Math ClubMath Club
v1 · padrão canônico

Lição 75 — Distribuição binomial

n ensaios de Bernoulli independentes. PMF binomial, esperança np, variância np(1-p). Aplicações em controle de qualidade, A/B test, genética e eleições.

Used in: Stochastik — Leistungskurs alemão · H2 Math — Singapura · AP Statistics — EUA · Math B — Japão

P(X=k)=(nk)pk(1p)nk,E[X]=np,Var(X)=np(1p)P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}, \quad E[X] = np, \quad \text{Var}(X) = np(1-p)
Choose your door

Rigorous notation, full derivation, hypotheses

Definição rigorosa

Hipóteses BInS

"If each trial in a binomial experiment has pp = 0.5, meaning the outcomes are equally likely, the distribution looks bell shaped. As pp moves away from 0.5, the graph skews right or left." — OpenStax Statistics §4.4

Exemplos resolvidos

Exercise list

42 exercises · 10 with worked solution (25%)

Application 24Understanding 2Modeling 12Proof 4
  1. Ex. 75.1Application

    XBin(5,0,5)X \sim \text{Bin}(5, 0{,}5). Calcule P(X=3)P(X = 3).

  2. Ex. 75.2Application

    XBin(10,0,3)X \sim \text{Bin}(10, 0{,}3). Calcule P(X=0)P(X = 0).

  3. Ex. 75.3ApplicationAnswer key

    XBin(8,0,25)X \sim \text{Bin}(8, 0{,}25). Calcule P(X=2)P(X = 2).

  4. Ex. 75.4Application

    XBin(6,1/6)X \sim \text{Bin}(6, 1/6). Calcule P(X1)P(X \geq 1) pelo complemento.

  5. Ex. 75.5ApplicationAnswer key

    XBin(4,0,5)X \sim \text{Bin}(4, 0{,}5). Monte a tabela completa de PMF para k=0,1,2,3,4k = 0, 1, 2, 3, 4.

  6. Ex. 75.6ApplicationAnswer key

    XBin(20,0,1)X \sim \text{Bin}(20, 0{,}1). Calcule E[X]E[X] e Var(X)\text{Var}(X).

  7. Ex. 75.7Application

    XBin(100,0,5)X \sim \text{Bin}(100, 0{,}5). Calcule σ=Var(X)\sigma = \sqrt{\text{Var}(X)}.

  8. Ex. 75.8Application

    Lance 10 moedas. Calcule P(exatamente 5 caras)P(\text{exatamente 5 caras}).

  9. Ex. 75.9ApplicationAnswer key

    Lance 10 moedas. Calcule P(pelo menos 8 caras)P(\text{pelo menos 8 caras}).

  10. Ex. 75.10ApplicationAnswer key

    Lance um dado 6 vezes. Calcule P(exatamente 2 seis)P(\text{exatamente 2 seis}).

  11. Ex. 75.11Application

    Lance um dado 6 vezes. Calcule P(nenhum seis)P(\text{nenhum seis}).

  12. Ex. 75.12Application

    Para XBin(n,p)X \sim \text{Bin}(n, p), calcule P(X=0)+P(X=n)P(X = 0) + P(X = n) em função de nn e pp.

  13. Ex. 75.13Application

    Para XBin(n,p)X \sim \text{Bin}(n, p), derive a razão P(X=k)/P(X=k1)P(X = k)/P(X = k-1) em função de nn, pp e kk.

  14. Ex. 75.14Application

    Mostre que o modo de Bin(n,p)\text{Bin}(n, p) é (n+1)p\lfloor (n+1)p \rfloor. Calcule o modo de Bin(10,0,3)\text{Bin}(10, 0{,}3).

  15. Ex. 75.15Application

    XBin(100,0,3)X \sim \text{Bin}(100, 0{,}3). Aproxime P(X25)P(X \leq 25) pela normal (use correção de continuidade).

  16. Ex. 75.16Application

    XBin(1000,0,001)X \sim \text{Bin}(1000, 0{,}001). Use a aproximação Poisson para P(X=0)P(X = 0).

  17. Ex. 75.17Application

    XBin(50,0,5)X \sim \text{Bin}(50, 0{,}5). Aproxime P(X30)P(X \geq 30) pela normal com correção de continuidade.

  18. Ex. 75.18Application

    X1Bin(10,0,3)X_1 \sim \text{Bin}(10, 0{,}3) e X2Bin(20,0,3)X_2 \sim \text{Bin}(20, 0{,}3) independentes. Qual a distribuição de X1+X2X_1 + X_2?

  19. Ex. 75.19Application

    XBin(50,0,02)X \sim \text{Bin}(50, 0{,}02). Use aproximação Poisson para P(X=0)P(X = 0), P(X=1)P(X = 1) e P(X=2)P(X = 2).

  20. Ex. 75.20Application

    Eleição: p=0,52p = 0{,}52, n=1000n = 1000. Aproxime P(p^<0,50)P(\hat p < 0{,}50), a chance de a pesquisa errar o líder.

  21. Ex. 75.21Application

    Para XBin(n,0,5)X \sim \text{Bin}(n, 0{,}5), a partir de qual nn a aproximação normal é considerada boa? Justifique.

