Estatística

amintas paiva afonso

 Distribuição de Probabilidades

A distribuição de probabilidades indica a percentagem de

vezes que, em grande quantidade de observações,
podemos esperar a ocorrência de vários resultados de uma
variável aleatória.

Em uma distribuição de probabilidades é necessário:

 P(x) = 1, onde x toma todos valores possíveis
0  P(x)  1 para todo o x.

Distribuições
descontínuas ou
Distribuições de discretas
probabilidade
Distribuições
contínuas
Distribuições Descontínuas ou Discretas

Envolvem distribuições de probabilidades de variáveis aleatórias

relativas a dados que podem ser contados.
Exemplos:
 Número de ocorrências por amostras
 Número de ocorrências por unidade num intervalo de tempo
 Número de fumantes presentes em eventos esportivos
Uniforme ou Retangular
Binomial
Formas da Binomial Negativa ou de Pascal
distribuição Geométrica
descontínua Poisson
Multinomial ou Polinomial
Hipergeométrica
 Distribuições Contínuas

Quando se usa as distribuições contínuas?

 A variável aleatória discreta apresenta um grande número de resultados;
A variável aleatória em questão é contínua.

Os ponteiros de um relógio podem parar em qualquer dos infinitos

pontos do círculo

logo A probabilidade de parar em um ponto definido é zero

Nas distribuições contínuas utilizam-se a probabilidade da ocorrência

em um intervalo P(a < x < b);
Em uma distribuição contínua, a probabilidade é dada pela área
contida no intervalo considerado.
Distribuições Contínuas

UNIFORME OU RETANGULAR
NORMAL
BIVARIADA NORMAL
EXPONENCIAL
LOGNORMAL
DISTRIBUIÇÕES
WEIBULL
CONTÍNUAS
( formas) QUI-QUADRADO 2
t DE STUDENT
F DE SNEDECOR
GAMA
BETA
ERLANG
Distribuição Normal
Um pouco de história
No século XVIII, astrônomos e outros
cientistas observaram que medidas
repetidas de mensurações como a
distância à lua variavam como na figura,
quando coletadas em grande número.

Esta forma gráfica era associada aos

erros de mensuração, daí o nome de
“Distribuição normal dos erros” e depois
“Distribuição normal”
Também é conhecida por “Distribuição
Gaussiana”, em função do modelo
matemático desenvolvido por Karl F.
Gauss para este comportamento.
 Distribuição Normal - Exemplos

Altura de universitários Peso da população adulta

n = 3000 µ = 152 cm s = 5 cm n = 5000 µ = 75 kg s = 12 kg
0,20 0,20
0,15 0,15
0,10 0,10
0,05 0,05
0,00
0,00

Comprimento de uma régua Pessoas num restaurante

µ = 250 por dia s = 20 por dia
0,15 n = 1000 µ = 30cm s = 0,15cm 0,2

0,10 0,15
0,1
0,05
0,05
0,00 0
7

5
19

21

23

25

26

28

30
Distribuição Normal

IMPORTÂNCIA DA DISTRIBUIÇÃO NORMAL

Retrata com boa aproximação, as distribuições de freqüência de

muitos fenômenos naturais e físicos

Serve como aproximação das probabilidades binomiais (sim ou

não) quando n é grande

Representa a distribuição das médias e proporções em grandes

amostras, o que tem relevante implicação na amostragem (a mais
importante)
Distribuição Normal

Curva normal típica

50% 50%
 média 

Forma de uma boca de sino

Área sob a curva = 1 (0,5 + 0,5)
Média = µ
Desvio padrão = 
 Distribuição Normal - Características
1. A curva normal tem a forma de sino
2. É simétrica em relação a média
3. Prolonga-se de - a + (apenas em teoria) (assintótica)
4. Fica completamente especificada por sua média e seu desvio padrão;
há uma distribuição normal para cada par (média e desvio padrão)
5. A área total sob a curva é considerada 100% ou igual a 1
6. A área sob a curva entre dois pontos é a probabilidade de uma
variável normalmente distribuída tomar um valor entre esses pontos
7. A probabilidade de uma variável aleatória normalmente distribuída
tomar exatamente determinado valor (pontual) é zero (característica
da distribuição contínua)
8. A área sob a curva entre a média e um ponto arbitrário é função do
número de desvios padrões entre a média e aquele ponto
 Distribuição Normal

