Teorema Central do Limite

Na medida em que o tamanho da amostra aumenta, a distribuição

amostral das médias amostrais tende para uma distribuição normal. Em
Distribuição Amostral da Média outras palavras, se extraı́mos amostras de mesmo tamanho da mesma
população, calcularmos suas médias e construı́mos um histograma dessas
médias, esse histograma tende para a forma de um sino de forma da
Edezio Pantoja distribuição normal. Isto é verdade independentemente da forma da
distribuição da população original. Então temos:
Dados:
31 de agosto de 2016 1 A variável aleatória x tem distribuição (que pode ser normal, ou não),
com média µ e desvio-padrão σ.
2 Amostras de tamanho n são extraı́das aleatoriamente dessa
população.

Edezio Distribuição Amostral da Média 31 de agosto de 2016 1 / 17 Edezio Distribuição Amostral da Média 31 de agosto de 2016 2 / 17

Teorema Central do Limite Exemplo 1

Conclusões:
1 Na medida que o tamanho da amostra aumenta, a distribuição das
médias amostrais x tende para uma distribuição normal.
2 A média das médias amostrais, µx , será a média populacional µ
√
3 O desvio-padrão das médias amostrais, σx , será σ/ n
Regras práticas de uso comum:
1 Para amostras de tamanho n > 30 a distribuição das médias
amostrais pode ser aproximada satisfatoriamente por uma distribuição
normal. A aproximação melhora na medida em que aumenta o
tamanho da amostra n.
2 Se a própria distribuição original tem distribuição normal então as
médias amostrais terão distribuição normal para qualquer tamanho
amostral n.
Na engenharia humana e no projeto de produtos, freqüentemente é
importante considerar os pesos das pessoas, de modo que não haja
sobrecarga en aviões ou elevadores, as cadeiras não quebrem, e não
ocorram outros acontecimentos perigosos ou embaraçosos. Dado que a
população de homens tem pesos distribuı́dos normalmente com média de
173 lb e desvio-padrão de 30 lb (com base em dados do National Health
Survey dos EUA), determine a probabilidade de que
(a) um homem escolhido aleatoriamente pese mais de 180lb.
(b) em 36 homens escolhidos aleatoriamente, o peso médio seja
superior a 180 lb.

Edezio Distribuição Amostral da Média 31 de agosto de 2016 3 / 17 Edezio Distribuição Amostral da Média 31 de agosto de 2016 4 / 17
Solução Solução

(a) Como estamos em face de ”um valor individual”proveniente de uma

população com distribuição normal, temos de padronizar a nossa variável
aplicando a fórmula Z = x−µ Queremos P(X > 180). Fazendo a padronização
σ , onde x = 180, µ = 173 e σ = 30.
P(X > 180) = P(Z > 0, 23) = 0, 5 − P(0 < Z < 0, 23) = 0, 5 − 0, 0910 = x − µx 180 − 173 7
z= = √ = = 1, 40
0, 4090 σx 30/ 36 5
(b) Como estamos lidando agora com a média para um grupo de 36 Portanto queremos
valores, e não um valor individual, temos agora uma distribuição de médias
amostrais, devemos usar os parâmetros µx e σx , que são calculados como P(X > 180) = P(Z > 1, 40) = 0, 5 − P(0 < Z < 1, 40)
se segue: = 0, 5 − 0, 4192 = 0, 0808

µx = µ = 173 que é a probabilidade de os 36 homens terem peso médio superior a 180 lb.
σx = √σ = √30 =5
n 36

Edezio Distribuição Amostral da Média 31 de agosto de 2016 5 / 17 Edezio Distribuição Amostral da Média 31 de agosto de 2016 6 / 17

Observações Exemplo 2
Uma população muito grande tem média 20 e desvio padrão 1,4. Extrai-se
1 É muito mais fácil um único indivı́duo se afastar da média (item a), uma amostra de 49 observações. Responda:
do que um grupo de 36 indivı́duos (item b). Um peso extremo entre 1 Qual a média da distribuição amostral?

