Probabilidade e Estatstica................................................................................................

5.2 FUNO DE PROBABILIDADE MARGINAL......................................... 8

1 ESTATSTICA DESCRITIVA................................................................................... 2

5.3 FUNO DE PROBABILIDADE CONDICIONAL ................................. 9

1.1 DISTRIBUIO DE FREQUENCIAS .......................................................... 2

5.4 FUNO DENSIDADE DE PROB. CONJUNTA ..................................... 9

1.2 MEDIDAS DE POSIO .................................................................................. 2

5.5 FUNO DENSIDADE DE PROB. MARGINAL ..................................... 9

1.3 MEDIDAS DE DISPERSO............................................................................. 3

5.6 FUNO DENSIDADE DE PROB. CONDICIONAL.............................. 9

1.4 MEDIDAS DE ASSIMETRIA .......................................................................... 3

5.7 INDEPENDNCIA .......................................................................................... 10

1.5 MEDIDAS DE ACHATAMENTO CURTOSE ........................................ 4

5.8 COVARINCIA ................................................................................................. 10

2 PROBABILIDADE ....................................................................................................... 4

5.9 CORRELAO.................................................................................................. 10

3 VARIVEIS ALEATRIAS DISCRETAS ............................................................ 4

5.10 COMBINAO LINEAR DE VARIVEIS ALEATRIAS ............. 10

3.1 DISTRIBUIO UNIFORME ......................................................................... 5

6 FUNES DE VARIVEIS ALEATRIAS ..................................................... 10

3.2 DISTRIBUIO DE BERNOULLI ................................................................ 5

7 INFERNCIA ESTATSTICA............................................................................... 11

3.3 DISTRIBUIO BINOMIAL........................................................................... 5

3.4 DISTRIBUIO GEOMTRICA.................................................................... 5

7.1 DISTRIBUIES AMOSTRAIS DOS PRINCIPAIS ESTIMADORES

............................................................................................................................................ 11

3.5 DISTRIBUIO DE PASCAL (BINOMIAL NEGATIVA) .................... 5

7.2 MTODO DA MXIMA VEROSSIMILHANA ................................... 11

3.6 DISTRIBUIO HIPERGEOMTRICA ..................................................... 6

7.3 INTERVALOS DE CONFIANA (IC)....................................................... 12

3.7 DISTRIBUIO DE POISSON ....................................................................... 6

A ANLISE COMBINATRIA ................................................................................ 12

3.8 DISTRIBUIO MULTINOMIAL................................................................. 6

4 VARIVEIS ALEATRIAS CONTNUAS........................................................... 6
4.1 DISTRIBUIO UNIFORME ......................................................................... 7
4.2 DISTRIBUIO NORMAL .............................................................................. 7
4.3 DISTRIBUIO EXPONENCIAL.................................................................. 7
4.4 DISTRIBUIO DE ERLANG ........................................................................ 8
4.5 DISTRIBUIO GAMA .................................................................................... 8
4.6 DISTRIBUIO DE WEIBULL ..................................................................... 8
5 DISTRIBUIES DE PROBABILIDADE CONJUNTAS................................ 8
5.1 FUNO DE PROBABILIDADE CONJUNTA.......................................... 8

Probabilidade e Estatstica

1.2 MEDIDAS DE POSIO

Mdia:

Probabilidade: rea da Matemtica que se preocupa com o estudo da

incerteza.
Estatstica: rea da Matemtica que se preocupa com a organizao,
coleta e resumo dos dados, para auxlio na tomada de decises.

1.1 DISTRIBUIO DE FREQUENCIAS

Variveis Contnuas
Classe
f
10 30
2
30 40
4
40 50
5
50 60
5
60 70
7
70 90
3
26

 

 
     
       
:    


     

Mdia Geomtrica:

1 ESTATSTICA DESCRITIVA

Variveis Discretas
x
f
20
2
35
4
45
5
55
5
65
7
80
3
26

   



!  "   $%/



Separatrizes: Dividem a seqncia em partes iguais. Os dados devem

estar em ordem crescente. A frmula geral :
'  (
,* +

".
/-./0
1$2*
, onde
*

      
-    4
*         . /

(
,*       

2*  
    
*       
/0
1         
Mediana:

6  (
,

Quartil: 8  (
,8 +
Decil: :  (
,: +

"
/7./0
1 $2
 6

".
/9./0
1$28
8

"
/%;./0
1$2:
:

Percentil: '  (
,' +

"
/%;;./0
1 $2'

'

Moda: o valor mais freqente na distribuio.

