intervalo de confiança
Intervalo de Confiança (IC) para a média populacional com estes pressupostos:
\(X \sim N(\mu,\; \sigma^2)\): os dados são bem modelados por uma distribuição normal,
\(\sigma^2\) é conhecida: a variância populacional é fornecida no enunciado ou contexto.
Nessas condições, o IC para a média populacional é dado por:
sendo \(z_{1-\alpha/2}\) um quantil da distribuição normal padrão.
procedimento
O procedimento, tendo em conta os pressupostos
\(X \sim N(\mu,\; \sigma^2)\): os dados são bem modelados por uma distribuição normal;
\(\sigma^2\) é conhecida: a variância populacional é fornecida no enunciado.
e conhecidas as medidas amostrais, é dado por
em que, com base na distribuição normal padrão Z,
É mostrado, na 2ª figura, que o grau de confiança, \(1 - \alpha\), é colocado no centro de N(0,1).
exemplo
Com base no enunciado, o IC com grau de confiança a 95% é dado por:
Com \(1-\alpha=0.95\) então \(1-\alpha/2=0.975\). Temos, com base na distribuição normal padrão Z,
Por fim,
propriedades
o ponto central do IC é \(\bar x\), que é a estimação pontual;
o intervalo pode ser aberto ou fechado e o seus limites não devem ser vistos de forma categórica (i.e., determinística).
a amplitude do IC é dada por \(2 \times z_{1-\alpha/2} \times \frac{\sigma}{\sqrt{n}}\). Porquê?
No exemplo,
a estimativa \(\mu=\bar x = 25.585\) é o centro do intervalo;
a amplitude do IC é \(2 \times 1.96 \times (4.0)/(\sqrt(20)) = 3.5062\).
amplitude do intervalo
A amplitude do IC é dada por
Quanto maior o grau de confiança maior a largura do intervalo. Porquê?
Quanto maior a amostra, menor a largura do intervalo.
interpretação do intervalo
Um IC para a média populacional pode ser visto como:
fornecendo a precisão da estimação pontual para \(\mu\) [ver 1.]
no exemplo dado, \(\hat\mu\pm\epsilon = 25.585\pm1.7531\), ou seja, com estimativa \(\hat\mu=\bar x = 25.585\) com precisão 1.7531 (a que correponde a amplitude do IC de 3.5062),
ou ainda como,
um intervalo de valores possíveis para \(\mu\) (ver teste pelo método do intervalo de confiança)
qualquer valor de \(]23.8319;27.3381[\) é uma estimativa para \(\mu\).
interpretação da confiança
Tomando como exemplo um grau de confiança é 95% então:
95% das amostras conduzem a ICs que vão conter o parâmetro \(\mu\) correto que modela a população de onde as amostras são recolhidas.
Dito de maneira probabilística,
com 0.95 de probabilidade, uma amostra aleatória vai gerar um IC que contém \(\mu\), isto é, o parâmetro que modela a distribuição da média amostral aleatória. Veja a construção.
Não se pode interpretar, no entanto, que \(\mu \in ]23.8319;27.3381[\) com 95% de probabilidade, pois
\(\mu\) é um número real, e não uma v.a.; assim, não faz sentido calcular uma probabilidade. Seria como calcular «Prob(5 estar em [1; 10])», i.e., ou está ou não está.
construção
Esta secção explica como obter o IC para uma v.a. normal com variância populacional, \(\sigma^2\), conhecida (fornecida num enunciado).
Uma população é bem modelada por \(X \sim N(\mu,\; \sigma^2)\) e, por distribuição normal (amostragem), então \(\bar X \sim N(\mu,\; \frac{\sigma^2}{n})\) ou ainda
que diz que o afastamento da média amostral, \(\bar X\), à média populacional, \(\mu\), é modelado por uma distribuição normal (face às condições dadas). Então, indicamos que esse afastamento não deve ultrapassar certos limites:
Transformando a expressão acima,
Nesta expressão:
\(\mu\) é um número real!
\(\bar X\) é uma média amostral aleatória (logo é uma v.a.)
os limites, esquerdo e direito, dependem de uma amostra.
A mesma expressão pode-se reescrever assim,
R Project
Neste capítulo aborda-se apenas o «Z Interval» pois a população é normal com variância conhecida. No R, este intervalo não existe de origem e então é necessário instalar uma biblioteca.
instalação
Deve executar-se a seguinte instrução apenas uma vez:
install.packages("BSDA")
comandos
Com base no enunciado, o IC com grau de confiança a 95% é dado por
library(BSDA)
dados = c(31.2, 22.5, 26.4, 24.2, 26.0, 24.2, 26.5,
27.8, 26.4, 24.2, 21.6, 28.8, 23.9, 29.8,
25.0, 25.4, 24.0, 28.7, 21.9, 23.2)
z.test(dados, sigma.x=4.0, conf.level = 0.95)
sendo o resultado:
calculadora gráfica
Os menus das calculadoras para determinar IC costumam estar no menu «estatística».
Em geral, deve procurar-se por «Z Interval» ou «Intervalo Z».
Existe o modo «dados»: devem ser introduzidos como em dados não agrupados ou dados agrupados.
Existe o modo «stats» (ou ainda modo «variable»).
Exemplo:
texas TI Nspire CX: MENU Estatística (6) => Intervalo de Confiança (6) => Intervalo Z (1)