02/12/2025
Distribuição de Probabilidade Contínua
Uma função 𝑓 𝑥 que satisfaz as seguintes condições
𝑓(𝑥) ≥ 0
𝑓 𝑥 𝑑𝑥 = 1
é chamada de função de densidade de probabilidade para uma
variável aleatória contínua, e dela se pode deduzir as
probabilidades desejadas utilizando-se
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = ∫ 𝑓 𝑥 𝑑𝑥
Que é a probabilidade de 𝑋 estar entre 𝑎 e 𝑏
Interpretação gráfica.
Se 𝑓(𝑥) é uma função de densidade, podemos representar 𝑦 = 𝑓(𝑥) graficamente
por uma curva. Como 𝑓(𝑥) ≥ 0 , a curva não pode estar abaixo do eixo 𝑥. A área
total delimitada pela curva e pelo eixo 𝑥 deve ser 1. Geometricamente, a
probabilidade de 𝑋 estar entre 𝑎 e 𝑏, 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 , é então dada pela área
sombreada. 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = ∫ 𝑓 𝑥 𝑑𝑥
1
02/12/2025
Distribuição Normal Padrão
Uma V.A. Z tem distrinuição normal padrão com média zero e variância 1
denotado por Z~N(0,1), se a função densidade de probabilidade de Z é
dada por
1
𝑓 𝑧 = 𝑒 , −∞ < 𝑧 < ∞
2𝜋
Sua forma é de um sino simétrico em torno de 0 :
a função densidade de probabilidade v.a. normal padrão Z é
1
𝑓 𝑧 = 𝑒 , −∞ < 𝑧 < ∞
2𝜋
𝑧 𝑓(𝑧)
-3 1
𝑒 = 0.004
2𝜋
-2 1
𝑒 = 0.05399
2𝜋
-1 1
𝑒 = 0.24197
2𝜋
0 1
𝑒 = 0.3989
2𝜋
1 1
𝑒 = 0.24197
2𝜋
2 1
𝑒 = 0.05399
2𝜋
3 1
𝑒 = 0.004
2𝜋
sua forma é de um sino simétrico em torno de sua média, 0.
2
02/12/2025
Distribuição Normal Padrão
Assim, pode-se mostrar que se Z~N(0,1), então
E(Z)=0 e Var(Z)=1
As distribuições normais serão usadas para modelar dados cujos
histogramas sejam aproximadamente simétricos.
A função de distribuição da v.a. Z é dada por
1
Φ 𝑧 =𝑃 𝑍<𝑧 = 𝑓 𝑢 𝑑𝑢 = 𝑒 𝑑𝑢
2𝜋
Como Φ 𝑧 não pode ser obtida analiticamente ( como na forma ∫f(x)dx=F(x)+C ). O valor
de Φ 𝑧 é dado por integração numérica e seus valores são tabelados. A função 𝑓 𝑢
não possui uma primitiva(antiderivada) analítica simples, tornando a integração
numérica uma ferramenta essencial para calcular probabilidades, como a área
acumulada, de vários trapézios, por exemplo.
a função densidade de probabilidade v.a. normal padrão Z é
1
𝑓 𝑧 = 𝑒 , −∞ < 𝑧 < ∞
2𝜋
𝑧 𝑓(𝑧)
-3 1
𝑒 = 0.004
2𝜋
-2 1
𝑒 = 0.05399
2𝜋
-1 1
𝑒 = 0.24197
2𝜋
0 1
𝑒 = 0.3989
2𝜋
1 1
𝑒 = 0.24197
2𝜋
2 1
𝑒 = 0.05399
2𝜋
3 1
𝑒 = 0.004
2𝜋
sua forma é de um sino simétrico em torno de sua média, 0.
3
02/12/2025
Método numérico para obter uma aproximação da área entre a curva f(x) e o eixo x:
Por integração numérica pela regra dos trapézios tem-se que
ℎ ℎ ℎ ℎ
𝑓 𝑥 𝑑𝑥 ≈ [𝑓 𝑥 + 𝑓 𝑥 ] + [𝑓 𝑥 + 𝑓 𝑥 ] + ⋯ + [𝑓 𝑥 +𝑓 𝑥 ] + [𝑓 𝑥 +𝑓 𝑥 ]
2 2 2 2
. : ∫ 𝑓 𝑥 𝑑𝑥 ≈ (𝑓 𝑥 + 2𝑓 𝑥 + 2𝑓 𝑥 + ⋯ + 2𝑓 𝑥 + 𝑓(𝑥 ))
Aplicando a Regra dos Trapézios para, por exemplo, encontrar a probabilidade da
v.a. Normal Padrão Z estar entre os valores 0 e 1.
ℎ ℎ ℎ ℎ
𝑓 𝑥 𝑑𝑥 ≈ [𝑓 𝑥 + 𝑓 𝑥 ] + [𝑓 𝑥 + 𝑓 𝑥 ] + ⋯ + [𝑓 𝑥 +𝑓 𝑥 ] + [𝑓 𝑥 +𝑓 𝑥 ]
2 2 2 2
. : ∫ 𝑓 𝑥 𝑑𝑥 ≈ (𝑓 𝑥 + 2𝑓 𝑥 + 2𝑓 𝑥 + ⋯ + 2𝑓 𝑥 + 𝑓(𝑥 ))
.
