Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 A DISTRIBUIÇÃO NORMAL DE PROBABILIDADE Até o momento, estudamos distribuições de probabilidades para variáveis aleatórias discretas. No entanto, há várias distribuições contínuas de probabilidade, como, por exemplo, os pesos de moedas produzidas. As distribuições são discretas ou contínuas e podem ser descritas pela sua forma (como, por exemplo, forma de sino). Iremos estudar aqui as distribuições normais que são extremamente importantes porque ocorrem com grande freqüência nas aplicações. Como exemplos de populações distribuídas normalmente podemos citar: alturas de mulheres adultas, pesos de homens adultos e notas de um teste de faculdade. Uma variável aleatória contínua tem distribuição normal se essa distribuição é simétrica e apresenta a forma de um sino; a distribuição de ajusta à equação a seguir: πσ σ µ 2 2 2 1 ⎟⎠ ⎞⎜⎝ ⎛ −− = x ey A Distribuição Normal Padronizada Iremos começar esse assunto utilizando uma distribuição de probabilidade contínua para ilustrar uma importante correspondência entre área e probabilidade. É mais fácil visualizar essa correspondência em uma distribuição uniforme. Uma distribuição uniforme é uma distribuição de probabilidade em que todos os valores da variável aleatória são igualmente prováveis. A figura 1 mostra uma distribuição uniforme de temperaturas de fabricação, as quais variam entre 0ºC e 5ºC. Fig.1. Distribuição uniforme de temperatura. Temperatura (graus Celsius) 2 O gráfico da figura 1 é chamado de curva de densidade. Uma curva de densidade é o gráfico de uma distribuição contínua de probabilidade. Deve satisfazer as propriedades seguintes: 1) A área total sob a curva deve ser 1. 2) Todo ponto da curva deve ter uma altura vertical não inferior a 0. A propriedade de área=1 facilita a resolução de problemas de probabilidade. Por exemplo, dada a distribuição uniforme da figura 1, a probabilidade de escolher aleatoriamente uma temperatura entre 1ºC e 4ºC é 0,6, que é a área da região sombreada. Eis um ponto importante: Uma curva de probabilidade é o gráfico de uma variável aleatória contínua, de forma que a área sob a curva é 1, estabelecendo-se uma correspondência entre área e probabilidade. Exemplo 1: Uma distribuição uniforme de temperaturas varia de 0ºC a 5ºC. Escolhida aleatoriamente uma temperatura, determine a probabilidade de ela ser superior a 1ºC. Solução: A probabilidade é (4)(0,2)=0,8. No caso da distribuição uniforme, a curva de densidade origina um retângulo, sendo, assim, fácil determinar qualquer área simplesmente multiplicando a largura pela altura. A curva de uma distribuição normal tem a forma mais complicada de um sino, de modo que é mais difícil achar áreas, mas o princípio básico é o mesmo: há uma correspondência entre área e probabilidade. Assim como há muitas distribuições uniformes diferentes, há também muitas distribuições normais diferentes, cada uma dependendo de dois parâmetros: a média populacional µ e o desvio-padrão populacional σ. A figura 2 mostra as curvas de densidade para alturas de mulheres e homens adultos. Fig. 2. Alturas de mulheres e homens adultos. Mulheres: µ=63,6 σ=2,5 Homens: µ=69,0 σ=2,8 Alturas (polegadas) 3 Dentre as infinitas possibilidades, há uma distribuição normal que tem especial interesse. A distribuição normal padronizada é uma distribuição normal de probabilidade que tem média 0 e desvio-padrão 1. Determinação de probabilidades quando são dados os escores Z Para determinar probabilidades quando os escores z são dados utiliza-se a tabela de distribuição normal padronizada. Essa tabela nos dá a área sob a curva delimitada à esquerda por uma reta vertical passando pela média 0 e à direita por uma reta vertical passando por um valor arbitrário denotado por z. Exemplo 2: A Precision Scientific Instrument Company fabrica termômetros que devem acusar a leitura de 0ºC no ponto de congelamento da água. Testes feitos por uma grande amostra desses termômetros revelaram