SlideShare a Scribd company logo
1 of 1
Download to read offline
1                                                                                      1
                                                                                                                                         �
                                                                                                                                                                1
                                                                                                                                                                       �
                                                                                                                                                                          1
                                                                                                                                                                                       �
                             ������(������ = ������) =
Modelo            P(X=x)                                     Parâmetro                                                    E(X), Var(X)

                                           ������                                                                             ������(������) = � ������ ,               ������(������) = � ������² − � � ������ � ²
                                                                                                                                  ������                            ������        ������
Uniforme                                                     n=tamanho da amostra, x=número de vezes que ocorre o

                                                                                                                                       ���                            ���              ���
discreta                                                     evento de interesse

                                      � (1                                                                                            ������(������) = ������,             ������(������) = ������(1 − ������)
                        P(X=x)=������            − ������)���


                              ������
Bernoulli                                                    p=probabilidade de ocorrer o evento de interesse,

                     P(X=x)= � � ������ � (1 − ������)���                                                                                        ������(������) = ������������,           ������(������) = ������������������
                              ������
                                                             x=número de sucesso em uma tentativa
Binomial                                                     n=tamanho da amostra, p=probabilidade de ocorrer o
                                                             evento de interesse, x=número de sucesso em várias

                                    ������� ������ ��                                                                                                  ������(������) = ������, ������(������) = ������
                           ������(������ = ������) =
                                                             tentativas (com reposição)

                                       ������!
Poisson                                                      λ=média/taxa de ocorrências dos eventos por unidade de

                        P(X=x)=������(1 − ������)���                                                                                                         1               1 − ������
                                                                                                                                         ������(������) =       ,       ������(������) =
                                                             medida, e=2,71828, x=número de vezes que ocorre o evento

                                                                                                                                                     ������                ������²
Geométrica                                                   p=probabilidade de ocorrer o evento de interesse,

                                       ������ ������ − ������                                                                                     ������������                      ������        ������ ������ − ������
                                     � ��          �                                                                       ������(������) =        ,       ������(������) = ������ � � �1 − � �          �
                                                             x=número de tentativas até acontecer o primeiro sucesso

                                       ������ ������ − ������                                                                                      ������                       ������       ������ ������ − 1
                      ������(������ = ������) =
                                            ������
Hipergeométrica                                              r=número total de sucessos na população, N=número total

                                           � �
                                            ������
                                                             de itens na população, n=número de itens na amostra, x=

                               ������ − 1 � (1                                                                                                       1                            1 − ������
                   P(X=x)= �          � ������     − ������) ���
                                                             x=número de sucesso em uma tentativas (sem reposição)

                               ������ − 1                                                                                                 ������(������) = ������ ,             ������(������) = ������
                                                                                                                                                 ������                             ������²
Pascal                                                       r=número de sucessos desejado, p=probabilidade de ocorrer


                                                                                                                                                      ������������                    ������������
                                                             o evento de interesse, x=número de sucessos até ocorrer o

                               ������ + ������ − 1 �
                  P(Y=y)= �               � ������ (1 − ������) �                                                                                 ������(������) =         ,       ������(������) =
                                                             r-ésimo sucesso (evento ocorrer r vezes)

                                    ������                                                                                                                 ������                      ������
Binomial                                                     r=numero de sucessos desejados, y=número de falhas antes
negativa                                                     do r-ésimo sucesso, p=probabilidade de ocorrer o evento de

                    ������(������� = ������� , ������� = ������� , ������� = ������� )                                                                                ������(������) = �������������, ������(������) = ������������� �������
                                                             interesse

                              ������!
                    =                   ������ ������ ������
Multinomial                                                  Xi=número de vezes que ocorre sucesso no evento Ai,

                       ������� ! ������� ! ������� ! � � �
                                                             ni=tamanho da amostra de Ai, n=tamanho total da amostra,

                                                 1                                                                                               ������ + ������                  (������ − ������)²
                            ������(������ = ������) =                                                                                         ������(������) =               ,       ������(������) =
                                                             pi=probabilidade de ocorrer Ai

                                              ������ − ������                                                                                               2                         12
Uniforme                                                     b=valor final do intervalo de dados, a=valor inicial do

                            ������(������ = ������) = ������������ ���                                                                                                      1                   1
                                                                                                                                             ������(������) = ,           ������(������) =
Contínua                                                     intervalo de dados

