UFSC- UNIVERSIDADE FEDERAL

CMIP- DE
Centro de SANTA eCATARINA
Metrologia Inovação em Processos

Distribuições de Probabilidade:
Binomial e Normal

Profª Andréa
 VARIÁVEL ALEATÓRIA

DISTRIBUIÇÕES DE PROBABILIDADE

DISCRETAS
 VARIÁVEL ALEATÓRIA

“Uma variável aleatória é uma função com valores numéricos, cujo valor é
determinado por fatores de chance.” Associa números aos eventos do espaço
amostral.

• X = número de coroas em 2 lançamentos de uma moeda;

S = {(cara, cara), (cara, coroa), {coroa, cara), (coroa, coroa)}

X:

x
0 1 2
 VARIÁVEL ALEATÓRIA

variável aleatória

discreta contínua

os possíveis resultados estão os possíveis resultados

contidos em um conjunto finito abrangem todo um intervalo de
ou enumerável números reais

Ex. Ex.

0 1 2 3 4 ... 0
número de defeitos em ... tempo de resposta de ...
 VARIÁVEL ALEATÓRIA DISCRETA
Exemplos

1. Lança-se uma moeda 10 vezes e anota-se o número de caras. Este número

pode ser 0, 1, 2 ...10.

2. Em uma pesquisa de mercado feita com 200 pessoas, perguntam-se estes

compram um determinado produto.O número de pessoas que compram o
produto varia de 0 a 200.

3. Um pesquisador conta quantos, dos 500 chefes de família que entrevistou,

eram mulheres

4. Um médico conta quantos, dos 100 pacientes que tratou com uma nova droga ,
ficaram curados
 VARIÁVEL ALEATÓRIA DISCRETA

Exemplo: Considere um experimento em que arremessamos 3 vezes uma bola à

cesta. Seja Y a variável aleatória que denota o nº de “acertos” obtidos por uma
pessoa, sabendo que a probabilidade de acerto para cada bola lançada por esta
pessoa é de 0.3

Variável Aleatória Y: nº de acertos nas três tentativas

A cada resultado de uma variável aleatória

pode-se associar uma probabilidade:

y p(y)
0 ?
1 ?
2 ?
3 ?
 VARIÁVEL ALEATÓRIA DISCRETA

A distribuição de probabilidades indica, para uma variável aleatória, quais são os

resultados que podem ocorrer e qual é a probabilidade de cada resultado acontecer.

Y: nº de acertos nas três tentativas

y p(y)
0 0.343
1 0.441
2 0.189
3 0.027
Soma 1

P(Y=0) = 0.7 * 0.7 * 0.7 = 0.343

P(Y=1) = 0.3 * 0.7 * 0.7 + 0.7 * 0.3 * 0.7 + 0.7 * 0.7 * 0.3 = 0.441
P(Y=1) = 0.3 * 0.3 * 0.7 + 0.3 * 0.7 * 0.3 + 0.7 * 0.3 * 0.3 = 0.189
(PY=3) = 0.3 * 0.3 * 0.3 = 0.027
 DISTRIBUIÇÃO BINOMIAL

A função de probabilidade que construímos para o exemplo dos arremessos à

cesta poderia ter sido estabelecida usando a Distribuição Binomial.

Quando temos um experimente com uma número de repetições (tentativas) alto,

torna-se trabalhoso calcular as probabilidades, então podemos usar o modelo
Binomial para auxiliar no cálculo das probabilidades.

Quando posso usar o modelo Binomial?

