O teorema do limite central (CLT) é um dos resultados mais úteis em estatística: não importa como os valores de uma população são distribuídos, as médias de amostras aleatórias repetidas dela se estabelecem em um padrão previsível, aproximadamente normal. Esta calculadora transforma esse teorema em três números práticos - a média e o spread da distribuição amostral e a probabilidade de que a média amostral caia em um intervalo de seu interesse.
Como funciona a calculadora do teorema do limite central
Dada uma média populacional (μ), um desvio padrão populacional (σ) e um tamanho de amostra (n), a calculadora calcula o erro padrão da média, SE = σ/√n — o desvio padrão da distribuição amostral de x̄. Pelo CLT, essa distribuição amostral é centrada em μ e se torna aproximadamente normal à medida que n cresce, o que permite que a calculadora use a distribuição normal padrão para responder questões de probabilidade sobre x̄.
Para as visualizações de probabilidade, um limite de média amostral (ou um par de limite inferior/superior) é convertido em uma pontuação z usando z = (x̄ − μ)/SE, e a área correspondente sob a curva normal padrão fornece a probabilidade.
Entradas e o que elas significam
Média populacional (μ) é a verdadeira média de toda a população - muitas vezes desconhecida na prática, mas assumida como conhecida aqui, então o comportamento do teorema é claro. O desvio padrão da população (σ) mede a distribuição dos valores individuais na população; um σ maior significa que as medições individuais variam mais, o que também amplia a distribuição amostral. Tamanho da amostra (n) é quantas observações entram em cada média amostral. Tem um efeito descomunal na precisão porque SE diminui com a raiz quadrada de n, portanto, quadruplicar o tamanho da amostra apenas reduz pela metade o erro padrão.
Limites e casos extremos
Observações independentes de uma população normal geram médias amostrais exatamente normais. Para outras populações de variância finita, o cálculo normal é uma aproximação cuja adequação depende da população e do tamanho amostral; n=30 não é uma garantia universal. Compare até oito tamanhos amostrais inteiros positivos de até 1.000.000.
Comparação de tamanhos amostrais com intervalo fixo
Compare a incerteza da média amostral entre tamanhos de amostra, mantendo fixos a média populacional, o desvio padrão populacional e o intervalo do evento. A distribuição populacional em si não se estreita.
Observações independentes de uma população normal geram médias amostrais exatamente normais. Para outras populações de variância finita, o cálculo normal é uma aproximação cuja adequação depende da população e do tamanho amostral; n=30 não é uma garantia universal. Compare até oito tamanhos amostrais inteiros positivos de até 1.000.000.