  22. Ex. 75.22Application

    Mostre que a variância de Bin(n,p)\text{Bin}(n, p) é maximizada em p=0,5p = 0{,}5 para nn fixo.

  23. Ex. 75.23Application

    Spam filter com 90% de recall. Em 500 emails reais de spam, P(marcar470)P(\text{marcar} \geq 470).

  24. Ex. 75.24ApplicationAnswer key

    Por que a fórmula Var(X)=np(1p)\text{Var}(X) = np(1-p) pode ser deduzida pela decomposição em variáveis de Bernoulli?

  25. Ex. 75.25Modeling

    Linha de produção: 3% de defeituosas. Lote de 50 peças. Calcule P(pelo menos 3 defeituosas)P(\text{pelo menos 3 defeituosas}).

  26. Ex. 75.26Modeling

    Vacina: eficácia 85%. Em 100 vacinados, P(90 protegidos)P(\geq 90 \text{ protegidos}). Use aproximação normal.

  27. Ex. 75.27Modeling

    A/B test: variante A, 100 visitantes, 14 compraram. Variante B, 100 visitantes, 22 compraram. Calcule o p-valor do z-test para diferença de proporções.

  28. Ex. 75.28ModelingAnswer key

    Pesquisa eleitoral: n=1500n = 1500, margem de erro desejada ±2,5%\pm 2{,}5\% a 95%. O tamanho é suficiente?

  29. Ex. 75.29ModelingAnswer key

    Genética: cruzamento Aa×AaAa \times Aa, cada descendente tem prob. 1/41/4 de ser AAAA. Em 8 filhos, P(exatamente 2 sa˜AA)P(\text{exatamente 2 são } AA).

  30. Ex. 75.30ModelingAnswer key

    Call center: 5% das chamadas falham. Em 200 chamadas, calcule esperança e σ\sigma de falhas.

  31. Ex. 75.31Modeling

    Six Sigma (com ajuste 1,5σ): taxa de 3,4 ppm. Em 1 milhão de peças, use aproximação Poisson para P(0 defeitos)P(0 \text{ defeitos}) e E[defeitos]E[\text{defeitos}].

  32. Ex. 75.32Modeling

    Aposta: 30% de chance de ganhar R100.CadajogadacustaR 100. Cada jogada custa R 25. Em 20 jogadas, qual o lucro esperado total?

  33. Ex. 75.33Modeling

    Taxa de conversão de leads: 1%. Para fechar em média 5 negócios por mês, quantos leads precisa gerar?

  34. Ex. 75.34Modeling

    ENEM: 60% dos candidatos atingem nota mínima na redação. Em turma de 20 alunos, calcule E[X]E[X], σ\sigma e P(X15)P(X \geq 15).

  35. Ex. 75.35Modeling

    Urna com 30% de bolas vermelhas. 50 sorteios com reposição. Por que a binomial se aplica? Calcule E[X]E[X] e P(X=15)P(X = 15).

  36. Ex. 75.36Modeling

    Concurso público: 8% de taxa de aprovação. Turma de 30 alunos. E[aprovados]E[\text{aprovados}] e P(pelo menos 1 aprovado)P(\text{pelo menos 1 aprovado}).

  37. Ex. 75.37Understanding

    Por que a binomial não se aplica ao sorteio sem reposição? Dê um contraexemplo numérico onde usar binomial daria resposta errada.

  38. Ex. 75.38Understanding

    Qual é a diferença fundamental entre distribuição binomial e hipergeométrica?

  39. Ex. 75.39Proof

    Demonstre E[X]=npE[X] = np e Var(X)=np(1p)\text{Var}(X) = np(1-p) via decomposição X=Y1++YnX = Y_1 + \cdots + Y_n em variáveis de Bernoulli.

  40. Ex. 75.40ProofAnswer key

    Demonstre o limite Poisson: Bin(n,λ/n)Poisson(λ)\text{Bin}(n, \lambda/n) \to \text{Poisson}(\lambda) quando nn \to \infty com λ\lambda fixo.

  41. Ex. 75.41Proof

    Demonstre que k=0n(nk)pk(1p)nk=1\sum_{k=0}^n \binom{n}{k} p^k (1-p)^{n-k} = 1 usando o Teorema Binomial.

  42. Ex. 75.42Proof

    Demonstre a aditividade: se XBin(n1,p)X \sim \text{Bin}(n_1, p) e YBin(n2,p)Y \sim \text{Bin}(n_2, p) independentes (mesmo pp), então X+YBin(n1+n2,p)X + Y \sim \text{Bin}(n_1 + n_2, p).

Fontes

  • OpenIntro Statistics (4ª ed) — Diez, Çetinkaya-Rundel, Barr · 2019 · EN · CC-BY-SA. Fonte primária — §3.4 (hipóteses BInS, PMF, esperança, variância, A/B test).
  • Statistics (OpenStax) — Illowsky, Dean · 2022 · EN · CC-BY. §4.4 — tabelas binomiais, aproximações, exercícios AP-level.
  • Introduction to Probability (Grinstead-Snell) — Grinstead, Snell · 1997 · EN · GNU FDL. §5.1 — PMF, MGF, limite Poisson com prova; exercícios demonstrativos.

Updated on 2026-05-06 · Author(s): Clube da Matemática

Found an error? Open an issue on GitHub or submit a PR — open source forever.