Pular para o conteúdo principal

Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2026

EstatísticaInferência estatística
Código
ce230226
Banca
CESPE / CEBRASPE
Órgão
Telebras
Ano
2026
Nível
Superior
Cargo
Especialista em Gestão de Telecomunicações - Analista Superior - Subatividade: Estatística
Julgue o item a seguir, referente a estimação pontual.Por definição, uma estatística é dita suficiente quando a distribuição condicional da amostra, dada a estatística, não depende do parâmetro de interesse.
  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”.

Estatística suficiente

Gabarito: letra C (CERTO). A definição apresentada está correta: uma estatística TT é suficiente para o parâmetro θ\theta quando a distribuição condicional da amostra, dado T=tT = t, não depende de θ\theta. Esse é o conceito clássico de suficiência, que formaliza a ideia de que TT resume toda a informação relevante da amostra sobre o parâmetro.

O conceito de estatística suficiente é central na inferência estatística. Intuitivamente, uma estatística é suficiente se, após conhecê-la, nenhuma outra informação da amostra acrescenta algo sobre o parâmetro de interesse. Formalmente, seja X1,X2,…,XnX_1, X_2, \ldots, X_n uma amostra aleatória de uma população com função de probabilidade (ou densidade) f(x;θ)f(x; \theta), onde θ\theta é o parâmetro desconhecido. Uma estatística T=T(X1,…,Xn)T = T(X_1, \ldots, X_n) é suficiente para θ\theta se a distribuição condicional conjunta de X1,…,XnX_1, \ldots, X_n dado T=tT = t não depende de θ\theta. Em outras palavras, toda a informação sobre θ\theta contida na amostra está resumida em TT.

Essa definição é a base para o Teorema da Fatoração de Neyman-Fisher, que fornece um critério prático para identificar estatísticas suficientes: TT é suficiente para θ\theta se, e somente se, a função de verossimilhança pode ser fatorada como L(θ;x)=g(T(x),θ)⋅h(x)L(\theta; \mathbf{x}) = g(T(\mathbf{x}), \theta) \cdot h(\mathbf{x}), em que gg depende da amostra apenas por meio de TT e hh não depende de θ\theta. Esse teorema é frequentemente cobrado em provas, e a definição do enunciado é exatamente a que o precede.

A banca explora aqui a distinção entre estatística e estimador. Uma estatística é qualquer função da amostra (como a média amostral Xˉ\bar{X}, a variância amostral S2S^2, o mínimo X(1)X_{(1)}, o máximo X(n)X_{(n)}). Um estimador é uma estatística usada especificamente para estimar um parâmetro. Toda estatística suficiente é uma estatística, mas nem toda estatística é suficiente. Por exemplo, a média amostral é suficiente para a média de uma distribuição normal, mas a amplitude amostral W=X(n)−X(1)W = X_{(n)} - X_{(1)} não é suficiente para a média (embora possa ser útil para outros fins).

A pegadinha mais comum nesse tema é inverter a definição: dizer que a estatística é suficiente quando a distribuição da estatística (e não da amostra condicionada) não depende do parâmetro. Isso seria uma propriedade de ancilaridade — uma estatística ancilar tem distribuição que não depende de θ\theta, mas isso não a torna suficiente; pelo contrário, uma estatística ancilar pura não contém informação sobre o parâmetro. O enunciado, ao contrário, fala da distribuição condicional da amostra dada a estatística, que é exatamente a definição correta.

Conceito

Definição correta?

Depende do parâmetro?

Classificação

Estatística suficiente

Distribuição condicional da amostra dado T = t não depende de θ

Não

Suficiente (correto)

Estatística ancilar

Distribuição da própria estatística não depende de θ

Não

Ancilar (não suficiente)

Estatística não suficiente

Distribuição condicional da amostra dado T = t depende de θ

Sim

Não suficiente

Alternativa C — ✅ CERTO ⟵ GABARITO

A afirmativa reproduz fielmente a definição de estatística suficiente: a distribuição condicional da amostra, dado o valor da estatística, não depende do parâmetro de interesse. Isso significa que, uma vez conhecida a estatística, nenhuma informação adicional sobre θ\theta pode ser extraída da amostra. É a definição formal que fundamenta o Teorema da Fatoração e o conceito de suficiência mínima.

Alternativa E — ❌ ERRADO

A afirmativa está incorreta porque a definição apresentada é exatamente a correta. Se a banca tivesse dito que a estatística é suficiente quando a distribuição da própria estatística não depende do parâmetro, aí sim seria uma definição de estatística ancilar, não de suficiente. Mas o enunciado fala da distribuição condicional da amostra, o que caracteriza a suficiência. Portanto, a alternativa E é falsa.

NÃO CAIA NESSA!

A banca pode tentar confundir suficiência com ancilaridade. Uma estatística ancilar tem distribuição que não depende do parâmetro (ex.: a amplitude amostral em uma normal com média desconhecida e variância conhecida). Mas isso é o oposto de suficiente: uma ancilar pura não contém informação sobre o parâmetro. Aqui, o enunciado fala da distribuição condicional da amostra dada a estatística — isso é suficiência, não ancilaridade. Fique atento a essa troca sutil.

PEGA ESSA DICA!

Para identificar estatísticas suficientes na prova, use o Teorema da Fatoração: fatorar a verossimilhança em g(T(x),θ)⋅h(x)g(T(\mathbf{x}), \theta) \cdot h(\mathbf{x}). Se conseguir, TT é suficiente. Esse critério é mais rápido do que verificar a definição diretamente e cai com frequência em questões de estimação pontual.

Gabarito: letra C

Link permanente: /questoes/ce230226