Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas

Resumão de Probest, Resumos de Matemática

resumo das principais distribuições e fórmulas

Tipologia: Resumos

2012
Em oferta
30 Pontos
Discount

Oferta por tempo limitado


Compartilhado em 18/09/2012

eduardo-henrique-69
eduardo-henrique-69 🇧🇷

4.5

(2)

2 documentos

1 / 12

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
Probabilidade e Estatística ................................................................................................ 2
1 – ESTATÍSTICA DESCRITIVA ................................................................................... 2
1.1 – DISTRIBUIÇÃO DE FREQUENCIAS .......................................................... 2
1.2 – MEDIDAS DE POSIÇÃO .................................................................................. 2
1.3 – MEDIDAS DE DISPERSÃO............................................................................. 3
1.4 – MEDIDAS DE ASSIMETRIA .......................................................................... 3
1.5 – MEDIDAS DE ACHATAMENTO – CURTOSE ........................................ 4
2 – PROBABILIDADE ....................................................................................................... 4
3 – VARIÁVEIS ALEATÓRIAS DISCRETAS ............................................................ 4
3.1 – DISTRIBUIÇÃO UNIFORME ......................................................................... 5
3.2 – DISTRIBUIÇÃO DE BERNOULLI ................................................................ 5
3.3 – DISTRIBUIÇÃO BINOMIAL ........................................................................... 5
3.4 – DISTRIBUIÇÃO GEOMÉTRICA .................................................................... 5
3.5 – DISTRIBUIÇÃO DE PASCAL (BINOMIAL NEGATIVA) .................... 5
3.6 – DISTRIBUIÇÃO HIPERGEOMÉTRICA ..................................................... 6
3.7 – DISTRIBUIÇÃO DE POISSON ....................................................................... 6
3.8 – DISTRIBUIÇÃO MULTINOMIAL................................................................. 6
4 – VARIÁVEIS ALEATÓRIAS CONTÍNUAS........................................................... 6
4.1 – DISTRIBUIÇÃO UNIFORME ......................................................................... 7
4.2 – DISTRIBUIÇÃO NORMAL .............................................................................. 7
4.3 – DISTRIBUIÇÃO EXPONENCIAL.................................................................. 7
4.4 – DISTRIBUIÇÃO DE ERLANG ........................................................................ 8
4.5 – DISTRIBUIÇÃO GAMA .................................................................................... 8
4.6 – DISTRIBUIÇÃO DE WEIBULL ..................................................................... 8
5 – DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ................................ 8
5.1 – FUNÇÃO DE PROBABILIDADE CONJUNTA.......................................... 8
5.2 – FUNÇÃO DE PROBABILIDADE MARGINAL ......................................... 8
5.3 – FUNÇÃO DE PROBABILIDADE CONDICIONAL ................................. 9
5.4 – FUNÇÃO DENSIDADE DE PROB. CONJUNTA ..................................... 9
5.5 – FUNÇÃO DENSIDADE DE PROB. MARGINAL ..................................... 9
5.6 – FUNÇÃO DENSIDADE DE PROB. CONDICIONAL .............................. 9
5.7 – INDEPENDÊNCIA .......................................................................................... 10
5.8 – COVARIÂNCIA ................................................................................................. 10
5.9 – CORRELAÇÃO .................................................................................................. 10
5.10 – COMBINAÇÃO LINEAR DE VARIÁVEIS ALEATÓRIAS ............. 10
6 – FUNÇÕES DE VARIÁVEIS ALEATÓRIAS ..................................................... 10
7 – INFERÊNCIA ESTATÍSTICA ............................................................................... 11
7.1 – DISTRIBUIÇÕES AMOSTRAIS DOS PRINCIPAIS ESTIMADORES
............................................................................................................................................ 11
7.2 – MÉTODO DA MÁXIMA VEROSSIMILHANÇA ................................... 11
7.3 – INTERVALOS DE CONFIANÇA (IC) ....................................................... 12
A – ANÁLISE COMBINATÓRIA ................................................................................ 12
pf3
pf4
pf5
pf8
pf9
pfa
Discount

Em oferta

Pré-visualização parcial do texto

Baixe Resumão de Probest e outras Resumos em PDF para Matemática, somente na Docsity!

