Conteúdo do Curso
Fundamentos da Teoria das Probabilidades
Fundamentos da Teoria das Probabilidades
Distribuição Uniforme Contínua
Distribuição contínua descreve o experimento estocástico com infinitos resultados possíveis.
Distribuição uniforme contínua
A distribuição uniforme contínua descreve um experimento em que todos os resultados dentro do intervalo têm probabilidade igual de ocorrer.
Se a variável é uniformemente distribuída, podemos usar uma abordagem geométrica para calcular probabilidades.
Exemplo
Considere um segmento de reta com comprimento 10
unidades. Qual é a probabilidade de selecionar aleatoriamente um ponto no segmento de reta de modo que a distância do ponto inicial até esse ponto esteja entre 3 and 7
unidades?
Assim, a posição ou o ponto está uniformemente distribuído na reta de comprimento 10
.
Podemos simplesmente dividir o comprimento do intervalo desejado pelo comprimento total do segmento.
Também podemos usar o método .cdf()
da classe scipy.stats.uniform
para calcular a probabilidade correspondente:
from scipy.stats import uniform # Parameters of an experiment whole_length = 10 range_start = 3 range_end = 7 # Geometrical approach desired_length = range_end - range_start geom_proba = desired_length / whole_length print(f'Geometrical probability is {geom_proba:.4f}') # Using `.cdf()` method upper_cdf = uniform.cdf(range_end, loc=0, scale=whole_length) lower_cdf = uniform.cdf(range_start, loc=0, scale=whole_length) cdf_proba = upper_cdf - lower_cdf print(f'Probability using .cdf() is {cdf_proba:.4f}')
O primeiro parâmetro do método .cdf()
determina o ponto em que calculamos a probabilidade; o parâmetro loc
determina o início do segmento, e scale
determina o comprimento do segmento.
O método .cdf()
calcula a probabilidade de que o resultado de um experimento caia em um determinado intervalo: .cdf(interval_end) - .cdf(interval_start)
.
Analisaremos este método com mais detalhes no curso Probability Theory Mastering.
Obrigado pelo seu feedback!