INSTITUTO SUPERIOR TÉCNICO DE ANGOLA

POLO-CAXITO
DEPARTAMENTO DE CIENCIAS SOCIAIS
CURSO DE PSICOLOGIA

DISTRIBUIÇÃO NORMAL

GRUPO Nº 01
2º ANO
SALA: 02
PERÍODO: TARDE

Docente
_______________________

CAXITO-2022/2023
INSTITUTO SUPERIOR TÉCNICO DE ANGOLA
POLO-CAXITO
DEPARTAMENTO DE CIENCIAS SOCIAIS
CURSO DE PSICOLOGIA

DISCIPLINA: ESTATÍSTICA

DISTRIBUIÇÃO NORMAL
Características de uma distribuição normal
Curvas normais e modelo e o mundo real
Área sob uma Curva normal

Trabalho apresentado ao Instituto Superior Técnico

de Angola (ISTA) no curso de Psicologia como
requisito necessário para avaliação na cadeira de
estatística. Orientado pelo professor:

CAXITO-2022/2023
 AUTORES DO GRUPO

1. Manuel João Caculo Bernardo

2. Maria António Domingos da Silva
3. Margarida Manuela Gonçalo António Prata
4. Paulo Francisco Muxito
5. Pedro Garcia Félix João
6. Domingos Lemos Dias dos Santos
7. Rodrigues Sacamboa Caumba
8. Ana Maria Cazequeza
 ÍNDICE

1- INTRODUÇÃO..........................................................................................................1

2. FUNDAMENTAÇÃO TEÓRICA................................................................................2

2.1- Distribuição normal..........................................................................................2

3- CARACTERÍSTICAS DE UMA DISTRIBUIÇÃO NORMAL......................................4

3.1- Qual é a distribuição normal nas estatísticas.................................................5

3.2- Média e desvio padrão....................................................................................5

3.3- Percentagens..................................................................................................5

4- CURVAS NORMAIS E MODELO E O MUNDO REAL.............................................6

4.1- Aplicações Práticas do Modelo de Distribuição Normal Padrão.....................6

5- ÁREA SOB UMA CURVA NORMAL..................................................................7

6- CONSIDERAÇÕES FINAIS......................................................................................9

7- REFERÊNCIAS BIBLIOGRÁFICAS.......................................................................10
 1- INTRODUÇÃO

O presente estudo visa desenvolver o tema distribuição normal. Portanto, a

Estatística pode ser caracterizada como a análise e a interpretação de dados,
tratando-se de uma disciplina aplicada. A Probabilidade, por sua vez, é um ramo da
Matemática que trata da incerteza, isto é, procura modelar fenômenos não
determinísticos. A origem de ambas é diferente, assim como, cada uma trilhou o seu
próprio caminho até o final do século 19 ou, talvez um pouco antes, quando ocorreu
o encontro e partir daí desenvolveu-se a Inferência e as coisas não foram mais as
mesmas. A Probabilidade continuou a evoluir independentemente, mas o vigor
dessa união foi mais prolífico para a Estatística.

A Estatística pode ser caracterizada como a análise e a interpretação de

dados, tratando-se de uma disciplina aplicada. A Probabilidade, por sua vez, é um
ramo da Matemática que trata da incerteza, isto é, procura modelar fenômenos não
determinísticos.

A origem de ambas é diferente, assim como, cada uma trilhou o seu próprio
caminho até o final do século 19 ou, talvez um pouco antes, quando ocorreu o
encontro e partir daí desenvolveu-se a Inferência e as coisas não foram mais as
mesmas. A Probabilidade continuou a evoluir independentemente, mas o vigor
dessa união foi mais prolífico para a Estatística.

A distribuição normal ficou mais conhecida como de Laplace curva de Gauss,

dando razão a lei da hiponímia de Stigler (2002, p. 277), que coloca: “nenhuma
descoberta científica é batizada com o nome do seu descobridor original.” Gauss, de
fato, não derivou e nem estudou essa distribuição, Johann Carl Friedrich de acordo
com Stigler, mas a associou com o método dos mínimos quadrados Gauss na sua
primeira publicação sobre o assunto em 1809.

Assim para o presente trabalho obtivemos como objectivos geral, conhecer e

conceituar a distribuição normal e específica: descrever os tipos de distribuição
como método estático, analisar as características de uma distribuição normal e por
último identificar as Curvas normais e modelo e o mundo real.
1
1.1- OBJECTIVOS

1.1.1- Geral

 Conhecer alguns conceitos sobre distribuição normal e suas devidas

características.

