Dica do autor: A distribuição Normal (ou Gaussiana) é a famosa curva em sino, contínua e simétrica em torno da média, totalmente descrita por dois parâmetros: média e desvio-padrão. O pulo do gato é que muitos traços biométricos e medidas fisiológicas resultam da soma de inúmeros fatores independentes (genética, ambiente, erro de medida), o que faz com que seu comportamento se aproxime da Normal — é aí que entra o teorema do limite central. Na prática clínica e epidemiológica isso facilita: podemos resumir a variável por média±desvio-padrão, estimar probabilidades de valores extremos (por exemplo, 95% dos indivíduos ficam dentro de ±1,96 DP) e aplicar testes paramétricos que assumem aproximação à normalidade. Mas fique ligado: nem todo dado em saúde é Normal — contagens, razões com muitos zeros, distribuições muito assimétricas exigem modelos específicos ou transformações. No fim das contas, a utilidade da Normal é grande, mas não absoluta; é ferramenta poderosa quando a suposição é razoável.

Alternativa A: INCORRETA. A frase afirma que a estatística inferencial só dispõe de técnicas para analisar variáveis Normais — isso não é verdade. Existem testes paramétricos que assumem normalidade, mas também há métodos não paramétricos (ex.: testes de Wilcoxon, Mann–Whitney) e modelos generalizados que não exigem essa suposição. Além disso, muitas técnicas robustas toleram desvios moderados da normalidade. Portanto, a normalidade não é requisito exclusivo da estatística inferencial.

Alternativa B: INCORRETA. A ideia de que a curva Normal torna possível identificar, para qualquer problema de saúde, quem é “normal” ou “patológico” é uma simplificação perigosa. Embora para algumas medidas (ex.: altura infantil) usemos referências baseadas em distribuição e percentis, a determinação de patologia depende de validade clínica, sensibilidade/especificidade, pontos de corte definidos por critérios diagnósticos e contexto epidemiológico. Não dá para generalizar que a Normal isoladamente define normalidade clínica para todo problema.

Alternativa C: INCORRETA. A frase inverte o sentido da inferência estatística. A atividade principal da estatística é inferir características da população a partir de uma amostra representativa, não o contrário. Ou seja, partimos da amostra para estimar parâmetros populacionais e testar hipóteses; a Normal facilita estimativas e intervalos de confiança quando a suposição é plausível, mas não muda a direção da inferência.

Alternativa D: CORRETA. Essa é a resposta certa. Muitas características biológicas e antropométricas (como altura, várias medidas laboratoriais em populações saudáveis, peso em grandes amostras) tendem a se aproximar de uma distribuição Normal por efeito da combinação de múltiplos fatores independentes e de erros aleatórios de medida. É por isso que a Normal é tão usada em saúde: permite sumarizar, comparar e inferir com ferramentas paramétricas e interpretar probabilidades de valores extremos (ex.: identificar fora da faixa esperada), desde que a aproximação seja razoável.

Alternativa E: INCORRETA. A contagem de eventos discretos (como internações diárias) costuma seguir distribuições de contagem — por exemplo Poisson ou binomial negativa — e é discreta e, muitas vezes, assimétrica; só em situações de média muito alta a Poisson se aproxima da Normal. A afirmação de que a Normal descreve esses fenômenos "independentemente do tamanho da amostra" é equivocada; o ajuste depende da natureza do dado e do contexto amostral.

Resposta: Alternativa D