Capítulo 6

Variáveis Aleatórias Contínuas e a

Distribuição Normal

Objetivos do Capítulo

Este capítulo é uma continuação do capítulo 5. Particularmente, serão apresentados os

conceitos fundamentais relativos à distribuição normal. Após o término deste capítulo, você
deverá ser capaz de:

1. Entender o termo distribuição ou curva normal padrão.

2. Determinar áreas sob esta curva..
3. Calcular a probabilidade de uma variável aleatória com distribuição normal.

101
6.1) Variáveis aleatórias contínuas

Como vimos no início do capítulo anterior, existem dois tipos principais de variáveis
aleatórias, discreta e contínua. Uma variável aleatória discreta é uma variável aleatória cujos
possíveis valores formam um conjunto discreto de dados, usualmente um conjunto de números
inteiros. Freqüentemente, uma variável aleatória discreta se relaciona com uma contagem de
alguma coisa, como por exemplo, o número de pessoas em uma família ou o número de carros
possuídos por uma família. Por outro lado, uma variável aleatória contínua é uma variável
aleatória cujos possíveis valores formam um conjunto contínuo de dados. Usualmente um
intervalo de números reais. Tipicamente, uma variável aleatória contínua envolve uma medição
de alguma coisa, como por exemplo, o peso de uma criança recém-nascida. A seguinte definição
caracteriza o conceito de variável aleatória contínua.

Definição 6.1 – Variável aleatória contínua

Uma variável aleatória x é considerada contínua se seu conjunto de valores possíveis

for um intervalo de números reais – isto é, se existirem dois números reais A e B, A<B, tais que
qualquer valor x entre A e B é possível de ocorrer.

Exemplo 6.1 – Ilustra variável contínua

a) Se em um estudo sobre ecologia de um lago nós fizermos medições de profundidade em

locais escolhidos aleatoriamente, então x = profundidade naquele local é uma variável
aleatória contínua. Aqui, A é a profundidade mínima e B é a profundidade máxima na região
sob estudo.
b) Se um composto químico é selecionado aleatoriamente e seu pH x é determinado, então x
é uma variável aleatória contínua, porque qualquer valor de pH entre 0 e 14 é possível de ser
encontrado.

Se a escala de medição de x puder ser subdividida em qualquer extensão desejada então a

variável é contínua; se ela não puder, a variável é discreta. Por exemplo, se a variável é altura ou
comprimento, então ela pode ser medida em quilômetros, metros, centímetros, milímetros,
microns, e assim por diante, logo a variável é contínua. Se, entretanto, x = conta de água de uma
casa aleatoriamente escolhida, então a menor unidade de medida é o centavo, desse modo,
qualquer valor de x é um múltiplo de R$0,01 e a variável x é discreta.

6.2) Distribuição de probabilidade para variáveis aleatórias contínuas

A distribuição de probabilidade para uma variável aleatória contínua é denominada

distribuição contínua de probabilidade. Esse conceito pode ser entendido da seguinte forma.
Suponha que a variável de interesse x seja a profundidade de um lago em um ponto
aleatoriamente escolhido na superfície do lago. Seja M = profundidade máxima (em metros),
de modo que qualquer valor no intervalo [0,M] seja um possível valor de x. Se nós
discretizarmos x, arredondando a medida de profundidade para o inteiro (metro) mais próximo,
então os possíveis valores de x seriam números inteiros ≤ M. A distribuição discreta de
profundidade resultante pode ser caracterizada usando um histograma de probabilidade. Se
desenharmos um histograma de modo que a área do retângulo acima de qualquer valor inteiro k

102
seja a proporção do lago cuja profundidade (arredondada ao inteiro mais próximo) é k, então a
soma das áreas de todos os retângulos é 1. Um possível histograma aparece na figura 6.1a.

Figura 6.1 – Histograma de probabilidade. a) profundidade arredondada em metros,

b) profundidade arredondada em centímetros, c) limite de uma seqüência de
histogramas discretos

Se a profundidade fosse arredondada ao centímetro mais próximo, e o mesmo eixo de

medição da figura 6.1a fosse usado, cada retângulo no histograma seria muito mais estreito,
embora a área total de todos os retângulos ainda fosse 1. Um possível histograma aparece na
figura 6.1b; ele tem uma aparência mais lisa do que o histograma da figura 6.1a. Se
continuarmos a medir a profundidade com resolução cada vez maior, a seqüência resultante de
histogramas se aproxima de uma curva contínua como a mostrada na figura 6.1c. Uma vez que
para cada histograma a área total de todos os retângulos é igual a 1, a área total sob a curva
também é igual a 1. A probabilidade de que a profundidade x em um ponto aleatoriamente
escolhido esteja entre dois valores a e b é simplesmente a área sob a curva entre os valores a e b.
É exatamente uma curva contínua como a mostrada na figura 6.1c que determina uma
distribuição contínua de probabilidade.

