Distribuio

Gaussiana
Modelo Probabilstico para
Variveis Contnuas

Distribuio
Distribuio
NormalNormal

0.2
0.1
0.0

f(x)

0.3

0.4

Distribuio N(0,1)

-3

-2

-1

0
x

As distribuies de probabilidade de variveis aleatrias

contnuas so especificadas atravs da funo densidade
de probabilidade (f.d.p)

10

15

Frequncia Absoluta

20

25

Histograma de peso ao nascer de 100 crianas

Peso ao nascer(Kg)

Histograma de densidade
Densidade = frequncia relativa / amplitude do intervalo
Histograma de peso ao nascer de 100 crianas
0.5

Classe

0.3
0.2

Amplitude

Densidade

0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5

0,02
0,04
0,06
0,16
0,28
0,46
0,44
0,36
0,10
0,08

0.1

Frequncia
Relativa
0,01
0,02
0,03
0,08
0,14
0,23
0,22
0,18
0,05
0,04
1

X peso ao nascer
0.0

Densidade de Frequncia

0.4

0,5|----1,0
1,0|----1,5
1,5|----2,0
2,0|----2,5
2,5|----3.0
3,0|----3,5
3,5|----4,0
4,0|----4,5
4,5|----5,0
5,0|----5,5
Total

Frequncia
Absoluta
1
2
3
8
14
23
22
18
5
4
100

P(2 X < 3) = 0,08 + 0,14 = 0,20

1

3
Peso ao nascer(Kg)

P(X < 2) = 0,01 + 0,02 + 0,03 = 0,06

0.3
0.2

f(x)

0.0

0.1

Densidade de Frequncia

0.4

0.5

Histograma de peso ao nascer de 100 crianas

Peso ao nascer(Kg)

X Peso ao nascer
f(x) funo densidade de probabilidade

0.1

0.2

f(x)

0.3

0.4

0.5

Calcular probabilidade como rea abaixo da curva

0.0

4
x

P(2 < X < 4) = rea abaixo da curva entre 2 e 4

P(X = x) = 0

P(X < x) = P(X x)

Propriedades da funo densidade de

probabilidade

f(x) 0

rea abaixo da curva igual a 1

A Distribuio Gaussiana (ou Normal)

Frequncia

Algumas variveis contnuas exibem um comportamento

muito particular quando visualizamos a distribuio de
frequncias de seus valores.

Valores

Concentrao de valores em torno de um valor central;

Simetria em torno do valor central;
Frequncia pequena de valores muito extremos.

O Modelo Probabilstico Gaussiano

O matemtico alemo Karl Gauss
popularizou um modelo proposto para a
distribuio de probabilidades de variveis
do tipo descrito anteriormente.
A curva descrita por este modelo
conhecida como Curva de Gauss (ou
tambm como Curva Normal)

Distribuio Normal

f(x)=

( x )2
2 2

< x<

2 2

< < ; 2 > 0

mdia

desvio padro

X ~ N(, ) - A varivel aleatria X tem distribuio

Normal com mdia e desvio padro

O Modelo Probabilstico Gaussiano

A curva gaussiana (ou curva Normal) definida pela
mdia e pelo desvio-padro .

O Modelo Probabilstico Gaussiano

A mdia de uma varivel aleatria X que siga o modelo
Gaussiano pode assumir qualquer valor na reta real

< <
O desvio-padro de qualquer varivel aleatria X s
pode assumir valores maiores do que zero

>0
e so os parmetros do Modelo Gaussiano
Dizemos que X ~ Normal (,)

Mdias diferentes, desvios-padro iguais

Mdias iguais, desvios-padro diferentes

Mdias diferentes, desvios-padro diferentes

Clculo de Probabilidade na Curva Normal

Considere

uma varivel

aleatria X com distribuio

Normal (,). Ou seja, X ~ Normal(,)

Probabilidade de X estar entre x1 e x2: P( x1

< X < x2 )

P( x1 < X < x2 )
rea sob a curva
Normal entre x1 e x2.

