1

UNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE JABOTICABAL

CURSO: ADMINISTRAO DISCIPLINA: ESTATSTICA I
PROFESSOR: MAMORU YAMADA AULA 07: Variveis aleatrias contnuas

7 Introduo

No captulo anterior, estudamos distribuies de probabilidade de v.a.s discretas. Agora,
estudaremos as v.a.s contnuas e suas distribuies de probabilidade. Uma v.a. contnua pode assumir
todos os valores dentro de um intervalo. Alguns exemplos so: tempo de resposta de um sistema
computacional, salrios de trabalhadores de uma certa categoria, tempo de vida de um componente
eletrnico, valores de aes de empresas em Bolsas de Valores. Ser apresentada e discutida uma das
mais importantes distribuies contnuas de probabilidades: a distribuio normal.
Uma diferena fundamental separa as v.a.s discretas das contnuas. Para uma v.a. discreta, a
funo de probabilidade f(x) fornece diretamente a probabilidade de que a v.a. assuma um determinado
valor. Para as v.a.s contnuas, a funo de probabilidade f(x) chamada de funo de densidade de
probabilidade. Ela no fornece diretamente as probabilidades. Porm, a rea sob o grfico da funo de
densidade de probabilidade, correspondente a um dado intervalo, fornece a probabilidade de que a v.a.
contnua assuma um valor no intervalo. Ou seja, quando calculamos as probabilidades para as v.a.s
contnuas, estamos calculando a probabilidade de que a v.a. assuma qualquer valor em um intervalo.
Pela definio acima, a probabilidade de qualquer valor particular da v.a. zero, porque a rea
sob o grfico de f(x) em qualquer ponto em particular zero.


7.1 Funo densidade de probabilidade

A distribuio de probabilidade de uma v.a. contnua pode ser visualizada como uma forma de um
histograma baseado em um grande nmero de observaes. Este histograma construdo com as
densidades de probabilidade, e a rea total de todos os retngulos igual a 1,0.
Veja o exemplo da figura 7.1. Nesta figura, temos um histograma do tempo de atendimento de
cliente de uma administradora de carto de crdito. Foram levantadas 100 observaes.

Tempo de atendimento (minutos)
D
e
n
s
i
d
a
d
e

d
e

f
r
e
q

n
c
i
a
2
2
,7
5
2
2
,2
5
2
1
,7
5
2
1
,2
5
2
0
,7
5
2
0
,2
5
1
9
,7
5
1
9
,2
5
1
8
,7
5
1
8
,2
5
1
7
,7
5
1
7
,2
5
1
6
,7
5
0,4
0,3
0,2
0,1
0,0

Figura 7.1 Histograma do tempo de atendimento de cliente da administradora de carto de crdito 100
observaes

Se aumentarmos o nmero de observaes para 1.000, diminuindo-se os intervalos de classe, o
histograma tende a ficar cada vez menos irregular (figura 7.2).



2
Tempo de atendimento (minutos)
D
e
n
s
i
d
a
d
e

d
e

f
r
e
q

n
c
ia
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0

Figura 7.2 Histograma do tempo de atendimento de cliente da administradora de carto de crdito 1.000
observaes

Se aumentarmos novamente o nmero de observaes para 10.000, temos um histograma como
da figura 7.3. Observe que a forma do histograma vai se suavizando cada vez mais.

Tempo de atendimento (minutos)
D
e
n
s
i
d
a
d
e

d
e

f
r
e
q

n
c
ia
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0

Figura 7.3 Histograma do tempo de atendimento de cliente da administradora de carto de crdito
10.000 observaes

Se continuarmos aumentando o nmero de observaes (tendendo a infinito) e diminuindo o
intervalo das classes (tendendo a zero), no limite, o histograma tende a se suavizar e tomar a forma de
uma curva terica (figura 7.4).

Tempo de atendimento (minutos)
D
e
n
s
i
d
a
d
e

d
e

f
r
e
q

n
c
i
a
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0

Figura 7.4 Curva de densidade de probabilidade para a v.a. contnua Tempo de atendimento de cliente

Como uma probabilidade interpretada como a freqncia relativa de um evento em uma longa
srie de ensaios independentes (ou seja, um nmero muito grande de observaes), a curva obtida na
figura 7.4 representa a maneira pela qual a probabilidade total (1,0) distribuda em relao aos possveis


3
valores que a v.a. Tempo de atendimento do cliente pode assumir. Podemos, ento, formalizar o conceito
de funo densidade de probabilidade.



