Calculadora de distribuição de probabilidade: fórmulas, exemplos e problemas práticos
Uma calculadora de distribuição de probabilidade encontra o valor esperado, a variância e a probabilidade de qualquer resultado de uma variável aleatória discreta ou contínua, sem obrigar você a montar uma tabela de probabilidade completa ou consultar uma tabela z à mão toda vez. Ela recebe o tipo de distribuição — uma tabela discreta, um processo binomial ou uma curva normal — junto com seus parâmetros, e devolve a probabilidade, a média e o desvio padrão de que você precisa. Estudantes de estatística usam esse recurso para lançamentos de moeda, amostragem de controle de qualidade, notas de provas e qualquer variável aleatória com um conjunto de resultados bem definido. Este guia constrói as fórmulas subjacentes passo a passo, com números reais que você pode conferir à mão, para que a calculadora nunca pareça uma caixa-preta.
Conteúdo
- 01O que é uma calculadora de distribuição de probabilidade?
- 02Como funciona uma calculadora de distribuição de probabilidade?
- 03Distribuições de probabilidade discretas vs. contínuas
- 04Como verificar se as probabilidades somam 1?
- 05Exemplo resolvido: valor esperado e variância de uma distribuição discreta
- 06Exemplo resolvido: probabilidade da distribuição binomial
- 07Quando uma distribuição normal pode aproximar uma distribuição binomial?
- 08Que erros comuns atrapalham os cálculos de distribuição de probabilidade?
- 09Problemas práticos com soluções completas
- 10Quando você deve usar uma calculadora de distribuição de probabilidade?
- 11Como o Solvify pode ajudar você a conferir problemas de distribuição de probabilidade?
O que é uma calculadora de distribuição de probabilidade?
Uma calculadora de distribuição de probabilidade é uma ferramenta que recebe os resultados possíveis de uma variável aleatória e suas probabilidades — ou os parâmetros de uma família de distribuições conhecida, como a binomial ou a normal — e devolve a probabilidade de um evento específico, junto com valores-resumo como o valor esperado (média) e a variância. Uma distribuição de probabilidade, por si só, é apenas uma lista completa de todos os resultados que uma variável aleatória pode assumir, associada à chance de cada resultado. Distribuições discretas listam resultados individuais, como o número de peças defeituosas em um lote de 10; distribuições contínuas descrevem resultados ao longo de um intervalo, como a altura de uma pessoa. Seja qual for o tipo com que você está trabalhando, uma calculadora de distribuição de probabilidade é tão confiável quanto a distribuição que você fornece a ela, e é por isso que conferir a matemática por trás importa mesmo quando a ferramenta faz as contas por você.
Toda distribuição de probabilidade válida precisa satisfazer duas regras: cada probabilidade individual está entre 0 e 1, e todas as probabilidades juntas somam exatamente 1.
Como funciona uma calculadora de distribuição de probabilidade?
Seja com uma tabela montada à mão ou com uma calculadora estatística completa, uma calculadora de distribuição de probabilidade segue sempre a mesma lógica de quatro etapas. Primeiro ela precisa saber com que tipo de distribuição está lidando, porque uma tabela discreta, um processo binomial e uma curva normal usam cada um uma fórmula diferente para probabilidade, valor esperado e variância.
1. Passo 1: identifique o tipo de distribuição
Decida se a variável aleatória é discreta (uma lista fixa de resultados, como uma tabela de distribuição de probabilidade) ou contínua (todo um intervalo de valores possíveis, como uma distribuição normal), e se ela corresponde a uma família conhecida, como a binomial.
2. Passo 2: insira os parâmetros da distribuição
Para uma tabela discreta, insira cada resultado e sua probabilidade. Para uma distribuição binomial, insira o número de tentativas (n) e a probabilidade de sucesso (p). Para uma distribuição normal, insira a média (μ) e o desvio padrão (σ).
3. Passo 3: calcule probabilidade, valor esperado e variância
A calculadora aplica a fórmula correspondente — soma direta para uma tabela discreta, a fórmula binomial para um processo binomial ou a tabela normal padrão para uma curva normal — para devolver a probabilidade solicitada junto com a média e a variância.
4. Passo 4: interprete o resultado
Converta a probabilidade decimal em porcentagem e confira o valor com uma verificação de sanidade, como a regra empírica ou uma estimativa aproximada, antes de tratá-lo como definitivo.
