Baixe o app para aproveitar ainda mais
Prévia do material em texto
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS. 1. Uniforme Discreta: ocorre quando cada um dos k valores possveis de uma v.a. discreta X tem mesma probabilidade. f.d.p.: k xXP 1)( kixxxx ki ,,2,1=),,,,( 21 . k x XE k i i 1)( 21 2 )()( XE k x XVar k i i f.d.a.: k xnxXPxXPxF xx i i )()()( , onde )(xn o nmero de valores x xi . 2. Bernoulli: a distribuio de Bernoulli ocorre quando a v.a. discreta X assume apenas dois valores: sucesso (1) ou fracasso (0), com probabilidades p e (1 – p), 10 p , respectivamente: Notação: )(~ pBernoulliX . x 0 1 Total p x 1 – p p 1 pXE )( )1()( ppXVar obs: Cada experimento de uma v.a. de Bernoulli chamado ensaio de Bernoulli. f.d.a.: 1,1 10),1( 0<,0 )( x xp x xF , 10 p . 3. Binomial: Considere n ensaios de Bernoulli, independentes. Seja X a v.a. que conta o número de sucessos nesses n ensaios. Então X tem distribuição binomial com parâmetros n e p. X : número de sucessos em n ensaios de Bernoulli, independentes. Notação: ),(~ pnbinomialX . f.d.p.: xnx pp x n xXP )1()( 100 pen,1,,x . pnXE )( )1()( ppnXVar f.d.a.: xx i i xXPxXPxF )()()( 4. Hipergeométrica: Esta distribuição ocorre quando executamos extrações, sem reposio, de uma população finita e verificamos a ocorrência de um dado evento. Seja uma população de tamanho N, tal que m elementos dessa população apresentam uma certa característica e (N – m) não a apresentam. Se selecionamos ao acaso n elementos sem reposição, então a probabilidade de que nessa amostra existam exatamente k elementos com a característica de interesse é: X : número de elementos com a característica na amostra de tamanho n. Notação: ),,(~ nmNHGX . f.d.p.: n N kn mN k m kXP )( ),min()(,0max nmkmNn . N mnXE )( 1 1)( N nN N m N mnXVar f.d.a.: xx i i xXPxXPxF )()()( obs: Se N é grande, então a distribuição Hipergeométrica pode ser aproximada pela distribuição binomial. 5. Geométrica: Ocorre quando contamos o número de ensaios de Bernoulli, independentes, que resultam em fracasso até a ocorrência do primeiro sucesso, em que psucessoP )( . X : número de fracassos até a ocorrência do primeiro sucesso. Notação: )(~ pgeométricaX . f.d.p.: xppxXP )1()( 10e,2,1,0 px . p pXE )1()( 2 )1()( p pXVar f.d.a.: 1)1(1)1(1)()( xpxXPxXPxF obs: A geométrica pode, ainda, ser definida pela contagem do número de ensaios até o primeiro sucesso, sendo 1)1()( xppxXP , 10e,2,1 px . 6. Binomial Negativa ou Pascal: Se agora estamos interessados em contar o número de falhas até a ocorrência do r-ésimo sucesso, tal que P sucesso p , então a v.a. X tem distribuição binomial negativa com parâmetros r e p, e f.d.p. dada por: X : número de falhas até a ocorrência do r-ésimo sucesso. Notação: ),(~ prBNX . f.d.p.: xr pp r xr xXP )1( 1 )( 10e1,,2,1,0 prx . p prXE )1()( 2 )1()( p prXVar f.d.a.: xx i i xXPxXPxF )()()( . Quando r = 1 temos a distribuição geométrica com parâmetro p. obs: Da mesma forma como a geométrica, a distribuição binomial negativa pode ser definida pela contagem do número de ensaios até o r-ésimo sucesso. 7. Poisson: a distribuição de Poisson ocorre quando contamos o número de eventos, de um certo tipo, que ocorrem num intervalo de tempo, superfície ou volume. Notação: )(~ PoissonX . f.d.p.: ! e )( x xXP x 0e,2,1,0 x . )(XE )(XVar f.d.a.: xx i i xXPxXPxF )()()( obs: A distribuição de Poisson é uma aproximação da distribuição binomial quando n , p 0, com pn constante. PRINCIPAIS DISTRIBUIÇÕES CONTÍNUAS. 1. Uniforme: Seja X uma v.a. continua com distribuição Uniforme no intervalo ];[ ba , a b< , então sua f.d.p. é dada por: Notação: ),(~ baUX . f.d.p.: bxax bxa abxf >ou <se0 se1 )( 2 )( baXE 12 )()( 2abXVar f.d.a.: ab axxF )( , bxa se 2. Normal: Uma v.a. X tem distribuição normal com parâmetros e 2 , 2 0 e , se sua f.d.p. é dada por: Notação: ),(~ 2NX . f.d.p.: 2 2 2 )(exp 2 1)( xxf , 0e ; x . )(XE 2)( XVar f.d.a.: duufxF x )()( . )(xF não tem solução algébrica e seus valores devem ser obtidos por intermédio de tabela. obs: Se Z é uma v.a. tal que )(Xz , então Z tem distribuição Normal Padronizada com média 0 e variância 1, ou seja, )1,0(~ NZ e sua f.d.p. é dada por: f.d.p.: 2 2 e 2 1)( zzf , z . 3. Exponencial: Dizemos que uma v.a. X tem distribuição exponencial, ou distribuição dos tempos de vida, com parâmetro , 0, se a sua f.d.p. é: Notação: )(~ lexponenciaX . f.d.p.: 0<se0 0see1 )( x x xf x )(XE 2)( XVar f.d.a.: x x duufxF e1)()( 0 . obs: Para 1 temos a exponencial padrão com f.d.p. xxf e)( , se 0x . 4. Gama: Uma extensão da distribuição exponencial é dada pela distribuição gama com parâmetros , 0, e sua f.d.p. é dada por: Notação: ),(~ gamaX . f.d.p.: 0<se0 0see )()( 1 x xx xf x onde dxx x 0 1e)( é chamada função gama. )(XE 2 )( XVar f.d.a.: duufxF x )()( . )(xF não tem solução algébrica. obs: Para 1 temos a distribuição exponencial com parâmetro /1 . 5. Qui-quadrado: Uma v.a. X tem distribuição qui-quadrado com n graus de liberdade se a sua f.d.p. for: Notao: 2~ nX . f.d.p.: 0<se0 0see 2 2 1 )( 212 2 x xx n xf xn n nXE )( nXVar 2)( obs: A distribuição qui-qaudrado é um caso especial da gama, para 2n e 21 . 6. t–Student: Uma v.a. X tem distribuição t–Student com n graus de liberdade se tiver f.d.p. dada por: Notao: ntX ~ . f.d.p.: 212 1 2 2 1 )( n n x nn n xf , x . 0)( XE 2 )( n nXVar , 2n . obs: Quando o valor de n é grande, a distribuição t-Student aproxima-se da )1,0(N . 7. F de Snedcor: Sejam 21 ~ mX e 2 2 ~ nX , independentes. A v.a. W, definida por nX mX W 2 1 , tem distribuição F de Snedcor com m e n graus de liberdade, com f.d.p: Notação: nmFY ,~ . f.d.p.: , 122 2)( 2)( 2)2(2 nm mm n wm w n m nm nm wf 0w . 2 )( n nWE )4()2( )2(2)( 2 2 nnm nmnXVar , 4n .
Compartilhar