Capı́tulo 1

Distribuição teórica de probabilidades

1.1 Conceito
Uma distribuição de probabilidade é uma função estatı́stica que descreve todos os
valores e probabilidades possı́veis que uma variável aleatória pode assumir dentro de um
determinado intervalo. Esse intervalo será limitado entre os valores mı́nimo e máximo
possı́veis, mas precisamente onde o valor possı́vel provavelmente será plotado na distri-
buição de probabilidade depende de vários fatores. Esses fatores incluem a média da
distribuição (média), desvio padrão, assimetria e curtose.
Considere a experiência aleatória que consiste no lançamento de três moedas e a ob-
servação da face cara voltada para cima. ou no lançamento de uma moeda três vezes e
a observação da face cara voltada para cima. Veja que os dois casos partilham o mesmo
espaço amostral.
Seja X a variável aleatória, definida da seguinte forma:
X: “número de cara (C) em três (3) lançamentos de uma moeda”.
X = {0, 1, 2, 3}

1
CAPÍTULO 1. DISTRIBUIÇÃO TEÓRICA DE PROBABILIDADES 2

C
1
2

C 1
1 2 K
2

C 1 1 C
2 K 2
1 1
2 2 K
1
2 1
C
2
1 C 1
K 2 2 K

1
2 1
C
2
K
1
2

1 1 1 1
P (X = 0) = × × =
2 2 2 8
1 1 1 1 1 1 1 1 1 1 1 1 1+1+1 3
P (X = 1) = × × + × × + × × = + + = =
2 2 2 2 2 2 2 2 2 8 8 8 8 8
1 1 1 1 1 1 1 1 1 1 1 1 1+1+1 3
P (X = 2) = × × + × × + × × = + + = =
2 2 2 2 2 2 2 2 2 8 8 8 8 8
1 1 1 1
P (X = 3) = × × =
2 2 2 8
Vimos que estamos a definir uma função fx (Ui ) que faz corresponderr uma probabilidade
a cada valor de X. É uma função com domı́nio em R e contradomı́nio no intervalo [0, 1]

1.2 Distribuição normal padrão

• O modelo de distribuição normal e estimativas intervalares
– A distribuição normal padrão
– Padronização de uma curva normal
– Intervalo de confiança para médias e proporções
• Muitas variáveis estatı́sticas têm uma distribuição de frequência ou densidade de
frequência que se distribui de uma forma caracterı́stica:
– As maiores frequências estão em torno da média / mediana
– Quanto mais distantes da média, menor a frequência dos resultados
CAPÍTULO 1. DISTRIBUIÇÃO TEÓRICA DE PROBABILIDADES 3

– Gráfico da função densidade assume uma forma de sino

• Uma variável aleatória X tem distribuição normal de probabilidade se a sua função
densidade de probabilidade (fdp) é dada por:
1
f (x) = √ e−(x−µ) /2σ
2 2

σ 2π
As principais caracterı́sticas dessa função são:
– O ponto máximo de f (x) é o ponto X=µ
– Os pontos de inflexão da função são: X = µ + σ e X = µ − σ
– A curva é simétrica em relação a µ
– E(X) = µ e V AR(X) = σ 2

• Se quisermos calcular a probabilidade indicada na figura, devemos fazer P (a ≤ X ≤

b 1
√ e− 2 ( σ ) dx que apresenta um grau relativo de dificuldades . Usare-
1 x−µ 2
b) = ∫
a σ 2π
mos a notação X ∼ N (µ, σ 2 )
(X tem distribuição normal com média µ e variância σ 2 )
CAPÍTULO 1. DISTRIBUIÇÃO TEÓRICA DE PROBABILIDADES 4

1.2.1 Modelo de distribuição normal padrão

• Distribuição normal padrão
– As curvas de distribuição normal são feitas levando em consideração dois parâmetros:
a média e a variância
– Para curvas normais de média 0 e variância 1, o estudo da área sob a curva é
muito bem conhecido

• Distribuição normal padrão

– É possı́vel saber, de imediato, quantos “desvios-padrões” uma determinada ob-
servação está distante da média
CAPÍTULO 1. DISTRIBUIÇÃO TEÓRICA DE PROBABILIDADES 5

– Há várias tabelas facilmente disponı́veis que quantificam com precisão faixas
de área sob a normal padrão, resultando no cálculo das probabilidades
• P (0 ≤ Z ≤ Zc )

1.2.2 Table de distribuição normal

1.2.3 Exercı́cios
1. Encontre o valor de uma variável advinda de uma curva normal padrão que deixa
80% das observações abaixo dela (P80)
2. Diga qual a percentagem das observações que ultrapassam o valor 1,0
3. Calcule o intervalo interquartil (P75 – P25), ou seja, os valores que delimitam 50%
das observações em torno da média
4. Qual a chance de uma observação tomada ao acaso ter valor entre 0,5 e 1,5?
5. Qual a chance de uma observação tomada ao acaso ter valor entre -1,0 e 1,0? (ou
seja, ±1) µσ
6. Determine um valor z tal que a probabilidade do valor de uma observação estar
entre [-z; +z] é de 95%
CAPÍTULO 1. DISTRIBUIÇÃO TEÓRICA DE PROBABILIDADES 6

1.3 Padronização da curva normal

• Para tornar valores comparáveis, isto é, para que regras estatı́sticas possam ser
aplicáveis a qualquer curva normal, é feito um processo chamado padronização ou
transformação da curva
• Dada uma curva normal N (µ, σ 2 ), de média µ e variância σ 2 , padronizamos os
X −µ
valores observados nessa curva utilizando a fórmula Z =
σ
• Demonstra-se que Z também tem distribuição normal. Z é chamada de variável
normal, reduzida, normal padronizada ou variável normalizada. X ∶ N (µ, σ 2 ) Ô⇒
Z ∶ N (0, 1)

1.3.1 Exemplo
• Seja X: (20, 4). Achar os valores reduzidos correspondentes a X1 = 14, X2 = 16,
X3 = 18, X4 = 20, X5 = 22, X6 = 24 e X7 = 26.

µ = 20 X − µ X − 20
Se X ∶ N (20, 4) { e Z= =
σ = 2 σ 2
14 − 20
• X1 = 14 Ô⇒ Z1 = = −3
2
16 − 20
• X2 = 16 Ô⇒ Z2 = = −2
2
• X3 = 18 Ô⇒ Z3 =?
• X4 = 20 Ô⇒ Z4 =?
• X5 = 22 Ô⇒ Z5 =?
• X6 = 24 Ô⇒ Z6 =?
• X7 = 26 Ô⇒ Z7 =?

1.3.2 Graficamente
14161820222426
−3−2−10123
CAPÍTULO 1. DISTRIBUIÇÃO TEÓRICA DE PROBABILIDADES 7

Concluimos que a variável Z indica quantos desvios padrões a variável está afastada da
média. Como as curvas são simétricas em relação as médias.

1.3.3 Exercı́cios
1. Os valores de glicémia de uma população são distribuı́dos normalmente, com média
90 e desvio padrão 20 – N(90,400). Encontre a chance de observar uma glicemia de
jejum alterada (100 – 125 mg/dl)
2. As alturas de alunos de uma faculdade têm média 1,70m e desvio padrão 5cm. Qual
o intervalo simétrico em torno da média que conterá 75% das alturas dos alunos?
3. Para o mesmo exemplo (altura média 1,70m, desvio padrão 5 cm), qual o intervalo
simétrico em torno da média que conterá 95% das alturas dos alunos?