A Confidence Interval for the Slope · Um Intervalo de Confiança para a Inclinação
The LINER conditions
- Inference about a slope needs five conditions — remember LINER:
- Linear (the true relationship is linear) · Independent observations.
- Normal (responses vary normally around the line) · Equal SD (constant scatter across $x$).
- Random (data from a random sample or experiment). Residual plots help check L, N, E.
As condições LINER
- A inferência sobre uma inclinação precisa de cinco condições — lembre-se de LINER:
- Linear (a verdadeira relação é linear) · Independente (observações independentes).
- Normalidade (as respostas variam normalmente em torno da linha) · Equal SD (dispersão constante ao longo de $x$).
- Random (aleatório) (dados de uma amostra aleatória ou experimento). Gráficos de resíduos ajudam a verificar L, N, E.
Read the computer output
- Slope inference almost always starts from computer output.
- Find the row for the explanatory variable: its estimate is the slope $b$.
- The next column is the standard error $SE_b$.
- Output also reports a $t$ statistic and p-value — but first we build an interval.
Ler a saída do computador
- A inferência de inclinação quase sempre começa com saída de computador.
- Encontre a linha da variável explicativa: sua estimativa é a inclinação $b$.
- A próxima coluna é o erro padrão $SE_b$.
- A saída também relata uma estatística $t$ e valor-p — mas primeiro construímos um intervalo.
Build the t-interval
- The slope interval is estimate $\pm$ margin of error:
-
$$b \pm t^{*}\, SE_b$$
- Use the $t$-distribution with $df = n - 2$ (two estimated: slope and intercept).
- $t^{*}$ comes from that $df$ at your confidence level.
Construir o intervalo t
- O intervalo de inclinação é estimativa $\pm$ margem de erro:
-
$$b \pm t^{*}\, SE_b$$
- Use a distribuição $t$ com $df = n - 2$ (duas estimativas: inclinação e intercepto).
- $t^{*}$ vem dessa $df$ no seu nível de confiança.
Interpret in context
- "We're $95\%$ confident the true slope $\beta$ is between the endpoints."
- Say what the slope means: the predicted change in $y$ per one-unit increase in $x$.
- Name the real variables and units.
- The interval is a range of plausible values for $\beta$.
Interpretar no contexto
- "Temos $95\%$ de certeza que a verdadeira inclinação $\beta$ está entre os extremos."
- Diga o que a inclinação significa: a mudança prevista em $y$ por aumento de uma unidade em $x$.
- Nomeie as variáveis reais e as unidades.
- O intervalo é uma faixa de valores plausíveis para $\beta$.
Slope inference uses $df = n - 2$, not $n - 1$. Two parameters are estimated (slope and intercept), so you lose two degrees of freedom. Read $b$ and $SE_b$ straight from the output — don't recompute them — and remember the interval is $b \pm t^{*}SE_b$, the same estimate-$\pm$-margin form as every other $t$-interval.
A inferência da inclinação usa $df = n - 2$, não $n - 1$. Dois parâmetros são estimados (inclinação e intercepto), então você perde dois graus de liberdade. Leia $b$ e $SE_b$ diretamente na saída — não os recompute — e lembre-se de que o intervalo é $b \pm t^{*}SE_b$, a mesma forma estimativa-$\pm$-margem de erro de qualquer outro $t$-intervalo.
Output: slope $b = 4.2$, $SE_b = 1.0$, $n = 20$. Build a $95\%$ interval. ($df = 18$, $t^{*} \approx 2.10$.)
- Margin of error: $2.10 \times 1.0 = 2.10$.
- Interval: $4.2 \pm 2.10 = (2.1,\ 6.3)$.
- Interpret: we're $95\%$ confident each extra hour predicts between $2.1$ and $6.3$ more points.
Saída: inclinação $b = 4.2$, $SE_b = 1.0$, $n = 20$. Construa um intervalo $95\%$. ($df = 18$, $t^{*} \approx 2.10$.)
- Margem de erro: $2.10 \times 1.0 = 2.10$.
- Intervalo: $4.2 \pm 2.10 = (2.1,\ 6.3)$.
- Interprete: temos $95\%$ de certeza que cada hora extra prevê entre $2.1$ e $6.3$ pontos a mais.
After the LINER conditions, read $b$ and $SE_b$ from the output and build a slope $t$-interval $b \pm t^{*}\,SE_b$ using $df = n - 2$. Interpret it in context — a range of plausible values for the true slope $\beta$ (the predicted change in $y$ per unit $x$).
Após as condições do LINER, leia $b$ e $SE_b$ da saída e construa um intervalo de inclinação $t$ $b \pm t^{*}\,SE_b$ usando $df = n - 2$. Interprete-o no contexto — uma faixa de valores plausíveis para a verdadeira inclinação $\beta$ (a mudança prevista em $y$ por unidade $x$).
The fitted slope and its uncertainty · A inclinação ajustada e sua incerteza
The interval b ± t*·SE_b gives plausible values for the true slope. · O intervalo b ± t*·SE_b dá valores plausíveis para a verdadeira inclinação.
For slope inference with n = 20, what are the degrees of freedom (n − 2)? · Para inferência de inclinação com n = 20, quais são os graus de liberdade (n − 2)?
df = n − 2 = 18 (slope and intercept estimated). · df = n − 2 = 18 (inclinação e intercepto estimados).
b = 4.2, SE_b = 1.0, t* = 2.10. Find the margin of error t*·SE_b. · b = 4.2, SE_b = 1.0, t* = 2.10. Encontre a margem de erro t*·SE_b.
2.10 × 1.0 = 2.10.
In computer regression output, the slope b is found in the column labeled... · Em saída de regressão computacional, a inclinação b é encontrada na coluna rotulada...
The explanatory variable's estimate is the slope. · A estimativa da variável explicativa é a inclinação.
Slope inference uses n − 1 degrees of freedom. · A inferência de inclinação usa n − 1 graus de liberdade.
It's n − 2 — two parameters (slope and intercept) are estimated. · É n − 2 — dois parâmetros (inclinação e intercepto) são estimados.
The mnemonic for the five slope-inference conditions is ___ (five letters). · O mnemônico para as cinco condições de inferência de inclinação é ___ (cinco letras).
Linear, Independent, Normal, Equal SD, Random. · Linear, Independente, Normal, Desvio Padrão Igual, Aleatório.