<\/p>\n
A distribui\u00e7\u00e3o geom\u00e9trica<\/a> \u00e9 uma distribui\u00e7\u00e3o de probabilidade usada para modelar a probabilidade de ocorrer um certo n\u00famero de falhas antes de ocorrer o primeiro sucesso em uma s\u00e9rie de testes de Bernoulli.<\/span><\/p>\n Um ensaio de Bernoulli<\/strong> \u00e9 uma experi\u00eancia com apenas dois resultados poss\u00edveis \u2013 \u201csucesso\u201d ou \u201cfracasso\u201d \u2013 e a probabilidade de sucesso \u00e9 a mesma cada vez que a experi\u00eancia \u00e9 conduzida.<\/span><\/p>\n Um exemplo de ensaio de Bernoulli \u00e9 o sorteio. A moeda s\u00f3 pode cair com duas caras (podemos chamar cara de “acerto” e coroa de “falha”) e a probabilidade de sucesso em cada lan\u00e7amento \u00e9 de 0,5, assumindo que a moeda \u00e9 justa.<\/span><\/p>\n<\/blockquote>\n Se uma vari\u00e1vel aleat\u00f3ria<\/a> X<\/em> segue uma distribui\u00e7\u00e3o geom\u00e9trica, ent\u00e3o a probabilidade de experimentar k<\/em> falhas antes de experimentar o primeiro sucesso pode ser encontrada pela seguinte f\u00f3rmula:<\/span><\/p>\n P(X=k) = (1-p) kp<\/sup><\/strong><\/span><\/p>\n Ouro:<\/span><\/p>\n Neste artigo, compartilhamos 5 exemplos de uso da distribui\u00e7\u00e3o geom\u00e9trica no mundo real.<\/span><\/p>\n Suponha que queiramos saber quantas vezes temos que jogar uma moeda honesta at\u00e9 dar cara.<\/span><\/p>\n Podemos usar as seguintes f\u00f3rmulas para determinar a probabilidade de ocorrer 0, 1, 2, 3 falhas, etc. antes que a moeda caia em cara:<\/span><\/p>\n Nota:<\/strong> a moeda pode sofrer 0 \u201cfalha\u201d se der cara no primeiro lan\u00e7amento.<\/em><\/span><\/p>\n P(X=0)<\/strong> = (1-0,5) 0<\/sup> (0,5) = 0,5<\/strong><\/span><\/p>\n P(X=1)<\/strong> = (1-0,5) 1<\/sup> (0,5) = 0,25<\/strong><\/span><\/p>\n P(X=2)<\/strong> = (1-0,5) 2<\/sup> (0,5) = 0,125<\/strong><\/span><\/p>\n P(X=3)<\/strong> = (1-0,5) 3<\/sup> (0,5) = 0,0625<\/strong><\/span><\/p>\n Suponha que um pesquisador espere do lado de fora de uma biblioteca para perguntar \u00e0s pessoas se elas apoiam uma determinada lei. A probabilidade de uma determinada pessoa apoiar a lei \u00e9 p = 0,2.<\/span><\/p>\n Podemos usar as seguintes f\u00f3rmulas para determinar a probabilidade de entrevistar 0, 1, 2 pessoas, etc. antes que o pesquisador fale com algu\u00e9m que apoie a lei:<\/span><\/p>\n P(X=0)<\/strong> = (1-0,2) 0<\/sup> (0,2) = 0,2<\/strong><\/span><\/p>\n P(X=1)<\/strong> = (1-0,2) 1<\/sup> (0,2) = 0,16<\/strong><\/span><\/p>\n P(X=2)<\/strong> = (1-0,2) 2<\/sup> (0,2) = 0,128<\/strong><\/span><\/p>\n Suponha que se saiba que 5% de todos os widgets em uma linha de montagem est\u00e3o com defeito.<\/span><\/p>\n Podemos usar as seguintes f\u00f3rmulas para determinar a probabilidade de inspecionar 0, 1, 2 widgets, etc. antes que um inspetor encontre um widget com defeito:<\/span><\/p>\n P(X=0)<\/strong> = (1-0,05) 0<\/sup> (0,05) = 0,05<\/strong><\/span><\/p>\n P(X=1)<\/strong> = (1-0,05) 1<\/sup> (0,05) = 0,0475<\/strong><\/span><\/p>\n P(X=2)<\/strong> = (1-0,05) 2<\/sup> (0,05) = 0,04512<\/strong><\/span><\/p>\n Suponha que sabemos que 4% das pessoas que visitam um determinado banco o fazem para declarar fal\u00eancia. Suponha que um banqueiro queira saber a probabilidade de conhecer menos de 10 pessoas antes de conhecer algu\u00e9m que declare fal\u00eancia.<\/span><\/p>\n Podemos usar a calculadora de distribui\u00e7\u00e3o geom\u00e9trica<\/a> com p = 0,04 e x = 10 para descobrir que a probabilidade de encontrar menos de 10 pessoas antes de encontrar algu\u00e9m falido \u00e9 0,33517<\/strong> .<\/span><\/p>\n Suponha que saibamos que a probabilidade de uma determinada empresa sofrer uma interrup\u00e7\u00e3o na rede em uma determinada semana \u00e9 de 10%. Suponha que o CEO da empresa queira saber a probabilidade de a empresa passar 5 semanas ou mais sem sofrer uma interrup\u00e7\u00e3o na rede.<\/span><\/p>\n Podemos usar a calculadora de distribui\u00e7\u00e3o geom\u00e9trica<\/a> com p = 0,10 e x = 5 para descobrir que a probabilidade de o neg\u00f3cio durar 5 semanas ou mais sem falhar \u00e9 0,59049<\/strong> .<\/span><\/p>\n 6 exemplos concretos da distribui\u00e7\u00e3o normal<\/a> A distribui\u00e7\u00e3o geom\u00e9trica \u00e9 uma distribui\u00e7\u00e3o de probabilidade usada para modelar a probabilidade de ocorrer um certo n\u00famero de falhas antes de ocorrer o primeiro sucesso em uma s\u00e9rie de testes de Bernoulli. Um ensaio de Bernoulli \u00e9 uma experi\u00eancia com apenas dois resultados poss\u00edveis \u2013 \u201csucesso\u201d ou \u201cfracasso\u201d \u2013 e a probabilidade de sucesso […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1613","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
\n
Exemplo 1: lan\u00e7amentos de canto<\/strong><\/span><\/h3>\n
Exemplo 2: defensores de uma lei<\/strong><\/span><\/h3>\n
Exemplo 3: N\u00famero de defeitos<\/strong><\/h3>\n
Exemplo 4: N\u00famero de fal\u00eancias<\/strong><\/h3>\n
Exemplo 5: N\u00famero de interrup\u00e7\u00f5es na rede<\/strong><\/h3>\n
Recursos adicionais<\/strong><\/span><\/h3>\n
5 exemplos concretos da distribui\u00e7\u00e3o binomial<\/a>
5 exemplos concretos da distribui\u00e7\u00e3o de Poisson<\/a>
5 exemplos concretos de distribui\u00e7\u00e3o uniforme<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"