Distribuições de probabilidade discretas vs. contínuas
Uma distribuição de probabilidade discreta se aplica a uma variável aleatória com uma lista contável de resultados — o número de caras em três lançamentos de moeda, o número de reclamações de clientes em um dia ou o número de sucessos em um número fixo de tentativas. Cada resultado recebe sua própria probabilidade, e uma calculadora de distribuição de probabilidade para uma variável discreta é, na prática, apenas adição e multiplicação organizadas sobre essa lista. Uma distribuição de probabilidade contínua, como a distribuição normal, se aplica a uma variável aleatória que pode assumir qualquer valor dentro de um intervalo — altura, peso ou tempo de reação —, então, em vez de uma probabilidade para cada valor exato, você calcula a probabilidade de cair dentro de um intervalo, usando a área sob a curva. Saber com qual tipo você está trabalhando determina todas as fórmulas que vêm a seguir.
Como verificar se as probabilidades somam 1?
Antes de confiar em qualquer cálculo de valor esperado ou variância, confirme que a distribuição é válida: toda probabilidade precisa estar entre 0 e 1, e o conjunto completo de probabilidades precisa somar exatamente 1 (admitindo pequenos arredondamentos). Pular essa verificação é a causa mais comum de respostas erradas em problemas de probabilidade discreta, porque uma probabilidade digitada ou contada errado compromete todos os cálculos construídos sobre ela.
1. Liste cada resultado e sua probabilidade
Suponha que uma pequena equipe de suporte acompanhe o número de reclamações, X, recebidas por dia: P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2.
2. Some todas as probabilidades
0,1 + 0,3 + 0,4 + 0,2 = 1,0. As probabilidades somam exatamente 1, então esta é uma distribuição de probabilidade válida.
3. Reconheça uma distribuição inválida
Se o último valor tivesse sido listado como P(X=3) = 0,3, o total seria 0,1 + 0,3 + 0,4 + 0,3 = 1,1 — acima de 1, o que é impossível para uma distribuição de probabilidade e indica um erro de digitação dos dados que precisa ser corrigido antes de calcular qualquer outra coisa.
Se as probabilidades de uma distribuição não somam exatamente 1, a distribuição é inválida e precisa ser corrigida antes de você calcular valor esperado, variância ou qualquer outra probabilidade a partir dela.
Exemplo resolvido: valor esperado e variância de uma distribuição discreta
Usando a mesma distribuição de reclamações por dia — P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2 —, uma calculadora de distribuição de probabilidade encontra o valor esperado (a média de longo prazo) e a variância (o quanto os resultados estão dispersos) do mesmo jeito que você faria à mão.
1. Passo 1: multiplique cada valor pela sua probabilidade e some
E[X] = (0×0,1) + (1×0,3) + (2×0,4) + (3×0,2) = 0 + 0,3 + 0,8 + 0,6 = 1,7 reclamação por dia, em média.
2. Passo 2: encontre E[X²]
E[X²] = (0²×0,1) + (1²×0,3) + (2²×0,4) + (3²×0,2) = 0 + 0,3 + 1,6 + 1,8 = 3,7.
3. Passo 3: subtraia a média ao quadrado
Var(X) = E[X²] − (E[X])² = 3,7 − 1,7² = 3,7 − 2,89 = 0,81.
4. Passo 4: extraia a raiz quadrada para obter o desvio padrão
σ = √0,81 = 0,9 reclamação por dia, ou seja, as contagens diárias de reclamações variam tipicamente cerca de 0,9 em torno da média de 1,7.
Exemplo resolvido: probabilidade da distribuição binomial
Uma distribuição binomial se aplica quando você tem um número fixo de tentativas independentes, cada uma com exatamente dois resultados (sucesso ou fracasso) e a mesma probabilidade de sucesso todas as vezes. A fórmula é P(X=k) = C(n,k) × p^k × (1−p)^(n−k), em que n é o número de tentativas, k é o número de sucessos desejado e p é a probabilidade de sucesso em uma única tentativa. Suponha que 30% dos visitantes de uma landing page se cadastrem (p = 0,3) e que você observe 10 visitantes independentes (n = 10). Qual é a probabilidade de exatamente 3 deles se cadastrarem?
1. Passo 1: identifique n, k e p
n = 10, k = 3, p = 0,3, então 1 − p = 0,7.