Classe Modal: Classe com maior freqncia absoluta. Caso haja mais de
uma, a classe modal ser a de maior densidade modal <=  > /?> .
Frmula de Czuber:

@  (
,

%
+ +
.2
%
7

, onde

(
, @       

%         
      
7         
    
 
2 @  
    

Alternativa:


@  B 6 . 7

Escore Z: Mede a distncia entre X e a mdia em unidades de desvio

padro.
C

D
E

F  GH0I . GH

:

Desvio Mdio:
Varincia:

E7 


K"LM DN$O PM Q

7 
S

R
"   $7

S7

7 

D%

"   $7

"
D%$

K"LM DLU$O PM Q
VDW

, onde n a amostra.

Desvio Padro: E  E7 @Y T  T7

Lei Emprica:
68% dos dados esto no intervalo KZU . [, ZU + [Q
95% dos dados esto no intervalo KZU . 2[, ZU + 2[Q
99% dos dados esto no intervalo KZU . 3[, ZU + 3[Q


Coeficiente de Variao: ^G  E/ ou ^G  T/

1.4 MEDIDAS DE ASSIMETRIA

Tipos de Distribuio:
Simtrica
Mdia = Mediana = Moda

1.3 MEDIDAS DE DISPERSO

Amplitude:

Varincia Amostral: T7 

|
| D

Assimtrica Positiva ou Assimtrica Direita:

Moda < Mediana < Mdia
Assimtrica Negativa ou Assimtrica Esquerda:
Mdia < Mediana < Moda
1 Coeficiente de Pearson: _T 
2 Coeficiente de Pearson: _T 

, onde N a populao.

D @

T

8% `8B D7 6
8B D8%

Se AS = 0 a distribuio Simtrica
Se AS > 0 a distribuio Assimtrica Positiva
Se AS < 0 a distribuio Assimtrica Negativa

1.5 MEDIDAS DE ACHATAMENTO CURTOSE

a

8B D8%

7"'b; D'%; $

Se K = 0,263 a distribuio mesocrtica (nem chata nem delgada)

Se K > 0,263 a distribuio platicrtica (chata)
Se K < 0,263 a distribuio leptocrtica (delgada)

2 PROBABILIDADE
Experimento Aleatrio: um experimento que realizado sob as mesmas
condies produz diferentes resultados.
Espao Amostral (S ou ): o conjunto de todos os possveis resultados
de um experimento aleatrio.
Evento (E): um subconjunto do Espao Amostral.

cd ou ce: Complementar de A.
A B: A ocorrncia do evento A implica na ocorrncia do evento B.
"f _g $  h UUU
Leis de Morgan: UUUUUUUU
_g ; UUUUUUUU
"h _g $  f UUU
_g

Teoremas:
 $  % . '"_$
'"_
_% _7 '"_% $ n '"_7 $
'"f _ $ n '"_ $

Probabilidade Condicional: '"_|o$ a probabilidade de ocorrncia do

evento A com a condio de B ter ocorrido.
'"o i _$
'"o|_$ 
,
 l"c$ q 0
'"_$
Regra da adio: '"_ p o$  '"_$ + '"o$ . '"_ i o$

Regra da Multiplicao: '"_ i o$  '"_$'"o|_$  '"o$'"_|o$

Regra da Probabilidade Total: Se o espao amostral pode ser escrito

como f r> , onde os eventos r> so mutuamente excludentes e exaustivos
"f r>  $ , ento para um evento B qualquer temos:
'"o$  l"r> i j$  '"s $'"o|s $
Teorema de Bayes:

'"o|_$ 

'"o$'"_|o$
'"_$

P(A): Probabilidade de ocorrer o evento A.

P(A B): Probabilidade de ocorrer o evento A ou o evento B.
P(A B): Probabilidade de ocorrer o evento A e o evento B.