7.1.1 Propriedades da funo densidade de probabilidade

A funo densidade de probabilidade, f(x), que descreve a distribuio de probabilidade para uma
v.a. contnua, tm as propriedades:
a) a rea total sob a curva igual a 1 (figura 7.5). A rea total representa a probabilidade total, que
igual a 1. Matematicamente:
( ) 1 dx x f =

+

(7.1).


Figura 7.5 rea sob o grfico da funo densidade de probabilidade

b) P(a X b) a rea sob a curva entre os pontos a e b (figura 7.6), onde a < b.
Matematicamente:
( ) ( )

=
b
a
dx x f b X a P
(7.2). Na figura 7.6, a rea de cor cinza representa a
probabilidade do tempo de atendimento de cliente estar entre 20 e 21 minutos.


Figura 7.6 Probabilidade da v.a. assumir qualquer valor no intervalo entre a e b

c) f(x) 0. A funo de densidade de probabilidade no possui valores negativos, porque todas as
reas devem ser positivas, pois representam probabilidades (figura 7.7).

Tempo de atendimento (minutos)
D
e
n
s
id
a
d
e

d
e

f
r
e
q

n
c
ia
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0
r re ea a t to ot ta al l = = 1 1
Tempo de atendimento (minutos)
D
e
n
s
id
a
d
e

d
e

f
r
e
q

n
c
ia
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0
P P( (2 20 0 < < X X < < 2 21 1) )
Formalizando: a funo densidade de probabilidade de v.a. contnua X a funo matemtica f(x)
cujo grfico produz a curva terica que representa a maneira pela qual a probabilidade total (1,0)
distribuda em relao amplitude dos possveis valores da v.a. contnua X.


4

Figura 7.7 Valores da funo de densidade de probabilidade so positivos

d) P(X = x
i
) = 0 (figura 7.8), ou seja, a probabilidade de uma v.a. contnua assumir um valor
especfico zero. Em outras palavras, a rea sob o grfico s pode ser calculada em um intervalo.
Matematicamente:
( ) ( ) 0 dx x f a X P
a
a
= = =

(7.3). Na figura 7.8, a probabilidade do tempo de atendimento de

cliente ser exatamente 21 minutos zero, pois a rea sob o grfico zero.


Figura 7.8 Probabilidade da v.a. assumir exatamente um determinado valor

Algumas conseqncias das propriedades acima so:
- P(a X b) = P(a < X b) = P(a X < b) = P(a < X < b). Ou seja, como a probabilidade em um
ponto zero, a incluso ou no de um ponto limite no interfere no clculo de uma probabilidade
Na figura 7.9, as probabilidades so equivalentes: P(20 X 21) = P(20 < X 21) = P(20 X <
21) = P(20 < X < 21).


Figura 7.9 As probabilidade so equivalentes: P(a X b) = P(a < X b) = P(a X < b) = P(a < X < b)

Tempo de atendimento (minutos)
D
e
n
s
id
a
d
e

d
e

f
r
e
q

n
c
ia
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0
P Pr ro ob ba ab bi il li id da ad de e
d de e o oc co or rr r n nc ci ia a d de e
t te em mp po o d de e
a at te en nd di im me en nt to o 0 0
Tempo de atendimento (minutos)
D
e
n
s
id
a
d
e

d
e

f
r
e
q

n
c
ia
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0
P P( (X X = = 2 21 1) ) = = 0 0
Tempo de atendimento (minutos)
D
e
n
s
i
d
a
d
e

d
e

f
r
e
q

n
c
i
a
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0
P P( (2 20 0 X X 2 21 1) ) = =
P P( (2 20 0 < < X X 2 21 1) ) = =
P P( (2 20 0 X X < < 2 21 1) ) = =
P P( (2 20 0 < < X X < < 2 21 1) )


5
-
( ) ( )

=
a
dx x f a X P
(7.4). a probabilidade acumulada da v.a. X assumir qualquer valor abaixo
de a. Na figura 7.10, est representada a probabilidade do tempo de atendimento de cliente ser
menor que 18 minutos.


Figura 7.10 P(X a) = P(X < a)

-
( ) ( )

=
b
dx x f b X P
(7.5). a probabilidade acumulada da v.a. X assumir qualquer valor acima
de b. Na figura 7.11, est representada a probabilidade do tempo de atendimento de cliente ser
maior que 21 minutos.


Figura 7.11 P(X a) = P(X > a)

As propriedades acima valem para todos os tipos de distribuio contnua de probabilidade.
Veremos uma das mais importantes a seguir: a distribuio normal.


