ALGUMAS DISTRIBUIÇÕES DISCRETAS

Distribuição de X Função massa de probabilidade (f.m.p.) de X E(X) Var(X) Parâmetros Observações

a
Degenerada (a)  a 0 aR Variável degenerada
1
 0 1 p é a probabilidade de
Bernoulli(p)  p p(1–p) p(0,1) sucesso numa experiência
1  p p de Bernoulli
 i i 1,, n n 1 n2  1
Uniforme{1,2,...,n}  nN
1 / n 2 12
 i i  0, 1,  , n X é o número de sucessos
 em n provas de Bernoulli
Binomial(n, p)  n  p i (1  p) n i np np(1–p) p(0,1), nN independentes com

 i  probabilidade de sucesso p
X é o número de
 i i  1, 2,  1 1 p experiências de Bernoulli,
Geométrica(p)  p(1  p) i 1 p(0,1)
 p p2 independentes, até atingir o
primeiro sucesso
 i i  r , r  1,  1 p
X é o número de
 r p(0,1), experiências de Bernoulli,
BinomialNegativa(r, p)  i  1  p r (1  p) i r r
p2 rN independentes, até atingir r
 r  1
 p
sucessos
X é o número de elementos
nk ( N  k )( N  n) de uma amostra com n
 max( 0, n  N  k )  i  min( n, k ) N 2 ( N  1)
elementos com determinada
 i característica, retirada, sem
Hipergeométrica(N, n, p ) i inteiro k N,n,kN
 n  np = reposição, de uma
k = Np  k  N  k   N  N np(1  p)( N  n) kN população de N elementos,
 i  n  i   n  onde existem k = Np
( N  1) elementos com a referida
característica
 i i  0, 1, 
  i
Poisson() e    >0

 i!