Consideremos duas amostras aleatórias, X1, X2, ..., Xn1 de tamanho n1 e Y1, Y2, ..., Yn2 de tamanho n2, ambas com distribuição Normal e médias μ1, μ2 e variâncias σ12, σ22, respectivamente. Assim,
![]() |
Daí, temos que,
![]() |
o que implica que
![]() |
Consideremos que a probabilidade da variável Z tomar valores entre
e
é (1 - α). Observando a equação
![]() |
vemos que podemos substituir Z pela expressão acima e assim obtemos
![]() |
Reescrevendo esta desigualdade, obtemos o intervalo de confiança para a diferença das médias μ1 - μ2,
![]() |
e podemos afirmar que se pudéssemos construir uma quantidade grande de intervalos
, todos baseados em amostras de tamanho n, 100(1-α)% deles conteriam a média populacional.

![\[\overline{X}\sim N\left(\mu_1,\frac{\sigma_1^2}{n_1}\right) \ \hbox{e} \ \overline{Y}\sim N\left(\mu_2,\frac{\sigma_2^2}{n_2}\right).\]](/sites/default/files/tex/034110162186f7704b3e2b020ed5a5f9afbd10c8.png)
![\[\overline{X}-\overline{Y}\sim N\left(\mu_1-\mu_2,\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}\right)\]](/sites/default/files/tex/bda9189b9661f5181c7dcfc39b0e333807ffddfa.png)
![\[Z=\frac{(\overline{X}-\overline{Y})-(\mu_1-\mu_2)}{\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}}\sim N(0,1).\]](/sites/default/files/tex/465f7b9357c84660621c345b50b058f19cd3adea.png)
![\[-Z_{\alpha/2}\leq Z\leq Z_{\alpha/2}\]](/sites/default/files/tex/836aa66c6263332a286a402c5755679a616acc91.png)
![\[-Z_{\alpha/2}\leq\frac{\overline{X}-\overline{Y}-(\mu_1-\mu_2)}{\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}}\leq Z_{\alpha/2}.\]](/sites/default/files/tex/baef80b9d3e9bbd201e34ccd07a2a250dbb433a3.png)
![\[IC(\mu_1-\mu_2,1-\alpha)=\left((\overline{X}-\overline{Y})-Z_{\alpha/2}\left(\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}\right);(\overline{X}-\overline{Y})+Z_{\alpha/2}\left(\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}\right)\right)\]](/sites/default/files/tex/f646de1adec15f4dc992e7feb95b0cd44f7384bc.png)