Distribuição Normal — Curva em Sino, Escore Z e Fórmula

Uma distribuição normal é um modelo de probabilidade em forma de sino no qual valores próximos da média são mais comuns, e valores mais distantes se tornam menos comuns de maneira simétrica. Se você está tentando entender a curva em sino, o escore z ou a fórmula da distribuição normal, a ideia principal é simples: a média define o centro, e o desvio padrão define a dispersão.

Esse modelo só é útil quando o formato normal é um ajuste razoável para os dados ou para a situação. Quando essa condição é atendida, você pode estimar faixas típicas, comparar valores com escores z e interpretar o quão incomum é um resultado.

O que significa a curva em sino

Se uma variável segue uma distribuição normal, valores próximos da média são mais comuns do que valores distantes dela. Os lados esquerdo e direito são espelhados, então estar a $2$ desvios padrão acima da média é tão incomum quanto estar a $2$ desvios padrão abaixo dela.

Você verá com frequência a notação

$$X \sim N(\mu, \sigma^2)$$

Isso significa que a variável aleatória $X$ é modelada como normal com média $\mu$ e variância $\sigma^2$. Como a variância é $\sigma^2$, o desvio padrão é $\sigma$, com $\sigma > 0$.

Fórmula da distribuição normal, em linguagem simples

A fórmula da densidade normal é

$$f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-(x-\mu)^2/(2\sigma^2)}$$

Você não precisa memorizar cada parte da fórmula para usar bem a ideia. O mais importante é que $\mu$ desloca a curva para a esquerda ou para a direita, enquanto $\sigma$ a torna mais estreita ou mais larga.

Essa fórmula descreve densidade, não a probabilidade de um valor exato. Em um modelo contínuo, as probabilidades vêm de intervalos como $P(X < 80)$ ou $P(65 \le X \le 85)$.

Como média, desvio padrão e escore z se conectam

Mudar a média desloca a curva para a esquerda ou para a direita. Mudar o desvio padrão torna a curva mais estreita ou mais larga. Um $\sigma$ pequeno significa que os valores estão concentrados perto da média. Um $\sigma$ maior significa que eles estão mais espalhados.

Para comparar um valor com o restante da distribuição, use o escore z:

$$z = \frac{x - \mu}{\sigma}$$

Isso informa a posição relativa em unidades de desvio padrão. Se $z = 1.5$, o valor está $1.5$ desvios padrão acima da média. Se $z = -2$, ele está $2$ desvios padrão abaixo da média.

Para um modelo normal, um atalho prático é a regra empírica:

$$\text{cerca de } 68\% \text{ dos valores estão em } \mu \pm \sigma$$ $$\text{cerca de } 95\% \text{ dos valores estão em } \mu \pm 2\sigma$$ $$\text{cerca de } 99.7\% \text{ dos valores estão em } \mu \pm 3\sigma$$

Use isso apenas quando um modelo normal realmente for razoável. É uma aproximação útil, não uma garantia para qualquer conjunto de dados real.

Exemplo resolvido com escore z e curva em sino

Suponha que as notas de uma prova sejam modeladas por

$$X \sim N(70, 10^2)$$

Então a nota média é $70$ e o desvio padrão é $10$.

Primeiro, use a regra empírica. Cerca de $68\%$ das notas devem ficar dentro de um desvio padrão da média:

$$70 \pm 10$$

Então o intervalo rápido é

$$60 \text{ a } 80$$

Cerca de $95\%$ das notas devem ficar dentro de dois desvios padrão:

$$70 \pm 2(10) = 70 \pm 20$$

Então esse intervalo é

$$50 \text{ a } 90$$

Agora considere um aluno que tirou $85$. O escore z é

$$z = \frac{85 - 70}{10} = 1.5$$

Isso significa que a nota está $1.5$ desvios padrão acima da média. Essa é a leitura útil mais rápida: a nota está claramente acima da média, mas não extremamente distante na cauda.

Erros comuns em problemas de distribuição normal

Tratar todo gráfico em forma de sino como normal

Alguns dados são assimétricos, têm caudas pesadas ou vários picos. Nesses casos, um modelo normal pode ser um ajuste ruim, mesmo que o gráfico pareça aproximadamente arredondado.

Confundir densidade com probabilidade

A fórmula $f(x)$ não é a probabilidade de $X$ ser igual a um número exato. Para distribuições contínuas, a probabilidade em um ponto exato é $0$, então você trabalha com intervalos.

Usar a regra empírica sem verificar o modelo

A regra $68$-$95$-$99.7$ pertence à distribuição normal. Ela não deve ser aplicada automaticamente a qualquer conjunto de dados.

Confundir variância com desvio padrão

A variância é $\sigma^2$. O escore z usa $\sigma$, não $\sigma^2$.

Quando a distribuição normal é usada

A distribuição normal aparece com frequência quando medidas se agrupam em torno de um valor central e valores extremos são relativamente raros. Ela é comum em modelos de erro de medição, interpretação de notas, controle de qualidade e no estudo de médias amostrais.

Isso não significa que todos os dados reais sejam normais. Significa que o modelo normal é uma aproximação útil quando o formato, o contexto e as hipóteses tornam essa aproximação razoável.

Tente um problema parecido

Mude o exemplo para $X \sim N(100, 15^2)$ e calcule o escore z de $130$. Depois, encontre o intervalo que cobre cerca de $95\%$ dos valores. Tentar sua própria versão com uma média ou um desvio padrão diferente é uma boa forma de ver como a curva em sino muda.