MANUAL de FORMAÇÃO

AÇÃO TÉCNICO APOIO À FAMÍLIA E

DATA 19-11-2020
APOIO À COMUNIDADEI Formador: Rui Costa

MÓDULO MATEMÁTICA 1 UFCD 6672

MATEMÁTICA
Organização, análise da informação e probabilidades

 Nº HORAS: 50
 FORMADOR: Rui Costa
 Email: costa.prof@sapo.pt
 1- Estatística Descritiva
A estatística é uma ciência que estuda uma ou várias características ou propriedades de
uma população tendo por base a recolha, classificação, apresentação e interpretação dos
dados sobre o fenómeno em estudo.

 Noções básicas sobre estatística:

- População: sobre quem é o estudo

- Amostra: quem responde
- Variável estatística: sobre o que é o estudo
- Unidade estatística: cada elemento da população
- Censo: estudo estatístico que incide sobre todos os elementos de uma população
- Sondagem: estudo estatístico em que se utiliza apenas uma amostra da população

 Variáveis estatísticas:

A variável estatística é aquilo que se está a estudar, e esta pode ser:

- Variável estatística qualitativa: não podem ser expressas numericamente, pois
relacionam situações como a cor da pele, cor dos olhos, marca de refrigerante, marca de
automóvel, preferência musical entre outras.
- Variável estatística quantitativa: são expressas numericamente, quer traves de uma
contagem, quer através de uma medição; podem dividir-se em variável estatística
quantitativa discreta que só toma valores isolados, como por exemplo o número de
irmãos; e em variável estatística quantitativa continua que toma qualquer valor de um
dado intervalo, como por exemplo a altura, a temperatura, o peso.

 Planeamento e aquisição de dados:

Uma análise estatística envolve, geralmente, duas fases fundamentais e com objetivos
distintos:
- Estatística Descritiva, que visa descrever o real de forma a permitir entendê-lo melhor;
trata da recolha, classificação e redução dos dados com vista a descrever e interpretar a
realidade atual ou factos passados relativos ao conjunto observado. O seu objetivo é
informar, prevenir, esclarecer.

- Estatística Indutiva que, a partir de uma amostra da população, permite estender os

resultados à população inteira; trata de estabelecer conclusões relativas a um conjunto
mais vasto de indivíduos (população) a partir da observação de parte dela (amostra).
Ao selecionar uma amostra:
- deve ser aleatório
- deve ter elementos suficientes

A amostra pode ser:

- Amostra representativa da população: estamos perante uma amostra bem recolhida, ou
seja, significa que representa bem a população
- Amostra enviesada: estamos perante uma amostra mal recolhida, ou seja, não
representa bem a população.
 Aplicação e concretização dos processos referidos:

1.º Fase - identificação do objeto do estudo estatístico: decide-se o objeto do estudo e a

variável a estudar
2.º Fase - recolha de dados: através de inquéritos, observações...
3.º Fase - organização e apresentação de dados: reduzir os dados obtidos e organiza-los
em tabelas ou gráficos
4.º Fase - análise e interpretação de resultados: fase em que se obtém as conclusões

 Construção de tabelas de frequência:

número de número de Ni fi fi (%) Fi (%)

dias pessoas
(xi) (ni)
10 5 5 0,1 10 10
12 3 8 0,06 6 16
13 8 16 0,16 16 32
15 9 25 0,18 18 50
17 6 31 0,12 12 62
21 10 41 0,20 20 82
22 8 49 0,16 16 98
30 1 50 0,02 2 100
Total 50 1 100

xi - todas as opções referentes á variável estatística em estudo

ni - frequência absoluta, numero de efetivos de xi
Ni - frequência absoluta acumulada - soma-se sempre o que está para trás em ni
fi - frequência relativa - ni/total
fi (%)- frequência relativa em %

 Dados agrupados em classe:

 Para descobrir o número de classes:

- n = 24 (efetivo da população/total)
- 2k ≥ n (sendo K o numero de classes): 21 = 2; 22 = 4; 23 = 8; 24 = 16; 25 = 32
- K = 5 classes

