Probabilidade

Distribuio Normal
Distribuio Normal

| Uma varivel aleatria contnua tem uma

distribuio normal se sua distribuio :

z simtrica

z apresenta (num grfico) forma de um sino

Funo Densidade da
Distribuio Normal

1 x 2

2
e
f (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

A probabilidade a
+
rea sob a curva de
P( x)dx = 1

densidade. Portanto,
para qualquer P(x):
0 P (x) 1 P ( x) 0
 Distribuio Normal

Note que a distribuio normal especificada por dois

parmetros:
representa a mdia populacional, e
representa o desvio-padro populacional

1 x 2

2
e
f ( 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)
x
z =

 Distribuio Normal Padronizada
| Se x uma observao de uma distribuio que tem
mdia e desvio-padro , o valor padronizado de x

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
x
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, subtraindo-
se 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 a

probabilidade da sua altura estar entre 63,6 e 68,6 polegadas ?
 Distribuio Normal No
Padronizada
| Devemos proceder da maneira descrita a
seguir:
z Trace uma curva normal, assinale a mdia e outros valores de
interesse, e sombreie a regio que representa a probabilidade desejada
z Para cada valor x da fronteira da regio sombreada, aplique a frmula
para achar o valor padronizado z
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)