∫ 𝑓 𝑧 𝑑𝑧 ≈ (𝑓 0 + 2𝑓 0.1 + 2𝑓 0.2 + 2𝑓 0.3 + ⋯ + 2𝑓 0.9 + 𝑓(1))
4
02/12/2025
Aplicando a Regra dos Trapézios para, por exemplo, encontrar a probabilidade da
v.a. Normal Padrão Z estar entre os valores 0 e 1.
.
∫ 𝑓 𝑧 𝑑𝑧 ≈ (𝑓 0 + 2𝑓 0.1 + 2𝑓 0.2 + 2𝑓 0.3 + ⋯ + 2𝑓 0.9 + 𝑓(1))
𝑃 0≤𝑍≤1 =∫ 𝑒 𝑑𝑧
1 . 1 1 . 1 . 1 . 1
𝑒 𝑑𝑧 ≈ 𝑒 +2 𝑒 +2 𝑒 + ⋯+ 2 𝑒 + 𝑒
2𝜋 2𝜋 2𝜋 2𝜋 2𝜋 2𝜋
≈(0.1/2)*(0.398942+0.793905+0.782085+0.762776+0.73654+0.704131
+0.666449+0.624508+0.579383+0.53217+0.241971) = 0.341143
10
As Probabilidades 𝑃 𝑍 ≤ 𝑧 da distribuição Normal Padrão encontram-se tabeladas. Vamos
encontrar a probabilidade 𝑃 0 ≤ 𝑍 ≤ 1 , olhando para a tabela desta distribuição.
𝑃 0 ≤ 𝑍 ≤ 1 = 𝑃 𝑍 ≤ 1 − 𝑃 𝑍 ≤ 0 = 0.84134 − 0.5 = 0.34134
11
5
02/12/2025
12
Exemplo. Seja Z~N(0,1), Encontrar
𝑃(𝑍≤ −1.36)= 0.08692
𝑃(𝑍 ≥ 0.38)= 0.0869=𝑃(𝑍≤ −0.38)=0.35197
𝑃(0.31≤𝑍≤ 2.72)=𝑃(𝑍≤ 2.72)−P(𝑍≤ 0.31)=0.99674−0.62172=0.375
𝑃(−1.32 ≤ 𝑍 ≤ 0.3)=𝑃(𝑍 ≤ 0.3)−P(𝑍≤−1.32)=0.61791−0.09342=0.5245
13
6
02/12/2025
Distribuição Normal com média e variância
Mais importante é a distribuição Normal com média 𝜇 e variância 𝜎 , pois ela define uma
classe de infinitas curvas que podem se ajustar a dados com histograma
∑
aproximadamente simétrico com média amostral 𝑋 = e variância amostral
∑ ( )
𝑆 = .
Diz-se que uma v.a. X tem distribuição normal com com média 𝜇 e variância
𝜎 , denotado por X~N(𝜇 ,𝜎 ) se a função de densidade de probabilidade de
X é dada por
1 ( )
𝑓 𝑥 = 𝑒 , −∞ < 𝑥 < ∞
2𝜋𝜎
14
Distribuição Normal com média e variância
Diz-se que uma v.a. X tem distribuição Normal com média 𝜇 e variância
𝜎 , denotado por X~N(𝜇 ,𝜎 ) se a função de densidade de probabilidade
de X é dada por
1 ( )
𝑓 𝑥 = 𝑒 , −∞ < 𝑥 < ∞
2𝜋𝜎
A forma da função de densidade de probabilidade de X é um sino
simétrico em torno da media 𝜇 :
A distribuição é simétrica, a media, a mediana e a moda da distribuição
Normal são iguais. Prova-se que a área abaixo da curva normal é igual a 1.
15
7
02/12/2025
Distribuição Normal com média e variância
Pode-se mostrar que se X~N(𝜇 ,𝜎 ) então
𝐸 𝑋 =𝜇
𝑉𝑎𝑟 𝑋 = 𝜎
𝐷𝑃 𝑋 = 𝜎
16
Distribuição Normal com média e variância
A função de distribuição da v.a. X~N(𝜇 ,𝜎 ) é dada por
1 ( )
Φ 𝑥 =𝑃 𝑋<𝑥 = 𝑓 𝑢 𝑑𝑢 = 𝑒 𝑑𝑢
2𝜋𝜎
Os valores das probabilidades Φ 𝑥 não podem ser obtidos
analiticamente. No entanto, pode-se mostrar que se X~N(𝜇 ,𝜎 ) então
𝑍= ~ 𝑁(0,1)
Assim é possível utilizer a tabela da Normal Padrão para os cálculos de
probabilidade de Normais com média 𝜇 e variância 𝜎
17
8
02/12/2025
Exemplo. Uma v.a. X tem distribuição Normal com média 100 e desvio-
padrão 15. Determine a probabilidade 𝑃 𝑋 ≤ 115 .
X~N(𝜇 ,𝜎 ) . X~N(100 ,225)
𝑃 𝑋 ≤ 115 = 𝑃 ≤ = 𝑃 𝑍 ≤ 1 = 0.8413
18