Exemplos de perguntas e discussão sobre a distribuição binomial.
A distribuição binomial é uma das distribuições de probabilidade discretas mais utilizadas. Ela é útil para modelar o número de sucessos em uma série de tentativas idênticas e independentes, cada uma das quais produz um sucesso ou uma falha. Neste artigo, vamos explorar a distribuição binomial mais a fundo, fornecendo diversos exemplos e uma discussão detalhada.
Introdução à Distribuição Binomial
Principais características da distribuição binomial:
1. n: Número de tentativas ou repetições.
2. p: Probabilidade de sucesso em cada tentativa.
3. q = 1-p: Probabilidade de falha em cada tentativa.
A função de probabilidade da distribuição binomial é:
\[ P(X = k) = {n \choose k} p^k (1-p)^{nk} \]
di mana:
– \( {n \choose k} = \frac{n!}{k!(nk)!} \)
– \( X \): Uma variável aleatória que representa o número de sucessos.
– \( k \): O número de sucessos desejados.
Contoh Soal e Pembahasan
Vamos começar com alguns exemplos para entender o conceito de distribuição binomial com mais detalhes.
Exemplo 1: Selecionando de um grupo de alunos
Por exemplo, suponha que temos um grupo de 10 alunos e que a probabilidade de cada aluno ser selecionado para participar de uma competição é de 0,3. Queremos saber a probabilidade de que exatamente 4 alunos sejam selecionados.
Passo 1: Identifique os parâmetros da distribuição binomial.
– \( n = 10 \)
– \( p = 0.3 \)
Passo 2: Use a distribuição binomial para calcular a probabilidade de \( X = 4 \).
\[ P(X = 4) = {10 \choose 4} (0.3)^4 (0.7)^6 \]
Calculando \( {10 \choose 4} \):
\[ {10 \choose 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
Agora calcule \( (0.3)^4 \) e \( (0.7)^6 \):
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
Então
\[ P(X = 4) = 210 \cdot 0.0081 \cdot 0.117649 \approx 0.20012 \]
Assim, a probabilidade de que exatamente 4 alunos sejam selecionados é de aproximadamente 0.20012 ou 20.012%.
Exemplo 2: Probabilidade menor ou igual a 2
Agora, por exemplo, nos perguntam qual a probabilidade de que menos de 2 alunos sejam selecionados.
Passo 1: Temos que calcular \( P(X = 0) \), \( P(X = 1) \), e \( P(X = 2) \).
– Para \( P(X = 0) \):
\[ P(X = 0) = {10 \choose 0} (0.3)^0 (0.7)^{10} \]
\[ {10 \choose 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
\[ P(X = 0) = 1 \cdot 1 \cdot 0.0282475 = 0.0282475 \]
– Para \( P(X = 1) \):
\[ P(X = 1) = {10 \choose 1} (0.3)^1 (0.7)^9 \]
\[ {10 \choose 1} = 10 \]
\[ (0.3) \cdot (0.7)^9 = 0.1210608 \]
\[ P(X = 1) = 10 \cdot 0.3 \cdot 0.1210608 = 0.3631824 \]
– Para \( P(X = 2) \):
\[ P(X = 2) = {10 \choose 2} (0.3)^2 (0.7)^8 \]
\[ {10 \choose 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
\[ P(X = 2) = 45 \cdot 0.09 \cdot 0.2334744 = 0.2334744 \]
Passo 2: Some as probabilidades.
\[ P(X \leq 2) = P(X = 0) + P(X = 1) + P(X = 2) \]
\[ P(X \leq 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671 \]
Assim, a probabilidade de que sejam selecionados menos de 2 alunos é de aproximadamente 0.7740671 ou 77.41%.
Exemplo 3: Probabilidade de pelo menos 8
Se um experimento for realizado 12 vezes, e a probabilidade de sucesso em cada tentativa for de 0.5, qual é a probabilidade de ocorrerem pelo menos 8 sucessos?
Passo 1: Defina os parâmetros binomiais: \( n = 12, p = 0.5 \).
Passo 2: Encontre a probabilidade de \( X \geq 8 \).
Isso requer o cálculo de diversas probabilidades individuais e a sua soma:
\[P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
Conte um por um:
– Para \( P(X = 8) \):
\[ P(X = 8) = {12 \choose 8} (0.5)^8 (0.5)^4 \]
\[ {12 \choose 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
\[ P(X = 8) = 495 \cdot 0.0002441406 = 0.1208496 \]
– Para \( P(X = 9) \):
\[ P(X = 9) = {12 \choose 9} (0.5)^9 (0.5)^3 \]
\[ {12 \choose 9} = 220 \]
\[ P(X = 9) = 220 \cdot 0.0002441406 = 0.05371094 \]
– Para \( P(X = 10) \):
\[ P(X = 10) = {12 \choose 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \choose 10} = 66 \]
\[ P(X = 10) = 66 \cdot 0.0002441406 = 0.01611328 \]
– Para \( P(X = 11) \):
\[ P(X = 11) = {12 \choose 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \choose 11} = 12 \]
\[ P(X = 11) = 12 \cdot 0.0002441406 = 0.002929688 \]
– Para \( P(X = 12) \):
\[ P(X = 12) = {12 \choose 12} (0.5)^{12} \]
\[ {12 \choose 12} = 1 \]
\[ P(X = 12) = 1 \cdot 0.0002441406 = 0.0002441406 \]
Passo 3: Some todas as probabilidades.
\[ P(X \geq 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \approx 0.1938477 \]
Assim, a probabilidade de ocorrerem pelo menos 8 sucessos em 12 tentativas é de aproximadamente 0.1938477 ou 19.38%.
Conclusão
A distribuição binomial é um conceito fundamental em estatística, crucial em muitas aplicações práticas. Ao entendermos como calcular probabilidades para diversos casos da distribuição binomial, como mostrado nos exemplos acima, podemos aplicar esse conceito em situações do mundo real. Este exercício também reforça nossa compreensão de como as estruturas de probabilidade funcionam em um contexto claro e organizado.
