Calculadora de Intervalo de Confiança

Última atualização: 2026-05-18

O que é um intervalo de confiança?

Um intervalo de confiança fornece uma faixa de valores plausíveis para um parâmetro populacional desconhecido — tipicamente a média — com base nos dados de uma amostra. A calculadora retorna o intervalo, a margem de erro e o valor Z crítico para os níveis de confiança de 90 %, 95 % e 99 %.

Fórmulas

Com a média amostral $\bar{x}$, o desvio padrão $\sigma$, o tamanho de amostra $n$ e o valor Z crítico $z^*$:

Erro padrão:

$$SE = \frac{\sigma}{\sqrt{n}}$$

Margem de erro:

$$ME = z^* \times SE = z^* \times \frac{\sigma}{\sqrt{n}}$$

Intervalo de confiança:

$$CI = \bar{x} \pm ME = \left[\bar{x} - z^* \frac{\sigma}{\sqrt{n}},\ \bar{x} + z^* \frac{\sigma}{\sqrt{n}}\right]$$

Valores Z críticos (distribuição normal padrão):

Nível de confiança	$z^*$
90%	1,6449
95%	1,9600
99%	2,5758

Interpretação do intervalo de confiança

Uma interpretação equivocada e frequente: "há 95 % de chance de a média verdadeira estar dentro deste intervalo." A média populacional $\mu$ é uma constante fixa (desconhecida) — não é uma variável aleatória. O intervalo, não o parâmetro, é o objeto aleatório.

A interpretação correta: se o procedimento de amostragem fosse repetido muitas vezes e um intervalo de confiança de 95 % fosse construído a partir de cada amostra, aproximadamente 95 % desses intervalos conteriam a verdadeira média. Um intervalo específico contém $\mu$ ou não — a resposta simplesmente não é conhecida.

Na prática: um IC de 95 % é uma faixa que pode ser apresentada com alto grau de confiança, sabendo que, em média, 1 em cada 20 intervalos não cobrirá o valor verdadeiro.

Quando usar Z em vez de t

Esta calculadora usa a distribuição Z (normal padrão). É apropriada quando:

• O desvio padrão populacional $\sigma$ é conhecido, OU
• O tamanho da amostra é grande ($n \geq 30$), de forma que o Teorema Central do Limite garante que a distribuição amostral é aproximadamente normal

Quando $\sigma$ é desconhecido e $n < 30$, use a distribuição t com $n - 1$ graus de liberdade. A distribuição t tem caudas mais pesadas, produzindo intervalos mais amplos (mais conservadores). Para $n \geq 30$, a diferença entre Z e t é desprezível.

Como o tamanho da amostra afeta o intervalo

A margem de erro diminui conforme $\sqrt{n}$ cresce. Para reduzir a margem de erro pela metade, é necessário quatro vezes o tamanho da amostra — uma restrição fundamental no planejamento de pesquisas.

Tamanho da amostra	ME (95%, σ = 10)
n = 25	±3,92
n = 100	±1,96
n = 400	±0,98
n = 1600	±0,49

Exemplo resolvido: análise de notas de prova

Uma professora seleciona aleatoriamente 35 provas de uma turma. A média amostral é de 47,3 pontos com desvio padrão de 11,8.

Erro padrão: $SE = 11{,}8 / \sqrt{35} \approx 1{,}994$

Intervalo de confiança de 95%: $ME = 1{,}96 \times 1{,}994 \approx 3{,}91$

$$CI = [47{,}3 - 3{,}91,\ 47{,}3 + 3{,}91] = [43{,}4,\ 51{,}2]$$

Interpretação: "Com base nessa amostra de 35 provas, estimamos que a média da turma está entre 43,4 e 51,2 pontos, com 95% de confiança."

Com 99 % de confiança: $ME = 2{,}576 \times 1{,}994 \approx 5{,}14$, resultando em $[42{,}2,\ 52{,}4]$. Um nível de confiança maior implica intervalo necessariamente mais largo.

Perguntas frequentes (FAQ)

O que significa um intervalo de confiança de 95 %?

Um intervalo de confiança de 95 % não significa que a média verdadeira tem 95 % de chance de estar naquele intervalo. A média populacional é um valor fixo: ela está ou não está em qualquer intervalo específico. A interpretação correta é: se você repetisse o procedimento de amostragem muitas vezes e construísse um intervalo de confiança a cada vez, 95 % desses intervalos conteriam a verdadeira média da população.

Como se calcula a margem de erro?

Margem de erro = z* × (σ ÷ √n), em que z* é o valor Z crítico para o nível de confiança escolhido (1,645 para 90 %, 1,960 para 95 %, 2,576 para 99 %), σ é o desvio padrão e n é o tamanho da amostra. Exemplo com σ = 11,8 e n = 35 a 95 %: EP = 11,8 ÷ √35 ≈ 1,994; margem de erro = 1,960 × 1,994 ≈ 3,91.

Qual é a diferença entre intervalo de confiança e intervalo de predição?

O intervalo de confiança estima onde está a média da população. O intervalo de predição estima onde cairá uma nova observação individual. Intervalos de predição são sempre mais largos porque levam em conta tanto a incerteza sobre a média quanto a variabilidade das observações individuais. Para uma distribuição normal, um intervalo de predição de 95 % é aproximadamente x̄ ± 2σ.

Quando usar a distribuição t em vez de Z?

Use a distribuição t (valor t em vez de valor Z) quando: (1) o desvio padrão populacional σ é desconhecido e estimado a partir da amostra, ou (2) o tamanho da amostra é pequeno (n < 30) e a normalidade da população não é conhecida. Para amostras grandes (n ≥ 30), a distribuição t se aproxima da normal e o valor Z é uma boa aproximação. Esta calculadora utiliza a distribuição Z, adequada quando σ é conhecido ou n ≥ 30.