Desde 2010 · Mais de 2 milhões de usos de ferramentas por mês
Desde 2010
Adicionar ao Chrome

Minha Caixa de Ferramentas

Modo Automático

Nenhuma ferramenta salva ainda.

Atualize para a Versão Premium
Ferramentas relacionadas
Calculadora de Coeficiente de GiniCalculadora de Desvio Padrão RelativoAnalisador de Variação de Comprimento de FrasesCalculadora da função de erroCalculadora de Ordem das Operações (PEMDAS)Calculadora de Capacidade de Processo Seis Sigma
Página Inicial > Aleatoriedade
 

Gerador de Distribuição Gaussiana

Gere numeros aleatorios seguindo uma distribuicao normal (gaussiana) a partir de uma media e desvio padrao. Inclui uma curva de sino interativa, analise estatistica, um histograma e opcoes de exportacao para simulacoes.

Uso gratuitoSem cadastroAtualizado em jan/2026
Gerador de Distribuição GaussianaExperimente agora — grátis ▼

Exemplos Rápidos:

Normal Padrão Pontuações de QI Notas de Teste Medições
Centro da distribuição
Dispersão da distribuição
Quantos números gerar
Precisão dos resultados
Use a mesma semente para resultados reprodutíveis

Entendendo a Curva em Sino

μ (Média) -1σ +1σ -2σ +2σ 68% 95% 99,7%
68% dentro de ±1σ
95% dentro de ±2σ
99,7% dentro de ±3σ

Embed Gerador de Distribuição Gaussiana Widget

Gerador de Distribuição Gaussiana

O Gerador de Distribuição Gaussiana cria números aleatórios que seguem uma Distribuição Normal (Gaussiana), também conhecida como curva em sino. Ao contrário de geradores aleatórios uniformes que dão probabilidade igual a todos os valores, esta ferramenta gera números que se agrupam em torno de uma média central, com probabilidade decrescente à medida que os valores se afastam do centro.

O que é uma Distribuição Gaussiana (Normal)?

A distribuição Gaussiana, nomeada em homenagem ao matemático Carl Friedrich Gauss, é uma das distribuições de probabilidade mais importantes na estatística e nas ciências naturais. Ela descreve como os valores são distribuídos em torno de uma média central, criando a forma característica de "curva em sino".

A distribuição é definida por dois parâmetros:

A função densidade de probabilidade: $f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$

A Regra 68-95-99,7 (Regra Empírica)

Uma das propriedades mais úteis da distribuição normal é a regra empírica, que afirma:

Esta regra ajuda a prever qual porcentagem de números gerados cairá dentro de faixas específicas.

Como Usar o Gerador de Distribuição Gaussiana

  1. Defina a Média (μ): Insira o valor central da sua distribuição. Para uma distribuição normal padrão, use 0. Para pontuações de QI, use 100. Para notas de testes, você pode usar 75.
  2. Defina o Desvio Padrão (σ): Insira o quão espalhados você quer que os valores sejam. Para normal padrão, use 1. Para pontuações de QI, use 15. Valores maiores criam distribuições mais largas.
  3. Escolha a Quantidade: Selecione quantos números aleatórios gerar (1 a 10.000).
  4. Selecione as Casas Decimais: Escolha a precisão de 0 (inteiros) a 6 casas decimais.
  5. Semente Opcional: Insira um valor de semente para resultados reprodutíveis. Mesma semente + mesmos parâmetros = mesmos números.
  6. Gerar: Clique no botão para criar seus números aleatórios e ver a visualização.

Entendendo as Estatísticas

Estatísticas Básicas

Estatísticas Avançadas

Aplicações Comuns

Simulações e Modelagem

Números aleatórios Gaussianos são essenciais para simulações de Monte Carlo, modelagem financeira, análise de risco e simulações científicas onde a variabilidade natural precisa ser modelada.

