ANÁLISE DE DADOS

Estatística Descritiva: coleta, organização, descrição e resumo dos dados observados.

Estatística Probabilística: estabelece o modelo matemático adotado para explicar fenômenos aleatórios.
Estatística Inferencial: análise e interpretação dos dados.

População: conjunto que contém todos os elementos a serem estudados, que apresentam uma ou mais características em comum.
Pode ser finita ou infinita. Censo: estudo dos dados relativos a todos os elementos de uma população. Parâmetros: descrições
numéricas de características da POPULAÇÃO, que normalmente precisam ser estimadas.
Amostra: subconjunto extraído da população para análise, devendo ser representativo daquele grupo. Amostragem: processo que
consiste na seleção criteriosa dos elementos a serem submetidos à investigação. Estatísticas: Medidas numéricas extraídas de
AMOSTRAS representativas extraídas da população.

Rol: arranjo de dados numéricos brutos em ordem crescente ou decrescente.

Variável estatística: conjunto de características que desejamos averiguar estatisticamente.

a) Qualitativas Nominais – Religião
Ordinais – Escolaridade
b) Quantitativas Discretas – Assume valores em um conjunto enumerável, p.e., nº de filhos, idade, ...
Contínuas – Assume valores em intervalos reais, não enumeráveis, p.e., intervalo de temperatura.

Amplitude total: diferença entre o maior e o menor número do rol.

Estaturas (cm) Frequência 𝑓𝑖 𝑥𝑖 𝑓𝑟𝑖 𝑓𝑎𝑐 Densidade

150 - 154 4 152 0,100 4 1
154 - 158 9 156 0,225 13 2,25
158 - 162 11 160 0,275 24 2,75
162 - 166 8 164 0,200 32 2
166 - 170 5 168 0,125 37 1,25
170 - 174 3 172 0,075 40 0,75

𝑙𝑖 +𝑙𝑖
Ponto médio da classe: 𝑥𝑖 = Frequência absoluta Simples: ∑𝑘𝑖=1 𝑓𝑖 = 𝑛
2

𝑓𝑖 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎
Frequência relativa simples: 𝑓𝑟𝑖 = Densidade de frequência: 𝑑 =
𝑛 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑒 𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒

Diagrama de ramos e folhas: forma de apresentar os dados em rol.

Histograma: representação de dados agrupados em classes (distribuição de frequências); normalmente com dados contínuos.
 MÉDIAS
Média aritmética: preserva a soma dos elementos da lista de números.
𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛
𝑥̅ =
𝑛
Propriedades:
• A média aritmética sempre existe e é única.
• A média aritmética 𝑥̅ de uma lista de números satisfaz 𝑚 ≤ 𝑥̅ ≤ 𝑀, em que 𝑚 e 𝑀 são, respectivamente, o menor e o maior dos
números.
• Somando/Subtraindo uma constante 𝑐 de todos os valores, a média ficará aumentada/diminuída desta 𝑐.
• Multiplicando/dividindo uma constante 𝑐 de todos os valores, a média ficará multiplicada/dividida por 𝑐.
• A soma algébrica dos desvios tomados em relação à média é nula.
• A soma dos quadrados dos desvios da sequência de números 𝑥𝑖 em relação a um número 𝑎 é mínima se 𝑎 for a média aritmética
dos números.

Média aritmética ponderada.

𝑥1 𝑝1 + 𝑥2 𝑝2 + ⋯ + 𝑥𝑛 𝑝𝑛
𝑥̅ =
𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛
Média para dados agrupados por classe: devemos encontrar o ponto médio de cada classe e depois calcular a média ponderada.

(152.4) + (156.9) + (160.11) + (164.8) + (168.5) + (172.3)

𝑥̅ = = 161
4 + 9 + 11 + 8 + 5 + 3

Média geométrica: preserva o produto dos elementos da lista de números.

𝐺 = 𝑛√𝑥1 . 𝑥2 . … . 𝑥𝑛

Média harmônica: inverso da média aritmética dos inversos.

𝑛
𝐻=
1 1 1
+ + ⋯+
𝑥1 𝑥2 𝑥𝑛
Desigualdade das médias:

𝑥̅ ≥ 𝐺 ≥ 𝐻
Se pelo menos um número da lista é diferente dos demais, a média aritmética será SEMPRE maior que a média geométrica e esta será
maior do que a média harmônica. Se todos os números forem iguais, então as médias serão iguais.
Exemplo: (2,18) 𝑥̅ = 10, 𝐺 = 6, 𝐻 = 3,6.
Exemplo: (4,4,4) 𝑥̅ = 4, 𝐺 = 4, 𝐻 = 4.
 Aula 02 – Medidas Separatrizes
Medidas separatrizes: também chamadas de “quantis”, servem para dividir o conjunto de dados em partes. Ex: mediana
divide o conjunto de dados em duas partes de mesma frequência.
Mediana: definida como número que se encontra no centro de uma série de números, estando estes dispostos segundo
uma ordem. Ao contrário da média, não é sensível a valores extremos.
Quando o número de elementos for par, a mediana será QUALQUER número entre os dois termos centrais. Como há
infinitos valores entre os dois termos centrais e, portanto, infinitas medianas, CONVENCIONOU-SE utilizar o ponto médio
para o cálculo da mediana.
Mediana para dados agrupados em classes: não importa se o número de elementos é par ou ímpar. Primeiro localiza-se
a classe em que se encontra a mediana (usar o conceito de frequência acumulada) e depois aplica-se a fórmula.

𝑛 25
1º Intervalo da mediana: 2 => 2
= 12,5, a mediana está na terceira classe!
𝑛
−𝑓𝑎𝑐 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
2º Aplicar a fórmula: 𝑀𝑑 = 𝑙𝑖 + [ 2 𝑓𝑖
] . ℎ => 𝑀𝑑 ≅ 67,85

Quartis: dividem os dados em 4 partes de mesma frequência, são sempre 3 quartis e cada um conterá 25% dos dados.
𝑄2 = 𝑀𝑑 .

Exemplo: calcular os quartis da sequência (2,4, 6, 8, 10, 10, 12, 12, 13).