Clculo de Probabilidade na Curva Normal

curvas Normais diferentes  reas diferentes

P( x1 < X < x2 )

Propriedades da Distribuio Normal

3000 - a

3000 + a

P(X < 3000-a ) = P(X > 3000+a )

Simetria

Propriedades da Distribuio Normal

rea fixa entre intervalos simtricos

Suponha que X o peso de bebs ao nascer e que,

Exemplo: em certa populao, X tem distribuio de
probabilidade que pode ser aproximada pela Normal
com = 3000g e = 1000g.

Qual a porcentagem de bebs que nascem com

peso abaixo de 1500g ?

A Distribuio Normal Padro

As probabilidades na curva Normal so calculadas com o
auxlio de uma tabela.
Como existem infinitas combinaes dos valores para
e , seria invivel tabelar as probabilidades de todas as
distribuies Normais possveis.
Sendo assim, uma nica varivel Normal possui suas
probabilidades tabeladas: a varivel Z com mdia igual a
0 e desvio-padro igual a 1.

Z ~ Normal (=0 ; =1)

A varivel aleatria Normal com

mdia =0 e desvio-padro =1
chamada de

Varivel Normal Padro

a varivel
aleatria Z

Z ~ N(0,1)

tem distribuio
de probabilidade

P( Z < z )

Normal com
mdia=0 e
d.p.=1

A Tabela Normal Padro (Tabela Z)

Parte Negativa
Linha: Parte inteira e
primeira casa decimal de z
Coluna: Segunda
casa decimal de z
-2.9

0.00187 0.00181

0.00175 0.00169

-0.8

0.21186 0.20897

0.20611 0.20327

P( Z < -0.83 )
-0.83

A Tabela Normal Padro (Tabela Z)

Parte Positiva
Linha: Parte inteira e
primeira casa decimal de z
Coluna: Segunda
casa decimal de z

P( Z < 1.5 )

Exemplo:

Seja Z uma v.a. normal padronizada. Calcule:

P( Z < -1.97) = ?

P( Z < -1.97 ) = 0.0244,

obtida direto da tabela.

P( Z > 1.84) = ?

P( Z >1.84) = P( Z < -1.84) = 0.0329,

obtida direto da tabela
e por simetria.

P( -1.97 < Z < 0.86 ) = P( Z < 0.86 ) = 0.8051

= 0.7807

P( Z < -1.97 )
0.0244

Clculo de percentis na curva Normal

Percentil de ordem 2.5
Que valor de Z na tabela Normal Padro deixa uma rea de
0.0250 abaixo dele ?
Ou seja, quem a tal que P[Z < a ]=0.0250 ?

a o percentil 2.5 da curva Normal Padro

0.0250

a=-1.96

Clculo de percentis na curva Normal

Percentil de ordem 97.5
Que valor de Z na tabela Normal Padro deixa uma rea de
0.9750 abaixo dele ?
Ou seja, quem b tal que P[Z < b ]=0.9750 ?

b o percentil 97.5 da curva Normal Padro

b o simtrico de a em relao
mdia da curva Normal

0.9750

0.0250

b=1.96

Clculo de percentis na curva Normal

Percentil de ordem 95
P[Z < b ]=0.9500

b o percentil 95 da curva

b=1.645

Normal Padro
Na tabela Z:

z = 1.65  rea abaixo = 0.9505

z = 1.64  rea abaixo = 0.9495
Calcular a mdia dos dois valores: b=1.645

Clculo de percentis na curva Normal

Percentil de ordem 1
P[Z < b ]=0.0100

b o percentil 1 da curva Normal Padro

P[-b < Z < b ]=0.9800

0.9800
0.0100

0.0100

P[Z< -b ] =0.0100

-b = ?
Na tabela Z:

z = -2.33  rea abaixo = 0.0099

z = -2.32  rea abaixo = 0.0102

-b=2.33

b=2.33

Usar o valor de z que

fornea a rea mais prxima
do desejada (-2.33)

Como usar a tabela Normal Padro para

calcular probabilidades em uma curva
Normal qualquer?
Z ~ Normal (=0 ; =1)