Definição 6.2 – Distribuição de probabilidade de uma variável aleatória contínua

Seja x uma variável aleatória. Então a função distribuição de probabilidade de x é uma

função f(x) tal que para quaisquer dois números a e b, com a ≤ b,

P (a ≤ x ≤ b) = ∫ f ( x)dx
a
Isto é, a probabilidade de que x assuma um valor no intervalo [a , b] é a área sob o
gráfico de f(x).

Fato importante 6.1

Para que uma função f(x) seja uma função distribuição de probabilidade, ela deve
satisfazer duas condições:

f(x) ≥ 0 para todo x, e

+∞

∫ f(x)dx = 1 = área sob o gráfico de f(x)

−∞

103
 A figura 6.2 ilustra uma função distribuição de probabilidade genérica.

F(x)

Área total =1
Área entre a e b

x
a b

Figura 6.2 – P(a ≤ x ≤ b) = área sob o gráfico de f(x) entre a e b.

Notas:
1) Especificação de um Modelo de Probabilidade - Um modelo de probabilidade para uma
função aleatória contínua é especificado dando a forma matemática da função distribuição de
probabilidades. Se dispusermos de uma amostra com um número grande de observações,
podemos ajustar uma curva (com sua equação matemática) passando pelos pontos superiores
dos retângulos que compõem o histograma de freqüências relativas. Ou ainda, na ausência de
um grande volume de dados podemos assumir um modelo razoável baseado em uma fonte
similar de dados, ou seja, em uma situação similar àquela em questão.
2) Características de uma distribuição contínua - Uma curva, definindo uma função distribuição
de probabilidades, pode ter uma grande variedade de formas. Algumas delas são mostradas
nos esquemas abaixo.

Com pico Uniforme (plana)

Com forma Simétrica

de sino

104
6.3) Distribuição uniforme

Definição 6.3 - Variável aleatória contínua com distribuição uniforme

Uma variável aleatória contínua x tem uma distribuição uniforme em um intervalo

[A,B] se a função distribuição de probabilidade de x for definida por

1/(B-A) , A≤x≤B
f(x; A, B) =
0, caso contrário

Exemplo 6.2 – Ilustra variável com distribuição uniforme

Suponha que uma pessoa tome um ônibus para ir ao trabalho e que a cada 5 minutos um
ônibus passe pelo ponto. Assumindo que a pessoa deixe a casa de uma maneira aleatória, ela não
chega sempre no ponto no mesmo horário. Assim, o tempo de espera para o próximo ônibus é
uma variável contínua com valores no intervalo [0 ; 5].
a) Verificar se a função dada abaixo pode ser uma função distribuição de probabilidade para a
variável x.

1/5 , 0≤x≤5
f(x) =
0, caso contrário

b) Em caso positivo, determinar a probabilidade da pessoa esperar entre 1 e 3 minutos.

Solução:

a) De acordo com o fato importante 6.1, f(x) deve ser positiva ou nula para qualquer valor da
variável x. De fato, f(x) = 1/5 para todo x pertencente ao intervalo [0 ; 5] e é igual a zero para
qualquer outro valor de x. Portanto, f(x) satisfaz a primeira condição. A segunda condição
exige que a área sob o gráfico de f(x) seja igual a 1. Podemos verificar isto calculando a
integral de f(x) e verificar se obtemos 1.

+∞ 51 1 5
∫ f ( x)dx = ∫ 5 dx = 5 x =1
−∞ 0 0

De fato, a segunda condição também está satisfeita e a função f(x) é uma função
distribuição de probabilidade. Outra maneira de verificar a segunda condição é observar o
gráfico de f(x) abaixo, e verificar que a área sob a curva é dada pelo produto 5 . (1/5) que é igual
a 1.

105
 f(x)

1/5

x
0 5

Figura 6.3 – Gráfico da função f(x) do exemplo 6.2

b) A probabilidade de esperar entre 1 e 3 minutos é dada por

3 3 3
P(1 ≤ x ≤ 3) = ∫ f ( x)dx = ∫ 1 dx = 1 x = 2
1 15 5 1 5

Outra maneira de determinar P(1≤ x ≤ 3) é calcular a área sob a curva, compreendida

entre 1 e 3. A figura 6.4 mostra que esta área é dada por

Área = P(1≤ x ≤ 3) = (3-1).(1/5) = 2/5

que é o mesmo valor dado pelo cálculo da integral da função entre os pontos 1 e 3.

f(x)

Área = P(1≤ x ≤ 3)

1/5

x
0 1 3 5

Figura 6.4 – Área hachurada corresponde a P(1≤ x ≤ 3).

106
 O gráfico de qualquer função de distribuição de probabilidade uniforme se parece com o
gráfico da figura 6.3. Outro fato importante sobre variáveis contínuas é que não tem sentido
calcular a probabilidade em um ponto, isto é, para um determinado valor da variável x. Se x
fosse uma variável aleatória discreta, então para cada valor de x seria definida uma probabilidade
positiva, entretanto este não é o caso de variável aleatória contínua.

