EuraStudy
Resumos/Matemática A/Introdução à inferência estatística (tema opcional AE 2023)
Resumos · Matemática APT · Secundário

Introdução à inferência estatística (tema opcional AE 2023)

A inferência estatística usa dados de uma amostra para tirar conclusões sobre uma população: estudam-se a amostragem e a estimação, a distribuição das médias amostrais (teorema do limite central) e os intervalos de confiança. É um dos três temas opcionais das Aprendizagens Essenciais de 2023 (a escola escolhe um) e, por não ser comum a todos os alunos, não integra o núcleo avaliado no Exame Nacional 635 — é aqui ensinado integralmente, como ampliação.

3 secções·~8 min de leitura·4 competências·Nível Padrão 1 · Aprofundamento 2

T·151515 / 17
Perfil de exame
Ampliação — tema opcional das AE 2023; fora do Exame Nacional 635Distinguir população de amostra e reconhecer estimadoresCompreender a variabilidade amostral e o teorema do limite centralConstruir e interpretar intervalos de confiança
Operadores:estimainterpretacalculadistinguejustifica

nível básico

Distinguir população de amostra e a noção de estimador.

nível avançado

Compreender a distribuição das médias amostrais e construir intervalos de confiança.

Profundidade

Profundidade de leitura: Aprofundado

Texto

Tamanho do texto: Padrão

Conteúdo · 3 secções▾
  1. Introdução à inferência estatística (tema opcional AE 2023)
    • 01Amostragem e estimação◐
    • 02Distribuição das médias amostrais●
    • 03Intervalos de confiança●
§ 01

Amostragem e estimação#

●●○PadrãoLPAE-matematica-a-12-opcional-inferencia

População, amostra, parâmetro e estimador

Parâmetro vs estimadorTabela com 4 colunas e 2 linhas, Dados: Conjunto · Média · Estatuto; População · todos os elementos · μ (parâmetro) · desconhecido; Amostra · subconjunto recolhido · x̄ (estimador) · calculado dos dados, célula destacada: x̄ (estimador)CONJUNTOMÉDIAESTATUTOPOPULAÇÃOtodos os elementosμ (parâmetro)desconhecidoAMOSTRAsubconjunto recolhidox̄ (estimador)calculado dos dados
Fig. 1Fig. 1 — A inferência usa o estimador (calculado na amostra) para inferir o parâmetro (desconhecido) da população.

Pontos-chave

Este tema é opcional (Ampliação — fora do Exame Nacional 635): as Aprendizagens Essenciais de 2023 propõem três temas em alternativa para o final do 12.º ano, e cada turma trabalha apenas um. Estuda-se aqui integralmente, pelo seu valor formativo e pela sua ligação ao modelo normal, mas não é matéria comum de exame.
A inferência estatística parte de um problema prático: conhecer uma característica de uma população grande (a altura média dos jovens, a proporção de eleitores num sentido) sem inquirir todos os seus elementos. Recolhe-se uma amostra — um subconjunto — e, a partir dela, infere-se sobre a população. Para que a inferência seja válida, a amostra deve ser representativa, o que se procura garantir com a amostragem aleatória.
Distinguem-se os parâmetros (características da população, em geral desconhecidas, como a média «μ» ou a proporção «p») das estatísticas ou estimadores (calculados a partir da amostra, como a média amostral «x̄» ou a proporção amostral). Um estimador é uma «aposta» informada sobre o parâmetro: a média amostral «x̄» é o estimador natural da média «μ» da população.
O ponto delicado é que uma estimativa varia de amostra para amostra: duas amostras diferentes dão, em geral, médias amostrais diferentes. Esta variabilidade amostral é o objeto central da inferência — quantificá-la permite dizer quão fiável é uma estimativa e construir intervalos de confiança (secções seguintes). Sem compreender a variabilidade, uma estimativa isolada seria apenas um número sem margem de erro.
Exemplo resolvido

Identificar população, amostra e estimador

Numa sondagem, inquiriram-se 500 eleitores para estimar a percentagem de votos num partido. Identifica população, amostra, parâmetro e estimador.

  1. 01População

    O conjunto de todos os eleitores (vários milhões).

  2. 02Amostra

    Os 500 eleitores efetivamente inquiridos.

  3. 03Parâmetro

    A proporção verdadeira de votos no partido, na população (desconhecida).

  4. 04Estimador

    A proporção de votos no partido observada na amostra dos 500.

Resultado: O estimador (proporção amostral) infere o parâmetro (proporção populacional) a partir da amostra de 500.

Foco no Exame Nacional

  • Ampliação (tema opcional): não é avaliado no Exame Nacional 635.
  • Distinguir parâmetro (população) de estimador (amostra) e discutir a representatividade da amostra.

