Porque que nós usamos estatística inferencial?
a) para ajudar a explicar eventos b) para fazer previsões de parâmetros não conhecidos c) para descrever amostras que são normais e são grandes o suficiente (n>30) d) para gerar amostras de dados aleatórios para uma análise mais confiável
a) para ajudar a explicar eventos b) para fazer previsões de parâmetros não conhecidos c) para descrever amostras que são normais e são grandes o suficiente (n>30) d) para gerar amostras de dados aleatórios para uma análise mais confiável
Passo 1
O enunciado pergunta “Por que usamos estatística inferencial?” e apresenta quatro alternativas:
a) para ajudar a explicar eventos
b) para fazer previsões de parâmetros não conhecidos
c) para descrever amostras que são normais e são grandes o suficiente
d) para gerar amostras de dados aleatórios para uma análise mais confiável
O conteúdo envolve a diferença entre estatística descritiva e estatística inferencial.
a) para ajudar a explicar eventos
b) para fazer previsões de parâmetros não conhecidos
c) para descrever amostras que são normais e são grandes o suficiente
d) para gerar amostras de dados aleatórios para uma análise mais confiável
O conteúdo envolve a diferença entre estatística descritiva e estatística inferencial.
Passo 2
Estatística descritiva trata de resumir e organizar os dados observados na amostra (por exemplo, média, desvio-padrão, tabelas e gráficos).
Estatística inferencial usa os resultados obtidos na amostra para estimar ou testar hipóteses sobre parâmetros desconhecidos da população (por exemplo, estimar a média populacional ou testar se duas proporções são iguais).
Estatística inferencial usa os resultados obtidos na amostra para estimar ou testar hipóteses sobre parâmetros desconhecidos da população (por exemplo, estimar a média populacional ou testar se duas proporções são iguais).
Passo 3
Analisando a alternativa (a): “para ajudar a explicar eventos” é muito genérico e cabe mais à estatística descritiva ou à interpretação qualitativa dos dados, não especificamente à inferência de parâmetros.
Passo 4
Analisando a alternativa (b): “para fazer previsões de parâmetros não conhecidos” está exatamente no cerne da estatística inferencial, que visa usar uma amostra para estimar parâmetros populacionais (média, variância, proporção etc.) ou testar hipóteses sobre eles.
Passo 5
Analisando a alternativa (c): “para descrever amostras que são normais e são grandes o suficiente
” refere-se a condições de aplicação de certos teoremas (como o Teorema Central do Limite), mas isso é parte da estatística inferencial, não o seu objetivo principal.
Passo 6
Analisando a alternativa (d): “para gerar amostras de dados aleatórios para uma análise mais confiável” descreve técnicas de amostragem, que auxiliam tanto a estatística descritiva quanto a inferencial, mas não expressam o propósito final da inferência.
Resposta
b) para fazer previsões de parâmetros não conhecidos