𝑄2 = 10, 𝑄1 = 5, 𝑄3 = 12
Amplitude interquartílica: 𝑄3 − 𝑄1
𝑄 −𝑄
Desvio quartílico ou amplitude semi-interquartílica: 3 2 1
1𝑛
−𝑓𝑎𝑐 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
4
Para o conceito de classes, a ideia é análoga à mediana: 𝑄1 = 𝑙𝑖 + [ 𝑓𝑖
].ℎ

Decis e percentis: dividem, respectivamente, os dados em 10 partes e em 100 partes de mesma frequência.
Box Plot: ou diagrama de caixas: é um gráfico que utiliza os quartis para representação dos dados. O maior valor que não
é considerado um outlier é 𝑄3 + 1,5𝐷𝐼𝑄 e o menor valor que não é considerado um outlier é 𝑄1 − 1,5𝐷𝐼𝑄. Outliers são
valores discrepantes.
𝐷𝐼𝑄 = 𝑄3 − 𝑄1 , distância interquartil. Os traços possuem comprimento máximo 𝐷𝐼𝑄.
 Aula 03 – Moda
Moda: valor ou valores que ocorrem com maior frequência em um rol.
Um conjunto de valores pode apresentar mais de uma moda. Nesse caso, dizemos ser plurimodal (ou polimodal), caso
contrário, será unimodal (apenas uma moda), ou ainda, amodal (quando todos os valores das variáveis em estudo
apresentarem uma mesma frequência).
Moda bruta: quando os dados estão agrupados em classe, trata-se do ponto médio da classe modal, ou seja, da classe
que possui a maior frequência.
Moda de Pearson
𝑀𝑜 = 3𝑀𝑑 − 2𝑥̅
Moda de Czuber: método para o cálculo da moda para dados agrupados em intervalos de classe.
1º devemos “chutar” que a moda se encontra na classe com maior frequência;
2º calcular os ∆s comparando com as frequências das classes anterior e posterior.
Como a frequência posterior é um pouco maior, o valor
da moda será um pouco maior que 5. Se tivéssemos
𝑓𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 = 𝑓𝑝𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 , então a moda seria exatamente 5.

∆1 = 𝑓𝑀 − 𝑓𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 = 34 − 16 = 18
∆2 = 𝑓𝑀 − 𝑓𝑝𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 = 34 − 17 = 17
∆1
𝑀𝑜 = 𝑙𝑖 + [ ]ℎ => 𝑀𝑜 ≅ 5,0285
∆1 + ∆2
Se a classe modal for a primeira ou a última, basta fazer 𝑓𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 = 0 (se for a primeira) ou 𝑓𝑝𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 = 0 (se for a última).

Moda de King: muito parecido com o método de Czuber, mas não leva em consideração a frequência da classe modal.
𝑓𝑝𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟
𝑀𝑜 = 𝑙𝑖 + [ ]ℎ
𝑓𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 + 𝑓𝑝𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟

Se a classe modal for a primeira ou a última, basta fazer 𝑓𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 = 0 (se for a primeira) ou 𝑓𝑝𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 = 0 (se for a última).
 Aula 04 – Medidas de dispersão
Propriedades dos desvios:
I. A soma dos desvios tomados em relação à média aritmética é sempre nula.
II. A soma dos quadrados dos desvios é mínima quando os desvios são calculados em relação à média aritmética.
III. A soma dos módulos (valores absolutos) dos desvios é mínima quando os desvios são calculados em relação à
mediana.
Desvio absoluto médio: calculamos os desvios em relação à média, tomamos seus valores absolutos, somamos todos e
dividimos por 𝑛.
∑ |𝑥𝑖 − 𝑥̅ |
𝐷𝑀 =
𝑛
Se os dados estiverem agrupados, deveremos calcular a média ponderada dos desvios, em que os pesos são as
∑(|𝑥𝑖 −𝑥̅ |.𝑓𝑖 )
frequências. 𝐷𝑀 = 𝑛

Variância populacional: média aritmética dos quadrados dos desvios.

∑(𝑥𝑖 − 𝑥̅ )2
𝜎2 =
𝑛
Desvio Padrão populacional: raiz quadrada da variância populacional, 𝜎.
Variância amostral: média aritmética dos quadrados dos desvios, alteração no denominador.
∑(𝑥𝑖 − 𝑥̅ )2
𝑠2 =
𝑛−1
Desvio Padrão amostral: raiz quadrada da variância amostral, 𝑠.
Método alternativo para cálculo da variância.

𝝈𝟐 = ̅̅̅̅ ̅ )𝟐
𝑿𝟐 − (𝑿

̅̅̅̅𝟐 − (𝑿 𝒏
𝒔𝟐 = [𝑿 ̅ )𝟐 ]
𝒏−𝟏
𝜎
Coeficiente de variação: razão entre o desvio padrão e a média, ou seja, 𝐶𝑉 = ̅ .
𝑋
Variância relativa: quadrado do coeficiente de variação.
• Ao multiplicar todos os valores por uma constante 𝒌, o desvio padrão será multiplicado por 𝒌 e a variância será
multiplicada por 𝒌𝟐 .
• Quando adicionamos uma constante a todos os valores, o desvio padrão e a variância não são alterados.
 Aula 05 – Momento, assimetria e curtose
Momento: O momento de ordem 𝑡 em relação a uma constante 𝑎 é definida como
𝑎
∑(𝑥𝑖 − 𝑎)𝑡
𝑀𝑡 =
𝑛
Momento centrado em relação à média:
∑(𝑥𝑖 − 𝑥̅ )𝑡
𝑀𝑡 =
𝑛
∑(𝑥𝑖 −𝑥̅ )1
𝑀1 = 𝑛
= 0, momento central em relação à média de primeira ordem.
∑(𝑥𝑖 −𝑥̅ )2
𝑀2 = 𝜎 2 = 𝑛
, momento central em relação à média de segunda ordem (variância!).

̅ = 𝑴𝒅 = 𝑴𝒐
Distribuição simétrica de dados: 𝒙
Assimetria - Coeficiente de assimetria (𝐴):
𝐴 = 0 (𝑐𝑢𝑟𝑣𝑎 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎);
𝐴 > 0 (𝑎𝑠𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑜 à 𝑑𝑖𝑟𝑒𝑖𝑡𝑎);
𝐴 < 0 (𝑐𝑢𝑟𝑣𝑎 𝑎𝑠𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎 à 𝑒𝑠𝑞𝑢𝑒𝑟𝑑𝑎).

Curtose: A curtose indica o grau de achatamento de uma distribuição de frequências. Vamos tomar como “padrão” a
distribuição normal (também chamada de distribuição gaussiana). A distribuição normal será a mesocúrtica.

