O documento discute uma amostra aleatória de uma variável aleatória uniforme entre 0 e um parâmetro θ. A função de probabilidade da amostra é igual a 1/θn quando todos os valores estão entre 0 e θ, e zero caso contrário. A função não depende do primeiro valor da amostra, mostrando que este valor não é suficiente para estimar θ, sendo necessário considerar toda a amostra.
O documento discute uma amostra aleatória de uma variável aleatória uniforme entre 0 e um parâmetro θ. A função de probabilidade da amostra é igual a 1/θn quando todos os valores estão entre 0 e θ, e zero caso contrário. A função não depende do primeiro valor da amostra, mostrando que este valor não é suficiente para estimar θ, sendo necessário considerar toda a amostra.
O documento discute uma amostra aleatória de uma variável aleatória uniforme entre 0 e um parâmetro θ. A função de probabilidade da amostra é igual a 1/θn quando todos os valores estão entre 0 e θ, e zero caso contrário. A função não depende do primeiro valor da amostra, mostrando que este valor não é suficiente para estimar θ, sendo necessário considerar toda a amostra.
distribuição uniforme com parâmetros 0 e θ. Nesse caso, a função de massa de probabilidade da amostra é dada por: fX1 ,X2 ,...,Xn (x1 , x2 , . . . , xn ) = θ1n para 0 ≤ x1 , x2 , . . . , xn ≤ θ e 0 caso contrário. Note que a função de massa de probabilidade da amostra não depende de x1 , ou seja, é inde- pendente do valor da primeira observação. Isso mostra que X1 não é uma estatı́stica suficiente para θ, pois não contém informação suficiente para estimar o parâmetro θ. É preciso considerar a distribuição de todas as observações para estimar θ.