ETFFIN Finance >> Curso de Finanças Pessoais >  >> Gestão Financeira >> Finanças

Teorema do Limite Central (TLC): Entendendo o Conceito Fundamental

O Que é o Teorema do Limite Central (TLC)?

Na teoria da probabilidade, o teorema do limite central (TLC) afirma que a distribuição de uma variável amostral aproxima uma distribuição normal (ou seja, uma "curva em sino") à medida que o tamanho da amostra se torna maior, assumindo que todas as amostras são idênticas em tamanho, e independentemente da forma real da distribuição da população.

Dito de outra forma, o TLC é uma premissa estatística de que, dado um tamanho de amostra suficientemente grande de uma população com um nível finito de variância, a média de todas as variáveis amostradas da mesma população será aproximadamente igual à média de toda a população. Além disso, essas amostras aproximam uma distribuição normal, com suas variâncias sendo aproximadamente iguais à variância da população à medida que o tamanho da amostra aumenta, de acordo com a lei dos grandes números.

Embora este conceito tenha sido desenvolvido pela primeira vez por Abraham de Moivre em 1733, não foi formalizado até 1930, quando o notável matemático húngaro George Polya o batizou de Teorema do Limite Central.

Principais Conclusões

  • O teorema do limite central (TLC) afirma que a distribuição das médias amostrais aproxima uma distribuição normal à medida que o tamanho da amostra aumenta, independentemente da distribuição da população.
  • Tamanhos de amostra iguais ou maiores que 30 são frequentemente considerados suficientes para que o TLC se mantenha.
  • Um aspecto-chave do TLC é que a média das médias amostrais e desvios padrão igualará a média populacional e o desvio padrão populacional.
  • Um tamanho de amostra suficientemente grande pode prever as características de uma população com mais precisão.

Entendendo o Teorema do Limite Central

De acordo com o teorema do limite central, a média de uma amostra de dados será mais próxima da média da população geral em questão, à medida que o tamanho da amostra aumenta, não obstante a distribuição real dos dados. Em outras palavras, os dados são precisos seja a distribuição normal ou aberrante.

Como regra geral, tamanhos de amostra de cerca de 30-50 são considerados suficientes para que o TLC se mantenha, significando que a distribuição das médias amostrais é razoavelmente normalmente distribuída. Portanto, quanto mais amostras se tira, mais os resultados graficados assumem a forma de uma distribuição normal. Note, no entanto, que a teoria do limite central ainda será aproximada em muitos casos para tamanhos de amostra muito menores, como n=8 ou n=5.

O teorema do limite central é frequentemente usado em conjunto com a lei dos grandes números, que afirma que a média das médias amostrais e desvios padrão se aproximará de igualar a média populacional e o desvio padrão populacional à medida que o tamanho da amostra cresce, o que é extremamente útil para prever com precisão as características de populações.

Teorema do Limite Central (TLC): Entendendo o Conceito Fundamental
Sabrina Jiang / Investopedia

O Teorema do Limite Central nas Finanças

O TLC é útil ao examinar os retornos de uma ação individual ou índices mais amplos, porque a análise é simples, devido à facilidade relativa de gerar os dados financeiros necessários. Consequentemente, investidores de todos os tipos confiam no TLC para analisar retornos de ações, construir portfólios e gerenciar risco.

Digamos, por exemplo, que um investidor deseja analisar o retorno geral para um índice de ações que compreende 1.000 ações. Neste cenário, esse investidor pode simplesmente estudar uma amostra aleatória de ações para cultivar retornos estimados do índice total. Para segurança, use pelo menos 30-50 ações selecionadas aleatoriamente em vários setores, devem ser amostradas para que o teorema do limite central se mantenha. Além disso, ações previamente selecionadas devem ser trocadas por nomes diferentes para ajudar a eliminar viés.