Escolar Documentos
Profissional Documentos
Cultura Documentos
Revisão Textual:
Prof. Me. Claudio Brites
Distribuição Normal ou Gaussiana
Objetivos
• Abordar as características e propriedades da Distribuição Normal;
• Associar a área sob a Curva Normal com a probabilidade de encontrar o valor da variável;
• Estudar os aspectos relevantes envolvidos na elaboração e análise de avaliações de aprendizagem;
• Abordar formas de elaborar escalas de notas baseadas na Distribuição Normal, conside-
rando a Média e o Desvio Padrão.
Caro Aluno(a)!
Normalmente, com a correria do dia a dia, não nos organizamos e deixamos para o úl-
timo momento o acesso ao estudo, o que implicará o não aprofundamento no material
trabalhado ou, ainda, a perda dos prazos para o lançamento das atividades solicitadas.
Assim, organize seus estudos de maneira que entrem na sua rotina. Por exemplo, você
poderá escolher um dia ao longo da semana ou um determinado horário todos ou alguns
dias e determinar como o seu “momento do estudo”.
Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de
discussão, pois estes ajudarão a verificar o quanto você absorveu do conteúdo, além de
propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de
troca de ideias e aprendizagem.
Bons Estudos!
UNIDADE
Distribuição Normal ou Gaussiana
Contextualização
A distribuição de valores de grandezas estatísticas relacionadas com diversos fenô-
menos são governadas por funções denominadas densidade de probabilidade. Essas
funções permitem descrever a probabilidade relativa e se encontrar o valor de uma
variável aleatória, podendo ser de variável discreta, como a Distribuição Binomial e a
Distribuição de Poisson, e também de variável contínua, como a Distribuição Normal ou
Gaussiana, que será estudada nesta unidade.
Podemos citar diversos exemplos de áreas que fazem uso dessas funções, merecen-
do destaque os estudos de precipitação pluviométrica (chuvas) de determinadas regiões
geográficas, o retorno financeiro de aplicações em ações de empresas listadas na Bolsa
de Valores, o crescimento de árvores em florestas naturais, bem como situações educa-
cionais que envolvem as medidas de aprendizagem dos estudantes por meio de instru-
mentos avaliativos, além de outras possíveis aplicações.
Para finalizar, vale salientar que as grandezas Média e Desvio Padrão desempenham
um papel relevante no contexto da Distribuição Normal, pois a Média é associada com
o valor mais provável de ser observado na grandeza estudada, enquanto o Desvio Pa-
drão corresponde à largura da curva de distribuição, um indicativo da maior ou menor
heterogeneidade dos dados.
6
Conhecendo a Teoria
O tema das avaliações sempre está presente quando consideramos as ativi-
dades realizadas pelos professores, que frequentemente precisam avaliar o
rendimento de seus alunos atribuindo notas ou conceitos. Neste momento
em que iniciamos uma nova unidade, é importante salientar que os conteú-
dos que serão estudados podem oferecer apoio para que os professores ana-
lisem a adequação dos instrumentos utilizados nesses processos avaliativos,
contribuindo para essa importante etapa de suas atividades profissionais.
Afinal, o que se deseja é que os professores disponham de ferramentas
e conhecimentos adequados para identificar os melhores caminhos a se-
guir em sua docência, favorecendo a aprendizagem e o desenvolvimento de
seus estudantes. É nessa perspectiva que abordaremos a função Distribuição
Normal ou Gaussiana, ou seja, buscando oferecer ferramentas estatísticas
que podem auxiliá-lo a refletir sobre diversos aspectos relacionados com os
processos de ensino e aprendizagem, incluindo as avaliações elaboradas e
aplicadas, visando a aperfeiçoá-los.
