Índice

Introdução....................................................................................................................................2
Objectivos....................................................................................................................................2
Objectivo geral.............................................................................................................................2
Objectivos específicos..................................................................................................................2
Distribuição normal......................................................................................................................3
papel central da distribuição normal.............................................................................................4
Importância da distribuição normal..............................................................................................4
Propriedade da distribuição normal..........................................................................................4
Distribuição de probabilidade......................................................................................................4
A dois tipos de distribuição de probabilidade:..............................................................................4
Teoria de amostragem..................................................................................................................5
As fases de um processo de amostragem......................................................................................6
Tipo de Amostragem....................................................................................................................6
Amostragem Probabilística e Não-Probabilística.....................................................................6
Dimensionamento da Amostra.....................................................................................................7
Estratificar a população e identificar subpopulações....................................................................7
Levantar um indicador numérico e verificar a sua variabilidade dentro das subpopulações.....7
Estabelecer o nível de significância e um erro aceitável para o indicador escolhido................7
Dimensionar o tamanho da amostra por subpopulação.............................................................8
Principio de calculo de amostra....................................................................................................8
Intervalo de confiança..................................................................................................................9
As etapas do cálculo do Intervalo de Confiança.......................................................................9
Teste de Hipótese.......................................................................................................................10
Tipos de testes de hipóteses: natureza dos testes....................................................................10
Mecanismo de construção de:....................................................................................................10
Intervalo de confiança............................................................................................................10
Teste de hipótese:...................................................................................................................11
Conclusão...............................................................................................................................12
Referencia bibliográfica.............................................................................................................13

1
Introdução
O presente trabalho de pesquisa cientifica ira retratar sobre a Distribuição normal e a
teoria de amostragem. A distribuição normal com média nula e desvio padrão unitário é
chamada de distribuição normal centrada e reduzida ou de distribuição normal padrão.
Quando uma variável aleatória segue uma distribuição normal, ela é chamada de
gaussiana ou de normal.

A amostragem e em particular os processos de amostragem aplicam-se em

variadíssimas ´áreas do conhecimento e constituem, muitas vezes, a ´única forma de
obter informações sobre uma determinada realidade que importa conhecer.

A teoria da amostragem ´e assim um dos instrumentos que possibilita esse

conhecimento cientifico da realidade, onde outros processos ou m´todos alternativos,
por razoes diversas, não se mostram adequados ou até mesmo possíveis.

Objectivos

Objectivo geral
O objectivo geral do presente trabalho e fazer uma analise minuciosa da distribuição
normal e a teoria de amostragem

Objectivos específicos

Os Objectivos específicos do presente trabalho são:

 Importância da distribuição normal
 Distribuição de probabilidade
 Os termos básicos em amostragem são:
 Tipos de Amostragem
 Princípios de calculo de amostra
 Intervalo de confiança
 Teste de Hipótese
 Mecanismo de construção de Intervalo de confiança

2
Distribuição normal
A distribuição normal é uma das distribuições de probabilidade mais utilizadas
para modelar fenômenos naturais. Isso se deve ao fato de que um grande número de
fenômenos naturais apresenta sua distribuição de probabilidade tão proximamente
normal, que a ela pode ser com sucesso referida, e, portanto, com adequado acerto por
ela representada como se normal fosse.

A distribuição normal é ligada a vários conceitos matemáticos como movimento

browniano, ruído branco, entre outros. A distribuição normal também é chamada
distribuição gaussiana, distribuição de Gauss ou distribuição de Laplace–Gauss, em
referência aos matemáticos, físicos e astrônomos francês Pierre–Simon Laplace (1749 –
1827) e alemão Carl Friedrich Gauss (1777 – 1855).

Em termos mais formais, a distribuição normal é uma distribuição de

probabilidade absolutamente contínua parametrizada pela sua esperança
matemática (número real ) e desvio padrão (número real positivo ). A densidade de
probabilidade da distribuição normal é denotada como:

1
1 ¿¿
F (X )= e2
δ √2 π

A distribuição normal com média nula e desvio padrão unitário é chamada de

distribuição normal centrada e reduzida ou de distribuição normal padrão. Quando
uma variável aleatória segue uma distribuição normal, ela é chamada de gaussiana ou
de normal. Comumente é usada a notação com a variância quando A curva de
densidade é chamada de curva de Gauss ou de curva em forma de sino.

