UNIVERSIDADE FEDERAL DE SÃO PAULO –

UNIFESP
Eng. Química

Distribuição de probabilidade Normal e Teorema

do Limite Central (TLC)

Profª. Drª. Iara R. A. P. Bresolin

 Distribuição de probabilidades
contínuas

Distribuição Normal: É a mais utilizada em

estatística e também de grande utilidade na
inferência estatística.
Dados biológicos como peso, altura, pressão
arterial, etc, seguem uma distribuição normal.
 Distribuição Normal

Uma variável aleatória contínua é representada

por uma distribuição normal se a sua
distribuição for:
✓ Simétrica
✓ A forma gráfica é similar a um sino

Muitas técnicas estatísticas exigem a

normalidade dos dados: Análise de Variância,
de regressão e alguns testes de hipótese.
 Curva Normal ou Curva Normal
Padronizada?

Curva Normal → trabalha diretamente com os escores

originais e seus parâmetros da distribuição.
Curva Normal Padronizada → Pegar a média e
desvio padrão e transformar em um escore-
padrão z.

Em diferentes pesquisas posso padronizar os

parâmetros brutos de qualquer escala em uma
escala padrão, podendo assim, compará-las.
 Curva Normal Padronizada

✓ A variável aleatória X pode assumir todo e

qualquer valor real.
✓ Curva em forma de sino em torno da média ().
✓ Área total limitada pela curva e pelo eixo das
abscissas é igual a 1.
✓ Curva assintótica em relação ao eixo das
abscissas.
✓ Probabilidade de ocorrer valor maior do que a
média é igual à probabilidade de ocorre valor
menor do que a média.
A integral é difícil de ser resolvida, então Gauss
desenvolveu um nova metodologia que transforma
qualquer função de distribuição normal N (,). Esta
transformação é caracterizada por ter média = 0 e o
desvio padrão = 1, isto é, N (0, 1)
x−
z=

Tab. A3-Área sob a Curva Normal
Padronizada (Devore)
 Tab. A3-Área sob a Curva Normal
Padronizada (Devore)

0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279

 Exercício distribuição Normal

Seja X a variável aleatória que representa os

diâmetro dos parafusos produzidos por certa
máquina. Vamos supor que essa variável tenha
distribuição normal com média  = 2 cm e desvio
padrão  = 0,04 cm.
Qual a probabilidade de um parafuso ter diâmetro
entre 2 e 2,05 cm?
 Exercício distribuição Normal

 = 2,00 cm
 = 0,04 cm
P (2,00 cm ≤ x ≤ 2,05cm) ???
 Exercício distribuição Normal

Vamos transformar os 2 valores em escore padrão Z:

X1 = 2,00 cm X2 = 2,05 cm

Sendo Z = (X- )/ 

Z1 = (2,00 - 2,00)/0,04 Z2 = (2,05 - 2,00)/0,04

Z1 = 0,00 Z2 = 1,25
 Exercício distribuição Normal

Pela tabela A3 (Devore):

Para Z1 = 0,00 → área abaixo da curva normal

padrão será 1 = 0,5000
Para Z2 = 1,25 → área abaixo da curva normal
padrão será 2 = 0,8944
 Exercício distribuição Normal

Logo, 2 - 1 = 0,8944 – 0,5000 = 0,3944

Ou seja, P (2,00 cm ≤ x ≤ 2,05cm) = 39,44%

 Teorema do limite central (TLC)

Para uma população (com média  e desvio padrão )

com qualquer distribuição, a distribuição das médias
amostrais se aproxima de uma distribuição normal, à
medida que o tamanho amostral aumenta. Então, se n é
suficientemente grande, X terá aproximadamente uma
distribuição normal.
Quanto maior o valor de n, melhor a aproximação.
Considera-se n grande quando n30.
Se a distribuição da população for normal não
necessitamos de n30 para que a distribuição das
médias (X) seja normal.
 Teorema do limite central (TLC)
Amostra 1

X1
população X2
.
.
X1
.
Xn

µ .
σ .
.

Amostra k

X1 X
X2
.
.
.
Xk
Xn
Teorema do limite central (TLC)
 Exemplo-TLC

Os homens são comumente mais pesados do que mulheres e crianças,

de modo que, ao se carregar um barco, vamos admitir a pior situação,
na qual o total de 20 passageiros são homens. Vamos supor que os
pesos dos homens sejam normalmente distribuídos, com média =172
lb e desvio padrão =29 lb.

a) Qual a probabilidade de um homem selecionado aleatoriamente

tenha peso maior que 175 lb (não é TLC!).
b) Qual a probabilidade de 20 homens selecionados aleatoriamente
terem peso médio superior a 175 lb (capacidade máx. de
segurança é de 3500 lb).
 Exemplo-TLC
a) Estamos lidando com um valor individual de uma população
(Probabilidade de 1 homem), portanto utilizaremos o escore padrão Z como
já estávamos utilizando.

Z = (X - µ) / σ = (175 - 172)/29 = 0,10

Da tabela de distribuição normal padronizada (A3-Devore),
para Z = 0,10 →  = 0,5398 (área à esquerda do valor de Z)

Queremos a área à direita de Z, pois o enunciado pede a probabilidade

de um homem selecionado tenha peso MAIOR que 175 lb.

1 – 0,5398=0,4602

Logo, a probabilidade de selecionar 1 homem com mais de 175 lb é de

46,02%
Exemplo-TLC
 Exemplo-TLC

Queremos a área à direita de Z, pois o enunciado pede a

probabilidade de 20 homens terem peso médio SUPERIOR a 175
lb.

1 – 0,6772=0,3228

Logo, a probabilidade de que 20 homens tenham peso médio maior

que 175 lb é de 32,28%.

PERGUNTA:
Vocês entrariam neste barco onde a existe a chance de 32,28%
dele afundar?