






Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Os melhores documentos à venda: Trabalhos de alunos formados
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Comunidade
Peça ajuda à comunidade e tire suas dúvidas relacionadas ao estudo
Descubra as melhores universidades em seu país de acordo com os usuários da Docsity
Guias grátis
Baixe gratuitamente nossos guias de estudo, métodos para diminuir a ansiedade, dicas de TCC preparadas pelos professores da Docsity
resumo das principais distribuições e fórmulas
Tipologia: Resumos
Oferta por tempo limitado
Compartilhado em 18/09/2012
4.5
(2)2 documentos
1 / 12
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Em oferta
Probabilidade e Estatística................................................................................................
Área da Matemática que se preocupa com o estudo da
incerteza. Estatística
Área da Matemática que se preocupa com a organização,
Variáveis Discretas
Variáveis Contínuas
x
f
Classe
f
├──
├──
├──
├──
├──
├─┤
↑
∑
ↀ
↑
ↈ
↑
∑
ↈ
↑
↑
㐄 ᡨᡧᡦᡲᡧ ᡥéᡖᡡᡧ ᡖᡓ ᡕᡤᡓᡱᡱᡗ ᡡ
↑
㐄 ᡘᡰᡗᡩᡳêᡦᡕᡡᡓ ᡓᡔᡱᡧᡤᡳᡲᡓ ᡖᡓ ᡕᡤᡓᡱᡱᡗ ᡡ
ᡧᡔᡱ: ≆ é ᡓ ᡥéᡖᡡᡓ ᡖᡓ ᡨᡧᡨᡳᡤᡓçãᡧ
㍥ é ᡓ ᡥéᡖᡡᡓ ᡖᡓ ᡓᡥᡧᡱᡲᡰᡓ ↀ
Média Geométrica:
ↈ↑
↑
❸/↖
Separatrizes:
Dividem a seqüência em partes iguais. Os dados devem
estar em ordem crescente. A fórmula geral é:
ⅲ
↑
↑↖ↈ,ↅ
䙦↑.↖/↘㎘Ⅲ
Ↄ↖∂
䙧←
ↅ
ↈ
ↅ
, onde
↖ 㐄 ᡦº ᡲᡧᡲᡓᡤ ᡖᡗ ᡗᡤᡗᡥᡗᡦᡲᡧᡱ ↘ 㐄 ᡦº ᡖᡗ ᡖᡡᡴᡡᡱõᡗᡱ ↅ 㐄 ᡕᡤᡓᡱᡱᡗ ᡩᡳᡗ ᡕᡧᡦᡲéᡥ ᡧ ᡗᡤᡗᡥᡗᡦᡲᡧ ᡡ. ᡦ/ᡨ Ⅸ
↑↖ↈ,ↅ
ↅ
ↅ
㐄 ᡘᡰᡗᡩᡳêᡦᡕᡡᡓ ᡓᡔᡱᡧᡤᡳᡲᡓ ᡖᡓ ᡕᡤᡓᡱᡱᡗ ᡕ
Ↄ↖∂
㐄 ᡱᡧᡥᡓ ᡖᡓᡱ ᡘᡰᡗᡩᡳêᡦᡕᡡᡓᡱ ᡓᡦᡲᡗᡰᡡᡧᡰᡗᡱ ᡓ ᡕᡤᡓᡱᡱᡗ ᡕ
Mediana:
↑↖ↈ,Ⅹↆ
䙦↖/❹㎘
Ⅲ
Ↄ↖∂
䙧←
Ⅹↆ
ↈ
Ⅹↆ
Quartil:
ⅳ
↑
↑↖ↈ,ⅳ↑
䙦↑.↖/➁㎘
Ⅲ
Ↄ↖∂
䙧←
ⅳ↑
ↈ
ⅳ↑
Decil:
↑
↑↖ↈ,Ⅰ↑
䙦↑ ↖/❸❷㎘
Ⅲ
Ↄ↖∂
䙧←
Ⅰ↑
ↈ
Ⅰ↑
Percentil:
ⅲ
↑
↑↖ↈ,ⅲ↑
䙦↑ ↖/❸❷❷㎘
Ⅲ
Ↄ↖∂
䙧←
ⅲ↑
ↈ
ⅲ↑
ⅳ
➀
⡹ⅳ
❸
❹䙦ⅲ
➆❷
⡹ⅲ
❸❷
䙧
Se K = 0,
a distribuição é
mesocúrtica
(nem chata nem delgada)
Se K > 0,
a distribuição é
platicúrtica
(chata)
Se K < 0,
a distribuição é
leptocúrtica
(delgada)
É um experimento que realizado sob as mesmas
condições produz diferentes resultados. Espaço Amostral (S ou
É o conjunto de todos os possíveis resultados
de um experimento aleatório. Evento (E):
É um subconjunto do Espaço Amostral.
