Como Calcular Intervalo De Confiança?

Como calcular intervalo de confiança exemplo?

Exemplo prático do intervalo de confiança Valor crítico: A tabela t-Student com 49 graus de liberdade (50-1) e um nível de confiança de 95% fornece um valor crítico de 2,009. Portanto, o intervalo de 95% para a média populacional é de 18,58 a 21,42.

Qual o intervalo de confiança de 95 %?

Intervalo de confiança para média

Nível de Confiança Valor de Z*-
90% 1.645 (convencional)
95% 1.96
98% 2.33
99% 2.58

O que determina o cálculo do intervalo de confiança?

O que é um intervalo de confiança? Um intervalo de confiança é uma amplitude de valores, derivados de estatísticas de amostras, que têm a probabilidade de conter o valor de um parâmetro populacional desconhecido. Devido à sua natureza aleatória, é improvável que duas amostras de uma determinada população irá render intervalos de confiança idênticos. Aqui, a linha preta horizontal confiança representa o valor fixo da média desconhecida da população,, Os intervalos de confiança azuis verticais sobrepostos à linha horizontal contêm o valor da média da população. O intervalo de confiança vermelho totalmente abaixo da linha horizontal não contém esse valor.

Um intervalo de confiança de 95% indica que 19 em 20 amostras (95%) da mesma população produzem intervalos de confiança contendo o parâmetro da população. Use o intervalo de confiança para avaliar a estimativa do parâmetro populacional. Por exemplo, um fabricante quer saber se o comprimento médio dos lápis que ele produzem é diferente do comprimento alvo.

O fabricante usa uma amostra aleatória de lápis e determina que o comprimento médio da amostra é 52 milímetros e o intervalo de confiança de 95% é (50, 54). Portanto, eles podem ter 95% de confiança de que o comprimento médio de todos os lápis está entre 50 e 54 milímetros.

O intervalo de confiança é determinado calculando-se uma estimativa de ponto e, depois, determinando sua margem de erro. Estimativa de ponto Este valor único estima um parâmetro populacional usando os seus dados amostrais. Margem de erro Quando você usa estatísticas para estimar um valor, é importante lembrar-se de que não importa quão bem seu estudo foi projetado, sua estimativa está sujeita a erros de amostragem aleatórios.

A margem de erro quantifica esse erro e indica a precisão da sua estimativa. Você provavelmente compreende a margem de erro como ela está relacionada aos resultados da pesquisa. Por exemplo, uma pesquisa política pode relatar que o índice de aprovação de um candidato é 55% com uma margem de erro de 5%.

Isso significa que o real índice de aprovação é de +/- 5%, e está em algum ponto entre 50% e 60%. Para um intervalo de confiança de dois lados, a margem de erro é a distância da estatística estimada para cada valor de intervalo de confiança. Quando um intervalo de confiança é simétrico, a margem de erro é metade da largura do intervalo de confiança.

Por exemplo, o comprimento médio estimado de um eixo de comando é 600 mm e o intervalo de confiança varia de 599 a 601. A margem de erro é 1. Quanto maior a margem de erro, maior é o intervalo, e menos certeza você pode ter sobre o valor da estimativa do ponto.

Como calcular o intervalo de confiança de uma proporção?

Exercício – Numa amostra aleatória de tamanho n=700 foram encontrados 68 elementos defeituosos. Encontre um intervalo de confiança de nível 95% para a proporção p de defeituosos. Suponha que em uma determinada pesquisa sobre a aceitação do produto X, de 100 pessoas avaliadas 35 mostram boa aceitação ao produto. Encontre um IC de 95% para estimar, na população, a proporção (P) de aceitação pelo produto. Uma amostra aleatória de 400 domicílios mostra que 25% deles são casas de aluguel. Qual o intervalo de confiança da proporção de casas de aluguel? Admita nível de significância de 5%, Consideremos a diferença px-py a proporção amostral Pelo Teorema Central do Limite temos que, para um tamanho de amostra grande, podemos considerar a proporção amostral px-py como tendo aproximadamente distribuição normal com:

média (esperança) = px-py variância = px(1-px)/nx + py(1-py)/ny

Observamos que a variância de (px-py) depende do parâmetro desconhecido (πx-πy), No entanto, pelo fato de nx e ny ser grande, podemos substituir (πx-πy) por (px-py), Com isso temos que: A probabilidade da variável z tomar valores entre -z(α/2) e +z(α/2) e o intervalo de confiança para a diferença das proporções podem ser representados da seguinte forma: Significa que se pudermos repetir muitas vezes o experimento e coletarmos os dados, aproximadamente em 100.(1-α)% das vezes a diferença das proporções populacionais estará no intervalo encontrado.

Como calcular o intervalo?

Agrupamento de Dados em Intervalos Os estudos estatísticos são responsáveis pela análise de informações através de tabelas informativas e representações gráficas, no intuito de fornecer clareza nos resultados obtidos. Os dados coletados são organizados em tabelas que detalham as frequências absoluta e relativa.

Em algumas situações, a quantidade de informações diferenciadas torna inviável a construção de uma tabela com uma linha para cada representação de valor. Nesses casos optamos por agrupar os dados em intervalos de classes. Para a melhor representação dessa situação iremos apresentar um grupo de pessoas, das quais suas alturas foram coletadas.

Observe: 1. Amorim: 1,91 2. Antônio: 1,78 3. Bernardo: 1,69 4. Carlos: 1,82 5. Celso: 1,80 6. Danilo: 1,72 7. Douglas: 1,73 8. Daniel: 1,76 9. Everton: 1,77 10. Gabriel: 1,94 11. Gustavo: 1,84 12. Heitor: 1,87 13. Ítalo: 1,85 14. João Carlos: 1,89 15. João Vinicius: 1,70 16.

  • 20. Pedro: 1,94
  • Para definirmos os intervalos, vamos realizar a subtração entre a maior e a menor altura: 1,94 – 1,69 = 0,25.
  • O número de intervalos deve ser sempre maior que quatro. No caso descrito, vamos estipular cinco intervalos de classe, dessa forma dividimos o intervalo total de alturas por 5:
You might be interested:  Calcular Data Do Parto Pela Lua?

Não pare agora. Tem mais depois da publicidade 😉

  1. 0,25 : 5 = 0,05. Veja os intervalos:
  2. 1,69 1,74 (1,69 + 0,05) 1,74 1,79 (1,74 + 0,05) 1,79 1,84 (1,79 + 0,05) 1,84 1,89 (1,84 + 0,05) 1,89 1,94 (1,89 + 0,05)
  3. Importante: no intervalo 1,69 1,74, o símbolo indica fechado à esquerda e aberto à direita, assim as alturas iguais a 1,69; 1,70; 1,71; 1,72 e 1,73 serão registradas, e a altura 1,74 somente será computada no intervalo 1,74 1,79 e assim sucessivamente. Observe a tabela com os dados distribuídos de acordo com seu intervalo:
  • A tabela informa as alturas de acordo com os intervalos, a frequência absoluta e a frequência relativa e percentual.
  • Por Marcos Noé Graduado em Matemática
  • Equipe Brasil Escola

: Agrupamento de Dados em Intervalos

Quando o intervalo de confiança passa por 1?

Intervalo de Confiança (IC) – O intervalo de confiança indica o nível de incerteza em relação às medidas de efeito (precisão de estimativa de efeito) que, neste caso é expressa como Razão de Chances. O Intervalo de Confiança é usado porque um estudo recruta apenas uma pequena amostra da população total.

Como calcular o intervalo de confiança de 99%?