Fato importante 6.2

Se x é uma variável aleatória contínua, então para qualquer número c, P(x=c) = 0. Além
disso, para quaisquer dois números a e b , com a < b,

P(a ≤ x ≤ b) = P(a < x ≤ b) = P(a ≤ x < b) = P(a < x < b)

Exercícios – Seqüência 6.1

1) Qual das funções abaixo poderia ser uma função distribuição de probabilidades para uma
variável aleatória contínua? Justifique cada caso.

f(x) f(x) f(x)

1 1 1

0 1 2 0 1 2 0 1 2

(a) (b) (c)

f(x) f(x)
1 .5

0 1 2 0 1 2 3 4

(d) (e)

2) Determine as seguintes probabilidades com base na curva (c) acima.

a) P(0< x < 0,5) b) P(1,5 < x < 2)

3) Determine as seguintes probabilidades com base na curva (e) acima.

a) P(0 < x < 1.5) b) P(1,5 < x < 2,5)

107
6.4) Distribuição normal

A distribuição normal foi originalmente desenvolvida como o resultado de estudos

relacionados com erros que ocorrem em vários experimentos. Nós, agora, reconhecemos que
muitas ocorrências reais e naturais, assim como muitas medidas físicas tem distribuição de
freqüência que são aproximadamente normais. Níveis de colesterol no sangue, alturas de
mulheres adultas, peso de crianças recém nascidas, diâmetros de laranjas produzidas em um
pomar são todos exemplos de coleções de valores cujos histogramas de freqüência se aproximam
fortemente da distribuição normal de probabilidade. A forma da distribuição normal lembra a
forma de um sino como se pode ver na figura abaixo.

Figura 6.5 – Forma genérica da distribuição normal.

Definição 6.4 – Distribuição normal

Uma variável aleatória contínua x tem uma distribuição normal com parâmetros µ e σ,
com -∝ < µ < ∝, e 0 < σ, se a função distribuição de probabilidade de x for dada por

1
2
− ( x−µ )

f ( x; µ , σ ) = e 2σ
2
-∝ < x < ∝,
σ 2π

A letra e é a base do sistema de logaritmos neperianos e vale, aproximadamente, 2,71828,

enquanto que π tem valor aproximado de 3,14159.

É óbvio que f(x; µ, σ) ≥ 0 para qualquer número x, mas técnicas de cálculo integral
devem ser usadas para mostrar que

+∞

∫ f (x; µ , σ )dx = 1
−∞

108
 Naturalmente existem muitas distribuições normais de probabilidade, cada uma
dependente de apenas dois parâmetros: a média da população µ e o desvio padrão da população
σ. A figura 6.6 mostra três diferentes gráficos de f(x) onde as diferenças são devidas aos
diferentes pares de valores (µ, σ). Uma mudança no valor da média da população µ provoca um
deslocamento da curva para a direita ou para a esquerda. Uma mudança no valor de σ causa uma
mudança na forma da curva; a forma básica de sino permanece, mas a curva se torna mais larga
ou mais estreita, dependendo de σ.

Figura 6.6 – Influência de µ e de σ na forma e localização da curva.

6.5) Distribuição normal padrão

Quando uma variável aleatória x tem uma distribuição normal de probabilidade com
parâmetros µ e σ, para calcularmos a probabilidade de x estar entre dois valores a e b, isto é para
calcularmos o valor de P(a ≤ x ≤ b), nós precisamos calcular

1
2
b − ( x−µ )

∫ e 2σ dx
2

a σ 2π

Nenhuma das técnicas comuns de integração pode ser usada para avaliar a expressão
acima. Por outro lado, para µ=0 e σ=1, a expressão acima já foi extensamente avaliada e
tabulada para certos valores de a e b. Usando esta tabela, podemos computar probabilidades
também para outros valores de µ e σ.

109
 Definição 6.5 – Distribuição normal padrão

A distribuição normal com parâmetros µ=0 e σ=1 é chamada distribuição normal

padrão. A variável aleatória que tem uma distribuição normal padrão é chamada variável
aleatória normal padrão e será indicada por z. A função distribuição de probabilidade de z é

1 −2z
2

f ( z;0,1) = e -∝ < z < ∝,

2π

A figura 6.7 ilustra uma distribuição normal padrão. A área total sob a curva é igual a 1.
Os números decimais que aparecem entre dois valores consecutivos de z indicam o valor da área
sob a curva compreendida entre estes dois valores. Por exemplo, o valor da área sob a curva
entre os pontos z=0 e z=1 é 0,3413. Podemos observar que, aproximadamente 68% da área está
compreendida entre +1 e -1, aproximadamente 95% da área está entre +2 e –2 e 99,7% está entre
+3 e –3. Este é um fato importante que será mais tarde novamente discutido.

