Distribuições de Probabilidade

– Distribuição Binomial –

Prof. Dr. Henrique Ewbank

Distribuições de Probabilidade

Uma distribuição de probabilidades nos dá a probabilidade de cada

valor de uma variável aleatória.
Variável aleatória: é uma função que associa a cada elemento de um
espaço amostral um número real
As distribuições de probabilidades se dividem em duas partes:
• Distribuição discreta de probabilidade – é quando uma distribuição
envolve variáveis aleatórias relativas a dados que podem ser
contados. São exemplos de distribuições discretas de
probabilidades: a binomial, a hipergeométrica e a de Poisson.
• Distribuição contínua de probabilidade – é quando uma
distribuição envolve variáveis aleatórias que apresentam um grande
número de resultados possíveis. São exemplos de distribuições
contínuas: a distribuição uniforme, a exponencial e a normal (ou de
Gauss).
Distribuição Binomial

A distribuição binomial é uma distribuição discreta de

probabilidades, aplicável sempre que o processo de amostragem
é do tipo de Bernoulli.
Um processo é de Bernoulli quando:
a) Só existem dois resultados (sucesso e fracasso);
b) Os eventos são independentes;
c) A probabilidade de sucesso é constante de tentativa para tentativa.

A distribuição binomial é utilizada para eventos COM reposição

(ou repetição)
Distribuição Binomial

A fórmula geral da probabilidade binomial é dada por:

𝑛
𝑃 𝑥 = . 𝑝 𝑥 𝑞𝑛−𝑥
𝑥

𝑥 = número de sucessos, em n tentativas;

𝑛 − 𝑥 = número de fracassos, em 𝑛 tentativas;
𝑝 = probabilidade de sucesso em uma tentativa;
𝑞 = probabilidade de fracasso nessa tentativa (lembre-se que: 𝑞 = 1 − 𝑝)

𝑛
𝑥
=número de resultados experimentais que fornecem exatamente 𝑥
sucessos em 𝑛 ensaios (combinação simples).
Exemplo 1: Distribuição Binomial

Jogando-se 5 moedas para o ar, determinar a probabilidade de se obter 3

caras (e 2 coroas).

𝑛
𝑃 𝑥 = . 𝑝 𝑥 𝑞𝑛−𝑥
𝑥
1
Então temos: 𝑛 = 5; 𝑥 = 3; 𝑝 = 𝑞 =
2

3 5−3
𝑛 5 1 1 5.4 1 1 20 5
𝑃 𝑥 = . 𝑝 𝑥 𝑞𝑛−𝑥 = . = . . = = = 0,3125
𝑥 3 2 2 2.1 8 4 64 16

5
𝑃 𝑥=3 = = 0,313 (31,3%)
16
Exemplo 2: Distribuição Binomial

Numa caixa têm-se 20 peças boas e 7 defeituosas. Retirando-se 6

peças dessa caixa, com reposição, determinar a probabilidade de se
obter 4 peças boas.

20 7
Temos: 𝑛 = 6; 𝑥 = 4; 𝑝 = ;𝑞 =
27 27

4 6−4
𝑛 𝑥 𝑛−𝑥
6 20 7
𝑃 𝑥 = .𝑝 𝑞 = .
𝑥 4 27 27

6 6.5
Como 4
= = 15, temos:
2.1

𝑃 𝑥 = 4 = 15. 0,301068 . 0,067215 = 0,304 (30,4%)

Exemplo 3: Distribuição Binomial

Num determinado processo de fabricação, 15% das

peças são consideradas defeituosas. As peças são
acondicionadas em caixas com 7 unidades cada uma.
a) Qual é a probabilidade de haver exatamente 4 peças
defeituosas em uma caixa qualquer?
b) Qual é a probabilidade de haver 2 ou menos peças
defeituosa em uma caixa qualquer?
c) Qual é a probabilidade de haver mais de uma peças
defeituosa em uma caixa qualquer?
Exemplo 3: Distribuição Binomial

a) Qual é a probabilidade de haver exatamente 4 peças

defeituosas em uma caixa qualquer?

7
𝑃 𝑥=4 = . 0,154 . 0,853
4
7 7.6.5
Como 4
= = 35, temos:
3.2.1

𝑃 𝑥 = 4 = 35. 0,000506 . 0,614125 = 0,0109 (1,09%)

 Exemplo 3: Distribuição Binomial

b) Qual é a probabilidade de haver 2 ou menos peças defeituosa em uma caixa qualquer?

– Dizer que em uma caixa existem 2 ou menos peças defeituosas significa dizer que nessa caixa
podem existir 2 peças defeituosas, ou apenas uma peça defeituosa ou nenhuma peça defeituosa.
Desta forma, é necessário calcular essas três probabilidades separadamente, e a probabilidade
desejada será a soma desses três resultados.

7
𝑃0 = 𝑃 𝑥 = 0 = (0,15)0 (0,85)7 = 1.1. 0,320577 = 0,321 32,1%
0

7
𝑃1 = 𝑃 𝑥 = 1 = (0,15)1 (0,85)6 = 1. 0,15 . 0,377150 = 0,396 (39,6%)
1

7
𝑃2 = 𝑃 𝑥 = 2 = (0,15)2 (0,85)5 = 1. 0,0225 . 0,443705 = 0,210 (21,0%)
2

𝑃 𝑥 ≤ 2 = 𝑃 𝑥 = 0 + 𝑃 𝑥 = 1 + 𝑃 𝑥 = 2 = 0,321 + 0,396 + 0,210 = 0,927 (92,7%)

Exemplo 3: Distribuição Binomial

c) Qual é a probabilidade de haver mais de uma peças

defeituosa em uma caixa qualquer?

Pode haver mais de uma peça defeituosa, desta forma,

devemos excluir a possibilidade de não haver nenhuma e de
haver apenas uma. Então será o complementar destas
probabilidades.

𝑃 𝑥 >1 =1− 𝑃 𝑥 =0 +𝑃 𝑥 =1
= 1 − 0,321 + 0,396

𝑃 𝑥 = 1 = 1 − 0,717 = 0,283 (28,3%)