Bioestatística

Distribuição Normal

Departamento de Matemática
FEIS - UNESP
 Distribuição Normal
A distribuição normal é uma das mais importantes distribuições contínuas pois
representa boa aproximação para muitos fenômenos da natureza e é utilizada
em muitas técnicas estatísticas, como:

• Calcular aproximadamente as probabilidades para outras distribuições,

como por exemplo, para a distribuição Binomial.

• A aplicação dessa distribuição no teorema do limite central;

• Alguns testes de hipótese que exigem a normalidade dos dados;

• análise de variância;

• Análise de regressão;

2
 Área total = 1

Distribuição Normal

Propriedades:

• A representação gráfica recebe o nome de curva normal e possui forma de

sino com simetria em torno da média, , que se localiza no centro da
distribuição;
 = med = mod

• A variável aleatória contínua X pode assumir todo e qualquer valor real;

• A área total sob a curva normal é igual a 1;

• A curva normal aproxima-se mais do eixo x à medida em que se afasta da

média, mas nunca toca o eixo;

3
 Distribuição Normal

Propriedades:

• A média e o desvio padrão determinam o aspecto da curva normal;

Localização do eixo escreve quanto os dados se

de simetria espalham em torno da média
• Nos primeiros desvios a direita e esquerda da média encontra-se os pontos
de inflexão da curva normal;

4
 Tipos de Curva Normal

Observe que as duas curvas são centrados na mesma posição que é a média,
pois , mas a curva com o maior desvio padrão é menor e se espalha
mais e, a com menor desvio padrão, será a mais baixa e mais larga.

5
 Tipos de Curva Normal

Observe que as duas curvas são idênticas na forma, pois possuem o mesmo
desvio padrão, mas possuem médias diferentes e, portanto são centradas em
diferentes posições.

6
 Tipos de Curva Normal

Observe que as duas curvas possuem médias diferentes e, portanto são

centradas em diferentes posições e também possuem desvios padrões
diferentes.

7
 Distribuição Normal

Uma variável aleatória contínua X tem distribuição normal com média μ e

variância , X  N(μ, ), se sua função de densidade é dada por:

X  .

8
 Distribuição Normal

Portanto a probabilidade de que um valor esteja compreendido entre x1 e x2 é

dada por:

9
 Distribuição Normal

Características:

• E(X) =  e VAR(X) = ;

• Como a área total sob a

curva é igual a 1 e a
distribuição é simétrica a
partir da média que se
encontra no ponto central
da curva cada metade da
curva tem 0,5 da área
total.

10
 Distribuição Normal

Distribuição dos Dados:

11
 Distribuição Normal Padrão
Gauss um critério de padronização, ou seja, no qual uma distribuição normal
com média  e desvio padrão , N(μ, ), torna-se uma distribuição normal,
com média, µ = 0, e desvio padrão, σ = 1, N(0,1), denominada distribuição
normal padrão.

Se Z é uma variável aleatória normal com média zero, µ = 0, e variância um,

= 1, então Z é denominado escore padrão e é dado por:

12
 Distribuição Normal Padrão

Então como , temos:

Logo , ou seja a média da distribuição z é zero.

A variância de uma distribuição de probabilidade é dada por:

13
 Distribuição Normal Padrão
Como temos o , nos resta encontrar :

Então

14
Distribuição Normal Padrão

15
 Distribuição Normal Padrão

Para encontrar a probabilidade de que um valor esteja compreendido entre x1 e

x2 na distribuição normal, basta utilizar o conceito de escore padrão e
transformação as variáveis aleatória x na distribuição normal em variáveis
aleatórias z na distribuição normal padrão, ou seja:

Como

tem-se uma distribuição normal padrão µ = 0 e σ = 1. Logo

16
Distribuição Normal

Com:

17
 Tabela da Distribuição Normal Padrão
A tabela de distribuição normal
padrão fornece os valores de área
acumulada referentes a curva normal
padrão. A áreas são encontradas para
um valor entre o valor de escore z
igual a zero e um valor de escore zc.