que no ponto de congelamento da água, alguns acusavam valor inferior a 0ºC (denotado por um número negativo) e alguns acusavam valor superior a 0ºC (denotado pro um número positivo). Suponha que a leitura média seja 0ºC e que o desvio-padrão das leituras seja 1,00ºC. Admita também que a distribuição de freqüências dos erros se assemelhe a uma distribuição normal. Escolhido um termômetro aleatoriamente, determine a probabilidade de que, no ponto de congelamento da água, o termômetro marque entre 0ºC e +1,58ºC. Solução: A distribuição de probabilidade das leituras é uma distribuição normal padronizada porque as leituras são distribuídas normalmente com µ = 0 e σ= 1. Pela tabela de distribuição normal padronizada a área correspondente à probabilidade de escolher aleatoriamente um termômetro com erro entre 0ºC e +1,58ºC é 0,4429 (valor encontrado para z = 1,58). Exemplo 3: Com os termômetros do exemplo precedente, determine a probabilidade de selecionar aleatoriamente um termômetro que acuse (no ponto de congelamento) uma temperatura entre –2,43ºC e 0ºC. Solução: A tabela de distribuição normal padronizada se aplica apenas a regiões à direita da média. Entretanto, a curva de densidade é simétrica. Dessa forma, a probabilidade de selecionar aleatoriamente um termômetro que acuse (no ponto de congelamento) uma temperatura entre –2,43ºC e 0ºC é igual à probabilidade de selecionar aleatoriamente um termômetro que acuse (no ponto de congelamento) uma temperatura entre +2,43ºC e 0ºC. Recorrendo à tabela, vemos que essa probabilidade é 0,4925. 4 Embora o escore z possa ser negativo, a área sob a curva (ou a probabilidade correspondente) nunca pode ser negativa. OBS: Os valores da regra empírica (regra 68-95-99) do desvio-padrão foram achados diretamente a partir de probabilidades na tabela de distribuição normal padronizada. Exemplo 4: Mais uma vez, faça uma escolha aleatória na mesma amostra de termômetros. Determine a probabilidade de que o termômetro escolhido acuse uma leitura superior a +1,27ºC (no ponto de congelamento da água). Solução: A tabela de distribuição normal padronizada nos dá a área sob a curva delimitada à esquerda por uma reta vertical passando pela média 0 e à direita por uma reta vertical passando por um valor arbitrário denotado por z. Dessa forma, não é possível determinar diretamente a probabilidade de que o termômetro escolhido acuse uma leitura superior a +1,27ºC. Pela tabela de distribuição normal padronizada encontramos 0,3980 como área para z=1,27. Então, como a área à direita de zero é 0,5 (metade da área total), a probabilidade procurada é 0,5-0,3980=0,1020. Exemplo 5: Selecionando aleatoriamente um termômetro de nossa amostra, determine a probabilidade de acusar uma leitura entre 1,20ºC e 2,30ºC (no ponto de congelamento da água). Solução: A tabela de distribuição normal padronizada foi elaborada para regiões delimitadas à esquerda pela reta vertical em 0. Pela tabela vemos que z=1,20 corresponde a uma área de 0,3849, e que z=2,30 corresponde a uma área de 0,4893. A probabilidade procurada é 0,4893-0,3849=0,1014. 5 Notação: P(a<z<b) → denota a probabilidade de o valor z estar entre a e b. P(z>a) → denota a probabilidade de o valor z ser maior que a. P(z<a) → denota a probabilidade de o valor z se menor que a. No caso de uma distribuição normal, a probabilidade de obter um valor determinado é zero, isto é, P(z=a)=0. Daí decorre que P(a≤ z≤b) = P(a<z<b). Decorre também que a probabilidade de obter um valor z, no máximo igual a b, é a mesma que a probabilidadede obter um valor z menor que b. A interpretação correta das expressões utilizadas é muito importante. Veja a figura 3. Determinação dos escores z quando são dadas as probabilidades Conhecida uma probabilidade, para determinar o valor z correspondente procedemos como segue: 1) Identificamos a probabilidade que representa uma área delimitada pela linha do centro; pode ser a probabilidade original, ou pode ser determinada pro meio desta última. 