You are on page 1of 12

# Probabilidade e Estatstica................................................................................................

## 5.2 FUNO DE PROBABILIDADE MARGINAL......................................... 8

1 ESTATSTICA DESCRITIVA................................................................................... 2

## 5.8 COVARINCIA ................................................................................................. 10

2 PROBABILIDADE ....................................................................................................... 4

5.9 CORRELAO.................................................................................................. 10

## 3.2 DISTRIBUIO DE BERNOULLI ................................................................ 5

7 INFERNCIA ESTATSTICA............................................................................... 11

## 3.3 DISTRIBUIO BINOMIAL........................................................................... 5

3.4 DISTRIBUIO GEOMTRICA.................................................................... 5

## 7.1 DISTRIBUIES AMOSTRAIS DOS PRINCIPAIS ESTIMADORES

............................................................................................................................................ 11

## 3.8 DISTRIBUIO MULTINOMIAL................................................................. 6

4 VARIVEIS ALEATRIAS CONTNUAS........................................................... 6
4.1 DISTRIBUIO UNIFORME ......................................................................... 7
4.2 DISTRIBUIO NORMAL .............................................................................. 7
4.3 DISTRIBUIO EXPONENCIAL.................................................................. 7
4.4 DISTRIBUIO DE ERLANG ........................................................................ 8
4.5 DISTRIBUIO GAMA .................................................................................... 8
4.6 DISTRIBUIO DE WEIBULL ..................................................................... 8
5 DISTRIBUIES DE PROBABILIDADE CONJUNTAS................................ 8
5.1 FUNO DE PROBABILIDADE CONJUNTA.......................................... 8

Probabilidade e Estatstica

Mdia:

## Probabilidade: rea da Matemtica que se preocupa com o estudo da

incerteza.
Estatstica: rea da Matemtica que se preocupa com a organizao,
coleta e resumo dos dados, para auxlio na tomada de decises.

## 1.1 DISTRIBUIO DE FREQUENCIAS

Variveis Contnuas
Classe
f
10 30
2
30 40
4
40 50
5
50 60
5
60 70
7
70 90
3
26

  

 
   
         
:    


      

Mdia Geomtrica:

1 ESTATSTICA DESCRITIVA

Variveis Discretas
x
f
20
2
35
4
45
5
55
5
65
7
80
3
26

   



!  "   \$%/


## Separatrizes: Dividem a seqncia em partes iguais. Os dados devem

estar em ordem crescente. A frmula geral :
'  (,* +

"./-./01\$2*
, onde
*

     
-   4
*       . /

## (,*         

2*  
    
*         
/01            
Mediana:

6  (,

Quartil: 8  (,8 +
Decil: :  (,: +

"/7./01 \$2
 6

"./9./01\$28
8

" /%;./01\$2:
:

'

## Moda: o valor mais freqente na distribuio.

Classe Modal: Classe com maior freqncia absoluta. Caso haja mais de
uma, a classe modal ser a de maior densidade modal <=  > /?> .
Frmula de Czuber:

@  (,

%
+ +
.2
%
7

, onde

## (, @          

%            
       
7            
    
  
2 @  
     

Alternativa:


@  B 6 . 7

## Escore Z: Mede a distncia entre X e a mdia em unidades de desvio

padro.
C

D
E

F  GH0I . GH
:

Desvio Mdio:
Varincia:

E7 


K"LM DN\$O PM Q

7 
S

R
"   \$7

S7

7 
D%

"   \$7
"D%\$

K"LM DLU\$O PM Q
VDW

, onde n a amostra.

Desvio Padro: E  E7 @Y T  T7

Lei Emprica:
68% dos dados esto no intervalo KZU . [, ZU + [Q
95% dos dados esto no intervalo KZU . 2[, ZU + 2[Q
99% dos dados esto no intervalo KZU . 3[, ZU + 3[Q


Coeficiente de Variao: ^G  E/ ou ^G  T/

## 1.4 MEDIDAS DE ASSIMETRIA

Tipos de Distribuio:
Simtrica
Mdia = Mediana = Moda

## 1.3 MEDIDAS DE DISPERSO

Amplitude:

Varincia Amostral: T7 

|
| D


## Assimtrica Positiva ou Assimtrica Direita:

Moda < Mediana < Mdia
Assimtrica Negativa ou Assimtrica Esquerda:
Mdia < Mediana < Moda
1 Coeficiente de Pearson: _T 
2 Coeficiente de Pearson: _T 

, onde N a populao.

