Você está na página 1de 3

Escola Secundria de D.

Pedro V
Matemtica Aplicada s Cincias Sociais
Ficha de Trabalho n ..
Ano: . Turma: .

Data: . /. /.

Assunto: Inferncia estatstica. Distribuio de Amostragem da Mdia


Exemplo:
Pesos de 5 mas 100g, 110g, 120g, 130g, 140g
Populao em estudo: 5 mas (N = 5)
Varivel X: peso (em gramas)

X = xi
P( X = xi )

100

110

120

130

140

1
5

1
5

1
5

1
5

1
5

Valor mdio dos pesos das mas: = 120 g


Desvio-padro dos pesos das mas: 14,142 (3cd )
(Nota: Numa situao de interesse, a populao seria razoavelmente grande e o valor desconhecido situao que se verifica quando
se pretende, por exemplo, saber o peso mdio de cada ma que um pomar produziu num determinado ano).
Suponhamos que pretendamos estimar o valor utilizando a mdia x das amostras de dimenso 2 (n=2).
Ento vamos construir todas as amostras de dimenso 2 para obter a distribuio de amostragem da mdia (ou distribuio das mdias
amostrais)
Vamos considerar amostragens com reposio.
2
N total de amostras = 5 5 = 5 = 25
1. Preencha a tabela seguinte:
Amostra
Ma 1
Ma 2

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

Mdia x
A partir desta tabela possvel obter a distribuio de amostragem da estatstica x , isto , a distribuio de probabilidades da varivel
aleatria X : mdias das amostras de dimenso 2

2. Preencha a tabela:
Distribuio de amostragem da Mdia para amostras de dimenso 2

X = xi
P( X = xi )
3. Represente por um grfico a distribuio anterior.
4. Determine o valor mdio X (mdia das mdias). Compare-o com o valor mdio
5. Determine o desvio-padro

X . Compare-o com o valor de

. O que conclui?

. O que conclui?

Caractersticas da distribuio de amostragem da Mdia para amostras de dimenso 2:


Valor mdio = 120g =

Desvio padro = 10 g =

Para se obter a distribuio de amostragem da mdia para amostras de dimenso 3 seria necessrio proceder da mesma maneira, isto ,
encontrar todas as amostras de dimenso 3. Porm, o problema torna-se muito trabalhoso, j que o nmero de amostras possveis
5 5 5 = 53 = 125 .
As caractersticas desta distribuio seriam idnticas s caractersticas da distribuio anterior:
Valor mdio = 120g =

Desvio padro 8,165 g =

Observao:
O desvio padro diminui quando se aumentou, de 2 para 3, a dimenso das amostras. Este resultado indicia que quanto maior
for a dimenso da amostra, menor a variabilidade apresentada pela distribuio de amostragem.
6. Imagine agora que eram 20 mas, seria vivel construir a distribuio de amostragem da mdia dos pesos das mas
utilizando, por exemplo, amostras de dimenso 5? Qual o nmero total de amostras a considerar? Comente o resultado.
Com uma populao muito pequena foi simples obter a distribuio de amostragem da mdia. No entanto, como vimos em 6 este
processo de obter a distribuio de amostragem da Mdia torna-se impraticvel mesmo para populaes razoavelmente pequenas.
Como proceder ento?

O Teorema do Limite Central vem resolver este problema.

Teorema do Limite Central


Suponhamos que se recolhe as amostras de dimenso n de uma populao muito grande, X, com valor mdio e desvio
padro .
Ento, se a dimenso das amostras for suficientemente grande ( n 30 ), a distribuio de amostragem da mdia, pode
ser aproximada por uma distribuio normal com valor mdio

e desvio padro

Tambm pode ser enunciado do seguinte modo

Teorema do Limite Central


Dada uma populao de valor mdio e desvio padro
da mdia para amostras de dimenso n:
Tem mdia igual a da populao;

O seu desvio padro

Quando n 30 , praticamente normal

, no necessariamente normal, a distribuio de amostragem

e, portanto, diminui quando aumente n;

Observao: podemos dizer que a distribuio N ,

um bom modelo matemtico para a distribuio de amostragem da mdia


n

desde que n 30 se a populao de partida no tem uma distribuio normal, caso contrrio, se a populao tem uma distribuio
normal, a distribuio de amostragem da mdia ser sempre normal, qualquer que seja o valor de n.
Uma das aplicaes do teorema do limite central (TLC) ser controlar as mdias amostrais.
Controle das Mdias Amostrais
1. De uma populao de valor mdio

e desvio padro , vamos extrair uma amostra de tamanho n.

2. Sabemos que a distribuio das mdias de todas as possveis amostras modelada pela distribuio normal X : N ,

n 30
3. Assim, podemos conhecer a probabilidade de que a mdia de uma amostra concreta esteja num certo intervalo.

, se
n