〰
ou
Complementar de A.
A ocorrência do evento A implica na ocorrência do evento B.
Leis de Morgan:
⡁
⡁
⡁
⡁
Probabilidade de ocorrer o evento A.
Probabilidade de ocorrer o evento A ou o evento B.
Probabilidade de ocorrer o evento A e o evento B.
Eventos Mutuamente Excludentes:
Eventos Independentes:
Axiomas de Probabilidade:
ⅲ䙦ⅵ䙧 㐄 ❸ ❷ 㐉 ⅲ䙦⅗䙧 ⅗ ᔔ ⅘ 㐄 ᒆ
ⅲ䙦⅗ ᔕ ⅘䙧 㐄 ⅲ䙦⅗䙧 ㎗ ⅲ䙦⅘䙧
Teoremas:
ⅲ䙦⅗
㍥䙧 㐄 ❸ ㎘ ⅲ䙦⅗䙧
❸
❹
ⅲ䙦⅗
❸
䙧 㐉 ⅲ䙦⅗
❹
ⅲ䙦ᙦ ⅗
↑
䙧 㐉 ∑ ⅲ䙦⅗
↑
Probabilidade Condicional:
ⅲ䙦⅗|⅘䙧
é a probabilidade de ocorrência do
evento A com a condição de B ter ocorrido.
ⅲ䙦⅘|⅗䙧 㐄
ⅲ䙦⅘ ᔔ ⅗䙧
ⅲ䙦⅗䙧
Regra da adição:
ⅲ䙦⅗ ᔕ ⅘䙧 㐄 ⅲ䙦⅗䙧 ㎗ ⅲ䙦⅘䙧 ㎘ ⅲ䙦⅗ ᔔ ⅘䙧
Regra da Multiplicação:
ⅲ䙦⅗ ᔔ ⅘䙧 㐄 ⅲ䙦⅗䙧ⅲ䙦⅘|⅗䙧 㐄 ⅲ䙦⅘䙧ⅲ䙦⅗|⅘䙧
Regra da Probabilidade Total:
Se o espaço amostral
pode ser escrito
como
〶
, onde os eventos
〶
são mutuamente excludentes e
exaustivos
〶
, então para um evento B qualquer temos:
ⅲ䙦⅘䙧 㐄
〶
ⅲ䙦Ⅱ
↑
䙧ⅲ䙦⅘|Ⅱ
↑
Teorema de Bayes:
ⅲ䙦⅘|⅗䙧 㐄
ⅲ䙦⅘䙧ⅲ䙦⅗|⅘䙧
ⅲ䙦⅗䙧
É uma função
que associa um número real
a cada elemento do espaço amostral
Função de Probabilidade:
É uma função
tal que
ⅲ䙦ↀ 㐄 ∆䙧 㐄 ↈ䙦∆䙧
Representa a probabilidade de
assumir um valor
x.
Obs.
ⅵ 㐄 䙨∆
❸
❹
↖
Função de Distribuição Acumulada:
É uma função
Ⅲ: ⅵ
tal que
Ⅲ䙦∆䙧 㐄 ⅲ䙦ↀ 㐉 ∆䙧 㐄 ∑
↑
∆
↑
∆
Representa a probabilidade de
assumir um valor menor que
x.
