Construção de intervalos de confiança

Esta calculadora on-line constrói intervalos de confiança para quatro casos: estimar a média com parâmetros desconhecidos, estimar a variância com parâmetros desconhecidos, estimar a média com variância conhecida e estimar a variância com média conhecida.

As fórmulas e um pouco de teoria estão disponíveis abaixo da calculadora.

PLANETCALC, Intervalos de confiança

Intervalos de confiança

Números separados por vírgulas, ponto e vírgula, espaços ou quebras de linha. O separador decimal é o ponto.
Valor da média especificado a priori.
Refere-se especificamente à variância, não ao desvio padrão.
Um número inteiro maior ou igual a 2.
Variância calculada com divisão por n − 1.
Estimativa pontual
 
Limite inferior
 
Limite superior
 
Comprimento do intervalo
 
Tamanho da amostra
 
Graus de liberdade
 
Distribuição
 
Quantil inferior
 
Quantil superior
 
Dígitos após o ponto decimal: 6

Métodos para construir intervalos de confiança quando os dados originais seguem uma distribuição normal

N.º O que estimamos O que é conhecido Estatística utilizada Distribuição Intervalo de confiança
1 Variância \sigma^2 A média \mu é conhecida \frac{\sum_{i=1}^n (x_i - \mu)^2}{\sigma^2} \chi^2(n) \left[ \frac{\sum_{i=1}^n (x_i - \mu)^2}{h^{(n)}_{(1+\alpha)/2}};\; \frac{\sum_{i=1}^n (x_i - \mu)^2}{h^{(n)}_{(1-\alpha)/2}} \right]
2 Média \mu A variância \sigma^2 é conhecida \frac{\bar{x} - \mu}{\sigma / \sqrt{n}} N(0,1) \bar{x} \pm z_{(1-\alpha)/2} \cdot \frac{\sigma}{\sqrt{n}}
3 Média \mu Ambas desconhecidas (estimamos \mu) \frac{\bar{x} - \mu}{s / \sqrt{n}} T(n-1) \bar{x} \pm t_{(1-\alpha)/2}(n-1) \cdot \frac{s}{\sqrt{n}}
4 Variância \sigma^2 Ambas desconhecidas (estimamos \sigma^2) \frac{(n-1)s^2}{\sigma^2} = \frac{\sum_{i=1}^n (x_i - \bar{x})^2}{\sigma^2} \chi^2(n-1) \left[ \frac{(n-1)s^2}{h^{(n-1)}_{(1+\alpha)/2}};\; \frac{(n-1)s^2}{h^{(n-1)}_{(1-\alpha)/2}} \right]

A seguir, explico a origem de cada elemento.

Método para construir intervalos de confiança

No caso geral (este não é o único método, mas não procurei outros), os intervalos de confiança podem ser construídos da seguinte maneira1:

  1. Escolhemos uma probabilidade de confiança \alpha próxima de um.
  2. Escolhemos uma função que dependa da nossa amostra e do parâmetro desconhecido, G(x_1, ..., x_n, \Theta), mas tal que sua própria função de distribuição não dependa do parâmetro desconhecido \Theta:

F_G(t) \stackrel{\text{def}}{=} \mathbf{P}_\theta \{ G(x_1, \dots, x_n, \theta) \le t \}

  1. Escolhemos dois números \epsilon_1 > 0 e \epsilon_2 > 0 tais que 1-\alpha=\epsilon_1 + \epsilon_2. Em seguida, procuramos valores k_1 e k_2 tais que

F_G(\kappa_1) \le \varepsilon_1, \quad F_G(\kappa_2) \ge 1 - \varepsilon_2

Donde

\mathbf{P}_\theta \{ \kappa_1 < G(x_1, \dots, x_n, \theta) \le \kappa_2 \} \ge 1 - \varepsilon_2 - \varepsilon_1 = \alpha,

Como escolhemos G de modo que sua função de distribuição não dependa de \Theta, k_1 e k_2 também não dependem de \Theta.

  1. Passamos à desigualdade dupla

\kappa_1 < G(x_1, \dots, x_n, \theta) \le \kappa_2

e a resolvemos em relação a \Theta. Os valores dependerão da amostra. Se a solução for indicada por \beta, podemos escrever

\mathbf{P}_\theta \{ \theta \in ( \beta_1(x_1, \dots, x_n), \beta_2(x_1, \dots, x_n)) \} \ge \alpha

Os valores calculados constituem o intervalo de confiança, ou seja, um intervalo no qual o verdadeiro valor da grandeza desconhecida se encontra com a probabilidade especificada.

Na verdade, todo o restante já foi calculado antes de nós: para os casos acima, já foram escolhidas funções com distribuições conhecidas que permitem calcular intervalos de confiança. Para isso, foi necessário introduzir novas distribuições e demonstrar teoremas, o que é bastante difícil. Estudantes e engenheiros precisam apenas conhecer o resultado e as condições de aplicação. A seguir, consideramos cada caso separadamente.

