O que é probabilidade binomial?
Probabilidade binomial é a probabilidade de obter uma determinada quantidade de sucessos em um número fixo de tentativas repetidas. Cada tentativa tem apenas dois resultados possíveis, geralmente chamados de sucesso e fracasso, e a probabilidade de sucesso permanece igual de uma tentativa para outra.
Um exemplo simples é lançar uma moeda 10 vezes e perguntar qual é a probabilidade de obter exatamente 6 caras. Outro exemplo é verificar 50 itens de um processo de produção e perguntar qual é a probabilidade de no máximo 2 apresentarem defeito, supondo que cada item tenha a mesma chance independente de apresentar defeito.
A distribuição binomial é útil porque transforma situações repetidas de sim ou não em uma contagem. Em vez de acompanhar a ordem exata dos resultados, ela responde a perguntas sobre quantos sucessos ocorrem.
Por que a probabilidade binomial é importante
A probabilidade binomial ajuda a raciocinar sobre eventos repetidos sem depender apenas da intuição. Ela é comum em aulas de estatística, controle de qualidade, pesquisas, experimentos, jogos de azar, verificações de confiabilidade e estimativas de risco.
Ela é importante porque expressões como “exatamente”, “no máximo”, “pelo menos” e “entre” levam a perguntas de probabilidade diferentes. Interpretar essas palavras corretamente pode mudar bastante a resposta. Por exemplo, a probabilidade de exatamente 6 sucessos não é igual à probabilidade de pelo menos 6 sucessos, pois “pelo menos” inclui 6, 7, 8 e toda quantidade maior de sucessos possível.
Termos importantes
-
Tentativa: Uma repetição do experimento, como um lançamento de moeda, um item inspecionado ou uma resposta de pesquisa.
-
Sucesso: O resultado que está sendo contado. Um sucesso não precisa ser algo bom; significa simplesmente que o evento de interesse ocorreu.
-
Fracasso: Qualquer resultado de uma tentativa que não é contado como sucesso.
-
\(n\): O número de tentativas.
-
\(p\): A probabilidade de sucesso em uma tentativa, escrita como um decimal de \(0\) a \(1\).
-
\(1 - p\): A probabilidade de fracasso em uma tentativa.
-
\(X\): A variável aleatória que conta o número de sucessos.
-
\(k\): Uma quantidade escolhida de sucessos.
-
\(\binom{n}{k}\): O número de maneiras de escolher quais \(k\) das \(n\) tentativas são sucessos.
-
Função de massa de probabilidade: Uma fórmula que fornece a probabilidade de uma única quantidade exata de sucessos, como \(P(X = 4)\).
-
Probabilidade acumulada: Uma soma de várias probabilidades exatas, como \(P(X \le 4)\), \(P(X \ge 4)\) ou \(P(3 \le X \le 6)\).
-
Complemento: A probabilidade de que o evento selecionado não aconteça.
Como funciona a probabilidade binomial
Um modelo binomial se aplica quando todas estas condições são atendidas:
-
O número de tentativas é fixo.
-
Cada tentativa tem dois resultados possíveis.
-
As tentativas são independentes.
-
A probabilidade de sucesso é a mesma em todas as tentativas.
-
O resultado de interesse é o número de sucessos.
Para uma quantidade exata de sucessos, a fórmula da probabilidade binomial é:
$$
P(X = k) = \binom{n}{k}p^k(1-p)^{n-k}
$$
onde:
-
\(X\) é o número de sucessos.
-
\(n\) é o número de tentativas.
-
\(k\) é a quantidade exata de sucessos.
-
\(p\) é a probabilidade de sucesso em uma tentativa.
-
\(1 - p\) é a probabilidade de fracasso em uma tentativa.
-
\(\binom{n}{k}\) conta quantas ordens diferentes podem produzir \(k\) sucessos em \(n\) tentativas.
A fórmula tem duas partes principais. A expressão \(p^k(1-p)^{n-k}\) fornece a probabilidade de uma ordem específica com \(k\) sucessos e \(n-k\) fracassos. O termo de combinação \(\binom{n}{k}\) conta quantas ordens têm essa mesma quantidade de sucessos.