Aprendizado de Máquina e IA

Pesos de redes neurais são frequentemente inicializados usando distribuições Gaussianas. A injeção de ruído para aumento de dados também usa comumente distribuições normais.

Testes Estatísticos

Gere dados de amostra para testar métodos estatísticos, testes de hipóteses ou demonstrar conceitos do teorema central do limite.

Modelagem de Fenômenos Naturais

Muitos fenômenos naturais seguem distribuições normais: alturas humanas, erros de medição, notas de testes, leituras de pressão arterial e muito mais.

Controle de Qualidade

Simule processos de fabricação onde as dimensões do produto variam em torno de um valor alvo com tolerância conhecida.

Exemplos de Distribuições Normais

Semente Aleatória para Reprodutibilidade

O recurso opcional de semente aleatória permite gerar sequências reprodutíveis de números aleatórios. Isso é valioso para:

Deixe o campo de semente vazio para aleatoriedade verdadeira, onde cada geração produz resultados diferentes.

Perguntas Frequentes

O que é uma Distribuição Gaussiana (Normal)?

Uma distribuição Gaussiana ou Normal é uma distribuição de probabilidade simétrica em torno da média, mostrando que os dados próximos à média são mais frequentes do que os dados distantes da média. Ela cria a famosa forma de "curva em sino". Cerca de 68% dos valores estão dentro de um desvio padrão da média, 95% dentro de dois desvios padrão e 99,7% dentro de três desvios padrão.

O que representam a média e o desvio padrão?

A média (μ) é o centro da distribuição - onde a curva em sino atinge o pico. O desvio padrão (σ) mede quão dispersos são os números. Um desvio padrão maior significa mais dispersão (curva mais larga), enquanto um desvio padrão menor significa que os valores se agrupam mais perto da média (curva mais estreita).

Para que serve a opção de semente aleatória?

A semente aleatória permite gerar resultados reprodutíveis. Usar a mesma semente com parâmetros idênticos produzirá exatamente a mesma sequência de números aleatórios. Isso é útil para experimentos científicos, depuração (debugging) ou quando você precisa de resultados consistentes em várias execuções.

Como posso usar números aleatórios Gaussianos?

Números aleatórios Gaussianos são usados em simulações, modelagem estatística, métodos de Monte Carlo, aprendizado de máquina, processamento de sinais e modelagem financeira. Eles podem simular fenômenos naturais como alturas, notas de testes, erros de medição e movimentos de preços de ações, que frequentemente seguem distribuições normais.

O que são assimetria (skewness) e curtose (kurtosis) na estatística?

A assimetria mede a falta de simetria da distribuição. Um valor próximo de 0 indica simetria. Assimetria positiva significa uma cauda mais longa à direita, negativa à esquerda. A curtose (excesso de curtose) mede o peso das caudas em comparação com uma distribuição normal. Um valor próximo de 0 indica peso de cauda normal, positivo significa caudas mais pesadas, negativo significa caudas mais leves.

Detalhes Técnicos

Este gerador usa a função random.gauss() do Python, que implementa a transformada de Box-Muller para converter números aleatórios uniformemente distribuídos em normalmente distribuídos. O algoritmo é:

  1. Gera dois números aleatórios uniformes independentes U1 e U2 em (0, 1)
  2. Aplica a transformada de Box-Muller para obter dois valores normais padrão independentes
  3. Escala e desloca para atingir a média e o desvio padrão desejados

Recursos Relacionados

Cite este conteúdo, página ou ferramenta como:

"Gerador de Distribuição Gaussiana" em https://MiniWebtool.com/br/gerador-de-distribuição-gaussiana/ de MiniWebtool, https://MiniWebtool.com/

pela equipe miniwebtool. Atualizado: 23 de Jan de 2026

Aleatoriedade:

Ferramentas populares e atualizadas:

Calculadora de Distribuição NormalCalculadora de Teste F e Distribuição FCalculadora de Distribuição BetaVer todos →
Página Inicial > Aleatoriedade > Gerador de Distribuição Gaussiana