𝐷𝑞 𝑄3 −𝑄1
Coeficiente percentílico de curtose: 𝐶𝑃 = 𝑃 , 𝐷𝑄 =
90 −𝑃10 2
𝑀4 ∑(𝑥𝑖 −𝑥̅ )4
Coeficiente momento de curtose: 𝑎4 = , 𝑀4 =
𝑠4 𝑛
 Aula 06 – Análise Combinatória
Princípio fundamental da contagem:
i) Identificar as etapas do problema.
ii) Calcular a quantidade de possibilidades em cada etapa.
iii) Multiplicar, caso seja utilizado o conectivo “e” (ou somar, caso seja utilizado “ou”).
Permutação simples: “de quantas maneiras é possível ordenar 𝑛 objetos distintos?”
𝑃𝑛 = 𝑛!
Permutação com elementos repetidos: quantos anagramas são possíveis com a palavra ARARAQUARA? Realizar a
correção utilizando as letras repetidas.
5,3 10!
𝑃10 =
5! 3!
Permutação circular: 𝑃𝐶𝑛 = (𝑛 − 1)!
Combinação simples: Dispomos de um conjunto com 𝑛 elementos. Queremos formar um subconjunto deste conjunto
com 𝑝 elementos. De quantos modos podemos escolher estes 𝑝 elementos? (A ordem não importa).
𝑝 𝑛!
𝐶𝑛 =
𝑝! (𝑛 − 𝑝)!
Combinação completa: De quantos modos podemos comprar 5 refrigerantes em uma loja onde há 3 tipos de refrigerante?
(A ordem não importa, mas pode haver repetição de elementos).
𝑝 𝑝 𝑛!
𝐶𝑅𝑛 = 𝐶𝑛+𝑝−1 =
𝑝! (𝑛 − 𝑝)!
Pensar em uma prateleira com 2 divisórias separando as marcas.
𝑛 = tipos disponíveis, 𝑝 = nº de objetos que iremos adquirir
7!
𝐶𝑅35 = 𝐶75 = = 21
5! 2!
 Aula 07 – Probabilidade
Se 𝐴 ∪ 𝐵 = 𝑈, dizemos que A e B são eventos exaustivos.
Se 𝐴 ∩ 𝐵 = ∅, dizemos que A e B são eventos mutuamente excludentes.
Quando o evento é igual ao espaço amostral, dizemos que o evento é certo.
Quando o evento é igual ao conjunto vazio, dizemos que o evento é impossível.
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐴 ∩ 𝐵) − 𝑃(𝐴 ∩ 𝐶) − 𝑃(𝐵 ∩ 𝐶) + 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶)
Definição axiomática de probabilidade:
𝑖) 𝑃(𝐴) ≥ 0;
𝑖𝑖) 𝑃(𝑈) = 1
𝑖𝑖𝑖) Se A e B são eventos mutuamente excludentes (A ∩ B = ∅), então P(A ∪ B) = P(A) + P(B)
Probabilidade condicional: “Probabilidade de ocorrer B sabendo que A ocorreu”
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵|𝐴) =
𝑃(𝐴)
Se a ocorrência do evento A não influir no cálculo da probabilidade do evento B, os eventos são ditos independentes e
neste caso, tem-se 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴). 𝑃(𝐵).
Isto quer dizer que se A e B são independentes, então:
𝑃(𝐵|𝐴) = 𝑃(𝐵)
𝑃(𝐴|𝐵) = 𝑃(𝐴)
 Aula 08 – Variáveis Aleatórias Discretas
Variável aleatória (V.A.) é uma variável que é associada a uma distribuição de probabilidade. Ex: o valor de uma ação no
final do dia de amanhã. O valor de uma ação de ontem não é V.A. pois possui valor fixo!
Variável aleatória discreta: pode assumir apenas certos valores, usualmente números racionais, e resultam basicamente
de contagens. Ex: lançamento de dado, valores das variáveis: 1, 2, ..., 6.
Variável aleatória contínua: resulta de uma medida e pode assumir qualquer valor dentro de um dado intervalo. Ex:
valores de peso no intervalo de 5 a 22 kg.
Esperança matemática (expectância, valor médio ou média)
𝑛

𝜇 = 𝐸(𝑋) = ∑ 𝑋𝑖 . 𝑃(𝑋𝑖 )
𝑖=1
𝑖) 𝐸(𝑘. 𝑋) = 𝑘. 𝐸(𝑋) 𝑖𝑖) 𝐸(𝑘 + 𝑋) = 𝐸(𝑋) + 𝑘 𝑖𝑖𝑖) 𝐸(𝑋 + 𝑌) = 𝐸(𝑋) + 𝐸(𝑌)
𝑖𝑣) 𝐸(𝑘) = 𝑘 𝑣) Se X e Y são independentes, então 𝐸(𝑋𝑌) = 𝐸(𝑋). 𝐸(𝑌)
Função de Distribuição (função de distribuição acumulada): 𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)

