Calculadora de Intervalo de Confiança
Calcule um intervalo de confiança para uma média ou proporção populacional. Insira as estatísticas da sua amostra, escolha um nível de confiança e obtenha a margem de erro e os limites inferior e superior.
Calcular um intervalo de confiança
Fórmula do intervalo de confiança
Onde:
- \\(\\bar{x}\) — média amostral (estimativa pontual da média populacional)
- \\(\\hat{p}\) — proporção amostral, inserida como decimal (ex.: 0,55 para 55%)
- \\(s\) — desvio padrão amostral
- \\(n\) — tamanho da amostra (número de observações)
- \\(t_{\\alpha/2,\\,n-1}\) — valor crítico da distribuição t de Student com \\(n-1\) graus de liberdade (usado quando \\(s\) estima um \\(\\sigma\) desconhecido)
- \\(z_{\\alpha/2}\) — valor crítico da distribuição normal padrão
- \\(\\alpha = 1 - \\text{nível de confiança}\) — nível de significância
A fórmula constrói o intervalo como a estimativa pontual mais ou menos a margem de erro, em que a margem de erro é um valor crítico multiplicado pelo erro padrão \\(SE = s/\\sqrt{n}\) (média) ou \\(SE = \\sqrt{\\hat{p}(1-\\hat{p})/n}\) (proporção).
Intervalo de confiança – exemplo de cálculo
Exemplo: uma amostra de 25 medições tem média 100 e desvio padrão 15. Encontre o intervalo de confiança de 95% para a média populacional. Como \\(n < 30\) e o desvio padrão populacional é desconhecido, usa-se a distribuição t com \\(n - 1 = 24\) graus de liberdade.
\\[ SE = \\frac{s}{\\sqrt{n}} = \\frac{15}{\\sqrt{25}} = 3 \]
\\[ t_{0.025,\\,24} \\approx 2.0639, \\quad ME = 2.0639 \\times 3 \\approx 6.1917 \]
\\[ \\text{IC} = 100 \\pm 6.1917 = (93.8083,\\; 106.1917) \]
Resultado: o intervalo de confiança de 95% é aproximadamente (93,81, 106,19), com uma margem de erro de ±6,19. Você pode reproduzir isso com os valores padrão da calculadora.
Como usar a calculadora de intervalo de confiança
- Escolha o Tipo de estimativa: “Média amostral” para médias de dados medidos, ou “Proporção amostral” para porcentagens ou contagens de sucessos.
- Insira a Média amostral (x̄). Para uma proporção, digite o valor como um decimal entre 0 e 1, por exemplo 0,55 para 55%.
- Se você selecionou uma média, insira o Desvio padrão amostral (s). Esse campo fica oculto para proporções.
- Insira o Tamanho da amostra (n) — um número inteiro de pelo menos 2.
- Selecione o Nível de confiança: 80%, 90%, 95%, 98%, 99% ou 99,9%. 95% é a escolha mais comum.
- Escolha o Método do valor crítico. O modo padrão “Automático” usa a t de Student quando \\(n < 30\) e o valor z da normal quando \\(n \\ge 30\). Escolha “z normal” apenas quando o desvio padrão populacional \\(\\sigma\) é conhecido.
- Leia os resultados: Margem de erro, Limite inferior de confiança, Limite superior de confiança, Erro padrão, o Valor crítico usado e um bloco de detalhes com o intervalo completo e a interpretação.
O que significa um intervalo de confiança
Um intervalo de confiança é uma faixa de valores plausíveis para um parâmetro populacional desconhecido, como uma média ou uma proporção, com base em uma única amostra. A média amostral ou a proporção amostral é apenas uma estimativa pontual — é improvável que acerte exatamente o valor verdadeiro. O intervalo envolve essa estimativa com uma margem de erro que reflete o quanto a estimativa poderia plausivelmente mudar se você extraísse uma amostra diferente.
O nível de confiança descreve o comportamento de longo prazo do procedimento, não a probabilidade de um intervalo específico. Se você repetisse a amostragem muitas vezes e calculasse um intervalo a cada vez, cerca de 95% desses intervalos (no nível de 95%) conteriam o verdadeiro valor populacional. Depois que um intervalo é calculado, ele contém o parâmetro ou não contém; a incerteza está no método, não no par de números isolado.
A largura do intervalo carrega a maior parte da informação prática. Um intervalo estreito significa que a estimativa é precisa; um intervalo largo significa que os dados deixam uma dúvida considerável. A largura cresce com o desvio padrão e com o valor crítico (maior confiança → intervalo mais largo) e diminui à medida que o tamanho da amostra aumenta — quadruplicar \\(n\) reduz a margem de erro aproximadamente à metade, porque o \\(SE\) é dividido por \\(\\sqrt{n}\).
Referência: valores críticos comuns (bicaudais)
| Nível de confiança | Valor crítico z | t (gl = 24, para comparação) |
|---|---|---|
| 80% | 1,2816 | 1,3178 |
| 90% | 1,6449 | 1,7109 |
| 95% | 1,9600 | 2,0639 |
| 98% | 2,3263 | 2,4922 |
| 99% | 2,5758 | 2,7969 |
| 99,9% | 3,2905 | 3,7454 |
Pressupostos, limitações e dicas
- Amostragem aleatória. O intervalo só é válido para a população efetivamente amostrada. Amostras não aleatórias ou de conveniência invalidam a garantia de cobertura.
