Confidence Interval Estimation (การประมาณช่วงความเชื่อมั่น)

Slides:



Advertisements
งานนำเสนอที่คล้ายกัน
Analyze → Compare Means → Paired-Sample T test…
Advertisements

การใช้โปรแกรม SPSS ในการตรวจสอบการแจกแจงของข้อมูล
บทที่ 6 การชักตัวอย่างเพื่อการยอมรับ
บทที่ 7 แผนการสุ่มตัวอย่างเพื่อการยอมรับ

การสุ่มงาน(Work Sampling)
เป็นการศึกษาผลต่างของประชากรสองกลุ่ม ซึ่งประชากรทั้งสองกลุ่มต้องเป็นอิสระต่อกัน หรือไม่มีความสัมพันธ์กันโดยการกำหนดสมมติฐานในการทดสอบเป็นดังนี้
การทดสอบสมมติฐาน (Hypothesis Testing)
การทดสอบสมมติฐานเกี่ยวกับ ค่าเฉลี่ยประชากร 1 กลุ่ม
ประชากร (Population) จำนวน N สุ่ม (Random) กลุ่มตัวอย่าง (Sample)
การทดสอบสมมติฐานสัดส่วนของประชากร
ความน่าจะเป็น Probability.
ไม่อิงพารามิเตอร์เบื้องต้น
สถิติ และ การวิเคราะห์ข้อมูล
ความเสี่ยงและอัตราผลตอบแทน
บทที่ 12 การวิเคราะห์การถดถอย
การวิเคราะห์ค่าเฉลี่ยของประชากร
Sampling Distribution
การประมาณค่า (Estimation)
การออกแบบการวิจัยการเขียนเค้าโครงการวิจัย
สถิติที่ใช้ในการวิจัย
การเลือกตัวอย่าง อ.สมพงษ์ พันธุรัตน์.
Chapter 4: Special Probability Distributions and Densities
Chapter 6: Sampling Distributions
Chapter 7: Point Estimation
Chapter 8: Interval Estimation
Chapter 9: Hypothesis Testing : Theory
Chapter 10: Hypothesis Testing: Application
การวิเคราะห์ข้อมูลโดยสถิติเชิงพรรณนา (Descriptive Statistics)
Probability & Statistics
Probability & Statistics
การประมาณค่าพารามิเตอร์และ ขนาดของตัวอย่าง
การประมาณค่าทางสถิติ
คณะครุศาสตร์อุตสาหกรรม สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง
การตรวจสอบข้อมูลทางอุทกวิทยา
การคำนวณค่าสถิติเบื้องต้น … สถิติเชิงพรรณนา
CFA Analysis by LISREL 1.คลิก File 2. คลิก Open 3. คลิกเลือก File
Decision Limit & Detection Capability.
Menu Analyze > Correlate
(Applications of Derivatives)
สถิติเชิงสรุปอ้างอิง(Inferential or Inductive Statistics)
การออกแบบการสุ่มตัวอย่าง (sampling design)
บทที่ 5 แผนภูมิควบคุมสำหรับคุณลักษณะ
บทที่ 4 ผลตอบแทนและความเสี่ยง (1)
การทดสอบสมมติฐาน
สำนักงานสถิติแห่งชาติ กระทรวงเทคโนโลยีสารสนเทศและการสื่อสาร
CPE 332 Computer Engineering Mathematics II
การแจกแจงปกติ ครูสหรัฐ สีมานนท์.
ครูสหรัฐ สีมานนท์. หัวข้อ การศึกษา 2. การประยุกต์พื้นที่ ภายใต้โค้งปกติ 1. พื้นที่ภายใต้โค้ง ปกติ
การวัดการกระจาย (Measures of Dispersion)
การทดสอบความแปรปรวน ANOVA
น.ท.หญิง วัชราพร เชยสุวรรณ วิทยาลัยพยาบาลกองทัพเรือ
สถิติเบื้องต้นสำหรับงานระบาดวิทยา Statistics for Epidemiology
วิธีสายงานวิกฤต Critical Path Method แบบ Activity on Node.
การแจกแจงปกติ NORMAL DISTRIBUTION
การแจกแจงปกติ.
การสุ่มตัวอย่างและการแจกแจงกลุ่มตัวอย่าง
วิจัย (Research) คือ อะไร
บทที่ 9 สถิติที่ใช้ในการประเมินผล
หลักสูตรอบรม การวัดประสิทธิภาพและผลิตภาพของการผลิตสินค้าเกษตร
Lot By Lot Acceptance Sampling
แนวทางการนำเสนอข้อมูลจากการวิเคราะห์ โดยใช้ Logistic Regression
การทดสอบค่าเฉลี่ยประชากร
บทที่ 4 การวัดการกระจาย
Chi-Square Test การทดสอบไคสแควร์ 12.
คะแนนมาตรฐาน และ โค้งปกติ
บทที่ 7 การทดสอบค่าเฉลี่ยของ ประชากร. การทดสอบค่าเฉลี่ย 1 ประชากร ไม่ทราบค่าความแปรปรวนของประชากร ( ) สถิติที่ใช้ในการทดสอบ คือ t = d.f = n-1.
การทดสอบค่าเฉลี่ยประชากร 2 ประชากร
การแจกแจงความน่าจะเป็นแบบต่อเนื่องต่าง ๆ
The Hypergeometric Distribution
ใบสำเนางานนำเสนอ:

