Baixe o app para aproveitar ainda mais
Prévia do material em texto
Distribuic¸a˜o Normal ou Gaussiana 1 A Distribuic¸a˜o Normal A distribuic¸a˜o Normal e´ a distribuic¸a˜o de probabilidade mais us- ada na Estat´ıstica, pois serve de modelo para um grande nu´mero de varia´veis cont´ınuas e tambe´m como modelo aproximado para outras distribuic¸o˜es de probabilidade (Binomial, Poisson, etc). Uma varia´vel aleato´ria cont´ınua X , definida para todos os val- ores da reta real, tem densidade normal com paraˆmetros µ e σ2, onde −∞ < µ < ∞ e 0 < σ2 < ∞, se sua func¸a˜o de densidade de probabilidade e´ dada por: fX(x) = 1√ 2piσ2 exp −1 2 x− µ σ 2 −∞ < x <∞ (1) onde: σ > 0, e = 2, 718282, pi = 3, 14159... Sera´ usada a seguinte notac¸a˜o para indicar que uma v.a. X tem distribuic¸a˜o normal com paraˆmetros µ e σ2: X ∼ N(µ, σ2). 1 1.1 Propriedades da Distribuic¸a˜o Normal A distribuic¸a˜o normal tem va´rias propriedades importantes. 1. fX(x) ≥ 0, para todo x; 2. ∫∞ −∞ fX(x) = 1; 3. E(X) = µ; 4. V (X) = σ2; 5. limx→+∞ = limx→−∞ = 0; 6. f (µ+x) = f (µ−x). A densidade e´ sime´trica em torno de µ; 7. O valor ma´ximo de f ocorre em x = µ; 8. Os pontos de inflexa˜o de f esta˜o em x = µ± σ. 1.2 Efeito da me´dia µ e do desvio-padra˜o σ na curva normal A me´dia µ determina o valor do centro da curva normal, en- quanto que o desvio-padra˜o σ determina a largura da curva nor- mal. Quanto menor o valor do desvio-padra˜o σ , menor sera´ a variabilidade dos dados, consequ¨entemente menor sera´ a largura da curva. 2 1.3 Algumas Caracter´ısticas da Distribuic¸a˜o Normal 1. A me´dia, mediana e moda sa˜o iguais. Ou seja, µ = Md = mo; 2. A curva normal, ale´m de ter uma a´rea total igual a 1, e´ sime´trica em torno da me´dia , sendo assim, P (X < µ− b) = P (X > µ + b); 3. P (X ∈ [a; b]) = P (a ≤ X ≤ b) = a´rea da curva no intervalo [a; b]: 4. A inclusa˜o ou exclusa˜o dos extremos na˜o altera o valor da probabilidade. Portanto, P (a ≤ X ≤ b) = P (a < X < b) = P (a ≤ X < b) = P (a < X ≤ b); 5. Quaisquer que sejam os valores da me´dia µ e do desvio-padra˜o σ de uma distribuic¸a˜o normal, os seguintes resultados sa˜o va´lidos: • P (µ− 1σ ≤ X ≤ µ+ 1σ) = 0, 6827 - Cerca de 68, 3% dos valores esta˜o a um desvio-padra˜o distante da me´dia; 3 • P (µ− 2σ ≤ X ≤ µ+ 2σ) = 0, 9545 - Cerca de 95, 5% dos valores esta˜o a 2 desvios-padro˜es distante da me´dia; • P (µ− 3σ ≤ X ≤ µ+ 3σ) = 0, 9973 - Cerca de 99, 7% dos valores esta˜o a 3 desvios-padro˜es distante da me´dia; Se as notas em matema´tica dos candidatos em um vestibular forem normalmente Distribu´ıdas com me´dia de µ = 65 pontos e desvio-padra˜o de σ = 12 pontos, enta˜o aproximadamente 95% desses candidatos ira˜o obter notas de 41 a 89 pontos, pois 41 = 65− 2× 12(= µ− 2σ) 89 = 65 + 2× 12(= µ + 2σ) 1.4 Distribuic¸a˜o normal padra˜o A distribuic¸a˜o normal padra˜o e´ um acaso especial da distribuic¸a˜o normal onde a me´dia e´ zero (µ = 0) e desvio-padra˜o e´ um (σ = 1). As a´reas dessa distribuic¸a˜o sa˜o obtidas com o auxilio de tabelas e serve de refereˆncia para calcular probabilidades das outras dis- tribuic¸o˜es normais. 4 1.4.1 Por que usamos tabela na distribuic¸a˜o normal? Como foi dito anteriormente, as probabilidades sa˜o obtidas resol- vendo a integral da func¸a˜o densidade no intervalo de interesse. O grande problema e´ que integrar algebricamente uma curva normal na˜o e´ poss´ıvel e a soluc¸a˜o encontrada foi usar me´todos nume´ricos para calcular de forma aproximada as a´reas de interesse. Essas a´reas sa˜o calculadas apenas para a distribuic¸a˜o normal padra˜o. 1.4.2 EXEMPLO - Sabendo que a varia´vel Z tem distribuic¸a˜o normal padra˜o, re- sponda: a) P (Z < 1, 85) b) P (Z > −2, 33) c) P (2, 33 ≤ Z ≤ 1, 50) d) P (−1, 80 ≤ Z ≤ 0, 85) e) Calcule k tal que P (Z ≤ k) = 0, 95. 1.5 Padronizac¸a˜o de uma varia´vel Ate´ agora so´ trabalhamos com a distribuic¸a˜o normal padra˜o. E como devemos trabalhar com as outras distribuic¸o˜es de probabili- dades? Qualquer varia´vel X tendo distribuic¸a˜o normal com me´dia µ e desvio-padra˜o σ pode ser “transformada” em uma distribuic¸a˜o normal padra˜o, basta, para isto, padronizar a varia´vel X . 5 6 1.6 Exemplos 1. Determine a P (−1 ≤ X ≤ 5) quando: a) X ∼ N(2, 4); b) X ∼ N(−1, 9); c) X ∼ N(3, 4); 2. Os depo´sitos efetuados no Banco do Brasil durante o meˆs de janeiro sa˜o distribu´ıdos normalmente, com me´dia deR$10.000, 00 e desvio padra˜o de R$1.500, 00. Um depo´sito e´ selecionado ao acaso dentre todos os referentes ao meˆs em questa˜o. Encontrar a probabilidade de que o depo´sito seja: a) R$10.000, 00 ou menos; b) um valor entre R$12.000, 00 e R$15.000, 00; c) pelo menos R$10.000, 00; d) maior do que R$20.000, 00 3. Uma fa´brica de carros sabe que os motores de sua fabricac¸a˜o teˆm durac¸a˜o normal com me´dia de 150.000km e desvio padra˜o de 5.000km. Qual a probabilidade de que um carro, escolhido ao acaso, dos fabricados por essa firma, tenha um motor que dure: a) menos de 170.000km? b) entre 140.000km e 165.000km? c) Uma fa´brica de carros substitui o motor que apresenta durac¸a˜o inferior a` garantia, qual deve ser esta garantia pra que a porcentagem de motores substitu´ıdos seja inferior a 0, 2%? 7
Compartilhar