ម៉ាស៊ីនគិតលេខចន្លោះពេលទុកចិត្ត

ស្ថាបនាចន្លោះទុកចិត្តសម្រាប់មធ្យមពីមធ្យមគំរូ SD និងទំហំ ។

ព្រំដែនទាប —

ព្រំដែនកំពូល —

រឹមកំហុស —

កំហុសស្តង់ដារ —

លទ្ធផលធ្វើឲ្យទាន់សម័យតាមដែលអ្នកវាយ ។

តើម៉ាស៊ីនគិតលេខនេះបានផ្ដល់ចម្លើយត្រឹមត្រូវដល់អ្នកឬ ?

អំពីម៉ាស៊ីនគិតលេខនេះ

A confidence interval gives a range that is likely to contain the true population mean, estimated from a sample. Instead of a single best guess it reports a band together with a confidence level that says how often such bands capture the true value.

This calculator uses the z-interval: mean ± z*·(σ / √n), where z* is the standard-normal critical value for your chosen confidence level (1.645 for 90%, 1.96 for 95%, 2.576 for 99%) and σ / √n is the standard error. It reports the bounds, the margin of error and the standard error, and a table shows the interval at the 90%, 95% and 99% levels so you can see how the range widens as you demand more confidence.

Worked example: a sample mean of 100 with a standard deviation of 15 and 50 observations has a standard error of 15 ÷ √50 ≈ 2.12. At 95% confidence the margin is 1.96 × 2.12 ≈ 4.16, giving an interval of about 95.84 to 104.16. The z-interval suits large samples (roughly n ≥ 30) or a known population standard deviation; for small samples use a t-interval instead.

សំណួរដែលសួរញឹកញាប់

តើចន្លោះពេលទុកចិត្ត ៩៥% មានន័យថាអ្វី ?

វាមានន័យថា ប្រសិនបើអ្នកធ្វើការសាកល្បងជាច្រើនដង និងបង្កើតចន្លោះពេលរៀងរាល់ពេល ប្រហែល 95% នៃចន្លោះពេលទាំងនោះនឹងមានមធ្យមប្រជាជនពិតប្រាកដ ។ វាមិនមានន័យថាមានឱកាស 95% ដែលមធ្យមគឺនៅក្នុងចន្លោះពេលជាក់លាក់មួយនេះទេ ។

ពេលណាខ្ញុំគួរប្រើចន្លោះពេល t ជំនួសវិញ ?

ប្រើចន្លោះពេល t ពេលគំរូតូច (ប្រហែលជាក្រោម ៣០) និងការផ្លាស់ប្ដូរស្តង់ដាររបស់ប្រជាជនមិនស្គាល់ ។ ការចែកចាយ t មានចុងធ្ងន់ជាងមុន ផ្តល់ចន្លោះពេលដែលមានភាពទូលំទូលាយបន្តិចបន្តួចជាងនេះដែលមានមូលដ្ឋានលើ z ។

តើអ្វីជារឹមកំហុសក្នុងចន្លោះពេលជឿជាក់ ?

រឹមកំហុសគឺជាទទឹងពាក់កណ្ដាលនៃចន្លោះពេល, z * · (σ / √ n) ។ អ្នកបន្ថែមនិងដកវាពីគំរូដើម្បីទទួលបានព្រំដែនខាងលើ និងក្រោម, ដូច្នេះរឹមតូចមានន័យថាការប៉ាន់ប្រមាណជាក់លាក់ជាង ។

តើខ្ញុំធ្វើចន្លោះពេលទុកចិត្តតូចជាងដោយរបៀបណា ?

ប្រមូលយកគំរូធំជាងមុន ចាប់តាំងពីទទឹងថយចុះជាមួយនឹងឫសការេរបស់ n ឬទទួលយកកម្រិតជឿទុកចិត្តទាបជាងមុន ។ ការកាត់បន្ថយភាពប្រែប្រួលក្នុងទិន្នន័យរបស់អ្នកក៏ធ្វើឲ្យចន្លោះពេលតឹងដែរ ។ ការបង្កើនទំហំគំរូជាបួនដងប្រហែលជាកាត់ទទឹងពាក់កណ្ដាល ។

តើកម្រិតទុកចិត្តខ្ពស់ធ្វើឲ្យចន្លោះវែងឬទេ ?

បាទ / ចាស ។ ការទាមទារភាពជឿជាក់បន្ថែមទៀតប្រើតម្លៃសំខាន់ z * ធំជាងមុនដូច្នេះចន្លោះពេល 99% គឺធំជាងចន្លោះពេល 95% ដែលសាងសង់ពីទិន្នន័យដូចគ្នា។ តែងតែមានការផ្លាស់ប្តូររវាងភាពជឿជាក់និងភាពជាក់លាក់។

តើកំហុសស្តង់ដារគឺអ្វី ?

កំហុសស្តង់ដារគឺជាការផ្លាស់ប្ដូរស្តង់ដារដែលបានចែកដោយឫសការេនៃទំហំគំរូ (σ / √n) ។ វាវាស់ថាតើគំរូមានលក្ខណៈខុសគ្នាពីគំរូទៅគំរូប៉ុន្មាន ហើយវាជាប្លុកសាងសង់នៃរឹមកំហុស ។

API — ប្រើម៉ាស៊ីនគិតលេខនេះពីកូដ

ទូរស័ព្ទទៅម៉ាស៊ីនគិតលេខនេះជាចំណុចបញ្ចប់ JSON ឥតគិតថ្លៃ - គ្មានគ្រាប់ចុចដែលត្រូវការ ។ ផ្ញើតម្លៃវាលខាងក្រោមជាប៉ារ៉ាម៉ែត្រសំណួរ ឬ JSON ។ អ្វីដែលអ្នករំលងប្រើលំនាំដើមដូចគ្នាដែលទំព័រនេះត្រូវបានបំពេញជាមុនជាមួយប៉ារ៉ាម៉ែត្រមិនស្គាល់គឺ ៤០០ មិនមែនសូន្យស្ងាត់ទេ ។ អានឯកសារ API ពេញលេញ →

ចំណុចបញ្ចប់

GET https://calculator.free/api/v1/confidence-interval/

curl

curl "https://calculator.free/api/v1/confidence-interval/?mean=100&sd=15&n=50&conf=1.96"

JavaScript `fetch()`

const r = await fetch(
  "https://calculator.free/api/v1/confidence-interval/?" + new URLSearchParams({
    "mean": "100",
    "sd": "15",
    "n": "50",
    "conf": "1.96"
  }));
const data = await r.json();
console.log(data.results);

លទ្ធផលគឺការប៉ាន់ប្រមាណសម្រាប់តែការណែនាំទូទៅប៉ុណ្ណោះ, មិនហិរញ្ញវត្ថុ, វេជ្ជសាស្ត្រឬដំបូន្មានពន្ធ.

អំពី​ម៉ាស៊ីន​គិតលេខ​នេះ

សំណួរ​ដែល​សួរ​ញឹកញាប់

ម៉ាស៊ីន​គិតលេខ​ដែល​ទាក់ទង

ចំណុច​បញ្ចប់

curl

JavaScript fetch()

អំពីម៉ាស៊ីនគិតលេខនេះ

សំណួរដែលសួរញឹកញាប់

ម៉ាស៊ីនគិតលេខដែលទាក់ទង

ចំណុចបញ្ចប់

JavaScript `fetch()`