A tabela fornece dados de área

acumulada para os valores de Z
positivo. Pela simetria da curva tem-
se que os valores de área acumulada
para os valores de Z negativos são os
mesmos.

18
 Tabela da Distribuição Normal Padrão
Exemplo:

Encontrar P(0 < Z < 1,13).

Este valor é encontrada através da

interseção da linha que contem o
número 1,1 e a coluna com o número 3.

P(0 < Z < 1,13) = 0,3708 = 37,08%

19
 Tabela da Distribuição Normal Padrão
Exemplo:

Encontrar P(Z > 1,84).

Queremos a área que se encontra a direita

de zc, então devemos fazer:

P( Z > 1,84) = 0,5 - P(0 < Z < 1,84) =

= 0,5 – 0,4671 = 0,0329 = 3,29%

20
 Tabela da Distribuição Normal Padrão
Exemplo:

Encontrar P(-1,97 < Z < 0,86).

P(-1,97 < Z < 0,86) =
= P(-1,97 < Z < 0) + P(0 < Z < 0,86) =
= P(0 < Z < 1,97) + P(0 < Z < 0,86) =
= 0,4756 + 0,3051 = 0,7807 = 78,07%

21
 Tabela da Distribuição Normal Padrão
Exemplo:

Encontrar P(0,8 < Z < 1,23).

P(0,8 < Z < 1,23) =
= P(0 < Z < 1,23) - P(0 < Z < 0,8) =
= 0,3907 - 0,2881 = 0,1026 = 10,26%

22
 Tabela da Distribuição Normal Padrão
Exemplo:

Encontrar P(Z < 0,92).

P( Z < 0,92) =
= 0,5 + P(0 < Z < 0,92) =
= 0,5 + 0,3212 = 0,8212 = 82,12%

23
 Tabela da Distribuição Normal Padrão
Exemplo:

Encontrar P(Z > k) = 0,3015

Encontrar z dado que o valor de área acumulada
é 0,3015. Temos que verificar o valor de área
acumulada entre (0, k) então temos que fazer:
0,5 – 0,3015 = 0,1985
Procurar este valor dentro da tabela. K = 0,52

24
 Tabela da Distribuição Normal Padrão
Regra:

Procurar dentro da tabela o valor de área acumulada.

• Encontrando o valor verifique qual é o valor do escore padrão z que

representa o valor de área acumulada.
• Se não encontrar o valor pegar o valor do escore padrão z com valor de
área acumulada mais próxima da área esperada;
• Se existir mais de um escore padrão com a mesma distância do valor de
área esperada determinar a média entre os escores padrão que possuem a
mesma distância.

25
 Tabela da Distribuição Normal Padrão
Exemplo:

Encontrar P(k < Z < -0,18)= 0,4197

Encontrar o valor de área
acumulada entre (-0,18, 0) e somar
com 0,4197 para encontrar o valor
total de área para determinar k.
= 0,4197 + 0,0714 = 0,4911
Na tabela temos
k = - 2,37

26
 Tabela da Distribuição Normal Padrão
Exemplo:

Dado que X tem um distribuição normal com μ = 300 e σ = 50, encontre a

probabilidade que X assume valores maior que 362.

27
 Tabela da Distribuição Normal Padrão
Exemplo: μ = 300 , σ = 50
P(x > 362) = ?

P(x > 362) = P(z > 1,24)

P(x > 362) = P(z > 1,24) = 0,5 - 0,3925 = 0,1075

28
 Tabela da Distribuição Normal Padrão
Exemplo:

O tempo gasto no exame vestibular de uma universidade tem distribuição

normal com média 120 minutos e desvio padrão 15 minutos.

a) Sorteando-se um aluno ao acaso, qual é probabilidade dele terminar o

exame antes de 100 minutos?
μ = 120 , σ = 15 P(x < 100) = ?

P(x < 100) = P(z < -1,33) = 0,5 - 0,4082 = 0,0918

29
 Tabela da Distribuição Normal Padrão
Exemplo:

b) Qual deve ser o tempo de prova de modo que permita o 95% dos
vestibulandos terminem no prazo estipulado?

P(x < k) = 0,95

30
 Tabela da Distribuição Normal Padrão
Primeiro devemos verificar o valor de
área entre (0, k). Então 0,95 - 0,5 = 0,45

Procurar 0,45 de área acumulada.

Observe que existem dois valores
próximos, z1 = 1,64 e z2 = 1,65. Então
devemos determinar a média

z = (1,64 + 1,65)/2 = 1,645

31
 Tabela da Distribuição Normal Padrão
Temos que:

então

= 144,675

O tempo de prova deverá ser de 144,675 minutos.

32
 Aproximação da Binomial pela Normal
Podemos utilizar a distribuição normal que é uma distribuição contínua para
aproximar a distribuição binomial que é uma distribuição discreta.

• A ideia é utilizar a distribuição normal para aproximar a distribuição binomial

quando n (número de repetições do experimento), for grande e p (ou q)
(probabilidade de sucesso) for pequena ou estar próxima de 0,5.

• Para observar esta relação entre n e p na distribuição binomial tomemos

uma análise para duas situações:

1. p = 0,5 e q = 0,5;

2. p = 0,2 e q = 0,8;

variando o número de repetições do experimento.

33
 Aproximação da Binomial pela Normal
n=1 p = 0,5, q = 0,5
0,6
0,5
x p(x) 0,4
0,3
0 0,5 0,2
0,1
1 0,5 0
0 0,2 0,4 0,6 0,8 1 1,2

p = 0,2, q = 0,8
1
0,8
0,6
x p(x) 0,4
0 0,8 0,2
0
1 0,2 0 0,2 0,4 0,6 0,8 1 1,2

34
 Aproximação da Binomial pela Normal
n = 10 p = 0,5, q = 0,5

x p(x)
0 0,00097656
0,3
1 0,00976563 0,25
2 0,04394531 0,2
3 0,1171875 0,15
4 0,20507813 0,1
5 0,24609375 0,05
6 0,20507813 0
7 0,1171875 0 2 4 6 8 10 12

8 0,04394531
9 0,00976563
10 0,00097656

35
 Aproximação da Binomial pela Normal
n = 10 p = 0,2, q = 0,8

x p(x)
0 0,10737418
0,35
1 0,26843546
0,3
2 0,30198989 0,25
3 0,20132659 0,2
4 0,08808038 0,15

5 0,02642412 0,1

6 0,00550502 0,05
0
7 0,00078643 0 2 4 6 8 10 12
8 7,3728E-05
9 4,096E-06
10 1,024E-07

36
Aproximação da Binomial pela Normal

Profa. Mara Lúcia Martins Lopes 37

 Aproximação da Binomial pela Normal
Observe que quando p = 0,5 e q = 0,5 para n = 10 já podemos ver a
normalidade da distribuição, mas para p = 0,2 e q = 0,8 temos que a
distribuição tem o comportamento assimétrico à direita (positivo). O mesmo irá
acontecer se p = 0,8 e q = 0,2 porém a assimetria será à esquerda (negativa).

Mas ao passo que n aumento, ou seja, para n = 50 pode-se observar que a

distribuição que antes era assimétrica (p = 0,2 e q = 0,8) se tornou simétrica.

Portanto, quando o número de repetições do experimento é grande a

distribuição do conjunto de dados torna-se simétrica. Se observarmos
podemos notar que a simetria acontece quando é satisfeita a seguinte
condição
np ≥ 5 e n(1 − p) ≥ 5

38
 Aproximação da Binomial pela Normal
Então, uma boa aproximação da distribuição binomial pela distribuição normal
ocorre somente quando
np ≥ 5 e n(1 − p) ≥ 5
No qual a distribuição normal terá as seguintes características:

sendo que p é a probabilidade de sucesso, q é a probabilidade de fracasso e n

é a quantidade de repetições do experimento na distribuição binomial.

39
 Aproximação da Binomial pela Normal
A distribuição binomial pode ser representada pelo histograma de
probabilidade e os valores de probabilidade são calculados através das áreas
do retângulos representados no histograma.

40
 Correção pela Continuidade
Observe que para determinar a probabilidade na distribuição binomial
no ponto x = c, ele corresponde a área no histograma da distribuição
binomial. Se aproximarmos a distribuição binomial pela distribuição
normal é necessário que a mesma área seja representada na curva
normal.

Desta forma, temos que identificar os valores que a variável aleatória

x = c deverá assumir para ter a representação da área na distribuição
normal.

Este processo é denominado CORREÇÃO PELA CONTINUIDADE que

consiste mover 0,5 unidade para a esquerda e direita do ponto médio
para incluir todos os possíveis valores x no intervalo

41
Correção pela Continuidade

42
 Aproximação da Binomial pela Normal
Exemplo: Estudo do Sindicato de Bancários indica que cerca de 30% dos
funcionários de banco têm problemas de estresse, provenientes das condições
de trabalho. Numa amostra de 200 bancários, qual seria a probabilidade de
pelo menos 50 com essa doença?

A variável aleatória x: quantidade de funcionários com estresse (discreta)

p = 0,30, q = 0,70 e n = 200 (distribuição binomial)

P( x ≥ 50) = ?

Vamos verificar se a distribuição binomial pode ser aproximada pela curva

normal com variável aleatória y, então

np = 200*0,30 = 60 > 5 e nq = 200*0,70 = 140 > 5 (aproximação curva normal)

43
 Aproximação da Binomial pela Normal
 = np = 200*0,30 = 60

=

P( x ≥ 50) = ? P( x ≥ 50) = P(y ≥ 49,5)

50 60 y
50 60 x

44
 Aproximação da Binomial pela Normal
Observe que a área na curva normal se inicia antes da variável assumir o valor
de 50. Logo temos que efetuar a correção de 0,5 para o valor de 50 para limitar
a área da curva normal. Logo temos 50 – 0,5 = 49,5.

P( x ≥ 50) = P(y ≥ 49,5) = P(z ≥ -1,62) = 0,5 + 0,4474 = 0,9474

45
 Aproximação da Binomial pela Normal
Exemplo: Suponhamos que 5% dos tijolos crus despachados por um
fabricante apresentem ligeiros defeitos. Use a aproximação normal da
distribuição binomial, caso seja possível, para aproximar a probabilidade de
que dentre 150 tijolos crus despachados pelo fabricante, no máximo nove
apresentem ligeiros defeitos.

A variável aleatória x: quantidade de tijolos crus com defeito (discreta)

p = 0,05, q = 0,95 e n = 150 (distribuição binomial)

P( x ≤ 9) = ?

Vamos verificar se a distribuição binomial pode ser aproximada pela curva

normal com variável aleatória y, então

np=150*0,05 = 7,5 > 5 e nq=50*0,95 = 142,5 > 5 (aproximação curva normal)

46
 Aproximação da Binomial pela Normal
 = np = 150*0,05 = 7,5

=

P( x ≤ 9) = ? P( x ≤ 9) = P(y ≤ 9,5)

7,5 9,0 y
7,5 9,0 x

47
 Aproximação da Binomial pela Normal
Observe que a área na curva normal se inicia depois da variável assumir o
valor de 9. Logo temos que efetuar a correção de 0,5 para o valor de 950 para
limitar a área da curva normal. Logo temos 9 + 0,5 = 9,5.

P( x ≤ 9) = P(y ≤ 9,5) = P(z ≤ 0,75) = 0,5 + 0,2734 = 0,7734

48