3 VARIVEIS ALEATRIAS DISCRETAS

Axiomas de Probabilidade:
'"T$  %
; n '"_$
_ i o  k '"_ p o$  '"_$ + '"o$

Funo de Probabilidade: uma funo : t tal que

"I$ q ;
"I$  %
'"  I$  "I$
Representa a probabilidade de X assumir um valor x.
Obs.: T  uI% , I7 , , I
$

Eventos Mutuamente Excludentes: c i j  k  l"c i j$  0

Eventos Independentes: l"c i j$  l "c$l"j$

Varivel Aleatria: uma funo : que associa um nmero real

a cada elemento do espao amostral .

Funo de Distribuio Acumulada: uma funo /: T tal que

/"I$  '" n I$  I w I "I $
; n /"I$ n %
I n x /"I$ n /"x$
Representa a probabilidade de X assumir um valor menor que x.
Esperana (ou Mdia): s"$  y  I"I$

Varincia: G"$  z  "| . y "|$  KI "I$Q . 

{

Desvio Padro: E  "G"$$%/7

${

3.3 DISTRIBUIO BINOMIAL

Sejam Z        4 

  
u0, 1, 2, ,  e p a probabilidade de sucesso em cada tentativa. Ento X
uma varivel aleatria binomial, Z~j",
$.
"I$ 
I-I "% . -$
DI
s"$ 
-

G"$ 
-"% . -$

Hint: V  VDW
DW
V

Hint: | {  | "| . 1$ . |

3.4 DISTRIBUIO GEOMTRICA

3.1 DISTRIBUIO UNIFORME

Se todos os valores de X tem igual probabilidade de ocorrer ento X
uma varivel aleatria uniforme e:
%
"I$ 

3.2 DISTRIBUIO DE BERNOULLI

Sejam Z  1 "sucesso", Z  0 " e p a probabilidade de

sucesso. Ento:
"I$  -I "% . -$%DI
s"$  G"$  -"% . -$

Sejam Z     4   1   u1, 2, 3, e p a

probabilidade de sucesso em cada tentativa. Ento X uma varivel
aleatria geomtrica, Z~"
$.
"I$  "% . -$ID% s"$  %/G"$  "% . -$/-7
/"$  % . "% . -$

Hint: "$  " $

Hint: | {  | "| . 1$ . |

3.5 DISTRIBUIO DE PASCAL (BINOMIAL NEGATIVA)

Sejam Z     4      u,  + 1,  + 2,

e p a probabilidade de sucesso em cada tentativa. Ento X uma varivel
aleatria binomial negativa, Z~jR ",
$.
-"% . -$ID
"I$  ID%
D%

s"$  /G"$  "% . -$/-7

Hint: VV
VD  "p + q$

3.6 DISTRIBUIO HIPERGEOMTRICA

Sejam Z      |   

  
     .   umax "0,  + .
$, , ", $ e p a probabilidade de sucesso em cada tentativa.
Ento X uma varivel aleatria hipergeomtrica, Z~", , $.
"I$ 

Sa
a
I
I

S

Sejam Z       4   

u0, 1,2, e o nmero mdio de sucessos neste intervalo. Ento X
uma varivel aleatria Poissoniana, Z~l"$.
s"$ 
G"$ 

I!

Hint:  
V V!

Hint: | {  | "| . 1$ . |

Aproximao da distribuio binomial:

"I% , I7 , , I $ 

!

I% ! I !

-%% -
I

4 VARIVEIS ALEATRIAS CONTNUAS

3.7 DISTRIBUIO DE POISSON

"I$ 

Sejam cW , c{ , , c k eventos mutuamente excludentes e exaustivos com

probabilidades
W ,
{ , ,
, respectivamente. Seja Z>  
  4  c>     4 
 . Cada
tentativa resulta na ocorrncia de apenas um dos k eventos.

s" $ 
-
G" $ 
- "% . - $

s"$ 
- ,  -  a/S
G"$ 
-"% . -$"S .
$/"S . %$

3.8 DISTRIBUIO MULTINOMIAL

o"
, -$~'"
-$ 
50  - 0,10

Funo Densidade de Probabilidade (f.d.p.): uma funo : t

tal que
"I$ q ;

D "I$6I  %

'"0 n  n $  0 "I$6I

Representa a probabilidade de X assumir um valor no intervalo [a, b].