D @

T

8% `8B D7 6
8B D8%

Se AS = 0 a distribuio Simtrica
Se AS > 0 a distribuio Assimtrica Positiva
Se AS < 0 a distribuio Assimtrica Negativa

a

8B D8%

7"'b; D'%; \$

## Se K = 0,263 a distribuio mesocrtica (nem chata nem delgada)

Se K > 0,263 a distribuio platicrtica (chata)
Se K < 0,263 a distribuio leptocrtica (delgada)

2 PROBABILIDADE
Experimento Aleatrio: um experimento que realizado sob as mesmas
condies produz diferentes resultados.
Espao Amostral (S ou ): o conjunto de todos os possveis resultados
de um experimento aleatrio.
Evento (E): um subconjunto do Espao Amostral.

cd ou ce: Complementar de A.
A B: A ocorrncia do evento A implica na ocorrncia do evento B.
"f _g \$  h UUU
Leis de Morgan: UUUUUUUU
_g ; UUUUUUUU
"h _g \$  f UUU
_g

Teoremas:
 \$  % . '"_\$
'"_
_% _7 '"_% \$ n '"_7 \$
'"f _ \$ n '"_ \$

## Probabilidade Condicional: '"_|o\$ a probabilidade de ocorrncia do

evento A com a condio de B ter ocorrido.
'"o i _\$
'"o|_\$ 
,
 l"c\$ q 0
'"_\$
Regra da adio: '"_ p o\$  '"_\$ + '"o\$ . '"_ i o\$

## Regra da Probabilidade Total: Se o espao amostral pode ser escrito

como f r> , onde os eventos r> so mutuamente excludentes e exaustivos
"f r>  \$ , ento para um evento B qualquer temos:
'"o\$  l"r> i j\$  '"s \$'"o|s \$
Teorema de Bayes:

'"o|_\$ 

'"o\$'"_|o\$
'"_\$

## P(A): Probabilidade de ocorrer o evento A.

P(A B): Probabilidade de ocorrer o evento A ou o evento B.
P(A B): Probabilidade de ocorrer o evento A e o evento B.

## 3 VARIVEIS ALEATRIAS DISCRETAS

Axiomas de Probabilidade:
'"T\$  %
; n '"_\$
_ i o  k '"_ p o\$  '"_\$ + '"o\$

## Funo de Probabilidade: uma funo : t tal que

"I\$ q ;
"I\$  %
'"  I\$  "I\$
Representa a probabilidade de X assumir um valor x.
Obs.: T  uI% , I7 , , I \$

## Eventos Mutuamente Excludentes: c i j  k  l"c i j\$  0

Eventos Independentes: l"c i j\$  l "c\$l"j\$

## Varivel Aleatria: uma funo : que associa um nmero real

a cada elemento do espao amostral .

## Funo de Distribuio Acumulada: uma funo /: T tal que

/"I\$  '" n I\$  I w I "I \$
; n /"I\$ n %
I n x /"I\$ n /"x\$
Representa a probabilidade de X assumir um valor menor que x.
Esperana (ou Mdia): s"\$  y  I"I\$

{

\${

## Sejam Z        4  

   
u0, 1, 2, , e p a probabilidade de sucesso em cada tentativa. Ento X
uma varivel aleatria binomial, Z~j" ,
\$.
"I\$  I-I "% . -\$DI
s"\$  -

G"\$  -"% . -\$

Hint: V  VDW
DW
V

Hint: | {  | "| . 1\$ . |

## 3.1 DISTRIBUIO UNIFORME

Se todos os valores de X tem igual probabilidade de ocorrer ento X
uma varivel aleatria uniforme e:
%
"I\$ 


