distribuição de probabilidade

DISTRIBUIÇÃO DE PROBABILIDADES Em estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Ela é uma função cujo domínio são os valores da variável e cuja imagem são as probabilidades de a variável assumir cada valor do domínio. O conjunto imagem deste tipo de função está sempre restrito ao intervalo entre 0 e 1.
Uma distribuição de probabilidade pode ser discreta (como em um jogo de dados) ou contínua. É comum o uso de funções que se ajustem à distribuição de probabilidade.

DISTRIBUIÇÃO NORMAL E DE AMOSTRA A distribuição normal é uma das mais importantes distribuições da estatística, conhecida também como Distribuição de Gauss ou Gaussiana.[1][2][3][4][5] Foi primeiramente introduzida pelo matemático Abraham de Moivre.
Além de descrever uma série de fenômenos físicos e financeiros, possui grande uso na estatística inferencial. É inteiramente descrita por seus parâmetros de média e desvio padrão, ou seja, conhecendo-se estes consegue-se determinar qualquer probabilidade em uma distribuição Normal.
Um interessante uso da Distribuição Normal é que ela serve de aproximação para o cálculo de outras distribuições quando o número de observações fica grande. Essa importante propriedade provém do Teorema do Limite Central 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" (ver o teorema para um enunciado mais preciso).
Amostra:
Parte da população
Normalmente usada para inferir parâmetros de toda a população
Deve ser representativa da população: amostra aleatória

ESTIMATIVAS Denomina-se parâmetro de população 1 o valor numérico que caracteriza uma população. Uma estimativa estatística 2 é o procedimento em que os valores destes parâmetros são estimados de uma amostra. Estas estimativas estão sujeitas a erros amostrais 3 e a medida da