- xmax - xmin = 102 - 60 = 42

- = = 8,4 <- amplitude da classe

8,5 <- amplitude da classe definitiva

classes marca de classes contagem

(xi)
ni Ni fi fi (%) Fi
[60; 60,8[ 6 6 0,25 25 25 llllll
[68,5; 77[ 5 11 0,21 21 46 lllll
[77; 85,5[ 4 15 0,17 17 63 llll
[85,5; 94[ 5 20 0,21 21 84 lllll
[94; 102,5[ 4 24 0,16 16 100 llll
Total 24 1 100 24

classes -
xi - todas as opções referentes á variável estatística em estudo
ni - frequência absoluta, numero de efetivos de xi
Ni - frequência absoluta acumulada - soma-se sempre o que está para trás em ni
fi - frequência relativa - ni/total
fi (%) - frequência relativa em %
Fi - frequência relativa acumulada - soma-se o que está para trás em fi (%)

 Representações gráficas:

- Diagrama de caule - e - folhas:

Idade dos pais dos alunos
Pai -> 49 50 Mãe -> 50 43
46 46 40 38
31 39 41 41
48 61 44 40
45 39 45 40
46 39 40 56
40 59 47

8 3 999
7543110000 0 01566689
60 5 09
6 1

- Gráfico Circular:

Deve ter atenção que este tipo de gráficos, construídos, de um modo geral, para dados
qualitativos:

- tem de ter legenda e a percentagem de cada sector;

- tem a área de cada sector igual à frequência;
- deve ter um titulo.

Este é um tipo de gráfico bastante atrativo e muito útil para estabelecer comparações
entre as frequências das diferentes categorias.
No entanto não deve ser usado quando a variável pode assumir muitas modalidades
diferentes.

Para calcular a amplitude dos ângulos: fri × 360⁰

- Pictograma:

São gráficos onde se utilizam figuras ou símbolos alusivos á variável em estudo.

Deve ter em conta que no gráfico:

- tem de existir a legenda do símbolo;

- o símbolo deve de estar relacionado com a característica em estudo;
- o número de símbolos é proporcional á frequência;
- os símbolos podem ser desenhados em linhas ou em colunas;
- os símbolos devem poder dividir-se segundo eixos de simetria.

Os pictogramas são gráficos muito sugestivos e de fácil leitura.

No entanto são pouco precisos.

- Gráficos de Barras:

São gráficos formados por um conjunto de barras em que a altura é proporcional às

frequências.
Num dos eixos marcam-se as frequências (absolutas ou relativas) e no outro os valores da
variável. As barras devem ficar igualmente distanciadas umas das outras.
Uma das vantagens é a sua fácil construção.

- Gráficos de linhas:

Este tipo de gráfico é utilizado para representar informação que varia ao longo do tempo.

Nota: só para variáveis estatísticas contínuas

- Histogramas:

Estes gráficos utilizam-se sempre que os dados estão agrupados em classes, na forma de
intervalos, devendo ter-se em conta que:

- no eixo horizontal representa-se os intervalos das classes;

- no eixo vertical representa-se as frequências;

- no histograma as barras são juntas.

Nota: só para variáveis estatísticas contínuas

Nota: Quando as amplitudes não são iguais, tem de se calcular a altura das barras =
fi/amplitude

- Polígonos de frequências:

Nota: para frequências absolutas e relativas

O polígono parte do ponto médio de uma classe fictícia com frequência zero, passa pelos
pontos médios de cada uma das classes e termina no ponto médio de outra classe fictícia
de frequência zero.
Nota: para frequências absolutas acumuladas e relativas acumuladas

No polígono de frequências acumuladas não se recorre à marca da classe. À esquerda do

limite inferior da primeira classe, a frequência acumulada é zero a á direita da última classe
é 1 (ou o efetivo se for frequência absoluta)
  Medidas de localização/medidas de tendência central:

- Média: ( )

é o quociente da soma de todos os lados pelo número dos lados, ou seja:

No caso em que os dados são discretos e estão organizados em tabelas, podemos

calcular a média do seguinte modo:

A marca da classe obtém-se fazendo a média:

- Moda: (Mo)

é o valor da variável ao qual corresponde uma maior frequência (absoluta ou relativa)

 Quando existem dois valores com a mesma frequência diz-se que a amostra é
bimodal.

 Quando os valores têm todos a mesma frequência diz-se que a amostra é

amodal.

 Quando existem vários valores com a frequência mais alta diz-se que a
amostra é plurimodal.

A moda pode ser calculada nos dois tipos de variáveis (qualitativas e quantitativas) e é a
única que se pode calcular para dados qualitativos.