Construção de um intervalo de confiança para a média com variância conhecida

Comecemos pelo caso mais simples de explicar: a construção de um intervalo de confiança para a média com variância conhecida. Como a variância de uma variável aleatória pode ser conhecida?, você perguntará. No entanto, esse caso é bastante frequente na prática, pois a variância, ou dispersão, geralmente caracteriza as propriedades físicas de um instrumento ou processo tecnológico. Um exemplo clássico é o erro de um instrumento, indicado em suas especificações como desvio padrão. Não conhecemos o verdadeiro valor da grandeza medida, mas conhecemos o «ruído» do instrumento. Realizamos uma série de medições e construímos um intervalo de confiança para a média usando o desvio padrão.

A engenhosa função G para este caso foi escolhida da seguinte forma

G(x_1, \dots, x_n; \mu) = \frac{x_1 + \dots + x_n - n\mu}{\sigma \sqrt{n}}

Aqui usamos o teorema segundo o qual a soma de qualquer número de variáveis aleatórias normais independentes tem distribuição normal. Neste caso, a função G tem a distribuição normal padrão N(0,1). Podemos escrever a desigualdade dupla usando quantis

z_{(1-\alpha)/2} < \frac{x_1 + \dots + x_n - n\mu}{\sigma \sqrt{n}} < z_{(1+\alpha)/2}

Donde

\bar{x} - \frac{\sigma z_{(1+\alpha)/2}}{\sqrt{n}} < \mu < \bar{x} - \frac{\sigma z_{(1-\alpha)/2}}{\sqrt{n}}.

Ou, devido à simetria da distribuição normal

\bar{x} - \frac{\sigma}{\sqrt{n}} z_{(1+\alpha)/2} < \mu < \bar{x} + \frac{\sigma}{\sqrt{n}} z_{(1+\alpha)/2}

Construção de um intervalo de confiança para a média com variância desconhecida

Consideremos agora a construção de um intervalo de confiança para a média de uma variável aleatória quando não conhecemos nem sua verdadeira média nem sua verdadeira variância. Este é o caso mais frequente quando obtemos uma série de medições: na maioria das vezes, não sabemos absolutamente nada no início.

Por exemplo, queremos verificar como um novo fertilizante afeta a colheita de tomates.
Plantamos 30 canteiros, aplicamos o fertilizante e medimos a produtividade em quilogramas. A verdadeira média é a produtividade potencial da variedade com fertilizante se fosse cultivada em toda parte sob condições médias ideais. Ela é desconhecida. A verdadeira variância representa neste caso a sensibilidade ao microclima e os erros de irrigação e aplicação do fertilizante. Um canteiro fica numa depressão (mais umidade), outro numa elevação (mais seco), e assim por diante. A intensidade da variação da produtividade entre os canteiros também é desconhecida.

Aqui, a escolha da engenhosa função G é determinada pelo teorema de Fisher. Esta é uma formulação usual2:

Seja X_1,\ldots,X_n \sim \mathrm{N}(\mu,\sigma^2) uma amostra independente de uma distribuição normal. Sejam \overline{X} a média amostral e S^2 a variância amostral. Então:

  • As variáveis aleatórias \overline{X} e S^2 são independentes;
  • A variável aleatória  \sqrt{n} \cdot \frac{\overline{X} - \mu}{\sigma} \sim \mathrm{N}(0,1) \sim Z tem distribuição normal padrão;
  • A variável aleatória \frac{(n-1)\cdot S^2}{\sigma^2} = \frac{1}{\sigma^2} \sum_{i=1}^{n} (X_i - \bar{X})^2 \sim \chi^2_{n-1} tem distribuição qui-quadrado com n-1 graus de liberdade.

A partir da distribuição normal padrão e da distribuição qui-quadrado, podemos formar a distribuição de Student pela seguinte fórmula

T = \frac{Z}{\sqrt{\chi^2_k/k}}, em que k é o número de graus de liberdade.

Vamos construir nossa função G dividindo uma pela raiz da outra dividida por n-1:

G(x_1, \dots, x_n; \mu, \sigma^2) = \frac{(\sqrt{n}(\bar{x} - \mu))/\sigma}{\sqrt{\frac{1}{n-1} \frac{1}{\sigma^2} \sum_{i=1}^{n} (x_i - \bar{x})^2}}

Sabemos que esta função tem distribuição de Student com n-1 graus de liberdade e, felizmente, o parâmetro desconhecido \sigma pode ser cancelado.

Assim,

G(x_1, \dots, x_n; \mu, \sigma^2) = \frac{\sqrt{n}(\bar{x} - \mu)}{s} \sim T(n-1)

Em seguida, indicando os quantis da distribuição de Student por t e isolando \mu, obtemos a fórmula do intervalo de confiança.

