Escolar Documentos
Profissional Documentos
Cultura Documentos
1. ESTATÍSTICA
1.3 Médias 10
1.5 Moda 16
1.8 Probabilidade 22
1.13 Amostragem 31
1.14 Estimadores 32
1. ESTATÍSTICA
de frequências
ℎ = #"#$ − #%&'
EXEMPLO
AMPLITUDE TOTAL
Altura dos alunos de uma escola = ELEMENTOS=
Classes = A diferença entre o maior e o menor
número do conjunto inteiro (elemento)
ALTURA FREQUÊNCIA (!! ) PONTO MÉDIO ("! )
150 + 154 04 152 PONTO MÉDIO DE UMA CLASSE (!! )
154 + 158 09 Número de 156 = divide o intervalo em 2 partes iguais
158 + 162 11 ocorrências
160 (Média
limites da classe )
Aritmética dos
( )! = *
porcentagem )
(Normalmente em
FREQUÊNCIA RELATIVA SIMPLES FREQUÊNCIAS ACUMULADAS
= razão entre a frequência simples da Pode-se calcular por frequências absolutas ou relativas.
respectiva classe e a frequência total:
FREQUÊNCIA ACUMULADA CRESCENTE se decrescente, faz-se o
!" DENSIDADE DE FREQUÊNCIA mesmo procedimento,
!!" = = Razão entre a frequência + = )! 1. Copiar a freq. absoluta da 1ª classe de baixo para cima.
#
da classe e sua amplitude: ℎ 2. Para o cálculo da frequência seguinte: somar a
frequência acumulada anterior com a absoluta da
classe correspondente
EXEMPLO simples )
(Frequências
Altura dos alunos de uma escola ALTURA FREQUÊNCIA (fi) FREQ. ACUMULADA (fac)
ALTURA FREQUÊNCIA (fi) FREQUÊNCIA RELATIVA (Fri) 150 + 154 04 + 04
150 + 154 04 Absoluta 4/40 = 0.1 (10%) 154 + 158 09 13
simples
154 + 158 09 9/40 = 0.225 (22,5%) 158 + 162 11 + 24
158 + 162 11 11/40 = 0.275 (27,5%) 162 +166 08 32
162 +166 08 8/40 = 0.2 (20%) 166 + 170 05 37
166 + 170 05 5/40 = 0.125 (12,5%) 170 + 174 03 40
170 + 174 03 3/40 = 0.075 (7,5%) TOTAL: 40 (n) 40
TOTAL: 40 (n) 1.00 (100%) A freq. acumulada A frequência acumulada de uma classe,
da última classe =
total de elementos (n) indica o número de elementos menores
que seu limite superior
DIAGRAMA DE RAMOS E FOLHAS GRÁFICO DE SETORES (PIZZA)
Outra representação de dados em rol Útil para apresentar para mostrar divisão de um
ROL: 11 11 12 13 13 20 21 21 30 31 33 todo em partes
42 65 72 73 CIDADE NATAL x FREQUÊNCIA
40%
1 11233 30%
2 011
3 013
4 2
apresentação
6 5
7 23 30%
Cada setor circular é proporcional à respectiva
de dados
1ª coluna
dezena Unidades frequência
correspondentes
é possível encontrar o ângulo por
regra de três:
100% 360°
GRÁFICO DE COLUNAS OU BARRAS JUSTAPOSTAS
30% x
Para dados agrupados por valor ou atributo CIDADE NATAL X FREQUÊNCIA
Ex.: idade x frequência GOIÂNIA
12 BH
FREQUÊNCIA ABSOLUTA
10 SP
08 RJ
06
MANAUS
04
10 20 30 40 50
20 21 22 23 24 IDADE
GRÁFICO DE LINHAS
Usados na representação de séries temporais apresentação
IDADE
72
ESPERANÇA DE VIDA AO NASCER
de dados
70
68
66
64
HISTOGRAMAS
ANOS Usados para representar dados agrupados em classes
(dados contínuos)
1990 1995 2000 2005 2010 2015 Normalmente =
dados discretos )
(Normalmente = Área de cada retângulo é proporcional à frequência
40 08
30 06
20 04
10 02
NÚMERO DE SALÁRIO
FILHOS 0
01 02 03 04 05 [10,15] (15,20] (20,25] (25,30]
