Baixe o app para aproveitar ainda mais
Prévia do material em texto
Distribuição Normal A distribuição normal conhecida também como Distribuição de Gauss ou Gaussiana é sem dúvida a mais importante distribuição contínua. Essa distribuição tem grande importância nas análises matemáticas, pois descrever uma série de fenômenos físicos e financeiros. Possui também grande uso na estatística inferencial, pois muitas técnicas estatísticas, como análise de variância, de regressão e alguns testes de hipótese, assumem e exigem a normalidade dos dados. A distribuição normal é inteiramente descrita por seus parâmetros de média e desvio padrão, ou seja, conhecendo-se estes valores consegue-se determinar qualquer probabilidade em uma distribuição Normal. Definição: Uma variável aleatória contínua tem distribuição Normal se sua função densidade de probabilidade for dada por: Usamos a notação Esta distribuição possui dois parâmetros: e . Gráfico: Quando uma distribuição é contínua, o gráfico de distribuição é uma linha contínua. A distribuição é normal quando tem a forma de "sino" e é simétrica em torno da sua média : - Equivalência entre as probabilidades e regiões no gráfico da distribuição normal. X~N(2 , 4) Y~N(1 , 3) K~N(1 , 1) Z~N(0 , 1) Tratamento de Dados - QIM 271 - 2017/2º Professora: Sheila Klem sheila.neves@ifrj.edu.br Distribuição Normal Padrão Para cada valor de e / ou temos uma curva de distribuição de probabilidade. Porém, para se calcular probabilidades (áreas) específicas, faz-se uso de uma distribuição particular: a "distribuição normal padronizada", também chamada de reduzida, o qual é a distribuição normal com e . Para obter tal distribuição, isto é, quando se tem uma variável com distribuição normal com média diferente de (zero) e/ou desvio padrão diferente de (um), devemos reduzi-la a uma variável , efetuando o seguinte cálculo Assim, a distribuição passa a ter média 𝜇 = 0 e desvio padrão 𝜎 = 1. Pelo fato da distribuição ser simétrica em relação à média 𝜇 = 0, a área à direita é igual a área à esquerda de 𝜇. Por ser uma distribuição muito usada, existem tabelas a qual encontramos a resolução de suas integrais. Assim, a tabela fornece áreas acima de valores não negativos que vão desde 0,00 até 4,09. Veja o gráfico da curva Normal padronizada na Figura abaixo. Assim, interpretamos as probabilidades da seguinte maneira: Exemplo 1: Calcular a área sob a curva para maior que 2,75. A área sob a curva normal para maior do que 2,75 é dada por Exercício 1: Identifique graficamente as áreas equivalentes as probabilidades na normal padrão: a) P( -1,25 < Z < 0) b) P( -0,5 < Z < 1,48) c) P( Z > 0,6) d) P( Z < 0,92 ) e) P( 0 < Z < 1,44) f) P( -0,85 < Z < 0)
Compartilhar