7.2 Distribuio normal

Uma das mais importantes distribuies de probabilidade para descrever uma v.a contnua a
distribuio normal de probabilidade. Ela foi originalmente desenvolvida por Gauss em trabalhos sobre
erros de observaes astronmicas, por volta de 1810, da a razo da distribuio normal ser conhecida
tambm como distribuio gaussiana.
Alguns estudos revelaram que medies repetidas de uma mesma grandeza, como o dimetro de
uma esfera ou o peso de um determinado objeto, nunca forneciam os mesmos valores. Porm, a
representao das freqncias dos inmeros valores coletados sempre resultava em uma curiosa curva em
forma de sino. Das observaes surgiu o nome curva normal dos erros.
Tempo de atendimento (minutos)
D
e
n
s
i
d
a
d
e

d
e

f
r
e
q

n
c
i
a
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0
P P( (X X 1 18 8) ) = =
P P( (X X < < 1 18 8) )
Tempo de atendimento (minutos)
D
e
n
s
i
d
a
d
e

d
e

f
r
e
q

n
c
i
a
24 23 22 21 20 19 18 17 16
0,4
0,3
0,2
0,1
0,0
P P( (X X 2 21 1) ) = =
P P( (X X > > 2 21 1) )


6
Porm, muitas ocorrncias naturais e prticas tm distribuio normal ou aproximadamente normal:
nvel de colesterol no sangue, contagens de QI, medies cientficas, ndices pluviomtricos, tempos de
operao em mquinas de uma linha de produo, durao de aparelhos de televiso, etc.



7.2.1 Caractersticas da distribuio normal

Algumas caractersticas da distribuio normal so (observe a figura 7.12):
- o ponto mais alto da curva normal est no ponto , que tambm a mediana e a moda da
distribuio.
- f(x) 0 quando x , ou seja, a funo densidade tende a zero quando x assume valores muito
baixos ou muito altos. Teoricamente, o grfico da distribuio normal nunca toca o eixo horizontal.
- ( ) e ( + ) so pontos de inflexo de f(x).
- x = o ponto de mximo de f(x) e o valor mximo f() =
2
1
, ou seja, f() inversamente
proporcional a : quanto maior o valor de , menor o valor de f().
- f( + x) = f( - x), para todo - < x < , ou seja, a distribuio normal simtrica em relao ao
parmetro . Em outras palavras, a forma da curva esquerda de uma imagem espelhada da forma da
curva direita de .
- As probabilidades para uma v.a. normal so dadas por reas sob a curva normal (figura 7.13).
Alguns dos intervalos mais utilizados so:
a) 68,26% dos valores de uma v.a. normal esto dentro do intervalo de 1;
b) 95,44% dos valores de uma v.a. normal esto dentro do intervalo de 2;
Formalizando: uma v.a. contnua X tem uma distribuio normal com parmetros e , com -
< < e > 0, se a funo densidade de probabilidade de X for dada por:
(
(

=
2
2
2
) x (
e
2
1
) x ( f
(7.6), com - < x < , onde:
- = mdia;
- = desvio padro;
- e = base do sistema de logaritmos neperianos 2,71828;
- = nmero pi 3,14159.
O grfico de uma distribuio normal est representado na figura 7.12 e conhecido como curva
normal.




+



-




Figura 7.12 Grfico de uma distribuio normal

Uma v.a. contnua X com distribuio normal de parmetros e denotada por: X: N(,
2
).


7
c) 99,72% dos valores de uma v.a. normal esto dentro do intervalo de 3.

Figura 7.13 Algumas reas sob a curva normal


7.2.2 Interpretao dos parmetros e

Existem muitas distribuies normais de probabilidade. Elas so diferenciadas por suas mdias e
desvios padres .
Observe a figura 7.14. As curvas relativas aos parmetros = 5 e = 1, e =15 e = 1 possuem a
mesma forma, mas esto em localizaes diferentes. J as curvas relativas aos parmetros = 15 e = 1,
e =15 e = 1,5 possuem a mesma localizao, mas tm formas diferentes.

Figura 7.14 Influncia de e na localizao e forma da curva normal

Podemos concluir, ento, que a mdia determina a localizao de uma curva normal: quanto
maior a mdia , mais deslocada para a direita estar a curva. J o desvio padro determina a forma da
curva normal: quanto maior o , mais larga (dispersa) se torna a curva.

