Aula 7 Intervalos de Confiança

CURSO: CIÊNCIAS CONTÁBEIS - MEDIADO
Disciplina: Métodos Estatísticos

Aula 7
Professor. Yunier Sarmiento Ramírez

Doutor em Economia
 Nas aula anteriores estudamos estatística descritiva (como coletar e
descrever dados) e probabilidade (como encontrar probabilidades e
analisar distribuições de probabilidade discretas e contínuas).
 Agora, começaremos nossos estudos de estatística inferencial — o segundo

maior ramo da estatística.
Tema: Inferência Estatística
OBJETIVO: Formar um sistema de conhecimentos e habilidades para aplicar a teoria da estimativa e da amostragem, de
maneira independente e criadora para dar solução a problemas concretos que se pressentem na área de atuação
mediante a utilização de métodos estatísticos matemáticos.
12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 2

Tema: Inferência Estatística
SUMÁRIO:
• Intervalos de confiança.
• Estimador e estimativa. O fundamento de um intervalo de
confiança.
• Intervalos de confiança para a média, a proporção e para variância
e desvio de padrão.
OBJETIVO: Aplicar o método de estimação pontual e por intervalos de confiança para a média, a proporção e para a
variância e o desvio de padrão, em a solução de problemas relacionados com o perfil professional

Ramos da estatística
O estudo de estatística tem duas

ramificações consideráveis: estadística
descritiva e estatística inferencial.
ESTATÍSTICA ESTATÍSTICA
DESCRITIVA INFERENCIAL
A estatística descritiva também conhecida como dedutiva é o A estatística inferencial também conhecida como indutiva é ramo da
ramo da estatística que envolve a organização, o resumo e a estatística que envolve o uso de uma amostra para chegar a conclusões
representação dos dados. sobre uma população.
Emprega-se para resumir de forma numérica ou gráfica um A estatística inferencial vai além dos dados, permite realizar conclusões
conjunto de dados. Restringe-se a descrever os dados que ou inferências, apoiando-se nos dados simplificados e analisados de uma
se analisam. Se aplicarmos as ferramentas oferecidas pela amostra para a população ou universo.
estatística descritiva a uma amostra, solo nos limitaremos a
descrever os dados encontrados, não se poderá generalizar
para a população.

RELAÇÃO ENTRE POPULAÇÃO E AMOSTRA - PARÂMETROS E ESTATÍSTICOS
Aleatoriamente
População
Toda a produção do mês
Amostra representativa
Parâmetros da produção do mês
(Sempre desconhecidos)
Estatísticos
(conhecidos)
Inferência
Atualmente, deve-se estar bem consciente de que as populações são geralmente muito grandes para serem
estudadas na íntegra. Seu tamanho exige que as amostras sejam selecionadas, que podem ser usadas mais tarde
para fazer inferências sobre as populações.
Se um gerente de loja de varejo quer saber sobre a

despesa média de seus clientes durante o ano
anterior, ele pode achar difícil calcular a média das
centenas ou talvez milhares de clientes que passaram
por sua loja.
Seria muito mais fácil estimar a média da população

com a média de uma amostra representativa.

A inferência estatística São afirmações estatísticas a respeito de uma
população, apoiado na informação de uma amostra.
Intervalos de Confiança PROVA DE HIPÓTESE

(próximo tema).
Estimador por intervalos
estimativa pontual
Ambos os tipos de inferências estatísticas se apoiam em quantidades
se enfocam geralmente a
desenvolver estimativas ou dados estatísticos calculados a partir das observações em uma
sobre toda a população
amostra.
se enfoca a desenvolver
estimativas sobre uma amostra  Um estimador pontual utiliza um número único ou valor para localizar uma estimativa
e podem ser dados pontuais. do parâmetro.
 Um intervalo de confiança denota uma intervalo dentro do qual, pode encontrar o

parâmetro, e o nível de confiança que o intervalo contém do parâmetro.
Um estimador pontual Um estimador pontual utiliza um estatístico
utiliza um número único ou para estimar o parâmetro em um só valor ou
valor para localizar uma ponto.
estimativa do parâmetro.
ESTATÍSTICO: É uma quantidade diretamente associada à

amostra, empregam-se letras do alfabeto latino. Não contém Exemplo 1: O gerente da loja
parâmetros desconhecidos pode selecionar uma amostra
de n = 500 clientes e achar o
ESTATÍSTICO: FÓRMULA gasto médio de X = US$37.10.
𝑛 Este valor serve como uma
ത 𝑚é𝑑𝑖𝑎 𝑎𝑚𝑜𝑠𝑡𝑟𝑎𝑙
𝑋: 𝑋ത = ෍ 𝑋𝑖 ൗ𝑛 estimativa pontual para a meia
𝑖=1 populacional.
n
S: 𝑑𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 𝑑𝑎 𝑎𝑚𝑜𝑠𝑡𝑟𝑎  i

( X  X ) 2
S2  i 1
n 1
𝑋
𝑝:Ƹ 𝑝𝑟𝑜𝑝𝑜𝑟çã𝑜 𝑑𝑎 𝑎𝑚𝑜𝑠𝑡𝑟𝑎 𝑝Ƹ =
𝑛
𝑋: números de dados de uma amostra que cumprem com certa característica
Um intervalo de confiança denota uma intervalo
dentro do qual, pode encontrar o parâmetro, e o nível
de confiança que o intervalo contém do parâmetro.
Exemplo 1: O gerente da loja pode selecionar uma

Uma estimativa por intervalo especifica a fila dentro do qual amostra de n = 500 clientes e achar o gasto médio
está o parâmetro desconhecido. de X = US$37.10. Este valor serve como uma
estimativa pontual para a meia populacional.
Tal intervalo com frequência vai acompanhado de uma

afirmação sobre o nível de confiança que se dá em sua
exatidão. Portanto se chama intervalo de confiança (I.C.)
Exemplo 2. O gerente pode decidir
que a meia populacional está
entre US$35 e US$38.
• As estimativas por intervalo gozam de certas vantagens sobre as estimativas pontuais. Devido ao erro de
amostragem, provavelmente a 𝑋ത não será igual 𝜇. Entretanto, não há maneira de saber que tão grande é
o erro de amostragem. Portanto, os intervalos se utilizam para explicar esta discrepância desconhecida.

