Estatística I

Variáveis Continuas e
Distribuição normal
5Grupo. Membros: Hillary Gonçalves , Melvin Mendes, Sónia Juiz E Suneil Abdula

AGE- 2ano - Diurno

Conteudos da palestra
1.Variáveis continuas
1.1.Função da Densidade de Probabilidade
1.2.Media ou esperança matemática
1.3.Variância
1.4.Desvio-padrão
2. Distribuição normal
2.1.Distribuição normal padrão
2.2.Propriedades da distribuição normal padrão
2.3.Probabilidade e distribuições normais
2.4.Teorema do limite central
3.Caso Pratico
As variáveis são características da população ou da amostra que nos interessa averiguar
1.Variáveiscontinuas

estatisticamente, elas podem assumir valores numéricos (quantitativas) e não numéricos

(qualitativas). As variáveis quantitativas são classificadas em discretas ou continuas

São variáveis continuas, as que podem tomar qualquer valor dentro de um intervalo de números
reais’’ (Murteira, 2010). Como por exemplo, altura de um adulto, temperatura mínima diária,
saldo em aplicações financeiras, ganho de peso, distância percorrida ou duração de um texte.
 1.1.Função
1.1.Função da Densidade
da Densidade de Probabilidade
de Probabilidade
A Função da Densidade de Probabilidade (FDP) é uma equação que mostra a altura de
curva f(x) para cada possível valor de X sob a variação de X. Qualquer Função da
densidade de Probabilidade contínua deve ser não-negativa e a área sob FDP inteira
deve ser 1. A média, a variação e a forma da distribuição dependem da função da
densidade de Probabilidade e de seus parâmetros.
Em termos matemáticos:
F.D.P= → P (a ≤ X ≤ b) =
1.2.Media ou 1.3.Variância
esperança Ela tenta quantificar o quão
É uma medida de homogêneo é o seu conjunto.
posição que tenta A expressão para a variância
descrever o seu conjunto é a mesma do caso discreto e
atrás de valor central. do caso continuo, o que
Seja X uma variável muda é a forma de encontrar
aleatória contínua com os seus elementos. Seja X
função densidade de uma variável aleatória
probabilidade f(X). A contínua com função de
esperança (ou média ou densidade de probabilidade
valor esperado) de X é f(x). A variância de X é
definida como: definida como:
V (x) = f (x)dx →
1.4.Desvio-padrão
Uma variável aleatória
contínua Seja X uma
variável aleatória
contínua com função de
densidade de
probabilidade f(x). O
desvio padrão de X é
definido como a raiz
quadrada da variância
dependendo do X.
Exemplo1:
1.Calcule,cujo funcao de densidade é dada por:

a)o valor medio de X

b)E(x²)
c)a variancia e o desvio padrao de X
Resolução
a) E(x) = = = 2=
b) E(x²) = = = 2 ==
c)V(x)= = = 2
=
Uma distribuição
2. Distribuição normal é uma distribuição de probabilidade contínua para uma
normal
variável aleatória x, cujo gráfico é chamado de curva normal.
A curva normalmente surge quando traçamos uma curva por volta de um gráfico
mostrando a tendência dos valores de x. Sempre que obtermos uma forma de um
sino glacial, dizemos que a variável aleatória continua segue uma distribuição
normal.
Sendo simétrico em relação ao centro dele, o valor central é representado pela letra
grega que é a media, nota-se que alguns valores afastam-se da media, para medir
essa dispersão usamos o parâmetro chamado variância representado pela letra
A área total sob a curva normal é igual a 1.
 
2.1.Distribuição normal padrão
Existe uma infinidade de distribuições normais, cada uma com sua própria média e desvio padrão. A
distribuição normal com média 0 e desvio padrão 1 é chamada de distribuição normal padrão. A escala
horizontal do gráfico da distribuição normal padrão corresponde ao escore-z. Um escore-z é uma
medida de posição que indica o número de desvios padrões em que um valor se encontra a partir da
média. Lembrando de que pode-se transformar um valor x em escore-z usando a fórmula:

Como toda distribuição normal pode ser transformada em distribuição normal padrão, pode-se usar o
escore-z e a curva normal padrão para encontrar áreas (e consequentemente probabilidades) sob
qualquer curva normal.
2.2.Probabilidade e distribuições normais
Quando uma variável aleatória x é normalmente distribuída, pode-se
determinar a probabilidade de que x estará em um intervalo,
encontrando a área sob a curva normal, para o intervalo. Para
encontrar a área de algum intervalo sob qualquer curva normal,
primeiro converte-se os limites do intervalo para escores-z. Depois,
usa-se a distribuição normal padrão para encontrar a área.
2.4.Teorema do limite central
O teorema do limite central forma a base para o ramo inferencial da
estatística. Esse teorema descreve a relação entre a distribuição
amostral das médias e a população da qual as amostras são retiradas.
O teorema do limite central é uma ferramenta importante que fornece
a informação que vai ser precisada ao usar estatísticas amostrais para
fazer inferências sobre a média de uma população.
⁕Caso prático:

Sabe-se que o ponto obtido por diferentes candidatos em um concurso público

segue uma distribuição aproximadamente normal, com a média igual a 140 e o
desvio padrão igual a 20 pontos. Caso o pesquisador deseja-se obter a
probabilidade de um candidato escolhido por acaso apresentar uma pontuação
entre 140 e 165,6 pontos, seguindo uma distribuição normal qual seria a sua
probabilidade.
Tabela de distribuição normal padrão
 Fim
Agradecemos pela atenção