__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() prob = distri.geometricaB(5, 0.3) print("probabilidade: %.4f" % prob)
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() print("%.4f" % distri.binomialA(40, 0.58, 25))
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() # m = lamb*tempo => 2/1 * 2 = 4 p012 = distri.poisson_analiticaB(4, 0, 2) #probab. x = 0, 1, 2 p = 1 - p012 print("%.4f" % p)
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao import random fila =[] amostras_tempo = [] r = random.random() dist = Distribuicao() tempo_servico = 5/60 #5min em horas proximaChegada = dist.fdp_exponencial(15, random.random()) proximaSaida = proximaChegada + tempo_servico for x in range(1000000): if proximaChegada < proximaSaida: fila.append(proximaChegada) proximaChegada += dist.fdp_exponencial(15, random.random()) else: tempo = proximaSaida - fila.pop(0) amostras_tempo.append(tempo) if len(fila) == 0: proximaSaida = proximaChegada + tempo_servico else: proximaSaida += tempo_servico print(len(amostras_tempo), len(fila))
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() prob = distri.binomialB(5, 0.6, 3) print("probabilidade: %.4f" % prob)
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() experimentos = 10000 cont = 0 # m = lamb*tempo => 2/1 * 2 = 4 for x in range(experimentos): pt = distri.poisson_por_binomial(20) if 18 <= pt <= 25: cont += 1 print("%.4f" % (cont/experimentos))
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() print("Pessoas com 9.4 representam aproximadamente %.4f por cento do total" % ((1 - distri.monte_carlo_fdp_normal(distri.fdp_normal, 6, 2.5, 0, 9.4)) * 100)) print("Portanto provavelmente essa e a nota minima para conseguir a bolsa.")
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() r = distri.hipergeometrica(10, 3, 9, 4) print("Probabilidade: %.4f" % (r))
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() p = distri.poisson_analiticaB(20, 18, 25) print("%.4f" % p)
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() r = (1 - distri.monte_carlo_fdp_normal(distri.fdp_normal, 6, 2.5, 0, 8)) * 100 x = 1000 * r / 100 print("Número estimado de pessoas com nota 8: %d" % x)
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao dist = Distribuicao() resp = dist.poisson_analiticaB(3, 0, 2) print(resp)
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() prob = distri.binomialA(3, 0.6, 2) print("probabilidade: %.4f" % prob)
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao dist = Distribuicao() resp = 0 n = 100 M = 10 for x in range(6, 10): resp += dist.hipergeometrica(M, x, n-M, M-x) print(resp)
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() prob = distri.geometrica(4, 0.3) print("probabilidade: %.4f" % prob)
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao experimentos = 10000 cont = 0 distri = Distribuicao() for i in range(experimentos): resp = distri.binomial_simulada(3, 0.6) if resp == 2: cont += 1 print("Probabilidade de obter exatamente 2 sucessos é de aproximadamente %.4f" % (cont/experimentos))
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() r = distri.combinacao(10, 3) * distri.combinacao(9, 4) print("Probabilidade: %.4f" % (r))
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao experimentos = 10000 cont = 0 distri = Distribuicao() for x in range(experimentos): r = distri.binomial_simulada(40,0.58) if 15 <= r <= 20: cont += 1 print("%.4f" % (cont/experimentos))
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() print(1-distri.monte_carlo(distri.fdp_exponencial, 0, 2300, 1/2000))
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao dist = Distribuicao() resp = dist.poisson_analiticaB(3/3, 0, 0) print(resp)
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao distri = Distribuicao() print("%.4f" % (1 - distri.monte_carlo_fdp_normal(distri.fdp_normal, 6, 2.5, 0, 6)))
__author__ = 'andersonmarques' import math from distributions.distribuicoes_simulacao import Distribuicao def funcao(x, lamb=1): return math.exp(-x**2) def funca(x, lamb=1): return 2*x distri = Distribuicao() print(distri.monte_carlo(funcao, 2, 3, 1))
__author__ = "andersonmarques" from distributions.distribuicoes_simulacao import Distribuicao d = Distribuicao() experimentos = 10000 cont = 0 # for x in range(experimentos): r = d.binomialC(100, 0.55, 45, 60) print(r)
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao experimentos = 10000 cont = 0 dist = Distribuicao() for x in range(experimentos): r = dist.geometrica_simuladaGeral(5, 0.3) if r < 5: cont += 1 print("Probabilidade de obter sucesso antes do 5 ensaio é de aproximadamente %.4f" % (cont/experimentos))
__author__ = 'anderson' from distributions.distribuicoes_simulacao import Distribuicao experimentos = 10000 cont = 0 dist = Distribuicao() for x in range(experimentos): resp = dist.poisson_por_binomial(3/3) if resp == 0: cont += 1 print(cont/experimentos)
__author__ = 'andersonmarques' from distributions.distribuicoes_simulacao import Distribuicao d = Distribuicao() n = 100 p = 0.55 q = 1 - p media = n*p desvio = (n*p*q)**1/2 r = d.monte_carlo_fdp_normal(d.fdp_normal, media, desvio, 0, 60) r2 = d.monte_carlo_fdp_normal(d.fdp_normal, media, desvio, 0, 45) print("A probabilidade é de %.4f" % (r + r2))