PARÂMETROS: É uma quantidade diretamente associada à população, empregam-se letras do alfabeto grego
PARÂMETROS FÓRMULA
𝜇: 𝑚𝑒𝑖𝑎 𝑑𝑎 𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜 μ = ෍ 𝑋𝑖 ൗ𝑁
𝑖=1
𝑛 2
𝜎: 𝑑𝑒𝑠𝑣𝑖𝑎çã𝑜 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑎 𝑝𝑜𝑝𝑢𝑙𝑎ç𝑎õ σ (𝑋
𝑖=1 𝑖 − 𝜇)
𝜎2 =
𝑁
𝜋: 𝑝𝑟𝑜𝑝𝑜𝑟çã𝑜 𝑑𝑎 𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜 𝑋
𝜋 𝑜𝑢 𝑝 =
𝑁

O QUE VAMOS ESTUDAR
• Por exemplo, um clube de xadrez quer estimar o

QI médio de seus membros. A média de uma amostra
Figura. Construindo um intervalo de confiança aleatória dos membros é 115.
• Como essa estimativa consiste em um único número

representado por um ponto em uma linha numerada,
ele é chamado de estimativa pontual. O problema com
a utilização de uma estimativa pontual é que ela
raramente é igual ao parâmetro exato (média, desvio
padrão ou proporção) da população. (erro)!
115
x • Suponha que o clube queira estar 90% confiante de sua
estimativa para o QI médio de seus membros.
 Então, aprenderemos como fazer uma estimativa

mais apropriada, especificando um intervalo de valores
O clube pode estar 90% confiante de que o QI no conjunto dos números reais, juntamente com uma
médio de seus membros está entre 111,7 e afirmação de quão confiante se está de que o intervalo
118,3. contém o parâmetro populacional.

Estimando parâmetros populacionais
Você aprenderá como usar estatísticas amostrais para fazer uma

estimativa do parâmetro populacional 𝜇 quando o desvio padrão
populacional 𝜎 for conhecido ou quando 𝜎 for desconhecido
Amostras grandes - Distribuição normal

• Intervalo de confiança para a média populacional (𝜎 𝑐𝑜𝑛ℎ𝑒𝑐𝑖𝑑𝑜)
• Intervalo de confiança para a média populacional (𝜎 𝑑𝑒𝑠𝑐𝑜𝑛ℎ𝑒𝑐𝑖𝑑𝑜)

Encontrando uma estimativa pontual
Exemplo 1:
Um pesquisador da área econômica está coletando dados sobre funcionários de mercearias em uma cidade. Os dados
listados a seguir representam uma amostra aleatória do número de horas semanais trabalhadas por 40 funcionários de
diversas mercearias no condado. Encontre uma estimativa pontual da média populacional 𝜇.
30 26 33 26 26 33 31 31 21 37
27 20 34 35 30 24 38 34 39 31
22 30 23 23 31 44 31 33 33 26
27 28 25 35 23 32 29 31 25 27
Solução:
𝑛
1184 Então, a estimativa pontual para o número médio de
𝑋ത = ෍ 𝑋𝑖 ൘𝑛 = = 29,6
40 horas semanais trabalhadas por funcionários de
𝑖=1
mercearias nessa cidade é de 29,6 horas.

Encontrando uma estimativa intervalar
Em vez de estimar 𝜇 como sendo exatamente 29,6 por meio da estimativa pontual, você pode estimar
que 𝜇 está em um intervalo. Isso se chama fazer uma estimativa intervalar (ou estimativa por intervalo)
A diferença entre a estimativa pontual e o valor real do parâmetro é chamada de erro de

amostragem ou erro amostral.
Figura. Construindo um intervalo de confiança
Quando 𝜇 é estimado, o erro de amostragem é a diferença de 𝑋ത − 𝜇. Na maioria dos casos, é claro, 𝜇

é desconhecido e 𝑋ത varia de amostra para amostra. Entretanto, você pode calcular o valor máximo
para o erro quando souber o nível de confiança e a distribuição amostral da variável.

Antes de encontrar uma margem de erro para uma estimativa intervalar, devemos primeiro determinar quão
confiante você precisa estar de que sua estimativa intervalar contenha a média populacional 𝜇.
Definição:
O nível de confiança c é a probabilidade de que a estimativa
intervalar contenha o parâmetro populacional, supondo que o Níveis de confiança mais usados
processo de estimação é repetido um grande número de vezes.
Nível de confiança 𝒁𝒄
90% 1,645
95% 1,96
99% 2,575

Definição:
Dado um nível de confiança c, a margem de erro E (às vezes chamada também de erro máximo da
estimativa ou tolerância de erro) é a maior distância possível entre a estimativa pontual e o valor do
parâmetro que ela está estimando. Para uma média populacional 𝜇 em que 𝜎 é conhecido, a margem
de erro é:
𝜎
𝐸 = 𝑍𝑐 𝜎𝑋ത = 𝑍𝑐 Marguem de erro para 𝝁 (𝝈 𝒄𝒐𝒏𝒉𝒆𝒄𝒊𝒅𝒐)
𝑛
Quando são atendidas as duas condições a seguir:

1. A amostra é aleatória
2. Pelo menos um dos seguintes é verdade: a população é normalmente distribuída ou n ≥ 30

Definição:
Dado um nível de confiança “c”, a margem de erro E (às vezes chamada também de erro máximo da
estimativa ou tolerância de erro) é a maior distância possível entre a estimativa pontual e o valor do
parâmetro que ela está estimando. Para uma média populacional 𝜇 em que 𝜎 é conhecido, a margem
de erro é:
Marguem de erro para 𝝁 (𝝈 𝒄𝒐𝒏𝒉𝒆𝒄𝒊𝒅𝒐)

Suponha que 𝜎 = 7,9 ℎ𝑜𝑟𝑎𝑠, a amostra é
𝜎 7,9 aleatória e n =40 ≥ 30.
𝐸 = 𝑍𝑐 = 1,96 ∗ ≈ 2,4
𝑛 40 O escore –z que corresponde a um nível de
confiança de 95% é 1,96
Interpretação
Você está 95% confiante de que a margem de erro para a média populacional é de aproximadamente 2,4 horas.

Intervalos de confiança para a média populacional
• Usando uma estimativa pontual e uma margem de erro, você pode construir uma
estimativa intervalar de um parâmetro populacional tal como 𝜇.
• Essa estimativa intervalar é chamada de intervalo de confiança.
Definição:
Um intervalo de confiança c para a média populacional 𝜇 é:

𝑋ഥ − 𝐸 < 𝜇 < 𝑋ത + 𝐸
A probabilidade de que o intervalo de confiança contenha m é igual a c, assumindo
que o processo de estimação é repetido um grande número de vezes.
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑍𝑐 𝜎𝑋ത

Intervalo de confiança para estimar
μ quando σ é conhecido 𝜎
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑍𝑐
𝑛

Instruções
Construindo um intervalo de confiança para a média populacional (σ conhecido)
EM PALABRAS EM SÍMBOLOS
1. Verificar se s é conhecido, a amostra é
aleatória, e a população é normalmente
distribuída ou n ≥ 30.
𝑛
2. Encontrar as estatísticas amostrais n e 𝑥ҧ
𝑋ത = ෍ 𝑋𝑖 ൗ𝑛
𝑖=1
3. Encontrar o valor crítico 𝑍𝑐 que corresponde Use a Tabela Distribuição normal padrão.
ao nível de confiança dado
4. Calcular a margem de erro E 𝜎
𝐸 = 𝑍𝑐 𝜎𝑋ത = 𝑍𝑐
𝑛
5. Calcular os limites inferior e superior Limite inferior: 𝑋ഥ − 𝐸
e construir o intervalo de confiança. Limite superior: 𝑋ത + 𝐸
Intervalo: 𝑋ഥ − 𝐸 < 𝜇 < 𝑋ത + 𝐸

Exemplo 2:
Consideremos o caso de um promotor imobiliário quem tenta construir um grande centro comercial.
Pode estimar na área o ingresso médio por família como indicador das vendas esperadas. Uma amostra
de 𝑛 = 100 famílias dá uma média de 𝑋ത = 𝑅$35 500. Assume-se que o desvio padrão populacional é
𝜎 = 𝑅$7,200. Dado que 𝜎 = 𝜎/√𝑛 , se estima um intervalo de 95% como:
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑍𝜎𝑋ത 7,200

𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 35500 ± 1,96
100
= 34088,80 ≤ 𝜇 ≤ 36911,20
O promotor pode interpretar os resultados de seu intervalo de confiança de duas formas:
A primeira, e a mais comum, estabelece que o promotor tem um 95% de confiança em que a meia populacional
real desconhecida esteja entre US$34,088.80 e US$36,911.20. Embora o valor real para a meia populacional segue
sendo desconhecido, o promotor tem 95% de confiança em que esteja entre estes dois valores.

Exemplo 2:
A segunda interpretação reconhece que se podem desenvolver muitos intervalos de confiança diferentes. Outra
mostra provavelmente produziria uma meia amostral diferente devido ao engano de amostragem. Com uma 𝑋ത
diferente, o intervalo teria limite superior e inferior distintos. Portanto, a segunda interpretação estabelece que se
se construírem todos os intervalos de confiança, o 95% deles conterá a meia populacional desconhecida.
Exemplo 3:
Se uma segunda mostra dá uma média de US$35,600 em lugar de US$35,500, o intervalo é:
7,200
Exemplo 2: Resultado 𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 35600 ± 1,96
100
= 34188,80 ≤ 𝜇 ≤ 37011,20

7,200
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 35600 ± 1,96
100
= 34188,80 ≤ 𝜇 ≤ 37011,20
O promotor pode estar 95% seguro de que a meia populacional está compreendida entre US$34,188.80 e
US$37,011.20. Se todos os intervalos possíveis se constroem com todas as meias amostrais diferentes, o
95% delas conteria a meia populacional desconhecida.
Isto é obvio, significa que o 5% de todos os intervalos estaria errado - não conteriam a meia
populacional. Este 5%, é calculado achado como (1 - coeficiente de confiança), é denominado
o valor alfa e representa a probabilidade de engano. O valor alfa é a probabilidade de que
qualquer intervalo dado não contenha a meia populacional.
Valor alfa: É a probabilidade do erro ou a probabilidade de que

um intervalo dado não contenha a meia populacional
desconhecida.