Figura 6.7 – Distribuição normal padrão.

A distribuição normal padrão possui quatro propriedades importantes que são:

1. A área total sob a curva normal padrão é igual a 1.

2. A curva normal padrão se estende indefinidamente em ambas as direções, se aproximando
cada vez mais do eixo z.
3. A curva normal padrão é simétrica com relação ao 0. Isto é, a parte que fica à esquerda do
zero é exatamente igual à parte que fica à direita do zero.
4. A maior parte da área sob a curva normal padrão está compreendida entre –3 e 3.

É necessário observar que a propriedade 1 não é unicamente uma propriedade da curva

normal padrão. De fato, a área total sob qualquer curva que represente uma distribuição de
probabilidade contínua é igual a 1.
110
 Por causa da importância das áreas sob a curva normal padrão, tabelas dessas áreas foram
construídas. A tabela 6.1 da página seguinte é uma dessas tabelas. Os valores no corpo da tabela,
com quatro casas decimais, representam a área sob a curva entre 0 e um valor especificado de z.
O exemplo 6.3 mostra como usar a tabela 6.1.

Exemplo 6.3 – Ilustra o uso da tabela normal padrão

Determine a área sob a curva normal padrão entre 0 e 1,83.

Solução:
Primeiro encontramos na coluna esquerda o valor z = 1,8. Depois nos deslocamos nessa
linha até encontrarmos o valor 0,03 na linha superior. O número no corpo da tabela, que é
0,4664, é a área sob a curva normal entre z = 0 e z = 1,83, conforme mostra a figura 6.8.

Z=1,83

Figura 6.8 – Área sob a curva normal padrão entre z = 0 e z = 1,83.

Exemplo 6.4 – Ilustra como determinar a área entre 0 e um valor negativo de z.

Determine a área entre a curva normal padrão e z = -1,45 e z = 0.

Solução:
Primeiramente encontramos a área entre z = 0 e z = 1,45. Como no exemplo anterior,
percorremos a coluna z até encontrarmos o valor 1,4 e, em seguida, percorremos essa linha até
estarmos na coluna correspondente ao valor 0,05 da primeira linha. Neste ponto determinamos o
valor 0,4265 que é a área entre z = 0 e z = 1,45. Por simetria da curva, 0,4265 é também a área
entre z = -1,45 e z = 0. Veja figura 6.9.

111
Tabela 6.1 – Áreas sob a curva normal padrão

112
 Z = 1,45 Z = -1,45

Figura 6.9 – Área entre z = -1,45 e z = 0.

Exemplo 6.5 – Ilustra como determinar a área à direita de um valor positivo de z

Determine a área sob a curva normal padrão à direita de z = 1,25.

Solução:
Uma vez que a área total sob a curva é 1 (propriedade 1) e a curva é simétrica com
relação a 0(Propriedade 3), segue que a área sob a curva normal à direita de z = 0 é 0,5. Da
tabela 6.1 vemos que a área entre z = 0 e z = 1,25 é igual a 0,3944. Uma vez que a área total à
direita de z = 0 é 0,5 então a área à direita de z = 1,25 vale

0,5000 – 0,3944 = 0,1056

Veja figura 6.10.

Figura 6.10 – Área à direita de z = 1,25.

113
Exemplo 6.6 – Ilustra como encontrar a área entre dois valores positivos de z

Determine a área sob a curva normal padrão entre z = 0,46 e z = 1,75.

Solução:
Pela tabela 6.1, a área entre z = 0 e z = 0,46 é 0,1772 e a área entre z = 0 e z = 1,75 é
0,4599(ver figura 6.11). Dessa forma, a área entre z = 0,46 e z = 1,75 é igual à diferença entre as
duas áreas anteriores, isto é

Área = 0,4599 – 0,1772 = 0,2827

Figura 6.11 – Área entre z = 0,46 e z = 1,75.

Exemplo 6.7 – Ilustra como encontrar a área à esquerda de um valor positivo de z

Obter a área sob a curva normal à esquerda de z=1.96

Solução:
Primeiro determinamos a área entre z = 0 e z = 1,96. Da tabela 6.1, a área é igual a
0,4750(ver figura 6.12). Uma vez que a área à esquerda de z = 0 vale 0,5(porque?) nós
concluímos que a área à esquerda de z = 1,96 vale

Área = 0,4750 + 0,5000 = 0,9750

114
 Figura 6.12 – Área à esquerda de z = 1,96.

Exemplo 6.8 – Ilustra como determinar o valor de z para uma dada área

Determine o valor de z para o qual a área sob a curva normal padrão, à direita daquele
valor, seja igual a 0,025(veja figura 6.13)

Figura 6.13 – Área dada à direita de z.