Propriedades necessárias para a utilização da Distribuição Binomial:

1) Número de tentativas fixas;
2) Cada tentativa deve resultar num fracasso (falha) ou sucesso;
3) As probabilidades de sucesso devem ser iguais para todas as tentativas;
4) Todas as tentativas devem ser independentes.
 DISTRIBUIÇÃO BINOMIAL

Vamos imaginar fenômenos cujos resultados só podem ser de dois tipos, um dos quais é
considerado como sucesso(p) e o outro insucesso (q). Este fenômeno pode ser repetido tantas
vezes quanto se queira (n vezes), nas mesmas condições. As provas repetidas devem ser
independentes, isto é, o resultado de uma não deve afetar os resultados das sucessivas.

n x
P( x) = P( X = x) =  . p .(q) n − x , para x = 0,1,2,..., n
 x

onde n n! NOTAÇÃO

  = COMBINATORIAL
 x  x!(n − x)!

No decorrer do experimento, a probabilidade p do sucesso e a probabilidade de q (q = 1 - p)

do insucesso manter-se-ão constantes. Nessas condições X é uma variável aleatória discreta
que segue uma distribuição binomial.
 PROPRIEDADES DA DISTRIBUIÇÃO BINOMIAL

Média ou valor esperado

 = E ( X ) = n. p
Isto é, a média de uma variável aleatória com distribuição binomial é igual ao produto dos
parâmetros “n” e “p“.

Variância
Var( X ) = n. p.q

isto é, a variância de uma variável aleatória com distribuição binomial é igual ao

produto dos parâmetros “n” e “p” e multiplicados ainda por “q”.

O desvio padrão
 = n. p.q
DISTRIBUIÇÃO BINOMIAL
 DISTRIBUIÇÃO BINOMIAL –Exemplo 1

Seja a população de pessoas de um município em que 70% são favoráveis a um

certo projeto municipal. Qual é a probabilidade de que , numa amostra aleatória
simples de 10 pessoas dessa população exatamente sete indivíduos da amostra
serem favoráveis?

Binomial com
n= 10
p= 0,7
 DISTRIBUIÇÃO BINOMIAL – Exemplo 1

Qual a probabilidade de exatamente sete indivíduos da amostra

serem favoráveis?

Temos os seguintes dados:

(X é binomial n = 10 p = 0,7)

A probabilidade do evento é X= 7

Vamos resolver!!!
n x
P( x) = P( X = x) =  . p .(q) n − x
 x
 DISTRIBUIÇÃO BINOMIAL – Exemplo 1

n x
P( x ) = P( X = x ) =  . p .(q ) n − x
 x
 10  Anulando o
P( x ) = P( X = 7) =  .0,7 7 .(0,3)10−7 valor 7
7 
Fazendo a analise combinatória temos

Logo

P( x ) = P( X = 7) = 120.0,7 7 .(0,3)10−7

P(X = 7) = p(7) = 0,2668

 DISTRIBUIÇÃO BINOMIAL – Exemplo 1

Qual a probabilidade de exatamente sete indivíduos da amostra

serem favoráveis?

Temos os seguintes dados:

(X é binomial n = 10 p = 0,7)

A probabilidade do evento é X= 7

Vamos resolver!!!
n x
P( x) = P( X = x) =  . p .(q) n − x
 x
P(X = 7) = p(7) = 0,2668
 DISTRIBUIÇÃO BINOMIAL- Exemplo 1

Qual a probabilidade de a maioria da amostra ser de favoráveis?

(X é binomial n = 10 p = 0,7)

Vamos resolver !!
P(X > 5) = p(6) + p(7) + p(8) + p(9) + p(10)

P(X > 5) = 0,8497

 DISTRIBUIÇÃO BINOMIAL – Exemplo 2
Acredita-se que 20% dos moradores das proximidades de uma
grande indústria siderúrgica tem alergia aos poluentes lançados ao
ar. Admitindo que este percentual de alérgicos é real (correto),
calcule a probabilidade de que pelo menos 4 moradores tenham
alergia entre 13 selecionados ao acaso.
Solução: n = 13 p = 0,20, q= 0,80

Assim, a probabilidade de que pelo menos 4 moradores tenham alergia é

dada por:
P(X  4) = P(X=4) + P(X=5) + … + P(X=13) = 0,1535 + 0,0694 + … +
0,0000 = 0,2526
OU
Utiliza-se a regra do complementar, ou seja o que eu não quero