Exemplo 3:
Funções no Excel 2016

Média =Média
Nível de significância =1 -n. de confiança
Desvio padrão =DESVPAD.A
Tamanho da amostra =CONT.NÚM
Intervalo de confiança =INT.CONFIANÇA(alfa; desvio; tamanho)
Limite superior =Média +int. confiança
Limite inferior =Média +int. confiança

Exemplo 4:
Durante uma semana se toma uma amostra aleatória de 50 empregados de uma empresa, e se
obtém um salário médio do R$ 206. conhece-se que a desvio padrão populacional do R$ 40.
Determine os intervalos de confiança do 95 % para a média dos salários desta empresa.
Para calcular os intervalos de confiança necessito o valor de Z e

de alfa, devemos calculá-los utilizando Excel
Durante uma semana se toma uma amostra aleatória de 50 empregados de uma
empresa, e se obtém um salário médio do R$ 206. conhece-se que a desvio padrão
Exemplo 4: populacional do R$ 40.
Determine os intervalos de confiança do 95 % para a média dos salários desta
empresa.
1 2 3
𝑍 = 1 − 𝛼/2
𝛼 = 1 − 𝑛í𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛ç𝑎 4
Exemplo 4:
populacional do R$ 40.
Determine os intervalos de
5 confiança do 95 % para a média dos salários desta empresa.
Exemplo 4: populacional do R$ 40.
Determine os intervalos de confiança do 95 % para a média dos salários desta empresa.
1
2
4
1
2

5 8
1
2
6

𝜎
𝑛

Amostras grandes
Intervalos de confiança para a média (𝝈 desconhecido)
ഥ ± 𝒁𝝈𝑿ഥ requer a suposição improvável que o desvio padrão

A fórmula 𝑰. 𝑪 𝒑𝒂𝒓𝒂 𝒆𝒔𝒕𝒊𝒎𝒂𝒓 𝝁 = 𝑿
populacional seja conhecido. No evento provável que σ seja desconhecida, a desvio padrão da
amostra deve substituir-se:

𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑍𝑠𝑋ത
μ quando σ é desconhecida
𝑆
𝑂𝑛𝑑𝑒 𝑆𝑋ത =
𝑛

Amostras grandes
Intervalo de confiança quando σ é desconhecida
Exemplo 5:
Gerry Gerber, CPA, acaba de registrar as declarações de impostos de seus clientes. Deseja estimar a quantidade
médio que devem ao Serviço de Renda Interna. Dos 50 clientes que selecionou em sua amostra, a quantidade
média que se endividava era de US$652.68. Já que o desvio padrão de todos seus clientes é desconhecido, Gerber
deve estimar σ com o desvio padrão da amostra de 𝒔 = 𝑼𝑺$𝟐𝟏𝟕. 𝟒𝟑. Se se desejar um nível de 99% de
confiança, o valor de Z apropriado é 2.58 (0.99/2 = 0.4950). Da tabela Z, uma área de 0.4950 revela que Z = 2.58.
Utilizando a fórmula:
O senhor Gerber pode ter 99% de confiança de que a quantidade média que devem todos seus clientes ao
Serviço de Renda Interna está entre US$573.35 e US$732.01.

Amostras grandes
Intervalo de confiança quando σ é desconhecida
Exemplo 5:
O que aconteceria este intervalo se o senhor Gerber estivesse disposto a aceitar um nível de confiança de 95%?
Com um valor de Z de 1.96, o intervalo seria:
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑍𝑠𝑋ത
Os resultados são tão bons como ruins. As boas notícias são que o intervalo de 95% é mais estreito e oferece maior
precisão. Um intervalo amplo não é especialmente útil.
Entre mais estreito seja o intervalo, mais significativo é.
As más notícias são que o senhor Gerber agora está o 95% seguro de que o intervalo contém em realidade μ. Embora o
intervalo é mais preciso (mais estreito), a probabilidade de que contenha μ se reduziu do 99 ao 95%. O senhor Gerber
teve que abandonar um pouco de confiança e ganhar mais precisão.

Controle do largo do intervalo
Como se expressou anteriormente, é preferível um intervalo mais estreito devido à precisão
adicional que proporciona. Há dois métodos principais para obter um intervalo mais preciso:
(1) reduzir o nível de confiança
(2) incrementar o tamanho da amostra.

Redução do nível de confiança
Já se viu, no intento do senhor Gerber por estimar a declaração de impostos médio de seus clientes,
que um incremento na precisão pode obter-se aceitando um nível inferior de confiança.
Seu intervalo de confiança de 99 % oscilava entre US$573 e US$732, enquanto que o intervalo de
95% era mais estreito de US$594 a US$712.
Isto resultou do fato que o intervalo de confiança de 99% requereu um valor de Z de 2.58 em lugar
de 1.96 que utiliza o intervalo de 95%.
Entretanto, havia um custo envolto em obter esta precisão maior: o nível de confiança baixou a
95%, produzindo 5% de probabilidade de erro em lugar de 1% relacionado com o intervalo de
confiança de 99%.
Existe alguma maneira em que se possa reduzir o intervalo sem Sim, incrementando o tamanho amostral.
sofrer uma perda de confiança?
Incremento do tamanho amostral
Incrementando o tamanho amostral se pode reduzir o erro padrão 𝜎/ 𝑛. Se o tamanho amostral do

senhor Gerber se incrementar de 50 a 80, o intervalo de 99% apresenta um grau de precisão similar ao
intervalo mais estreito de 95%, sem nenhuma perda de confiança
Com n = 80, o intervalo do 99 % é:
Isto está muito próximo ao intervalo mais preciso de 95% de US$592,41 a US$712,96, mas mantém um
nível de confiança de 99%. (O I.C para 𝑛 = 50 foi US$573.35 e US$732.01)
Infortunadamente, esta vantagem não ganha sem um preço. O tamanho maior da amostra significa mais
tempo e mais dinheiro que devem gastar-se ao compilar e dirigir os dados. De novo, deve tomar uma
decisão. Volta-se uma decisão gerencial respeito a que método tomar.

