Prévia do material em texto
jw8tzwsye March 4, 2026 1 Bernoulli 1.1 Conceito A Distribuição de Bernoulli é uma distribuição de probabilidade discreta que modela um experi- mento aleatório com apenas dois resultados possíveis: sucesso (com probabilidade ‘p’) ou fracasso (com probabilidade ‘1-p’). É a base para muitas outras distribuições de probabilidade. 1.2 Código [9]: import numpy as np import seaborn as sns import matplotlib.pyplot as plt from scipy.stats import bernoulli [12]: dados_bernoulli = bernoulli.rvs(size=1000, p=0.8) [13]: dados_bernoulli [13]: array([1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 1, 1, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 0, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 0, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0]) [14]: np.unique(dados_bernoulli, return_counts=True) [14]: (array([0, 1]), array([214, 786])) [11]: sns.displot(dados_bernoulli) plt.show() 2 3 Bernoulli Conceito Código
Mais conteúdos dessa disciplina
Probabilidade e Estatística- 1 (28)
- 1 (29)
- Tema 6 - Variáveis Aleatórias Discretas Unidimensionais
- Tema 5 - Variáveis Aleatórias Unidimensionais
- Tema 3 - Probabilidades
- Tema 2 - Análise de Dados Quantitativos
- Avaliação I - Individual Perícia Contábil
- 1 (331)
- Mapa Mental - Matemática
- A análise de dados coletados por sensores IoT pode levar a melhorias significativas na eficiência operacional. Qual das seguintes afirmações descre...
- C- O periósteo é composto de tecido osteóide menos mineralizado. ESTÁ AFIRMAÇÃO ESTÁ CORRETA?
- Exercícios 4. Gráficos servem para melhorar a visualização de dados dentro da estatística. Eles permitem identificar tendências, fazer comparações, cl
- Questão 2/10 Cinesiologia, Biomecânica e Robótica (E) O músculo possui diversas características específicas que permitem a sua contração. Sobre 0 assu
- Uma urna contém 10 bolas numeradas de um a 10. Foram sacadas sucessivamente com reposição 2 dessas bolas. A probabilidade da primeira bola ter um ...
- Probabilidade de Doença Antes e Depois do Teste (LR+ = 8): Probabilidade pré-teste: 20% │ ▼ Teste positivo │ ▼ Probabilidade pós-teste: 70% Qual ...
- um grupo de 200 adultos, 130 são do sexo masculinoi. Das mulheres desse grupo, 40% são casadas
- Sobre distribuições de probabilidade, julgue os itens a seguir: I. Em uma distribuição normal, com função definida por f(x), sendo x uma variável alea
- Durante uma oficina de formação continuada para professores de Ciências, os participantes analisaram modelos anatômicos e esquemas ilustrativos de ...
- O preço de determinada ação fica constante, aumenta ou diminui R$ 1,00 por dia com probabilidades 0,3, 0,3 e 0,4 respectivamente. Assinale a altern...
- Um sorteio é realizado utilizando-se uma urna, contendo: 10 bolas brancas, 20 bolas vermelhas, 5 bolas pretas e 15 bolas amarelas. Assinale o que é co
- um pacote de sementes de flores contem 4 semntes de flores vermelhas, 3 de flores amarelas , 2 de flores roxas e 1 de flor cor laranja, escolhidas 3 s
- Qual é o principal objetivo da ciência cidadã? a. Colaborar com a produção de dados cidadãos com a participação ativa do público na ciência b. ...
- Pedro tinha 999 dólares e gastou 333. Com quantos dólares ele ficou?
A. 666
B. 644
C. 207
D. 587
- Pedro tinha 457 copos, mas conseguiu multiplicar por 3. Com quantos copos ele ficou?
A. 803
B. 489
C. 1287
D. 1371
