CG

Entregar caso até dia 02/11

Estatística

Distribuições Discretas
→
Distribuição Uniforme :

✗ v. a.
que assume valores Hr ,
Mr
,
-
i -

i
Un

se ✗ ~
UH
n número de valores variável pode É
=

que a assumir
parâmetro o

caracterizador
.

da
distribuição uniforme
f. p de
.

.
n ~
U (n )

"

f-
"
" "
ou
segue
~
n →

( x ) =
f- ,
k =
Xi
,
Ma - - -

,
Xn
a distribuição _ .

,
.

E [× ] =
In §; i
;
Var [ × ] =
÷ Ê ( ni -

un )
'

i =L

No de
caso
particular ✗ tomar valores de 1
, } . .
-

,
n
( em
sequência )

Na E [✗ ]
=
F- e o
} [× ]
n
=

= VAR =

Exemplo :
X -

número de pintas no lançamento do dado honesto

✗ ~ V16 ) f- (x ) =
} ,
n =
1,z,.

por =

6¥ =
3,5
;
Eu =
6¥ = TE

→
Distribuição de Bernardi :

✗ à
geral associada ocorrência
v. a.
valores
que pode assumir 2 .
De um modo

não de determinado acontecimento

ou um
§ a
que chamamos
S
 "

Se
"

ocorre sucesso A n =L

Se não ocorre
"

sucesso
"
À se =
O
"
ou
insucesso
"

✗ ~
Bernoulli ( p )
,
onde p
( parâmetro de
distribuição )

p = P(A ) P [✗
→ = 1 ] = P LA ) =p

1- p P ( II ) P [✗
=
q = → =
o ] =
P ( A- ) =
1- p =
q

Então ,
a
função probabilidade

f- ( n ) =P [✗ = n ] =p "

(
""
i -

p ) ,
K = 0, 1

E [✗ ] ( E [× ] = o ✗ (i -

p)
+ 1 xp
=p )
Nu
=

=p

O
{ = Var [ × ] p ( r
p)
=
pq
-
=

Exemplo :

✗ -

sair caras no lançamento de uma moeda ao ar

n
✗ ~
Ber (% 1 f- cm E (
I -
n

I)
=
i
E
-

A = sair caras
↳
tambem posso
associar

uniforme (2)
À = Ã sair caras

( sair coroa )

Distribu-cadBinomial-X-na.de
→

vezes que ocorre sucesso em

nfrepetic.ae?sindep-endentes numa experiência

de Bernoulli .
 ✗ ~ bi ( hip ) onde P =P E "
sucesso
"

] =
P [A ]
(nominal )

Probabilidade de obter n sucessos em n

P [✗ =
n ] = ? =
f- ( n )

Se os × sucessos forem observados nas

primeiras repetições da experiência :

P independência
^ÍÉt
[
]

=
P [ A ] P [A ]
P [A ] P [ A ] P [ A- } P [A- ] P [À ]
- . .

TEM
- - .

n -
se
vezes

h-P)(tPP
=

) " -
"

=
por | , _

p )

n
vezes
n -

f- (n) = P [✗ = x ) = (?) P
"
( i -

p )
" -
"

J
X =
0,1 ,
2 _ . -

,
n
,

1
"

(I) = ( a
=
combinações de n a x

"

n !
°" de ^ ! =
1×2 ✗ 3 . . .
✗ n

N ! ( n -
x ) |
convenção 0 !
,

por 1
=

Se ✗ ~
bi ( n , p )

(
E [✗ ] (

]
por = =
n.p .
n -

p) = n
pq

(
6 É = Var Ex ) n.p ( p)
:-. n n
=
pq
-
.
 ↳
Podemos escrever ✗ ~ bi ( n
, p
) como sendo de W
;
~ Ber ( p )

✗ =

E Wi
,
Wi independentes e identicamente distribuídas
I =L
i. i. d.
Win ber ( p ) → E [ wi ] =p

Var [wi ] =p 9.

µm =
E [× ] = E [Ê ,
wi
] =

i
Ê
= n
E [ wi ] =
np "

✓É Var Ê Var [wi )

[× ] [ Ê P 9
=
Var ]
=
n .

wi
-
.

= =

Es i =L
tu

por independência

|
✗ bi ( Y ( Êp )
}
~

np ) =) .
-
n -
X ou bi n
,

A
distribuição de insucessos e- o
espelho
da distribuição do sucesso

p = 0,5 Binomial Simétrica ☒

P > 0,5 " Assimétrica Negativa

p
< 0,5 =) ' ' ' <
Positiva

Teorema da Aditiv idade Binomial

para a

✗ r
,
Ma ,
_ . .

,
Mn
,
V. a .
i. i. d. Hi ~ bi ( ni , p )

ÍE .
Hi ~ bi
(& ,
ni
; p )

Ex 1
( pág . 155 )

✗ -

n° de gravatas vendidas numa manhã

,
em 16

A = vender uma
gravata → PEA ] =
0,1 =p
✗ ~ bi ( n -
- lo
, f- ar ) f- en ) =P [ ✗ = , ] =
( %) 0,1
"

o, q
16 -
×

,
X =
0,7 ,
7- ,
- - -

,
16

µ se E [X )
16×0,1=1,6
=
=

62 = ✓ ar [× ]
16×0,1×019
=

P [ ✗ 71 ]
P [
( % / 0,100,9
= 1 ✗
] p [✗
-

< a =
p -
=
o ] =
1- "
= 1- eixo
"
a
,

% consultar a tabela da binomial

para n = 16 e
p =
011

P [ ✗ 71 ] =
1 o 1853 0,8147
-

=
,