2) Com a probabilidade que representa a área delimitada pela linha do centro, localizamos a probabilidade mais próxima no corpo da tabela de distribuição normal padronizada e identificamos o valor de z correspondente. 3) Se o valor de z está à esquerda da linha do centro, consideramo-lo negativo. “maior do que x” “pelo menos x” “mais do que x” “não menos do que x” “menos do que x” “no máximo x” “não mais do que x” “não maior do que x” “entre x1 e x2” Fig.3. Interpretação correta das áreas. Adicionar a 0,5 Subtrair de 0,5 Subtrair de 0,5 Somar a 0,5 Somar Tomar A=C-B 6 Exemplo 6: Utilize os mesmos termômetros com leituras de temperaturas distribuídas normalmente com média 0ºC e desvio-padrão 1ºC. Determine a temperatura correspondente a: a) P95 b) P10 Solução: a) Devemos achar o valor de z correspondente à área delimitada pela linha do centro. Essa área é 0,45 = 0,95-0,5. Procurando o valor 0,45 no corpo da tabela de distribuição normal padronizada, encontramos o valor z correspondente (z=1,645). Dessa forma, P95 corresponde a 1,645ºC. b) A área delimitada pela linha do centro para este caso é 0,40 = 0,50-0,10. No corpo da tabela, escolhemos o valor mais próximo (0,3997) que corresponde a um valor de z de 1,28. Como P10 está abaixo da média 0, ele deve ser negativo. Assim, P10 é, pois, -1,28ºC. Distribuições Normais Não-Padronizadas: Determinação de Probabilidades Para padronizar casos não padronizados, aplicamos a fórmula a seguir: σ µ−= xz A área delimitada por um valor e pela média populacional é a mesma que a área delimitada pelo escore z correspondente e a média zero. Uma vez feita a conversão de um valor não-padronizado em um escore z, podemos utilizar a tabela de distribuição normal padronizada da mesma forma como utilizamos anteriormente. Os passos utilizados para achar probabilidades de valores de uma variável aleatória com distribuição normal são: 1) Trace uma curva normal, assinale a média e outros valores de interesse, e sombreie a região que representa a probabilidade desejada. 7 2) Para cada valor x fronteira da região sombreada, aplique a fórmula acima para achar o escore z correspondente. 3) Recorra à tabela de distribuição normal padronizada para achar a área da região sombreada. Essa área é a probabilidade desejada. Exemplo 7: As alturas de mulheres têm distribuição normal com média 63,6 in. e desvio-padrão de 2,5 in. Selecionada aleatoriamente uma mulher, determine a probabilidade de sua altura estar entre 63,6 e 68,6. Solução: Deseja-se encontrar a área delimitada pelos valores 63,6 (média) e 68,6. Para usar a tabela de distribuição normal padronizada devemos converter os valores em escores z. O valor 68,6 in. é convertido em um escore z como se segue: 00,2 5,2 6,636,68xz =−=σ µ−= Recorrendo à tabela de distribuição normal padronizada vemos que z=2,00 corresponde a uma área de 0,4772. Assim: P(63,6<x<68,6)=P(0<z<2,00)=0,4772. Exemplo 8: Para se adaptar a uma espaçonave russa Soyuz, um astronauta deve ter altura entre 64,5 in. e 72 in. Considerando que as alturas de mulheres americanas têm distribuição normal com média 63,6 in. e desvio-padrão de 2,5in.: a) Determine a porcentagem de mulheres americanas que satisfazem a essa condição. b) Entre 500 mulheres americanas selecionadas aleatoriamente, quantas satisfazem aquela condição? Solução: a) Calculando os escores z das alturas 64,5 e 72 in. temos: 36,3 5,2 6,630,72xz 36,0 5,2 6,635,64xz =−=σ µ−= =−=σ µ−= 8 Consultando a tabela de distribuição normal padronizada para esses valores de z temos que z=0,36 corresponde a uma área de 0,1406 e que z=3,36 corresponde a uma área de 0,4999. A probabilidade procurada é 0,4999- 0,1406=0,3593. Dessa forma, 35,93% das mulheres americanas satisfazem a exigência. b) Entre 500 mulheres selecionadas aleatoriamente, espera-se que 35,93% delas satisfaçam a exigência de altura. O número efetivo é, pois, 179,65 (500x0,3593). Exemplo 9: O exército americano exige que a altura das mulheres