Aleatórias Contínuas Distribuição Normal e Distribuição Normal padronizada Distribuições de Probabilidades para Variáveis Aleatórias Contínuas • Variáveis contínuas assumem valores em intervalos numa reta real. • A distribuição de frequência de uma amostra de observações de uma variável contínua pode ser representada por um histograma. Distribuições de Probabilidades para Variáveis Aleatórias Contínuas • Existem alguns tipos de modelos que representam o comportamento de uma extensa série de variáveis em vários campos do conhecimento, bem como distribuição teóricas de probabilidades que são fundamentais para o métodos de inferência estatística. • Tais modelos são expressos por funções matemáticas denominadas função densidade de probabilidade (f.d.p.). • Exemplos: Exponencial, Qui-quadrada e Normal. Distribuição Normal • Também conhecida como: – Distribuição gaussiana, – Distribuição de Gauss – Distribuição de Laplace–Gauss (em referência aos matemáticos, físicos e astrônomos francês Pierre–Simon Laplace (1774) e alemão Carl Friedrich Gauss (1809).
– O nome “Normal”: muitas distribuições de frequências de
erros de observações e mensurações podem ser descritas por esse tipo de distribuição. O modelo Normal • Definição: a f.d.p. de uma variável aleatória X com distribuição normal é dada por: O modelo Normal • O gráfico se assemelha a um sino • Seu formato dependerá dos valores dos parâmetros µ e σ . • A notação de uma variável com distribuição normal é expressa como : • A distribuição é simétrica em relação à média. • À medida que X afasta-se (esquerda ou direita) a função tende a zero, mas não toca o eixo das abscissas. • A probabilidade de X assumir um valor particular x0 é zero, i.e, P(X = x0 )=0, logo, são iguais as probabilidades: P(a<x<b) = P(a≤x<b) = P(a<x ≤ b) = P(a ≤ x ≤ b) O modelo Normal • A probabilidade de uma variável aleatória distribuída normalmente tomar um valor entre dois pontos quaisquer a e b , (a <> b ), é igual a área sob a curva compreendida entre os dois pontos.
• O valor numérico da área hachurada é o resultado de f(x)
entre a e b, isto é: O modelo Normal
• Contudo, essa integração não pode ser calculada
analiticamente; • Deve ser computada por métodos numéricos (desenvolvimento em série); • Na prática seria necessário dispormos de tabelas com resultados das probabilidades desejadas , com inúmeras tabelas diferentes para, para cada combinação particular de µ e σ . O modelo Normal padronizada
• Consideramos a transformação de X para Z.
O modelo Normal padronizada
• Consideramos a transformação de X para Z.
• Logo, a f.d.p. Da variável z é dada
por: O modelo Normal padronizada
Normal Normal Padronizada
Então como utilizamos a distribuição normal padronizada?
Tabela de distribuição Normal Z. É simétrica. E as somas das duas área é igual a 1 ou 100%. Pesquisando 1,17 na tabela Z 0,00 0,01 0,02 ... 0,07 ... 0,09 0,0 0,1 2º 0,2 0,3 ... 1º 1,1 0,3790 .. Tabela de distribuição Normal Z. É simétrica. E as somas das duas área é igual a 1 ou 100% O modelo Normal padronizada para dados amostrais
• Fórmula para encontramos a probabilidades em uma amostra
HTTP WWW - Imprensaoficial.com - BR PortalIO DO GatewayPDF - Aspx Pagina 46&caderno Executivo Link 2012 Executivo Secao I Janeiro 10 Pag 0046 8EH3G3HQU306Ee7UI31EU5FUT9T