Probabilidades acumuladas e de intervalo são somas de probabilidades binomiais exatas:
$$
P(X \le k) = \sum_{i=0}^{k} \binom{n}{i}p^i(1-p)^{n-i}
$$
$$
P(X \ge k) = \sum_{i=k}^{n} \binom{n}{i}p^i(1-p)^{n-i}
$$
$$
P(a \le X \le b) = \sum_{i=a}^{b} \binom{n}{i}p^i(1-p)^{n-i}
$$
O valor esperado, a variância e o desvio padrão resumem o centro e a dispersão da distribuição:
$$
E(X) = np
$$
$$
\operatorname{Var}(X) = np(1-p)
$$
$$
\sigma = \sqrt{np(1-p)}
$$
O valor esperado é o número médio de sucessos no longo prazo se o mesmo experimento binomial fosse repetido muitas vezes. O desvio padrão descreve quanto a quantidade de sucessos costuma variar em torno dessa média.
Exemplos de probabilidade binomial na prática
Exemplo 1: exatamente 6 caras em 10 lançamentos de moeda
Suponha que uma moeda justa seja lançada 10 vezes. Considere sucesso como “cara”; então \(n = 10\), \(p = 0.5\) e \(k = 6\).
$$
P(X = 6) = \binom{10}{6}(0.5)^6(0.5)^4
$$
Como \(\binom{10}{6} = 210\):
$$
P(X = 6) = 210(0.5)^{10}
$$
$$
P(X = 6) = \frac{210}{1024} = 0.205078125
$$
Portanto, a probabilidade de obter exatamente 6 caras em 10 lançamentos de uma moeda justa é aproximadamente \(0.205078\), ou cerca de \(20.5078\%\).
Exemplo 2: entre 3 e 6 sucessos
Suponha que um processo seja repetido 12 vezes e que a probabilidade de sucesso em cada tentativa seja \(0.35\). Para encontrar a probabilidade de obter de 3 a 6 sucessos, use um intervalo inclusivo:
$$
P(3 \le X \le 6) = \sum_{i=3}^{6} \binom{12}{i}(0.35)^i(0.65)^{12-i}
$$
Isso soma as probabilidades exatas de \(X = 3\), \(X = 4\), \(X = 5\) e \(X = 6\):
$$
P(3 \le X \le 6) \approx 0.764080
$$
Isso significa que se esperaria que cerca de \(76.4080\%\) dos experimentos repetidos nas mesmas condições resultassem entre 3 e 6 sucessos, inclusive.
Para essa configuração, o valor esperado é:
$$
E(X) = np = 12 \times 0.35 = 4.2
$$
Portanto, 4,2 é o número médio de sucessos no longo prazo, e não uma promessa de que um conjunto específico de 12 tentativas produzirá exatamente 4,2 sucessos.
Exemplo 3: casos extremos quando \(p = 0\) ou \(p = 1\)
Se a probabilidade de sucesso for \(0\), o sucesso não poderá ocorrer. Para 8 tentativas com \(p = 0\):
$$
P(X = 0) = 1
$$
$$
P(X \ge 1) = 0
$$
Se a probabilidade de sucesso for \(1\), todas as tentativas serão sucessos. Para 8 tentativas com \(p = 1\):
$$
P(X = 8) = 1
$$
$$
P(X < 8) = 0
$$
Esses casos extremos são matematicamente válidos porque a probabilidade ainda está entre \(0\) e \(1\). Eles são diferentes de entradas inválidas, como probabilidades negativas, quantidades de sucessos fora do intervalo de \(0\) a \(n\) ou quantidades fracionárias de sucessos.
Como interpretar o resultado
O resultado principal da probabilidade informa quão provável é o evento de sucesso selecionado sob as premissas binomiais. Um resultado próximo de \(0\) significa que o evento é improvável com os valores de \(n\) e \(p\) informados. Um resultado próximo de \(1\) significa que o evento é muito provável.
A porcentagem é a mesma probabilidade multiplicada por 100. Por exemplo, uma probabilidade de \(0.2367\) equivale a aproximadamente \(23.67\%\).
A probabilidade selecionada pode ter significados diferentes dependendo do tipo de probabilidade:
| Tipo de probabilidade |
Significado |
| \(P(X = k)\) |
Exatamente \(k\) sucessos |
| \(P(X \le k)\) |
No máximo \(k\) sucessos |
| \(P(X \ge k)\) |
Pelo menos \(k\) sucessos |
| \(P(a \le X \le b)\) |
De \(a\) a \(b\) sucessos, inclusive |
O valor esperado é a quantidade média de sucessos no longo prazo, considerando muitas repetições. A variância e o desvio padrão descrevem a dispersão. Um desvio padrão maior significa que as quantidades de sucessos ficam mais espalhadas em torno do valor esperado.