Esperança (ou Média):
Variância:
ⅸ䙦ↀ䙧 㐄 …
⡰
⡰
❹
❹
Desvio Padrão:
≒ 㐄 䙦ⅸ䙦ↀ䙧䙧
❸/❹
tem igual probabilidade de ocorrer então X é
uma
variável aleatória uniforme
e:
” e
p
a probabilidade de
sucesso. Então:
∆
❸⡹∆
Ⅱ䙦ↀ䙧 㐄 ↘ ⅸ䙦ↀ䙧 㐄 ↘䙦❸ ㎘ ↘䙧
ᡐ “ᡦúᡥᡗᡰᡧ ᡖᡗ ᡱᡳᡕᡗᡱᡱᡧᡱ ᡗᡥ ᡦ ᡲᡗᡦᡲᡓᡲᡡᡴᡓᡱ ᡡᡦᡖᡗᡨᡗᡦᡖᡗᡦᡲᡗᡱ” 㐄
e
p
a probabilidade de sucesso em cada tentativa. Então X
é uma
variável aleatória binomial
↖∆
∆
↖⡹∆
Hint:
ぁ〸
ぁ 〸
ぁ⡹⡩〸⡹⡩
ⅸ䙦ↀ䙧 㐄 ↖↘䙦❸ ㎘ ↘䙧
Hint:
⡰
ᡐ “ᡦúᡥᡗᡰᡧ ᡖᡗ ᡲᡗᡦᡲᡓᡲᡡᡴᡓᡱ ᡓᡲé ᡧ 1º ᡱᡳᡕᡗᡱᡱᡧ” 㐄 䙨1, 2, 3, … 䙩
e
p
a
probabilidade de sucesso em cada tentativa. Então X é uma
variável
aleatória geométrica
∆⡹❸
Hint:
ⅸ䙦ↀ䙧 㐄 䙦❸ ㎘ ↘䙧/↘
❹
Hint:
⡰
↓
ᡐ “ᡦúᡥᡗᡰᡧ ᡖᡗ ᡲᡗᡦᡲᡓᡲᡡᡴᡓᡱ ᡓᡲé ᡧ ᡰº ᡱᡳᡕᡗᡱᡱᡧ” 㐄 䙨ᡰ, ᡰ ㎗ 1, ᡰ ㎗ 2, … 䙩
e
p
a probabilidade de sucesso em cada tentativa. Então X é uma
variável
aleatória binomial negativa
〕
∆⡹❸∀⡹❸
∀
∆⡹∀
Hint:
ぁ〸
〸
ぁ⡹〸
ぁ〸⢀⡨
㐄 䙦p ㎗ q䙧
⤤
ⅸ䙦ↀ䙧 㐄 ∀䙦❸ ㎘ ↘䙧/↘
❹
Esperança (ou Média):
⦘ ⡹⦘
Variância:
ⅸ䙦ↀ䙧 㐄 …
⡰
⡰
⦘
⡹⦘
❹
⦘
⡹⦘
❹
Desvio Padrão:
≒ 㐄 䙦ⅸ䙦ↀ䙧䙧
❸/❹
ↄ ㎘ Ↄ
, Ↄ 㐉 ∆ 㐉 ↄ
Ↄ ㎗ ↄ
ⅸ䙦ↀ䙧 㐄
䙦ↄ ㎘ Ↄ䙧
❹
⡹
❸❹
䙲
∆⡹≆
≒
䙳
❹
ⅸ䙦ↀ䙧 㐄 ≒
❹
Notação:
⡰
Propriedades:
É simétrica em relação a
μ
; Tem máximo em
μ
; Tem
pontos de inflexão em
μ
σ
e
μ
σ
Lei Empírica:
Quando
μ
= 0 e
σ
= 1 temos a
distribuição normal padrão ou reduzida
Padronização:
Se X é uma v.a. normal com
e
⡰
então
〥⡹ゑ
é uma v.a. normal padrão (
e
Portanto, podemos calcular a probabilidade de uma v.a. normal usandouma normal reduzida fazendo
ⅲ䙦Ↄ 㐉 ↀ 㐉 ↄ䙧 㐄 ⅲ 䙲
〨⡹ゑ
〩⡹ゑ
Combinações Lineares:
Seja X e Y variáveis aleatórias normais. Então
também é uma v.a. normal e
Ⅱ䙦ⅹ䙧 㐄 ↃⅡ䙦ↀ䙧 ㎗ ↄⅡ䙦ↁ䙧 ㎗ ↅⅸ䙦ⅹ䙧 㐄 Ↄ