                                                                                                                                                        ������                 ������²
                                                ������ − ������
Exponencial                                                  X=distância entre contagens sucessivas (tempo/espaço) de

                      ������(������ = ������) = ������(������ =             )                                                                                    ������(������) = ������,         ������(������) = ������²
                                                             um processo Poisson, λ=média

                                                   ������
Normal Padrão                                                Z=Valor tabelado na N(0,1),μ=média, σ=desvio padrão

More Related Content

What's hot

Estatística Básica - Probabilidade
Estatística Básica - ProbabilidadeEstatística Básica - Probabilidade
Estatística Básica - ProbabilidadeAndré Faria Gomes
 
Exercícios - Distribuições de Probabilidade
Exercícios - Distribuições de ProbabilidadeExercícios - Distribuições de Probabilidade
Exercícios - Distribuições de ProbabilidadeCleibson Almeida
 
Variaveis+aleatorias
Variaveis+aleatoriasVariaveis+aleatorias
Variaveis+aleatoriasFagner Talles
 
мпр т 7
мпр т 7мпр т 7
мпр т 7Ivan
 
Exercicios resolvidos
Exercicios resolvidosExercicios resolvidos
Exercicios resolvidosBrunna Vilar
 
Slide: Matrizes, Matemática.
Slide: Matrizes, Matemática.Slide: Matrizes, Matemática.
Slide: Matrizes, Matemática.agendab
 
Representar um conjunto por extensão e por compreensão e diagrama de venus
Representar um conjunto por extensão e por compreensão e diagrama de venusRepresentar um conjunto por extensão e por compreensão e diagrama de venus
Representar um conjunto por extensão e por compreensão e diagrama de venusPaulo Mutolo
 
Aula 7 inducao matematica-primeiroprincipio
Aula 7   inducao matematica-primeiroprincipioAula 7   inducao matematica-primeiroprincipio
Aula 7 inducao matematica-primeiroprincipiowab030
 
Core 4 Differential Equations 1
Core 4 Differential Equations 1Core 4 Differential Equations 1
Core 4 Differential Equations 1davidmiles100
 
хірургія іхс
хірургія іхсхірургія іхс
хірургія іхсborovkovasveta
 
Probabilidade e estatística - Variáveis Aleatórias
Probabilidade e estatística - Variáveis AleatóriasProbabilidade e estatística - Variáveis Aleatórias
Probabilidade e estatística - Variáveis AleatóriasLucas Vinícius
 
Лекція АФО і фізрозвиток.pptx
Лекція  АФО і фізрозвиток.pptxЛекція  АФО і фізрозвиток.pptx
Лекція АФО і фізрозвиток.pptxTetianaitova
 
Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais Rodrigo Rodrigues
 

What's hot (20)

Міома
МіомаМіома
Міома
 
Estatística Básica - Probabilidade
Estatística Básica - ProbabilidadeEstatística Básica - Probabilidade
Estatística Básica - Probabilidade
 
Potenciação
PotenciaçãoPotenciação
Potenciação
 
Exercícios - Distribuições de Probabilidade
Exercícios - Distribuições de ProbabilidadeExercícios - Distribuições de Probabilidade
Exercícios - Distribuições de Probabilidade
 
Variaveis+aleatorias
Variaveis+aleatoriasVariaveis+aleatorias
Variaveis+aleatorias
 
Estatística distribuição binomial (aula 1)
Estatística   distribuição binomial (aula 1)Estatística   distribuição binomial (aula 1)
Estatística distribuição binomial (aula 1)
 
мпр т 7
мпр т 7мпр т 7
мпр т 7
 
Exercicios resolvidos
Exercicios resolvidosExercicios resolvidos
Exercicios resolvidos
 
Slide: Matrizes, Matemática.
Slide: Matrizes, Matemática.Slide: Matrizes, Matemática.
Slide: Matrizes, Matemática.
 
