Você está na página 1de 11

1

Joaquim Bernardo

Distribuição Normal de Probabilidade

Curso de Licenciatura em ensino de Matemática

Universidade Rovuma

Nampula

2021
2

Joaquim Bernardo

Distribuição Normal de Probabilidade

Trabalho individual de carácter avaliativo da cadeira


de Inferência Estatística, Curso de licenciatura em
ensino de Matemática, UniRovuma- Delegação de
Nampula, Faculdade de Ciências Naturais,
Matemática e Estatística, Departamento de Ensino à
Distância de Nampula, Centro de Recursos de
Nacala, orientado pelo docente:

MSc.

Universidade Rovuma

Nampula

2021
3
ii

Índice
Introdução...................................................................................................................................3

Distribuição Normal de Probabilidade........................................................................................4

Estudo dos comprimentos das peças produzidas por determinada máquina cuja média é 172
mm e desvio padrão é 5 mm.......................................................................................................4

Estudo da vida média de lâmpadas cuja média é 1600 horas e desvio padrão é........................5

Estudo da amostra de tamanho n = 18 cuja média é 15 e desvio padrão é 2,5...........................6

Conclusão....................................................................................................................................8

Referências bibliográficas...........................................................................................................9
iii

Introdução
A generalização do recurso a métodos estatísticos como suporte científico é uma mais-valia a
nível da qualidade da investigação produzida nas mais diversas áreas da ciência, conferindo-
lhe um maior rigor e objectividade. Muitas vezes o tratamento estatístico é efectuado
unicamente a nível da exploração e da descrição dos dados recolhidos.

Quando, além disso, pretende-se explicar, interpretar, extrapolar para a população (inferência
estatística), prever (mediante a aplicação de métodos de previsão) ou decidir torna-se
imperativa a aplicação de métodos de análise de dados mais sofisticados, que ajudarão a
fundamentar a tomada de decisões em situações de incerteza. No entanto, é importante ter em
atenção que sem um razoável conhecimento da teoria da probabilidade não se pode ir muito
longe no estudo da Estatística Inferencial, no âmbito da qual se enquadram a estimação (por
pontos e por intervalos), sendo ainda de sublinhar que o conceito básico que permite
quantificar o grau de incerteza é o de probabilidade.

Nesse contexto, o presente trabalho da cadeira de Inferência Estatística intitulado:


“Distribuição Normal de Probabilidade” visa descrever o modelo de distribuição normal de
probabilidade. Os objectivos específicos para este trabalho são:
 Identificar a fórmula da distribuição normal de probabilidade.
 Reconhecer a importância da distribuição normal de probabilidades nas diferentes
áreas.
 Compreender a importância da distribuição normal de probabilidades na resolução de
problemas concretos.
O conteúdo deste trabalho resulta da consulta bibliográfica de obras de Estatística, que
abordam sobre modelos de distribuição de probabilidade, cujos autores estão mencionados no
texto e nas referências bibliográficas.

Estruturalmente, o trabalho está organizado em capa, folha de feedback, um índice completo,


esta introdução, seguindo-se do desenvolvimento, conclusão e referências bibliográficas.
iv

Distribuição Normal de Probabilidade


Estudo dos comprimentos das peças produzidas por determinada máquina cuja média é
172 mm e desvio padrão é 5 mm
1. Sendo X o comprimento das peças, então X N(172; 25) e n=16.

σ2 25 2
X́ ( )
μ;
n
⟹ X́ ( 172 ;
16 )
a) Dados: X́ 1 =169 e X́ 2 =175

Pedido: P(−2,4≤Z≤2,4 )=?

Resolução:

X−μ 169−172 −3 175−172 3


Z= ⟹ Z 1= = =−2,4 Z2 = = =2,4
σ 25 5 e, 25 5
16 4√ 16 4 √

P (169 ≤ X́ ≤ 175) = P (−2,4 ≤ Z ≤ 2,4) = 0,4918 + 0,4918 = 0,9836

178−172 6 24
= = =4,8
b) X =178  Z = 25 5 5
√ 16 4

P ( X́ ¿ 178) = P (Z > 4,8) ≅ 1 – [0,5+P(0≤Z≤4,8)] = 1 – 1 = 0.

165−172 −7 −28
= = =−5,6
c) X́ =165  Z = 25 5 5
√ 16 4
v

P ( X́ ¿ 165) = P (Z < – 5,6) = P (Z > 5,6) ≈ 1 – [0,5+P(0≤Z≤5,6)] = 1 – 1 = 0.

d) X́ N (150;132)

P(| X́−150| < 6,5) = 0,95  n=¿ ?

