Você está na página 1de 13

DISTRIBUIO DE PROBABILIDADES BINOMIAL Considerem-se dois lanamentos de uma moeda honesta.

Seja a varivel aleatria X=n de caras sadas, em que os possveis valores de X so 0 (sada de duas coroas), 1 ou 2. Pretende-se calcular Pr(x) para os diversos valores de X. Para cada um dos lanamentos, h dois resultados distintos, ou probabilidades elementares: p = P ( cara) = 1 2 ;
q = 1 p = P ( coroa ) = P ( nosair cara) = 1 P ( cara) = 1 1 2 = 1 2 .

Estes resultados elementares obedecem sequncia 1, 1, que a primeira linha do Tringulo de Pascal, que d os coeficientes do desenvolvimento de um binmio de 1 grau: ( p + q )1 = p + q Este clculo de probabilidades pode ser feito custa da construo do universo de acontecimentos elementares: S = {(cara,cara), (cara,coroa), (coroa,cara), (coroa,coroa)} Ento:

P ( x = 0) =
P ( x = 1) = P( x = 2) =

# casos favorveis # Universo # casos favorveis


# Universo # casos favorveis # Universo

=
= =

1 4 2
4 1 4

Repare-se que os casos favorveis obedecem sequncia 1, 2, 1, que representam as diversas possibilidades de ocorrncia de cada resultado. Este valor, multiplicado pela probabilidade de ocorrncia de um dos possveis resultados do universo, d a probabilidade do resultado pretendido. Note-se que a sequncia 1, 2, 1 a 2 linha do Tringulo de Pascal, que d os coeficientes do desenvolvimento de um binmio de 2 grau: ( p + q ) 2 = p 2 + 2 pq + q 2 Se considerarmos trs lanamentos de uma moeda, o universo de acontecimentos elementares (C=cara; F=coroa): S = {(CCC), (CCF), (CFC), (FCC), (CFF), (FCF), (FFC), (FFF)} Sendo x=n de caras, as diversas probabilidades de x so:

P ( x = 0 ) = 1 8 ; P ( x = 1) = 3 8 ; P ( x = 2 ) = 3 8 ; P ( x = 3) = 1 8

Repare-se que os casos favorveis obedecem sequncia 1, 3, 3, 1, que representam as diversas possibilidades de ocorrncia de cada resultado. Este valor, multiplicado pela probabilidade de ocorrncia de um dos possveis resultados do universo, d a probabilidade do resultado pretendido. Note-se que a sequncia 1, 3, 3, 1 a 3 linha do Tringulo de Pascal, que d os coeficientes do desenvolvimento de um binmio de 3 grau: ( p + q ) 3 = p 3 + 3 p 2 q + 3 pq 2 + q 3 Considerando quatro lanamentos de uma moeda, ter-se-: S = {(CCCC), (CCCF), (CCFC), (CFCC), (FCCC), (CCFF), (CFCF), (FCCF), (FCFC), (FFCC), (CFFC), (CFFF), (FCFF), (FFCF), (FFFC), (FFFF)} Sendo x=n de caras, as diversas probabilidades de x so:
P ( x = 0 ) = 1 16 ; P ( x = 1) = 4 16 ; P ( x = 2 ) = 6 16 ; P ( x = 3) = 4 16 ; P ( x = 4 ) = 1 16

Repare-se que os casos favorveis obedecem sequncia 1, 4, 6, 4, 1, que representam as diversas possibilidades de ocorrncia de cada resultado. Este valor, multiplicado pela probabilidade de ocorrncia de um dos possveis resultados do universo, d a probabilidade do resultado pretendido. Note-se que a sequncia 1, 4, 6, 4, 1 a 4 linha do Tringulo de Pascal, que d os coeficientes do desenvolvimento de um binmio de 4 grau: ( p + q ) 4 = p 4 + 4 p 3 q + 6 p 2 q 2 + 4 pq 3 + q 4 em que p4 a probabilidade de obter 4 caras; 4p3q a probabilidade de obter 3 caras (e uma coroa); 6p2q2 a probabilidade de obter 2 caras (e 2 coroas); 4pq3 a probabilidade de obter 1 cara (e 3 coroas) e q4 a probabilidade de obter 0 caras (ou seja, 4 coroas). O mesmo raciocnio poderia ser continuado para um maior nmero de lanamentos de uma moeda, obtendo-se para cada nmero de lanamentos um conjunto de probabilidades definidas pelo desenvolvimento do binmio (p+q)N, em que N o nmero de lanamentos considerados. Os coeficientes do desenvolvimento do binmio (p+q)N so dados pela expresso (combinaes de N elementos tomados em grupos de K), e do o nmero de combinaes de sucessos que conduzem ao mesmo resultado (isto , CCF, CFC, FCC so as trs possveis combinaes de faces cara (sucesso) e coroa (insucesso) que conduzem ao mesmo resultado em termos de nmero de caras sadas:1 cara):