❹
ⅸ䙦ↀ䙧 ㎗ ↄ
❹
ⅸ䙦ↁ䙧
Aproximação da distribuição binomial:
Seja
e
ↀ⡹↖↘
㒓↖↘䙦↘⡹❸䙧
Então
ↂ~ⅰ䙦❷, ❸䙧 ᡩᡳᡓᡦᡖᡧ ↖↘ 㐈 5 ᡗ ↖䙦❸ ㎘ ↘䙧 㐈 5
Aproximação da distribuição de Poisson:
Seja
e
ↀ⡹
λλλλ
√
λλλλ
Então
ↂ~ⅰ䙦❷, ❸䙧 ᡩᡳᡓᡦᡖᡧ
λ
0 tem uma
distribuição exponencial.
⡹
λλλλ
∆
⡹
λλλλ
∆
ⅸ䙦ↀ䙧 㐄
❹
Obs.:
É deduzida a partir da
distribuição de Poisson.
Propriedade da Falta de Memória:
ⅲ䙦ↀ 㐇 ∁ ㎗ ∂|ↀ 㐈 ∁䙧 㐄 ⅲ䙦ↀ 㐇 ∂䙧
r
eventos em um processo de Poisson com média
λ
0 tem
uma
distribuição de Erlang.
∀
∀⡹❸
⡹
λλλλ
∆
ⅸ䙦ↀ䙧 㐄
❹
Obs.:
É deduzida a partir da
distribuição de Poisson.
É uma generalização
ᒙ
∀
∀⡹❸
⡹
λλλλ
∆
ⅸ䙦ↀ䙧 㐄
❹
Onde
こ⡹⡩
⦘
⡨
⡹ぇ
é a
função gama
∶⡹❸
⡹䙲
∆∸
䙳
∶
⡹䙲
∆∸
䙳
∶
ⅸ䙦ↀ䙧 㐄 ∸
❹
❹
❹
β
0 é o parâmetro de forma e
δ
0 é o parâmetro de escala.
Para
β
= 1 a distribuição de Weibull torna-se idêntica a exponencial.
função de probabilidade conjunta
de duas V.A.s discretas X e Y,
denotada por
〥〦
satisfaz as seguintes condições:
ↀↁ
ↀↁ
ⅴ
ⅲ䙦ↀ 㐄 ∆, ↁ 㐄 ∇䙧 㐄 ↈ
ↀↁ
Onde
denota o conjunto de todos os pontos da imagem de
〥〦
. Então a
função de probabilidade marginal
de X é:
ↀ
䙦∆䙧 㐄 ⅲ䙦ↀ 㐄 ∆䙧 㐄 㔳 ↈ
ↀↁ
ⅴ∆
Onde
denota o conjunto de todos os pontos da imagem de
onde
Esperança Marginal:
ↀ
ↀ
∆
ↀↁ
ⅴ
Variância Marginal:
ⅸ䙦ↀ䙧 㐄 ≒
ↀ
❹
ↀ
❹
ↀ
∆
❹
ↀↁ
ⅴ
ↀ
❹
ↀↁ
ↀ
ↁ
ↁ|∆
ↁ
〥
ↁ|∆
ↁ
〥
ⅲ䙰䙦ↀ, ↁ䙧 ᒈ ⅴ䙱 㐄 ⅲ䙦ↀ ᒈ ⅴ䙧ⅲ䙦ↁ ᒈ ⅴ䙧
ↀↁ
ↀ
ↁ
ↀ
ↁ
Se
ↀↁ
a relação é
positiva
, isto é, X cresce quando Y cresce e X cai
quando Y cai, e vice-versa.Se
ↀↁ
a relação é
negativa
, isto é, X cresce quando Y cai e X cai
quando Y cresce, e vice-versa.Se
ↀↁ
não há relação linear entre as variáveis.