## Sejam Z  1 "sucesso", Z  0 " e p a probabilidade de

sucesso. Ento:
"I\$  -I "% . -\$%DI
s"\$  G"\$  -"% . -\$

## Sejam Z     4  1   u1, 2, 3, e p a

probabilidade de sucesso em cada tentativa. Ento X uma varivel
aleatria geomtrica, Z~"
\$.
"I\$  "% . -\$ID% s"\$  %/G"\$  "% . -\$/-7
/"\$  % . "% . -\$

## Hint: "\$  " \$

Hint: | {  | "| . 1\$ . |

## Sejam Z     4     u,  + 1,  + 2,

e p a probabilidade de sucesso em cada tentativa. Ento X uma varivel
aleatria binomial negativa, Z~jR ",
\$.
-"% . -\$ID
"I\$  ID%
D%

Hint: VV
VD  "p + q\$

## Sejam Z      |   

  
       .    umax "0, + .
\$, ,  ", \$ e p a probabilidade de sucesso em cada tentativa.
Ento X uma varivel aleatria hipergeomtrica, Z~", , \$.
"I\$ 

Sa
a
I I

S


## Sejam Z        4   

u0, 1,2, e o nmero mdio de sucessos neste intervalo. Ento X
uma varivel aleatria Poissoniana, Z~l  "\$.
s"\$ 
G"\$ 

I!

Hint:  
V V!

Hint: | {  | "| . 1\$ . |

## Aproximao da distribuio binomial:

"I% , I7 , , I \$ 

!

I% ! I !

-%% -
I

"I\$ 

## Sejam cW , c{ , , c k eventos mutuamente excludentes e exaustivos com

probabilidades
W ,
{ , ,
, respectivamente. Seja Z>  
    4 c>    4  
  . Cada
tentativa resulta na ocorrncia de apenas um dos k eventos.

s" \$  -
G" \$  - "% . - \$

s"\$  - ,  -  a/S
G"\$  -"% . -\$"S . \$/"S . %\$

## Funo Densidade de Probabilidade (f.d.p.): uma funo : t

tal que
"I\$ q ;

D "I\$6I  %

'"0 n  n \$  0 "I\$6I

## Obs.: l "Z  \$  0,  Logo: l " n Z n \$  l " Z n \$ 

l " n Z \$  l" Z \$

## Funo de Distribuio Acumulada (f.d.a): uma funo /: T

tal que
I
/"I\$  '" n I\$  D "Y\$6Y
; n /"I\$ n %
I n x /"I\$ n /"x\$
Representa a probabilidade de X assumir um valor menor que x.

## Esperana (ou Mdia): s"\$  y  D I"I\$6I

Varincia: G"\$  z 
{

D"|

\${

. y "|\$ 

D I7 "I\$ . 7

"I\$ 

%
,0 n I n
.0

" . 0\$7
"
\$
G  
%7

0+
s"\$ 
7

## 4.2 DISTRIBUIO NORMAL

"I\$ 
Notao: Z~"y, z \$.
{

E7

% ID 7

D7

s"\$  

, . |

G"\$  E

## Propriedades: simtrica em relao a ; Tem mximo em ; Tem

pontos de inflexo em - e + ;
Lei Emprica:

l "y . z Z y + z\$  0,6827
l "y . 2z Z y + 2z\$  0,9545
l "y . 3z Z y + 3z\$  0,9973

ento 

LDN

## Portanto, podemos calcular a probabilidade de uma v.a. normal usando

uma normal reduzida fazendo '"0 n  n \$  '

DN

nCn

DN

## Combinaes Lineares: Seja X e Y variveis aleatrias normais. Ento

 Z +  +  tambm uma v.a. normal e
s"\$  0s"\$ + s"\$ + *
G"\$  07 G"\$ + 7 G"\$
Aproximao da distribuio binomial: Seja Z~j" ,
\$ e C 

D-

-"-D%\$

D

## 4.3 DISTRIBUIO EXPONENCIAL

Uma v.a. que representa o comprimento de um intervalo at que ocorra
o primeiro evento em um processo de Poisson com mdia > 0 tem uma
distribuio exponencial.
"I\$  DI , I q ;
s"\$ 

/"I\$  % . D I

G"\$ 

## Obs.: deduzida a partir da distribuio de Poisson.

Propriedade da Falta de Memria: '" + 1| \$  '" 1\$

## Uma v.a. que representa o comprimento de um intervalo at que

ocorram r eventos em um processo de Poisson com mdia > 0 tem
uma distribuio de Erlang.
"I\$ 

ID% DI

, I q ; ,  %, 7,
" . %\$!

s"\$ 
G"\$  7

## 5.1 FUNO DE PROBABILIDADE CONJUNTA

A funo de probabilidade conjunta de duas V.A.s discretas X e Y,
denotada por L "|, \$ satisfaz as seguintes condies:
 "I, x\$ q ;

 "I, x\$  %

## Obs.: deduzida a partir da distribuio de Poisson. uma generalizao

da distribuio exponencial.

