Estatística

RESUMO
ESTATÍSTICA
p o r Co n c u r se iro Fo ra d a C a i xa
Estatística
C o nc u rse i ro F o ra da C a i x a
Sumário
Estatística Descritiva ...................................................................................................................................................................... 2
Medidas de Posição ....................................................................................................................................................................................................2
Medidas de Dispersão................................................................................................................................................................................................3
Como são afetadas as medidas pelas oeprações matemátcas ........................................................................................................................4
Probabilidade................................................................................................................................................................................... 5
Probabilidade da União ............................................................................................................................................................................................5
Probabilidade Condicional ......................................................................................................................................................................................5
Eventos Independentes ............................................................................................................................................................................................6
Variáveis Aleatórias........................................................................................................................................................................ 7
Distribuições de Probabilidade para Variáveis Discretas ...............................................................................................................................7
Distribuições de Probabilidade para Variáveis Contínuas .............................................................................................................................8
Amostragem................................................................................................................................................................................................................8
Intervalo de Confiança .............................................................................................................................................................................................9
Testes de Hipóteses ................................................................................................................................................................................................ 10
Correlação e Regressão .......................................................................................................................................................................................... 11
Extra – Questões (TEC) .................................................................................................................................................................. 12
concurseiroforadacaixa.com.br | 01
Preparado exclusivamente para Germano Benedetti locatelli | CPF: 02675657042
Estatística
ESTATÍSTICA DESCRITIV A
M ED I DA S D E P O SI ÇÃO
Tendênci a Centra l
Moda: é a observação que MAIS se repete.
Médias:
Aritmética (MA) Geométrica (MG) Média Harmônica (MH)
∑(𝑥𝑖 ∙ 𝑓𝑖 ) 𝒏 𝒏
√𝑥1 ∙ 𝑥2 … 𝑥𝑛 1 1 1 1
𝑛
𝑥1 + 𝑥2 + 𝑥3 … 𝑥𝑛
Os valores das médias seguem o padrão:

(MA > MG > MH)
S e p a r a t ri z e s
Mediana:
Diagrama de Box-Plot:
• Divide a distribuição em 2 partes iguais
𝑛+1
• Número de elementos PAR (ROL):
2
• Número de elementos ÍMPAR (ROL): elemento CENTRAL

• Mediana na interpolação: divide-se a frequência total por 2
Quartil:
• Para uma tabela – interpolação linear
• Distância interquartílica = (Q3 – Q1)
• Distância semi-interquartílica = (Q3 – Q1)÷2
Relação entre Média, Mediana e Moda para distribuições com assimetria positiva ou negativa:
Estatística
M ED I DA S D E D I SP ER SÃ O
A b so l u ta
Amplitude (h)
𝒉 = 𝑳𝒊𝒎𝒊𝒕𝒆𝒔𝒖𝒑𝒆𝒓𝒊𝒐𝒓 − 𝑳𝒊𝒎𝒊𝒕𝒆𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓
Variância (s² | σ²)
Variância Populacional Variância Amostral

2
∑(𝑥𝑖2 )
𝜎 = − 𝜇2
∑(𝑥𝑖 − 𝑥̅ )2 ∑(𝑥𝑖 − 𝑥̅ )2 𝑛
𝜎2 = 𝑠2 =
𝒏 𝒏−𝟏 Média dos quadrados MENOS quadrado da média
Se amostra: multiplicar TUDO por N/(N-1)
Quando xi for multiplicado ou dividido por um valor, a variância é afetada com o quadrado.
Exemplo: se xi for multiplicado por 2 a variância fica multiplicada por 4, se por 3, fica multiplicada por 9.
Desvio Padrão (s | σ)
𝑫𝒆𝒔𝒗𝒊𝒐 𝑷𝒂𝒅𝒓ã𝒐 = √𝑽𝒂𝒓𝒊â𝒏𝒄𝒊𝒂 (Na omissão da questão, usar POPULAÇÃO)
Desvio Médio (dM)
Rol Tabela Distrib. de Frequência
∑|𝒙𝒊 − 𝝁| ∑|𝒙𝒊 − 𝝁| ∙ 𝒇𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 ∑|𝑷𝒎𝒊 − 𝝁| ∙ 𝒇𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂

𝒅𝑴 = 𝒅𝑴 = 𝒅𝑴 =
𝒏 𝒏 𝒏
A soma dos desvios em relação a média aritmética é sempre 0
Rela tiv a
Coeficiente de Variação (cv)
• Quanto menor o cv, mais homogêneo são os valores

𝑫𝒆𝒔𝒗𝒊𝒐 𝑷𝒂𝒅𝒓ã𝒐
𝒄𝒗 = • Para cv < 30% → média é representativa
𝒎é𝒅𝒊𝒂
Variância Relativa
𝑽𝒂𝒓𝒊â𝒏𝒄𝒊𝒂 𝑹𝒆𝒍𝒂𝒕𝒊𝒗𝒂 = 𝒄𝒗𝟐
Estatística
CO M O SÃ O AF ET A DA S A S M ED ID A S P EL A S O EP R A ÇÕ ES M A T EM Á T CA S
Quando os valores observados forem multiplicados, divididos, somados ou diminuídos, as medidas estatísticas também têm
seus valores alterados. Eles são afetados da seguinte maneira:
Soma e Multiplicação e
Subtração Divisão
Tendência Central AFETA AFETA

Medidas de
Posição
Separatrizes AFETA AFETA
Absoluta NÃO AFETA AFETA*

Medidas de
Dispersão
Relativa AFETA NÃO AFETA
*Lembrar que a variância é afetada pelo quadrado do número que multiplica/divide;
Estatística
PROBABILIDADE
P R O BA BIL ID A D E DA U N IÃ O
A probabilidade da união é a soma da probabilidade de ocorrer A ou B. Para que não haja contagem em duplicidade, elimina-se
o que há de interseção entre eles:
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Exemplo: sendo A = {10, 11, 12, 13} e B = {10, 15, 20, 30, 31}, temos:
• Espaço amostra (todos os elementos, contados uma única vez) = 8

• P (A) = 4/8
• P (B) = 5/8
• P (A ∩ B) = 1/8 (único elemento comum é o 10)
• Logo, P (A ∪B) = 4/8 + 5/8 - 1/8 = 1 (ou, 100%)
Eventos mutuamente excludentes
Um caso específico ocorre quando a interseção é um conjunto vazio (ou seja, não há elementos comuns entre os conjuntos). Isso
ocorrendo, dizemos que os eventos são mutuamente excludentes (ou exclusivos) ou que os conjuntos são disjunto. Nesse caso,
P (A ∩ B) = 0.
Atenção! As diretrizes acima também se aplicam a 3 ou mais conjuntos. A fórmula fica apenas maior, mas entendendo a
lógica, você não precisa decorá-la, basta pensar que devemos somar os elementos de todos os grupos individualmente, e
remover todas as intersecções possíveis (entre A e B, entre B e C, entre A e C e entre A, B e C).
P R O BA BIL ID A D E C ON D I CI ON AL
Basicamente, a probabilidade condicional trata da probabilidade de um determinado evento ocorrer, sabendo que um evento
condicionante já aconteceu. Matematicamente:
P(A ∩ B)
P(A|𝐁) =
P(𝐁)
• A probabilidade condicional é a chance de o evento A acontecer, dado que B já aconteceu.

• Se B é o condicionante, então, calculamos a chance de A acontecer na condição de o evento B ter acontecido.
Exemplo: ao lançar dois dados, qual a probabilidade de o resultado da soma das faces superiores ser igual a 6, sabendo que o
resultado do lançamento dos dados são dois números pares?
1. “Soma das faces ser igual a 6” = A.

2. “Sabendo que o resultado do lançamento dos dados são dois números pares” = condicionante = B
3. Espaço amostral (todas as combinações possíveis) = 6 x 6 = 36
Estatística
Esquematizando, temos o quadro abaixo. Em amarelo estão os casos em comum (interseção), que ocorrem em A e em B:
Casos Possíveis A Casos Possíveis B Portanto, aplicando a fórmula, temos:

