Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2025
- Código
- ce217909
- Banca
- CESPE / CEBRASPE
- Órgão
- TJ-PA
- Ano
- 2025
- Nível
- Superior
- Cargo
- Analista Judiciário - Especialidade: Estatística
- CCerto
- EErrado
GabaritoC — Certo
✅ CERTO. Sob a suposição de erros com distribuição normal e variância constante (homocedasticidade), o estimador de mínimos quadrados (EMQ) e o estimador de máxima verossimilhança (EMV) para o vetor de parâmetros β são idênticos. Essa é uma propriedade clássica da teoria de regressão linear: quando os erros são normais, a função de verossimilhança é maximizada exatamente pelo mesmo ponto que minimiza a soma dos quadrados dos resíduos.
O modelo de regressão linear é expresso como , onde é o vetor resposta, é a matriz de covariáveis, é o vetor de parâmetros e é o erro. O EMQ minimiza a soma dos quadrados dos resíduos: . A solução é , desde que seja invertível.
Quando os erros seguem distribuição normal com média zero e variância constante , ou seja, , a função de verossimilhança é proporcional a . Maximizar essa função equivale a minimizar o expoente, que é exatamente a soma dos quadrados dos resíduos. Portanto, o EMV coincide com o EMQ.
A distinção importante é que essa equivalência depende da suposição de normalidade. Sem ela, o EMQ e o EMV podem diferir. Por exemplo, se os erros seguem uma distribuição de Laplace, o EMV corresponde ao estimador de mínimos desvios absolutos (LAD), que minimiza a soma dos valores absolutos dos resíduos, não a soma dos quadrados. A banca explora exatamente essa condição: a normalidade é o que garante a identidade.
A pegadinha aqui é sutil: muitos candidatos lembram que o EMQ não exige normalidade para ser calculado, mas esquecem que a igualdade com o EMV só vale sob normalidade. A questão afirma explicitamente essa condição, tornando a afirmação correta.
Condição | EMQ (minimiza SQR) | EMV (maximiza verossimilhança) | Resultado |
|---|---|---|---|
Erros normais, variância constante | Idênticos | ||
Erros não normais (ex.: Laplace) | (ex.: LAD) | Diferentes |
A afirmação está correta porque, sob a suposição de erros normais com variância constante, a função de verossimilhança é maximizada no mesmo ponto que minimiza a soma dos quadrados dos resíduos. Formalmente, a função de log-verossimilhança é . Para um fixo, maximizar em relação a é equivalente a minimizar , que é o critério do EMQ. Portanto, .
A alternativa E afirma que o EMQ e o EMV não são idênticos, o que contraria a teoria. A banca tenta induzir o candidato a pensar que os métodos sempre produzem resultados diferentes, mas isso só ocorre quando a distribuição dos erros não é normal. Como o enunciado especifica a normalidade, a igualdade é garantida. O erro aqui é ignorar a condição explícita do problema.
A banca explora a confusão entre a necessidade de normalidade para o EMQ e a condição para a igualdade com o EMV. O EMQ pode ser calculado sem normalidade, mas a identidade com o EMV só vale sob normalidade. O candidato que lembra que "o EMQ não exige normalidade" pode marcar errado, esquecendo que a questão impõe essa condição. Fique atento: a presença de "distribuição normal" no enunciado é o gatilho para a igualdade.
Para questões de regressão, lembre-se: EMQ = EMV se e somente se os erros são normais. Se a distribuição não for normal, o EMV pode ser diferente (ex.: Laplace → LAD). Na prova, sublinhe a suposição de normalidade e verifique se ela está presente antes de decidir.
Gabarito: letra C (CERTO).
Link permanente: /questoes/ce217909