Moda: valor com maior probabilidade. Se todos os valores são equiprováveis, não há moda. No caso acima, 𝑀𝑜 = 3.
Mediana: é o valor de X em que a função de distribuição ultrapassa 50% pela primeira vez (utilizar o conceito da função
de distribuição). No caso acima, 𝑀𝑑 = 3.
Se a função de distribuição assumir exatamente o valor de 50%, a mediana será a média aritmética entre o valor de X que
possui função de distribuição igual a 50% e o próximo.
Variância e desvio padrão: 𝜎 2 = 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − 𝜇2 = 𝐸(𝑋 2 ) − 𝐸(𝑋)2
𝑖) 𝑉𝑎𝑟(𝑋 + 𝑘) = 𝑉𝑎𝑟(𝑋), também válido para σ 𝑖𝑖) 𝑉𝑎𝑟(𝑘. 𝑋) = 𝑘 2 𝑉𝑎𝑟(𝑋), para σ só multiplica
Variância da soma e da diferença
𝑉𝑎𝑟(𝑋 + 𝑌) = 𝑉𝑎𝑟(𝑋) + 2𝑐𝑜𝑣(𝑋, 𝑌) + 𝑉𝑎𝑟(𝑌)
𝑉𝑎𝑟(𝑋 − 𝑌) = 𝑉𝑎𝑟(𝑋) − 2𝑐𝑜𝑣(𝑋, 𝑌) + 𝑉𝑎𝑟(𝑌)
𝑉𝑎𝑟(𝑎𝑋 − 𝑏𝑌) = 𝑎2 𝑉𝑎𝑟(𝑋) + 𝑏 2 𝑉𝑎𝑟(𝑌) − 2𝑎𝑏 𝑐𝑜𝑣(𝑋, 𝑌)
Coeficiente de variação e Variância relativa
𝜎
𝐶𝑉 =
𝜇
𝜎2
𝑉𝑅 = 𝐶𝑉2 =
𝜇2
Covariância e correlação: relação entre as variáveis aleatórias (fraca ou forte), duas variáveis aleatórias podem ser
independentes ou dependentes.
Covariância é a média dos produtos menos o produto das médias.
𝑐𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌)
𝑐𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 )
𝑐𝑜𝑣(𝑋, 𝑌)
𝑟 = 𝜌(𝑋, 𝑌) =
𝜎𝑋 . 𝜎𝑌
Covariância pode assumir qualquer valor real.
𝑐𝑜𝑣(𝑋, 𝑌) > 0, os valores de Y tendem a crescer quando os valores de X crescem.
𝑐𝑜𝑣(𝑋, 𝑌) < 0, os valores de Y tendem a diminuir quando os valores de X crescem.
Correlação sempre assume valores no intervalo [−1,1].
𝜌(𝑋, 𝑌) = 1, correlação linear perfeita positiva, ou seja, os pontos estão perfeitamente sobre uma reta ascendente
(quando X cresce, Y cresce; quando X decresce, Y decresce).
𝜌(𝑋, 𝑌) = −1, correlação linear perfeita negativa, ou seja, os pontos estão perfeitamente sobre uma reta descendente
(quando X cresce, Y decresce; quando X decresce, Y cresce).
Se as variáveis X e Y são independentes, então 𝑐𝑜𝑣(𝑋, 𝑌) = 𝜌(𝑋, 𝑌) = 0.
Se 𝑐𝑜𝑣(𝑋, 𝑌) = 𝜌(𝑋, 𝑌) = 0, as variáveis podem ser independentes ou dependentes (nesta última, sem relação linear).
 Aula 09 – Distribuições Discretas de Probabilidade
Distribuição Uniforme discreta é aquela em que todos os elementos têm a mesma probabilidade de ocorrer. Exemplo: a
probabilidade de ocorrência de um número qualquer em um dado não viciado é 1/6.
∑𝑛𝑖=1 𝑋𝑖
𝐸(𝑋) = 𝜇 =
𝑛
Distribuição de Bernoulli se caracteriza pela existência de apenas dois eventos, mutuamente exclusivos, que
denominaremos de sucesso e fracasso, em um experimento que é realizado uma única vez. Exemplo: indivíduo sorteado
em um grupo de 500 pessoas, é ou não mulher?
Em resumo, a distribuição de Bernoulli pode assumir os valores 0 e 1 (fracasso e sucesso, respectivamente) em um
experimento que é realizado uma única vez.
• A probabilidade de ocorrer um sucesso é 𝑝 e a probabilidade de ocorrer um fracasso é igual a 𝑞, tal que 𝑝 + 𝑞 = 1;
• 𝐸(𝑋) = 𝑝;
• 𝑉𝑎𝑟(𝑋) = 𝑝𝑞.
Distribuição Binomial trata-se de um evento de Bernoulli que acontece n vezes. COM REPOSIÇÃO.
• Consideremos um experimento constituído por 𝑛 ensaios INDEPENDENTES de Bernoulli. Cada ensaio pode resultar
em um de dois eventos mutuamente excludentes.
• A probabilidade de ocorrer o resultado favorável (sucesso) em cada ensaio é 𝑝 e a probabilidade de ocorrer o
resultado desfavorável (fracasso) em cada ensaio é 𝑞 = 1 − 𝑝.
• 𝑋 é o número de sucessos em 𝑛 ensaios. Assim, X é no mínimo 0 e no máximo n.
• 𝑋 tem distribuição binomial com parâmetros 𝑛 e 𝑝.
• 𝐸(𝑋) = 𝑛𝑝
• 𝑉𝑎𝑟(𝑋) = 𝑛𝑝𝑞.
𝑛
• Probabilidade de obtermos 𝑘 sucessos em 𝑛 ensaios: 𝑃(𝑋 = 𝑘) = 𝐶𝑛𝑘 . 𝑝𝑘 . 𝑞 𝑛−𝑘 = ( ) . 𝑝𝑘 . 𝑞 𝑛−𝑘
𝑘
Distribuição Geométrica A distribuição geométrica também se refere a sucessos e fracassos, mas, diferentemente da
binomial, é a probabilidade de que o sucesso ocorra exatamente no k-ésimo ensaio. Por exemplo, no jogo de cara ou
coroa, qual a probabilidade de que a coroa só ocorra na quarta jogada.
• 𝑃(𝑋 = 𝑘) = 𝑞 𝑘−1 𝑝
1
• 𝐸(𝑋) = 𝑝
𝑞
• 𝑉𝑎𝑟(𝑋) = .
𝑝2

Distribuição Hipergeométrica (SKNn):

Temos um conjunto com N elementos dos quais 𝑠 possuem o atributo sucesso e 𝑁 − 𝑠 possuem o atributo fracasso e
serão retirados 𝑛 elementos do conjunto SEM REPOSIÇÃO. Queremos calcular a probabilidade de obtermos 𝑘 sucessos.
𝑠
Assim, a probabilidade de obtermos um sucesso (no primeiro experimento) é igual a 𝑝 = . Queremos calcular a
𝑛
probabilidade de que, retirando-se 𝑛 elementos, 𝑘 possuam o atributo sucesso e 𝑛 − 𝑘 possuam o atributo fracasso. Esta
𝑠 𝑁−𝑠
( )( )
𝑘 𝑛−𝑘
probabilidade é dada por: 𝑃(𝑋 = 𝑘) = 𝑁
( )
𝑛
• 𝐸(𝑋) = 𝑛𝑝
𝑁−𝑛 𝑠
• 𝑉𝑎𝑟(𝑋) = 𝑛𝑝𝑞 Em que 𝑝 = e𝑞 =1−𝑝
𝑁−1 𝑁

Distribuição de Poisson: “frequência de ocorrência de certos tipos de eventos aleatórios”.