- t vs. z. Quando o desvio padrão populacional é desconhecido e estimado por \\(s\), a t de Student é a distribuição correta; ela leva em conta a incerteza extra ao estimar \\(\\sigma\) e produz um intervalo mais largo e mais honesto, especialmente para \\(n\) pequeno. Use z apenas quando \\(\\sigma\) é realmente conhecido ou quando \\(n\) é grande o suficiente para que a diferença seja desprezível.
- Normalidade. Para amostras pequenas, o intervalo baseado na média pressupõe que os dados subjacentes sejam aproximadamente normais. Para \\(n \\ge 30\), o teorema central do limite torna esse pressuposto em grande parte desnecessário, a menos que os dados sejam extremamente assimétricos.
- Proporções. O intervalo de Wald usado para proporções baseia-se em uma aproximação normal. Funciona bem quando \\(n\\hat{p} \\ge 5\) e \\(n(1-\\hat{p}) \\ge 5\); a calculadora avisa quando essa condição falha. Para amostras pequenas ou proporções próximas de 0 ou 1, um intervalo de Wilson (score) é mais confiável.
- Maior confiança custa largura. Passar de 95% para 99% alarga o intervalo visivelmente. Escolha o nível adequado à gravidade de um erro na sua aplicação, e não simplesmente o número mais impressionante.
- Não confunda precisão com confiança. Um intervalo de 99% obtido com 10 observações pode ser tão largo que se torna praticamente inútil. Aumentar \\(n\), e não o nível de confiança, é o caminho para obter um intervalo estreito.
Perguntas frequentes
Como calcular um intervalo de confiança manualmente, passo a passo?
Siga cinco passos: (1) calcule a estimativa pontual — a média amostral \(\bar{x}\) ou a proporção \(\hat{p}\); (2) calcule o erro padrão, \(s/\sqrt{n}\) ou \(\sqrt{\hat{p}(1-\hat{p})/n}\); (3) procure o valor crítico — \(t_{\alpha/2,\,n-1}\) em uma tabela t, ou \(z_{\alpha/2}\) = 1,96 para 95%; (4) multiplique o valor crítico pelo EP para obter a margem de erro (ME); (5) some e subtraia a ME da estimativa. Arredonde sempre somente no final.
De que tamanho de amostra preciso para obter uma margem de erro específica?
Isole \(n\) na fórmula da margem de erro. Para uma média: \(n = (z\,s / ME)^2\). Para uma proporção, a escolha mais conservadora assume \(\hat{p} = 0.5\): \(n = z^2 \cdot 0.25 / ME^2\). Por exemplo, um intervalo de 95% para uma proporção com margem de erro de 0,03 exige \(1.96^2 \times 0.25 / 0.03^2 \approx 1068\) observações. Sempre arredonde para o próximo número inteiro, já que uma amostra menor não atinge a meta.
Como encontro o valor crítico sem calculadora ou tabela?
Memorize os valores z bicaudais comuns: 80% → 1,28; 90% → 1,64; 95% → 1,96; 98% → 2,33; 99% → 2,58. Para a t de Student com amostras pequenas, interpole uma tabela t usando os graus de liberdade \(n-1\), ou use a aproximação \(t \approx z + (z^3+z)/(4(n-1))\) para uma estimativa rápida. Note que 1,96 vale apenas para intervalos bicaudais; um valor z de 95% unicaudal é 1,64.
Um intervalo de confiança de 95% significa que há 95% de probabilidade de o valor verdadeiro estar dentro dele?
Não exatamente, e esta é a interpretação equivocada mais comum. Os 95% descrevem a taxa de sucesso de longo prazo do método: se você extraísse muitas amostras e construísse um intervalo a partir de cada uma, cerca de 95% desses intervalos capturariam o verdadeiro parâmetro. Depois que um intervalo específico é calculado, o valor verdadeiro está nele ou não está — não resta nenhuma aleatoriedade. Estatísticos evitam atribuir uma probabilidade a um único intervalo já concluído.
Posso inserir uma porcentagem como 55 em vez de 0,55 para uma proporção?
Não — a calculadora espera a proporção como um decimal estritamente entre 0 e 1, então insira 0,55 para 55%. A saída, porém, mostra as duas formas: os limites são exibidos como decimais e como porcentagens. Se você inserisse 55, o erro padrão ficaria milhares de vezes grande demais e o intervalo não teria sentido. Uma verificação rápida: proporções devem sempre ficar entre 0 e 1.
Meus dados são assimétricos ou contêm valores discrepantes. O intervalo ainda é válido?
Para amostras pequenas (aproximadamente \(n < 30\)), o intervalo baseado em t pressupõe que os dados subjacentes sejam aproximadamente normais, e uma assimetria forte ou valores discrepantes podem distorcê-lo — considere um intervalo bootstrap ou um método baseado na mediana. Para amostras maiores, o teorema central do limite torna o intervalo para a média razoavelmente robusto, embora valores discrepantes extremos ainda inflem o desvio padrão e alarguem o intervalo. Aparar os dados depois de vê-los geralmente invalida a garantia de confiança.
Quais são os erros mais comuns ao calcular intervalos de confiança?
Os principais erros: usar z em vez de t quando o desvio padrão populacional é desconhecido e \(n\) é pequeno (o intervalo fica estreito demais); dividir por \(n\) em vez de \(\sqrt{n}\) ao calcular o erro padrão; usar o desvio padrão da média em vez do das observações individuais; confundir o nível de confiança com a probabilidade de o parâmetro estar em um único intervalo; e aplicar o intervalo a uma população diferente da que foi amostrada. Verifique também se \(n\) conta observações, e não grupos ou porcentagens.