Escolar Documentos
Profissional Documentos
Cultura Documentos
Gestão de Empresas
Coimbra Business School
1. Introdução
1.1 Estatística descritiva
- Análise de um grande conjunto de dados, extraindo deles o que
há de relevante por meio de um número bastante menor de
valores característicos
- Permite tirar conclusões acerca do conjunto de dados observados,
e não sobre a população
Experiência aleatória:
a) O conjunto dos resultados possíveis é conhecido
antecipadamente
b) O resultado da experiência nunca pode ser previsto de forma
exata
Espaço de Resultados
i) Discreto : composto por um número de elementos finito [1,2,3]
ou infinito numerável [1,2,3, … ]
ii) Contínuo: composto por um número de elementos infinito não
numerável [Ω]
2.1.2 Acontecimento
Qualquer subconjunto do espaço de resultados
Catarina Barbosa
Gestão de Empresas
Coimbra Business School
2.3.2 Propriedades
P1) P(Ā) = 1- P(A)
P2) P(0) = 0
P3) P(B - A) = P(B∩Ā) = P(B) - P(A∩B)
P4) P(A U B) = P(A) + P(B) - P(A∩B)
P5) A⊂B ⇒P(A) ≤ P(B)
P6) P(A) ≤ 1
Catarina Barbosa
Gestão de Empresas
Coimbra Business School
𝑃(𝐴 ⋂ 𝐵)
P(A/B) = 𝑃(𝐵)
A1) P(A/B) ≥ 0
A2) P(Ω/B) = 1
A3) Se A e B são acontecimentos incompatíveis A ⋂ B = 0 então P(A U
B /C) = P(A/C) + P(B/C)
Corolário
P(B) = P(B/A)P(A) + P(B/Ā)P(Ā)
Teorema de Bayes
𝑃(𝐵/𝐴𝑖) 𝑃(𝐴𝑖)
P(Ai/B) = Σ𝑃(𝐵/𝐴𝑖) 𝑃(𝐴𝑖) , j ∊ N
Catarina Barbosa
Gestão de Empresas
Coimbra Business School
Independência Condicional
Condição: P((A∩B)/C) = P(A/C) P(B/C)
Definição: FX(x) = P (X ≤ x) , ∀ x ∈ R
Propriedades:
P1) 0 ≤ FX(x) ≤ 1
P2) o seu domínio é R
P3) é não decrescente
P4) FX é contínua à direita
P5) limx→-∞FX(x) = 0 e limx→+∞FX(x) = 0
P6) P (a < X < b) = P( X ≤ b) - P ( X ≤ a ) = FX(b) - FX(a)
P7) P(X=a) = F(a) - FX(a-)
Catarina Barbosa
Gestão de Empresas
Coimbra Business School
Propriedades
P1) Se k é uma constante real, então E(k) = k
P2) Se k é uma constante real e existe E (g(x)), então
E (k g(x) ) = k E (g(x))
P3) E (g1(x) + g2(x) ) = E (g1(x)) + E (g2(x))
P4) FX é contínua à direita
P5) limx→∞FX(x) = 0 e limx→+∞FX(x) = 0
P6) P (a < X < b) = P( X ≤ b) - P ( X ≤ a ) = FX(b) - FX(a)
P7) P(X=a) = F(a) - FX(a-)
Propriedades
P1) Se k é uma constante real, então Var(k) = 0
P2) Se k é uma constante real , então Var (k X) = k2 Var(x)
P3) Var (k1(x) + k2 ) = k12 Var(x)
Desvio-Padrão = sx = +√Var(X)
Catarina Barbosa
Gestão de Empresas
Coimbra Business School
Propriedades
P1) f(x) ≥ 0 , ∀ x ∈ R
P2) -∞ഽ+∞ f(x) dx = 1
P3) aഽb f(x) dx = P (a < x < b ) , com b > a
Função de distribuição
Definição: FX(x) = P(X<x) = -∞ഽx f(t) dt
quando no ponto não existe derivada, f(x) = 0
4. Distribuições Teóricas
4.1 Distribuições discretas
1
Definição: P(X=xi) = p(xi) = 𝑛
1
E(X) = 𝑛
∑ xi
1
Var(X) = 𝑛
∑ xi2 - [E(X)]2
Bernoulli:
Experiência aleatória que tem apenas dois resultados possíveis:
sucesso (A ou 0) e insucesso (Ā ou 1)
➢ p = P(A)
➢ P(X=x) = px (1-p)1-x , x = 0,1
➢ E(X) = p
➢ Var(X) = p(1-p)
Distribuição Binomial:
Probabilidade de obter exatamente x sucessos e (n-x) insucessos,
independente da ordem:
−λ 𝑥
𝑒 λ
➢ P(X=x) = 𝑥!
, x = 0,1,..
1
➢ 𝑓(𝑥) = 𝑎−𝑏
, 𝑎<𝑥<𝑏
0 , outros valores de x
0 ,x<a
𝑥−𝑎
➢ FX(x) = 𝑏−𝑎
,a≤x≤b
1 ,x≥b
𝑏+𝑎
➢ E(X) = 2
2
(𝑏−𝑎)
➢ Var(X) = 12
➢ 𝑓(𝑥) = 0 ,x≤0
−λ𝑥
λ𝑒 ,x>0
➢ FX(x) = 0 ,x≤0
−λ𝑥
1−𝑒 ,x>0
1
➢ E(X) = λ
1
➢ Var(X) = 2
λ
Catarina Barbosa
Gestão de Empresas
Coimbra Business School
➢ 𝑓(𝑥) =
1
𝑒
{− 1
2σ
2 (𝑥−μ)
2
}
2
2πσ
➢ FX(x) =
𝑥
∫
1
𝑒
{− 1
2σ
2 (𝑥−μ)
2
}𝑑𝑡
2
−∞ 2πσ
1 2
1 −2𝑧 𝑋−μ
➢ 𝑓(𝑧) = 𝑒 , com Z= σ
2π
➢ FZ(-z) = 1 - FZ(z)
𝑏−μ 𝑎−μ
➢ P (a < X < b) = FZ( σ
) - FZ( σ
)
𝑏−μ
➢ P(X < b) = FZ( σ
)
𝑎−μ
➢ P(X > <) = 1 - FZ( σ
)
Catarina Barbosa
Gestão de Empresas
Coimbra Business School