Limites trigonométricos
Limites trigonométricosLimites trigonométricos
Limites trigonométricos
 
Representar um conjunto por extensão e por compreensão e diagrama de venus
Representar um conjunto por extensão e por compreensão e diagrama de venusRepresentar um conjunto por extensão e por compreensão e diagrama de venus
Representar um conjunto por extensão e por compreensão e diagrama de venus
 
Dobroyakisni
DobroyakisniDobroyakisni
Dobroyakisni
 
Razões E Proporções
Razões E ProporçõesRazões E Proporções
Razões E Proporções
 
Aula 7 inducao matematica-primeiroprincipio
Aula 7   inducao matematica-primeiroprincipioAula 7   inducao matematica-primeiroprincipio
Aula 7 inducao matematica-primeiroprincipio
 
Core 4 Differential Equations 1
Core 4 Differential Equations 1Core 4 Differential Equations 1
Core 4 Differential Equations 1
 
хірургія іхс
хірургія іхсхірургія іхс
хірургія іхс
 
Aula de LOGARITMOS
Aula de LOGARITMOSAula de LOGARITMOS
Aula de LOGARITMOS
 
Probabilidade e estatística - Variáveis Aleatórias
Probabilidade e estatística - Variáveis AleatóriasProbabilidade e estatística - Variáveis Aleatórias
Probabilidade e estatística - Variáveis Aleatórias
 
Лекція АФО і фізрозвиток.pptx
Лекція  АФО і фізрозвиток.pptxЛекція  АФО і фізрозвиток.pptx
Лекція АФО і фізрозвиток.pptx
 
Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais
 

Modelos de distribuição de probabilidade

  • 1. 1 1 � 1 � 1 � ������(������ = ������) = Modelo P(X=x) Parâmetro E(X), Var(X) ������ ������(������) = � ������ , ������(������) = � ������² − � � ������ � ² ������ ������ ������ Uniforme n=tamanho da amostra, x=número de vezes que ocorre o ��� ��� ��� discreta evento de interesse � (1 ������(������) = ������, ������(������) = ������(1 − ������) P(X=x)=������ − ������)��� ������ Bernoulli p=probabilidade de ocorrer o evento de interesse, P(X=x)= � � ������ � (1 − ������)��� ������(������) = ������������, ������(������) = ������������������ ������ x=número de sucesso em uma tentativa Binomial n=tamanho da amostra, p=probabilidade de ocorrer o evento de interesse, x=número de sucesso em várias ������� ������ �� ������(������) = ������, ������(������) = ������ ������(������ = ������) = tentativas (com reposição) ������! Poisson λ=média/taxa de ocorrências dos eventos por unidade de P(X=x)=������(1 − ������)��� 1 1 − ������ ������(������) = , ������(������) = medida, e=2,71828, x=número de vezes que ocorre o evento ������ ������² Geométrica p=probabilidade de ocorrer o evento de interesse, ������ ������ − ������ ������������ ������ ������ ������ − ������ � �� � ������(������) = , ������(������) = ������ � � �1 − � � � x=número de tentativas até acontecer o primeiro sucesso ������ ������ − ������ ������ ������ ������ ������ − 1 ������(������ = ������) = ������ Hipergeométrica r=número total de sucessos na população, N=número total � � ������ de itens na população, n=número de itens na amostra, x= ������ − 1 � (1 1 1 − ������ P(X=x)= � � ������ − ������) ��� x=número de sucesso em uma tentativas (sem reposição) ������ − 1 ������(������) = ������ , ������(������) = ������ ������ ������² Pascal r=número de sucessos desejado, p=probabilidade de ocorrer ������������ ������������ o evento de interesse, x=número de sucessos até ocorrer o ������ + ������ − 1 � P(Y=y)= � � ������ (1 − ������) � ������(������) = , ������(������) = r-ésimo sucesso (evento ocorrer r vezes) ������ ������ ������ Binomial r=numero de sucessos desejados, y=número de falhas antes negativa do r-ésimo sucesso, p=probabilidade de ocorrer o evento de ������(������� = ������� , ������� = ������� , ������� = ������� ) ������(������) = �������������, ������(������) = ������������� ������� interesse ������! = ������ ������ ������ Multinomial Xi=número de vezes que ocorre sucesso no evento Ai, ������� ! ������� ! ������� ! � � � ni=tamanho da amostra de Ai, n=tamanho total da amostra, 1 ������ + ������ (������ − ������)² ������(������ = ������) = ������(������) = , ������(������) = pi=probabilidade de ocorrer Ai ������ − ������ 2 12 Uniforme b=valor final do intervalo de dados, a=valor inicial do ������(������ = ������) = ������������ ��� 1 1 ������(������) = , ������(������) = Contínua intervalo de dados ������ ������² ������ − ������ Exponencial X=distância entre contagens sucessivas (tempo/espaço) de ������(������ = ������) = ������(������ = ) ������(������) = ������, ������(������) = ������² um processo Poisson, λ=média ������ Normal Padrão Z=Valor tabelado na N(0,1),μ=média, σ=desvio padrão