Pular para o conteúdo principal

Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2026

EstatísticaInferência estatística
Código
ce230229
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.Os estimadores obtidos pelo método dos mínimos quadrados são aqueles que maximizam a soma dos quadrados dos erros.
  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”.

Estimação pontual: método dos mínimos quadrados

❌ ERRADO. O método dos mínimos quadrados minimiza a soma dos quadrados dos erros (resíduos), e não a maximiza. A afirmação inverte o objetivo central do método — essa é a pegadinha clássica da banca.

O método dos mínimos quadrados é uma técnica de estimação que busca os valores dos parâmetros que tornam mínima a soma dos quadrados das diferenças entre os valores observados e os valores ajustados pelo modelo. Em regressão linear, por exemplo, os estimadores de mínimos quadrados são obtidos minimizando a soma dos quadrados dos resíduos:

SQE=∑i=1n(yi−y^i)2SQE = \sum_{i=1}^{n} (y_i - \hat{y}_i)^2

em que yiy_i são os valores observados e y^i\hat{y}_i os valores previstos pelo modelo. O nome do método já entrega a ideia: "mínimos quadrados" = quadrados mínimos.

A confusão que a banca explora é trocar o verbo: minimizar por maximizar. Quem maximiza uma função de verossimilhança é o método da máxima verossimilhança — outro método de estimação, que busca os parâmetros que tornam máxima a probabilidade (ou densidade) de se observar a amostra coletada. São métodos distintos, com objetivos opostos nesse aspecto.

Métodos de estimação
  • 1Mínimos quadrados
    • Minimiza a soma dos quadrados dos erros
  • 2Máxima verossimilhança
    • Maximiza a função de verossimilhança
LEVEL · soulevel.com.br

Critério

Mínimos Quadrados (MQ)

Máxima Verossimilhança (MV)

Objetivo

Minimizar a soma dos quadrados dos erros

Maximizar a função de verossimilhança

Função otimizada

SQE=∑(yi−y^i)2SQE = \sum (y_i - \hat{y}_i)^2

(L(θ)=∏f(xi;θ))( L(\theta) = \prod f(x_i; \theta) )

Verbo-chave

Minimizar

Maximizar

Aplicação típica

Regressão linear, ajuste de curvas

Estimação de parâmetros em modelos probabilísticos

Resultado

Estimadores de MQ (BLUE sob condições de Gauss-Markov)

Estimadores de MV (consistentes, assintoticamente eficientes)

NÃO CAIA NESSA!

A banca inverte o verbo "minimizar" por "maximizar". O candidato que sabe que o método trabalha com a soma dos quadrados dos erros pode marcar "certo" sem perceber a troca sutil. Lembre-se: mínimos quadrados minimiza a soma dos quadrados dos erros; máxima verossimilhança maximiza a função de verossimilhança. Com esse raciocínio, você enxerga a pegadinha de longe 💪.

Gabarito: letra E (ERRADO).

Link permanente: /questoes/ce230229