A probabilidade de uma variável aleatória tomar um valor entre dois

pontos quaisquer é igual à área sob a curva normal entre aqueles pontos

µ a b

P (a < x < b) = área hachurada sob a curva

Distribuição Normal

2
1 e 2( )
-1 x - µ

x – ponto considerado da distrib.
µ - média da distribuição
f(x) =
2   - desvio padrão da distribuição

OBSERVAÇÃO:
x - µ = distância do ponto considerado à média
x - µ número de desvios padrões a contar da média. Ex.: 2,5
z= desvios padrões

z = valor z ou score z. Pode-se obter valores negativos de z para
valores de x inferiores à média
Distribuição Normal

A distância entre a média e um ponto

qualquer é dado em número de desvios
padrões (z)

Normal não Normal

padronizada padronizada
z = x- µ
P P

µ x 0 z
Distribuição Normal

Escala efetiva X Escala padronizada

µ = 100,0
 = 10,0

escala efetiva 70 80 90 100 110 120 130

escala padronizada -3 -2 -1 0 +1 +2 +3
 Distribuição Normal

(42 – 40)/1 = 2
S=1

escala efetiva 37 38 39 40 41 42 43
Como calcular Z ? -3 -2 -1 0 +1 +2 +3

µ  x x-µ (x - µ)/  = z
média desvio padrão valor considerado diferença diferença relativa

40 1 42 2 2
25 2 23 -2 -1
30 2,5 37,5 7,5 3
18 3 13,5 -4,5 -1,5
22 4 22 0 0
 Distribuição Normal

Como calcular o valor efetivo

Passando do valor z para o valor efetivo

µ  z µ+z resultado
média desvio padrão valor z cálculo valor efetivo
20 1 3 20 + 3(1) 23
50 3 -1 50 + 3(-1) 47

60 2 -2 60 + 2(-2) 56
72 5 0,3 72 + 5(0,3) 73,5
Distribuição Normal

-3 -2 -1 0 +1 +2 +3

68%
95,5%
99,7%
Distribuição Normal - Consultando a tabela

.
..
1,25
1,0 00 01 02 03 04 05 06 ...

1,2
1,1
0,3944
olhando
.. a tabela
.
Distribuição Normal - Consultando a tabela

Probabilidade de uma
variável aleatória normal
tomar um valor z entre a
média e o ponto situado a
z desvios padrões

área tabelada = área desejada

z área entre a média e z
1,00 0,3413
1,50 0,4332
2,13 0,4834
0 z
2,77 0,4972
Distribuição Normal - Consultando a tabela

z P(0 < x < z) P(x > z) = 0,5 – P(0 < x < z)

0 z
Distribuição Normal - Tabela

0 z
Distribuição Normal - Cálculo da probabilidade

0,3413 0,3413

Exemplos
-1 0 +1 Determinando a área (probabilidade)
sob a curva entre dois pontos
entorno da média
0,1359

0 +1 +2 Determinando a área entre dois

0,3413 pontos quaisquer
0,4772
 Distribuição Normal - Exemplos

1) Após 28 dias de curagem, o cimento de uma certa marca tem uma resistência
compressiva média de 4000psi. Suponha que a resistência tem uma distribuição normal
com desvio-padrão de 120psi. Qual a probabilidade de se comprar um pacote de
cimento com resistência compressiva de 28 dias menor que 3850psi?
N(;) = N(4000,120) psi X = 3850psi

P(z ≤ -1,25)

X   3850  4000
z   1,25 3850 4000
 120
Área em vermelho = z = -1,25 = 0,3944
-1,25

