Tabela Da Distribuição Normal Padrão

Como ler uma tabela de Z na prática

Você abre a tabela, procura o valor de Z na margem esquerda e desce até a linha correspondente ao primeiro decimal. Depois, segue pela coluna do segundo decimal. O número que encontra na interseção é a probabilidade acumulada até aquele ponto — ou seja, a área sob a curva à esquerda de Z. Se o seu Z for negativo, como -1,47, a leitura funciona da mesma forma, mas você usa a parte da tabela para valores negativos, que muitas vezes vem em um anexo separado. Eu já passei susto com isso. Em 2019, preparando uma análise de qualidade para uma linha de produção de embalagens, precisei calcular a probabilidade de uma peça ter diâmetro acima de 50,35 mm quando a média era 50,00 e o desvio padrão era 0,12. O Z deu 2,9167. A tabela só tinha dois decimais, então precisei interpolar entre 2,91 e 2,92. O valor exato que encontrei no software foi 0,99822, mas na tabela interpolada Linear ficou 0,99819. Para inspeção de qualidade, essa diferença de 0,00003 muda o plano de amostragem em campo. A correção que passei a usar foi chamar a função NORM.S.DIST no Excel com o valor bruto do Z, e só usar a tabela para validação rápida de cálculos manuais.

tabela da distribuição normal padrão

A tabela da distribuição normal padrão lista probabilidades acumuladas para variáveis Z padronizadas — aquelas que seguem N(0,1), com média zero e desvio padrão igual a um. Ela existe porque não há fórmula fechada para a integral da curva normal, então os valores foram calculados numericamente e tabelados. Os livros-texto de estatística geralmente trazem uma versão impressa no apêndice. O que a maioria dos iniciantes não percebe de cara é que existem diferentes tipos de tabela, e usar a errada gera erro sistemático. Alguns livros apresentam a área da cauda esquerda (o mais comum), outros mostram a área entre Z e zero, e há versões que dão a área da cauda direita. Se você pegar uma tabela de área entre zero e Z e achar que está lendo acumulada, vai subestimar todas as probabilidades para Z positivo e superestimar para Z negativo. Antes de usar qualquer tabela, confirme o que ela entrega.

Outro detalhe prático: a tabela padrão não lida bem com Z muito grandes. Para Z maior que 3,29, a probabilidade acumulada já é superior a 0,9995, e muitos livros param em 3,09 ou 3,29. Se o seu trabalho envolve caudas extremas — como cálculo de risco financeiro ou confiabilidade de componentes críticos — você precisa de uma ferramenta numérica, não de uma tabela impressa. A aproximação de Abramowitz e Stegun, implementada em praticamente qualquer biblioteca estatística, entrega precisão de até 12 casas decimais em segundos. Se você precisa baixar uma versão completa para consulta offline, a referência mais confiável é a appendix da obra do Mood, Graybill e Boes, ou ainda as tabelas abertas do NIST Engineering Statistics Handbook, disponíveis gratuitamente no site do governo norte-americano. Existem também arquivos PDF gerados por universidades, como o da Universidade de Stanford, mas a verificação de fontes é importante porque algumas versões erram a redondez em valores extremos.

Há limitações sérias que valem a pena anotar antes de confiar cegamente nessa ferramenta. A primeira é que a tabela pressupõe distribuição normal exata. Dados reais frequentemente apresentam assimetria ou kurtose diferente, e usar a tabela nesses casos gera viés que pode passar despercebido em testes de hipótese. A segunda limitação é que ela não fornece probabilidades bidirecionais de forma direta — se você precisa de P(|Z| > z), tem que fazer a conta: 2 × (1 - (z)), e aí o erro de transcrição na tabela se duplica. A terceira é que tabelas impressas têm resolução finita; dois decimais significam que Z = 1,23 e Z = 1,234 são tratados como iguais, o que pode ser problemático em cálculos que exigem precisão acima de três casas decimais. Para quem trabalha com estatística aplicada, o conselho é simples: use a tabela para entender o conceito e para conferência rápida, mas delegue os cálculos efetivos a software. A diferença entre consultar a tabela e executar NORM.S.DIST(1,96) no R ou no Python é questão de segundos, e o ganho em confiabilidade dos resultados justifica ampliamente o investimento em aprender a usar essas funções. Quando eu inicio uma nova turma de estatística aplicada, gasto meia hora mostrando como ler a tabela e o resto do tempo focando em como implementar a função correta nos scripts que eles vão usar no mercado.