O complemento é \(1\) menos a probabilidade do evento selecionado. Se o evento selecionado for \(P(X \le 4)\), o complemento será \(P(X > 4)\). Se o evento selecionado for \(P(3 \le X \le 6)\), o complemento será a probabilidade de obter menos de 3 sucessos ou mais de 6 sucessos.
Um gráfico de distribuição mostra as probabilidades individuais \(P(X = k)\) para cada quantidade possível de sucessos. Se o evento selecionado for acumulado ou um intervalo, o resultado final poderá ser a soma de várias barras destacadas, em vez de uma única barra.
Erros comuns e equívocos
-
Informar uma porcentagem em vez de um decimal: Uma probabilidade de sucesso de \(35\%\) deve ser informada como \(0.35\), e não como \(35\).
-
Usar o tipo de probabilidade errado: “Exatamente 5” significa \(P(X = 5)\), enquanto “pelo menos 5” significa \(P(X \ge 5)\).
-
Esquecer que os extremos do intervalo estão incluídos: \(P(3 \le X \le 6)\) inclui 3 e 6.
-
Usar quantidades não inteiras: O número de tentativas e o número de sucessos devem ser números inteiros.
-
Usar uma quantidade fora do intervalo possível: Se \(n = 12\), a quantidade de sucessos não pode ser menor que \(0\) nem maior que \(12\).
-
Tratar o complemento como a probabilidade de fracasso em uma única tentativa: O complemento é o oposto do evento selecionado, e não necessariamente \(1-p\).
-
Pressupor independência quando ela não é razoável: Se uma tentativa alterar a probabilidade das tentativas seguintes, o modelo binomial pode não ser adequado.
-
Dar importância excessiva a um resultado arredondado: Um decimal ou uma porcentagem exibidos podem estar arredondados, mesmo quando o cálculo subjacente usa mais precisão.
-
Esperar que o eixo do gráfico vá de 0 a 1: Um gráfico de distribuição de probabilidade geralmente se ajusta à barra individual mais alta, e não a um máximo fixo de 1.
Quando usar a probabilidade binomial
Use a probabilidade binomial quando quiser contar sucessos em um número fixo de tentativas independentes com a mesma probabilidade de sucesso.
Alguns usos comuns são:
-
Estimar a chance de obter uma determinada quantidade de respostas corretas em um teste de múltipla escolha ou de verdadeiro ou falso.
-
Encontrar a probabilidade de uma determinada quantidade de itens defeituosos em um lote.
-
Modelar a quantidade de participantes de uma pesquisa que respondem “sim”, quando as premissas são razoáveis.
-
Estimar a chance de uma ação repetida ser bem-sucedida uma determinada quantidade de vezes.
-
Comparar probabilidades exatas, de no máximo, de pelo menos e de intervalo para o mesmo experimento.
Não use um modelo binomial apenas porque existem dois resultados. As premissas de número fixo de tentativas, independência e probabilidade constante são igualmente importantes.
Limitações e pontos importantes
A probabilidade binomial depende de premissas. Se as tentativas não forem independentes, se a probabilidade de sucesso mudar ou se houver mais de dois resultados relevantes, o modelo binomial poderá produzir resultados enganosos.
A amostragem sem reposição pode ser um problema comum. Se uma amostra for retirada de um grupo finito pequeno sem recolocar os itens, as tentativas poderão se tornar dependentes, pois cada retirada muda o que permanece. Nesse caso, outro modelo pode ser mais apropriado.
A calculadora aceita quantidades inteiras de tentativas e sucessos. O número de tentativas deve estar entre 1 e 500, e as quantidades de sucessos ou os extremos do intervalo devem ser números inteiros de 0 a \(n\). Ela não aceita zero tentativas, quantidades negativas, quantidades fracionárias, probabilidades menores que \(0\) ou probabilidades maiores que \(1\).
A probabilidade de sucesso deve ser informada como um decimal de \(0\) a \(1\). Por exemplo, informe \(0.18\) para \(18\%\).
