<\/p>\n
Nas estat\u00edsticas, muitas vezes queremos usar amostras<\/a> para tirar conclus\u00f5es sobre popula\u00e7\u00f5es atrav\u00e9s de testes de hip\u00f3teses<\/a> ou intervalos de confian\u00e7a<\/a> .<\/span><\/p>\n A maioria das f\u00f3rmulas que usamos em testes de hip\u00f3teses e intervalos de confian\u00e7a assumem que uma determinada amostra segue aproximadamente uma distribui\u00e7\u00e3o normal<\/a> .<\/span><\/p>\n No entanto, para formular esta hip\u00f3tese com seguran\u00e7a, precisamos garantir que o tamanho da nossa amostra seja suficientemente grande. Especificamente, precisamos garantir que a condi\u00e7\u00e3o de amostra grande<\/strong> seja atendida.<\/span><\/p>\n A condi\u00e7\u00e3o de amostra grande:<\/strong> o tamanho da amostra \u00e9 de pelo menos 30.<\/span><\/p>\n<\/blockquote>\n Nota:<\/strong> Em alguns livros did\u00e1ticos, um tamanho de amostra \u201csuficientemente grande\u201d \u00e9 definido como pelo menos 40, mas o n\u00famero 30 \u00e9 mais comumente usado.<\/em><\/span><\/p>\n Quando esta condi\u00e7\u00e3o \u00e9 atendida, pode-se assumir que a distribui\u00e7\u00e3o amostral das m\u00e9dias amostrais<\/a> \u00e9 aproximadamente normal. Esta suposi\u00e7\u00e3o nos permite usar amostras para tirar conclus\u00f5es sobre as popula\u00e7\u00f5es das quais elas s\u00e3o extra\u00eddas.<\/span><\/p>\n A raz\u00e3o pela qual o n\u00famero 30 \u00e9 usado baseia-se no teorema do limite central. Voc\u00ea pode ler mais sobre isso nesta postagem do blog<\/a> .<\/span><\/p>\n Suponha que uma determinada m\u00e1quina crie biscoitos. A distribui\u00e7\u00e3o de peso desses biscoitos \u00e9 inclinada para a direita com m\u00e9dia de 10 on\u00e7as e desvio padr\u00e3o de 2 on\u00e7as. Se tomarmos uma amostra aleat\u00f3ria simples de 100 biscoitos produzidos por esta m\u00e1quina, qual \u00e9 a probabilidade de que o peso m\u00e9dio dos biscoitos nesta amostra seja inferior a 9,8 on\u00e7as?<\/span><\/p>\n Para responder a esta pergunta, podemos usar a calculadora CDF normal<\/a> , mas primeiro precisamos verificar se o tamanho da amostra \u00e9 grande o suficiente para assumir que a distribui\u00e7\u00e3o da m\u00e9dia amostral \u00e9 normal.<\/span><\/p>\n Neste exemplo, nosso tamanho de amostra \u00e9 n = 100<\/strong> , que \u00e9 muito maior que 30. Apesar do fato de que a verdadeira distribui\u00e7\u00e3o do peso do biscoito est\u00e1 distorcida para a direita, j\u00e1 que nosso tamanho de amostra \u00e9 “grande o suficiente”, podemos assumir que a distribui\u00e7\u00e3o da m\u00e9dia amostral \u00e9 normal. Portanto, poder\u00edamos usar com seguran\u00e7a a calculadora CDF normal para resolver este problema.<\/span><\/p>\n Muitas vezes, o tamanho da amostra \u00e9 considerado \u201csuficientemente grande\u201d se for maior ou igual a 30, mas este n\u00famero pode variar ligeiramente dependendo da forma subjacente da distribui\u00e7\u00e3o da popula\u00e7\u00e3o.<\/span><\/p>\n Especialmente:<\/span><\/p>\n Dependendo da forma da distribui\u00e7\u00e3o da popula\u00e7\u00e3o, pode ser necess\u00e1rio um tamanho de amostra maior ou menor que 30 para que o teorema do limite central seja aplicado.<\/span><\/p>\n Introdu\u00e7\u00e3o ao teorema do limite central<\/a> Nas estat\u00edsticas, muitas vezes queremos usar amostras para tirar conclus\u00f5es sobre popula\u00e7\u00f5es atrav\u00e9s de testes de hip\u00f3teses ou intervalos de confian\u00e7a . A maioria das f\u00f3rmulas que usamos em testes de hip\u00f3teses e intervalos de confian\u00e7a assumem que uma determinada amostra segue aproximadamente uma distribui\u00e7\u00e3o normal . No entanto, para formular esta hip\u00f3tese com seguran\u00e7a, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1030","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo: Verificando o status de uma amostra grande<\/strong><\/span><\/h3>\n
Mudan\u00e7as na condi\u00e7\u00e3o de amostras grandes<\/strong><\/span><\/h3>\n
\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Introdu\u00e7\u00e3o \u00e0s distribui\u00e7\u00f5es de amostragem<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"