DISTRIBUIÇÕES ESTATÍSTICAS

Esta distribuição atribui igual probabilidade a um conjunto finito de resultados. É usada em situações em que todos os resultados são igualmente prováveis, como lançar um dado

Essa distribuição representa um único ensaio com dois resultados possíveis: sucesso (1) ou fracasso (0). É usada para modelar resultados binários, como lançar uma moeda.

Essa distribuição representa o número de sucessos em um número fixo de ensaios de Bernoulli independentes. É usada para modelar o número de sucessos em uma série de experimentos sim/não.

Esta distribuição representa o número de eventos que ocorrem em um intervalo fixo de tempo ou espaço. É usada para modelar o número de eventos em um determinado período, como o número de chamadas recebidas por um call center.

Esta distribuição representa o número de fracassos antes de um número especificado de sucessos em uma série de ensaios de Bernoulli. É usada para modelar dados de contagem com sobredispersão ou o número de tentativas até alcançar um número-alvo de sucessos

Esta distribuição representa o número de tentativas necessárias para obter o primeiro sucesso em uma série de tentativas de Bernoulli independentes

Esta distribuição representa o número de sucessos em uma amostra extraída sem reposição de uma população finita. É usada em situações em que a amostragem é sem reposição, como ao tirar cartas de um baralho

Essa distribuição representa as contagens em várias categorias ao longo de um número fixo de ensaios independentes. É usada para modelar resultados com mais de duas categorias possíveis, como respostas de pesquisas ou lançamentos de dados.

Esta distribuição atribui igual probabilidade a todos os valores em um intervalo contínuo. É usada em cenários em que todos os resultados de um intervalo são igualmente prováveis, como na geração de números aleatórios

Esta distribuição é simétrica e tem formato de sino, caracterizada por sua média e desvio padrão. É usada para modelar fenômenos naturais e erros de medição, pois descreve muitas variáveis do mundo real

A distribuição t é usada para fazer inferência sobre médias quando a variância populacional é desconhecida e o tamanho amostral é pequeno

A distribuição qui-quadrado é fundamental em testes de hipóteses, testes de aderência e intervalos de confiança para a variância

A distribuição F é usada para comparar variâncias e é fundamental na ANOVA e na análise de regressão

Esta distribuição representa o tempo entre eventos em um processo de Poisson. É usada para modelar o tempo até a falha ou o tempo entre eventos, como a vida útil de um componente eletrônico

Esta distribuição generaliza a distribuição exponencial com um parâmetro de forma adicional. É usada para modelar tempos de espera e análise de vida útil, como o tempo até que ocorram múltiplos eventos

Esta distribuição é flexível com parâmetros de escala e forma, usada com frequência para modelar dados de vida útil. É aplicada em análise de confiabilidade e análise de tempos até a falha em engenharia e estudos de sobrevivência

A distribuição beta modela variáveis aleatórias restritas ao intervalo [0,1], o que a torna ideal para probabilidades, proporções e prioris bayesianas

Essa distribuição representa uma variável cujo logaritmo segue uma distribuição normal. É usada para modelar dados com assimetria positiva, como rendas e preços de ações

Esta distribuição de lei de potência é usada para descrever fenômenos com caudas pesadas. É aplicada na modelagem da distribuição de riqueza, fenômenos naturais e sinistros de seguros