Frequncia
Absoluta (fi)
Frequncia
Absoluta
Acumulada (Fi)
Frequncia
Relativa % (fr)
fi
n
Frequncia Relativa
Acumulada % (Fr)
(I) e a Acumulada Fr =
Fi
n
(II)
f a frequncia absoluta;
Mdia amostral
Mdia populacional
n
X=
x
i =1
(V)
x
i =1
(VI)
A frmula (V), pode ser usada para dados da tabela 2.13 se considerarmos a venda por ano
como sendo Xi.
Dados agrupados
Mdia amostral
n
X=
x
i =1
Mdia populacional
N
fi
(VII)
x f
i i
i =1
(VIII)
ap=
x1 w1 + x 2 w2 + ... + x k wk
.
w1 + w2 + ... + wk
x1 x 2 ... x n .
826051185
b) Mdia Harmnica: a mdia harmnica dos valores x1, x2,...,xn calculada por
1
1
1
1
+
+ ... +
x1 x 2
xn
2
n
1
1
1
+
+ ... +
x1 x 2
xn
n
1
x
i
hp =
w
w
x
f
f
x
i
i
i
.
c) Mdia quadrtica: a mdia quadrtica dos valores positivos x1, x2,...,xn,
2
calculada por X q
x + x 2 + ... + x n
= 1
=
n
x
n
2
i
dos quadrados
x12 + x 22 + ... + x n2
n
826051185
x f
f
2
i
N
f1
2
Me = l1 +
c
f med
Mediana
N
- ponto mdio onde se localiza a respectiva frequncia acumulada
2
f1 - soma das frequncias inferiores (anteriores) a classe mediana
c - intervalo de classe dado por c =
M o = l1 +
Moda
d1
c
d1 + d 2
m = li +
f i +1
ci +1
f i +1 f i 1
+
ci +1 ci 1
classe modal. A classe modal aquela com maior peso. O peso obtido pela frmula
fi
.
ci
Medida
Notao
Definio, propriedades
Mdia
_
X
Mediana
Me
826051185
Moda
Mo
3. MEDIDAS DE POSIO
3.1 Quarts (Quants)
Tabela 2.20 Resumo de quarts para Box Plot
Estatsticas
Q1
Q3
Q3 Q1
1,5 *(Q3 - Q1)
3,0 *(Q3 - Q1)
Outliers inferiores
Xi Q1 -1,5 *(Q3 - Q1)
Valores extremos
inferiores
Xi Q1 - 3,0 *(Q3 - Q1)
Outliers superiores
Xi Q3 + 1,5 *(Q3 - Q1)
Valores extremos
superiores
Xi Q3 + 3,0 *(Q3 - Q1)
Altura dos
Alunos
1,675
1,78
0,105
0,1575
0,315
1,5175
1,36
**
**
n
(seja n mpar ou par)
4
n
Fi
Qi = LQ1 + 4
c
f Q1
sendo
* LQ1 = limite inferior da classe do Q1
* n = tamanho da amostra ou n de elementos
* Fi = frequncia acum. anterior classe do Q1
* c = intervalo da classe do Q1
* f Q1 = frequncia simples da classe do Q1
5. MEDIDAS DE DISPERSO
826051185
Varincia
Xi X
i =1
DM =
Cv =
S =
2
(X
i =1
Desvio padro
S = s2
S
* 100
X
c)
P( A ) = P( Ai),
i
i =1
Ai =0/
1. A = A
2. ( A B ) C = A c B c
3. ( A B ) C = A c B c
n n de resultados favorveis
=
.
N
n de resultados possveis
n!= n (n 1) (n 2) (n 3) ... 3 2 1
P ( A) =
Casos Especiais
0! = 1
1! = 1
Permutaao P5 = 5!= 5 4 3 2 1 = 120
Permutaes com elementos repetidos
Pn( k ,t , s ,...) =
n!
k !t! s!...
Akn =
n!
n!
. L-se: Arranjos de n, k a k. fcil perceber que Ann =
= n!= Pn
(n K )!
(n n)!
826051185
C kn =
n!
, que se l, combinao de n, k a k.
k!(n k )!
n!
e que ser usado nas
k!(n k )!