esteja entre 58 in. e 80 in. Determine a porcentagem das mulheres que satisfazem a essa exigência. Novamente, suponha que as mulheres americanas tenham distribuição normal com média 63,6 in. e desvio-padrão de 2,5in. Solução: Determinando os escores z correspondentes aos valores do problema temos: 56,6 5,2 6,630,80xz 24,2 5,2 6,630,58xz =−=σ µ−= −=−=σ µ−= A área delimitada pelo escore –2,24 é 0,4875. A área delimitada pelo escore 6,56 é 0,4999. Assim, a probabilidade procurada é 0,9874 (0,4875+0,4999). A porcentagem de mulheres que satisfazem a condição é 98,74%. Cálculo de valores Os seguintes passos devem ser seguidos na determinação de valores quando as probabilidades são dadas: 1) Partindo de um esboço de uma curva normal, introduza a probabilidade (ou porcentagem) dada na região apropriada no gráfico e identifique os valores x procurados. 2) Utilize a tabela de distribuição normal padronizada para achar o escore z correspondente à região delimitada por x e pela reta central do 0. 3) Utilize a fórmula do escore z para encontrar os valores de x. 4) Recorrer ao esboço da curva para verificar que a solução tem sentido no contexto do gráfico e no contexto do problema. 9 Exemplo 10: As alturas das mulheres americanas têm distribuição normal com média 63,6 in. e desvio-padrão 2,5 in. Determine o valor de P90, isto é, determine a altura que separa os 90% inferiores dos 10% superiores. Solução: Procuraremos na tabela de distribuição normal padronizada uma área de 0,400 (0,500-0,100). A área mais próxima desse valor encontrada na tabela foi 0,3997, a qual corresponde a um valor de z de 1,28. Como temos os valores de z, σ e µ, podemos achar o valor de x pela fórmula do escore: 8,666,63)28,1)(5,2(x z.x xz =+= µ+σ= σ µ−= Exemplo 11: Em um estudo comparou-se o comportamento facial de esquizofrênicos não-paranóicos com o de um grupo de controle de pessoas normais. O grupo de controle foi cronometrado em relação ao piscar de olhos durante um período de 5 minutos, ou 300 segundos. Os tempos acusaram distribuição normal com média de 184 s e desvio padrão de 55 s. Como os resultados mostraram que os pacientes esquizofrênicos não-paranóicos acusavam tempos muito inferiores aos do grupo de controle, decidiu-se prosseguir a análise das pessoas do grupo de controle que estavam nos 5% inferiores. Para o grupo de controle, determine P5. Solução: Procuraremos na tabela de distribuição normal padronizada uma área de 0,45 (0,50-0,05). Essa área corresponde a um valor de z de 1,645. Como o escore está abaixo da média, devemos considerá-lo negativo. Assim z=-1,645. Como temos os valores de z, σ e µ, podemos achar o valor de x pela fórmula do escore: 10 5,93184)645,1)(55(x z.x xz =+−= µ+σ= σ µ−= O Teorema Central do Limite Dado: 1) A variável aleatória x tem distribuição (que pode ser normal, ou não), commédia µ e desvio-padrão σ. 2) Amostras de tamanho n são extraídas aleatoriamente dessa população. Conclusões: 1) Na medida em que o tamanho da amostra aumenta, a distribuição das médias amostrais x tende para uma distribuição normal. 2) A média das médias amostrais será a média populacional µ. µ=µx 3) O desvio-padrão das médias amostrais será n/σ . nx σ=σ , onde xσ é comumente chamado de erro padrão da média. Regras práticas de uso comum: 1) Para amostras de tamanho n>30, a distribuição das médias amostrais pode ser aproximada, satisfatoriamente, por uma distribuição normal. A aproximação melhora na medida em que aumenta o tamanho da amostra n. 2) Se a própria distribuição original tem distribuição normal, então as médias amostrais terão distribuição normal para qualquer tamanho amostral n. A seguir, ilustraremos o teorema central do limite. A tabela I traz os quatro últimos algarismos do SSN (número do seguro social) de cada um de 50 estudantes. Esses quatro números são aleatórios. Esse conjunto de 200 números tem média x = 4,5 e um desvio-padrão s = 2,8, e uma distribuição aproximadamente uniforme (veja figura 4). No entanto, calculando a média para cada uma das 50 amostras e construindo o histograma dessas médias, observamos a formação de uma distribuição normal (veja figura 5). 