LICENCIATURA: CONTABILIDADE E ADMINISTRAÇÃO

UC: ESTATÍSTICA
FORMULÁRIO
_______________________________________________________________________________________
PROBABILIDADE: acontecimentos A e B (A, B   ) Propriedades:
P(A̅ ) = 1 − P(A)
P:  → IR , tal que P(A)  0
A ⟼ P(A) P() = 1 P() = 0
A  B =   P(A  B) = P(A) + P(B) P(A  B ̅) = P(A) − P(A  B)
P(A  B) = P(A) + P(B) − P(A  B)
P(A  B) A  B  P(A)  P(B)
Probabilidade Condicionada: P(A | B) = , P(B)  0 0  P(A)  1
P(B)

Regra da Multiplicação das Probabilidades: P(A  B) = P(A)  P(B | A) = P(B)  P(A | B)

P(A  B) = P(A)  P(B | A) = P(B)  P(A | B)
Sejam {A1, A2, …, Am}, =  e Ai  Aj = (i, j = 1, 2, ..., m ; i  j, com P(Ai)  0. Então,

Teorema da Probabilidade Total: P(B) = =

Teorema de Bayes: P(Ai | B) = , P(B)  0, i = 1, 2, …, m

Independência de acontecimentos:
A e B independentes  P(A  B) = P(A)  P(B) ; A e B independentes  P(A
̅  B) = P(A
̅ )  P(B)
P(A  B
̅) = P(A)  P(B̅)
̅B
P(A ̅) = P(A
̅ )  P(B
̅)

VARIÁVEL ALEATÓRIA
v.a. X discreta: X = {x  IR : x = x1 , x2 , …, xn },
com função probabilidade (f.p.) P(X = xi)  0, i = 1, 2, …, n, em que =1
v.a. X contínua: X = {x : x  I, I  IR},
com função densidade de probabilidade (f.d.p.) f (x)  0,  x  IR, em que =1

Função de distribuição (f.d.) de X: F(x) = P(X  x) = P(X  ]− , x])

Valor Esperado (média) de X →  = E(X) Variância de X →  2 = Var(X) = E(𝑿2 ) −  2

Propriedades: Propriedades:
E(c) = c, c  IR Var(c) = 0, c  IR
E(X  Y) = E(X)  E(Y), X e Y v.sa.s Var(cX) = c 2 Var(X), c, d  IR
E(X  d) = E(X)  d, c, d  IR Var(X  Y) = Var(X) + Var(Y) , X e Y v.sa.s independentes
E(X  Y) = E(X)  E(Y), X e Y v.sa.s independentes Var(X  d) = Var(X), c, d  IR
Desvio padrão de X →  = √ 2
Quantil de ordem  de X (0    1) → q 
Coeficiente de variação de X → CV =

X v.a. discreta: q é o menor valor de X tal que P(X  q )  
X v.a. contínua: q é o valor de X tal que P(X  q ) = F(q ) = 
amplitude inter-quartis: AIQ = q0.75 − q0.25

Moda principal de X → 
X v.a. discreta:  é o valor de X tal que P(X = ) é máximo absoluto da f.p.
X v.a. contínua:  é o valor de X tal que f (x)  f (),  x  Df.d.p.

1
 LICENCIATURA: CONTABILIDADE E ADMINISTRAÇÃO
UC: ESTATÍSTICA
FORMULÁRIO
_______________________________________________________________________________________
VARIÁVEIS ALEATÓRIAS DISCRETAS E DISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÃO UNIFORME DISCRETA
1 n 1 n
v.a. X = {x  IR : x = x1 , x2 , …, xi , …, xn } ;  = 
n i =1
xi ;  2 =  xi2 −  2
n i =1
1 i
f.p.: P(X = xi) = , i = 1, 2, …, n ; f.d.: F(xi) = P(X  xi) = , i = 1, 2, …, n
n n

DISTRIBUIÇÃO BINOMIAL
v.a. X – “n.º de sucessos, em n provas de Bernoulli independentes”, x = 0, 1, 2, ..., n
X  B(n, ), n  IN e  = P(ocorrer 1 sucesso, em 1 prova de Bernoulli) (0    1) ;  = n ;  2 = n (1 −  )
f.p.: P(X = x) = Cxn  x (1 −  )n − x, x = 0, 1, 2, ..., n
k k
Xi  B(ni , ), i = 1, 2, ..., k, e independentes  X = X
i =1
i  B(n, ), em que n =  ni
i =1