Obs.: l "Z  $  0,  Logo: l " n Z n $  l " Z n $ 

l " n Z $  l" Z $

Funo de Distribuio Acumulada (f.d.a): uma funo /: T

tal que
I
/"I$  '" n I$  D "Y$6Y
; n /"I$ n %
I n x /"I$ n /"x$
Representa a probabilidade de X assumir um valor menor que x.

Obs.: Se a f.d.a. existir e for diferencivel, ento: "I$  / "I$

Esperana (ou Mdia): s"$  y  D I"I$6I

Varincia: G"$  z 
{

D"|

Desvio Padro: E  "G"$$%/7

${

. y "|$ 

D I7 "I$ . 7

4.1 DISTRIBUIO UNIFORME

"I$ 

%
,0 n I n
.0

" . 0$7
"
$
G  
%7

0+
s"$ 
7

4.2 DISTRIBUIO NORMAL

"I$ 
Notao: Z~"y, z $.
{

E7

% ID 7

D7

s"$  

, . |

G"$  E

Propriedades: simtrica em relao a ; Tem mximo em ; Tem

pontos de inflexo em - e + ;
Lei Emprica:

l "y . z Z y + z$  0,6827
l "y . 2z Z y + 2z$  0,9545
l "y . 3z Z y + 3z$  0,9973

Quando = 0 e = 1 temos a distribuio normal padro ou reduzida.

Padronizao: Se X uma v.a. normal com r "Z$  y e "Z$  z {

ento 

LDN

uma v.a. normal padro ( r "$  0 e "$  1 ).

Portanto, podemos calcular a probabilidade de uma v.a. normal usando

uma normal reduzida fazendo '"0 n  n $  '

DN

nCn

DN

Combinaes Lineares: Seja X e Y variveis aleatrias normais. Ento

 Z +  +  tambm uma v.a. normal e
s"$  0s"$ + s"$ + *
G"$  07 G"$ + 7 G"$
Aproximao da distribuio binomial: Seja Z~j",
$ e C 

Ento C~S";, %$ 
- 5 
"% . -$ 5

D
-

-"-D%$

Aproximao da distribuio de Poisson: Seja Z~l"$ e C 

Ento C~S";, %$  5

D

4.3 DISTRIBUIO EXPONENCIAL

Uma v.a. que representa o comprimento de um intervalo at que ocorra
o primeiro evento em um processo de Poisson com mdia > 0 tem uma
distribuio exponencial.
"I$  DI , I q ;
s"$ 

/"I$  % . D I

G"$ 

Obs.: deduzida a partir da distribuio de Poisson.

Propriedade da Falta de Memria: '" + 1| $  '" 1$

4.4 DISTRIBUIO DE ERLANG

5 DISTRIBUIES DE PROBABILIDADE CONJUNTAS

Uma v.a. que representa o comprimento de um intervalo at que

ocorram r eventos em um processo de Poisson com mdia > 0 tem
uma distribuio de Erlang.
"I$ 

ID% DI

, I q ; ,  %, 7,
" . %$!

s"$ 
G"$  7

5.1 FUNO DE PROBABILIDADE CONJUNTA

A funo de probabilidade conjunta de duas V.A.s discretas X e Y,
denotada por L "|, $ satisfaz as seguintes condies:
 "I, x$ q ;

 "I, x$  %

Obs.: deduzida a partir da distribuio de Poisson. uma generalizao

da distribuio exponencial.

Onde denota o conjunto de todos os pontos da imagem de "Z, $

4.5 DISTRIBUIO GAMA

a generalizao da distribuio de Erlang para 

"I$ 

s"$ 

ID% DI
, I q ; ,  %, 7,
"$

G"$ 

Onde "$  DW  D  a funo gama.

'"  I,  x$   "I, x$

4.6 DISTRIBUIO DE WEIBULL

I
I D% DI

/"$  % . D
,I q ;

%
7
%
s"$  % +
G"$  7 % + + 7 7 % +

"I$ 

> 0 o parmetro de forma e > 0 o parmetro de escala.