11 Tabela I- Algarismos do SSN Algarismos do SSN x 1 5 9 5 9 4 7 9 5 7 0 9 6 8 5 6 7 5 4 1 4 3 0 1 9 7 9 8 5 9 6 8 0 2 5 6 4 7 2 8 2 6 2 2 5 0 2 7 8 5 8 3 8 1 3 2 7 1 3 8 5 8 1 1 9 2 4 7 1 2 0 1 3 5 7 3 1 6 6 3 0 2 2 0 8 5 8 1 9 3 7 7 3 4 4 4 5 1 3 6 6 3 8 2 3 6 1 5 3 4 6 2 5 3 6 3 0 5 5 0 2 2 4 1 4 1 1 5 4 9 7 9 8 9 9 4 7 2 5 2 1 7 3 7 3 3 8 3 7 6 4 6 8 5 5 2 6 4 9 1 1 2 7 0 9 4 7 6 7 6 8 5 0 0 0 1 3 9 1 5 3 6 6 7 0 9 6 0 0 2 6 1 9 5 7 8 6 4 0 7 4,75 4,25 8,25 3,25 5,00 3,50 5,25 4,75 5,00 5,00 3,00 5,25 4,75 3,00 7,25 3,75 4,50 5,75 4,25 2,25 3,50 2,75 1,75 1,75 5,00 3,00 3,50 7,00 4,00 6,50 4,00 6,25 4,00 4,50 5,50 6,00 6,25 2,50 4,00 3,75 4,00 5,25 4,25 4,50 4,75 3,75 5,25 3,75 4,50 6,00 12 A figura 6 traz uma ilustração geral para essa propriedade do teorema central do limite. Exemplo 12: Na engenharia humana e no projeto de produtos, freqüentemente é importante considerar os pesos das pessoas, de modo que não haja sobrecarga em aviões ou elevadores, as cadeiras não se quebrem, e não aconteçam outros acontecimentos perigosos ou embaraçosos. Dado que a população de homens tem pesos distribuídos normalmente com média 173 lb e desvio-padrão 30 lb, determine a probabilidade de que: a) um homem escolhido aleatoriamente pese mais de 180 lb. Fig.4. Distribuição de 200 algarismos dos números de inscrição no Seguro Social (4 últimos algarismos) de 50 estudantes. Fig. 5. Distribuição de 50 médias amostrais para 50 estudantes. Fig. 6. Distribuição normal, uniforme e assimétrica. Normal Uniforme Assimétrica População original Médias amostrais (n=5) Médias amostrais (n=10) Médias amostrais (n=30) 13 b) em 36 homens escolhidos aleatoriamente, o peso médio seja superior a 180 lb. Solução: a) Como se trata de um valor individual proveniente de uma população com distribuição normal não iremos utilizar o teorema central do limite. Iremos utilizar o mesmo método utilizado anteriormente. Calculando o escore z para o valor 180 temos: 23,0 30 173180xz =−=σ µ−= Recorrendo à tabela de distribuição normal padronizada vemos que a área da região delimitada pelo escore 0,23 é 0,0910. Dessa forma, a probabilidade procurada é 0,4090 (0,5-0,0910). b) Neste caso, estamos lidando com a média para um grupo de 36 valores, e não um valor individual. Por isso, iremos utilizar o teorema central do limite. Assim: 173x =µ=µ 5 36 30 nx ==σ=σ O valor do escore z para o valor 180 é calculado como se segue: 40,1 5 173180xz x x =−=σ µ−= A área delimitada pelo escore z igual a 1,40 é 0,4192. Dessa forma, a probabilidade procurada é 0,0808 (0,5-0,4192). 14 Ao aplicar o teorema central do limite, a utilização de n/x σ=σ supõe que a população tenha um número infinito de elementos. No caso da amostragem com reposição a população é, de fato, infinita. Entretanto, muitas aplicações realísticas envolvem amostragem sem reposição, de modo que as amostras sucessivas dependem dos resultados anteriores. Para tais populações finitas, devemos ajustar xσ . Eis uma regra empírica comum: No caso de amostragem sem reposição, quando o tamanho n da amostra é superior a 5% do tamanho N da população finita (isto é, n>0,05N), ajustamos o desvio-padrão da média amostral xσ multiplicando-o pelo fator de correção para população finita: 1N nN − − A Distribuição Normal como Aproximação da Distribuição Binomial A distribuição binomial de probabilidade, ao contrário da distribuição normal, aplica-se a uma variável aleatória discreta. Vimos, anteriormente, três maneiras de calcular probabilidades pela distribuição binomial. Em muitos casos, entretanto, esses métodos não são práticos. Como solução para esses casos, vamos introduzir um novo método pelo qual aproximamos a distribuição binomial por uma distribuição normal. Se 5nqe5np ≥≥ , então a variável aleatória binomial tem distribuição aproximadamente normal com média e desvio-padrão dados por: np=µ npq=σ O processo de aproximação pela normal envolve os seguintes passos: 1) Verificar se a distribuição de probabilidade binomial é aplicável. 