2
( x- x )
1 -
f ( x) = e 2s 2
s 2p
7
7
UNIDADE
Distribuição Normal ou Gaussiana
f(x)
σ σ
x x
Figura 1 – Perfil da Curva Normal mostrando a média x e o Desvio Padrão σ
Devido à forma de um “sino”, essa função é chamada frequentemente de função sino. Po-
demos observar na Figura 1 que x centra a curva, ou seja, o valor médio corresponde ao
ponto central da curva, onde se verifica o valor máximo da função. Desse modo, associamos
à média x a maior probabilidade de encontrarmos o valor da variável x. Por sua vez, σ for-
nece uma medida da largura da curva estando, portanto, relacionada com a dispersão ou o
espalhamento dos dados em torno da média. Desse modo, quanto maior for σ, maior será a
dispersão e, consequentemente, maior a heterogeneidade do conjunto de dados.
f( x – x) = f( x + x)
• A função apresenta um ponto de máximo em x = x, valor mais provável de se ob-
servar x;
• A função é duplamente assintótica, não atingindo o eixo x em nenhuma das extre-
midades;
• A função apresenta dois pontos de inflexão:
x=x–σ e x=x+σ
A área total sob a curva é igual a 1 e x varia no intervalo de - ∞ < x < + ∞. O fato de a
área total ser 1 significa que a função é normalizada, ou seja, a probabilidade de se en-
contrar o valor da variável x entre - ∞ < x < + ∞ é 100%. Em decorrência da simetria da
função, a área sob cada metade da curva (esquerda ou direita) vale 0,5 ou 50% em termos
de probabilidade.
8
Cálculo das Probabilidades
A probabilidade da variável x apresentar um valor no intervalo x1 ≤ x ≤ x2 é dada por:
2
x2 x2 ( x- x )
1 -
P ( x1 £ x £ x2 ) = ò f ( x) dx = ò e dx
2
2s
x1
s 2p x1
Essa expressão usada no cálculo da probabilidade envolve uma integral, o que nor-
malmente é um processo complicado e difícil. Entretanto, você não precisa se assustar,
pois não será necessário utilizá-la, uma vez que contornaremos essa dificuldade utilizando
um procedimento matemático que nos levará ao uso de tabelas de valores padronizados.
Há um caminho alternativo que torna mais fácil os cálculos e permite a confecção de tabe-
las de probabilidades, sendo para isso necessário realizarmos uma mudança da variável x
para a variável normal padronizada ou reduzida z, já definida anteriormente, ou seja:
xi - x
zi =
s
Desse modo, a curva normal para a variável z estará deslocada de x unidades para
a esquerda, encontrando-se centrada em zero e apresentando desvio padrão igual a 1.
f(x)
x
x – 3σ x – 2σ x–σ x x+σ x + 2σ x + 3σ
Φ(z)
9
9
UNIDADE
Distribuição Normal ou Gaussiana
x
x – 3σ x – 2σ x–σ x x+σ x + 2σ x + 3σ
Φ(z)
2
1 − z2
ϕ ( z) = e
2π
Z
–3 –2 –1 0 +1 +2 +3
Figura 2 – Comparação entre as gráficos de f(x) e φ(z)
Se você observar atentamente as duas figuras, perceberá que há uma correspondência en-
tre os valores de x e Z, pois a variável reduzida Z é uma função de x.
2
x2 x2 ( x- x )
1 -
P ( x1 £ x £ x2 ) = ò f ( x) dx = ò e dx
2
2s
x1
s 2p x1
x=σz+x
dx = σ dz
Desse modo:
z2 z z2 2
1 -
P ( z1 £ z £ z2 ) = ò j ( z ) dz = ò e 2
dz = P ( x1 £ x £ x2 )
z1
2p z1
Podemos utilizar tabelas que fornecem os valores das áreas sob a curva normal padroniza-
da, obtidas por integração numérica, o que facilita a resolução de diversos problemas prá-
ticos. Nesse sentido, ao final deste material de apoio, é apresentada a Tabela 7, que fornece
a porcentagem da área sob a curva normal entre x e z, ou seja, entre z = 0 e z.