os 36 perderá seu impacto quando considerado em conjunto com os 2 Qual o desvio padrão da distribuição amostral?
outros 35 pesos. 3 Qual a percentagem das possı́veis médias amostrais que diferirão por
2 Em processos industriais, os controladores de qualidade extraem itens mais de 0,2 da média da população?
de uma linha de produção finita sem os repor. Para tais populações
Solução:
finitas, devemos ajustar σx
1 µ = 20.
x
No caso de amostragem sem reposição, quando o tamanho n σ 1, 4
da amostra é superior a 5% do tamanho N da população finita 2 σ = √ = = 0, 2
x
n 49
(isto é, n > 0, 05N), ajustamos o desvio-padrão da média 3
amostral σx multiplicando-o pelo fator de correção para
população finita: r P(X < 19, 8) + P(X > 20, 2) = P(Z < −1) + P(Z > 1)
N −n
. = 2 · P(Z > 1) = 2 · (1 − P(Z ≤ 1))
N −1
= 2 · 0, 1578 = 0, 3174
Edezio Distribuição Amostral da Média 31 de agosto de 2016 7 / 17 Edezio Distribuição Amostral da Média 31 de agosto de 2016 8 / 17
Exercı́cio
Uma indústria elétrica fabrica lâmpadas que têm vida útil distribuı́da
aproximadamente normal, com média igual a 800 horas e desvio padrão de
40 horas. Determine a probabilidade de que uma amostra aleatória de 16
lâmpadas terá vida útil média menor que 775 horas.
√
Solução: Teremos µX = 800 e σX = 40/ 16 = 10. Queremos:
P(X < 775) = P(Z < −2, 5) = P(Z > 2, 5)
= 1 − P(Z < 2, 5) = 0, 0062
A Distribuição Normal como aproximação da Distribuição
Binomial
Vimos que uma distribuição binomial deve satisfazer as quatro condições
seguintes:
1 O experimento deve comportar um número fixo de provas.
2 As provas devem ser independentes.
3 Os resultados de cada prova devem ser classificados em duas
categorias.
4 As probabilidades devem permanecer constantes em todas as provas.
Para evitar alguns cálculos tediosos aproximamos a distsribuição binomial
por uma distribuição normal, simplificando grandemente os cálculos.
Se np ≥ 5 e n(1 − p) ≥ 5, então a variável aleatória binomial, tem
distribuição aproximadamente normal com média e desvio-padrão dados
por p
µ = np e σ = np(1 − p)

Edezio Distribuição Amostral da Média 31 de agosto de 2016 9 / 17 Edezio Distribuição Amostral da Média 31 de agosto de 2016 10 / 17

Correções de Continuidade Exemplo

Quando utilizamos a distribuição normal (que é contı́nua) como

aproximação da distribuição binomial (discreta), aplica-se uma correção de Suponha que o quadro administrativo de sua faculdade tenha igual número
continuidade a um número discreto x na distribuição binomial, de candidatos e candidatas a emprego, e que 64 dos 100 funcionários
representando o valor único x pelo intervalo de x − 0, 5 a x + 0, 5 (isto é, recém-admitidos são homens. Estime a probabilidade de obter pelo menos
somamos e subtraı́mos 0,5). Para ver como este processo resulta em 64 homens, se cada contratação é feita independentemente e sem qualquer
correções de continuidade vejamos a tabela abaixo: discriminação quanto a sexo.(A probabilidade de obter exatamente 64
Afirmação Área homens na verdade não nos diz nada, porque, em 100 provas, a
Pelo menos 64(inclui 64 ou mais) À direita de 63,5 probabilidade de qualquer número determinado de homens é por demais
pequena. Em lugar disso, necessitamos da probabilidade de obter um
Mais de 64 (não inclui 64) À direita de 64,5
resultado pelo menos extremo como o verificado.) Com base no resultado,
No máximo 64 (inclui 64 ou menos) À esquerda de 64,5
parece que a faculdade está fazendo discriminação quanto ao sexo?
Menos de 64 (não inclui 64) À esquerda de 63,5
Exatamente 64 Entre 63,5 e 64,5