MÉDIA ARITMÉTICA SIMPLES
xA =
soma dos termos
médias
número de termos 5 termos (n)
(=alunos
total de
) CÁLCULO DO PONTO MÉDIO (xi)
∑ !! . )! limite inferior da classe + limite superior da classe
!̅ = x# =
∑ )! 2
150 + 154
6.846 Ex.: x$ = = 152
= !̅ = 34,23 K*LM 2
200
médias MÉDIA HARMÔNICA
*
O=
1 1 1
+ + ⋯+
!* !+ !,
= inverso da média aritmética dos inversos:
MÉDIA GEOMÉTRICA
(
Raiz n-ésima do produto dos termos n = número de
termos ) 1
+
1
+ ⋯ +
1 -*
! !+ !,
T= (
!* . !+ … !, O= *
* (alternativa
Fórmula
)
Ex.: média geométrica dos termos 3, 8, 9:
Se todos os número forem substituídos por H
M, a
3 termos (n) soma dos inversos dos termos será preservada
) )
T= 3 .8 .9 T= 216 n
soma dos inversos =
T=6 P
H
Se todos os números forem substituídos por Ex.: média harmônica dos termos 3, 4, 9:
G, o produto dos termos será preservado 3 3 termos (n)
O=
produto dos termos = G . G … G 1 1 1
3+ 4+ 9
n
3 3 108
DESIGUALDADE DAS MÉDIAS CAI MUITO! O= = =
12 + 9 + 4 25 25
Para uma sequência de números positivos 36 36
!̅ ≥ T ≥ O (Só números forem iguais )
é igual quando todos os O = 4,32
medidas
MEDIDAS SEPARATRIZES
separatrizes
= MEDIANA =
Dividem os dados em partes
É necessário que os dados estejam dispostos em ordem
crescente (ou decrescente)
Dispostos em “rol”
MEDIANA (Md)
= número que se encontra no centro de uma série de PROPRIEDADES
CAI MUITO!
números.
A mediana não é influenciada pelo valores
MEDIANA PARA DADOS NÃO-AGRUPADOS extremos do rol (depende da posição)
Somando-se (subtraindo-se) uma constante c
NÚMERO ÍMPAR DE TERMOS de todos os valores a mediana também
mediana
3, 4, 5, 7, 8, 9, 10, 12, 13 é somada/subtraída de c.
W. ′ = W. + F W. ′ = W. − F
4 elementos 4 elementos
++1 Multiplicando-se (dividindo-se) todos os
Mediana = termo de ordem 2 valores por uma constante c a mediana
NÚMERO PAR DE TERMOS também é multiplicada/dividida por c.
mediana = 8+9 = 8.5 (ponto médio)
2 W. ′ = W. . F W. ′ = W. : F
3, 4, 5, 7, 8, 9, 10, 12, 13, 15
A soma dos módulos dos desvios da
4 elementos 4 elementos
sequência de números xi em relação a um
Mediana = média aritmética entre o termo de número é mínima se em relação à
ordem n/2 e n/2 +1 mediana
MEDIANA PARA DADOS AGRUPADOS MEDIANAS PARA DADOS AGRUPADOS
SEM INTERVALOS DE CLASSE EM CLASSES
Ex.: notas de alunos em uma classe FREQÊNCIA
ALTURA FREQUÊNCIA (fi)
ACUMULADA (fac)
EXEMPLO 1: Número de alunos 40-50 2 2
FREQÊNCIA +
NOTAS FREQUÊNCIA (fi)
ACUMULADA (fac)
50-60 5 7 S&T&'(
P! 60-70 S! 7 +
2 2 2 14
+ 70-80 8
4 6 8 22
+ 80-90 3 25
6 10 18
8 12 TOTAL: 25 (n) 25
30
10 9 39
medidas 1º passo.: determinar a classe mediana
Encontrar a classe onde esteja
separatrizes
TOTAL: 39 (n) 39
a frequência acumulada n/2
Total = 39 (ímpar) Md= número na posição (n+1)/2 n/2 = 25/2 = 12,5
Ele está na classe de nota 8!
Md= 20º termo = MEDIANA = Está entre fac 7 e 14 logo,
Logo, Md = 8 classe mediana = 60 -70
EXEMPLO 2: 2º passo: aplicar a fórmula:
FREQÊNCIA +Q − S&T
NOTAS FREQUÊNCIA (fi) 2 &'()*!+*
ACUMULADA (fac) O% = P! + .ℎ
S!