• Intervalo de confiança para a média no caso de amostras pequenas
- a distribuição t -
Em muitas situações de vida real, o desvio padrão da população é desconhecido. Então, como
podemos construir um intervalo de confiança para uma média populacional no qual 𝜎 não é
conhecido?
Para uma variável aleatória que é normalmente distribuída (ou aproximadamente normalmente
distribuída), a variável média amostral comporta-se tal qual outro modelo, a distribuição t.

Distribuição T de student
Em todos os exemplos anteriores, o tamanho da amostra era maior (n > 30). Entretanto, não sempre
pode ser possível obter pelo menos 30 observações. Para uma companhia de seguros que prova a
resistência ao impacto dos automóveis, destruir a propósito 30 veículos de luxo pode voltar-se um
pouco custoso. Um investigador médico que prova uma nova medicina pode não encontrar 30 pessoas
dispostas a atuar como coelhinho de índias. Em muitos casos uma amostra grande não é possível.
Quando deve tomar uma amostra pequena, a distribuição normal

pode não aplicar-se. O teorema do limite central assegura
normalidade no processo de amostragem só se a mostra é
grande.

Quando se utiliza uma amostra pequena, pode ser necessária uma distribuição alternativa, a
distribuição t Student ou simplesmente a distribuição t. Especificamente, a distribuição t se utiliza
quando se cumprem as três condições:
(1) mostra-a é pequena,
(2) σ es desconhecida, e
(3) a população é normal ou quase normal.
Se 𝜎 é conhecida, a distribuição Z se usa inclusive se a mostra é pequena. Além disso, se não poder
assumir uma população normal, aumenta-se o tamanho da amostra para utilizar a distribuição Z e de
não ser possível se deve confiar nas provas não paramétricas.

A distribuição t Student foi desenvolvida em 1908 pelo William

S. Gosset (1876 - 1937), quem trabalhou como perito cervejeiro
para o Guinnes Breweries no Dublin, Irlanda. Guiness não
permitia que seus empregados publicassem sua investigação, de
maneira que Gosset (quem gostava "jogar com os números para
relaxar-se") informou pela primeira vez sobre sua distribuição t,
embora publicou sob o pseudônimo do Student" para proteger seu
trabalho.
William Sealy Gosset (11 de junho de 1876 – 16 de outubro de 1937) foi um estatístico, melhor conhecido por
seu apelido literário Student. Nascido no Canterbury, filho do Agnes Sealy Vidal e o coronel Frederic Gosset,
assistiu à famosa escola privada Winchester College, antes de estudar química e matemática no New College
de Oxford. Depois de graduar-se em 1899, incorporou-se às destilarias Guinness no Dublín.

Vale a pena destacar na figura, que à medida que n aumenta, a distribuição t se aproxima
da distribuição Z. É por isso que se pode utilizar a distribuição Z quando n > 30.
Como se verá depois, para todo conjunto de condições dadas a distribuição t produzirá um intervalo mais amplo que a
distribuição Z, se esta se utilizasse. A largura adicional é necessária devido a que se perde um pouco de precisão
porque 𝝈 é desconhecida e deve estimar-se.
𝑋ത − 𝜇
O estatístico t se calcula em grande parte como o estatístico Z. 𝑡=
𝑆𝑋ത
Distribuição T de student 1. Encontrar t(12;0,01)
Nesta questão nos pedem encontrar o valor crítico na distribuição t-Student se o
valor dos graus de liberdade é 12 (quer dizer, que o tamanho da amostra é 13) e a
área em uma cauda ou em duas caudas é de 0,01.
Para uma cauda o valor crítico de
t= 2,681
Para duas cauda o valor crítico de

t= 3,055

Como se verá breve, para todo conjunto de condições dadas a distribuição t produzirá um intervalo mais amplo
que a distribuição Z, se esta se utilizasse. A largura adicional é necessário devido a que se perde um pouco de
precisão porque σ é desconhecida e deve estimar-se.
ത
𝑋−𝜇
O estatístico t se calcula em grande parte como o estatístico Z. t=
𝑆𝑋
ഥ
Escrevendo algebricamente para expressá-lo como um intervalo de confiança para estimar μ, tem-se que:
Intervalo de confiança para estimar 𝑠

𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑡 𝑆𝑋ത = 𝑋ഥ ± 𝑡
a meia populacional – amostras pequenas 𝑛

Exemplo 6:
Consideremos o seguinte problema tirado do The Wall Street Journal. Uma empresa de construção foi
culpada de alterar os comprovantes que registra para os contratos de construção com o governo federal.
O contrato estabeleceu que um certo tipo de trabalho deveria ser média US$ 1 150. Por motivos de
tempo, os diretores de só 12 agências do governo foram chamados a dar testemunha ante a corte em
relação aos comprovantes da empresa. A partir das testemunhas foi descoberto uma média de US$1
275 e um desvio padrão de US$ 235. Um intervalo de confiança de 95% apoiaria o caso legal da
empresa? Assume-se que os montantes dos comprovantes são normais.
Um nível de confiança de 95 % com g.l. = 12-1

= 11 resulta da tabela t um valor t de 2.201.
12/11/2021 44
Um nível de confiança de 95 % com g.l. = 12-1 = 11 resulta da tabela t um valor t de 2.201.
𝑠
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑡 𝑆𝑋ത = 𝑋ഥ ± 𝑡
𝑛
A corte pode ter 95% de confiança em que a média de todos os comprovantes está entre US$1,125 e US$1,424.
Este intervalo contém os US$1,150 acordados, fortalecendo a defesa da empresa.
Vale a pena destacar que o valor t para um intervalo de 95% é 2.201 (dado g.l. = 11), enquanto que um intervalo de
95% de uma amostra grande utiliza um valor Z de 1.96. O intervalo com apóie em um valor t é, portanto, mais amplo.

