Calculadora de distribuição binomial

Bem-vindo à Calculadora de Distribuição Binomial, uma ferramenta estatística abrangente que calcula probabilidades binomiais exactas e cumulativas com soluções passo a passo, visualizações de distribuição interactivas e análise estatística detalhada. Quer seja um estudante a aprender a teoria das probabilidades, um investigador a analisar dados experimentais ou um profissional em controlo de qualidade, esta calculadora fornece a precisão e a clareza de que necessita.

O que é a Distribuição Binomial?

A distribuição binomial é uma distribuição de probabilidade discreta que modela o número de sucessos num número fixo de ensaios de Bernoulli independentes. Cada ensaio tem exactamente dois resultados possíveis (sucesso ou falha), e a probabilidade de sucesso permanece constante em todos os ensaios.

A distribuição binomial é caracterizada por dois parâmetros:

• n - O número de ensaios (experiências)
• p - A probabilidade de sucesso em cada ensaio

A Fórmula da Probabilidade Binomial (PMF)

A probabilidade de exactamente k sucessos em n ensaios é dada pela Função de Massa de Probabilidade (PMF):

Onde:

• $\binom{n}{k} = \frac{n!}{k!(n-k)!}$ é o coeficiente binomial ("n sobre k")
• $p^k$ representa a probabilidade de k sucessos
• $(1-p)^{n-k}$ representa a probabilidade de (n-k) falhas

Função de Distribuição Cumulativa (CDF)

A CDF dá a probabilidade de no máximo k sucessos:

Principais Características desta Calculadora

Como Usar esta Calculadora

1. Introduza o número de ensaios (n): Este é o número total de experiências independentes. Por exemplo, se lançar uma moeda 10 vezes, n = 10.
2. Introduza a probabilidade de sucesso (p): A probabilidade de sucesso num único ensaio, entre 0 e 1. Para uma moeda justa, p = 0,5.
3. Introduza o número de sucessos (k): O número específico de sucessos para o qual deseja encontrar a probabilidade. Deve estar entre 0 e n.
4. Clique em Calcular: Veja a análise de probabilidade completa, incluindo a probabilidade exacta, as probabilidades cumulativas, a solução passo a passo e as visualizações.

Compreender os Resultados

Valores de Probabilidade

• P(X = k): A probabilidade de exactamente k sucessos (PMF)
• P(X ≤ k): A probabilidade de k ou menos sucessos (CDF)
• P(X ≥ k): A probabilidade de k ou mais sucessos = 1 - P(X ≤ k-1)
• P(X < k): A probabilidade de menos de k sucessos = P(X ≤ k-1)

Medidas Estatísticas

• Média (μ): Número esperado de sucessos = n × p
• Variância (σ²): Medida de dispersão = n × p × (1-p)
• Desvio Padrão (σ): Raiz quadrada da variância
• Moda: Número de sucessos mais provável
• Assimetria: Medida da assimetria da distribuição

Aplicações no Mundo Real

Controlo de Qualidade

As empresas de fabrico utilizam a distribuição binomial para determinar a probabilidade de encontrar um certo número de artigos defeituosos num lote. Por exemplo, se uma linha de produção tem uma taxa de defeito de 2% e inspeccionar 50 artigos, qual é a probabilidade de encontrar mais de 3 artigos defeituosos?

Ensaios Clínicos

Os investigadores médicos utilizam a distribuição binomial para analisar a eficácia dos tratamentos. Se um novo medicamento tem uma taxa de sucesso de 70% e é administrado a 20 pacientes, qual é a probabilidade de pelo menos 15 pacientes melhorarem?

Análise de Sondagens

Os sondadores utilizam a distribuição binomial para calcular margens de erro e intervalos de confiança. Se 60% de uma população apoia uma política e sondar 100 pessoas, qual é a probabilidade de observar entre 55 e 65 apoiantes?

Estatísticas Desportivas

Os analistas utilizam a distribuição binomial para prever resultados de jogos. Se um jogador de basquetebol tem uma taxa de sucesso de lances livres de 75%, qual é a probabilidade de marcar pelo menos 8 em 10 lances livres?

Condições para a Distribuição Binomial

A distribuição binomial é apropriada quando todas as seguintes condições são satisfeitas:

• Número fixo de ensaios: O número de experiências (n) é pré-determinado
• Dois resultados: Cada ensaio resulta em sucesso ou falha
• Ensaios independentes: O resultado de um ensaio não afecta os outros
• Probabilidade constante: A probabilidade de sucesso (p) permanece a mesma para todos os ensaios

Perguntas Frequentes

O que é uma distribuição binomial?

Uma distribuição binomial modela o número de sucessos num número fixo de ensaios de Bernoulli independentes, cada um com a mesma probabilidade de sucesso. Por exemplo, pode modelar o número de caras ao lançar uma moeda 10 vezes, ou o número de artigos defeituosos num lote de 50 quando cada artigo tem uma taxa de defeito de 5%.

Qual é a fórmula da probabilidade binomial?

A fórmula da probabilidade binomial é P(X = k) = C(n,k) × p^k × (1-p)^(n-k), onde C(n,k) é o coeficiente binomial, n é o número de ensaios, k é o número de sucessos e p é a probabilidade de sucesso num único ensaio.

Qual é a diferença entre PMF e CDF?

A PMF (Função de Massa de Probabilidade) dá a probabilidade de exactamente k sucessos: P(X = k). A CDF (Função de Distribuição Cumulativa) dá a probabilidade de no máximo k sucessos: P(X ≤ k), que é a soma de todas as probabilidades de 0 a k.

Quais são a média e a variância de uma distribuição binomial?

Para uma distribuição binomial com parâmetros n e p: Média (μ) = n × p, Variância (σ²) = n × p × (1-p) e Desvio Padrão (σ) = √(n × p × (1-p)).

Quando devo usar a distribuição binomial em vez de outras distribuições?

Use a distribuição binomial quando tiver um número fixo de ensaios independentes com apenas dois resultados e probabilidade constante. Use a distribuição de Poisson para contar eventos num intervalo fixo quando n é grande e p é pequeno. Use a aproximação normal quando n×p e n×(1-p) são ambos superiores a 5.

Como calculo probabilidades binomiais cumulativas?

Para calcular P(X ≤ k), some todas as probabilidades individuais de X=0 a X=k. Para P(X ≥ k), use o complemento: P(X ≥ k) = 1 - P(X ≤ k-1). A nossa calculadora computa tudo isto automaticamente.