فترة الثقة (التعريف والعناصر)

ال فاصل الثقة يشير إلى نطاق القيم المشتق من إحصائيات العينة ، والذي ربما يتضمن قيمة معلمة مجتمع غير معروفة.

نظرًا لطبيعة الصدفة ، فمن غير المحتمل أن تنتج عينتان من مجتمع معين فواصل زمنية متساوية. على الرغم من ذلك ، إذا تم تكرار العينة الخاصة بك عدة مرات ، فإن النسبة المئوية للفواصل الزمنية الناتجة يجب أن تتضمن معلمة مجتمع غير معروفة.

ما هي فترة الثقة؟

نظرًا لأنها تقنية تقدير تُستخدم في الاستدلال الإحصائي الذي يسمح بتحديد أبعاد الزوج أو عدة أزواج من القيم ، ستجدها باحتمالية معينة ، تقدير النقطة الحالي يبحث.

يسمح الفاصل الزمني بحساب قيمتين حول العينة المتوسطة العلوية والسفلية. تحدد هذه القيم نطاقًا حيث يتم تحديد الاحتمال حيث سيتم تحديد معلمة السكان.

فاصل الثقة = يعني + - هامش الخطأ

يمكن أن تكون معرفة السكان الحقيقيين معقدة إلى حد ما بشكل عام. إذا فكرنا في عدد سكان كان في البداية 5 ملايين شخص ، فيمكننا معرفة متوسط ​​الإنفاق الاستهلاكي لكل أسرة في ذلك السكان.

ما عليك سوى أن تفعل واحدة الدراسة الاستقصائية في جميع الأسر وحساب المتوسط. على الرغم من ذلك ، فإن مراقبة هذه العملية يمكن أن تولد الكثير من العمل الذي قد يزيد من تعقيد الدراسة.

في مواجهة هذا النوع من المواقف ، يكون اختيار ملف عينة إحصائية، على سبيل المثال ، يقوم كل 500 شخص وعلى العينة بحساب العينة. ومع ذلك ، سيظل الجهل بقيمة السكان الحقيقية ، ولكن يمكن للمرء أن يكون لديه افتراض وثيق بقيمة العينة.

لهذا المقياس يتم إضافة هامش الخطأ وبهذه الطريقة فاصل الثقة. من ناحية أخرى ، يتم طرح هامش الخطأ هذا من المتوسط ​​للحصول على قيمة أخرى ، سيكون أحدها متوسط ​​المحتوى.

أخيرًا ، يمكن القول أن هذا الفاصل الزمني لا يعمل على توفير تقدير دقيق لمعامل السكان ، ولكنه يخدم ذلك إذا كان لدينا تقريب لنتيجة نفس الشيء ، فإنه يسمح بتحديد القيمتين حيث سيتم العثور على متوسط ​​السكان.

عناصر فاصل الثقة

عند التفكير في الحصول على فترة زمنية ، يجب مراعاة بعض القرارات السابقة ، مثل ما يلي:

• الأهم هو اختيار معلمة السكان من حيث تريد الحصول على التقدير. يرتبط هذا الاختيار في الغالب بنوع التوزيع المفترض للمتغير المراد دراسته.
• عادةً ما ترتبط معلمة السكان بمعلمات معينة للتوزيع. على الرغم من ذلك ، في بعض الحالات قد تكون هناك مصلحة في الحصول على نوع من المعلمة.
• مستوى الثقة هو خيار آخر يمكن العمل به ، لأن دقة التقدير التي تم الحصول عليها فيما يتعلق بعرض الفاصل الزمني ستعتمد عليه. أقدم مستوى الثقة وهذا مطلوب ، كلما زاد نصف قطر الفترة الزمنية ، مما يعني أن الدقة في التقدير ستكون أقل.

العوامل التي تعتمد عليها فترة الثقة

احسب فترةجدير بالثقة سيعتمد على العوامل التي سيتم عرضها أدناه:

حجم العينة المختار

اعتمادًا على كمية البيانات المستخدمة لحساب قيمة العينة ، سيكون هناك بعض القرب من معلمة السكان الحقيقية.

مستوى الثقة

تقارير عن النسبة المئوية للحالات التي يكون فيها التقدير صحيحًا. بشكل عام ، تتراوح المستويات بين 95٪ و 99٪.

هامش تقدير الخطأ

وهذا ما يسمى ألفا ويبلغ عن الوجود المحتمل لقيمة السكان خارج الفاصل الزمني.

تقدير العينة

سيعتمد على الإحصاء الذي يحسب الفاصل الزمني.

تقدير حدودي لفترة الثقة

من تطبيع دراسة إحصائية معينة يتم إجراؤها من خلال توزيع العينات ، من الممكن معرفة معلمة السكان من خلال قيمها الإحصاء. في الغالب ، لا يشير إلى قيمة واحدة للمعامل غير المعروف ، بل يشير إلى نطاق من القيم يعرف باسم فاصل الثقة.

عندما يكون التوزيع الذي يلي أ السكان الإحصائيين، معروف وتريد معرفة قيمة أحد المعلمات ، يمكنك الاختيار من بعض العينات التي تمثل السكان ويمكن تطبيق صيغ معينة من قيمتها الخاصة إحصائية. تُعرف هذه العملية باسم التقدير البارامترية.

من خلال إجراء هذا النوع من التقدير ، يمكن الحصول على النتائج التالية:

• تقدير النقطة: يتم الحصول عليها بقيمة واحدة للمعامل غير المعروف.
• فاصل الثقة: يوفر للمعلمة نطاقًا من القيم بين حدين.

اختبار فرضية فترة الثقة

تعتمد عملية شائعة إلى حد ما في التعامل مع توزيع العينة على اختبر فرضية بدءًا من نتائج عينة تم الحصول عليها من مجتمع الإحصاء. يعتمد هذا الإجراء على الخطوات التالية:

• عندما يتم تقديم فرضية يُعتقد أنها صحيحة ، تُعرف باسم الفرضية الصفرية ويعرف معكوسها باسم الفرضية البديلة.
• من خلال تحديد قوانين الاحتمالات للسكان والعينة ، يمكن اعتبارها توزيعًا طبيعيًا.
• يمكن تحديد منطقة قبول فرضية العدم من خلال فترات الثقة.
• في حالة إجراء تثبيت محتمل في مناطق الرفض ، حيث لا يتم قبول الفرضية الصفرية ، تُعرف عمومًا بالمنطقة الحرجة.

نتمنى أن نكون قد أوضحنا كل شكوككم بخصوص فاصل الثقة. إذا أعجبك المنشور ، فاترك لنا تعليقك وشارك هذه المعلومات مع أصدقائك. حتى المرة القادمة!