## a generalizao da distribuio de Erlang para 

"I\$ 

s"\$ 

ID% DI
, I q ; ,  %, 7,
"\$

G"\$ 

## Onde "\$  DW  D  a funo gama.

'"  I,  x\$   "I, x\$

## 4.6 DISTRIBUIO DE WEIBULL

I
I D% DI

/"\$  % . D
,I q ;

%
7
%
s"\$  % +
G"\$  7 % + + 7 7 % +

"I\$ 

## > 0 o parmetro de forma e > 0 o parmetro de escala.

Para = 1 a distribuio de Weibull torna-se idntica a exponencial.

## 5.2 FUNO DE PROBABILIDADE MARGINAL

Sejam X e Y duas V.A.s discretas com funo de probabilidade conjunta
L "|, \$. Ento a funo de probabilidade marginal de X :
 "I\$  '"  I\$   "I, x\$
FI

## Onde | denota o conjunto de todos os pontos da imagem de "Z, \$

onde Z  |.

Esperana Marginal:

## s"\$    I "I\$  I "I, x\$

I

Varincia Marginal:

I

## Sejam X e Y duas V.A.s discretas com funo de probabilidade conjunta

L "|, \$. Ento a funo de probabilidade condicional de Y dado X = x :

## Sejam X e Y duas V.A.s contnuas com funo densidade de

probabilidade conjunta L "|, \$. Ento a funo densidade de
probabilidade marginal de X :

Esperana Condicional:

Esperana Marginal:

|I "x\$ 

 "I, x\$
,
 L "|\$ 0
 "I\$

## s"|I\$  |I  x|I "x\$

FI

Varincia Condicional:

FI

FI

## s"\$    I "I\$6I  I "I, x\$ 6I 6x

Varincia Marginal:

## 5.6 FUNO DENSIDADE DE PROB. CONDICIONAL

5.4 FUNO DENSIDADE DE PROB. CONJUNTA
A funo densidade de probabilidade conjunta de duas V.A.s contnuas X
e Y, denotada por L "|, \$ satisfaz as seguintes condies:
 "I, x\$ q ;

 "I, x\$ 6I 6x  %

'K", \$ FQ   "I, x\$ 6I 6x
F

## Sejam X e Y duas V.A.s contnuas com funo densidade de

probabilidade conjunta L "|, \$. Ento a funo densidade de
probabilidade condicional de Y dado X = x :
|I "x\$ 
Esperana Condicional:

 "I, x\$
,
 L "|\$ 0
 "I\$

## s"|I\$  |I  x|I "x\$6x

Varincia Condicional:

5.7 INDEPENDNCIA

## Se duas V.A.s X e Y so independentes, as seguintes afirmaes so

vlidas e equivalentes para todo par "|, \$ :
 "I, x\$   "I\$ "x\$

  L "|\$ 0

  L "|\$ 0

## 'K", \$ FQ  '" F\$'" F\$

5.8 COVARINCIA
Mede o relacionamento linear entre duas V.A.s.

## Se E 0 a relao positiva, isto , X cresce quando Y cresce e X cai

quando Y cai, e vice-versa.
Se E 0 a relao negativa, isto , X cresce quando Y cai e X cai
quando Y cresce, e vice-versa.
Se E  ; no h relao linear entre as variveis.
Se X e Y so independentes ento: E  ;

## Obs.: s"\$  Ix  "I, x\$ 6I 6x

Seja  W ZW + { Z{ + + V ZV . Ento:



## 6 FUNES DE VARIVEIS ALEATRIAS

Teorema 1: Seja X uma V.A. discreta com distribuio de prob. L "|\$. Seja
 "\$ a distribuio de prob. de uma V.A. definida por  ?"Z\$, onde h
uma transformao inversvel. Ento:
 "x\$   2D% "x\$
Teorema 2: Idem ao teorema 1 para vetores aleatrios.