Dado 1 Dado 2 Dado 1 Dado 2
1 5 2 2 P(A ∩ B) 2⁄36 𝟐
2 4 2 4
P(A|𝐁) = = =
P(𝐁) 9⁄ 𝟗
3 3 2 6 36
4 2 4 2
5 1 4 4
1 5 4 6
Total = 6 6 2
6 4
6 6
Total = 9
Teorema da Multiplicação
Nada mais é do que uma forma diferente de olhar para a fórmula da probabilidade condicional:
P(A|𝐁) × P(𝐁) = P(A ∩ B)
EV EN T O S I ND EP END EN T ES
Eventos independentes são aqueles que não influenciam uns nos outros. Ou seja, não interessa o que ocorreu em B, pois ele
não tem influência sobre A. Matematicamente:
P(A|𝐁) = P(A)
Dessa forma, fazendo as substituições matemáticas necessárias, chegamos à fórmula abaixo, muito cobrada em prova:
P(A ∩ B) = P(A) × P(B)
Por exemplo, qual a probabilidade de, ao lançar uma moeda 3 vezes, ocorra 3 coroas?
• Um lançamento é independente do outro
• A chance de cara ou de coroa (para moedas não viciadas) é de 50% = ½
• Logo, três coroas = ½ x ½ x ½ = 1/8 ou 12,5%
Dica! Questões que falam em “pelo menos um”, na resolução basta você fazer (1 – nenhum). Exemplo: em 3 lançamentos de uma
moeda, qual a chance de sair pelo menos uma cara?
• Chance de não sair nenhuma cara, é igual a dizer que só saiu coroa = 1/8, como calculamos acima.
• Logo a de sair pelo menos uma cara = 1 – 1/8 = 7/8 = 87,5%
Estatística
V ARIÁV EIS ALEATÓ RIAS
D I ST R I BUI ÇÕ ES D E P R O BA BI LI D AD E P AR A VA R IÁ V EI S DI SCR ET A S
Função Densidade de Probabilidade - f(X) Média μ Variância σ2 Função Distribuição Acumulada – F(X)
𝑷(𝒙 = 𝑺) = 𝑪𝒏,𝑺 ∙ 𝒑𝑺 ∙ (𝟏 − 𝒑)𝒏−𝑺 𝒏𝒑 𝒏𝒑 ∙ (𝟏 − 𝒑) Calcular P(1), P(2), P(3),...., P(n) e somar

BINOMIAL
Observação
Probabilidade de se obter exatamente S sucessos em n tentativas? Sempre em pares, sendo os eventos

complementares: cara ou coroa, menino ou menina, bola azul, não azul. A ordem NÃO é especificada (daí vir a
combinação). Retiradas COM REPOSIÇÃO.
𝑷(𝒙 = 𝒌) = 𝒑𝒌 ∙ (𝟏 − 𝒑)𝟏−𝒌 𝒑 𝒑 ∙ (𝟏 − 𝒑) Calcular P(1), P(2), P(3),...., P(n) e somar

BERNOULLI
Observação
A variável x só assume valores 0 ou 1 (binário). É um caso especial da binomial.
𝝀𝒙 ∙ 𝒆−𝝀
𝑷(𝒙) = 𝝀 𝝀 Calcular P(1), P(2), P(3),...., P(n) e somar
𝒙!
POISSON
Observação
λ geralmente é dado na forma “a média...” ou “a variância...”. Cuidado! Quando a questão fala “a média (λ) é de
5/h....qual a probabilidade de 10 em 3h? Transformar o λ = 5/h para λ = 15/h.
𝟏 𝟏 − 𝒑(𝒔)
𝑷(𝒙) = 𝒑(𝒇) × 𝒑(𝒇) … × 𝒑(𝒔) Calcular P(1), P(2), P(3),...., P(n) e somar
GEOMÉTRICA
𝒑(𝒔) 𝒑(𝒔)𝟐
Observação
Situação: “fracasso, fracasso, ...sucesso”, ou seja, até se obter o 1º sucesso. A variável x é o número de tentativas.
HIPERGEOMÉTRICA
𝑪𝑫,𝒌 × 𝑪(𝒏−𝑫),(𝒏−𝒌)
𝑷(𝒙 = 𝒌) = 𝒏𝒑 - Calcular P(1), P(2), P(3),...., P(n) e somar
𝑪𝑵,𝒏
Observação
Retiradas SEM REPOSIÇÃO
Estatística
D I ST R I BUI ÇÕ ES D E P R O BA BI LI D AD E P AR A VA R IÁ V EI S CO N TÍ N UA S
UNIFORME
1
, 𝑝𝑎𝑟𝑎 𝑎 ≤ 𝑥 ≤ 𝑏 𝒂+𝒃 (𝒃 − 𝒂)𝟐
𝒇(𝒙) = { 𝑏 − 𝑎 É a área abaixo da reta (base x altura)
0, 𝑝𝑎𝑟𝑎 𝑞𝑢𝑎𝑙𝑞𝑢𝑒𝑟 𝑜𝑢𝑡𝑟𝑜 𝟐 𝟏𝟐
EXPONENCIAL
𝟏 𝟏 𝑭(𝒙𝟎 ) = 𝟏 − 𝒆−𝜶𝒙𝟎
𝒇(𝒙) = 𝜶𝒆−𝜶𝒙
𝜶 𝜶𝟐 P(0 < x < x0)
NORMAL
A fórmula não interessa, é feita com uso

