Structured Study Guide: Basic Statistics (ESTATÍSTICA BÁSICA)

UNIDADE 1 - CONCEITOS INICIAIS E DISTRIBUIÇÃO DE FREQUÊNCIA

1.1 - Conceito de Estatística e Aplicações

Estatística é a ciência que coleta, organiza, analisa e interpreta dados para tomar decisões. Suas aplicações abrangem áreas como engenharia, saúde, economia e ciências sociais.

• Estatística Descritiva: Resume e apresenta dados.

• Estatística Inferencial: Faz inferências sobre populações com base em amostras.

• Exemplo: Análise de resultados de exames médicos para identificar tendências populacionais.

1.2 - População e Amostra

Uma população é o conjunto total de elementos de interesse, enquanto uma amostra é um subconjunto representativo da população.

• População: Todos os alunos de uma universidade.

• Amostra: 100 alunos selecionados aleatoriamente.

1.3 - Variáveis e sua Classificação

Variáveis são características mensuráveis dos elementos da população ou amostra.

• Qualitativas: Não numéricas (ex: cor dos olhos).

• Quantitativas: Numéricas, subdivididas em discretas (ex: número de filhos) e contínuas (ex: altura).

1.4 - Representação Tabular e Gráfica

Dados podem ser organizados em tabelas e representados graficamente para facilitar a análise.

• Tabelas: Organizam dados em linhas e colunas.

• Gráficos: Exemplos incluem histogramas, gráficos de barras e de setores.

1.5 - Distribuições de Frequências

Distribuições de frequência mostram como os dados estão distribuídos em diferentes categorias ou intervalos.

• Frequência Absoluta: Número de ocorrências em cada categoria.

• Frequência Relativa: Proporção de ocorrências em relação ao total.

UNIDADE 2 - MEDIDAS DESCRITIVAS

2.1 - Medidas de Posição: Média, Mediana, Moda e Quartis

Medidas de posição indicam valores centrais ou características de distribuição dos dados.

• Média: Soma dos valores dividida pelo número de observações. $\text{Média} = \frac{\sum x_i}{n}$

• Mediana: Valor central quando os dados estão ordenados.

• Moda: Valor mais frequente.

• Quartis: Dividem os dados em quatro partes iguais.

2.2 - Medidas de Dispersão: Amplitude, Variância, Desvio Padrão e Coeficiente de Variação

Medidas de dispersão mostram o grau de espalhamento dos dados.

• Amplitude: Diferença entre o maior e o menor valor.

• Variância: Média dos quadrados das diferenças em relação à média. $\text{Variância} = \frac{\sum (x_i - \bar{x})^2}{n}$

• Desvio Padrão: Raiz quadrada da variância. $\text{Desvio Padrão} = \sqrt{\text{Variância}}$

• Coeficiente de Variação: Relação entre desvio padrão e média. $\text{CV} = \frac{\text{Desvio Padrão}}{\text{Média}} \times 100\%$

UNIDADE 3 - TEORIA DAS PROBABILIDADES

3.1 - Experimento Aleatório

Um experimento aleatório é aquele cujo resultado não pode ser previsto com certeza.

• Exemplo: Lançamento de um dado.

3.2 - Espaço Amostral

O espaço amostral é o conjunto de todos os possíveis resultados de um experimento.

• Exemplo: Para um dado, $S = \{1, 2, 3, 4, 5, 6\}$

3.3 - Eventos

Eventos são subconjuntos do espaço amostral.

• Evento Simples: Um único resultado.

• Evento Composto: Dois ou mais resultados.

3.4 - Conceito Clássico de Probabilidade

Probabilidade clássica é calculada pela razão entre casos favoráveis e casos possíveis.

• Fórmula: $P(A) = \frac{n(A)}{n(S)}$

3.5 - Conceito Axiomático de Probabilidade

Baseia-se em axiomas matemáticos para definir propriedades da probabilidade.

• Axiomas: Não-negatividade, soma total igual a 1, aditividade.

3.6 - Teorema de Bayes

Permite atualizar probabilidades com base em novas informações.

• Fórmula: $P(A|B) = \frac{P(B|A)P(A)}{P(B)}$

UNIDADE 4 - VARIÁVEIS ALEATÓRIAS

4.1 - Variável Aleatória Discreta

Assume valores finitos ou contáveis.

• Exemplo: Número de chamadas recebidas em uma hora.

4.2 - Distribuição de Probabilidade Simples e Acumulativa

Distribuição simples atribui probabilidades a cada valor; acumulativa soma as probabilidades até um valor.

• Fórmula: $F(x) = P(X \leq x)$

4.3 - Variável Aleatória Contínua

Assume valores em um intervalo contínuo.

• Exemplo: Altura de pessoas.

4.4 - Função Densidade de Probabilidade e Função Distribuição

A função densidade descreve a distribuição de uma variável contínua.

• Fórmula: $\int_{-\infty}^{\infty} f(x) dx = 1$

4.5 - Esperança Matemática e Outras Medidas

Esperança matemática é o valor esperado de uma variável aleatória.

