Distribuições Discretas

Distribuições Teóricas Mais Importantes

1. Prova de Bernoulli

2. Distribuição Binomial

3. Distribuição Geométrica

4. Distribuição Hipergeométrica

5. Distribuição de Poisson
- 1 / 23 -
1. Prova de Bernoulli
É uma experiência aleatória que apenas tem dois resultados possíveis: A que se designa por
sucesso e A designado por insucesso. O sucesso ocorre com probabilidade p, e o insucesso
com probabilidade q = 1 - p.

Sucessão de Provas de Bernoulli

1. Em cada prova só há dois resultados possíveis, mutuamente exclusivos, denominados de
sucesso e insucesso;
2. A probabilidade de sucesso, designada por p, mantém-se constante de prova para prova.
A probabilidade de insucesso é designada por q = 1 - p;
3. As provas são independentes, i.e., os resultados obtidos numa certa prova ou sequência
de provas não afetam os resultados da(s) provas(s) subsequente(s).

- 2 / 23 -
Exemplo 1

Considere que determinada empresa pretende efetuar uma campanha publicitária na

televisão. Para tal, tenciona patrocinar certo programa. No entanto, a dita campanha só é
vantajosa para a empresa se esse programa tiver uma audiência de pelo menos 40% dos
telespectadores. Para se decidir, a empresa pode levar a cabo uma experiência aleatória,
que consistirá em inquirir um certo número de telespectadores, perguntando-lhes se viram
ou não aquele programa.

Em que condições se estará perante um processo de Bernoulli?

- 3 / 23 -
Distribuição de Bernoulli
Considere uma Prova de Bernoulli e uma v.a. X que só assume dois valores: o valor 0 quando o
resultado da prova é insucesso e o valor 1 quando o resultado da prova é sucesso.
Ao sucesso está associado a probabilidade p e ao insucesso a probabilidade q = 1 - p, fixas.
Diz-se que uma v.a. X discreta tem Distribuição de Bernoulli de parâmetro p, e representa-se por
X ∩ Ber (p), se:

Função de probabilidade
p x * ( 1 - p) 1 - x x=0,1
P [ X = x ] = f (x) =
0 outros valores

Esta distribuição tem um só parâmetro p que satisfaz a condição: 0 ≤ p ≤ 1

- 4 / 23 -
Distribuição de Bernoulli (cont.)

Função de distribuição

0 x<0
P [ X ≤ x ] = F (x) = 1-p 0≤x<1
1 x≥1

Parâmetros

E[X]=p

Var [ X ] = p ( 1 - p ) = p * q

- 5 / 23 -
2. Distribuição Binomial

Considere uma experiência aleatória que obedece às seguintes condições:

1. A experiência consiste na repetição de n provas idênticas;

2. Cada prova tem dois resultados possíveis: sucesso ou insucesso;
3. A probabilidade de sucesso mantém-se constante de prova para prova e é igual a p;
4. As provas são independentes;
5. A v. a. (número de sucessos observado ao fim de n provas) toma os valores 0,1,2,...

Uma experiência aleatória que verifica as condições anteriores diz-se uma

experiência binomial.

- 6 / 23 -
Distribuição Binomial (cont.)
A Distribuição Binomial aparece associada à seguinte questão genérica:

Pretende-se saber qual a probabilidade de, em n Provas de Bernoulli, serem obtidos

x sucessos (a realização de certo acontecimento A), e portanto (n – x) insucessos (a não
realização de A). n provas

A A…A A A…A

(n - x) insucessos (x) sucessos

Note-se que há 2n sequências diferentes possíveis, mas a todas elas corresponde a

mesma probabilidade: p x * ( 1 - p) n - x . No entanto, existem Cxn maneiras diferentes de se
obterem x sucessos e (n - x) insucessos.
- 7 / 23 -
Distribuição Binomial (cont.)

Diz-se que uma v.a. discreta X – número de sucessos em n Provas de Bernoulli, tem
Distribuição Binomial de parâmetros n e p, e representa-se por X ∩ Bi ( n ; p ), se:

Função de probabilidade
n
Cx px * ( 1 - p) n - x x = 0 , 1 , 2 , ... n
P [ X = x ] = f (x) = f ( x ; n ; p ) =
0 outros valores

n = N.º de provas de Bernoulli a efetuar, sendo n qualquer número inteiro positivo

p = Probabilidade associada ao sucesso, com 0 ≤ p ≤ 1
- 8 / 23 -
Distribuição Binomial (cont.)

