Você está na página 1de 79

Professora Adriana

Almeida

Professor Murilo
Lopes

UNIDADE 04:
Distribuições de Probabilidades
ENGENHARIA DE MANUTENÇÃO ELETROMECÂNICA
Programação 30/08/2022
▪19h às 20:00h – Probabilidades Discretas;
▪20:00h às 21:20h – Probabilidades Contínuas;
▪21h às 21:10h – Intervalo;
▪21:10h às 21:30h – Distribuições no Excel;
▪21:30h às 22:30h – Lista 02
Desvio Padrão
▪Qual o objetivo de se calcular o Desvio Padrão?
▪Mostrar o quanto os dados variam em torno de uma média,
que pode ser populacional ou amostral.
▪Distribuições mais concentradas estão associadas à Desvios
menores e vice-versa:

σ σ
Desvio Padrão
▪Lembre-se que o Desvio Padrão é a medida de variação
mais comum na Estatística, é necessário conhecê-lo para se
fazer boas análises.
▪ 📢📢

▪”O desvio Padrão precisa ser analisado em meio ao


contexto na qual se deseja fazer a análise", ou seja:
▪De quais dados estamos falando? Assim poderemos dizer se o
seu valor é “grande” ou “pequeno”.
Média e Desvio Padrão
▪Porque a Média e o desvio Padrão devem
aparecer juntos?
▪Nas aplicações cotidianas, dificilmente
teremos acesso à Média Populacional,
assim, geralmente recorremos à Média
Amostral 𝒙ഥ , que nos oferece a primeira
intuição geral do que está acontecendo com os
dados.
Média e Desvio Padrão
▪Porque a Média e o desvio Padrão devem
aparecer juntos?
▪Só quando temos a Variância e o Desvio
Padrão, sabemos o quanto os dados se
distanciam da Média, em “média”.
▪O Desvio Padrão é uma medida de
confiabilidade sobre o valor da Média.
Média e Desvio Padrão
▪Porque a Média e o desvio Padrão devem
aparecer juntos?
▪O Desvio Padrão nos ajuda a entender se a
Média é realmente uma medida fidedigna
para uma determinada amostra.
▪Assim como a Porca e o Parafuso, a Média
e o Desvio Padrão se complementam
quando aparecem juntos.
Média e Desvio Padrão
COEFICIENTE DE VARIAÇÃO DESVIO PADRÃO
▪Comparar a variabilidade ▪Comparar a variabilidade
entre grupos com médias entre grupos com médias
diferentes. iguais.
Probabilidade e Estatística

Probabilidade: Dada a informação do


balde, o que tem na sua mão?

Estatística: Dada a informação da sua


mão, que tem no do balde?
Probabilidade e Estatística
▪Quando falamos em Probabilidade, os parâmetros da
população são conhecidos.
▪A pergunta que respondemos é: O que acontece quando
você pega uma amostra?
▪Quando falamos em Estatística, os parâmetros da
população são desconhecidos.
▪Pegamos uma amostra, calculamos a estatística, e
deduzimos (inferimos) algo sobre a população.
Distribuições de Probabilidades
▪Estuda a Probabilidade de cada valor de uma variável aleatória
(é uma função que associa a cada elemento do espaço amostral
a um número real).
▪As distribuições de probabilidades se dividem em duas partes:
▪1º Distribuição discreta (ou descontínua) de Probabilidades: a
Binomial, a hipergeométrica e a de Poisson.
▪2º Distribuição Contínua de Probabilidades: a uniforme, a
exponencial e a normal (ou de Gauss).
Distribuições de Probabilidades
▪Uma variável aleatória é uma variável quantitativa, cujo
resultado depende de fatores aleatórios.
▪Exemplo:
▪No lançamento de um dado, embora possamos conhecer os
possíveis resultados – nesse caso, de 1 a 6 – o resultado depende
de fatores de sorte (por isso é aleatório).
▪As variáveis aleatórias podem ser consideradas como funções
que associam números reais aos eventos de um espaço
amostral.
Distribuições de Probabilidades
▪Esta representação da variável aleatória por meio de números
apresenta uma vantagem: a de possibilitar melhor tratamento
matemático, substituindo palavras por números. Por exemplo:
▪Evento = jogar quatro moedas honestas.
▪X = número de coroas obtidas.
▪X é uma variável aleatória que pode assumir os valores 0, 1, 2, 3
ou 4; ou seja, o número de faces coroa que podem ser obtidas
em uma jogada de quatro moedas honestas.
▪Podemos ter variáveis aleatórias discretas e contínuas.
Combinação Simples
▪São todos os agrupamentos simples de x elementos que
podemos formar n elementos distintos, sendo 𝑥≤𝑛.
▪Cada um desses agrupamentos se diferencia de outro
apenas pela natureza de seus elementos.
𝑛 𝑛! Lê-se: “combinação simples de
𝐶𝑛,𝑥 = =
𝑥 𝑥! 𝑛−𝑥 ! n elementos tomados x a x”
8
Exemplo: Calcular: a)
3
8 8! 8! 8.7.6.5! 336
1º Modo: = = = = = 56
3 3! 8 − 3 ! 3! .5! 3.2.1.5! 6
Combinação Simples
▪Procedimento: Como o valor na parte inferior dos
parênteses do número binomial é 3, basta colocar no
numerador do cálculo da fração 3 fatores em ordem
decrescente, começando pelo número 8, que é o valor que
está na parte superior dos parênteses do número binomial,
ou seja, colocar o produto 8.7.6=336, e no denominador da
fração colocar o 3! = 3.2.1= 6.
2º Modo ou prático: 8 8.7.6
= = 8.7 = 56
3 3.2.1
Combinação Simples
𝑛 𝑛
Observe: = =1
0 𝑛
Combinações Complementares:
𝑛 𝑛
𝑥1 = 𝑥2 = 𝑠𝑒𝑛𝑑𝑜 𝑎 𝑠𝑜𝑚𝑎 𝑑𝑒 𝑥1 + 𝑥2 = 𝑛