Confidence Interval Estimation (การประมาณช่วงความเชื่อมั่น)

Confidence Intervals เนื้อหาของการประมาณค่าแบบช่วง ช่วงความเชื่อมั่นของประชากร (Population Mean, μ) เมื่อ Population Standard Deviation σ is Known เมื่อ Population Standard Deviation σ is Unknown ช่วงความเชื่อมั่นของสัดส่วนประชากร (Population Proportion, p) คำนวณขนาดตัวอย่างที่ต้องการ (Sample Size, n) ได้

Point and Interval Estimates point estimate แสดงได้ด้วยตัวสถิติตัวเดียว confidence interval ระบุช่วงของพารามิเตอร์ซึ่งประมาณจากความผันแปรตามธรรมชาติ Upper Confidence Limit Lower Confidence Limit Point Estimate Width of confidence interval

Population Parameter … Point Estimates Population Parameter … ตัวประมาณค่า (a Point Estimate) μ X Mean p Proportion ps

Point Estimate  (Critical Value)(Standard Error) General Formula สูตรทั่วไปของการประมาณค่าแบบช่วง Point Estimate  (Critical Value)(Standard Error)

Confidence Level, (1-) ถ้า confidence level = 95% (continued) ถ้า confidence level = 95% จะเขียนได้ดังนี้  (1 - ) = .95 ซึ่งหมายถึง: ในระยะยาว, 95% ของตัวแปรสุ่มที่ได้จากตัวอย่างจะตกอยู่ในช่วงความเชื่อมั่นที่ประมาณนี้ ดังโอกาสที่ช่วงความเชื่อมั่นจะไม่ครอบคลุมค่าของพารามิเตอร์ที่แท้จริงของประชากรเท่ากับ 5%

Confidence Intervals Confidence Intervals Population Mean Population Proportion σ Known σ Unknown

Confidence Interval for μ (σ Known) Assumptions รู้ค่า σ ประชากรแจกแจงแบบปกติ Confidence interval ประมาณได้จาก: (Z แทน ค่าวิกฤต (critical value) ที่มีความน่าจะเป็นเท่ากับ α/2)

การหาค่าวิกฤต, Z Consider a 95% confidence interval: Z= -1.96 Z= 1.96 Z units: Lower Confidence Limit Upper Confidence Limit X units: Point Estimate Point Estimate

Example (continued) ในการสุ่มตรวจค่าความต้านทานไฟฟ้าของแผงวงจร 11 ตัวจากประชากรแผงวงจรไฟฟ้าที่มีการแจกแจงแบบปกติ ได้ค่าเฉลี่ยที่ 2.20 โอห์ม เราทราบจากการทดสอบครั้งที่แล้วว่าค่าเบี่ยงเบนมาตรฐานของค่าความต้านทานไฟฟ้าของประชากรนี้เท่ากับ 0.35 โอห์ม. จงหาช่วงความเชื่อมั่น 95% ของค่าเฉลี่ยความต้านทานไฟฟ้าของประชากรนี้ Solution:

Confidence Intervals Confidence Intervals Population Mean Population Proportion σ Known σ Unknown

Confidence Interval for μ (σ Unknown) ในกรณีที่ standard deviation σ unknown, เราสามารถแทน σ ด้วย sample standard deviation, S ซึ่งจะเป็นการเพิ่ม extra uncertainty เนื่องจาก S คือ ตัว แปรสุ่มระหว่าง sample to sample ดังนั้นจึงให้ the t distribution แทน the normal distribution

Confidence Interval for μ (σ Unknown) (continued) สมมติฐาน (Assumptions) Population standard deviation is unknown Population is normally distributed ถ้า population ไม่เป็น normal จะต้องใช้ตัวอย่างจำนวนมาก ใช้ Student’s t Distribution การประมาณช่วงความเชื่อมั่น : (เมื่อ t เป็น critical value ของ t distribution ที่มี df = n-1 และพื้นที่ใต้กราฟ α/2 ในแต่ละด้านของ Curve)

