Material de Estudo - Concursos

ESTATÍSTICA | BLOCO 06: Amostragem, estimadores pontuais e distribuições amostrais

1. Questões Mescladas de Amostragem

Conceito	O que você precisa saber	Como a banca cobra
Amostragem probabilística	Seleção com mecanismo aleatório e probabilidade de inclusão conhecida (≠ 0)	FCC cobra “qual método é?” pela descrição
Amostragem NÃO probabilística	Seleção SEM aleatoriedade (ex.: conveniência, julgamento, cotas)	Troca “probabilística” x “não probabilística”
Erro amostral x não amostral	Erro amostral: diferença “estimativa − parâmetro”; não amostral: mensuração, cobertura, não resposta etc.	FCC mistura conceitos na mesma alternativa

⚠️ Fique esperto! Aqui o bicho pega!

“Amostragem por cotas” NÃO é probabilística: pode “parecer estratificada” porque fala em grupos, mas NÃO há sorteio com probabilidade conhecida.
“Estratificada” NÃO é “conglomerados”: estrato = divide em grupos e amostra dentro de CADA grupo; conglomerado = sorteia GRUPOS e observa elementos do(s) grupo(s).
“Sistemática” costuma vir com “a cada k elementos” (intervalo fixo): pegadinha é chamar isso de “aleatória simples” só porque houve um sorteio inicial.
“AAS com reposição” vs “sem reposição”: a presença de reposição muda a lógica de probabilidades e é usada para confundir com “população infinita”.
Erro amostral NÃO é “erro de mensuração”: mensuração, cadastro desatualizado e não resposta são NÃO amostrais.
“Conveniente/por acessibilidade” NÃO é “por julgamento”: conveniência = facilidade de acesso; julgamento = escolha intencional por critério do pesquisador.
Se o enunciado diz que “todos os elementos do grupo sorteado foram observados”, isso aponta para conglomerados (observação em bloco), NÃO para estratificada.
FCC troca “grupos heterogêneos” e “homogêneos” para derrubar: em estratificação, busca-se estratos internamente mais homogêneos e entre si mais distintos.

🎓 Pareto FCC

A ideia-chave que resolve a maioria: mapear o texto do enunciado para o “rótulo” do método (AAS/estratificada/conglomerados/sistemática/conveniência/julgamento/cotas).
“Sistemática”: procure “passo fixo k” e “ponto inicial” (sorteado ou definido); pegadinha é omitir o sorteio inicial e ainda assim chamar de probabilística.
“Estratificada”: o enunciado costuma trazer “pequenas/médias/grandes”, “faixas”, “categorias” e depois “seleciona-se em cada grupo” → isso é o gatilho.
“Conglomerados”: aparece “subpopulações”, “quarteirões”, “turmas”, “setores” e a frase “observa todos do(s) grupo(s) selecionado(s)”.
“Probabilística” x “não probabilística” é o filtro mais cobrado: presença de sorteio e probabilidade conhecida (probabilística) VS seleção intencional/facilidade (não probabilística).
Erros: FCC gosta de afirmar que erro amostral é “mensuração” (errado) e que erro não amostral depende do plano amostral (errado) — a distinção derruba.
“AAS” aparece como “sorteio com igual chance para todos” (e às vezes “com reposição”): se o texto enfatiza “igual probabilidade”, isso é o gancho.
Quando o enunciado pede “qual método de seleção foi usado?”, normalmente dá para eliminar por palavras-chave (k, estratos, grupos, acesso, critério do pesquisador).

✍️ Exemplo na prática

[FCC – 2025 – AFFE (SEFAZ PI) – SEFAZ PI] – https://www.tecconcursos.com.br/questoes/3560060

Ponto-chave: reconhecer no texto do enunciado se houve seleção por facilidade/critério (não probabilística) ou por sorteio/estrutura de grupos (probabilística). Pegadinha: confundir “estratificada” com “cotas” quando o enunciado fala em categorias, mas NÃO descreve sorteio dentro delas.

[FCC – 2025 – Ag Trib (SEFAZ PI) – SEFAZ PI] – https://www.tecconcursos.com.br/questoes/3549889

Ponto-chave: identificar o “sinal” do método (ex.: intervalo fixo → sistemática; sorteio simples → AAS; por facilidade → conveniência). Pegadinha: trocar “AAS” por “sistemática” quando o texto sugere uma rotina de seleção (ex.: “a cada k”).

