Formulário – Estatística (Lic.

Finanças Empresariais)

Números Índices
𝑥𝑡 𝑥𝑡 − 𝑥0 1⁄𝑡
𝑖𝑡|0 = × 100 , 𝑐𝑜𝑚 𝑥𝑡 , 𝑥0 > 0 ; 𝛿𝑡|0 = ; 𝛿𝑡|0 = 𝑖𝑡|0 − 1 ; 𝑟𝑡|0 = (𝑖𝑡|0 ) − 1
𝑥0 𝑥0

∑ 𝑝𝑡𝑘 𝑞0𝑘 ∑ 𝑝0𝑘 𝑞𝑡𝑘 ∑ 𝑝𝑡𝑘 𝑞𝑡𝑘 ∑ 𝑝𝑡𝑘 𝑞𝑡𝑘

𝐼𝑃𝐿𝑡|0 = ; 𝐼𝑄𝐿𝑡|0 = ; 𝐼𝑃𝑃𝑡|0 = ; 𝐼𝑄𝑃𝑡|0 = ;
∑ 𝑝0𝑘 𝑞0𝑘 ∑ 𝑝0𝑘 𝑞0𝑘 ∑ 𝑝0𝑘 𝑞𝑡𝑘 ∑ 𝑝𝑡𝑘 𝑞0𝑘

𝐼𝑃𝐹𝑡|0 = √𝐼𝑃𝐿𝑡|0 . 𝐼𝑃𝑃𝑡|0 ; 𝐼𝑄𝐹𝑡|0 = √𝐼𝑄𝐿𝑡|0 . 𝐼𝑄𝑃𝑡|0

Teoria da Probabilidade
𝑃(𝐴 ∩ 𝐵)
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝𝐞 𝐜𝐨𝐧𝐝𝐢𝐜𝐢𝐨𝐧𝐚𝐝𝐚: 𝑃(𝐴|𝐵) = , com 𝑃(𝐵) > 0
𝑃(𝐵)

Teorema da Probabilidade Total e Teorema de Bayes:

𝑛
𝑃(𝐴𝑖 )𝑃(𝐵|𝐴𝑖 )
𝑃(𝐵) = ∑ 𝑃(𝐴𝑖 ) 𝑃(𝐵|𝐴𝑖 ) 𝑃(𝐴𝑖 |𝐵) = 𝑛 , 𝑖 = 1, 2, … , 𝑛
∑𝑖=1 𝑃(𝐴𝑖 ) 𝑃(𝐵|𝐴𝑖 )
𝑖=1
Variáveis Aleatórias: Parâmetros
𝐕𝐚𝐥𝐨𝐫 𝐄𝐬𝐩𝐞𝐫𝐚𝐝𝐨: 𝜇 = 𝐸(𝑋) = ∑ 𝑥𝑖 𝑓(𝑥𝑖 ) ; 𝜇 = 𝐸(𝑋) = ∫ 𝑥𝑓(𝑥)𝑑𝑥
𝑖
𝐕𝐚𝐫𝐢â𝐧𝐜𝐢𝐚: 𝜎 2 = Var(𝑋) = E[(𝑋 − 𝜇)2 ] = E(𝑋 2 ) − 𝜇 2 = E(𝑋 2 ) − 𝐸 2 (𝑋)
Par Aleatório (𝑿, 𝒀) Discreto
Função massa de probabilidade conjunta: 𝑓𝑋,𝑌 (𝑥, 𝑦) = 𝑃(𝑋 = 𝑥𝑖 , 𝑌 = 𝑦𝑗 ) = 𝑝𝑖𝑗 , com 𝑝𝑖 = ∑𝑗 𝑝𝑖𝑗 e 𝑝𝑗 = ∑𝑖 𝑝𝑖𝑗

Parâmetros:
𝐸[𝑔(𝑋, 𝑌)] = ∑𝑖 ∑𝑗 𝑔(𝑥𝑖 , 𝑦𝑗 ) 𝑃(𝑋 = 𝑥𝑖 , 𝑌 = 𝑦𝑗 ); 𝑐𝑜𝑣(𝑋, 𝑌) = 𝐸[(𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 )] = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌)