2. Passo 2: calcule o número de combinações
C(10,3) = 10! ÷ (3! × 7!) = 120.
3. Passo 3: calcule p^k e (1−p)^(n−k)
p³ = 0,3³ = 0,027. (1−p)^7 = 0,7^7 = 0,0823543.
4. Passo 4: multiplique tudo
P(X=3) = 120 × 0,027 × 0,0823543 ≈ 0,2668, ou cerca de 26,68%.
Para uma distribuição binomial, a média é μ = np e a variância é σ² = np(1 − p) — com n = 10 e p = 0,3, isso dá uma média de 3 e uma variância de 2,1, sem precisar de uma tabela de probabilidade completa.
Quando uma distribuição normal pode aproximar uma distribuição binomial?
Quando o número de tentativas é grande, calcular uma probabilidade binomial exata à mão — ou até somar muitos termos binomiais — se torna impraticável, então os estatísticos aproximam a distribuição binomial por uma distribuição normal. A aproximação é considerada confiável quando np ≥ 5 e n(1−p) ≥ 5. Suponha que 200 e-mails sejam enviados e que cada um tenha 40% de chance de ser aberto (n = 200, p = 0,4). Qual é a probabilidade de no máximo 45 dos primeiros 100 destinatários abrirem o e-mail, usando n = 100 para esta pergunta?
1. Passo 1: verifique as condições da aproximação
Com n = 100 e p = 0,5 para esta pergunta específica, np = 50 ≥ 5 e n(1−p) = 50 ≥ 5, então a aproximação normal é válida.
2. Passo 2: encontre a média e o desvio padrão
μ = np = 100 × 0,5 = 50. σ = √(np(1−p)) = √(100 × 0,5 × 0,5) = √25 = 5.
3. Passo 3: aplique a correção de continuidade
Como a distribuição binomial é discreta e a normal é contínua, ajuste X = 45 para X = 45,5 antes de converter em escore z: z = (45,5 − 50) ÷ 5 = −0,9.
4. Passo 4: consulte a probabilidade
P(Z < −0,9) ≈ 0,1841, então P(X ≤ 45) ≈ 18,41%.
A correção de continuidade — somar ou subtrair 0,5 antes de converter em escore z — é o que mantém a aproximação normal precisa para uma distribuição que, na verdade, é discreta.
Que erros comuns atrapalham os cálculos de distribuição de probabilidade?
A maior parte dos erros em problemas de distribuição de probabilidade vem de um pequeno conjunto de deslizes recorrentes, e checar esses pontos antes de confiar na resposta final elimina a maioria dos erros em tarefas e provas.
1. Esquecer de verificar se as probabilidades somam 1
Construir valor esperado ou variância sobre uma distribuição que não soma 1 garante uma resposta errada, mesmo que todos os outros passos estejam corretos.
2. Confundir variância amostral com variância populacional
Quando todos os resultados e probabilidades de uma distribuição são plenamente conhecidos, use Var(X) = E[X²] − (E[X])², e não a fórmula da variância amostral que divide por n − 1 — essa fórmula serve para estimar a variância a partir de uma amostra de dados, não de uma distribuição conhecida.
3. Aplicar a aproximação normal sem verificar np ≥ 5 e n(1−p) ≥ 5
Usar uma aproximação normal em uma distribuição binomial com n pequeno ou p extremo produz uma probabilidade visivelmente imprecisa, porque a distribuição binomial fica assimétrica demais para ser bem modelada por uma curva em sino simétrica.
4. Esquecer a correção de continuidade
Pular o ajuste de 0,5 ao aproximar uma distribuição binomial discreta por uma curva normal contínua desloca sistematicamente a probabilidade resultante, especialmente para valores menores de n.
Problemas práticos com soluções completas
Resolva estes três problemas antes de conferir o resultado de qualquer calculadora, usando as mesmas fórmulas apresentadas acima.
1. Problema 1: valor esperado e variância
Uma variável aleatória discreta X tem P(X=−1) = 0,2, P(X=0) = 0,3, P(X=1) = 0,3, P(X=2) = 0,2. Encontre E[X] e Var(X). Solução: E[X] = (−1×0,2)+(0×0,3)+(1×0,3)+(2×0,2) = −0,2+0+0,3+0,4 = 0,5. E[X²] = (1×0,2)+(0×0,3)+(1×0,3)+(4×0,2) = 0,2+0+0,3+0,8 = 1,3. Var(X) = 1,3 − 0,5² = 1,3 − 0,25 = 1,05.
