Escolar Documentos
Profissional Documentos
Cultura Documentos
FORMULÁRIO DE ESTATÍSTICA II
Cov( X , Y )
Cov( X , Y ) = E{( X − µ X )(Y − µ Y )} = E ( XY ) − E ( X ) E (Y ) ; ρ X ,Y =
σ XσY
DISTRIBUIÇÕES TEÓRICAS
• UNIFORME (DISCRETA)
1 n +1 n 2 −1
Caso f ( x) = , x = 1,2,..., n ; E( X ) = ; Var( X ) =
n 2 12
1 m m(m + 2)
Caso f ( x) = , x = 0,1,2,..., m ; E ( X ) = ; Var ( X ) = ;
m +1 2 12
• BERNOULLI X ~ B (1; θ )
1
• EXPONENCIAL X ~ Ex(λ ) , (λ > 0) ; X ~ Ex(λ ) ⇔ X ~ G (1, λ )
1 1
f ( x | λ ) = λe − λx , x > 0 E( X ) = ; Var ( X ) = ; ℑ(λ ) = 1 / λ 2
λ λ2
Propriedades:
∑ X i ~ G (k , λ ) e min X i ~ Ex (kλ )
k
• X i ~ Ex(λ ) ( i = 1, 2, ..., k) independentes ⇒ i =1 i
• t-“STUDENT”
U
T= ~ t (n) com U ~ N (0,1) e V ~ χ 2 (n) independentes
V n
n
E (T ) = 0 ; Var(T ) = (n > 2) ; Sendo T ~ t (n) ⇒ lim FT (t | n) = Φ (t )
n−2 n →∞
• F-SNEDCOR
U /m
F= ~ F (m, n) com U ~ χ 2 (m) , V ~ χ 2 (n) (independentes)
V n
1
Propriedades: . X ~ F (m, n) ⇒ ~ F (n, m) . T ~ t ( n ) ⇒ T 2 ~ F (1, n)
X
∑
n
X i − nθ a
Corolário: Sendo X i ~ B (1; θ ) , iid ⇒ i =1
~ N (0,1)
nθ (1 − θ )
b + 1 − nθ
− Φ a − 2 − nθ , com a e b inteiros
1
Correcção de continuidade: P(a ≤ X ≤ b) ≈ Φ 2
nθ (1 − θ ) nθ (1 − θ )
X −λ a
Corolário: Sendo X ~ Po(λ ) , quando λ → +∞ ⇒ ~ N (0,1)
λ
b + 12 − λ a − 12 − λ
Correcção de continuidade: P (a ≤ X ≤ b) ≈ Φ − Φ , com a e b inteiros
λ
λ
• POPULAÇÕES NORMAIS
X −µ X −µ
Média ~ N (0,1) conhecies ~ t (n − 1) desconhecido
σ n S′ n
( X 1 − X 2 ) − ( µ1 − µ 2 ) ( X 1 − X 2 ) − (µ1 − µ 2 ) a
~ N (0,1) Z= ~ t (ν )
σ 12 σ 22 S1'2 S 2'2
+ conheciden + e desconhecida
a
m n Variavem m n
Diferença de médias
onde ν é o maior inteiro contido em r,
nas diferents
o 8 desconhecidas
e
X 1 − X 2 − ( µ1 − µ 2 )
,
2
s1′ 2 s 2′ 2
has
igueur +
1 1 m n
+
m n r=
T= ~ t (m + n − 2) 2 2
1 s1′ ′2
2
(m − 1) S 1′ + (n − 1) S 2′
2 2
+ 1 s2
m − 1 m
n − 1 n
m+n−2
nS 2 (n − 1) S ′ 2
Variância σ2
=
σ2
~ χ 2 (n − 1) venicnein desconhecidas e
diferentes
S1′ σ 2 2
Relação de variâncias
2
~ F (m − 1, n − 1)
S 2′ 2 σ 2
1
X −µ a X −µ a
Y
a a
População de Bernoulli
Proporção X −θ a X −θ a
~ N (0,1) ~ N (0,1)
θ (1 − θ ) X (1 − X )
S
n n