2 2 2
4 6 + 8 DO EXEMPLO ,! Limite inferior
Total = 36 (par) 12,5 − 7 345/01 Frequência acumulada
6 10 + 18 -. = 60 + . 10 da classe anterior
Md= média entre n/2 e n/2+1 7 h Amplitude da classe 70 - 60
DECORE!
BOX PLOT
1. +Q4 − S&T&'(
V$ = P# + .ℎ Gráficos que usam os quartis para a
S!
representação de dados
2. +Q4 − S&T&'( Pode ser horizontal ou vertical
V, = P# + .ℎ Q1
S! Q2
Q3
outliers
3. +Q4 − S&T&'( ..
V- = P# + .ℎ mínimo máximo
S!
0 04 06 08 10 12 14 16
ASPECTOS GERAIS
= valor que aparece com maior frequência
moda
Um conjunto de valores pode ter mais de uma moda
Utilize apenas quando a questão pedir expressamente MODA PARA DADOS AGRUPADOS EM CLASSES
MODA PARA DADOS AGRUPADOS EM CLASSES MODA DE CZUBER
∆1 = S1 − S&'(
∆1
MODA BRUTA Classe com maior W/ = #! + .ℎ ∆2 = S1 − S2+3(
frequência ∆1 + ∆2
É o ponto médio da classe modal
)0 − )1,2 Alguns livros
Ex.: se a classe modal for: W/ = #! + .ℎ usam a
)0 − )1,2 + )0 − ))/32 fórmula assim
primeira: 7789 = 8
ALTURA FREQUÊNCIA ( fi ) última: 7:;<9 = 8
40-50 2 Limite inferior
MODA DE KING
66
50-60 5 Amplitude de classe
))/32
h W/ = #! + .ℎ
60-70 7 7789 Frequência da classe
)1,2 + ))/32
7789
7= classe anterior
66 70-80 8 modal Frequência da classe
7:;<9
posterior Essas fórmulas de Czuber e King só
80-90 3 7:;<9 podem ser aplicadas se as amplitudes
7= Frequência simples da
TOTAL: 25 (n) classe modal das classes (h) forem todas iguais
moda bruta = 75
ATENÇÃO!
medidas
ASPECTOS GERAIS
de dispersão
= Analisa o afastamento dos dados
Exemplos:
( Total,
Amplitudes interquartílica .... )
(
Desvios Quartílico, médio,
padrão... ) DESVIOS
Variância
= Diferença entre um número do conjunto (xi) em
Coeficiente de Variação relação a um número (m).
AMPLITUDE TOTAL +! = !! − N
SIMBOLOGIA:
VARIÂNCIA (Populacional) _ , : Variância populacional
= média aritmética dos quadrados dos desvios ` , : Variância amostral
∑ )! − )̅ , +
∑ |!! − !|̅ + `, = ` , = ) , − )̅ ,
.
]+ = +−1 +−1
* ] : Desvio padrão populacional
% : Desvio padrão amostral
+ +
Ou ] = !+ − !̅ ∑ )! − )̅ ,
`=
σ, = média dos quadrados − quadrado da média +−1
medidas
VARIÂNCIA E DESVIO PADRÃO
PROPRIEDADES
de dispersão
Somando-se (subtraindo-se) uma constante c de
todos os valores: a variância e o desvio padrão
não se alteram
Multiplicando-se (dividindo-se) todos os valores por
uma constante c:
O desvio padrão também é multiplicado
(dividido) por c
A variância é multiplicada (dividida) por c² COEFCIENTE DE VARIAÇÃO
] = Razão entre o desvio
VARIÂNCIA E DESVIO PADRÃO c9 = padrão e a média (É adimensional)
!̅
PARA DADOS AGRUPADOS
∑ !! − !̅ + . _7 Dá uma noção relativa da dispersão dos dados:
]+ = permite “ver” se o desvio padrão é relevante
* Deve-se multiplicar
cada resultado pela quando comparado à média dos dados
respectiva frequência
∑ !! − !̅ + . _7 C8 + = variância relativa
+
` =
*−1
PRINCÍPIO FUNDAMENTAL DA CONTAGEM COMBINAÇÃO SIMPLES
= princípio multiplicativo De quantas maneiras podemos formar
Em experimentos que ocorrem em várias etapas subconjuntos de p elementos a partir de um
sucessivas e independentes conjunto de n elementos ? A ordem(
não
dos elementos
importa )
b$ nº de possibilidades na 1ª etapa
=
nº de possibilidades na n-ésima etapa ) * *!
b' = c,? ) = c, = =
d d! * − d !
