Sabe-se que X é uma variável aleatória com distribuição uniforme contínua, com função densidade de probabilidade dada por onde a é um número real qualquer, b é um número real positivo e K, uma constante real apropriada para garantir que f (x) seja uma função densidade de probabilidade. Sabe-se que P (X < 10) = 0,25 e que P (X > 19) = 0,3. Nessas condições, o valor da variância de X é

Atenção: O enunciado a seguir refere-se à questão.
Suponha que o tempo, em horas, para a realização de uma tarefa, por funcionários de um órgão público, seja uma variável aleatória X com função densidade de probabilidade dada por onde K é uma constante real positiva apropriada para garantir que f(x) seja uma função densidade de probabilidade.
Seleciona-se ao acaso e com reposição três funcionários, dentre os funcionários que realizam a tarefa no órgão público. A probabilidade de que, exatamente, dois funcionários levem mais do que 40 minutos para realizar a tarefa é de

Atenção: O enunciado a seguir refere-se à questão.
Suponha que o tempo, em horas, para a realização de uma tarefa, por funcionários de um órgão público, seja uma variável aleatória X com função densidade de probabilidade dada por onde K é uma constante real positiva apropriada para garantir que f(x) seja uma função densidade de probabilidade.
Seleciona-se aleatoriamente um funcionário, dentre os funcionários que realizam a tarefa no órgão público. A probabilidade dele realizar a tarefa em menos do que duas horas é

Considere a variável aleatória bidimensional (X, Y), com função de probabilidade dada por:

Seja Z = X + Y. Nessas condições, a esperança de Z subtraída da variância de X é igual a

Utilizando o método dos mínimos quadrados, obteve-se o ajustamento do modelo linear Z_i = α + βX_i + γY_i +ε_i , i = 1, 2, 3, ... , em que Z é a variável dependente, X e Y são as variáveis explicativas, i corresponde a i-ésima observação, α, β e γ são parâmetros desconhecidos e ε_i o erro aleatório, com as respectivas hipóteses consideradas para a regressão linear múltipla. O ajustamento foi encontrado com base em uma amostra aleatória de 20 ternos (X_i , Y_i , Z_i ) apurando-se as estimativas de α, β e γ.
Dados do correspondente quadro de análise de variância:

A estimativa da variância populacional do modelo teórico (σ² ), com base nos dados da amostra, é igual a

O modelo linear Yt = α + βt + εt , t = 1, 2, 3, ... , é utilizado para prever a venda (Yt ), em milhares de reais, de um produto no ano (2002 + t). α e β são parâmetros desconhecidos e εt é o erro aleatório com as respectivas hipóteses da regressão linear simples. As estimativas de α e β foram obtidas pelo método dos mínimos quadrados, com base nas observações das vendas de 2003 a 2012. Dados:
Considerando a equação da reta obtida pelo método dos mínimos quadrados, a previsão do primeiro ano em que a venda irá superar R$ 60.000,00 será em

Em 20 experiências de 4 provas cada uma, obteve-se a seguinte distribuição:
Observação: n_i é o número de experiências nas quais um determinado acontecimento ocorreu x_i vezes. Admitindo que este acontecimento trata de uma variável aleatória X obedecendo a uma distribuição binomial , em que x é o número de ocorrências de um certo acontecimento em m provas, tem-se, com base nas 20 experiências, que a estimativa pontual de p pelo método da máxima verossimilhança é