Η σύντομη απάντηση
Ένα διάστημα εμπιστοσύνης είναι ένα εύρος που βασίζεται σε ένα δείγμα στατιστικής που είναι πιθανό να περιέχει την πραγματική τιμή πληθυσμού: διάστημα = εκτίμηση σημείου ± (κρίσιμη τιμή × τυπικό σφάλμα). Ένα διάστημα εμπιστοσύνης 95% σημαίνει ότι αν επαναλάβατε τη διαδικασία δειγματοληψίας πολλές φορές, περίπου το 95% των διαστημάτων που θα δημιουργήσατε θα περιέχει την πραγματική παράμετρο πληθυσμού — όχι ότι υπάρχει πιθανότητα 95% η πραγματική τιμή να βρίσκεται μέσα σε αυτό το συγκεκριμένο διάστημα.
Βασικά φαγητά
- A wider confidence level (99% vs. 90%) always produces a wider interval — you're trading precision for certainty, not getting a "more correct" answer.
- Χρησιμοποιήστε την κατανομή z όταν η τυπική απόκλιση του πληθυσμού είναι γνωστή ή το δείγμα είναι μεγάλο (n ≥ 30). χρησιμοποιήστε την κατανομή t όταν το σ εκτιμάται από ένα μικρό δείγμα.
- Ο τετραπλασιασμός του μεγέθους του δείγματος μειώνει μόνο στο μισό το περιθώριο σφάλματος, καθώς το τυπικό σφάλμα συρρικνώνεται με την τετραγωνική ρίζα του n, όχι με το ίδιο το n.
- "95% confidence" describes the long-run reliability of the method across repeated sampling, not the probability that this specific interval contains the true value.
Ο τύπος του διαστήματος εμπιστοσύνης
Mean (σ known): CI = x̄ ± z × (σ / √n)
Αναλογία: CI = p̂ ± z × √(p̂(1 − p̂) / n)
| Επίπεδο αυτοπεποίθησης | z κρίσιμη τιμή |
|---|---|
| 90% | 1.645 |
| 95% | 1.96 |
| 99% | 2.576 |
z έναντι t: ποια κρίσιμη τιμή να χρησιμοποιηθεί
| Κατάσταση | Χρήση | Γιατί |
|---|---|---|
| σ γνωστό, οποιοδήποτε μέγεθος δείγματος | z | Η τυπική κανονική κατανομή ισχύει ακριβώς |
| σ unknown, n ≥ 30 | z (περίπου.) | Τα μεγάλα δείγματα καθιστούν το t σχεδόν πανομοιότυπο με το z |
| σ unknown, n < 30 | t | Οι παχύτερες ουρές ευθύνονται για επιπλέον αβεβαιότητα στην εκτίμηση του σ |
Παράδειγμα εργασίας: 95% διάστημα για ένα μέσο δείγμα
Μέσος όρος δείγματος x̄ = 50,5, μέγεθος δείγματος n = 100, τυπική απόκλιση σ = 10,5, επίπεδο εμπιστοσύνης = 95%.
Τυπικό σφάλμα = σ / √n = 10,5 / √100 = 1,05
Περιθώριο σφάλματος = 1,96 × 1,05 ≈ 2,06
95% CI = 50,5 ± 2,06 = [48,44, 52,56]
Θα λέγαμε ότι είμαστε 95% σίγουροι ότι ο πραγματικός μέσος όρος πληθυσμού πέφτει μεταξύ 48,44 και 52,56 — που σημαίνει ότι αυτή η μέθοδος καταγράφει τον πραγματικό μέσο όρο σε περίπου 95% των δειγμάτων που έχουν ληφθεί με τον ίδιο τρόπο, όχι ότι αυτό το συγκεκριμένο διάστημα έχει 95% πιθανότητα να είναι σωστό.
Συνήθη λάθη που πρέπει να αποφεύγονται
- Interpreting "95% confidence" as "95% probability the true value is in this interval" — it's a statement about the long-run method, not this one computed interval.
- Χρησιμοποιώντας το z όταν το δείγμα είναι μικρό και το σ είναι άγνωστο — οι παχύτερες ουρές της κατανομής t υπάρχουν ειδικά για να εξηγήσουν αυτήν την επιπλέον αβεβαιότητα.
- Υποθέτοντας ότι ο διπλασιασμός του μεγέθους του δείγματος μειώνει κατά το ήμισυ το περιθώριο σφάλματος — στην πραγματικότητα χρειάζεται τετραπλασιασμός n για να μειωθεί στο μισό το περιθώριο, αφού το τυπικό σφάλμα συρρικνώνεται με √n.
- Τα διαστήματα εμπιστοσύνης αναλογίας λήθης χρειάζονται p μεταξύ 0 και 1 και μπορεί να συμπεριφέρονται άσχημα κοντά στο 0 ή το 1 με μικρά δείγματα.
Σχετικές αριθμομηχανές
- Υπολογιστής τυπικής απόκλισης — υπολογίστε το σ από ακατέργαστα δεδομένα πριν δημιουργήσετε ένα διάστημα γύρω από αυτό.
- Υπολογιστής μεγέθους δείγματος — εργαστείτε προς τα πίσω από ένα περιθώριο σφάλματος στόχου στο μέγεθος δείγματος που χρειάζεστε.
- Αριθμομηχανή Z-Score — ελέγξτε πού εμπίπτει ένα μεμονωμένο σημείο δεδομένων σε σχέση με αυτήν την κατανομή.
- Αριθμομηχανή P-Value — ελέγξτε μια συγκεκριμένη υπόθεση αντί να εκτιμήσετε ένα εύρος.