Amostragem e estimação
Introduzido| English | Significado |
|---|---|
| sample/ˈsæmpl/ | amostra |
| population/ˌpɒpjʊˈleɪʃn/ | população |
| stratified/ˈstrætɪfaɪd/ | estratificado |
| systematic/ˌsɪstəˈmætɪk/ | sistemático |
| cluster/ˈklʌstə/ | agrupamento |
| sampling distribution/ˈsæmplɪŋ ˌdɪstrɪˈbjuːʃn/ | distribuição amostral |
| standard error/ˈstændəd ˈerə/ | erro padrão |
| Central Limit Theorem/ˈsentrəl ˈlɪmɪt ˈθɪərəm/ | Teorema do Limite Central |
| confidence interval/ˈkɒnfɪdəns ˈɪntəvl/ | intervalo de confiança |
The poll that predicted the election
- A survey of 1000 people can predict the voting behaviour of 60 million. How?
- Sampling 样本 lets you draw conclusions about a whole population 总体 from a small, carefully chosen subset. The mathematics behind it is the foundation of all statistical inference.
Populations and samples
- A population is the entire group you want to study. A sample is a small group from the population.
- Good sampling needs randomness — every member must have a known chance of being selected.
- Sampling methods: simple random, stratified 分层 (proportional from each subgroup), systematic 系统 (every $k$th member), cluster 整群.
Stratified sampling. A school has 600 boys and 400 girls. A stratified sample of 50: $\dfrac{600}{1000} \times 50 = 30$ boys and $\dfrac{400}{1000} \times 50 = 20$ girls.

The sample mean is nearly normal whatever the population shape
Uma escola tem 600 meninos e 400 meninas. Uma amostra estratificada de 50 precisa de quantos meninos?
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
(600/1000) × 50 = 30 meninos.
The sampling distribution 抽样分布 of the mean
- The sample mean $\bar{X}$ is itself a random variable:
- The standard error 标准误 of the mean is $\dfrac{\sigma}{\sqrt{n}}$ — it shrinks as $n$ grows.

Statistics studies a sample to learn about a whole population
Uma população tem σ = 8. Para uma amostra de n = 64, qual é Var(X̄) = σ²/n?
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
Var(X̄) = σ²/n = 64/64 = 1.
Uma população tem σ = 10 e n = 25. O erro padrão σ/√n = ?
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
σ/√n = 10/√25 = 10/5 = 2.
Combine cada ideia de amostragem com seu significado.
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
O TLC torna as médias amostrais normais; sua dispersão é σ²/n, dando o intervalo de confiança.
The Central Limit Theorem 中心极限定理
- By the Central Limit Theorem, for a large sample ($n \geq 30$), $\bar{X}$ is approximately normal, whatever the population's shape.
- This is one of the most powerful results in all of mathematics — it lets us use the normal distribution even when the data isn't normal.
CLT applies to the mean, not the data. The Central Limit Theorem says the distribution of $\bar{X}$ becomes normal — not the individual data points. The raw data can have any shape.

A 95% confidence interval 置信区间 reaches 1.96 standard errors each side of the sample mean
Raw observations and repeated sample means
$E(\bar X)=\mu,\quad \mathrm{SD}(\bar X)=\sigma/\sqrt n$
The population stays the same while the distribution of sample means changes. These are illustrative independent models; a large n does not make raw data normal.
Pelo Teorema do Limite Central, a média amostral é aproximadamente normal para uma grande amostra, independentemente da forma da população.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
O TLC torna X̄ aproximadamente normal à medida que o tamanho da amostra cresce.
O Teorema do Limite Central diz que os pontos de dados individuais tornam-se normalmente distribuídos para grandes amostras.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
O TLC aplica-se à média amostral X̄, não aos pontos de dados individuais. Os dados brutos podem ter qualquer forma.
Confidence intervals
- A confidence interval gives a range that probably contains the true mean.
- For a normal population with known $\sigma$ (or a large sample), a 95% interval is:
- From a random sample find unbiased estimates of the mean and variance ('unbiased' = correct on average), and a confidence interval for a population proportion; random numbers help choose the sample.
Uma amostra de n = 64 tem σ = 8. Qual é a margem 1.96 × σ/√n para um intervalo de 95%? (2 casas decimais)
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
1.96 × 8/√64 = 1.96 × 8/8 = 1.96.
You've got it
- $E(\bar{X}) = \mu$, $\text{Var}(\bar{X}) = \dfrac{\sigma^2}{n}$; CLT makes $\bar X$ ≈ normal for large $n$
- a 95% confidence interval: $\bar{x} \pm 1.96\dfrac{\sigma}{\sqrt{n}}$
- good sampling needs randomness
Write from the data given
- A population has 80 of type A and 120 of type B. A stratified sample of 20 is taken.
- Also a standard deviation of 12 and a sample of 16 give a standard error.
Quantos do tipo A e do tipo B há em uma amostra estratificada de 20 de um total de 80 do tipo A e 120 do tipo B? Qual é o erro padrão se o desvio padrão for 12 e o tamanho da amostra for 16?
80 de 200 é 2/5, e 2/5 de 20 é 8. 12 dividido por 4 é 3.
Quantos do tipo A são selecionados?
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
80/200 vezes 20 é 8. Outras opções — 30 (o número de meninos da lição); 20 (a amostra inteira).