Vamos utilizar como exemplo um objeto muito utilizado no cotidiano: o telefone. Talvez até sejamos capazes de dizer
quantas vezes, em média, nosso telefone toca por dia. Mas quantas vezes o telefone não toca? Essa pergunta é muito
difícil de responder. Quando uma variável aleatória tem um comportamento parecido com esse, dizemos que ela segue
uma distribuição de Poisson.
A probabilidade de sucesso é muito pequena (𝑝 → 0) e o número de vezes que o evento é realizado é gigantesco (𝑛 →
∞). A modelagem da probabilidade parte da Distribuição Binomial. A média da Binomial será representada por 𝜆 = 𝑛𝑝 =
𝑉𝑎𝑟, ou seja, na distribuição de Poisson, a média é igual a variância.
𝑒 −𝜆 .𝜆𝑘
• 𝑃(𝑋 = 𝑘) = 𝑘!
𝑘 é a variável estudada no problema: nº de pg. sem defeito, nº de clientes que chegam, ...
 Aula 10 – Variáveis Aleatórias Contínuas
1
Teorema de Chebyshev: a proporção mínima de valores de dados que pertencem ao intervalo 𝜇 ± 𝑘𝜎 é 1 − . Podemos
𝑘2
1
também dizer que a proporção máxima de valores que não pertencem ao intervalo 𝜇 ± 𝑘𝜎 é 2 . Sendo 𝜇 = média, 𝜎 =
𝑘
desvio padrão, 𝑘 = real.
1
𝑝 ≥ 1 − 2 , 𝑝 = proporção de dados
𝑘
Exemplo: Vamos considerar uma variável aleatória que representa as alturas dos jogadores de basquete. A média das
alturas dos jogadores é 𝜇 = 185 𝑐𝑚 e o desvio padrão é 𝜎 = 5 𝑐𝑚.
1
Para o intervalo 𝜇 ± 2𝜎 (𝑘 = 2), temos que: 𝑝 ≥ 1 − 22 , 𝑝 ≥ 0,75.
Em outras palavras, pelo menos 75% dos jogadores de basquete pertencem ao intervalo 𝜇 ± 2𝜎 = (175; 195), ou seja, pelo
menos 75% dos jogadores têm entre 175 e 195 cm. Podemos também dizer que no máximo 25% tem altura menor do
que 175 cm ou maior do que 195cm.
Variáveis aleatórias contínuas: ao contrário de uma variável aleatória discreta, uma variável aleatória contínua pode
assumir qualquer valor dentro de um intervalo definido de valores. Desta maneira, para distribuições de probabilidade,
não se consegue enumerar todos os possíveis valores de uma variável aleatória contínua com os valores de probabilidades
correspondentes. Em lugar disso, a abordagem mais conveniente é construir uma função densidade de probabilidade,
baseada na função matemática correspondente.
𝑏
𝑃(𝑎 < 𝑋 < 𝑏) = ∫ 𝑓(𝑥)𝑑𝑥
𝑎
𝑓(𝑥)é 𝑎 função densidade de probabilidade (fdp)
* 𝑓(𝑥) ≥ 0 para todo 𝑥 real (a função é não negativa);
∞
* ∫−∞ 𝑓(𝑥) = 1 (a área total sob o gráfico é igual a 1, ou seja, a probabilidade total é igual a 1).
* A probabilidade de a variável assumir um valor específico é igual a 0. Por exemplo, 𝑃(𝑋 = 5) = 0, o que podemos calcular
é a probabilidade associada a um intervalo, que será dada pela área sob o gráfico no determinado intervalo.
*Não importa se o intervalo é fechado ou aberto: 𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃(𝑎 ≤ 𝑋 < 𝑏) = 𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏).
* Podemos estender todas as definições de variáveis aleatórias discretas para variáveis aleatórias contínuas.
Função de distribuição (ou função acumulada de distribuição):
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)
𝑘
𝐹(𝑘) = ∫ 𝑓(𝑥)𝑑𝑥
−∞
𝑑
𝐹(𝑥) = 𝑓(𝑥)
𝑑𝑥
Moda e Mediana.
A mediana é o número 𝑚 tal que 𝐹(𝑚) = 0,5.
𝑚
Em outras palavras: a área da mediana para trás é 50%. Assim, se 𝑚 é a mediana: ∫−∞ 𝑓(𝑥)𝑑𝑥 = 0,5
A moda é o maximante função densidade de probabilidade. Ou seja, a moda é o valor de 𝑥 que maximiza a fdp.
Média e Variância.
Se X é uma variável aleatória contínua, então a média (esperança) é dada por:
∞
𝐸(𝑋) = ∫ 𝑥 𝑓(𝑥)𝑑𝑥
−∞
A variância é dada por
∞
𝑉𝑎𝑟(𝑋) = ∫ (𝑥 − 𝜇)2 𝑓(𝑥)𝑑𝑥
−∞

𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − 𝐸(𝑋)2

Em que 𝜇 = 𝐸(𝑋) e
∞
𝐸(𝑋 2 ) = ∫ 𝑥 2 𝑓(𝑥)𝑑𝑥
−∞

Aula 11 – Revisão Cálculo diferencial e integral

---------------------------------------------------------------------------------------------------------------------------------------------------------------
 Aula 12 – Distribuições Contínuas de Probabilidade
Distribuição Uniforme Contínua: sua função densidade de probabilidade é representada através de um segmento de reta
horizontal. É igual a zero em toda a reta real, com exceção de um dado intervalo, onde assume um valor constante. Se o
intervalo em que a função é constante for limitado pelos números “a” e “b”, seu gráfico terá a seguinte representação.

Sua fdp (função densidade de probabilidade) é dada por:

𝑘 𝑠𝑒 𝑎 ≤ 𝑥 ≤ 𝑏
𝑓(𝑥) = {
0 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
1
A altura de retângulo é 𝑘 e a base é (𝑏 − 𝑎) => (𝑏 − 𝑎)𝑘 = 1 => 𝑘 = 𝑏−𝑎
𝑎+𝑏
Esperança: 𝐸(𝑋) = 2
2 (𝑏−𝑎)2
Variância: 𝑉𝑎𝑟(𝑋) = 𝜎 = 12

Distribuição Exponencial: uma variável aleatória contínua 𝑋, que tome todos os valores não negativos, terá uma
distribuição exponencial com parâmetro 𝜆 > 0, se a sua função densidade de probabilidade for dada por:
−𝜆𝑥
𝑓(𝑥) = {𝜆𝑒 𝑠𝑒 𝑥 ≥ 0
0 𝑠𝑒 𝑥 < 0
1
Esperança: 𝐸(𝑋) =
𝜆
1
Variância: 𝑉𝑎𝑟(𝑋) = 𝜆2

Distribuição Normal (Gaussiana): seu gráfico tem uma forma de “sino”, cuja simetria favorece como escolha para muitos
modelos populacionais. A distribuição normal é bem definida quando são fornecidos a média e a variância. Logo, 𝑓(𝑥)
depende de 𝜇 e de 𝜎 2 , que são os parâmetros da Distribuição Normal. Indicaremos 𝑁(𝜇, 𝜎 2 ) quando 𝑋 tem uma
distribuição normal, com média 𝜇 e variância 𝜎 2 .
𝑁(0,1): distribuição normal padrão ou distribuição normal reduzida
Gráfico genérico da distribuição normal.

