ESTATÍSTICA 1

MEDIDAS DE POSIÇÃO Propriedades:

VAR(k ) = 0 (k = cte) VAR(aX + b) = a 2VAR( X )
(1) Média ( x )
Variáveis Frequência Probabilidade VAR ( X + Y ) = VAR ( X − Y ) = VAR ( X ) + VAR (Y ) (se X e Y: indep.)
n n n
xi x .n
x=∑ x=∑ i i x = ∑ xi P(xi )
i =1 n i =1 N i =1 (2) Desvio-Padrão (σ)
raiz quadrada da variância σ x = V ( X )

Propriedades: (3) Coeficiente de Variação (CV)
compara a dispersão de duas

E (k ) = k (k = cte) // E (aX + b) = aE ( X ) + b amostras (kg X anos) {CV > 10%: forte dispersão}
E ( XY ) = E ( X ) E (Y ) (se X e Y são independentes) σx
CV = × 100
x
(2) Mediana (Md): valor no centro de uma sequência
colocar os nos
em ordem e dividi-los ao meio (50% abaixo da Md e 50% acima)
COVARIÂNCIA E CORRELAÇÃO
(3) Moda (Mo): valor mais frequente
(A) Covariância
medida da variação conjunta de duas variáveis.

Distribuições das Medidas de Posição COV ( X , Y ) = E[( X − µ X )(Y − µ Y )] = E ( XY ) − µ X µ Y

Ass. Negativa Simétrica Ass. Positiva
Propriedades
• COV ( X , Y ) = 0
X e Y: independentes; COV ( X , Y ) ≠ 0 são dependentes
• COV (aX + b , cY + d ) = acCOV ( X , Y )
x < Md < Mo x = Md = Mo x > Md > Mo
(B) Coeficiente de Correlação de Pearson
mensura a força e a
direção da relação entre duas variáveis.
MEDIDAS DE DISPERSÃO
S XY Cov( X , Y ) ∑( X i − X )(Yi − Y ) ∑ XY − ∑ Xn∑ Y
r= = r= =
(1) Variância S X SY σ XσY ∑( X i − X ) 2 (Yi − Y ) 2
2 2
∑ X 2 − ( ∑ nX ) ∑ Y 2 − ( ∑nY )
• Calcular: x
( xi − x )
( xi − x ) 2
r<0 r=0 r>0
• Somar: Σ( xi − x ) 2 | Σ( xi − x ) 2 ni | Σ( xi − x ) 2 P ( xi )
Correlação Negativa Não há correlação Correlação Positiva
• Dividir pelo número de elementos do conjunto: (X = Y) (∆X independe de ∆Y) (X = Y)

V(x) =
∑(x − x)
i
2

V(x) =
∑(x − x) n
i
2
i
V(x) = ∑(xi − x)2 P(xi )
n N OBS: y = -3x + 5
-3 é o coeficiente angular da reta.

© rocope.rodrigo@gmail.com
ESTATÍSTICA 2

PROBABILIDADES (B) DISTRIBUIÇÃO BINOMIAL

• Experimento de Bernouilli em n tentativas
• Sucesso (S) ou fracaso (F): P(S) + P(F) = 1
evento
PROBABILIDADE = • P(X=k): probabilidade de sucesso na k-ésima tentativa.
espaço amostral
n n n!
EVENTOS P( X = k ) =   P( S ) k P( F ) n −k onde: C n, k =   =
k   k  k!(n − k )!
Complementar: (Pc = 1- P) // Certo: (P = 100%) // Impossível: (P = 0)
Média: µ = n.P(S);
INDEPENDENTES (E) DEPENDENTES Variância: σ2 = n.P(S).P(F)
realização de um evento não realização de um afeta o
(C) DISTRIBUIÇÃO NORMAL
afeta a prob. do outro outro
Propriedades da Normal
P(A e B) = P(A).P(B) P(A e B) = P(A).P(A/B)
1) X ~ N(0,1)
aX+b ~ N(0,1)
2) X e Y são independentes e têm N(µ,σ2)
qualquer combinação
P( AeB) linear, soma ou diferença entre elas também terá distribuição normal.
Teorema de Bayes
P ( AeB ) =
P( AeB) + P( A c eB)
Redução à uma Distribuição Normal Padrão
P( Be3)
EX: P(Bola Branca da Urna 3)
P ( Be3) = X −µ
P( Be1) + P( Be2) + P( Be3) Seja X ~ N ( µ , σ X2 ) => Z = ~ N (0,1)
σx
EXCLUDENTES (OU) NÃO-EXCLUDENTES
Sem elementos em comum Há elementos em comum MOMENTO DAS DISTRIBUIÇÕES
P(A ou B) = P(A) + P(B) P(AouB) = P(A)+P(B) - P(AeB)
(A) MOMENTO NATURAL (R: ordem do momento)
∑ xiR ∑( xiR . f i )
DISTRIBUIÇÕES DE PROBABILIDADE MR = ou M R = (obs: R = 1
média aritmética)
n n
(A) DISTRIBUIÇÃO DE BERNOUILLI (B) MOMENTO CENTRADO NA MÉDIA
• Sucesso ou fracasso
• Espaço amostral {0,1}; P(1) = p e P(0) = 1-p ∑( xi − x ) R ∑( xi − x ) R f i
MR = ou M R = (obs: R = 2
variância)
n n
Média: p
Variância: p.( 1 – p )

