Se Q(X; θ) for uma quantidade pivotal para θ, então o intervalo de confiança para θ poderá ser definido por P(!φ ≤ Q(X; θ) ≤ φ) = 1 − " somente se a distribuição de X for simétrica em torno de zero.

Com relação a uma amostra aleatória simples X1, X2, ..., Xn, retirada de uma distribuição exponencial com média λ–1, a estatística T(x) = 3xi será suficiente para a estimação de λ–1.

Suponha que o estimador para um parâmetro de certa distribuição X seja , em que X1, X2, ..., Xn Π seja uma i= n i X 1 amostra aleatória simples retirada dessa distribuição X. Nesse caso, o estimador de Bayes com relação à perda quadrática será uma função de Π .

Se x1, x2, ..., xn for uma amostra aleatória simples retirada de uma distribuição geométrica de parâmetro p, então 3xi será uma estatística suficiente para p.

Tendo em vista que a distribuição exponencial é um caso particular da distribuição de Weibull, e considerando que a distribuição exponencial pertence à família exponencial, é correto concluir que a distribuição de Weibull também pertence à família exponencial.

Infere-se, a partir da desigualdade de Markov, que se Y for uma variável aleatória não negativa com média igual 10, então P(Y ≤ 35) < 0,30.

Suponha que X seja uma variável aleatória com esperança finita. Isto garante que a média da variável aleatória Y = exp(X) também será finita.

Suponha que uma variável aleatória X tenha média zero e variância finita e que, pela desigualdade unilateral de Chebyshev, P(X ≥ 25) ≤ 0,25. Nesse caso, a variância de X será superior a 200.