Quando agente está diante de uma abordagem de cálculo para o tamanho de uma amostra (n), qual seria a diferença entre o erro amostral (ε) e o nível de significância (α)? Porque, digamos que eu queira calcular o tamanho de uma amostra com nível de confiança de 95%, então, os outros 5% nesse contexto de tamanho de amostra, não seria o erro amostral? Porque eu já vi reportagens informando por exemplo: "com um nível de 95% confiança e margem de erro de 3%...." então, minha pergunta é, onde foi parar os outros 2% dessa pesquisa?
Год назад
Oi! O que está acontecendo é que você está misturando os conceitos. Vamos por partes, começando a definir os principais pontos abordados: - Tamanho da Amostra (n): O tamanho da amostra se refere ao número de unidades (indivíduos, elementos, observações) que você coleta em uma pesquisa ou estudo. - Erro Amostral (ε ou Margem de Erro): O erro amostral, também conhecido como margem de erro, é a variação esperada entre os resultados da amostra e os resultados da população total, devido ao fato de você estar trabalhando com uma amostra em vez de toda a população. Geralmente, o erro amostral é expresso como uma porcentagem e indica a faixa dentro da qual você espera que a verdadeira estimativa populacional esteja. Por exemplo, se você tem uma margem de erro de 3%, significa que o resultado da pesquisa está provavelmente dentro de 3% do resultado que você teria obtido se tivesse pesquisado toda a população. - Nível de Significância (α): O nível de significância é uma medida usada em testes de hipóteses estatísticas para determinar se os resultados de um experimento ou pesquisa são estatisticamente significativos. É geralmente denotado por "α" e representa a probabilidade de rejeitar a hipótese nula quando ela é verdadeira. Um valor comum para o nível de significância é 0,05 (ou 5%), o que significa que há uma chance de 5% de rejeitar a hipótese nula quando ela é verdadeira. Quando afirmamos que uma pesquisa possui 95% de confiança com uma margem de erro de 3%, estamos introduzindo dois aspectos cruciais na avaliação da precisão dos resultados obtidos. O nível de confiança, nesse contexto, representa a probabilidade de que, ao repetirmos a mesma pesquisa muitas vezes, cerca de 95 em cada 100 conjuntos de resultados teriam intervalos de confiança que incluiriam o valor real da população. Isso implica que estamos confiantes a um nível estatístico de que a estimativa que calculamos a partir da amostra está próxima do verdadeiro parâmetro populacional. Por outro lado, a margem de erro de 3% revela o grau de variação que estamos dispostos a aceitar entre os resultados da amostra e a estimativa populacional. Esse valor indica que o intervalo de confiança que construímos em torno da estimativa amostral irá se estender em 3% para cima e 3% para baixo a partir do valor da amostra. Em outras palavras, é uma faixa na qual acreditamos que o valor real da população provavelmente está localizado.
@ você está me dizendo que erro amostral e nível de significância são coisas distintas e não estão relacionados. Então me explique por exemplo, uma pesquisa com um erro amostral de 0% e nível de confiança de 95%. Então, onde foi parar os 5% do nível de significância se não existe erro amostral? Ou seja, se não existe erro na amostra, porque admitir ainda uma significância de 5%?
Год назад
@@analisecritica8722 O que eu disse é que erro amostral não é complementar ao nível de confiança. Ou seja, somar o erro amostral considerado com o nível de confiança não totaliza em 100% obrigatoriamente. O nível de confiança (normalmente de 95%) é complementar ao nível de significância (normalmente de 5%). O erro amostral se refere à imprecisão inerente a qualquer pesquisa amostral, devido ao fato de que você está examinando uma parte de uma população maior. Mesmo que você faça uma pesquisa perfeita, com todos os procedimentos corretos, ainda haverá uma variação natural nos resultados quando você extrapolar esses resultados para a população completa. Portanto, o erro amostral é uma medida da incerteza associada a uma amostra. Por outro lado, o nível de significância está relacionado com testes de hipóteses e a probabilidade de cometer um erro do Tipo I, que é a rejeição incorreta de uma hipótese nula verdadeira. Em um teste de hipóteses com um nível de significância de 5%, você está definindo um limite para a probabilidade de rejeitar a hipótese nula quando ela é verdadeira. Em outras palavras, você está disposto a aceitar uma taxa de erro de 5% ao rejeitar uma hipótese que é verdadeira. Agora, no exemplo que você mencionou com um erro amostral de 0% e um nível de confiança de 95%, isso é um cenário idealizado. Significa que, na hipotética pesquisa, você está afirmando que sua amostra é perfeitamente representativa da população (erro amostral zero). Eu, particularmente, nunca vi isso na prática, pois sempre haverá algum grau de erro amostral devido à variação natural nos dados e, por isso, assumimos um erro amostral diferente de zero.
Letíciaaaaaa, ficou tudo tão bem feitinho. Não imagino o trabalho que deu pra vc fazer isso tudo. Obrigado. Estou aprendendo muito. Vc tem outras redes sociais?
3 года назад
Ahh, muito obrigada!
3 года назад
Ahh, e tem esse material escrito com práticas no R: raposo.shinyapps.io/EstatisticaComR/
Explicação clara e objetiva!!! Muito bom!!!
Parabés Leticia, explica de forma clara e dinâmica.
