Probabilidades e Estatı́stica

Formulário

Distribuição de Bernoulli X ∼ B(p) E(X) = p

SX = {0, 1} P (X = 1) = p V (X) = p(1 − p)

Distribuição Binomial X ∼ B(r, p) E(X) = rp

SX = {0, 1, ..., r} P (X = k) = Ckr pk (1 − p)r−k ∀k ∈ SX V (X) = rp(1 − p)

n
1X
Distribuição uniforme em n pontos X ∼ U{x1 , x2 , ..., xn } E(X) = xi
n i=1
n
1X
SX = {x1 , x2 , ..., xn } P (X = k) = 1
∀k ∈ SX V (X) = x2 − (E(X))2
n
n i=1 i

Distribuição Geométrica X ∼ G(p) E(X) = 1/p

1−p
SX = IN P (X = k) = (1 − p)k−1 p ∀k ∈ IN V (X) = p2

Distribuição de Poisson X ∼ P(λ)

λk −λ
SX = IN0 P (X = k) = k!
e ∀k ∈ IN0 E(X) = V (X) = λ

a+b
Distribuição uniforme contı́nua X ∼ U[a, b] E(X) = 2

 0 se x < a
(b−a)2

1
f (x) =  b−a
se a ≤ x ≤ b V (X) = 12

0 se x > b

1
Distribuição exponencial X ∼ E(α, β) E(X) = α
+β
( (
αe−α(x−β) se x ≥ β 1 − e−α(x−β) se x ≥ β 1
f (x) = F (x) = V (X) = α2
0 se x < β 0 se x < β

Distribuição normal X ∼ N (m, σ 2 ) E(X) = m V (X) = σ 2

 Formulário de Estatı́stica – Estimadores

Distribuição Estimadores

Distribuição de Bernoulli X ∼ B(p) pb = X

Distribuição Binomial X ∼ B(r, p) pb = X/r

Distribuição Geométrica X ∼ G(p) pb = 1/X

Distribuição Binomial Negativa X ∼ BN (r, p) pb = r/X

Distribuição de Poisson X ∼ P(λ) λ

b=X

q
Distribuição uniforme contı́nua X ∼ U[a, b] ab = X − 3 n−1
n
S2
q
b
b =X+ 3 n−1
n
S2

q
n−1 2
Distribuição exponencial X ∼ E(α, β) α
b = 1/ n
S
q
n−1 2
βb = X − n
S

Distribuição normal X ∼ N (m, σ 2 ) m

c=X

n−1 2
σc2 = n
S

Variância amostral
n
n 2
Xi2 −
X
1
Sn2 = n−1
Xn
i=1 n−1
 Formulário de Estatı́stica - Intervalos de confiança

Parâmetro Distribuição Dimensão Conhecemos

a estimar da população da amostra σ2? Extremos do Intervalo

m normal qualquer sim X ± z(1 − α/2) √σn

m normal qualquer não X ± tn−1 (1 − α/2) √Sn

m qualquer n ≥ 30 não X ± z(1 − α/2) √Sn

m qualquer n ≥ 30 sim X ± z(1 − α/2) √σn

√
X(1−X)
p Bernoulli n ≥ 30 – X ± z(1 − α/2) √
n

 
(n−1)S 2 2
σ2 normal qualquer – , (n−1)S
χ2n−1 (1−α/2) χ2n−1 (α/2)

Testes paramétricos

Parâmetro Distribuição Dimensão Conhecemos Estatı́stica de Distribuição

a estimar da população da amostra σ2? teste En de En
√
m normal qualquer sim n X−m
σ
0
∼ N (0, 1)
√
m normal qualquer não n X−m
S
0
∼ tn−1
√
m qualquer n ≥ 30 não n X−m
S
0 ·
∼ N (0, 1)
√
m qualquer n ≥ 30 sim n X−m
σ
0 ·
∼ N (0, 1)

√ X − p0 ·
p Bernoulli n ≥ 30 – nq ∼ N (0, 1)
p0 (1 − p0 )

(n − 1)S 2
σ2 normal qualquer – ∼ χ2n−1
σ02

Teste do qui-quadrado de ajustamento

m
X (Nj − ej )2 ·
Estatı́stica de teste: Qn = . Sob a validade de H0 , Qn ∼ χ2m−1
j=1 ej

Teste do qui-quadrado de independência

r X
s
X (Nij − Eij )2 ·
Estatı́stica de teste: Qn = . Sob a validade de H0 , Qn ∼ χ2(r−1)×(s−1)
i=1 j=1 Eij