Em probabilidade, se a Esperança Matemática (E[X]) de uma variável é a “média”, por que não podemos usar apenas a média simples para calculá-la? (1 ponto) \_\_\_\_

Passo 1

O enunciado pergunta por que, se a Esperança Matemática \,E[X]\, é a “média” de uma variável aleatória, não podemos simplesmente usar a média simples (aritmética) de alguns valores observados e pronto. Informações dadas: apenas a definição coloquial de esperança como “média”. O que se pede: explicar a diferença entre a esperança teórica e a média simples amostral e por que não basta usar a média simples em geral.

Passo 2

Definição matemática da esperança (o que ela realmente é).
  • Se X é discreta com possíveis valores x e probabilidades P(X=x), então
E[X]=\sum_{x} x\,P(X=x).
Aqui cada valor x é ponderado pela sua probabilidade P(X=x).
  • Se X é contínua com densidade f_X(x), então
E[X]=\int_{-\infty}^{\infty} x\,f_X(x)\,dx.
Aqui cada valor x contribui proporcionalmente à densidade f_X(x). Em ambas as fórmulas, a esperança é uma média ponderada pelos pesos dados pela distribuição (probabilidades ou densidade), não uma média com pesos iguais.

Passo 3

O que é a média simples (amostral) e como ela se relaciona.
  • Dada uma amostra X_1,\dots,X_n observada da variável, a média amostral é
\bar{X}_n=\frac{1}{n}\sum_{i=1}^{n} X_i.
  • Aqui todos os valores observados recebem peso igual 1/n. A média amostral é um estimador de E[X]: sob condições razoáveis (por exemplo, E[|X|]<\infty), a Lei Forte dos Grandes Números diz que
\bar{X}_n \xrightarrow{a.s.} E[X]\quad\text{quando }n\to\infty.
Isto significa: com muitas observações independentes e representativas, a média amostral tende para a esperança.

Passo 4

Por que não basta usar só a média simples (explicação didática, com exemplo).
  • A esperança é um valor teórico que depende da distribuição inteira (dos pesos/probabilidades de todos os valores possíveis). A média simples usa só uma amostra finita e dá pesos iguais às observações que ocorreram, não às probabilidades reais.
  • Exemplo concreto com dado justo: a esperança teórica é
E[X]=\sum_{k=1}^{6} k\cdot\frac{1}{6}=3{,}5.
Se eu rolar o dado só 3 vezes e obter 6,6,2, a média simples é
\bar{X}_3=\frac{6+6+2}{3}=\frac{14}{3}\approx4{,}67,
que difere bastante de 3{,}5. Com mais experimentos essa diferença tende a diminuir, mas para pequenas amostras a média simples pode enganar.

Passo 5

Outras razões práticas e teóricas pelas quais a média simples não resolve tudo.
  • Amostra pequena ou não representativa: média simples pode ser enviesada para o conjunto observado.
  • Distribuição desconhecida: para calcular E[X] exato é preciso conhecer as probabilidades ou a densidade; sem isso, a média amostral é apenas uma estimativa.
  • Esperança inexistente ou infinita: algumas distribuições (por exemplo, Cauchy) não têm E[X] bem definido; a média amostral pode não convergir para nada.
  • Pontos extremos/heavy tails: para distribuições com caudas pesadas, a média amostral converge muito lentamente e pode ser instável mesmo com muitas observações.

Passo 6

Resumo prático para prova (o que escrever se pedirem 1 frase).
  • Dizer que a esperança é uma média ponderada pela distribuição e a média simples é uma estimativa baseada em uma amostra finita; só com amostras grandes e representativas (e quando E[X] existe) a média simples se aproxima de E[X]. Caso contrário não podemos usar apenas a média simples para garantir o valor teórico.

Resposta

Porque E[X] é a média ponderada pelos pesos da distribuição ( E[X]=\sum_x xP(X=x) ou E[X]=\int x f_X(x)\,dx), enquanto a média simples \bar{X}_n é uma estimativa com pesos iguais baseada numa amostra finita; só quando a amostra é grande e representativa (e E[X] existe) \bar{X}_n converge para E[X], caso contrário a média simples pode ser imprecisa, enviesada ou mesmo sem sentido.

Exercícios relacionados