O intervalo de confiança de 99,9% produzirá a maior faixa de todos os intervalos de confiança. A calculadora de intervalos de confiança calcula o intervalo de confiança tomando o desvio padrão e dividindo-o pela raiz quadrada do tamanho da amostra, de acordo com a fórmula σ x = σ/√n.

O que é IC de 95%?

Respostas: I) O intervalo de confiança no nível 95% (95% IC) significa que o resultado estará dentro daquele intervalo em 95 dos 100 estudos hipoteticamente realizados, ou seja, o RR estará entre 4,3 e 25.

O que o intervalo de confiança assegura?

Estatística
  • Estatísticos
  • Notação
  • Publicações de estatística
  • Portal
  • Categoria
  • v
  • d
  • e

table>

Ouça o artigo ( info ) noicon Este áudio foi criado a partir da revisão datada de 5 de abril de 2017 e pode não refletir mudanças posteriores ao artigo ( ajuda ).

Em estatística, intervalo de confiança (IC) é um tipo de estimativa por intervalo de um parâmetro populacional desconhecido. Introduzido na estatística por Jerzy Neyman em 1937, é um intervalo observado (calculado a partir de observações) que pode variar de amostra para amostra e que com dada frequência (nível de confiança) inclui o parâmetro de interesse real não observável.

Como os dados observados são amostras aleatórias da população, o intervalo de confiança construído a partir dos dados também é aleatório. Entretanto, o intervalo de confiança calculado a partir de uma amostra particular não inclui necessariamente o valor real do parâmetro. Quando se tem 99% de confiança de que o valor real do parâmetro está no intervalo de confiança, significa que 99% dos intervalos de confiança observados têm o valor real do parâmetro.

Tomando-se qualquer amostra particular, o parâmetro populacional desconhecido pode ou não pode estar no intervalo de confiança observado. O nível de confiança é a frequência com a qual o intervalo observado contém o parâmetro real de interesse quando o experimento é repetido várias vezes.

Em outras palavras, o nível de confiança seria a proporção de intervalos de confiança construídos em experimentos separados da mesma população e com o mesmo procedimento que contém o parâmetro de interesse real. Em geral, refere-se a intervalo de confiança quando as duas extremidades de estimativa intervalar são finitas.

Entretanto, refere-se a limiares superiores/inferiores de confiança quando uma das extremidades é infinita. O nível de confiança de 99% significa que 99% dos intervalos de confiança construídos a partir das amostras aleatórias contêm o parâmetro real.

  1. O nível de confiança desejado é determinado pelo pesquisador, não pelos dados.
  2. Se um teste de hipótese for realizado, o nível de confiança é o complemento do nível de significância.
  3. Isto é, um intervalo de confiança de 95% reflete um nível de significância de 0,05.
  4. Os intervalos de confiança são tipicamente estabelecidos no nível de confiança de 95%.

Entretanto, quando apresentados graficamente os intervalos de confiança podem ser mostrados em vários níveis de confiança como 90%, 95% e 99%. Certos fatores podem afetar o tamanho do intervalo de confiança, incluindo o tamanho da amostra, o nível de confiança e a variabilidade da população.

O que significa quando dizemos que foi considerado um nível de confiança de 95 %?

Erro amostral e Intervalo de Confiança – A margem de erro é um indicador relacionado à quantidade de erro amostral nos resultados de uma pesquisa. Além da margem de erro, os resultados de uma pesquisa também estão associados a um intervalo de confiança.

  • É muito comum ver o seguinte tipo de comentário em época de eleições: “o candidato A obteve 65% de intenção de voto, com margem de erro de 2% para mais ou para menos.
  • O intervalo de confiança da pesquisa é de 95%”.
  • Mas o que isso tudo significa realmente? Se 65% dos entrevistados disseram que tinham intenção de votar no candidato A, mas a margem de erro é de 2% para ou mais ou para menos, devemos considerar que a porcentagem real de intenções deve provavelmente ficar entre 63% e 67%.

