Entendendo o resultado da sua distribuição binomial
A tabela abaixo resume como cada modo de cálculo é definido e quando ele é a escolha adequada.
| Modo | Pergunta respondida | Fórmula |
|---|---|---|
| Exatamente k | Qual é a probabilidade de exatamente k sucessos? | P(X = k) |
| No máximo k | Qual é a probabilidade de k sucessos ou menos? | P(X ≤ k) |
| Pelo menos k | Qual é a probabilidade de k sucessos ou mais? | P(X ≥ k) |
- Uma regra prática bastante citada (presente em livros-texto usuais de estatística) diz que a distribuição binomial pode ser razoavelmente aproximada por uma normal quando tanto n × p quanto n × (1 − p) valem pelo menos 5, e uma correção de continuidade melhora ainda mais a aproximação.
- O modelo binomial exige tentativas independentes com probabilidade de sucesso constante; amostrar sem reposição de uma população pequena e finita viola a independência e pede a distribuição hipergeométrica.
- k precisa ser um número inteiro entre 0 e n, inclusive; valores de k não inteiros ou fora dessa faixa não são resultados binomiais válidos.
- “No máximo k” e “pelo menos k + 1” são complementares e somam 100% (do mesmo modo, “no máximo k − 1” e “pelo menos k” somam 100%).
O que é a distribuição binomial?
A distribuição binomial modela o número de sucessos em um número fixo de tentativas independentes (n), cada uma com a mesma probabilidade de sucesso (p) e apenas dois resultados possíveis por tentativa — sucesso ou fracasso. Exemplos clássicos incluem o número de caras em um número fixo de lançamentos de moeda ou a quantidade de itens defeituosos numa amostra fixa de uma linha de produção, desde que a probabilidade de sucesso se mantenha constante entre as tentativas.
A distribuição é discreta: o número de sucessos k só pode assumir valores inteiros de 0 a n. Seu formato depende de n e de p — é simétrica quando p = 0,5 e fica cada vez mais assimétrica à medida que p se aproxima de 0 ou de 1.
As duas premissas centrais são a independência (o resultado de uma tentativa não afeta outra) e a probabilidade de sucesso constante em todas as tentativas. Quando as tentativas são retiradas sem reposição de uma população pequena e finita, essas premissas podem ser violadas, e a distribuição hipergeométrica se torna mais apropriada.
Como usar esta calculadora de distribuição binomial
- Informe o número de tentativas, n.
- Informe a probabilidade de sucesso por tentativa, p, em porcentagem.
- Informe o número de sucessos, k (um número inteiro de 0 a n).
- Escolha um modo: exatamente k sucessos, no máximo k sucessos ou pelo menos k sucessos, e leia a probabilidade resultante, junto com o valor esperado e o desvio padrão da distribuição.
A fórmula por trás da probabilidade binomial
A probabilidade de exatamente k sucessos em n tentativas é dada pela função de massa de probabilidade binomial: P(X = k) = C(n, k) × pᵏ × (1 − p)ⁿ⁻ᵏ, em que C(n, k) = n! / (k!(n − k)!) é o número de maneiras de escolher k sucessos entre n tentativas.
“No máximo k” soma essa probabilidade para todos os resultados de 0 até k; “pelo menos k” soma de k até n (equivalentemente, 1 menos a probabilidade de no máximo k − 1).
O valor esperado da distribuição (número médio de sucessos) é n × p, e seu desvio padrão é √(n × p × (1 − p)).
Exemplo prático: n = 20 tentativas, p = 50%, exatamente k = 8 sucessos. P(X = 8) = C(20, 8) × 0,5⁸ × 0,5¹² ≈ 12,01%. O valor esperado é 20 × 0,5 = 10, e o desvio padrão é √(20 × 0,5 × 0,5) = √5 ≈ 2,2361.
Erros comuns
- Usar a distribuição binomial para tentativas que não são independentes ou em que a probabilidade de sucesso muda de uma para outra, como ao sortear sem reposição de uma população pequena.
- Errar por um nos modos — “pelo menos 4” não é o complemento de “no máximo 4”; o complemento de “no máximo 4” é “pelo menos 5”.
- Informar a probabilidade de sucesso como decimal (0,5) em vez de porcentagem (50), quando o campo espera porcentagem.
- Aplicar a distribuição binomial a um desfecho contínuo ou a uma contagem com mais de dois resultados possíveis por tentativa (o que exige um modelo multinomial).
- Esquecer que a distribuição binomial pressupõe p constante nas n tentativas — uma probabilidade que muda ao longo do tempo invalida o modelo.
Perguntas frequentes
Como calculo uma probabilidade binomial?
Use P(X = k) = C(n, k) × pᵏ × (1 − p)ⁿ⁻ᵏ, em que n é o número de tentativas, p é a probabilidade de sucesso e C(n, k) conta de quantas maneiras k sucessos podem ser dispostos entre n tentativas. Para “no máximo” ou “pelo menos”, some essa fórmula ao longo da faixa relevante de valores de k.
Que condições precisam ser atendidas para usar a distribuição binomial?
É preciso haver um número fixo de tentativas (n), cada tentativa deve ter apenas dois resultados possíveis (sucesso ou fracasso), a probabilidade de sucesso (p) precisa permanecer constante entre as tentativas e as tentativas devem ser independentes umas das outras.
Qual é o número esperado de sucessos?
O valor esperado (média) de uma distribuição binomial é n × p. Por exemplo, com 20 tentativas e probabilidade de sucesso de 50%, o número esperado de sucessos é 20 × 0,5 = 10.
Qual é a diferença entre “exatamente”, “no máximo” e “pelo menos”?
“Exatamente k” é a probabilidade de precisamente k sucessos. “No máximo k” soma as probabilidades de 0 até k sucessos. “Pelo menos k” soma as probabilidades de k até n sucessos; equivale a 1 menos a probabilidade de no máximo k − 1 sucessos.
Quando uma distribuição normal pode aproximar uma binomial?
Uma regra prática bastante usada diz que a aproximação é razoável quando tanto n × p quanto n × (1 − p) valem pelo menos 5. Fora dessa faixa, sobretudo com n pequeno ou p distante de 0,5, o cálculo binomial exato é mais confiável.
Referências
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — binomial distribution. nist.gov.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (binomial setting and probability formula).
- Casella G, Berger RL. Statistical Inference (2nd ed). Duxbury, 2002 (binomial distribution, mean and variance).
- Ross SM. A First Course in Probability. Pearson (binomial random variables and the normal approximation).