Processing math: 100%
[skip-to-content]

Seção 4.3 Distribuição Binomial

Subseção 4.3.1 Distribuição Binomial

Exemplo 4.3.1.

Jogando uma moeda não viciada 15 vezes. Qual é a probabilidade de obtermos exatamente 7 caras?

Solução

Os eventos são independentes e a probabilidade de obter cara no lançamento da moeda é \(p=\frac{1}{2}\text{.}\)

Queremos achar a probabilidade de obtermos 7 caras em 15 lançamentos. Vamos, inicialmente, fixar que queremos os 7 primeiros resultados iguais a cara, assim estamos impondo que os 8 resultados seguintes serão coroa. Desta forma, a probabilidade de que os 7 primeiros resultados sejam cara e de que os 8 resultados seguintes sejam coroa é

\begin{equation*} \left(\frac{1}{2}\right)^7 \times \left(1 - \frac{1}{2}\right)^{8}, \end{equation*}

mas a pergunta do problema não foi esta, pois a ordem em que apareceram as caras e as coroas não importa.

Observe que o número de formas de ordenar 7 caras e 8 coroas coincide com o número formas de escolher 7 lugares, para colocar as caras, dentre 15 disponíveis, e colocar as coroas nos lugares que sobraram. Isto pode ser feito de \(C_{15}^{7}\) maneiras.

Portanto a resposta para nosso problema é

\begin{equation*} C_{15}^{7}\times \left(\frac{1}{2}\right)^7 \times \left(\frac{1}{2}\right)^{8}=0.1963 \approx 20\%. \end{equation*}

Considere um experimento com apenas dois resultados possíveis, chamados de sucesso e fracasso. Denotaremos por p a probabilidade de sucesso.

A probabilidade de nessas \(n\) provas obtermos \(k\) sucessos, e consequentemente, \(n-k\) fracassos em uma ordem fixada é

\begin{equation*} \underbrace{p\cdot p \cdots p}_{k\text{ fatores}}\underbrace{\cdot (1-p)\cdots(1-p)}_{(n-k)\text{ fatores}} = p^k(1-p)^{n-k}, \end{equation*}

pois as provas são independentes. É claro que em outra ordem, a probabilidade seria a mesma, pois apenas a ordem dos fatores se altera. Como o número de formas de alterar esta ordem é \(C_n^k\text{,}\) a probabilidade de obtermos \(k\) sucessos, em \(n\) provas é

\begin{equation*} C_n^k \times p^k\times(1-p)^{n-k}. \end{equation*}
Exemplo 4.3.3.

Um dodecaedro (regular, com peso uniforme, ou seja, não viciado) tem 3 faces verdes e 4 faces vermelhas e 5 faces azuis.

  1. Qual é a probabilidade de em 8 lançamentos desse dodecaedro, obtermos 3 vezes a cor verde?
  2. Qual é a probabilidade de em 8 lançamentos desse dodecaedro, obtermos 3 vezes a cor azul?
Solução

item a) Vamos considerar os eventos:

S: saiu uma face verde \(\Rightarrow p = \frac{3}{12} = \frac{1}{4}.\)

F: não saiu uma face verde \(\Rightarrow p = \frac{9}{12} = \frac{3}{4}.\)

Pelo Teorema 4.3.2 a probabilidade é

\begin{equation*} C_8^3\times \left( \frac{1}{4} \right)^3 \times \left( \frac{3}{4} \right)^5 = \frac{1701}{8192} \approx 0.20764 \approx 21\%. \end{equation*}

item b) Vamos considerar os eventos:

S: saiu uma face azul \(\Rightarrow p = \frac{5}{12}.\)

F: não saiu uma face azul \(\Rightarrow p = \frac{7}{12}.\)

Pelo Teorema 4.3.2 a probabilidade é

\begin{equation*} C_8^3\times \left( \frac{5}{12} \right)^3 \times \left( \frac{7}{12} \right)^5 = \frac{14706125}{53747712} \approx 0.27361 \approx 27,4\%. \end{equation*}

Subseção 4.3.2 Variáveis Aleatórias: Geométrica e Binomial Negativa

Definição 4.3.4.

Dado um experimento aleatório com espaço amostral Ω, uma variável aleatória é uma função que associa um número real a cada elemento do espaço amostral.

Exemplo 4.3.5.

No experimento do lançamento de três moedas podemos definir a variável aleatória X como a função que diz o número de caras, por exemplo:

  1. X({cara,cara,cara})=3;
  2. X({cara,coroa,coroa})=1;
  3. X({coroa,cara,cara})=2;
  4. X({coroa,coroa,coroa})=0.

Observe que eventos, ou conjuntos de eventos no espaço amostral podem ser definidos pelas variáveis aleatórias. Por exemplo X=1 é o conjunto de eventos correspondente a sair exatamente uma cara e é igual a:

{{cara,coroa,coroa},{coroa,cara,coroa},{coroa,coroa,cara}}.