3)
P( A ) = 1
i =1
11) P ( A ) = 1 P ( A)
P ( A B C ) = P( A) P( B) P (C )
Regra Geral da Multiplicao numa Probabilidade Condicional
P ( A B) = P( A) P( B / A)
7. PROBABILIDADE TOTAL
P(C ) = P( A1 ) P(C / A1 ) + P( A2 ) P(C / A2 ) + ... + P( An ) P(C / An ) .
8. TEOREMA DE BAYES
P( Ai ) P( B / Ai )
P ( Ai ) P( B / Ai )
P ( Ai / B) =
= n
P ( A1 ) P( B / A1 ) + P( A2 ) P( B / A2 ) + ... + P( An ) P( B / An )
P( Ai ) P( B / Ai )
i =1
826051185
2 = [(X ) 2 P( X )]
O desvio padro : = 2
P(X = r) = C
r
n
nr
n!
p
r ! ( n r )!
nr
826051185
p = 0,05 e n = 6
= np = 6 0,05 = 0,3
2 = np (1 p ) = 6 0,05 0,95 = 0,285
3.2. Distribuio HipergeomtrIca
para X=k casos favorveis ser P ( X = k ) =
A probabilidade procurada
C Mk C Nn kM
, a sua
C Nn
kn
, a varincia dada pela
N
nk 1 k N n
N N N 1
frmula seguinte 2 =
n!
p1k1 p 2k2 p3k3 ... p kk k ,
k1 k 2 k 3 ... k k
E ( X i ) = npi
Var ( X ) = n pi qi
P ( X 1 = k1 , X 2 = k 2 , X 3 = k 3 ,..., X k = k k ) =
k1 + k 2 + k 3 + ... + k k = n
onde
P ( X = k ) = q k 1 p
E( X ) = =
1
p
Var ( X ) =
q
p2
E( X ) =
r
q
Var ( X ) =
rq
p2
e k
P( X ) =
, onde k = o, 1, 2, 3, ..., n, ..., diremos que X tem uma distribuio de
k!
Var (X ) =
Poisson com parmetro f 0 , simbolicamente X ~ Po ( ) E (X ) =
E ( X ) = x1 p1 + x 2 p 2 + ... + x K p K =
x p
i =1
826051185
E ( x) = ( x) =
k
x f ( x)dx
2 = ( x ) 2 f ( x)dx
f (X ) =
2 2
( X )
2 2
E[ X ] =
( X E[ X ])
e V[X ] =
f ( X )dx =
2 2
(X )
2 2
Z=
s
sX =
n
(X
s=
dx =
2 2
( X ) 2
( X ) 2
Xf ( X )dx = X
e desvio = 2
i =1
dx = 2
X )2
V (X ) =
n 1
2
n
k=
N
n
V (X ) =
2
n
[1 + (n 1)] .
V (X s )
= n
V (X )
[1 + (n 1)]
2
= 1 + (n 1)
n
A.3 Amostra Estratificada
ni = N i
P( x z
n
.
N
s
s
<<x+z
) = 1
n
n
zs
n =
X
xz
s
s
s
<<x+z
. =z
n
n
n
A = 2z
s
n
Interpretando os resultados
P( x t
s
n 1
< < x +t
s
n 1
) = 1 x t
s
n 1
< < x +t
s
n 1
P( p - Z
p(1 p)
p(1 p)
< p< p+Z
) = 1
n
n
826051185
Zp (1 p)
p (1 p )
p (1 p )
.
=Z
, a amplitude A = 2Z
e o tamanho da amostra n =
p
p
n
n
(X
P ( i =1
< 2 <
(X
i =1
(X
) = 1
(n 1) s 2
2
2
1
P(
i =1
<2 <
2
1
(n 1) s 2
) = 1
(n 1) s
2
1
< 2 <
(n 1) s
< 2 <
(X
i =1
n1 n2
n1 + n2 2
n1 n2
n1 + n2 2
( p* pB* ) ( pA pB )
p p
X
Z cal = A
z=
z=
s
p(1 p)
p*Aq*A pB* qB*
+
n
n
nA
nB
=1
I. Teste de Independncia
amostra
(observado esperado) 2
=
esperado
A + C B + D
A
B
A + B
Tcal =
10
(X
P( x Z
X 2 ) (1 2 )
826051185
) = 1