ESTATÍSTICA APLICADA

DISTRIBUIÇÕES DE PROBABILIDADES DE
VARIÁVEIS CONTÍNUAS

1
Distribuições de Probabilidade de Variáveis Contínuas

Muitas vezes, é difícil identificar o tipo de distribuição de probabilidade de uma variável

contínua, Geralmente é necessário fazer uma pesquisa bibliográfica para saber se a variável de
interesse já foi estudada antes e a sua distribuição de probabilidade já foi identificada. Uma
das formas de identificar o tipo de distribuição de uma variável contínua é observando o
campo de variação desta variável.

Existem vários tipos de distribuição contínua, dente elas:

 Distribuição gama: descrição probabilística de variáveis que assumem valores

positivos.
 Distribuição beta: descrição probabilística de variáveis que assumem valores no
intervalo [0, 1].
 Distribuição normal (ou distribuição de Gauss ou distribuição de Gauss-Laplace): é uma
distribuição especialmente importante na metodologia estatística. Sua importância
advém das duas propriedades, do número de fenômenos (variáveis) quem podem,
pelo menos aproximadamente, ser modelados através dela e da quantidade de
métodos e técnicas que são derivados tendo-a como pressuposição básica. Esse
conjunto de técnicas e métodos forma a chamada Estatística Clássica ou Estatística
Paramétrica.

Distribuição Normal

É uma distribuição teórica de frequências, onde a maioria das observações se situa em torno
da média (centro de distribuição) e diminui gradual e simetricamente no sentido dos extremos.
A distribuição normal é representada graficamente pela curva normal (também chamada curva
de Gauss) que tem a forma de sino e é simétrica em relação ao centro , onde se localiza a
média µ.

Curva normal

Função Densidade de Probabilidade

Se X é uma variável aleatória contínua, X possui distribuição normal se sua função densidade
de probabilidade for:

2
 ( )
( )
√

Parâmetros:

A distribuição normal tem dois parâmetros:

µ  Média (determina o centro da distribuição)

σ²  Variância (Determina a dispersão da distribuição)

Dizemos, então, que

X ~ N (µ, σ²)

Cada vez que um dos parâmetros muda de valor, temos uma curva norma diferente.

Populações normais com médias Populações normais com variâncias

diferentes e mesma variância diferentes e mesma média.

Como consequência, existe um número infinito de curvas normais. Na figura abaixo, podemos
observar alguns exemplos de curvas.

3
Propriedades da distribuição normal:

1. O máximo da função densidade de probabilidade se dá no ponto x = µ.

2. A distribuição é simétrica em relação ao centro e coincidem a média, a moda e a
mediana.
µ = Mo = Md
3. Os pontos de inflexão (onde a curva passa de convexa para côncava) são exatamente
µ-σ e µ+σ.
4. Verifica-se na distribuição norma que:

( )
( )
( )

Considerando que a área sob a curva no intervalo de interesse é que corresponde a

probabilidade, utilizando as curvas abaixo para ilustrar esta propriedade.

Vimos que, para cada valor de µ e de σ, existe uma distribuição normal diferente. Daí
existirem infinitas distribuições (e curvas) normais, pois basta que mude um dos parâmetros
para termos outra distribuição. Deste modo, o cálculo da área sob a curva normal,
frequentemente necessário, deverá ser feito sempre em função dos particulares valores de µ e
σ. Para evitar a trabalhosa tarefa de calcular essas áreas todas as vezes que desejássemos
obter as probabilidades associadas a uma certa variável X, foi determinada uma distribuição
normal padrão ou reduzida. Através da distribuição normal padrão é possível estudar qualquer
variável que tenha distribuição normal, com quaisquer valores para µ e σ.

4
Distribuição normal padrão:

Definição: é a distribuição normal de uma variável Z que tem média igual a zero ( µ=0) e
desvio padrão igual a um (σ=1). Para a variável Z, a função densidade de probabilidade resulta

( )
√

A função densidade de probabilidade mais simplificada da distribuição normal padrão,

facilitou o cálculo das áreas sob a sua curva. Assim, a curva normal padrão foi dividida em
pequenas tiras, cujas áreas foram calculadas e apresentadas numa tabela. Na tabela da
distribuição normal padrão (Tabela I) do Apêndice, podemos encontrar as áreas
correspondentes aos intervalos de 0 a z.

Os valores negativos não são apresentados na tabela, porque a curva é simétrica; portanto, as
áreas correspondentes a estes valores são exatamente iguais às dos seus simé tricos positivos,
por exemplo P(0 < Z < -1) = P(0 < Z < 1). Podemos observar também, na tabela de distribuição
normal padrão, que os valores de Z vão de 0 a 3,9. Este limite é estabelecido com base na
quarta propriedade da distribuição normal, como podemos observar na figura abaixo.

Sabemos que no intervalo [µ-3σ; µ+3σ], que na normal padrão corresponde ao

intervalo [-3; 3], temos 99,74% dos valores de Z. Portanto, como podemos verificar na tabela, a
área compreendida entre 0 e 3,9 já é aproximadamente 0,5.

