🎓 📊 Curso de Estatística: A Distribuição Normal
estatística
distribuição normal
cursos
Apresentação introdutória sobre a distribuição normal com exemplos práticos, gráficos e fundamentos teóricos aplicados à Estatística.
← Cursos de Estatística · ← Seção de Estatística
🚀 Acesso rápido às partes
- 🎯 👉 Parte 1 — Introdução à Distribuição Normal
- 🎯 👉 Parte 2 — Escore-z e Tabela Z
- 🎯 👉 Parte 3 — Gráficos, TCL e Normalidade Aproximada
🎯 Objetivos do curso
Nota
Ao final do curso, você será capaz de:
- ✅ Entender os conceitos de população, amostra e variáveis aleatórias;
- 📊 Compreender o papel da função densidade de probabilidade (FDP);
- 📐 Identificar as características da curva normal padrão (\(\mu=0\), \(\sigma=1\));
- 📈 Aplicar a Regra Empírica (68–95–99,7 %);
- 🧮 Calcular probabilidades com Excel, R e Python;
- 🔁 Usar o escore-z para padronização e comparações;
- 📉 Gerar/interpretar gráficos de normais em contextos reais;
- 🧠 Relacionar a normal ao TCL e à LGN;
- 🔍 Reconhecer normalidade aproximada via histogramas, Q-Q plots e checagens exploratórias.
Dica
Pré-requisitos recomendados: noções de álgebra e funções; média, desvio-padrão e leitura de gráficos.
Público-alvo: estudantes e profissionais que precisam interpretar dados com base em modelos probabilísticos.
📚 Conteúdo Programático — Parte 1: Introdução à Distribuição Normal
- Conceitos fundamentais: população, amostra e variáveis
- Variáveis discretas vs. contínuas
- Distribuições e FDP
- Definição, importância e propriedades da normal
- Exemplos do mundo real
- Curva padrão (\(\mu=0\), \(\sigma=1\)), simetria e forma
- Fórmula da FDP, área como probabilidade, efeito de \(\mu\) e \(\sigma\)
- Regra Empírica (68–95–99,7 %) — interpretação e aplicações
- Visualizações com Python e R
📚 Conteúdo Programático — Parte 2: Escore-z e Tabela Z
- Definição, fórmula e interpretação do escore-z
- Comparação de valores em distribuições diferentes
- Caso prático: probabilidade de QI > 136
- Leitura da Tabela Z (acumulada \(P(Z<z)\)) e áreas sombreadas
- Cálculos no Excel (
NORM.S.DIST,NORM.S.INV) e no R (pnorm,qnorm,dnorm)
- Exercícios guiados
📚 Conteúdo Programático — Parte 3: Gráficos, TCL e Normalidade Aproximada
- Histogramas e interpretação
- Q-Q plots: o que são e como ler
- O que significa “aproximadamente normal”
- Exemplos de variáveis com/sem normalidade
- LGN — intuição e implicações práticas
- TCL — médias amostrais e exemplos computacionais
📖 Referências
Importante
- Schmuller, Joseph. Statistical Analysis with Excel® For Dummies®, 5ª ed. Wiley, 2016.
- Schmuller, Joseph. Análise Estatística com R Para Leigos, 2ª ed. Alta Books, 2021.
- Levine, D. M.; Stephan, D.; Szabat, K. A. Statistics for Managers Using Microsoft Excel, 8ª ed. Pearson, 2017.
- Morettin, L. G. Estatística Básica: Probabilidade e Inferência, 7ª ed. Pearson, 2017.
- Morettin, P. A.; Bussab, W. O. Estatística Básica, 10ª ed. SaraivaUni, 2023.
🔗 Acesso rápido (novamente)
- 🎯 👉 Parte 1 — Introdução à Distribuição Normal
- 🎯 👉 Parte 2 — Escore-z e Tabela Z
- 🎯 👉 Parte 3 — Gráficos, TCL e Normalidade Aproximada
← Cursos de Estatística · ← Seção de Estatística
Blog do Marcellini — Explorando a Estatística com Rigor e Beleza.
Nota
📌 Criado por Blog do Marcellini com ❤️ e código.