Degrees of Freedom (df) Idea: Number of observations that are free to vary after sample mean has been calculated Example: ถ้าต้องการได้ค่าเฉลี่ยของตัวอย่างสุ่ม 3 ค่าเท่ากับ 8 Let X1 = 7 Let X2 = 8 What is X3? If the mean of these three values is 8.0, then X3 must be 9 (X3 ไม่อิสระ) จาก, n = 3, ดังนั้น degrees of freedom = n – 1 = 3 – 1 = 2

Student’s t Distribution Note: t Z as n increases Standard Normal (t with df = ) t (df = 13) t-distributions จะเป็น bell-shaped และ symmetric, แต่จะต่ำและกว้างกว่า normal t (df = 5) t

Student’s t Table .05 2 t /2 = .05 2.920 Upper Tail Area df .25 .10 1 Let: n = 3 df = n - 1 = 2  = .10 /2 =.05 df .25 .10 .05 1 1.000 3.078 6.314 2 0.817 1.886 2.920 /2 = .05 3 0.765 1.638 2.353 ค่าในตารางจะเป็น t values, ไม่ใช่ probabilities t 2.920

Example ตัวอย่างขนาด n = 25 ,มีค่าเฉลี่ย = 50 และ S = 8. จาก 95% confidence interval สำหรับ μ df. = n – 1 = 24, ดังนั้น The confidence interval คือ (46.698 , 53.302)

Confidence Intervals Confidence Intervals Population Mean Population Proportion σ Known σ Unknown

Confidence Intervals for the Population Proportion, p การแจกแจงของ sample proportion จะประมาณได้ด้วย normal distribution ถ้าขนาดของ sample size เพียงพอ, ด้วย standard deviation ซึ่งเมื่อประมาณด้วย sample data จะได้:

Confidence Interval Endpoints สูตรช่วงความเชื่อมั่น เมื่อ Z แทน standard normal value for the level of confidence desired ps แทน sample proportion n แทนขนาด sample size

Example ตัวอย่างสุ่มจากประชากร 100 คน บ่งชี้ว่า 25 คนถนัดซ้าย ประมาณ 95% confidence interval สำหรับประชากรที่ถนัดซ้าย

ความผิดพลาดของตัวอย่าง (Sampling Error) ขนาดตัวอย่างจะสอดคล้องกับระดับความผิดพลาย หรือ sampling error (e) ที่ยอมให้เกิดขึ้นได้ ซึ่งเกี่ยวข้องโดยตรงกับระดับของความเชื่อมั่น (1 - ) Determining Sample Size Sampling error (margin of error) For the Mean

การกำหนดขนาดตัวอย่าง Sample Size (continued) Determining Sample Size For the Mean หา n

ตัวอย่าง ถ้า  = 45, จงหาขนาดตัวอย่างเมื่อต้องการให้ค่าเฉลี่ยอยู่ระหว่าง ± 5 ที่ 90% confidence level ให้สุ่มตัวอย่างและประมาณ σ ด้วย sample standard deviation, S

การกำหนดขนาดตัวอย่าง Sample Size ของสัดส่วนประชากร Determining Sample Size For the Proportion

Determining Sample Size (continued) Determining Sample Size For the Proportion หา n ได้จาก

Determining Sample Size (continued) ดังนั้นการจะหาขนาดตัวอย่างต้องทราบ level of confidence (1 - ), ซึ่งจะทำให้หาค่า critical Z value ได้ sampling error, e ที่ยอมให้เกิดขึ้นได้ ค่า proportion ของ “successes”, p p สามารถประมาณได้จากตัวอย่าง

ตัวอย่าง เพื่อประมาณ proportion ของ ๆ เสียที่แท้จริงในกระบวนการผลิต ให้มีความคลาดเคลื่อนระหว่าง ±3%, ที่ 95% confidence level (สมมติว่าค่าสัดส่วนจากตัวอย่าง ps = .12) Solution: For 95% confidence, use Z = 1.96 e = .03 ps = .12, so use this to estimate p

ตัวอย่างการประยุกต์ใช้ บริษัทขนส่งรับส่งชิ้นส่วนของลูกค้าจำนวน 1000 ชิ้น บริษัทต้องการประมาณน้ำหนักรวมของสินค้าทั้ง 1000 ชิ้น แต่ต้องใช้เวลามาก จึงสุ่มตัวอย่างจำนวน 80 ชิ้น ซึ่งพบว่ามีน้ำหนักเฉลี่ย เท่ากับ 87.6 กก. มีค่าเบี่ยงเบนมาตรฐานเท่ากับ 22.3 กก. น้ำหนักรวมที่เรือขนส่งของบริษัทจะรับได้ไม่เกิน 100000 กก. ที่ระดับความเชื่อมั่น 95% บริษัทจะเชื่อได้หรือไม่ว่าน้ำหนักรวมของสินค้าทั้ง 1000 ชิ้นนี้จะไม่เกิน 100000 กก.

Solution