MSPC Informaes tcnicas | Mapa | Fim pg |

Probabilidades e estatstica II-40 ndice do grupo | Pgina anterior | Prxima pgina | Distribuio normal | Distribuio normal multivariada | ndices Cincia dos materiais Eletricidade e eletromagnetismo Eletrnica digital Eletrnica em geral Fluidos, calor, frio, etc Informtica Matemtica Mecnica terica Resistncia dos materiais Temas tcnicos diversos Temas diversos Termodinmica / transmisso de calor

-------------------------------------------------------------------------------Distribuio normal | Topo pg | Fim pg | Esta , sem dvida, a distribuio estatstica mais comum e importante. Ocorre em uma variedade de fenmenos fsicos naturais, em estudos de comportamento humano, em processos industriais, etc. Tambm denominada distribuio gaussiana por ter sido usada pelo fsico e matemtico alemo Carl Friedrich Gauss (1777 - 1855) no estudo de dados astronmicos. Outra expresso associada distribuio normal a curva do sino, em razo da semelhana geomtrica da curva da funo de densidade. Cabe tambm citar que a qualificao normal tem origem histrica e no significa que outras distribuies no sejam normais no sentido usual da palavra. Uma varivel aleatria X dita ter distribuio normal se a funo de densidade de probabilidade dada por: f(x) = 1 exp[ (x )2 ] #A.1#. Onde:

 2 2 2 : constante matemtica ( 3,14159). exp: funo exponencial exp(y) = ey. e: constante matemtica ( 2,71828). : parmetro de localizao. a mdia da distribuio. : parmetro de forma. o desvio-padro da distribuio. Figura 01 A funo de distribuio acumulada usualmente dada em termos de integral da funo de densidade de acordo com a relao bsica entre elas: F(x) = 1 ...x exp[ (u )2 ] du #A.1#. 2 2 2 Mdia da distribuio normal: E(X) = #C.1#. Varincia da distribuio normal: Var(X) = 2 #D.1#. A Figura 01 ao lado exibe grficos aproximados das funes de distribuio e de densidade para algumas combinaes de e . Distribuio normal padro a distribuio normal com mdia nula e desvio-padro unitrio, isto , = 0 e = 1 (na Figura 01, corresponde s curvas de linha contnua). As funes de densidade e de distribuio para este caso so identificadas pelo uso das letras gregas fi (minscula e maiscula) no lugar dos f. Portanto, (x) = 1 exp[ x2 ] #E.1# e tambm (x) = 1 ...x exp[ u2 ] du #E.2#. 2 2 2 2 Notao usual para a distribuio normal: se uma varivel aleatria X tem distribuio normal de mdia e varincia 2, escreve-se X ~ N(, 2). Portanto, se Z tem distribuio normal padro, Z ~ N(0, 1). A funo geratriz de momentos da distribuio normal pode ser facilmente deduzida a partir da definio. O resultado MX(t) = E[ exp(tX) ] = exp( t + 2 t2 ) #F.1#

