PONTIFCIA UNIVERSIDADE CATLICA DE MINAS GERAIS

NCLEO UNIVERSITRIO EM CONTAGEM

ESTATSTICA APLICADA
Distribuies Discretas: Binomial e Poisson


1
1. MODELOS DE DISTRIBUIO DE PROBABILIDADES

1.1 MODELOS DE DISTRIBUIO DISCRETA DE PROBABILIDADES

1.1.1 DISTRIBUIO DE BERNOULLI

Suponhamos um experimento E onde:

As diversas provas se realizam sob condies idnticas;
Cada prova apresenta somente dois resultados ( Sucesso - S - ou Fracasso - S ), mutuamente
excludentes + = P S P S ( ) ( ) 1;
A probabilidade p P S = ( ) a mesma em cada prova, isto implica que p q q P S + = = 1 onde ( ) ;
As provas so independentes umas das outras.

Um experimento nas condies acima define uma distribuio de Bernoulli, ou seja, temos uma
varivel aleatria X discreta em que:



X P(x)
Fracasso q
Sucesso p
1



Para efeito de clculos foram designados os valores 0 e 1, respectivamente, para os resultados
Fracasso e Sucesso, assim:



X P(x)
0 q
1 p
1



Uma Varivel Aleatria com estas caractersticas apresenta uma Distribuio de Bernoulli.
PONTIFCIA UNIVERSIDADE CATLICA DE MINAS GERAIS
NCLEO UNIVERSITRIO EM CONTAGEM
ESTATSTICA APLICADA
Distribuies Discretas: Binomial e Poisson


2
1.1.1.1 ESPERANA DA DISTRIBUIO DE BERNOULLI


p
p 1 q 0
x p x
x
x
i i x
=
+ =
=

u
u
u ) (


1.1.1.2 VARINCIA DA DISTRIBUIO DE BERNOULLI

( )
| |
| |
| |
| |
VAR x E x
VAR x E x
mas
E x x p x
E x q p p
VAR x p p
VAR x p p
VAR x pq
i x
i x
i i i
i
( )
( )
( )
( )
( ) ( )
( )
=
=
=
= + =
=
=
=

u
u
2
2 2
2 2
2 2 2
2
0 1
1
logo,


1.1.2 DISTRIBUIO BINOMIAL

Seja um experimento que consiste de um nmero n fixo de provas de Bernoulli, com probabilida-
de p ( constante ) de sucesso para cada prova.
A distribuio de probabilidade da Varivel Aleatria X chamada Distribuio Binomial com n
provas e probabilidade p de sucesso .
A probabilidade de, ao realizarmos n provas, se obter x sucessos, e consequentemente ( n - x ) fra-
cassos, numa ordem qualquer :

p q
x n x


Como temos C
n
x
disposies possveis de ocorrncias, a funo Distribuio de Probabilidade
Binomial da Varivel Aleatria X fica:


f x P X x p q x n C
n
x x n x
( ) ( ) = = =

, 0


PONTIFCIA UNIVERSIDADE CATLICA DE MINAS GERAIS
NCLEO UNIVERSITRIO EM CONTAGEM
ESTATSTICA APLICADA
Distribuies Discretas: Binomial e Poisson


3
Exemplo 1 ) Consideremos os seguintes casos:

a) n=5 e p = 0,2
O Histograma desta distribuio fica:
P X f
P X f
P X f
P X f
P X f
P X f
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
= = =
= = =
= = =
= = =
= = =
= = =
0 0 0 3277
1 1 0 4096
2 2 0 2048
3 3 0 0512
4 4 0 0064
5 5 0 0003



b) n=5 e p = 0,5
O Histograma desta distribuio fica:
P X f
P X f
P X f
P X f
P X f
P X f
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
= = =
= = =
= = =
= = =
= = =
= = =
0 0 0 0313
1 1 0 1562
2 2 0 3125
3 3 0 3125
4 4 0 1562
5 5 0 0313



c) n=5 e p = 0,8
O Histograma desta distribuio fica:
P X f
P X f
P X f
P X f
P X f
P X f
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
( ) ( ) ,
= = =
= = =
= = =
= = =
= = =
= = =
0 0 0 0003
1 1 0 0064
2 2 0 0512
3 3 0 2048
4 4 0 4096
5 5 0 3277





PONTIFCIA UNIVERSIDADE CATLICA DE MINAS GERAIS
NCLEO UNIVERSITRIO EM CONTAGEM
ESTATSTICA APLICADA
Distribuies Discretas: Binomial e Poisson


4
Podemos observar que para:


p = 0,5 a distribuio SIMTRICA
p < 0,5 a distribuio ASSIMTRICA ESQUERDA
p > 0,5 a distribuio ASSIMTRICA DIREITA


1.1.2.1 ESPERANA DA DISTRIBUIO BINOMIAL

Como a Distribuio Binomial consiste de n Distribuies de Bernoulli temos:


E x np [ ] =

1.1.2.2 VARINCIA DA DISTRIBUIO BINOMIAL

De maneira anloga Esperana a Varincia da Distribuio Binomial ser:


VAR x npq [ ] =

Exemplo 2 ) Um estudo mostra que 70% dos pacientes que vo a uma clnica devem esperar no mnimo 15 minutos
at serem atendidos. Determine a probabilidade de que para 8 pacientes:

a) Nenhum paciente tenha que se sujeitar espera;
b) Dois pacientes tenham que se sujeitar espera;
c) Seis pacientes tenham que se sujeitar espera.


