Pular para o conteúdo principal

Questão de Estatística — Estatística descritiva (análise exploratória de dados) — FGV 2025

EstatísticaEstatística descritiva (análise exploratória de dados)
Código
fg118926
Banca
FGV
Órgão
Prefeitura de Rio de Janeiro - RJ
Ano
2025
Nível
Superior
Cargo
Gestor de Segurança Municipal
Com relação aos conceitos básicos de análise exploratória de dados, analise as afirmativas a seguir:I. Quando o coeficiente de correlação de Pearson entre duas variáveis aleatórias é nulo, isso implica que as variáveis são independentes.II. O coeficiente de variação é uma medida adimensional que avalia a dispersão de forma relativa à média dos dados.III. A mediana é uma medida fortemente influenciada por outliers, enquanto a média é uma medida robusta na presença dos mesmos.Está correto o que se afirma em
  1. AI, apenas.
  2. BII, apenas.
  3. CI e III, apenas.
  4. DII e III, apenas.
  5. EI, II e III.
Revelar gabarito e comentário

GabaritoB — II, apenas.

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”.

Análise exploratória de dados: correlação, coeficiente de variação e medidas de tendência central

Gabarito: letra B — apenas a afirmativa II está correta. O coeficiente de correlação de Pearson nulo não implica independência entre as variáveis (apenas ausência de relação linear), e a mediana é robusta a outliers, enquanto a média é fortemente influenciada por eles. A afirmativa II está correta porque o coeficiente de variação é, de fato, uma medida adimensional que expressa a dispersão relativa à média.

A questão cobra três conceitos fundamentais da estatística descritiva: correlação, dispersão relativa e robustez de medidas de tendência central. Vamos analisar cada um com profundidade para entender não só o gabarito, mas a lógica por trás de cada afirmativa.

Sobre a afirmativa I (correlação nula ≠ independência): O coeficiente de correlação de Pearson mede apenas a força e a direção da relação linear entre duas variáveis. Quando ele é nulo, isso significa que não há relação linear, mas pode existir uma relação não linear (por exemplo, uma relação quadrática perfeita, como Y=X2Y = X^2 com XX simétrico em torno de zero). Nesse caso, a correlação de Pearson é zero, mas as variáveis são claramente dependentes. A independência é um conceito mais forte: exige que a distribuição conjunta seja o produto das marginais, o que implica correlação nula, mas a recíproca não é verdadeira. Portanto, a afirmativa I está errada.

Sobre a afirmativa II (coeficiente de variação): O coeficiente de variação (CV) é definido como o desvio padrão dividido pela média, frequentemente expresso em porcentagem: CV=sxˉ×100%CV = \frac{s}{\bar{x}} \times 100\%. Como é uma razão entre duas medidas na mesma unidade, ele é adimensional (não tem unidade de medida) e permite comparar a dispersão relativa de conjuntos de dados com médias diferentes. Essa é uma propriedade central do CV, e a afirmativa está correta.

Sobre a afirmativa III (mediana vs. média e outliers): A mediana é uma medida de posição baseada na ordem dos dados, não em seus valores numéricos. Por isso, ela é robusta a outliers: um valor extremo não altera a mediana (a menos que mude a posição central, o que só ocorre com mudanças drásticas na ordem). Já a média é calculada somando todos os valores e dividindo pelo número de observações, de modo que um único outlier pode deslocá-la significativamente. A afirmativa III inverte exatamente essa relação, afirmando que a mediana é influenciada e a média é robusta — o oposto do que ocorre. Portanto, está errada.

Afirmativa

Conteúdo avaliado

Veredito

I

Correlação de Pearson nula implica independência entre as variáveis

Falso

II

Coeficiente de variação é adimensional e mede dispersão relativa à média

Verdadeiro

III

Mediana é influenciada por outliers; média é robusta

Falso

1Correlação de Pearson
Mede relação linear
Nula ≠ independência
2Coeficiente de variação
Adimensional
Dispersão relativa à média
3Medidas de tendência central
Mediana: robusta a outliers
Média: sensível a outliers
Análise exploratória de dados
LEVELsoulevel.com.br
Análise exploratória de dados: Correlação de Pearson (Mede relação linear, Nula ≠ independência); Coeficiente de variação (Adimensional, Dispersão relativa à média); Medidas de tendência central (Mediana: robusta a outliers, Média: sensível a outliers)

Item I — ❌ Incorreto

A afirmativa I afirma que correlação nula implica independência. Isso é falso. O coeficiente de Pearson mede apenas a associação linear. Exemplo clássico: considere XX com valores −2,−1,1,2-2, -1, 1, 2 e Y=X2Y = X^2. A correlação de Pearson entre XX e YY é zero, mas YY é perfeitamente determinada por XX (dependência funcional). A independência é uma propriedade probabilística mais forte: P(X∩Y)=P(X)⋅P(Y)P(X \cap Y) = P(X) \cdot P(Y) para todos os eventos. A recíproca (independência ⇒ correlação nula) é verdadeira, mas a afirmativa usa a implicação contrária, que não vale.

Item II — ✅ Correto

O coeficiente de variação é definido como CV=sxˉCV = \frac{s}{\bar{x}}, onde ss é o desvio padrão e xˉ\bar{x} a média. Como ambas as medidas têm a mesma unidade, a razão é adimensional. Ele expressa a dispersão relativa à média, permitindo comparar a variabilidade de conjuntos com médias muito diferentes (ex.: pesos de formigas vs. pesos de elefantes). É uma medida amplamente utilizada em análise exploratória de dados.

Item III — ❌ Incorreto

A afirmativa III inverte a relação entre mediana e média quanto à robustez. A mediana é resistente a outliers porque depende apenas da posição central dos dados ordenados; um valor extremo não a altera (a menos que mude a ordem central). A média é sensível a outliers porque incorpora todos os valores em seu cálculo; um único valor muito grande ou muito pequeno pode deslocá-la consideravelmente. Portanto, a mediana é a medida robusta, e a média é a influenciada — exatamente o contrário do que a afirmativa diz.

NÃO CAIA NESSA!

A banca explora a confusão clássica entre correlação e independência (item I) e inverte a robustez de mediana e média (item III). No item I, o candidato pode lembrar que independência implica correlação nula e assumir erroneamente a recíproca. No item III, a troca de papéis é sutil: muitos decoram que "mediana é robusta" e "média é sensível", mas a afirmativa os inverte. Fique atento a essas inversões — elas são recorrentes em provas de estatística.

PEGA ESSA DICA!

Para fixar, lembre-se: correlação nula = ausência de relação linear, não independência; CV = desvio padrão / média (adimensional); mediana = robusta, média = sensível a outliers. Monte uma tabela mental comparando essas propriedades e revise antes da prova.

Gabarito: letra B — apenas a afirmativa II está correta.

Link permanente: /questoes/fg118926