𝜇 = 𝑀𝑜 = 𝑀𝑑

Aumentando 𝜇 a curva é deslocada para direita; reduzindo 𝜇, para a esquerda.

Aumentando 𝜎 a curva torna-se achatada; reduzindo 𝜎, torna-se esbelta e concentrada em 𝜇.
Propriedades da curva Normal:
i) A função é simétrica em torno de 𝜇 e área abaixo do gráfico é igual a 1. A área à esquerda da média é igual a 0,5 e a
área à sua direita também é igual a 0,5 (por isso a média é igual à mediana). 50% dos valores estão abaixo da média e 50%
dos valores estão acima da média.
ii) A função tem um ponto de máximo para 𝑥 = 𝜇, por isso a média é igual à moda.
iii) A função é duplamente assintótica, ou seja, à medida que seguimos ao longo do eixo x, o gráfico se aproxima cada vez
mais do eixo x, porém nunca tocando-o.
iv) 68,27% dos elementos estão entre os valores 𝜇 ± 𝜎, 95,45% dos elementos estão entre os valores 𝜇 ± 2𝜎 e 99,73%
dos elementos estão entre os valores 𝜇 ± 3𝜎 (esses valores são tabelados). Ou seja, valores extremos são menos
prováveis do que valores moderados.
Distribuição Normal Padrão:
Quando a distribuição for normal padrão, ou seja, 𝑁(0,1), o cálculo de probabilidade será feito com base na tabela.

A tabela nos fornece a área compreendida entre os números 0 e Z. Assim, se procurarmos o número 1,00 na tabela, ela
fornecerá a área entre os números 0 e 1,00:

Quando os valores de 𝜇 e 𝜎 assumirem diferentes valores (𝜇, 𝜎) ≠ (0,1), uma conversão deverá ser efetuada para
utilização da tabela (𝑋 é o número que queremos transportar):
𝑋−𝜇
𝑍=
𝜎
Exemplo: Considere uma variável aleatória normal com média 3 e desvio padrão 2. Calcule a probabilidade dessa variável
assumir valores entre 4 e 7.
Queremos saber a área entre os números 4 e 7. Devemos nos perguntar:
- O número 4 desta distribuição corresponde a que número na distribuição normal padrão?
- O número 7 desta distribuição corresponde a que número na distribuição normal padrão?
4−3
𝑍= = 0,5
2
7−3
𝑍= =2
2
Conclusão: Calcular a área entre os números 4 e 7 (na distribuição normal de média 3 e desvio padrão 2) é o mesmo que
calcular a área entre os números 0,5 e 2,0 na distribuição normal padrão. Em outras palavras: as áreas abaixo são iguais.
 Aula 13 – Amostragem e Estimadores
População: conjunto formado por elementos com pelo menos uma característica em comum.
Censo: estudo estatístico que abrange todos os elementos da população.
Amostragem: qlqr subconjunto próprio da população. O processo para seleção da amostra é chamado de amostragem.
Por que trabalhar com amostras? Dinheiro; tempo; não destruir a população.
O nº de amostras de tamanho 𝑛 que podemos obter a partir de uma população de tamanho 𝑁 é:
𝑡𝑎𝑚𝑎𝑛ℎ𝑜 𝑎𝑚𝑜𝑠𝑡𝑟𝑎
• 𝑁 𝑛 se o processo for feito com reposição 𝐹𝑎𝑡𝑜𝑟 𝑎𝑚𝑜𝑠𝑡𝑟𝑎𝑙 = 𝑡𝑎𝑚𝑎𝑛ℎ𝑜 𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜
• 𝐶𝑁𝑛 se o processo for feito sem reposição
Parâmetro: descreve alguma característica numérica da população. É sempre uma constate, um número.
Estimador de um parâmetro populacional (estatística): determinada na amostra. É variável, uma função/fórmula.

Erro amostral: diferença entre o estimador e o parâmetro populacional 𝜀 = 𝜃̂ − 𝜃

O valor do estimador varia em cada uma das possíveis amostras tiradas da população. Assim, o estimador pode ser
considerado uma variável aleatória com distribuição igual à distribuição da população.
Tipos de amostragem:
1 – Amostragem Aleatória Simples: tipo de amostragem probabilística. É aquela em que todos os elementos da população
têm a mesma probabilidade de serem selecionados.
2 – Amostragem por Estratificação: probabilística. Para obtê-la, devemos dividir a população em estratos (subconjuntos
com elementos homogêneos), entre os estratos há uma grande heterogeneidade. Em seguida, realizamos uma amostra
aleatória simples em cada estrato (uniforme ou proporcional).
3 – Amostragem por Conglomerados: probabilística. Vamos dividir a população em subconjuntos, entretanto, há uma
baixa variabilidade entre os subconjuntos e uma alta variabilidade dentro de cada subconjunto. Escolhe-se um ou mais
subconjunto (conglomerado) e na sequência entrevista-se todos os elementos desse subconjunto.
ESTRATIFICADA = PEGA DE TODOS OS GRUPOS (OU CADA GRUPO) PEQUENAS PORÇÕES.
CONGLOMERADOS = PEGA DE ALGUNS GRUPOS TODAS AS PORÇÕES.
4 – Amostragem Sistemática: probabilística. Ordenamos os dados (pode ser qualquer ordenação; ex: ordem alfabética) e,
em seguida, vamos selecionando os elementos de 7 em 7, ou de 10 em 10, ou de 20 em 20, etc.
5 – Amostragem por Conveniência: tipo de amostragem não probabilística. Não há tanto critério na seleção.
6 – Amostragem por Julgamento: não probabilística. A escolha dos entrevistados é feita a partir do julgamento do
entrevistador, que buscará por elementos que possuem características de acordo com o seu interesse.
7 – Amostragem por Cotas: não probabilística. Selecionamos uma amostra por cotas proporcionais com características
semelhantes da população. A diferença para a amostragem por estratificação é que nesta realizamos uma amostragem
aleatória simples em cada estrato, já nas cotas, a amostra é selecionada por um método não probab.
Distribuição amostral dos estimadores. “É a distribuição amostral de um estimador”
1. Dist. Amostral da média: considere uma amostra aleatória 𝑋1 , 𝑋2 , … , 𝑋𝑛 retirada de uma população infinita ou retirada
com reposição de uma população finita.
𝑋1 , 𝑋2 , … , 𝑋𝑛 são variáveis aleatórias independentes e identicamente distribuídas (iid) à população. Assim, 𝐸(𝑋𝑖 ) = 𝜇 e
𝑉𝑎𝑟(𝑋𝑖 ) = 𝜎 2 . A média amostral 𝑋̅ é uma variável aleatória.
A esperança de 𝑋̅ o é igual à média populacional, ou seja, 𝐸(𝑋̅) = 𝜇.
𝜎2
A variância de 𝑋̅ o é igual à variância populacional dividida por 𝑛, ou seja, 𝜎𝑋2̅ = .
𝑛