Distribuição de Bernoulli
v.a. X – “n.º de sucessos, em 1 prova de Bernoulli”, x = 0, 1
X  B(1, ), 0    1 ;  =  ;  2 =  (1 −  ) ; f.p.: P(X = x) = x (1 −  )1 − x, x = 0, 1
n
Xi  B(1, ), i = 1, 2, ..., n, e independentes  X =  X i  B(n, )
i =1

DISTRIBUIÇÃO BINOMIAL NEGATIVA

v.a. X – “n.º de provas de Bernoulli independentes efetuadas até a ocorrência de r sucessos”, x = r, r+ 1, r+ 2, ...
r r (1 −  )
X  BN(r ; ), r  IN e  = P(ocorrer 1 sucesso, em 1 prova de Bernoulli) (0    1) ;  = ; 2 =
 2
f.p.: P(X = x) = Crx−−11 (1 −  )x − r  r , x = r, r + 1, r + 2, ...
k k
Xi  BN(ri ; ), i = 1, 2, ..., k, e independentes  X =  X i  BN(r ; ), em que r =  ri
i =1 i =1

Distribuição Geométrica
v.a. X – “n.º de provas de Bernoulli independentes efetuadas até a ocorrência de 1 sucesso”, x = 1, 2, 3, ...
1 1−
X  G( )  X  BN(1; ), 0    1 ;  = ;  2 = 2
 
f.p.: P(X = x) = (1 −  )x − 1
 , x = 1, 2, 3, ... ; f.d.: F(x) = P(X  x) = 1 − (1 −  )x, x = 1, 2, 3, ...

X  G( )  P(X  x + k | X  x) = P(X  k), k  IN

k
Xi  G( ), i = 1, 2, ..., k, e independentes  X =  X i  BN(k ; )
i =1

DISTRIBUIÇÃO HIPERGEOMÉTRICA
v.a. X – “n.º de sucessos, em n provas de Bernoulli dependentes”, max(0, n − (N − M))  x  min(n, M)
(1 sucesso = extração de um elemento com a característica que é comum a M elementos de uma população inicial com
N elementos)
M M  M N−n
X  H(N, M, n), N, M  IN e n  IN0 ;  = n  ;  2 = n  1 −  
N N  N  N −1
N−M
C C
M
f.p.: P(X = x) = x N n − x , max(0, n − (N − M))  x  min(n, M)
Cn
M
X  H(N, M, n) e n  0.1N  X ~̇ B(n, ), em que  =
N
2
 LICENCIATURA: CONTABILIDADE E ADMINISTRAÇÃO
UC: ESTATÍSTICA
FORMULÁRIO
_______________________________________________________________________________________
DISTRIBUIÇÃO DE POISSON
v.a. X – “n.º de ocorrências de um acontecimento, num intervalo de tempo ou de espaço”, x = 0, 1, 2, ...
x
X  Po(),   0 ;  =  ;  2 =  ; f.p.: P(X = x) = e −   , x = 0, 1, 2, ...
x!
k k
Xi  Po(i), i = 1, 2, ..., k, e independentes  X =  X i  Po(), em que  =  i
i =1 i =1

Lei dos acontecimentos raros:

v.a. X – “n.º de sucessos, em n provas de Bernoulli independentes”, x = 0, 1, 2, ..., n
X  B(n, ), n  30 e (  0.1 ou   0.9)    0.1: X ~̇ Po(X ), em que X = n
  0.9: Y = n − X ~̇ Po(Y ), em que Y = n (1 −  )
(v.a. Y – “n.º de insucessos, em n provas de Bernoulli independentes”, y = 0, 1, 2, ..., n)

VARIÁVEIS ALEATÓRIAS CONTÍNUAS E DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÃO UNIFORME CONTÍNUA

+ ( −  )2
X  U(,  ),  e   IR ;  = ; 2 =
2 12
x −
f.d.: F(x) = P(X  x) = ,   x 
 −

X  U(,  ),  e   IR  Y = aX + b  U( *,  *), em que  * = a + b e  * = a + b (a  0 e b  IR)

DISTRIBUIÇÃO NORMAL
X −
X  N( ,  ),   IR e   IR+  Z =  N(0, 1)