Solução:
Para achar o valor de z, primeiro determinamos a área entre z = 0 e o z procurado,
lembrando que a área à direita de z = 0 vale 0,5. Por esse caminho encontramos que essa área é
dada por 0,500 – 0,025 = 0,475, como mostrado na figura 6.14.

115
 Figura 6.14 – Área entre 0 e z.

Agora, basta usarmos a tabela 6.1 para obtermos o valor de z correspondente à área de
0,475. Pesquisando os valores internos da tabela, encontramos que o valor requerido de z é 1,96,
como mostra a figura 6.15.

Figura 6.15 – Valor procurado de z.

Adotaremos a notação z0,025 para indicar o valor de z com área de 0,025 à sua direita, sob
a curva normal padrão. Assim, pelo exemplo anterior, podemos escrever z0,025 = 1,96. Esta
notação é melhor definida como segue.

Definição 6.6

O símbolo zα será usado para indicar o valor de z com área α à sua direita, sob a curva
normal padrão, como mostrado na figura 6.16.

116
 Figura 6.16 – Notação para zα.

Exemplo 6.9 – Ilustra a definição 6.6

Usando a tabela 6.1 encontrar

a) z0,10
b) z0,05

Solução:
a) O valor da área entre z = 0 e z0,10 é 0,5 – 0,10 = 0,40. Pela tabela, o valor mais próximo
desta área é definido pelo valor z = 1,28. Logo, z0,10 = 1,28.
b) De forma análoga, o valor da área entre z = 0 e z0,05 é 0,5 – 0,05 = 0,45 e, pela tabela 6.1, z
deve valer 1,645(interpolação entre 1,64 e 1,65). Assim, z0,05 = 1,645.

117
Exercícios – Seqüência 6.2

1) Determine a área sob a curva normal padrão entre z = 0 e

a) z = 1
b) z = 1,28
c) z = 2,5
d) z = -0,46
e) z = -2,12

2) Determine a área sob a curva normal padrão à direita de

a) z = 1
b) z = 1,65
c) z = -2,34
d) z = 3

3) Determine a área sob a curva normal padrão entre

a) z = 1 e z = 2
b) z = 2 e z = 3
c) z = -1 e z = -0,5
d) z = -1 e z = 2

4) Determine a área sob a curva normal padrão à esquerda de

a) z = -1
b) z = - 1,87
c) z = 0,78

5) Use a tabela 6.1 para encontrar as áreas indicadas sob a curva padrão normal abaixo.

118
6.6) Curvas normais

Na seção anterior aprendemos como encontrar áreas sob a curva normal padrão. Com este
conhecimento podemos obter áreas sob qualquer curva normal, como será visto nesta seção.

Já vimos no item 6.4 a influência dos parâmetros µ e σ na posição e forma da curva

normal, respectivamente. Alguns fatos importantes sobre curvas normais são apresentados a
seguir.

Fato Importante 6.3 – Propriedades básicas das curvas normais

P1) A área total sob a curva normal é igual a 1.

P2) A curva normal se estende indefinidamente em ambas as direções, se aproximando cada
vez mais do eixo x à medida que os valores de x crescem ou decrescem, tendendo a + ∞
ou -∞, respectivamente.
P3) A curva normal com parâmetros µ e σ é simétrica com relação a µ.
P4) A maior parte da área sob a curva normal com parâmetros µ e σ se encontra entre µ - 3σ
e µ + 3σ.

Desenhando curvas normais

Embora não seja necessário desenhar uma curva normal exata, é bastante útil ser capaz de
esboçá-la rapidamente. Usando a propriedade P3 e a propriedade P4 torna-se fácil fazer um
esboço de uma curva normal. O exemplo seguinte ilustra o procedimento.

Exemplo 6.10 – Ilustra como esboçar uma curva normal

Esboçar uma curva normal com parâmetros µ = 5 e σ = 2

Solução:
Pela propriedade P3, a curva normal com parâmetros µ = 5 e σ = 2 é simétrica com
relação à média µ = 5. Ainda, pela propriedade P4, a maior parte da área se encontra entre

µ - 3σ = 5 – 3.2 = -1 e µ + 3σ = 5 + 3.2 = 11

A curva normal pode ser esboçada centrada em µ = 5 e se aproximando do eixo x nos pontos –1
e 11, como mostra a figura abaixo.

Figura 6.17 – Curva normal com parâmetros µ = 5 e σ = 2.

119
Determinando áreas sob uma curva normal

Já aprendemos como determinar a área sob a curva normal padrão. O próximo passo é
aprender como encontrar a área sob uma curva normal qualquer. A idéia básica é relacionar uma
dada curva normal com a curva normal padrão.

Exemplo 6.11 – Ilustra como encontrar a área sob uma curva normal

Determine a área sob a curva normal com parâmetros µ = 5 e σ = 2 que fica

a) à direita de 7 b) entre 3 e 8

Solução:
a) Primeiro devemos esboçar a curva normal com parâmetros µ = 5 e σ = 2 e sombrear a área à
direita de 7. Isto pode ser visto na figura 6.18.

