Estimativa de intervalo - Interval estimation
Em estatística , a estimativa de intervalo é o uso de dados de amostra para estimar um intervalo de valores plausíveis de um parâmetro de interesse. Isso está em contraste com a estimativa de ponto , que fornece um valor único.
As formas mais prevalentes de estimativa de intervalo são intervalos de confiança (um método frequentista ) e intervalos confiáveis (um método Bayesiano ); as formas menos comuns incluem intervalos de probabilidade e intervalos fiduciais . Outras formas de intervalos estatísticos incluem intervalos de tolerância (cobrindo uma proporção de uma população amostrada) e intervalos de predição (uma estimativa de uma observação futura, usada principalmente na análise de regressão ).
Os métodos não estatísticos que podem levar a estimativas de intervalo incluem lógica difusa .
Discussão
Os problemas científicos associados à estimativa de intervalo podem ser resumidos da seguinte forma:
-
- Quando as estimativas de intervalo são relatadas, elas devem ter uma interpretação comum na comunidade científica e de forma mais ampla. Nesse sentido, intervalos confiáveis são considerados mais facilmente compreendidos pelo público em geral. As estimativas de intervalo derivadas da lógica difusa têm muito mais significados específicos do aplicativo.
- Para situações de ocorrência comum, deve haver conjuntos de procedimentos padrão que podem ser usados, sujeitos à verificação e validade de quaisquer suposições exigidas. Isso se aplica a intervalos de confiança e intervalos confiáveis.
- Para situações mais novas, deve haver orientação sobre como as estimativas de intervalo podem ser formuladas. A este respeito, os intervalos de confiança e os intervalos de credibilidade têm uma posição semelhante, mas existem diferenças:
- intervalos confiáveis podem lidar prontamente com informações anteriores, enquanto intervalos de confiança não.
- os intervalos de confiança são mais flexíveis e podem ser usados praticamente em mais situações do que os intervalos confiáveis: uma área em que os intervalos confiáveis sofrem em comparação é ao lidar com modelos não paramétricos (ver estatísticas não paramétricas ).
- Deve haver maneiras de testar o desempenho dos procedimentos de estimativa de intervalo. Isso ocorre porque muitos desses procedimentos envolvem aproximações de vários tipos e há uma necessidade de verificar se o desempenho real de um procedimento está próximo do que é reivindicado. O uso de simulações estocásticas torna isso simples no caso de intervalos de confiança, mas é um pouco mais problemático para intervalos confiáveis em que as informações anteriores precisam ser devidamente consideradas. A verificação de intervalos confiáveis pode ser feita para situações que representam nenhuma informação prévia, mas a verificação envolve a verificação das propriedades de frequência de longo prazo dos procedimentos.
Severini (1991) discute as condições sob as quais intervalos de confiança e intervalos de confiança produzirão resultados semelhantes, e também discute as probabilidades de cobertura de intervalos de confiança e as probabilidades posteriores associadas a intervalos de confiança.
Na teoria da decisão , que é uma abordagem comum e uma justificativa para as estatísticas Bayesianas, a estimativa de intervalo não é de interesse direto. O resultado é uma decisão, não uma estimativa de intervalo e, portanto, os teóricos da decisão bayesiana usam uma ação de Bayes : eles minimizam a perda esperada de uma função de perda com respeito a toda a distribuição posterior, não um intervalo específico.
Veja também
- Regra 68-95-99,7
- Inferência algorítmica
- Probabilidade de cobertura
- Estatísticas de estimativa
- Indução (filosofia)
- Comparações múltiplas
- Filosofia da Estatística
- Inferência preditiva
- Problema de Behrens-Fisher Isso desempenhou um papel importante no desenvolvimento da teoria por trás das metodologias estatísticas aplicáveis.
Referências
Bibliografia
- Kendall, MG e Stuart, A. (1973). A Teoria Avançada da Estatística. Vol 2: Inferência e Relacionamento (3ª Edição). Griffin, Londres.
- No Capítulo 20 acima cobre intervalos de confiança, enquanto o Capítulo 21 cobre intervalos fiduciais e intervalos bayesianos e tem uma discussão comparando as três abordagens. Observe que este trabalho é anterior a metodologias modernas de computação intensiva. Além disso, o Capítulo 21 discute o problema Behrens-Fisher.
- Meeker, WQ, Hahn, GJ e Escobar, LA (2017). Intervalos estatísticos: um guia para profissionais e pesquisadores (2ª edição). John Wiley & Sons.