Número total de formas de o acontecimento ocorrer:
= d* . d+ . … d, (multiplicação)
PRINCÍPIO ADITIVO
Em experimentos que podem ser COMBINAÇÃO COM REPETIÇÃO
realizados de p modos ou q modos
Número total de formas de o análise De quantas maneiras podemos escolher p
elementos a partir de um conjunto com n
acontecimento ocorrer = p+q (soma)
PERMUTAÇÃO SIMPLES
combinatória (
variedades? Elementos de uma mesma variedade
)
ce, =
são considerados repetidos
*+d−1 !
)
n [⋂i A1 (= : ;! . : =<; )
* [⋂i
n is[ = n is[ = : ;! !
n [
C
* [
: =<;
n(g ∩ h): nº de elementos da interseção entre A e B " B (= : ;" . : =<; )
: ;" "
probabilidade= CONDICIONAL =
n [ ∩ i = n [ .n i CAI MUITO!
n [* . n is[
Eventos independentes: = a ocorrência do [ *
n *si =
evento A não influi na ocorrência de B n [* . n s[ + n [+ . n is[
i
* +
variáveis
aleatórias FUNÇÃO DE DISTRIBUIÇÃO
CONCEITO % ! = '() ≤ !)
= variável associada a uma distribuição de probabilidade
podem assumir diferentes valores (=assumir valores ≤ valor em questão )
Probabilidade de a variável aleatória
x
contínuas MÉDIA
a b
E
G
} ! = Ä !. ) ! +!
n K < ! < = Ä ) ! +! -E
1
} ! =d ] + = d (1 − d)
(Esperança) (Variância)
x
x1 x2 x3 x4 x5
distribuições
DISTRIBUIÇÃO GEOMÉTRICA
= há dois resultados possíveis (Sucesso
discretas
= DE PROBABILIDADE = DISTRIBUIÇÃO BINOMIAL
fracasso ) e
e
DISTRIBUIÇÃO HIPERGEOMÉTRICA
= probabilidade de, ao retirarmos, sem reposição, n
elementos de um conjunto de N elementos, saiam k
sucessos, de S sucessos presentes no conjunto. DISTRIBUIÇÃO DE POISSON DECORE!
(e n-s fracassos)
` à−` = distribuição binomial, em que p é muito pequeno
.
e n muito grande
n !=É = É *−É
à ( n→∞
p→0 ) +
] = * .d .Ü ( p→0,
q→1 )
*
} ! = á = *. d ]+ = á
} ! = * .d (Esperança) (Variância)
` v ) = _, = w
(Esperança) b= up =1−b
t
à−* u -H . áF
]+ = * . d . Ü . n !=É =
à−1 É!
(Variância) e = número de Euler = 2,718...
