Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Distribuição Exponencial | Distribuições Contínuas Comumente Utilizadas
Fundamentos da Teoria das Probabilidades

bookDistribuição Exponencial

A distribuição exponencial é uma distribuição de probabilidade contínua que modela o tempo entre eventos em um processo de Poisson.

Lembramos que o processo de Poisson descreve o número de eventos que ocorreram durante um determinado período. Por outro lado, a distribuição exponencial descreve o tempo entre a ocorrência de dois eventos sucessivos (a distância entre dois pontos adjacentes diferentes de zero no gráfico acima). A distribuição de Poisson é parametrizada pelo parâmetro mu, que descreve o número médio de acidentes por unidade de tempo. A distribuição exponencial é parametrizada pelo parâmetro scale, que determina o tempo médio entre dois acidentes.

Nota

Existe uma relação clara entre o parâmetro do processo de Poisson mu e o parâmetro da distribuição exponencial scale:
mu = 1 \ scale para uma unidade de tempo

Exemplo

Suponha que o tempo médio entre chegadas de clientes em uma loja seja de 5 minutos. Qual é a probabilidade de que o próximo cliente chegue em até 3 minutos?

Temos um processo de Poisson onde um evento é a chegada do cliente. O tempo médio entre duas chegadas é de 5 minutos. Como resultado, podemos usar a distribuição exponencial para calcular a probabilidade correspondente:

12345678910
from scipy.stats import expon # Parameters of the exponential distribution mean_waiting_time = 5 # Calculate that new customer will arrive in less than 3 minutes probability = expon.cdf(3, scale=mean_waiting_time) - expon.cdf(0, scale=mean_waiting_time) # Print the result print(f'The probability that the next customer arrives within 3 minutes is: {probability:.4f}')
copy

Também utilizamos o método .cdf() da classe scipy.stats.expon com o parâmetro scale especificado para calcular a probabilidade correspondente no intervalo [0,3].

question mark

A distribuição exponencial pode ser utilizada para modelar:

Select the correct answer

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 4. Capítulo 2

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Awesome!

Completion rate improved to 3.85

bookDistribuição Exponencial

Deslize para mostrar o menu

A distribuição exponencial é uma distribuição de probabilidade contínua que modela o tempo entre eventos em um processo de Poisson.

Lembramos que o processo de Poisson descreve o número de eventos que ocorreram durante um determinado período. Por outro lado, a distribuição exponencial descreve o tempo entre a ocorrência de dois eventos sucessivos (a distância entre dois pontos adjacentes diferentes de zero no gráfico acima). A distribuição de Poisson é parametrizada pelo parâmetro mu, que descreve o número médio de acidentes por unidade de tempo. A distribuição exponencial é parametrizada pelo parâmetro scale, que determina o tempo médio entre dois acidentes.

Nota

Existe uma relação clara entre o parâmetro do processo de Poisson mu e o parâmetro da distribuição exponencial scale:
mu = 1 \ scale para uma unidade de tempo

Exemplo

Suponha que o tempo médio entre chegadas de clientes em uma loja seja de 5 minutos. Qual é a probabilidade de que o próximo cliente chegue em até 3 minutos?

Temos um processo de Poisson onde um evento é a chegada do cliente. O tempo médio entre duas chegadas é de 5 minutos. Como resultado, podemos usar a distribuição exponencial para calcular a probabilidade correspondente:

12345678910
from scipy.stats import expon # Parameters of the exponential distribution mean_waiting_time = 5 # Calculate that new customer will arrive in less than 3 minutes probability = expon.cdf(3, scale=mean_waiting_time) - expon.cdf(0, scale=mean_waiting_time) # Print the result print(f'The probability that the next customer arrives within 3 minutes is: {probability:.4f}')
copy

Também utilizamos o método .cdf() da classe scipy.stats.expon com o parâmetro scale especificado para calcular a probabilidade correspondente no intervalo [0,3].

question mark

A distribuição exponencial pode ser utilizada para modelar:

Select the correct answer

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 4. Capítulo 2
some-alt