IC para Correlação (Transformação z de Fisher)
Calcula o intervalo de confiança para um coeficiente de correlação usando a transformação z de Fisher. A distribuição amostral do r é torta, sobretudo perto de −1 ou +1, o que impede aplicar a margem simétrica usual. Fisher resolveu isso com uma transformação que torna a distribuição aproximadamente normal; constrói-se o intervalo nessa escala e depois volta-se para r. O resultado é um intervalo assimétrico, mais estreito do lado próximo dos extremos. Informe o coeficiente r e o tamanho da amostra.
Resultado
—
IC para Correlação (Transformação z de Fisher)
Calcula o intervalo de confiança para um coeficiente de correlação usando a transformação z de Fisher. A distribuição amostral do r é torta, sobretudo perto de −1 ou +1, o que impede aplicar a margem simétrica usual. Fisher resolveu isso com uma transformação que torna a distribuição aproximadamente normal; constrói-se o intervalo nessa escala e depois volta-se para r. O resultado é um intervalo assimétrico, mais estreito do lado próximo dos extremos. Informe o coeficiente r e o tamanho da amostra.
Uma faixa de confiança para o coeficiente r
Reportar um coeficiente de correlação como um número seco esconde a incerteza por trás dele. Como qualquer estimativa amostral, o r tem uma margem de erro, e um intervalo de confiança a torna explícita. O problema é que a distribuição do r é torta, o que impede usar a margem simétrica de sempre, sobretudo quando a correlação é forte.
A solução veio de Fisher, com uma transformação engenhosa. Aplicando a função arco-tangente hiperbólica ao r, sua distribuição vira aproximadamente normal, com um erro padrão que depende apenas do tamanho da amostra. Constrói-se o intervalo nessa escala bem-comportada e, no fim, desfaz-se a transformação para voltar à escala original do coeficiente.
Informe o coeficiente de correlação e o tamanho da amostra. A ferramenta devolve os limites do intervalo de confiança para o r populacional. Note que ele é assimétrico: o lado voltado para os extremos, perto de menos um ou mais um, fica mais comprimido, exatamente o comportamento que a transformação de Fisher captura e a margem simétrica ingênua erraria.
Ferramentas Relacionadas
IC para a Razão de Duas Variâncias
Calcula o intervalo de confiança para a razão entre as variâncias de duas populações normais, σ₁²/σ₂². Em vez de só testar se as variâncias diferem, ele dá uma faixa plausível para quantas vezes uma é maior que a outra. Se o intervalo contém o número 1, não há evidência de que as dispersões sejam diferentes. O cálculo usa a distribuição F, e por ela ser assimétrica, os limites vêm de quantis F com os graus de liberdade trocados. Informe as duas amostras e o nível de confiança.
Intervalo de Wilson (Proporção)
Calcula o intervalo de confiança de Wilson para uma proporção, a alternativa moderna ao intervalo de Wald (a fórmula p̂ ± z·EP que se aprende primeiro). O intervalo de Wald falha feio com amostras pequenas ou proporções perto de 0 ou 1 — chega a produzir limites negativos. O de Wilson resolve isso invertendo o teste de escore, o que o mantém dentro de [0, 1] e com cobertura muito melhor. É o intervalo recomendado para proporções. Informe os sucessos, o total e o nível de confiança.
Intervalo de Agresti-Coull (Proporção)
Calcula o intervalo de confiança de Agresti-Coull para uma proporção, um meio-termo elegante entre a simplicidade do intervalo de Wald e a precisão do de Wilson. A ideia, quase folclórica, é adicionar alguns sucessos e fracassos fictícios à amostra antes de aplicar a fórmula de Wald — o que conserta o péssimo comportamento do Wald em amostras pequenas ou proporções extremas. Para 95% de confiança, é como acrescentar dois sucessos e dois fracassos. Informe os sucessos, o total e a confiança.
Os resultados desta ferramenta têm caráter apenas informativo e educativo e não constituem aconselhamento profissional, financeiro, médico, jurídico, tributário ou contábil. Confirme decisões importantes com um profissional qualificado e fontes oficiais.