Distribuição Normal de Gauss, Teorema Central do Limite e Escores Z (Tratado de Bioestatística Clínica 2024)
A distribuição normal não é uma mera abstração matemática, mas a base probabilística que viabiliza a inferência paramétrica sobre populações biológicas a partir de amostras finitas.
Esquema Conceitual & Modelagem Bioestatística
A Função de Densidade de Probabilidade Gaussiana
Descrita pelos parâmetros fundamentais média populacional (μ) e variância (σ²), a curva normal é simétrica, mesocúrtica e assintótica ao eixo das abscissas. A transformação de qualquer variável aleatória contínua em escores Z estandardizados (Z = [X - μ] / σ) permite calcular probabilidades acumuladas universais independentemente da escala biológica original.
O Teorema Central do Limite (TCL)
À medida que o tamanho da amostra (n) cresce (geralmente n ≥ 30), a distribuição das médias amostrais aproxima-se assintoticamente de uma distribuição normal, mesmo que a variável na população original seja francamente assimétrica ou bimodal. O erro padrão da média (SE = s / √n) quantifica a precisão da estimativa.
Verificação de Normalidade: Shapiro-Wilk vs Kolmogorov-Smirnov
Em amostras clínicas pequenas e moderadas (n < 50), o teste de Shapiro-Wilk apresenta superior poder estatístico para detectar desvios de simetria e curtose. Testes puramente visuais (histogramas e Q-Q plots) devem sempre anteceder a decisão entre métodos paramétricos ou não paramétricos.
Farmacêutico-Bioquímico · Especialista em Bioestatística Clínica & Epidemiologia Quantitativa · Publicação de 05/06/2024 às 01:35