10
Faixa Central com z positivo
Para um determinado valor zi, a Tabela 7 (fornecida ao final deste material) mostra
a probabilidade de z estar no intervalo entre 0 e zi, correspondendo à área hachurada
mostrada na figura abaixo.
0 zi
Figura 3
A = P(z ≤ zi)
0 zi
Figura 4
11
11
UNIDADE
Distribuição Normal ou Gaussiana
A A
– zi 0 + zi
Figura 5
Z = 1,54
2º decimal
Inteiro e 1º decimal
0 1,54 Z
12
Consultando com atenção a tabela que fornece as áreas abaixo da curva normal,
devemos procurar o valor na célula que se encontra no cruzamento entre o valor 1,5
(16ª linha) com o valor fornecido na 5ª coluna (segundo decimal 4 indicado no topo
da tabela). Assim, encontramos o valor 0,4382, logo:
P(0 ≤ z ≤ 1,54) = 0,4382 = 43,82 %
b) P(-1,54 ≤ z ≤ 0)
–1,43 0 Z
c) P(-1,06 ≤ z ≤ 2,28)
–1,06 0 2,28 Z
13
13
UNIDADE
Distribuição Normal ou Gaussiana
d) P(1,17 ≤ z ≤ 2,13)
0 1,17 2,13 Z
e) P(-1,75 ≤ z ≤ -0,77)
–1,75 –0,77 0 Z
f) P(z ≥ 1,44)
14
0 1,44 Z
g) P(z ≤ -1,61)
–1,61 0 Z
h) P(z ≤ 1,50)
0 1,67 Z
15
15
UNIDADE
Distribuição Normal ou Gaussiana
i) P(-2,23 ≤ z ≤ 0,79)
–2,45 0 0,82 Z
2. A Prof.ª Ana Paula, ao analisar as notas obtidas por seus alunos do ensino mé-
dio na avaliação aplicada, constatou que as notas obedeciam a uma Distribuição
Normal, sendo que 20,33% dos alunos tiraram notas acima de 7,0 (aprovação)
e 14,92% abaixo de 4,0 (reprovação). Determine a nota média x e o Desvio
Padrão σ da distribuição de notas da turma de alunos.
z1 = -1,04 e z2 = 0,83
A1 A2
14,92 % 20,33 %
4,0 x 7,0 Z
ìï 4, 0 - x
ïï-1, 04 = ì
ï s Þ ïï-1, 04s = 4, 0 - x (1)
í í
ïï 7, 0 - x ïï 0,83s = 7, 0 - x (2)
ïï0,83 = î
îï s
16
Calculando (2) – (1), obtemos:
Portanto, σ = 1,60.
Considerando que a nota média da turma foi x = 5,66 e que a nota para aprovação é 7,0,
podemos afirmar que o rendimento médio não foi satisfatório, sendo preciso buscar meios
para que os alunos possam ampliar sua aprendizagem e obterem resultados mais adequados.
Com relação ao desvio padrão (σ = 1,60), podemos afirmar que a turma de alunos
apresenta uma heterogeneidade expressiva, uma vez que o Coeficiente de Variação
corresponde a CV = 0,283 = 28,3%. Desse modo, visando a ampliar o rendimento dos
alunos, entendemos que é preciso utilizar atividades em grupo para proporcionar maior
interação entre eles, bem como estratégias de ensino diversificadas, pois podem gerar
bons resultados.
17
17
UNIDADE
Distribuição Normal ou Gaussiana
Um aspecto muito importante é que o processo avaliativo não deve se restringir ao uso de
um único instrumento de avaliação, sendo preciso usar diferentes recursos que possam
identificar diferentes habilidades e competências nos estudantes, como a capacidade de
realização de atividades em grupo, de efetuar sínteses e elaborar textos escritos, de se ex-
pressar e argumentar oralmente, de investigar informações em diferentes fontes etc.