A distribuição normal é caracterizada por uma função de probabilidade, cujo

gráfico descreve uma curva em forma de sino,

3
papel central da distribuição normal
Decorre do fato de ser o limite de um grande número de distribuições de
probabilidade como mostra o teorema central do limite, o qual permite estudar
probabilissimamente a média das variáveis independentes de uma amostra aleatória
simples de tamanho grande

A distribuição normal corresponde ao comportamento do efeito agregado de

experiências aleatórias independentes e semelhantes em certas circunstâncias quando o
número de experiências é muito alto. Com esta propriedade, a distribuição normal pode
aproximar–se da distribuição de efeito agregado de outras distribuições e modelar
vários estudos científicos como erros de medição ou testes estatísticos com as tabelas
de distribuição normal.

Importância da distribuição normal

 Retrata com boa aproximação, as distribuições de freqüência de muitos
fenômenos naturais e físicos;
 Serve como aproximação, da distribuição binomial quando n é grande;
 Representa a distribuição das médias e proporções em grandes amostras,
o que tem relevante implicação na amostragem

Propriedade da distribuição normal

 E ( X ) = µ, Var ( X ) = σ
 A distribuição é simétrica em torno de sua média.
 A área total sob curva é igual a um, portanto, cada metade da curva tem 0,5 da
área total.

Distribuição de probabilidade
Há muitas distribuições de probabilidade diferentes. Entre as distribuições de
probabilidade, a distribuição normal tem uma importância particular. De acordo com
o teorema central do limite, a distribuição normal aborda o comportamento assintótico
de várias distribuições de probabilidade.

A dois tipos de distribuição de probabilidade:

Distribuição continuas: quando a variável que esta sendo medido e expressa em
uma escala continua, como no caso de uma característica dimensional.

4
 Distribuição discreta: quando a variável esta sendo medido só pode assumir
certos valores, como por exemplo os valores internos: 1,2,3 etc.

Teoria de amostragem
A amostragem e em particular os processos de amostragem aplicam-se em
variadíssimas ´áreas do conhecimento e constituem, muitas vezes, a ´única forma de
obter informações sobre uma determinada realidade que importa conhecer.

A teoria da amostragem ´e assim um dos instrumentos que possibilita esse

conhecimento cientifico da realidade, onde outros processos ou m´métodos alternativos,
por razoes diversas, não se mostram adequados ou até mesmo possíveis.

Alguns exemplos da utilização da amostragem são:

 Sondagens `a opinião pública que servem para conhecer a opinião da população

sobre variadas questões. As mais populares são as sondagens políticas.
 Inspecção de mercado utilizada com o intuito de descobrir as preferências das
pessoas em relação a certos produtos. Um dos exemplos mais conhecidos da
aplicação desta amostragem ´e a lista de audiências dos programas de televisão.
 para estimar a prevalência de uma doença rara, a amostra pode ser constituída
por algumas instituições m´dicas, cada uma das quais tem registo dos pacientes.

Os termos básicos em amostragem são:

 População - o grupo inteiro de objetos (unidades) dos quais se pretende obter

informações. A população deve ser definida claramente e em termos daquilo
que se pretende conhecer.
 Unidade - qualquer elemento individual da população.
 Amostra - uma parte ou subconjunto da população usada para obter informação
acerca do todo.
 Variável - uma característica de uma unidade que será medida a partir daquela
unidade da amostra.

5
As fases de um processo de amostragem
Depois de se identificar os dados que deverão ser recolhidos e o instrumento
(questionário estruturado, por exemplo) a utilizar para essa recolha, o passo seguinte
consiste em definir um processo de amostragem adequado ao tipo de dados e ao
instrumento de análise.

Mais especificamente, ´e necessário que se estabeleça `a partida um plano de

amostragem de acordo com a população alvo, com a definição da população a inquirir e
com um processo adequado de administração do inquérito.

O plano de amostragem deverá começar por determinar qual o nível de extensão

geográfica em que o processo de amostragem deverá ser conduzido (mundial, nacional,
regional, urbano, rural, grupo de indivíduos, etc.). A construção da amostra
propriamente dita envolve várias etapas igualmente importantes e que são:

 A identificação da população alvo/população inquirida;

 O m´método de Selecção da amostra;
 A dimensão da amostra.

Tipo de Amostragem
Amostragem Probabilística e Não-Probabilística.
Amostragem PROBABILÍSTICA: Técnicas de amostragem em que a seleção é
aleatória de tal forma que cada elemento tem igual probabilidade de ser sorteado para a
amostra, e é selecionado independentemente de qualquer outro. Assim se conhece a
probabilidade de todas as combinações amostrais possíveis.

