Diferenças entre edições de "Distribuição normal"
Linha 10: | Linha 10: | ||
Se a [[variável aleatória]] <tex>X</tex> segue esta distribuição escreve-se: | Se a [[variável aleatória]] <tex>X</tex> segue esta distribuição escreve-se: | ||
+ | |||
:<tex>X</tex> ~ <tex>N(\mu, \sigma^2)</tex>. | :<tex>X</tex> ~ <tex>N(\mu, \sigma^2)</tex>. |
Revisão das 15h50min de 6 de outubro de 2008
A distribuição normal é a distribuição de probabilidade mais frequente em estatística. Foi desenvolvida pelo matemático francês Abraham de Moivre. As suas características fundamentais são a média e o desvio padrão.
Índice
Função de densidade de probabilidade
A função densidade de probabilidade da distribuição normal com média e variância (de forma equivalente, desvio padrão ) é assim definida,
Se a variável aleatória segue esta distribuição escreve-se:
- ~ .
Se e , a distribuição é chamada de distribuição normal padrão e a função de densidade de probabilidade reduz-se a,
Propriedades
- Se X segue uma distribuição normal, então a X + b também segue.
- Se X e Y são distribuições normais, então sua soma U = X + Y e diferença V = X - Y também são distribuições normais.
- Se X e Y são independentes, então U e V também serão independentes.
- A soma de uma grande quantidade de variáveis aleatórias (com algumas restrições) tende a uma distribuição normal - o significado mais preciso disto é o Teorema do Limite Central.
- A distribuição normal é infinitamente divisível, no seguinte sentido: se X é uma variável aleatória que segue uma distribuição normal e n é um número natural, então existem n variáveis aletórias , independentes e identicamente distribuídas, tal que
Distribuições relacionadas
- é a distribuição de Rayleigh se onde e são duas distribuições normais independentes.
- é a distribuição Chi-quadrado com graus de liberdade se em que para são distribuições normais padrão independentes.
- é a distribuição de Cauchy se para e são duas distribuições normais padrão independentes.
- é a distribuição log-normal se e .
- Relação com Lévy skew alpha-stable distribution: se então .
- Distribuição normal truncada: Se então, truncando para valores entre e temos uma variável aleatória contínua com média , em que , e , sendo a função densidade de probabilidade e a função de probabilidade acumulada de uma distribuição normal padrão.
Simulação
Implementações computacionais do Método de Monte Carlo normalmente precisam simular várias variáveis aleatórias normais. Muitos programas e pacotes não conseguem simular diretamente a normal, mas tem simuladores da distribuição uniforme. Uma forma rápida e prática de gerar normais a partir da uniforme é a transformação de Box-Muller: sejam e valores independentes gerados pela distribuição uniforme entre 0 e 1. Então:
e
são normais padronizadas independentes.
Esta página usa conteúdo da Wikipedia. O artigo original estava em Distribuição_normal. Tal como o Think Finance neste artigo, o texto da Wikipedia está disponível segundo a GNU Free Documentation License. |