Estatística e Probabilidade
Aula 4 - Distribuição normal
Professor: Josceli Tenório
Variável Aleatória Contínua
Definição
Uma variável aleatória é contínua se seu conjunto de valores possíveis consiste em um intervalo
completo da reta de números (reta real).
De forma resumida, uma variável aleatória contínua:
● Assume valores num intervalo de números reais.
● Não é possível listar, individualmente, todos os possíveis valores da variável aleatória contínua.
● Associam-se probabilidades a intervalos de valores da variável.
Propriedades
Uma v.a. X contínua é caracterizada por sua função densidade de probabilidade f(x), com as
propriedades:
1
● A área sob a curva de densidade f(x) é 1.
● P(a <= X <= b) = área sob a curva da densidade f(x) e acima do eixo x, entre a e b.
● f(x) >= 0, para todo x.
● P(X = x0) = 0, para x0 fixo (área de uma linha).
Considerando que a probabilidade é calculada a partir da área abaixo da curva, pode-se verificar
que:
P(a < X < b) = P(a ⫹ X < b) = P(a < X ⫹ b) = P(a ⫹ X ⫹ b).
Distribuição de Probabilidade - Normal
A distribuição normal é a mais importante de todas em probabilidade e estatística. Muitas populações
numéricas possuem distribuições que podem ser ajustadas aproximadamente por uma curva normal
apropriada. Os exemplos incluem alturas, pesos e outras características físicas, erros de medida em
experimentos científicos, medidas antropométricas em fósseis, tempos de reação em experimentos
psicológicos, medidas de inteligência e aptidão, pontuações em testes variados e numerosas medidas e
indicadores econômicos. Mesmo quando a distribuição em questão é discreta, a curva normal
frequentemente fornece aproximação excelente. Além disso, ainda que as próprias variáveis individuais
não sejam normalmente distribuídas, as somas e as médias das variáveis terão uma distribuição
aproximadamente normal sob condições adequadas. Essa é a essência do Teorema do Limite Central.
Pode ser mostrado que:
2
1. 𝔲 é o valor esperado (média) de X, com -∞ < 𝔲 < ∞; 2. 𝜎2 é
a variância de X, com 𝜎2 > 0.
Notação: X ~ N(𝔲; 𝜎2)
A Figura 1 apresenta gráficos de f(x; 𝔲, 𝜎) para diversos pares ( 𝔲, 𝜎). Cada gráfico é simétrico em torno
de 𝔲 e tem forma de sino, de modo que o centro do sino (ponto de simetria) é tanto a média como a
mediana da distribuição. O valor de 𝜎 é a distância de 𝔲 até os pontos de inflexão da curva (os pontos
em que a curva muda de direção).
Figura 1. Gráficos de fdps normais
Propriedades de X ~ N(𝔲; 𝜎2)
Como determinar a área para qualquer N(𝔲; 𝜎2)?
Resposta: basta determinar a área para um caso particular: a normal padrão!
3
Distribuição Normal Padrão
Desta forma, Z~N (0,1)
Se X tem distribuição normal com média 𝔲 e desvio padrão 𝜎, então Z tem distribuição normal padrão. Z
pode então ser calculado por:
Assim:
A ideia-chave da proposição é que, pela padronização, qualquer probabilidade que envolva X é expressa
como uma probabilidade que envolve uma va normal padrão Z, de forma que os valores possam ser
obtidos por meio de uma tabela!
Uso da tabela normal padrão
Exemplos:
Seja Z ~ N(0; 1), calcular
4
a) P(Z <= 0,32)
Resposta: P(Z <= 0,32) = A(0,32) = 0,6255.
b) P(–1,32 < Z < 0) = P(0 < Z < 1,32) (por simetria)
= P(Z <= 1,32) - P(Z <= 0)
= A(1,32) - 0,5 = 0,9066 - 0,5 = 0,4066.
c) P(Z >= 1,5) = 1
– P(Z <= 1,5)
= 1 – A(1,5)
= 1 – 0,9332 = 0,0668.
d) P(Z <= –1,3)
= P(Z >= 1,3) = 1 – A(1,3) = 1 – 0,9032 = 0,0968.
5
e) P(-1,5 <= Z <= 1,5) = P(Z <=
1,5) - P(Z <= –1,5)
= A(1,5) - [1- A(1,5)] = 0,8664.
Exemplo
O tempo gasto no exame vestibular de uma universidade tem distribuição normal, com média 120 min e
desvio padrão 15 min.
a) Sorteando-se um aluno ao acaso, qual é a probabilidade de ele terminar o exame antes de 100
minutos?
X: tempo gasto no exame vestibular X ~ N(120; 152)
= 1- A(1,33) = 1- 0,9082 = 0,0918.
Outra interpretação: 9,18% dos estudantes que prestaram esse exame concluíram em menos de 100
min.
b) Qual deve ser o tempo de prova, de modo a permitir que 95% dos vestibulandos terminem no
prazo estipulado?
X: tempo gasto no exame vestibular X ~ N(120; 152)
Precisamos encontrar z! z =
? tal que A(z) = 0,95.
6
Pela tabela z = 1,64. z = 1,64 =
=> x = 144,6 min.
Resultado importante
Podemos usar;
Se a distribuição de população de uma variável for (aproximadamente) normal, então 1. Cerca de 68%
dos valores estão a 1 DP da média.
2. Cerca de 95% dos valores estão a 2 DPs da média.
3. Cerca de 99,7% dos valores estão a 3 DPs da média.
Aplicações
1. Seja Z uma variável aleatória normal e calcule as probabilidades a seguir, fazendo as
ilustrações quando apropriado. P(Z <= 1,25)
b. P(Z > 1,25)
c. P(Z <= -1,25)
d. P( -0,38 <= Z <= 1,25).
2. O tempo que um motorista leva para reagir às luzes de freio em um veículo em
desaceleração é crucial para evitar colisões traseiras. O tempo de reação de uma resposta
7
no trânsito a um sinal de frenagem com luzes de freio convencionais pode ser modelado
com uma distribuição normal de média 1,25 s e desvio padrão 0,46 s. Qual é a
probabilidade de que o tempo de reação esteja entre 1,00 e 1,75 segundo?
3. Suponha que o diâmetro de certo tipo de árvores na altura do tronco tenha distribuição
normal com média = 8,8 e desvio-padrão = 2,8.
a. Qual é a probabilidade de uma árvore selecionada aleatoriamente ter um
diâmetro de no mínimo 10 polegadas? Exceder 10 polegadas?
b. Qual é a probabilidade de o diâmetro de uma árvore selecionada aleatoriamente
exceder 20 polegadas?
c. Qual é a probabilidade de o diâmetro de uma árvore selecionada aleatoriamente
estar entre 5 e 10 polegadas?
4. Tabela SINASC - Verificar se a variável PESO de nascimento segue uma distribuição normal.
Se sim, calcular a probabilidade de um bebê nascer com peso menor que 2,5 kg (ou 2.500 g),
ou seja, qual a probabilidade de uma criança nascer com baixo peso.
Referência
Devore J L. Probability and Statistics for Engineering and the Sciences. Thomson ed. 5a. ed. 284
p.