Porém, isso não significa que obrigatoriamente o valor verdadeiro está dentro desse intervalo. Há um intervalo de confiança associado. O que significa o fato de o intervalo de confiança ser de 95%? É bastante importante entender o conceito de intervalo de confiança, pois muitas pessoas possuem uma interpretação falsa sobre ele.

É comum a ideia errônea de que existirá 95% de chance de o valor verdadeiro estar entre 63% e 67%. Na realidade, um intervalo de confiança de 95% significa que, se a pesquisa for repetida várias vezes, tomando diferentes amostras, em 95% dos casos o valor verdadeiro estará contido dentro do intervalo obtido com a margem de erro.

Vamos exemplificar melhor: com a amostra considerada anteriormente, o candidato A obteve 65% de intenção de voto, e como a margem de erro é de 2% para mais ou para menos, o intervalo em que o valor real possivelmente deve estar é entre 63% e 67%. Escolhendo outra amostra da mesma população, e realizando a pesquisa novamente, é possível que o valor dê 64%, e como a margem de erro é de 2%, o intervalo seria de 62% a 66%.

  • O intervalo de confiança de 95% significa que, quando se repete a pesquisa muitas vezes com muitas amostras diferentes, em 95% das vezes o valor verdadeiro estará dentro do intervalo da margem de erro, e em 5% das vezes, ele estará fora.
  • Existe também a noção errada de que se o intervalo de confiança é de 95%, repetindo a pesquisa muitas vezes, será obtido o mesmo resultado 95% das vezes.
You might be interested:  Calcular Creatina Por Peso?

De acordo com o que vimos anteriormente, essa interpretação representa um erro grave no entendimento do conceito.

Como calcular a proporção em Estatística?

Se representarmos por N e n, respetivamente a dimensão da população e a dimensão da amostra, e por x e x’, respetivamente, o número elementos da população ou da amostra que possuem a característica em estudo, então, p=xNeˆp=x′N.

Como calcular p chapéu?

Sendo \hat p = \frac o estimador da proporção populacional p.

Qual a fórmula de intervalo no Excel?

Por exemplo, se você deseja encontrar o segundo menor número de um intervalo da tabela, digite ‘=MENOR(‘, selecione o intervalo, digite’;2)’ e pressione enter. A fórmula, portanto, assume o seguinte formato no exemplo utilizado: =MENOR(C2:C11;2), e retornará o segundo menor número do intervalo.

Como calcular um intervalo no Excel?

Seleção de um intervalo no Excel – Para selecionar um intervalo de células, clique na Caixa de nome — canto superior esquerdo da tela — e digite a área desejada, Ele ficará destacado depois de você apertar a tecla Enter. Você também pode selecionar um intervalo de células apertando a tecla Shift e as setas do teclado.

Como calcular frequência relativa em intervalos?

Para calcular a frequência relativa, precisamos encontrar a frequência absoluta, que é o número de vezes que um dado apareceu, e dividi-la pelo total de dados obtidos.

Qual é a fórmula utilizada para o cálculo do Odds Ratio?

Odds Ratio – RC para 1. Desta forma, se p = 1/2, a chance é 1 para 1; p = 2/3, a chance é 2 para 1. A Raz˜ao de Chances (odds ratio) (RC)éa chance de doença (do evento ‘desenvolver a doença’) entre indivıduos expostos dividido pela chance de doença entre n˜ao-expostos.

O que significa o nível de confiança?

Quando criamos um intervalo de confiança, é importante sermos capazes de interpretar o significado do nível de confiança usado e do intervalo obtido. O nível de confiança refere-se à taxa de sucesso em longo prazo do método, ou seja, com que frequência esse tipo de intervalo vai capturar o parâmetro de interesse.

Qual o tamanho da amostra baseada numa população infinita com nível de confiança de 95% e erro de 5 %?