X  N( ,  ) e k  IR  Y = kX  N( Y ,  Y), em que  Y = k e  Y = |k|

k k k
Xi  N( i ,  i), i = 1, 2, …, k, e independentes  X =  X i  N( X ,  X), em que  X =  i e  X =  i
2

i =1 i =1 i =1

k
Xi  N( , ), i = 1, 2, …, k, e independentes  X =  X i  N( X ,  X), em que  X = k e  X =  √k
i =1

DISTRIBUIÇÃO EXPONENCIAL
1 1
X  Ex( ),   0 ;  = ;  2 = 2 ; f.d.: F(x) = P(X  x) = 1 − e− x, x  0
 

X  Ex( )  P(X  x + k | X  x) = P(X  k), k  IR+

Y ~ Po( ), em que v.a. Y – “n.º de ocorrências de um acontecimento, num período de t unidades de tempo (ou de
espaço)”, y = 0, 1, 2, ...  X ~ Ex( ), em que v.a. X – “tempo (ou espaço) que decorre, em períodos de t unidades
de tempo (ou de espaço), entre a ocorrência de dois acontecimentos consecutivos”, x  0
3
 LICENCIATURA: CONTABILIDADE E ADMINISTRAÇÃO
UC: ESTATÍSTICA
FORMULÁRIO
_______________________________________________________________________________________
DISTRIBUIÇÃO GAMA

 
X  Ga( ,  ),   0 e   0 ;  = ; 2 = 2
 

 −1
( x )k
X  Ga( ,  ),   IN e   0  f.d.: F(x) = P(X  x) = 1 − e− x  ,x0
k =0 k!

X  Ga( ,  ) e k  IR+  Y = kX  Ga( , Y), em que Y =
k
k k
Xi  Ga( i ,  ), i = 1, 2, …, k, e independentes  X =  X i  Ga(,  ), em que  =   i
i =1 i =1

X  Ga(1,  )  X  Ex( )
k
Xi  Ex( ), i = 1, 2, …, k, e independentes  X =  X i  Ga(k,  )
i =1

Y ~ Po( ), em que v.a. Y – “n.º de ocorrências de um acontecimento, num período de t unidades de tempo (ou de
espaço)”, y = 0, 1, 2, ...  X  Ga( ,  ), em que v.a. X – “tempo (ou espaço) que decorre, em períodos de t unidades
de tempo (ou de espaço), entre a ocorrência de k acontecimentos consecutivos”, x  0

TEOREMA DO LIMITE CENTRAL (T.L.C.)

Xi , i = 1, 2, …, n (n → +), v.sa.s i.i.d. com média  e variância  2 comuns 
n
X =  X i ~̇ N( X ,  X), em que  X = n e  X =  √n
i =1

Casos particulares de aplicação do T.L.C.:

(1) X  B(n, ), n  30 e [(0.1    0.9) ou (  0.1 e n  20) ou (  0.9 e n(1− )  20)] 
X ~̇ N( X ,  X), em que  X = n e  X = √n (1 −  )

r r (1 −  )
(2) X  BN(r ; ), r  30  X ~̇ N( X ,  X), em que  X = e X =
 

(3) X  Po( ),   20  X ~̇ N( X ,  X), em que  X =  e  X = √

 
(4) X  Ga( ,  ),   30  X ~̇ N( X ,  X), em que  X = e X =
 

Correção de continuidade
n
Xi , i = 1, 2, …, n (n → +), v.sa.s i.i.d. discretas e X =  X i v.a.. discreta que assume valores que distam, entre si,
i =1

1 unidade: P(X = a) = P(a − 0.5  X  a + 0.5)

P(X  a) = P(X  a + 0.5), a  IR

4
 LICENCIATURA: CONTABILIDADE E ADMINISTRAÇÃO
UC: ESTATÍSTICA
FORMULÁRIO
_______________________________________________________________________________________
ESTATÍSTICA DESCRITIVA
Dados brutos qualitativos ou quantitativos → x1 , x2 , …, xn (amostra de tamanho n)
Dados brutos qualitativos ordinais ou quantitativos ordenados → x(1) , x(2) , …, x(n) , em que x(1)  x(2)  …  x(n)
Dados tabelados:
Categoria
Dados quantitativos contínuos: classes (intervalos frequência
Dados qualitativos: nomes frequência
l + l relativa
Dados quantitativos discretos: de n.os reais) ]lj −1 , lj] → xj = j − 1 j absoluta Fj
n.os reais pontuais
2 Fj fj =
(respetivo ponto médio) n
x1 ]l0 , l1] → x1 F1 f1
x2 ]l1 , l2] → x2 F2 f2
… … … … …
xk ]lk −1 , lk] → xk Fk fk
n 1
j j
Frequência absoluta (relativa) acumulada até à categoria Cj : Fi =1
i , j = 1, 2, …, k (  f i , j = 1, 2, …, k)
i =1

