FEP Fruns http://fep.mycorp.

pt




Abril 2013 Sebenta de Estatstica II Pgina 1/5







Formulrio





Curso: Gesto
Cadeira: Estatstica II
Ano: 2012-2013
Autor: NunoVeiga







Este um trabalho realizado por um aluno, pelo que no est livre de conter gralhas ou
falta de informao; torna-se, assim, essencial fazer uma anlise crtica sua leitura, tendo
em conta a matria leccionada nas aulas. Por isso, aquando da deteco de alguma falha,
por favor, comunicar directamente no frum, ou via email para:

fepforuns@mycorp.pt







FEP Fruns http://fep.mycorp.pt




Abril 2013 Sebenta de Estatstica II Pgina 2/5
Distribuio Uniforme discreta em n pontos:
f(x) = P(X=x) = 1/n , x = 1, 2, , n
E(X) = (n+1)/2
V(X) = (n
2
-1)/12
Distribuio de Bernoulli:
Considere-se uma varivel aleatria X que toma o valor 1 quando se realiza determinado
acontecimento A, e o valor 0 quando A no se realiza. Sendo p a probabilidade de A se
realizar. X~Be(p)
f(x) = P(X=x) = p
x
(1-p)
1-x
, x = 0, 1
E(X) = p
V(X) = p(1-p)
Distribuio Binomial:
A distribuio binomial o modelo adequado quando: se efectua uma sucesso de n
experincias aleatrias, independentes e idnticas; em cada experincia observa-se a
realizao ou no de um acontecimento A, sendo P(A) = p; se est interessado no nmero
de vezes que o acontecimento A se realiza nas n experincias. X~Bi(n;p)
f(x) = P(X=x) =
E(X) = n x p
V(X) = n x p x (1-p)
X e Y v.a. independentes; X~Bi(n;p) e Y~Bi(m;p) X+Y~Bi(n+m;p)
X~Bi(n;p) Y=n-X~Bi(n;1-p)
Distribuio Hipergeomtrica:
A distribuio hipergeomtrica aplica-se ao caso de tiragens sem reposio (ou
simultaneamente). Exemplo: Numa caixa com N guarda-chuvas h M defeituosos, retiram-
se ao acaso e sem reposio n guarda-chuvas. Seja X a varivel aleatria que representa
o nmero de guarda-chuvas defeituosos retirados. X~H(N;M;n)
f(x) = P(X=x) =

E(X) = n x (M/N)
V(X) =

Quando N grande comparado com n (na pratica n/N<0,1) a diferena entre as duas
distribuies esbate-se e tem-se para n e p=M/N fixos:










FEP Fruns http://fep.mycorp.pt




Abril 2013 Sebenta de Estatstica II Pgina 3/5
Distribuio de Poisson:
A distribuio de Poisson est associada a acontecimentos raros. Sendo a distribuio de
uma varivel aleatria X que conta o nmero de vezes em que o acontecimento raro
ocorre. P(X=x) diminui quando o valor de x aumenta, e a distribuio depende de um
parmetro positivo . X~Po()


E(X) = V(X) =
X e Y v.a. independentes; X~Po(
1
) e Y~Po(
2
) X+Y~Po(
1
+
2
)
Numa distribuio binomial Bi(n;p), para x fixo, se o valor de n tender para infinito e se p
tender para zero (na prtica n30 e np<5, se p<0,5), com np fixo, ento:

Distribuio Uniforme Contnua:
Uma varivel aleatria X contnua tem distribuio uniforme no intervalo [a;b], X~U(a;b), se
a sua funo densidade de probabilidade constante nesse intervalo.





E(X) = (a+b)/2
V(X) = (b-a)
2
/12
Distribuio Normal (ou Gaussiana):
A distribuio Normal ou lei de Laplace-Gauss a mais importante distribuio contnua.
Foi introduzida em relao com a teoria de erro em medio de grandezas fsicas.
Uma varivel aleatria X tem distribuio Normal de parmetros e , se a sua funo
densidade de probabilidade dada por:


X~N(;)
E(X) =
V(X) =
2

A distribuio Normal simtrica e unimodal: simtrica em relao mdia (m = me =
mo); os momentos centrados de ordem mpar so nulos;







FEP Fruns http://fep.mycorp.pt




Abril 2013 Sebenta de Estatstica II Pgina 4/5
Distribuio Normal Estandardizada:
Se X~N(;) Z = (X )/ ~ N(0;1)
E(Z) = 0
V(Z) = 1
Funo densidade probabilidade:


Funo distribuio:






Distribuio Exponencial:
Uma varivel aleatria X segue uma distribuio exponencial de parmetro (>0), se a
sua funo densidade de probabilidade dada por:


X~Exp()
E(X) = 1/
V(X) = 1/
2

Funo de Distribuio:

A distribuio exponencial esta associada: com tempo de vida de equipamentos; com o
tempo de espera entre eventos de um processo de Poisson.
Se a>0 e b>0, P(X > a + b | X > a) = P(X > b) a distribuio exponencial no tem
memria.
N~Po() E(N) = ; T~Exp() E(T) = 1/
Teorema de De Moivre Laplace 1:



Na prtica aplica-se quando n30 e nxp5 (quando p<0,5) ou nxq5 (quando p>0,5).
Utilizando-se a aproximao tem de se fazer a correco de continuidade (tem de ser feita
sempre que probabilidades de uma varivel discreta so calculadas utilizando uma
distribuio contnua).





FEP Fruns http://fep.mycorp.pt




Abril 2013 Sebenta de Estatstica II Pgina 5/5
Teorema de De Moivre Laplace 2:




Na prtica aplica-se quando >30.
Utilizando-se esta aproximao tem de se fazer a correco de continuidade.









Teorema do Limite Central:
Seja X
i
i = 1,2, , n um conjunto de variveis aleatrias independentes e identicamente
distribudas (i. i. d.), com mdia e desvio-padro finito .










Exemplo: