A normal, uma distribuição contínua, é a mais importante de todas as distribuições. Seu gráfico é uma curva simétrica em forma de sino, que é observada em quase todas as disciplinas. Alguns deles incluem psicologia, negócios, economia, ciências, enfermagem e, é claro, matemática. Alguns instrutores podem usar a distribuição normal para ajudar a determinar as notas dos alunos. A maioria das pontuações de QI é normalmente distribuída. Muitas vezes, os preços dos imóveis se encaixam em uma distribuição normal. A distribuição normal é extremamente importante, mas não pode ser aplicada a tudo no mundo real. A equação a seguir descreve essa distribuição:
Onde μ representa a média, σ é o desvio padrão. Os valores de π e e são constantes. O f(x) representa a probabilidade de uma variável aleatória x.
A curva é simétrica em torno de uma linha vertical traçada através da média, μ. Em teoria, a média é a mesma que a mediana, porque o gráfico é simétrico em relação a μ. Como a notação indica, a distribuição normal depende apenas da média e do desvio padrão. Como a área sob a curva deve ser igual a um, uma mudança no desvio padrão, σ, causa uma mudança na forma da curva; A curva fica mais gorda ou mais fina dependendo σ. Uma alteração no μ faz com que o gráfico se desloque para a esquerda ou para a direita. Isso significa que há um número infinito de distribuições de probabilidade normais. Um de interesse especial é chamado de distribuição normal padrão.
A distribuição normal padrão é uma distribuição normal de valores padronizados chamados escores z. Um escore z é medido em unidades do desvio padrão. Por exemplo, se a média de uma distribuição normal for cinco e o desvio padrão for dois, o valor 11 será três desvios padrão acima (ou à direita) da média.
Este texto foi adaptado de Openstax, Introductory Statistics, Section 6 Introduction<a href=”https://openstax.org/books/introductory-statistics/pages/6-introduction”>.
A distribuição normal é uma distribuição de probabilidade contínua com um gráfico simétrico em forma de sino. É descrito pela fórmula de distribuição gaussiana com média e desvio padrão como parâmetros fixos. O π e e são valores constantes.
Considere o peso ao nascer de bebês com média de 3,5 kg e desvio padrão de 0,4 kg. Os dados podem ser visualizados plotando a densidade de probabilidade versus o peso ao nascer.
A partir da fórmula do escore z, os pesos ao nascer podem ser padronizados em escores z correspondentes.
Plotar novamente a densidade de probabilidade com pontuação z mostra que o gráfico agora está centrado em torno de zero.
Essa forma padronizada da distribuição normal é conhecida como distribuição normal padrão, na qual a média é zero e o desvio padrão é um.
Essa conversão da distribuição normal em distribuição normal padrão simplifica a fórmula da distribuição gaussiana, facilitando o cálculo dos valores de probabilidade.
Também é útil para comparar conjuntos de dados com diferentes médias e desvios padrão.
Related Videos
Probability Distributions
12.6K Visualizações
Probability Distributions
11.5K Visualizações
Probability Distributions
6.9K Visualizações
Probability Distributions
11.2K Visualizações
Probability Distributions
3.2K Visualizações
Probability Distributions
3.9K Visualizações
Probability Distributions
10.3K Visualizações
Probability Distributions
7.8K Visualizações
Probability Distributions
4.8K Visualizações
Probability Distributions
10.7K Visualizações
Probability Distributions
10.4K Visualizações
Probability Distributions
5.0K Visualizações
Probability Distributions
12.4K Visualizações
Probability Distributions
14.5K Visualizações