Distribuição normal

Distribuição contı́nua
Mais usada na prática, devido ao teorema do limite central
Simétrica. Média, mediana e moda são iguais.
Aula 1: Aproxima-se do eixo x ao se afastar da média, mas nunca
Distribuição normal padrão alcança o eixo x

Prof. Crı́ston Souza

Universidade Federal do Ceará

Campus Quixadá

2016.1

Distribuição normal Distribuição normal

Pontos de inflexão Média e desvio-padrão

1 (x−µ)2
f (x) = √ e − 2σ2 , −∞<x <∞ Pode ter qualquer média, e qualquer desvio-padrão positivo.
2πσ
Média fornece a linha de simetria, e desvio-padrão a dispersão.

Distribuição normal Distribuição normal

Média e desvio-padrão Média e desvio-padrão

Ex.: Qual curva tem maior média? E maior desvio-padrão?

Ex.: Estime a média e o desvio-padrão.

Distribuição normal Distribuição normal

Média e desvio-padrão

Ex.: Estime a média e o desvio-padrão. Escore padrão (z-score)

Número de desvios-padrão que um valor x está a partir da média µ.
x −µ
z=
σ

Ex.: µ = 56, σ = 4
x = 62: z = (62 − 56)/4 = 1,5.
Distribuição normal padrão Distribuição normal padrão
Tabela normal padrão acumulada

Distribuição normal padrão

Distribuição normal com média µ = 0 e desvio-padrão σ = 1.
O z-score permite transformar normal em normal padrão.
z-score em µ vale (µ − µ)/σ = 0.
z-score em µ + σ vale (µ + σ − µ)/σ = 1.
Acumulada da normal padrão em -3,49 ≈ 0,0002.
Acumulada da normal padrão em 0 ≈ 0,5.
Acumulada da normal padrão em 3,49 ≈ 0,9998.

Distribuição normal padrão Distribuição normal padrão

Tabela normal padrão acumulada Tabela normal padrão acumulada

Ex.: X normal padrão. P(X ≤ 1,15)? Acumulada no z-score 1,15.

Ex.: Acumulada no z-score −0,24?

Distribuição normal padrão Distribuição normal padrão

Tabela normal padrão acumulada Tabela normal padrão acumulada

Ex.: X normal padrão. P(X ≥ 1,23)?

Ex.: X normal padrão. P(X ≥ 1,23)?

Distribuição normal padrão Distribuição normal padrão

Tabela normal padrão acumulada Tabela normal padrão acumulada

Ex.: X normal padrão. P(−0,75 ≤ X ≤ 1,23)?

Ex.: X normal padrão. P(−0,75 ≤ X ≤ 1,23)?

Distribuição normal padrão Distribuição normal
Exercı́cios

Como encontrar probabilidades quando não é normal padrão?

Calculamos o z-score.
X normal padrão.
1) P(X ≤ −0,99)?

2) P(X ≥ 1,06)?

3) P(−1,5 ≤ X ≤ 1,25)?

Distribuição normal Distribuição normal

1) Uma pessoa usa um computador em média 2,4 anos, com

desvio-padrão de 0,5 anos. Chance de alguém usar menos de 2 anos?

2) Uma pessoa gasta em média 45min no mercado, com desvio-padrão

de 12min. Chance de gastar entre 24min e 54min?

3) (Questão anterior) Chance de gastar mais de 39min?

4) (Questão anterior) Se 200 pessoas entram no mercado, quantos

esperamos que fiquem mais de 39min?

Distribuição normal Distribuição normal

Função no libreoffice Atividades para casa

Ler e resolver exercı́cios:

Seções 5.1 e 5.2 do Larson.

Distribuição normal
Encontrando z-score

Ex.: Qual o valor da normal padrão (z-score) cuja probabilidade

Aula 2: acumulada neste valor seja 0,3632?
Distribuição normal: encontrando z-score,
distribuição amostral, teorema do limite central

Prof. Crı́ston Souza

Universidade Federal do Ceará

Campus Quixadá

2016.1
Distribuição normal Distribuição normal
Encontrando z-score Encontrando z-score

Ex.: Qual o z-score correspondente ao 5o percentil da normal padrão?

Ex.: Qual o valor de z tal que P(X ≥ z) = 10,75%? X é normal padrão.

Distribuição normal Distribuição normal

Encontrando valor x em normal não padrão (µ 6= 0 e/ou σ 6= 1) Encontrando valor x em normal não padrão (µ 6= 0 e/ou σ 6= 1)

x −µ
z= ⇒ x = µ + z · σ.
σ
Ex.: Apenas os candidatos dentro das 5% melhores notas são aprovados.
Ex.: µ = 67, σ = 4. Notas: normal com µ = 75 e σ = 6, 5. Nota mı́nima para ser aprovado?
Valor de x correspondente a
z = 1,96: x = 67 + 1,96 · 4 = 74,84.
z = −2,33: x = 67 + (−2,33) · 4 = 57,68.
z = 0: x = 67 + 0 · 4 = 67.

