Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2025
- Código
- ce217907
- Banca
- CESPE / CEBRASPE
- Órgão
- TJ-PA
- Ano
- 2025
- Nível
- Superior
- Cargo
- Analista Judiciário - Especialidade: Estatística
- CCerto
- EErrado
GabaritoE — Errado
❌ ERRADO. A afirmação de que "para o EMV existir para uma regressão linear, a variável resposta deve seguir uma distribuição normal" é falsa. O método da máxima verossimilhança é um método geral de estimação que pode ser aplicado a qualquer modelo probabilístico especificado — não apenas ao modelo normal. Na regressão linear clássica, a suposição de normalidade dos erros (e, consequentemente, da variável resposta condicionada às covariáveis) é necessária para que o EMV coincida com o estimador de mínimos quadrados e para a realização de testes de hipóteses e intervalos de confiança, mas não é um requisito para a existência do EMV. O EMV existe sempre que a função de verossimilhança puder ser construída e maximizada, o que ocorre para uma ampla gama de distribuições (Poisson, binomial, exponencial, etc.).
O método da máxima verossimilhança consiste em escolher os valores dos parâmetros que maximizam a probabilidade (ou densidade) de se observar a amostra obtida. Para isso, é necessário conhecer a distribuição da variável em estudo — mas essa distribuição pode ser qualquer uma, não apenas a normal. Por exemplo, em um modelo de regressão logística, a variável resposta é binária e o EMV é obtido a partir da distribuição de Bernoulli; em um modelo de regressão de Poisson, a resposta é uma contagem e o EMV é obtido a partir da distribuição de Poisson. Em todos esses casos, o EMV existe e é amplamente utilizado, sem que a resposta siga distribuição normal.
A confusão que a banca explora é a seguinte: no modelo de regressão linear clássico, quando se assume que os erros seguem distribuição normal com média zero e variância constante, o EMV dos coeficientes β coincide com o estimador de mínimos quadrados ordinários (EMQ). Essa equivalência é um resultado importante, mas ela não significa que a normalidade seja condição para a existência do EMV. O EMV pode ser calculado mesmo sem normalidade — apenas deixa de coincidir com o EMQ e perde algumas propriedades ótimas (como eficiência).
Portanto, a afirmativa está incorreta: a normalidade não é requisito para a existência do EMV em regressão linear. O EMV existe para qualquer distribuição especificada para a resposta, desde que a função de verossimilhança possa ser construída e maximizada.
Caso | Distribuição da resposta | EMV existe? | EMV = EMQ? | Resultado |
|---|---|---|---|---|
1 | Normal (erros normais) | V | V | Consistente |
2 | Não normal (ex.: Poisson, Bernoulli) | V | F | Consistente |
3 | Qualquer distribuição especificada | V | F | Consistente |
4 | Sem distribuição especificada | F | F | Inviável |
A afirmativa está errada. O EMV é um método geral de estimação que não exige normalidade. A normalidade é uma suposição adicional do modelo clássico de regressão linear, usada para justificar a equivalência entre EMV e EMQ e para fundamentar a inferência (testes t e F, intervalos de confiança). Sem normalidade, o EMV ainda existe e pode ser calculado, mas não coincide com o EMQ. A banca tenta confundir o candidato ao apresentar a normalidade como condição necessária para a existência do EMV, quando na verdade ela é apenas uma suposição conveniente do modelo clássico.
A banca explora a confusão entre "condição para existência do EMV" e "suposição do modelo clássico de regressão linear". O candidato que memorizou que "no modelo normal, EMV = EMQ" pode concluir erroneamente que a normalidade é indispensável. Mas o EMV é um método geral: ele existe para qualquer distribuição especificada (Poisson, binomial, exponencial etc.). A normalidade é necessária apenas para a equivalência com o EMQ e para a inferência clássica — não para a existência do estimador. Fique atento: a banca adora transformar uma propriedade específica em condição universal.
Gabarito: letra E — a afirmativa está errada.
Link permanente: /questoes/ce217907