Distribuição Normal: o que é, curva de Gauss e aplicação no Lean Six Sigma

Como você calcula a chance de uma peça sair fora da especificação, se você não mediu todas as peças?

A pergunta parece exigir dados que ninguém tem, e tem resposta a partir de dois números apenas — média e desvio padrão — desde que uma condição seja satisfeita. É essa condição que a maior parte das análises assume sem verificar, e é dela que este texto trata.

Os dados desta página descrevem situações-tipo construídas para o argumento: os valores são coerentes entre si e não vêm de uma empresa específica.

De onde ela vem, e por que tem dois nomes

O problema original não era industrial: era astronômico. No início do século XIX, medições repetidas da posição de um mesmo astro davam resultados ligeiramente diferentes, e a questão era como combinar essas medições para chegar ao valor mais provável.

Carl Friedrich Gauss desenvolveu a formulação matemática que descrevia como esses erros de medição se distribuíam — daí o nome distribuição gaussiana, sinônimo exato de distribuição normal. Os dois termos nomeiam a mesma coisa, e a escolha entre eles é regional e disciplinar, não técnica.

A origem explica o comportamento: a curva descreve bem situações em que o resultado é a soma de muitas causas pequenas e independentes. Erro de medição é o caso puro — temperatura, vibração, leitura do observador, cada uma empurrando um pouco para um lado. Dimensão de peça usinada é outro. Tempo de atendimento não é, e voltaremos a isso.

A regra empírica

É a propriedade que torna a distribuição normal útil no chão de fábrica: conhecidos média e desvio padrão, a proporção de valores dentro de qualquer faixa é calculável.

A conta que interessa na prática é a inversa. Com tolerância de 500 ± 4 gramas, a distância do limite à média é de 4 gramas, ou 2,67 desvios. A proporção esperada fora da especificação, somando os dois lados, é de 0,77% — cerca de 7.660 unidades por milhão.

Esse número não veio de contar peças refugadas: veio de duas estatísticas calculadas sobre uma amostra. É essa capacidade de projetar comportamento a partir de poucos dados que torna a suposição de normalidade tão atraente — e tão perigosa quando ela não vale.

Quando ela não vale

Três situações cobrem quase todos os casos em que supor normalidade produz resultado errado.

Dados com limite físico próximo da média. Tempo de atendimento com média de 8 minutos e desvio de 8 minutos: se a distribuição fosse normal, o modelo atribuiria 15,9% de probabilidade a durações negativas. Como atendimento não dura menos que zero, essa parcela da probabilidade tem que estar em algum lugar — e está na cauda direita, que o modelo normal subestima gravemente.

Contagens. Número de defeituosas, de reclamações, de paradas. São valores inteiros, com piso em zero, e têm modelos próprios. O sintoma de aplicar normal a contagem é o limite inferior negativo em cartas e intervalos.

Misturas. Dois processos medidos como um produzem um histograma com dois picos, e média e desvio calculados sobre eles descrevem um processo que não existe. É o caso mais traiçoeiro porque os números saem plausíveis.

A escolha do modelo adequado a cada mecanismo está em distribuições de probabilidade.

A confusão que o teorema central do limite gera

É o mal-entendido mais comum deste território, e ele custa caro porque parece um argumento técnico sólido.

O teorema central do limite afirma que a distribuição das médias de amostras tende à normal mesmo quando a população não é normal. Ele fala de médias amostrais, não dos dados brutos.

Isso significa que cartas de controle de médias funcionam bem em processos assimétricos, e que intervalos de confiança sobre médias são robustos. Não significa que você pode calcular proporção fora de especificação supondo normalidade sobre dados individuais assimétricos — e é exatamente esse salto que aparece em boa parte das análises de capabilidade.

A regra prática: se a conta envolve peças individuais, a normalidade dos dados brutos importa; se envolve médias de subgrupos, o teorema protege.

Como verificar, sem cair na armadilha do teste

A verificação começa pelo histograma, e em boa parte dos casos termina ali. Cauda longa de um lado, piso em zero perto da média, dois picos — qualquer um desses já responde a pergunta sem teste nenhum.

O gráfico de probabilidade normal é o passo seguinte, e é mais sensível: pontos que se afastam da reta nas pontas revelam caudas que o histograma não mostra bem com poucas observações.

Sobre testes formais, uma advertência que raramente aparece: eles dependem do tamanho da amostra de um jeito que torna a interpretação traiçoeira. Com amostra pequena, quase nada é rejeitado — não porque os dados sejam normais, mas porque falta poder. Com amostra muito grande, quase tudo é rejeitado, porque desvios minúsculos e irrelevantes viram estatisticamente detectáveis.

A pergunta útil não é “os dados são normais?”, que tem resposta negativa para qualquer processo real se a amostra for grande o bastante. É “o afastamento da normalidade é grande o bastante para mudar a minha decisão?”. Os procedimentos práticos de verificação estão em como saber se a distribuição dos dados é normal.

