O mito da “média perfeita”

Olhe, a maioria das pessoas pensa que basta jogar a moeda mil vezes e pronto, a probabilidade de cara será exatamente 50 %.

Mas a realidade é bem mais cruenta: o desvio padrão ainda te persegue, e a convergência não é instantânea.

Por isso, a Lei dos Grandes Números não é “magia”, é um limite assintótico que só se revela quando o número de repetições tende ao infinito.

Por que isso importa?

Aqui está o ponto: você está avaliando risco em um projeto, apostando num mercado ou calibrando um modelo de machine learning.

Se confundir a lei com “sorte” você pode inflar expectativas, tomar decisões baseadas em amostras ridiculamente pequenas, e acabar no vermelho.

Na prática, a “convergência” começa a ser perceptível só depois de algumas centenas de observações, dependendo da variância da variável.

Exemplo rápido

Imagine 10 lançamentos de dado. A frequência de 6 pode ser 0, 1 ou até 5. Só quando você chega a 10 000 lançamentos a distribuição começa a se assemelhar à teoria.

O papel da variância

Quanto maior a dispersão dos resultados, mais lenta a estabilização da média. Isso significa que, em cenários de alta volatilidade, a Lei dos Grandes Números pode demorar mais do que você imagina.

Aplicações práticas

Em finanças, a média histórica de retornos só faz sentido se o período analisado for suficientemente longo. Em testes A/B, a diferença entre duas versões só se comprova após milhares de usuários.

Na ciência de dados, validar um modelo com 30 observações não basta; você precisa de milhares para garantir que o erro de generalização está dentro do esperado.

Um alerta rápido

Não caia na armadilha de “grande número” como sinônimo de “grande confiança”. A lei fala de tendência, não de certeza.

Se você quiser aprofundar, dê uma olhada no artigo completo aqui: https://apostassorte.com/artigo/a-lei-dos-grandes-numeros/.

E aqui vai o conselho: antes de decidir, verifique se sua amostra tem tamanho suficiente para que a média realmente reflita a distribuição subjacente. Se não, reamostre.