Przedział ufności — wzór, obliczanie i przykłady

Przedział ufności to zakres wiarygodnych wartości parametru populacji wyznaczony na podstawie danych z próby. W wielu zadaniach ze statystyki na poziomie podstawowym zapisuje się go jako

$$\text{estimate} \pm \text{margin of error}$$

Margines błędu zależy od tego, jak duża jest niepewność w próbie i jak wysoki poziom ufności chcesz przyjąć. Wyższy poziom ufności daje szerszy przedział. Bardziej precyzyjne dane dają przedział węższy.

Co oznacza przedział ufności prostym językiem

Jeśli widzisz $95\%$ przedział ufności, najbezpieczniej interpretować go w odniesieniu do metody, a nie jednego gotowego przedziału. Gdyby ten sam proces losowania próby powtórzyć wiele razy i za każdym razem konstruować przedział w ten sam sposób, to około $95\%$ tych przedziałów zawierałoby prawdziwy parametr.

Przedział ufności jest więc sposobem pokazania niepewności wokół estymaty. Daje wiarygodny zakres, a nie gwarancję.

Wzór na przedział ufności

Ogólna postać to

$$\text{estimate} \pm \text{critical value} \times \text{standard error}$$

Dla średniej populacji często używa się dwóch wersji:

$$\bar{x} \pm z^* \frac{\sigma}{\sqrt{n}}$$

Tej postaci używa się wtedy, gdy odchylenie standardowe populacji $\sigma$ jest znane albo gdy uzasadnione jest przybliżenie normalne z wartością krytyczną $z$.

$$\bar{x} \pm t^* \frac{s}{\sqrt{n}}$$

Tej postaci używa się wtedy, gdy $\sigma$ jest nieznane i zmienność szacuje się za pomocą odchylenia standardowego z próby $s$. Przy mniejszych próbach zwykle zakłada się też, że populacja ma w przybliżeniu rozkład normalny.

Ten sam schemat pojawia się w wielu sytuacjach, ale błąd standardowy zmienia się dla średnich, proporcji i innych parametrów.

Co wpływa na szerokość przedziału ufności

Najważniejsze są trzy czynniki:

1. Wyższy poziom ufności sprawia, że przedział jest szerszy.
2. Większa liczebność próby zwykle sprawia, że przedział jest węższy.
3. Większa zmienność danych sprawia, że przedział jest szerszy.

To podstawowy kompromis: większa ufność zwykle oznacza mniejszą precyzję.

Przykład 95% przedziału ufności

Załóżmy, że próba złożona z $64$ obserwacji ma średnią $\bar{x} = 50$, a odchylenie standardowe populacji jest znane i wynosi $\sigma = 8$. Zbuduj $95\%$ przedział ufności dla średniej populacji, używając przedziału $z$.

Zacznij od

$$\bar{x} \pm z^* \frac{\sigma}{\sqrt{n}}$$

Dla poziomu ufności $95\%$ przyjmij $z^* \approx 1.96$.

Teraz oblicz błąd standardowy:

$$\frac{\sigma}{\sqrt{n}} = \frac{8}{\sqrt{64}} = \frac{8}{8} = 1$$

Zatem margines błędu wynosi

$$1.96 \times 1 = 1.96$$

Budujemy przedział:

$$50 \pm 1.96$$

co daje

$$(48.04,\ 51.96)$$

Praktyczna interpretacja jest taka: jeśli założenia modelu są rozsądne, a dane pochodzą z tego procesu losowania próby, to wartości między $48.04$ a $51.96$ są wiarygodne dla średniej populacji.

Typowe błędy przy przedziałach ufności

Jednym z częstych błędów jest stwierdzenie, że istnieje $95\%$ prawdopodobieństwa, iż prawdziwy parametr znajduje się w tym konkretnym przedziale. W standardowej statystyce częstościowej parametr jest stały, a to procedura wyznaczania przedziału ma długookresowy poziom skuteczności.

Innym błędem jest użycie niewłaściwego wzoru bez sprawdzenia założeń. Przedział $z$, przedział $t$ i przedział dla proporcji nie korzystają z tego samego błędu standardowego.

Uczniowie często mylą też przedział ufności dla parametru z rozrzutem surowych danych. Przedział ufności dotyczy niepewności estymaty, a nie tego, gdzie znajduje się większość pojedynczych obserwacji.

Kiedy stosuje się przedziały ufności

Przedziały ufności pojawiają się w sondażach, eksperymentach, kontroli jakości, medycynie, ekonomii i codziennym raportowaniu danych. Są przydatne zawsze wtedy, gdy na podstawie próby chce się powiedzieć coś o większej populacji.

W praktyce przedział jest szczególnie ważny wtedy, gdy porównujesz go z wartością docelową albo z inną estymatą. Wąski przedział wspiera bardziej precyzyjny wniosek niż szeroki.

Spróbuj podobnego zadania

Spróbuj własnej wersji z $\bar{x} = 72$, $\sigma = 10$ i $n = 100$ dla $95\%$ przedziału ufności. Następnie zmień tylko liczebność próby i zobacz, co stanie się z marginesem błędu. To jeden z najszybszych sposobów, by zbudować intuicję, dlaczego większe próby zwykle dają węższe przedziały.