Variável aleatória normal e distribuição normal
A variável aleatória com um conjunto incontável de valores é conhecida por ser uma variável aleatória contínua, e a função de densidade de probabilidade com a ajuda da integração como a área sob a curva dá a distribuição contínua. Agora vamos focar uma das variáveis aleatórias contínuas mais usadas e frequentes viz variável aleatória normal que tem outro nome como variável aleatória gaussiana ou distribuição gaussiana.
Variável aleatória normal
A variável aleatória normal é a variável aleatória contínua com função de densidade de probabilidade
tendo maldade μ e variância σ2 como os parâmetros estatísticos e geometricamente, a função de densidade de probabilidade tem a curva em forma de sino que é simétrica em relação à média μ.
Sabemos que a função de densidade de probabilidade tem a probabilidade total como um, então
colocando y = (x-μ) / σ
esta dupla integração pode ser resolvida convertendo-a na forma polar
qual é o valor necessário para que seja verificado para a integral I.
- Se X é normalmente distribuído com parâmetro μ e σ2 então Y = aX + b também é normalmente distribuído com os parâmetros aμ + b e a2μ2
Expectativa e variância da variável normal aleatória
O valor esperado da variável aleatória normal e a variância que obteremos com a ajuda de
onde X é normalmente distribuído com a média dos parâmetros μ e desvio padrão σ.
uma vez que a média de Z é zero, então temos a variância como
usando integração por partes
para a variável Z a interpretação gráfica é a seguinte
e a área sob a curva para esta variável Z, que é conhecida como variável normal padrão, é calculado para a referência (dada na tabela), como a curva é simétrica, então para o valor negativo a área será a mesma dos valores positivos
z | 0.00 | 0.01 | 0.02 | 0.03 | 0.04 | 0.05 | 0.06 | 0.07 | 0.08 | 0.09 |
0.0 | 0.50000 | 0.50399 | 0.50798 | 0.51197 | 0.51595 | 0.51994 | 0.52392 | 0.52790 | 0.53188 | 0.53586 |
0.1 | 0.53983 | 0.54380 | 0.54776 | 0.55172 | 0.55567 | 0.55962 | 0.56356 | 0.56749 | 0.57142 | 0.57535 |
0.2 | 0.57926 | 0.58317 | 0.58706 | 0.59095 | 0.59483 | 0.59871 | 0.60257 | 0.60642 | 0.61026 | 0.61409 |
0.3 | 0.61791 | 0.62172 | 0.62552 | 0.62930 | 0.63307 | 0.63683 | 0.64058 | 0.64431 | 0.64803 | 0.65173 |
0.4 | 0.65542 | 0.65910 | 0.66276 | 0.66640 | 0.67003 | 0.67364 | 0.67724 | 0.68082 | 0.68439 | 0.68793 |
0.5 | 0.69146 | 0.69497 | 0.69847 | 0.70194 | 0.70540 | 0.70884 | 0.71226 | 0.71566 | 0.71904 | 0.72240 |
0.6 | 0.72575 | 0.72907 | 0.73237 | 0.73565 | 0.73891 | 0.74215 | 0.74537 | 0.74857 | 0.75175 | 0.75490 |
0.7 | 0.75804 | 0.76115 | 0.76424 | 0.76730 | 0.77035 | 0.77337 | 0.77637 | 0.77935 | 0.78230 | 0.78524 |
0.8 | 0.78814 | 0.79103 | 0.79389 | 0.79673 | 0.79955 | 0.80234 | 0.80511 | 0.80785 | 0.81057 | 0.81327 |
0.9 | 0.81594 | 0.81859 | 0.82121 | 0.82381 | 0.82639 | 0.82894 | 0.83147 | 0.83398 | 0.83646 | 0.83891 |
1.0 | 0.84134 | 0.84375 | 0.84614 | 0.84849 | 0.85083 | 0.85314 | 0.85543 | 0.85769 | 0.85993 | 0.86214 |
1.1 | 0.86433 | 0.86650 | 0.86864 | 0.87076 | 0.87286 | 0.87493 | 0.87698 | 0.87900 | 0.88100 | 0.88298 |
1.2 | 0.88493 | 0.88686 | 0.88877 | 0.89065 | 0.89251 | 0.89435 | 0.89617 | 0.89796 | 0.89973 | 0.90147 |
1.3 | 0.90320 | 0.90490 | 0.90658 | 0.90824 | 0.90988 | 0.91149 | 0.91308 | 0.91466 | 0.91621 | 0.91774 |
1.4 | 0.91924 | 0.92073 | 0.92220 | 0.92364 | 0.92507 | 0.92647 | 0.92785 | 0.92922 | 0.93056 | 0.93189 |
1.5 | 0.93319 | 0.93448 | 0.93574 | 0.93699 | 0.93822 | 0.93943 | 0.94062 | 0.94179 | 0.94295 | 0.94408 |
1.6 | 0.94520 | 0.94630 | 0.94738 | 0.94845 | 0.94950 | 0.95053 | 0.95154 | 0.95254 | 0.95352 | 0.95449 |
1.7 | 0.95543 | 0.95637 | 0.95728 | 0.95818 | 0.95907 | 0.95994 | 0.96080 | 0.96164 | 0.96246 | 0.96327 |
1.8 | 0.96407 | 0.96485 | 0.96562 | 0.96638 | 0.96712 | 0.96784 | 0.96856 | 0.96926 | 0.96995 | 0.97062 |
1.9 | 0.97128 | 0.97193 | 0.97257 | 0.97320 | 0.97381 | 0.97441 | 0.97500 | 0.97558 | 0.97615 | 0.97670 |
2.0 | 0.97725 | 0.97778 | 0.97831 | 0.97882 | 0.97932 | 0.97982 | 0.98030 | 0.98077 | 0.98124 | 0.98169 |
2.1 | 0.98214 | 0.98257 | 0.98300 | 0.98341 | 0.98382 | 0.98422 | 0.98461 | 0.98500 | 0.98537 | 0.98574 |
2.2 | 0.98610 | 0.98645 | 0.98679 | 0.98713 | 0.98745 | 0.98778 | 0.98809 | 0.98840 | 0.98870 | 0.98899 |
2.3 | 0.98928 | 0.98956 | 0.98983 | 0.99010 | 0.99036 | 0.99061 | 0.99086 | 0.99111 | 0.99134 | 0.99158 |
2.4 | 0.99180 | 0.99202 | 0.99224 | 0.99245 | 0.99266 | 0.99286 | 0.99305 | 0.99324 | 0.99343 | 0.99361 |
2.5 | 0.99379 | 0.99396 | 0.99413 | 0.99430 | 0.99446 | 0.99461 | 0.99477 | 0.99492 | 0.99506 | 0.99520 |
2.6 | 0.99534 | 0.99547 | 0.99560 | 0.99573 | 0.99585 | 0.99598 | 0.99609 | 0.99621 | 0.99632 | 0.99643 |
2.7 | 0.99653 | 0.99664 | 0.99674 | 0.99683 | 0.99693 | 0.99702 | 0.99711 | 0.99720 | 0.99728 | 0.99736 |
2.8 | 0.99744 | 0.99752 | 0.99760 | 0.99767 | 0.99774 | 0.99781 | 0.99788 | 0.99795 | 0.99801 | 0.99807 |
2.9 | 0.99813 | 0.99819 | 0.99825 | 0.99831 | 0.99836 | 0.99841 | 0.99846 | 0.99851 | 0.99856 | 0.99861 |
3.0 | 0.99865 | 0.99869 | 0.99874 | 0.99878 | 0.99882 | 0.99886 | 0.99889 | 0.99893 | 0.99896 | 0.99900 |
3.1 | 0.99903 | 0.99906 | 0.99910 | 0.99913 | 0.99916 | 0.99918 | 0.99921 | 0.99924 | 0.99926 | 0.99929 |
3.2 | 0.99931 | 0.99934 | 0.99936 | 0.99938 | 0.99940 | 0.99942 | 0.99944 | 0.99946 | 0.99948 | 0.99950 |
3.3 | 0.99952 | 0.99953 | 0.99955 | 0.99957 | 0.99958 | 0.99960 | 0.99961 | 0.99962 | 0.99964 | 0.99965 |
3.4 | 0.99966 | 0.99968 | 0.99969 | 0.99970 | 0.99971 | 0.99972 | 0.99973 | 0.99974 | 0.99975 | 0.99976 |
3.5 | 0.99977 | 0.99978 | 0.99978 | 0.99979 | 0.99980 | 0.99981 | 0.99981 | 0.99982 | 0.99983 | 0.99983 |
uma vez que usamos a substituição
Aqui, tenha em mente que Z é a variável normal padrão onde, como variável aleatória contínua X é normalmente distribuída variável aleatória normal com média μ e desvio padrão σ.
Portanto, para encontrar a função de distribuição para a variável aleatória, usaremos a conversão para a variável normal padrão como
para qualquer valor de a.
Exemplo: Na curva normal padrão, encontre a área entre os pontos 0 e 1.2.
Se seguirmos a tabela, o valor de 1.2 na coluna 0 é 0.88493 e o valor 0 é 0.5000,
Exemplo: encontre a área para a curva normal padrão entre -0.46 e 2.21.