Diferença de proporções X 1 − X 2 − (θ 1 − θ 2 ) a X 1 − X 2 − (θ 1 − θ 2 ) a
~ N (0,1) ~ N (0,1)
θ 1 (1 − θ 1 ) θ 2 (1 − θ 2 ) X 1 (1 − X 1 ) X 2 (1 − X 2 )
+ +
m n m n
Igualdade de proporções X 1 − X 2 − (θ 1 − θ 2 ) a m X1 + n X 2
~ N (0,1) onde θˆ =
1 1 ˆ m+n
+ θ (1 − θˆ)
m n
teste de hipstere P:
para
= P.P
N(OR)
Po9
3
• ESTATÍSTICA-TESTE DO χ 2
m ( N − fe ) 2 a
Teste de Ajustamento: Q = ∑
j j
~ χ 2 (m − 1)
j =1 fe j
Com estimação de k parâmetros para obter as estimativas pˆ o j : χ (2m − k −1)
r s ( N ij − feij ) 2 a
Teste de Independência: Q = ∑ ∑ ~ χ ((2 r −1)( s −1))
i =1 j =1 feij
r s ( N ij − feij ) 2 a
Teste de Homogeneidade: Q = ∑ ∑ ~ χ ((2 r −1) s )
i =1 j =1 feij
uˆ t = y t − yˆ t
n ∑ xt y t − ∑ xt ∑ y t
b2 = ;
∑ uˆ n∑ xt2 − (∑ xt )
2 2
t
s =
2
(n − k )
ns 2
Vaˆr (b2 | X ) =
n∑ x t2 − (∑ x t )
2
Coˆv(b | X ) = s 2 ( X T X ) −1
s2 =
∑ uˆ 2
t
(n − 2)
Propriedades:
(∑ ( y − y t )( yˆ t − yˆ t ) )
2
∑t ( yt − yt ) 2 ∑t ( yˆ t − yˆ t ) 2
= t =1 t t = t = t = t yyˆ
∑ uˆ t2
n
(n − k ) s 2
• q = t =1 = ~ χ 2 (n − k )
σ2 σ2
• tj =
bj − β j
~ t (n − k ) ou Fj =
(b j −βj )
2
~ F (1, n − k )
sb j
s b2j
4
Casos particulares
δˆ − δ
• Uma única restrição (m=1): t δˆ = ~ t (n − k ) em que s δˆ é o erro padrão de δˆ = cb .
s δˆ
R 2 /(k − 1) VE /(k − 1)
• Nulidade conjunta: F = = ~ F (k − 1, n − k )
(1 − R ) /(n − k ) VR /(n − k )
2
F=
(VR − VR1 / m
0 )
~ F (m, n − k ) ou F =
R 2 − R02 / m (
~ F (m, n − k )
)
VR1 /(n − k ) (1 − R 2 ) /( n − k )
VR1 = Variação residual do modelo sem restrições;
VR0 = Variação residual do modelo com restrições
R0 = Coeficiente de determinação do modelo com restrições
Previsão
θˆ − θ θˆ − θ
1. Previsão em Média: θ = β 1 + β 2 c 2 + ... + β k c k ; θˆ = b1 + b2 c 2 + ... + bk c k ; tθˆ = = ~ t (n − k )
s c( X T X ) −1 c T sθˆ
y 0 − yˆ 0 d
td = = ~ t (n − k ) com s d = s 2 + sθ2ˆ
s 1 + c( X X ) c
T −1 T sd
Heteroscedasticidade:
Cov(b | X ) = ( X T X ) −1 X T ΣX ( X T X ) −1 = ( X T X ) −1 ∑t =1 σ t2 x tT• xt • ( X T X ) −1
n
Coˆv(b | X ) = ( X T X ) −1 ∑t =1 uˆ t2 xtT• xt • ( X T X ) −1 , uˆ t2 = ( y t − xt • b) 2 .
n
a
Estatística-teste de White: W = nR 2 ~ χ 2 ( p − 1)
Autocorrelação:
a
Estatística-teste de Breusch-Godfrey: nR 2 ~ χ 2 (q ) ,