Caso os dados estejam agrupados em classes, indicaremos a classe modal, e

determinamos graficamente um valor aproximado para esta medida através de um
histograma.
- Mediana: )

é o valor que divide o conjunto de dados (ordenados por ordem crescente ou decrescente)
em duas partes com o mesmo numero de observações.

Se o número de dados é impar, a mediana é o valor central.

Se o número de dados é par, a mediana é a media aritmética dos valores centrais.

14 15 15 15 17 17 18

14 15 15 15 17 17 18 19então: = = 16

Se o numero de dados for muito grande:

- se o número de dados n é impar, a ordem k da mediana é dada por
- se o número de dados n é par, a mediana é a media dos valores de ordens

Caso os dados estejam agrupados em classes, indicaremos a classe mediana e

determinaremos geometricamente um valor aproximado da mediana:

Podemos dizer que mediana é o valor que divide a amostra (organizada por ordem
crescente) ao meio, isto é, metade dos elementos do conjunto de dados são menores ou
iguais á mediana, enquanto os restantes são superiores ou iguais.

 Medidas de localização:

- Quartis:
- Diagrama de extremos e quartis:

Exemplo 14:
As notas do Francisco nos primeiros testes do 2º período nas diferentes disciplinas
foram as seguintes:
8 12 14 15 15 17 17 19 20

Por observação dos dados, concluímos que Q1 = 13, = 15 e Q3 = 18, o valor máximo é
20 e o valor mínimo é 8.

Q1 Q2/ Q3
Analise do diagrama:

Existe uma maior concentração dos dados entre o 1ºQ e o 2ºQ e também entre o 3ºQ e
o valor máximo (xmax.)

Como os dados estão mais concentrados à esquerda do 2ºQ então, existe

enviesamento para a direito.

Este diagrama pode informar quanto ao enviesamento de uma distribuição:

- Dados simétricos: os dados estão distribuídos de forma simétrica

- Enviesamento para a esquerda: os dados estão mais concentrados à direita de Q2

- Enviesamento para a direita: os dados estão mais concentrados à esquerda de Q2

 Vantagens, desvantagens e limitações das medidas de tendência central:
 Medidas de dispersão:

- Amplitude: é a diferença entre o valor máximo e o valor mínimo da variável:

a = xmáx. - xmín.
- Amplitude Interquartil: é a diferença entre o 3º quartil e o 1º quartil:

Aq = Q 3 - Q 1
# se o valor de Aq for grande, a dispersão entre os valores centrais é grande.

# se o valor de Aq for pequeno, a dispersão é pequena.

 - Desvio Padrão:

= = 2,68 idas à biblioteca

idas à biblioteca nº de alunos (xi - )2 (xi - )2 x fi

0 1 7,1824 7,1824
1 3 2,8224 8,4672
2 7 0,4624 3,2368
3 8 0.1024 0,8192
4 4 1,7424 6,9696
5 2 5,3824 10,765
Total 25 37,44

= 1,2238

 Introdução gráfica à análise de dados binomiais:

- Gráfico de correlação ou Diagrama de dispersão: é um gráfico de pontos em que as

coordenadas de cada ponto são os valores das duas variáveis em estudo.

O conjunto dos pontos num gráfico de correlação designa-se por nuvem de pontos.
 X
Y

A correlação diz-se linear se a nuvem de pontos se distribuir ao longo de uma linha reta, a
chamada reta de regressão.

Esta representação permite analisar de que forma se relacionam as duas variáveis:

Correlação positiva

A correlação é linear positiva, porque à medida que uma variável aumenta os valores
correspondentes à outra variável também aumentam.
 Correlação negativa
A correlação é linear negativa, porque à medida que uma variável aumenta os valores
correspondentes à outra variável diminuem

. nula
Correlação
 2-Introdução ao cálculo de Probabilidades

Experiência aleatória é uma experiência com as seguintes características:

 São conhecidos os resultados possíveis;

 Não é possível prever/determinar o resultado de cada uma das experiências;

 Pode ser repetida em condições idênticas.

Conjunto de resultados ou espaço amostral de uma experiência aleatória é o conjunto de

resultados possíveis que lhe está associado e representa-se habitualmente por S, E ou Ω.