A partir da região sombreada, podemos bifurcar esta região de -0.46 a 0 e 0 a 2.21 porque a curva normal é simétrica em relação ao eixo y, então a área de -0.46 a 0 é a mesma que é de 0 a 0.46, portanto, da tabela
e
para que possamos escrever como
Área total = (área entre z = -0.46 e z = 0) + (área entre z = 0 e z = 2.21)
= 0.1722 + 0.4864
= 0.6586
Exemplo: Se X é uma variável aleatória normal com média 3 e variância 9, encontre as seguintes probabilidades
P2
P{X>0}
P|X-3|>6
Solução: uma vez que temos
então bifurcando nos intervalos -1/3 a 0 e 0 a 2/3 nós obteremos a solução dos valores tabulares
or
= 0.74537 -1 + 0.62930 = 0.37467
e
Exemplo: Um observador em caso de paternidade afirma que a duração (em dias) do crescimento humano
é normalmente distribuído com parâmetros de média 270 e variância 100. Neste caso, o suspeito que é pai da criança forneceu a prova de que esteve fora do país durante um período que começou 290 dias antes do nascimento da criança e terminou 240 dias antes o nascimento. Encontre a probabilidade de a mãe ter tido a gravidez muito longa ou muito curta indicada pela testemunha?
Deixe X denotar a variável aleatória normalmente distribuída para a gestação e considere que o suspeito é o pai da criança. Nesse caso, o nascimento da criança aconteceu dentro do tempo especificado tem a probabilidade
Relação entre a variável aleatória normal e a variável aleatória binomial
No caso da distribuição binomial, a média é np e a variância é npq, portanto, se convertermos essa variável aleatória binomial com tal média e desvio padrão tendo n muito grande e p ou q são muito pequenos indo mais perto de zero, então a variável normal padrão Z com o a ajuda dessas médias e variações é
aqui em termos de Julgamentos de Bernouli X considera o número de sucessos em n tentativas. À medida que n aumenta e se aproxima do infinito, essa variável normal vai da mesma maneira para se tornar a variável normal padrão.
A relação da variável binomial e normal padrão podemos encontrar com a ajuda do seguinte teorema.
Teorema do limite DeMoivre Laplace
If Sn denota o número de sucessos que ocorrem quando n tentativas independentes, cada uma resultando em um sucesso com probabilidade p , são realizados, então, para qualquer a <b,
Exemplo: Com a ajuda da aproximação normal da variável aleatória binomial, encontre a probabilidade de ocorrência de cauda 20 vezes quando uma moeda justa foi lançada 40 vezes.
Alternativa? Suponha que a variável aleatória X represente a ocorrência de cauda, uma vez que a variável aleatória binomial é uma variável aleatória discreta e a variável aleatória normal é uma variável aleatória contínua, então para converter a discreta em contínua, nós a escrevemos como
e se resolvermos o exemplo dado com a ajuda da distribuição binomial, iremos obtê-lo como
Exemplo: Para decidir a eficácia de uma nutrição definitiva em diminuir a extensão do colesterol na circulação sanguínea, 100 pessoas são colocadas na nutrição. A contagem de colesterol foi observada por tempo definido após o fornecimento da nutrição. Se, dessa amostra, 65 por cento tiverem contagem baixa de colesterol, a nutrição será aprovada. Qual a probabilidade de o nutricionista aprovar a nova alimentação se, na verdade, ela não tem consequências no nível de colesterol?
solução: Deixe a variável aleatória expressar o nível de colesterol se for reduzido pela nutrição, então a probabilidade para tal variável aleatória será ½ para cada pessoa, se X denota o número de pessoas de baixo nível, então a probabilidade de que o resultado seja aprovado mesmo que não haja efeito da nutrição para reduzir o nível de colesterol é
Conclusão:
Neste artigo, o conceito de variável aleatória contínua é normal variável aleatória e sua distribuição com função de densidade de probabilidade foram discutidas e a média do parâmetro estatístico, variância para a variável aleatória normal é dada. A conversão da variável aleatória normalmente distribuída para a nova variável normal padrão e área sob a curva para tal variável normal padrão é dada na forma tabulada um dos relação com variável aleatória discreta também é mencionada com exemplo , se você quiser ler mais, então vá por:
Esboços de probabilidade e estatísticas de Schaum
https://en.wikipedia.org/wiki/Probability.
Para mais tópicos sobre matemática, verifique esta página.
Eu sou DR. Mohammed Mazhar Ul Haque. Concluí meu doutorado. em Matemática e atuando como professor assistente em Matemática. Possui 12 anos de experiência em docência. Possuindo vasto conhecimento em Matemática Pura, precisamente em Álgebra. Ter a imensa capacidade de projetar e resolver problemas. Capaz de motivar candidatos para melhorar seu desempenho.
Adoro contribuir com Lambdageeks para tornar a matemática simples, interessante e autoexplicativa para iniciantes e também para especialistas.
Olá caro leitor,
Somos uma equipe pequena na Techiescience, trabalhando duro entre os grandes players. Se você gostou do que viu, compartilhe nosso conteúdo nas redes sociais. Seu apoio faz uma grande diferença. Obrigado!