Na semana passada, eu fui perguntar do professor Gustavo sobre uns cálculos relacionados a um modelo que estou tentando ajustar. Acabei ficando para a aula do primeiro semestre do mestrado/doutorado.
A aula era sobre intervalos de confiança. E um dos pontos principais deste assunto é a interpretação do intervalo de confiança. A interpretação (frequentista) correta é que, sob amostragem repetida, 95% dos intervalos de confiança cobrem o parâmetro populacional. Ou seja: não é uma afirmação sobre o intervalo em si, mas sobre o método de construção do intervalo.
Voltei de Southampton no dia 26/5. Mas, no domingo seguinte, viajei até o Peru para a “SAE-Peru”, uma conferência que teve muitos trabalhos interessantes sobre estimação em pequenas áreas.
Como vocês podem ter notado, eu ando meio low-profile sumido por aqui. Do ano passado pra cá, também trabalhei em outras coisas, incluindo a nova versão da convey, já no CRAN. Anthony e eu trabalhamos um bocado nisso nos meses em que ele estava de visita no Rio.
13/03/2024: O Anthony me lembrou que o site do Federal Reserve (Banco Central dos Estados Unidos) agora têm uma referência para o nosso “livro/site”!
Aviso: Esse exemplo é discutido na aula sobre Métodos de Monte Carlo em Populações Finitas, elaborada ao longo do meu estágio de docência em Estatística Computacional 2.
Um dos resultados teóricos com maior resultado prático é o Teorema Central do Limite. Ele fundamenta a aproximação da distribuição (assintótica) de um estimador pela distribuição normal, sendo a base da construção dos intervalos de confiança “tradicionais”. Em linhas gerais, a interpretação usual é que quanto maior \(n\) — o tamanho da amostra —, melhor é a aproximação pela distribuição normal.