𝜎2 𝑁−𝑛
Fator de correção para população finita: 𝜎𝑋2̅ = 𝑛 × 𝑁−1
Quando a esperança de 𝑋 é igual à média populacional, 𝑿 é dito estimador não-tendencioso da média populacional.
População com distribuição normal: a média amostral também terá.
𝑋̅ é um estimador não-tendencioso; de variância mínima; de mínimos quadrados; consistente e de máxima
verossimilhança (este último se 𝑋 tiver distribuição normal).
𝛴(𝑋𝑖 −𝑋̅)2
2. Dist. Amostral da variância: o estimador não tendencioso da variância populacional é 𝑠 2 = 𝑛−1
.
2𝜎 4
𝐸(𝑠 2 ) = 𝜎 2 𝑉𝑎𝑟(𝑠 2 ) =
𝑛−1
 Aula 14 – Intervalos de confiança
𝟐
1. Para média (𝝁) quando 𝝈 é conhecido.
𝜎
Intervalo de confiança: 𝑋̅ ± 𝑍0 . 𝜎𝑋̅ => 𝑋̅ ± 𝑍0 .
√𝑛
𝜎
Em que 𝑋 é o valor específico obtido para a média amostral, 𝜎𝑋̅ é o desvio padrão da média amostral, ou seja, 𝜎𝑋̅ = e
√𝑛
𝑍0 é o valor da distribuição normal padrão associado à confiança pedida para o intervalo.
Amplitude do intervalo: 𝐴 = 2. 𝑍0 . 𝜎𝑋̅
𝐴
Erro máximo: 𝐸= 2
= 𝑍0 . 𝜎𝑋̅
𝜎
Erro padrão: 𝜀=
√𝑛

2. Para média (𝝁) quando 𝝈𝟐 é desconhecido.

Intervalo de confiança:
3. Para proporção/porcentagem/probabilidade:
𝑝(1−𝑝)
Erro padrão da estimativa: 𝜀 = √ 𝑛
𝑝 = estimativa, 𝑛 = tam. da amostra.

𝑝(1−𝑝)
Intervalo de Confiança: 𝑝 ± 𝑍√ 𝑛
 Aula 15 – Testes de Hipóteses
Hipótese: suposição elaborada sobre uma propriedade da população que será verificada por meio de um teste estatístico.
Teste de Hipótese: regra de decisão para aceitar ou rejeitar uma hipótese estatística com base nos elementos amostrais.
Testes de hipóteses para a média.
Teste de hipótese é classificado como simples quando assume um único valor; composto quando assumir mais de 1 valor.
1. Hipótese nula e Hipótese alternativa.
Sempre iremos verificar se é verdade o conteúdo da Hipótese Nula (𝐻0 ), cujo valor é expresso por meio de uma igualdade.
Quem será confrontada com 𝐻0 é a Hipótese Alternativa (𝐻1 ), que terá valor idêntico ao de 𝐻0 mas expresso por meio de
uma desigualdade (>, ou <, ou ≠).

O objetivo de um teste de hipóteses é chegar a uma conclusão final a respeito de 𝐻0 , aceitação ou rejeição.
Hipótese nula é aquilo que queremos provar, enquanto a hipótese alternativa é aquilo que queremos descartar.
ERRO TIPO I: 𝐻0 é verdadeira, mas será rejeitada (ERRO DE REJEIÇÃO); É PIOR cometer esse erro.
ERRO TIPO II: 𝐻0 é falsa, mas será aceita (ERRO DE ACEITAÇÃO).

Nível de Significância (α) corresponde à probabilidade de o pesquisador cometer o erro tipo I, e Nível de Confiança (1 - α)
é a probabilidade de o pesquisador não cometer o erro tipo I.
O Poder do Teste será afetado por três fatores:
▪ Tamanho da amostra: quanto maior o tamanho da amostra, maior o poder do teste.
▪ Nível de Significância: Quanto maior o nível de significância, maior o poder do teste, pois reduz a região de aceitação.
▪ O verdadeiro valor do parâmetro a ser testado: Quanto maior a diferença entre o "verdadeiro" valor do parâmetro e o
valor especificado pela hipótese nula, maior o poder do teste.
Tipos de testes e cálculo do teste para variância conhecida (Curva Normal).
1. Teste unilateral à esquerda, também conhecido como teste unicaudal esquerdo 𝐻1 = 𝜇 < 𝑘
2. Teste unilateral à direita, também conhecido como teste unicaudal direito 𝐻1 = 𝜇 > 𝑘
3. Teste bilateral 𝐻1 = 𝜇 <> 𝑘.
Exemplo: Considere uma amostra de 36 elementos de uma variável X normalmente distribuída. Sabe-se que a média é
de 42,3 e o desvio padrão amostral é de 5,2. Testar no nível de significância 5% a hipótese μ > 40.
1º 𝐻0 : 𝜇 = 40 𝐻1 : 𝜇 > 40

2º Encontrar Z Tabelado (𝑍𝑇𝐴𝐵 ) e Z Calculado (𝑍𝐶𝐴𝐿𝐶 ).

