Variabilidade

Inserir Título Aqui

e
InserirdeTítulo
Teste Hipóteses
Aqui
Aplicados à Educação
Distribuição Normal ou Gaussiana

Responsável pelo Conteúdo:

Prof. Dr. Mauro Sérgio Teixeira de Araújo

Revisão Textual:
Prof. Me. Claudio Brites
 Distribuição Normal ou Gaussiana

Fonte: Getty Images

Nesta unidade, trabalharemos os seguintes tópicos:
• Conhecendo a Teoria;
• Escalas de Notas Baseadas na
Distribuição (Média e Desvio Padrão).

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”.

No material de cada Unidade, há videoaulas e leituras indicadas, assim como sugestões

de materiais complementares, elementos didáticos que ampliarão sua interpretação e
auxiliarão o pleno entendimento dos temas abordados.

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.

Em diferentes áreas de conhecimento, é possível verificar aplicações dessas funções,

merecendo destaque as Ciências Naturais e as Ciências Humanas. Essa importante fer-
ramenta estatística oferece ao pesquisador um recurso útil para que possa estudar em
detalhes algumas características relacionadas com a distribuição dos dados e a probabi-
lidade de ocorrer determinados valores em certos intervalos da variável. Esses estudos
envolvem cálculos de integração que podem ser evitados no caso da Distribuição Nor-
mal por meio da realização de uma mudança de variável, situação em que constatamos
o uso da variável reduzida ou escore padronizado Z.

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.

No caso particular da Distribuição Normal, podemos identificar um recurso que pode

ajudar os professores a analisarem a adequação dos instrumentos avaliativos emprega-
dos para verificar o rendimento e a aprendizagem de seus estudantes, permitindo que
sejam elaboradas provas com um perfil de questões mais adequado, englobando a maio-
ria dos conhecimentos abordados e, mais importante, no estabelecimento de diferentes
níveis de dificuldade que cada questão deve apresentar, tornando assim o instrumento
avaliativo capaz de apontar diferenças no rendimento dos estudantes.

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.

A função Densidade de Probabilidade Normal, também conhecida por Distribui-

ção Normal, é uma função de variável contínua (x) que foi deduzida por volta de 1.730 e
de maneira independentemente por Abraham de Moivre, Laplace e Gauss. Essa função
é expressa matematicamente por:

2
( x- x )
1 -
f ( x) = e 2s 2

s 2p

Identificamos nessa expressão os seguintes termos:

• x = valor médio da variável x. A função tem um ponto de máximo sobre esse valor,
correspondendo assim ao valor mais provável de se observar a variável x. Dizemos
ainda que x “centra a curva”, pois a curva é simétrica e x encontra-se no ponto
central da curva, conforme se pode observar na Figura 1 mostrada a seguir;
• σ = desvio padrão. Essa grandeza está relacionada com a largura da curva e, por-
tanto, com a heterogeneidade dos dados;
• e = 2,71828... é o número de Euler ou número de Neper, utilizado como base dos
logaritmo natural.

Características e Propriedades da Distribuição Normal

A Distribuição Normal é uma função simétrica em relação à média ( x = Md = Mo), sendo
também conhecida como Função de Gauss ou Gaussiana. Essa função apresenta aplica-
ções nas mais diversas áreas de conhecimento, como Física, Engenharia, Sociologia, Edu-
cação etc. A forma da Distribuição Normal é apresentada na Figura 1, mostrada a seguir:

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.

Propriedades da Curva Normal

• A função Normal é simétrica em torno de x = x:

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.

Portanto, com essa mudança de variável, a distribuição normal da variável x, que

apresenta média x e variância σ2, denotada por N(x, σ2), pode ser transformada na
função normal padronizada Z = N(0,1), ou seja, uma distribuição normal com média
x = 0 e variância σ2 = 1. A Figura 2 mostrada a seguir permitirá que você observe a
equivalência dessas duas funções.

Gráfico de f(x) e φ(z)

A Figura 2 a seguir nos permite comparar os gráficos de f(x) e φ(z).

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.

Cálculo da Área sob a Curva Normal

A área sob a curva Normal compreendida entre x1 e x2 fornece a probabilidade da
variável x assumir valores no intervalo entre x1 e x2, ou seja:

2
x2 x2 ( x- x )
1 -
P ( x1 £ x £ x2 ) = ò f ( x) dx = ò e dx
2
2s

x1
s 2p x1

Manipulando a nova variável z, temos:

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.