 Melhor recomendação que se deve fazer no sentido de se garantir a

representatividade da amostra, pois o acaso será o único responsável por
eventuais discrepâncias entre população e amostra.
 Permite Inferência Estatística.

6
 Amostragem Não-Probabilística: Não é possível generalizar os resultados para a
população, pois amostras não probabilísticas não garantem a representatividade da
população. Pode ser dividida em:

 Amostragem Acidental
 Amostragem por Julgamento
 Amostragem Intencional
 Amostragem por Quotas

Dimensionamento da Amostra
O tamanho da amostra além de depender do nível de confiança estabelecido para
pesquisa é função direta do erro amostral, previamente fixado pelo pesquisador.

Etapas:

Estratificar a população e identificar subpopulações

Num estudo realizado por amostragem é importante verificar a variabilidade
existente na população. A estratificação permite analisar um grupo heterogêneo através
de subgrupos (estratos) homogêneos.

Levantar um indicador numérico e verificar a sua variabilidade dentro das

subpopulações
Para obtermos uma indicação da variabilidade existente na população, escolhe-
se um indicador numérico. Neste estudo o indicador utilizado foi a nota média dos
questionários aplicados na pesquisa anterior. Para estimarmos a variabilidade, calculou-
se o desvio padrão observado em dois estratos com características extremas no que se
refere a atitude dos clientes: a região sudeste e a região nordeste. O desvio padrão foi
calculado para todos os portes de venda: pequeno, médio e grande.

Estabelecer o nível de significância e um erro aceitável para o indicador escolhido

O nível de significância foi estabelecido em 95%, ou seja, α = 0,05. O erro
máximo de estimação (ε) é a diferença máxima que se admite obter entre o valor
estimado (amostra) e o valor real (população), considerando o nível de significância
adotado. Esse erro é fixado antes de se iniciar a pesquisa e incide diretamente no
tamanho final de amostra, isto é, quanto maior a precisão desejada (menor o erro
aceitável) maior será o tamanho de amostra.

7
Dimensionar o tamanho da amostra por subpopulação
O dimensionamento do tamanho da amostra depende de quatro fatores principais:

 o nível de significância desejado;

 a variabilidade da população;
 erro máximo de estimação;
 custo da pesquisa.

Principio de calculo de amostra

O cálculo de amostra é a ação de definir um grupo de indivíduos de uma
população com o intuito de estudar e caracterizar a população geral. A ideia de cálculo
de amostra parte do princípio que queremos estudar certas particularidades de
indivíduos e populações

Fórmulas para o Cálculo do Tamanho da Amostra

1
n= 2
E

N∗n
n=
N +n

Onde:

N = Tamanho da População;

E0= Erro Amostral Tolerável (Exemplo: 2% = 0,02);

n0= Primeira Aproximação do Tamanho da Amostra;

n= Tamanho da Amostra;

8
Exemplo:

Em uma empresa que contém 2000 colaboradores, deseja-se fazer uma pesquisa de
satisfação. Quantos colaboradores devem ser entrevistados para tal estudo? Considerar
o erro amostral tolerável em 2%. Resolução: E0= 2% = 0,02

1
n= 2
(0 , 02 )

2000∗2500
n= =1111
2000+ 2500

Intervalo de confiança
É uma estimativa de um intervalo utilizado na estatística, que contém um parâmetro
populacional. Esse parâmetro de população desconhecido é encontrado através de
um modelo de amostra calculado a partir dos dados recolhidos.

Exemplo: a média de uma amostra recolhida x̅ pode ou não coincidir com a

verdadeira média populacional μ. Para isso, é possível considerar um intervalo de
médias amostrais onde esta média populacional possa estar contida. Quanto maior este
intervalo, maior a probabilidade de isso ocorrer.

As etapas do cálculo do Intervalo de Confiança

O intervalo é calculado usando as seguintes etapas:

 Reúna os dados da amostra: n;

 Calcule a média da amostra x̅ ;
 Determine se um desvio padrão populacional (σ) é conhecido ou desconhecido;
 Se um desvio padrão populacional for conhecido, pode-se usar um ponto z para
o nível de confiança correspondente;
 Se um desvio padrão populacional for desconhecido, podemos usar uma
estatística t para o nível de confiança correspondente;
 Assim, encontram-se os limites inferior e superior do intervalo de confiança
usando as seguintes fórmulas.

