Distribuição binomial

Hugo Alonso, ULP - 2019/2020

Distribuição binomial é o nome dado a uma distribuição de probabilidade teórica, que serve

para descrever o comportamento de uma variável aleatória discreta no seguinte contexto:

Experiência aleatória:

• consiste na realização de n provas

• em cada prova há apenas dois resultados possíveis, contrários: sucesso e insucesso

• representando por p a probabilidade de sucesso e por q a de insucesso, com q = 1 − p,

tem-se que ambas as probabilidades não variam de prova para prova

• as provas são independentes

Variável aleatória X: representa o número de sucessos nas n provas e tem como valores
possíveis 0, 1, . . . , n

Neste contexto, tem-se que:

Função probabilidade de X:

P (X = x) = Cxn px q n−x para x = 0, 1, . . . , n

n!
onde Cxn = x!×(n−x)! representa o número de maneiras possíveis de ocorrerem x sucessos

em n provas

Diz-se que X tem distribuição binomial de parâmetros n e p e escreve-se abrevi-

adamente

X ∼ B(n; p)

Média e desvio-padrão de X:

√
µX = np e σX = npq

1
Exemplo: considerando n lançamentos de uma moeda e representando por X o número

de ocorrências de coroa nesses n lançamentos, tem-se que

X ∼ B(n; p)

onde p representa a probabilidade de se observar coroa num lançamento.

Caso 1: n = 3, p = 0.5
n=3, p=0.5
0.45

0.4 0.375 0.375

0.35

0.3

0.25
P(X=x)

0.2

0.15 0.125 0.125

0.1

0.05

0
0 1 2 3
x

√ √
µX = 3 × 0.5 = 1.5 e σX = 3 × 0.5 × 0.5 = 0.75 ≈ 0.86

Caso 2: n = 4, p = 0.5
n=4, p=0.5
0.45

0.4 0.375

0.35

0.3
0.25 0.25
0.25
P(X=x)

0.2

0.15

0.1
0.0625 0.0625

0.05

0
0 1 2 3 4
x

√ √
µX = 4 × 0.5 = 2 e σX = 4 × 0.5 × 0.5 = 1 = 1

Nota: em cada um destes dois casos, como p = 0.5, tem-se uma distribuição simétrica.

Página 2 Hugo Alonso, ULP - 2019/2020

Caso 3: n = 4, p = 0.3

n=4, p=0.3
0.45
0.4116

0.4

0.35

0.3
0.2646
0.2401
0.25
P(X=x)

0.2

0.15

0.1 0.0756

0.05
0.0081
0
0 1 2 3 4
x

√ √
µX = 4 × 0.3 = 1.2 e σX = 4 × 0.3 × 0.7 = 0.84 ≈ 0.92

Nota: neste caso, como p < 0.5, tem-se uma distribuição enviesada à esquerda.

Caso 4: n = 4, p = 0.7

n=4, p=0.7
0.45
0.4116

0.4

0.35

0.3
0.2646
0.2401
0.25
P(X=x)

0.2

0.15

0.1 0.0756

0.05
0.0081
0
0 1 2 3 4
x

√ √
µX = 4 × 0.7 = 2.8 e σX = 4 × 0.7 × 0.3 = 0.84 ≈ 0.92

Nota: neste caso, como p > 0.5, tem-se uma distribuição enviesada à direita.

Página 3 Hugo Alonso, ULP - 2019/2020