Imagine que você vai medir a resistência de fios de cobre. Você faz 3 amostras com
fios e depois outras 3 com
fios. Como se comportariam os histogramas das médias amostrais nos dois casos? Descreva qualitativamente a diferença e o que ela representa em termos de precisão das estimativas.
Passo 1
O enunciado pede que eu descreva qualitativamente como seriam os histogramas das médias amostrais em dois cenários e o que essa diferença significa para a precisão das estimativas. Informações dadas:
- Você vai medir resistências de fios de cobre.
- Foram feitas amostras com tamanhos de
e com . - Foi mencionado que se fizeram 3 amostras em cada caso, mas o enunciado quer comparar o comportamento típico dos histogramas das médias amostrais entre os dois valores de
.
As perguntas a responder são:
- Como se comportariam os histogramas das médias amostrais quando
e quando (descrição qualitativa)? - O que essa diferença representa em termos de precisão das estimativas das médias?
Passo 2
Definição e objetivo: quando medimos resistências várias vezes (várias amostras), cada amostra tem sua média amostral
. O “histograma das médias amostrais” é o histograma construído a partir de muitas repetições desse experimento, plotando as diferentes
obtidas.
Fórmula chave (erro padrão): se as observações dentro de cada amostra são independentes e têm desvio-padrão populacional
, a variabilidade da média amostral é dada por
Explicando cada símbolo:
-
é a média de uma amostra de tamanho . -
é o desvio-padrão da resistência no conjunto completo de fios (população). -
é o número de medições na amostra (tamanho da amostra). -
também se chama erro padrão da média; mede a dispersão das médias amostrais entre repetições do experimento.
Derivação rápida e intuitiva (sem jargão pesado): a média junta
medições, e somar medidas independentes divide a variância por
; portanto a variância da média é
e a raiz disso dá o desvio padrão da média
. O resultado mostra que quanto maior
, menor a variabilidade das médias.
Passo 3
Forma da distribuição (teorema relevante): o Teorema Central do Limite (TCL) diz que, se você repetir muitas vezes uma amostra de tamanho
, a distribuição das médias amostrais
tende a uma distribuição aproximadamente normal (gaussiana) conforme
cresce, independentemente da forma da distribuição original das resistências (desde que a variância exista).
Regra prática: para dados razoavelmente comportados,
costuma ser suficiente para que a aproximação normal seja boa. Com
a aproximação normal pode ser fraca; com
a aproximação costuma ser muito boa.
Passo 4
Comparando os desvios-padrão das médias nos dois casos:
- Para
:
- Para
:
Relação entre eles:
Interpretação direta: as médias amostrais com
têm dispersão (spread) aproximadamente
vezes maior do que as médias com
.
Passo 5
Descrição qualitativa dos histogramas (visual mental):
- Histograma para
: - Mais “espalhado”: barras distribuídas em uma faixa mais larga de valores.
- Pico mais baixo (menor concentração de médias próximo ao valor verdadeiro).
- Pode apresentar forma irregular ou assimétrica se a distribuição original das resistências não for normal.
- Com poucas repetições (por exemplo só 3 amostras), o histograma fica muito pobre e pouco informativo; para ver a forma de fato precisa-se de muitas repetições.
- Histograma para
: - Muito mais estreito: as médias se concentram num intervalo pequeno em torno do verdadeiro valor médio.
- Pico mais alto (maior frequência de médias próximas ao valor verdadeiro).
- Forma bem parecida com uma curva normal (bell-shaped), pela ação do TCL.
Em palavras práticas: aumentar“aperta” o histograma em volta da média verdadeira.
Passo 6
O que isso significa em termos de precisão das estimativas:
- Precisão refere-se à variabilidade das estimativas: menor dispersão das médias = maior precisão.
- Como
diminui com , aumentar aumenta a precisão, mas com retorno decrescente: para dobrar a precisão (reduzir pela metade) é preciso quadruplicar . - No exemplo numérico rápido: suponha
(apenas para ilustrar). Então Com sua média típica varia muito menos entre repetições; intervalos de confiança serão mais estreitos, logo estimativa mais precisa. - Observação importante: o aumento de
melhora precisão (variância) mas não corrige viés. Se seu procedimento de medição tiver erro sistemático (viés), aumentar não resolve isso.
Passo 7
Nota prática sobre o número de repetições: para construir um histograma representativo das médias amostrais você precisa repetir o experimento muitas vezes (centenas ou milhares de repetições) ou usar métodos como bootstrap. Ter apenas 3 médias (como indicado no enunciado) não produz um histograma confiável — você veria apenas 3 barras/valores e não poderia inferir bem a forma ou a dispersão verdadeira.
Passo 8
Resumo intuitivo e incentivo: pense assim — com
cada média é uma foto tremida do valor verdadeiro; com
a foto fica bem nítida. Se o objetivo da prova é ser preciso, aumentar
é uma forma efetiva (e previsível) de reduzir a incerteza. Respira fundo: essa regra
é a arma básica para entender por que amostras maiores geram médias mais confiáveis.
Resposta
Histograma para
: distribuição mais larga, pico mais baixo, maior variabilidade entre médias e forma possivelmente não normal (especialmente com poucas repetições).
Histograma para : distribuição muito mais estreita (mais concentrada), pico mais alto e aproximação bem melhor da forma normal.
O que isso representa em precisão: as médias com são aproximadamente
vezes menos variáveis que as com
, ou seja, têm precisão muito maior (intervalos de confiança mais estreitos); aumentar
reduz o erro padrão
.
Histograma para
O que isso representa em precisão: as médias com