1.1.2- Específicos

 Identificar as Características de uma distribuição normal

 Descrever as Curvas normais e modelo e o mundo real
 Analisar o estudo sobre Área sob uma Curva normal

2
 2. FUNDAMENTAÇÃO TEÓRICA

2.1- Distribuição normal

A distribuição normal, também conhecida como gaussiana, é, sem dúvidas, a

distribuição de probabilidade mais importante da Estatística. Ela será muito estudada
em diversos teoremas, como o Teorema do Limite Central, que define Intervalos de
Confiança.

SEGUNDO , A normal é considerada a distribuição de probabilidade mais

importante, pois permite modelar uma infinidade de fenômenos naturais e, além
disso, possibilita realizar aproximações para calcular probabilidades de muitas
variáveis aleatórias que têm outras distribuições.

A distribuição normal é contínua. Isso significa que ela se aplica a variáveis

contínuas, isto é, aquelas que podem assumir qualquer valor real.

Por exemplo, o nível de açúcar no sangue de uma pessoa é uma variável

contínua, porque ela pode assumir qualquer valor. Uma pessoa pode ter 95 mg/L de
glicose, mas também pode ter 90,38 mg/L ou ainda 92,745 mg/L.

É diferente do que acontece com o número de filhos de um casal, que é uma

variável discreta: um casal só pode ter 1 filho, 2 filhos ou 3 filhos. Não existe a
probabilidade de um casal ter 1/2 filho.

A distribuição normal é caracterizada por sua média (μ) e variância (σ²).

Quando queremos dizer que uma variável aleatória X segue uma distribuição
❑
normal, utilizamos a seguinte notação: X N ( μ , σ 2 )

A distribuição normal é caracterizada por uma função densidade de

probabilidade, e não por uma distribuição de probabilidades, como acontece com as
distribuições contínuas. Na próxima seção, nós já veremos qual o significado
especial desse nome.

Por enquanto, vamos apresentar a densidade de probabilidade característica

da normal.

3
 A média refere-se ao centro da distribuição e o desvio padrão ao
espalhamento (ou achatamento) da curva. A distribuição normal é simétrica em torno
da média o que implica que e média, a mediana e a moda são todas coincidentes.

Para referência, a equação da curva é

Eu sei que essa expressão parece bastante complicada e assusta. Porém, eu

vou te dar uma boa notícia: eu nem recomendo que você decore essa expressão.
Até hoje, eu confesso que, mesmo usando Estatística quase que diariamente no
meu trabalho, eu nunca utilizei essa expressão na minha vida. Quando estamos
falando da distribuição normal, o mais comum é recorrer a tabelas. Em breve, nós
vamos conhecer as famosas tabelas da distribuição normal – essas, sim, são
bastante úteis.

Em particular, quando a média da distribuição é nula e a variância é igual a 1,

a distribuição normal é conhecida como normal padrão.

O gráfico da normal padrão é bastante conhecido e você deve registrá-lo.

Você será muito bem-sucedido(a) em Estatística, se tiver a prática de desenhar esse
gráfico em todas as questões de Estatística Inferencial. Lembra bastante um sino.

Figura 5: Gráfico da Curva Normal

Observe que esse gráfico é bem diferente do que era visto nas distribuições
de probabilidade discretas. Naquelas distribuições, o gráfico só era visualizado em
4
alguns pontos. Vejamos o caso da distribuição binomial com n = 10 e p = 0,5. Esse
gráfico só pode ser calculado nos pontos: {0, 1, 2, …, 9, 10}.

Figura 6: Distribuição Binomial com n = 10 e p = 0,5

É bem diferente do que acontece com o gráfico da distribuição normal, que

pode ser calcu lado para qualquer valor real.

3- CARACTERÍSTICAS DE UMA DISTRIBUIÇÃO NORMAL

 Distribuição normal: o que é, características e exemplos em estatística

Em estatística e probabilidade, a distribuição normal, também chamada de

distribuição Gaussiana  (em homenagem a Carl F. Gauss), a distribuição Gaussiana
ou a distribuição Laplace-Gaussiana, reflete como os dados são distribuídos em uma
população. É a distribuição mais frequente nas estatísticas e é considerada a mais
importante devido ao grande número de variáveis reais que assumem a sua forma.
Assim, muitas das características da população são distribuídas de acordo com uma
distribuição normal: inteligência, dados antropométricos em humanos (por exemplo,

5
altura, altura), etc. Vamos ver com mais detalhes qual é a distribuição normal e
vários exemplos disso.

3.1- Qual é a distribuição normal nas estatísticas

Distribuição normal é um conceito pertencente às estatísticas. Estatística é a

ciência que lida com a contagem, ordenação e classificação dos dados obtidos por
observações, a fim de fazer comparações e tirar conclusões.