Probabilidade e Estatística................................................................................................

1 – ESTATÍSTICA DESCRITIVA...................................................................................

1.1 – DISTRIBUIÇÃO DE FREQUENCIAS ..........................................................

1.2 – MEDIDAS DE POSIÇÃO ..................................................................................

1.3 – MEDIDAS DE DISPERSÃO.............................................................................

1.4 – MEDIDAS DE ASSIMETRIA ..........................................................................

1.5 – MEDIDAS DE ACHATAMENTO – CURTOSE ........................................

2 – PROBABILIDADE

3 – VARIÁVEIS ALEATÓRIAS DISCRETAS

3.1 – DISTRIBUIÇÃO UNIFORME

3.2 – DISTRIBUIÇÃO DE BERNOULLI

3.3 – DISTRIBUIÇÃO BINOMIAL...........................................................................

3.4 – DISTRIBUIÇÃO GEOMÉTRICA....................................................................

3.5 – DISTRIBUIÇÃO DE PASCAL (BINOMIAL NEGATIVA)

3.6 – DISTRIBUIÇÃO HIPERGEOMÉTRICA .....................................................

3.7 – DISTRIBUIÇÃO DE POISSON

3.8 – DISTRIBUIÇÃO MULTINOMIAL.................................................................

4 – VARIÁVEIS ALEATÓRIAS CONTÍNUAS...........................................................

4.1 – DISTRIBUIÇÃO UNIFORME

4.2 – DISTRIBUIÇÃO NORMAL

4.3 – DISTRIBUIÇÃO EXPONENCIAL..................................................................

4.4 – DISTRIBUIÇÃO DE ERLANG

4.5 – DISTRIBUIÇÃO GAMA ....................................................................................

4.6 – DISTRIBUIÇÃO DE WEIBULL .....................................................................

5 – DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS................................

5.1 – FUNÇÃO DE PROBABILIDADE CONJUNTA..........................................

5.2 – FUNÇÃO DE PROBABILIDADE MARGINAL......................................... 8 5.3 – FUNÇÃO DE PROBABILIDADE CONDICIONAL ................................. 9 5.4 – FUNÇÃO DENSIDADE DE PROB. CONJUNTA ..................................... 9 5.5 – FUNÇÃO DENSIDADE DE PROB. MARGINAL

5.6 – FUNÇÃO DENSIDADE DE PROB. CONDICIONAL.............................. 9 5.7 – INDEPENDÊNCIA .......................................................................................... 10 5.8 – COVARIÂNCIA

5.9 – CORRELAÇÃO.................................................................................................. 10 5.10 – COMBINAÇÃO LINEAR DE VARIÁVEIS ALEATÓRIAS ............. 10

6 – FUNÇÕES DE VARIÁVEIS ALEATÓRIAS ..................................................... 10 7 – INFERÊNCIA ESTATÍSTICA............................................................................... 11

7.1 – DISTRIBUIÇÕES AMOSTRAIS DOS PRINCIPAIS ESTIMADORES

7.2 – MÉTODO DA MÁXIMA VEROSSIMILHANÇA ................................... 11 7.3 – INTERVALOS DE CONFIANÇA (IC)....................................................... 12

A – ANÁLISE COMBINATÓRIA ................................................................................ 12

Probabilidade e Estatística Probabilidade:

Área da Matemática que se preocupa com o estudo da

incerteza. Estatística

Área da Matemática que se preocupa com a organização,

coleta e resumo dos dados, para auxílio na tomada de decisões. 1 – ESTATÍSTICA DESCRITIVA 1.1 – DISTRIBUIÇÃO DE FREQUENCIAS

Variáveis Discretas

Variáveis Contínuas

x

f

Classe

f

├──

├──

├──

├──

├──

├─┤

1.2 – MEDIDAS DE POSIÇÃO Média:

㐄 ᡨᡧᡦᡲᡧ ᡥéᡖᡡᡧ ᡖᡓ ᡕᡤᡓᡱᡱᡗ ᡡ

㐄 ᡘᡰᡗᡩᡳêᡦᡕᡡᡓ ᡓᡔᡱᡧᡤᡳᡲᡓ ᡖᡓ ᡕᡤᡓᡱᡱᡗ ᡡ

ᡧᡔᡱ: ≆ é ᡓ ᡥéᡖᡡᡓ ᡖᡓ ᡨᡧᡨᡳᡤᡓçãᡧ

㍥ é ᡓ ᡥéᡖᡡᡓ ᡖᡓ ᡓᡥᡧᡱᡲᡰᡓ ↀ

Média Geométrica:

ↈ↑

❸/↖

Separatrizes:

Dividem a seqüência em partes iguais. Os dados devem

estar em ordem crescente. A fórmula geral é:

↑↖ↈ,ↅ

䙦↑.↖/↘㎘Ⅲ

Ↄ↖∂

䙧←

, onde

↖ 㐄 ᡦº ᡲᡧᡲᡓᡤ ᡖᡗ ᡗᡤᡗᡥᡗᡦᡲᡧᡱ ↘ 㐄 ᡦº ᡖᡗ ᡖᡡᡴᡡᡱõᡗᡱ ↅ 㐄 ᡕᡤᡓᡱᡱᡗ ᡩᡳᡗ ᡕᡧᡦᡲéᡥ ᡧ ᡗᡤᡗᡥᡗᡦᡲᡧ ᡡ. ᡦ/ᡨ Ⅸ

↑↖ↈ,ↅ

㐄 ᡘᡰᡗᡩᡳêᡦᡕᡡᡓ ᡓᡔᡱᡧᡤᡳᡲᡓ ᡖᡓ ᡕᡤᡓᡱᡱᡗ ᡕ

Ↄ↖∂

㐄 ᡱᡧᡥᡓ ᡖᡓᡱ ᡘᡰᡗᡩᡳêᡦᡕᡡᡓᡱ ᡓᡦᡲᡗᡰᡡᡧᡰᡗᡱ ᡓ ᡕᡤᡓᡱᡱᡗ ᡕ

Mediana:

↑↖ↈ,Ⅹↆ

䙦↖/❹㎘

Ↄ↖∂

䙧←

Ⅹↆ

Ⅹↆ

Quartil:

↑↖ↈ,ⅳ↑

䙦↑.↖/➁㎘

Ↄ↖∂

䙧←

ⅳ↑

ⅳ↑

Decil:

↑↖ↈ,Ⅰ↑

䙦↑ ↖/❸❷㎘

Ↄ↖∂

䙧←

Ⅰ↑

Ⅰ↑

Percentil:

↑↖ↈ,ⅲ↑

䙦↑ ↖/❸❷❷㎘

Ↄ↖∂

䙧←

ⅲ↑

ⅲ↑

1.5 – MEDIDAS DE ACHATAMENTO – CURTOSE

⡹ⅳ

❹䙦ⅲ

➆❷

⡹ⅲ

❸❷

Se K = 0,

a distribuição é

mesocúrtica

(nem chata nem delgada)

Se K > 0,

a distribuição é

platicúrtica

(chata)

Se K < 0,

a distribuição é

leptocúrtica

(delgada)

2 – PROBABILIDADE Experimento Aleatório:

É um experimento que realizado sob as mesmas

condições produz diferentes resultados. Espaço Amostral (S ou

É o conjunto de todos os possíveis resultados

de um experimento aleatório. Evento (E):

É um subconjunto do Espaço Amostral.

ou

Complementar de A.

A

B:

A ocorrência do evento A implica na ocorrência do evento B.

Leis de Morgan:

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.