Consultando a tabela, encontramos o valor 44,95% (ou 0,4495). Agora, procuramos a linha e a coluna a que se referem
essa célula. Daí, encontramos 1,6 e 0,04, que correspondem às parcelas da soma que resulta no valor do 𝑍𝑇𝐴𝐵 :
𝑍𝑇𝐴𝐵 = 1,6 + 0,04 = 1,64
𝑋̅ − 𝜇 42,3 − 40
𝑍𝐶𝐴𝐿𝐶 = 𝜎 = = 2,65
5,2
√𝑛 √36

𝑍𝐶𝐴𝐿𝐶 está inserido na área de rejeição. Quando isso acontece concluímos que para este teste de hipóteses, ao nível de
significância de 5%, a hipótese 𝑯𝟎 deve ser rejeitada!
 Aula 16 – Correlação e Regressão Linear
Correlação Linear: busca identificar se existe alguma relação entre duas ou mais variáveis, ou seja, se as alterações nas
variáveis estão associadas umas com a outras. A correlação pode ser:
i) direta ou positiva: quando temos dois fenômenos que variam no mesmo sentido.
ii) inversa ou negativa: quando temos dois fenômenos que variam em sentido contrário.
iii) inexistente ou nula: não existe correlação entre os dois fenômenos. O valor do coeficiente de correlação linear será
zero (𝑟 = 0) ou um valor aproximadamente igual a zero (𝑟 ≅ 0);
iv) perfeita: quando os fenômenos se ajustam perfeitamente a uma reta.
Coeficiente de correlação linear (𝑟): −1 ≤ 𝑟 ≤ 1
𝑟 é positivo quando a variável 𝑌 tende a aumentar ou a diminuir se 𝑋 também aumentar ou diminuir, respectivamente.
𝑟 é negativo quando a variável 𝑌 tende a diminuir ou aumentar quando 𝑋 aumentar ou diminuir, respectivamente.
Quanto mais próximo 𝑟 estiver de 0, menor será a relação linear; quanto mais próximo de (1 ou -1), maior será a relação.

∑𝑛𝑖=1(𝑋𝑖 × 𝑌𝑖 ) − 𝑛𝑋̅𝑌̅
𝑟=
√(∑𝑛𝑖=1 𝑋𝑖2 − 𝑛(𝑋̅)2 ) × (∑𝑛𝑖=1 𝑌𝑖2 − 𝑛(𝑌̅)2 )

Coeficiente de correlação linear de Pearson:

“Covariância é a média dos produtos menos o produto das médias”: 𝑐𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌)
Coeficiente de determinação/explicação: 𝑟 2 0 ≤ 𝑟2 ≤ 1
Covariância diz se a relação entre as variáveis é linear e só, então:
𝑐𝑜𝑣(𝑋, 𝑌) = 𝑟 = 𝑟 2 = 0 Correlação nula (variáveis independentes) ou correlação não-linear.
Propriedades do coeficiente de correlação:
i) 𝑟 não sofre alteração quando uma constante é adicionada a (ou subtraída de) uma variável.
ii) 𝑟 pode ou não sofrer alteração quando uma variável é multiplicada por uma constante. Caso as constantes tenham o
mesmo sinal, 𝑟 não altera; constantes com sinais contrários, 𝑟 mudará de sinal, mas manterá o valor.
Regressão Linear Simples: expressão que relaciona Y (variável dependente) em função de X (variável independente).
𝑦 = 𝑚𝑥 + 𝑏
∆𝑦 𝑦−𝑦
Para uma reta que passa pelos pontos (𝑥0 , 𝑦0 ) e (𝑥, 𝑦), o coeficiente angular é expresso por: 𝑚 = ∆𝑥 = 𝑥−𝑥0
0

Se os pontos do gráfico estiverem dispersos (sem correlação linear perfeita), devemos fazer um pequeno ajuste na
expressão usada para determinar a reta de regressão.
𝑌𝑖 = 𝑎𝑋𝑖 + 𝑏 + 𝜀𝑖
𝑌𝑖 é a variável dependente/resposta; 𝑋𝑖 é a variável independente/regressora que explica o comportamento de 𝑌𝑖 ;
𝑎𝑋𝑖 + 𝑏 é o componente de 𝑌𝑖 que varia linearmente, de acordo com 𝑋𝑖 ;
̂𝑖 ):
𝜀𝑖 é o erro (valor residual), a diferença entre o valor observado e o valor predito (𝜀𝑖 = 𝑌𝑖 − 𝑌
• 𝑬(𝜀𝑖 ) = 𝟎, a média dos erros é igual a zero.
• ∑𝑛𝑖=1 𝜀𝑖2 assume um valor mínimo (Método dos Mínimos Quadrados).
• Centroide (par ordenado formado pela média X e pela média de Y) sempre está sobre a reta de regressão, sem resíduo.
• 𝑽𝒂𝒓(𝜀𝑖 ) = 𝝈², a variância dos erros é constante (homocedasticia); quando o modelo apresenta variâncias diferentes
para o erro, temos uma situação de heterocedasticia.
• 𝑪𝒐𝒗(𝜀𝑖 , 𝜀𝑗 ) = 𝟎 𝒑𝒂𝒓𝒂 𝒊 ≠ 𝒋. Os erros cometidos não são correlacionados, isto é, os desvios 𝜀𝑖 são variáveis aleatórias
independentes. Quando os erros não são independentes, temos uma situação denominada de autocorrelação.
Cálculo da reta de regressão:
𝑐𝑜𝑣(𝑋,𝑌)
Coeficiente angular: 𝑎 = 2
𝜎𝑋
;
Relação entre as médias 𝑋̅ e 𝑌̅ (𝜀 = 0): 𝑌̅ = 𝑎𝑋̅ + 𝑏, assim encontro 𝑏.
𝑐𝑜𝑣(𝑋𝑌) 2
Coeficiente de explicação: 𝑅 2 = (𝑐𝑜𝑟𝑟𝑒𝑙𝑎çã𝑜 𝑃𝑒𝑎𝑟𝑠𝑜𝑛)2 = ( 𝜎𝑋 𝜎𝑌
)
Análise de variância (ANOVA)
Objetivo: comparar médias de 3 ou mais grupos.
A ANOVA faz uma análise da variação total de um grupo de dados de 2 formas diferentes:
Variação dentro dos grupos: avaliar a discrepância de todos os valores brutos em relação às médias dos grupos as quais
pertencem.
Variação entre os grupos: avaliar a própria discrepância existente entre as médias de vários grupos.
Hipóteses:
𝐻0 : não há diferenças estatisticamente significativas entre os grupos;
𝐻1 : há diferenças estatisticamente significativas entre os grupos.

Análise de variância da regressão (ANOVA):

𝐺𝑟𝑎𝑢 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑑𝑎𝑑𝑒 𝑡𝑜𝑡𝑎𝑙 = 900 = 𝑛 − 1

𝑆𝑄𝑅 2
𝜎2 = 𝑆𝑄𝑀 = 𝑎2 ∑(𝑥𝑖 − 𝑥̅ ) 𝑎 = coeficiente angular
𝐺𝑟𝑎𝑢 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑑𝑎𝑑𝑒

𝑆𝑄𝑀
Coeficiente de determinação: 𝑟 2 =
𝑆𝑄𝑇

Correlação de Pearson: 𝑟 = √𝑟 2