficiente de correlação de Pearson entre duas variáveis é superior a 0,8, há uma relação causal forte entre elas.
  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”.

Coeficiente de correlação de Pearson e causalidade

❌ ERRADO. O coeficiente de correlação de Pearson mede apenas a força e a direção da relação linear entre duas variáveis, não estabelece relação de causa e efeito. Mesmo que o coeficiente seja superior a 0,8 (indicando correlação forte), isso não implica causalidade — a correlação pode ser espúria, ou seja, decorrente de uma terceira variável, do acaso ou de uma relação indireta. O gabarito é letra E.

O coeficiente de correlação de Pearson (rr) é uma medida adimensional que varia entre -1 e 1, calculada pela razão entre a covariância e o produto dos desvios-padrão das variáveis:

r=Cov(X,Y)sX⋅sYr = \frac{Cov(X,Y)}{s_X \cdot s_Y}

Valores próximos de 1 indicam forte relação linear positiva; próximos de -1, forte relação linear negativa; e próximos de 0, ausência de relação linear. No entanto, a correlação não implica causalidade — esse é um princípio fundamental da estatística. Uma correlação forte pode existir sem que uma variável cause a outra, como no clássico exemplo da correlação entre o número de afogamentos e o consumo de sorvete: ambos aumentam no verão, mas um não causa o outro — a variável oculta é a temperatura.

A banca explora exatamente essa confusão conceitual: o candidato vê "correlação forte" e automaticamente pensa em "causa". Mas a estatística descritiva apenas descreve associações; a inferência causal exige desenho experimental, controle de variáveis de confusão e outros critérios (como temporalidade e plausibilidade).

Correlação forteCausalidader>0,8nãonão implicaLEVELsoulevel.com.br
Correlação entre variáveis — só Correlação forte: r>0,8; só Causalidade: não; Correlação forte∩Causalidade: não implica
NÃO CAIA NESSA!

A banca troca correlação por causalidade. Correlação forte (r > 0,8) indica apenas associação linear forte; para afirmar causalidade seria necessário um estudo experimental ou quase-experimental com controle de variáveis. Essa é uma das pegadinhas mais clássicas em estatística — lembre-se: "correlação não implica causalidade" 💪.

Gabarito: letra E (ERRADO).

Link permanente: /questoes/ce199103