18
• Também cerca de 1/6 dos alunos tendem a apresentar notas elevadas, correspon-
dendo aos melhores estudantes da turma e que normalmente se destacam em al-
gumas disciplinas e conteúdos, mostrando um nível mais elevado de aprendizagem.
Considerando que a distribuição das notas em uma avaliação bem elaborada seja
próxima de uma distribuição normal, seu gráfico seria semelhante à Figura 6.
2/3
1/6 1/6
0 2 4 6 8 10 Notas
Figura 6 – Perfil esperado de distribuição de notas em uma avaliação adequada
19
19
UNIDADE
Distribuição Normal ou Gaussiana
Percebemos nessa distribuição de notas que muitos alunos obtiveram notas elevadas
enquanto poucos ficaram com notas baixas, desviando-se das proporções consideradas
adequadas 1/6, 2/3 e 1/6, discutidas anteriormente. Alguns fatores que podem ocasio-
nar a distorção observada acima, ou seja, um enviesamento a esquerda, são:
• Presença de muitas questões fáceis e que tendem a ser acertadas pela maioria
dos alunos;
• Ausência de questões mais elaboradas e com maior nível de dificuldade para
sua resolução.
Podemos constatar com facilidade nessa distribuição de notas que muitos alunos tira-
ram notas baixas enquanto poucos obtiveram notas elevadas, sendo também uma situa-
ção que se afasta das proporções consideradas adequadas, 1/6, 2/3 e 1/6. Nesse caso,
o expressivo enviesamento à direita pode ter sido ocasionado pelos seguintes fatores:
• Enunciados mal formulados e que geraram dificuldades de interpretação pelos estu-
dantes, inclusive nos melhores da turma, ou inserção de pegadinhas, prejudicando
os estudantes;
• Excesso de questões de difícil resolução ou que demandem muito tempo;
• Ausência de questões de mais fácil resolução.
20
Da mesma forma que discutimos antes, também é possível que essa situação aconteça
mesmo quando a avaliação é bem elaborada, pois pode acontecer por diversos motivos
que a grande maioria dos estudantes apresente enormes dificuldades de aprendizagem
com relação aos conteúdos abordados, sendo necessário adotar nessas situações recursos
instrucionais complementares que favoreçam a uma aprendizagem mais ampla, como
o uso de estratégias e metodologias diferenciadas de ensino, como experimentação,
textos, atividades coletivas e colaborativas entre os estudantes, metodologias ativas,
aulas de reforço, entre outros.
21
21
UNIDADE
Distribuição Normal ou Gaussiana
Nessa escala proposta, 12% dos melhores alunos ficam com conceito A; os 18% se-
guintes, com conceito B; e assim por diante, sendo atribuído para os 12% piores alunos
o conceito E.
Embora a escolha dos intervalos possa ser em parte subjetiva, ela deve atender às neces-
sidades do avaliador, que pode ser mais ou menos rigoroso ao estabelecer os intervalos
correspondentes aos conceitos.
Analisando a tabela que fornece valores da área sob a curva (50% - 12% = 38%),
podemos obter o valor de ZA que corresponde à nota A:
38 % 12 %
5,2 A
0 zA
22
P ( z ³ z A ) = 12% ® z A = 1,175
A - x A - 5, 2
z A = 1,175 = = ® A = 1,175´ 2, 4 + 5, 2 = 8, 0
s 2, 4
P ( z £ z E ) = 12% ® z E = -1,175
E - x E - 5, 2
z E = -1,175 = = ® E = -1,175´ 2, 4 + 5, 2 = 2, 4
s 2, 4
12 % 38 %
E 5,2
zE 0
20 % 20 %
30 % 30 %
C 5,2 B
zC 0 zB
23
23
UNIDADE
Distribuição Normal ou Gaussiana
ïìï C - 5, 2
ïï zC = -0,525 = 2, 4 Þ C = -0,525´ 2, 4 + 5, 2 = 3,9
ïí
ïï B - 5, 2
ïï z B = 0,525 = Þ B = 0,525´ 2, 4 + 5, 2 = 6,5
ïî 2, 4
Assim, a relação entre intervalos de notas e os conceitos pode ser expressa pela
Tabela 2.