- - Feita com o uso da tabela normal
da tabela normal
A M O ST R A G EM
A MO S T R A G EM A L EA T ÓR I A S I M P LE S
Nessa forma de amostragem, os indivíduos de uma população têm uma chance igual ou maior que
zero de serem selecionados para a compor a amostra. A seleção de elementos é feita em forma de
sorteio, dessa forma, não há critério ou filtro.
Exemplo: pesquisa deve ser feita com 20 domicílios, mas o bairro possui 200. Assim, para se obter
uma amostra com 20 endereços, um sorteio entre os 200 endereços do bairro deve ser feito, dessa
maneira, todas as moradias têm a mesma chance de participar da pesquisa.
A MO S T R A G EM S I S TE MÁ T IC A
É um método de amostra probabilística que seleciona indivíduos dentro de uma população já

determinada. Contudo, há um fator matemático de seleção que as diferencia.
Exemplo: em uma pesquisa realizada em um bairro, podemos dividir 500 moradias em 50 grupos,
para obter uma amostragem com 50 residências, dessa maneira, a cada 10 domicílios 1 pesquisa será
realizada.
A MO S T R A G EM ES T R A TI F I CA DA
É realizada em duas etapas. Esse tipo de amostragem separa a população em grupos e subgrupos,
buscando assim, uma amostra mais representativa. Primeiro, deve-se dividir a população em grupos
distintos. Esses grupos devem ser segmentados com características da população que auxiliem o
tema estudado, podendo ser idade, sexo, trabalho, nível de escolaridade, entre outros.
A MO S T R A G EM PO R CO N G LO ME R A D OS
A amostra é realizada em mais de uma etapa, assim como a amostra estratificada. No primeiro
estágio, os grupos (ou conglomerados) são definidos. Assim, somente no último estágio os
indivíduos que participarão da entrevista serão sorteados.
Um exemplo clássico é a pesquisa eleitoral. Primeiro seleciona-se os municípios, em seguida as

categorias (exemplo, baixa renda, alta renda) e só então os indivíduos são selecionados.
Estatística
I N T ER V AL O D E CO N FI AN ÇA
C O N CE I T O
É uma amplitude de valores, derivados de amostras, que têm a probabilidade de conter o valor de um parâmetro populacional
desconhecido. Devido à sua natureza aleatória, é improvável que duas amostras de uma determinada população irão render
intervalos de confiança idênticos. Mas, se você repetir sua amostra várias vezes, uma determinada porcentagem dos
intervalos de confiança resultantes conteria o parâmetro populacional desconhecido.
Aqui, a linha preta representa o valor fixo da média desconhecida da população. Os intervalos de
confiança azuis contêm o valor da média da população. O intervalo de confiança vermelho
totalmente abaixo da linha horizontal não contém esse valor. Um intervalo de confiança de 95%
indica que 19 em 20 amostras (95%) da mesma população produzem intervalos de confiança
contendo o parâmetro da população.
I N T E R VA LO DE CO N F I A NÇA P A R A A MÉD I A
I N T E R VA LO DE CO N F I A NÇA P A R A A P RO P O RÇÃ O
Bastante cobrado em prova. As questões, em regra, são de aplicação imediata da fórmula:
𝒑𝟎(𝟏 − 𝒑𝟎 )
𝒑 = 𝒑𝟎 ± 𝒛√
𝒏
Quando a banca não der p0, supõe-se que a variância é máxima, de forma que p0 = 50%
Estatística
T EST E S D E H I P Ó T ESES
P R E L IM I N A R E S
H0 verdadeira H0 falsa
α: nível de significância, isto é, a probabilidade. de se cometer
NÃO HÁ ERRO ERRO um Erro Tipo I.
Aceitar H0
(DECISÃO CORRETA) TIPO II (β)
Pegadinha! A questão falar que há relação entre α e β,
ERRO NÃO HÁ ERRO ou que α + β = 1. Isso é ERRADO.
Rejeitar H0
TIPO I (α) (DECISÃO CORRETA)
T E S T E D E H I PÓ T ES E PA RA A MÉ D IA
Unilateral à esquerda
𝐻0: 𝜇 ≥ 𝜇0
{
𝐻1: 𝜇 < 𝜇0
Unilateral à direita
𝐻0: 𝜇 ≤ 𝜇0
{
𝐻1 : 𝜇 > 𝜇0
Bilateral
𝐻0: 𝜇 = 𝜇0
{
𝐻1 : 𝜇 ≠ 𝜇0
• O que determinar se o teste é à esquerda, direita ou bilateral é o SINAL da hipótese alternativa (H1)
• O procedimento é exatamente o mesmo no caso de uma tabela t-Student
• μ é o que eu quero testar (população) e μ 0 é o da amostra que coletei.
T E S T E D E H I PÓ T ES E PA RA A P R O PO RÇ Ã O
p0: é a proporção da amostra (%)