Dada uma experiência aleatória em que o espaço amostral é Ω, chama-se acontecimento a

todo o subconjunto de Ω.
___________________________________________

A: “ O número da face voltada para baixo é par”

B: “ O número da face voltada para baixo é múltiplo de 5”
C: “ O número da face voltada para baixo é múltiplo de 9”
D: “ O número da face voltada para baixo é divisor de 840”

A= {2,4,6,8} B={5} C={ } D={1, 2, 3, 4, 5, 6, 7, 8}

 O acontecimento C é o conjunto vazio. Significa que não pode ocorrer, ou seja, é um

acontecimento impossível;
 O acontecimento D é igual ao espaço amostral. Significa que ocorre sempre, ou
seja, é um acontecimento certo;
 O acontecimento B é um conjunto que tem um e só um elemento do espaço
amostral. Diz-se que é um acontecimento elementar;
 Os acontecimentos A e D são conjuntos com mais do que um elemento do espaço
amostral. Dizem-se acontecimentos compostos.
 ___________________________________________

Acontecimento união (reunião)

A união dos acontecimentos A e B representa-se por AUB (lê-se “A ou B”) e é o
acontecimento que se realiza se e só se, pelo menos um dos acontecimentos se realiza.

Acontecimento interseção
A interseção dos acontecimentos A e C representa-se por A ∩ C (lê-se “A e C”) e é o
acontecimento que se realiza se e só se A e C se realizam simultaneamente.

Acontecimento complementar (ou contrário)

O acontecimento complementar (ou contrário) do acontecimento A representa-se por Ā ou
Ac e é o acontecimento que se realiza sempre que A não se realiza.

Acontecimento diferença
O acontecimento diferença entre A e C representa-se por A – C (ou por A\C), e é o
acontecimento resultante quando A se realiza e C não se realiza.

___________________________________________

REUNIÃO INTERSEÇÃO DIFERENÇA

AUΩ=Ω A∩Ω=A A\B = A∩B

=
AU{}=A A∩{}={} A–B

A∩Ā={}
AUĀ=Ω

LEIS DE DE MORGAN

A∩B = A U B A U B = A∩B

___________________________________________
Operações com acontecimentos
Sejam A e B dois acontecimentos associados a uma experiência aleatória em que o espaço
de resultados é Ω:
 A e B são acontecimentos incompatíveis se e só se A∩B = { }
 A e B são acontecimentos compatíveis se e só se A∩B ≠ { }
  A e B são acontecimentos contrários se e só se A∩B= { } e AUB = Ω

Aproximações conceptuais param a probabilidade

Se uma experiência é realizada n vezes e o acontecimento A ocorre m vezes (m≤n). Define-
se frequência relativa do acontecimento A como sendo mn
Fr(A)= mn

Propriedades da frequência relativa de um acontecimento

1. Se A é um acontecimento impossível, então fr(A)= 0

2. Se A é um acontecimento certo, então fr(A)= 1

3. Se A é um acontecimento qualquer, então 0 ≤ fr(A) ≤ 1

4. Se A é um acontecimento composto, A={a,b,c…}, então.

fr(A) = fr({a}) + fr({b}) + fr({c}) +…

5. A soma das frequências relativas de todos os acontecimentos

elementares é 1

6. Se A e Ā são acontecimentos contrários, então fr(A) + fr(Ā) = 1

___________________________________________

Probabilidade de um acontecimento A
Representa-se por P (A) e corresponde ao valor para que tenda a estabilizar a frequência
relativa da realização desse acontecimento, à medida que aumenta o número de
repetições da experiência aleatória.

Nota: quando maior é o número de vezes que a experiência é repetida, melhor será a
estimativa obtida para a probabilidade.
___________________________________________
Lei de Laplace
Considere-se uma experiência aleatória em que o espaço amostral Ω é constituído por n
elementos, sendo equiprováveis os n acontecimentos elementares.
Se um acontecimento A é constituído por m acontecimentos elementares, sendo m≤n, a
probabilidade de A é dada pelo quociente entre o número de casos favoráveis e o número
de casos possíveis:
P (A) = m/n

Regra do Produto
Quando é necessário realizar k escolhas sucessivas, em que na primeira há n 1 alternativas,
na segunda há n2, …, e na escolha de ordem k há n k alternativas, então o número total de
alternativas é dado por:
n1 x n2 x … x nk
___________________________________________
AXIOMAS:
Axioma 1: A probabilidade do acontecimento certo é 1
P(Ω) = 1
Axioma 2: A probabilidade de qualquer acontecimento A é não negativa
P(A) ≥ 0
Axioma 3: Se A e B são acontecimentos incompatíveis, a probabilidade do acontecimento
AUB é a soma das probabilidades de A e de B
A∩B = { }  P (AUB) = P (A) + P (B)
___________________________________________
Teorema 1: Se A é um acontecimento impossível, P(A) = 0