Função de distribuição

0 x<0
x n

P [ X ≤ x ] = F (x) = Σ C p xi * (1 - p) n - xi 0≤x<n
Xi = 0 xi

1 x≥n

Parâmetros
E [ X ] = n* p

Var [ X ] = n * p * q = n * p * (1 - p)
- 9 / 23 -
Exemplo 2

Um técnico dos Serviços de Prevenção e Segurança Rodoviária afirma que 1 em 10 acidentes

rodoviários é devido ao cansaço. Determine a probabilidade de que em 5 acidentes haja 0, 1, 2,
3, 4 e 5 acidentes devidos ao cansaço.

Exemplo 3

Um fabricante de tira-nódoas garante que determinado produto tira nódoas em 80% dos casos.
Para verificar tal garantia, uma associação de defesa de consumidores decidiu recolher uma
amostra de 10 elementos, aceitando essa garantia se o número de casos em que o referido
produto foi eficaz pelo menos em 7. Qual a probabilidade de a garantia do fabricante ser
rejeitada, supondo que a eficácia é de 80%?

- 10 / 23 -
Distribuição Binomial (cont.)

PROPRIEDADES

Se X ∩ Bi ( n ; p ), então Y = n-X ∩ Bi ( n ; 1 - p ),

Se X1, X2, …, Xn são variáveis aleatórias independentes com Xi ∩ Bi ( ni ; p ), i = 1, 2,…, n,

então:

n n
Y=Σ Xi ∩ Bi ( Σ ni ; p )
i =1 i =1

Obs: O valor de p tem que ser o mesmo para as n variáveis

- 11 / 23 -
3. Distribuição Geométrica

Considere uma sucessão de Provas Bernoulli e uma v.a. discreta X – número de provas a
realizar até se obter um sucesso. Realizam-se x provas em que o único sucesso pretendido
só ocorre na última prova, i.e., nas restantes (x – 1) provas só ocorrem insucessos.

(X – 1) provas

A A A … A A

(X) provas

A probabilidade associada ao sucesso é P [A] = p, e ao insucesso é P [A] = q = 1 - p

- 12 / 23 -
Distribuição Geométrica (cont.)

Diz-se que uma v.a. discreta X – número de provas a realizar até se obter o primeiro
sucesso, tem Distribuição Geométrica, e representa-se por X ∩ Ge (p), se:

Função de probabilidade

P [ X = x ] = f (x ; p) = ( 1 - p)x - 1 * p x = 1, 2, … 0≤p≤1

Parâmetros
E[X]=1/p

Var [ X ] = ( 1 - p ) / p2
- 13 / 23 -
Exemplo 4

Um cientista inocula vários ratos, um por dia, com o germe de uma doença cujos sintomas
se revelam num período máximo de 24 horas. O cientista termina a sua investigação
quando um rato contrair a doença. Se a probabilidade de um rato contrair a doença for de
1/6, qual a probabilidade de ser necessário inocular 8 ratos?

- 14 / 23 -
4. Distribuição Hipergeométrica

Diz-se que uma v.a. discreta X – número de sucessos ocorridos em n extrações sem
reposição, tem Distribuição Hipergeométrica, e representa-se por X ∩ H ( M ; n ; p ), se:

Função de probabilidade
Mp M(1- p) M Mp Mq M
P [ X = x ] = f (x ; M ; n ; p) = ( Cx * Cn-x ) / Cn = ( Cx * Cn-x ) / Cn

X = 0, 1, 2, …, n com p + q = 1

M = N.º total de objetos / indivíduos que constituem a população

n = Dimensão da amostra (n.º de extrações a realizar)
- 15 / 23 -
Distribuição Hipergeométrica (cont.)

Parâmetros
E [ X ] = n* p

Var [ X ] = n * p * q * [ ( M - n ) / ( M - 1) ]

Exemplo 5

Suponha que, de um lote de 20 peças das quais duas são defeituosas, se extrai uma
amostra de 5 peças sem reposição. Qual a probabilidade de, nas 5 peças extraídas,
nenhuma ser defeituosa?

- 16 / 23 -
Distribuição Hipergeométrica (cont.)

NOTA

Quando M é grande comparado com n, a diferença entre extrações com e sem reposições
é insignificante, e tanto mais insignificante quanto maior for M. Donde, quando M tende
para infinito, a Distribuição Hipergeométrica tende para a Distribuição Binomial.

Quando n ≤ 0,05 M, a Distribuição Binomial oferece uma boa aproximação da Distribuição

Hipergeométrica. Daí que nestes casos, e por facilidade de cálculo, se aplique a
Distribuição Binomial.