𝑛(𝑝0 − 𝑝)
𝒛𝐶𝐴𝐿𝐶 𝑜𝑢 𝒕𝐶𝐴𝐿𝐶 = p: é a proporção da população (%)
√𝑛𝑝(1 − 𝑝) Procedimento: testar zCALC ou tCALC nas respectivas curvas (= na média).
P - V A L O R ( N ÍV EL DE S CR I T I VO O U PR OB A B I L IDA DE DE S IG N I F I CÂ N CIA )
o p-valor < α então rejeita-se H0 Portanto, α é o valor tabelado (área) de z ou t [população] já o p-valor é o valor
o p-valor > α - então NÃO rejeita H0 tabelado (área) do zCALC ou tCALC [amostra].
Estatística
CO R R EL A ÇÃ O E R EGR ESSÃ O
C O VA R IÂ N CI A
Definição: medida do grau de interdependência numérica entre duas variáveis aleatórias. Assim, variáveis independentes têm
covariância zero. Definição formal: 𝑐𝑜𝑣(𝑥, 𝑦) = 𝐸[(𝒙 − 𝑬(𝒙)) × (𝒚 − 𝑬(𝒚))] pouco utilizada. Para a prova levar:
𝑐𝑜𝑣(𝑥, 𝑦) = 𝑬(𝒙𝒚) − 𝑬(𝒙) ⋅ 𝑬(𝒚)

média dos produtos menos o produto das médias
Obs: quando se tratar de covariância amostral também há a figura do fator de Bessel.
Propriedades
2
• Relação de 2 variâncias com respeito à covariância: 𝜎𝑥±𝑦 = 𝜎𝑥2 ± 2𝑐𝑜𝑣(𝑥, 𝑦) + 𝜎𝑦2
• Propriedade da covariância: 𝑐𝑜𝑣(𝒂𝑥 + 𝑏, 𝒄𝑦 + 𝑑) = 𝒂 ⋅ 𝒄 × 𝑐𝑜𝑣(𝑥, 𝑦)
R E T A DE R EG R ES S Ã O ( RE T A D OS M Í N IM O S Q U A D RA DO S )
MMQ: técnica de otimização matemática que procura encontrar o melhor ajuste para um conjunto de dados tentando
minimizar a soma dos quadrados das diferenças (resíduos) entre o valor estimado e os dados observados.
̂ 𝒙 𝒊 + 𝝐𝒊
𝒚𝒊 = 𝜶̂ + 𝜷
Propriedades da Reta de Regressão:
∑ 𝝐𝒊 = 𝟎 ∑ 𝝐𝒊 𝟐 = 𝒗𝒂𝒍𝒐𝒓 𝒎í𝒏𝒊𝒎𝒐 𝑬(𝝐𝒊 ) = 𝟎
𝒄𝒐𝒗(𝒙,𝒚)
̂
1º) Encontrando 𝛽̂: formalmente temos que 𝜷 = , porém, para fins de prova, a fórmula que mais cai é:
𝝈𝟐𝒙
𝑚é𝑑𝑖𝑎 𝑑𝑜𝑠 𝑝𝑟𝑜𝑑𝑢𝑡𝑜𝑠 − 𝑝𝑟𝑜𝑑𝑢𝑡𝑜 𝑑𝑎𝑠 𝑚é𝑑𝑖𝑎𝑠