Eventos Mutuamente Excludentes:

Eventos Independentes:

Axiomas de Probabilidade:

ⅲ䙦ⅵ䙧 㐄 ❸ ❷ 㐉 ⅲ䙦⅗䙧 ⅗ ᔔ ⅘ 㐄 ᒆ

ⅲ䙦⅗ ᔕ ⅘䙧 㐄 ⅲ䙦⅗䙧 ㎗ ⅲ䙦⅘䙧

Teoremas:

ⅲ䙦⅗

㍥䙧 㐄 ❸ ㎘ ⅲ䙦⅗䙧

ⅲ䙦⅗

䙧 㐉 ⅲ䙦⅗

ⅲ䙦ᙦ ⅗

䙧 㐉 ∑ ⅲ䙦⅗

Probabilidade Condicional:

ⅲ䙦⅗|⅘䙧

é a probabilidade de ocorrência do

evento A com a condição de B ter ocorrido.

ⅲ䙦⅘|⅗䙧 㐄

ⅲ䙦⅘ ᔔ ⅗䙧

ⅲ䙦⅗䙧

Regra da adição:

ⅲ䙦⅗ ᔕ ⅘䙧 㐄 ⅲ䙦⅗䙧 ㎗ ⅲ䙦⅘䙧 ㎘ ⅲ䙦⅗ ᔔ ⅘䙧

Regra da Multiplicação:

ⅲ䙦⅗ ᔔ ⅘䙧 㐄 ⅲ䙦⅗䙧ⅲ䙦⅘|⅗䙧 㐄 ⅲ䙦⅘䙧ⅲ䙦⅗|⅘䙧

Regra da Probabilidade Total:

Se o espaço amostral

pode ser escrito

como

, onde os eventos

são mutuamente excludentes e

exaustivos

, então para um evento B qualquer temos:

ⅲ䙦⅘䙧 㐄

ⅲ䙦Ⅱ

䙧ⅲ䙦⅘|Ⅱ

Teorema de Bayes:

ⅲ䙦⅘|⅗䙧 㐄

ⅲ䙦⅘䙧ⅲ䙦⅗|⅘䙧

ⅲ䙦⅗䙧

3 – VARIÁVEIS ALEATÓRIAS DISCRETAS Variável Aleatória:

É uma função

que associa um número real

a cada elemento do espaço amostral

Função de Probabilidade:

É uma função

tal que

ⅲ䙦ↀ 㐄 ∆䙧 㐄 ↈ䙦∆䙧

Representa a probabilidade de

X

assumir um valor

x.

Obs.

ⅵ 㐄 䙨∆

Função de Distribuição Acumulada:

É uma função

Ⅲ: ⅵ

tal que

Ⅲ䙦∆䙧 㐄 ⅲ䙦ↀ 㐉 ∆䙧 㐄 ∑

Representa a probabilidade de

X

assumir um valor menor que

x.

Esperança (ou Média):

Variância:

ⅸ䙦ↀ䙧 㐄 …

Desvio Padrão:

≒ 㐄 䙦ⅸ䙦ↀ䙧䙧

❸/❹

3.1 – DISTRIBUIÇÃO UNIFORME Se todos os valores de

X

tem igual probabilidade de ocorrer então X é

uma

variável aleatória uniforme

e:

3.2 – DISTRIBUIÇÃO DE BERNOULLI Sejam

sucesso"

” e

p

a probabilidade de

sucesso. Então:

❸⡹∆

Ⅱ䙦ↀ䙧 㐄 ↘ ⅸ䙦ↀ䙧 㐄 ↘䙦❸ ㎘ ↘䙧

3.3 – DISTRIBUIÇÃO BINOMIAL Sejam

ᡐ “ᡦúᡥᡗᡰᡧ ᡖᡗ ᡱᡳᡕᡗᡱᡱᡧᡱ ᡗᡥ ᡦ ᡲᡗᡦᡲᡓᡲᡡᡴᡓᡱ ᡡᡦᡖᡗᡨᡗᡦᡖᡗᡦᡲᡗᡱ” 㐄

e

p

a probabilidade de sucesso em cada tentativa. Então X

é uma

variável aleatória binomial

↖∆

↖⡹∆

Hint:

ぁ〸

ぁ 〸

ぁ⡹⡩〸⡹⡩

ⅸ䙦ↀ䙧 㐄 ↖↘䙦❸ ㎘ ↘䙧

Hint:

3.4 – DISTRIBUIÇÃO GEOMÉTRICA Sejam

ᡐ “ᡦúᡥᡗᡰᡧ ᡖᡗ ᡲᡗᡦᡲᡓᡲᡡᡴᡓᡱ ᡓᡲé ᡧ 1º ᡱᡳᡕᡗᡱᡱᡧ” 㐄 䙨1, 2, 3, … 䙩

e

p

a

probabilidade de sucesso em cada tentativa. Então X é uma

variável

aleatória geométrica

∆⡹❸

Hint:

ⅸ䙦ↀ䙧 㐄 䙦❸ ㎘ ↘䙧/↘

Hint:

3.5 – DISTRIBUIÇÃO DE PASCAL (BINOMIAL NEGATIVA) Sejam

ᡐ “ᡦúᡥᡗᡰᡧ ᡖᡗ ᡲᡗᡦᡲᡓᡲᡡᡴᡓᡱ ᡓᡲé ᡧ ᡰº ᡱᡳᡕᡗᡱᡱᡧ” 㐄 䙨ᡰ, ᡰ ㎗ 1, ᡰ ㎗ 2, … 䙩

e

p

a probabilidade de sucesso em cada tentativa. Então X é uma

variável

aleatória binomial negativa

∆⡹❸∀⡹❸

∆⡹∀

Hint:

ぁ〸

ぁ⡹〸

ぁ〸⢀⡨

㐄 䙦p ㎗ q䙧

ⅸ䙦ↀ䙧 㐄 ∀䙦❸ ㎘ ↘䙧/↘

Esperança (ou Média):

⦘ ⡹⦘

Variância:

ⅸ䙦ↀ䙧 㐄 …

⡹⦘

⡹⦘

Desvio Padrão:

≒ 㐄 䙦ⅸ䙦ↀ䙧䙧

❸/❹

4.1 – DISTRIBUIÇÃO UNIFORME

ↄ ㎘ Ↄ

, Ↄ 㐉 ∆ 㐉 ↄ

Ↄ ㎗ ↄ

ⅸ䙦ↀ䙧 㐄

䙦ↄ ㎘ Ↄ䙧

4.2 – DISTRIBUIÇÃO NORMAL

❸❹

∆⡹≆

ⅸ䙦ↀ䙧 㐄 ≒

Notação:

Propriedades:

É simétrica em relação a

μ

; Tem máximo em

μ

; Tem

pontos de inflexão em

μ

σ

e

μ

σ

Lei Empírica:

Quando

μ

= 0 e

σ

= 1 temos a

distribuição normal padrão ou reduzida

Padronização:

Se X é uma v.a. normal com

e

então

〥⡹ゑ

é uma v.a. normal padrão (

e

Portanto, podemos calcular a probabilidade de uma v.a. normal usandouma normal reduzida fazendo

ⅲ䙦Ↄ 㐉 ↀ 㐉 ↄ䙧 㐄 ⅲ 䙲

〨⡹ゑ

〩⡹ゑ

Combinações Lineares:

Seja X e Y variáveis aleatórias normais. Então

também é uma v.a. normal e

Ⅱ䙦ⅹ䙧 㐄 ↃⅡ䙦ↀ䙧 ㎗ ↄⅡ䙦ↁ䙧 ㎗ ↅⅸ䙦ⅹ䙧 㐄 Ↄ

ⅸ䙦ↀ䙧 ㎗ ↄ

ⅸ䙦ↁ䙧

Aproximação da distribuição binomial:

Seja

e

ↀ⡹↖↘

㒓↖↘䙦↘⡹❸䙧

Então

ↂ~ⅰ䙦❷, ❸䙧 ᡩᡳᡓᡦᡖᡧ ↖↘ 㐈 5 ᡗ ↖䙦❸ ㎘ ↘䙧 㐈 5

Aproximação da distribuição de Poisson:

Seja

e

ↀ⡹

λλλλ

λλλλ

Então

ↂ~ⅰ䙦❷, ❸䙧 ᡩᡳᡓᡦᡖᡧ

4.3 – DISTRIBUIÇÃO EXPONENCIAL Uma v.a. que representa o comprimento de um intervalo até que ocorrao primeiro evento em um processo de Poisson com média

λ

0 tem uma

distribuição exponencial.

λλλλ

λλλλ

ⅸ䙦ↀ䙧 㐄

Obs.:

É deduzida a partir da

distribuição de Poisson.

Propriedade da Falta de Memória:

ⅲ䙦ↀ 㐇 ∁ ㎗ ∂|ↀ 㐈 ∁䙧 㐄 ⅲ䙦ↀ 㐇 ∂䙧

4.4 – DISTRIBUIÇÃO DE ERLANG Uma v.a. que representa o comprimento de um intervalo até queocorram

r

eventos em um processo de Poisson com média

λ

0 tem

uma

distribuição de Erlang.

∀⡹❸

λλλλ

ⅸ䙦ↀ䙧 㐄

Obs.:

É deduzida a partir da

distribuição de Poisson.

É uma generalização

da distribuição exponencial. 4.5 – DISTRIBUIÇÃO GAMA É a generalização da distribuição de Erlang para

∀⡹❸

λλλλ

ⅸ䙦ↀ䙧 㐄

Onde

こ⡹⡩

⡹ぇ

é a

função gama

4.6 – DISTRIBUIÇÃO DE WEIBULL

∶⡹❸

⡹䙲

∆∸

⡹䙲

∆∸

ⅸ䙦ↀ䙧 㐄 ∸

β

0 é o parâmetro de forma e

δ

0 é o parâmetro de escala.

Para

β

= 1 a distribuição de Weibull torna-se idêntica a exponencial.

5 – DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 5.1 – FUNÇÃO DE PROBABILIDADE CONJUNTA A

função de probabilidade conjunta

de duas V.A.s discretas X e Y,

denotada por

〥〦

satisfaz as seguintes condições:

ↀↁ

ↀↁ

ⅲ䙦ↀ 㐄 ∆, ↁ 㐄 ∇䙧 㐄 ↈ

ↀↁ

Onde

denota o conjunto de todos os pontos da imagem de

5.2 – FUNÇÃO DE PROBABILIDADE MARGINAL Sejam X e Y duas V.A.s discretas com função de probabilidade conjunta ᡘ

〥〦

. Então a

função de probabilidade marginal

de X é:

䙦∆䙧 㐄 ⅲ䙦ↀ 㐄 ∆䙧 㐄 㔳 ↈ

ↀↁ

ⅴ∆

Onde

denota o conjunto de todos os pontos da imagem de

onde

Esperança Marginal:

ↀↁ

Variância Marginal:

ⅸ䙦ↀ䙧 㐄 ≒

ↀↁ

5.7 – INDEPENDÊNCIA Se duas V.A.s X e Y são independentes, as seguintes afirmações sãoválidas e equivalentes para todo par

ↀↁ

ↁ|∆

ↁ|∆

ⅲ䙰䙦ↀ, ↁ䙧 ᒈ ⅴ䙱 㐄 ⅲ䙦ↀ ᒈ ⅴ䙧ⅲ䙦ↁ ᒈ ⅴ䙧

5.8 – COVARIÂNCIA Mede o relacionamento linear entre duas V.A.s.

ↀↁ

Se

ↀↁ

a relação é

positiva

, isto é, X cresce quando Y cresce e X cai

quando Y cai, e vice-versa.Se

ↀↁ

a relação é

negativa

, isto é, X cresce quando Y cai e X cai

quando Y cresce, e vice-versa.Se

ↀↁ

não há relação linear entre as variáveis.