Exemplo 7:
O contrato trabalhista realizado entre o United Auto Workers (UAW) e Ford Motor Company (FMC) requereu
que a produção médio para uma seção de produção se realizasse a 112 unidades por mês, por empregado.
Surgiram desacordos entre o UAW e FMC respeito a se se mantinha este padrão ou não. O contrato trabalhista
especificou que se os níveis de produção médio se reduziam por debaixo da quantidade estipulada de μ = 112,
ao FMC lhe permitiria tomar "ações corretivas". Devido ao custo comprometido, só se avaliaram 20
trabalhadores, resultando uma média de 102 unidades. Assume-se que se encontrou uma separação padrão de
8.5 unidades e que os níveis de produção estão distribuídos normalmente. Um intervalo de confiança de 90%
tende a sugerir uma contravenção do contrato trabalhista, permitindo assim uma ação corretiva?
Um nível de confiança de 90 % com g.l. = 20-1 = 19 resulta da tabela t um valor t de 1,739
𝑠
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ഥ ± 𝑡 O nível de produção médio de 112 unidades, especificado no
𝑛
contrato trabalhista, não está dentro do intervalo de confiança.
Interpretação
Há um nível de confiança de 90% no que o contrato está sendo
violado. FMC está em seu direito para interpor um recurso por
atraso na produtividade.
Exemplo 8:
Em 24 pacientes com sintomas coronários agudos, a média de uma
pontuação global de dieta mediterránea era de 24,3 pontos (s=5,0). Qual
seria o intervalo de confiança aos 95 % ?
1 2

Distribuições amostrais de uma proporção
Embora a discussão até agora se concentrou exclusivamente nas médias, muitos assuntos de negócios
tratam a proporção da população N.
• Uma empresa de marketing pode querer averiguar se um cliente compra ou não compra o produto.
• Um banco com frequência deve determinar se um depositante pedirá ou não pedirá um crédito para
automóvel.
• Muitas empresas devem determinar a probabilidade de que um projeto para orçamentar capital gerará
ou não gerará um rendimento positivo.
Nestes casos se utiliza a proporção amostral p para estimar o parâmetro desconhecido N.
O processo das proporções amostrais é muito similar ao das médias. De qualquer população é possível obter
muitas amostras diferentes de um tamanho dado. Cada mostra terá sua própria proporção de "êxitos", p.
Entretanto, ao igual a com as médias, o valor esperado da distribuição amostral das proporções amostrais será igual
à proporção de êxitos na população: E(p) = 𝝅.

Estimativa pontual para uma proporção populacional
Definição
A estimativa pontual para p, a proporção populacional de sucessos, é dada pela proporção de sucessos
em uma amostra e é denotada por:
𝑥
𝑝Ƹ = Proporção amostral
𝑛
em que x é o número de sucessos em uma amostra e n é o tamanho da amostra.
A estimativa pontual para a proporção populacional de não sucessos é 𝑞ො = 1 − 𝑝Ƹ

Exemplo 9:
Em uma pesquisa com 1.000 adolescentes americanos, 372 disseram que possuem
smartphones. Encontre uma estimativa pontual para a proporção populacional de adolescentes
americanos que possuem smartphones.
Solução: usando 𝑛 = 1000 e 𝑥 = 372
𝑥 372
𝑝Ƹ = = = 0,372 = 37,2%
𝑛 1000
Então, a estimativa pontual para a proporção populacional de adolescentes americanos que

possuem smartphones é de 37,2%.

Intervalos de Confiança para uma proporção populacional
Definição
Um intervalo de confiança c para uma proporção populacional p é:
𝑝Ƹ − 𝐸 < 𝜋 < 𝑝Ƹ + 𝐸
em que:
𝑝Ƹ 𝑞ො
𝐸 = 𝑍𝑐
𝑛
você aprendeu que uma distribuição binomial pode ser aproximada por uma distribuição normal
quando 𝑛𝑝Ƹ ≥ 5 𝑒 𝑛𝑞ො ≥ 5. Entaão a distribuição amostral de 𝑝Ƹ é aproximadamente normal com
média de:
𝑝𝑞 𝑝(1−𝑝)
𝜇𝑝ො = 𝑝 e o erro padrão de 𝜎𝑝ො = =
𝑛 𝑛
O intervalo de confiança é então:

𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜋 = 𝑝 ± 𝑍𝜎𝑝
a proporção populacional

Exemplo 10:
O gerente de uma estação de televisão deve determinar na cidade que percentagem de casas tem mais de um
televisor. Uma amostra aleatória de 500 casas revela que 275 têm dois ou mais televisores. Qual é o intervalo de
confiança de 90% para estimar a proporção de todas as casas que têm dois ou mais televisores? Dados estes
275
dados, 𝑝 = 500 = 0,55 , e:
𝑝(1 − 𝑝) 0,55 ∗ 0,45

𝜎𝑝 = = = 0,022
𝑛 500
A tabela Z da um valor de 1,65 para um intervalo de confiança do 90 %
O gerente pode ter um 90 % de confiança que entre em 54.4 e o 58,6 %

das casas da cidade têm mais de um televisor.

