Estatística

Ex :
30

Y
n
O 1 2 f ✗
( )
x

O 0,12 0,13 0125 0,5

p 0,03 0,01 0
,
10
914

2 0,05 O 0136
0,01 , }

f- µ
(y ) 0,2 0,1s 0,6s p

a) E [✗ ] =
Nu
= Ei ui
f- ×
( Ki ) =
( 0×0 , s ) + (1×914)+(2×0,36)=986
gravatas
vendidas

diariamente

Extra →
N° médio de lenços de mao vendidos diariamente .

E [ Y]
§ yífy ( yi )
=
Ivy
(0×0,2)+(1×0,15)
=

=
+
(2×0,65)=1,45
lenço de

mai vendidos
diariamente

Atencao
←

N-ac-venficarindependenciaatrauesdacovan-a-na.at/eYsac-
independentes Lou (x ,
y ) =
O

A covariância linear
avalia a existencia de uma relação entre ✗ e Y
.

Se ( ou ( x
,
Y ) =
O ,
não existe uma
relação linear ,
mas pode existir outro

tipo de
 ✗ e Y são independentes ⇐ f. ( (
my ) =

%) f- IY ) ,
tt (
seis )
×
, µ Y

✗ e Y são independentes porque por exemplo , fax , µ ,

(' i
' ) =P ( ✗ 1,4=11--91=

f-× (n )
f. =P ( 1) P (4--1)=0,14
,
( i ) ✗ =

✗ ✗ 0,1s
=
0,021

"
% , "
=
=

↳(×=Í÷÷ =
as .

Fará Fará , )
,
-

2 E f- ( ✗ µ)
° "

→ (or ( x Y) E [✗ Y ] E [✗ ] E [ Y ]
=
, -

→
Var (x) =
E [✗ a
] -

EÊX ] =
1,58 -

( 0,861
'

0,8404
=

existe uma

→
✓ [ associação linear
ar v
, ] = E [Y l
] -

EÊY ] '

2,75 (
=
-

uns ) =
0,6475 positiva entre

✗ e Y
,

Calculo ,
Auxiliares :

E [✗ Y ] =
§ § Xi
Yi f- (x, y
)
( Xi
y: )
-

(0×0×0,12) + (0×1×913) . _
.

( 2×1×0,01 ) 1-
(2×2×0,3) =
1143

E [✗ ]
§
'
= '
Xi ( Xi ) =
( Oz ✗ o
, s ) + ( 12 ✗ o pu ) +
(22×0,36) =
1,58

E [Y ] ( y ;) (02×0,21 112×0,15) ( 22
fy
'

§ y;
+
0,6s )
= =
+
✗
=
2,7s

Existe uma
relação linear positiva fraca entre o número de
gravatas e o número

de lenços vendidos diariamente

.
Ex :
44 ( p . 82 ) 2- = X -

Y
e
W = ✗ + Y

✗ e Y são v. a
.

na-ocovrelacionadoslinearmute-g.cn ( ×, y ) = ①

o
Var ( z) 100 Var ( Y)
=

,
=
64

Em
É¥E=
=

( adubos Auxiliares

Var [ e ]
Var
→

= Ex -

Y ] = Var ( x ) + Var ( Y ) -
2 (ou (x Y ) =

=
Var (x ) + Var ( Y ) ⇐

⇐ 100 =
Var ( x ) + 64 "

H ✓ar (X) =
100 -

64

→
Var ( w ) Var [ ✗
=
+ y ] =
Var [✗ ] + Var ( Y) + 2 la (x Y ) =
,

= 36+64 =
100

Var ( w ) = Var ( ZI = 100

→ ( ou (z W ) =
E [ 2- W } -

E [ 2- ] E EW ]
, =
E Ex -
y, (✗ + µ ] -
E Ex -
Y) E [✗ + Y ] =

=
E [✗ <
+
✗ Y -