100 100
Exemplo: Calcular =
98 2

100 100 100.99


Método Prático: = = = 4950
98 2 2.1
Distribuição Binomial
▪É utilizada para eventos COM reposição (ou repetição).
Aplicável sempre que:

a) Só existem dois resultados (sucesso e fracasso);


b) Os eventos são independentes;
c) A probabilidade de sucesso é constante de tentativa
para tentativa.
Distribuição Binomial
𝑛 𝑥 𝑛−𝑥
A fórmula Geral: 𝑃 𝑥 = .𝑝 .𝑞
𝑥
▪x= número de sucessos, em n tentativas.
▪n-x= número de fracassos, em n tentativas.
▪p= probabilidade de sucesso em uma tentativa.
▪q= probabilidade de fracasso nessa tentativa (lembrete: q= 1-p).
𝑛
▪ = número de resultados experimentais que fornecem exatamente x
𝑥
sucessos em n ensaios (Combinação simples ou número binomial).
Distribuição Binomial
▪Exemplo: Num determinado processo de fabricação, 15%
das peças são consideradas defeituosas. As peças são
acondicionadas em caixas com 7 unidades cada uma.
a) Qual é a probabilidade de haver exatamente 4 peças
defeituosas em uma caixa qualquer?
7
𝑃 𝑥=4 = . 0,154 . 0,857−4
4
7
𝑃 𝑥=4 = . 35. 0,000506 . 0,614125
4
𝑃 𝑥=4 = 0,0109 = 1,09%
Distribuição Binomial
▪No Excel: Num determinado processo de fabricação, 15%
das peças são consideradas defeituosas. As peças são
acondicionadas em caixas com 7 unidades cada uma.
a) Qual é a probabilidade de haver exatamente 4 peças
defeituosas em uma caixa qualquer?
PRESSIONE NA CÉLULA:
=DISTR.BINOM(NÚMERO DE SUCESSOS; TENTATIVAS;
PROBABILIDADE DE SUCESSO; CUMULATIVO(Escolhe FALSO))
=DISTR.BINOM(4;7;0,15;FALSO) Como a probabilidade
é exatamente para 4
peças defeituosas,
utiliza-se o falso.
Distribuição Binomial
b) Qual é a probabilidade de haver 2 ou menos peças
defeituosas em uma caixa qualquer?
Isso significa dizer que nessa caixa pode existir 2 peças
defeituosas, ou apenas uma peça defeituosa, ou nenhuma
peça defeituosa.
Sendo a probabilidade desejada a soma desses três
resultados.
Distribuição Binomial
b) Qual é a probabilidade de haver 2 ou menos peças
defeituosas em uma caixa qualquer?
P0= Probabilidade de não haver nenhuma peça defeituosa
em uma caixa, isto é:
7
𝑃 𝑥=0 = . 0,150 . 0,857 = 1.1. 0,321 = 32,1%
0
Distribuição Binomial
b) Qual é a probabilidade de haver 2 ou menos peças
defeituosas em uma caixa qualquer?
P1= Probabilidade de haver somente uma peça defeituosa
em uma caixa, isto é:
7
𝑃 𝑥=1 = . 0,151 . 0,856 = 7. 0,15. 0,377 = 39,6%
1
Distribuição Binomial
b) Qual é a probabilidade de haver 2 ou menos peças
defeituosas em uma caixa qualquer?
P2= Probabilidade de haver exatamente duas peças
defeituosas em uma caixa, isto é:
7
𝑃 𝑥=2 = . 0,152 . 0,855 = 21. 0,0225. 0,4437 = 21%
2
Distribuição Binomial
b) Qual é a probabilidade de haver 2 ou menos peças
defeituosas em uma caixa qualquer?
Logo, a probabilidade de haver duas ou menos peças
defeituosas em uma caixa qualquer é:
𝑃 𝑥≤2 =𝑃 𝑥=0 +𝑃 𝑥=1 +𝑃 𝑥=2