Distribuição normal Distribuição normal

Atividades para casa Distribuição amostral

Ler e resolver exercı́cios:

Seção 5.3 do Larson.

Qual a distribuição da média amostral X ? Qual sua média e

desvio-padrão?

Distribuição normal Distribuição normal

Distribuição amostral Distribuição amostral

Linearidade do valor esperado Prova:

X X
E (aX ) = (ax)f (x) = a xf (x) = aE (X )
E (aX ) = aE (X ) x x
XX
E (X + Y ) = E (X ) + E (Y ) E (X + Y ) = (x + y )f (x, y )
x y
X X X X
= x f (x, y ) + y f (x, y ) = E (X ) + E (Y )
Consequências para a variância x y y x

V (aX ) = E ((aX − aµ)2 ) = E (a2 (X − µ)2 ) = a2 V (X )

V (aX ) = a2 V (X ) V (X + Y ) = E (((X + Y ) − (µx + µy ))2 )
Se X e Y são independentes, = E ((X − µx )2 + 2(X − µx )(Y − µy ) + (Y − µy )2 )
= V (X ) + V (Y ) + 2COV (X , Y ) = V (X ) + V (Y )
V (X + Y ) = V (X ) + V (Y ). (COV (X , Y ) = 0 quando X e Y são independentes)
Distribuição normal Distribuição normal
Distribuição amostral Distribuição amostral

Sejam X1 , X2 , . . . , Xn observações independentes de uma distribuição

Quando X e Y são independentes, f (x, y ) = f (x) · f (y ). Portanto, com valor esperado µ e desvio-padrão σ. Então,
XX XX
E (X · Y ) = x · y · f (x, y ) = x · y · f (x) · f (y ) X1 + X2 + · + Xn 1 1 1
x y x y
X = = X1 + X2 + · · · + Xn
n n n n
1 1 1 nµ
X X
= x · f (x) · y · f (y ) = E (X ) · E (Y ) E (X ) = E (X1 ) + E (X2 ) + · · · + E (Xn ) = =µ
x y n n n n
COV (X , Y ) = E ((X − µx )(Y − µy )) = E (X − µx )E (Y − µy ) = 0 1 1 1 nσ 2 σ2
V (X ) = 2 V (X1 ) + 2 V (X2 ) + · · · + 2 V (Xn ) = 2 =
n n n n n
E (X − µx ) = E (X ) − µx = µx − µx = 0

Distribuição normal Distribuição normal

Distribuição amostral Distribuição amostral

Propriedades da distribuição da média amostral Ex.:

x 1 3 5 7
Sejam X1 , X2 , . . . , Xn observações independentes de uma Considere a distribuição:
f(x) 1/4 1/4 1/4 1/4
distribuição com valor esperado µ e desvio-padrão σ. Então,
µ = E (X ) = 1 · (1/4) + 3 · (1/4) + 5 · (1/4) + 7 · (1/4) = 4
µX = µ σ 2 = V (X ) =
σ 4)2 · (1/4) + (3 − 4)2 · (1/4) + (5 − 4)2 · (1/4) + (7 − 4)2 · (1/4) = 5
(1 − √
σX = √ σ = σ 2 ≈ 2,236
n
Portanto, a distribuição da média√X de
√ uma amostra de tamanho n tem
valor esperado 4 e desvio-padrão 5/ n. Se a amostra tem n = 2
σX também é chamado erro padrão da média. elementos, o desvio-padrão da média vale ≈ 1,581.

Distribuição normal Distribuição normal

Distribuição amostral Distribuição amostral

Neste exemplo podemos listar todas as amostras de tamanho 2.

Todas possuem a mesma chance.
x frequência frequência relativa
Amostra x Amostra x Amostra x Amostra x 1 1 0,0625
1,1 1 5,1 3 1,3 2 5,3 4 2 2 0,125
1,5 3 5,5 5 1,7 4 5,7 6 3 3 0,1875
3,1 2 7,1 4 3,3 3 7,3 5 4 4 0,25
3,5 4 7,5 6 3,7 5 7,7 7 5 3 0,1875
6 2 0,125
x frequência frequência relativa 7 1 0,0625
1 1 0,0625
2 2 0,125 Calculando a média e o desvio-padrão com base na distribuição de X :
3 3 0,1875 µx = 1·0,0625+2·0,125+3·0,1875+4·0,25+5·0,1875+6·0,125+7·0,0625 = 4.
4 4 0,25 σx2 = (1 − 4)2 · 0,0625 + (2 − 4)2 · 0,125 + (3 − 4)2 · 0,1875 + (4 − 4)2 · 0,25 +
5 3 0,1875 4)2 · 0,1875 + (6 − 4)2 · 0,125 + (7 − 4)2 · 0,0625 = 2,5.
(5 − √
6 2 0,125 σ = 2,5 ≈ 1,581
7 1 0,0625

Distribuição normal Distribuição normal

Distribuição amostral Distribuição amostral

Teorema do Limite Central

Se uma amostra de tamanho n ≥ 30 é obtida de uma população,
então a distribuição da média desta amostra aproxima-se da
distribuição normal com o aumento de n.

