Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilidade condicional
A probabilidade da intersecção possui um valor mínimo e um valor máximo
A probabilidade mínima é obtida pela relação P(A U B) = P(A) + P(B) - P(𝐴 ∩ 𝐵) Quando a
intersecção é mínima, a união é máxima. A união máxima é 100%. Assim,
Prob condicional
A e B. Se A e B são independentes, então a ocorrência de A não altera a probabilidade de B, ou
seja: P(B|A) = P(B)
Bernoulli
Esperança de uma Distribuição de Bernoulli= E ( x )= p = E ( x )=0∗q+ 1∗p
binomial
n
( k)
k n −k
fórmula da probabilidade binomial = p ( x=k ) = ∗p q
n é a quantidade de experimentos
Para saber se uma distribuição segue uma distribuição qualquer é só aplicar as propriedades,
da soma, subtração, multiplição entre elas ou de uma constante
Distribuição de Poisson
ⅇ−np ( np )k
P ( x=k ) =
k!
E ( x )=Var ( x )=np=λ
Distribuição Geométrica
k−1
p ( x=k ) =q p
q
E ( x )=
p
q
V ( x )= 2
p
VARIÁVEIS ALEATÓRIAS CONTÍNUAS
Para variáveis contínuas, não importa se definimos um intervalo com sinal de < ou de ≤. Como
a probabilidade de ser igual a um valor específico é zero, ou seja, P(X = a) = 0 e P(X = b) = 0,
então: P(a < X < b) = P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X ≤ b)
Se x é uma variável aleatória contínua, então fx(x) pode ser da forma = qualquer função
Para sabermos se tá certo essa afirmação para as funções que a questão der, basta aplicar
duas condições, se uma delas der errado, essa função não é valida s condições (i) f(x) ≥ 0, no
intervalo em questão que a questão der e (ii) integral definida da função tem que ser igual a 1
k
F ( k )= p ( x ≤ k ) =∫ F ( x ) ⅆx
x1
Mediana
Moda
]
Coeficiente de variação = desvio padrão( raiz da variância )/ média ou valor esperado
P(|Z| < z) = P(−z < Z < z) = P(−z < Z < 0) + P(0 < Z < z)
P(|Z| > z) = P(Z < −z ∪ Z > z) = P(Z < −z) + P(Z > z)
P(|Y| > 2) = P(Y < −2 ∪ Y > 2) = P(Y < −2) + P(Y > 2) = 0.6
P(Y < −2) = P(Y > 2) = 2* P(Y > 2)= 0,6 = 0.3
em comparação com a normal, a curva t-Student é mais baixa na região central e mais larga
nos extremos. Ou seja, a distribuição t-Student apresenta maior variabilidade.
a distribuição t-Student se aproxima da curva normal à medida que o grau de liberdade cresce
(outra consequência do Teorema Central do Limite).
A média aritmética dos valores observados tende à esperança da variável aleatória, com o
aumento do número de observações.
As Leis dos Grandes Números não tratam da distribuição da média amostral, mas sim da sua
convergência à média populacional.
Lei Fraca enuncia uma convergência em probabilidade e a Lei Forte enuncia uma convergência
quase certa, se houver convergência quase certa, haverá a convergência em probabilidade,
mas o contrário não é verdadeiro.