N CK =

N! K !( N K )!

em que N o nmero de lanamentos, K=0,1,2, ..., N o nmero de caras obtidas. Veja-se o comportamento do tringulo de Pascal, que d de uma maneira grfica a sucesso dos coeficientes do desenvolvimento do binmio (p+q)N (isto , o nmero de combinaes de sucessos que conduzem ao mesmo resultado):
N=1 N=2 N=3 N=4 N=5 1 1 5 1 4 10 1 3 6 10 1 2 3 4 5 1 1 1 1 1

O tipo de acontecimento probabilstico que temos vindo a analisar tem as seguintes particularidades: trata-se de realizar, nas mesmas condies, N vezes (N provas de Bernoulli) um determinado acontecimento que, numa realizao isolada, tem dois resultados possveis e mutuamente exclusivos (cara ou coroa; macho ou fmea; defeituoso ou no defeituoso, etc); designemos por sucesso o resultado cujas probabilidades pretendemos quantificar, e por insucesso o outro resultado; cada uma das realizaes ou provas independente das restantes; as probabilidades do resultado sucesso (p) e do resultado insucesso (q = 1 - p) permanecem constantes de prova para prova.

Nestas condies, como que se, de uma prova para a seguinte, ocorresse a reconstituio do espao amostral, isto , houvesse a reposio dos acontecimentos (amostragem com reposio), de modo que as probabilidades elementares permanecem constantes e as provas so independentes. Acontecimentos deste gnero designam-se por processos ou provas de Bernoulli. As probabilidades associadas s contagens dos resultados sucesso de N provas ou acontecimentos de Bernoulli seguem uma lei ou funo de probabilidades, denominada por Funo de Probabilidades Binomial. Considerem-se N processos de Bernoulli, em que cada realizao individual tem a probabilidade p para o resultado sucesso e a probabilidade q = 1 - p para o resultado insucesso. A funo que permite calcular a probabilidade de em N processos ocorrerem K sucessos designa-se por funo de probabilidades binomial e dada por:
N f ( K ) = B ( K | N , p ) = CK p K q N K

A funo de distribuio de probabilidades dada por: F ( K k0 ) = B ( K k0 | N , p ) = CiN p i q N i


i =1 k0

N Na expresso anterior, o termo C K d o nmero das vrias possibilidades ou alternativas de obter um determinado resultado, indiferentemente da ordem em que os sucessos se realizam (no exemplo de trs lanamentos de uma moeda, a obteno de uma cara pode ser CFF, FCF, FFC; isto , h trs alternativas com ordens diferentes mas que conduzem ao resultado considerado: 1 cara); o termo p K q N K d a probabilidade elementar de um resultado, em que as ordens de obteno dos sucessos definiriam resultados distintos.

O parmetro de localizao ou 1 momento (valor mdio) dado por: = E ( x ) = xi . P ( xi ) = Np O parmetro de disperso ou 2 momento em relao mdia (varincia) : 2 = E ( x ) 2 = ( xi ) 2 . P ( xi ) = Npq Exemplos: 1Considerem-se 5 lanamentos de uma moeda honesta. Seja a varivel aleatria x=n de caras. Pretende-se calcular a probabilidade de obteno de 0,1, 2, 3, 4, 5 caras:

N de processos de Bernoulli (provas individuais): 5 Querendo calcular probabilidades relacionadas com a sada de caras, conveniente definir sucesso como sendo cara; ento, para cada prova isolada, tem-se: p = Pr(sucesso) = Pr(cara) = 1/2 q = Pr(insucesso) = Pr(coroa) = 1 - 1/2 = 1/2 Para k=0: Para k=1: Para k=2: Para k=3: Para k=4: Para k=5:
1 51 1 Pr(k = 0) = B (k = 0 | N = 5, p = 1/ 2) = C0 = 2 2 32
0 5