Se X e Y são independentes então:

ↀↁ

Obs.:

ↀↁ

5.9 – CORRELAÇÃO É uma padronização da covariância.

ↀↁ

㒓ⅸ䙦ↀ䙧ⅸ䙦ↁ䙧

ↀↁ

ↀↁ

5.10 – COMBINAÇÃO LINEAR DE VARIÁVEIS ALEATÓRIAS Seja

. Então:

ⅸ䙦ↁ䙧 㐄 ↅ

ⅸ䙦ↀ

ⅸ䙦ↀ

ⅸ䙦ↀ

6 – FUNÇÕES DE VARIÁVEIS ALEATÓRIAS Teorema 1:

Seja X uma V.A. discreta com distribuição de prob.

. Seja

a distribuição de prob. de uma V.A. definida por

, onde

h

é uma transformação inversível. Então:

⡹❸

Teorema 2:

Idem ao teorema 1 para vetores aleatórios.

Teorema 3 (Método Jacobiano):

Seja

um vetor aleatório contínuo com

f.d.p. conjunta

. Seja

䙒〦

a f.d.p. de um vetor aleatório definido

por

, onde

h

é uma transformação inversível. Então:

䙒ↁ

䙒ↀ

⡹❸

䙧㐱. |Ⅶ| , ↗↖ↆↇ Ⅶ é ↗ ⅦↃↅ↗ↄ↑Ↄ↖↗

Método Básico:

䙦∇䙧 㐄 ⅲ䙦ↁ 㐉 ∇䙧 㐄 ⅲ䙦←䙦ↀ䙧 㐉 ∇䙧 㐄 Ⅲ

Desigualdade de Chebychev:

ⅲ䙦|ↀ ㎘ ≆| 㐈 ᡕ…䙧 㐉

7 – INFERÊNCIA ESTATÍSTICA Amostra Aleatória (AA):

É um conjunto de

n

variáveis independentes

que possuem mesma distribuição de probabilidades.

Estimador

É uma função dos dados amostrais:

Um estimador é dito

não-tendencioso

quando

O valor

é chamado

tendência

do estimador.

Estimativa:

É um valor assumido pelo estimador.

Estimadores Amostrais:

ᠹéᡖᡡᡓ: ᡐ

ᡈᡓᡰᡡâᡦᡕᡡᡓ: ᡅ

ᠰᡗᡱᡴᡡᡧ ᡂᡓᡖᡰãᡧ: ᡅ

ᡂᡰᡧᡨᡧᡰçãᡧ: ᡨ 㐄

7.1 – DISTRIBUIÇÕES AMOSTRAIS DOS PRINCIPAISESTIMADORES Teorema Central do Limite: Para uma população normalmente distribuída, a distribuição das médiasterá formato aproximadamente normal, independente do tamanho daamostra.Para toda e qualquer população, a distribuição amostral das médiastenderá à distribuição normal, desde que a amostra seja suficientementegrande

Média Amostral

Pelo teorema central do limite, para

, temos:

㍥~ⅰ 䙸≆,

~ⅰ䙦❷, ❸䙧

Média Amostral

Para amostras pequenas

temos:

ⅶ 㐄

ⅵ/√↖

ⅵ∂∃ↆↇ↖∂䙦↖ ㎘ ❸䙧

Obs.: Se

mesmo com

desconhecido utiliza-se a distribuição

normal. Variância:

䙦↖ ㎘ ❸䙧ⅵ

❹↖⡹❸

Proporção:

↘㍥~ⅰ 㐶↘,

7.2 – MÉTODO DA MÁXIMA VEROSSIMILHANÇA Seja

X

uma V.A. com distribuição de probabilidade

, onde

é o

único parâmetro desconhecido. Sejam

os valores

observados de uma A.A. de tamanho

n

. Então a

função de

verossimilhança

da amostra é dada por:

O

estimador de máxima verossimilhança

de

é aquele que torna máxima

esta função.