Teorema Central do Limite:

exemplificações utilizando o
Método de Monte Carlo
Fernando Lang da Silveira
IF-UFRGS

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
O Teorema Central do Limite (TCL) afirma que a soma (S)
de N variáveis aleatórias independentes (X), com
qualquer distribuição e variâncias semelhantes, é uma
variável com distribuição que se aproxima da distribuição
de Gauss (distribuição normal) quando N aumenta.

A média de S é o somatório das médias de X.

A variância de S das variâncias de X.

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
1 - Exemplificação do Teorema Central
do Limite para a soma de cinco
variáveis aleatórias distribuídas
arbitrariamente através do Método de
Monte Carlo

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
Simulação pelo Método de Monte Carlo de cinco variáveis aleatórias
com distribuições NÃO gaussianas
Disciplina de Métodos Quantitativos -
PPGEnsFis-IF-UFRGS
Simulação pelo Método de Monte Carlo da SOMA de cinco variáveis
aleatórias com distribuições NÃO gaussianas

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A variável SOMA das 5 variáveis, em acordo com o TCL, apresenta
distribuição aproximadamente gaussiana ou normal
Disciplina de Métodos Quantitativos -
PPGEnsFis-IF-UFRGS
A variável SOMA das 5 variáveis apresenta MÉDIA igual a soma das
médias das cinco variáveis:

M = 176 + 265 + 2474 + 501 + 90

M = 3506
Disciplina de Métodos Quantitativos -
PPGEnsFis-IF-UFRGS
A variável SOMA das 5 variáveis apresenta VARIÂNCIA igual a soma das
VARIÂNCIAS das cinco variáveis:

VAR = 1022 + 952 + 1032 + 1002 + 1002

de Métodos Quantitativos -1/2
VAR =Disciplina
50038 , DP = 50038 = 224
PPGEnsFis-IF-UFRGS
O Teorema Central do Limite (TCL) , aplicado às médias
amostrais de uma variável aleatória (X) com qualquer
distribuição e variância finita, implica que as médias
amostrais apresentam distribuições tendendo à
distribuição normal conforme o número de observações
nas amostras (n) cresce.

A média das médias amostrais é igual à média de X.

O desvio padrão das médias amostrais é igual ao desvio

padrão de X dividido pela raiz quadrada de n.

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
2 - Exemplificação do Teorema Central
do Limite para as amostras aleatórias
dos resultados de um dado sem vício
utilizando o Método de Monte Carlo

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
 Um dado sem vício apresenta uma distribuição uniforme para os
resultados de seus lançamentos com média de 3,5 e desvio padrão de
1,71.

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em 10 lançamentos do dado é
aproximadamente gaussiana com média de 3,5
e desvio padrão de 1,71/101/2 = 0,54

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em 20 lançamentos do dado é
aproximadamente gaussiana com média de 3,5
e desvio padrão de 1,71/201/2 = 0,38

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em 50 lançamentos do dado é
aproximadamente gaussiana com média de 3,5
e desvio padrão de 1,71/501/2 = 0,24

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em 100 lançamentos do dado é
aproximadamente gaussiana com média de 3,5
e desvio padrão de 1,71/1001/2 = 0,17

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
Conforme cresce o tamanho das amostras, mais estreita é a
distribuição das médias amostrais e melhor é a aderência da
distribuição das médias à curva de Gauss.
Disciplina de Métodos Quantitativos -
PPGEnsFis-IF-UFRGS
3 - Exemplificação do Teorema Central
do Limite para as amostras aleatórias
de uma variável distribuída
assimetricamente com média 500 e
desvio padrão 100

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
População com distribuição assimétrica, semelhante às distribuições
dos escores em provas de concursos vestibular

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em amostras de 10 observações

Média das médias = 500

Desvio padrão das médias = 100/101/2 = 31

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em amostras de 20 observações

Média das médias = 500

Desvio padrão das médias = 100/201/2 = 22

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em amostras de 50 observações

Média das médias = 500

Desvio padrão das médias = 100/501/2 = 14

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em amostras de 100 observações

Média das médias = 500

Desvio padrão das médias = 100/1001/2 = 10

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
Conforme cresce o tamanho das amostras, mais estreita é a
distribuição das médias amostrais e melhor é a aderência da
distribuição das médias à curva de Gauss.
Disciplina de Métodos Quantitativos -
PPGEnsFis-IF-UFRGS
4 - Exemplificação do Teorema Central
do Limite para as amostras aleatórias
de uma variável binomial com
probabilidade 30 % para o resultado
ZERO e 70% para o resultado UM

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
 Distribuição de probabilidades para uma variável binomial (resultado no
lançamento de uma moeda viciada) com média 0,70 e desvio padrão 0,46