Figura 6.18 – Curva normal com parâmetros µ = 5 e σ = 2 e área à direita de 7 sombreada.

Pode ser matematicamente demonstrado que a área sob a curva normal com parâmetros
µ= 5 e σ = 2 que fica à direita de x = 7 é igual à área sob a curva normal padrão que fica à direita
de

x−µ 7−5
z= = =1
σ 2

Esta última área está mostrada na figura 6.19 abaixo. Em outras palavras, as áreas
sombreadas nas figuras 6.18 e 6.19 são iguais. Pela tabela 6.1, a área sombreada na figura 6.19
vale 0,5000 – 0,3413 = 0,1587. Dessa forma, a área da figura 6.18 vale também 0,1587, ou seja,
a área sob a curva normal com parâmetros µ = 5 e σ = 2 que fica à direita de 7 é igual a 0,1587.

120
 Figura 6.19 – Curva normal padrão com área à direita de 1 sombreada.

b) agora queremos determinar a área sob a curva normal com parâmetros µ = 5 e σ = 2 que fica
entre 3 e 8(veja figura 6.20)

Figura 6.20 - Curva normal com parâmetros µ = 5 e σ = 2, com área entre 3 e 8 sombreada.

Nós obtemos a área desejada da seguinte maneira: a área sob a curva normal com
parâmetros µ = 5 e σ = 2, que fica entre 3 e 8 é igual à área sob a curva normal padrão que fica
entre

x−µ 3−5
z= = = −1
σ 2
e

x−µ 8−5
z= = = 1,5
σ 2
Esta última área é mostrada na figura 6.21.

121
 Figura 6.21 – Curva normal padrão com área entre –1 e 1,5 sombreada.

Pela tabela 6.1, a área sombreada na figura 6.21 é igual a 0,3413 + 0,4332 = 0,7745.
Consequentemente, a área sob a curva normal com parâmetros µ = 5 e σ = 2 que fica entre 3 e 8
é também igual a 0,7745.

O exemplo anterior permite sumarizar o fato fundamental que nos permite determinar
áreas sob qualquer curva normal, através do uso da tabela 6.1, que nos dá os valores das áreas
sob a curva normal padrão.

Fato importante 6.4

A área sob a curva normal com parâmetros µ e σ que fica entre x = a e x = b é igual à
área sob a curva normal padrão que fica entre

a−µ b−µ
z= e z=
σ σ
Veja a figura 6.22. A área sob a curva normal com parâmetros µ e σ que fica à direita
(ou esquerda) de um dado valor x é encontrada de uma maneira similar, ou seja, primeiro
determinando o valor de z equivalente e então usando a tabela 6.1 para encontrar a área sob a
curva normal padrão que fica à direita (ou esquerda) do valor de z.

122
 Figura 6.22 – Correspondência entre as áreas da curva normal
e da curva normal padrão.

O exemplo 6.1 e o fato importante 6.4 permitem definirmos um procedimento passo a

passo para determinarmos áreas sob uma curva normal com parâmetros µ e σ.

Procedimento 6.1 – Determinando áreas sob uma curva normal com parâmetros µ e σ

Passo 1. Esboce a curva normal com parâmetros µ e σ.

Passo 2. Indique no gráfico a área a ser determinada.
Passo 3. Calcule os valores requeridos de z e os marque no gráfico, abaixo dos valores de x.
Passo 4. Use a tabela 6.1 para obter a área desejada.

Exemplo 6.12 – Ilustra o procedimento 6.1

Determine a área sob a curva normal com parâmetros µ=100 e σ = 16 que se encontra à
direita de 120.

Solução:

Aplicando o procedimento 6.1, obtemos os resultados mostrados na figura 6.23.

123
 Cálculo de z: Área entre 0 e z:

120 − 100 0.3944

x = 120 → z = = 1,25
16

Área sombreada = 0,5000 – 0,3944 = 0,1056

Figura 6.23 – Cálculo segundo procedimento 6.1.

124
Exercícios – Seqüência 6.3

1) Verifique se a afirmação seguinte é verdadeira ou falsa e explique sua resposta. “A curva

normal com parâmetros µ= -4 e σ = 3 e a curva normal com parâmetros µ= 6 e σ = 3 tem a
mesma forma.

2) Esboce a curva normal definida pelos parâmetros

a) µ= 3 e σ = 3
b) µ= 1 e σ = 3
c) µ= 3 e σ = 1

3) Determine a área sob a curva normal com parâmetros µ= 1 e σ = 2,5 que fica
a) à direita de 0
b) à esquerda de –1,5
c) entre –2 e 2

4) Determine a área sob a curva normal com parâmetros µ= 74 e σ = 2 que fica

a) entre 71 e 78
b) à direita de 76,5

5) Para a curva normal com parâmetros µ= 74 e σ = 2, determine

a) O valor de x com área igual a 0,05 à sua direita
b) O valor de x com área igual a 0,10 à sua esquerda
c) Os dois valores de x que dividem a área sob a curva em uma área central igual a 0,95 e
duas áreas laterais iguais a 0,025.