[FCC – 2025 – AMCI (CGM SP) – Pref SP] – https://www.tecconcursos.com.br/questoes/3362733

Ponto-chave: distinguir “conglomerados” (sorteia grupos) de “estratificada” (amostra em cada estrato) pela forma como a população foi particionada e como a seleção ocorreu. Pegadinha: alternativas com “determinística” e “conveniência” para capturar quem ignora a presença (ou ausência) de sorteio.

2. Estimadores de Variância Mínima e Eficiência dos Estimadores

Conceito	O que você precisa saber	Como a banca cobra
Estimador não viesado (não viciado)	E(θ̂)=θ (viés zero)	FCC cobra definição e exemplos clássicos
Estimador eficiente	Entre candidatos comparáveis, tem a MENOR variância possível	FCC troca “maior variância = melhor” (errado)
“Melhor” estimador	Em geral, “melhor” = mais eficiente → menor Var(θ̂)	Comparações diretas de variâncias

⚠️ Fique esperto! Aqui o bicho pega!

“Eficiente” NÃO significa “não viesado”: um estimador pode ser não viesado e ainda assim NÃO ser o mais eficiente (pode ter variância maior).
FCC inverte a lógica: se Var(a) > Var(b), então b é mais eficiente; dizer que “a é melhor” é pegadinha clássica.
“Menor variância possível” costuma ser dentro de uma classe (ex.: estimadores não viesados): a prova sugere isso SEM falar explicitamente.
Quando o enunciado usa combinação linear (tipo rX₁+sX₂+…), a “condição de não viés” vem de igualar E(θ̂) ao parâmetro; depois a eficiência vem de minimizar Var(θ̂).
Se os estimadores são independentes, a variância de soma ponderada usa pesos ao quadrado: Var(aX+bY)=a²Var(X)+b²Var(Y) (quando independentes) — FCC explora erro de esquecer o quadrado.
FCC mistura “variância mínima” (eficiência) com “consistência”: consistência fala de limite quando n→∞ (não é o que a questão pede quando só compara Var).
Se aparece EQM (erro quadrático médio), NÃO confunda: EQM = variância + (viés)²; eficiência “pura” é sobre variância, e EQM é outra régua.

🎓 Pareto FCC

Decisão rápida: se a questão só dá Var(a) e Var(b), a resposta sai de comparar variâncias (menor Var → mais eficiente).
Definição que a FCC repete: não viesado → esperança do estimador igual ao parâmetro; eficiente → menor variância possível.
“X̄ e p̂ são eficientes” aparece como afirmação típica (especialmente em itens de propriedades).
Em questões com parâmetro “m” (ou similar) dentro do estimador:
1º passo: impor não viés via esperança;
2º passo: calcular Var(θ̂) e minimizar/avaliar.
Se houver várias alternativas com números grandes, o erro comum é esquecer que variância escala com o quadrado do coeficiente (peso).
Quando a questão fala “mais eficiente entre os obtidos”, ela costuma limitar o universo aos estimadores construídos a partir dos dados fornecidos (não é “qualquer estimador do mundo”).
Se aparecer “consistente”, lembre: consistência envolve convergência quando n→∞ (E→θ e Var→0) — NÃO é sinônimo de “menor variância no n atual”.

✍️ Exemplo na prática

[FCC – 2022 – AJ TRT4 – TRT 4] – https://www.tecconcursos.com.br/questoes/2112501

Ponto-chave: usar condições de não viés (via esperança) e depois escolher o estimador com MENOR variância/maior eficiência. Pegadinha: marcar como “melhor” o que tem MAIOR variância (inversão típica).

[FCC – 2018 – AJ TRT14 – TRT 14] – https://www.tecconcursos.com.br/questoes/674229

Ponto-chave: combinação linear de estimadores independentes: impor não viés e tratar variância com coeficientes ao quadrado. Pegadinha: esquecer independência (ou assumir SEM base) e errar a expressão de variância do estimador combinado.

[FCC – 2018 – AJ TRT2 – TRT 2] – https://www.tecconcursos.com.br/questoes/687277

Ponto-chave: comparar estimadores “para o mesmo parâmetro” pela variância e reconhecer o sentido de “eficiência”. Pegadinha: confundir eficiência (variância) com consistência (comportamento quando n→∞).