Resolução:

P(| X́−150| < 6,5) = 0,95  P(−6,5< X́−150 < 6,5) = 0,95 

−6,5 X́ −150 6,5


<
 P( 13 13 < 13 6,5) = 0,95 
√n √n √n

−√ n n − n n
P( < Z < √ ) = 0,95  P ( √ < Z <0) + P (0< Z < √ ) = 0,95
2 2 2 2

 2 × P (0< Z <
√ n ) = 0,95  P (0< Z < √ n ) = 0,95  P (0< Z < √ n ) = 0,475
2 2 2 2

√ n =1,96  √ n=1,96∙ 2=3,92 ⟹ n=3,922 =15,3664


2

Tratando-se de uma amostra, então devemos arredondar para inteiro seguinte. Assim: n=16.

Estudo da vida média de lâmpadas cuja média é 1600 horas e desvio padrão é 250 horas
2. Resposta:
Dados:
μ=1600
σ =250
n=100
vi

σ2 2502
X́ ( )
μ;
n
⟹ X́ ( 1600 ;
100 )
Pedido: P ( X́ >1650 ) = ?
Resolução:
X−μ 1650−1600 50 500
Z= ⟹ Z= = = =2
σ 2502 250 250
100 √10

P ( X́ >1650 ) = P (Z> 2 ) = 0,5 – P (0 ≤ Z ≤2) = 0,5 – 0, 47725 = 0,02275

Estudo da amostra de tamanho n = 18 cuja média é 15 e desvio padrão é 2,5


3. Resposta:
Dados:
n = 18
μ=15
σ =2,5

σ2 2,52
X́ ( )
μ;
n
⟹ X́ ( 15 ;
18 )
a) P (14,5≤ X́ ≤16) = ?
b) P ( X́ > ¿16,1) = ?

Resolução:
X−μ 14,5−15 −0,5 16−15 1
Z= ⟹ Z 1= = =−0,85 Z2 = = =1,70
σ 2,52 √ 0,3472 e, 2,52 √ 0,3472
√ 18 √ 18

P (14,5 ≤ X́ ≤ 16) = P (−0,85 ≤ Z ≤1,70) =


vii

= P (−0,85 ≤ Z ≤0) + P (0 ≤ Z ≤1,70) = P (0 ≤ Z ≤0,85) + P (0 ≤ Z ≤1,70) =

= 0,3023 + 0,4554 = 0,7577

16,1−15 1,1
X́ =16,1⟹ Z= = =1,87
b) 2,52
√0,3472
√ 18

P ( X́ >16,1 ) = P (Z>1,87 ) = 0,5 – P (0 ≤ Z ≤1,87) = 0,5 – 0,4693 = 0,0307


viii

Conclusão
Neste trabalho falou-se de distribuição normal de probabilidade, facto que ilustra que existem
outras distribuições mas neste apenas nos cingimos na normal de probabilidades. Um facto
que se constatou ao longo da realização deste trabalho é que muitos desses outros modelos de
distribuição de probabilidade podem ser aproximados a distribuição normal, facto que releva a
importância deste trabalho.

No entanto, existem aspectos que devem ser postos em prática para a sua correcta aplicação
na resolução de problemas concretos, que são: domínio da transformação de uma
variável/dado simples em normal e domínio da leitura da tabela de distribuição de
probabilidades. Nessa transformação é preciso trabalhar-se com media e desvio padrão da
distribuição em estudo, dai por meio da equação z = (x-)/ transformam-se os dados em
normais Z. Só assim é que se pode usar a tabela de distribuição de probabilidades. É
aconselhável ainda desenhar a região de probabilidade em causa para permitir a consulta
correcta da tabela e obtenção de resultados correctos.
ix

Referências bibliográficas
Mendes, F. C. T. Probabilidade para Engenharias. Rio de Janeiro: LTC. 2010.

Meyer, P.L. Probabilidade: Aplicações à Estatística 2ª Edição. Rio de Janeiro: LTC. 1983.

Montgomery, D.C. & Runger, G.C. Estatística Aplicada e Probabilidade para


Engenheiros. 6ª Edição. Rio de Janeiro: LTC. 2016.
Morabito, R. Modelos Probabilísticos Aplicados à Engenharia de Produção. São Carlos:
Edufscar. 2002.

Você também pode gostar