P(X  4) = 1 - P(X3) = 1 – (P(X=0) + P(X=1) + P(X=2) + P(X=3))=

0,2526
 VARIÁVEL ALEATÓRIA

DISTRIBUIÇÕES DE PROBABILIDADE

CONTÍNUAS
 Variável Aleatória Contínua

Dizemos que uma variável aleatória (v.a.) é contínua quando não

conseguimos enumerar seus possíveis resultados, por esses
formarem um conjunto infinito, num dado intervalo de números reais
 Distribuições Contínuas

Entre as distribuições teóricas de probabilidades de v.a. contínuas

destaca-se a DISTRIBUIÇÃO NORMAL, ou curva normal, ou curva
de Gauss (em homenagem a Carl Friedrich Gauss [1777-1855] que
foi pioneiro na sua utilização, apesar da distribuição se dever a
Abraham de Moivre [1667-1754] que a desenvolveu em 1733 como

aproximação à distribuição Binomial e a Pierre-Simon Laplace [1749-

1827] que a formalizou).
 Distribuição Normal- Importância

✓Retrata com boa aproximação, as distribuições de frequência de

muitos fenômenos naturais e físicos

✓Serve como aproximação das probabilidades binomiais (sim ou não)

quando n é grande

✓As médias e as proporções de grandes amostras seguem a

distribuição Normal (Teorema do Limite Central).
 Distribuição Normal

A v. a. X tem distribuição Normal com parâmetros  e 2 se sua

função densidade de probabilidade é dada por

2
1  x − 
1 −  
f (x ) = e 2  
, –  < x < .
 2
Pode ser mostrado que

1.  é o valor esperado (média) de X ( - <  < );

2.  2 é a variância de X ( 2 > 0).

Notação : X ~ N( ;  2)
 Propriedades de X ~ N(;2)

• E(X) =  (média ou valor esperado);

• Var(X) =  2 (e portanto, DP(X) =  );
 A Distribuição Normal

N(  ;  2) N(  ;  2)
1 2

  x
1 2

Curvas Normais com mesma variância 2

mas médias diferentes (2 > 1).
 Média e Desvio Padrão

Curvas Normais com mesma média µ, mas com

variâncias diferentes (22 > 12 ).

=2

=4
 X
 Características

• Área abaixo da • A variável aleatória

curva é igual a 1 pode assumir
(100% de valores de - ∞ a
probabilidade) + ∞ .

Área = 1

x

 Características

área = 68,3%

-  +
 Características

área = 95,4%

-2  +2
 Características

área = 99,7%

-3  +3
 A Distribuição Normal

Para quaisquer valores de μ e σ, quando tomamos o intervalo constituído

por:
[μ - σ, μ + σ] abrangemos aproximadamente 68% dos dados;
[μ - 2σ, μ + 2σ] abrangemos aproximadamente 95% dos dados;
[μ - 3σ, μ + 3σ] abrangemos aproximadamente 99,7% dos dados;

OBS: afastamentos da média, em unidades

de desvio padrão, preservam a mesma área
sob a curva.
 Normal Padronizada

Área entre a e b

Para facilitar a obtenção das probabilidades (determinação da área sob a curva)

podemos fazer uma transformação na variável, levando para uma distribuição
com média igual a 0 (zero) e variância igual a 1 (um). Esta distribuição é
conhecida como distribuição Normal Padronizada (z).
Para a distribuição normal padronizada, os valores da probabilidade
encontram-se calculados e tabelados. Por isso, podem ser facilmente
determinados.
 Normal Padronizada

Em que:
 Valor Padronizado
Através de uma transformação de variáveis é possível
converter os valores de qualquer distribuição Normal em
valores da distribuição Normal padrão e assim obter suas
probabilidades - calcular o número de desvios padrões, a contar
da média a que está um valor da variável


x-μ  x
z= x
σ
• O valor z (valor padronizado) é uma medida relativa. Mede o quanto x se afasta da média
(), em unidade de desvio padrão ().