125
6.7 – Populações com distribuição normal

Muitas populações têm distribuições que podem ser representadas por curvas normais.
Isto significa que porcentagens para estas populações são iguais, aproximadamente, à áreas sob
uma curva normal adequada. O exemplo seguinte irá tornar esta idéia mais clara.

Exemplo 6.13 – Ilustra uma população normalmente distribuída

Uma universidade tem um total de 3264 estudantes do sexo feminino. Dados mostram
que a altura média da população destas estudantes é 64,4 polegadas, com desvio padrão de 2,4
polegadas, isto é, µ = 64,4 in e σ = 2,4 in.

A distribuição de freqüências e de freqüências relativas é dada na tabela 6.2. Esta tabela

mostra, por exemplo, que 7,35% (0,0735) das estudantes tem altura entre 67 e 68 polegadas.

Tabela 6.2 – Distribuição de freqüências e de freqüências relativas para as alturas.

Altura H Freqüência Freqüência relativa
(polegadas) f
56 ≤ H < 57 3 0.0009
57 ≤ H < 58 6 0,0018
58 ≤ H < 59 26 0,0080
59 ≤ H < 60 74 0,0227
60 ≤ H < 61 147 0,0450
61 ≤ H < 62 247 0,0757
62 ≤ H < 63 382 0,1170
63 ≤ H < 64 483 0,1480
64 ≤ H < 65 559 0,1713
65 ≤ H < 66 514 0,1575
66 ≤ H < 67 359 0,1100
67 ≤ H < 68 240 0,0735
68 ≤ H < 69 122 0,0374
69 ≤ H < 70 65 0,0199
70 ≤ H < 71 24 0,0074
71 ≤ H < 72 7 0,0021
72 ≤ H < 73 5 0,0015
73 ≤ H < 74 1 0,0003
3264 1,000

Um histograma das freqüências relativas das alturas das estudantes é mostrado na figura
6.24.

126
 Freqüência relativa

Altura
Figura 6.24 – Histograma de freqüências relativas das alturas.

Note que o histograma da figura 6.24 tem a forma de um sino. Por causa disso, nós
podemos aproximar porcentagens(freqüências relativas, probabilidades) para a população das
alturas pelas áreas sob a curva normal adequada. Naturalmente, a curva normal apropriada é
aquela com parâmetros µ = 64,4 e σ = 2,4.

Para entendermos como podemos usar o conceito de distribuição normal, considere a

porcentagem de alunas com altura entre 67 e 68 in. De acordo com a tabela 6.2, a porcentagem
exata é 7,35% ou 0,0735. Note que 0,0735 também é o valor da área do retângulo hachurado da
figura 6.25. Isto porque o retângulo tem altura de 0,0735 e largura 1.

Observe agora que a área sob a curva normal entre 67 e 68 é aproximadamente igual à
área do retângulo, o que significa que o valor da área sob a curva normal é próximo do valor
0,0735 relativo à porcentagem das estudantes com altura entre 67 e 68 in. Consequentemente,
nós podemos aproximar a porcentagem das estudantes com alturas entre 67 e 68 in pela área
sob a curva normal entre 67 e 68.

127
 Freqüência relativa

Altura

Figura 6.25 – Curva normal superposta ao histograma das alturas.

É interessante efetuar o cálculo da área sob a curva normal com parâmetros µ=64,4 e
σ=2,4 para verificarmos a aproximação com o valor real de 0,0735. Este cálculo é mostrado a
seguir com o auxílio da figura 6.26.

Figura 6.26 – Curva normal e área sob curva normal.

128
 Cálculo de z Área entre 0 e z

x = 67 → z = (67 – 64,4)/2,4 = 1,08 0,3599

x = 68 → z = (68 – 64,4)/2,4 = 1,50 0,4332

Área sombreada = 0,4332 – 0,3599 = 0,0733

Observemos que o valor 0,0733 é uma excelente aproximação do valor exato 0,0735. O
ponto importante aqui é que para certas populações, as porcentagens são aproximadamente
iguais a áreas sob uma curva normal adequada. Nem todas as populações tem esta propriedade
mas, se a população tiver, então nós dizemos que ela é normalmente distribuída.

Exemplo 6.14 – Ilustra a determinação de porcentagens (probabilidades) para uma população

normalmente distribuída.

Em um estudo de 1905, R. Pearl determinou que os pesos de cérebros de suecos (homens)

são, aproximadamente, normalmente distribuídos com média µ=1,40 Kg e desvio padrão de
σ=0,11 Kg. Determine a porcentagem de suecos possuindo cérebros pesando
a) entre 1,50 e 1,70 Kg.
b) Menos que 1,20 Kg.

