Explique o enunciado do Teorema Central do Limite com suas palavras. Depois, descreva um exemplo real de engenharia em que o TCL permite usar a distribuição normal mesmo quando a variável original não é normal (por exemplo: tempo de produção, rugosidade superficial, volume de líquidos enchidos etc.).
Passo 1
O que o exercício pede:
- Explicar com minhas próprias palavras o enunciado do Teorema Central do Limite (TCL).
- Descrever um exemplo real de engenharia em que o TCL permite usar a distribuição normal mesmo quando a variável original não é normal (dar um exemplo concreto e mostrar como aplicar).
Informações relevantes dadas pelo enunciado: preciso explicar o enunciado e dar um exemplo aplicado (por exemplo: tempo de produção, rugosidade, volume de enchimento). Nada mais foi fornecido; vou usar um exemplo numérico típico de enchimento de garrafas para tornar tudo concreto.
Passo 2
Enunciado formal e notação (curto e direto):
Considere variáveis aleatórias independentes com média
finita e variância
finita. O Teorema Central do Limite diz que a soma padronizada converge em distribuição para a normal padrão:
Considere variáveis aleatórias independentes
Equivalente, a média amostral
satisfaz
Passo 3
Explicando palavra a palavra (intuição passo a passo):
- Imagine que cada
é uma contribuição independente (pequena “peça” do todo), com média e dispersão . - Quando somamos muitas dessas contribuições, os altos e baixos individuais tendem a se cancelar: a soma fica mais concentrada em torno de
. - A padronização (subtrair a média e dividir pelo desvio típico
) é feita para comparar a soma com uma escala independente de . - O TCL diz: não importa muito a forma da distribuição de cada
(pode ser assimétrica, discreta, etc.), desde que tenham média e variância finitas e sejam “independentes o suficiente” — a distribuição da soma padronizada se aproxima cada vez mais de uma curva em forma de sino, a normal padrão . - Por isso, para médias de amostras grandes usamos
mesmo que os não sejam normais.
Passo 4
O que cada símbolo significa e por que padronizamos:
-
é o valor médio esperado de cada observação. -
é a variância de cada observação; é o desvio padrão. - A média da soma é
e a variância da soma é (isso vem da independência). - Ao padronizar
obtemos um objeto com média e variância , propriamente comparável com . - Para a média amostral, a média é
e a variância é ; o desvio padrão da média (erro padrão) é .
Passo 5
Condições e limites práticos — quando debo confiar no TCL:
- Condição essencial: variáveis com variância finita. Se a distribuição tiver caudas tão pesadas que a variância é infinita (ex.: Cauchy), o TCL padrão não vale.
- Independência (ou condições de dependência fraca, como misturas ou condições de Lindeberg) é importante; sequências fortemente dependentes precisam de cuidado.
- Regra prática:
costuma ser um limite de bolso para distribuições não muito assimétricas; se a distribuição for muito enviesada ou com caudas pesadas, pode precisar de muito maior. - Se tiver dúvida, use simulação (bootstrap) ou aumente
.
Passo 6
Exemplo concreto de engenharia (enchimento de garrafas) — descrição do problema:
- Situação: uma máquina enche garrafas com volumes
. Os volumes individuais são um pouco assimétricos (por exemplo, distribuição lognormal ou parecida), logo não normais; porém são independentes entre si e têm média e variância finitas. - Objetivo: verificar a probabilidade de que a média de um lote de
garrafas fique abaixo de um limite de controle (por exemplo, meta de enchimento).
Passo 7
Aplicação numérica passo a passo (faça igual na prova):
- Situação numérica escolhida: suponha que a média real por garrafa é
mL e o desvio padrão individual é mL. A distribuição individual é assimétrica (não normal), mas assumimos independência. Pegamos garrafas e usamos a média amostral . - Pelo TCL, para
podemos aproximar
- Queremos a probabilidade da média ser menor que
mL:
onde
.
4) Usando tabela da normal padrão, . Em notação com vírgula:
(ou
).
5) Interpretação: mesmo que cada garrafa individual seja assimétrica, a média de garrafas já é próxima de normal e podemos usar essa probabilidade para decidir se o processo está sob controle.
4) Usando tabela da normal padrão,
5) Interpretação: mesmo que cada garrafa individual seja assimétrica, a média de
Passo 8
Comentários práticos e variações (dicas de prova e engenharia):
- Fórmulas que você deve decorar para usar rápido:
Para testar : calcule e use a tabela da normal padrão. - Se
for desconhecido, para amostras pequenas use a distribuição t de Student; para amostras grandes a substituição de por (desvio amostral) ainda funciona pela aproximação normal. - Se houver forte dependência entre observações (por exemplo, processos com autocorrelação), o TCL clássico não o justifica — aí precisa modelar a dependência ou usar amostras espaçadas.
- Se houver suspeita de caudas muito pesadas (variância possivelmente infinita), não confie no TCL; use métodos robustos ou bootstrap.
Passo 9
Resumo motivador (um empurrãozinho final):
- Pense no TCL como a “mágica da média”: muitos erros pequenos e independentes somados viram um sino. Para provas: identifique média, variância, calcule erro padrão, padronize, consulte a tabela normal — e pronto, você tem probabilidade mesmo sem saber a forma original da distribuição.
Resposta
O Teorema Central do Limite afirma que, para variáveis independentes com média
e variância finita
, a soma padronizada converge em distribuição para a normal padrão:
ou equivalentemente
.
Exemplo de engenharia (enchimento de garrafas): se volumes individuais são assimétricos mas independentes com mL e
mL, para
temos
; a probabilidade da média do lote ser menor que
mL é
.
Exemplo de engenharia (enchimento de garrafas): se volumes individuais são assimétricos mas independentes com