Para = 1 a distribuio de Weibull torna-se idntica a exponencial.

5.2 FUNO DE PROBABILIDADE MARGINAL

Sejam X e Y duas V.A.s discretas com funo de probabilidade conjunta
L "|, $. Ento a funo de probabilidade marginal de X :
 "I$  '"  I$   "I, x$
FI

Onde | denota o conjunto de todos os pontos da imagem de "Z, $

onde Z  |.

Esperana Marginal:

s"$    I "I$  I "I, x$

I

Varincia Marginal:

G"$  E 7  "I .  $7  "I$  I7  "I, x$ .  7

I

5.3 FUNO DE PROBABILIDADE CONDICIONAL

5.5 FUNO DENSIDADE DE PROB. MARGINAL

Sejam X e Y duas V.A.s discretas com funo de probabilidade conjunta

L "|, $. Ento a funo de probabilidade condicional de Y dado X = x :

Sejam X e Y duas V.A.s contnuas com funo densidade de

probabilidade conjunta L "|, $. Ento a funo densidade de
probabilidade marginal de X :

Esperana Condicional:

Esperana Marginal:

|I "x$ 

 "I, x$
,
 L "|$ 0
 "I$

s"|I$  |I  x|I "x$

FI

Varincia Condicional:

G"|I$  E|I 7  x . |I |I "x$  x7 |I "x$ . |I 7

FI

FI

 "I$   "I, x$6x

s"$    I "I$6I  I "I, x$ 6I 6x

Varincia Marginal:

G"$  E 7  "I .  $7  "I$6I  I7  "I, x$ 6I 6x .  7

5.6 FUNO DENSIDADE DE PROB. CONDICIONAL

5.4 FUNO DENSIDADE DE PROB. CONJUNTA
A funo densidade de probabilidade conjunta de duas V.A.s contnuas X
e Y, denotada por L "|, $ satisfaz as seguintes condies:
 "I, x$ q ;

 "I, x$ 6I 6x  %

'K", $ FQ   "I, x$ 6I 6x
F

Sejam X e Y duas V.A.s contnuas com funo densidade de

probabilidade conjunta L "|, $. Ento a funo densidade de
probabilidade condicional de Y dado X = x :
|I "x$ 
Esperana Condicional:

 "I, x$
,
 L "|$ 0
 "I$

s"|I$  |I  x|I "x$6x

Varincia Condicional:

G"|I$  E|I 7  x . |I |I "x$6x  x7 |I "x$6x . |I 7

5.7 INDEPENDNCIA

5.10 COMBINAO LINEAR DE VARIVEIS ALEATRIAS

Se duas V.A.s X e Y so independentes, as seguintes afirmaes so

vlidas e equivalentes para todo par "|, $ :
 "I, x$   "I$ "x$

|I "x$   "x$,

 L "|$ 0

|I "x$   "x$,

 L "|$ 0

'K", $ FQ  '" F$'" F$

5.8 COVARINCIA
Mede o relacionamento linear entre duas V.A.s.

*@", $  E  sK" .  $" .  $Q  s"$ .  

Se E 0 a relao positiva, isto , X cresce quando Y cresce e X cai

quando Y cai, e vice-versa.
Se E 0 a relao negativa, isto , X cresce quando Y cai e X cai
quando Y cresce, e vice-versa.
Se E  ; no h relao linear entre as variveis.
Se X e Y so independentes ento: E  ;

Obs.: s"$  Ix  "I, x$ 6I 6x

Seja  W ZW + { Z{ + + V ZV . Ento:

s"$  *% s"% $ + *7 s"7 $ + + *
s"
$

G"$  *% 7 G"% $ + *7 7 G"7 $ + + *
7 G"
$ + * * *@" ,  $



6 FUNES DE VARIVEIS ALEATRIAS

Teorema 1: Seja X uma V.A. discreta com distribuio de prob. L "|$. Seja
 "$ a distribuio de prob. de uma V.A. definida por  ?"Z$, onde h
uma transformao inversvel. Ento:
 "x$   2D% "x$
Teorema 2: Idem ao teorema 1 para vetores aleatrios.