2. Problema 2: probabilidade binomial de "pelo menos um"
Se 25% das peças de uma máquina são defeituosas (p = 0,25) e 8 peças são amostradas (n = 8), encontre P(pelo menos 1 defeituosa). Solução: P(nenhuma defeituosa) = (0,75)^8 ≈ 0,1001. P(pelo menos 1) = 1 − 0,1001 ≈ 0,8999, ou cerca de 89,99%.
3. Problema 3: aproximação normal da binomial
Com n = 200 e p = 0,4, encontre P(X ≥ 90) usando a aproximação normal. Solução: μ = np = 80, σ = √(200×0,4×0,6) = √48 ≈ 6,93. Com a correção de continuidade, X = 89,5, então z = (89,5 − 80) ÷ 6,93 ≈ 1,37. P(Z ≥ 1,37) ≈ 1 − 0,9147 = 0,0853, ou cerca de 8,53%.
Quando você deve usar uma calculadora de distribuição de probabilidade?
Uma calculadora de distribuição de probabilidade se justifica sempre que você precisa de uma resposta rápida e verificável para uma variável aleatória com resultados conhecidos ou com uma família de distribuições conhecida: disciplinas de estatística que cobrem tabelas discretas, a distribuição binomial e a distribuição normal; amostragem de controle de qualidade, em que uma fábrica estima a probabilidade de um lote conter peças defeituosas demais; seguros e finanças, em que cálculos de valor esperado orientam a precificação de prêmios e riscos; e testes A/B, em que um modelo binomial estima a probabilidade de uma diferença de conversão observada ser relevante. Em todos os casos, a calculadora é mais útil depois que você entende a fórmula que ela aplica — assim você consegue detectar uma entrada errada ou uma aproximação inaplicável antes que ela produza uma resposta confiantemente errada.
Como o Solvify pode ajudar você a conferir problemas de distribuição de probabilidade?
Depois que você entende o raciocínio acima, uma ferramenta é mais útil para verificar seu trabalho rapidamente do que para substituir o pensamento. O solucionador passo a passo do Solvify decompõe questões de distribuição de probabilidade — tabelas discretas, probabilidades binomiais e aproximações normais — nos mesmos passos identificados que aparecem ao longo deste guia, para que você possa comparar seu próprio trabalho linha por linha em vez de ver apenas uma porcentagem final.
1. Tire uma foto do problema
Use o smart scan do Solvify para capturar uma questão de distribuição de probabilidade direto do livro ou da lista de exercícios e receber a solução completa resolvida.
2. Compare seus passos com a solução
Confira seu valor esperado, sua variância e sua probabilidade final com o detalhamento do Solvify para pegar erros como os descritos acima.
3. Faça perguntas de acompanhamento
Use o tutor de IA do Solvify para perguntar por que a aproximação normal se aplica ou para ver o mesmo problema resolvido com a fórmula binomial exata.
Uma calculadora deve confirmar o seu raciocínio, não substituí-lo — o Solvify mostra o caminho completo passo a passo para que você veja exatamente onde o seu cálculo coincidiu ou divergiu.
Artigos relacionados
Calculadora de distribuição binomial: como calcular probabilidades à mão
Um mergulho mais profundo na fórmula binomial usada acima, com mais exemplos resolvidos de probabilidades binomiais exatas e acumuladas.
Calculadora da curva de distribuição normal: fórmulas, passos e exemplos
A matemática do escore z e da regra empírica por trás do exemplo de aproximação normal, aplicada a distribuições contínuas como notas de provas e alturas.
Calculadora de probabilidade com dados: fórmulas, exemplos resolvidos e problemas práticos
Outro tema de probabilidade discreta construído sobre o mesmo raciocínio de espaço amostral e valor esperado usado nas tabelas de distribuição de probabilidade.
Solucionadores matemáticos
Soluções passo a passo
Veja cada fórmula, substituição e valor intermediário exposto com clareza, em vez de apenas uma probabilidade final.
Solucionador com smart scan
Tire uma foto de uma questão de distribuição de probabilidade e receba um detalhamento instantâneo e totalmente resolvido.
Tutor de matemática com IA
Faça perguntas de acompanhamento sobre valor esperado, variância ou quando usar uma aproximação normal em vez da fórmula binomial exata.