Exercício 6 Para cada cenário abaixo, indique se a distribuição binomial é um modelo razoável para a variável aleatória.
Seja
o número de acidentes nas rodovias de São Paulo durante um mês;
Seja
Passo 1
O enunciado dá: seja
o número de acidentes nas rodovias de São Paulo durante um mês. A pergunta é: para esse cenário, a distribuição binomial é um modelo razoável para a variável aleatória
?\n
Informações explícitas fornecidas:
Informações explícitas fornecidas:
- A variável é um contador: conta acidentes ocorridos em um intervalo de tempo (um mês).
- O intervalo de observação é fixo: um mês.
- Não há dados numéricos (como taxa média) no enunciado.
- Não há definição de “trial” (ensaio) no enunciado: precisamos avaliar se faz sentido definir ensaios bernoulliianos aqui.
Passo 2
O que é a distribuição binomial (aula rápida, calma — sem pânico):
- A distribuição binomial descreve o número de sucessos em
ensaios independentes de Bernoulli, cada um com probabilidade de sucesso fixa. - Formalmente, se
então
- Significado das variáveis:
-
é o número fixo de ensaios (por exemplo, número de lançamentos de moeda). -
é a probabilidade de sucesso em cada ensaio (a mesma para todos). - Cada ensaio tem só duas possibilidades: “sucesso” ou “fracasso” (por exemplo, acidente ocorreu vs não ocorreu para aquele ensaio).
-
- Condições essenciais para o modelo binomial ser apropriado:
- Existe um número fixo e conhecido de ensaios
. - Cada ensaio tem exatamente duas saídas (sucesso/fracasso).
- Os ensaios são independentes.
- A probabilidade de sucesso
é a mesma em todos os ensaios.
- Existe um número fixo e conhecido de ensaios
- Exemplo simples que a gente conhece: número de caras em
lançamentos de moeda justa ( ).
Passo 3
Agora vamos checar, item por item, se essas condições fazem sentido para “número de acidentes numa rodovia em um mês”:
- Número fixo de ensaios
: - Para usar binomial precisamos escolher um
claro (ex.: número de motoristas, número de viagens, número de segmentos-km, etc.). No enunciado não há um natural e fixo. - Se eu escolher “motoristas” como ensaios, esse
varia com quem dirige, quantas viagens, etc.; não é um fixo e bem definido na prática. - Conclusão: condição do
fixo é problemático aqui.
- Para usar binomial precisamos escolher um
- Dois resultados por ensaio (sucesso/fracasso):
- Poderíamos forçar isso: para cada motorista, “teve pelo menos um acidente no mês” (sucesso) vs “não teve” (fracasso). Mas isso ignora a possibilidade de um mesmo motorista ter múltiplos acidentes no mês.
- O número total de acidentes pode ser maior que o número de motoristas que tiveram algum acidente (porque um motorista pode ter 2, 3, … acidentes). A binomial conta somente número de sucessos por ensaio, não múltiplos sucessos por mesmo ensaio.
- Conclusão: a ideia de “duas saídas por ensaio” não captura bem a realidade quando múltiplos acidentes por unidade (motorista/viagem) são possíveis.
- Independência entre ensaios:
- Acidentes não são totalmente independentes: condições climáticas, obras, engarrafamentos, um acidente pode causar outros, horários de pico influenciam risco, etc.
- Esses fatores criam dependência e heterogeneidade temporal e espacial.
- Conclusão: independência é duvidosa.
- Probabilidade constante
: - Risco de acidente varia com motorista, veículo, horário, trecho das rodovias, condições meteorológicas, dia da semana, campanhas de segurança etc.
- Logo, assumir um
constante para todos os “ensaios” é muito forte e irrealista. - Conclusão: constante
é improvável.
Passo 4
Resumo do diagnóstico: vários requisitos da binomial são violados ou muito difíceis de garantir no cenário real:
- Não há um
natural e fixo que represente os “ensaios” de forma adequada. - Motoristas/viagens podem gerar múltiplos acidentes (violando a ideia de no máximo 1 sucesso por ensaio).
- Independência e probabilidade constante são condições fracas aqui por causa de fatores externos (tempo, tráfego, etc.).
Posso tentar “forçar” um modelo binomial? Sim — por exemplo, dividir o mês em muitos pequenos intervalos de tempo e definir um “ensaio” como “ocorre ao menos um acidente nesse micro-intervalo” — mas isso costuma ser artificial, gera dependências temporais e, no limite, quando os intervalos ficam muito pequenos com probabilidade por intervalo muito pequena, o modelo binomial (com
grande e
pequeno) aproxima-se de um modelo de Poisson. Então, mesmo ao forçar, a binomial não é a escolha natural nem prática.
Passo 5
Sugestão de modelo mais apropriado (breve aula sobre alternativa):
- Para contagens de eventos que ocorrem ao longo do tempo/ espaço, quando:
- os eventos são “raros” em pequenos intervalos,
- a ocorrência (aproximadamente) tem taxa constante por unidade de tempo/área,
- o número de eventos é não limitado (pode ser 0,1,2,3,…),
então costuma-se usar o processo de Poisson e a distribuição de Poisson.
- Se
, então
onde
é a média (ou taxa multiplicada pelo período) — por exemplo, o número médio de acidentes por mês.
- Por que o Poisson costuma ser melhor aqui?
- Não precisa de um
fixo. - Permite múltiplos eventos (acidentes) em um mesmo “agente” ou período.
- Suporta qualquer
. - Em muitos contextos práticos de acidentes/órbitos/falhas por unidade de tempo, os dados se ajustam melhor ao Poisson (ou modelos relacionados, como Poisson com taxa variável — mistura de Poisson — se houver heterogeneidade).
- Não precisa de um
- Exemplo rápido: se a média histórica é
acidentes por mês, a probabilidade de exatamente acidentes é dada pela fórmula acima; a média e variância do Poisson são ambas .
Passo 6
Conclusão final (meio abraço motivacional: você está indo bem — a pergunta era qualitativa):
- A binomial exige
fixo, ensaios independentes, e probabilidade constante por ensaio — condições que não são razoáveis para contar acidentes em rodovias ao longo de um mês. - Portanto, a distribuição binomial não é um modelo razoável para
. Em vez disso, modelos de contagem tipo Poisson (ou variações que permitem heterogeneidade) são normalmente mais apropriados.
Resposta
Não — a distribuição binomial não é um modelo razoável para
.