Exemplo 11:
As empresas de procura de executivos se especializam em ajudar às empresas a se localizar e assegurar talento
para a alta gerência. Tais empresas são responsáveis pela localização de muitos dos melhores diretores
executivos da nação. Business Week reportou recentemente que "um de cada quatro diretores executivos é
uma pessoa de fora -um executivo com menos de 5 anos na companhia que dirige-". Se em uma amostra de
350 companhias dos Estados Unidos, 77 têm diretores executivos de fora, um intervalo de 99% de confiança
apoiaria a afirmação?
Solução: 𝑥 𝑝(1 − 𝑝) 0,22 ∗ 0,78

𝑝 = 𝜎𝑝 = = = 0,022
𝑛 𝑛 350
Interpretação: confia-se em que ao nível de 99% entre o 16.3% e o 27.7% das empresas dos Estados Unidos têm
diretores executivos de fora. A afirmação está apoiada por tais descobrimentos, já que o 22 % está contido dentro
do intervalo.
• Intervalo de confiança para variância e desvio de padrão
- a distribuição Qui-quadrado-
Na indústria, é necessário controlar o quanto um processo varia. Por exemplo, o fabricante
de uma peça de automóvel deve produzir milhares de peças para serem usadas no processo
de fabricação. É importante que as peças variem muito pouco dentro do intervalo
especificado. Como você pode medir, e consequentemente controlar, a quantidade de
variação nas peças? Você pode começar com uma estimativa pontual.
Definição
Se a variável aleatória x tem uma distribuição normal com desvio padrão s, então:
(𝑛 − 1)𝑠 2
𝜒2 =
𝜎2
resulta uma distribuição qui-quadrado com n – 1 graus de liberdade, para amostras de qualquer
tamanho n > 1.

Propriedades da distribuição qui-quadrado.
1. Todos valores de x2 são maiores ou iguais a 0.
2. A distribuição qui-quadrado é uma família de curvas, cada Distribuição qui-quadrado para diferentes graus de
uma determinada pelos graus de liberdade. Para construir liberdade
um intervalo de confiança para 𝜎 2 , use a distribuição qui-
quadrado com graus de liberdade iguais ao tamanho da
amostra menos um.
g.l. = n – 1 Graus de liberdade
3. A área total abaixo de cada curva da distribuição qui-
quadrado é igual a 1.
4. A distribuição qui-quadrado é assimétrica positiva.
5. A distribuição qui-quadrado é diferente para cada número de
graus de liberdade, como mostrado na Figura. Conforme os
graus de liberdade aumentam, a distribuição qui-quadrado se
aproxima de uma distribuição normal.
Há dois valores críticos para cada nível de confiança. O valor 𝜒𝑅2 representa valor crítico da cauda direita e 𝜒𝐿2 representa
valor crítico da cauda esquerda. A Tabela Distribuição Qui-quadrado lista valores críticos de 𝜒 2 para vários graus de
liberdade e áreas.

Encontrando valores críticos para 𝜒 2
Encontre os valores críticos 𝜒𝑅2 e 𝜒𝐿2 para um intervalo de confiança de 95% quando o tamanho da amostra é 18.
Solução:
Como o tamanho da amostra é 18, Cada área listada na linha do topo da tabela representa a região
𝑔. 𝑙 = 𝑛 − 1 = 19 − 1 = 17 𝐺𝑟𝑎𝑢𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑑𝑎𝑑𝑒 sob a curva qui-quadrado à direita do valor crítico.
As áreas à direita de 𝜒𝑅2 e 𝜒𝐿2 são:
1 − 𝑐 1 − 0,95
𝜒𝑅2 = = = 0,025
2 2
1 + 𝑐 1 + 0,95
𝜒𝐿2 = = = 0,975
2 2
56
Encontrando valores críticos para 𝜒 2
Encontre os valores críticos 𝜒𝑅2 e 𝜒𝐿2 para um intervalo de confiança de 95% quando o tamanho da amostra é 18.
Solução:
Curva qui-quadrado e valores críticos relativos a
um intervalo de confiança de 95% e 17 g.l.
Da tabela, podemos ver que 𝜒𝑅2 = 30,191 e 𝜒𝐿2 = 7,564.
Interpretação
Então, para uma curva da distribuição qui-quadrado com 17
graus de liberdade (g.l.), 95% da área sob a curva está situada
entre 7,564 e 30,191, conforme mostrado
57
Intervalos de confiança para 𝝈𝟐 𝒆 𝝈
Definição
O intervalo de confiança “c” para a variância e o desvio padrão populacional é:
Intervalos de confiança para 𝝈𝟐 :
Limite inferior Limite superior
(𝑛 − 1)𝑠 2 2
(𝑛 − 1)𝑠 2
<𝜎 <
𝜒𝑅2 𝜒𝐿2
Intervalos de confiança para 𝝈:
(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
<𝜎<
𝜒𝑅2 𝜒𝐿2

Exemplo 11:
Você seleciona aleatoriamente e pesa as 30 unidades de uma amostra de um
antialérgico. O desvio padrão da amostra é de 1,20 miligrama. Supondo que os pesos
são normalmente distribuídos, construa intervalos de confiança de 99% para a variância
e o desvio padrão da população.
Solução:
• As áreas à direita de 𝜒𝑅2 e 𝜒𝐿2 são:
1 − 𝑐 1 − 0,99 1 + 𝑐 1 + 0,99
𝜒𝑅2 = = = 0,005 𝜒𝐿2 = = = 0,995
2 2 2 2
• Usando os valores n = 30, g.l. = 29 e c = 0,99, os valores críticos são: 𝜒𝑅2 = 52,336 e 𝜒𝐿2 = 13,21