Muito obrigada! ❤️
Quando agente está diante de uma abordagem de cálculo para o tamanho de uma amostra (n), qual seria a diferença entre o erro amostral (ε) e o nível de significância (α)? Porque, digamos que eu queira calcular o tamanho de uma amostra com nível de confiança de 95%, então, os outros 5% nesse contexto de tamanho de amostra, não seria o erro amostral? Porque eu já vi reportagens informando por exemplo: "com um nível de 95% confiança e margem de erro de 3%...." então, minha pergunta é, onde foi parar os outros 2% dessa pesquisa?
Oi! O que está acontecendo é que você está misturando os conceitos. Vamos por partes, começando a definir os principais pontos abordados:
- Tamanho da Amostra (n): O tamanho da amostra se refere ao número de unidades (indivíduos, elementos, observações) que você coleta em uma pesquisa ou estudo.
- Erro Amostral (ε ou Margem de Erro): O erro amostral, também conhecido como margem de erro, é a variação esperada entre os resultados da amostra e os resultados da população total, devido ao fato de você estar trabalhando com uma amostra em vez de toda a população. Geralmente, o erro amostral é expresso como uma porcentagem e indica a faixa dentro da qual você espera que a verdadeira estimativa populacional esteja. Por exemplo, se você tem uma margem de erro de 3%, significa que o resultado da pesquisa está provavelmente dentro de 3% do resultado que você teria obtido se tivesse pesquisado toda a população.
- Nível de Significância (α): O nível de significância é uma medida usada em testes de hipóteses estatísticas para determinar se os resultados de um experimento ou pesquisa são estatisticamente significativos. É geralmente denotado por "α" e representa a probabilidade de rejeitar a hipótese nula quando ela é verdadeira. Um valor comum para o nível de significância é 0,05 (ou 5%), o que significa que há uma chance de 5% de rejeitar a hipótese nula quando ela é verdadeira.
Quando afirmamos que uma pesquisa possui 95% de confiança com uma margem de erro de 3%, estamos introduzindo dois aspectos cruciais na avaliação da precisão dos resultados obtidos. O nível de confiança, nesse contexto, representa a probabilidade de que, ao repetirmos a mesma pesquisa muitas vezes, cerca de 95 em cada 100 conjuntos de resultados teriam intervalos de confiança que incluiriam o valor real da população. Isso implica que estamos confiantes a um nível estatístico de que a estimativa que calculamos a partir da amostra está próxima do verdadeiro parâmetro populacional.
Por outro lado, a margem de erro de 3% revela o grau de variação que estamos dispostos a aceitar entre os resultados da amostra e a estimativa populacional. Esse valor indica que o intervalo de confiança que construímos em torno da estimativa amostral irá se estender em 3% para cima e 3% para baixo a partir do valor da amostra. Em outras palavras, é uma faixa na qual acreditamos que o valor real da população provavelmente está localizado.
@ você está me dizendo que erro amostral e nível de significância são coisas distintas e não estão relacionados. Então me explique por exemplo, uma pesquisa com um erro amostral de 0% e nível de confiança de 95%. Então, onde foi parar os 5% do nível de significância se não existe erro amostral? Ou seja, se não existe erro na amostra, porque admitir ainda uma significância de 5%?
@@analisecritica8722 O que eu disse é que erro amostral não é complementar ao nível de confiança. Ou seja, somar o erro amostral considerado com o nível de confiança não totaliza em 100% obrigatoriamente. O nível de confiança (normalmente de 95%) é complementar ao nível de significância (normalmente de 5%).
O erro amostral se refere à imprecisão inerente a qualquer pesquisa amostral, devido ao fato de que você está examinando uma parte de uma população maior. Mesmo que você faça uma pesquisa perfeita, com todos os procedimentos corretos, ainda haverá uma variação natural nos resultados quando você extrapolar esses resultados para a população completa. Portanto, o erro amostral é uma medida da incerteza associada a uma amostra.
Por outro lado, o nível de significância está relacionado com testes de hipóteses e a probabilidade de cometer um erro do Tipo I, que é a rejeição incorreta de uma hipótese nula verdadeira. Em um teste de hipóteses com um nível de significância de 5%, você está definindo um limite para a probabilidade de rejeitar a hipótese nula quando ela é verdadeira. Em outras palavras, você está disposto a aceitar uma taxa de erro de 5% ao rejeitar uma hipótese que é verdadeira.
Agora, no exemplo que você mencionou com um erro amostral de 0% e um nível de confiança de 95%, isso é um cenário idealizado. Significa que, na hipotética pesquisa, você está afirmando que sua amostra é perfeitamente representativa da população (erro amostral zero). Eu, particularmente, nunca vi isso na prática, pois sempre haverá algum grau de erro amostral devido à variação natural nos dados e, por isso, assumimos um erro amostral diferente de zero.
Parabéns pelo excelente conteúdo Letícia!! Você tem alguma página no Instagram onde faça publicações sobre esses temas de estatística?
Oi, Patrícia! Muito obrigada! ❤️ Temos essa página: instagram.com/bioinstatistica?
Ela ainda está no início. 😉
Letíciaaaaaa, ficou tudo tão bem feitinho. Não imagino o trabalho que deu pra vc fazer isso tudo. Obrigado. Estou aprendendo muito. Vc tem outras redes sociais?
Ahh, muito obrigada!
Ahh, e tem esse material escrito com práticas no R: raposo.shinyapps.io/EstatisticaComR/
0,004 não seria 0,4%? Não entendo porque diz 4%. Obrigada?
Sim, foi um erro meu. É 0,4%! Obrigada!
@ obrigada vc pelas aulas!