Para que o sucesso seja obtido exatamente na \(n\)-ésima tentativa é necessário e suficiente que as \(p-1\) tentativas seja fracassos e que a \(n\)-ésima seja um sucesso. Assim, obtemos a Equação (4.3.1). Como

\begin{equation*} \sum_{n=1}^\infty (1-p)^{n-1}p = p\sum_{n=1}^\infty (1-p)^{n-1} = \frac{p}{1-(1-p)}=1, \end{equation*}

um sucesso acabará ocorrendo, com probabilidade 1.

Observação 4.3.7.
Qualquer variável aleatóriaX cuja função de probabilidade seja dada pela Equação (4.3.1) é chamada de variável aleatória geométrica com parâmetro p. No caso do Teorema 4.3.6, X é o número de tentativas necessárias para obter 1 sucesso.
Exemplo 4.3.8.

Uma urna contém 5 bolas brancas e 7 bolas pretas. A bolas são selecionadas aleatoriamente, uma de cada vez, até que saia uma bola preta. Se supormos que cada bola selecionada seja substituída por outra de mesma cor, antes que a próxima bola seja retirada, qual é a probabilidade de que

  1. sejam necessárias exatamente 4 retiradas?
  2. sejam necessárias pelo menos 4 retiradas?
Solução

item a) Se \(X\) representar o número de retiradas necessárias até que se sele- cione uma bola preta, então \(X\) satisfaz a Equação (4.3.1), com \(p = \frac{7}{7+5} = \frac{7}{12}\text{.}\) Então, a probabilidade é

\begin{equation*} \left(\frac{5}{12}\right)^{3}\frac{7}{12}. \end{equation*}

item b)

\begin{align*} \frac{7}{12}\cdot\sum_{n=4}^{\infty}\left(\frac{5}{12}\right)^{n-1} =\amp~ \frac{7}{12}\cdot\frac{\left(\frac{5}{12}\right)^{3}}{1-\frac{5}{12}} \\ =\amp~ \left(\frac{5}{12}\right)^{3}. \end{align*}

Para que o \(k\)-ésimo sucesso ocorra na \(n\)-ésima tentativa, devem ocorrer \(k - 1\) sucessos nas primeiras \(n - 1\) tentativas e a \(n\)-ésima tentativa deve ser um sucesso. A probabilidade do primeiro evento é

\begin{equation*} C_{n-1}^{k-1}p^{k-1}(1-p)^{n-k} \end{equation*}

e a probabilidade do segundo evento é \(p\text{,}\) assim, pela independência dos eventos, obtemos a Equação (4.3.2). Ainda precisamos verificar que um total de \(k\) sucessos acaba sendo acumulado, ou seja, precisamos verificar que

\begin{equation} \sum_{n=k}^{\infty} C_{n-1}^{k-1}p^k(1-p)^{n-k}=1.\label{binon_neg_2}\tag{4.3.3} \end{equation}

O número de tentativas necessárias para que se obtenham \(k\) sucessos pode ser representado como \(T_1 + T_2 + \cdots + T_k\text{,}\) na qual, \(T_1\) é o número de tentativas necessárias para o primeiro sucesso, \(T_2\text{,}\) é o número de tentativas adicionais feitas até que ocorra o segundo sucesso e assim por diante. Tem-se que \(T_1, T_2, \ldots, T_k\) satisfazem o Teorema Teorema 4.3.6. Portanto, cada uma delas é finita com probabilidade 1, e então \(\sum_{i=1}^kT_i\) também deve ser finita, o que estabelece a Equação (4.3.3).

Observação 4.3.10.

Qualquer variável aleatória cuja função de probabilidade seja dada pela Equação (4.3.2) é chamada de variável aleatória binomial negativa com parâmetros (k,p). Observe que uma variável aleatória geométrica é simplesmente uma variável binomial negativa com parâmetros (1,p).

Note que ocorrem \(k\) sucessos antes de \(m\) fracassos se e somente se o \(k\)-ésimo sucesso ocorrer até a \((k + m -1)\)-ésima tentativa. Tem-se esse resultado porque, se o \(k\)-ésimo sucesso tiver ocorrido antes ou na \((k + m - 1)\)-ésima tentativa, então ele deve ter ocorrido antes do \(m\)-ésimo fracasso, e vice-versa. Portanto, da Equação (4.3.2), a probabilidade desejada é dada pela Equação (4.3.4).

Exemplo 4.3.12.