Tabela 2
Conceito Intervalo de Notas
A N ≥ 8,0
B 6,5 ≤ N < 8,0
C 3,9 ≤ N < 6,5
D 2,4 ≤ N < 3,9
E N < 2,4
P ( z ³ z PS ) = 15% ® z PS = 1, 04
PS - x PS - 5, 7
z PS = 1, 04 = = ® PS = 1, 04´ 2,3 + 5, 7 = 8,1
s 2,3
24
35 %
15 %
5,7 PS
0 zPS
35 %
15 %
PI 5,7
zPI 0
P ( z ³ z PI ) = 15% ® z PI = -1, 04
PI - x PS - 5, 7
z PI = -1, 04 = = ® PI = -1, 04´ 2,3 + 5, 7 = 3,3
s 2,3
25
25
UNIDADE
Distribuição Normal ou Gaussiana
35 % 35 %
PI I S PS
I 5,7 S
zI 0 zS
ìïï I = 5, 7
í z I = zS = 0 = Þ I = 0´ 2,3 + 5, 7 = 5, 7 = S
ïïî 2,3
Portanto, com esses valores, podemos elaborar a Tabela 3, que mostra a relação
entre os intervalos de notas e os conceitos a serem atribuídos aos alunos pelo professor.
Tabela 3
Conceito Intervalo de Notas
PS N ≥ 8,1
S 5,7 ≤ N < 8,1
I 3,3 ≤ N < 5,7
PI N < 3,3
A
x x + 1σ
Figura 9
26
Esse procedimento de atribuição de conceitos se baseia na utilização da média e do
Desvio Padrão do conjunto de notas, sendo os conceitos estabelecidos a partir do afasta-
mento da nota em relação à média em termos de unidades (ou frações) do desvio padrão.
Tabela 4
Conceito Intervalo de Notas
A N≥x+1σ
1
B x + s £ N < x + 1s
2
1 1
C x- s£N<x + s
2 2
1
D x -s £ N < x - s
2
E N < x – 1σ
Tabela 5
Conceito Intervalo de Notas
A N≥x+1σ
1
B x + s £ N < x + 1s
2
1 1
C x- s£N<x + s
2 2
1
D x -s £ N < x - s
2
E N < x – 1σ
Tabela 6
Conceito Intervalo de Notas
A N ≥ 6,0
B 4,9 ≤ N < 6,0
27
27
UNIDADE
Distribuição Normal ou Gaussiana
x + 1s = 3,8 + 2, 2 = 6, 0
s
x + = 3,8 + 1,1 = 4,9
2
s
x + = 3,8 -1,1 = 2, 7
2
x -1s = 3,8 - 2, 2 = 1, 6
Cada grupo de alunos corresponde a 33,33% (1/3). Assim, elaborando uma figu-
ra correspondente à situação proposta e consultando a tabela de probabilidades
(áreas sob a curva normal), podemos constatar que:
Logo:
ïì x - 6,8
ï
ï 0, 43 = PS Þ x1 = 0, 43´ 2, 6 + 6,8 = 7,9
ï
ï 2, 6
í
ï
ï x - 6,8
ï -0, 43 = 2 Þ x2 = -0, 43´ 2, 6 + 6,8 = 5, 7
ï
ïî 2, 6
28
Tabela 7
Conceito Intervalo de Notas
Plen. Satisfatório (PS) N ≥ 7,9
Satisfatório (S) 5,7 ≤ N < 7,9
Insatisfatório (I) N < 5,7
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
29
29
UNIDADE
Distribuição Normal ou Gaussiana
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,49978
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000
A = P (0 ≤ z ≤ zi)
A
0 zi Z
Figura 10
Como exemplo, consideremos que seja procurada a área sob a curva normal entre z
= 0 e z = 1,54, conforme solicitado no primeiro exemplo desta Unidade. Primeiramen-
te, devemos procurar o cruzamento entre a linha que indica o valor Z = 1,5 (16ª linha)
e a 6ª coluna (segundo valor decimal de Z igual a 4, ou seja, 0,04 no topo da coluna).