Teorema 2: Se Ā é o acontecimento contrário ao acontecimento A, então

P(Ā) = 1 – P(A)
Teorema 3: Se A e B são acontecimentos tais que B⊂A, então P(B) ≤ P(A)

Teorema 4: Para qualquer acontecimento A, tem-se 0≤ P(A) ≤ 1

Teorema 5: Se A e B são dois acontecimentos compatíveis, então:

P (AUB) = P (A) + P (B) - P (A∩B)

Probabilidade condicionada
No caso geral, sendo A e B dois acontecimentos associados a uma experiência aleatória e
tais que P(B)≠ 0, chama-se probabilidade condicionada de A, dado B, e representa-se por:
P(A|B) =P(A∩B)P(B)
Da igualdade resulta que P(A∩B) = P(A|B) x P(B)
__________________________________________
Dois acontecimentos, A e B, associados a uma experiência aleatória, são independentes se
e só se:
P(A∩B) = P(A) x P(B)

Generalizando: Se A1, A2, …, An são n acontecimentos independentes, verifica-se: P(A 1 ∩ A2

∩… ∩ An) = P(A1) x P(A2) x … x P(An)

Análise combinatória

Princípio fundamental da contagem

Quando é necessário realizar k escolhas sucessivas, em que na primeira há n 1 alternativas,
na segunda há n2 alternativas…, e na escolha de ordem k há nk alternativas, então o
número total de alternativas é dado por n1 x n2 x … x nk.
___________________________________________

Dado um conjunto de n elementos, chama-se arranjos completos (ou com repetição) de n

elementos tomados p a p às diferentes combinações que se podem formar com p
elementos, repetidos ou não.
O número de arranjos com repetição de n elementos tomados p a p representa-se por nA’p.
n
A’p = n x n x … x n = np
p fatores
___________________________________________

Dado um número natural n, chama-se fatorial de n (ou n fatorial) ao produto dos n

primeiros números naturais e representa-se por n!
n! = n x (n-1) x (n-2) x … x2 x1
Nota: por convecção 0! = 1.
___________________________________________
PERMUTAÇÕES:
Dado um conjunto com n elementos, dá-se o nome de permutações de n aos grupos que
se podem formar tais que:
 Todos os grupos têm n elementos;
 Dois ou mais grupos diferem entre si pela ordem de colocação dos elementos.
O número de permutações de n é representado por Pn e o valor é dado por:
Pn = n x (n-1) x (n-2) x … x2 x1 , ou seja, Pn= n!
ARRANJOS SIMPLES
Dado um conjunto com n elementos, chama-se arranjos simples (ou arranjos sem
repetição) de n elementos tomados p a p (p≤n) às diferentes sequências que se podem
formar com p elementos tais que:

 Em cada sequência há p elementos não repetidos;

 Duas ou mais sequências são diferentes se diferem em algum elemento ou na
ordem dos elementos.

O número de arranjos sem repetição de n elementos, tomados p a p, representa-se por nAp

e o seu valor é dado por:

n
Ap = n x (n-1) x (n-2) x … x (n – (p-1)), ou seja, nAp = n!n-p !

COMBINAÇÕES
Combinações (ou ou combinações sem repetição) de n elementos tomados p a p (p≤n)
representa-se por nCp e é o número de subconjuntos com p elementos que se podem obter
a partir de um conjunto com n elementos, tais que:

 Cada subconjunto tem p elementos;

 Dois subconjuntos são distintos se diferem em algum elemento, não interessando a
ordem da sua disposição.

n
Cp = nAp ou nCp = n!p!n-p!
p!

___________________________________________

Permutações com repetição

O número de permutações com repetição de n elementos, dos quais n1 são repetidos, n2
são repetidos, …, nk são repetidos, é dado pela expressão:
n! __
n1! x n2! X … x
nk!
___________________________________________
TRIÂNGULO DE PASCAL

Propriedades do triângulo de Pascal

É um triângulo numérico infinito formado por números binomiais ( n k) , onde n representa

o número da linha e k representa o número da coluna, iniciando a contagem a partir do
zero.
O triângulo foi descoberto pelo matemático chinês Yang Hui, e 500 anos depois várias de
suas propriedades foram estudadas pelo francês Blaise Pascal

PROPRIEDADES
n
 Cp = nCn-p, com n Є IN0, com p Є IN0 e p ≤ n.
n
 Cp + nCn+p = n+1Cp+1 , com n Є IN0, p Є IN0 e p ≤ n.
n
 C0 + nC1 + nC2 + … + nCn = 2n , com n Є IN0.

