Nesta página
Um intervalo de confiança para a média e um intervalo de predição para uma observação futura respondem a perguntas diferentes. O primeiro estima uma média desconhecida. O segundo também considera quanto um resultado individual pode se afastar dessa média. Confira o alvo antes de comparar os limites: dois intervalos podem ter o mesmo centro e finalidades diferentes.
Por exemplo, você pode querer estimar a leitura média de um processo de medição estável ou antecipar a próxima leitura desse processo. Conhecer melhor a média não elimina a variação entre leituras individuais. O NIST faz essa distinção ao separar a resposta média estimada de uma nova resposta medida. NIST: estimativa da resposta média.
Defina o que o intervalo deve conter
Descreva o alvo em palavras. É a média populacional, a resposta média para uma entrada específica ou uma nova observação? Um intervalo de confiança pode tratar de outros parâmetros além da média; este guia compara uma média com um único valor futuro.
Na regressão, a resposta média estimada é a média para valores específicos dos preditores. Uma resposta individual nesses mesmos valores também tem sua própria variação aleatória. O intervalo de predição precisa incorporar essa variação adicional. NIST: incerteza de uma resposta individual.
| Pergunta | Alvo | Intervalo adequado nesta comparação | O que ele não estabelece |
|---|---|---|---|
| Qual é a leitura média do processo? | A média populacional desconhecida | Um intervalo de confiança para essa média | Uma faixa destinada a conter a próxima leitura individual |
| Que faixa usar para a próxima leitura? | Uma observação futura independente do mesmo processo | Um intervalo de predição para uma observação | A garantia de que essa leitura ficará dentro dele |
Acompanhe um modelo com hipóteses explícitas
Considere um processo fictício com leituras em unidades arbitrárias. Suponha que as observações sejam extrações independentes da mesma distribuição normal. Sua média μ é desconhecida. O desvio-padrão populacional σ é conhecido e vale 10 unidades. Uma amostra de 25 leituras tem média observada de 50 unidades.
A próxima leitura é independente das 25 anteriores e vem da mesma distribuição, sem mudanças. Essas são hipóteses escolhidas para o exercício, não conclusões sobre um instrumento real. Em especial, 10 é um desvio-padrão populacional fixado por hipótese, não uma estimativa amostral tratada implicitamente como conhecida.
Para intervalos bilaterais de 95%, use o valor crítico da normal padrão de aproximadamente 1,96. Nesse modelo, o intervalo de confiança para μ é x̄ ± 1,96σ/√n. O intervalo de predição para uma nova observação é x̄ ± 1,96σ√(1 + 1/n). As notas da Calvin University apresentam o intervalo da média com σ conhecido e deduzem o termo adicional da predição. Math 143, intervalos de confiança e §1.11.
| Cálculo | Intervalo de confiança para a média | Intervalo de predição para uma observação |
|---|---|---|
| Centro | 50 unidades | 50 unidades |
| Desvio-padrão usado no intervalo | 10/√25 = 2 unidades | 10√(1 + 1/25) ≈ 10,1980 unidades |
| Margem, usando 1,96 | 1,96 × 2 = 3,92 unidades | 1,96 × 10√1,04 ≈ 19,9882 unidades |
| Limite inferior | 46,08 unidades | Aproximadamente 30,01 unidades |
| Limite superior | 53,92 unidades | Aproximadamente 69,99 unidades |
A margem do intervalo da média é de 3,92 unidades. A margem de predição é de cerca de 19,99 unidades. Ambos têm como centro a média amostral observada de 50, mas o segundo precisa considerar a variação de uma leitura individual além da incerteza na média estimada.
Nesse modelo, a variância da diferença entre a leitura futura e a média amostral é σ² + σ²/n = 100 + 4 = 104 unidades ao quadrado. A independência permite somar essas variâncias; a raiz quadrada fornece a escala da predição. Somar os desvios-padrão, 10 + 2, produziria um cálculo diferente e incorreto. É o mesmo princípio de combinação de variâncias descrito pelo NIST para uma nova resposta.
Entenda o 95% como uma propriedade do procedimento
Para o intervalo da média, imagine obter repetidamente amostras independentes de 25 observações dessa população e construir um intervalo a cada vez. Sob as hipóteses, o método cobre a média fixa e desconhecida em aproximadamente 95% das repetições. Isso não atribui uma probabilidade posterior de 95% de μ estar no intervalo específico já calculado. O NIST explica a cobertura por meio de experimentos repetidos. NIST: interpretação de intervalos de confiança.
Para o intervalo de predição, repita as duas etapas: obtenha uma amostra, construa o intervalo e depois extraia uma nova observação independente da mesma população. Em aproximadamente 95% dessas repetições de amostra e observação futura, o intervalo conterá a nova observação correspondente. Isso não garante a próxima leitura nem promete que exatamente 95 das próximas 100 leituras cairão dentro deste único intervalo. NIST: interpretação de intervalos de predição.
Para ver a diferença, suponha que uma leitura fictícia posterior seja de 60 unidades. Ela fica fora de 46,08–53,92, mas dentro de aproximadamente 30,01–69,99. Estar fora do intervalo da média não prova, por si só, que ele falhou: seu alvo era μ, não a nova leitura. Você precisaria conhecer a média verdadeira para decidir se esse intervalo específico a cobriu.
