Você está na página 1de 2

Estatística não paramétrica para a tomada de decisão

Distribuição normal (de Gauss)

Em qualquer curso de estatística introdutória a distribuição de probabilidades


proposta pelo matemático Carl Friedrich Gauss é estudada. Esta distribuição, conhecida
como distribuição normal (ou Gaussiana), é a distribuição de probabilidades encontrada
mais frequentemente na natureza. Boa parte das variáveis que são extraídas da natureza
possui distribuição normal, ou seja, possui uma tendência central onde as maiores
probabilidades de ocorrência são encontradas e existe um desvio desta medida, sendo
este desvio simétrico tanto para mais, quanto para menos. Por ser uma distribuição de
probabilidade contínua, as medidas de tendência central e desvio são, respectivamente,
média e desvio padrão.
De forma particular, Gauss identificou esta distribuição a partir da tentativa de
verificar a distância da terra para a lua. Em meados do século XVII, os astrônomos
estavam empenhados em descobrir esta distância, mas cada astrônomo chegava em um
valor diferente para esta medida. Todavia, percebeu-se que estas medidas eram muito
próximas umas das outras, variando com uma certa taxa para mais ou para menos.
Gauss propôs a distribuição a partir deste caso e, depois disto, verificou-se sua
aderência para quase todas as variáveis naturais do tipo contínuas, por exemplo, altura,
peso, etc. Portanto, é considerada a distribuição de probabilidades normalmente
encontrada para estas variáveis. Assim, para as ciências naturais é quase sempre verdade
assumir que as variáveis contínuas se distribuem normalmente. Todavia, para variáveis
sociais, na maioria das vezes, não se pode afirmar que a distribuição do fenômeno segue
a distribuição normal (tome como exemplo a variável contínua “renda”). A função da
distribuição normal é dada pela equação

1
f ( x)  e ( x   ) / 2
2 2

 2

onde e é o número de Euler, μ é a média, σ é o desvio padrão e f(x) é o valor da


probabilidade associada ao valor x, sendo geralmente este valor padronizado a partir da
𝑥−𝜇
equação 𝑧(𝑥) = , o que definiria apenas uma curva normal para todas as situações
𝜎

(note que para cada valor de média e desvio padrão teríamos uma curva normal

Prof. Dr. Alexandre Bevilacqua Leoneti Pag. 1


Estatística não paramétrica para a tomada de decisão

diferente, casso não fosse padronizada). A figura 1 apresenta graficamente a função da


distribuição normal (de Gauss), que recebe geralmente a comparação de sua semelhança
com o formato de um sino.

Figura 1 – Exemplo gráfico da função de uma distribuição normal

Prof. Dr. Alexandre Bevilacqua Leoneti Pag. 2