Considerando a relevância da bioestatística para a saúde animal, julgue o item seguinte.A regressão estatística não é adequada para a quantificação das associações entre um fator de interesse (variável dependente) e fatores explicativos (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”.
Regressão estatística e quantificação de associações
Gabarito: letra E (ERRADO). A regressão estatística é, por definição, a técnica adequada para quantificar a associação entre uma variável dependente (resposta) e uma ou mais variáveis independentes (explicativas), estimando coeficientes que medem a intensidade e a direção dessa relação. A afirmativa inverte os papéis das variáveis e nega a utilidade central da regressão, o que a torna incorreta.
A regressão é um dos pilares da modelagem estatística. Seu objetivo é modelar e quantificar a relação entre variáveis, permitindo compreender de que maneira uma variável dependente (também chamada de resposta ou alvo) se comporta em função de uma ou mais variáveis independentes (também chamadas de preditoras ou explicativas). No modelo de regressão linear simples, por exemplo, temos:
em que é a variável dependente, é a variável independente, e são os coeficientes (intercepto e inclinação) e é o erro aleatório. O coeficiente quantifica exatamente a variação esperada em quando aumenta em uma unidade — ou seja, a associação entre as variáveis.
A banca explora uma confusão clássica: inverter os papéis das variáveis. No enunciado, afirma-se que a variável dependente seria o "fator de interesse" e as independentes seriam os "fatores explicativos" — o que está correto — mas conclui-se que a regressão não seria adequada para quantificar essa associação, o que é exatamente o oposto da verdade. A regressão é a ferramenta padrão para essa quantificação, seja na estatística clássica, seja no aprendizado de máquina supervisionado.
NÃO CAIA NESSA!
A banca inverte o sentido da afirmação para confundir. O candidato pode ler rápido e achar que a frase está certa, pois os termos "dependente" e "independente" aparecem corretamente. Mas a conclusão é falsa: a regressão é adequada para quantificar associações. Fique atento: quando o enunciado nega algo que é a própria definição do método, desconfie.
Proposição
Afirmação do enunciado
Valor lógico
p
"A regressão estatística não é adequada para quantificar associações entre variável dependente e independentes"
F
~p
"A regressão estatística é adequada para quantificar associações entre variável dependente e independentes"
V
Conclusão do gabarito
O enunciado está errado (E)
V
Alternativa E — ❌ Incorreta (gabarito)
A afirmativa está errada. A regressão estatística é, por excelência, a técnica usada para quantificar associações entre uma variável dependente e variáveis independentes. Ela fornece coeficientes interpretáveis que medem a variação esperada na resposta quando uma explicativa aumenta em uma unidade, mantendo as demais constantes. Além disso, serve tanto para predição quanto para explicação de relações. Portanto, negar essa adequação é um erro conceitual grave.