3. Estimadores de Máxima Verossimilhança

Conceito	O que você precisa saber	Como a banca cobra
Verossimilhança (L)	Função dos parâmetros dada a amostra; EMV maximiza L (ou ln L)	FCC usa “maximizar” via log para simplificar
EMV na Normal	μ̂ = X̄; σ̂² = Σ(xᵢ−X̄)² / n (tende a ser viciado)	FCC cobra “n” vs “n−1” e viés
Invariância do EMV	Se θ̂ é EMV de θ, então g(θ̂) é EMV de g(θ)	Muito cobrada em itens conceituais

⚠️ Fique esperto! Aqui o bicho pega!

Para Normal: EMV de variância usa divisor n, e isso costuma ser VICIADO; a prova tenta te levar ao “n−1” por hábito.
A invariância do EMV é um atalho: se pedirem EMV de √θ (ou θ²), não rederive L; aplique g(θ̂) APENAS se θ̂ já for EMV de θ.
FCC troca “probabilidade maior” por “verossimilhança maior”: EMV maximiza a probabilidade dos dados observados dado o parâmetro (via L).
Em distribuições com suporte dependente do parâmetro (ex.: Uniforme [0,λ]), o máximo pode vir de “encostar” no limite (tipicamente λ̂ = max amostral): pegadinha é tentar derivar como se fosse caso regular.
Em Poisson, o parâmetro λ é a média: EMV resulta em X̄ e a questão costuma conectar Var(X)=λ para pedir desvio padrão via √λ̂.
FCC mistura “método dos momentos” e “EMV”: em Normal, eles coincidem para μ e σ (no sentido dos estimadores usuais de EMV e momentos), mas a prova pode pedir a consequência sobre viés da variância.
Se aparecer log-verossimilhança, lembre: maximizar L equivale a maximizar ln L; erros comuns são perder sinal e esquecer somatório ao aplicar log do produto.

🎓 Pareto FCC

Resultado que resolve rápido: Normal → μ̂=X̄ (EMV), e σ̂² usa /n (não /n−1).
“EMV depende da distribuição”: a prova testa isso em afirmativas (não existe “um único EMV da média” para qualquer distribuição).
Invariância do EMV aparece como item “pegadinha do radical”: EMV de g(θ) é g(θ̂).
Poisson: λ̂ = X̄; se pedirem desvio padrão, é √λ̂ (porque Var=λ).
Geométrica: o enunciado frequentemente leva ao “inverso da média amostral” para o parâmetro (quando formulado nesse padrão).
Se a questão pede “estimativa pontual do parâmetro”, quase sempre quer o EMV simplificado (max, média, inverso da média) — e não uma derivação longa.
Diferença EMV vs estimador não viesado é um clássico: a prova pede para identificar qual é qual e NÃO aceitar que “todo EMV é não viciado”.

✍️ Exemplo na prática

[FCC – 2023 – AJ TRT18 – TRT 18] – https://www.tecconcursos.com.br/questoes/2339249

Ponto-chave: em Uniforme [0,λ], o EMV tende a “encostar” no maior valor observado (λ̂ ligado ao máximo amostral). Pegadinha: tratar como caso derivável comum e perder o papel do suporte dependente do parâmetro.

[FCC – 2022 – AJ TRT17 – TRT 17] – https://www.tecconcursos.com.br/questoes/2275410

Ponto-chave: montar ln L, transformar produto em soma, derivar e isolar o parâmetro (o enunciado já dá ln(·) para acelerar). Pegadinha: erro de sinal ao somar ln(xᵢ) e trocar o resultado por uma alternativa “plausível”.

[FCC – 2018 – AJ TRT14 – TRT 14] – https://www.tecconcursos.com.br/questoes/674237

Ponto-chave: aplicar a regra do EMV para a densidade dada e usar os logs fornecidos para chegar ao valor numérico do parâmetro. Pegadinha: confundir EMV com método dos momentos (igualar média teórica à amostral quando a questão pediu verossimilhança).

4. Média Amostral (Estimador Pontual, Distribuição Amostral)

Conceito	O que você precisa saber	Como a banca cobra
X̄ como estimador de μ	X̄ estima μ; é não tendencioso em geral	FCC explora simbologia μ vs X̄
Distribuição amostral de X̄	E(X̄)=μ e Var(X̄)=σ²/n (logo DP = σ/√n)	Base de probabilidade com Z
Padronização	Z = (X̄ − μ) / (σ/√n)	Aparece direto em questões de n e margens

⚠️ Fique esperto! Aqui o bicho pega!

