Distribuição Normal: a curva em forma de sino
A distribuição normal é o padrão mais comum na natureza e nas ciências. Entender sua forma e propriedades é fundamental para estatística aplicada.
Renato Freitas
Atualizado em 27 de abril de 2026
O que é a distribuição normal
A distribuição normal (ou gaussiana, em homenagem ao matemático Carl Gauss) é uma distribuição de probabilidade contínua que assume a forma de um sino simétrico. Ela aparece naturalmente em fenômenos como altura de pessoas, erros de medição, QI, pressão arterial e inúmeras outras variáveis biológicas, físicas e sociais.
O motivo de ela ser tão frequente é o Teorema Central do Limite: a soma (ou média) de muitas variáveis aleatórias independentes tende a uma distribuição normal, independentemente da distribuição original de cada variável. Isso torna a distribuição normal a base de grande parte da estatística inferencial.
🧮 Teste você mesmo — CalcSim
Quer mais recursos? Baixar app CalcSim IA
Média e desvio padrão definem a curva
Uma distribuição normal é completamente descrita por dois parâmetros: a média (μ) e o desvio padrão (σ). A média determina onde o centro da curva (o pico) está localizado no eixo horizontal. O desvio padrão determina a largura da curva — quanto maior o σ, mais achatada e espalhada é a curva; quanto menor, mais estreita e alta.
Duas distribuições normais com médias diferentes mas mesmo desvio padrão têm a mesma forma, apenas deslocadas. Duas com mesma média mas desvios padrão diferentes têm o mesmo centro mas larguras diferentes. A notação é N(μ, σ²), onde σ² é a variância.
- A curva é perfeitamente simétrica em torno da média
- Média = Mediana = Moda (todos coincidem no centro)
- A área total sob a curva é sempre igual a 1 (100%)
Regra 68-95-99,7%
Uma propriedade fundamental da distribuição normal é a regra empírica, que descreve que fração dos dados está dentro de 1, 2 ou 3 desvios padrão da média. Essa regra permite fazer afirmações rápidas sobre onde a maioria dos dados está concentrada.
Exemplo: alturas masculinas no Brasil seguem aproximadamente N(172 cm, 7 cm). Pela regra, 68% dos homens têm entre 165 cm e 179 cm (172 ± 7). Cerca de 95% têm entre 158 cm e 186 cm (172 ± 14). E 99,7% têm entre 151 cm e 193 cm (172 ± 21).
- 68% dos dados ficam entre μ - σ e μ + σ (1 desvio padrão)
- 95% dos dados ficam entre μ - 2σ e μ + 2σ (2 desvios padrão)
- 99,7% dos dados ficam entre μ - 3σ e μ + 3σ (3 desvios padrão)
Padronização com o escore Z
O escore Z (ou escore padrão) transforma qualquer valor de uma distribuição normal em um número que indica quantos desvios padrão esse valor está acima ou abaixo da média. Isso permite comparar valores de distribuições com escalas completamente diferentes.
Fórmula: Z = (x - μ) / σ. Exemplo: uma pessoa mede 186 cm. Com μ = 172 e σ = 7, o escore Z é (186 - 172) / 7 = 2,0. Isso significa que essa pessoa está 2 desvios padrão acima da média, portanto mais alta que aproximadamente 97,5% da população.
A distribuição normal padronizada N(0, 1) tem média 0 e desvio padrão 1. Uma tabela Z (ou calculadora estatística) informa qual fração da distribuição está abaixo de qualquer escore Z específico, permitindo calcular probabilidades exatas.
- Escore Z = (x - μ) / σ
- Z positivo: valor acima da média
- Z negativo: valor abaixo da média
- Z = 0: valor igual à média
Perguntas frequentes
Todo conjunto de dados tem distribuição normal?
Não. Muitas variáveis importantes não seguem a distribuição normal. Renda e patrimônio costumam seguir distribuições assimétricas (com cauda longa à direita). Proporções ficam entre 0 e 1. Contagens de eventos raros seguem distribuição de Poisson. Verificar se os dados são aproximadamente normais (por histograma ou testes específicos) é uma etapa importante antes de aplicar técnicas que assumem normalidade.
O que significa um escore Z de 1,96?
Um escore Z de 1,96 corresponde ao ponto que separa os 95% centrais dos 5% extremos (2,5% em cada cauda). Por isso, 1,96 aparece frequentemente em intervalos de confiança de 95% e em testes de hipóteses. Valores com Z > 1,96 ou Z < -1,96 são considerados estatisticamente incomuns a um nível de significância de 5%.
Como saber se meus dados seguem distribuição normal?
O método mais simples é visual: faça um histograma e veja se a forma se parece com um sino simétrico. Outra opção é o gráfico Q-Q (quantil-quantil), onde pontos que seguem uma reta indicam normalidade. Para testes formais, os mais usados são Shapiro-Wilk (para amostras pequenas, até 50 valores) e Kolmogorov-Smirnov (para amostras grandes).
Este artigo foi útil para você?
Avalie com estrelas para nos ajudar a melhorar o conteúdo.
Faça login para avaliar este artigo.
Ainda tem dúvida?
O Professor IA explica passo a passo
Faça uma pergunta em linguagem natural e receba uma explicação personalizada sobre Estatística Básica — ou qualquer outro tópico.
Prefere resolver pelo celular?
Baixar o app grátis →Continue aprendendo