The Tool Desk
Outbyte Driver Updater FREEFix the driver behind crashes, sound loss and screen glitchesFind Drivers →Outbyte PC Repair FREEClear out junk files and repair common Windows errorsFree Scan →iTechGuides is reader-supported. When you buy through links on our site, we may earn an affiliate commission. As an Amazon Associate I earn from qualifying purchases. Learn more
Nove passageiros podem ajudar a ilustrar o Teorema do Limite Central, mas uma única média calculada com nove pessoas não revela, por si só, como se comportam as médias de muitas amostras. O teorema descreve a distribuição dessas médias repetidas: sob certas condições, ela se aproxima de uma distribuição normal conforme o tamanho de cada amostra aumenta. Isso não significa que os dados individuais dos passageiros sejam normalmente distribuídos.
O que o Teorema do Limite Central descreve
Imagine que a variável observada seja o tempo de embarque, o peso da bagagem ou outra medida. Para estudar o Teorema do Limite Central (TLC), pense em retirar repetidamente amostras aleatórias da mesma população, calcular a média de cada grupo e observar a distribuição de todas essas médias. Essa coleção de médias é a distribuição amostral da média. O TLC diz que, sob suas condições, essa distribuição tende a se aproximar de uma normal quando o tamanho de cada amostra cresce. [OpenStax, seção 7.1]
A distinção é essencial: a população original pode ter dados enviesados ou outra forma, enquanto a distribuição das médias amostrais pode se tornar aproximadamente normal. O TLC não afirma que cada observação individual se torna normal nem que qualquer amostra pequena já produza uma curva normal.
Recommended Free Tools
O que acontece com uma amostra de nove passageiros
Uma média isolada não é a distribuição amostral
Suponha, apenas como ilustração hipotética, que se retirem repetidamente grupos aleatórios de nove passageiros e se calcule a média de uma variável definida, como o peso da bagagem. Um grupo fornece uma média; muitos grupos fornecem uma distribuição de médias. É essa distribuição repetida, não o primeiro grupo de nove, que o TLC descreve.
#1 Best Overall
As fontes aqui citadas não fornecem dados reais de passageiros, nem um tamanho amostral específico validado para esse contexto. Portanto, não é possível afirmar com base nelas qual seria a distribuição de pesos, tempos ou outra medida entre passageiros.
O erro padrão com nove observações
Se o desvio padrão da população for σ e cada amostra tiver tamanho n, a média da distribuição amostral da média é a média populacional μ, e seu erro padrão é σ/√n. Para n = 9, isso resulta em σ/3. O erro padrão mede a dispersão das médias amostrais; não é o desvio padrão dos valores individuais. [OpenStax, seção 7.1]
Rank #2
- This guide is a perfect overview for the topics covered in introductory statistics courses.
Quando n aumenta, o erro padrão diminui, de modo que as médias de amostras repetidas tendem a ficar mais concentradas em torno de μ. Isso, por si só, não informa quão próxima de uma normal será a forma da distribuição para um tamanho finito.
Do these 3 things before closing this tab:
1Clear out junk files and repair common Windows errors2Fix the driver behind crashes, sound loss and screen glitches3Repair Windows errors before they cause bigger problemsNove é suficiente para usar uma distribuição normal?
Não existe um número universal que garanta uma boa aproximação normal para toda população. Se a população for normal, a média amostral também tem distribuição normal mesmo em amostras pequenas. Se a população for bastante enviesada, pode ser necessário um n maior para que a distribuição amostral se aproxime de uma normal. A adequação depende tanto da forma da população quanto das condições de amostragem. [OpenStax, seção 7.3]
Rank #3
Uma ilustração de OpenStax compara distribuições de médias obtidas de populações normal, uniforme e enviesada: usa 1.000 amostras aleatórias por tamanho e apresenta n = 10, 25 e 50. Nesses exemplos didáticos, as distribuições amostrais se aproximam gradualmente da normal, e a população enviesada exige amostras maiores que a normal para essa aproximação. Esses valores descrevem a demonstração do livro, não passageiros nem um limiar aplicável a todos os casos. [OpenStax, Introductory Business Statistics 2e, seção 7.2, 13 dez. 2023]
Independent reader supportYour contribution helps us test, update, and keep practical guides available for everyone.Qual distribuição usar: média, soma ou valor individual?
A resposta depende da pergunta estatística. OpenStax resume a escolha para a média assim: “If you are being asked to find the probability of the mean, use the clt for the mean.” [OpenStax, seção 7.3]
- Probabilidade de uma média: use a distribuição amostral da média e considere o TLC quando as condições forem apropriadas.
- Probabilidade de uma soma: use a distribuição amostral da soma; o TLC também pode ser pertinente sob suas condições.
- Probabilidade de um valor individual: use o modelo da variável individual. O TLC não transforma essa observação em uma média amostral.
Essa distinção evita aplicar uma curva normal à pergunta errada, mesmo quando há várias observações disponíveis. [OpenStax, seção 7.3]
Quick Recap
Best Value
Como avaliar um exemplo com passageiros
- Defina a variável e a população. Especifique o que será medido e em quais passageiros, sem tratar um exemplo hipotético como dado observado.
- Descreva a amostragem. Para falar em amostras aleatórias, explique como os passageiros são selecionados. Um grupo escolhido por conveniência não é automaticamente aleatório.
- Separe a observação da média. Um passageiro representa um valor individual; nove passageiros geram uma média para aquele grupo.
- Repita o processo para estudar a distribuição amostral. Mantenha a variável, a população e o procedimento de seleção constantes ao comparar tamanhos de amostra.
- Avalie a forma e a dispersão. Considere a forma da população original e o erro padrão σ/√n; não conclua que a distribuição das médias é normal apenas porque n vale nove.
Product prices and availability are accurate as of the date/time indicated and are subject to change. Any price and availability information displayed on Amazon at the time of purchase will apply.