Teorema 3 (Mtodo Jacobiano): Seja Z um vetor aleatrio contnuo com

f.d.p. conjunta L "|$. Seja  "$ a f.d.p. de um vetor aleatrio definido
 ?"Z$, onde h uma transformao inversvel. Ento:
por
$   2D% "x
$. || , @
6 @ 0*@0
@
 "x




Mtodo Bsico: ???

/ "x$  '" n x$  '"2"$ n x$  / "x$

5.9 CORRELAO

Desigualdade de Chebychev:
uma padronizao da covarincia.
 

*@", $

G"$G"$

E
E E

, .% n  n %

'"| . | z$ n

%
*7

7 INFERNCIA ESTATSTICA
Amostra Aleatria (AA): um conjunto de n variveis independentes
"ZW , Z{ , , ZV $ que possuem mesma distribuio de probabilidades.

Estimador : uma funo dos dados amostrais:

 "|W , |{ , , |V $

Um estimador dito no-tendencioso quando s
. chamado tendncia do estimador.
O valor s
Estimativa: um valor assumido pelo estimador.
Estimadores Amostrais:
: ZU

: [ {

4 l: [ l
:


"c$
"[$

7.1 DISTRIBUIES AMOSTRAIS DOS PRINCIPAIS

ESTIMADORES
Teorema Central do Limite:
Para uma populao normalmente distribuda, a distribuio das mdias
ter formato aproximadamente normal, independente do tamanho da
amostra.
Para toda e qualquer populao, a distribuio amostral das mdias
tender distribuio normal, desde que a amostra seja suficientemente
grande " q 30$.

Mdia Amostral "E7 *@
2*6@$:

Pelo teorema central do limite, para
q B;, temos:
 .
E7

 ~S , C 

~S";, %$


E/

Mdia Amostral "E7 6*@
2*6@$:

Para amostras pequenas "
30$ temos:
 .


~1T1Y6
1"
. %$
T/

Obs.: Se  q 30 mesmo com z { desconhecido utiliza-se a distribuio
normal.

Varincia:

7 

Proporo:

"
. %$T7
~ 7
D% "*2Y0606@ *@H
. % . . $
E7

 ~S -,
-

-"% . -$
, -00
- q
"% . -$ q

7.2 MTODO DA MXIMA VEROSSIMILHANA

Seja X uma V.A. com distribuio de probabilidade "|, $, onde o

nico parmetro desconhecido. Sejam |W , |{ , , |V os valores
observados de uma A.A. de tamanho n. Ento a funo de
verossimilhana da amostra dada por:
("$  "I% , $. "I7 , $ "I
, $
O estimador de mxima verossimilhana de aquele que torna mxima
esta funo.

7.3 INTERVALOS DE CONFIANA (IC)

Proporo:

Onde "1 . $ conhecido como nvel de confiana e chamado nvel

de significncia. Observar que necessrio saber a distribuio de
probabilidade do estimador .

A ANLISE COMBINATRIA

um intervalo VP tal que:


TY-  "% . $
'

Mdia Populacional "E7 *@
2*6@$:

E
E
 . /7
 + /7
' 
y
 "% . $




Onde 'C /7  /7, C~S";, %$
O valor s  /7

conhecido como margem de erro e permite

calcular o tamanho da amostra pela frmula:

/7 7 T7


s7

'

"
. %$T7

7/7,

D%

E7

"
. %$T7

7%D/7,

D%

Permutao de n elementos: '

!

Combinao de k elementos em n:



!
 ^


! "
. $!
Permutao com repetio:

'
%,
7,,



Permutao Catica:

Mdia Populacional "E7 6*@
2*6@$:

T
T
 + 1/7
 . 1/7
y
 "% . $
' 




Onde ' 1/7  /7, ~1T1Y6
1"
. %$
Obs.: Para  q 30 usa-se a distribuio normal.
Varincia:

 "% . $
 "% . $
 . /7
 + /7
'
 "% . $

 "% . $

Onde ' 7 7/7  /7, ' 7 7%D/7  /7

Obs.: Lembrar que a distr. 7 no centrada em zero como a normal.

!


% ,
7 , ,


% !
7 !
!

'*01*0 
!

".%$
; !