Probabilidade

Distribuio Normal

Distribuio Normal
|

Uma varivel aleatria contnua tem uma

distribuio normal se sua distribuio :
z

simtrica

apresenta (num grfico) forma de um sino

Funo Densidade da

Distribuio Normal

f (x) =

1 x 2

Distribuio Normal
|

Quando uma distribuio contnua, o grfico

de distribuio uma linha contnua
No se visualiza as barras de um histograma,
mas freqncias de ocorrncias de cada valor
de x em intervalos infinitesimais
Forma uma Curva de Densidade de
Probabilidade (funo pdf Probability Density
Function)

Funo Densidade da
Distribuio Normal
A funo densidade da normal (e de qualquer outra
varivel aleatria contnua) pode ser compreendida
como uma extenso natural de um histograma
+

P( x)dx = 1

0 P (x) 1

A probabilidade a
rea sob a curva de
densidade. Portanto,
para qualquer P(x):

P ( x) 0

Distribuio Normal
Note que a distribuio normal especificada por dois
parmetros:

representa a mdia populacional, e

representa o desvio-padro populacional

f ( x) =

1 x

2

Distribuio Normal Padronizada

|

Cada par de parmetros (, ) define uma distribuio

normal distinta!
A figura mostra as curvas de densidade para alturas de
mulheres e homens adultos nos EUA

Distribuio Normal Padronizada

|

A distribuio normal padronizada tem

mdia e desvio padro iguais a:

=0

=1

A distribuio normal padronizada facilita os clculos de

probabilidade, evitando o uso da frmula e projetando
qualquer anlise mediante utilizao de ESCORES (Z)

z =

Distribuio Normal Padronizada

|

Se x uma observao de uma distribuio que tem

mdia e desvio-padro , o valor padronizado de x

z =
|

Note que o valor padronizado representa o nmero de

desvios-padro pelo qual um valor x dista da mdia
(para mais ou para menos)

Distribuio Normal Padronizada

|

Ou seja, como a distribuio normal padronizada

aquela que tem mdia 0 e desvio-padro 1, ou seja N(0,
1)

Se uma varivel aleatria x tem distribuio normal

qualquer N(, ), ento a varivel padronizada

z =
tem distribuio normal

Exemplo
|

Um professor de clculo aplica dois testes

diferentes a duas turmas do seu curso. Os
resultados foram:
Turma 1:

mdia = 75

desvio = 14

Turma 2:

mdia = 40

desvio = 8

Que nota relativamente melhor: 82 na turma

1, ou 46 na turma 2?

Distribuio Normal Padronizada

|

A estimativa de probabilidades associadas a variveis

aleatrias contnuas envolve o clculo de reas sob a
curva da densidade.

O uso da distribuio normal padronizada nos permite

calcular reas sob a curva de uma distribuio normal
qualquer, pois as reas associadas com a normal
padronizadas so tabeladas.

A Tabela A-2 ser usada para os clculos de

probabilidade envolvendo distribuies normais.

Exemplo
|

Uma empresa fabrica termmetros que devem acusar a leitura de 0 C

no ponto de congelamento da gua. Testes feitos em uma grande
amostra desses termmetros revelaram que alguns acusavam valores
inferiores a 0 C e alguns acusavam valores superiores.

Supondo que a leitura mdia seja 0C e que o desvio-padro das

leituras seja 1,00 C, qual a probabilidade de que, no ponto de
congelamento, um termmetro escolhido aleatoriamente marque entre
0 e 1,58 C ?

Admita que a freqncia de erros se assemelhe a uma distribuio

normal.

Exemplo
|

A distribuio de probabilidade das leituras uma

normal padronizada porque as leituras tm = 0 e
= 1.
A rea da regio sombreada, delimitada pela mdia 0 e
pelo nmero positivo z, pode ser lida na Tabela A-2

Distribuio Normal
Padronizada
EXEMPLO
 Portanto, a probabilidade de se escolher aleatoriamente um
termmetro com erro entre 0 e 1,58 C 44,29 %
 Outra maneira de interpretar este resultado concluir que
44,29% dos termmetros tero erros entre 0 e 1,58 C

Distribuio Normal
Padronizada
EXEMPLO
Com os termmetros do exemplo anterior,
determine a probabilidade de se selecionar
aleatoriamente um termmetro que acuse (no
ponto de congelamento da gua), uma leitura
entre -2,43 C e 0 C?