68,26%
95,44%
99,72%
+ 1 - 1 + 2 + 3 - 2 - 3
17,5 15,0 12,5 10,0 7,5 5,0 2,5
= 5
= 1
= 15
= 1
localizaes
diferentes
mesma
forma
= 15
= 1
= 15
= 1,5
formas
diferentes
mesma
localizao


8


7.2.3 Esperana (valor mdio) e varincia da distribuio normal

Para uma v.a. contnua x com distribuio normal, pode-se demonstrar que:
E(X) = (7.7)
Var(X) =
2
(7.8)
DP(X) = (7.9)


7.3 Distribuio normal padro

Quando uma v.a. contnua x tem uma distribuio normal de probabilidade com parmetros e , o
clculo da probabilidade de x estar entre dois valores a e b (P(a x b)) dado por:
( )

(
(

=
b
a
2
) x (
dx e
2
1
b x a P
2
2
(7.10)
A expresso 7.10 necessita da utilizao de tcnicas de integrao complexas para sua resoluo.
Por outro lado, uma certa distribuio normal com parmetros = 0 e = 1, torna a expresso 7.10
mais simples:
( )

(
(

=
b
a
2
) x (
dx e
2
1
b x a P
2
(7.11)
A expresso 7.11 foi extensamente analisada e tabelada para certos valores de a e b. Esta
particular distribuio normal conhecida como distribuio normal padro, e sua v.a. normal comumente
indicada por Z. Uma v.a. contnua Z que tem distribuio normal denotada por Z: N(0, 1).


7.3.1 Uso da tabela da distribuio normal padro

A distribuio normal padro est representada na figura 7.15. Ela semelhante figura 7.13,
porm, com os parmetros = 0 e = 1, os valores da abscissa da curva tornam-se conhecidos. Com isso,
podemos dizer que (observe na figura 7.15):

Figura 7.15 Curva da distribuio normal padro
68,26%
95,44%
99,72%
0 1 -1 2 3 -2 -3


9

a) 68,26% dos valores da v.a. normal padro z esto dentro do intervalo de -1 a 1;
b) 95,44% dos valores da v.a. normal padro z esto dentro do intervalo de -2 a 2;
c) 99,72% dos valores da v.a. normal padro z esto dentro do intervalo de -3 a 3.
Para a distribuio normal padro, a rea sob a curva normal foi calculada e tabelada.
A tabela mostra a probabilidade (rea sob a curva normal padro) da v.a. normal padro estar entre
0 (zero) e um certo valor z. A seguir apresentamos alguns exemplos sobre como utilizar a tabela.
Exemplo 1: determinar a rea sob a curva normal padro entre 0 e 1,83.
Primeiramente, localizamos, na coluna esquerda da tabela, o valor z (Z
c
) = 1,8. Depois, deslocamos,
nessa linha, at encontrarmos o valor 0,03 na linha superior (primeira linha). O nmero encontrado no corpo
da tabela, que 0,46638, a rea sob a curva normal entre z = 0 e z = 1,83 (figura 7.16).

Figura 7.16 rea sob a curva normal padro entre z = 0 e z = 1,83

Exemplo 2: determinar a rea sob a curva normal padro entre z = -1,45 e z = 0.
Primeiramente, localizamos, na coluna esquerda da tabela, o valor z (Z
c
) = 1,4. Depois, deslocamos,
nessa linha, at encontrarmos o valor 0,05 na linha superior (primeira linha). O nmero encontrado no corpo
da tabela, que 0,42647, a rea sob a curva normal entre z = 0 e z = 1,45. Como a curva simtrica, a
rea encontrada tambm a rea entre z = -1,45 e z = 0 (figura 7.17).

Figura 7.17 rea sob a curva normal padro entre z = -1,45 e z = 0

Exemplo 3: determinar a rea sob a curva normal padro direita de z = 1,25.
Primeiramente, localizamos, na coluna esquerda da tabela, o valor z (Z
c
) = 1,2. Depois, deslocamos,
nessa linha, at encontrarmos o valor 0,05 na linha superior (primeira linha). O nmero encontrado no corpo
da tabela, que 0,39435, a rea sob a curva normal entre z = 0 e z = 1,25. Como a curva simtrica, a
rea total direita de z = 0 0,50. Assim, a rea direita de z = 1,25 dada por (figura 7.18):
0,50000 0,39435 = 0,10565

Figura 7.18 - rea sob a curva normal padro direita de z = 1,25

rea = 0,46638
0 1,83
0 -1,45
rea = 0,42647
(por simetria)
0 1,45
0
1,25
=
0 1,25 0
-
rea = 0,50000
rea = 0,39435
rea =
0,10565