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em 10 lançamentos da moeda viciada é
aproximadamente gaussiana com média de 0,70
e desvio padrão de 0,46/101/2 = 0,14

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em 20 lançamentos da moeda viciada é
aproximadamente gaussiana com média de 0,70
e desvio padrão de 0,46/201/2 = 0,10

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em 50 lançamentos da moeda viciada é
aproximadamente gaussiana com média de 0,70
e desvio padrão de 0,46/501/2 = 0,065

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
A distribuição das médias em 100 lançamentos da moeda viciada é
aproximadamente gaussiana com média de 0,70
e desvio padrão de 0,46/1001/2 = 0,046

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
Conforme cresce o tamanho das amostras, mais estreita é a
distribuição das médias amostrais e melhor é a aderência da
distribuição à curva de Gauss.
Disciplina de Métodos Quantitativos -
PPGEnsFis-IF-UFRGS
A seguir encontra-se a sintaxe do SPSS
para duas das simulações que constam
desta apresentação.

A colagem das sintaxes em janelas

sintáticas do referido pacote estatístico
permite refazer as simulações, a
rodando sobre uma planilha de dados
com muitas linhas (por exemplo 10.000
linhas).

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
Sintaxe para a simulação de cinco variáveis aleatórias com diferentes distribuições e da
variável soma das cinco variáveis.

Comment. Exemplificação do Teorema do Limite Central para soma de 5 variáveis aleatórias.

SET
RNG=MT
MTINDEX= 25082015.
COMPUTE xx1 = RV.UNIFORM(0,350) .
VARIABLE LABELS xx1 'M=176, DP=102' .
EXECUTE .
COMPUTE xx2 = 40 * RV.UNIFORM(0,100) ** .5 .
VARIABLE LABELS xx2 'M=265, DP=95' .
EXECUTE .
COMPUTE xx3 = 1800 * RV.NORMAL(5,1) ** .2 .
VARIABLE LABELS xx3 'M=2474, DP=103' .
EXECUTE .
COMPUTE xx4 = TRUNC(1.237 * RV.NORMAL(5,1) ** 3 + 328.5) .
VARIABLE LABELS xx4 'M=500, DP=100' .
EXECUTE .
COMPUTE xx5 = (RV.UNIFORM(0,10) ** 3) / 2.8 .
VARIABLE LABELS xx5 'M=90, DP=100'.
EXECUTE .
COMPUTE total = xx1 + xx2 + xx3 + xx4 + xx5.
VARIABLE LABELS total 'M=3506, DP=224' .
EXECUTE .
FORMATS xx1 (F8.0).
FORMATS xx2(F8.0).
FORMATS xx3(F8.0).
FORMATS xx4(F8.0).
FORMATS xx5 (F8.0).
FORMATS total (F8.0).
Disciplina de Métodos Quantitativos -
PPGEnsFis-IF-UFRGS
Sintaxe para a simulação de amostras de 10, 20, 50 e 100 lançamentos de um dado
sem vício.

Comment. Exemplificação do TEOREMA CENTRAL DO LIMITE para lançamentos de um dado não viciado (distribuição
uniforme).

SET
RNG=MT
MTINDEX= 25082015.
COMPUTE dado = TRUNC(RV.UNIFORM(1,7)) .
VARIABLE LABELS dado 'Dado sem vício - M=3,5, DP=1,71' .
EXECUTE .
COMPUTE dado_10 = MEAN(TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ) .
VARIABLE LABELS dado_10 'Dado - Amostra 10 - M=3,5, DP=0,54' .
EXECUTE .
COMPUTE dado_20 = MEAN(TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ) .
VARIABLE LABELS dado_20 'Dado - Amostra 20 - M=3,5, DP=0,38' .
EXECUTE .

Sintaxe continua na próxima página

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
 Continuação da sintaxe
COMPUTE dado_50 = MEAN(TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ).
VARIABLE LABELS dado_50 'Dado - Amostra 50 - M=3,5, DP=0,24' .
EXECUTE .

Sintaxe continua na próxima página

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
 Continuação da sintaxe
COMPUTE dado_100 = MEAN(TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))
,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7))

Sintaxe continua na próxima página

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS
 Continuação da sintaxe

,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) , TRUNC(RV.UNIFORM(1,7)) ,TRUNC(RV.UNIFORM(1,7)) ,
TRUNC(RV.UNIFORM(1,7)) ).
VARIABLE LABELS dado_100 'Dado - Amostra 100 - M=3,5, DP=0,17' .
EXECUTE .

FORMATS dado (F8.0).

FORMATS dado_10 (F8.1).
FORMATS dado_20 (F8.1).
FORMATS dado_50 (F8.1).
FORMATS dado_100 (F8.1).

Disciplina de Métodos Quantitativos -

PPGEnsFis-IF-UFRGS