Especialista em Gestão de Telecomunicações - Analista Superior - Subatividade: Estatística
Considerando uma amostra aleatória simples X₁ , … , Xn retirada de uma distribuição exponencial com média igual a 2, julgue o seguinte item, a respeito da soma Sn = X₁ + ⋯ + Xn.De acordo com a lei fraca dos grandes números, à medida que o tamanho da amostra aumenta, Sn converge em probabilidade para uma distribuição normal.
CCerto
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”.
Lei Fraca dos Grandes Números e a Soma de Variáveis Exponenciais
Gabarito: letra E (ERRADO). A afirmativa está incorreta porque a lei fraca dos grandes números (LFGN) garante que a média amostral converge em probabilidade para a média populacional (um número fixo), e não que a soma converge para uma distribuição normal. A convergência para a distribuição normal é objeto do Teorema Central do Limite (TCL), que se aplica à soma padronizada, não à soma bruta. Além disso, a soma de variáveis exponenciais independentes segue uma distribuição Gama, não normal.
A questão mistura dois resultados fundamentais da inferência estatística. A lei fraca dos grandes números afirma que, para uma amostra aleatória simples de uma população com média , a média amostral converge em probabilidade para quando . Ou seja, para qualquer ,
Isso significa que a média amostral se aproxima de um valor constante (a média populacional), não de uma distribuição. Já a soma cresce sem limite (pois cada tem média 2), então ela não converge para nada — nem em probabilidade, nem em distribuição. O que converge para a normal é a soma padronizada:
pelo Teorema Central do Limite. No caso específico da exponencial com média 2, a soma tem distribuição Gama com parâmetros e (ou forma e escala 2), e não normal. A normal é apenas uma aproximação assintótica da soma padronizada, não da soma bruta.
A pegadinha da banca está em atribuir à lei fraca dos grandes números uma propriedade que pertence ao Teorema Central do Limite. O candidato que confunde os dois teoremas marca "Certo", mas a LFGN não diz nada sobre distribuição normal — ela trata de convergência para uma constante.
Convergência de Soma e Média — só LFGN: média → constante; só TCL: soma padronizada → normal; LFGN∩TCL: não se aplica
Item — ❌ ERRADO
A afirmativa diz que "de acordo com a lei fraca dos grandes números, à medida que o tamanho da amostra aumenta, converge em probabilidade para uma distribuição normal". Há dois erros:
A LFGN não trata de convergência para distribuição normal. Ela estabelece que a média amostral converge em probabilidade para a média populacional (uma constante). A soma não converge para nada — ela diverge para infinito, pois .
A convergência para a normal é do Teorema Central do Limite, e mesmo assim é da soma padronizada , não da soma bruta .
Além disso, para a distribuição exponencial, a soma tem distribuição exata Gama (com parâmetros e escala 2), e não normal. A normal seria apenas uma aproximação assintótica da soma padronizada.
Portanto, a afirmativa está errada.
NÃO CAIA NESSA!
A banca troca o papel da lei fraca dos grandes números pelo do Teorema Central do Limite. A LFGN diz que a média amostral converge para a média populacional (constante); o TCL diz que a soma padronizada converge para a normal. Quem confunde os dois marca "Certo" — mas a soma bruta não converge para distribuição alguma.
PEGA ESSA DICA!
Na prova, quando aparecer "lei dos grandes números", lembre-se: ela fala de convergência para uma constante (a média). Quando aparecer "distribuição normal" ou "aproximação normal", pense no Teorema Central do Limite. E para a soma de exponenciais, lembre-se da distribuição Gama — a normal só vale para a soma padronizada, assintoticamente.