Pular para o conteúdo principal

Questão de Estatística — Amostragem — CESPE / CEBRASPE 2025

EstatísticaAmostragem
Código
ce219606
Banca
CESPE / CEBRASPE
Órgão
TRF - 6ª REGIÃO
Ano
2025
Nível
Superior
Cargo
Analista Judiciário – Área: Apoio Especializado – Especialidade: Estatística
A respeito de amostras e distribuição de probabilidade, julgue o item subsequente.A distribuição t de Student é utilizada para inferências estatísticas, quando se tem amostras com tamanhos inferiores a 30 elementos.
  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”.

Distribuição t de Student e o tamanho da amostra

Gabarito: letra C — CERTO. A distribuição t de Student é, de fato, a ferramenta padrão para inferências sobre a média quando a variância populacional é desconhecida e a amostra é pequena (em geral, n < 30), pois nesses casos a distribuição amostral da média não pode ser aproximada pela normal padrão com segurança. A afirmativa está correta ao associar a t de Student a amostras com menos de 30 elementos — é exatamente o critério que a banca cobra.

A distribuição t de Student foi desenvolvida por William Sealy Gosset (sob o pseudônimo "Student") para lidar com o problema prático de fazer inferências com amostras pequenas, quando o desvio padrão populacional é desconhecido e precisa ser estimado pelo desvio padrão amostral. Nessa situação, a estatística

t=xˉ−μs/nt = \frac{\bar{x} - \mu}{s/\sqrt{n}}

segue uma distribuição t com n−1n-1 graus de liberdade, que tem caudas mais pesadas que a normal padrão — refletindo a incerteza adicional introduzida pela estimativa de σ\sigma por ss. À medida que nn cresce, a distribuição t se aproxima da normal padrão; na prática, para n≥30n \geq 30, a aproximação pela normal já é considerada satisfatória, e por isso o critério de usar t para amostras pequenas (n < 30) é consagrado.

A pegadinha que a banca explora aqui é a inversão do critério: muitos candidatos confundem e acham que a t de Student é usada apenas para amostras grandes, ou que a normal é que seria usada para amostras pequenas. Na verdade, o raciocínio é o oposto: com amostras pequenas e variância desconhecida, a t de Student é a distribuição correta; com amostras grandes (n ≥ 30), o Teorema Central do Limite permite usar a normal, mesmo que a variância seja desconhecida (nesse caso, usa-se a normal com o desvio padrão amostral, ou a t, que se aproxima da normal).

NÃO CAIA NESSA!

A banca adora inverter o critério de uso da t de Student. O candidato desatento pode pensar: "t é para amostras grandes" — e errar. Lembre-se: t de Student é para amostras pequenas (n < 30) com variância desconhecida; para amostras grandes (n ≥ 30), a normal (ou a própria t, que se aproxima da normal) é suficiente. Essa inversão é o coração da questão.

PEGA ESSA DICA!

Na hora da prova, monte um quadro mental rápido: variância populacional conhecida → use Z (normal); variância desconhecida e n < 30 → use t de Student; variância desconhecida e n ≥ 30 → pode usar Z (aproximação pela normal) ou t (que se aproxima da normal). Esse fluxo resolve a maioria das questões de intervalo de confiança e teste de hipóteses para a média.

Gabarito: letra C — CERTO.

Link permanente: /questoes/ce219606