1

Contents
1. Padronização da distribuição normal ................................................................................................... 2
2. Encontrando a abcissa da normal para uma probabilidade específica ................................................ 2
3. Outro exemplo de Aplicação da Distribuição Normal .......................................................................... 4

alfredo.jaze@iscam.ac.mz
 2

Cálculos com a distribuição normal

1. Padronização da distribuição normal

𝑆𝑒 𝑋~𝑁(𝜇; 𝜎 2 ), entao:
𝑋−𝜇
𝑍=
𝜎
Tem a distribuicao 𝑁(0; 1)

Exemplo: suponhamos que 𝑋~𝑁(3; 9). Determine 𝑃(−1 ≤ 𝑋 ≤ 4).

Solucao:
−1 − 3 4−3
𝑃(−1 ≤ 𝑋 ≤ 4) = 𝑃 ( ≤𝑍≤ ) = 𝑃(1.33 ≤ 𝑍 ≤ 0.33)
√9 √9
= 𝑡𝑎𝑏(0.33) + 𝑡𝑎𝑏(1.33)

= 0.12930 + 0.40824 = 0.53754

2. Encontrando a abcissa da normal para uma probabilidade específica

No exemplo anterior, consideramos situações em que tínhamos uma abcissa de uma distribuição
normal e queríamos a probabilidade associada a essa abcissa. Agora, vamos lidar com a situação
inversa: dada uma probabilidade, qual é a abcissa correspondente?

Exemplo 1: suponhamos que: 𝑍~𝑁(0; 1). Determine o valor de k tal que 𝑃(𝑍 ≤ 𝑘) = 0.90

Solucao:

Queremos encontrar a abcissa k da normal padrão com 0,90 de área (probabilidade) à esquerda
dela.

Como 0,9 é a área à esquerda de k, resulta que k tem que ser maior que zero, isto é, temos que
ter 𝑘 > 0.

alfredo.jaze@iscam.ac.mz
 3

𝑃(𝑍 ≤ 𝑘) = 0.90 ↔ 𝑃(𝑍 ≤ 0) + 𝑃(0 < 𝑍 ≤ 𝑘) = 0.90

↔ 0.5 + 𝑃(0 < 𝑍 ≤ 𝑘)

↔ 𝑃(0 < 𝑍 ≤ 𝑘) = 0.40

Esta última igualdade nos diz que k é a abcissa correspondente ao valor 0,40 na tabela.

Para identificar k; temos que buscar no corpo dessa tabela o valor mais próximo de 0,40.

Na linha correspondente ao valor 1.2 encontramos as entradas 0.39973 e 0.40147. Como a

primeira está mais próxima de 0.40, olhamos qual é a abcissa correspondente: a linha é 1.2 e a
coluna é 8, o que nos dá a abcissa de 1.28, ou seja, k = 1.28 e P(Z ≤ 1.28) = 0,90, completando a
solução.

Exemplo 2: Suponhamos que 𝑋~𝑁(3; 4). Determine o valor de k tal que 𝑃(𝑋 ≤ 𝑘) = 0.90

Solucao:

Como a probabilidade à esquerda de k é maior que 0.5, resulta que k tem de ser maior que a
média. O primeiro passo na solução é escrever a probabilidade dada em termos da normal
padrão.
𝑋−3 𝑘−3
𝑃(𝑋 ≤ 𝑘) = 0.90 ↔ 𝑃 ( ≤ ) = 0.90
2 2
𝑘−3
↔ 𝑃 (𝑍 ≤ ) = 0.90
2
𝑘−3
↔ 𝑃(𝑍 ≤ 0) + 𝑃 (0 ≤ 𝑍 ≤ ) = 0.90
2

alfredo.jaze@iscam.ac.mz
 4

𝑘−3
↔ 0.5 + 𝑃 (0 ≤ 𝑍 ≤ ) = 0.90
2
𝑘−3
↔ 𝑃 (0 ≤ 𝑍 ≤ ) = 0.40
2
𝑘−3
↔ 𝑡𝑎𝑏 ( ) = 0.40
2
𝑘−3
↔ = 1.28
2
↔ 𝑘 = 5,56

3. Outro exemplo de Aplicação da Distribuição Normal

Uma fábrica de carros sabe que os motores de sua fabricação têm duração normal com média
de 150000 km e desvio-padrão de 5000 km. Qual a probabilidade de que um carro, escolhido ao
acaso, dos fabricados por essa firma, tenha um motor que dure:

a) Menos de 170000 km?

Solução:
𝑥−𝜇
Dados: 𝑥~𝑁(𝜇 = 150000; 𝜎 2 = 50002 ) → 𝑍~𝑁(𝜇 = 0; 𝜎 = 1), 𝑜𝑛𝑑𝑒 𝑍 = 𝜎

170000 − 150000
𝑃(𝑋 < 170000) = 𝑃 (𝑍 < ) = 𝑃(𝑍 < 4)
5000
𝑃(𝑍 < 4) = 𝑃(𝑍 < 0) + 𝑃(0 ≤ 𝑍 ≤ 4)

= 0.5 + 𝑃(0 ≤ 𝑍 ≤ 4)

= 0.5 + 𝑡𝑎𝑏(4.0)

= 0.5 + 0.49998 = 𝟎. 𝟗𝟗𝟗𝟗𝟖

b) Entre 140000 km e 165000 km?

Solução

𝑃(140000 < 𝑋 < 165000)

140000 − 150000 165000 − 150000
= 𝑃( <𝑍< )
5000 5000
= 𝑃(−2 < 𝑍 < 3)
alfredo.jaze@iscam.ac.mz
 5

= 𝑃(−2 < 𝑍 < 0) + 𝑃(0 < 𝑍 < 3)

= 𝑡𝑎𝑏(−2,0) + 𝑡𝑎𝑏(3.0)

= 0.4772 + 0.4987 = 𝟎. 𝟗𝟕𝟓𝟗

c) Se a fábrica substitui o motor que apresenta duração inferior à garantia, qual deve ser
esta garantia para que a percentagem de motores substituídos seja inferior a 0,2%?

Solucao:

𝑃(𝑋 < 𝐾) = 0.002

𝑍0.002 = −2.88
𝑘 − 150000
= −2.88 ↔ 𝑘 = 𝟏𝟑𝟓𝟔𝟎𝟎
5000

alfredo.jaze@iscam.ac.mz