SlideShare une entreprise Scribd logo
1  sur  1
Télécharger pour lire hors ligne
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

Contenu connexe

Tendances

03 convexfunctions
03 convexfunctions03 convexfunctions
03 convexfunctionsSufyan Sahoo
 
Variaveis+aleatorias
Variaveis+aleatoriasVariaveis+aleatorias
Variaveis+aleatoriasFagner Talles
 
Pdfcoffee.com capitilo 11-prueba-de-hipotesis-de-dos-muestraspdf-5-pdf-free
Pdfcoffee.com capitilo 11-prueba-de-hipotesis-de-dos-muestraspdf-5-pdf-freePdfcoffee.com capitilo 11-prueba-de-hipotesis-de-dos-muestraspdf-5-pdf-free
Pdfcoffee.com capitilo 11-prueba-de-hipotesis-de-dos-muestraspdf-5-pdf-freeCeciliaVera32
 
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA jangsofiawook
 
Presentacion optimizacion CONDICIONES kkt
Presentacion optimizacion CONDICIONES kktPresentacion optimizacion CONDICIONES kkt
Presentacion optimizacion CONDICIONES kktHugo Guzmán Tello
 
Probabilidade resolvidos
Probabilidade resolvidosProbabilidade resolvidos
Probabilidade resolvidosresolvidos
 
Proyecto de Regresión Lineal Simple
Proyecto de Regresión Lineal SimpleProyecto de Regresión Lineal Simple
Proyecto de Regresión Lineal SimpleJerry Jimenez
 
Problemas propuestos investigacion de operaciones ayuden a resolverlo
Problemas propuestos investigacion de  operaciones ayuden a resolverlo Problemas propuestos investigacion de  operaciones ayuden a resolverlo
Problemas propuestos investigacion de operaciones ayuden a resolverlo Gian YT
 
D belirli integralin-uygulamalari
D belirli integralin-uygulamalariD belirli integralin-uygulamalari
D belirli integralin-uygulamalarimete111
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianzaKhriiz Rmz
 
Estadistiva ii distribución de probabilidad discreta 2 2
Estadistiva ii distribución de probabilidad discreta  2 2Estadistiva ii distribución de probabilidad discreta  2 2
Estadistiva ii distribución de probabilidad discreta 2 2ROJASVN
 
Distribuição Gama de Probabilidade - Resolução de Questão
Distribuição Gama de Probabilidade - Resolução de QuestãoDistribuição Gama de Probabilidade - Resolução de Questão
Distribuição Gama de Probabilidade - Resolução de QuestãoAnselmo Alves de Sousa
 
Les algorithmes recurrents
Les algorithmes recurrentsLes algorithmes recurrents
Les algorithmes recurrentsmohamed_SAYARI
 

Tendances (20)

03 convexfunctions
03 convexfunctions03 convexfunctions
03 convexfunctions
 
Variaveis+aleatorias
Variaveis+aleatoriasVariaveis+aleatorias
Variaveis+aleatorias
 
Pdfcoffee.com capitilo 11-prueba-de-hipotesis-de-dos-muestraspdf-5-pdf-free
Pdfcoffee.com capitilo 11-prueba-de-hipotesis-de-dos-muestraspdf-5-pdf-freePdfcoffee.com capitilo 11-prueba-de-hipotesis-de-dos-muestraspdf-5-pdf-free
Pdfcoffee.com capitilo 11-prueba-de-hipotesis-de-dos-muestraspdf-5-pdf-free
 
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
EJERCICIOS RESUELTOS DE ECONOMIA - COMPETENCIA PERFECTA
 
Presentacion optimizacion CONDICIONES kkt
Presentacion optimizacion CONDICIONES kktPresentacion optimizacion CONDICIONES kkt
Presentacion optimizacion CONDICIONES kkt
 
5 valor esperado
5 valor esperado5 valor esperado
5 valor esperado
 
Probabilidade resolvidos
Probabilidade resolvidosProbabilidade resolvidos
Probabilidade resolvidos
 
Proyecto de Regresión Lineal Simple
Proyecto de Regresión Lineal SimpleProyecto de Regresión Lineal Simple
Proyecto de Regresión Lineal Simple
 
Problemas propuestos investigacion de operaciones ayuden a resolverlo
Problemas propuestos investigacion de  operaciones ayuden a resolverlo Problemas propuestos investigacion de  operaciones ayuden a resolverlo
Problemas propuestos investigacion de operaciones ayuden a resolverlo
 
Estimacion Ejercicios
Estimacion EjerciciosEstimacion Ejercicios
Estimacion Ejercicios
 
D belirli integralin-uygulamalari
D belirli integralin-uygulamalariD belirli integralin-uygulamalari
D belirli integralin-uygulamalari
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
Flujo maximo
Flujo maximoFlujo maximo
Flujo maximo
 
Variables Aleatorias
Variables AleatoriasVariables Aleatorias
Variables Aleatorias
 
Variável aleatória1
Variável  aleatória1Variável  aleatória1
Variável aleatória1
 
Estadistiva ii distribución de probabilidad discreta 2 2
Estadistiva ii distribución de probabilidad discreta  2 2Estadistiva ii distribución de probabilidad discreta  2 2
Estadistiva ii distribución de probabilidad discreta 2 2
 
FCD. Guía 4.optimizacion
FCD. Guía 4.optimizacionFCD. Guía 4.optimizacion
FCD. Guía 4.optimizacion
 
Distribuição Gama de Probabilidade - Resolução de Questão
Distribuição Gama de Probabilidade - Resolução de QuestãoDistribuição Gama de Probabilidade - Resolução de Questão
Distribuição Gama de Probabilidade - Resolução de Questão
 
Eficiencia y produccion
Eficiencia y produccionEficiencia y produccion
Eficiencia y produccion
 
Les algorithmes recurrents
Les algorithmes recurrentsLes algorithmes recurrents
Les algorithmes recurrents
 

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