DISTRIBUIÇÃO t DE STUDENT
DISTRIBUIÇÃO UNIFORME CONTÍNUA PROBABILIDADE
f(x)= k, se a ≤ x ≤ b - É mais dispersa Curva normal
t= que a distribuição padronizada
0, caso contrário DE
normal
F
Função distribuição de probabilidade t-student
PROBABILIDADE x
Z: Variável normal
padrão Quanto maior for k, mais a curva
1/(b-a) se aproxima da normal
χ²: Qui-quadrado
k: graus de Se k>2:
liberdade Se k>1:
x É
a b ]+ =
} ! =0 É−2
} ! =
K+
2
+
] =
( − K)+
12 distribuições (Esperança) (Variância)
(Esperança) (Variância)
contínuas
= DE PROBABILIDADE =
DISTRIBUIÇÃO EXPONENCIAL DISTRIBUIÇÃO F DE SNEDECOR
f(x)= á. u -H6 , se x ≥ 0 (J > 0) ä*+â Relaciona duas variáveis
0, se x<0 DISTRIBUIÇÃO QUI-QUADRADO ( χ² ) Å= + *
É aleatórias independentes
com distribuição qui-
1 1 = soma dos quadrados de k variáveis ä+â quadrado
} ! = +
] = + normais reduzidas e independentes É+
á á
(Esperança) (Variância) (Importante
de confiança e testes de hipóteses )
para o estudo de intervalos
É+
F k graus de } ! =
PROBABILIDADE
liberdade É+ − 2 (Esperança)
äF+ = ( ã!+
!I*
+
2É++ . (É* + É+ − 2)
] =
} ! =É ] + = 2. É É* . (É+ − 2)+ . (É+ − 4)
x
(Esperança) (Variância) (Variância)
distribuições PROPRIEDADES DA CURVA NORMAL
contínuas
= DISTRIBUIÇÃO NORMAL =
área = 1,0
área = 0,5
(P(x<µ))
x x
µ µ
n = número de elementos
,
_ da amostra
} ÇA = t `7, =
ASPECTOS GERAIS +
1, sucesso P(x=1)=p
0, fracasso P(x=0)=q
(
p+q =1 Adistribuição
população segue uma
de bernoulli )
} Ç =d {[e Ç = d(1 − d)
(_ , = b . p)
X= variável aleatória que representa o número
de sucessos em n ensaios independentes:
X = distribuição binomial
DISTRIBUIÇÃO AMOSTRAL DA VARIÃNCIA
Estimador não viesado da variância: (U V " = W " ) } Ç = * .d {[e Ç = * . d . Ü
A +
∑(Ç! − Ç) +
2] X Ç Proporção de sucessos em
+
` = {[e(` ) = d̂ = =
*−1 *−1 * uma amostra de n elementos
+−1
_,
,
. ` , = x'4$ (
= distribuição qui-quadrado
com n-1 graus de liberdade ) 3 )̂ = ) É um estimador:
• Não viesado (E(S)
R − S)
) .+ • De mínimos quadrados
567 )̂ =
8 • De máxima verossimilhança
Se X tem distribuição normal, o estimador de
máxima verossimilhança: FATOR DE CORREÇÃO PARA POPULAÇÕES FINITAS
A +
∑(Ç! − Ç) Mas é um estimador ) .Y &-, N= número de elementos
`+ = tendencioso {[e d̂ = . &-*
* , da população
DECORE!
intervalos
de confiança
µ = Média populacional são constantes!
(não são variáveis
]² = Variância populacional aleatórias)
= d̂ − ã/ . ])̂ ≤ d ≤ d̂ + ã/ . ])̂
Usamos a distribuição qui-quadrado é uma ( )
distribuição
assimétrica
d. Ü d. Ü +
*−1
d̂ − ã/ . ≤ d ≤ d̂ + ã/ . ä,-* = . `² n-1 graus de liberdade
* * ]²
Sendo p desconhecida, também não *−1 *−1
= + . `+ ≤ ]+ ≤ + . `+
sabemos _28 , usamos: GÎ =
I.̂ KJ ä+ ä*
L
HIPÓTESES:
um determinado grau de risco
(
P(erro tipo I)= α Nível de significância
do teste )
Nível de confiança: 1- α
H0: Hipótese nula
ERRO TIPO II = aceitar H0, quando for falsa
H1: Hipótese alternativa
P(erro tipo II) = β
Funcionamento:
Poder do teste: 1- β (Probabilidade
H , quando for falsa )
0
de rejeitar
Não há relação
testes de
2. coleta-se uma amostra aleatória
entre α e β.
3. A partir de resultado obtido, decide-se
se aceitamos ou não H0
RESULTADO
Região de não
rejeição (RNR)
H0
Aceitamos H0
hipóteses NÍVEL DE SIGNIFICÂNCIA (α)
Área da região crítica = nível de significância
Resultado da amostra Taxa tolerável de erro
Região crítica (RC) Rejeitamos H0
foi discrepante
Ex.: nível de significância = 10%
MA : N = NA teste bilateral
MB : N ≠ NA (ou bicaudal) 5%
REGIÃO DE (região
MA : N = NA 5% ACEITAÇÃO crítica)
teste unilateral à direita
MB : N > NA (ou monocaudal) x
MA : N = NA
MB : N < NA teste unilateral à esquerda
(ou monocaudal)
TESTES DE HIPÓTESES PARA A MÉDIA
POPULAÇÃO NORMAL COM .² CONHECIDO
testes de hipóteses
Passo a passo:
Determinar os valores críticos de z, de modo
que a área da região crítica = nível de
significância (α)
Calcular a estatística de teste padronizada
POPULAÇÃO NORMAL COM ]² DESCONHECIDO
Média observada
Procedimento análogo ao anterior, mas usamos
ÇA − t a distribuição t de student:
ã2b32b = Média populacional ÇA − t
]PO ô2b32b =
`PO
ÇA − t `7, =
_²
( População infinita ou
) n-1 graus de
ã2b32b = ] + amostragem com reposição liberdade
s *
_² t − + População finita ou
`7, = .