Teorema 01: seja a varivel aleatria X ~ N(, 2). Se Y uma varivel aleatria tal que Y = aX + b onde a 0, ento Y ~ N(a + b, a2 2). Demonstrao: segundo propriedade da funo geratriz de momentos, MY(t) = exp(bt) MX(at). Portanto, MY(t) = exp(bt) exp( a t + a2 2 t2 ) = exp[ (a + b) t + a2 2 t2 ]. E esta ltima a funo geratriz de momentos para mdia (a + b) e varincia (a2 2). Voltando ao enunciado desse teorema, considera-se a hiptese de a = 1/ e b = /. Usando Z no lugar de Y por coerncia com a notao anterior, tem-se Z ~ N[ (1/) /, (1/)2 2 ] = Z ~ N(0, 1). Em outros termos, pode-se dizer: Se X uma varivel aleatria com distribuio normal genrica X ~ N(, 2), a varivel Y = (X ) / tem distribuio normal padro, isto , Z ~ N(0, 1). Isso significa que, a partir de valores tabelados da distribuio normal padro, possvel o clculo para quaisquer valores dos parmetros e 2. Teorema 02: refere-se soma de variveis com distribuio normal. A demostrao omitida. Sejam as variveis aleatrias independentes e de distribuio normal X ~ N(X, X2) e Y ~ N(Y, Y2). Ento a soma tem distribuio normal (X + Y) ~ N(X + Y, X2 + Y2). Como corolrio do teorema 02, consideram-se as variveis aleatrias abaixo. X1 ~ N(, 2), X2 ~ N(, 2) ... Xn ~ N(, 2). Ento, a mdia dessas variveis, X, tem mdia e varincia 2 / n. Teorema 03: este um dos mais importantes aspectos da distribuio normal. comumente denominado teorema do limite central. Por enquanto, a demonstrao no aqui apresentada. Sejam X1, X2, ... , Xn variveis aleatrias independentes de uma mesma populao que apresenta uma determinada distribuio de probabilidades, mdia e desvio-padro . A soma X = X1 + X2 + ... + Xn tem mdia n e desvio-padro n. Pode-se ento dizer que, quando n tende para infinito, a distribuio de X se aproxima da distribuio normal, isto , X ~ N(n , 2 n). Em outros termos, a distribuio da soma das variveis aleatrias converge para a distribuio normal se o nmero de parcelas tende para infinito.

Como exemplo de aplicao, seja a distribuio binomial, que converge para a normal com n grande e com p em valores intermedirios, no prximos dos extremos 0 e 1. Neste caso, a mdia da distribuio normal aproximada np e a varincia np(1 p). Outro exemplo a distribuio de Poisson, que, para grande, se aproxima da normal com = e 2 = .

Figura 02 Consideraes sobre o desvio-padro A Figura 02 ao lado mostra a funo de densidade para a distribuio normal padro. De acordo com propriedades da funo de densidade, a rea total sob a curva unitria porque indica a probabilidade de todo o conjunto observado. E a rea sob a curva entre dois valores quaisquer de x indica a probabilidade da ocorrncia entre esses valores. A anlise da curva permite a concluso lgica do que se observa na prtica: as ocorrncias tendem a concentrar-se em torno de uma mdia e se tornam mais raras ou menos provveis medida que dela se afastam. Por simples integrao da funo de densidade, possvel calcular a probabilidade de ocorrncia em funo do afastamento da mdia segundo o nmero de desvios-padro (valores aproximados com 3 dgitos significativos): 0,682 ou 68,2% para faixa 1 . 0,954 ou 95,4% para faixa 2 . 0,997 ou 99,7% para faixa 3 . Na faixa 3 ocorre a quase totalidade (99,7%) dos valores. Por isso, ela , em algumas referncias, denominada disperso natural do processo.

Distribuio normal multivariada | Topo pg | Fim pg | Seja X uma varivel aleatria n-dimensional representada pela matriz X = [X1, X2 ... Xn]T. Obs: o expoente T indica matriz transposta, troca de linha com coluna (usado para economia de espao). X , na realidade, uma matriz de coluna. A matriz das mdias = [1, 2 ... n]T. E a matriz de co-varincia, = E[ (X ) (X )T ]. Ento, X tem uma distribuio normal multivariada se a funo de densidade de probabilidade conjunta de X1, X2 ... Xn definida por:

f(X1, X2 ... Xn) = 1 exp[ (1/2) (X )T 1 (X ) ] #A.1# (2)n/2 ||1/2 Lembrando que: exp(x) = ex || = determinante de 1 = matriz inversa de

Obs: se cada Xi tem distribuio normal, X1, X2 ... Xn pode ter ou no distribuio normal conjunta. Topo | ndice do grupo | Pgina anterior | Prxima pgina | ltima reviso ou atualizao: Jan/2008 Melhor visto com 1024x768 px Marco A Soares Termos de uso