Compare larguras só depois de alinhar as análises
Aqui o intervalo de predição é mais largo porque modelo, dados, centro, nível de confiança e unidades são iguais, enquanto o alvo da predição acrescenta a variação individual. Não estenda essa comparação a um intervalo de confiança de um estudo e um de predição de outro, nem a intervalos com níveis de confiança ou populações diferentes.
No modelo fictício com σ conhecido, aumentar n faz σ/√n tender a zero, enquanto σ√(1 + 1/n) tende a σ. Mais observações podem melhorar o conhecimento da média sem eliminar a variação individual. Essa conclusão mantém σ e o modelo fixos; ela não afirma que todo intervalo de predição real necessariamente diminui quando chegam mais dados.
Uma faixa destinada a cobrir uma proporção específica da população é outra tarefa. O NIST distingue esses intervalos de tolerância dos intervalos de predição para uma observação. Não interprete o intervalo exibido como prova de que ele contém 95% de toda a população com uma garantia de confiança separada. NIST: intervalos de tolerância.
Confira as hipóteses antes de reutilizar a fórmula
Conhecer a variabilidade populacional simplifica o exercício de propósito. Se σ precisar ser estimado, essas fórmulas com valor crítico normal não podem ser reutilizadas sem alterações. No modelo correspondente de amostra normal independente, os intervalos usuais para a média e para uma observação passam a usar o desvio-padrão amostral e um valor crítico da t de Student com n − 1 graus de liberdade. Calvin University, §1.9–1.11.
Em um relatório real, identifique população, método amostral, período, unidades, alvo do intervalo e nível de confiança. Confira se as observações são dependentes, se o processo mudou e se as hipóteses sobre a distribuição são adequadas. Uma fórmula para leituras normais independentes não se aplica automaticamente a pesquisas por conglomerados, séries temporais em mudança ou qualquer modelo de regressão.
Nenhum desses intervalos fornece a chance de vencer uma eleição, a probabilidade de um contrato de mercado pagar ou evidência de uma operação lucrativa. Uma probabilidade de evento exige um evento definido e um modelo apropriado. Os guias sobre pesquisas eleitorais e chances de vitória e valor esperado e probabilidade explicam por que alvos numéricos diferentes não podem substituir uns aos outros.
Perguntas frequentes
Um intervalo de confiança de 95% contém 95% das observações?
Não, se estamos falando de um intervalo de confiança para a média. A cobertura se refere à média populacional desconhecida em amostragens repetidas, não às observações individuais. No exemplo fictício, o intervalo de 46,08 a 53,92 estima μ; não é uma faixa projetada para conter 95% das leituras individuais.
Um intervalo de predição é sempre mais largo que um de confiança?
No cálculo com condições iguais mostrado aqui, sim: prever uma nova leitura acrescenta sua variação à incerteza da média estimada. A afirmação não é uma regra para comparar dados, níveis de confiança, alvos ou métodos sem relação. Primeiro confira se as análises são realmente comparáveis.
Por que a próxima leitura exige mais incerteza se os dois intervalos partem de 50?
A média observada de 50 estima a média do processo. Uma nova leitura individual pode diferir dela mesmo que essa média fosse conhecida perfeitamente. Aqui a variância de predição inclui 100 unidades ao quadrado de variação individual e 4 unidades ao quadrado da estimativa da média.
Posso usar 1,96 quando o desvio-padrão vem da minha amostra?
Não trate essa estimativa amostral como um σ populacional conhecido. No método de amostra normal independente discutido aqui, estimar σ leva a intervalos t de Student com os graus de liberdade apropriados. Outros desenhos e modelos podem exigir métodos diferentes; 1,96 não é um multiplicador universal.
Um valor dentro do intervalo de predição prova que o modelo está correto?
Não. Uma única observação coberta não valida as hipóteses de distribuição, independência ou estabilidade. Uma observação fora do intervalo também é possível em um procedimento de 95% corretamente especificado. Avalie o modelo e seu desempenho com evidências adequadas, sem tratar um resultado como prova.
Explore a HypaForecast
Navegação opcional para a página geral de mercados e as páginas BTC. Os links são separados do exemplo estatístico fictício e não comprovam disponibilidade nem elegibilidade.
Fontes e escopo
UFRRJ: Apostila de Estatística Aplicada à Economia e Administração. Consultada em 13 de novembro de 2026. As seções 5.0.6–5.0.7 distinguem a média da regressão de uma nova observação. Esse contexto não substitui as hipóteses do exemplo normal com σ conhecido deste guia.
NIST §7.2.6.3: intervalos de tolerância. Verificado em 13 de novembro de 2026. Cobrir uma proporção da população com um nível de confiança declarado é um alvo diferente de prever uma única observação.
A comparação usa as explicações separadas do NIST sobre estimativa da resposta média, predição de uma resposta individual e cobertura por amostragem repetida. As fórmulas com desvio-padrão populacional conhecido são sustentadas pelo Math 143 da Calvin University, principalmente pela introdução aos intervalos de confiança e pelos §1.9–1.11. As 25 leituras, a média 50 e o desvio-padrão conhecido 10 são entradas fictícias originais sob um modelo normal independente, não dados de desempenho observado. Não se calcula nenhum produto meteorológico, modelo eleitoral ou probabilidade de mercado.
A HypaForecast publica guias educacionais e opera um mercado de previsão. Este artigo explica os alvos dos intervalos estatísticos; não recomenda operações nem estabelece probabilidade de mercado, oferta atual ou elegibilidade pessoal.
Compartilhar este guia