𝑃 𝑥≤2 = 0,321 + 0,396 + 0,21 = 0,927 = 92,7%


Distribuição Binomial
▪No Excel: Num determinado processo de fabricação, 15%
das peças são consideradas defeituosas. As peças são
acondicionadas em caixas com 7 unidades cada uma.
b) Qual é a probabilidade de haver 2 ou menos peças
defeituosas em uma caixa qualquer? Como a probabilidade
PRESSIONE NA CÉLULA: é menor ou igual a 2
=DISTR.BINOM(NÚMERO DE SUCESSOS; TENTATIVAS; peças defeituosas,
PROBABILIDADE DE SUCESSO; CUMULATIVO(Escolhe Verdadeiro)) utiliza-se o verdadeiro
para cumulativo.
=DISTR.BINOM(2;7;0,15;Verdadeiro)
Assim ele somará as
probabilidades:
p(0)+p(1)+p(2)=
Distribuição Binomial
c) Qual é a probabilidade de haver mais de uma peça
defeituosa em uma caixa qualquer?
1º Modo: 𝑃 𝑥>1 =𝑃 𝑥=2 +𝑃 𝑥=3 +𝑃 𝑥=4 +𝑃 𝑥=5 +𝑃 𝑥=6 +𝑃 𝑥=7

2º Modo: Como o cálculo do 1º modo é bastante trabalhoso, podemos utilizar


o evento complementar, assim podemos utilizar as probabilidades P0=0,321 e
P1=0,396 calculadas na letra(b) e subtrairmos de 1(100%), ou seja:

𝑃(𝑥 > 1) = 1 − [𝑃 𝑥=0 +𝑃 𝑥=1 ] = 1 − (0,321 + 0,396) = 0,283 = 28,3%


Distribuição Binomial
▪No Excel: Num determinado processo de fabricação, 15%
das peças são consideradas defeituosas. As peças são
acondicionadas em caixas com 7 unidades cada uma.
c) Qual é a probabilidade de haver mais de uma peça
defeituosa em uma caixa qualquer? Como a probabilidade é mais
de uma peça defeituosa,
PRESSIONE NA CÉLULA:
utiliza-se o verdadeiro para
=DISTR.BINOM(NÚMERO DE SUCESSOS; TENTATIVAS;
cumulativo. Assim ele somará
PROBABILIDADE DE SUCESSO; CUMULATIVO(Escolhe Verdadeiro)) as probabilidades: p(0)+p(1).
=1-DISTR.BINOM(1;7;0,15;Verdadeiro) Como deseja-se calcular a
probabilidade de haver mais
de uma peça defeituosa, faz-
se: 1- Cumulativa(p(0)+p(1)).
Distribuição Hipergeométrica
▪É uma distribuição discreta de probabilidades, aplicável
para uma população finita, quando os eventos não são
independentes (ou seja, são dependentes).
▪Ela é utilizada para eventos SEM reposição (ou repetição).
𝑁1 𝑁2 Onde,
N= Número de elementos da população
𝑛1 𝑛2 N1= Número de elementos da população rotulados de Sucesso N= N1+ N2
𝑃 𝑥=𝑛1 = N2= Número de elementos da população rotulados de Fracasso
𝑁
n= Número total de escolhas que serão realizadas
𝑛 n1= Número de sucessos pretendidos em n escolhas n= n1+ n2
n2= Número de fracassos pretendidos em n escolhas
Distribuição Hipergeométrica
▪Exemplo: Sabe-se que em determinada caixa com 10
lâmpadas, 2 são defeituosas.
Se um engenheiro eletricista extrair uma amostra de 4
lâmpadas dessa caixa, sem reposição, calcular a
probabilidade de ele obter:
a) 1 lâmpada defeituosa.
b) Nenhuma lâmpada defeituosa.
c) 1 ou menos lâmpada defeituosa.
Distribuição Hipergeométrica
a) 1 lâmpada defeituosa.
N= 10 (total de 10 lâmpadas existentes na caixa)
N2= 8(número de lâmpadas boas existentes na caixa) N= 8+2
N1= 2 (número de lâmpadas defeituosas existentes na caixa
n= 4 (total de lâmpadas que o engenheiro irá retirar da caixa)
n2= 3(total de lâmpadas boas que o engenheiro irá retirar da caixa) n= 3+ 1
n1= 1(total de lâmpadas defeituosas que o engenheiro irá retirar da caixa)
Distribuição Hipergeométrica
a) 1 lâmpada defeituosa.
𝑁1 𝑁2 2 8 2 8.7.6
𝑃 =
𝑛1 𝑛2
= 1 3 = 1 . 3.2.1 = 56.2 = 0,533
𝑥=𝑛1 =1 𝑁 10 10.9.8.7 210
𝑛 4 4.3.2.1
= 53,3%
Distribuição Hipergeométrica
a) No Excel: 1 lâmpada defeituosa.
PRESSIONE NA CÉLULA:
=DISTR. HIPERGEOM.N(EXEMPLO DE SUCESSOS; EXEMPLO
NUMÉRICO; POPULAÇÃO DE SUCESSO; NUMÉRICO DA POPULAÇÃO;
CUMULATIVO(Escolhe Verdadeiro OU Falso)

=DISTR.HIPERGEOM.N(1;4;2;10; FALSO)
Distribuição Hipergeométrica
b) Nenhuma lâmpada defeituosa.
N= 10 (total de 10 lâmpadas existentes na caixa)
N2= 8(número de lâmpadas boas existentes na caixa) N= 8+2
N1= 2 (número de lâmpadas defeituosas existentes na caixa
n= 4 (total de lâmpadas que o engenheiro irá retirar da caixa)
n2= 4(total de lâmpadas boas que o engenheiro irá retirar da caixa) n= 4+ 0
n1= 0(total de lâmpadas defeituosas que o engenheiro irá retirar da caixa)
Distribuição Hipergeométrica
b) Nenhuma lâmpada defeituosa.

𝑁1 𝑁2 2 8 8.7.6.5
1∙
𝑃 =
𝑛1 𝑛2
= 0 4 = 4.3.2.1 = 70 = 0,333
𝑥=0 𝑁 10 10.9.8.7 210
𝑛 4 4.3.2.1
= 33,3%
Distribuição Hipergeométrica
b) No Excel: Nenhuma lâmpada defeituosa.
PRESSIONE NA CÉLULA:
=DISTR. HIPERGEOM.N(EXEMPLO DE SUCESSOS; EXEMPLO
NUMÉRICO; POPULAÇÃO DE SUCESSO; NUMÉRICO DA POPULAÇÃO;
CUMULATIVO(Escolhe Verdadeiro OU Falso)

=DISTR.HIPERGEOM.N(0;4;2;10;FALSO)
Distribuição Hipergeométrica
c) 1 ou menos lâmpada defeituosa.
N= 10 (total de 10 lâmpadas existentes na caixa)
N2= 8(número de lâmpadas boas existentes na caixa) N= 8+2
N1= 2 (número de lâmpadas defeituosas existentes na caixa
n= 4 (total de lâmpadas que o engenheiro irá retirar da caixa)
n2= 3(total de lâmpadas boas que o engenheiro irá retirar da caixa) n= 3+ 1
n1= 1(total de lâmpadas defeituosas que o engenheiro irá retirar da caixa)
Distribuição Hipergeométrica
c) 1 ou menos lâmpada defeituosa.

