Tabela de fórmulas

• Quadrado da soma das observações:

(∑ 𝑥𝑖 )2 = (𝑥1 + 𝑥2 + 𝑥3 + 𝑥𝑛 )2

**Na calculadora: ∑2

• Soma dos quadrados das observações:

∑ xi2 = (X12 + X22 + X32 + X42 + ... + Xn2)

**Na calculadora ∑ = x2

• Soma dos quadrados dos desvios em relação à média:

(∑ 𝑥)2
SQ = ∑(𝑥 − 𝑥̅ )2 = ∑ 𝑥 2 − 𝑁
*N = Número de observações na população.

• Coeficiente de variação:

𝑠
.𝐶𝑉 = 100.
𝑥̂

** s = desvio padrão amostral

**x = média amostral

Probabilidade

• Abordagem clássica:

𝑛º 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝐴
𝑃(𝐴) =
𝑛º 𝑑𝑒 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜𝑠

• Evento complementar:
𝑃(𝐴) = 1 − 𝑝(𝐴̂)
• Eventos mutuamente exclusivo:

𝑃 (𝐴 ⋃ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ⋂ 𝐵)

**Se P(aUb)=0 [exclusivo]

**Se P(aUb)≠0 [N exclusivo]

• Probabilidade de “ao menos 1”

𝑃(𝐴) = 1 − 𝑝(𝐴̂)

• Probabilidade de “ao menos 1” em várias observações:

𝑃(𝐴) = 1 − 𝑝(𝐴̂)𝑛 *n= número de observações

Distribuição de probabilidade
• Esperança:
É a média
Modelos de distribuição discretos

Modelo de Bernouli

𝑃(𝑋 = 𝑥) = 𝑝 𝑥 . 𝑞1−𝑥
∗∗ p = probabilidade de sucesso;
∗∗1-p = q = probabilidade de fracasso.
• Esperança: p
• Var(x): p.q
Modelo Binomial

𝑛
𝑃(𝑋 = 𝑥) = 𝑝 𝑥 . 𝑞 𝑛−𝑥 . ( )
𝑥
• Esperança: n.p
• Var(X): n.p.q
• (𝑛𝑥) na calculadora: nCr (X)
• Ao menos 1: 𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0)
 Modelo de Poisson

𝑒 −λ . λ𝑥
𝑃(𝑋 = 𝑋𝑖 ) =
𝑥!

• λ = n. p
• Esperança: λ
• Var(X): λ

Modelos contínuos de distribuição de probabilidade

Distribuição normal

X : N (μ; 𝜎 2)

• Esperança: μ
• Var(X): 𝜎 2
𝑥−𝜇
• Zcrítico → 𝑍𝑐 = 𝜎

Distribuição Qui-quadrado (X2)

𝑥𝑖−𝜇𝑖
𝑋2 = ∑ ( ) = ∑ 𝑍2 = 𝜑
𝜎𝑖

• E (X2) = μ (X2) = 𝜑
• Var (X2) = (σ2) = 2φ

Distribuição de T Studant

• E (Tφ) = μ (Tφ) = 0
𝜑
• Var (Tφ) = σ2 (Tφ) =
𝜑−2