Pular para o conteúdo principal

Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2026

EstatísticaInferência estatística
Código
ce230237
Banca
CESPE / CEBRASPE
Órgão
Telebras
Ano
2026
Nível
Superior
Cargo
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.
  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”.

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 SnS_n 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 X1,…,XnX_1, \dots, X_n de uma população com média μ\mu, a média amostral Xˉn=Snn\bar{X}_n = \frac{S_n}{n} converge em probabilidade para μ\mu quando n→∞n \to \infty. Ou seja, para qualquer ε>0\varepsilon > 0,

lim⁡n→∞P(∣Xˉn−μ∣<ε)=1.\lim_{n \to \infty} P\left(\left|\bar{X}_n - \mu\right| < \varepsilon\right) = 1.

Isso significa que a média amostral se aproxima de um valor constante (a média populacional), não de uma distribuição. Já a soma SnS_n cresce sem limite (pois cada XiX_i 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:

Zn=Sn−nμσn→dN(0,1),Z_n = \frac{S_n - n\mu}{\sigma\sqrt{n}} \xrightarrow{d} N(0,1),

pelo Teorema Central do Limite. No caso específico da exponencial com média 2, a soma SnS_n tem distribuição Gama com parâmetros nn e β=2\beta = 2 (ou forma nn 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.

LFGNTCLmédia → constantesoma padronizada → normalnão se aplicaLEVELsoulevel.com.br
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, SnS_n converge em probabilidade para uma distribuição normal". Há dois erros:

  1. 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 SnS_n não converge para nada — ela diverge para infinito, pois E[Sn]=n⋅2→∞E[S_n] = n \cdot 2 \to \infty.

  1. A convergência para a normal é do Teorema Central do Limite, e mesmo assim é da soma padronizada Sn−nμσn\frac{S_n - n\mu}{\sigma\sqrt{n}}, não da soma bruta SnS_n.

Além disso, para a distribuição exponencial, a soma SnS_n tem distribuição exata Gama (com parâmetros nn 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.

Gabarito: letra E (ERRADO).

Link permanente: /questoes/ce230237