Se você já recebeu um relatório de análise estatística, provavelmente viu algo como: “média = 42,3; IC 95%: 38,7 a 45,9”. O intervalo de confiança aparece em tabelas descritivas, comparações entre grupos, regressões e estimativas epidemiológicas. Mas o que esse intervalo está dizendo, de fato?
A resposta correta é mais sutil do que parece. O intervalo de confiança não é apenas um detalhe técnico ao lado do p-valor. Ele é uma forma de mostrar a estimativa e a incerteza associada a ela. Em muitos casos, ajuda mais na interpretação do resultado do que a simples informação de que o p-valor ficou abaixo ou acima de 0,05.
Estimativa pontual e intervalo: qual é a diferença?
Uma estimativa pontual resume o resultado em um único número: uma média, uma diferença entre médias, uma proporção, um coeficiente de regressão, uma razão de chances. Esse número é útil, mas incompleto. Ele foi calculado a partir de uma amostra e, portanto, está sujeito à variabilidade amostral.
O intervalo de confiança acrescenta essa dimensão de incerteza. Em vez de apresentar apenas a estimativa, ele mostra uma faixa de valores plausíveis para o parâmetro, de acordo com os dados, o modelo e o procedimento estatístico adotado. Por isso, ele ajuda a avaliar não apenas a direção do resultado, mas também a sua precisão.
A interpretação errada que todo mundo dá
A interpretação mais comum é: “há 95% de probabilidade de a média verdadeira estar entre 38,7 e 45,9”. Essa frase soa razoável. O problema é que, na interpretação frequentista clássica, ela não está correta.
O parâmetro populacional que estamos tentando estimar tem um valor fixo, ainda que desconhecido. Ele não muda depois que a amostra foi coletada. O que varia de uma amostra para outra é o intervalo calculado. Por isso, a confiança de 95% se refere ao procedimento usado para construir intervalos, não a uma probabilidade posterior atribuída ao parâmetro específico depois que o intervalo foi observado.
A interpretação correta: o que é um IC de 95%?
Em termos frequentistas, se o mesmo procedimento fosse repetido muitas vezes sob as mesmas condições, cerca de 95% dos intervalos construídos dessa forma conteriam o parâmetro populacional. Na prática aplicada, o intervalo observado é usado como uma forma de expressar a incerteza da estimativa.
Isso não significa que o leitor precise transformar o artigo em uma aula de filosofia da estatística. A mensagem aplicada é: um intervalo de confiança mostra uma faixa de valores compatíveis com os dados e o método usado. Quanto mais estreito o intervalo, maior a precisão da estimativa, desde que os pressupostos e o desenho do estudo sejam adequados.
Por que o intervalo é mais informativo do que o p-valor isolado
O p-valor informa a compatibilidade dos dados com uma hipótese nula específica. O intervalo de confiança comunica algo adicional: direção, magnitude e precisão da estimativa.
Considere um estudo que compara dois tratamentos usando uma escala de qualidade de vida de 0 a 100, em que valores maiores indicam melhor resultado. Três resultados hipotéticos poderiam aparecer assim:
- Resultado A: diferença média = 15 pontos; IC 95%: 13 a 17.
- Resultado B: diferença média = 15 pontos; IC 95%: 1 a 29.
- Resultado C: diferença média = 2 pontos; IC 95%: 1 a 3.
Nos resultados A e B, a estimativa pontual é a mesma, mas a interpretação não é. O resultado A é mais preciso; o resultado B sugere maior incerteza. Já o resultado C pode ser estatisticamente detectável, mas talvez tenha pouca relevância prática, dependendo do que uma diferença de 2 pontos representa naquela escala.
O que determina a largura do intervalo?
A largura do intervalo de confiança depende principalmente da variabilidade dos dados, do tamanho da amostra e do nível de confiança escolhido. Amostras maiores tendem a produzir estimativas mais precisas, desde que a coleta seja adequada. Dados muito variáveis tendem a gerar intervalos mais largos. Níveis de confiança mais altos, como 99%, produzem intervalos mais amplos do que 95%.
Essa relação é importante para a interpretação. Um intervalo estreito sugere estimativa mais precisa; um intervalo largo sugere maior incerteza. Mas precisão não é sinônimo de validade. Uma amostra grande, porém enviesada, pode produzir um intervalo estreito em torno de uma estimativa pouco confiável.
IC de 95% e IC de 99%: o custo da maior confiança
Aumentar o nível de confiança amplia o intervalo. Isso acontece porque, para que o procedimento capture o parâmetro em uma proporção maior de repetições hipotéticas, é necessário aceitar uma faixa mais larga de valores compatíveis.
Por isso, o IC de 99% geralmente é mais conservador do que o IC de 95%, mas também menos preciso no sentido de apresentar uma faixa maior. A escolha entre níveis de confiança deve fazer sentido para o campo de aplicação, o objetivo do estudo e as convenções metodológicas da área.
Como o intervalo de confiança se relaciona com o p-valor
Em muitos testes bilaterais, há uma relação direta entre intervalo de confiança e p-valor. Por exemplo, se um intervalo de confiança de 95% para a diferença entre médias não inclui zero, isso costuma corresponder a um p-valor menor que 0,05 para o teste da hipótese de diferença igual a zero, dentro do mesmo modelo.
Mas o intervalo entrega mais informação. Saber que o intervalo vai de 0,2 a 0,4 é diferente de saber que vai de 0,01 a 2,5, mesmo que ambos excluam zero. O primeiro sugere maior precisão; o segundo aponta para uma incerteza muito maior sobre a magnitude do efeito. Por isso, o intervalo de confiança complementa a interpretação do p-valor.
Como reportar IC em TCC, dissertação, tese ou artigo
Ao reportar resultados, procure apresentar a estimativa pontual acompanhada do intervalo de confiança e, quando pertinente, do p-valor. Por exemplo: “a diferença média entre os grupos foi de 4,2 pontos; IC 95%: 1,1 a 7,3; p = 0,008”.
Depois, interprete o resultado no contexto do estudo. A estimativa é grande o suficiente para ser relevante? O intervalo é estreito ou amplo? O intervalo inclui valores que mudariam a conclusão prática? O desenho do estudo permite falar apenas em associação ou sustenta uma interpretação causal?
Conclusão
O intervalo de confiança não é apenas um complemento decorativo ao resultado. Ele mostra a incerteza da estimativa e ajuda a interpretar magnitude, direção e precisão. Em muitos trabalhos, olhar para o intervalo evita conclusões apressadas baseadas apenas em significância estatística.
Estatística bem feita não termina quando o software gera uma tabela. Ela termina quando o pesquisador entende o que pode — e o que não pode — concluir a partir daquela estimativa, daquele intervalo e daquele desenho de estudo.