Modelos contínuos de probabilidade

Em estatística e probabilidade, a distribuição uniforme é a distribuição de

probabilidades contínua mais simples de conceituar: a probabilidade de se gerar qualquer
ponto em um intervalo contido no espaço amostral é proporcional ao tamanho do intervalo,
visto que na distribuição uniforme a f(x) é igual para qualquer valor de x no intervalo
considerado. Por exemplo, se considerarmos um intervalo em x de zero à dez positivo
(xЄ[0,10] ), e assumirmos que temos uma distribuição uniforme nesse intervalo, a
probabilidade de f(x) no intervalo  2<x<5 é igual a probabilidade de f(x) no intervalo  5<x<8
pois sabemos que a distribuição é uniforme nesses intervalos e possuímos os intervalos com o
mesmo tamanho.

 Função densidade da distribuição uniforme em [a,b].

A distribuição discreta uniforme em si não possui parâmetros. No entanto, é conveniente
representar seus possíveis resultados com um intervalo fechado [a,b], sendo 'a' e 'b'
considerados os principais parâmetros da distribuição. Com isso a função acumulada dessa
distribuição é representada como:

Seja [a,b] o espaço amostral. Então temos que a função densidade de probabilidade é:
 2
(b−a)
Esta distribuição tem valor médio ou esperança matemática de X, dada por E ( X ) = .
12

Função densidade de probabilidade

De modo geral, se X é uma variável aleatória continua que tem distribuição uniforme, então
sua função densidade de probabilidade será:

Pode-se demostrar que é uma função densidade de probabilidade provando que:

Parâmetros

A distribuição tem dois parâmetros:

 α : menor valor para o qual a variável X esta definida;

 β : maior valor para o qual a variável X esta definida.

Diz-se então que: X ~ U (α , β ).

Medidas descritivas
Função de distribuição acumulada
A função d distribuição acumulada da uniforme é facilmente encontrada:

Distribuição exponencial
Seja X uma variável aleatória continua que só assume valores não negativos. Se esta variável
é o tempo decorrido entre ocorrência de um processo de Paisson, então ela tem distribuição
exponencial.

Na distribuição de Paisson, a variável aleatória é definida como o número de ocorrências

(sucessos) em determinado período de tempo, sendo a media das ocorrências no período
definido como λ . Na distribuição exponencial, a variável aleatória é definida como o tempo
entre duas ocorrências, sendo a media de tempo entre ocorrências iguais a 1/ λ . Por exemplo,
se media de atendimentos no caixa de uma loja é de λ=6 clientes/min, então o tempo medio
1
entre atendimentos é =1/6 de minuto ou 10 de segundos.
λ

A distribuição é muito usada no campo da contabilidade para a moldagem do tempo até a

ocorrência de falha em componentes eletrónicos, bem como do tempo de espera em sistemas
de filas.

Função densidade de probabilidade

De modo geral, se X é uma variável aleatória continua que tem distribuição exponencial,
então sua função densidade de probabilidade.

Podemos demonstrar que é uma função densidade de probabilidade provando que:

Parâmetros

A distribuição exponencial tem apenas um parâmetro:

 λ : Numero medio de ocorrências em determinado período de tempo ( λ> 0 );

Diz-se então que: X ~ Exp ( λ ).

Modalidade descritiva

Media ou valor esperado: E(X) = μ = ∫ xf ( x ) dx

sx

Função de distribuição acumulada

A função de distribuição acumulada da exponencial pode ser facilmente encontrada:

Propriedade da distribuição exponencial

A distribuição exponencial apresenta uma propriedade interessante que é denominada falta de

memória. Isso significa que a probabilidade de ocorrência dos valores de X não é afetado
pelo conhecimento da ocorrência de valores, ou seja,
Distribuição de gama

Em teoria das probabilidades e estatística, a distribuição gama é uma família de distribuições

contínuas de probabilidade de dois parâmetros. Diversos tipos de distribuições são
dependentes, ou são casos específicos da distribuição gama, como a distribuição
exponencial e a distribuição qui-quadrado. A distribuição gama é usada para modelar valores
de dados positivos que são assimétricos à direita e maiores que 0. Ela é comumente usada em
estudos de sobrevivência de confiabilidade. 

A variável aleatória contínua X tem distribuição gama quando sua função densidade de
probabilidade é dada por:

Onde α é o parâmetro de forma (α > 0) e β é o parâmetro de escala (β > 0).

Função de gama

Funcao de gama é dada por:

Esperança e Variância

Há uma relação estreita entre a distribuição exponencial e a distribuição gama.

Se α = 1 a distribuição gama se reduz à distribuição exponencial.

Isso segue da definição geral de que se a variável aleatória X é a soma de α variáveis
aleatórias independentes, distribuídas exponencialmente cada uma com parâmetro β, então X
tem uma densidade Gama com parâmetros α e β.

Vamos obter então a esperança, variância e função geradora de momentos da distribuição

gama, através dessa relação com a distribuição exponencial.

Função de distribuição acumulada

A Função de Distribuição Acumulada da distribuição gama é intratável analiticamente.

Se α é um inteiro positivo, então a equação acima pode ser integrada por partes, resultando
em:

A expressão acima é a soma de termos da Poisson com média βx. Assim, tabelas da Poisson
acumulada podem ser usadas para calcular a função de distribuição gama.