Questão 28 — Regressão Linear — Estimação por Máxima Verossimilhança (Estatística) — Cebraspe · Secretaria de Estado da Fazenda do Paraná (SEFA/PR) 2026

Estatística Regressão Linear — Estimação por Máxima Verossimilhança

Cebraspe 2026

Secretaria de Estado da Fazenda do Paraná (SEFA/PR) · Agente Fazendário Estadual – Função: Estatístico (Cargo 5)

Gabarito disponível

Os modelos de regressão linear tornaram-se uma maneira comprovada de prever o futuro de forma científica e confiável. Devido ao fato de a regressão linear ser um procedimento estatístico consolidado, as propriedades dos modelos de regressão linear são bem conhecidas.

Internet: <ibm.com>.

Em um modelo de regressão linear simples, o método de estimação por máxima verossimilhança (EMV)

Selecione uma alternativa A) atribui a mesma verossimilhança para todo possível valor dos parâmetros. B) torna os dados observados mais prováveis sob o modelo estatístico assumido. C) sempre fornece os mesmos resultados do método dos mínimos quadrados, independentemente da distribuição dos dados. D) torna os valores preditos segundo o modelo os menores possíveis. E) minimiza o número de erros cometidos pelo modelo.

Resolução comentada

A EMV escolhe os parâmetros que tornam os dados observados mais prováveis.

A estimação por máxima verossimilhança busca os valores dos parâmetros que maximizam a verossimilhança, ou seja, que tornam os dados observados os mais prováveis sob o modelo assumido.

Análise das alternativas

A) A verossimilhança varia com os valores dos parâmetros, e a EMV escolhe o máximo. C) Só coincide com MQO sob erros normais, e não sempre. D) A EMV não busca minimizar valores preditos. E) A EMV não minimiza o número de erros.

Referência: Casella & Berger, Inferência Estatística (máxima verossimilhança).

Resolução comentada do VaiConcursos.