𝑉(𝑋 ± 𝑌) = 𝑉(𝑋) + 𝑉(𝑌) ± 2𝑐𝑜𝑣(𝑋, 𝑌); 𝑐𝑜𝑣(𝑎 + 𝑏𝑋, 𝑐 + 𝑑𝑌) = 𝑏𝑑𝑐𝑜𝑣(𝑋, 𝑌), com 𝑎, 𝑏, 𝑐 e 𝑑 constantes reais
𝑐𝑜𝑣(𝑋,𝑌) 𝑐𝑜𝑣(𝑋,𝑌)
𝜌= = 𝜎𝑋 𝜎𝑌
, 𝜎𝑋 ≠ 0, 𝜎𝑌 ≠ 0
√𝑉(𝑋)𝑉(𝑌)
Modelos Probabilísticos Discretos
Distribuição Binomial
𝑛
𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(𝑛 , 𝑝) ; 𝑃(𝑋 = 𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 , 𝑥 = 0, 1, … , 𝑛 ; 𝐸(𝑋) = 𝑛𝑝 ; 𝑉(𝑋) = 𝑛𝑝𝑞 ; 𝑞 = 1 − 𝑝
𝑥

Distribuição Hipergeométrica
𝑀
𝑋~𝐻𝑖𝑝𝑒𝑟𝑔𝑒𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎(𝑁 , 𝑀, 𝑛) ; 𝑝 = ; 𝑞 =1−𝑝
𝑁
𝑀 𝑁−𝑀
( )( )
𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥 , 𝑚𝑎𝑥(0 , 𝑀 + 𝑛 − 𝑁) ≤ 𝑥 ≤ 𝑚𝑖𝑛(𝑀 , 𝑛) ; 𝐸(𝑋) = 𝑛𝑝 ; 𝑉(𝑋) = 𝑛𝑝𝑞 𝑁 − 𝑛
𝑁 𝑁−1
( )
𝑛

Distribuição Geométrica
1 1−𝑝
𝑋~𝐺𝑒𝑜𝑚é𝑡𝑟𝑖𝑐𝑎(𝑝) , 0 ≤ 𝑝 ≤ 1 ; 𝑃(𝑋 = 𝑥) = 𝑝(1 − 𝑝) 𝑥−1 , 𝑥 = 1, 2, … ; 𝐸(𝑋) = ; 𝑉(𝑋) =
𝑝 𝑝2
0 , 𝑥<1
𝐹(𝑥) = {
1 − (1 − 𝑝)𝑘 , 𝑘 ≤ 𝑥 < 𝑘 + 1 (𝑘 = 1,2, … )

Distribuição de Poisson
𝑒 −𝜆 𝜆𝑥
𝑋~𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆) , 𝜆 > 0 ; 𝑃(𝑋 = 𝑥) = , 𝑥 = 0, 1, 2, … ; 𝐸(𝑋) = 𝑉(𝑋) = 𝜆
𝑥!

Estatística– (Licenciatura em FE) 1

 Modelos Probabilísticos Contínuos
Distribuição Uniforme
0 , 𝑥<𝑎
𝑥−𝑎 𝑎+𝑏 (𝑏 − 𝑎)2
𝑋~𝑈𝑛𝑖𝑓𝑜𝑟𝑚𝑒(𝑎 , 𝑏) ; 𝑎, 𝑏 ∈ ℝ (𝑎 < 𝑏) ; 𝐹(𝑥) = { , 𝑎 ≤ 𝑥 < 𝑏 ; 𝐸(𝑋) = ; 𝑉(𝑋) =
𝑏−𝑎 2 12
1 , 𝑥≥𝑏

Distribuição Exponencial
0 , 𝑥≤0 1 1
𝑋~𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙(𝜆) , 𝜆 > 0 ; 𝐹(𝑥) = { ; 𝐸(𝑋) = ; 𝑉(𝑋) = 2
1 − 𝑒 −𝜆𝑥 , 𝑥>0 𝜆 𝜆

Distribuição Normal
𝑋~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇 , 𝜎) , 𝜇 ∈ ℝ , 𝜎 > 0 ; 𝐸(𝑋) = 𝜇 ; 𝑉(𝑋) = 𝜎 2
𝑋−𝜇
𝑍= ~𝑁𝑜𝑟𝑚𝑎𝑙(0 , 1) ; 𝐸(𝑍) = 0 ; 𝑉(𝑍) = 1 ; Φ(𝑧) = 𝑃(𝑍 ≤ 𝑧) ; Φ(−𝑧) = 1 − Φ(𝑧)
𝜎

Estatística– (Licenciatura em FE) 2