10
Exemplo 4: determinar a rea sob a curva normal padro entre z = 0,46 e z = 1,75.
Primeiramente, localizamos, na coluna esquerda da tabela, o valor z (Z
c
) = 0,4. Depois, deslocamos,
nessa linha, at encontrarmos o valor 0,06 na linha superior (primeira linha). O nmero encontrado no corpo
da tabela, que 0,17724, a rea sob a curva normal entre z = 0 e z = 0,46. Agora, localizamos, na coluna
esquerda da tabela, o valor z (Z
c
) = 1,7. Depois, deslocamos, nessa linha, at encontrarmos o valor 0,05 na
linha superior (primeira linha). O nmero encontrado no corpo da tabela, que 0,45994, a rea sob a
curva normal entre z = 0 e z = 1,75. A rea total entre z = 0,46 e z = 1,75 a diferena entre as duas reas
encontradas, ou seja (figura 7.19):
0,45994 0,17724 = 0,28270

Figura 7.19 - rea sob a curva normal padro entre z = 0,46 e z = 1,75

Exemplo 5: determinar a rea sob a curva normal padro esquerda de z = 1,96.
Primeiramente, localizamos, na coluna esquerda da tabela, o valor z (Z
c
) = 1,9. Depois, deslocamos,
nessa linha, at encontrarmos o valor 0,06 na linha superior (primeira linha). O nmero encontrado no corpo
da tabela, que 0,47500, a rea sob a curva normal entre z = 0 e z = 1,96. Como a curva simtrica, a
rea total esquerda de z = 0 0,50. Assim, a rea esquerda de z = 1,96 dada por (figura 7.20):
0,50000 + 0,47500 = 0,97500

Figura 7.20 - rea sob a curva normal padro esquerda de z = 1,96

Exemplo 6: determinar o valor de z para o qual a rea sob a curva normal padro, direita deste
valor, seja igual a 0,025 (figura 7.21).

Figura 7.21 rea de 0,025 sob a curva normal padro direita de z

Primeiramente, sabemos que o valor da rea total direita de z = 0 0,50. Assim, para
encontrarmos o valor de z, devemos encontrar a rea compreendida entre z = 0 e o z procurado. Esta rea
de (figura 7.22):
0,500 0,025 = 0,475

0,46 1,75
=
0 0,46 0
-
1,75
rea = 0,45994 rea = 0,17724
rea =
0,28270
0
1,96
=
0 1,96 0
+
rea =
0,50000
rea = 0,47500 rea =
0,97500
0
z = ?
rea = 0,025


11
Figura 7.22 rea entre z = 0 e o z procurado

Agora, devemos localizar, na tabela da curva normal padro, o valor de z que corresponde rea
de 0,475. Este valor 1,96 (figura 7.23).

Figura 7.23 Valor de z para uma rea de 0,025 direita

Neste exemplo, comum utilizarmos a notao z
0,025
para indicar o valor de z com rea de 0,025
sua direita, sob a curva normal padro. Ou seja: z
0,025
= 1,96.



7.4 Determinao de probabilidades para qualquer distribuio normal de probabilidade

At agora, calculamos reas sob a curva da distribuio normal padro. Devemos, ento, entender
como calcular a rea sob a curva de uma distribuio normal qualquer. Para isso, devemos relacionar uma
distribuio normal qualquer com a distribuio normal padro. Ou seja, devemos converter a dada
distribuio normal em uma distribuio normal padro.
Exemplo: determine a rea sob a curva normal com parmetros = 5 e = 2 que fica:
a) direita de 7
b) entre 3 e 8.
Respostas:
a) A rea solicitada est representada na figura 7.25.
Pode ser demonstrado que a rea hachurada da figura 7.25 igual rea sob a curva normal
padro que fica direita de:
1
2
5 7
z =

=

0
z = ?
rea = 0,025
rea = 0,500 - 0,025
0
z = 1,96
rea = 0,025
Formalizando: a notao z

indica o valor de Z com rea sua direita, sob a curva normal padro
(figura 7.24).


0
z
rea =

Figura 7.24 Notao para z

12

Figura 7.25 rea direita de 7 na curva normal de parmetros = 5 e = 2

Esta rea est representada na figura 7.26. Ou seja, as reas hachuradas nas figuras 7.25 e 7.26
so iguais. Assim, para z = 1 (pela tabela da curva normal padro), a rea de 0,34134. Portanto, a rea
direita de 1 na figura 7.26 de 0,5000 0,34134 = 0,15866, que tambm a rea direita de 7 na figura
7.25.

Figura 7.26 rea direita de 1 na curva normal padro

b) A rea solicitada est representada na figura 7.27.