Para valores negativos de z, devemos simplesmente utilizar a propriedade de simetria

da função.

A = P (0 < z < zi)

0 zi
Figura 3

Probabilidade Acumulada ou Função de Repartição

Nesse caso, a Tabela 7 fornece a probabilidade de z ser menor ou igual a zi.

A = P(z ≤ zi)

0 zi
Figura 4

11
11
UNIDADE
Distribuição Normal ou Gaussiana

Probabilidade para Valores Caudais

Nessa situação, para um determinado valor zi, a Tabela 7 fornece a probabilidade de
|z| ser maior ou igual a |zi|.

A = P(z ≤ - zi) + P(z ≥ zi)

A A

– zi 0 + zi
Figura 5

Aprendendo com um Exemplo

1. Utilize a Tabela 7, fornecida ao final deste material de apoio, e determine as
probabilidades indicadas a seguir, elaborando primeiramente um desenho para
representar a área correspondente sob a curva normal.
a) P(0 ≤ z ≤ 1,54)

Antes de iniciar a resolução numérica de cada exercício, é sempre conveniente

elaborar um pequeno desenho que faça a correspondência entre a probabilidade
solicitada e a área sob a curva normal, pois isso facilita imensamente a interpreta-
ção do enunciado. A figura ao lado ilustra as informações fornecidas no enunciado
desse exemplo.

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)

Utilizando a propriedade de simetria da função (ou seja, o lado esquerdo é igual

ao lado direito), temos:

P(-1,53 ≤ z ≤ 0) = 0,4382 = 43,82 %

–1,43 0 Z
c) P(-1,06 ≤ z ≤ 2,28)

Analisando a figura correspondente ao intervalo pedido e consultando os valores

da tabela, é fácil percebermos que:

P(-1,06 ≤ z ≤ 2,28) = P(-1,06 ≤ Z ≤ 0) + P(0 ≤ Z ≤ 2,28) = 0,3554 + 0,4887

P(-1,06 ≤ z ≤ 2,28) = 0,8441 = 84,41 %

–1,06 0 2,28 Z

13
13
UNIDADE
Distribuição Normal ou Gaussiana

d) P(1,17 ≤ z ≤ 2,13)

Nesse caso, avaliando cuidadosamente o desenho ao lado, podemos perceber que:

P(1,17 ≤ z ≤ 2,13) = P(0 ≤ 2,13) – P(0 ≤ z ≤ 1,17)

P(1,17 ≤ z ≤ 2,13) = 0,4834 – 0,3790 = 0,1044 = 10,44 %

0 1,17 2,13 Z
e) P(-1,75 ≤ z ≤ -0,77)

Analisando a figura, é possível perceber que:

P(-1,75 ≤ z ≤ -0,77) = P(-1,75 ≤ z ≤ 0) – P(-0,77 ≤ z ≤ 0)

P(-1,75 ≤ z ≤ -0,77) = 0,4599 – 0,2794 = 0,1805 = 18,05 %

–1,75 –0,77 0 Z
f) P(z ≥ 1,44)

Nesse caso, analisando a figura, identificamos facilmente que:

P(z ≥ 1,44) = P(z ≥ 0) – P(0 ≤ z ≤ 1,44)

P(z ≥ 1,44) = 0,5 – 0,4251 = 0,0749 = 7,49 %

14
 0 1,44 Z

g) P(z ≤ -1,61)

Observando a figura ao lado e utilizando a simetria da função, é fácil perceber que

nesse caso a probabilidade correspondente é:

P(z ≤ -1,61) = P(z ≤ 0) – P(-1,61 ≤ z ≤ 0)

P(z ≤ -1,61) = 0,5 – 0,4463 = 0,0537 = 5,37 %

–1,61 0 Z

h) P(z ≤ 1,50)

Nessa última situação, analisando a figura, podemos ver que:

P(z ≤ 1,50) = P(z ≤ 0) + P(0 ≤ z ≤ 1,50)

P(z ≤ 1,50) = 0,5 + 0,4332 = 0,9332 = 93,32 %

0 1,67 Z

15
15
UNIDADE
Distribuição Normal ou Gaussiana

i) P(-2,23 ≤ z ≤ 0,79)

Analisando a figura correspondente ao intervalo pedido e consultando os valores

da tabela, é fácil percebermos que:

P(-2,23 ≤ z ≤ 0,79) = P(-2,23 ≤ Z ≤ 0) + P(0 ≤ Z ≤ 0,79) = 0,4871 + 0,2852

P(-2,23 ≤ z ≤ 0,79) = 0,7723 = 77,23 %

–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.

