1.

A Distribuição Normal (Distribuição

Gaussiana)
A distribuição normal ou Gaussiana é basicamente uma distribuição contínua de probabilidade de uma
variável aleatória x. Chamamos de curva normal o seu gráfico cujas propriedades são:

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 ).

Esta curva tem como modelo matemático a função de Gauss:

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.

Um interessante uso da distribuição Normal no mercado financeiro é realizar inferências estatísticas no

intuito de mensurar probabilidades de sucesso e fracasso em investimentos financeiros. Essa
importante propriedade provem do Teorema Central do Limite que diz que: "Toda soma de variáveis
aleatórias independentes de média finita e variância limitada é aproximadamente Normal (desde que o
número de termos da soma seja suficientemente grande)."

Segue abaixo um Histograma da variação do Ibovespa entre o período de 27/03/2009 a 26/03/10.

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.

1.2. Désvio Padrão da Curva do Sino

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 .

Exemplo de vida real

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 .

O que isso realmente significa?

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.