___________________________________________

Binómio de Newton
O desenvolvimento da n-ésima potência de (a + b), a que se dá o nome de
desenvolvimento do Binómio de Newton, é dado pela expressão:
(a + b)n = nC0an + nC1an-1b + nC2an-2b2 + … + nCn-1abn+1 , n Є IN0
___________________________________________
No desenvolvimento de (a + b) n, se designarmos o termo de ordem p + 1 por T p+1 , com
0≤p≤n, tem-se:
Tp+1 = nCp an-p bp
___________________________________________
Distribuição de frequências relativas e distribuição de probabilidades
Dada uma experiência aleatória à qual corresponde um espaço de resultados Ω, chama-se
variável aleatória X a uma função que a cada elemento do espaço de resultados associa
um número real.
X: Ω  IR
___________________________________________

Nota: atendendo à Lei dos Grandes Números, à medida que o número de experiências
aumenta, a frequência relativa tende para a probabilidade.
___________________________________________

Dada uma variável aleatória discreta X, que toma os valores x1, x2 , … , xk, as probabilidades
pi=P (X = x1) satisfazendo as seguintes condições:
 0 ≤ pi ≤ 1, i = 1, 2, … , k
 p1 + p2 + … + pk = 1

Chama-se função de probabilidade de X (ou função massa de probabilidade) à função que

a cada xi faz corresponder P (X =xi). Os pares (xi, pi); i = 1, 2, …, k constituem a distribuição
de probabilidade da variável aleatória discreta X.
___________________________________________

Sendo X uma variável aleatória que toma os valores x 1, x2, … ,xn com probabilidades p1, p2,
…, pn :
Chama-se valor médio (ou esperança matemática) da variável aleatória X ao valor μ,
obtido da seguinte forma:

μ=X1P1+X2P2+…+XnPn

Chama-se desvio padrão da variável aleatória X ao valor σ, obtido da seguinte forma:

σ= p1 (x1- μ)2++ p2 (x2- μ)2 + … + pn (xn- μ)2

___________________________________________
Modelo binomial
Considere-se uma experiência aleatória em que apenas interessa observar a ocorrência do
acontecimento A (sucesso) e a do seu contrário Ā (insucesso).

 Estabelece-se o número n de provas a repetir;

 A probabilidade de p de sucesso em cada prova é fixa.

A variável aleatória X, que representa o número de sucessos nas n provas, chama-se

variável aleatória com distribuição Binominal de parâmetros n e p representa-se por B (n ;
p).
___________________________________________
Em n provas repetidas de Bernoulli, seja A o acontecimento considerado sucesso.
Em cada prova P (A)= p e P(Ā)= 1 - p = q.

Seja ainda X a variável aleatória binominal que representa: “Número de sucessos em n

provas”

A probabilidade de se obter exatamente k sucessos em n provas é dada por:

P (X = k)= nCk pk qn-k ; 0≤ k ≤ n
___________________________________________
Uma função y = f(x) é uma função densidade de probabilidade (ou função de
probabilidade) de uma variável aleatória contínua de X se:

 f (x) ≥0, para todo o x do intervalo em que está definida a variável

aleatória;
 a área abaixo da curva é 1;
 a probabilidade de que a variável tome valores do intervalo (x i ; xj) é igual à área
abaixo da curva e correspondente ao intervalo (xi ; xj).
Modelo normal: propriedades da curva normal (ou curva de GAUSS)
- É simétrica em relação ao valor médio da variável, μ, tomando, para este, o valor máximo.

- Quanto maior for o desvio padrão, σ, mais achatada é a

curva.

- A área limitada pela curva e correspondente ao intervalo [μ-σ , μ+σ] é, aproximadamente,

igual a 0,683.

P (μ-σ≤ X ≤ μ+σ) ≈0,683

- A área limitada pela curva correspondente ao intervalo [μ-2σ , μ+2σ] é,

aproximadamente, igual a 0,954.

P (μ-2σ≤ X ≤ μ+2σ) ≈ 0,954

Se uma variável contínua segue uma distribuição normal de valor médio μ e o desvio-
padrão σ, representa-se por N (μ,σ).

Bom Trabalho!!
Rui Costa