Pular para o conteúdo principal

Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2025

EstatísticaInferência estatística
Código
ce217928
Banca
CESPE / CEBRASPE
Órgão
TJ-PA
Ano
2025
Nível
Superior
Cargo
Analista Judiciário - Especialidade: Estatística
Acerca de estimadores pontuais, julgue o item a seguir.Um estimador suficiente retém todas as informações relevantes da amostra a respeito do parâmetro populacional.
  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”.

Estimadores suficientes e a informação da amostra

✅ CERTO. Um estimador suficiente, por definição, condensa toda a informação relevante contida na amostra sobre o parâmetro populacional de interesse. Essa é a essência do conceito de suficiência em inferência estatística: nenhuma outra estatística calculada a partir da mesma amostra pode acrescentar informação adicional sobre o parâmetro. O gabarito oficial é a letra C.

Para entender por que a afirmação está correta, é preciso distinguir os papéis de parâmetro, estimador e estatística suficiente. O parâmetro é uma medida que descreve uma característica da população (como a média μ\mu ou a variância σ2\sigma^2) e é sempre uma constante. O estimador é uma função matemática dos elementos da amostra, uma "fórmula" que, ao ser aplicada a uma amostra específica, produz uma estimativa numérica. A estatística suficiente é um tipo especial de estimador: ela resume a amostra de tal forma que a distribuição condicional da amostra, dado o valor da estatística, não depende mais do parâmetro. Em outras palavras, uma vez conhecida a estatística suficiente, nenhuma outra informação da amostra é capaz de melhorar a inferência sobre o parâmetro.

A pegadinha que a banca poderia explorar — e que não aparece aqui — seria confundir suficiência com outras propriedades de estimadores, como não viés, consistência ou eficiência. Um estimador suficiente não é necessariamente não viesado, nem o mais eficiente; ele apenas retém toda a informação relevante. Por exemplo, a média amostral Xˉ\bar{X} é uma estatística suficiente para a média de uma distribuição normal, mas a mediana amostral também poderia ser usada como estimador — porém, ela não é suficiente, pois descarta informação contida na amostra.

Outra distinção importante é entre estimador e estimativa. O estimador é a regra ou fórmula (uma variável aleatória, pois depende da amostra); a estimativa é o valor numérico obtido ao aplicar essa fórmula a uma amostra concreta. A afirmação do enunciado fala corretamente de "estimador suficiente", que é o conceito teórico, e não de uma estimativa específica.

Conceito

Definição

Relação com a afirmação

Estimador suficiente

Estatística (T(X_1,\dots,X_n)) tal que a distribuição condicional da amostra dado (T=t) não depende do parâmetro θ\theta

Retém toda a informação relevante da amostra sobre θ\theta

Estimador não viesado

(E(T)=θ)(E(T) = \theta)

Não é exigido pela suficiência; um estimador suficiente pode ser viesado

Estimador eficiente

Menor variância entre os estimadores não viesados

Não é exigido pela suficiência; um estimador suficiente pode não ser o mais eficiente

Estimador consistente

T→pθT \xrightarrow{p} \theta quando n→∞n \to \infty

Não é exigido pela suficiência; um estimador suficiente pode não ser consistente

Estimativa

Valor numérico obtido ao aplicar o estimador a uma amostra concreta

A afirmação trata do estimador (regra), não da estimativa (valor)

Alternativa C — ✅ Correta ⟵ GABARITO

A afirmativa está correta porque define com precisão o que é um estimador suficiente: ele captura toda a informação relevante da amostra sobre o parâmetro populacional. Formalmente, uma estatística T(X1,…,Xn)T(X_1, \dots, X_n) é suficiente para o parâmetro θ\theta se a distribuição condicional da amostra dado T=tT = t não depende de θ\theta. Isso significa que, para fins de inferência sobre θ\theta, a amostra inteira não oferece nada além do que TT já oferece. O Teorema da Fatoração de Neyman-Fisher formaliza essa ideia: TT é suficiente se a função de verossimilhança pode ser fatorada em uma parte que depende da amostra apenas por meio de TT e outra que não depende de θ\theta. Portanto, a afirmação está em total conformidade com a definição clássica de suficiência.

Alternativa E — ❌ Incorreta

A alternativa E está incorreta porque nega exatamente o que a definição de suficiência estabelece. Se um estimador é suficiente, ele retém toda a informação relevante da amostra sobre o parâmetro — essa é a propriedade que o define. Dizer que ele não retém essa informação seria contradizer o próprio conceito. A banca, ao apresentar essa alternativa como "errado", tenta confundir o candidato que não domina a definição, fazendo-o acreditar que nenhum estimador poderia resumir toda a informação da amostra. Na prática, porém, a suficiência é uma propriedade bem definida e verificável, e o enunciado a descreve corretamente.

NÃO CAIA NESSA!

A banca pode tentar fazer o candidato confundir "suficiente" com outras propriedades, como "não viesado" ou "eficiente". Um estimador suficiente não é, por si só, não viesado ou o mais eficiente — ele apenas retém toda a informação relevante. A pegadinha aqui seria o candidato achar que a afirmação é falsa porque "nem todo estimador suficiente é não viesado", mas isso não invalida a definição de suficiência. Fique atento: a questão cobra o conceito puro, não propriedades adicionais.

Gabarito: letra C (CERTO).

Link permanente: /questoes/ce217928