Como calcular o tamanho da amostra – Não existe um número padrão de tamanho da amostra, para cada pesquisa vai existir o tamanho adequado. Vamos supor um exemplo. Queremos responder cientificamente quantos por cento da população (prevalência) adulta da cidade X tem pelo menos um dente cariado.

  • A população de adultos da cidade X é 100.000 habitantes, logo não conseguiremos examinar toda a população, vamos trabalhar com uma amostra.
  • Quantos sujeitos devo examinar (qual o tamanho adequado da amostra)? Dez, 50, 100, 1.000, 10.000? Qualquer que seja o tamanho da amostra eu terei como resposta a porcentagem de adultos com cárie da amostra, mas o que queremos saber é quantos por cento da população tem cárie, não apenas da amostra.

Vamos supor que todos da população (100%) tem pelo menos uma cárie. Se isso ocorrer minha amostra poderia ser de apenas um sujeito que o obtido na amostra seria exatamente a resposta que estou procurando na população. Minha amostra é de um sujeito ele tem cárie, logo 100% da amostra tem cárie, e eu acerto que 100% da população tem cárie.

  1. Nesse caso uma amostra de tamanho 1 é a mais eficiente possível.
  2. Mas vamos supor que metade (50%) da população tenha cárie e a outra metade (50%) não tenha.
  3. Agora se pegamos uma amostra de tamanho um com certeza erraremos nossa previsão da população.
  4. Se o sujeito da amostra tiver cárie vamos achar que 100% da população tem cárie, e se o sujeito da amostra não tiver cárie acharemos que 100% da população é livre de cárie.

Repare que o tamanho da amostra nas duas situações é o mesmo (um) e o tamanho da população também é o mesmo (100.000 habitantes). Por que em uma situação o tamanho da amostra foi suficiente para responder corretamente a questão e na outra situação não foi suficiente? A resposta é simples, porque no primeiro exemplo a população era homogênea (todos tinha cárie) enquanto na segunda situação não havia essa homogeneidade total (50% tinham cárie e 50% não tinham).

  • GRAU DE HETEROGENEIDADE DA POPULAÇÃO Desse exemplo fictício surge a primeira, e talvez mais importante, regra para se calcular o tamanho da amostra: só podemos calcular o tamanho da amostra se soubermos o grau de heterogeneidade da população.
  • Como regra geral temos que quanto mais heterogênea é a população maior será o tamanho da amostra necessário para representa-la.

Não há outra maneira, se não soubermos previamente o que esperar da população não será possível calcular o tamanho da amostra. Mas como posso saber o quanto a população é heterogênea se justamente estou querendo estuda-la porque não sei quantos por cento tem cárie? Para previamente sabermos o grau de heterogeneidade da população temos três soluções: 1) Buscar na literatura algum estudo semelhante ao que estamos fazendo e verificar qual foi o grau de heterogeneidade encontrado.

Então assumimos que nossa população de estudo deve ter um grau de heterogeneidade semelhante ao do estudo já publicado.2) Fazer um “estudo piloto” com um pequeno número de casos para explorar a população e ter uma noção de seu grau de heterogeneidade.3) Estimar o maior grau de heterogeneidade possível da população.

MÉTODO ESTATÍSTICO QUE SERÁ UTILIZADO PARA ANALISAR OS DADOS Para o cálculo amostral é necessário primeiramente determinar qual é o objetivo principal da pesquisa. Isto é, qual a questão central que queremos responder, pois nela será baseado o cálculo do tamanho da amostra.

  1. Muitas vezes queremos responder várias questões com a pesquisa, mas é necessário eleger a questão principal.
  2. Definida a questão central será necessário determinar qual o método estatístico será utilizado para responder essa questão.
  3. Por exemplo, se o objetivo principal de nossa pesquisa é determinar a prevalência de cárie nos adultos e vamos analisar o resultado por meio do Intervalo de Confiança (IC) de uma Proporção o cálculo amostral utilizará a fórmula de cálculo do Intervalo de Confiança para determinar o tamanho da amostra necessário.