Lendo o enunciado com bastante atenção, podemos esboçar o desenho corres-

pondente ao lado. Analisando a tabela, verificamos que as área A1 = 35,08 % e
A2 = 29,67 %, as quais correspondem aos seguintes valores de z:

z1 = -1,04 e z2 = 0,83

A1 A2
14,92 % 20,33 %

4,0 x 7,0 Z

Assim, usando a definição da variável reduzida z, podemos escrever:

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:

0,83 σ + 1,04 σ = 7,0 – 4,0 = 3,0 → 1,87 σ = 3,0

Portanto, σ = 1,60.

Substituindo esse valor σ = 1,60 na equação (1), temos:

x = 4,0 + 1,04 x 1,60 = 4,0 + 1,66 → x = 5,66

a) Interprete, segundo o seu ponto de vista, como foi o rendimento e a hetero-
geneidade dos alunos na avaliação realizada pela Prof.ª Ana Paula.

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.

Aspectos Relevantes na Elaboração e na Análise de Avaliações

Geralmente o processo de avaliação de rendimento escolar costuma ser complexo e
sujeito à influência de diversos fatores, apresentando sempre um caráter parcialmente sub-
jetivo, de modo que os resultados podem sofrer distorções que tendem a comprometer, em
algumas situações, a sua validade enquanto instrumento de mensuração da aprendizagem.

Assim, tendo em vista a necessidade de se realizar avaliações nos ambientes esco-

lares e buscando ao mesmo tempo diminuir as distorções no processo avaliativo, acre-
ditamos que é importante analisar alguns aspectos relacionados com a elaboração das
provas, destacando-se:
1. Inicialmente, deve-se analisar todos os conteúdos a serem avaliados, elaborando-se
uma quantidade de questões proporcional à importância dada a cada item abordado;
2. Os conteúdos mais relevantes devem ter um peso maior, bem como os tópicos
que envolvam maior dificuldade, buscando-se desse modo equilibrar a distri-
buição das questões entre os diferentes conteúdos e considerando o nível de
dificuldade desses;
3. O número de questões e subitens deve ser adequado ao tempo total previsto
para a realização da avaliação, evitando-se, principalmente, avaliações muito
extensas e que não podem ser concluídas no tempo útil, prejudicando o rendi-
mento dos estudantes;
4. A dificuldade de cada questão deve ser bem analisada, pois uma prova bem
elaborada deve conter perguntas fáceis, algumas de média dificuldade e outras

17
17
UNIDADE
Distribuição Normal ou Gaussiana

de maior dificuldade, permitindo diferenciar o nível de aprendizagem dos estu-

dantes. Desse modo, fica claro que avaliações contendo apenas questões fáceis
ou apenas questões de grande dificuldade são inadequadas para avaliar a apren-
dizagem dos alunos;
5. Os enunciados das questões devem ser objetivos e suficientemente claros, evi-
tando-se ambiguidades ou o uso de termos que dificultem a interpretação. No
jargão popular, as provas não devem conter “pegadinhas”, uma vez que apenas
atrapalham os alunos;
6. É desejável que os conteúdos abordados apresentem relação com situações vi-
venciadas no cotidiano dos estudantes. Desse modo, a contextualização do co-
nhecimento é favorecida, atendendo ao que preconizam as orientações curricu-
lares presentes na LDB e nos PCN;
7. A avaliação deve abordar os aspectos mais significativos e relevantes para o
desenvolvimento dos estudantes, contribuindo para que eles realizem análises
críticas e utilizem raciocínio lógico na resolução das questões, sendo de pouca
validade perguntas que apenas exijam memorização ou simples aplicação direta
de fórmulas.