Distribuio Normal
Padronizada
|

Estamos interessados na regio sombreada da Figura

(a), mas a Tabela A-2 se aplica apenas a regies
direita da mdia (0), como a da Figura (b)
Podemos ver que ambas as reas so idnticas porque
a curva de densidade simtrica !

Distribuio Normal
Padronizada
EXEMPLO
 Portanto,

a probabilidade de se escolher
aleatoriamente um termmetro com erro entre 2,43C e 0C 49,25 %

 Em outras palavras, 49,25% dos termmetros tero

erros entre -2,43 C e 0 C

Distribuio Normal
Padronizada
EXEMPLO
Mais uma vez, faremos uma escolha aleatria da
mesma amostra de termmetros.
Qual a probabilidade de que o termmetro escolhido
acuse (no ponto de congelamento da gua), uma leitura
superior a +1,27 C ?

Distribuio Normal
Padronizada
|

A probabilidade de escolher um termmetro que acuse

leitura superior a 1,27 C corresponde rea
sombreada da figura
Se a rea total sob a curva da densidade igual a 1, a
rea direita de zero vale metade, isto , 0,5. Assim,
podemos calcular facilmente a rea sombreada !

Distribuio Normal
Padronizada
EXEMPLO
 Podemos concluir que h uma probabilidade de
10,20% de escolher aleatoriamente um termmetro
com leitura superior a +1,27 C.

 Podemos dizer, ainda, que, em um grande lote de

termmetros escolhidos aleatoriamente e testados,
10,20% deles acusaro leitura superior a +1,27 C

Distribuio Normal
Padronizada
EXEMPLO
De novo, faremos uma escolha aleatria da mesma
amostra de termmetros.
Qual a probabilidade de que o termmetro escolhido
acuse (no ponto de congelamento da gua), uma leitura
entre 1,20 e 2,30 C ?

Distribuio Normal
Padronizada
|
|

A probabilidade de escolher um termmetro que acuse leitura

entre 1,20 e 2,30 C corresponde rea ombreada da figura
fcil perceber que podemos calcular esta rea, subtraindose a rea de 0 at o maior valor (2,30), da rea de 0 at o
menor valor (1,20), que so lidas na Tabela A-2 !

Distribuio Normal
Padronizada
Dos exemplos anteriores, podemos expressar as probabilidades
calculadas com a notao seguinte:

P (a < z < b)

denota a probabilidade de o valor

de z estar entre a e b

P (z > a)

denota a probabilidade de o valor

de z ser maior do que a

P (z < a)

denota a probabilidade de o valor

de z ser menor do que a

As figuras abaixo ajudam na interpretao das expresses mais

comuns no clculo de probabilidades:

Distribuio Normal No
Padronizada
|

Os exemplos feitos com o termmetro no so muito

realistas porque a maioria das populaes distribudas
normalmente tm mdia diferente de 0, desvio diferente
de 1, ou ambos.

Como proceder, ento, para calcular probabilidades

de distribuies normais no-padronizadas ?

Distribuio Normal No
Padronizada
A idia utilizar a frmula dos valores padronizados e
TRANSFORMAR qualquer distribuio normal dada na
normal padronizada, como mostrado abaixo.

Distribuio Normal No
Padronizada
EXEMPLO
As alturas das mulheres americanas segue uma distribuio
normal com mdia de 63,6 e desvio-padro de 2,5.
Selecionada uma mulher americana ao acaso, qual
probabilidade da sua altura estar entre 63,6 e 68,6 polegadas ?

Distribuio Normal No
Padronizada
|

Devemos proceder da maneira descrita a

seguir:
z
z
z

Trace uma curva normal, assinale a mdia e outros valores de

interesse, e sombreie a regio que representa a probabilidade desejada
Para cada valor x da fronteira da regio sombreada, aplique a frmula
para achar o valor padronizado z
Utilize a Tabela A-2 para
achar a rea da regio sombreada

Distribuio Normal No
Padronizada
EXEMPLO
|

H, portanto, uma probabilidade de 0,4772 de

escolher uma mulher com altura entre 63,6 pol.
e 68,6 pol. Usando a notao, teramos:
z

P (63,6 < x < 68,6) = P (0 < z < 2,00) =

47,72%

Outra forma de interpretar este resultado

consiste em concluir que 47,72% das mulheres
americanas tm altura entre 63,6 pol. e 68,6
pol.

Regra 68-95-99,7
Numa distribuio normal N(, ) ou N(x, s)