Pular para o conteúdo
CodeMDD.io | Coding Tutorials

Tutoriais sobre Distribuição Normal em Python: Guia Fácil para Iniciantes

[

Python Normal Distribution PDF Tutorial

Sumário

  1. Introdução
  2. Definição de Distribuição Normal
  3. Função de Densidade de Probabilidade (PDF)
  4. Cálculos Estatísticos
    1. Média
    2. Desvio Padrão
    3. Variância
    4. Valor Z
  5. Utilizando a Biblioteca scipy.stats
    1. Importando a Biblioteca
    2. Definindo Parâmetros
    3. Calculando a PDF
  6. Exemplo Prático
  7. Exibindo a Curva da Distribuição Normal
  8. Comparando Valores Z
  9. Conclusão
  10. FAQs sobre a Distribuição Normal

1. Introdução

A distribuição normal é uma das distribuições estatísticas mais importantes e amplamente utilizadas na análise de dados. Também conhecida como distribuição de Gauss, ela possui diversas aplicações em áreas como estatística, probabilidade, comportamento de dados em diversos campos, entre outros.

Neste tutorial, exploraremos a probabilidade de densidade (PDF) da distribuição normal em Python. Entenderemos como a distribuição normal é definida, como calcular a PDF e como utilizar a biblioteca scipy.stats para realizar esses cálculos.

2. Definição de Distribuição Normal

A distribuição normal é uma distribuição estatística contínua que possui uma forma de sino e é caracterizada por sua média e desvio padrão. Essa distribuição é simétrica em relação à média e possui o formato em formato de sino ao redor dessa média.

3. Função de Densidade de Probabilidade (PDF)

A função de densidade de probabilidade (PDF) da distribuição normal é uma equação matemática que nos fornece a probabilidade de um determinado valor ocorrer em uma curva de distribuição normal.

A fórmula para a PDF é dada por:

f(x, μ, σ) = (1 / (σ * sqrt(2π))) * exp(-((x - μ)^2) / (2 * σ^2))

onde x é o valor de interesse, μ é a média e σ é o desvio padrão da distribuição normal.

4. Cálculos Estatísticos

Antes de calcular a PDF da distribuição normal, é importante conhecer alguns conceitos estatísticos básicos. São eles: média, desvio padrão, variância e valor Z.

4.1 Média

A média é o valor central de uma distribuição de dados e é calculada somando todos os valores e dividindo pelo número total de valores. Na distribuição normal, a média representa o ponto mais alto da curva em formato de sino.

4.2 Desvio Padrão

O desvio padrão é uma medida de dispersão que indica o quanto os valores estão afastados da média. Ele é calculado como a raiz quadrada da variância.

4.3 Variância

A variância é uma medida de dispersão que indica a variação dos valores em relação à média. Ela é calculada como a média dos quadrados dos desvios em relação à média.

4.4 Valor Z

O valor Z, também conhecido como escore Z, é uma medida de quantos desvios padrão um determinado valor está afastado da média. Ele é calculado subtraindo a média do valor e dividindo pelo desvio padrão.

5. Utilizando a Biblioteca scipy.stats

A biblioteca scipy.stats é uma poderosa ferramenta em Python para trabalhar com distribuições estatísticas. Para utilizar a distribuição normal, precisaremos importar a biblioteca e definir os parâmetros adequados.

5.1 Importando a Biblioteca

import scipy.stats as stats

5.2 Definindo Parâmetros

Para calcular a PDF da distribuição normal, precisamos definir a média e o desvio padrão. Esses parâmetros podem ser fornecidos manualmente ou calculados a partir dos dados disponíveis.

# Definindo parâmetros
media = 50
desvio_padrao = 10

5.3 Calculando a PDF

Com os parâmetros definidos, podemos calcular a PDF da distribuição normal utilizando a função pdf().

# Calculando a PDF da distribuição normal
x = 60
probabilidade = stats.norm.pdf(x, media, desvio_padrao)

6. Exemplo Prático

Vamos agora colocar em prática o que aprendemos até agora, criando um exemplo prático para calcular a PDF da distribuição normal.

import scipy.stats as stats


media = 70
desvio_padrao = 4


x = 80
probabilidade = stats.norm.pdf(x, media, desvio_padrao)


print(f"A probabilidade de ocorrer o valor {x} é de {probabilidade}")

7. Exibindo a Curva da Distribuição Normal

Além de calcular a PDF, é possível visualizar a forma da distribuição normal utilizando a função plot() da biblioteca matplotlib.

import scipy.stats as stats
import matplotlib.pyplot as plt
import numpy as np


media = 70
desvio_padrao = 4


x = np.linspace(50, 90, 100)
y = stats.norm.pdf(x, media, desvio_padrao)


plt.plot(x, y)
plt.xlabel("Valores")
plt.ylabel("Probabilidade")
plt.title("Distribuição Normal")
plt.grid(True)
plt.show()

8. Comparando Valores Z

Em muitos casos, é necessário comparar valores com diferentes distribuições normais. Para isso, utilizamos o valor Z, que nos indica o quanto um valor está afastado da média em relação ao desvio padrão.

import scipy.stats as stats


media1 = 70
desvio_padrao1 = 4


media2 = 75
desvio_padrao2 = 6


x = 80


valor_z1 = (x - media1) / desvio_padrao1
valor_z2 = (x - media2) / desvio_padrao2


print(f"O valor Z considerando a primeira distribuição é {valor_z1}")
print(f"O valor Z considerando a segunda distribuição é {valor_z2}")

9. Conclusão

Neste tutorial, aprendemos sobre a distribuição normal e a função de densidade de probabilidade (PDF). Utilizamos a biblioteca scipy.stats para calcular a PDF da distribuição normal, exibir a curva da distribuição e comparar valores com diferentes distribuições normais.

A distribuição normal é amplamente utilizada em análises estatísticas e probabilísticas, sendo essencial compreendê-la para desenvolver uma visão abrangente de Python na área da análise de dados.

10. FAQs sobre a Distribuição Normal

  1. O que é a distribuição normal?

    • A distribuição normal é uma distribuição estatística contínua que possui uma forma de sino e é caracterizada por sua média e desvio padrão.

  2. Como calcular a PDF da distribuição normal?

    • Para calcular a PDF da distribuição normal, utilize a função pdf() da biblioteca scipy.stats, fornecendo a média, o desvio padrão e o valor de interesse como parâmetros.

  3. Como comparar valores usando a distribuição normal?

    • Para comparar valores com diferentes distribuições normais, calcule o valor Z para cada valor, considerando a média e o desvio padrão de cada distribuição.

  4. Quais são os benefícios de utilizar a biblioteca scipy.stats?

    • A biblioteca scipy.stats fornece funções estatísticas e probabilísticas poderosas, permitindo a facilidade no cálculo da PDF da distribuição normal e em outras análises estatísticas.

  5. Qual a importância da distribuição normal na análise de dados?

    • A distribuição normal é amplamente utilizada em estatística e análise de dados devido a suas propriedades estatísticas bem definidas, aplicabilidade em diversos campos e sua relação com outros conceitos estatísticos fundamentais. A compreensão dessa distribuição é essencial na análise e interpretação de dados.