Soluo

A probabilidade de sucesso ( o paciente ter que se sujeitar espera ) de 70%, isto , 0,7, logo a
probabilidade de fracasso de 0,3.

a)

P X x f x p q
P X f
f
f
C
C
n
x x n x
( ) ( )
( ) ( ) , ,
( ) ,
( ) ,
= = =
= = =
=
=

0 0 0 7 0 3
0 0 3
0 0 00007
8
0 0 8
8


b)

P X x f x p q
P X f
f
f
C
C
n
x x n x
( ) ( )
( ) ( ) , ,
( ) , ,
( ) ,
= = =
= = =
=
=

2 2 0 7 0 3
0 28 0 7 0 3
0 0 00122
8
2 2 6
2 6

PONTIFCIA UNIVERSIDADE CATLICA DE MINAS GERAIS
NCLEO UNIVERSITRIO EM CONTAGEM
ESTATSTICA APLICADA
Distribuies Discretas: Binomial e Poisson


5

c)

P X x f x p q
P X f
f
f
C
C
n
x x n x
( ) ( )
( ) (5) , ,
( ) , ,
( ) ,
= = =
= = =
=
=

5 0 7 0 3
0 56 0 7 0 3
0 0 25412
8
5 5 3
5 3


Exemplo 3 ) Determine a probabilidade de um nico 2 sair em 3 lanamentos de um dado:

Soluo

A probabilidade de sucesso ( sair a face 2 )
1
6
, a probabilidade de fracasso ( NO sair face 2 )
5
6
,
logo

f x p q
f
f
C
C
n
x x n x
( )
( )
( ) ,
=
=
|
\

|
.
|
|
\

|
.
|
=

1
1
6
5
6
2 0 3472222
3
1
1 2


1.1.3 DISTRIBUIO DE POISSON

aplicada nos casos em que o nmero de fracassos ou o nmero de provas so grandezas inume-
rveis.
A probabilidade de uma Varivel Aleatria Discreta X dada, pela Distribuio de Poisson, por:

( )
P x t
t
x
e
onde
t VAR x
x
t
x
( , )
!
( )
=
= =

Exemplo 4 ) Chegam, em mdia, 10 navios-tanque por dia a um porto, que tem capacidade para 15 destes navios.
Qual a probabilidade de que, em determinado dia, um ou mais navios tenham que ficar ao largo
aguardando uma vaga?


Soluo

Resolveremos este problema de duas maneiras. A primeira utilizando a frmula e a segunda utilizando a
tabela da Distribuio de Poisson

1 maneira:

Se o porto tem uma capacidade de 15 navios, desejamos determinar a probabilidade de em determinado dia
chegarem mais de 15 navios ao porto.


PONTIFCIA UNIVERSIDADE CATLICA DE MINAS GERAIS
NCLEO UNIVERSITRIO EM CONTAGEM
ESTATSTICA APLICADA
Distribuies Discretas: Binomial e Poisson


6
P X P X ( ) ( ) > = 15 1 15
( )
P X P x
t
x
e
x
t
x x
( ) ( )
!
> = =

= =

15 1 1
0
15
0
15

t = 10 , assim

P X e e e e e e ( )
! ! ! !
...
! !
> = + + + + + +

15 1
10
0
10
1
10
2
10
3
10
14
10
15
0
10
1
10
2
10
3
10
14
10
15
10


P X ( ) , , > = = 15 1 0 9513 0 0487


2 maneira:

J sabemos que a probabilidade desejada :

P X P X ( ) ( ) > = 15 1 15

A tabela de Probabilidades de Poisson, assim como as outras tabelas de probabilidades, uma tabela de
probabilidades acumuladas. Portanto ela nos fornece a P X x
o
( ) .
Devemos, ento, procurar na tabela onde temos t = 10 e r = 15. Para estes valores, encontramos na tabela
o valor 0,9512 que P X ( ) 15 . Portanto, temos:

P X P X ( ) ( ) > = = = 15 1 15 1 0,9512 0,0488

1.1.3.1 DISTRIBUIO DE POISSON COMO UMA APROXIMAO DA DISTRIBUIO BINOMIAL

Uma Distribuio Binomial com um nmero de prova n grande e uma probabilidade de sucesso
p pequena, de tal forma que np seja um nmero de grandeza moderada, pode ser aproximada pela Distri-
buio de Poisson.
Suponhamos uma Distribuio Binomial com n = 200 e p = 0,04. Suponha, tambm que desejs-
semos a P(X=5).

Pela Distribuio Binomial temos:

P X C ( ) , , = = 5 0 04 0 96
200
5 5 195


Pela Distribuio de Poisson temos:

A mdia da Distribuio Binomial np e da Distribuio de Poisson t , assim

t np = = = 200 0 04 8 ,

Portanto
P X e ( )
!
, = = =

5
8
5
0 191
5
8