Z - número de desvios padrões a partir da média

x - valor de interesse
 - média da distribuição normal de interesse
 - desvio padrão da distribuição normal
 Distribuição Normal

• Selecionar, aleatoriamente, de uma certa universidade, um

estudante do sexo masculino. Seja X a sua altura, em
centímetros.
• Apresenta-se, a seguir, uma possível distribuição de
probabilidades para este caso.

f(x)

130 140 150 160 170 180 190 200 210 x

altura (em cm.)
 Exemplo
Representar: o evento “estudante selecionado tem 180 cm ou mais” (X  180) e
sua probabilidade, P(X  180)

f(x)

P(X  180)

130 140 150 160 170 180 190 200 210 x

altura (em cm.)
X  180
 Exemplo

Selecionar, aleatoriamente, de uma certa universidade, um estudante

do sexo masculino. Seja X o valor de sua altura, em centímetros.
Admita que nesta universidade os estudantes têm altura média de 170
cm com desvio padrão de 10 cm. Calcule a normal padronizado de
um estudante com 180 cm?

x- 180 - 170 10

z= = = =1
 10 10
Ou seja, este estudante encontra-se a 1 desvio padrão acima da
altura média dos estudantes masculinos da universidade
Exemplo
 TABELA
VAL O R E S P O S IT IVO S DE Z
Normal 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,00 0,500000 0,503989 0,507978 0,511966 0,515953 0,519939 0,523922 0,527903 0,531881 0,535856
0,10 0,539828 0,543795 0,547758 0,551717 0,555670 0,559618 0,563559 0,567495 0,571424 0,575345
0,20 0,579260 0,583166 0,587064 0,590954 0,594835 0,598706 0,602568 0,606420 0,610261 0,614092
0,30 0,617911 0,621720 0,625516 0,629300 0,633072 0,636831 0,640576 0,644309 0,648027 0,651732
0,40 0,655422 0,659097 0,662757 0,666402 0,670031 0,673645 0,677242 0,680822 0,684386 0,687933
0,50 0,691462 0,694974 0,698468 0,701944 0,705401 0,708840 0,712260 0,715661 0,719043 0,722405
0,60 0,725747 0,729069 0,732371 0,735653 0,738914 0,742154 0,745373 0,748571 0,751748 0,754903
0,70 0,758036 0,761148 0,764238 0,767305 0,770350 0,773373 0,776373 0,779350 0,782305 0,785236
0,80 0,788145 0,791030 0,793892 0,796731 0,799546 0,802337 0,805105 0,807850 0,810570 0,813267
0,90 0,815940 0,818589 0,821214 0,823814 0,826391 0,828944 0,831472 0,833977 0,836457 0,838913
1,00 0,841345 0,843752 0,846136 0,848495 0,850830 0,853141 0,855428 0,857690 0,859929 0,862143
1,10 0,864334 0,866500 0,868643 0,870762 0,872857 0,874928 0,876976 0,879000 0,881000 0,882977
1,20 0,884930 0,886861 0,888768 0,890651 0,892512 0,894350 0,896165 0,897958 0,899727 0,901475
1,30 0,903200 0,904902 0,906582 0,908241 0,909877 0,911492 0,913085 0,914657 0,916207 0,917736
1,40 0,919243 0,920730 0,922196 0,923641 0,925066 0,926471 0,927855 0,929219 0,930563 0,931888
1,50 0,933193 0,934478 0,935745 0,936992 0,938220 0,939429 0,940620 0,941792 0,942947 0,944083
1,60 0,945201 0,946301 0,947384 0,948449 0,949497 0,950529 0,951543 0,952540 0,953521 0,954486
1,70 0,955435 0,956367 0,957284 0,958185 0,959070 0,959941 0,960796 0,961636 0,962462 0,963273
1,80 0,964070 0,964852 0,965620 0,966375 0,967116 0,967843 0,968557 0,969258 0,969946 0,970621
1,90 0,971283 0,971933 0,972571 0,973197 0,973810 0,974412 0,975002 0,975581 0,976148 0,976705
2,00 0,977250 0,977784 0,978308 0,978822 0,979325 0,979818 0,980301 0,980774 0,981237 0,981691
2,10 0,982136 0,982571 0,982997 0,983414 0,983823 0,984222 0,984614 0,984997 0,985371 0,985738
2,20 0,986097 0,986447 0,986791 0,987126 0,987455 0,987776 0,988089 0,988396 0,988696 0,988989
2,30 0,989276 0,989556 0,989830 0,990097 0,990358 0,990613 0,990863 0,991106 0,991344 0,991576
2,40 0,991802 0,992024 0,992240 0,992451 0,992656 0,992857 0,993053 0,993244 0,993431 0,993613
2,50 0,993790 0,993963 0,994132 0,994297 0,994457 0,994614 0,994766 0,994915 0,995060 0,995201
2,60 0,995339 0,995473 0,995604 0,995731 0,995855 0,995975 0,996093 0,996207 0,996319 0,996427
2,70 0,996533 0,996636 0,996736 0,996833 0,996928 0,997020 0,997110 0,997197 0,997282 0,997365
2,80 0,997445 0,997523 0,997599 0,997673 0,997744 0,997814 0,997882 0,997948 0,998012 0,998074
2,90 0,998134 0,998193 0,998250 0,998305 0,998359 0,998411 0,998462 0,998511 0,998559 0,998605
3,00 0,998650 0,998694 0,998736 0,998777 0,998817 0,998856 0,998893 0,998930 0,998965 0,998999