Fluxo de verificação

Use a impressão do navegador (Ctrl+P ou Cmd+P) para levar só o fluxo.

Onde a normalidade aparece sem ser anunciada

A suposição está embutida em mais lugares do que costuma ser percebido, e em nenhum deles ela aparece como uma pergunta na tela.

Está nos índices de capabilidade do processo, que traduzem média, desvio e limites de especificação em proporção esperada de defeituosas — e essa tradução depende inteiramente do formato da distribuição. A representação visual disso está em curva de capabilidade.

Está nos limites de três desvios das cartas de controle, com a ressalva importante do passo 2 do fluxo: cartas de médias são robustas, cartas de valores individuais não são.

E está na leitura do próprio desvio padrão como medida interpretável — dizer que 95% dos casos estão a dois desvios da média é uma afirmação sobre a curva, não sobre o desvio. Vale lembrar também que centro e dispersão são metade da descrição: a escolha da medida de centro está em média, mediana e moda, e em distribuições assimétricas a média deixa de ser o melhor resumo.

Daqui em diante o problema é de modelo, não de fórmula

Este texto responde pelo que a distribuição normal descreve e pelos limites disso. O que ele não faz é escolher o modelo para o seu caso quando a normal não serve — essa escolha segue o mecanismo que gera o dado, e cada família de distribuição corresponde a uma situação típica.

A sequência que sustenta qualquer análise é sempre a mesma e raramente é percorrida por inteiro: entender a variável, escolher o modelo compatível com o mecanismo, verificar se a escolha se sustenta nos dados, e só então calcular. Pular direto para o cálculo produz números com casas decimais sobre premissas que ninguém examinou — e é isso que separa análise de aplicação de fórmula. É o encadeamento que a formação Green Belt percorre na fase de medição de um projeto, e você pode conhecer a lógica dele pela certificação White Belt gratuita da EDTI antes de decidir se quer se aprofundar.

Conteúdo revisado pelo Master Black Belt Marcelo Petenate, estatístico, formado pela Unicamp, mestre pela USP e especialista em Lean Six Sigma e melhoria contínua. Nesta revisão, o foco foi a separação entre normalidade dos dados brutos e normalidade das médias amostrais, e o efeito do tamanho da amostra sobre os testes de normalidade.

Perguntas frequentes

O que é a distribuição normal?

É um modelo que descreve variáveis contínuas resultantes da soma de muitas causas pequenas e independentes. Tem formato simétrico em torno da média, e sua propriedade mais útil é permitir calcular a proporção de valores em qualquer faixa a partir de apenas dois números: média e desvio padrão.

Distribuição normal e gaussiana são a mesma coisa?

Sim, são sinônimos exatos. O segundo nome vem de Carl Friedrich Gauss, que formalizou a curva a partir do problema de combinar medições astronômicas repetidas. A escolha entre os dois termos é de área e de região, não técnica.

O que diz a regra empírica?

Que aproximadamente 68,3% dos valores ficam a até um desvio padrão da média, 95,5% a até dois desvios e 99,7% a até três. É a regra que permite estimar proporção fora de especificação sem contar peças — desde que a suposição de normalidade se sustente.

Como saber se meus dados são normais?

Comece pelo histograma: cauda longa, piso em zero perto da média ou dois picos já respondem. Depois use o gráfico de probabilidade normal, que é mais sensível às caudas. Testes formais ajudam, com a ressalva de que amostra pequena quase nunca rejeita e amostra muito grande quase sempre rejeita.

E se os dados não forem normais?

Depende do que você vai fazer com eles. Comparar médias, monitorar por subgrupos e descrever centro e dispersão continuam funcionando. O que não funciona é projetar proporção fora de especificação a partir de média e desvio — aí é preciso separar populações misturadas, usar o modelo adequado ao mecanismo, ou trabalhar com percentis observados.

O teorema central do limite garante normalidade?

Garante para as médias de amostras, não para os dados individuais. É por isso que cartas de médias funcionam em processos assimétricos e cartas de valores individuais não. Se a sua conta é sobre peças uma a uma, o teorema não protege.

Por que os limites de controle usam três desvios?

Porque com três desvios a proporção de alarme falso fica em torno de 0,3% quando a suposição vale, o que equilibra bem detectar sinal real e não interromper o processo sem motivo. O valor é convenção prática consolidada, não uma constante matemática.

A distribuição normal é suficiente para analisar um processo?

Não. Ela descreve o formato dos dados em um momento, e não diz se o processo está estável, se a medição é confiável, nem se a mudança que você fez teve efeito. Supor normalidade sem verificar é aplicar a fórmula certa ao processo errado — e o resultado tem casas decimais que escondem a premissa não examinada.