• Fórmula: $E[X] = \sum x_i P(x_i)$ (discreta) ou $E[X] = \int x f(x) dx$ (contínua)

UNIDADE 5 - DISTRIBUIÇÕES DE PROBABILIDADE

5.1 - Distribuições Discretas: Bernoulli, Uniforme, Binomial e Poisson

Distribuições discretas modelam variáveis com valores contáveis.

• Bernoulli: Dois resultados possíveis (sucesso/fracasso).

• Binomial: Número de sucessos em n ensaios. $P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$

• Poisson: Número de eventos em um intervalo. $P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!}$

5.2 - Distribuições Contínuas: Normal, t de Student, Qui-Quadrado e F de Snedecor

Distribuições contínuas modelam variáveis com valores em intervalos reais.

• Normal: Distribuição simétrica em torno da média. $f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$

• t de Student: Usada para pequenas amostras.

• Qui-Quadrado: Usada para variância e testes de independência.

• F de Snedecor: Usada para comparar variâncias.

UNIDADE 6 - AMOSTRAGEM

6.1 - Amostragem Probabilística e Não Probabilística

Amostragem probabilística utiliza métodos aleatórios; não probabilística depende de critérios subjetivos.

• Probabilística: Aleatória simples, sistemática, estratificada.

• Não Probabilística: Conveniência, julgamento.

6.2 - Técnicas de Seleção de Amostras

• Aleatória Simples: Todos têm igual chance de seleção.

• Sistemática: Seleção a intervalos regulares.

• Estratificada: Divisão em grupos homogêneos.

6.3 - Tamanho da Amostra

Determinado por precisão desejada e variabilidade dos dados.

• Fórmula: $n = \frac{Z^2 \cdot p \cdot (1-p)}{E^2}$ (para proporção)

6.4 - Distribuição Amostral

Distribuição das estatísticas calculadas a partir de amostras.

• Exemplo: Distribuição da média amostral.

UNIDADE 7 - ESTIMAÇÃO DE PARÂMETROS

7.1 - Conceitos Básicos

Estimação busca inferir valores de parâmetros populacionais a partir de amostras.

• Parâmetro: Valor característico da população.

• Estatística: Valor calculado da amostra.

7.2 - Estimador e Estimativa

Estimador é a fórmula; estimativa é o valor obtido.

• Exemplo: Média amostral como estimador da média populacional.

7.3 - Critérios para Estimação

• Imparcialidade: Estimador não tende a superestimar ou subestimar.

• Consistência: Estimador converge ao valor verdadeiro com aumento da amostra.

7.4 - Estimação por Ponto da Média e Variância

• Média: $\bar{x} = \frac{\sum x_i}{n}$

• Variância: $s^2 = \frac{\sum (x_i - \bar{x})^2}{n-1}$

7.5 - Estimação por Intervalo de Confiança

Intervalos de confiança fornecem uma faixa de valores para o parâmetro.

• Fórmula: $\bar{x} \pm Z \frac{\sigma}{\sqrt{n}}$

UNIDADE 8 - TESTES DE HIPÓTESES

8.1 - Conceitos Iniciais

Testes de hipóteses avaliam afirmações sobre parâmetros populacionais.

• Hipótese Nula (H0): Afirmação inicial.

• Hipótese Alternativa (H1): Contraposição à H0.

8.2 - Teste de Hipótese para Média e Diferença de Médias

• Teste t: $t = \frac{\bar{x} - \mu}{s/\sqrt{n}}$

8.3 - Teste de Hipótese para Proporção e Diferença de Proporções

• Teste z: $z = \frac{p - p_0}{\sqrt{\frac{p_0(1-p_0)}{n}}}$

8.3 - Teste de Hipótese para Variância

• Teste Qui-Quadrado: $\chi^2 = \frac{(n-1)s^2}{\sigma^2}$

UNIDADE 9 - ANÁLISE DE CORRELAÇÃO E REGRESSÃO

9.1 - Diagrama de Dispersão

Gráfico que mostra a relação entre duas variáveis.

• Exemplo: Altura vs. peso de indivíduos.

9.2 - Coeficiente de Correlação de Pearson

Mede a força e direção da relação linear entre duas variáveis.

• Fórmula: $r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}}$

9.3 - Regressão Linear Simples: Método dos Mínimos Quadrados

Estima a relação linear entre duas variáveis.

• Equação: $y = a + bx$

• Coeficiente angular: $b = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sum (x_i - \bar{x})^2}$

9.4 - Testes de Significância para os Parâmetros de Regressão

Avaliam se os parâmetros estimados são estatisticamente significativos.

• Teste t para coeficiente: $t = \frac{b}{\text{erro padrão de } b}$

Bibliografia

• Bussab, W.O.; Morettin, P.A. Estatística Básica.

• Larson, R.; Farber, B. Estatística Aplicada.

• Montgomery, D.C.; Runger, G.C.; Hubele, N.F. Estatística Aplicada à Engenharia.

• Triola, F.M. Introdução à Estatística.

Additional info: Academic context and formulas were expanded for completeness and clarity, based on standard statistics textbooks.