Distribuio de

Distribuio de

X ~ Normal (=10 ; =2)

Padronizao de uma varivel aleatria Normal

Podemos transformar uma varivel aleatria
X ~ Normal ( , ) em uma varivel aleatria
Z ~ Normal ( 0, 1) usando a expresso:

Z=

X ~ Normal ( , )

Z ~ Normal (0,1)

z1 =

x1

z2 =

x2

Calculando probabilidades de X utilizando a tabela Z

X 9
X 10 9 10
P
<
= P
<

2


2
= P[ Z < 0.5] = 0.3085

P[ X < 9] =

X 10 13 10
>
]=
2
2
= P[ Z < 1.5] = 0.1295

P[ X > 13] = P[

P[ Z > 1.5]

Exemplo 1: Se X tem distribuio Normal com = 40 e

= 6, encontre o valor de x tal que P[X < x] =0.45.

Se P[X < x] =0.45.

ento P( Z < (x-40)/6 ) = 0.45.
Mas

P( Z < -0.13 ) = 0.45 (da tabela);

Logo (x-40)/6 = -0.13

x = 40 + (-0.13)6
= 40 - 0.78
= 39.22.

Ou seja, 39.22 o percentil 45 da

distribuio de X.

Exemplo 2: Se X tem distribuio Normal com = 40 e

= 6, encontre o valor de x tal que P[X > x] =0.14.

Se P[X < x] = 0.14.

ento P( Z < (x-40)/6 ) = 0.14.
Mas

P( Z > 1.08) = P( Z < -1.08)

= 0.14 (da tabela);

Logo (x-40)/6 = 1.08

x = 40 + (1.08)6
= 46.48

Ou seja, 46.48 o percentil 86 da

distribuio de X.

Clculo do Percentil de ordem 100

da distribuio Normal

P100 = + z(1 )
onde a ordem do percentil (0 < < 1) e

z(1-) o valor na tabela Z que deixa uma rea de (1-) acima dele.
1-

z(1-)

Clculo do Percentil de ordem 100 da

distribuio Normal
Conferindo os dois exemplos anteriores, onde = 40 e = 6 :

= 0.45

= 0.86

P45 = 40 + z(10.4500) 6

P86 = 40 + z(10.8600) 6

= 40 + z(0.5500) 6

= 40 + z(0.1400) 6

= 40 0.13 6

= 40 + 1.08 6

Suponha que X o peso de bebs ao nascer e

Exemplo que, em certa populao, X tem distribuio

Inicial:
que pode ser aproximada pela Normal com

= 3000g e = 1000g.

Qual a porcentagem de bebs que nascem com peso abaixo

de 1500g ?

X 3000 1500 3000

P[ X < 1500] = P
<

1000
1000

= P [ Z < 1.5] = 0.0068

0.68% dos bebs

tm peso inferior
a 1500g.

Qual a porcentagem de bebs que nascem com peso acima

de 4000g ?

4000 3000

P[ X > 4000] = P Z >

1000

= P [ Z > 1.0] = P [ Z < 1.0] = 0.1587

Qual a porcentagem de
bebs que nascem com
peso entre 2500 e 3500g ?
38.30% dos bebs

P[2500 < X < 3500] = P[ X < 3500] P[ X < 2500]

3500 3000
2500 3000

= P Z <

P
Z
<

1000
1000

= P [ Z < 0.5] P [ Z < 0.5]

= 0.6915 0.3085 = 0.3830

Qual valor de peso dos

bebs separa os 10% mais
leves?

0.10

1720 gramas

P10

3000

= 0.10
P10 = 3000 + z(10.1000) 1000
= 3000 + z(0.9000) 1000
= 3000 + (1.28) 1000
= 3000 1280 = 1720

Qual valor de peso dos bebs

separa os 10% mais pesados?
0.10
4280 gramas
3000

= 0.90
P10 = 3000 + z(10.9000) 1000
= 3000 + z(0.1000) 1000
= 3000 + 1.28 1000
= 3000 + 1280 = 4280

P90