Edezio Distribuição Amostral da Média 31 de agosto de 2016 11 / 17 Edezio Distribuição Amostral da Média 31 de agosto de 2016 12 / 17
Solução Solução

O problema envolve uma distribuição binomial com um número fixo de

provas (n=100), presumidamente independentes, duas categorias (homem,
mulher) de resultado para cada prova, e probabilidades que supomos
permanecerem constantes(p = 1/2). Convimos que é razoável aproximar a
distribuição binomial pela distribuição normal, porque np ≥ 5 e Como a probabilidade de obter ao menos 64 homens é tão pequena
n(1 − p) ≥ 5. Assim sendo, temos (0,0035), concluı́mos que ou ocorreu um evento bastante raro, ou a
hipótese de homens e mulheres terem a mesma chance é incorreta. Parece
µ = np = (100)(0.5) = 50
que a faculdade faz discriminação quanto ao sexo.
p p
σ = np(1 − p) = (100)(0, 5)(0, 5) = 5
Portanto aplicando a correção de continuidade, temos de calcular

P(X > 63, 5) = P(Z > 2, 70) = 0, 5 − P(0 ≤ Z ≤ 2, 70)

= 0, 5 − 0, 4965 = 0, 0035

Edezio Distribuição Amostral da Média 31 de agosto de 2016 13 / 17 Edezio Distribuição Amostral da Média 31 de agosto de 2016 14 / 17

Distribuição t de Student Distribuição t de Student

Trata-se de um modelo de distribuição contı́nua que se assemelha à
distribuição normal padrão, N(0, 1). Se n ≥ 30, podemos usar a
distribuição normal na estimação da média da população mesmo não
conhecendo bem a população e se σ é desconhecido, pode ser substituı́do
por sua estimativa s, o desvio padrão amostral. A distribuição t de
Student é utilizada quando a variável X é normalmente distribuı́da mas o
σ não for conhecido e as amostras possuem tamanhos inferiores a 30
elementos. A distribuição t de Student é utilizada quando a variável x é
normalmente distribuı́da mas o σ não for conhecido. Cada valor da média
é convertido para um valor normal padronizado pela fórmula:
x −µ
t= sx
√
n variância. Ou seja, ao usarmos o mesmo conjunto de dados para
com ′′ n − 1′′ graus de liberdade.
Os estatı́sticos chamam a expressão n − 1 de “graus de liberdade”.
Quando calculamos a média, x , utilizamos todos os n dados que
compõem a amostra. Dizemos então que no cálculo da média temos n
valores de xi livres que devem ser considerados para podermos calcular o
valor desta estatı́stica. Ou seja, se qualquer dos valores de xi livres da
amostra for desconhecido, não poderemos determinar o valor desta
estatı́stica, pois todos os valores da amostra são livres, podendo variar
aleatoriamente. Por outro lado, a estatı́stica da variância por usar a média,
x, ao invés do parâmetro populacional µ, tem um grau de liberdade a
menos. Isso ocorre porque o cálculo dessa estatı́stica pressupõe que
anteriormente já se tenha usado todos os valores da amostra no cálculo da
média, x , os quais estariam sendo usados uma segunda vez no cálculo da
determinar a média, x , e a variância que faz uso do valor da média,
perdemos um grau de liberdade para a determinação da média.

Edezio Distribuição Amostral da Média 31 de agosto de 2016 15 / 17 Edezio Distribuição Amostral da Média 31 de agosto de 2016 16 / 17
Tabela t de Student

Edezio Distribuição Amostral da Média 31 de agosto de 2016 17 / 17