5 1 1 Pr(k = 1) = B(k = 1| N = 5, p = 1/ 2) = C = 2 2 32
5 1

1 1 10 Pr(k = 2) = B(k = 2 | N = 5, p = 1/ 2) = C = 2 2 32
5 2

10 51 1 Pr(k = 3) = B(k = 3 | N = 5, p = 1/ 2) = C3 = 2 2 32 5 51 1 Pr(k = 4) = B(k = 4 | N = 5, p = 1/ 2) = C4 = 2 2 32 1 1 1 Pr(k = 5) = B(k = 5 | N = 5, p = 1/ 2) = C = 2 2 32


5 5 5 0 4 1

A mdia ou valor mdio :

= E ( x ) = xi . P ( xi ) = 0

1 32

+ 1

5 32

+2

10 32

+ 3

10 32

+4

5 32

+ 5

1 32

80 32

= 2. 5

mas que pode ser calculada muito simplesmente da seguinte maneira:

= Np = 5 0.5 = 2.5
A varincia :

2 = Npq = 5 0.5 0.5 = 1.25


A probabilidade de obter trs ou menos caras dada pela funo de distribuio de probabilidades para k=3, e : 3 26 F (k 3) = B (k 3 | N = 5, p = 1/ 2) = CiN p i q N i = 32 i =1 A probabilidade de obter pelo menos 3 caras dada por:
F ( k 3) = 1 B ( k < 3 | N = 5, p = 1/ 2) = 1 B ( k 2 | N = 5, p = 1/ 2) = 1 CiN p i q N i =
i =1 2

16 32

mas tambm poderia ser calculada da seguinte forma: 5 16 F (k 3) = B(k 3 | N = 5, p = 1/ 2) = CiN p i q N i = 32 i =3 2Num determinado itinerrio de vendas, um caixeiro-viajante visita 50 clientes, dos quais 15 lhe fazem compras. Qual a probabilidade de que, de oito destes 50 clientes, haja exactamente 5 clientes que faam compras ao caixeiro-viajante?

Seja N=8 os possveis clientes do caixeiro-viajante. Cada um deles, poder ao no fazer uma compra. Seja X a varivel aleatria que representa o n de clientes que fazem compras; os possveis valores da varivel X so x=0,1,2,3,...,8. A probabilidade de fazer compras (sucesso) tem de ser estimada custa do total dos clientes: p = Pr(compra) = 15/50 = 0.30 q=Pr(no fazer compra) = 1 - p = 0.70 A probabilidade de na amostra de 8 clientes exactamente 5 fazerem compras :
8 Pr( k = 5) = B ( k = 5 | N = 8, p = 0.30) = C5 0.305 0.703 =

8! 0.305 0.703 = 56 0.305 0.703 = 0.0112 = 1.12% 3!5!

ALGUMAS PROPRIEDADES ELEMENTARES SOBRE COMBINAES 0! = 1

C0N =

N!
0!( N 0 )!

N!
0! N !

1 0!

=1

C1N =

N!
1!( N 1)!

N ( N 1)! ( N 1)! = N! N ! 0! =1

=N

N CN =

N! N !( N N )! N!

N C N 1 =

( N 1)!( N N + 1)! N! =

N! ( N 1)!1! N!

N ( N 1)! ( N 1)!
N = CN K

=N

N CK =

K !( N K )!

( N K )!( N N + K )!

DISTRIBUIO DE PROBABILIDADES BINOMIAL NEGATIVA

Dado uma experincia aleatria que consiste em realizar tantas provas de Bernoulli independentes at obteno de r sucessos, a varivel binomial negativa Y representa o nmero de fracassos ou insucessos at ocorrncia do r.simo sucesso. A distribuio Binomial Negativa permite estimar a probabilidade associada ao nmero de insucessos (representado pela varivel aleatria Y) encontrados em diversas repeties de uma prova de Bernoulli, at ocorrer o r.simo sucesso (r 0). Em notao simblica escreve-se:

f ( y ) = BN (Y | r , p ) = C yy + r 1 p r q y
Esta distribuio de probabilidades baseia-se nos seguintes pressupostos: 1. A experincia aleatria consiste numa sequncia de provas independentes; 2. Cada prova uma processo de Bernoulli, isto , pode ocasionar um de dois resultados possveis e exclusivos (designados genericamente por sucesso, insucesso); 3. A probabilidade de cada resultado (sucesso, insucesso) mantm-se constante de prova para prova; 4. A experincia continua (isto , vo-se realizando provas sucessivas) at se obterem r 0 sucessos.

