Recommended Free Tools
Nove passageiros podem ilustrar o Teorema do Limite Central (TLC), mas não bastam, por si só, para garantir que uma distribuição normal seja adequada. O TLC descreve a distribuição das médias ou somas de muitas amostras aleatórias repetidas — não diz que os valores individuais dos passageiros seguem uma distribuição normal.
O que o Teorema do Limite Central descreve
Imagine escolher repetidamente grupos aleatórios de nove passageiros e calcular, em cada grupo, a média de uma variável, como o peso da bagagem ou o tempo de embarque. A coleção dessas médias forma uma distribuição amostral. Ela é diferente dos valores individuais observados e também da distribuição de uma única amostra.
As an Amazon Associate I earn from qualifying purchases.
O TLC afirma que, conforme o tamanho de cada amostra aumenta, a distribuição amostral das médias tende a se aproximar de uma distribuição normal, desde que as condições do teorema sejam atendidas. Isso não transforma os dados individuais em dados normais. A seção 7.1 de OpenStax explica a distribuição amostral da média, seu centro e seu erro padrão.
O que nove observações permitem calcular
Se a variável na população tem média μ e desvio padrão σ, a distribuição amostral da média tem centro μ e erro padrão σ/√n. Com n = 9, o erro padrão é σ/3. O erro padrão descreve a dispersão das médias de amostras repetidas; não é o desvio padrão dos nove valores individuais.
#1 Best Overall
Ao aumentar o tamanho da amostra, o erro padrão diminui. Mantendo a mesma população, variável e forma de amostragem, isso significa que as médias amostrais tendem a ficar menos dispersas em torno de μ. A redução da dispersão, contudo, não demonstra sozinha que a distribuição amostral já tenha forma normal.
Nove é suficiente para usar a normal?
Não há um limiar universal que torne n = 9 suficiente para toda população. Se a população for normal, a média amostral também tem distribuição normal, inclusive com amostras pequenas. Se a população for enviesada, pode ser necessário um tamanho maior para que a distribuição amostral se aproxime de uma normal. A forma da população importa junto com o tamanho da amostra.
Rank #2
- This guide is a perfect overview for the topics covered in introductory statistics courses.
Uma ilustração de OpenStax compara distribuições normais, uniformes e enviesadas e mostra médias de 1.000 amostras aleatórias para cada tamanho estudado: n = 10, 25 e 50. Nos exemplos, a aproximação à curva normal ocorre de modo diferente conforme a população. Esses gráficos são demonstrações didáticas, não medições de passageiros. A seção 7.2 de Introductory Business Statistics 2e apresenta as simulações.
Como aplicar o TLC à pergunta certa
Antes de calcular uma probabilidade, identifique se a pergunta trata de uma média, de uma soma ou de um único valor. O TLC é pertinente às distribuições amostrais de médias e somas; uma observação individual deve ser analisada usando a distribuição da própria variável. OpenStax resume a escolha para médias assim: “If you are being asked to find the probability of the mean, use the clt for the mean.” A orientação está na seção 7.3 de OpenStax.
Rank #3
- Probabilidade de uma média: use a distribuição amostral da média. Seu centro é μ e seu erro padrão é σ/√n; para nove observações, σ/3.
- Probabilidade de uma soma: use a distribuição amostral da soma e verifique quais parâmetros e condições o cálculo exige.
- Probabilidade de um valor individual: use o modelo da variável individual. Não aplique o TLC como se esse valor fosse uma média amostral.
O que o exemplo dos passageiros pode — e não pode — mostrar
Sem dados observados sobre passageiros, o exemplo precisa ser entendido como hipotético. Para torná-lo estatisticamente coerente, seria necessário definir a variável, a população e como os grupos são selecionados. Escolher nove pessoas por conveniência não equivale automaticamente a retirar uma amostra aleatória.
Também não basta comparar a média de um grupo de nove com a de outro grupo e chamar a diferença de demonstração do TLC. O teorema diz respeito à distribuição de médias obtidas em muitas amostras repetidas. Uma comparação ilustrativa deve manter constantes a população, a variável e o processo de amostragem, e observar tanto a forma da distribuição dessas médias quanto seu erro padrão e a assimetria ou as caudas da distribuição original.
Quick Recap
Best Value
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.
The Tool Desk
Outbyte Driver Updater FREEFix the driver behind crashes, sound loss and screen glitchesFind Drivers →Outbyte PC Repair FREERepair Windows errors before they cause bigger problemsFix Now →
