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.

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.

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).

Distribuição normal: converta um valor x em uma pontuação z, z = (x − μ)/σ, que conta quantos desvios-padrão ele está da média. Uma tabela z (ou Φ(z)) dá a área à esquerda de z, que é P(X < x). A área à direita é 1 − Φ(z), e a área entre dois valores é a diferença entre as duas áreas.

Intervalo de confiança para uma média: x̄ ± margem de erro. Com σ populacional conhecido, a margem é z·σ/√n; tendo apenas o desvio-padrão amostral s, use t com n − 1 graus de liberdade: t·s/√n. Valores críticos: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). Para obter uma margem E ou menor, você precisa de n ≥ (z·σ/E)², arredondado para cima.

Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0,5, which gives the largest n.

Teste a uma média: a estatística de teste mede a quantos erros-padrão a média amostral está do valor afirmado em H₀: z = (x̄ − μ₀)/(σ/√n) quando σ é conhecido, t = (x̄ − μ₀)/(s/√n) quando é estimado pela amostra. Um intervalo de confiança é x̄ ± (valor crítico)·(erro-padrão).

Teste a uma média: a estatística de teste mede a quantos erros-padrão a média amostral está do valor afirmado em H₀: z = (x̄ − μ₀)/(σ/√n) quando σ é conhecido, t = (x̄ − μ₀)/(s/√n) quando é estimado pela amostra. Um intervalo de confiança é x̄ ± (valor crítico)·(erro-padrão).

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.