Ver tabela da Normal completa

 Exemplo

Com base na tabela da normal padronizada, calcular:

a) P(Z > 1)

0,1587 (tabela)

0 +1
z
A área de 0,1587 corresponde à probabilidade P(Z>1)
 TABELA

Leitura da tabela

Localizar na 1a coluna o valor 1

Na 1a linha, está o valor 0,00.
n0 1 compõe com o algarismo 0,00, o n0 z = 1,00.
No cruzamento da linha 1 com a coluna 2 está o número 0,841345.
Como esta tabela corresponde a toda a área, faço 1- 0,841345 .
Logo a minha probabilidade é de 0,1587
 TABELA
VAL O R E S P O S IT IVO S DE Z
Normal 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,00 0,500000 0,503989 0,507978 0,511966 0,515953 0,519939 0,523922 0,527903 0,531881 0,535856
0,10 0,539828 0,543795 0,547758 0,551717 0,555670 0,559618 0,563559 0,567495 0,571424 0,575345
0,20 0,579260 0,583166 0,587064 0,590954 0,594835 0,598706 0,602568 0,606420 0,610261 0,614092
0,30 0,617911 0,621720 0,625516 0,629300 0,633072 0,636831 0,640576 0,644309 0,648027 0,651732
0,40 0,655422 0,659097 0,662757 0,666402 0,670031 0,673645 0,677242 0,680822 0,684386 0,687933
0,50 0,691462 0,694974 0,698468 0,701944 0,705401 0,708840 0,712260 0,715661 0,719043 0,722405
0,60 0,725747 0,729069 0,732371 0,735653 0,738914 0,742154 0,745373 0,748571 0,751748 0,754903
0,70 0,758036 0,761148 0,764238 0,767305 0,770350 0,773373 0,776373 0,779350 0,782305 0,785236
0,80 0,788145 0,791030 0,793892 0,796731 0,799546 0,802337 0,805105 0,807850 0,810570 0,813267
0,90 0,815940 0,818589 0,821214 0,823814 0,826391 0,828944 0,831472 0,833977 0,836457 0,838913
1,00 0,841345 0,843752 0,846136 0,848495 0,850830 0,853141 0,855428 0,857690 0,859929 0,862143
1,10 0,864334 0,866500 0,868643 0,870762 0,872857 0,874928 0,876976 0,879000 0,881000 0,882977
1,20 0,884930 0,886861 0,888768 0,890651 0,892512 0,894350 0,896165 0,897958 0,899727 0,901475
1,30 0,903200 0,904902 0,906582 0,908241 0,909877 0,911492 0,913085 0,914657 0,916207 0,917736
1,40 0,919243 0,920730 0,922196 0,923641 0,925066 0,926471 0,927855 0,929219 0,930563 0,931888
1,50 0,933193 0,934478 0,935745 0,936992 0,938220 0,939429 0,940620 0,941792 0,942947 0,944083
1,60 0,945201 0,946301 0,947384 0,948449 0,949497 0,950529 0,951543 0,952540 0,953521 0,954486
