Professional Documents
Culture Documents
Obs: A distribuição normal às vezes é informalmente denominada curva do sino . No entanto, muitas
outras distribuições são em forma de sino (como o Cauchy , o Student e as distribuições logísticas ).
Para uma uma caracterização completa do processo estocástico seguido pro uma variável aleatória é
nenecessário determinar algumas de suas propriedades, como sua distribuição de frequencia de
ocorrencia e a existencia de correlações na série temporal.
É comum utilizar como primeira tentativa de modelagem das distribuições empíricas uma distribuição
Gaussiana, ou distribuição normal. Essa distribuição aparece em diversos fenomenos na natureza, e em
particular em processos relacionados à difusão normal ou Browniana.
Podemos observar com esse histograma que o Ibovespa, bem como praticamente todos os ativos
financeiros negociados no mercado, segue uma distribuição Normal Padrão. Abaixo mais alguns
exemplos de variações empíricas no mercado financeiro.
Um desvio padrão é uma unidade de medida que pode ajudá-lo a descobrir onde os itens de dados
provavelmente cairão. No exemplo da imagem acima, 68% de todas as medidas caem dentro de
um desvio padrão de ambos os lados da média. Em outras palavras, a maior parte dos seus dados cairá
entre -1 e +1 desvios-padrão da média . Se você sair para dois desvios padrão , essa porcentagem
aumenta para 95%; quase todos (99,7%) dos seus dados cairão dentro de três desvios padrão .
Uma curva de distribuição normal pode representar centenas de situações na vida real. Você já notou na
aula que a maioria dos alunos recebe Cs enquanto alguns recebem As ou Fs? Isso pode ser modelado
com uma curva de sino. Os pesos das pessoas, as alturas, os hábitos nutricionais e os regimes de
exercícios também podem ser modelados com gráficos semelhantes a este. Esse conhecimento permite
que empresas, escolas e governos façam previsões sobre o comportamento futuro. Para os
comportamentos que se encaixam neste tipo de curva de sino (como a performance no SAT ), você
poderá prever que 34,1 + 34,1 = 68,2% dos alunos obtêm uma pontuação muito próxima da pontuação
média ou um desvio padrão longe da média .
Ele diz o quanto seus dados são ajustados em torno da média . Quando a curva do sino é achatada (seus
dados estão espalhados), você tem um grande desvio padrão - seus dados estão mais longe da média .
Quando a curva do sino é muito íngreme, seus dados têm um pequeno desvio padrão - seus dados estão
bem agrupados em torno da média . Por exemplo, o gráfico à esquerda pode representar um número
anormalmente elevado de alunos que obtêm pontuações próximas da média, enquanto o gráfico à
direita representa mais alunos obtendo pontuações longe da média.