Introdução à Estatística: pacote de revisão

Estatística descritiva: a média é a soma a dividir por n; a mediana é o valor central dos dados ordenados (a média dos dois centrais se n for par). O desvio-padrão amostral é s = √(Σ(x − x̄)²/(n − 1)). Uma pontuação z = (x − μ)/σ diz a quantos desvios-padrão da média está um valor.

Estatística descritiva: a média é a soma a dividir por n; a mediana é o valor central dos dados ordenados (a média dos dois centrais se n for par). O desvio-padrão amostral é s = √(Σ(x − x̄)²/(n − 1)). Uma pontuação z = (x − μ)/σ diz a quantos desvios-padrão da média está um valor.

Variáveis aleatórias discretas: uma distribuição de probabilidade lista cada valor x que uma variável pode assumir com sua probabilidade p(x); as probabilidades ficam entre 0 e 1 e somam 1. O valor esperado (média) é E(X) = Σx·p(x), a média de longo prazo. A variância é Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ², e o desvio padrão é σ = √Var(X). Para uma mudança linear Y = aX + b: E(Y) = a·E(X) + b, Var(Y) = a²·Var(X) e σ_Y = |a|·σ_X; somar uma constante não muda a dispersão.

Probabilidades: com resultados equiprováveis, P(A) = favoráveis/possíveis. Para acontecimentos independentes multiplica-se: P(A e B) = P(A)·P(B). O complementar ajuda muitas vezes: P(pelo menos um) = 1 − P(nenhum). Binomial: em n provas independentes com probabilidade de sucesso p, P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.

De uma área de volta a z: Φ(z) é a área à esquerda de z. Para uma área de cauda esquerda A, encontre na tabela o z com Φ(z) = A. Uma área de cauda direita A significa Φ(z) = 1 − A. Uma área central A entre −z e z deixa (1 − A)/2 em cada cauda, então Φ(z) = (1 + A)/2. Para um valor x, use x = μ + zσ.

Somas e diferenças de variáveis normais: se X e Y são independentes e normais, X + Y e X − Y também são normais. As médias se somam ou se subtraem: E(X ± Y) = μ_X ± μ_Y. As variâncias sempre se somam, também em uma diferença: Var(X ± Y) = σ_X² + σ_Y², portanto σ = √(σ_X² + σ_Y²). Os desvios padrão nunca se somam diretamente. O total de n itens independentes com a mesma distribuição tem média n·μ e desvio padrão σ·√n. Depois padronize como de costume: z = (x − média)/σ e leia Φ(z).

Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.

Intervalo para uma variância: (n − 1)s²/σ² tem distribuição χ² com n − 1 graus de liberdade. O intervalo de 95% para σ² vai de (n − 1)s² dividido pelo valor superior de χ² (2,5% acima dele) até (n − 1)s² dividido pelo valor inferior de χ² (2,5% abaixo dele); o intervalo para σ é a raiz quadrada dos dois limites. Ele não é simétrico em torno de s.

Testing a mean: the test statistic measures how many standard errors the sample mean lies from the value claimed in H₀: z = (x̄ − μ₀)/(σ/√n) when σ is known, t = (x̄ − μ₀)/(s/√n) when it is estimated from the sample. A confidence interval is x̄ ± (critical value)·(standard error).

Poder de um teste: poder = 1 − β é a probabilidade de rejeitar H₀ quando ela é falsa. Encontre o limite x̄c a partir de μ₀ e z_α, depois calcule a probabilidade de cair além de x̄c usando a média verdadeira: z = (x̄c − μ)/(σ/√n).

Regressão por mínimos quadrados: com x̄ e ȳ as médias, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² e Sxy = Σ(x − x̄)(y − ȳ), a reta ŷ = a + b·x tem inclinação b = Sxy/Sxx e intercepto a = ȳ − b·x̄, então ela sempre passa por (x̄, ȳ). O coeficiente de correlação de Pearson r = Sxy/√(Sxx·Syy) fica entre −1 e 1; r² é a fração da variação de y explicada pela reta.

Regressão por mínimos quadrados: com x̄ e ȳ as médias, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² e Sxy = Σ(x − x̄)(y − ȳ), a reta ŷ = a + b·x tem inclinação b = Sxy/Sxx e intercepto a = ȳ − b·x̄, então ela sempre passa por (x̄, ȳ). O coeficiente de correlação de Pearson r = Sxy/√(Sxx·Syy) fica entre −1 e 1; r² é a fração da variação de y explicada pela reta.