1,70 0,955435 0,956367 0,957284 0,958185 0,959070 0,959941 0,960796 0,961636 0,962462 0,963273
1,80 0,964070 0,964852 0,965620 0,966375 0,967116 0,967843 0,968557 0,969258 0,969946 0,970621
1,90 0,971283 0,971933 0,972571 0,973197 0,973810 0,974412 0,975002 0,975581 0,976148 0,976705
2,00 0,977250 0,977784 0,978308 0,978822 0,979325 0,979818 0,980301 0,980774 0,981237 0,981691
2,10 0,982136 0,982571 0,982997 0,983414 0,983823 0,984222 0,984614 0,984997 0,985371 0,985738
2,20 0,986097 0,986447 0,986791 0,987126 0,987455 0,987776 0,988089 0,988396 0,988696 0,988989
2,30 0,989276 0,989556 0,989830 0,990097 0,990358 0,990613 0,990863 0,991106 0,991344 0,991576
2,40 0,991802 0,992024 0,992240 0,992451 0,992656 0,992857 0,993053 0,993244 0,993431 0,993613
2,50 0,993790 0,993963 0,994132 0,994297 0,994457 0,994614 0,994766 0,994915 0,995060 0,995201
2,60 0,995339 0,995473 0,995604 0,995731 0,995855 0,995975 0,996093 0,996207 0,996319 0,996427
2,70 0,996533 0,996636 0,996736 0,996833 0,996928 0,997020 0,997110 0,997197 0,997282 0,997365
2,80 0,997445 0,997523 0,997599 0,997673 0,997744 0,997814 0,997882 0,997948 0,998012 0,998074
2,90 0,998134 0,998193 0,998250 0,998305 0,998359 0,998411 0,998462 0,998511 0,998559 0,998605
3,00 0,998650 0,998694 0,998736 0,998777 0,998817 0,998856 0,998893 0,998930 0,998965 0,998999

Ver tabela da Normal completa

 Exemplo

Selecionar, aleatoriamente, de uma certa universidade, um estudante

do sexo masculino. Seja X o valor de sua altura, em centímetros.
Admitindo que nesta universidade os estudantes têm altura média
de 170 cm com desvio padrão de 10 cm, qual é a probabilidade
do estudante sorteado ter altura superior a 185 cm?

x = 185 cm ( = 170,  = 10)

z=?
 Exemplo

x = 185 cm ( = 170,  = 10)

z=?

x- 185 - 170 15

z= = = = 1,5
 10 10
 Exemplo

P(Z > 1,5)

0,0668 (tabela)

0 1,5
z
 Distribuição Normal Padrão
Observação : Se X ~ N( ; 2), então
(i)
−− +−
P(  −   X   +  ) = P  Z  
   
= P ( − 1  Z  1)

P= 0,8413 – 0,1586 = 0,6827.

isto é, P(  -   X   +  ) = 0,683. Z

(ii) P(  – 2  X   + 2 ) = P(– 2  Z  2 ) = 0,955.

(iii) P(  – 3  X   +3 ) = P( –3  Z  3 ) = 0,997.

LISTA 11