© rocope.rodrigo@gmail.com
ESTATÍSTICA 3

ESTIMAÇÃO POR PONTO E POR INTERVALO TESTES DE HIPÓTESES

Graus de Liberdade
número de “valores” que variam; com uma (1º) Formular as duas hipóteses básicas
medida de posição conhecida, perde-se 1 G.L. (nº obs: n-1) em H0: hipótese nula (a ser testada, igualdade)
amostras iguais ou inferiores a 30 (pura conveção). H1: hipótese alternativa (desigualdade)

(A) ESTIMATIVA POR PONTO (2º) Escolher a distribuição amostral adequada

População Amostra
Média µ X
Variância σ2 =
∑(x − x)
i
2

S2 =
∑(x − x)
i
2

n n −1 H0: θ = θ0 H0: θ = θ0 H0: θ = θ0

H1: θ < θ0 H1: θ ≠ θ0 H1: θ > θ0
(B) ESTIMATIVA POR INTERVALO
Intervalo de Confiança
(3º) Calcular a Estatística-teste (θ0)
Amostra População Para Proporção
1-α
onde: (t de Student) (Normal) (Normal)
α/2 α/2 p − p0
(1-α): nível de confiança Xo − X Xo − X zc =
X1 X X2
(probabilidade de acertar)
tc = zc =
(S x n) (σ x n) p o (1 − p o )
α : nível de significância n
P( Xˆ 1 ≤ X ≤ Xˆ 2 ) = 1 − α (probabilidade de errar)
Lembre-se: S2 = Σ(xi-X)2 / (n-1)
Intervalo de Confiança para a Média de uma População
 para σ conhecido (Normal) σ (4º) Escolher o nível de significância (α) e fixar as regiões de não
IC = X ± z rejeição (RNR) e de rejeição de H0 ou crítica (RC).
n
 para σ desconhecido (calcula-se S) (5º) Comparar a estatística calculada com a tabela (no caso de teste
)
para proporções, calcula-se a proporção da amostra p )
n ≤ 30
t de Student (t-1 graus de liberdade) S
IC = X ± t
n Existem dois tipos de erros:
n > 30
Normal S - Erro Tipo I: rejeitar uma hipótese verdadeira
IC = X ± z - Erro Tipo II: aceitar uma hipótese falsa
n
imp! No calculo de S2, a população da amostra é n-1.

© rocope.rodrigo@gmail.com
ESTATÍSTICA 4

ANÁLISE DA VARIÂNCIA NÚMEROS ÍNDICES

Determinar se existe diferença significativa entre as médias de dois ou
(A) SIMPLES
I = Pt / P0
mais grupos. (H0: µ0 = µ1 = ... = µn X H1: ao menos uma é diferente)
1. Encontrar n (nº de observações totais) e k (nº de amostras)
2. Calcular os graus de liberdade do numerador ( k − 1 ) e do (B) ARITMÉTICOS
I = ∑( I1 + I 2 + ...I n )
n
denominador ( n − k )
3. Calcular
Fc = S E2 S D2 (C) AGREGADOS
∑ Pt ∑ Qt ∑ Pt Qt
(C.1) Simples
I P0 t = ; I Q0 t = ; I V0 t =
S : dispersão entre os grupos
2
E
∑ P0 ∑ Q0 ∑ P0Q0
1. Média das Médias das amostras
X X = ∑( X k ) k
(C.2) Ponderados
2. Variância das Médias das Amostras
S X2 =
∑ (X k − X X )2  LASPREYES (aritmética): ponderação na data base
(k )ou (k − 1) ?
3. S E2 = kS X2 ∑ Pt Q0 ∑ P0Qt
Preço: LP = ; Quantidade: LQ =
∑ P0Q0 ∑ P0Q0
S D2 : dispersão dentro do grupo
média aritmética das variâncias.
tende a acentuar a alta
como a ponderação é na data base, dado
∑ S k2 P, Q deveria cair (mas é mantido cte); mesmo raciocínio para LQ.
S D2 =
k
4. Achar Ftab e compará-lo com FC.  PAASCHE (harmônica): ponderação na data atual

REGRESSÃO SIMPLES ∑ Pt Qt ∑ Pt Qt
Preço: PP = ; Quantidade: PQ =
∑ P0Qt ∑ P0Qt
Estimação da equação Y = aX + b por MQO:
tende a acentuar a baixa
como a ponderação é na data atual, dado
P, Q deveria baixar (mas é mantido cte); mesmo raciocínio para PQ.
(1) adicione ∑ : ∑ Y = a∑ X + bn (n: nº de obs)
(2) adicione ∑ X : ∑ XY = a∑ X 2
+ b∑ X  FISCHER (geométrica; entre Laspreyes e Paache)
F = L.P
(3) resolva o sistema

MQO: minimiza a soma dos quadrados das diferenças entre a curva NÚMEROS ÍNDICES Aritmética > Geométrica > Harmônica
E AS MÉDIAS Laspreyes (A) > Fischer (G) > Paasche (H)
ajustada e os dados (os erros, ou resíduos).
Revisão: dezembro/2009

© rocope.rodrigo@gmail.com