Pular para o conteúdo principal

Questão de Estatística — Principais distribuições de probabilidade — CESPE / CEBRASPE 2025

EstatísticaPrincipais distribuições de probabilidade
Código
ce217932
Banca
CESPE / CEBRASPE
Órgão
TJ-PA
Ano
2025
Nível
Superior
Cargo
Analista Judiciário - Especialidade: Estatística
Julgue o próximo item, considerando que a distribuição condicional Y | R = r segue uma distribuição gama com parâmetro de forma r e parâmetro de escala 1, e supondo que R segue uma distribuição geométrica com probabilidade de sucesso 0,5, tal que r ∈ {1, 2, 3, … }.A variância de Y é igual a 4.
  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”.

Variância de uma mistura: distribuição gama condicionada a uma geométrica

Gabarito: letra C — CERTO. A variância de Y é, de fato, igual a 4. Isso decorre da aplicação da lei da variância total: Var(Y)=E[Var(Y∣R)]+Var(E[Y∣R])Var(Y) = E[Var(Y|R)] + Var(E[Y|R]). Como Y∣R=r∼Gama(r,1)Y|R=r \sim \text{Gama}(r, 1), temos E[Y∣R]=RE[Y|R] = R e Var(Y∣R)=RVar(Y|R) = R. Como R∼Geomeˊtrica(0,5)R \sim \text{Geométrica}(0,5) (contando o número de tentativas até o primeiro sucesso), E[R]=1/p=2E[R] = 1/p = 2 e Var(R)=(1−p)/p2=2Var(R) = (1-p)/p^2 = 2. Assim, Var(Y)=E[R]+Var(R)=2+2=4Var(Y) = E[R] + Var(R) = 2 + 2 = 4.

A questão combina dois conceitos que, isoladamente, são simples, mas que juntos formam uma armadilha clássica: a distribuição condicional e a variância total. O candidato que tenta calcular a variância diretamente pela definição se perde; o caminho correto é usar as propriedades de esperança e variância condicionais.

Vamos detalhar o raciocínio. Primeiro, precisamos das características da distribuição gama. Uma variável X∼Gama(α,β)X \sim \text{Gama}(\alpha, \beta) (com parâmetro de forma α\alpha e escala β\beta) tem:

  • E[X]=αβE[X] = \alpha \beta

  • Var(X)=αβ2Var(X) = \alpha \beta^2

No nosso caso, β=1\beta = 1, então E[Y∣R=r]=rE[Y|R=r] = r e Var(Y∣R=r)=rVar(Y|R=r) = r. Isso significa que, condicionado ao valor de RR, a média e a variância de YY são exatamente iguais a rr.

Agora, a distribuição geométrica. Há duas parametrizações comuns: uma que conta o número de tentativas até o primeiro sucesso (suporte {1,2,3,… }\{1, 2, 3, \dots\}) e outra que conta o número de fracassos antes do primeiro sucesso (suporte {0,1,2,… }\{0, 1, 2, \dots\}). O enunciado especifica que r∈{1,2,3,… }r \in \{1, 2, 3, \dots\}, ou seja, estamos na primeira parametrização. Para essa parametrização, com probabilidade de sucesso pp:

  • E[R]=1pE[R] = \frac{1}{p}

  • Var(R)=1−pp2Var(R) = \frac{1-p}{p^2}

Com p=0,5p = 0,5, temos E[R]=2E[R] = 2 e Var(R)=2Var(R) = 2.

A lei da variância total (também conhecida como fórmula de decomposição da variância) afirma que:

Var(Y)=E[Var(Y∣R)]+Var(E[Y∣R])Var(Y) = E[Var(Y|R)] + Var(E[Y|R])

Substituindo os valores:

Var(Y)=E[R]+Var(R)=2+2=4Var(Y) = E[R] + Var(R) = 2 + 2 = 4

Portanto, a afirmação está correta.

NÃO CAIA NESSA!

A banca explora a confusão entre a variância condicional Var(Y∣R=r)=rVar(Y|R=r) = r e a variância incondicional Var(Y)Var(Y). O candidato apressado pode pensar que, como Var(Y∣R=r)=rVar(Y|R=r) = r e E[R]=2E[R] = 2, então Var(Y)=2Var(Y) = 2. Mas isso ignora a contribuição da variância de RR (a variabilidade da média condicional). A lei da variância total exige somar as duas partes: a variância média dentro dos grupos (E[Var(Y∣R)]E[Var(Y|R)]) e a variância entre os grupos (Var(E[Y∣R])Var(E[Y|R])). Aqui, ambas contribuem com 2, totalizando 4. Fique atento: sempre que houver uma distribuição condicionada a outra, pense em usar as leis da esperança e da variância totais.

Componente

Valor

Fórmula / Justificativa

(E[Y \mid R])

(R)

Y∣R=r∼Gama(r,1)Y \mid R=r \sim \text{Gama}(r,1), média (= r)

Var(Y∣R)\text{Var}(Y \mid R)

(R)

Y∣R=r∼Gama(r,1)Y \mid R=r \sim \text{Gama}(r,1), variância (= r)

(E[R])

2

Geométrica com (p=0{,}5), suporte (\{1,2,3,\dots\}), (E[R]=1/p)

Var(R)\text{Var}(R)

2

Geométrica com (p=0{,}5), Var(R)=(1−p)/p2\text{Var}(R)=(1-p)/p^2

E[Var(Y∣R)]E[\text{Var}(Y \mid R)]

2

(E[R] = 2)

Var(E[Y∣R])\text{Var}(E[Y \mid R])

2

Var(R)=2\text{Var}(R) = 2

Var(Y)\text{Var}(Y)

4

Lei da variância total: (2 + 2 = 4)

Alternativa C — ✅ CERTO ⟵ GABARITO

A afirmação está correta. Como demonstrado, a variância de Y é 4. O cálculo passo a passo:

  1. Y∣R=r∼Gama(r,1)Y|R=r \sim \text{Gama}(r, 1) → E[Y∣R]=RE[Y|R] = R e Var(Y∣R)=RVar(Y|R) = R.

  2. R∼Geomeˊtrica(0,5)R \sim \text{Geométrica}(0,5) com suporte {1,2,3,… }\{1,2,3,\dots\} → E[R]=2E[R] = 2 e Var(R)=2Var(R) = 2.

  3. Pela lei da variância total: Var(Y)=E[Var(Y∣R)]+Var(E[Y∣R])=E[R]+Var(R)=2+2=4Var(Y) = E[Var(Y|R)] + Var(E[Y|R]) = E[R] + Var(R) = 2 + 2 = 4.

Portanto, o item está CERTO.

Gabarito: letra C — CERTO.

Link permanente: /questoes/ce217932