Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2026
EstatísticaInferência estatística
- Código
- ce227789
- Banca
- CESPE / CEBRASPE
- Órgão
- SEFAZ-PR
- Ano
- 2026
- Nível
- Médio
- Cargo
- Agente Fazendário Estadual - Função: Estatístico
Em um modelo de regressão linear simples estimado por mínimos quadrados ordinários, um analista observa que a análise de variância decompõe apropriadamente a soma de quadrados total em soma de quadrados da regressão e soma de quadrados dos resíduos. Ao examinar o gráfico de resíduos versus valores ajustados, o analista identifica um padrão claro em formato de parábola (U invertido). Adicionalmente, ao calcular a correlação entre os resíduos ordinários e os valores ajustados, ele obtém valor próximo de zero. O analista também nota que, ao estimar o modelo por meio de máxima verossimilhança sob pressuposto de normalidade, os estimadores dos coeficientes de regressão são numericamente idênticos aos obtidos por mínimos quadrados, mas o estimador de máxima verossimilhança da variância do erro é ligeiramente menor que o estimador usual não viesado.Nessa situação hipotética,
- Aa identidade numérica entre estimadores MQO e MV dos coeficientes implica que a decomposição da variância pela análise de variância é ótima e, portanto, o padrão parabólico nos resíduos não representa problema real, mas flutuação amostral aleatória, que desapareceria com o aumento do tamanho amostral, o que valida o modelo linear simples estimado.
- Bo padrão parabólico indica inadequação da forma funcional linear, o que sugere não linearidade na relação verdadeira entre as variáveis, ao passo que a correlação zero entre resíduos ordinários e valores ajustados é uma propriedade algébrica que sempre vale em regressão por mínimos quadrados, não servindo como diagnóstico de adequação do modelo; a diferença entre estimadores MV e MQO da variância reflete que o estimador MV usa divisor n enquanto o não viesado usa n − 2.
- Co padrão parabólico demonstra violação do pressuposto de homogeneidade de variâncias, e a solução adequada envolve a utilização de estimadores de mínimos quadrados ponderados, em que os pesos são inversamente proporcionais à variância estimada em cada ponto, o que corrige simultaneamente o padrão residual e aumenta a eficiência dos estimadores.
- Do padrão parabólico nos resíduos combinado com correlação zero entre resíduos e valores ajustados indica que o modelo está corretamente especificado e todos os pressupostos são atendidos, pois a propriedade de ortogonalidade entre resíduos e predições é garantida algebricamente pelo método de mínimos quadrados, independentemente da forma funcional.
- Ea correlação zero entre resíduos e valores ajustados prova que não há heterocedasticidade no modelo, e o padrão parabólico observado é artefato visual causado por observações influentes que devem ser identificadas por meio da distância de Cook e removidas para revelar a verdadeira estrutura linear dos dados.