Figura 7.27 rea entre 3 e 8 na curva normal de parmetros = 5 e = 2

Devemos proceder como no item anterior. Porm, precisamos determinar o valor de z da curva
normal padro correspondente a 3 e a 8 na curva normal com parmetros = 5 e = 2. Os valores so:
1
2
5 3
z =

=
e
5 , 1
2
5 8
z =

=

Esta rea est representada na figura 7.28.

Figura 7.28 rea entre -1 e 1,5 na curva normal padro

Ou seja, as reas hachuradas nas figuras 7.27 e 7.28 so iguais. Assim, para z = -1 (pela tabela da
curva normal padro), a rea de 0,34134 (por simetria), e para z = 1,5, a rea de 0,43319. Portanto, a
rea hachurada na figura 7.28 de 0,34134 + 0,43319 = 0,77453, que tambm a rea hachurada na
figura 7.27.
5
7
0
1
5
8 3
0
1,5 -1


13


Vejamos o exemplo a seguir: uma empresa fabricante de pneus desenvolveu um novo pneu radial.
Antes de lan-lo no mercado, os gerentes querem informaes de probabilidades sobre o desgaste dos
pneus. Com estas informaes, eles pretendem completar o plano de garantia de quilometragem que ser
oferecida com o pneu.
Para isso, foram realizados vrios testes com os pneus em estradas. O setor de engenharia da
empresa estimou que a durabilidade mdia do pneu nos testes foi de = 32.000 quilmetros e o desvio
padro, de = 4.000 quilmetros. Os testes indicaram tambm que a durabilidade dos pneus pode ser
aproximada por uma distribuio normal. Algumas questes levantadas pelos gerentes so:
1) Qual a porcentagem de pneus que apresenta expectativa de durar mais que 35.000
quilmetros?
2) A empresa quer dar, como garantia, um desconto na troca de pneus que necessitarem de troca
prematuramente, ou seja, antes do prazo estipulado na garantia. Qual deve ser a durabilidade de garantia,
sendo que a empresa no quer executar a garantia em mais do que 5% dos pneus vendidos?
Resposta da questo 1: a durabilidade do pneu pode ser representada pela curva normal da figura
7.29.a.

Figura 7.29 Curva normal da quilometragem do pneu estudo da durabilidade

A probabilidade de o pneu durar mais de 35.000 quilmetros (P(X 35.000)) na distribuio normal
da figura 7.29.a igual probabilidade da v.a. Z ser maior que z
c
(P(Z z
c
)) na curva normal padro (figura
7.29.b). Assim, temos que determinar o valor de z
c
:
75 , 0
000 . 4
000 . 32 000 . 35 x
z
c
=

=

Na tabela da curva normal padro, para z
c
= 0,75 rea = 0,27337. Assim, a rea direita de z
c
=
0,75 dada por: 0,50000 0,27337 = 0,22663. Portanto, a probabilidade de que a durabilidade do pneu
exceder 35.000 quilmetros de 0,22663 ou 22,663%.
Resposta da questo 2: as informaes sobre a garantia dos pneus podem ser representadas pela
curva normal da figura 7.30.a.
A durabilidade de garantia x corresponde ao valor de z
c
na curva normal padro cuja rea
esquerda de 0,05. Na tabela da curva normal padro, devemos, ento, encontrar o z
c
cuja rea seja 0,50
0,05 = 0,45 z
c
-1,645 (no existe o valor exato de 0,45, por isso, usamos a interpolao dos dados).
Assim, temos que determinar o valor de x:

= 32.000
35.000
P(x 35.000)
(a)
0 zc = ?
P(Z zc) =
P(x 35.000)
(b)
Formalizando: dada uma v.a. contnua x com distribuio normal de parmetros e , pode-se
converter a v.a. normal X para a v.a. normal padro Z por meio da converso:

=
x
z
(7.12)


14
Figura 7.30 Curva normal da quilometragem do pneu estudo da garantia

( ) s quilmetro 420 . 25 000 . 4 645 , 1 000 . 32 z x
x
z
c c
= + = + =

=
. Portanto, a quilometragem
de garantia de 25.420 quilmetros para que no mais que 5% dos pneus estejam dentro da garantia. Um
valor prtico para a garantia poderia ser 25.000 quilmetros.


