Entendendo seu intervalo de confiança
A amplitude do intervalo reflete a precisão da estimativa. A tabela abaixo mostra como o intervalo do exemplo (média 50, desvio padrão 8, n = 100) muda conforme o nível de confiança.
| Nível de confiança | Valor de z | Margem de erro | Intervalo |
|---|---|---|---|
| 90% | 1,6449 | 1,316 | 48,684 a 51,316 |
| 95% | 1,96 | 1,568 | 48,432 a 51,568 |
| 99% | 2,5758 | 2,061 | 47,939 a 52,061 |
- Confiança maior produz intervalo mais largo: a certeza é comprada com precisão.
- Este é um intervalo baseado em z. Para amostras pequenas (n abaixo de cerca de 30) com desvio padrão estimado a partir dos dados, a distribuição t de Student fornece um intervalo mais preciso e um pouco mais largo.
- O intervalo pressupõe que a amostra é aleatória simples e, para n pequeno, que os dados subjacentes são aproximadamente normais. Uma amostragem enviesada invalida o intervalo, por mais largo que ele seja.
- Quadruplicar o tamanho da amostra reduz a amplitude do intervalo pela metade, já que o erro padrão varia com 1 / √n.
O que é um intervalo de confiança?
Um intervalo de confiança é uma faixa calculada a partir de dados amostrais, projetada para conter o verdadeiro parâmetro populacional — aqui, a média populacional — com uma taxa de sucesso declarada no longo prazo. Um nível de confiança de 95% significa que, se o mesmo procedimento de amostragem fosse repetido muitas vezes, cerca de 95% dos intervalos construídos dessa forma conteriam a média verdadeira.
O intervalo é centrado na média amostral e se estende uma margem de erro para cada lado. A margem de erro é o valor crítico (z) multiplicado pelo erro padrão da média, e o erro padrão é o desvio padrão dividido pela raiz quadrada do tamanho da amostra. Amostras maiores encolhem o erro padrão e, portanto, o intervalo, na proporção da raiz quadrada de n: quadruplicar o tamanho da amostra reduz a amplitude do intervalo pela metade.
A leitura correta de um intervalo de 95% é uma afirmação sobre o procedimento, não sobre um intervalo específico: não é rigorosamente correto dizer que há 95% de probabilidade de a média verdadeira estar dentro deste intervalo em particular — a média verdadeira é um valor fixo, e cada intervalo calculado ou a contém ou não a contém. Os 95% se referem à frequência com que o método acerta ao longo de amostras repetidas.
Como usar esta calculadora de intervalo de confiança
- Informe a média amostral — a média dos valores que você mediu.
- Informe o desvio padrão. Use o desvio padrão amostral (forma n - 1) calculado a partir dos seus dados, ou o valor populacional, se ele for conhecido.
- Informe o tamanho da amostra n (no mínimo 2) e escolha um nível de confiança: 90%, 95% ou 99%.
- Leia o intervalo, a margem de erro e o erro padrão. Para amostras pequenas (comumente n abaixo de 30) com desvio padrão populacional desconhecido, note que um intervalo baseado na distribuição t é um pouco mais largo e mais preciso.
A fórmula do intervalo de confiança
O intervalo baseado em z para uma média é: média amostral mais ou menos z multiplicado por (desvio padrão / √n). Os valores críticos de z são 1,6449 para 90%, 1,96 para 95% e 2,5758 para 99% — os pontos da distribuição normal padrão que deixam a probabilidade total correspondente nas duas caudas.
Exemplo resolvido: média 50, desvio padrão 8, n = 100 e confiança de 95%. Passo 1 — erro padrão: 8 / √100 = 8 / 10 = 0,8. Passo 2 — margem de erro: 1,96 x 0,8 = 1,568. Passo 3 — intervalo: 50 - 1,568 = 48,432 e 50 + 1,568 = 51,568, portanto o intervalo de confiança de 95% vai de 48,432 a 51,568.
Esta calculadora usa a distribuição normal padrão (z), apropriada quando o desvio padrão populacional é conhecido ou a amostra é razoavelmente grande. Quando a amostra é pequena (comumente n abaixo de 30) e o desvio padrão populacional é estimado a partir da amostra, a distribuição t de Student com n - 1 graus de liberdade gera um intervalo um pouco mais largo e mais preciso; a diferença se dissipa conforme n cresce.
Erros comuns
- Interpretar um intervalo de 95% como “95% dos dados estão nesta faixa” — o intervalo descreve a incerteza sobre a média, e não a dispersão das observações individuais.
- Dizer que há 95% de probabilidade de a média verdadeira estar neste intervalo específico; os 95% descrevem a taxa de acerto do procedimento no longo prazo, ao longo de amostras repetidas.
- Usar o intervalo z para uma amostra pequena com desvio padrão estimado, situação em que a distribuição t é a escolha apropriada.
- Informar o erro padrão em vez do desvio padrão — a calculadora já faz a divisão por √n.
Perguntas frequentes
Como calcular um intervalo de confiança de 95%?
Calcule o erro padrão (desvio padrão dividido pela raiz quadrada do tamanho da amostra), multiplique-o por 1,96 para obter a margem de erro e some e subtraia essa margem da média amostral. Exemplo: média 50, desvio padrão 8 e n = 100 dão erro padrão de 0,8, margem de 1,568 e um intervalo de 48,432 a 51,568.
O que um nível de confiança de 95% realmente significa?
Ele descreve o desempenho do método no longo prazo: se você extraísse repetidamente amostras do mesmo tamanho e construísse um intervalo a partir de cada uma, cerca de 95% desses intervalos conteriam a verdadeira média populacional. Qualquer intervalo específico ou contém a média verdadeira ou não contém — os 95% são uma propriedade do procedimento, e não de um intervalo isolado.
Quando devo usar a distribuição t em vez de z?
Use a distribuição t de Student quando a amostra é pequena (a regra prática usual é n abaixo de 30) e o desvio padrão populacional é desconhecido e estimado a partir da amostra. A distribuição t tem caudas mais pesadas, gerando um intervalo um pouco mais largo que contabiliza corretamente a incerteza adicional; com amostras maiores, os intervalos t e z se tornam praticamente idênticos.
Como posso deixar meu intervalo de confiança mais estreito?
De três formas: aumentar o tamanho da amostra (a amplitude encolhe na proporção de 1 / √n, portanto quadruplicar n a reduz pela metade), aceitar um nível de confiança menor (um intervalo de 90% é mais estreito que um de 99%) ou reduzir a variabilidade da medição, de modo que o próprio desvio padrão diminua.
Qual é a diferença entre erro padrão e desvio padrão?
O desvio padrão mede a dispersão das observações individuais em torno da média. O erro padrão mede a incerteza da própria média amostral e equivale ao desvio padrão dividido por √n. Conforme a amostra cresce, o desvio padrão se estabiliza perto do seu valor populacional, ao passo que o erro padrão continua encolhendo em direção a zero.
Referências
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods, Section 7.1: Confidence intervals. nist.gov.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (confidence intervals for a mean; z vs t procedures).
- Student (Gosset WS). The probable error of a mean. Biometrika 1908; 6(1): 1-25 (origin of the t-distribution).