- 17 / 23 -
5. Distribuição de Poisson
Suponha que se observa a ocorrência de certo acontecimento num determinado intervalo de
tempo ou numa região especificada (volume, área, comprimento, segmento de reta, região,
porção de um material). Se se verificar as seguintes condições poder-se-á dizer que tal
fenómeno se adequa a uma Distribuição de Poisson:

1. O número de ocorrências num intervalo de tempo ou numa região especificada não

sobrepostos são variáveis aleatórias independentes;
2. Em intervalos do mesmo comprimento, são iguais as probabilidades de ocorrência de
um mesmo número de sucessos;
3. Em intervalos muito pequenos, a probabilidade de mais de um sucesso é desprezível;
4. Em intervalos muito pequenos, a probabilidade de um sucesso é proporcional ao
comprimento do intervalo.
- 18 / 23 -
Exemplo 6

Uma empresa têxtil produz certo tipo de fio com a seguinte taxa média de defeitos por
intervalo de comprimento: 2 defeitos por cada 100 metros de fio. Poder-se-á afirmar que a
v.a. X – número de defeitos que ocorrem em cada 100 metros de fio produzido, se adequa
a uma Distribuição de Poisson?

Obs.: A hipótese de uma “repartição” aleatória do número de ocorrências de certo

fenómeno nem sempre é plausível. Podem existir certos fenómenos de agregação e
contágio suscetíveis de gerar uma maior densidade de ocorrências em certos períodos,
áreas, volumes,… Por exemplo, o número de chegadas de doentes a um hospital central
por hora, quando ocorreu uma grande catástrofe, viola a condição 3 referida na página
anterior.
- 19 / 23 -
Distribuição de Poisson (cont.)
Diz-se que uma v.a. discreta X – número de ocorrências de fenómenos aleatórios por intervalo de
tempo ou numa região especificada, tem Distribuição de Poisson de parâmetro ‫ג‬, e representa-se
por X ∩ Po (‫)ג‬, se:

Função de probabilidade
( e-‫ג ג‬x ) / x! x = 0 , 1 , 2 , ...
P [ X = x ] = f (x ; ‫= )ג‬
0 outros valores
Com ‫ > ג‬0, em que ‫ ג‬corresponde ao número médio de ocorrências por intervalo de tempo ou
por região especificada

Parâmetros E[X]=‫ג‬ Var [ X ] = ‫ג‬

- 20 / 23 -
Distribuição Poisson (cont.)
PROPRIEDADE

Se X1, X2, …, Xn são variáveis aleatórias independentes com Xi ∩ P ( ‫) ג‬, i = 1, 2,…, n, então:

n
Y=Σ Xi ∩ P ( ‫ג‬1 + ‫ג‬2 + … + ‫ג‬n )
i =1

APROXIMAÇÃO DA BINOMIAL À POISSON

Quando n tende para infinito e p tende para 0, mantendo-se constante o produto np, tem-se que:
X ∩ Bi ( n ; p ) => X ∩ Po ( np )

Regra Prática: Em geral, a distribuição de Poisson fornece uma boa aproximação da

distribuição Binomial quando n > 20 e p ≤ 0,05
- 21 / 23 -
Exemplo 7

O número diário de doentes com complicações cardiovasculares que chegam a determinada

unidade de cuidados intensivos segue uma Lei de Poisson de média 4.
A unidade de cuidados intensivos pode atender 6 doentes por dia. Caso o número de doentes
exceda aquele valor, os doentes são transferidos para outra unidade.

a) Qual a probabilidade de, em certo dia, não ser necessário transferir doentes para outra
unidade?
b) Qual a probabilidade de, em certo dia, chegarem àquela unidade 5 doentes, sabendo que no
dia anterior chegaram apenas 2 doentes?
c) Qual a probabilidade de, em 5 dias, chegarem àquela unidade pelo menos 15 doentes?
d) Em quanto deverão ser aumentadas as instalações da unidade de cuidados intensivos de
forma a assegurar o atendimento dos doentes em 97% dos dias?

- 22 / 23 -
Exemplo 8

Uma companhia de seguros possui 10.000 apólices no ramo vida referentes a acidentes
de trabalho. Sabe-se que, por ano, a probabilidade de determinado individuo morrer de
acidente de trabalho é de 0,0001. Qual a probabilidade de a companhia ter de pagar por
ano a pelo menos 4 dos seus segurados?

- 23 / 23 -