\bar{x} - \frac{s}{\sqrt{n}} t^{(n-1)}_{(1+\alpha)/2} < \mu < \bar{x} + \frac{s}{\sqrt{n}} t^{(n-1)}_{(1+\alpha)/2}

Como a distribuição de Student é simétrica, aqui também basta substituir apenas um valor do quantil na fórmula, como no caso anterior.

Construção de um intervalo de confiança para a variância com média conhecida

Já tratamos da estimação das médias, mas também é preciso estimar a variância. O primeiro caso é a construção de um intervalo de confiança para a variância com uma verdadeira média conhecida. Mais uma vez, onde encontramos na vida real problemas em que a verdadeira média seja conhecida e a variância necessária? A primeira possibilidade são os problemas inversos à estimação da média com variância conhecida, ou seja, a calibração de um instrumento. Em outras palavras, colocamos repetidamente um peso de referência de um quilograma numa balança, observamos as indicações e estimamos a dispersão dos valores mostrados. Além disso, a média pode ser fixada em testes de hipóteses: observa-se qual será a dispersão para uma determinada média.

Construímos a função G da seguinte forma:

G(x_1, \dots, x_n; \sigma^2) = \frac{\sum_{i=1}^n (x_i - \mu_0)^2}{\sigma^2} = \sum_{i=1}^n \left( \frac{x_i - \mu_0}{\sigma} \right)^2.

Aqui tudo é simples: trata-se literalmente da distribuição qui-quadrado com n graus de liberdade, que não depende de \sigma.

Indicando os quantis da distribuição qui-quadrado por h e isolando \sigma, obtemos a fórmula do intervalo de confiança.

\frac{\sum_{i=1}^n (x_i - \mu_0)^2}{h_{(1+\alpha)/2}^{(n)}} < \sigma^2 < \frac{\sum_{i=1}^n (x_i - \mu_0)^2}{h_{(1-\alpha)/2}^{(n)}}

A distribuição qui-quadrado é assimétrica, portanto é necessário usar os dois quantis.

Construção de um intervalo de confiança para a variância com média desconhecida

Para que serve isso? Para o mesmo que no caso anterior. Queremos estimar a variabilidade, a «concentração» ou a «estabilidade» de um processo, mas a verdadeira média é desconhecida.

Para este caso, construiu-se a seguinte função G:

G(x_1, \dots, x_n; \mu, \sigma^2) = \frac{\sum_{i=1}^n (x_i - \bar{x})^2}{\sigma^2}

A particularidade é que o valor desconhecido \mu não participa de forma alguma na função. Pelo teorema de Fisher, sabemos que esta função tem distribuição qui-quadrado com n-1 graus de liberdade. Depois, procedemos como no caso anterior e obtemos a fórmula do intervalo de confiança:

\frac{(n - 1)s^2}{h_{(1+\alpha)/2}^{(n-1)}} < \sigma^2 < \frac{(n - 1)s^2}{h_{(1-\alpha)/2}^{(n-1)}}

Condições de aplicabilidade

Repitamos: Todas as fórmulas listadas na tabela acima, que usam quantis das distribuições normal, de Student e qui-quadrado, são exatas apenas num único caso: a variável aleatória original deve seguir estritamente a lei normal (de Gauss).

Se a distribuição não for normal, temos sorte ao estimar a média com uma amostra grande: graças ao Teorema central do limite (TCL), à medida que o tamanho da amostra aumenta, a média amostral sempre tende a uma distribuição normal, independentemente da distribuição dos dados originais (exponencial, uniforme, binomial etc.). A fronteira tradicional entre amostra pequena e grande em estatística é 30. Às vezes se fala em amostras de 50–100, mas muito depende da assimetria da distribuição e do peso de suas «caudas».

Em conclusão, ao estimar a média para amostras grandes, a distribuição pode ser ignorada graças ao TCL. Para amostras pequenas de uma distribuição NÃO normal, por exemplo binomial ou lognormal, os critérios de Student produzem erro; devem ser usados métodos não paramétricos, como o teste de Wilcoxon.

Para a variância, a situação é desfavorável. A distribuição qui-quadrado é extremamente sensível a desvios da normalidade, e para distribuições não normais devem ser usadas outras abordagens.


  1. UFPB. Distribuições Amostrais e Inferência Estatística. Capítulo 7, seção 7.2 «Intervalo de Confiança». Notas de aula ↩

  2. UFSC, Departamento de Informática e Estatística. Distribuição amostral da variância. Teorema sobre a independência da média e da variância amostrais e a distribuição qui-quadrado. Distribuição amostral da variância ↩

URL copiado para a área de transferência
PLANETCALC, Construção de intervalos de confiança

Comentários