Uma distribuição descreve como certas características (ou dados) são

distribuídas em uma população. A distribuição normal é o modelo contínuo mais
importante em estatística, tanto para sua aplicação direta (uma vez que muitas
variáveis de interesse geral podem ser descritas pelo referido modelo), quanto para
suas propriedades, que permitiram o desenvolvimento de inúmeras técnicas de
inferência estatística.

A distribuição normal é, portanto, uma distribuição de probabilidade de uma

variável contínua . Variáveis contínuas são aquelas que podem adotar qualquer
valor dentro de um intervalo já predeterminado. Entre dois dos valores, sempre pode
haver outro valor intermediário, que pode ser tomado como valor pela variável
contínua. Um exemplo de variável contínua é o peso.

Historicamente, o nome “Normal” vem do fato de que, por algum tempo, se

acreditava, por médicos e biólogos, que todas as variáveis naturais de interesse
seguiam esse modelo.

Podemos estar interessado: ” Os 11 tipos de variáveis usadas na pesquisa

“aracteristicas. Algumas das características mais representativas da distribuição normal
são as seguintes:

3.2- Média e desvio padrão

A distribuição normal corresponde a uma média zero e um desvio padrão ou

padrão de 1 . O padrão ou desvio padrão indica a separação que existe entre
qualquer valor da amostra e a média.

6
3.3- Percentagens

Em uma distribuição normal, você pode determinar exatamente qual

percentagem dos valores estará dentro de qualquer intervalo específico. Por
exemplo: Cerca de 95% das observações estão dentro de 2 desvios padrão da
média. 95% dos valores estarão dentro de 1,96 desvios padrão da média (entre -
1,96 e +1,96). Aproximadamente 68% das observações estão dentro de 1 desvio
padrão da média (-1 a +1), e cerca de 99,7% das observações estariam dentro de 3
desvios padrão da média (-3 a +3 ).

4- CURVAS NORMAIS E MODELO E O MUNDO REAL

A curva normal ou distribuição normal tem um papel preponderante tanto na

teoria da probabilidade quanto na estatística. Na probabilidade, ela representa um
dos mais conhecidos modelos teóricos, cuja principal aplicação é na inferência
estatística. A partir do século XIX, o modelo foi popularizado e passou e ser utilizado
pelas áreas sociais e humanas. Hoje o termo normal ou sua denominação mais
comum bell curve é utilizado tanto na literatura científica quanto na popular. Ela é
conhecida e empregada por educadores, sociólogos, médicos e jornalistas entre
outros. Poucos modelos matemáticos ganharam tal destaque e relevância. Esse
artigo traça um panorama de seu surgimento, desenvolvimento, divulgação,
caracterização e aplicações.

4.1- Aplicações Práticas do Modelo de Distribuição Normal Padrão

A distribuição normal padrão pode ajudá-lo a descobrir quais disciplinas você

está obtendo boas notas e quais você deve estudar mais, de acordo com as notas
que vêm obtendo.

Você só pode dizer que é melhor em um assunto específico se obtiver uma

pontuação com um certo número de desvios padrão acima da média. O desvio
padrão informa a intensidade com que seus dados são agrupados em torno da
média. Ele permite que você compare diferentes distribuições que possuem
diferentes tipos de dados - incluindo diferentes meios.

7
 Por exemplo, se você obtiver uma pontuação de 90 em matemática e 95 em
português, poderá pensar que é melhor em português do que em matemática. No
entanto, em matemática, sua pontuação é de 2 desvios padrão acima da média. Em
português, é apenas um desvio padrão acima da média.

Isso significa que, em matemática, sua pontuação é muito maior do que a

maioria dos alunos (sua pontuação se apresenta na cauda da distribuição normal).
Com base nesses dados, você realmente teve um desempenho melhor em
matemática do que em português!

5- ÁREA SOB UMA CURVA NORMAL

O nome Integral Definida vem do fato que a integral está restrita a um

intervalo. Assim se temos uma função f(x) e aplicarmos a integral definida em [a,b]
obteremos um valor que não depende mais de x. Este valor encontrado é a Área que
está limitada entre a função f(x), o eixo x e as retas x=a e x=b, como na figura.

 
Definição: Se a função f(x) for contínua em [a,b], onde este intervalo seja
b−a
dividido em n partes iguais de comprimento  ∆ x= tomarmos para cada i-ésimo
n
intervalo um  , i=1,…,n, a integral definida de f(x) em [a,b] é dada por 

Se este limite existir.