Tomando esses cuidados na elaboração das avaliações, é possível transformá-las em ins-

trumentos eficientes no difícil processo de checagem da aprendizagem, permitindo, com
isso, diferenciar os estudantes quanto ao seu estágio de desenvolvimento cognitivo e ao do-
mínio de competências e habilidades necessárias para a realização das avaliações propostas.

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.

Perfil Adequado das Avaliações

Via de regra podemos considerar que uma avaliação foi bem planejada quando per-
mite identificar os diferentes níveis de aprendizagem dos estudantes. Nesse sentido,
espera-se que os resultados de uma avaliação adequada componham um conjunto de
notas e indicadores cuja distribuição seja aproximadamente normal, apresentando os
seguintes aspectos básicos:
• Ocorra uma concentração de aproximadamente dois terços (2/3) das notas em
torno do intervalo formado pela média mais ou menos um desvio padrão, ou seja,
[ x - σ; x + σ]. Essa parcela corresponde àqueles alunos que apresentam um rendi-
mento escolar que podemos considerar satisfatório ou mediano, por se encontrar
próximo à média;
• Aproximadamente 1/6 dos alunos apresentam notas baixas, sinalizando que a apren-
dizagem foi insuficiente, o que pode ser considerado natural, pois sempre há alguns
estudantes que possuem maior dificuldade com determinados conteúdos escolares;

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

Perfis de Avaliações Inadequadas

Quando uma avaliação não é bem planejada e elaborada, é comum que os resultados
apresentem uma distribuição inadequada de notas, distanciando-se bastante de uma
curva normal, como veremos adiante em duas situações típicas que analisaremos.

Avaliação Muito Fácil

Quando realizamos uma avaliação considerada muito fácil, é possível perceber uma
distribuição de notas semelhante à Figura 7.

Notas baixas Notas altas Notas

Figura 7 – Distribuição enviesada de notas em uma avaliação considerada fácil

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.

Naturalmente, em uma situação onde predominam ótimos alunos, interessados e envolvi-

dos na construção de seus conhecimentos, com destacada capacidade cognitiva, é possível
obter o resultado enviesado acima mesmo em uma avaliação bem elaborada. Infelizmente
não costumamos observar esse tipo de situação com muita frequência!

Avaliação Muito Difícil

Ao contrário da situação anterior, quando realizamos uma avaliação considerada
muito difícil pela maioria dos alunos, também houve inadequação na elaboração da
avaliação, que agora apresentará uma distribuição de notas semelhante à mostrada na
Figura 8.

Notas baixas Notas altas Notas

Figura 8 – Distribuição enviesada de notas em uma avaliação considerada fácil

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.

É importante considerar que os processos de ensino e aprendizagem acontecem de manei-

ra entrelaçada, sendo que muitas vezes a inclusão de estratégias didáticas adequadas pelo
professor é suficiente para que os alunos aprendam e construam novos conhecimentos.
Por outro lado, espera-se que haja esforço por parte dos estudantes no sentido de superar
suas dificuldades, o que demanda envolvimento e dedicação aos estudos, sendo impor-
tante que busquem apoio no professor, nos materiais e recursos didáticos (livros, apostilas,
internet etc.). A interação com colegas que aprendem o conteúdo com maior facilidade
também é um caminho que deve ser buscado, o que reforça a importância de se propiciar
atividades em grupos, como pesquisas, preparação de seminários e mesmo resolução de
listas de exercícios tradicionais.

Escalas de Notas Baseadas na

Distribuição (Média e Desvio Padrão)
Conhecendo a Teoria
Podemos definir uma escala de notas de diferentes maneiras, de modo a serem ab-
solutas ou relativas, cada modalidade apresentando suas vantagens e desvantagens.
No caso de escalas relativas, podemos considerar a média e o Desvio Padrão da distri-
buição de notas, definindo a escala a partir de intervalos adequados aos objetivos traça-
dos em cada situação.

Escalas de Notas definidas com Intervalos Percentuais

Uma primeira possibilidade consiste em relacionar um conceito a um conjunto de
alunos que foram ordenados previamente de acordo com seu rendimento na avaliação,
estabelecendo então um intervalo percentual que corresponde a cada conceito a ser
atribuído. Não ficou clara essa ideia? Então vamos esclarecer considerando o exemplo
ilustrado na Tabela 1.

