Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Distribuição Normal Padronizada ou Reduzida Entre as distribuições teóricas de variável aleatória contínua, uma das mais empregadas é a distribuição normal ou gaussiana (em homenagem ao matemático alemão Carl Friedrich Gauss). Muitas variáveis analisadas em pesquisas sócio-econômicas correspondem à distribuição normal ou dela se aproximam. O aspecto gráfico da distribuição normal é o da figura abaixo, que apresenta uma curva simétrica e mesocúrtica (índice de assimetria 0 e curtose 0,263), com o formato característico que lembra o perfil de um sino. A curva acima recebe o nome de curva normal ou curva de Gauss. A curva é assintótica em relação ao eixo horizontal, isto é, aproxima-se indefinidamente do eixo das abscissas sem, contudo, alcançá-lo. Como a curva é simétrica em relação à média aritmética, a probabilidade de encontrarmos um valor menor que a média é de 50%, o mesmo para valores maiores que a média. Uma particular distribuição normal, conhecida por normal padronizada ou reduzida, que tem média 0 e desvio padrão 1, tem seus resultados integrais calculados tabelados. O texto abaixo apresenta essa tabela (Tabela-01). 2 A área total limitada pela curva e pelo eixo das abscissas é igual a 1, o que representa a probabilidade de a variável aleatória X assumir qualquer valor real. Quando temos uma variável aleatória em distribuição normal, nosso principal interesse é obter a probabilidade de essa variável aleatória assumir um valor dentro de um certo intervalo. Para calcular a probabilidade da variável aleatória X, que apresenta distribuição normal, assumir um valor no intervalo entre Xi e a média, definimos uma variável transformada Z, dada por: sendo o desvio padrão da variável aleatória X e Xi representa um valor qualquer dessa variável. Essa variável transformada reduz a distribuição ao modelo padrão com média 0 e desvio padrão 1. As probabilidades associadas à essa distribuição normal padronizada são encontradas em tabelas, não havendo a necessidade de serem calculadas. Na prática, estamos interessados em saber a área sob a curva normal entre os valores Xi e a média. Veja no gráfico abaixo a representação dessa área: 3 Como a área sob a curva é igual a 1, isso indica que a probabilidade da variável aleatória X assumir um valor entre infinito negativo e infinito positivo é igual a 1 ou 100%. No exemplo demonstrado no gráfico acima, queremos calcular a área pintada, entre Xi e a média. Essa área corresponderá à probabilidade da variável assumir um valor nesse intervalo. Para obter essa área, primeiro calculamos a variável transformada Z, conforme a fórmula apresentada acima. Depois, entramos com esse valor na tabela da curva normal e obtemos o valor da área, ou seja, a probabilidade procurada. A tabela da curva normal é mostrada abaixo, conforme se encontra nos livros de Estatística. Na primeira coluna e na primeira linha, temos o valor da variável transformada Z, da seguinte maneira: 1ª coluna: parte inteira e decimal de Z; 1ª linha: parte centesimal de Z. Assim, para encontrarmos na tabela o valor de Z = 1,36 devemos procurar o cruzamento da linha 1,3 com a coluna 6, que fornece o valor 0,4131, que indica que a área procurada é igual a 0,4131, o que corresponde à probabilidade 41,31%. 4 Observe que, se Xi for menor que a média, o valor da variável transformada Z será negativo. Nesse caso, o sinal negativo deve ser ignorado, pois ele indica apenas que a área em questão está à esquerda da média, o que não interfere no cálculo da probabilidade, pois esta corresponde à área sob a curva no intervalo entre Xi e a média e não faz sentido pensarmos em uma área negativa. Observa também que a tabela abaixo apresenta valores de área até 0,5000. Isso se justifica porque a curva é simétrica e, sendo assim, as duas metades, à esquerda e à direita da média, tem áreas iguais. Assim, indicamos as áreas para uma das metades e a outra metade segue os mesmos valores, que são referentes ao Z com sinal trocado. 5 TABELA-01 - Área subentendida pela curva normal reduzida de 0 a z 6 Seja X a variável aleatória que representa os tamanhos das peças fabricadas por uma certa máquina, apresentando média de 4 cm e desvio padrão de 0,04 cm. Vamos determinar a probabilidade de um parafuso ter um diâmetro com valor entre 4,00 e 4,05 cm. Essa probabilidade é indicada por P (4,00 < X < 4,05) e corresponde à área pintada da figura seguinte. Vamos calcular a variável Z: Z = (4,05 – 4) / 0,04 = 1,25 Vamos agora procurar esse valor na tabela da curva normal. Na primeira coluna encontramos 1,2 e em seguida, na primeira linha, encontramos 5, que corresponde ao último algarismo de 1,25. Na interseção da linha e coluna correspondentes encontramos o valor 0,3944, o que nos permite escrever: P (4,00 < X < 4,05) = P (0 < Z < 1,25) = 0,3944 ou 39,44%. 7 RESUMINDO A distribuição de referência – chamada de distribuição padronizada ou variável normal padronizada ou variável normal reduzida ou escala ¨Z¨ ou escore ¨Z¨ - mede o afastamento das variáveis em relação à média, em número de desvios-padrões. É aquela na qual a média da distribuição é igual a 0 (zero) e o desvio-padrão-padrão é igual a 1 (um). 8 OBSERVAÇÃO: Os problemas da vida real não se apresentam já na forma reduzida; ao contrário, são formulados em termos de variável normal original “X”, com média µ e desvio padrão . É preciso então, antes de passarmos à sua resolução, transformá-la na variável normal reduzida, que, é o Escore Padronizado “Z”, visto anteriormente. EXEMPLO: A taxa de hemoglobina no sangue de pessoas que gozam de boa saúde segue uma distribuição normal com média 12 e desvio padrão 1. Qual a probabilidade de se encontrar uma pessoa normal com taxa de hemoglobina: a) Superior a 15? b) Inferior a 10? c) Entre 10 e 13? d) Num grupo de 500 pessoas, em quantas devemos esperar as características acima? Solução: letra a) Padronizando X = 15 𝒁 = 𝟏𝟓−𝟏𝟐 𝟏 = 𝟑 𝑃(𝑋 > 15) = 𝑃(𝑍 > 3) = 0,5000 − 𝑃(0 < 𝑍 < 3) = 0,5000 − 0,4987 = 0,0013 = 𝟎, 𝟏𝟑%
Compartilhar