Universidade Federal de Campina Grande - UFCG

Centro de Ciências e Tecnologia - CCT

Unidade Acadêmica de Estatı́stica

Distribuição multinomial

Alunos:Alan da Silva e Paulo Ricardo Peixoto de Alencar

Disciplina: Probabilidade I

Campina Grande - PB, 4 de junho de 2016

1 A distribuição multinomial
A distribuição multinomial é uma extensão da distribuição binomial. O
experimento binomial passa a ser multinomial quando em cada evento ou
tentativa , tivermos mais de dois possı́veis resultados de interesse. Podemos
citar como exemplo um evento que tem mais de três possı́veis resultados,
como a classificação de um produto em: normal, defeituoso ou recuperável.
Um experimento multinomial tem as seguintes caracterı́sticas:

• O experimento consiste de n tentativas repetidas.

• Cada tentativa tem um número discreto resultados possı́veis.

• Em qualquer tentativa dada, a probabilidade de que um particular

resultado ocorrerá é constante.

• As tentativas são independentes

• Cada tentativa pode ter dois ou mais resultados possı́veis.

1.1 A função de probabiidade

Considere um experimento dividido em n ensaios independentes, no qual
cada ensaio resulta em um número finito k de valores possı́veis com proba-
k
X
bilidades p1 , p2 , . . . , pk (de modo que pi ≥ 0 para i = 1, . . . , k e pi =
i=1
1).Tomando a variável aleatória Xi que representa o número de vezes que o
ı́ndice i foi observado nos n ensaios, o vetor X = (X1 , . . . , Xk ) segue uma
distribuição multinomial com parâmetros n e p onde p = (p1 , . . . , pk ).
Com isso, sua distribuição de probabilidade é dada por

n!
P (X1 = n1 , ..., Xk = nk ) = × pn1 1 × pn2 2 × ... × pnk k
n1 ! × ... × nk !
Denotamos X ∼ M ulti(n, p1 , . . . , pk ).

1.2 Função geradora de momentos, esperança e variância

Se X ∼ M ulti(n, p1 , · · · , pk ) então sua função geradora de momentos é
dada por:
 n n n
!n
X X X n! X
tX
etx P [X = k] = etj1 · · · etjk pj1 · · · pjkk = pi eti


MX (t) = E e = ··· .
x j1 jk
j1 ! · · · jk 1 i=1

O valor esperado do número de vezes em que o ı́ndice i é observado é

dado por

E(Xi ) = npi

1.2.1 Demonstração
O teorema dos coeficientes multinomiais nos garante que:

x1 + x2 + x3 + . . . + xi = n, i ≥ 0

observe que podemos ver o teorema escrito da seguinte forma

Y (1) = n − x1 = x2 + x3 + . . . + xk
Y (2) = n − x2 = x1 + x3 + . . . + xk
..
.
Y (k) = n − xk = x1 + x2 + . . . + xk−1
podemos generalizar essa expressão e escrevê-la da seguinte forma
X
xj
j6=xi

como queremos mostrar a esperança da distribuição multinomial de um certo

parâmetro xk podemos demonstrar a esperança de xk considerando apenas
ele o parâmetro de interesse, ou seja, o sucesso, e os demais parâmetros
consideraremos como fracasso. Em consequência disso, passamos a ter que
demonstrar uma distribuição binomial, logo percebemos o motivo de termos
escrito as expressões a cima.

n   n
X n X n!
E(Xk ) = xk pxkk (1 − pk )n−xk = xk pxk (1 − pk )n−xk =
k=0
xk xk !(n − xk )! k
k=0

quando k=0 a parcela correspondete no somatório é nula. Dessa forma,

podemos escrever o seguinte:
 n
X n!
E(Xk ) = xk pxkk (1 − pk )n−xk
k=1
xk (xk − 1)!(n − xk )!
e como xk 6= 0 podemos efetuar a divisão

n n
X n! X n(n − 1)!
E(Xk ) = pxkk (1−pk )n−xk = (pk ×pxkk −1 )(1−pk )n−xk
k=1
(xk − 1)!(n − xk )! k=1
(x k − 1)!(n − x k )!

n n  
X (n − 1)! xk −1
X n−1
= npk pk (1−pk )n−xk
= npk pxkk −1 (1−pk )n−xk
(xk − 1)!(n − xk )! x k − 1
k=1 k=1

vamos agora, fazer a mudança de variável q = k − 1 ⇐⇒ k = q + 1, dai

n−1   n−1  
X n−1 X n−1
npk pqq (1 − pq ) (n−(q+1))
= npk pqq (1 − pq )(n−1−q)
xq xq
q=0 q=0

sabemos que este somatório é equivalente a soma das probabilidades, ou

seja, é igual a 1. Portanto, o que nos resta é o valor esperado da distribuição
multinomial do parâmetro xk

E(Xk ) = npk
e a variância

V ar(Xk ) = npk (1 − pk )
.

