Distribuição de Probabilidade

 Prof.: Joni Fusinato

 joni.fusinato@ifsc.edu.br
 jfusinato@gmail.com
Variáveis Aleatórias Contínuas
 Distribuição de
Probabilidade Contínua

Modelo Modelo t de
Modelo χ2
Normal Student
 Distribuição Normal
• Considerada a mais importante
das distribuições de
probabilidades contínuas.
• Seu gráfico, chamado de curva
normal ou curva gaussiana tem
forma de sino e descreve
fenômenos que ocorrem na
natureza, indústria e pesquisa.
• A equação depende de dois
parâmetros: µ e σ (média e
desvio populacionais).

https://www.youtube.com/watch?v=9xUBhhM4vbM

https://www.youtube.com/watch?v=4HpvBZnHOVI
Quando o número de variáveis aumenta,
a densidade de probabilidade da variável
aproxima–se da curva em forma de sino da
distribuição normal.

Mesa de Galton
 Distribuição de t Student
• Usada quando não se tem a média e o desvio padrão
populacional.
• Nestes casos usa-se a média e o desvio padrão amostral que
segue a distribuição normal.
 Distribuição de χ 2

• A distribuição χ2 ou qui-quadrado é
uma das distribuições mais usadas
realizar testes de χ2.
• Este teste serve para avaliar
quantitativamente a relação entre o
resultado de um experimento e a
distribuição esperada para o
fenômeno. Isto é, ele nos diz com
quanta certeza os valores
observados podem ser aceitos como
regidos pela teoria em questão.
• Testes de hipótese usam, também, a
distribuição χ2.
 Gauss
Distribuição Normal

Definição:
Seja X uma variável aleatória contínua tal que X tem distribuição
normal com média µ e variância σ2 se, e somente se sua função
densidade de probabilidade for dada por:



 f ( x )dx  1

 Distribuição Normal

A distância entre a média e um ponto qualquer é dado em

número de desvios padrões (z)

Normal não Normal

padronizada padronizada

z = x- µ
P P

µ x 0 z
Distribuição Normal Padrão

Características:

Média: µ = 0
Desvio-Padrão: σ = 1

Distribuição Normal
Reduzida ou Padronizada
 Um significado prático para o que aprendemos

• Analistas da linha de produção calcularam o tempo médio de 75

segundos e desvio padrão de 6 segundos para a montagem de
uma peça.
• Graficamente temos:
Exemplo 1: Analistas da linha de produção calcularam o tempo
médio de 75 segundos e desvio padrão de 6 segundos para a
montagem de uma peça. Qual a probabilidade de um trabalhador
levar um tempo menor ou igual a 81 segundos?

Transformar a variável X em variável normal padronizada Z

Consultando a tabela conclui-se que a probabilidade é de 84,13%

de levar um tempo menor ou igual a 81 segundos
Atenção! Para resolver os exemplos será adotada a tabela
de distribuição Normal Padrão Acumulada
Em uma região, o QI das pessoas adultas segue a distribuição normal
com média de 100 pontos e desvio-padrão de 15 pontos. Escolhendo
uma pessoa ao acaso, qual a probabilidade desta pessoa ter QI menor
que 75 pontos?

X < 75
= 100
 = 15
Probabilidade de X < 75 é de 4,75%
Exemplo 2: A equipe interna de uma empresa audita balanços
contábeis e demora em média 40 minutos e desvio-padrão de 12
minutos. Uma empresa de Contabilidade afirma que pode realizar
essa atividade em 25 minutos em média. Qual a probabilidade dessa
afirmação ser verdadeira?

X = 25
= 40
 = 12

P(X = 25) = 10,56%

Probabilidade de X = 25 é de 10,56%
 Atividades
1) Uma indústria siderúrgica produz tubos de aço cujo
comprimento segue a distribuição normal com média  = 10,00 m e
desvio padrão  = ± 0,09 m. Se o comprimento dos tubos
ultrapassar 10,20 m eles serão refugados. Calcule a probabilidade
dos tubos terem comprimentos superiores a 10,20 m
f(x)

X   10, 20  10   10
z   2,22
 0,09

Consultando tabela temos: 10,20 X

0 2,22 Z

P (Z  2 ,2 2 ) = 0 ,9 8 6 8 = 1 - 0 ,9 8 6 8 = 0 ,0 1 3 2 = 1 ,3 2 %
DISTRIBUIÇÃO T - STUDENT

William Sealy Gosset

 DISTRIBUIÇÃO T - STUDENT

• Distribuição de probabilidade publicada por um autor que se

chamou de Student, pseudônimo de William Sealy Gosset, que
não podia usar seu nome verdadeiro para publicar trabalhos
enquanto trabalhasse para a cervejaria Guinness.
• A distribuição t de Student aparece naturalmente no problema de
se determinar a média de uma população (que segue a
distribuição normal) a partir de uma amostra. Neste problema,
não se sabe qual é a média ou o desvio padrão da população, mas
ela deve ser normal.
 DISTRIBUIÇÃO T - STUDENT

• Padronizar variável aleatória normal requer que o µ e σ sejam

conhecidos. Na prática, porém, não podemos calcular z = (x - µ)/ σ
porque σ é desconhecido. Em vez disso, substituímos σ por s
(desvio padrão amostral) e calculamos a estatística t.

x
t
s
 DISTRIBUIÇÃO T - STUDENT

• Se a variância da população, σ2 não é conhecida, não podemos

usar a distribuição normal como a distribuição de referência para
a média da amostra. Neste caso usamos a distribuição t.
• Se a distribuição de referência é normal e a variância da
população é estimado por s2, a quantidade:

X
t
s/ n

• que é conhecido como a média padronizada ou como a estatística

t, terá à distribuição com ν = n - 1 graus de liberdade.
Exemplo 1: Para os dados de nitrato, a média da amostra de
concentração é igual a 7,51 mg/L e encontra-se a uma distância
considerável abaixo do verdadeiro valor de referência 8,00 mg/L. Se
a verdadeira média da amostra é de 8,0 mg/L e o laboratório está
medindo precisamente, um valor tão baixo quanto 7,51 mg/L que
ocorrem por acaso apenas quatro vezes em 100. Sabe-se que o
desvio padrão é 1,38 em 27 amostras. “Qual a probabilidade de se
obter uma amostra tão pequenas com média = 7,51 mg/L a partir da
análise das 27 amostras?"

X - 0,49
t t
s/ n 1,38 / 5,19

7,51  8 - 0,49
t t  1,842
1,38 / 27 0,2658
 A DISTRIBUIÇÃO T

• A distribuição de referência é necessária, a fim de escolher se o

resultado é facilmente explicada por mero acaso ou se é variação
excepcional.

• A distribuição T é uma relevante referência que representa o

conjunto de resultados que poderiam ocorrer por acaso.

• Um resultado que cai sobre a cauda da distribuição pode ser

considerado excepcional.
Tabela 1 - Distribuição T
Tabela 2- Distribuição t
https://www.youtube.com/watch?v=yhfODPGaMmY –
Distribuição Normal com exemplos (Prof Allan)

https://www.youtube.com/watch?v=-N60-uc_Erk –
Distribuição Normal com exemplos (Profa Zuleica)