7.5 Aproximao normal das probabilidades binomiais

Observe este exemplo: uma empresa tem um histrico de erros na emisso de faturas de 10%.
Uma amostra de 100 faturas foi selecionada e se quer saber a probabilidade de que 12 faturas contenham
erros. Ou seja, queremos saber qual a probabilidade binomial de 12 sucessos em 100 ensaios, com p =
0,10.
O clculo dessa probabilidade dado por:
( )
( )
( ) ( )
( )
09879 , 0 90 , 0 10 , 0
! 12 100 ! 12
! 100
12 X P
12 100 12
=

= =


Neste caso, a distribuio normal pode ser utilizada para a aproximao de probabilidades de
distribuies binomiais (figura 7.31). Relembrando: um experimento binomial aquele em que se tem uma
seqncia de n ensaios independentes e idnticos, onde cada ensaio tem dois resultados possveis:
sucesso, com probabilidade p de ocorrer, ou fracasso, com probabilidade (1 p) de ocorrer. A v.a. binomial
o nmero de ocorrncias de sucessos nos n ensaios.

Figura 7.31 Aproximao da curva normal para uma distribuio binomial

A aproximao pode ser usada quando o nmero de ensaios torna-se grande. A aproximao ser
tanto melhor quanto mais simtrica for a distribuio binomial, ou seja, quanto mais a probabilidade de
sucesso p estiver prxima de 0,50.
Para usar a aproximao normal para a distribuio binomial acima, os valores de e devem ser
ajustados para:
= 32.000
x =
quilometragem
de garantia = ?
5% dos
pneus para
garantia
(a)
0
zc = ?
P(Z zc) =
0,05
(b)
0,25
0,20
0,15
0,10
0,05
0,00


15
10 1 , 0 . 100 p n = = =

( ) ( ) 3 1 , 0 1 1 , 0 100 p 1 p n = = =

Devemos lembrar que estamos aproximando uma distribuio contnua de probabilidade (normal)
para uma distribuio discreta de probabilidade (binomial). Por isso, devemos utilizar o fator de correo
da continuidade. Para entender este fator, vamos recordar que a probabilidade de qualquer valor
especfico (neste caso, 12 sucessos) para uma v.a. contnua zero. Portanto, para encontrarmos a
probabilidade binomial de 12 sucessos (P(X = 12)) pela aproximao normal, temos que calcular a rea sob
a curva normal que corresponde a 11,5 e 12,5 (figura 7.32), ou seja: P(11,5 X 12,5). O valor de 0,5 que
foi subtrado e adicionado a 12 o fator de correo da continuidade.

Figura 7.32 Aproximao normal para a distribuio binomial, com n = 100 e p = 0,10, para P(X = 12).

Portanto, P(X = 12) da distribuio discreta binomial aproximada por P(11,5 X 12,5) da
distribuio contnua normal.
Para calcular P(11,5 X 12,5), temos que converter os valores 11,5 e 12,5 para a curva normal
padro:
83 , 0
3
0 , 10 5 , 12 x
z
1
=

=

50 , 0
3
0 , 10 5 , 11 x
z
2
=

=

Da tabela da distribuio normal padro, temos que:
Para z = 0,83 rea = 0,29673.
Para z = 0,50 rea = 0,19146.
Assim, a rea entre 11,5 e 12,5 na curva normal padro de: 0,29673 - 0,19146 = 0,10527.
Portanto, a aproximao normal para a probabilidade de 12 sucessos em 100 ensaios da distribuio
binomial de 0,10527.
Comparando os resultados, temos que a probabilidade de ocorrncia de 12 faturas com erros, pela
distribuio binomial, de 9,88%, e pela distribuio normal de 10,53%. Uma das formas de se diminuir
essa diferena pelo aumento do tamanho da amostra, ou seja, coletar mais faturas.
Neste mesmo exemplo, suponha agora que a empresa queira saber a probabilidade de 13 erros ou
menos em uma amostra de 100 faturas.
Para calcularmos esta probabilidade pela distribuio binomial, temos que:
P(X 13) = P(X = 0) + P(X = 1) + P(X = 2) + ... + P(X = 13).
As probabilidades acima so calculadas por:
( )
( )
( ) ( )
( )
00003 , 0 90 , 0 10 , 0
! 0 100 ! 0
! 100
0 X P
0 100 0
=

= =

;
( )
( )
( ) ( )
( )
00030 , 0 90 , 0 10 , 0
! 1 100 ! 1
! 100
1 X P
1 100 1
=

= =

;
( )
( )
( ) ( )
( )
00162 , 0 90 , 0 10 , 0
! 2 100 ! 2
! 100
2 X P
2 100 2
=

= =

;
...
( )
( )
( ) ( )
( )
07430 , 0 90 , 0 10 , 0
! 13 100 ! 13
! 100
13 X P
13 100 13
=

= =

.
= 10
12,5
11,5
P(11,5 x 12,5)


16
Assim:
P(X 13) = 0,00003 + 0,00030 + 0,00162 + ... + 0,07430 = 0,87612.
Esta probabilidade pode ser aproximada pela distribuio normal. A figura 7.33 mostra a situao
descrita.