Exemplo 1: Numa sequncia de lanamentos de uma moeda honesta ao ar, em que cada lanamento pode dar Cara ou Coroa, pretende-se estimar a probabilidade de sair 3 vezes a face Coroa at sair pela segunda vez Cara. Seja Y a varivel aleatria que quantifica o nmero de insucessos (neste caso, o nmero de coroas sadas). Pretende-se estimar a probabilidade de ocorrncia de y=3 insucessos at ocorrncia do segundo sucesso (r=2). Em cada um dos lanamentos (prova de Bernoulli), podem ocorrer Cara (sucesso) ou Coroa (insucesso), com as probabilidades: p=Pr(cara)=1/2 q=Pr(coroa)=1/2 que se mantm constantes de lanamento para lanamento. Pela distribuio Binomial Negativa, a soluo obtm-se:
3 Pr( y = 3) = BN ( y = 3 | r = 2, p = 0.5 ) = C yy + r 1 p r q y = C3 + 21 0.52 0.53 = 4 0.55 = 0.125

Tambm se podera resolver este problema pela distribuio Binomial. Para tal, vamos considerar os primeiros lanamentos que conduzem ao resultado pretendido: nos primeiros 4 lanamentos, tm de ocorrer 1 coroa e 3 caras (no interessa em que ordem); o 5 lanamento tem de dar cara (pois a segunda cara, e nas condies do enunciado, antes de ocorrer o segundo resultado cara, obtiveram-se 3 resultados coroa, e logicamente um resultado cara). Pr(y=3)=Pr(em 4 lanamentos sairem 3 caras e 1 coroa) Pr(coroa no 5 lanamento) A primeira probabilidade enunciada, Pr(em 4 lanamentos sairem 3 caras e 1 coroa), uma probabilidade Binomial: Pr(k = 3) = B ( k = 3 | N = 4, p = 0.5 ) = C34 0.53 0.51 = 0.25 A segunda probabilidade enunciada , logicamente, Pr(coroa no 5 lanamento)=0.5 Ento:

Pr(y=3)=Pr(em 4 lanamentos sairem 3 caras e 1 coroa) Pr(coroa no 5 lanamento) = = 0.25 0.5 = 0.125 Nota: A distribuio Binomial Negativa pode ser formulada de um modo distinto, mas conducente aos mesmos resultados: em vez de quantificar o nmero de insucessos, contabilizam-se antes o nmero de provas a realizar at ocorrncia do r.simo sucesso. Sendo X a varivel aleatria que representa o nmero de provas de Bernoulli realizdas at ocorrncia de r sucessos, ento a funo de probabilidades Binomial Negativa pode escrever-se como:

f ( x) = BN ( X | r , p ) = Crx11 p r q x r

Voltemos ao exemplo apresentado: Numa sequncia de lanamentos de uma moeda honeata ao ar, em que cada lanaamento pode dar Cara ou Coroa, pretende-se estimar a probabilidade de sair 3 vezes a face Coroa at sair pela segunda vez Cara. Note-se que o valor y=3 acima referido o nmero de insucessos; quer dizer, para que ocorram 3 faces Coroa at sada pela segunda vez Cara, tm de ocorrem x=5 lancamentos at se prefazer o resultado de r=2 Caras (x=y+r). Usando esta segunda expresso de clculo, e a respectiva nomenclatura, temos: x=5 (nmero total de provas a realizar at obter r sucessos) r=2 (nmero de sucessos esperados; no caso, 2 caras) 8

f ( x = 2) = BN ( X | r , p ) = BN ( x = 5 | r = 2; p = 0.5) = = Crx11 p r q x r = C14 0.52 0.53 = 4 0.55 = 0.125 Os parmetros da distribuio Binomial Negativa so (em que a varivel aleatria considerada Y=n de insucessos antes de obter r sucessos): Valor esperado ou esperana matemtica: r (1 p ) p2

= E (Y ) =

r (1 p ) p

Varincia:

