← Questões de Estatística

Estatística · CONSULPLAN · 2025

Questão comentada de Estatística

A inferência estatística envolve a utilização de dados amostrais para tirar conclusões sobre uma população. Dependendo das características dos dados, existem duas abordagens principais para realizar a inferência – a paramétrica e a não paramétrica. Considere os seguintes testes de hipóteses: I. Teste qui-quadrado de independência. II. Teste de Kruskal-Wallis. III. Teste de Friedman. IV. Teste Q de Cochran. Quantos desses testes são considerados não paramétricos?

Gabarito: E

Quando a questão fala em inferência paramétrica e não paramétrica, a ideia é simples: os testes paramétricos costumam depender de suposições fortes sobre a distribuição dos dados, enquanto os não paramétricos são mais flexíveis e muito usados quando os dados não seguem normalidade ou quando a variável é categórica ou ordinal. Na prática de prova, isso costuma aparecer como uma lista de testes para você identificar de bate-pronto. Aqui, os quatro testes citados entram no grupo dos não paramétricos. O qui-quadrado de independência trabalha com associação entre variáveis categóricas; Kruskal-Wallis é a alternativa ao ANOVA de uma via; Friedman é usado em comparações pareadas/repetidas; e o Q de Cochran serve para analisar proporções em dados binários relacionados. Ou seja, nenhum deles exige a estrutura típica dos testes paramétricos clássicos, como média com normalidade e variância homogênea. Por isso, a banca quer que você reconheça que todos são não paramétricos, fechando em quatro itens. Em resumo: se a lista mistura qui-quadrado, Kruskal-Wallis, Friedman e Cochran, pode acender a luz de alerta de prova: todos são testes não paramétricos. É o tipo de questão que pune quem lembra só de dois nomes famosos e esquece os outros dois.

Continue treinando

Questões relacionadas