Figura 7.33 - Aproximao normal pra a distribuio binomial, com n = 100 e p = 0,10, para P(X 13)

O fator de correo de continuidade, neste caso, foi adicionado a 13, porque o valor de 13 est
includo na probabilidade. Se a probabilidade desejada fosse menos que 13 erros, o fator de correo de
continuidade seria subtrado de 13, para excluir este valor.
Portanto, P(X 13) da distribuio discreta binomial P(X 13,5) da distribuio contnua normal.
Para calcular P(X 13,5), temos que converter o valor 13,5 para a curva normal padro:
17 , 1
3
0 , 10 5 , 13 x
z =

=

Da tabela da distribuio normal padro, temos que:
Para z = 1,17 rea = 0,37900
Assim, a rea direita de 13,5 na curva normal padro de: 0,50000 + 0,37900 = 0,87900.
Portanto, a aproximao normal para a probabilidade de 13 sucessos ou menos em 100 ensaios da
distribuio binomial de 0,87900.
Para comparao: a probabilidade de ocorrncia de 13 ou menos faturas com erros, pela
distribuio binomial, de 87,61%, e pela distribuio normal de 87,90%. Essa diferena pode ser
considerada pequena.
Este exemplo mostra mais claramente a utilidade da aproximao de uma distribuio binomial por
uma distribuio normal, para clculos de probabilidades. Por um processo mais simples de clculo, podem
ser obtidas probabilidades com uma preciso adequada.
A questo, neste ponto, saber quais as condies em que a aproximao pode ser considerada
adequada. Conforme comentada anteriormente, a aproximao adequada para tamanhos de amostras
grandes (n grande) e/ou quando a probabilidade de sucesso no experimento binomial prxima de 0,50
(em termos ideais, p = 0,50). Essas condies e a formalizao da aproximao so apresentadas a seguir.


= 10
13,5
P(x 13,5)


17

Novamente: em geral, quanto mais simtrica for a distribuio binomial (o ideal que p = 0,50),
melhor ser a aproximao pela curva normal. Nos casos em que ocorrer certa assimetria, valores
crescentes de n (nmero de ensaios) fornecero melhores resultados.


Formalizando: seja X uma v.a. discreta com distribuio binomial de n ensaios, com probabilidade de
sucesso p, e com as seguintes condies:
1) n > 20;
2) n . p 5;
3) n . (1 p) 5;
4) n . p (1 - p) 3.
Assim:
P(a X b) =
x n
b
a x
x
) p 1 ( p
x
n

=

|
|

\
|

(7.13)
Sejam Y uma v.a. contnua com distribuio normal com parmetros e , e Z uma v.a. contnua com
distribuio normal padro. Assim:
( ) |

\
|

=
b
Z
a
P b Y a P
(7.14)
Ento, a distribuio normal padro pode ser utilizada para aproximar uma distribuio binomial,
ou seja: equao 7.13 equao 7.14. Portanto:
( ) ( ) |

\
|

=
b
Z
a
P b Y a P b X a P
(7.15)
Para se utilizar a equao 7.15, os parmetros e so definidos por:
p n =
(7.16) e
( ) p 1 p n =
(7.17), onde:
n = nmero de ensaios do experimento binomial;
p = probabilidade de sucesso de cada ensaio do experimento binomial.
Portanto, substituindo as equaes 7.16 e 7.17 na equao 7.15, tem-se que:
( ) ( )
( ) ( )
|
|

\
|





=
p 1 p n
p n b
Z
p 1 p n
p n a
P b Y a P b X a P
(7.18)
Para a correta aplicao da aproximao da equao 7.18, deve-se usar o fator de correo de
continuidade de 0,50 nos valores a e b. Assim:
( ) ( )
( ) ( )
|
|

\
|

+



= +
p 1 p n
p n 5 , 0 b
Z
p 1 p n
p n 5 , 0 a
P 5 , 0 b Y 5 , 0 a P b X a P
(7.19)
Quando os valores limites do intervalo forem excludos do intervalo, a equao 7.19 torna-se:
( ) ( )
( ) ( )
|
|

\
|




+
= < < + < <
p 1 p n
p n 5 , 0 b
Z
p 1 p n
p n 5 , 0 a
P 5 , 0 b Y 5 , 0 a P b X a P
(7.20)