9
Teste de Hipótese

É uma regra bem objetiva de decisão, que auxilia o pesquisador a aceitar ou

rejeitar uma hipótese estatística, com base nos dados (resultados) amostrais
(experimentais).

Sendo assim, um teste de hipótese ou teste estatístico ou de significância é um

processo estatístico objetivo que auxilia o pesquisador a utilizá-lo para se tirar uma
conclusão, tomar uma decisão do tipo sim 24 ou não sobre uma ou mais populações
previamente definidas, a partir de uma ou mais amostras oriundas dessas populações.

Exemplo

 Análise do tempo de execução de uma atividade por turno.;

 Análise da variabilidade da produção por equipamentos;
 Análise da produtividade por colaborador;
 Análise do tempo de ciclo na execução da manutenção por planta;

Tipos de testes de hipóteses: natureza dos testes

Testes Paramétricos: São aqueles que formulamos Hipóteses com respeito ao(s)
valor(res) de um(uns) parâmetro(s) populacional(is). Exemplo: teste referente à média
populacional “µ”.

Testes Não Paramétricos ou de Distribuição Livre: São aqueles nos quais

formulamos Hipóteses em que não fazemos nenhuma menção a respeito de parâmetros
populacionais ou quando formulamos Hipóteses com respeito à natureza da distribuição
de probabilidades da população. Ou ainda, podemos dizer que é aquele teste cujo
modelo não especifica condições sobre os parâmetros da população da qual a amostra
foi obtida.

Mecanismo de construção de:

Intervalo de confiança
Para outros tipos de aplicações menos comuns, existem várias rotas que
poderiam ser tomadas para derivar uma regra para a construção do intervalo de
confiança. Normalmente uma regra para a construção de intervalos de confiança está

10
intimamente ligada a uma forma particular de encontrar uma estimativa pontual da
quantidade a ser considerada,

As etapas são:

 Estatísticas descritivas
 Teoria da probabilidade
 Estimação de equações
 Teste de significância

Teste de hipótese:
Nos testes de hipóteses utilizamos os conhecimentos de estimação de
parâmetros e probabilidade na tomada de decisão a favor de uma hipótese com base nas
evidências (amostra) que lançamos mão.

Para testar a hipótese de que o treinamento A faz com que a performance dos
atletas seja inferior daqueles que realizaram o treinamento B testaremos as seguintes
hipóteses:

Cabe notar que a hipótese alternativa poderia ser de que a performance média
dos atletas treinados com o A é superior ou ainda diferente…

11
Conclusão

Diferentes tipos de medidas têm formas diferentes de distribuições Normal. Ou seja,

nem todas as distribuições Normal têm a forma de sino simétrico que vimos
anteriormente. (Por ex., as distribuições binomial e de Poisson são geralmente
assimétricas.). Contudo, muitas medidas têm como distribuição Normal a curva f(x)
simétrica em forma de sino apresentada.

De facto, é possível provar que, se uma medida está sujeita a muitas pequenas fontes de
erro aleatório e a desprezável erro sistemático, os valores medidos serão distribuídos de
acordo com a curva em forma de sino e ela estará centrada no verdadeiro valor de x. (A
existência de erros sistemáticos traduzir-se-ia no facto de a distribuição limite vir
centrada noutro valor que não o valor verdadeiro.)

A teoria da amostragem estuda as relações existentes entre uma população e as

amostras extraídas dessa população. E ´útil para avaliação de grandezas ´
desconhecidas da população, ou para determinar se as diferenças observadas entre duas
amostras são devidas ao acaso ou se são verdadeiramente significativas. Amostragem ´e
o processo de determinação de uma amostra a ser pesquisada.

A amostra ´e uma parte de elementos selecionada de uma população estatística.

Enquanto que um senso envolve um exame a todos os elementos de um dado grupo, a
amostragem envolve um estudo de apenas uma parte dos elementos. A amostragem
consiste em seleccionar parte de uma população e observá-la com vista a estimar uma
ou mais características para a totalidade da população.

12
Referencia bibliográfica

Costa Neto, P. L. O. (1977) - Estatística. Edgar Blücher, São Paulo.

MARTINS G.A. Estatística Geral e Aplicada. São Paulo: Atlas, 2001

MEYER, Paul L. Aplicações a Estatística. Rio de Janeiro: LTC. 1992.

13