วิธีใช้งาน
- เลือกค่าเฉลี่ยหรือสัดส่วน
- ค่าเฉลี่ย: กรอกค่าเฉลี่ย SD และ n หรือวางข้อมูลดิบ สัดส่วน: กรอกจำนวนความสำเร็จและขนาดตัวอย่าง
- เลือกระดับความเชื่อมั่นแล้วอ่านช่วง
คำอธิบายตัวเลือก
- ค่าเฉลี่ย
- ค่าเฉลี่ย ± t × SD ÷ √n ถ้าทราบ σ ของประชากรจะใช้ z แทน t
- สัดส่วน
- ช่วงแบบ Wilson แม่นกว่า Wald (p ± z√(p(1−p)/n)) มากเมื่อตัวอย่างเล็กหรือสัดส่วนใกล้ 0 หรือ 100% จึงเป็นแบบที่แนะนำ
ตัวอย่างการคำนวณ
ตัวอย่าง n = 25 มีค่าเฉลี่ย 50 และ SD 10 ความคลาดเคลื่อนมาตรฐานคือ 10 ÷ √25 = 2 และค่า t ที่องศาอิสระ 24 คือ 2.0639 ที่ 95%:
margin = 2.0639 × 2 = 4.128
95% CI = 50 ± 4.128 = 45.87 to 54.13
99% CI: t = 2.7969, margin 5.594, so 44.41 to 55.59
ระดับความเชื่อมั่นที่สูงขึ้นให้ช่วงที่กว้างขึ้น
ทำไมใช้ Wilson สำหรับสัดส่วน
สำหรับความสำเร็จ 8 ครั้งจาก 20 (p = 0.40) ช่วงแบบ Wald คือ 18.5% ถึง 61.5% และช่วงแบบ Wilson คือ 21.9% ถึง 61.3% ความแตกต่างจะมากขึ้นที่ค่าสุดขั้ว คือ 0 จาก 20 ให้ช่วง Wald เป็น 0% ถึง 0% พอดี ซึ่งหมายถึงไม่มีความไม่แน่นอนเลย ขณะที่ Wilson ให้ 0% ถึง 16.1%
Wilson centre = (p + z²/(2n)) ÷ (1 + z²/n)
half-width = z × √(p(1−p)/n + z²/(4n²)) ÷ (1 + z²/n)
คำถามที่พบบ่อย
ช่วงความเชื่อมั่น 95% หมายความว่าอย่างไร
ถ้าสุ่มตัวอย่างซ้ำหลาย ๆ ครั้ง ช่วงที่ได้ประมาณ 95% จะครอบคลุมค่าจริง ไม่ได้หมายความว่าช่วงนี้โดยเฉพาะมีโอกาส 95% ที่จะครอบคลุมค่าจริง
ควรใช้ z แทน t เมื่อไร
ใช้ t เสมอ เว้นแต่คุณทราบส่วนเบี่ยงเบนมาตรฐานของประชากรจริง ๆ
ข้อมูลถูกอัปโหลดหรือไม่
ไม่ การคำนวณทำในเบราว์เซอร์ของคุณ
ความเป็นส่วนตัว
เครื่องมือนี้ทำงานในเบราว์เซอร์ของคุณทั้งหมด ไฟล์และข้อความของคุณได้รับการประมวลผลบนอุปกรณ์ของคุณ และจะไม่ถูกอัปโหลดไปยังเซิร์ฟเวอร์ของเรา