𝑃 𝑥≤1 =𝑃 𝑥=0 +𝑃 𝑥=1 = 0,333 + 0,533 = 0,866 = 86,6%


Distribuição Hipergeométrica
c) No Excel: 1 ou menos lâmpada defeituosa.
PRESSIONE NA CÉLULA:
=DISTR. HIPERGEOM.N(EXEMPLO DE SUCESSOS; EXEMPLO
NUMÉRICO; POPULAÇÃO DE SUCESSO; NUMÉRICO DA POPULAÇÃO;
CUMULATIVO(Escolhe Verdadeiro OU Falso)

=DISTR.HIPERGEOM(1;4;2;10; VERDADEIRO)
Distribuição de Poisson (eventos raros)
▪Distribuição discreta de probabilidade aplicável a ocorrências de um
evento em um intervalo especificado: TAXA 𝜆.

▪Acidentes por dia;


▪Defeitos por metro;
▪Falhas semanais de um computador;
▪Chamadas telefônicas por minuto;
▪Número de falhas em componentes por unidade de tempo;
▪Número de requisições para um servidor em um intervalo de tempo t ;
▪Número de peças defeituosas substituídas num veículo durante o
primeiro ano de vida.
Distribuição de Poisson (eventos raros)
𝝀𝒙 . 𝒆−𝝀
𝑷 𝒙 =
𝒙!

Onde,
x = número de ocorrências do evento em um intervalo
λ= taxa de ocorrência do evento x (número esperado de eventos)
e ~ 2,71828 (constante natural)
Distribuição de Poisson (eventos raros)
▪Exemplo: As pastilhas de uma máquina fresadora de uma
metalúrgica são substituídas numa média de oito pastilhas
por dia.
▪Se a distribuição de frequência das pastilhas substituídas
for do tipo Poisson, qual a probabilidade de amanhã
substituir cinco pastilhas?
λx . e−λ 85 . 𝑒 −8
P x = 𝑃 𝑥=5 = = 0,092 = 9,2%
x! 5!
Distribuição de Poisson (eventos raros)
▪No Excel: As pastilhas de uma máquina fresadora de uma
metalúrgica são substituídas numa média de oito pastilhas
por dia.
▪Se a distribuição de frequência das pastilhas substituídas
for do tipo Poisson, qual a probabilidade de amanhã
substituir cinco pastilhas?
PRESSIONE NA CÉLULA:
=DISTR.POISSON(x; média; Cumulativo(verdadeiro ou falso)
=DISTR.POISSON(5;8;FALSO)
Distribuição Exponencial (Contínua)
▪Determina as probabilidades entre ocorrências num
intervalo contínuo de tempo ou da distância.
▪ Exemplos:
▪Tempo entre falhas de sistemas elétricos;
▪Tempo entre chamadas telefônicas;
▪Intervalos entre as chegadas de veículos(ônibus, trens, navios
ou aviões) em um terminal.
Distribuição Exponencial (Contínua)
▪A distribuição Exponencial avalia a probabilidade de
determinada ocorrência, quer no tempo ou no espaço decorrido
até que a próxima observação, ou no tempo decorrido entre
duas observações.
▪Determina as probabilidades entre ocorrências num intervalo
contínuo de tempo ou da distancia.
▪Ela avalia a probabilidade de determinada ocorrência, que no
tempo ou espaço decorrido até que ocorra a próxima
observação, ou no tempo decorrido entre duas observações.
Distribuição Exponencial (Contínua)
▪Sendo λ o número média de ocorrências no intervalo de
interesse, a probabilidade Exponencial de que o primeiro
evento x ocorrerá dentro do intervalo especificado de
tempo ou espaço (t), é dada por:

P(x≤ 𝑡) = 1 − 𝑒 −𝜆.𝑥
1
λ=
𝑚é𝑑𝑖𝑎
Distribuição Exponencial (Contínua)
▪E a probabilidade Exponencial de que o primeiro evento x
não ocorrerá dentro do intervalo especificado de tempo ou
espaço (t), é dada por:
−𝜆.𝑥
P(x> 𝑡) = 𝑒
Distribuição Exponencial (Contínua)
▪A probabilidade exponencial está fortemente relacionada
ao processo de Poisson.
▪Ela calcula a probabilidade de que o primeiro evento x
ocorrerá dentro do intervalo especificado de tempo ou
espaço (t) é dada por: x = número de ocorrências do evento em um intervalo
λ= taxa de ocorrência do evento x (número esperado
P(x≤t)= 1 − 𝑒 (−𝜆.𝑡) de eventos)
t = Tempo decorrido
e ~ 2,71828 (constante natural)
Distribuição Exponencial (Contínua)
▪Exemplo 01: Certo tipo de transistor tem duração de vida
que segue uma distribuição exponencial, com média de 400
horas.
▪Determinar a probabilidade de que um transistor
aleatoriamente escolhido por um engenheiro eletricista
dure menos que 400 horas.
P(x≤t)= 1 − 𝑒 (−𝜆.𝑡)
P(x≤400)= 1 − 0,367879
P(x≤400)= 1 − 𝑒 (−1/400.400)
P(x≤400)= 0,632 = 63,2%
P(x≤400)= 1 − 𝑒 (−1)
Distribuição Exponencial (Contínua)
▪No Excel: Certo tipo de transistor tem duração de vida que
segue uma distribuição exponencial, com média de 400
horas.
▪Determinar a probabilidade de que um transistor
aleatoriamente escolhido por um engenheiro eletricista
dure menos que 400 horas.
PRESSIONE NA CÉLULA:
=DISTR. EXPON(x; lambda; Cumulativo(verdadeiro ou falso)
=DISTR.EXPON(400;1/400;VERDADEIRO)
Distribuição Exponencial (Contínua)
▪A probabilidade exponencial está fortemente relacionada
ao processo de Poisson.
▪Ela calcula a probabilidade de que o primeiro evento x ,
Não ocorrerá dentro do intervalo especificado de tempo ou
espaço (t) é dada por: x = número de ocorrências do evento em um intervalo
λ= taxa de ocorrência do evento x (número esperado
P(x>t)= 𝑒 (−𝜆.𝑡) de eventos)
t = Tempo decorrido
e ~ 2,71828 (constante natural)
Distribuição Exponencial (Contínua)
▪Exemplo 02: Certo tipo de transistor tem duração de vida
que segue uma distribuição exponencial, com média de 400
horas.
▪Determinar a probabilidade de que um transistor
aleatoriamente escolhido por um engenheiro eletricista
dure mais que 100 horas:
P(x>t)= 𝑒 (−𝜆.𝑡)
P(x> 100)= 0,779 = 77,9%
P(x> 100)= 𝑒 (−1/400.100)
P(x> 100)= 𝑒 (−0,25)
Distribuição Exponencial (Contínua)
▪No Excel: Certo tipo de transistor tem duração de vida que
segue uma distribuição exponencial, com média de 400
horas.
▪Determinar a probabilidade de que um transistor
aleatoriamente escolhido por um engenheiro eletricista
dure mais que 100 horas:
PRESSIONE NA CÉLULA:
=1- DISTR. EXPON(x; lambda; Cumulativo(verdadeiro ou falso)
=1-DISTR.EXPON(100;1/400;VERDADEIRO)
Distribuição Normal
▪No século XVIII, astrônomos e outros cientistas observaram
que medidas repetidas de mensurações como a Altura e
Peso variavam como na figura, quando coletadas em grande
número.
Distribuição Normal
▪A distribuição normal é considerada a distribuição de
probabilidades mais importante, pois permite modelar uma
infinidade de fenômenos naturais, além disso, possibilita
realizar aproximações para calcular probabilidades de
muitas variáveis aleatórias.
▪É também conhecida como distribuição de Gauss, Laplace
ou Laplace-Gauss, e é muito importante também na
inferência estatística, como será observado.
Distribuição Normal
▪A distribuição Normal é caracterizada por uma Função de
Densidade de Probabilidade (FDP).
μ = média da distribuição
1  x −μ  2
1 −    = desvio padrão da distribuição
f(x) = e 2 σ 
π e e são constantes (3,1416... e 2,718...)
σ 2π Sendo π e e constantes, a curva normal só depende da média
e do desvio-padrão populacional, que na prática, o mais usual é
o desvio padrão amostral.
Distribuição Normal (características)
1. Tem forma de Sino;
2. É assintótica em relação ao eixo x, ou seja, a curva não intercepta o
eixo x;
3. Teoricamente, a curva prolonga-se no eixo de x de –∞ a +∞.
4. A área total sob a curva é considerada 100% ou igual a 1.
5. Como a área total sob a curva é igual a 1;
6. A curva é simétrica em torno de μ, o que faz com que média =
mediana = moda.
Adicionalmente, temos também que P(X < μ - a) = P(X > μ + a).
Distribuição Normal (características)
+