Solução:
1 − 𝑐 1 − 0,99 1 + 𝑐 1 + 0,99
• As áreas à direita de 𝜒𝑅2 e 𝜒𝐿2 são: 𝜒𝑅2 = = = 0,005 𝜒𝐿2 = = = 0,995
2 2 2 2
• Usando os valores n = 30, g.l. = 29 e c = 0,99, os valores críticos são: 𝜒𝑅2 = 52,336 e 𝜒𝐿2 = 13,21
Com esse valores críticos e 𝒔 = 𝟏𝟐𝟎, o intervalos de confiança para 𝝈𝟐 :

(𝑛 − 1)𝑠 2 (30 − 1)(1,20)2 𝑛 − 1 𝑠2 30 − 1 1,20 2

2 = ≈ 0,80 = ≈ 3,18
𝜒𝑅 52,336 𝜒𝐿2 13,21
0,80 < 𝜎 2 < 3,18
Interpretação:
Intervalos de confiança para 𝝈: Com 99% de confiança, podemos
Limite inferior Limite superior dizer que a variância
(𝑛 − 1)𝑠 2 𝑛 − 1 𝑠2 populacional está entre 0,80 e
= 0,80 ≈ 0,89 3,18 ≈ 1,78 3,18, e o desvio padrão
𝜒𝑅2 𝜒𝐿2
populacional entre 0,89 e 1,78
miligramas.
0,89 < 𝜎 < 1,78
Lista de fórmulas
Amostras grandes
Intervalo de confiança para estimar 𝜎
μ quando σ é conhecido 𝑛
Intervalo de confiança para estimar 𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑍𝑠𝑋ത

μ quando σ é desconhecido
𝑠
Intervalo de confiança para estimar 𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑡 𝑆𝑋ത = 𝑋ഥ ± 𝑡
a meia populacional – amostras pequenas 𝑛
𝑥
Proporção amostral 𝑝Ƹ =
𝑛

𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜋 = 𝑝 ± 𝑍𝜎𝑝
a proporção populacional

Lista de fórmulas
Intervalos de confiança para 𝜎 2 :

(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
2 < 𝜎2 <
𝜒𝑅 𝜒𝐿2
Intervalos de confiança para 𝜎:
(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
<𝜎<
𝜒𝑅2 𝜒𝐿2

CURSO: CIÊNCIAS CONTÁBEIS - MEDIADO
Disciplina: Métodos Estatísticos
Aula 7
Professor. Yunier Sarmiento Ramírez

Doutor em Economia

Aula 7 Intervalos de Confiança

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 7 Intervalos de Confiança

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 7 Intervalos de Confiança

Enviado por

Direitos autorais:

Formatos disponíveis

CURSO: CIÊNCIAS CONTÁBEIS - MEDIADO

Disciplina: Métodos Estatísticos

Professor. Yunier Sarmiento Ramírez

 Agora, começaremos nossos estudos de estatística inferencial — o segundo

Tema: Inferência Estatística

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 2

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 3

O estudo de estatística tem duas

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 4

Se um gerente de loja de varejo quer saber sobre a

Seria muito mais fácil estimar a média da população

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 6

Intervalos de Confiança PROVA DE HIPÓTESE

 Um intervalo de confiança denota uma intervalo dentro do qual, pode encontrar o

ESTATÍSTICO: É uma quantidade diretamente associada à

S: 𝑑𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 𝑑𝑎 𝑎𝑚𝑜𝑠𝑡𝑟𝑎  i

Exemplo 1: O gerente da loja pode selecionar uma

Tal intervalo com frequência vai acompanhado de uma

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 9

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 10

• Por exemplo, um clube de xadrez quer estimar o

• Como essa estimativa consiste em um único número

 Então, aprenderemos como fazer uma estimativa

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 11

Você aprenderá como usar estatísticas amostrais para fazer uma

Amostras grandes - Distribuição normal

• Intervalo de confiança para a média populacional (𝜎 𝑑𝑒𝑠𝑐𝑜𝑛ℎ𝑒𝑐𝑖𝑑𝑜)

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 12

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 13

A diferença entre a estimativa pontual e o valor real do parâmetro é chamada de erro de

Figura. Construindo um intervalo de confiança

Quando 𝜇 é estimado, o erro de amostragem é a diferença de 𝑋ത − 𝜇. Na maioria dos casos, é claro, 𝜇

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 14

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 15

Quando são atendidas as duas condições a seguir:

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 16

Marguem de erro para 𝝁 (𝝈 𝒄𝒐𝒏𝒉𝒆𝒄𝒊𝒅𝒐)

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 17

Um intervalo de confiança c para a média populacional 𝜇 é:

𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑍𝑐 𝜎𝑋ത

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 18

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 19

𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑍𝜎𝑋ത 7,200

O promotor pode interpretar os resultados de seu intervalo de confiança de duas formas:

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 20

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 21

Valor alfa: É a probabilidade do erro ou a probabilidade de que

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 22

Funções no Excel 2016

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 23

Para calcular os intervalos de confiança necessito o valor de Z e

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 28

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 29

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 30

Intervalos de confiança para a média (𝝈 desconhecido)

ഥ ± 𝒁𝝈𝑿ഥ requer a suposição improvável que o desvio padrão

Intervalo de confiança para estimar

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 31

12/11/2021 Métodos Estatísticos - Dr. Yunier Sarmiento Ramírez 32

𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟 𝜇 = 𝑋ത ± 𝑍𝑠𝑋ത