21
21
UNIDADE
Distribuição Normal ou Gaussiana

Tabela 1 – Escala de notas-conceitos elaborada com base em intervalor percentuais

Conceito Intervalo Percentual
A 12 % (melhores)
B 18 % (seguintes)
C 40 % (seguintes)
D 18 % (seguintes)
E 12 % (piores)

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.

Ao adotar esse procedimento, devem ser utilizadas as tabelas de Distribuição Normal

padronizadas visando a determinar o valor de z correspondente aos percentuais (ou área
sob a curva normal) relacionadas a cada conceito empregado.

Aprendendo com um Exemplo

1. Ao realizar um provão para alunos dos cursos de Matemática, o MEC constatou
que as notas obtidas pelas universidades apresentaram média x = 5,2, com des-
vio padrão σ = 2,4. Para classificar os cursos avaliados, o MEC estabeleceu que
o conceito A deve ser atribuído para os 12% melhores colocados; B para os 18%
seguintes; C para os 40% seguintes; D para os 18% seguintes; e, finalmente,
conceito E para os 12% piores cursos.
a) Calcule a nota mínima para que um curso obtenha o conceito A.

Interpretando o enunciado com atenção, podemos elaborar o desenho abaixo,

que mostra a nota mínima (A) a partir da qual os cursos obtêm conceito A.

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

Portanto, a nota mínima para que o curso receba conceito A é 8,0.

b) Calcule a nota máxima que define o conceito E.

Repetindo o procedimento anterior, podemos elaborar a figura abaixo, que ilustra

o conceito E e o correspondente valor ZE. Utilizando a propriedade de simetria da
função Normal, temos:

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

Portanto, a nota máxima abaixo da qual o curso recebe conceito E é 2,4.

c) Calcule as notas que definem o intervalo para obtenção do conceito C e do
conceito B.

Analisando o enunciado, podemos perceber que o conceito C e o conceito B

correspondem a valores de Z que se encontram nas posições ilustradas abaixo,
de modo que:

P(z ≥ zC) = P(z ≤ zB) = 20 %

20 % 20 %

30 % 30 %

C 5,2 B
zC 0 zB

23
23
UNIDADE
Distribuição Normal ou Gaussiana

Utilizando a tabela de áreas sob a curva normal, temos:

zC = - 0,525 e zB = 0,525. Assim:

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

2. A Prof.ª Luana desenvolve suas atividades docentes ao longo do semestre e utiliza

um conjunto de procedimentos avaliativos na disciplina de Artes, constatando ao
final do período letivo que a turma de alunos obteve média x = 5,7, com desvio
padrão σ = 2,3. Para atribuir os conceitos Plenamente Insatisfatório (PI), Insatis-
fatório (I), Satisfatório (S) e Plenamente Satisfatório (PS) exigidos pela escola onde
leciona, a Profa. Luana decide que apenas os 15% melhores alunos receberão o
conceito PS, sendo o conceito S atribuído aos 35% seguintes, o conceito I para
os 35% seguintes e, finalmente, o conceito PI para os 15% piores alunos.
a) Calcule a nota mínima para que um aluno obtenha o conceito PS.

Lendo atentamente o enunciado, podemos elaborar o desenho abaixo, que mos-

tra a nota mínima (PS) a partir da qual os alunos obtêm o conceito mais elevado.
Assim, consultando a tabela de valores da área sob a curva normal para (50% -
15% = 35%) identificamos o valor de ZPS que corresponde ao conceito PS:

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

Portanto, a nota mínima para que o aluno obtenha o conceito PS é 8,1.

b) Calcule a nota máxima abaixo da qual o aluno obtém o conceito PI.

Utilizando o mesmo procedimento, podemos elaborar a figura abaixo, que mos-

tra o conceito PI e o valor ZPI. Pela simetria da função, temos:

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

Portanto, a nota abaixo da qual o aluno adquire o conceito PI é 3,3.

c) Determine as notas que definem os intervalos para obtenção do conceito S e
do conceito I.