Área desejada = 0,50 – 0,3944 = 0,1056 = 10,56%

P( Z  1,25)  0,1056  10,56%
Distribuição Normal - Exemplos

2) Uma grande empresa faz uso de milhares de lâmpadas elétricas que permanecem
acessas continuamente. A vida de uma lâmpada pode ser considerada como uma
variável aleatória normal com vida média de 50 dias e desvio-padrão de 15 dias.
Se no dia 1º de agosto foram instaladas 8000 lâmpadas novas, aproximadamente
quantas deverão ser substituídas no dia 1º de setembro?
f(x)

  50
N(,) = N(50;15) dias X = 31 dias

X   31  50
z   1,27
 15
20 31 35 X

Consultando tabela: -1,27

0 Z

P( Z  1,27)  0,3980 log o 0,5000  0,3980  0,1020  10,20%

Deverão ser substituídas um total de (0,1020x 8.000) = 816 lâmpadas
 Distribuição Normal - Exemplos

3) Uma indústria siderúrgica produz tubos de aço cujo

comprimento pode ser considerado uma variável normalmente
distribuída com média =10,00 metros, e desvio padrão igual a
 = 0,09 metros. Quanto refugo a indústria espera produzir se o
comprimento dos tubos de aço tiver que ser no máximo, igual a
10,20 m?
f(x)
N(,) = N(10;0,09) metros
X = 10,20m   10
X   10,20  10
z   2,22
 0,09

10,20 X
Consultando tabela
temos: 0 2,22 Z

P( Z  2,22)  P( Z  2,22)  0,5  0,4868  0,0132  1,32%

 Distribuição Normal - Exemplos
CASO PRÁTICO DO USO DA ESTATÍSTICA
NA QUESTÃO LOGÍSTICA DA PRESTAÇÃO DE SERVIÇOS

4) O tempo médio que demora para uma viatura de uma determinada cia da PMMG
de Ipatinga atender a uma chamada de emergência é de 8 minutos com desvio-
padrão de 3 minutos. Considere o tempo médio como uma variável normalmente
distribuída para calcular a probabilidade de uma chamada esperar menos de 4
minutos.
f(x)

N(,) = N(8;3) minutos

X < 4 minutos

X   48
z   1,33
 3 4 8 X

-1,33 0 Z
Consultando
a tabela: P ( x  4)  P ( Z  1,33)  0,5  0,4082  0,0918  9,18%
 Distribuição Normal - Exemplos
ESTATÍSTICA NO CONTROLE DA PRODUÇÃO INDUSTRIAL
5) Um máquina produz peças com o diâmetro médio de 2,00” e o desvio-padrão
de 0,01”. As peças que se afastam da média por mais de 0,03” são consideradas
defeituosas. Qual é a percentagem de peças defeituosa?
f(x)
N(,) = N(2,00;0,01)
X1 = 2,03 e X2=1,97  2

X   2,03  2
z1    3
 0,01
X   1,97  2
z2    3 1,97 2 2,03 X
 0,01 0
-3 3 Z

P ( x  2,03)ouP( x  1,97)  P( Z  3)  P ( Z  3)

Consultando
tabela: P( Z  3)  P( Z  3)  0,0014  0,0014  0,28%
Distribuição Normal - Exemplos
ESTATÍSTICA E A ASSISTÊNCIA TÉCNICA

6) A vida média de uma marca de televisão é de 8 anos com desvio-padrão de 1,8

anos. A campanha de lançamento diz que todos os produtos que tiverem defeito
dentro do prazo de garantia serão substituídos por novos. Se você fosse o gerente de
produção, qual seria o tempo de garantia que você especificaria para ter no máximo
5% de trocas.
z  (Zo ) X 
-1,65 0,049471 z
N(,) = N(8;1,8) anos ? 0,05 
X=? -1,64 0,050503 X 8
 1,6449 
1,8
 1,65  (1,64)  1,65  ( Zx)

0,049471  0,050503 0,049471  0,05
X  5,04anos
Z 0, 05  1,6449
www.matematiques.com.br
amintas paiva afonso