UFMT Revalida - Universidade Federal de Mato Grosso — Prova 2016
Tem-se o conjunto de dados sobre o peso ao nascer das crianças do Estado de Mato Grosso nos últimos 10 anos. Qual característica espera-se encontrar após a análise dos dados, se assumir que o peso ao nascimento é uma variável aleatória normalmente distribuída?
Distribuição Normal (Gauss) → Média = Mediana = Moda.
Em uma distribuição perfeitamente normal, os dados são simétricos em torno do centro, fazendo com que as três medidas de tendência central coincidam no pico da curva.
A distribuição normal é o pilar da estatística inferencial na medicina. Muitas variáveis biológicas, como peso ao nascer, altura e pressão arterial, tendem a seguir esse padrão em grandes populações. O Teorema do Limite Central explica que, conforme o tamanho da amostra aumenta, a distribuição das médias amostrais se aproxima de uma normal, independentemente da forma da distribuição da população original, permitindo o uso de testes paramétricos.
A curva de Gauss, ou distribuição normal, é unimodal, simétrica e em formato de sino. Sua principal característica matemática é que a média, a mediana e a moda possuem o mesmo valor e localizam-se no centro da distribuição. Além disso, as caudas da curva são assintóticas ao eixo horizontal, nunca o tocando.
Em uma distribuição normal, aproximadamente 68,2% dos dados estão contidos no intervalo de média ± 1 desvio-padrão (DP). Cerca de 95,4% dos dados situam-se entre média ± 2 DP, e aproximadamente 99,7% estão dentro de média ± 3 DP. É um erro comum confundir 95% com apenas 1 DP.
Uma distribuição é assimétrica quando a média, a mediana e a moda não coincidem. Se a cauda da curva se alonga para a direita, temos assimetria positiva (média > mediana > moda). Se se alonga para a esquerda, temos assimetria negativa (moda > mediana > média). A distribuição normal possui assimetria zero.
Responda esta e mais de 150 mil questões comentadas no MedEvo — a plataforma de residência médica com IA.
Responder questão no MedEvo