AULA 10: Distribuição Normal

1
 Distribuição Normal – Características
• A curva tem a forma de um sino.
• A curva é simétrica em torno de  (lê-se: mi), onde  é a média
populacional.
• A curva tem ponto máximo em X = .
• A área total sob a curva é igual a 1, representando 100% da
distribuição.
• Cada distribuição é definida por sua média  e seu desvio-padrão 
(lê-se: sigma), que definem a forma da distribuição.
• Denota-se : X  N(  ;  ).

2
 Distribuição Normal – Características
• Sua função densidade de probabilidade (f. d. p.) é dada por:

1 1 𝑥− 𝜇 2
− .
𝑓 𝑥 = .𝑒 2 𝜎 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < +∞ ; −∞ < 𝜇 < +∞; 𝜎 > 0
𝜎 . 2𝜋

3
 Distribuição Normal – Características
• Os intervalos (   1 ), (   2 ), (   3 ), (   4 ) são
importantes na caracterização da distribuição normal.
Tais faixas correspondem, respectivamente a: 68,26%, 95,44%,
99,73% e 99,994% da distribuição.

• Essas probabilidades são indicadas por:

• P(  - 1   X  +1) = 0,6826
• P(  - 2   X  +2) = 0,9544
• P(  - 3   X  +3) = 0,9973
• P(  - 4   X  +4) = 0,99994

4
 Distribuição Normal – Características
• A figura seguinte ilustra os intervalos:
(   1 ), (   2 ), (   3 ), (   4 )

5
 Distribuição Normal – Padronização
• O cálculo de probabilidades é feito através do cálculo da área sob a curva
normal, que se torna mais simples ao utilizarmos uma distribuição
padronizada que não dependa de  e de .
• Para calcular P( a  X  b ) padroniza-se a variável aleatória X, fazendo o
cálculo:
𝑋− 𝜇
𝑍=
𝜎
Onde Z é denominada Variável Aleatória Normal Reduzida ou Padronizada,
que tem média zero e desvio-padrão 1.
Denota-se : Z  N(0 ; 1).

6
 Distribuição Normal – Padronização
• X  N(𝜇 ; 𝜎): P(a ≤ X ≤ b)

• Z  N(0 ; 1): P(Z1 ≤ Z ≤ Z2)

7
 Distribuição Normal – Padronização
Existem diferentes tabelas que fornecem áreas sob a curva N(0 ; 1).
Usaremos a tabela que dá a área à esquerda de z, isto é, P(Z  z).

Assim,
P( z1  Z  z2 ) = P( Z  z2 ) - P( Z  z1 )
8
 Distribuição Normal – Exemplo
Suponha que a renda de uma grande comunidade possa ser aproximada
por uma distribuição normal com média R$15.000 e desvio-padrão de
R$3.000.

X: Renda de uma grande comunidade

µ: média da distribuição σ: desvio-padrão da distribuição

µ = 15.000 (mi) σ = 3.000 (sigma)

9
 Distribuição Normal – Exemplo
a) Qual é a probabilidade de que um indivíduo, dessa comunidade, tenha
renda menor ou igual a R$ 10.500? 𝑋− 𝜇
𝑍=
µ = 15.000 (mi) σ = 3.000 (sigma) 𝜎

10.500−15.000
P(X ≤ 10.500) = P[Z ≤ ] = P(Z ≤ - 1,50) =
3.000

como a tabela que vamos usar fornece P(Z  z), olhar na tabela o valor de
z = - 1,50 e pegar a probabilidade correspondente:

10
 Distribuição Normal – Exemplo

P(Z < - 1,50) = 0,066807

11
 Distribuição Normal – Exemplo
b) Qual é a probabilidade de que um indivíduo, dessa comunidade, tenha renda
superior a R$ 18.600?
µ = 15.000 (mi) σ = 3.000 (sigma)
𝑋− 𝜇
𝑍=
𝜎
18.600−15.000
P(X > 18.600) = P[Z > ] = P(Z > 1,20) =
3.000

Como a tabela que vamos usar fornece P(Z  z), a probabilidade acima precisa
ser transformada. Como a distribuição normal é simétrica, escrever P(Z > 1,20)
fornece a mesma área que P(Z ≤ - 1,20).

12
 Distribuição Normal – Exemplo
b) Olhar na tabela o valor de z = - 1,20 e pegar a probabilidade correspondente:

P(Z ≤ - 1,20) = 0,115070

13
 Distribuição Normal – Exemplo
c) Qual é a probabilidade de que um indivíduo, dessa comunidade, tenha renda
entre R$ 9.000 e R$ 21.000?
µ = 15.000 (mi) σ = 3.000 (sigma)
𝑋− 𝜇
𝑍=
𝜎

14
 Distribuição Normal – Exemplo
c)

= P(Z ≤ 2) - P(Z ≤ -2) = 0,977250 - 0,022750 = 0,9545

15
 Distribuição Normal – Exemplo
d) Determine um intervalo, simétrico em torno da média, que contenha 90% da
distribuição.

𝑃 𝑥1 ≤ 𝑋 ≤ 𝑥2 = 0,90 Achar 𝑥1 𝑒 𝑥2 :

𝑷 𝑿 ≤ 𝒙𝟏 = 𝟎, 𝟎𝟓
16
 Distribuição Normal – Exemplo
d) 𝑷 𝑿 ≤ 𝒙𝟏 = 𝟎, 𝟎𝟓 ver na tabela da distribuição normal-padrão, na
probabilidade, o valor mais próximo de 0,05 e pegar o z1 correspondente.

17
 Distribuição Normal – Exemplo
d) Note que o valor mais próximo de 0,05 é 0,050503 e o z1 correspondente
é – 1,64

Mas:

18
 Distribuição Normal – Exemplo
d) 𝑷 𝑿 ≤ 𝒙𝟐 = 𝟎, 𝟗𝟓

19
 Distribuição Normal – Exemplo
d)

20
 Distribuição Normal – Exemplo
d)

21
 Distribuição Normal – Exemplo
e) Qual o valor da renda que abrange até 80% da distribuição?

22
 Distribuição Normal – Exemplo

e) µ = 15.000 (mi) σ = 3.000 (sigma)

O valor da renda que abrange até 80%

da distribuição é 17.520 reais.
23