Exemplo 1: encontre a área sob a função f(x)=sen(x) no intervalo   .
Observemos que o exemplo nos pede que calculemos a área localizada entre
a curva, o eixo e no intervalo indicado, assim utilizaremos a Integral Definida  . O
primeiro passo é encontrar a integral como vimos na Integral Indefinida e deixando
indicado o intervalo de integração. Perceba que podemos integrar direto, sem uso de
outro artifício, pois temos uma integral imediata

8
 . 
O passo seguinte é aplicarmos o intervalo de integração, que consiste em
aplicar o intervalo superior na função encontrada menos o intervalo inferior também
aplicado na função encontrada

Logo,

.
Obs: perceba que a constante C que surge quando integramos sempre se
cancelará nas integrais definidas, assim caso queira omitir não influenciará no
resultado final. Observe esta área no gráfico da função

Atenção: No gráfico anterior, observe que o intervalo indicado fica todo sobre

o eixo x. Assim aplicamos uma única integral para todo intervalo. Porém quando
tivermos uma parte a cima o eixo x e outra a baixo, temos que separar os intervalos.
Para ficar mais claro a explicação utilizaremos outro exemplo. Exemplo 2: Encontre
a área limitada pela função   e o eixo x no intervalo  .

Observe que se aplicarmos a integral para todo o domínio teremos uma área
nula entretanto este resultado é falso. Isto ocorre pois a função ora é positiva e ora
negativa. Para obtermos o verdadeiro resultado, devemos separa em duas integrais.
 Uma para o domínio onde a função é não positiva,  .
 Uma para o domínio onde a função é não negativa,  .
Mas para onde a função é não positiva, a integral deve ser antecedida do sinal
menos, pois se não a área será negativa neste intervalo devido a altura ser negativa.

Assim temos que determinar

9
 .
Calculando separadamente
Substituindo obtemos o resultado esperado 

.
Para terminar, no gráfico a seguir podemos perceber a veracidade do
resultado, ao calcular, geometricamente, as áreas dos dois triângulos. 

10
 6- CONSIDERAÇÕES FINAIS

Para concluir, a história quase nunca faz justiça aos descobridores originais.
Distribuição normal é um conceito pertencente às estatísticas. Estatística é a ciência
que lida com a contagem, ordenação e classificação dos dados obtidos por
observações, a fim de fazer comparações e tirar conclusões. A curva normal é
apenas mais um caso. Ela é conhecida como curva de Gauss que contribuiu apenas
com uma aplicação e com isso, talvez, com sua popularização.
Com esse trabalho pretendeu-se dar mais visibilidade a um dos principais
modelos matemáticos que já foram criados. Com tudo tratamos sobre distribuição
normal, onde vimos que a distribuição normal, também conhecida como gaussiana,
é, sem dúvidas, a distribuição de probabilidade mais importante da Estatística. Ela
será muito estudada em diversos teoremas, como o Teorema do Limite Central, que
define Intervalos de Confiança.

Outra procuramos entender um pouco sobre as características de uma

distribuição normal, na qual observamos que, em estatística e probabilidade, a
distribuição normal, também chamada de distribuição Gaussiana (em homenagem a
Carl F. Gauss), a distribuição Gaussiana ou a distribuição Laplace-Gaussiana,
reflete como os dados são distribuídos em uma população.

E por fim curvas normais e modelo e o mundo real, neste entendemos a curva
normal ou distribuição normal como um elemento que tem um papel preponderante
tanto na teoria da probabilidade quanto na estatística. Na probabilidade, ela
representa um dos mais conhecidos modelos teóricos, cuja principal aplicação é na
inferência estatística.

11
 7- REFERÊNCIAS BIBLIOGRÁFICAS

 BOX, George Edward Pelham; MULLER, Mervin Edgar. A note on the

generation of random normal deviates. The Annals of Mathematical Statistical.
v. 29, n. 2, 1958, p. 610-11.
 DAVID, Herbert A. Tables Related to the Normal Distribution: A Short History.
The American Statistician. v. 59, n. 4, Nov. 2005, p. 309-11.
 DAW, R. H. Why the Normal Distribution. Journal of the Institute of Actuaries
Students’ Society [JSS]. v. 18, n. 1, 1966 , p. 2-15.
 DAW, R. H.; PEARSON, Egon Sharpe. Studies in the history of probability
and statistics: Abraham de Moivre’s 1733 derivation of the normal curve: a
bibliographical note. Biometrika, v. 59, n. 3, 1972, p. 677-80.

 Quintela, A. (2005). Estatísticas básicas adoçadas. Bookdown

 Fontes de Gracia, S. García, C. Quintanilla, L. et al. (2010). Fundamentos da
pesquisa em psicologia. Madri: UNED. ISBN: 9788436260557.
 Garrafa, J. Sueró, M. Ximénez, C. (2012). Análise de dados em psicologia I.
Madrid: Pirâmide. ISBN: 9788436815382.

12