Erros frequentes

  • Confundir o parâmetro da população (μ) com a estatística da amostra (x̄).
  • Tirar conclusões de amostras não representativas (enviesadas).

Revisão ativa

Numa sondagem inquiriram-se 500 eleitores de um total de vários milhões. Identifica a população, a amostra, o parâmetro de interesse e o estimador usado.

Evocação ativa

Recorda os pontos-chave — depois revela.

Fontes: Aprendizagens Essenciais de Matemática A — 12.º ano (Despacho 702/2023) (Direção-Geral da Educação (DGE))

§ 02

Distribuição das médias amostrais#

●●●AprofundamentoLPAE-matematica-a-12-opcional-inferencia

Pontos-chave

Imaginemos recolher muitas amostras (do mesmo tamanho «n») e calcular a média «x̄» de cada uma. Essas médias formam, elas próprias, uma distribuição — a distribuição das médias amostrais. O seu valor médio coincide com a média «μ» da população (a média amostral é um estimador «centrado»), mas a sua dispersão é menor do que a dos valores individuais.
A dispersão das médias amostrais mede-se pelo erro-padrão «σ/√n», onde «σ» é o desvio-padrão da população e «n» o tamanho da amostra. Como «√n» está no denominador, quanto maior a amostra, menor o erro-padrão: as médias de amostras grandes concentram-se mais em torno de «μ». Duplicar a precisão exige quadruplicar a amostra (por causa da raiz).
O teorema do limite central (TLC) é o resultado central: para «n» suficientemente grande, a distribuição das médias amostrais é aproximadamente normal, seja qual for a forma da distribuição da população. A Fig. 2 ilustra-o — a distribuição das médias amostrais (estreita) é normal e muito mais concentrada do que a dos valores individuais (larga). É este teorema que liga a inferência ao modelo normal.

Valores individuais vs médias amostrais

Teorema do limite centralGráfico de valores individuais, máximo em (0, 0.399), ordenada na origem y = 0.399, no intervalo x de -4 a 4, Gráfico de médias amostrais, máximo em (0, 0.798), ordenada na origem y = 0.798, no intervalo x de -4 a 4−4−3−2−112340.10.20.30.40.50.60.70.8valoresindividuaismédias amostraisdensidadevalor
Fig. 2Fig. 2 — A distribuição das médias amostrais (estreita) é normal e menos dispersa do que a dos valores individuais (larga).
O TLC justifica por que razão o modelo normal aparece tão frequentemente na estatística e é a base dos intervalos de confiança. Conhecendo a forma (normal), o centro («μ») e a dispersão («σ/√n») da distribuição das médias amostrais, pode quantificar-se a incerteza de uma estimativa — precisamente o que a secção seguinte concretiza.
Xˉ tem meˊdia μ e erro-padra˜o σn\bar{X} \ \text{tem média}\ \mu \ \text{e erro-padrão}\ \dfrac{\sigma}{\sqrt{n}}Xˉ tem meˊdia μ e erro-padra˜o n​σ​

Distribuição das médias amostrais

A média amostral é centrada em μ; a sua dispersão diminui com √n. Pelo TLC, é aproximadamente normal para n grande.

Exemplo resolvido

Erro-padrão da média

Uma população tem σ = 10. Calcula o erro-padrão da média amostral para n = 25 e para n = 100.

  1. 01n = 25

    σ/√n = 10/√25 = 10/5 = 2.

  2. 02n = 100

    σ/√n = 10/√100 = 10/10 = 1.

  3. 03Interpretar

    Quadruplicar a amostra (25 → 100) reduz o erro-padrão para metade (2 → 1): mais dados, estimativas mais precisas.

Resultado: Erro-padrão 2 para n = 25 e 1 para n = 100 (diminui com √n).

Foco no Exame Nacional

  • Ampliação (tema opcional): não é avaliado no Exame Nacional 635.
  • Compreender o erro-padrão σ/√n e o teorema do limite central.

Erros frequentes

  • Usar σ (dispersão da população) onde se deve usar σ/√n (dispersão das médias amostrais).
  • Supor que a população tem de ser normal (o TLC aplica-se qualquer que seja a sua forma, para n grande).

Revisão ativa

Uma população tem desvio-padrão σ = 10. Calcula o erro-padrão da média para amostras de tamanho n = 25 e n = 100.

Evocação ativa

Recorda os pontos-chave — depois revela.