𝑚é𝑑𝑖𝑎 𝑑𝑜𝑠 𝑞𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠 − 𝑞𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑑𝑎 𝑚é𝑑𝑖𝑎
𝒏 ⋅ 𝑬(𝒙𝒚) − 𝑬(𝒙) ⋅ 𝑬(𝒚)

̂=
𝜷
𝒏 ⋅ 𝑬(𝒙𝟐) − [𝑬(𝒙)]𝟐
2º) Encontrando 𝛼̂: basta tirar a média de todos os termos da reta 𝒚𝒊 = 𝜶 ̂𝒙𝒊 + 𝝐𝒊, assim:
̂ +𝜷
̂ ⋅ 𝐸(𝑥)
̂ = 𝐸(𝑦) − 𝜷
𝜶
Estatística
C OE F I C IE N T E DE DE T E RM I NA ÇÃ O ( R² )
R²: é um valor que varia entre 0 e 1 e indica, em percentagem, o quanto o modelo consegue explicar os valores observados.
Quanto maior o R², mais explicativo é o modelo, melhor ele se ajusta à amostra.
2
𝑐𝑜𝑣 2 (𝑥, 𝑦)
𝑅 = 2
𝜎𝑥 × 𝜎𝑦2
Coeficiente de CORRELAÇÃO Linear de Pearson (r)
• Medida do grau de relação linear entre duas variáveis quantitativas.

• Este coeficiente varia entre -1 e 1.
𝑟 = 1: 𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜 𝑙𝑖𝑛𝑒𝑎𝑟 𝑝𝑒𝑟𝑓𝑒𝑖𝑡𝑎 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎

𝑐𝑜𝑣(𝑥, 𝑦)
𝑟= → { 𝑟 = 0: 𝑛ã𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑢𝑚𝑎 𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜 𝐿𝐼𝑁𝐸𝐴𝑅
𝜎𝑥 × 𝜎𝑦
𝑟 = −1: 𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜 𝑙𝑖𝑛𝑒𝑎𝑟 𝑝𝑒𝑟𝑓𝑒𝑖𝑡𝑎 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑎
r=1 r = -1 r=0 r=0

pontos sobre reta pontos sobre reta Correlação NÃO linear Variáveis independentes
EXTRA – QUESTÕES (TEC)
São questões de várias bancas (basta excluir das questões as bancas que não te interessam) e níveis (questões
simples às complexas). Complemente esse caderno com questões que você já selecionou como favoritas /
importantes, para revisar nas semanas anteriores à prova. Aliando este resumo com a resolução de questões
você certamente estará MUITO bem preparado(a)! Link: https://www.tecconcursos.com.br/s/Qb403

Estatística

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística

Enviado por

Direitos autorais:

Formatos disponíveis

RESUMO

Medidas de Posição ....................................................................................................................................................................................................2

Como são afetadas as medidas pelas oeprações matemátcas ........................................................................................................................4

Probabilidade da União ............................................................................................................................................................................................5

Probabilidade Condicional ......................................................................................................................................................................................5

Eventos Independentes ............................................................................................................................................................................................6

Distribuições de Probabilidade para Variáveis Discretas ...............................................................................................................................7

Distribuições de Probabilidade para Variáveis Contínuas .............................................................................................................................8

Intervalo de Confiança .............................................................................................................................................................................................9

Testes de Hipóteses ................................................................................................................................................................................................ 10

Correlação e Regressão .......................................................................................................................................................................................... 11

Extra – Questões (TEC) .................................................................................................................................................................. 12

Moda: é a observação que MAIS se repete.

Aritmética (MA) Geométrica (MG) Média Harmônica (MH)

Os valores das médias seguem o padrão:

• Número de elementos ÍMPAR (ROL): elemento CENTRAL

• Distância interquartílica = (Q3 – Q1)

• Distância semi-interquartílica = (Q3 – Q1)÷2

Variância (s² | σ²)

Variância Populacional Variância Amostral

𝑫𝒆𝒔𝒗𝒊𝒐 𝑷𝒂𝒅𝒓ã𝒐 = √𝑽𝒂𝒓𝒊â𝒏𝒄𝒊𝒂 (Na omissão da questão, usar POPULAÇÃO)

Desvio Médio (dM)

