Distribuição de Frequência

• Podemos aproximar funções discretas por contínuas

• Pode simplificar enormemente o problema.

• Em certos casos, é o único modo possível de solução ou obtenção de

informações mais completas sobre o conjunto de dados.

• São as funções de distribuição

Aula 5
 Distribuição Contínuas
• Usamos para descrever o comportamento de variáveis contínuas
• Exemplo: temperatura, peso, pressão, comprimento de onda, ...)
• Será descrita por uma função analítica (função de distribuição)
ρ (x )
• O valor médio (ou valor esperado de x) é:

μ=〈 x〉=
∫ ρ (x )xdx
∫ ρ (x )dx
Aula 5
 Distribuição Contínuas
• Os limites de integração compreendem todo o intervalo de valores da
variável x.

• Em geral definimos o intervalo como:   < x < +

• Costumamos usar a função ρ (x ) normalizada, ou seja:

∫ ρ (x )dx= 1
• e assim:  x = μ =  ρx xdx

Aula 5
 Variância

• A variância é definida como:

σ =
2 ∫ )( )2
ρ x x− μ dx
(
∫ ρ (x )dx

• Consequentemente, o desvio padrão é σ e o Coeficiente de Variação:

σ
V = 100%
μ
Aula 5
 A Moda
• A moda situa-se no valor de x onde a função ρ (x )tem um máximo.

• Isto ocorre quando : df (x )

=0
dx
• No caso de uma função multimodal, serão os valores mi de x onde:
dρ (mi )
=0
dx

Aula 5
 Distribuição de Laplace – Gauss ou Normal
• É uma das distribuições de frequências mais usadas em Estatística.
• Existem na natureza muitos casos de coleta de dados que podem ser
2
ajustados por esta curva. −
(x− μ )

• Ela é definida por: 1 2σ 2

f (x )= e
σ √2π

Aula 5
Distribuição de Laplace – Gauss ou Normal
Variáveis: média e desvio padrão

Aula 5
 Distribuição de Laplace – Gauss ou Normal

• Variação de − ∞ <x <+ ∞

• É simétrica em torno da média µ
• Média = Moda
• Assintótica ao eixo das abscissas
• Área total sob a curva vale 1
μ+σ μ+2σ μ+3σ
• ∫ f (x )dx=0,6827 , ∫ f (x )dx= 0,9545 e ∫ f (x )dx= 0,9973
μ− σ μ− 2σ μ− 3σ

Aula 5
 Distribuição de Laplace – Gauss ou Normal
O fator 1 normaliza a função a 1.
σ√2π
2
+∞ − 1 x− μ
( ) =σ √2π
Ou seja: ∫− ∞ e
2 σ

Estas funções são definidas por 2 parâmetros σ e µ.

Existem portanto infinitas funções.

Podem ser identificadas por: N ( μ,σ ) .

Aula 5
 Distribuição Normal reduzida
• È conveniente procurar tabela que seja independente dos valores dos
parâmetros.
• Multiplicando os dois lados da distribuição gaussiana por σ.
1 x  μ 
2

  

2 σ 
σf x  =
1
e
2π 2

e definindo x− μ =z, chamamos

z
−
σf (x )=F (z ). Logo: F (z )= 1 e 2
≡ N (0 ; 1 )
σ √2π

• A forma reduzida tem valor médio igual a zero e desvio padrão igual a um.
• Como ficam suas propriedades?
Aula 5
 Distribuição Normal reduzida
Propriedades
• Variação de − ∞ <x <+ ∞
• Distribuição simétrica em torno de zero
• Média = Moda=Mediana
• Assintótica ao eixo das abcissas
• Área total sob a curva continua sendo 1
+1 +2 +3

∫ f (z )dz= 0,6827 , ∫ f (z )dz= 0,9545 e ∫ f (z )dz= 0,9973

−1 −2 −3

Aula 5
Distribuição Normal reduzida ou padronizada

Aula 5
Distribuição Normal reduzida ou padronizada

Aula 5
Distribuição Normal reduzida ou padronizada

Ou melhor

Aula 5
 Distribuição Normal reduzida ou padronizada

• Exemplo
Um professor de cálculo aplica dois testes
diferentes a duas turmas do seu curso. Os
resultados foram:
Turma 1:média = 75 desvio padrão = 14
Turma 2:média = 40 desvio padrão = 8
Que nota é relativamente melhor: 82 na
turma 1, ou 46 na turma 2?

Aula 5
 Uso das Tabelas de N(0,1)
As tabelas de distribuição normal reduzida
representam a área sob a curva de densidade
de probabilidade com valores entre 0 e o da
variável reduzida z.
Exemplo:
Distribuição normal com média 100,00 e
desvio padrão 10,00.
Qual é a probabilidade de obter valores entre
100,00 e 105,10?
Qual é a probabilidade de obter valores entre
80,00 e 105,10?
Aula 5
Situações mais comuns no
cálculo das probabilidades

Aula 5
 Momentos de uma Distribuição
Permite identificar propriedades da distribuição em estudo.

Chama-se momento de grau M da distribuição,

em relação à média, à quantidade:

N
∑ −
(i )
x μ M

i=1
K M=
N

Aula 5
 Momentos de uma Distribuição
• O momento de primeiro grau de Se anula quando a distribuição é simétrica ao
qualquer conjunto de dados é zero. redor de µ.
N
∑ (x− μ ) Para obtermos medidas K3
adimensionais fazemos, γ 1 = σ 3 .
i=1
K 1= =0
N
• O de segundo grau é a variância. Quando:
N
∑ (x − μ )2 γ1 <0⇒x alto é favorecido,
i=1
K 2= =σ 2
N média < moda e mediana
• O de terceiro grau N
∑ (x− μ )3 γ1 >0⇒x baixo é favorecido,
K 3=
i=1 média > moda e mediana
N Aula 5
 Momentos de uma Distribuição
O quarto momento permite avaliar
o grau de dispersão da distribuição.
K4
• Se a distribuição for normal, =3
σ 4

γ 2=
K4
− 3=
∑ ( x− μ )4
−3
• Podemos avaliar o achatamento da curva definindo, σ4 Nσ 4

• Nas distribuições normais ou gaussianas, γ 2= 0

Aula 5