[Dúvida] Diferença da média da amostra para média geral

Olá Willian .
Tudo bem?
Em estatística, trabalhar com dados de um conjunto inteiro raramente é possível na prática. Imagine tentar medir a altura de todos os brasileiros ou o tempo de resposta de todos os usuários de um sistema. Por isso, coletamos uma amostra, ou seja, um subconjunto representativo desse conjunto total, e a partir dela tentamos fazer inferências sobre o todo.
A média da amostra é o valor calculado diretamente sobre os dados que você coletou. Se você mediu 100 pessoas, soma todas as alturas e divide por 100, obtendo a média daquele grupo específico. Ela é um valor concreto, observável e calculável. A média geral, por outro lado, é o valor verdadeiro que existiria se você pudesse medir absolutamente todos os elementos do conjunto de interesse. Na prática, esse valor quase nunca é conhecido, e é exatamente por isso que os testes estatísticos existem: para nos ajudar a tirar conclusões sobre a média geral a partir da média da amostra.
A diferença entre esses dois conceitos não é apenas terminológica. A média da amostra varia toda vez que você coleta uma nova amostra, pois depende dos elementos sorteados. A média geral é fixa, pois representa uma característica real do conjunto total, mesmo que desconhecida. Quanto maior for a amostra coletada, mais a média da amostra tende a se aproximar da média geral, o que é garantido pelo Teorema Central do Limite.
Quando queremos verificar se a média da amostra é evidência suficiente para afirmar algo sobre a média geral, utilizamos testes de hipótese. Os dois mais comuns para comparar médias são o z-test e o t-test, e a escolha entre eles depende de características específicas dos seus dados.
O z-test deve ser usado quando o desvio padrão do conjunto total é conhecido, ou quando a amostra é suficientemente grande, geralmente acima de 30 observações. Nesses casos, pela garantia do Teorema Central do Limite, a distribuição das médias amostrais se aproxima de uma distribuição normal, o que torna o z-test matematicamente adequado. Na prática, porém, raramente conhecemos o desvio padrão do conjunto total de antemão, o que torna o z-test menos comum em situações reais.
O t-test surge justamente para preencher essa lacuna. Ele é utilizado quando o desvio padrão do conjunto total é desconhecido, que é o caso mais frequente, e especialmente quando a amostra é pequena. O t-test usa o desvio padrão calculado a partir da própria amostra como estimativa, e por isso trabalha com a distribuição t de Student, que é mais conservadora que a normal e possui caudas mais pesadas. Isso significa que o t-test exige uma diferença mais expressiva entre a média da amostra e a média hipotética para concluir que a diferença é estatisticamente significativa, o que é uma postura mais prudente diante da incerteza gerada por amostras pequenas. À medida que o tamanho da amostra cresce, a distribuição t de Student se aproxima cada vez mais da distribuição normal, e os resultados do t-test convergem para os do z-test.
Em ambos os casos, o raciocínio do teste é o mesmo. Você parte de uma hipótese sobre a média geral, calcula a média da sua amostra e verifica se a diferença entre elas é grande o suficiente para ser considerada improvável de ter ocorrido por acaso. Se a diferença for pequena, você não tem evidência suficiente para rejeitar a hipótese. Se for grande, os dados sugerem que a média geral provavelmente não é o valor que você assumiu.
Um ponto fundamental nesse processo é que a média da amostra nunca prova com certeza absoluta qual é a média geral. Ela apenas fornece evidência estatística a favor ou contra uma hipótese. É por isso que os resultados são sempre interpretados com base em um nível de significância, geralmente 5%, que representa a tolerância ao risco de concluir erroneamente que existe uma diferença quando na verdade não existe.
Portanto, entender a distinção entre média da amostra e média geral é o ponto de partida para qualquer análise estatística séria. A escolha correta entre z-test e t-test depende do que você sabe sobre seu conjunto de dados e do tamanho da sua amostra, e usar o teste errado pode levar a conclusões equivocadas mesmo que os cálculos estejam corretos.
Com poucos dados, o teste tem menos poder para detectar diferenças reais, e o resultado pode ser não significativo não porque as médias sejam iguais, mas porque a amostra é insuficiente para revelar essa distinção.
Mas avise qualquer duvida.
Bons estudos.