2 = Var (Y ) =

Se em vez da varivel aleatria Y definida atrs, se considerar a varivel aleatria X=n de provas at obter r sucessos, os parmetros desta varivel Binomial Negativa so: Valor esperado ou esperana matemtica: r (1 p ) p2

= E(X ) =

r p

Varincia:

2 = Var ( X ) =

Exemplo 2: Um mdico pediatra pretende formar um grupo de 5 casais espera do primeiro filho, a fim de participarem num regime de preparao para o parto. Seja p=P a probabilidade de que um casal, seleccionado ao acaso dentro dos casais seus clientes espera do 1 filho, aceite participar no programa. Se p=0.2, qual a probabilidade de que o mdico tenha de perguntar a 15 casais se concordam em participar, at conseguir formar o grupo de 5 casais pretendido? Pela segunda frmula: Seja X=n de casais inquiridos at completar o grupo de 5 casais. O sucesso desta experincia aleatria o casal aceitar participar. Assim, x=15 e r=5. f ( x = 15) = BN ( x = 15 | r = 5; p = 0.2) =
14 = Crx11 p r q x r = C4 0.25 0.810 = 1001 0.25 0.810 = 0.0344

Para resolver este problema pela primeira expresso apresentada para a distribuio Binomial Negativa, temos de definir a varivel aletria que contabiliza o nmero de insucessos (no aceitar participar) registados at constituio do grupo de 5 casais. Assim, se no total foram questionados x=15 casais para formar um grupo de r=5 casais que aceitam participar no programa (sucessos), ento y=10 insucessos. Assim:

10 f ( y = 10) = BN ( y = 10 | r = 5, p = 0.2 ) = C yy + r 1 p r q y = C10 +51 0.25 0.810 14 = C10 0.25 0.810 14 = C4 0.25 0.810

( pela regra C

N k

N = CN k )

= 0.0344 Exemplo 3: Um casal decide ter tantos filhos (meninos ou meninas) quantos os necessrios at ter duas meninas. Admitindo que p=0.5 (para cada um dos filhos, igualmente provvel que seja menino ou menina), calcule: a) Qual a probabilidade de o casal ter 4 filhos? b) Qual o nmero esperado de filhos at satisfazer esta condio? Para a resoluo deste exemplo, vamos fixar que a varivel X contabiliza o nmero total de filhos at satisfazer o sucesso (que serem duas meninas). Isto , x=4 e r=2. Assim: a)
3 f ( x = 4) = BN ( x = 4 | r = 2, p = 0.5 ) = Crx11 p r q x r = C2 0.52 0.52 = 0.1875

b) O nmero esperado de filhos, at que o casal tenha 2 meninas, ser logicamente o nmero esperado de insucessos (isto , o nmero de meninos esperados at nascerem 2 meninas, somado ao nmero de sucessos (nmero de meninas pretendidas, neste caso r=2). O nmero esperado de insucessos da varivel Y (n de meninos at nascerem 2 meninas) :

Y = E (Y ) =

r (1 p ) 2 (1 0.5 ) = =2 p 0.5

Assim, e sendo a varivel aleatria X=n de filhos (menino ou menina) :

X = E ( X ) = Y + r = 2 + 2 = 4
Repare-se que o o mesmo resultado se obteria directamente, se considerarmos a varivel aleatria X=n total de filhos at o casal ter 2 meninas:

X = E ( X ) =

r 2 = =4 p 0.5

A varincia igual, quer consideremos a varivel X ou a varivel Y definidas anteriormente:

2 = Var ( X ) = Var (Y ) =

r (1 p ) 2 0.5 = =4 p2 0.52

10

DISTRIBUIO DE PROBABILIDADES GEOMTRICA

Um caso particular da distribuio Binomial Negativa, quando r=1, a situao de calcular a probabilidade de terem de se realizar X provas at se obter o primeiro sucesso. Esta probabilidade calculada por: f ( x) = G ( X , p ) = p.q x 1 que se designa por funo de distribuio de probabilidades Geomtrica. Exemplo: Numa sequncia de lanamentos de uma moeda honesta ao ar, em que cada lanamento pode dar Cara ou Coroa, pretende-se estimar a probabilidade que a primeira cara se obtenha no 5 lanamento. Nmero de provas at obter o primeiro sucesso: Probabilidade de sucesso em cada prova: f ( x = 5) = G ( 5;0.5 ) = 0.5 0.54 = 0.03125 x=5 p=0.5

