Variável Aleatória Discreta
por Luiza Monteiro
1. Distribuição de Poisson
1.1. Pressupostos
1.1.1. A probabilidade de um evento ocorrendo em um determinado subintervalo é aproximadamente λ/n.
1.1.2. A probabilidade de dois ou mais eventos ocorrerem em qualquer subintervalo tende a zero (0).
1.1.3. As ocorrências em subintervalos mutuamente exclusivos são indepedentes.
1.2. Esta é uma distribuição associada a “eventos raros”. As razões para isso se tornarão mais claras a medida que a aplicação desse modelo for descrita. Os eventos podem ser:
1.3. acidentes automotivos
1.4. erros de digitação
1.5. chegada de um cliente em um banco
1.6. entre outros eventos…
2. Variável aleatória é qualquer função definida sobre o espaço amostral Ω que atribui um valor real a cada elemento do espaço amostral. Uma variável aleatória é definida como sendo discreta quando o número de valores possíveis que a variável assume for finito ou infinito enumerável
2.1. Valores infinito e valores finitos
3. Distribuição Binomial
3.1. o resultado é completamente determinado por chance (aleatório);
3.2. existem somente dois possíveis resultados, experimento Bernoulli;
3.3. todas as tentativas possuem a mesma probabilidade para um resultado em particular. Ou seja, as tentativas ou realizações do experimento são independentes;
3.4. isso implica que, existe uma probabilidade p de sucesso constante em cada tentativa
3.5. o número de tentativas, n, é um valor fixo, um número inteiro e positivo;
4. Distribuição Geométrica
4.1. Em teoria das probabilidades e estatística, a distribuição geométrica é constituída por duas funções de probabilidade discretas:
4.2. a distribuição de probabilidade do número X de tentativas de Bernoulli necessárias para alcançar um sucesso, suportadas pelo conjunto { 1, 2, 3, ... }, ou
4.3. a distribuição de probabilidade do número Y = X − 1 de insucessos antes do primeiro sucesso, suportadas pelo conjunto { 0, 1, 2, 3, ... }.
4.4. Se a probabilidade de sucesso de cada tentativa é p, então a probabilidade de n tentativas serem necessárias para ocorrer um sucesso é
4.5. P(X=n)=(1-p)^{n-1}p\ P(X=n)=(1-p)^{n-1}p\
4.6. para n = 1, 2, 3, .... De forma equivalente, a probabilidade de serem necessários n insucessos antes do primeiro sucesso é
4.7. {\displaystyle P(Y=n)=(1-p)^{n}p\,}{\displaystyle P(Y=n)=(1-p)^{n}p\,}
4.8. para n = 0, 1, 2, 3, ....
4.9. Em qualquer caso, a sequência de probabilidades é uma progressão geométrica.