Estatísticas - Notações
A tabela a seguir mostra o uso de vários símbolos usados em Estatísticas
Capitalização
Geralmente, as letras minúsculas representam os atributos da amostra e as letras maiúsculas são usadas para representar os atributos da população.
$ P $ - proporção da população.
$ p $ - proporção da amostra.
$ X $ - conjunto de elementos da população.
$ x $ - conjunto de elementos de amostra.
$ N $ - conjunto de tamanho da população.
$ N $ - conjunto de tamanho da amostra.
Letras gregas vs. romanas
As letras romanas representam os atributos da amostra e as letras gregas são usadas para representar os atributos da População.
$ \ mu $ - média da população.
$ \ bar x $ - média da amostra.
$ \ delta $ - desvio padrão de uma população.
$ s $ - desvio padrão de uma amostra.
Parâmetros específicos da população
Os símbolos a seguir representam atributos específicos da população.
$ \ mu $ - média da população.
$ \ delta $ - desvio padrão de uma população.
$ {\ mu} ^ 2 $ - variância de uma população.
$ P $ - proporção de elementos da população com um determinado atributo.
$ Q $ - proporção de elementos da população sem nenhum atributo particular.
$ \ rho $ - coeficiente de correlação da população baseado em todos os elementos de uma população.
$ N $ - número de elementos em uma população.
Parâmetros específicos de amostra
Os símbolos a seguir representam atributos específicos da população.
$ \ bar x $ - média da amostra.
$ s $ - desvio padrão de uma amostra.
$ {s} ^ 2 $ - variação de uma amostra.
$ p $ - proporção dos elementos da amostra com um atributo particular.
$ q $ - proporção dos elementos da amostra sem nenhum atributo particular.
$ r $ - coeficiente de correlação populacional baseado em todos os elementos de uma amostra.
$ n $ - número de elementos em uma amostra.
Regressão linear
$ B_0 $ - constante de interceptação em uma linha de regressão da população.
$ B_1 $ - coeficiente de regressão em uma linha de regressão populacional.
$ {R} ^ 2 $ - coeficiente de determinação.
$ b_0 $ - constante de interceptação em uma linha de regressão de amostra.
$ b_1 $ - coeficiente de regressão em uma linha de regressão de amostra.
$ ^ {s} b_1 $ - erro padrão da inclinação de uma linha de regressão.
Probabilidade
$ P (A) $ - probabilidade de que o evento A ocorra.
$ P (A | B) $ - probabilidade condicional de que o evento A ocorra, dado que o evento B ocorreu.
$ P (A ') $ - probabilidade do complemento do evento A.
$ P (A \ cap B) $ - probabilidade da interseção dos eventos A e B.
$ P (A \ cup B) $ - probabilidade de união dos eventos A e B.
$ E (X) $ - valor esperado da variável aleatória X.
$ b (x; n, P) $ - probabilidade binomial.
$ b * (x; n, P) $ - probabilidade binomial negativa.
$ g (x; P) $ - probabilidade geométrica.
$ h (x; N, n, k) $ - probabilidade hipergeométrica.
Permutação / Combinação
$ n! $ - valor fatorial de n.
$ ^ {n} P_r $ - número de permutações de n coisas tomadas r de cada vez.
$ ^ {n} C_r $ - número de combinações de n coisas tomadas r de cada vez.
Conjunto
$ A \ Cap B $ - intersecção do conjunto A e B.
$ A \ Cup B $ - união do conjunto A e B.
$ \ {A, B, C \} $ - conjunto de elementos consistindo em A, B e C.
$ \ emptyset $ - conjunto nulo ou vazio.
Testando hipóteses
$ H_0 $ - hipótese nula.
$ H_1 $ - hipótese alternativa.
$ \ alpha $ - nível de significância.
$ \ beta $ - probabilidade de cometer um erro do Tipo II.
Variáveis aleatórias
$ Z $ ou $ z $ - pontuação padronizada, também conhecida como pontuação az.
$ z _ {\ alpha} $ - pontuação padronizada que tem uma probabilidade cumulativa igual a $ 1 - \ alpha $.
$ t _ {\ alpha} Estatística $ - t que tem uma probabilidade cumulativa igual a $ 1 - \ alpha $.
$ f _ {\ alpha} Estatística $ - f que tem uma probabilidade cumulativa igual a $ 1 - \ alpha $.
$ f _ {\ alpha} (v_1, v_2) Estatística $ - f que tem uma probabilidade cumulativa igual a $ 1 - \ alpha $ e $ v_1 $ e $ v_2 $ graus de liberdade.
$ X ^ 2 $ - estatística qui-quadrado.
Símbolos de Soma
$ \ sum $ - símbolo de soma, usado para calcular somas em um intervalo de valores.
$ \ sum x $ ou $ \ sum x_i $ - soma de um conjunto de n observações. Assim, $ \ sum x = x_1 + x_2 + ... + x_n $.