(CESPE 2021/Polícia Federal)

Considerando que o horário de ocorrência de certo tipo de crime em determinado

local seja representado por uma variável aleatória contínua 𝑋, cuja função de
densidade é escrita como

𝑓(𝑥) = 𝛾(𝑥 − 12)! ,

em que 0 ≤ 𝑥 < 24 e 𝛾 é uma constante de normalização (𝛾 > 0), julgue os itens

subsequentes.

37. 𝑃(𝑋 = 5) > 𝛾.

38. O valor esperado de 𝑋 é igual a 12.
39. O valor da constante 𝛾 é inferior a 0,01.

Gabarito: 37 – E, 38 – C, 39 - C

Resolução

37. Como a variável X é contínua, então 𝑃(𝑋 = 5) = 0. Basta observar que

"
𝑃(𝑋 = 5) = 2 𝑓(𝑥)𝑑𝑥 = 0
"
Como 𝛾 > 0, então o item está errado.

38. A função densidade de probabilidade 𝑓 é uma função quadrática com vértice no

ponto (12,0).

Isso quer dizer que a função é simétrica em relação à reta 𝑥 = 12. Logo, a média é igual
a 12.

39. A área total abaixo da curva deve ser igual a 1.

Prof. Guilherme Neves 1

 #
2 𝑓(𝑥)𝑑𝑥 = 1
$#

!%
2 𝛾(𝑥 − 12)! 𝑑𝑥 = 1
&

Como 𝛾 é constante, temos:

!%
𝛾 ∙ 2 (𝑥 − 12)! 𝑑𝑥 = 1
&

Fazendo uma mudança de variável 𝑢 = 𝑥 − 12, temos:

'!
𝛾 ∙ 2 (𝑢)! 𝑑𝑢 = 1
$'!

'!
𝑢(
𝛾∙7 9 =1
3 $'!

12( (−12)(
𝛾∙: − ;=1
3 3

𝛾 ∙ 1.152 = 1

1
𝛾= < 0,01
1.152

Agora que temos o valor de 𝛾, poderíamos calcular a média usando integral (item 38).
#
𝐸(𝑋) = 2 𝑥 ∙ 𝑓(𝑥)𝑑𝑥
$#

!%
𝑥
𝐸(𝑋) = 2 (𝑥 − 12)! 𝑑𝑥
& 1.152

!%
1
𝐸(𝑋) = ∙ 2 𝑥(𝑥 − 12)! 𝑑𝑥
1.152 &

!%
1
𝐸(𝑋) = ∙ 2 𝑥 ∙ (𝑥 ! − 24𝑥 + 144) 𝑑𝑥
1.152 &

!%
1
𝐸(𝑋) = ∙ 2 (𝑥 ( − 24𝑥 ! + 144𝑥) 𝑑𝑥
1.152 &

Prof. Guilherme Neves 2

 !%
1 𝑥 % 24𝑥 ( 144𝑥 !
𝐸(𝑋) = ∙7 − + 9
1.152 4 3 2 &

1 24% 24 ∙ 24( 144 ∙ 24!

𝐸(𝑋) = ∙7 − + 9 = 12
1.152 4 3 2

(CESPE 2021/Polícia Federal)

Considere que X e Y sejam variáveis aleatórias contínuas que se distribuem

conjuntamente conforme a função de densidade

𝑓(𝑥, 𝑦) = 𝑥 + 𝑦
na qual 0 < 𝑥 < 1 e 0 < 𝑦 < 1.

Com base nessas informações, julgue os itens seguintes.

40. 𝑋 e 𝑌 são variáveis aleatórias independentes.

41. 𝑌 é uma variável aleatória uniforme no intervalo (0,1).
' '%
42. 𝐸 B𝑋 + 𝑌C𝑋 = !D = '!

Gabarito: 40 – E, 41 – E, 42 - E

Resolução

Vamos primeiro revisar o conceito de independência.

Considere que 𝑌' tem distribuição 𝐹' (𝑌' ), 𝑌! tem distribuição 𝐹! (𝑌! ), e que 𝑌' e 𝑌! têm
uma distribuição conjunta 𝐹(𝑦' , 𝑦! ). Dizemos que 𝑌' e 𝑌! são independentes se e
somente se 𝐹(𝑦' , 𝑦! ) = 𝐹' (𝑌' ) ∙ 𝐹! (𝑌! ) para todo par (𝑦' , 𝑦! ).

No caso da função em questão, temos:

' '
𝑦! 1
𝑓' (𝑥) = 2 (𝑥 + 𝑦)𝑑𝑦 = 7𝑥 + 9 = 𝑥 +
& 2 & 2

' '
𝑥! 1
𝑓! (𝑦) = 2 (𝑥 + 𝑦)𝑑𝑥 = 7 + 𝑦9 = 𝑦 +
& 2 &
2

' '
Observe que 𝑓' (𝑥) ∙ 𝑓! (𝑦) = F𝑥 + !G ∙ F𝑦 + !G ≠ 𝑓(𝑥, 𝑦). Logo, as variáveis são
dependentes. O item 40 está errado.

'
Como 𝑓! (𝑦) = 𝑦 + !, então Y não é constante. O item 41 está errado.

Prof. Guilherme Neves 3

 '
1 1 1 1
𝐸 B𝑋 + 𝑌C𝑋 = 2D = 𝐸 I + 𝑌J = 𝐸 I J + 𝐸(𝑌) = + 2 𝑦𝑓(𝑦)𝑑𝑦 =
2 2 2 &

' ' '

1 1 1 𝑦 1 𝑦( 𝑦! 1 1 1 13
= + 2 𝑦 I𝑦 + J 𝑑𝑦 = + 2 F𝑦 ! + G 𝑑𝑦 = + 7 + 9 = + + =
2 & 2 2 & 2 2 3 4 & 2 3 4 12

Logo, o item 42 está errado.

(CESPE 2021/Polícia Federal)

3,5 5,3 3,8 3,1 3,5

Considerando que o conjunto de dados apresentado represente uma realização de uma

amostra aleatória simples de tamanho 𝑛 = 5 retirada de uma população X, cuja função
de probabilidade acumulada é escrita como

𝛽 !
𝑃(𝑋 ≤ 𝑥) = 1 − I J , 𝑠𝑒 𝑥 ≥ 𝛽; 𝑒 𝑃(𝑋 ≤ 𝑥), 𝑠𝑒 𝑥 < 𝛽
𝑥

em que 𝛽 é o parâmetro desconhecido, julgue os itens que se seguem.

43. A média amostral é uma estatística suficiente para a estimação do parâmetro 𝛽.

44. Pelo método dos mínimos quadrados ordinários, a estimativa da média populacional
é igual ou superior a 3,5.

45. A estimativa de máxima verossimilhança para o parâmetro 𝛽 é igual ou superior a

3,5.

Gabarito: 43 – E, 44 – C, 45 – E

Resolução

44.

Pelo método dos mínimos quadrados, a estimativa da média populacional é a média

amostral.

3,5 + 5,3 + 3,8 + 3,1 + 3,5

𝑥
QQQ = = 3,84
5

45. A função densidade de probabilidade é dada pela derivada da função de distribuição

acumulada.

Prof. Guilherme Neves 4

 𝑑 𝛽 !
𝑓(𝑥) = 71 − I J 9 = 2𝛽 ! 𝑥 $(
𝑑𝑥 𝑥

A função de verossimilhança é obtida a partir da seguinte expressão:

"

𝐿(𝛽) = T 2𝛽 ! 𝑥)$(
)*'

É possível demonstrar que o estimador de máxima verossimilhança é o menor valor da

amostra.

Logo, a estimativa de máxima verossimilhança é 3,1 e o item está errado.

É também possível demonstrar que o valor mínimo é uma estatística suficiente para a
estimação do parâmetro 𝛽. Logo, o item 43 está errado.

Os resultados acima podem ser encontrados no livro Mathematical Statistics (Wackerly,

Mendenhall and Scheafer – Chapter 9).

(CESPE 2021/Polícia Federal)

Um estudo objetivou avaliar a evolução do número mensal Y de milhares de ocorrências

de certo tipo de crime em determinado ano. Com base no método dos mínimos
quadrados ordinários, esse estudo apresentou um modelo de regressão linear simples
da forma

𝑌U = 5 − 0,1 × 𝑇,

em que 𝑌U representa a reta ajustada em função da variável regressora T, tal que 1 ≤

𝑇 ≤ 12.

Os erros padrão das estimativas dos coeficientes desse modelo, as razões t e seus
respectivos p-valores encontram-se na tabela a seguir.

erro padrão razão t p-valor

Intercepto 0,584 8,547 0,00
coeficiente angular 0,064 1,563 0,15

Os desvios padrão amostrais das variáveis Y e T foram, respectivamente, 1 e 3,6.

Com base nessas informações, julgue os itens a seguir.

46. Se a média amostral da variável T for igual a 6,5, então a média amostral da variável
Y será igual a 4,35 mil ocorrências.

Prof. Guilherme Neves 5

47. Considere que 𝑎 denote o coeficiente angular do modelo de regressão linear simples
e considere, ainda, que o teste de hipóteses 𝐻& : 𝑎 = 0 versus 𝐻' : 𝑎 ≠ 0. Nessa situação,
com referência a esse teste, caso o nível de significância escolhido seja igual a 5%, os
resultados do estudo em questão indicarão que não há evidências estatísticas contra a
hipótese nula 𝐻& : 𝑎 = 0.

48. A correlação linear entre as variáveis Y e T foi igual a -0,1.

Gabarito: 46 – C, 47 – C, 48 - E

Resolução

46.

A reta passa pelo ponto [𝑇, 𝑌\. Logo,

𝑌 = 5 − 0,1 ∙ 𝑇

𝑌 = 5 − 0,1 ∙ 6,5

𝑌 = 4,35

47. Quando 𝑝 − 𝑣𝑎𝑙𝑜𝑟 > 𝛼, devemos aceitar 𝐻& . Logo, o item está certo.

48. Seja a reta calculada do tipo 𝑦 = 𝑎 + 𝑏𝑥.

Sabemos que

𝑆+,
𝑅=
g𝑆++ ∙ 𝑆,,

𝑆+,
𝑏=
𝑆++

Logo,

𝑅 𝑆+, 𝑆++
= ∙
𝑏 g𝑆++ ∙ 𝑆,, 𝑆+,

𝑅 𝑆++
=
𝑏 g𝑆++ ∙ 𝑆,,

𝑅 g𝑆++
=
𝑏 g𝑆,,

Prof. Guilherme Neves 6

 𝑆++
𝑅 h𝑛 − 1
=
𝑏 𝑆
h ,,
𝑛 − 1

𝑅 𝑠+
=
𝑏 𝑠,

Logo,

𝑠+
𝑅=𝑏∙
𝑠,

3,6
𝑅 = −0,1 ∙
1

𝑅 = −0,36

Prof. Guilherme Neves 7