## Teorema 3 (Mtodo Jacobiano): Seja Z um vetor aleatrio contnuo com

f.d.p. conjunta L "|\$. Seja  "\$ a f.d.p. de um vetor aleatrio definido
 ?"Z\$, onde h uma transformao inversvel. Ento:
por
\$   2D% "x
\$. || , @6 @ 0*@0@
 "x




## Mtodo Bsico: ???

/ "x\$  '" n x\$  '"2"\$ n x\$  / "x\$

5.9 CORRELAO

Desigualdade de Chebychev:
uma padronizao da covarincia.
 

*@", \$

G"\$G"\$

E
E E

, .% n  n %

'"| . | z\$ n

%
*7

7 INFERNCIA ESTATSTICA
Amostra Aleatria (AA): um conjunto de n variveis independentes
"ZW , Z{ , , ZV \$ que possuem mesma distribuio de probabilidades.

## Estimador : uma funo dos dados amostrais:

 "|W , |{ , , |V \$

Um estimador dito no-tendencioso quando s
. chamado tendncia do estimador.
O valor s
Estimativa: um valor assumido pelo estimador.
Estimadores Amostrais:
: ZU

 : [ {

4 l : [ l
 :


"c\$
"[\$

## 7.1 DISTRIBUIES AMOSTRAIS DOS PRINCIPAIS

ESTIMADORES
Teorema Central do Limite:
Para uma populao normalmente distribuda, a distribuio das mdias
ter formato aproximadamente normal, independente do tamanho da
amostra.
Para toda e qualquer populao, a distribuio amostral das mdias
tender distribuio normal, desde que a amostra seja suficientemente
grande " q 30\$.

## Mdia Amostral "E7 *@2*6@\$:

Pelo teorema central do limite, para  q B;, temos:
 .
E7

 ~S , C 

~S";, %\$

E/

## Mdia Amostral "E7 6*@2*6@\$:

Para amostras pequenas " 30\$ temos:
 .


~1T1Y61" . %\$
T/
Obs.: Se q 30 mesmo com z { desconhecido utiliza-se a distribuio
normal.

Varincia:

7 

Proporo:

" . %\$T7
~ 7D% "*2Y0606@ *@H  . % . . \$
E7

 ~S -,
-

-"% . -\$
, -00 - q "% . -\$ q


## Seja X uma V.A. com distribuio de probabilidade "|, \$, onde o

nico parmetro desconhecido. Sejam |W , |{ , , |V os valores
observados de uma A.A. de tamanho n. Ento a funo de
verossimilhana da amostra dada por:
("\$  "I% , \$. "I7 , \$ "I , \$
O estimador de mxima verossimilhana de aquele que torna mxima
esta funo.

Proporo:

## Onde "1 . \$ conhecido como nvel de confiana e chamado nvel

de significncia. Observar que necessrio saber a distribuio de
probabilidade do estimador .

A ANLISE COMBINATRIA


TY-  "% . \$
'

## Mdia Populacional "E7 *@2*6@\$:

E
E
 . /7
 + /7
' 
y
 "% . \$


Onde 'C /7  /7, C~S";, %\$
O valor s  /7

/7 7 T7

s7

'

" . %\$T7

7/7,

D%

E7

" . %\$T7

7%D/7,

D%

## Permutao de n elementos: '  !

Combinao de k elementos em n:

!
 ^ 

! " . \$!
Permutao com repetio:

'%,7,,



Permutao Catica:

## Mdia Populacional "E7 6*@2*6@\$:

T
T
 + 1/7
 . 1/7
y
 "% . \$
' 


Onde ' 1/7  /7, ~1T1Y61" . %\$
Obs.: Para q 30 usa-se a distribuio normal.
Varincia:

 "% . \$
 "% . \$
 . /7
 + /7
'
 "% . \$



 "% . \$


!

% , 7 , , 
% ! 7 !  !

'*01*0  !

".%\$
; !
