Escolar Documentos
Profissional Documentos
Cultura Documentos
Se x for uma variável aleatória contínua e tiver uma distribuição normal com média μ e desvio-padrão
σ, pode-se fazer o gráfico de uma curva normal usando a seguinte equação:
1 2 ⁄2𝜎𝜎 2
𝑓𝑓(𝑥𝑥) = 𝑒𝑒 −(𝑥𝑥−𝜇𝜇 )
𝜎𝜎√2𝜋𝜋
Figura 2. Curvas normais. Note que as curvas A e B têm a mesma média, enquanto as curvas B e C
têm o mesmo desvio-padrão.
REGRA EMPÍRICA: Numa distribuição normal com média μ e desvio-padrão σ, pode-se aproximar
áreas sob a curva normal da seguinte maneira, conforme ilustrado na Figura 3:
68% da área está entre μ – σ e μ + σ
95% da área está entre μ – 2σ e μ + 2σ
99,7% da área está entre μ – 3σ e μ + 3σ
Mais precisamente, para qualquer variável aleatória normal, temos que as probabilidades são:
P (μ – σ < X < μ + σ) = 0,6827
P (μ – 2σ < X < μ + 2σ) = 0,9545
P (μ – 3σ < X < μ + 3σ) = 0,9973
Da simetria de f (x), P (X > μ) = P (X < μ) = 0,5.
A DISTRIBUIÇÃO NORMAL PADRÃO
Existem infinitas distribuições normais, cada uma com sua própria média e desvio-padrão. A
distribuição com média zero e desvio-padrão 1 é chamada de distribuição normal padrão.
A escala horizontal do gráfico da distribuição normal padrão corresponde aos escores z. Um escore z
é uma medida de posição que indica o número de desvios-padrão de um valor a partir da média.
Para transformar um valor x em um escore z, usa-se a seguinte fórmula:
𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 − 𝑚𝑚é𝑑𝑑𝑑𝑑𝑑𝑑 𝑥𝑥 − 𝜇𝜇
𝑧𝑧 = =
𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝ã𝑜𝑜 𝜎𝜎
A aproximação normal para depende do tamanho n da amostra. A Figura 4(a) mostra a distribuição
obtida para o arremesso de um único dado, com seis faces. As probabilidades são iguais a (1/6) para
todos os valores obtidos, 1, 2, 3, 4, 5 ou 6. A Figura 4(b) mostra a distribuição das pontuações médias
obtidas quando se arremessam dois dados e as Figuras 4 (c), 4(d) e 4(e) mostram a distribuição das
pontuações médias obtidas quando se arremessam 3, 5 e 10 dados, respectivamente.
Nota-se que, embora a distribuição de 1 dado esteja relativamente longe da normal, a distribuição das
médias será aproximada razoavelmente bem pela distribuição normal para amostras de tamanho tão
pequeno quanto 5. Embora o teorema central do limite funcione bem para pequenas amostras na
maioria dos casos – particularmente onde a população seja contínua, unimodal e simétrica – amostras
maiores serão requeridas em outras situações, dependendo da forma da população.
P (𝑋𝑋� < 95) = P(Z < -2,5) = P(Z > 2,5) = 0,0062
𝜎𝜎 𝑁𝑁 − 𝑛𝑛
𝜎𝜎𝑋𝑋� = �
√𝑛𝑛 𝑁𝑁 − 1
Exemplo:
Tem-se uma população de 5.000 alunos de uma faculdade.
Sabe-se que a altura média dos alunos é de 175 cm e o desvio
padrão, 5 cm. Retira-se uma amostra sem reposição de tamanho n
= 100. Quais serão os valores de 𝜎𝜎𝑋𝑋� com e sem a correção?
Usando o fator de correção:
𝜎𝜎 𝑁𝑁−𝑛𝑛 5 5.000−100
𝜎𝜎𝑋𝑋� = � = � = 0,495024
√𝑛𝑛 𝑁𝑁−1 √10 5.000−1
Sem a correção:
𝜎𝜎 5
𝜎𝜎𝑋𝑋� = = = 0,50
√𝑛𝑛 10
Quando se tira uma amostra grande de uma população de
tamanho muito maior que o da amostra, pelo menos o dobro, é
indiferente usar a correção para populações finitas, pois o erro será
muito pequeno, como o do exemplo acima.
Exercício:
Seja X: N(80,26). Dessa população retira-se uma amostra de
n = 25. Calcular: