ESTATSTICA INFERENCIAL OU INDUTIVA

DISTRIBUIES DE PROBABILIDADE







PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 2

DISTRIBUIES DE PROBABILIDADE

Neste captulo vamos dar continuidade ao estudo de probabilidades, introduzindo os conceitos de variveis
aleatrias e de distribuies de probabilidade.

VARIVEIS ALEATRIAS

A varivel aleatria (v.a) uma varivel que tem um valor nico (determinado aleatoriamente) para cada
resultado de um experimento. Uma varivel aleatria associa um valor numrico a cada resultado de um
fenmeno aleatrio. Como exemplos, podemos citar:

- o nmero de usurios que consultam um site de busca, em um certo tempo do dia,
- o nmero de atletas com leses traumticas no joelho,
- o nmero de ovos de codorna incubados durante um perodo, o tempo de uso de uma mquina agrcola,
- a presso sangunea de mulheres na menopausa, dentre outros.
- nmero de alunos que no compareceram a aula de estatstica num determinado dia.
- altura de um adulto do sexo masculino selecionado aleatoriamente

Muitas vezes no estamos interessados propriamente no resultado de um experimento aleatrio, mas em alguma
caracterstica numrica a ele associada. Essa caracterstica chamada varivel aleatria. Suponhamos um
espao amostral S e que a cada ponto amostral seja atribudo um nmero. Fica, ento, definida uma funo
chamada varivel aleatria.

S Nmero associado ao ponto amostral s



Exemplo - O espao amostral relativo ao "lanamento simultneo de duas moedas" S = {(ca,ca), (ca,co),
(co,ca), (co,co)} e se X representa o "nmero de caras" que aparecem, a cada ponto amostral podemos
associar um nmero para X, de acordo com o grfico. (X a varivel aleatria associada ao nmero de caras
observado)
S X = nmero de caras obtido





- O resultado zero caras ocorre somente uma vez.
- O resultado 1 cara ocorre duas vezes.
- O resultado 2 caras ocorre uma vezes

NOTA - A varivel aleatria X uma associao de pontos no espao amostral com pontos na reta dos
nmeros reais (0, 1, 2, 3, . . . ). Na realidade, uma varivel aleatria definida atravs de uma funo em que o
domnio o conjunto de todos os resultados possveis do experimento (conjunto S) e a imagem o conjunto de
(ca, ca)
(ca, co)
(co, ca)
(co, co)
2
1
1
0

s

X(s)
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 3

todos os valores assumidos pela varivel aleatria (conjunto X). Note que a varivel aleatria no resultado do
experimento, mas sim um valor associado a este.
Podemos colocar os resultados do experimento anterior em forma de tabela.
Ponto Amostral
X = Nmero de caras.
(Valor da v.a.)
(ca,ca) 2
(ca,co) 1
(co,ca) 1
(co,co) 0

Uma varivel aleatria pode ser classificada como varivel aleatria discreta ou varivel aleatria contnua.

- Varivel aleatria discreta: aquela que assume valores inteiros e finitos. Uma varivel aleatria
discreta tem uma quantidade enumervel de valores, onde enumervel se refere ao fato de que podem
existir infinitos valores, mas que podem ser associados a um processo de contagem. No exemplo
anterior, X uma varivel aleatria discreta, j que podemos contar o nmero de caras.

Exemplos

Nmero de acidentes ocorridos em uma semana.
Nmero de defeitos por pea produzida.
Nmero de vitrias obtidas por um atleta.
Nmero de filhos do sexo masculino por casal.

- Varivel aleatria contnua: aquela que pode assumir inmeros valores num intervalo de nmeros
reais e medida numa escala contnua.

Exemplos

Temperatura ( C),
Peso.
Altura.

Outros exemplos

Seja X a resposta a uma questo com Sim, No, No Sei. X no uma v.a, pois so variveis
qualitativas.
Seja Y o nmero de Sim. Y uma v.a. discreta, pois podemos contar.

DISTRIBUIO DE PROBABILIDADE

A distribuio de probabilidade de uma varivel descreve como as probabilidades esto distribudas sobre os
valores da varivel aleatria. Uma distribuio de probabilidade associa cada valor que a v.a pode assumir, com
suas respectivas probabilidades.

Numa definio mais formal:

Seja X uma varivel aleatria que pode assumir os valores
n
x x x , , ,
2 1
. A cada valor
i
x correspondem pontos
do espao amostral. Associamos, ento, a cada valor
i
x

a probabilidade
i
p de ocorrncia de tais pontos no
espao amostral.

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 4

Uma Distribuio de Probabilidade uma lista de todos os resultados de um experimento e suas
probabilidades associadas.

Exemplo Lanamento de duas moedas, com X a varivel aleatria associada ao nmero de caras
observado.
- S = {(ca, ca), (ca, co), (co, ca), (co, co)}
- X = nmero de caras observado.

X = 0 corresponde ao evento (co,co) com probabilidade
4
1

X = 1 corresponde ao evento (ca, co), (co, ca) com probabilidade
4
2

X = 2 corresponde ao evento {(ca, ca) com probabilidade
4
1


X = nmero de caras P(X) = probabilidade associada









Em forma de tabela.

X = Nmero de caras
(Valor da v.a.)
P(X)
0 1/4
1 2/4
2 1/4
TOTAL 1

FUNO DE PROBABILIDADE

De forma mais rigorosa, uma funo matemtica em que o domnio os valores possveis de uma varivel
aleatria (
n
x x x , , ,
2 1
) e a imagem so as suas probabilidades associadas ( ) ( , ), ( ), (
2 1 n
x p x p x p ).

Essa funo, assim definida, denominada FUNO PROBABILIDADE e denotamos por





A funo P(
i
x ) ser uma funo de probabilidade se satisfizer as seguintes condies:
(1) P(
i
x ) >0, para todo
i
x
(2)

=1 ) (
i
x P



0
1
2

1/4
2/4
1/4
0
f(x) = P(X =
i
x ) ou P(
i
x ) ou
i
p

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 5

GRFICO DE UMA FUNO DE PROBABILIDADE

A coleo de pares ordenados (
i
x , P(
i
x )), i = 1, 2, 3, .... , n, denominamos distribuio de probabilidade da v.a
X, que pode ser representada por meio de tabelas e grficos.

Exemplo - Consideremos a distribuio de freqncias relativa ao nmero de acidentes dirios na EPTG
durante o ms de janeiro, de 12:00 as 14:00.

Nmero de Acidentes Frequncia
0 22
1 5
2 2
3 1
TOTAL 30
Podemos ento escrever a tabela de distribuio de probabilidade:
Nmero de Acidentes Freqncia P(X)
0 22 22/30 = 0,73
1 5 5/ 30 = 0,17
2 2 2/30 = 0,07
3 1 1/30 = 0,03
Total 30 1,00

Em um dia, a probabilidade de:
- No ocorrer acidentes de 0,73.
- Ocorrer um acidente de 0,17.
- Ocorrerem dois acidentes de 0,07.
- Ocorrerem trs acidentes de 0,03.

GRFICO
.



22/30
5/30
2/30
1/30
0 1 2 3
P
r
o
b
a
b
i
l
i
d
a
d
e

Nmero de acidentes
P(x)
x
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 6

DISTRIBUIES DISCRETAS DE PROBABILIDADE

Definio 1 Uma distribuio discreta de probabilidade enumera cada valor que a v.a pode assumir, ao lado
de sua probabilidade.

A cada valor de uma varivel aleatria discreta pode ser atribuda uma probabilidade. Ao aumentar cada valor
da varivel aleatria com a sua probabilidade correspondente, forma-se uma distribuio discreta de
probabilidade.

As distribuies discretas de probabilidades envolvem variveis relativas a dados que podem ser contados.

Dentre as distribuies discretas de probabilidade, destacamos.

- Distribuio Binomial
- Distribuio Multinomial
- Distribuio de Poisson
- Distribuio de Bernoulli
- Distribuio Geomtrica
- Distribuio Hipergeomtrica

Faremos apenas uma breve introduo da distribuio binomial. As outras distribuies ficam como pesquisa
para aqueles que desejam aprofundar mais nos tipos de distribuies discretas de probabilidade.

DISTRIBUIO BINOMIAL

A distribuio binomial caracteriza-se por experimentos que apresentam apenas dois resultados: sucesso ou
fracasso.

Exemplos de distribuies binomiais
- Cara ou coroa
- Sim ou no
- Positivo ou negativo
- Empregado ou desempregado
- Fator Rh, etc

A distribuio binomial tem as seguintes caractersticas:

- Considere um experimento que apresenta apenas dois resultados possveis que so categorias
mutuamente exclusivas: sucesso ou fracasso.
- So repetidos diversas vezes este mesmo experimento.
- A probabilidade p de sucesso permanece constante para cada tentativa. Conseqentemente, a
probabilidade q de falha tambm permanece constante.
- As tentativas so independentes, significando que o resultado de uma tentativa no afeta o resultado de
qualquer outra tentativa.

FRMULA PARA A DISTRIBUIO DE PROBABILIDADE BINOMIAL

Suponhamos que realizamos um mesmo experimento n vezes, sucessivamente e independentes. A
probabilidade de que um evento se realize k vezes nas provas dada pela funo





onde,
k n k
q p
k
n
k X P


|
|
.
|

\
|
= = ) (

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 7

- n o nmero de tentativas
- k o nmero de sucessos observados
- p a probabilidade de sucesso em cada tentativa
- q a probabilidade de falha em cada tentativa, que igual a 1- p

O termo
)! ( !
!
k n k
n
k
n

=
|
|
.
|

\
|
, e chamado de termo binomial. Por isso distribuio binomial.


- n! L-se n fatorial.
- Por exemplo, 4! = 4 x 3 x 2 x 1 = 24.
- 0! = 1
- 1! = 1.

Exemplo - O Departamento de Estatstica do Trabalho de um municpio estimou que 20% da populao esto
desempregadas. Uma amostra de 14 trabalhadores obtida deste municpio. Calcule a probabilidade de:

(a) trs trabalhadores estarem desempregados na amostra.
(b) no mnimo um dos trabalhadores da amostra est desempregado.
(c) no mximo dois dos trabalhadores estarem desempregados.

-Soluo-

Dados: n = 14 e p = 20% = 0,2. Neste caso, q = 1 p = 1- 0,2 = 0,8.

(a) trs trabalhadores estarem desempregados na amostra.

250 , 0 8 , 0 2 , 0
)! 3 14 ( ! 3
! 14
) 3 (
3 14 3
=

= =

X P

(b) no mnimo um dos trabalhadores da amostra est desempregado.

Neste caso, temos que subtrair a probabilidade do fracasso, ou seja, de se ter 0 desempregado. Ou seja,

) 0 ( 1 ) 1 ( = = > X P X P

044 , 0 8 , 0 2 , 0
)! 0 14 ( ! 0
! 14
) 0 (
0 14 0
=

= =

X P

956 , 0 044 , 0 1 ) 0 ( 1 ) 1 ( = = = = > X P X P

(c) no mximo dois dos trabalhadores estarem desempregados.

Neste caso, P(x s

2) = P(x = 0) + P(x = 1) + P(x = 2). Como j temos P(x = 0) no item b, precisamos
apenas de P(x = 1) e P(x = 2).

250 , 0 8 , 0 2 , 0
)! 1 14 ( ! 1
! 14
) 1 (
1 14 1
=

= =

X P
154 , 0 8 , 0 2 , 0
)! 2 14 ( ! 2
! 14
) 2 (
2 14 2
=

= =

X P
Logo,

448 , 0 250 , 0 154 , 0 044 , 0 ) 2 ( = + + = s X P
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 8

PARAMETROS x ESTATSTICAS

- Parmetros: so medidas populacionais quando se investiga a populao em sua totalidade, neste caso
impossvel fazer inferncias, pois toda a populao foi investigada.

- Estatsticas ou Estimadores: so medidas obtidas da amostra, torna-se possvel neste caso utilizarmos as
teorias inferncias para que possamos fazer concluses sobre a populao.


PARAMETROS PARA UMA DISTRIBUIO BINOMIAL

MDIA E VARINCIA DE DISTRIBUIO BINOMIAL

A mdia (mi) de uma distribuio binomial dada pela frmula:




e a varincia
2
o (sigma ao quadrado) dada pela frmula:



onde

- p = probabilidade do sucesso
- q = probabilidade do fracasso
- n = numero de experimentos

Exemplo: Para calcular a mdia e varincia de ocorrncia de cara em 100 lanamentos de uma moeda,

= n.p = 100 . = 50 caras

2
o = n.p.q = 100 . . = 25

EXERCCIOS

1- Uma moeda jogada 10 vezes. Calcule a probabilidade

(a) de dar pelo menos duas caras; R: 98,93%
(b) de ocorrer seis caras; R: 20,51%
(c) de no dar nenhuma coroa; R: 0,098%
(d) de dar pelo menos uma coroa; R: 99,90%
(e) de no dar 5 caras e 5 coroas R: 75,39%

2- Admitindo que o nascimento de meninos e meninas sejam iguais, calcule a probabilidade de um casal com
seis filhos ter quatro filhos homens e duas mulheres. R: 23,44%

3- Admitindo que X tem distribuio de probabilidade de Poisson, encontre as probabilidades:
= n.p


2
o = n.p.q


PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 9

(a) P(X=5) quando = 3,0 R: 10,08%
(b) P(X 2) quando = 5,5) R: 8,84%
(c) P(X 4) quando = 7,5) R: 5,91%
(d) P(X = 8) quando = 4,0 R: 2,98%

4- Sabe-se que 20% dos animais submetidos a certo tratamento sobrevivem. Se esse tratamento foi aplicado em
20 animais e se X o nmero no sobreviventes.
(a) Qual a distribuio de X?
(a) Calcular e o . R: = 4
o
= 1,79

5- Uma loja atende, em mdia, dois clientes por hora. Calcule a probabilidade de em uma hora:
(a) atender exatamente dois clientes. R: 27%
(b) atender trs clientes. R: 18%

DISTRIBUIES CONTNUAS DE PROBABILIDADE

Dentre as distribuies contnuas de probabilidade, destacamos:

- Distribuio Uniforme ou Retangular
- Distribuio Exponencial
- Distribuio Normal ou Gaussiana
- Distribuio
2
_
- Distribuio t de Student
- Distribuio de Snedecor

Estudaremos nesta seo apenas a distribuio normal ou gaussiana, por ser uma das mais importantes
distribuies estatsticas. Em sees adiante, estudaremos a distribuio
2
_ e t de Student. As outras
distribuies ficam como pesquisa para aqueles que se interessarem.

DISTRIBUIO NORMAL OU GAUSSIANA

Dentre as distribuies de varivel aleatria contnua, a mais importante (e mais utilizada na prtica) a
distribuio normal. Geralmente citada como curva normal ou curva de Gauss.

A Distribuio Normal essencialmente importante na estatstica por quatro razes principais:

1- Inmeros fenmenos contnuos observados na natureza apresentam uma distribuio de probabilidade
aproximadamente bem comportada (aproximadamente normal) ou podem ser aproximados por meio
dela. Por exemplo, variveis que seguem a distribuio normal ou gaussiana:

- valores da hemoglobina em pacientes sadios,
- presso arterial sistlica,
- temperatura corporal,
- altura,
- medidas de testes psicolgicos,
- tempo de vida til de um dispositivo eletrnico, etc.

2- Podemos utiliz-la para aproximar vrias distribuies de probabilidade discretas.

3- Ela oferece a base para a inferncia estatstica clssica, devido sua afinidade com o teorema do limite
central (ser estudado mais a frente).

4- Outra razo da importncia do modelo normal que as distribuies amostrais de estatsticas como
mdias e propores, podem ser aproximadas pela distribuio normal, isto muito importante para o
estudo de inferncia estatstica.
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 10

PRINCIPAIS CARACTERSTICAS DA DISTRIBUIO NORMAL

A mdia, mediana e a moda so iguais e localizadas no pico da distribuio.
A curva normal tem formato de sino, unimodal no centro exato da distribuio e simtrica em
relao a sua mdia.
Ela assinttica a curva aproxima-se cada vez mais do eixo x, medida que se afasta da mdia em
ambos os lados, mas nunca toca efetivamente o eixo.
A varivel pode assumir qualquer valor real.
A rea total sob a curva vale 100% ou 1, onde 50% da rea est abaixo da mdia e 50% acima da
mdia.
Os valores maiores e menores que a mdia ocorrem com igual probabilidade, isto , ambas as
probabilidades so iguais a 0,5. Escrevemos: P(X > mdia) = P(X < mdia) = 0,5
Os valores centrais so mais freqentes e os valores extremos mais raros. Ou seja, devido forma da
curva, h poucos resultados muito baixos e poucos resultados muito elevados (a curva cai nos
extremos esquerdo e direito, o que se deve s baixas freqncias encontradas), enquanto a maioria dos
resultados encontra-se junto mdia.

Figura 1 Caractersticas de uma Distribuio Normal

As distribuies normais foram descobertas no sculo XVII, pelo matemtico francs Abraham De Moivre,
quando deu seqncia aos trabalhos dos matemticos suos Jacob Bernoulli (Lei dos grandes nmeros) e de
seu sobrinho Nicolaus Bernoulli. Em 1783, outro matemtico, Laplace, utilizou a idia para descrever a
distribuio dos erros, e Gauss a empregou para analisar dados astronmicos, em 1809. Gauss e outros
cientistas observaram que mensuraes repetidas de uma mesma quantidade (como a distncia da Lua ou a
massa de um objeto) tendiam a variar, e quando se coletava grande nmero dessas mensuraes, dispondo-as
numa distribuio de freqncia, elas se apresentavam repetidamente com forma anloga Figura 2. E como
essa forma grfica vinha associada aos erros de mensurao, esta distribuio comeou a ser conhecida como
distribuio normal dos erros, ou simplesmente distribuio normal.

Figura 2 Distribuio normal
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 11

A CURVA NORMAL

Se X for uma varivel aleatria contnua e tiver uma distribuio normal com

- Mdia = (l-se mi) e
- Desvio padro = o (l-se sigma),

pode-se construir o grfico de uma curva normal usando a seguinte funo, chamada funo densidade de
probabilidade f.d.p:


(I)


onde,
- + < < x
- = mdia da distribuio (valor esperado)
- o = desvio padro
- = (PI) = 3,1416 ....
- e = 2,7182 ....

Observe que, como o exponencial e = 2,7182 .... e = (pi) so constantes, uma curva normal depende
completamente dos parmetros e o . Ou seja, cada distribuio normal fica determinado pelos seus
parmetros mdia e desvio padro, respectivamente. A notao de uma distribuio normal expressa da
seguinte maneira:




- L-se: a varivel aleatria X tem distribuio normal com mdia e desvio padro o .

Figura 3 Curva de uma distribuio normal

Uma distribuio normal pode ter qualquer mdia e qualquer desvio padro. Podem ter mdias diferentes
(Figura 4), desvios padro diferentes (Figura 5) ou ambas as coisas. Isso acontece porque a curva normal
trabalha diretamente com as variveis originais X e os seus parmetros da distribuio.

2
2
1
2
1
) (
|
.
|

\
|

=
o

t o
x
e X f

X ~ N( ;o )


PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 12


Figura 4 Populaes normais com mdias diferentes e mesmo desvio padro

Figura 5 Populaes normais com desvios padro diferentes e mesma mdia.

Assim, cada par de parmetros (, ) define uma distribuio normal distinta, determinando completamente o
aspecto da curva normal. A mdia d a localizao do eixo de simetria e o desvio padro descreve quanto os
dados se espalham em torno da mdia. Portanto, a cada mudana em pelo menos um dos parmetros, temos
outra distribuio

Exemplo 1 - A figura mostra as curvas de densidade para alturas de mulheres e homens adultos nos EUA.

PROBABILIDADE DE UMA VARIVEL ALEATRIA SOB A CURVA NORMAL

Quando temos em mos uma varivel aleatria com distribuio normal, nosso principal interesse obter a
probabilidade dessa varivel aleatria assumir um valor em um determinado intervalo, por exemplo, no
intervalo (a, b), isto
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 13

P(a < X < b)


Exemplo 2 - Seja X a varivel aleatria que representa os QI,s de candidatos a uma vaga de emprego. Vamos
supor que essa varivel tenha distribuio normal com mdia = 100 e desvio padro = 12.

Pode haver interesse em conhecer a probabilidade de um candidato escolhido ao acaso ter um QI com valor
entre
- 70 e 115 P(a < X < b) = P(70 < X < 115)
- ou maior que 115 P(X > b) = P(X > 115)
- ou menor que 70 P(X < a) = P(X < 70)
- 100 e 115 P(a < X < b) = P(100 < X < 115)
- 70 e 100 P(a < X < b) = P(70 < X < 100)
- 110 e 140 P(a < X < b) = P(110 < X < 140)
- Etc.

Na prtica, interessam-nos probabilidades associadas a intervalos e no probabilidades associadas a pontos
individuais, como estudamos em probabilidade para variveis discretas, j que estamos trabalhando com
variveis que podem assumir qualquer valor real.

O modelo probabilstico para a distribuio de probabilidade de uma varivel aleatria contnua envolve a
escolha de uma curva normal, denominada funo densidade de probabilidade (f.d.p) (Funo I). As
densidades de probabilidade se caracterizam pelo fato de que:

A rea sob a curva entre dois valores quaisquer a e b, d a probabilidade de uma varivel aleatria assumir
um valor no intervalo que vai de a at b.

Vejamos como calcular esta probabilidade.

CLCULO DA PROBABILIDADE PARA A VARIVEL ALEATRIA X

A probabilidade de uma varivel aleatria, com essa distribuio contnua, assumir um valor no intervalo de a a
b, isto , P(a < X < b), calculado pela f.d.p f(x). Mas aqui surgi um problema:

O clculo direto dessa probabilidade pela f.d.p exige um conhecimento de matemtica mais avanado do
que aquele que dispomos aqui. Mais precisamente, o conhecimento de Clculo Diferencial e Integral,
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 14

que geralmente estudado em cursos de Cincias Exatas (Matemtica, Fsica, Engenharias, etc). Sendo
assim, a utilizao da f.d.p para clculo de probabilidade no recomendado.

A fim de ultrapassar este inconveniente, Gauss inicialmente estudou esta funo de distribuio e desenvolveu
uma metodologia que reduz qualquer caso a um caso nico, de qualquer que seja a funo de distribuio
normal, caracterizada por e . Esta estandardizao da varivel aleatria X transforma qualquer funo de
distribuio normal N (, ) numa nica funo de distribuio normal, chamada distribuio normal padro.

DISTRIBUIO NORMAL PADRO

Esta transformao de qualquer funo de distribuio normal N(,) numa nica funo de distribuio
normal caracterizada por ter sempre

- mdia = 0 e
- desvio padro = 1,

Gauss padronizou qualquer varivel aleatria X, com distribuio Normal, construindo uma nova escala de
medidas para as variveis aleatrias X atravs da transformao linear:






Ou seja, Gauss conseguiu, com a frmula acima, uma mudana de varivel, transformando a v.a X na v.a Z.

Portanto, se X ~ N( ;o ) ento



definindo assim a funo de distribuio normal reduzida ou padronizada. A letra Z representa a varivel X
padronizada.

Assim, a
P(a < X < b) = P(
1
z < Z <
2
z )
onde
-
1
z a varivel normal padronizada referente a x = a, e
-
2
z a varivel normal padronizada referente a x = b.

A vantagem de se trabalhar com esta curva normal padronizada consiste em que alguns parmetros j esto
automaticamente definidos para qualquer escala de medida que utiliza-se, pois a mdia sempre zero e a
varincia sempre 1. Alm disso, existem tabelas construdas para essa curva que mostram quanto por cento da
populao se encontra dentro da faixa z, no havendo necessidade de serem calculadas.

o

=
X
Z

Z ~ N( 0 = ; 1 = o )


PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 15

A escala reduzida, escala Z ou escore Z, mede o afastamento das variveis em relao mdia em nmero de
desvios-padro.

USO DE TABELAS DE DISTRIBUIO NORMAL PADRO

Como mencionado anteriormente, as probabilidades associadas distribuio normal padronizadas so
encontradas em tabelas, no havendo necessidade de serem calculadas.

H vrios tipos de tabelas que traz as probabilidades sob a curva normal padro. O tipo mais comum a Tabela
de Faixa Central, que fornece a probabilidade de uma varivel est entre a mdia e qualquer outro valor,
acima da mdia, como a Tabela I, na ltima pgina desta apostila. Consultando alguns livros voc poder outras
tabelas.

A Tabela I uma tabela de distribuio normal reduzida que nos d a probabilidade de Z tomar qualquer valor
entre a mdia = 0 e um dado valor positivo Z, isto

P(0 < Z <z )


A simetria em torno de = 0 permite obter a probabilidade entre quaisquer valores de Z (negativos ou
positivos)

Exemplo 3 - Considere o exemplo 2, dado anteriormente, onde X a varivel aleatria que representa os QI,s
de candidatos a uma vaga de emprego, com mdia = 100 e desvio padro = 15.

Vamos calcular a probabilidade de um candidato escolhido ao acaso ter um QI

(a) Entre 100 e 115, isto , P(100 < X < 115)

1 PASSO Padronizar as variveis aleatrias X = 100 e X = 115.

- Para X = 100 0
12
100 100
=

=
o
X
Z
- Para X = 115 25 , 1
12
100 115
=

=
o
X
Z

Logo, a P(100 < X < 115) = P(0 < Z < 1,25).

Um valor de Z = 1,25 indica que o valor X = 115 est localizado a 1,25 desvios padro acima da mdia
= 100.


PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 16


2 PASSO Verificar na Tabela I o valor da probabilidade para Z = 1,25.

Na 1 coluna encontramos o valor 1,2. Em seguida, encontramos na 1 linha, o valor 0,05, que corresponde ao
ltimo valor de 1,25. Na interseo da linha e coluna correspondentes encontramos o valor 0,3944.

Logo,
P(0 < Z < 1,25) = 0,3944

Assim, a probabilidade de um candidato escolhido ao acaso ter QI entre 100 e115 0,3844 ou 39,44%, ou seja,

P(100 < X < 115) = 0,3844 ou 39,44%

(b) maior que 115, isto , P(X > 115)

1 PASSO Padronizar a varivel aleatria X = 115.

A varivel X = 115 j foi padronizada no item (a). Vale Z = 1,25.


Logo, a P(X > 115) = P(Z > 1,25).

2 PASSO Verificar na tabela I o valor da probabilidade para Z = 1,25.

Aqui uma observao importante na leitura da Tabela de distribuio normal padronizada. A tabela I fornece a
probabilidade entre a mdia = 0 e qualquer valor Z positivo, como no item (a). Mas aqui, queremos uma
probabilidade acima deste valor Z positivo, ou seja, acima de Z = 1,25, como no grfico acima. A tabela I no
fornece este valor. Mas, voltando nas principais caractersticas da distribuio normal, temos que:

A rea total sob a curva vale 100% ou 1, onde 50% da rea est abaixo da mdia = 0 e 50% acima
da mdia = 0.

Portanto, a probabilidade de Z ser maior que zero 0,5, ou seja, P(Z > 0) = 0,5.

Assim, podemos subtrair a probabilidade para Z entre 0 e 1,25 (calculado no item (a)) de 0,5, e obtemos assim a
probabilidade para Z maior que 1,25. Ou seja:

P(Z > 1,25) = P(Z > 0) - P(0 < Z < 1,25)
P(Z > 1,25) = 0,5 0,3944
P(Z > 1,25) = 0,1056

Assim, a probabilidade de um candidato escolhido ao acaso ter QI acima de 115 0,1056 ou 10,56%.

(c) Entre 70 e 100, ou seja, P(70 < X < 100).

1 PASSO Padronizar as variveis aleatrias X = 70 e X = 100.

- Para X = 100 Z = 0, padronizada no item (a).

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 17

- Para X = 70 5 , 2
12
100 70
=

=
o
X
Z


Logo, a P(70 < X < 100) = P(-2,5 < Z < 0).
Um valor de Z = -2,5 indica que o valor X = 70 est localizado a 2,5 desvios padro abaixo da mdia
= 100.

2 PASSO Verificar na tabela I o valor da probabilidade para Z = -2,5.

Aqui mais uma observao importante na leitura da Tabela de distribuio normal padronizada. A tabela I
fornece a probabilidade entre a mdia = 0 e qualquer valor Z positivo. Mas aqui, temos um valor de Z
negativo. Mas, como mencionado anteriormente, a simetria em torno de = 0 permite obter a probabilidade
entre quaisquer valores de Z negativos ou positivos. Sendo assim, por essa simetria, o valor da probabilidade
para quaisquer valores de Z entre -2,5 e a mdia = 0 a mesma entre a mdia = 0 e Z = 2,5, ou seja,

P(-2,5 < Z < 0) = P(0 < Z < 2,5)

Logo, na 1 coluna encontramos o valor 2,5. Em seguida, encontramos na 1 linha, o valor 0,00. Na interseo
da linha e coluna correspondentes encontramos o valor 0,4938. Ou seja,

P(-2,5 < Z < 0) = 0,4938

Assim, a probabilidade de um candidato escolhido ao acaso ter QI entre 70 e 100 0,4938 ou 49,38%, isto ,

P(70 < X < 100) = 0,4938 ou 49,38%

(d) menor que 70, ou seja, P(X < 70)

1 PASSO Padronizar a varivel aleatria X = 70.

Padronizada no item (c). Vale Z = -2,5.



Logo, a P(X < 70) = P(Z < -2,5)
2 PASSO Verificar na tabela I o valor da probabilidade para Z = -2,5.

Aqui temos que proceder como nos itens (b) e (c), pois a Tabela I fornece a probabilidade para Z entre -2,5 e
mdia = 0 (por simetria, entre = 0 e 2,5) e aqui queremos a probabilidade para Z menor que -2,5 (por
simetria, maior que 2,5).

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 18

Assim, temos que subtrair a probabilidade para Z entre 0 e 2,5 (calculado no item (c)) e 0,5, e obtemos assim a
probabilidade para Z maior que 2,5. Por simetria, obtemos para Z menor que -0,25.

P(Z < -2,5) = P(Z > 2,5) = P(Z > 0) - P(0 < Z < 2,5)
P(Z < -2,5) = P(Z > 2,5) = 0,5 - 0,4938
P(Z < -2,5) = P(Z > 2,5) = 0,0062

Assim, a probabilidade de um candidato escolhido ao acaso ter QI abaixo de 70 de 0,0062 ou 0,62%, isto ,

P(X < 70) = 0,0062 ou 0,62%

(e) Entre 70 e 115, ou seja, P(70 < X < 115)

Pelos itens anteriores, as variveis aleatrias X = 70 e X = 115 j esto padronizadas. Assim,

P(70 < X < 115) = P(-2,5 < Z < 1,25)



Observe que aqui estamos somando as probabilidades de duas regies:

- A regio entre 70 e 100 e a regio entre 100 e 115.

P(70 < X < 115) = P(70 < X < 100) + P(100 < X < 115)

Como j calculamos estas probabilidades nos itens anteriores, temos o seguinte:

P(-2,5 < Z < 1,25) = P(-2,5 < Z < 0) + P(0 < Z < 1,25)
P(-2,5 < Z < 1,25) = 0,4938 + 0,3944
P(-2,5 < Z < 1,25) = 0,8882

Assim, a probabilidade de um candidato escolhido ao acaso ter QI entre70 e 115 de 0,8882 ou 88,82%, isto ,

P(70 < X < 115) = 0,8882 ou 88,82%

(f) Entre 110 e 130, ou seja, P(110 < X < 140)

1 PASSO Padronizar as variveis aleatria X = 110 e X = 140.

- Para X = 110 83 , 0
12
100 110
=

=
o
X
Z
- Para X = 130 33 , 3
12
100 140
=

=
o
X
Z
Logo, a P(110 < X < 140) = P(0,83 < Z < 3,33).
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 19


Temos:

P(0,83 < Z < 3,33) = P(0 < Z < 3,33) - P(0 < Z < 0,83)

2 PASSO Verificar na Tabela I o valor da probabilidade para Z = 0,83 e Z = 3,33.

- Para Z = 0,83 temos 0,2967.
- Para Z = 3,33 temos 0,4996.
Portanto,
P(0,83 < Z < 3,33) = P(0 < Z < 3,33) - P(0 < Z < 0,83)
P(0,83 < Z < 3,33) = 0,4996 - 0,2967
P(0,83 < Z < 3,33) = 0,2029

Assim, a probabilidade de um candidato escolhido ao acaso ter QI entre110 e 140 de 0,2029 ou 20,29%, isto
,
P(110 < X < 140) = 0,2029 ou 20,29%

EXERCCIOS
1- Sendo Z uma varivel aleatria com distribuio normal padronizada, calcule as probabilidades abaixo,
desenhando suas curvas.

(a) P(0 < Z < 1,44) (e) P(Z > -2,03)
(b) P(-0,85 < Z < 0) (f) P(Z > 1,08)
(c) P(-1,48 < Z < 2,05) (g) P(Z < -0,66)
(d) P(0,72 < Z < 1,89) (h) P(Z < 0,60)

Respostas
(a) 0,4251 (c) 0,9104 (e) 0,9788 (g) 0,2546
(b) 0,3023 (d) 0,2064 (f) 0,1401 (h) 0,7258

2- Um teste padronizado de escolaridade tem distribuio normal com mdia = 100 e desvio padro 10.
Determine a probabilidade de um indivduo submetido ao teste ter nota:

(a) Maior que 120.
(b) Maior que 80.
(c) Entre 85 e 115.
(d) Maior que 100.

Respostas
(a) 0,0228 (b) 0,9772 (c) 0,8664 (g) 0,5

3- Suponha que entre pacientes o nvel de colesterol tenha uma distribuio aproximadamente Normal de mdia
105 mg por 100 ml e um desvio padro 9 mg por 100 ml. Qual a proporo de diabticos que tem nveis entre
90 e 125 mg por 100 ml? Resposta: 0,9393

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 20

4- Uma distribuio normal tem desvio padro igual a 5 e tal que 43,94% dos valores esto abaixo de 35.
Determine sua mdia. Resposta: 27,25

5- Os pesos de pessoas em determinada faixa etria so normalmente distribudos com uma mdia de 72 Kg e
um desvio padro de 6 Kg. Encontre o peso X abaixo do qual se encontram 10% das pessoas mais leves (abaixo
da mdia). Resposta: 64,32 Kg

6- Uma universidade decidiu introduzir novo sistema de classificar os resultados:
- Os alunos que obtiverem uma nota abaixo de 40 sero REPROVADOS,
- De 40 a 60 sero APROVADOS, e
- Acima de 60 sero classificados como APROVADOS COM LOUVOR.

Todas as notas vo de 0 a 100.
Dado que se sabe que a nota mdia dos alunos em determinada unidade foi de 54 com desvio padro de 8,
encontre:
(a) A proporo de alunos que se pode esperar que alcance cada uma das notas possveis.
(b) A nota que se espera que 5% de alunos mais fracos obtenham.

7- As alturas dos alunos de determinada escola so normalmente distribudas com mdia 1,60 m e desvio
padro de 0,30 m. Encontre a probabilidade de um aluno medir:
(a) Entre 1,50 e 1,80 m.
(b) Mais de 1,75 m.
(c) Menos de 1,48 m.
(d) Qual deve ser a altura mnima para escolhermos 10% dos mais altos (acima da mdia) ?

Respostas
(a) 0,3779 (b) 0,3085 (c) 0,3446 (g) 1,98 m

8- Numa fbrica foram instaladas 1000 lmpadas novas. Sabe-se que a durao mdia das lmpadas de 800
horas e desvio padro de 100 horas, com distribuio normal. Determinar a quantidade de lmpadas que
duraro:
(a) Menos de 500 horas.
(b) Mais de 700 horas.
(c) Entre 516 e 814 horas.

Respostas: (a) 1,4 (b) 841,3 (c) 120,8

9- Seja um teste de inteligncia aplicado a um grupo de 1000 alunos de uma escola superior. Obteve-se uma
distribuio normal, com mdia de 32 e desvio padro de 4. Pergunta-se.

(a) Qual o nmero de alunos com notas superiores a 38?
(b) Qual o nmero de alunos com notas inferiores a 35?
(c) Qual o nmero de alunos com notas compreendidas entre 27 e 31?

Respostas: (a) 67 (b) 773 (c) 296

10 - A renda anual mdia de uma grande comunidade pode ser aproximada por uma distribuio normal com
mdia de R$ 7.000,00 e desvio padro de R$ 3.000,00.
(a) Que porcentagem da populao ter renda superior a R$ 13.000,00?
(b) Abaixo de qual renda temos 15% da populao?

Respostas: (a) 2,28 % (b) R$ 3880

11- Os resultados de um concurso de habilitao tiveram distribuio normal com mdia 50 e desvio padro 10.
Os candidatos sero classificados conforme o seguinte critrio decrescente:
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 21

- A - 10 % das notas
- B - 15 % das notas
- C - 50 % das notas
- D - 15 % das notas
- E - 10 % das notas.

Determine as notas limites para a classificao dos candidatos.

Resposta: A - acima de 62,8 B - entre 56,7 e 62,8 C - entre 43,3 e 56,7 D - entre 37,2 e 43,3 F - abaixo de
37,2

12- Suponhamos que o nvel educacional de adultos de certo pais apresenta distribuio normal com mdia de
11 anos e desvio padro de 2 anos. Determine:

(a) a probabilidade de que um adulto, escolhido aleatoriamente, tenha entre 9 e 14 anos de tempo de estudo.
(b) a probabilidade de que um adulto tenha mais de 18 anos de estudo.
(c) o numero de adultos que se espera que tenham menos de 7 anos, considerando uma amostra de 500
adultos.
Resposta (a) 0,7745; (b) 0; (c) 11,40.

13- O tempo que os alunos gastam para fazer uma prova normalmente distribudo com mdia de 72 minutos e
desvio-padro de 5 minutos. Determine a probabilidade de um aluno gastar:

(a) mais de 84 minutos;
(b) mais de 48 minutos;
(c) entre 70 e 84 minutos;
(d) entre 60 e 70 minutos..

Resposta (a) 0,0082; (b) 1; (c) 0,6472; (d) 0,3364.

14- O salrio dos funcionrios de uma empresa normalmente distribudo com mdia de 500 reais e desvio-
padro de 10 reais. Determine a percentagem de funcionrios cujo salrio situa-se:

(a) acima de 510 reais;
(b) abaixo de 495 reais;
(c) entre 480 e 520 reais;
(d) abaixo de 525,8 reais;
(e) exatamente em 520 reais.

Resposta (a) 15,87%; (b) 30,85%; (c) 95,44%; (d)99,51%; (e) 0.

15- Para as famlias de certos status scio-econmico, a despesa com alimentao normalmente distribuda
com mdia de 1400 unidades monetrias, com desvio-padro de 180 unidades monetrias. Considerando um
total de 16000 famlias desta classe social, determine o numero de famlias em que o gasto com alimentao
seja:

(a) maior que 1600 unidades monetrias;
(b) menor que 1700 unidades monetrias.

Resposta (a) 2136; (b) 15240.

16- 0 contedo liquido das garrafas de 300 ml de um refrigerante normalmente distribudo com mdia de 300
ml e desvio-padro de 2 ml.

(a) Determine o percentual de garrafas cujo contedo seja inferior a 302 ml.
(b) Entre 200 garrafas, quantas devero ter menos de300 ml?
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 22

Resposta (a) 99,86%; (b) 100.