+ t−1 (
amostragem sem reposição )
Verificamos onde Zteste cai:
P-VALOR
= área delimitada pela estatística de teste DECORE!
+
*−1
ä2b32b = . `²
TESTES DE HIPÓTESES PARA PROPORÇÕES ]² n-1 graus de
liberdade
Uso da distribuição binomial
(aproximadamente normal, assim como p )
Para n suficientemente grande, x será
Distribuição
assimétrica
Procedimento análogo aos anteriores com a seguinte Região
estatística de teste: crítica REGIÃO DE Região
d̂ − d ACEITAÇÃO crítica
ã2b32b = x
d .Ü χ²teste
(Decisão
χ²teste
*
(Decisão
rejeitar H )
=
0
= NÃO
rejeitar H 0
)
análise de variância
VALORES OBSERVADOS
Erro aleatório
Ç!c = t! + ê!c (tem distribuição normal)
ASPECTOS GERAIS
Visa testar a hipótese de que as médias de k populações i: população
j: elemento
distintas são iguais:
H9 : µ9 = µ$ = ⋯ = µ: SUPOSIÇÕES PARA O ERRO ALEATÓRIO
H1: pelo menos uma delas é diferente das demais Média dos erros aleatórios em cada grupo é 0
(não especifica qual) Eij são independentes
Selecionam-se k amostras independentes de cada uma
das populações A variância de Eij é a mesma em todos os grupos
(homocedascia)
n1: elementos da primeira população, ... ,
nk: elementos da k-ésima população SOMA DOS QUADRADOS
`ö;<;=> = `ö+u*;?< + `öu*ô?@
F
x
RETA DE REGRESSÃO ESTIMADA
ü!
ûè = K + Çw u = û! − û desvio
COEFICIENTE DE CORRELAÇÃO LINEAR DE PEARSON
∑ Ç! − ÇA . û! − ûA Mede a força da MÉTODO DOS MÍNIMOS QUADRADOS
g= relação linear entre
∑ Ç! − ÇA + . û! − ûA + 2 variáveis x e y = determina as estimativas de a e b dos parâmetros
minimizando a soma dos quadrados dos desvios
Mais próximo Correlação Após calcular b,
mais forte basta substituir na ∑ Ç! − ÇA . û! − ûA
de -1 ou 1 M = a+b } M =
−1 ≤ g ≤ 1: equação |
Correlação para determinar a
∑ Ç! − ÇA +
Mais próximo
de zero mais fraca
FÓRMULAS IMPORTANTES
Soma dos
quadrados do
`öW = . ( Ç! − ÇA . û! − ûA modelo de
regressão
ou `öW = + . ( Ç! − ÇA +
É a parte do desvio
`öe = ( û! − ûA +
total não explicada pelo
modelo de regressão
COEFICIENTES IMPORTANTE!
TABELA DA ANOVA DECORE!
`öW
Coeficiente de correlação: e=
FONTE DE GRAUS DE SOMA DE QUADRADOS `ö†
F
VARIAÇÃO LIBERDADE (gl) QUADRADOS MÉDIOS
GDE Vll
MODELO 1 SQM DEE =
1
k%&'%& =
mln `öe
+
RESÍDUOS n-2 SQR DEH =
GDH
Coeficiente de determinação: e = 1 − `ö†
A−2
GDJ Exprime a proporção da
TOTAL n-1 SQT variação total de y que é
(0 ≤ e² ≤ 1)
DEJ =
A−1
explicada pela reta de
n = tamanho da amostra ( QMR = Estimativa de
variância σ² residual ) regressão