Solução: Uma vez que os pesos dos cérebros são normalmente distribuídos, as porcentagens são
iguais às áreas sob uma curva normal adequada. Esta curva normal tem, naturalmente,
parâmetros µ=1,4 e σ=0,11.
a) Para determinar a porcentagem de pessoas do sexo masculino possuindo cérebros pesando
entre 1,50 e 1,70 basta determinar a área sob a curva normal com parâmetros µ=1,4 e
σ=0,11. A figura 6.27 mostra a curva normal e a área a ser determinada.

Figura 6.27 – Curva normal e área a ser determinada.

129
 Cálculo de z Área entre 0 e z

x = 1,50 → z = (1,50 – 1,40)/0,11 = 0,91 0,3186

x = 1,70 → z = (1,70 – 1,40)/0,11 = 2,73 0,4968

Área sombreada = 0,4968 – 0,3186 = 0,1782

O cálculo mostra que apenas 17,82% dos suecos do sexo masculino tem peso do cérebro
entre 1,50 e 1,70 Kg.

b) Para obter a porcentagem pedida basta achar a área sob a curva normal mostrada na figura
6.28. Neste caso, o cálculo abaixo mostra que 3,44% dos suecos do sexo masculino tem peso
do cérebro menor que 1,20 Kg.

Cálculo de z Área entre 0 e z

x = 1,20 → z = (1,20 – 1,40)/0,11 = -1,82 0,4656

Área sombreada = 0,5000 – 0,4656 = 0,0344

Figura 6.28 – Área sob a curva à esquerda de x = 1,20.

130
6.8 – Variáveis aleatórias normalmente distribuídas

Analogamente ao conceito de população normal, uma variável aleatória é dita ser

normalmente distribuída, isto é, ter uma distribuição normal de probabilidades, se as
probabilidades para a variável aleatória são (aproximadamente) iguais as áreas sob uma curva
normal. Se a variável aleatória tem média µx e desvio padrão σx , então a curva normal que é
usada é aquela com parâmetros µx e σx .

Exemplo 6.15 – Ilustra a determinação de probabilidades para uma variável aleatória

normalmente distribuída

Uma empresa engarrafadora de bebidas engarrafa latas de refrigerante para distribuição

local. Apesar do volume oficial da lata ser de 354 ml, a máquina engarrafadora é ajustada para
um volume médio de 356 ml. Considerando que o conteúdo de uma lata seja normalmente
distribuído com média igual a 356 e desvio padrão 1,63 ml, determine a probabilidade de que
uma lata aleatoriamente selecionada contenha menos que o conteúdo oficial anunciado.

Solução:
Seja x o conteúdo de uma lata aleatoriamente selecionada. De acordo com os dados
acima, x é uma variável aleatória com média µx = 356 ml e desvio padrão σx = 1,63 ml. Desta
forma, as probabilidades para x são iguais às áreas sob a curva normal com parâmetros µx = 356
e σx = 1,63.

Queremos determinar a probabilidade de que uma lata selecionada aleatoriamente conterá

menos que 354 ml de refrigerante, P(x < 354). Esta probabilidade é igual à área sob a curva
normal com parâmetros µx = 356 e σx = 1,63 que fica à esquerda de 354. Esta área é determinada
da maneira usual, como mostra a figura 6.27.

Cálculo de z Área entre 0 e z

x = 354 → z = (354 – 356)/1.63 = -1,23 0,3907

Área sombreada = 0,5000 – 0,3907 = 0,1093

131
 Assim, P(x < 354) = 0,1093. Existe uma chance de aproximadamente 11% de que uma
lata selecionada aleatoriamente conterá menos que o conteúdo anunciado de 354 ml.

Exercícios – Seqüência 6.4

1) Se X é normalmente distribuída com µ= 80 e σ = 4, determine:

P(X < 75)
P(X > 86)
P(73 ≤ X ≤ 89)

2) O tempo requerido para uma orquestra sinfônica tocar a Nona Sinfonia de Beethoven tem
uma distribuição normal com média de 64,3 min e um desvio padrão de 1,15 min. Na
próxima vez em que for tocada, qual é a probabilidade de que a duração esteja entre 62.5 e
67.7 minutos?

3) O erro em medições do nível de açúcar no sangue por um determinado instrumento é

normalmente distribuído com uma média µ = 0,05 e desvio padrão σ = 1,5; isto é, em
repetidas medições, a distribuição da diferença (nível registrado – nível real) é N(0,05; 1,5).
a) Qual a porcentagem das medições que superestimam o valor verdadeiro?
b) Suponha que um erro seja considerado sério quando o valor registrado diferir do valor
verdadeiro por mais que 2,8. Qual será a porcentagem das medições que incorrerão em
sério erro?

132