−
f(x)dx = 1
Distribuição Normal (Padrão)
▪Como o cálculo das integrais para determinação de áreas
não é tão simples, expressamos a variável x em termos da
seguinte unidade reduzida:

x−
Onde:
x = valor da V. A. Normal X
z=  = desvio padrão da V. A. Normal X


 = média da V. A. Normal X
z = valor padronizado ou tabelado de x
Transformação de uma Distribuição Normal N(μ;2) para a Normal
Padrão (ou Reduzida) N(0;1)

Notação: X ~ N (  ; 2 ) ~ significa que x segue uma distribuição normal.


Distribuição Normal (Padrão)
Outros exemplos:

P-1<z<0,5)= 34,13%+19,15%= 53,28%


Exemplo: Encontre a probabilidade correspondente aos seguintes valores do coeficiente z:
Aplicações da Distribuição Normal
▪01) Após 28 dias de curagem, o cimento de certa marca
tem uma resistência compressiva média de 4000psi.
▪Suponha que a resistência tem uma distribuição normal
com desvio-padrão de 120psi.
▪Qual a probabilidade de se comprar um pacote de cimento
com resistência compressiva de 28 dias menor que 3850psi?
Aplicações da Distribuição Normal
▪No Excel: Após 28 dias de curagem, o cimento de certa
marca tem uma resistência compressiva média de 4000psi.
▪Suponha que a resistência tem uma distribuição normal
com desvio-padrão de 120psi.
▪Qual a probabilidade de se comprar um pacote de cimento
com resistência compressiva de 28 dias menor que 3850psi?
PRESSIONE NA CÉLULA:
=DIST. NORMAL.N(x; média; desvio padrão; Cumulativo(verdadeiro ou falso)
=(DIST.NORM.N(3850;4000;120;VERDADEIRO)
Aplicações da Distribuição Normal
▪02) Uma grande empresa faz uso de milhares de lâmpadas
elétricas que permanecem acesas continuamente. A vida de
uma lâmpada pode ser considerada como uma variável
aleatória normal com vida média de 50 dias e desvio-
padrão de 15 dias.
▪Se no dia 1º de agosto foram instaladas 8000 lâmpadas
novas, aproximadamente quantas deverão ser substituídas
no dia 1º de setembro?
Aplicações da Distribuição Normal
▪No Excel:
PRESSIONE NA CÉLULA:
=DIST. NORMAL.N(x; média; desvio padrão; Cumulativo(verdadeiro ou falso)

=(DIST.NORM.N(31;50;15;VERDADEIRO)
Aplicações da Distribuição Normal
▪03) Uma máquina produz peças com diâmetro médio de
2,00” e o desvio-padrão de 0,01”.
▪As peças que se afastam da média por mais de 0,03” são
consideradas defeituosas.
▪Qual é a percentagem de peças defeituosa?
𝑃 𝑍 > 3 + 𝑃 𝑍 < −3 = 𝑃 0,5 − 0,4987 − 𝑃 0,5 − 0,4987
= 0,0013 + 0,0013 = 0,26%
Aplicações da Distribuição Normal
▪No Excel:
PRESSIONE NA CÉLULA:
=DIST. NORMAL.N(x; média; desvio padrão; Cumulativo(verdadeiro ou falso)

=1-(DIST.NORM.N(2,03;2;0,01;VERDADEIRO)-(DIST.NORM.N(1,97;2;0,01;VERDADEIRO)))
Aplicações da Distribuição Normal
▪04) A vida média de uma marca de televisão é de 8 anos
com desvio-padrão de 1,8 anos.
▪A campanha de lançamento diz que todos os produtos que
tiverem defeito dentro do prazo de garantia serão
substituídos por novos.
▪Se você fosse o gerente de produção, qual seria o tempo de
garantia que você especificaria para ter no máximo 5% de
trocas.
Aplicações da Distribuição Normal
▪No Excel:
PRESSIONE NA CÉLULA:
=INV. NORMAL(probabilidade; média; desvio padrão)

=INV. NORMAL(0,05;8;1,8)
Professora Adriana
Almeida

Professor Murilo
Lopes

Muito obrigado!
BOA NOITE.

Você também pode gostar