Pular para o conteúdo principal

Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2026

EstatísticaInferência estatística
Código
ce230228
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.Considerando-se que X₁, X₂ e X₃ denotem cópias independentes e identicamente distribuídas de uma variável aleatória X com distribuição de Poisson (θ), cuja função de probabilidade é dada por Pθ (X=x)= ( θx / x! ) e–θ , em que x = 0, 1, 2, ..., é correto afirmar que T = X₁ + X₂ é uma estatística suficiente para θ.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoE — Errado

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 na distribuição de Poisson

❌ ERRADO. A estatística T=X1+X2T = X_1 + X_2 não é suficiente para o parâmetro θ\theta quando a amostra é X1,X2,X3X_1, X_2, X_3 — a estatística suficiente mínima para θ\theta na Poisson é a soma de todas as observações, S=X1+X2+X3S = X_1 + X_2 + X_3. O item ignora a terceira observação, e por isso a afirmação é falsa.

O conceito central aqui é o de estatística suficiente: uma estatística TT é suficiente para um parâmetro θ\theta se ela condensa toda a informação relevante da amostra sobre θ\theta — ou seja, a distribuição condicional da amostra dado TT não depende de θ\theta. Na prática, isso significa que, para qualquer valor observado de TT, a verossimilhança fatora de modo que TT captura tudo o que importa.

Para uma amostra X1,…,XnX_1, \dots, X_n de uma distribuição de Poisson(θ\theta), a função de verossimilhança é:

L(θ;x1,…,xn)=∏i=1ne−θθxixi!=e−nθθ∑xi∏xi!L(\theta; x_1, \dots, x_n) = \prod_{i=1}^n \frac{e^{-\theta} \theta^{x_i}}{x_i!} = \frac{e^{-n\theta} \theta^{\sum x_i}}{\prod x_i!}

Pelo critério da fatoração de Neyman–Fisher, LL pode ser escrita como g(T(x),θ)⋅h(x)g(T(x), \theta) \cdot h(x), onde T=∑xiT = \sum x_i e h(x)=1/∏xi!h(x) = 1/\prod x_i! não depende de θ\theta. Portanto, a soma total ∑i=1nXi\sum_{i=1}^n X_i é suficiente. No caso do enunciado, n=3n = 3, logo a estatística suficiente é X1+X2+X3X_1 + X_2 + X_3 — e não apenas X1+X2X_1 + X_2.

A pegadinha da banca está em omitir uma observação: T=X1+X2T = X_1 + X_2 não captura a informação contida em X3X_3, que também carrega informação sobre θ\theta. Se a amostra fosse apenas X1,X2X_1, X_2, então TT seria suficiente — mas com três observações, a estatística suficiente mínima é a soma das três.

Caso

Estatística considerada

Suficiente para θ?

Justificativa

Amostra completa (X₁, X₂, X₃)

T = X₁ + X₂

Não

Ignora X₃, que contém informação sobre θ

Amostra completa (X₁, X₂, X₃)

S = X₁ + X₂ + X₃

Sim

Soma total captura toda a informação (critério de Neyman–Fisher)

Amostra reduzida (apenas X₁, X₂)

T = X₁ + X₂

Sim

Com n = 2, a soma das duas observações é suficiente

1Critério da fatoração
L(θ) = g(T,θ) · h(x)
h(x) não depende de θ
2Soma total (n = 3)
T = X₁ + X₂ + X₃
Captura toda a informação
3Soma parcial (T = X₁ + X₂)
Ignora X₃
Não é suficiente
Estatística suficiente (Poisson)
LEVELsoulevel.com.br
Estatística suficiente (Poisson): Critério da fatoração (L(θ) = g(T,θ) · h(x), h(x) não depende de θ); Soma total (n = 3) (T = X₁ + X₂ + X₃, Captura toda a informação); Soma parcial (T = X₁ + X₂) (Ignora X₃, Não é suficiente)
NÃO CAIA NESSA!

A banca tenta fazer você acreditar que qualquer soma parcial é suficiente. A regra é clara: na Poisson, a estatística suficiente mínima é a soma de TODAS as observações da amostra. Se a amostra tem nn elementos, a soma deve incluir todos os nn. Aqui, n=3n=3, então X1+X2X_1+X_2 deixa X3X_3 de fora — e isso invalida a suficiência. Fique atento ao tamanho da amostra!

Gabarito: ERRADO.

Link permanente: /questoes/ce230228