Já se fizermos uma pesquisa para determinar se existe diferença entre homens e mulheres quanto ao número médio de dentes cariados, e pretendemos utilizar o teste “t” para fazer a comparação entre essas duas médias, o cálculo amostral utilizará agora a fórmula de cálculo do teste t para determinar o tamanho da amostra.

Então sempre será necessário saber previamente o procedimento estatístico que utilizaremos para analisar a questão central da pesquisa. PRECISÃO DA ESTIMATIVA Outro fator importante no cálculo amostral é determinar previamente o grau de precisão que desejo da minha estimativa baseada na amostra, com relação à população.

No nosso exemplo qual o tamanho do erro que estou disposto a cometer na estimativa do porcentual de adultos com cárie na população. Para não haver possibilidade de erro nenhum na estimativa seria necessário pesquisar a população inteira. Cada vez que admitimos um menor erro teremos um tamanho de amostra maior.

  1. No nosso exemplo, com nível de confiança de 95%, se quisermos cometer um erro máximo de 5% será necessária uma amostra de 384 sujeitos.
  2. Já se quisermos cometer um erro máximo de 1% será necessária uma amostra de 9.604 sujeitos.
  3. É necessário preestabelecer a precisão deseja de acordo com o procedimento estatístico a ser empregado.
You might be interested:  Calculadora Da Pegada Ecológica?

Assim, no exemplo de determinar a prevalência de adultos com cárie na população é necessário de definir previamente qual o erro máximo que vamos admitir (p.ex.5%) e também qual o nível de confiança que será adotado (p.ex.95%), isto é, qual a confiança que temos daquela estimativa estar correta para a população.

Já no exemplo da comparação entre homens e mulheres quanto a média de dentes cariados é necessário pré- estabelecer qual nível de significância a ser adotado na aplicação do teste t (p.ex.5%), o poder da amostra (p.ex.80%), e a menor diferença entre os grupos que tem relevância clínica (p.ex.0,5 dentes cariados).

ERRO α ou NÍVEL DE SIGNIFICÂNCIA Quando a análise da pesquisa será feita por algum teste de hipótese é necessário se determinar qual o nível de significância (Erro α) que será utilizado na interpretação do resultado do teste de hipótese. Erro &alpha é a probabilidade de se estar errado ao aceitar a Hipóstese Alternativa (H1) quando se utiliza um teste de hipótese na análise dos dados.

  • Em biologia o mais usual é utilizar 5% (0,05), embora possa se atribuir qualquer outro valor.
  • Quanto menor o erro α adotado maior deverá o tamanho da amostra.
  • ERRO β ou PODER DA AMOSTRA O Poder da amostra é igual a 1 menos o Erro β.
  • PODER = 1 – ERROβ).
  • Quando a análise da pesquisa será feita por algum teste de hipótese é necessário se determinar qual o Erro β (ou Poder) que se deseja que a amostra tenha.

Erro β é a probabilidade de se estar errado ao se rejeitar a Hipótese Alternativa (H1) quando se utiliza um teste de hipótese na análise dos dados. Poder é a probabilidade de corretamente aceitarmos H1 quando essa realmente é verdadeira. Em biologia o mais usual é utilizar 20% de Erro β, que é a mesma coisa que dizer que queremos Poder=80%.

  • Se utilizarmos Erro β=10% estamos dizendo que queremos Poder=90%.
  • Quanto menor o erro β (consequentemente maior o Poder) adotado maior deverá o tamanho da amostra.
  • TAMANHO DA POPULAÇÃO Toda fórmula de cálculo de tamanho da amostra é desenvolvida partindo do princípio que a população que ela pretende representar é infinita.