17- O peso de 600 estudantes normalmente distribudo com mdia de 65,3 kg e desvio padro de 5,5 kg.
Determine o numero de estudantes que pesam:

(a) entre 60 e 70 kg;
(b) mais de 63,2 kg;
(c) menos de 68 kg.

Resposta (a) 380; (b) 389; (c) 413.














































PSICOLOGIA ESTATSTICA INFERENCIAL 1/2012 Pgina 23

Tabela I Distribuio Normal Padro - rea sob a curva normal de 0 a
1
z P(0 < Z <
1
z )


Z
0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4,0
0,00000 0,00399 0,00798 0,01197 0,01595 0,01994 0,02392 0,02790 0,03188 0,03586
0,03983 0,04380 0,04776 0,05172 0,05567 0,05962 0,06356 0,06749 0,07142 0,07535
0,07926 0,08317 0,08706 0,09095 0,09483 0,09871 0,10257 0,10642 0,11026 0,11409
0,11791 0,12172 0,12552 0,12930 0,13307 0,13683 0,14058 0,14431 0,14803 0,15173
0,15542 0,15910 0,16276 0,16640 0,17003 0,17364 0,17724 0,18082 0,18439 0,18793
0,19146 0,19497 0,19847 0,20194 0,20540 0,20884 0,21226 0,21566 0,21904 0,22240
0,22575 0,22907 0,23237 0,23565 0,23891 0,24215 0,24537 0,24857 0,25175 0,25490
0,25804 0,26115 0,26424 0,26730 0,27035 0,27337 0,27637 0,27935 0,28230 0,28524
0,28814 0,29103 0,29389 0,29673 0,29955 0,30234 0,30511 0,30785 0,31057 0,31327
0,31594 0,31859 0,32121 0,32381 0,32639 0,32894 0,33147 0,33398 0,33646 0,33891
0,34134 0,34375 0,34614 0,34849 0,35083 0,35314 0,35543 0,35769 0,35993 0,36214
0,36433 0,36650 0,36864 0,37076 0,37286 0,37493 0,37698 0,37900 0,38100 0,38298
0,38493 0,38686 0,38877 0,39065 0,39251 0,39435 0,39617 0,39796 0,39973 0,40147
0,40320 0,40490 0,40658 0,40824 0,40988 0,41149 0,41308 0,41466 0,41621 0,41774
0,41924 0,42073 0,42220 0,42364 0,42507 0,42647 0,42785 0,42922 0,43056 0,43189
0,43319 0,43448 0,43574 0,43699 0,43822 0,43943 0,44062 0,44179 0,44295 0,44408
0,44520 0,44630 0,44738 0,44845 0,44950 0,45053 0,45154 0,45254 0,45352 0,45449
0,45543 0,45637 0,45728 0,45818 0,45907 0,45994 0,46080 0,46164 0,46246 0,46327
0,46407 0,46485 0,46562 0,46638 0,46712 0,46784 0,46856 0,46926 0,46995 0,47062
0,47128 0,47193 0,47257 0,47320 0,47381 0,47441 0,47500 0,47558 0,47615 0,47670
0,47725 0,47778 0,47831 0,47882 0,47932 0,47982 0,48030 0,48077 0,48124 0,48169
0,48214 0,48257 0,48300 0,48341 0,48382 0,48422 0,48461 0,48500 0,48537 0,48574
0,48610 0,48645 0,48679 0,48713 0,48745 0,48778 0,48809 0,48840 0,48870 0,48899
0,48928 0,48956 0,48983 0,49010 0,49036 0,49061 0,49086 0,49111 0,49134 0,49158
0,49180 0,49202 0,49224 0,49245 0,49266 0,49286 0,49305 0,49324 0,49343 0,49361
0,49379 0,49396 0,49413 0,49430 0,49446 0,49461 0,49477 0,49492 0,49506 0,49520
0,49534 0,49547 0,49560 0,49573 0,49585 0,49598 0,49609 0,49621 0,49632 0,49643
0,49653 0,49664 0,49674 0,49683 0,49693 0,49702 0,49711 0,49720 0,49728 0,49736
0,49744 0,49752 0,49760 0,49767 0,49774 0,49781 0,49788 0,49795 0,49801 0,49807
0,49813 0,49819 0,49825 0,49831 0,49836 0,49841 0,49846 0,49851 0,49856 0,49861
0,49865 0,49869 0,49874 0,49878 0,49882 0,49886 0,49889 0,49893 0,49896 0,49900
0,49903 0,49906 0,49910 0,49913 0,49916 0,49918 0,49921 0,49924 0,49926 0,49929
0,49931 0,49934 0,49936 0,49938 0,49940 0,49942 0,49944 0,49946 0,49948 0,49950
0,49952 0,49953 0,49955 0,49957 0,49958 0,49960 0,49961 0,49962 0,49964 0,49965
0,49966 0,49968 0,49969 0,49970 0,49971 0,49972 0,49973 0,49974 0,49975 0,49976
0,49977 0,49978 0,49978 0,49979 0,49980 0,49981 0,49981 0,49982 0,49983 0,49983
0,49984 0,49985 0,49985 0,49986 0,49986 0,49987 0,49987 0,49988 0,49988 0,49989
0,49989 0,49990 0,49990 0,49990 0,49991 0,49991 0,49992 0,49992 0,49992 0,49992
0,49993 0,49993 0,49993 0,49994 0,49994 0,49994 0,49994 0,49995 0,49995 0,49995
0,49995 0,49995 0,49996 0,49996 0,49996 0,49996 0,49996 0,49996 0,49997 0,49997
0,49997 0,49997 0,49997 0,49997 0,49997 0,49997 0,49998 0,49998 0,49998 0,49998