Joga-se uma moeda não viciada. Qual é a probabilidade de serem obtidas

  1. 3 caras antes de 2 coroas?
  2. 5 caras antes de 3 coroas?
Solução

item a) Pelo Corolário 4.3.11, basta aplicar a Fórmula (4.3.4) com \(k=3\) e \(m=2\text{.}\) Portanto, a resposta é

\begin{align*} \sum_{n=3}^{4} C_{n-1}^{2}\left(\frac{1}{2}\right)^{3}\left(1-\frac{1}{2}\right)^{n-3} = \amp~ C_2^2\left(\frac{1}{2}\right)^{3}\left(\frac{1}{2}\right)^{0}+ C_3^2\left(\frac{1}{2}\right)^{3}\left(\frac{1}{2}\right)^{1}\\ =\amp~ \left(\frac{1}{2}\right)^{3}+ C_3^2\left(\frac{1}{2}\right)^{4}\\ =\amp~ \left(\frac{1}{2}\right)^{3}+ 3\left(\frac{1}{2}\right)^{4}\\ =\amp~ 0,3125. \end{align*}

item b) Pelo Corolário 4.3.11, basta aplicar a Fórmula (4.3.4) com \(k=5\) e \(m=3\text{.}\) Portanto, a resposta é

\begin{align*} \sum_{n=5}^{7} C_{n-1}^{2}\left(\frac{1}{2}\right)^{5}\left(1-\frac{1}{2}\right)^{n-5} = \amp~ C_4^4\left(\frac{1}{2}\right)^{5}\left(\frac{1}{2}\right)^{0}+ \cdots + C_6^4\left(\frac{1}{2}\right)^{5}\left(\frac{1}{2}\right)^{2}\\ =\amp~ \left(\frac{1}{2}\right)^{5}+ C_5^4\left(\frac{1}{2}\right)^{6}+ C_6^4\left(\frac{1}{2}\right)^{7}\\ =\amp~ \left(\frac{1}{2}\right)^{5}+ 5\left(\frac{1}{2}\right)^{6}+ 15\left(\frac{1}{2}\right)^{7}\\ =\amp~ 0,2265625. \end{align*}

Exercícios 4.3.3 Exercícios

1.

Uma caixa contém 9 bolas brancas, 6 pretas e 5 vermelhas. Retiram-se, sucessivamente e com reposição, 4 bolas dessa caixa. Determine a probabilidade:

  1. das 4 bolas retiradas serem vermelhas;
  2. de somente 2 bolas retiradas serem vermelhas;
  3. de pelo menos 2 bolas serem vermelhas.
Resposta

a) \(\dfrac{1}{256}\text{,}\) b) \(\dfrac{27}{128}\text{,}\) c) \(\dfrac{67}{256}\text{.}\)

2.

(ITA 2009) Um determinado concurso é realizado em duas etapas. Ao longo dos últimos anos, 20% dos candidatos do concurso têm conseguido na primeira etapa nota superior ou igual à nota mínima necessária para poder participar da segunda etapa. Se tomarmos 6 candidatos dentre os muitos inscritos, qual é a probabilidade de no mínimo 4 deles conseguirem nota para participar da segunda etapa?

Resposta

\(P = \frac{53}{3125}\text{.}\)

Solução

Temos três casos que pelo menos 4 candidatos, dentre 6, conseguem a nota mínima:

\begin{align*} 1º: \amp ~ \text{4 conseguem e 2 não conseguem;} \\ 2º: \amp ~ \text{5 conseguem e 1 não conseguem;} \\ 3º: \amp ~ \text{6 conseguem.} \end{align*}

Aplicando o Teorema 4.3.2 temos que a probabilidade pedida é dada por:

\begin{equation*} P = C_6^4\times(20\%)^4\times (80\%)^2 + C_6^5\times(20\%)^5\times (80\%)^1 + C_6^6\times(20\%)^6\times(80\%)^0 \end{equation*}
\begin{equation*} P = \frac{15360 + 1534 + 64}{1000000} \Rightarrow P = \frac{53}{3125}. \end{equation*}
3.

(ITA 2010) Um palco possui 6 refletores de iluminação. Num certo instante de um espetáculo moderno os refletores são acionados aleatoriamente de modo que, para cada um dos refletores, seja de 23 a probabilidade de ser aceso. Então, a probabilidade de que, este instante, 4 ou 5 refletores sejam acesos simultaneamente, é igual a

a) 1627     b) 4981     c) 151243     d) 479729     e) 2434+2535

Resposta

a)

Solução

Aplicando o Teorema 4.3.2 temos

\begin{equation*} P = C_6^4\times \left(\frac{2}{3}\right)^4\times \left(\frac{1}{3}\right)^2 + C_6^5\times \left(\frac{2}{3}\right)^5\times \left(\frac{1}{3}\right)^1 = \frac{16}{27} \end{equation*}
4.

Dois adversários A e B disputam uma série de partidas. O primeiro que obtiver 10 vitórias ganha a série. No momento o resultado é 7×4 a favor de A. Qual é a probabilidade de A ganhar a série sabendo que em cada partida as probabilidades de A e B vencerem são respectivamente 0,3 e 0,7?

Solução

Basta aplicar o Corolário 4.3.11, na qual, A deve obter 3 vitórias antes que 6 derrotas. Logo, a resposta é

\begin{align*} \sum_{n=3}^8 C_{n-1}^{3-1}(0,3)^3(0,7)^{n-3}=\amp~ C_2^2(0,3)^3(0,7)^0+\cdots+C_7^2(0,3)^3(0,7)^5\\ =\amp~ 0.44822619. \end{align*}