Analisando cuidadosamente o enunciado, constatamos que o conceito I corres-

ponde a valores de Z que se encontram entre ZI e 0 e que o conceito S S corres-
ponde a valores de Z entre 0 e ZPS, de modo que:

P(zI ≤ z ≤ 0) = P(0 ≤ z ≤ zS) = P(-1,04 ≤ z ≤ 0) = P(0 ≤ z ≤ 1,04) = 35 %

25
25
UNIDADE
Distribuição Normal ou Gaussiana

Sendo o valor central da distribuição associado a z = 0, temos:

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

Escalas de Notas com Intervalos definidos pelo Desvio Padrão

Uma maneira alternativa para definir a escala de notas é tomar por base o Desvio Pa-
drão para estabelecer os intervalos aos quais serão atribuídos os conceitos ou notas. Por
exemplo, podemos atribuir o conceito A para os alunos (ou cursos etc.) que obtiverem no-
tas que forem pelo menos 1 desvio padrão acima da média, conforme ilustra a Figura 9.

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.

É importante ter em mente que todo procedimento de atribuição de conceitos para um

determinado intervalo de notas deve atender aos objetivos e às necessidades estabeleci-
das previamente.

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

Aprendendo com um Exemplo

1. A metodologia utilizada pelo MEC durante alguns anos para classificar os cursos
no Exame Nacional de Cursos (ENC), conhecido popularmente por Provão, es-
tabelecia a seguinte relação entre as notas e os conceitos:

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

Considerando a aplicação desse critério, determine os intervalos das notas correspon-

dentes aos conceitos utilizados pelo MEC para classificar os cursos de Matemática, elabo-
rando uma tabela de correspondência entre as notas e os conceitos, sabendo-se que esses
cursos apresentaram média x = 3,8 e desvio padrão σ = 2,2 em um determinado ano.

Tabela 6
Conceito Intervalo de Notas
A N ≥ 6,0
B 4,9 ≤ N < 6,0

27
27
UNIDADE
Distribuição Normal ou Gaussiana

Conceito Intervalo de Notas

C 2,7 ≤ N < 4,9
D 1,6 ≤ N < 2,7
E N < 1,6

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

Portanto, os intervalos de notas correspondentes aos conceitos atribuídos pelo MEC

aos cursos de Matemática são fornecidos na Tabela 6.
2. Uma avaliação de Matemática realizada pelo Prof. Wilson com 45 alunos apre-
sentou média x = 6,8 e desvio padrão σ = 2,6. O professor Wilson decidiu
utilizar uma escala de notas conceito distribuindo a turma em 3 grupos de 15
alunos, classificando seus rendimentos como Insatisfatório (I), Satisfatório (S) e
Plenamente Satisfatório (PS). Calcule as notas que definem a escala utilizada
pelo Prof. Wilson.

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:

A = 33,33%/2 = 16,67 % → z = 0,43

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

1/3 1/6 1/6 1/3

xI 6,8 xPS

Portanto, a correspondência entre as notas e os conceitos é fornecida na Tabela 7.

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

Tabela 8 – Porcentagens da área sob a Curva Normal entre x e z (entre z = 0 e z)

2º decimal de Z →
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
Inteiro e 1º decimal de Z →

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

Para compreender o procedimento envolvido e facilitar o uso da Tabela 8, observe que as

linhas (horizontais) estão relacionadas com o valor da unidade (inteiro) e a primeira casa
decimal de Z. Por sua vez, cada coluna (vertical) fornece a segunda casa decimal de Z. Desse
modo, os valores apresentados nessa tabela correspondem à área (probabilidade) compre-
endida entre Z = 0 e o valor de Z desejado, conforme ilustra a parte hachurada da Figura 10.

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.

CRESPO, A. A. Estatística Fácil. São Paulo: Saraiva, 2000.

COSTA, S. F. Introdução Ilustrada à Estatística. 3. ed. São Paulo: Editora Harbra, 1998.

FARIAS, A. M. L. de; LAURENCEL, L. da C. Estatística Descritiva. Rio de Janeiro:

Universidade Federal Fluminense, 2006.

FONSECA, J. S. da; MARTINS, G. A.; TOLEDO, G. L. Estatística Aplicada. São

Paulo: Atlas, 1995.

MARTINS, G. de A.; DONAIRE, D. Princípios de Estatística. São Paulo: Atlas, 1995.

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.

VIEIRA, S. Estatística Experimental. 2. ed. São Paulo: Atalas, 1999.

33
33