Rol Tabela Distrib. de Frequência

∑|𝒙𝒊 − 𝝁| ∑|𝒙𝒊 − 𝝁| ∙ 𝒇𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 ∑|𝑷𝒎𝒊 − 𝝁| ∙ 𝒇𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂

A soma dos desvios em relação a média aritmética é sempre 0

Coeficiente de Variação (cv)

• Quanto menor o cv, mais homogêneo são os valores

𝑽𝒂𝒓𝒊â𝒏𝒄𝒊𝒂 𝑹𝒆𝒍𝒂𝒕𝒊𝒗𝒂 = 𝒄𝒗𝟐

Tendência Central AFETA AFETA

Absoluta NÃO AFETA AFETA*

*Lembrar que a variância é afetada pelo quadrado do número que multiplica/divide;

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

• Espaço amostra (todos os elementos, contados uma única vez) = 8

Eventos mutuamente excludentes

• A probabilidade condicional é a chance de o evento A acontecer, dado que B já aconteceu.

1. “Soma das faces ser igual a 6” = A.

3. Espaço amostral (todas as combinações possíveis) = 6 x 6 = 36

Casos Possíveis A Casos Possíveis B Portanto, aplicando a fórmula, temos:

P(A|𝐁) × P(𝐁) = P(A ∩ B)

P(A ∩ B) = P(A) × P(B)

• Logo, três coroas = ½ x ½ x ½ = 1/8 ou 12,5%

V ARIÁV EIS ALEATÓ RIAS

𝑷(𝒙 = 𝑺) = 𝑪𝒏,𝑺 ∙ 𝒑𝑺 ∙ (𝟏 − 𝒑)𝒏−𝑺 𝒏𝒑 𝒏𝒑 ∙ (𝟏 − 𝒑) Calcular P(1), P(2), P(3),...., P(n) e somar

Probabilidade de se obter exatamente S sucessos em n tentativas? Sempre em pares, sendo os eventos

𝑷(𝒙 = 𝒌) = 𝒑𝒌 ∙ (𝟏 − 𝒑)𝟏−𝒌 𝒑 𝒑 ∙ (𝟏 − 𝒑) Calcular P(1), P(2), P(3),...., P(n) e somar

A variável x só assume valores 0 ou 1 (binário). É um caso especial da binomial.

Retiradas SEM REPOSIÇÃO

A fórmula não interessa, é feita com uso

É um método de amostra probabilística que seleciona indivíduos dentro de uma população já

Um exemplo clássico é a pesquisa eleitoral. Primeiro seleciona-se os municípios, em seguida as

Bastante cobrado em prova. As questões, em regra, são de aplicação imediata da fórmula:

• O procedimento é exatamente o mesmo no caso de uma tabela t-Student

• μ é o que eu quero testar (população) e μ 0 é o da amostra que coletei.

p0: é a proporção da amostra (%)

𝑐𝑜𝑣(𝑥, 𝑦) = 𝑬(𝒙𝒚) − 𝑬(𝒙) ⋅ 𝑬(𝒚)

Obs: quando se tratar de covariância amostral também há a figura do fator de Bessel.

• Propriedade da covariância: 𝑐𝑜𝑣(𝒂𝑥 + 𝑏, 𝒄𝑦 + 𝑑) = 𝒂 ⋅ 𝒄 × 𝑐𝑜𝑣(𝑥, 𝑦)

Propriedades da Reta de Regressão:

∑ 𝝐𝒊 = 𝟎 ∑ 𝝐𝒊 𝟐 = 𝒗𝒂𝒍𝒐𝒓 𝒎í𝒏𝒊𝒎𝒐 𝑬(𝝐𝒊 ) = 𝟎

𝑚é𝑑𝑖𝑎 𝑑𝑜𝑠 𝑝𝑟𝑜𝑑𝑢𝑡𝑜𝑠 − 𝑝𝑟𝑜𝑑𝑢𝑡𝑜 𝑑𝑎𝑠 𝑚é𝑑𝑖𝑎𝑠

𝒏 ⋅ 𝑬(𝒙𝒚) − 𝑬(𝒙) ⋅ 𝑬(𝒚)

Coeficiente de CORRELAÇÃO Linear de Pearson (r)

• Medida do grau de relação linear entre duas variáveis quantitativas.

𝑟 = 1: 𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜 𝑙𝑖𝑛𝑒𝑎𝑟 𝑝𝑒𝑟𝑓𝑒𝑖𝑡𝑎 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