Fontes: Aprendizagens Essenciais de Matemática A — 12.º ano (Despacho 702/2023) (Direção-Geral da Educação (DGE))

§ 03

Intervalos de confiança#

●●●AprofundamentoLPAE-matematica-a-12-opcional-inferencia

Pontos-chave

Uma estimativa pontual (um único valor «x̄») não transmite a sua incerteza. Um intervalo de confiança dá, em vez de um número, um intervalo de valores plausíveis para o parâmetro, acompanhado de um nível de confiança (por exemplo, 95 %). O nível de confiança indica a fiabilidade do método: em 95 % das amostras, o intervalo construído deste modo contém o verdadeiro parâmetro.
Para a média de uma população (com «σ» conhecido e «n» grande), o intervalo de confiança é «x̄ ± z·σ/√n», onde «z» depende do nível de confiança (para 95 %, «z ≈ 1,96»). A quantidade «z·σ/√n» é a margem de erro — metade da amplitude do intervalo (ver Fig. 3). A margem de erro diminui com amostras maiores e aumenta com maior exigência de confiança.

Intervalo de confiança a 95 %

Nível de confiançaGráfico de médias amostrais, máximo em (0, 0.399), ordenada na origem y = 0.399, no intervalo x de -4 a 4−4−3−2−112340.10.20.30.4médias amostraisdensidadeerros-padrão
Fig. 3Fig. 3 — A área central de 95 % (entre −1,96 e 1,96 erros-padrão) corresponde ao nível de confiança; a margem é 1,96·σ/√n.
A Fig. 3 mostra a lógica geométrica: em torno da média amostral, a margem de erro define o intervalo, e a área central sob a curva normal (95 %) corresponde ao nível de confiança. Aumentar o nível de confiança (99 %) alarga o intervalo (maior «z»); aumentar a amostra estreita-o (maior «√n»). Há sempre um compromisso entre confiança e precisão.
A interpretação correta é subtil e muito avaliada: um intervalo de confiança a 95 % NÃO significa «há 95 % de probabilidade de o parâmetro estar neste intervalo concreto» (o parâmetro é fixo, o intervalo é que é aleatório). Significa que o método produz, em 95 % das amostras, um intervalo que contém o parâmetro. Comunicar estimativas com a sua margem de erro é a essência da inferência — e uma competência cívica (leitura de sondagens).
IC95%=[ xˉ−1,96 σn, xˉ+1,96 σn ]\text{IC}_{95\%} = \left[\, \bar{x} - 1{,}96\,\dfrac{\sigma}{\sqrt{n}}, \ \bar{x} + 1{,}96\,\dfrac{\sigma}{\sqrt{n}} \,\right]IC95%​=[xˉ−1,96n​σ​, xˉ+1,96n​σ​]

Intervalo de confiança a 95% para a média

x̄ é a média amostral; 1,96·σ/√n é a margem de erro (para 95% de confiança).

Exemplo resolvido

Construir um intervalo de confiança a 95 %

Numa amostra de n = 25 obteve-se x̄ = 50, com σ = 10 conhecido. Constrói o intervalo de confiança a 95 % para a média (z = 1,96).

  1. 01Erro-padrão

    σ/√n = 10/√25 = 10/5 = 2.

  2. 02Margem de erro

    z·σ/√n = 1,96·2 = 3,92.

  3. 03Intervalo

    IC = [50 − 3,92, 50 + 3,92] = [46,08, 53,92].

  4. 04Interpretar

    Com 95 % de confiança, a média μ da população pertence a [46,08; 53,92].

Resultado: IC₉₅% = [46,08; 53,92], com margem de erro 3,92.

Foco no Exame Nacional

  • Ampliação (tema opcional): não é avaliado no Exame Nacional 635.
  • Construir um intervalo de confiança para a média e interpretar o nível de confiança.

Erros frequentes

  • Dizer que «o parâmetro tem 95 % de probabilidade de estar neste intervalo» (interpretação incorreta).
  • Esquecer que o intervalo é x̄ ± margem (dois lados), não x̄ + margem.

Revisão ativa

Numa amostra de n = 25, obteve-se x̄ = 50, sabendo que σ = 10. Constrói o intervalo de confiança a 95 % para a média (z = 1,96).

Evocação ativa

Recorda os pontos-chave — depois revela.

Fontes: Aprendizagens Essenciais de Matemática A — 12.º ano (Despacho 702/2023) (Direção-Geral da Educação (DGE))

Conteúdo

Secção -- / 03

    • 01Amostragem e estimação◐
    • 02Distribuição das médias amostrais●
    • 03Intervalos de confiança●

0/3 Lidos

Dos resumos à prática

Introdução à inferência estatística (tema opcional AE 2023)

Consolida este tema com perguntas do banco de perguntas.

~8
min
4
Competências
Praticar

Referências e fontes

Fontes

Direção-Geral da Educação (DGE)

  • Aprendizagens Essenciais de Matemática A — 12.º ano (Despacho 702/2023)

Tópico anterior

Números complexos (forma algébrica e trigonométrica)

Tópico seguinte

Primitivas imediatas e integrais definidos (tema opcional AE 2023)

EuraStudy·Resumos T·15·MMXXVI

Continua com o tópico seguinte: o teu percurso é mantido.