Se X e Y são independentes então:
ↀↁ
Obs.:
ↀↁ
ↀↁ
㒓ⅸ䙦ↀ䙧ⅸ䙦ↁ䙧
ↀↁ
ↀ
ↁ
ↀↁ
⡩
⡩
⡰
⡰
ぁ
ぁ
. Então:
❸
❸
❹
❹
↖
↖
ⅸ䙦ↁ䙧 㐄 ↅ
❸
❹
ⅸ䙦ↀ
❸
❹
❹
ⅸ䙦ↀ
❹
↖
❹
ⅸ䙦ↀ
↖
↑
→
↑
→
→
↑
Seja X uma V.A. discreta com distribuição de prob.
〥
. Seja
〦
a distribuição de prob. de uma V.A. definida por
, onde
h
é uma transformação inversível. Então:
ↁ
ↀ
⡹❸
Teorema 2:
Idem ao teorema 1 para vetores aleatórios.
Teorema 3 (Método Jacobiano):
Seja
um vetor aleatório contínuo com
f.d.p. conjunta
〥
䙒
ጘ
. Seja
䙒〦
ጘ
a f.d.p. de um vetor aleatório definido
por
, onde
h
é uma transformação inversível. Então:
䙒ↁ
䙒
ጘ
䙒ↀ
䙒
ጘ
⡹❸
䙧㐱. |Ⅶ| , ↗↖ↆↇ Ⅶ é ↗ ⅦↃↅ↗ↄ↑Ↄ↖↗
Método Básico:
ↁ
䙦∇䙧 㐄 ⅲ䙦ↁ 㐉 ∇䙧 㐄 ⅲ䙦←䙦ↀ䙧 㐉 ∇䙧 㐄 Ⅲ
ↀ
Desigualdade de Chebychev:
ⅲ䙦|ↀ ㎘ ≆| 㐈 ᡕ…䙧 㐉
❹
É um conjunto de
n
variáveis independentes
⡩
⡰
ぁ
que possuem mesma distribuição de probabilidades.
Estimador
É uma função dos dados amostrais:
⡩
⡰
ぁ
Um estimador é dito
não-tendencioso
quando
O valor
é chamado
tendência
do estimador.
Estimativa:
É um valor assumido pelo estimador.
Estimadores Amostrais:
ᠹéᡖᡡᡓ: ᡐ
ᡈᡓᡰᡡâᡦᡕᡡᡓ: ᡅ
⡰
ᠰᡗᡱᡴᡡᡧ ᡂᡓᡖᡰãᡧ: ᡅ
ᡂᡰᡧᡨᡧᡰçãᡧ: ᡨ 㐄
Média Amostral
❹
Pelo teorema central do limite, para
, temos:
㍥~ⅰ 䙸≆,
❹
~ⅰ䙦❷, ❸䙧
Média Amostral
❹
Para amostras pequenas
temos:
ⅶ 㐄
ⅵ/√↖
ⅵ∂∃ↆↇ↖∂䙦↖ ㎘ ❸䙧
Obs.: Se
mesmo com
⡰
desconhecido utiliza-se a distribuição
normal. Variância:
❹
䙦↖ ㎘ ❸䙧ⅵ
❹
❹
❹↖⡹❸
Proporção:
↘㍥~ⅰ 㐶↘,
uma V.A. com distribuição de probabilidade
, onde
é o
único parâmetro desconhecido. Sejam
⡩
⡰
ぁ
os valores
observados de uma A.A. de tamanho
n
. Então a
função de
verossimilhança
da amostra é dada por:
❸
❹
↖
estimador de máxima verossimilhança
de
é aquele que torna máxima
esta função.