FCC troca μ (parâmetro) por X̄ (estatística): μ é da população/variável aleatória, X̄ é da amostra; NÃO inverta.
Variância 100 NÃO é desvio padrão 100: se Var=100, então σ=10; erro comum é usar 100 no lugar de 10 ao montar σ/√n.
Em P(|X̄−μ|≤d)=p, a “margem” d fica no numerador; o denominador é σ/√n. Esquecer a raiz em √n é erro típico.
Probabilidade “central” (tipo 90% entre −z e +z) exige simetria: FCC dá tabela de Z e tenta te fazer usar quantil errado (um lado vs dois lados).
“Com reposição” mantém independência no modelo clássico: a prova insinua isso e quer que você use Var(X̄)=σ²/n SEM ajustes.
Se a questão pede n para garantir certa probabilidade, a montagem correta é: P(|Z|≤z*)=p ⇒ d = z*·(σ/√n) ⇒ n = (z*·σ/d)².
Quando aparece “aproximação normal”, a banca costuma aceitar CLT (quanto maior n, melhor a aproximação), mas erra quem conclui “sempre normal” SEM condição.

🎓 Pareto FCC

Fórmula que mais resolve: Var(X̄)=σ²/n e DP(X̄)=σ/√n.
Relação direta usada em cálculo de probabilidade: Z=(X̄−E(X̄))/σ_{X̄} (com σ_{X̄}=σ/√n).
X̄ como “variável aleatória”: a banca cobra a ideia de “distribuição amostral” (X̄ muda de amostra para amostra).
Em Normal: X̄ é normal; fora disso: pode ser “aproximadamente normal” com n grande (CLT).
Questões de n quase sempre viram uma conta única com quadrado no final: n=(z·σ/d)² (FCC adora alternativas quadradas perfeitas).
FCC gosta de dar P(Z<z) e exigir “cauda à direita” ou “intervalo central”: converter corretamente usando simetria é o diferencial.
Se a banca fornece Var(X) e pede probabilidade em X̄, o caminho é SEMPRE passar por σ_{X̄} = √Var(X̄) = √(Var(X)/n).

✍️ Exemplo na prática

[FCC – 2022 – AJ TRT4 – TRT 4] – https://www.tecconcursos.com.br/questoes/2112495

Ponto-chave: usar Z=(X̄−μ)/(σ/√n) e transformar P(|X̄−μ|≤d) em intervalo central na normal padrão. Pegadinha: confundir variância com desvio padrão e errar σ_{X̄}.

[FCC – 2018 – AJ TRT2 – TRT 2] – https://www.tecconcursos.com.br/questoes/687280

Ponto-chave: reconhecer que a média estratificada é combinação ponderada e calcular a variância do estimador conforme a estrutura informada. Pegadinha: tratar como se fosse AAS (σ²/n direto) quando o enunciado está em cenário de estratificação.

[FCC – 2017 – AJ TRT11 – TRT 11] – https://www.tecconcursos.com.br/questoes/455966

Ponto-chave: isolar n em d = z·(σ/√n), lembrando que a probabilidade dada (ex.: 96%) pode ser central (duas caudas). Pegadinha: usar quantil de uma cauda quando o evento é |X̄−μ|≤d (duas caudas).

5. Estimadores de Momentos

Conceito	O que você precisa saber	Como a banca cobra
Método dos momentos (EMM)	Igualar momentos amostrais aos teóricos para resolver parâmetros	Base conceitual do método
Exponencial	E(X)=1/θ (ou 1/λ, conforme notação) ⇒ θ̂ = 1/X̄	FCC cobra “inverso da média”
Uniforme (a,b)	Usa 1º e 2º momento para obter (â,b̂) quando ambos são desconhecidos	Questão típica com m₁ e m₂ informados

⚠️ Fique esperto! Aqui o bicho pega!

EMM NÃO é EMV: a prova troca o método no enunciado e mantém o mesmo cenário (o candidato aplica o método errado e cai).
“Primeiro momento” (m₁) é a média: se o enunciado fornece m₁=3,00, isso normalmente entra como X̄=3,00 para igualar a E(X).
“Segundo momento” pode ser E(X²), NÃO é variância: FCC adora dar “segundo momento” e o candidato colocar Var(X) por reflexo.
Em distribuição geométrica, a relação entre p e a média depende da parametrização (X começando em 1 ou 0): a banca usa isso para induzir fórmula errada.
Para Uniforme (a,b), resolver dois parâmetros exige duas equações (m₁ e m₂): usar só a média dá infinitas soluções (pegadinha de “chutar” simetria).
Se o enunciado diz “variável uniformemente distribuída em (a,b)”, atenção ao intervalo aberto/fechado: para EMM, o impacto prático é mínimo, mas a prova usa isso como distração.
Quando o enunciado fornece “tamanho n” junto com momentos prontos, NÃO refaça somatórios: use diretamente os momentos fornecidos.