Se a população tem distribuição normal, a média amostral tem

distribuição normal independente do tamanho da amostra.

O histograma da distribuição de X assemelha-se a uma distribuição normal.

Coincidência?
 Distribuição normal
Distribuição amostral

Ex.: Lançamento de
dado com 6 lados.
População tem
distribuição uniforme
de a = 1 até b = 6.
µ = (a
q + b)/2 = 3,5
(b−a+1)2 −1
σ= 12 =
q
35
12 ≈ 1,71

Distribuição normal Distribuição normal

Distribuição amostral Distribuição amostral

Ex.: Abaixo dist. das contas de telefone, com média $64 e desvio-padrão
$9. Faça um esboço da dist. da média de uma amostra com tamanho 36. Ex.: Abaixo dist. normal com média 90 e desvio-padrão 3,5. Faça um
esboço da dist. da média de uma amostra com tamanho 4.

Distribuição normal Distribuição normal

Distribuição amostral Distribuição amostral

Como a distribuição de x é normal com média µx = µ e

√
desvio-padrão σx = σ/ n, a distribuição de Ex.: Pessoas entre 15 e 19 anos dirigem em média 25min/dia, com
x − µx x −µ desvio-padrão 1,5min/dia. Ao coletar o tempo de 50 pessoas desta faixa
z= = √ etária, qual a chance do tempo médio estar entre 24,7 e 25,5?
σx σ/ n

é normal padrão (tem média 0 e desvio-padrão 1).

Distribuição normal Distribuição normal

Distribuição amostral Atividades para casa

Ex.: Gasto no cartão tem distribuição normal com média 2870 e

desvio-padrão 900. Ler e resolver exercı́cios:
1) Chance de um cliente aleatório ter gasto menor que 2500? Seção 5.4 do Larson.
2) Em uma amostra com 25 clientes, qual a chance de gasto médio ser
menor que 2500?
 Aproximação normal da distribuição binomial

Distribuição binomial com parâmetros n e p

Aula 3: x: número de sucessos em n experimentos de Bernoulli
Aproximação normal da distribuição binomial independentes com probabilidade de sucesso p.

f (x) = C (n, x) · p x · (1 − p)n−x

Prof. Crı́ston Souza
Média e desvio-padrão:
Universidade Federal do Ceará
Campus Quixadá µ = E(X ) = np
p p
2016.1 σ = V (X ) = np(1 − p)

Aproximação normal da distribuição binomial

Aproximação normal da distribuição binomial

Seja X uma v.a. de Bernoulli com probabilidade de sucesso p.

Seja X1 , X2 , . . . , Xn uma amostra com n observações independentes de X .
Pn
Seja Y = i=1 Xi . Note que Y tem distribuição binomial com
parâmetros n e p. Seja X a média da amostra, ou seja, X = Y /n.
Logo, Y = nX .

Para n suficientemente grande, pelo teorema do limite central X terá

distribuição aproximadamente normal, e portanto Y também terá.

Binomial converge para normal com o aumento de n.

Aproximação considerada suficiente quando np ≥ 5 e n(1 − p) ≥ 5.

Aproximação normal da distribuição binomial Aproximação normal da distribuição binomial

Correção pela continuidade Correção pela continuidade

Necessário mover 0,5 para esquerda e para direita do ponto médio.

Ex.: Obter pelo menos 158 sucessos (binomial).

Ex.: Obter menos de 63 sucessos (binomial).

Ex.: Obter entre 270 e 310 sucessos (binomial).

Corresponde a 269,5 ≤ x ≤ 310,5 (normal).

Aproximação normal da distribuição binomial Aproximação normal da distribuição binomial

Correção pela continuidade

Procedimento de aproximação:
1 Verifique se v.a. é binomial. Determine n e p.
Ex.: Obter pelo menos 158 sucessos (binomial). 2 Verifique se aproximação normal é possı́vel:
Corresponde a x ≥ 157,5 (normal). np ≥ 5 e n(1 − p) ≥ 5.
3 Encontre média
p e desvio-padrão da binomial:
Ex.: Obter menos de 63 sucessos (binomial). µ = np, σ = np(1 − p).
Corresponde a x ≤ 62,5 (normal). 4 Aplique correção pela continuidade: soma e/ou subtraia 0,5
nos extremos.
5 Encontre os z-scores correspondentes: z = (x − µ)/σ.
6 Use a tabela da normal padrão.
Aproximação normal da distribuição binomial Aproximação normal da distribuição binomial

Ex.: 51% da população vota em um candidato. Chance de pelo menos Ex.: 86% dos internautas usam IE. Chance de exatamente 176, em uma
40, em uma amostra com 65, votarem no candidato? amostra com 200, usarem o IE?

Aproximação normal da distribuição binomial

Atividades para casa

Ler e resolver exercı́cios:

Seção 5.5 do Larson.