Somente quando trabalhamos com população pequena (menor do que 2.000 elementos) compensa ajustar o tamanho calculado para o tamanho da população. No sistema existe a opção de se ajustar o tamanho da amostra para o tamanho de uma população finita. EFEITO DO DESENHO Toda fórmula de cálculo de tamanho da amostra é desenvolvida partindo do princípio cada elemento da amostra é selecionado aleatoriamente (sorteio) e um a um (amostragem aleatória simples).

Muitas vezes isso não ocorre e utilizamos sorteio por conglomerados. Por exemplo, ao selecionarmos alunos da rede de ensino sorteamos uma escola, ou uma classe, e não um aluno de cada vez. Isto leva a um desvio do modelo original para o qual a fórmula foi desenvolvida. Nestas situações, para se corrigir esse desvio no desenho amostral utiliza-se um fator de correção que irá aumentar o tamanho necessário da amostra.

Esse fator chamamos “Efeito de desenho” e, normalmente, se utiliza um fator de correção entre 1,2 e 2, sendo mais comum se utilizar o fator 1,5. PERDA DE ELEMENTOS O cálculo amostral indica o número ideal de elementos que devemos avaliar na pesquisa. Principalmente nas pesquisas longitudinais é comum haver perda de elementos ao longo da pesquisa.

Que tamanho deve ter a amostra para que seja de 95% a confiança na estimativa 800 7 84?

C) Que tamanho deve ter a amostra para que seja de 95% a confiança na estimativa 800 ± 7,84? b) O tamanho da amostra para que o erro da estimativa não exceda a 0,02 unidades com probabilidade de 95% (interprete o resultado).

O que significa quando dizemos que foi considerado um nível de confiança de 95%?

Erro amostral e Intervalo de Confiança – A margem de erro é um indicador relacionado à quantidade de erro amostral nos resultados de uma pesquisa. Além da margem de erro, os resultados de uma pesquisa também estão associados a um intervalo de confiança.

  1. É muito comum ver o seguinte tipo de comentário em época de eleições: “o candidato A obteve 65% de intenção de voto, com margem de erro de 2% para mais ou para menos.
  2. O intervalo de confiança da pesquisa é de 95%”.
  3. Mas o que isso tudo significa realmente? Se 65% dos entrevistados disseram que tinham intenção de votar no candidato A, mas a margem de erro é de 2% para ou mais ou para menos, devemos considerar que a porcentagem real de intenções deve provavelmente ficar entre 63% e 67%.

Porém, isso não significa que obrigatoriamente o valor verdadeiro está dentro desse intervalo. Há um intervalo de confiança associado. O que significa o fato de o intervalo de confiança ser de 95%? É bastante importante entender o conceito de intervalo de confiança, pois muitas pessoas possuem uma interpretação falsa sobre ele.

É comum a ideia errônea de que existirá 95% de chance de o valor verdadeiro estar entre 63% e 67%. Na realidade, um intervalo de confiança de 95% significa que, se a pesquisa for repetida várias vezes, tomando diferentes amostras, em 95% dos casos o valor verdadeiro estará contido dentro do intervalo obtido com a margem de erro.

Vamos exemplificar melhor: com a amostra considerada anteriormente, o candidato A obteve 65% de intenção de voto, e como a margem de erro é de 2% para mais ou para menos, o intervalo em que o valor real possivelmente deve estar é entre 63% e 67%. Escolhendo outra amostra da mesma população, e realizando a pesquisa novamente, é possível que o valor dê 64%, e como a margem de erro é de 2%, o intervalo seria de 62% a 66%.

  1. O intervalo de confiança de 95% significa que, quando se repete a pesquisa muitas vezes com muitas amostras diferentes, em 95% das vezes o valor verdadeiro estará dentro do intervalo da margem de erro, e em 5% das vezes, ele estará fora.
  2. Existe também a noção errada de que se o intervalo de confiança é de 95%, repetindo a pesquisa muitas vezes, será obtido o mesmo resultado 95% das vezes.

De acordo com o que vimos anteriormente, essa interpretação representa um erro grave no entendimento do conceito.