🎓 Pareto FCC

Essência do EMM: construir equações “momento teórico = momento amostral” e resolver o sistema.
Exponencial: E(X)=1/θ ⇒ θ̂=1/X̄ (aparece como resposta direta e rápida em alternativas).
Uniforme (a,b): FCC costuma entregar m₁ e m₂ e pedir (â,b̂): o que derruba é confundir m₂=E(X²) com Var(X).
Em questões com distribuição geométrica, a banca frequentemente pede p̂ pelo EMM usando a média observada (média dos “índices” de primeira ocorrência).
Quando o método pede dois parâmetros, procure imediatamente “dois momentos fornecidos” no enunciado; se só há um momento, normalmente só um parâmetro é estimado.
Se o item mencionar que EMM e EMV “coincidem” em Normal, a FCC cobra isso como afirmação conceitual (média sai X̄ em ambos, por exemplo).

✍️ Exemplo na prática

[FCC – 2022 – AJ TRT5 – TRT 5] – https://www.tecconcursos.com.br/questoes/2294632

Ponto-chave: aplicar EMM usando a relação entre a média da distribuição geométrica e o parâmetro p, conforme a parametrização do enunciado. Pegadinha: usar a fórmula de média de outra parametrização (X iniciando em 0 em vez de 1).

[FCC – 2022 – AJ TRT23 – TRT 23] – https://www.tecconcursos.com.br/questoes/2165414

Ponto-chave: identificar a distribuição (ex.: exponencial) e igualar o momento teórico (E(X)=1/λ) ao momento amostral (X̄) para obter o estimador. Pegadinha: trocar “momento” por “variância” e inverter a conta (usar λ̂=X̄ em vez de 1/X̄).

[FCC – 2016 – AJ TRT20 – TRT 20] – https://www.tecconcursos.com.br/questoes/438589

Ponto-chave: em Uniforme (a,b), usar m₁ e m₂ fornecidos para montar duas equações e resolver â e b̂. Pegadinha: tratar o “segundo momento” como Var(X) e montar equação errada desde o início.

Checklist de Prova (revisão relâmpago)

Amostragem probabilística: seleção com mecanismo aleatório e probabilidade de inclusão conhecida (≠ 0); não probabilística: conveniência/julgamento/cotas (SEM sorteio).
AAS: “todos com igual chance”; Sistemática: “a cada k” (intervalo fixo) + (geralmente) sorteio do início; Estratificada: amostra em CADA estrato; Conglomerados: sorteia GRUPOS e observa elementos do(s) grupo(s).
Erro amostral: “estimativa − parâmetro”; erro NÃO amostral: mensuração, cadastro/cobertura, não resposta (não depende “do plano” como definição).
Simbologia: μ = média populacional/da variável aleatória; X̄ = média amostral (estatística).
Distribuição amostral: E(X̄)=μ e Var(X̄)=σ²/n; DP(X̄)=σ/√n.
Padronização: Z=(X̄−E(X̄))/σ_{X̄}, com σ_{X̄}=σ/√n.
Problema “achar n”: evento |X̄−μ|≤d vira d = z·(σ/√n) ⇒ n=(z·σ/d)² (atenção: duas caudas quando há módulo).
Não viesado (ENV): E(θ̂)=θ; Eficiente: MENOR variância possível; “melhor” (em comparação direta) = menor Var(θ̂).
EMV na Normal: μ̂=X̄; σ̂² usa divisor n e pode ser viciado (pegadinha do “n−1”).
Invariância do EMV: se θ̂ é EMV de θ, então g(θ̂) é EMV de g(θ).

ESTATÍSTICA | BLOCO 06: Amostragem, estimadores pontuais e distribuições amostrais

1. Questões Mescladas de Amostragem

2. Estimadores de Variância Mínima e Eficiência dos Estimadores

3. Estimadores de Máxima Verossimilhança

4. Média Amostral (Estimador Pontual, Distribuição Amostral)

5. Estimadores de Momentos

Checklist de Prova (revisão relâmpago)

Módulo VI - Análises Estratégicas

Módulo V - Direcionamento por Estágios

Módulo IV - Organização e Planejamento

Módulo III - Metodologia de Estudos

Módulo II - Ferramentas de Estudo para Concursos

Módulo I - Introdução ao Manual