Veremos agora como a distribuição normal padrão e sua tabela podem ser utilizadas
para a obtenção de probabilidade correspondentes a qualquer variável X que tenha
distribuição normal.

A distribuição de uma variável X, com quaisquer valores para µ e σ, pode ser obtida
pela transformação da variável X na variável Z, através da expressão

5
Onde:

Z – Variável padrão;

X – Variável X

µ - Média

σ – Desvio Padrão

Assim, se x 1 e x 2 são valores de X com distribuição normal e z 1 e z2 são valores de Z, tais

que

Então P(x 1 < X < x 2 ) = P(z1 < Z < z2).

A relação é evidente, uma vez que a transformação muda as variáveis, mas não altera
a área sob a curva, como podemos verificar na figura a seguir.

P(x 1 < X < x 2) = P(z1 < Z < z2)

Sendo assim, para utilizar os valores da tabela, devemos transformar X em Z.

Após a transformação, podemos procurar na tabela a área compreendida entre 0 e z, que

corresponderá a área entre µ e x.

Consideremos o exercício resolvido a seguir:

6
Sabendo que as notas de 450 alunos estão normalmente distribuídas, com média µ = 3,9 e
desvio padrão σ = 0,28, determine:

a) A probabilidade de um aluno ter nota maior que 4,27

b) O número de alunos que nota superior a 4,27

Resolução:

a) Sabemos que a probabilidade de ocorrer um valor dentro de um determinado

intervalo corresponde à área sob a função densidade dentro deste intervalo. Sendo
assim, para determinar a probabilidade de ocorrer uma nota maior do que 4,27,
devemos encontrar o valor da área localizada à direita de 4,27 na curva normal.

Para encontrar essa área, vamos utilizar a tabela da distribuição normal padrão. Para
isso, inicialmente, fazemos a transformação da variável X para a variável Z, através da
expressão:

Desta forma, podemos encontrar o valor de z que corresponde ao valor x = 4,27

Assim temos,

7
Sabemos que a tabela fornece a área entre 0 e z, portanto, o valor 0,4066, encontrado na
tabela para z = 1,32, expressa a área compreendida entre 0 e 1,32. Como a área que nos
interessa é a área à direita de 1,32 e sabemos que a área correspondente à metade da curva é
0,5, podemos encontrar a área de interesse calculando a diferença entre essas duas áreas.

Assim, fazemos

P(Z > 1,32) = P(Z > 0) – P(0 < Z < 1,32)

P(Z > 1,32) = 0,5 – 0,4066
P(Z > 1,32) = 0,0934

Sabemos que a área à direita de z = 1,32 é igual à área à direita de x = 4,27, concluímos que a
probabilidade de Z ser maior que 1,32 é igual à probabilidade de X ser maior que 4,27. Sendo
assim, a probabilidade de um aluno tirar uma nota acima de 4,27 é de 0,0934 ou 9,34%, ou
seja,

P(X > 4,27) = 0,0934

b) Para determinar o número de indivíduos que tem nota superior a 4,27, devemos saber
qual é o percentual da população que tem nota acima de 4,27. No item (a), vimos que
este percentual é de 9,34%. Sendo assim, através de uma regra de três simples,
podemos determinar quantos estudantes correspondem a 9,34% de uma população

8
 de 450 estudantes. Este valor pode ser obtido facilmente multiplicando o tamanho da
população pela probabilidade de ocorrer uma nota maior que 4,27. Assim temos:

450 x 0,0934 = 42,03

Concluímos, então, que, dos 450 estudantes, 42 tem nota superior a 4,27

Exercícios propostos:

1. Seja Z uma variável aleatória com distribuição normal padrão. Determine as seguintes
probabilidades:
a) P(0 < Z < 1,73)
b) P(0,81 < Z < + )
c) P(-1,25 < Z < -0,63)
2. Suponha que a estatura de recém-nascidos do sexo feminino é uma variável com
distribuição normal de média µ = 48cm e = 3cm. Determine:
a) A probabilidade de um recém-nascido ter estatura entre 42 e 49cm;
b) A probabilidade de um recém-nascido ter estatura superior a 52cm;
c) O número de recém-nascidos que tem estatura inferior a 51cm, dentre os 532 que
nasceram numa determinada maternidade, no período de um mês.

Bibliografia

BARBOSA, Dalva Regina Ribeiro; MILONE, Giuseppe. Estatística aplicada ao turismo e hotel aria.
São Paulo: Pioneira Thomson Learning, 2004.

IEZZI, Gelson et al. Matemática: ciência e aplicações. São Paulo: Atual, 2001. v 3.

MILONE, Giuseppe. Estatística: geral e aplicada. São Paulo: Pioneira Thomson Learning, 2004.

SILVA, Cátia Susana Laureana da; COSTA, Helena Isabel Coelho; MATIAS, Mónica Patrícia
Antunes. Estatística. Disponível em: . Acesso em: 20 jun. 2008.

PIANA, Clause Fátima de Brum; MACHADO, Amauri de Almeida. Estatística Básica. Pelotas,
2004.

9
Tabela I. Área sob a curva normal padrão de 0 a z, P(0 < Z < z)

10