1.2.2 Demonstração

V ar(Xk ) = E(Xk2 ) − E 2 (Xk )

De maneira análoga a demonstração da esperança, vamos achar E(Xk2 ).

n   n
X n X n!
E(Xk2 ) = x2k pxkk (1 − pk )n−xk = x2k pxkk (1 − pk )n−xk
xk x k !(n − x k )!
xk =0 x =0 k
 n n
X n! xk
X n!
= x2k pk (1−pk )n−xk
= xk pxkk (1−pk )n−xk
xk =1
xk (xk − 1)!(n − xk )! x =1
(xk − 1)!(n − xk )!
k

n
X n(n − 1)!
= xk (pk × pxkk −1 )(1 − pk )n−xk
xk =1
(xk − 1)!(n − xk )!
n
X (n − 1)!
= npk xk pxk −1 (1 − pk )n−xk
xk =1
(xk − 1)!(n − xk )! k

usando novamente q = k − 1 ⇐⇒ k = q + 1, temos

n−1 n−1  
X (n − 1)! q n−1−q
X n−1 q
= npk (xq +1) p (1−pq ) = npk (xq +1) pq (1−pq )n−1−q
q=0
xq !(n − 1 − xq )! q q=0
xq

n−1   n−1  
X n−1 q n−1−q
X n−1 q
= npk xq pq (1 − pq ) + npk pq (1 − pq )n−1−q
xq xq
q=0 q=0

dai temos que o primeiro somatório é igual (n − 1)pk e o segundo é igual a

pk . Colocando npk em evidência temos:

E(Xk2 ) = npk [(n − 1)pk − 1] = n2 p2k − np2k + npk

e substituindo,

V ar(Xk ) = n2 p2k + npk − (npk )2 = npk − np2k = npk (1 − pk )

1.3 Exemplos de aplicação da distribuição multinomi-

nal
1.3.1 Exemplo 1
Os seguintes eventos podem ocorrer com um pacote enviado pelo correio:
chegar em perfeito estado, chegar danificado ou perder-se pelo caminho. As
probabilidades desses eventos são, respectivamente 0,7, 0,2 e 0,1. Foram
enviados recentemente 10 pacotes pelo correio. Qual a probabilidade de 6
chegarem corretamente ao destino, 2 serem perdidos e os outros 2 avariados?
 Solução

Primeiramente deve-se definir quais são as variáveis aleatórias do pro-

blema
n1 : número de pacotes que chegaram corretamente e sem danos (6)
n2 : número de pacotes que chegaram avariados (2)
n3 : número de pacotes que se perderam pelo caminho (2)

Então ,n1 + n2 + n3 = n = 10 , logo a probabilidade será:

10!
P (n1 = 6, n2 = 2, n3 = 2) = . × (0, 7)6 × (0, 2)2 × (0, 1)2 = 0, 059
6! × 2! × 2!

1.3.2 Exemplo 2
Na inspeção de qualidade de um produto são utilizadas quatro categorias
para classificação: conforme, aproveitável, reciclável e refugado. As probabi-
lidades de pertencer a cada um dos grupos são, respectivamente: p1 = 0,70
, p2 = 0,15 , p3 = 0,10 e p4= 0,05. Em um lote de 10 unidades, qual a
probabilidade de se encontrar seis unidades conformes, duas aproveitáveis,
uma reciclável e uma refugada?

Solução

n1 = 6 unidades conformes
n2 = 2 unidades aproveitáveis
n3 = 1unidade reciclável
n4 = 1 unidade refugada

10!
P (n1 = 6, n2 = 2, n3 = 1, n4 = 1) = 6!×2!×1!×1!
× (0, 70)6 × (0, 15)2 × (0, 10)1 ×
(0, 05)1 = 0, 0334

2 Referências bibliográficas

HOEL, Paul G. Introdução à teoria da probabilidade. 4a ed. Rio de Janeiro,

Interciência, 1978.
FELLER, William. Introduação a teoria das probabilidades e suas aplicações
Parte 1 - Espaços amostrais discretos. 2a ed. São Paulo, Edgard Blücher,
1976.