Pular para o conteúdo principal

Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2025

EstatísticaInferência estatística
Código
ce217905
Banca
CESPE / CEBRASPE
Órgão
TJ-PA
Ano
2025
Nível
Superior
Cargo
Analista Judiciário - Especialidade: Estatística
Considerando que um modelo de regressão linear apresenta a forma y = X ∙ β + ε , em que y é o vetor resposta, X é a matriz de covariáveis, β é o vetor de parâmetros e ε é o erro do modelo, julgue o próximo item acerca do estimador de mínimos quadrados (EMQ) e do estimador de máxima verossimilhança (EMV) para esse modelo.O EMQ requer menos suposições sobre distribuições que o EMV para ser consistente.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

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”.

Estimador de mínimos quadrados (EMQ) e estimador de máxima verossimilhança (EMV) em regressão linear

✅ CERTO. O estimador de mínimos quadrados (EMQ) requer menos suposições sobre distribuições do que o estimador de máxima verossimilhança (EMV) para ser consistente. O EMQ é consistente sob condições gerais sobre os erros (média zero, variância constante e não correlação), sem exigir uma distribuição específica; já o EMV, para ser consistente, depende de suposições sobre a distribuição dos erros (por exemplo, normalidade). Essa é a distinção central que a questão explora.

O modelo de regressão linear é expresso como y=Xβ+εy = X\beta + \varepsilon, em que yy é o vetor resposta, XX é a matriz de covariáveis, β\beta é o vetor de parâmetros e ε\varepsilon é o erro. O objetivo é estimar β\beta a partir dos dados.

O método dos mínimos quadrados consiste em minimizar a soma dos quadrados dos resíduos:

β^MQ=arg⁡min⁡β∑i=1n(yi−xiTβ)2=(XTX)−1XTy.\hat{\beta}_{MQ} = \arg\min_{\beta} \sum_{i=1}^{n} (y_i - x_i^T \beta)^2 = (X^T X)^{-1} X^T y.

Para que o EMQ seja consistente (isto é, convirja em probabilidade para o verdadeiro valor de β\beta quando o tamanho da amostra cresce), basta que os erros tenham média zero, variância constante e sejam não correlacionados — não é necessário especificar a distribuição de probabilidade dos erros. Essa é uma das grandes vantagens do EMQ: ele é um método de estimação que não depende de suposições distribucionais fortes.

Já o método da máxima verossimilhança (EMV) exige que se especifique a distribuição de probabilidade dos dados (ou dos erros). Para o modelo de regressão linear, o EMV é obtido maximizando a função de verossimilhança, que depende da distribuição assumida. Se os erros forem normais, o EMV coincide com o EMQ; mas se a distribuição for outra, o EMV pode ser diferente e sua consistência depende de condições de regularidade sobre essa distribuição. Portanto, o EMV requer mais suposições sobre distribuições para ser consistente.

A banca explora exatamente essa diferença: o candidato pode pensar que ambos exigem as mesmas suposições, mas o EMQ é mais robusto nesse aspecto.

Estimador

Suposições sobre distribuição

Consistência

EMQ

Média zero, variância constante, não correlação (sem distribuição específica)

Consistente sob condições gerais

EMV

Distribuição específica dos erros (ex.: normalidade)

Consistente apenas sob condições de regularidade da distribuição assumida

Item — ✅ CERTO

A afirmação está correta. O EMQ é consistente sob condições gerais sobre os erros (média zero, variância constante, não correlação), sem exigir uma distribuição específica. O EMV, por sua vez, requer a especificação da distribuição dos erros (por exemplo, normalidade) para ser consistente. Portanto, o EMQ requer menos suposições sobre distribuições que o EMV.

PEGA ESSA DICA!

Para fixar: EMQ = mínimos quadrados, não precisa de distribuição; EMV = máxima verossimilhança, precisa de distribuição. Quando a questão falar em "consistência" e "suposições sobre distribuições", lembre-se dessa diferença.

Gabarito: letra C (CERTO).

Link permanente: /questoes/ce217905