A calculadora calcula probabilidades binomiais para eventos exatos, de no máximo, de pelo menos e de intervalo inclusivo. Ela não fornece aproximações normais, aproximações de Poisson, intervalos de confiança, testes de hipóteses ou cálculos binomiais inversos.
Os valores exibidos podem ser arredondados. Os principais resultados de probabilidade são mostrados como decimais e porcentagens, e probabilidades não nulas muito pequenas podem aparecer em notação científica. Se um resultado positivo for menor que o intervalo de números de ponto flutuante do navegador, a calculadora identificará essa limitação numérica em vez de apresentá-lo como zero matemático. O arredondamento afeta o valor exibido, não o significado da probabilidade.
Para decisões que envolvam dinheiro, saúde, segurança, obrigações legais, trabalhos de engenharia ou registros oficiais, trate o resultado como um cálculo estatístico, e não como orientação profissional. Verifique cuidadosamente as premissas e consulte um profissional qualificado quando as consequências forem importantes.
Como usar esta calculadora
-
Informe o número de tentativas \(n\) como um número inteiro de 1 a 500.
-
Informe a probabilidade de sucesso \(p\) como um decimal de \(0\) a \(1\).
-
Escolha o tipo de probabilidade: exata, no máximo, pelo menos ou intervalo.
-
No modo exato, no máximo ou pelo menos, informe a quantidade de sucessos \(k\).
-
No modo intervalo, informe o início inclusivo \(a\) e o fim do intervalo \(b\).
-
Leia o resultado principal como uma probabilidade decimal e como uma porcentagem.
-
Consulte o valor esperado, a variância, o desvio padrão e a probabilidade complementar.
-
Use o gráfico de distribuição para ver as probabilidades individuais e as barras selecionadas.
-
Baixe o gráfico como PNG se precisar salvá-lo ou compartilhá-lo.
Perguntas frequentes
O que significa “sucesso” em um problema binomial?
Sucesso é simplesmente o resultado que você está contando. Não precisa significar um bom resultado. Em um problema de controle de qualidade, “sucesso” pode significar um item defeituoso, se forem os defeitos que você quer contar.
Qual é a diferença entre probabilidade exata, de no máximo, de pelo menos e de intervalo?
A probabilidade exata usa uma única quantidade de sucessos, como \(P(X = 4)\). As probabilidades de no máximo, de pelo menos e de intervalo somam várias probabilidades exatas, como \(P(X \le 4)\), \(P(X \ge 4)\) ou \(P(3 \le X \le 6)\).
Por que devo informar \(0.35\) em vez de \(35\) para 35%?
As fórmulas binomiais usam probabilidades na escala de 0 a 1. Uma probabilidade de \(35\%\) equivale a \(0.35\), enquanto \(35\) significaria 3500%, o que não é uma probabilidade válida.
O que a probabilidade complementar me informa?
O complemento informa a probabilidade de que o evento selecionado não aconteça. Se o evento selecionado tiver probabilidade \(0.76\), seu complemento será \(1 - 0.76 = 0.24\).
Posso usar a probabilidade binomial para amostragem sem reposição?
Às vezes, não. A amostragem sem reposição pode tornar as tentativas dependentes, pois cada retirada altera o grupo restante. Se a população for pequena em relação à amostra, um modelo hipergeométrico pode ser mais apropriado.
Por que o valor esperado às vezes não é um número inteiro?
O valor esperado é uma média no longo prazo, e não um resultado único obrigatório. Por exemplo, um valor esperado de \(4.2\) sucessos significa que a média tenderia a 4,2 após muitas repetições, embora qualquer experimento individual só possa produzir uma quantidade inteira de sucessos.
Fontes e referências
Livros
-
Barbara Illowsky e Susan Dean. Introductory Statistics 2e. OpenStax, 2023. Seção 4.3, “Binomial Distribution”.
-
Charles M. Grinstead e J. Laurie Snell. Introduction to Probability. American Mathematical Society / Chance Project, 1997; edição LibreTexts. Capítulo 5.1, “Important Distributions”, e capítulo 6, “Expected Value and Variance”.
Fontes online e oficiais
-
National Institute of Standards and Technology e SEMATECH. “Binomial Distribution”. e-Handbook of Statistical Methods, acessado em 27 de junho de 2026.