Medidas de localização
(1) Moda principal – mo
Dados brutos qualitativos e quantitativos: mo = categoria que mais se repete no conjunto observado
Dados tabelados qualitativos e quantitativos discretos: mo = categoria com maior frequência absoluta
1
Dados quantitativos contínuos tabelados: mo = linf + a , com  1 = hm − hm − 1 e  2 = hm − hm + 1, em que
1 +  2
a = amplitude da classe modal ]linf, lsup] (classe de maior altura do histograma)
hm = altura do retângulo correspondente à classe modal
hm−1, hm+1 = alturas dos retângulos correspondentes, respetivamente, às classes anterior e posterior à classe modal

(2) Quantil de ordem  (0    1) – q

 x( n ) , n inteiro
Dados qualitativos ordinais brutos e tabelados: q = 
 x(  n  +1) , n não inteiro

 x( n ) + x( n + 1)
 , n inteiro
Dados quantitativos brutos e Dados quantitativos discretos tabelados: q =  2
(nota.  k  = parte inteira no número k) x , n não inteiro
 (  n  + 1)

n −  j =1 F j
inf

Dados quantitativos contínuos tabelados: q = linf + a , em que

Fsup
a = amplitude da classe quantil ]linf, lsup] (classe que tem, pelo menos, n observações)
Fsup = frequência absoluta da classe quantil
 F j = frequência absoluta acumulada da classe anterior à classe quantil
inf
j =1

(3) Média amostral – x̅

Dados quantitativos brutos Dados quantitativos tabelados
1 n 1 k k
x =  xj x=  j jx F  x =  xj f j
n j =1 n j =1 j =1

5
 LICENCIATURA: CONTABILIDADE E ADMINISTRAÇÃO
UC: ESTATÍSTICA
FORMULÁRIO
_______________________________________________________________________________________
Medidas de dispersão
(1) Amplitude total – At
Dados quantitativos brutos: At = x(n) − x(1)
Dados quantitativos discretos tabelados: At = xk − x1
Dados quantitativos contínuos tabelados: At = lk − l0

(2) Amplitude inter-quartis – AIQ

Dados qualitativos ordinais brutos e tabelados: intervalo inter-quartis de q0.25 a q0.75
Dados quantitativos: AIQ = q0.75 − q0.25

(3) Variância amostral corrigida – s  2 → Desvio padrão amostral corrigido – s  = s  2

Dados quantitativos brutos Dados quantitativos tabelados

1  n 2  1  k 2  n  k 2 
1 n
(
 xj − x )   xj − n x    x j F j − n x   s =   xj f j − x 
2
s 2 =  s2 = 2
s2 = 2 2 2

n − 1 j =1 n − 1  j =1  n − 1  j =1  n − 1  j =1 

Variância amostral – s 2 → Desvio padrão amostral – s = s 2 (n  30) obs.: n s 2 = (n − 1) s 2

Dados quantitativos brutos Dados quantitativos tabelados

( ) 1 k 2 k
1 n 1 n 2
 xj − x   x j F j − x 2  s 2 =  x 2j f j − x 2
2
s2 =  s2 = xj − x2 s2 =
n j =1 n j =1 n j =1 j =1

s s
(4) Coeficiente de variação corrigido – CV  = , x̅  0 (coeficiente de variação – CV = , x̅  0)
x x

Momentos empíricos de ordem r – mr , r  IN

Dados quantitativos brutos Dados quantitativos tabelados

k
1 n r 1 k r
m r =  xj
n j =1
m r = 
n j =1
x j F j  mr =  x rj f j
j =1

m3
Coeficiente de assimetria (avaliada em torno da média amostral) – g 1 = , em que m3 = m3 − 3 m1 m2 + 2 m1 3
s 3

Diagrama de extremos e quartis: (dados quantitativos brutos e dados quantitativos discretos tabelados)

Caixa com bigodes: : (dados quantitativos brutos e dados quantitativos discretos tabelados)
barreira interna externa
inferior q0.25 − 1.5  AIQ q0.25 − 3  AIQ
superior q0.75 + 1.5  AIQ q0.75 + 3  AIQ