Os parmetros da distribuio Geomtrica so: Valor esperado ou esperana matemtica:

= E(X ) =

1 p

Varincia:

2 = Var ( X ) =

1 p p2

11

DISTRIBUIO DE PROBABILIDADES HIPERGEOMTRICA

Consedere-se uma populao finita constituda por N elementos de dois tipos alternativos, complementares e exclusivos (por exemplo, peas defeituosas ou peas no defeituosas num processo de fabrico; macho ou fmea, num lote de borergos, etc), representados genericamente por elementos S (de sucesso) e F (de falha ou insucesso). Seja M N o nmero de elementos do tipo S. Nestas condies, as propores dos dois tipos de elementos so respectivamente p=M

q = (1 p ) =

(N M )

Admita-se que desta populao se retiram sucessivamente, sem reposio, (ou em bloco, que um mtodo equivalente no reposio) n < N elementos. Seja X a varivel aleatria que representa o nmero de elementos do tipo S que existem nos n elementos retirados da populao. Esta varivel X tem uma distribuio de probabilidades designada por Hipergeomtrica. Os pressupostos subjacentes a esta distribuio de probabilidades so: A populao-alvo composta por N (finito) elementos; Cada elemento pode ser caracterizado em dois estados alternativos e complementares, genericamente sucesso (S) e insucesso (F); Na populao existem M elementos do tipo S; retirada uma amostra de n elementos, sem reposio.

A diferena fundamental entre estes pressupostos e os enunciados para a distribuio Binomial e Binomial Negativa, que agora as provas no so de Bernoulli, j que ao fazer a extraco de n elementos, sem reposio, a probabilidade de ocorrncia de cada um dos resultados possveis no se mantm constante de prova para prova (a prova a extraco de cada um dos elementos), e os resultados das vrias provas no so independentes. A distribuio Hipergeomtrica dada pela seguinte funo de probabilidade: CxM CnN M x f ( x) = Pr( X = x) = H ( x | n, M , N ) = CnN Os parmetros da distribuio Geomtrica so: Valor esperado ou esperana matemtica:

= E(X ) =

n M = n. p N

Varincia:

2 = Var ( X ) = n. p.q.

N n N 1

Note-se que o valor mdio igual ao da distribuio Binomial; a varincia da distribuio Hipergeomtrica difere da varincia da distribuio Binomial no factor
12

( N n)

( N 1)

, geralmente designado por factor de correco de populao finita:

quando N muito maior que n, o facto de no haver reposio do elementos retirados da populao no afecta substancialmente as probabilidades associadas aos resultados das experincias, nem to pouco gera dependncia entre tais resultados. Nesta situao, este factor de correco prximo de 1 e a distribuio Hipergeomtrica aproxima-se da binomial. Exemplo: Numa caixa misturaram-se por engano 2 parafusos defeituosos e 18 parafusos em bom estado. Se for retirada, sem reposio, uma amostra de 10 parafusos, calcule a probabilidade de nesta amostra existirem x=0,1,2 parafusos defeituosos. Usando a notao anteriormente apresentada, temos: M =2 (n de parafusos defeituosos) N=20 (n total de parafusos) n=10 (amostra de 10 parafusos a retirar da populao) p=0.10 (proporo de parafusos defeituosos)
f (0) = Pr( X = 0) = H ( x | n, M , N ) = H ( 0 |10, 2, 20 ) =
18 CxM CnN M C02 C10 x = = = 0.2368 20 CnN C10

f (1) = Pr( X = 1)

= H ( x | n, M , N ) = H (1|10, 2, 20 ) = =
18 CxM CnN M C12 C9 x = = 0.5264 20 CnN C10

f (2) = Pr( X = 2) = H ( x | n, M , N ) = H ( 2 |10, 2, 20 ) = =


2 18 CxM CnN M C2 C8 x = = 0.2368 20 CnN C10

O valor esperado ou valor mdio de parafusos defeituosos numa amostra de 10 parafusos = E ( X ) = n. p = 10 0.1 = 1 , e a varincia :

2 = Var ( X ) = n. p.q.

N n 10 = 10 0.1 0.9 = 0.4737 N 1 19

13