O valor contido na célula (destacado em vermelho) é 0,4382, e multiplicando esse valor
por 100 obtemos a área sob a curva, ou seja, 43,82 %. Portanto, de posse do valor de Z,
é possível encontrar facilmente a probabilidade (ou área sob a curva normal) entre 0 e Z.
30
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:
Sites
Aula sobre Teorema do Limite Central
http://bit.ly/2qWzFtO
A Distribuição Normal
http://bit.ly/2NuMDGJ
Variável Aleatória Contínua
http://bit.ly/335LDQ1
Distribuição Normal
http://bit.ly/2PA3dI8
Livros
17 Equações que Mudaram o Mundo
17 Equações que Mudaram o Mundo, de Ian Stewart, da Editora Zahar, 2013.
Vídeos
Função de Densidade de Probabilidade
https://youtu.be/tNMJLr1H_gA
Função Densidade de Probabilidade da Distribuição Normal
https://youtu.be/rL9QjaeKWhI
Distribuição Normal (Aula I) - Probabilidade e Estatística
https://youtu.be/MoGes4OzsIk
Leitura
Contribuições para o Ensino da Distribuição Normal ou Curva de Gauss em Cursos de Graduação
http://bit.ly/2oDRs8s
Avaliação de Densidades para a Previsão dos Retornos das Ações da Petrobras
Avaliação de Densidades para a Previsão dos Retornos das Ações da Petrobras, de
André de Mattos Marques, na Revista Economia e Desenvolvimento, v. 24, n. 2, 2012. 49.
http://bit.ly/36ivrNj
31
31
UNIDADE
Distribuição Normal ou Gaussiana
Leitura
Funções Densidade de Probabilidade para a Estimativa da Distribuição Diamétrica em Povoa-
mento de Eucalyptus sp na Região Centro-sul do Paraná
Funções densidade de probabilidade para a estimativa da distribuição diamétrica
em povoamento de Eucalyptus sp na região centro-sul do Paraná, de Thiago Floriani
Stepka, Gerson dos Santos Lisboa, Sonia Maria Kurchaidt, Ambiência Guarapuava (PR),
v. 7, n. 3, p. 429-439, set./dez. 2011.
http://bit.ly/31YqDJG
Nova Função Densidade de Probabilidade Aplicável à Ciência Florestal
Nova Função Densidade de Probabilidade Aplicável à Ciência Florestal, de Eduardo
Quadros da Silva, Tese de Doutorado em Ciências Florestais no Programa de Pós-
Graduação em Engenharia Florestal da Universidade Federal do Paraná, Curitiba, 2003.
http://bit.ly/36qv5oa
32
Referências
BARBETTA, P. A. Estatística Aplicada às Ciências Sociais. 4. ed. Santa Catarina:
Editora da UF, 2001.
BUSSAB, W. de O.; MORETTIN, P. A. Estatística Básica. São Paulo: Saraiva, 2012, 548 p.
COSTA, S. F. Introdução Ilustrada à Estatística. 3. ed. São Paulo: Editora Harbra, 1998.
MILONE, G. Estatística Geral e Aplicada. São Paulo: Pioneira Thomson Learning, 2004.
TOLEDO, G. L.; OVALLE, I. I. Estatística Básica. 2. ed. São Paulo: Atalas, 1995.
33
33