2) Utilize (se possível) programas ou uma calculadora. 3) Se não dispuser de programas, procure resolver o problema utilizando a tabela de distribuição binomial. 4) Se não puder utilizar a tabela de distribuição binomial, considere a fórmula da probabilidade binomial. Se puder resolver o problema facilmente com a fórmula binomial, aplique-a. Em caso contrário, passe à etapa 5. 5) Certifique-se de que a distribuição normal é uma aproximação conveniente da binomial, verificando se 5nqe5np ≥≥ . 6) Determine os valores dos parâmetros µ e σ , calculando np=µ e npq=σ . 7) Identifique o valor discreto x que representa o número de sucessos no experimento binomial. Modifique o valor discreto x substituindo-o pelo 15 intervalo de x-0,5 a x+0,5. Trace uma curva normal e introduza os valores de µ , σ e/ou x-0,5 ou x+0,5, conforme apropriado. 8) Determine o escore z para o valore de x modificado. 9) Com o escore z achado, consulte a tabela de distribuição normal padronizada para achar a área entre µ e x-0,5 ou x+0,5, conforme adequado. Identifique a área correspondente à probabilidade desejada. A modificação do valor x no passo 7 corresponde a uma correção de continuidade. Essa correção é necessária uma vez que a distribuição normal é contínua e a distribuição binomial é discreta. Para os problemas em que se utiliza a distribuição normal como aproximação da distribuição binomial a correção de continuidade é passo fundamental e a interpretação das expressões utilizadas nesses problemas é muito importante. Vamos ver os casos comuns para o caso de um valor de x igual a 64 (cujos valores corrigidos são 63,5 e 64,5): AfirmaçãoÁrea Pelo menos 64 (inclui 64 ou mais) Mais de 64 (não inclui 64) No máximo 64 (inclui 64 ou menos) Menos de 64 (não inclui 64) Exatamente 64 À direita de 63,5 À direita de 64,5 À esquerda de 64,5 À esquerda de 63,5 Entre 63,5 e 64,5 Exemplo 13: Suponha que o quadro administrativo de sua faculdade tenha igual número de candidatos e candidatas a emprego, e que 64 dos 100 funcionários recém-admitidos são homens. Estime a probabilidade de obter pelo menos 64 homens, se cada contratação é feita independentemente e sem qualquer discriminação quanto a sexo. (A probabilidade de obter exatamente 64 homens na verdade não nos diz nada, porque, em 100 provas, a probabilidade de qualquer número determinado de homens é por demais pequena. Em lugar disso, necessitamos da probabilidade de obter um resultado pelo menos tão extremo como o verificado.) Com base no resultado, parece que a faculdade está fazendo discriminação quanto ao sexo? Solução: O problema envolve uma distribuição binomial com n=100, provas independentes, duas categorias (homem e mulher), probabilidades que supomos permanecerem constantes. Como, neste caso, fica inviável aplicar a fórmula da distribuição binomial e não podemos utilizar a tabela da distribuição binomial, vamos verificar se é possível aproximar a distribuição binomial pela distribuição normal: np=(100)(0,5)=50 (Portanto, 5np ≥ .) nq=(100)(0,5)=50 (Portanto, 5nq ≥ .) Calculando os valores de µ e σ ... 50)5,0)(100(np ===µ 5)5,0)(5,0)(100(npq ===σ 16 O valor discreto x é o 64. Fazendo as correções de continuidade devemos representar os valores 63,4 (64-0,5) e 64,5 (64+0,5) no esboço da curva normal. Como pretendemos achar a probabilidade de ao menos 64 homens, devemos achar a área à direita do valor 63,5. Calculando o valor de Z para x=63,5 temos: 70,2 5 505,63xz =−=σ µ−= Recorrendo à tabela de distribuição normal padronizada vemos que z=2,70 corresponde a uma área de 0,4965. Assim a área procurada é 0,5- 0,4965=0,0035. Como a probabilidade de obter pelo menos 64 homens é tão pequena, concluímos que ou ocorreu um evento bastante raro, ou a hipótese de homens e mulheres terem a mesma chance é incorreta.
Compartilhar