Isi
- TL; DR (Terlalu Panjang; Tidak Dibaca)
- Perbedaan antara Level Keyakinan vs Interval Keyakinan
- Menghitung Interval atau Level Keyakinan untuk Sampel Besar
- Menghitung Interval Keyakinan untuk Sampel Kecil
Statistik adalah tentang menarik kesimpulan di tengah ketidakpastian. Setiap kali Anda mengambil sampel, Anda tidak dapat sepenuhnya yakin bahwa sampel Anda benar-benar mencerminkan populasi yang diambilnya. Para ahli statistik menangani ketidakpastian ini dengan mempertimbangkan faktor-faktor yang dapat memengaruhi estimasi, memperhitungkan ketidakpastian mereka, dan melakukan uji statistik untuk menarik kesimpulan dari data yang tidak pasti ini.
Para ahli statistik menggunakan interval kepercayaan untuk menentukan rentang nilai yang cenderung mengandung rata-rata populasi "benar" berdasarkan sampel, dan menyatakan tingkat kepastiannya dalam hal ini melalui tingkat kepercayaan. Meskipun menghitung tingkat kepercayaan tidak sering berguna, menghitung interval kepercayaan untuk tingkat kepercayaan yang diberikan adalah keterampilan yang sangat berguna.
TL; DR (Terlalu Panjang; Tidak Dibaca)
Hitung interval kepercayaan untuk tingkat kepercayaan tertentu dengan mengalikan kesalahan standar dengan Z skor untuk tingkat kepercayaan yang Anda pilih. Kurangi hasil ini dari mean sampel Anda untuk mendapatkan batas bawah, dan tambahkan ke mean sampel untuk menemukan batas atas. (Lihat Sumberdaya)
Ulangi proses yang sama tetapi dengan t skor di tempat Z skor untuk sampel yang lebih kecil (n < 30).
Temukan tingkat kepercayaan untuk kumpulan data dengan mengambil setengah dari ukuran interval kepercayaan, mengalikannya dengan akar kuadrat dari ukuran sampel dan kemudian membaginya dengan standar deviasi sampel. Lihat hasilnya Z atau t skor dalam tabel untuk menemukan level.
Perbedaan antara Level Keyakinan vs Interval Keyakinan
Ketika Anda melihat statistik yang dikutip, kadang-kadang ada rentang yang diberikan setelahnya, dengan singkatan "CI" (untuk "interval kepercayaan") atau hanya simbol plus-minus diikuti oleh gambar. Misalnya, "berat rata-rata pria dewasa adalah 180 pound (CI: 178,14 hingga 181,86)" atau "berat rata-rata pria dewasa adalah 180 ± 1,86 pound." Keduanya memberi tahu Anda informasi yang sama: berdasarkan sampel digunakan, berat rata-rata seorang pria mungkin jatuh dalam kisaran tertentu. Rentang itu sendiri disebut interval kepercayaan.
Jika Anda ingin memastikan bahwa rentang tersebut berisi nilai sebenarnya, maka Anda dapat memperluas rentang tersebut. Ini akan meningkatkan "tingkat kepercayaan" Anda dalam perkiraan, tetapi rentang tersebut akan mencakup lebih banyak bobot potensial. Sebagian besar statistik (termasuk yang dikutip di atas) diberikan sebagai interval kepercayaan 95 persen, yang berarti bahwa ada kemungkinan 95 persen bahwa nilai rata-rata sebenarnya berada dalam kisaran. Anda juga dapat menggunakan tingkat kepercayaan 99 persen atau tingkat kepercayaan 90 persen, tergantung pada kebutuhan Anda.
Menghitung Interval atau Level Keyakinan untuk Sampel Besar
Saat Anda menggunakan tingkat kepercayaan dalam statistik, Anda biasanya membutuhkannya untuk menghitung interval kepercayaan. Ini sedikit lebih mudah dilakukan jika Anda memiliki sampel besar, misalnya, lebih dari 30 orang, karena Anda dapat menggunakannya Z skor untuk estimasi Anda daripada yang lebih rumit t skor.
Ambil data mentah Anda dan hitung rata-rata sampel (cukup tambahkan hasil individual dan bagi dengan jumlah hasil). Hitung deviasi standar dengan mengurangi rata-rata dari setiap hasil individu untuk menemukan perbedaan dan kemudian kuadratkan perbedaan ini. Tambahkan semua perbedaan ini dan kemudian bagi hasilnya dengan ukuran sampel minus 1. Ambil akar kuadrat dari hasil ini untuk menemukan standar deviasi sampel (Lihat Sumberdaya).
Tentukan interval kepercayaan dengan terlebih dahulu menemukan kesalahan standar:
SE = s / √n
Dimana s adalah standar deviasi sampel Anda dan n adalah ukuran sampel Anda. Misalnya, jika Anda mengambil sampel 1.000 pria untuk mencari berat rata-rata pria, dan mendapat sampel standar deviasi 30, ini akan memberikan:
SE = 30 / √1000 = 30 / 31.62 = 0.95
Untuk menemukan interval kepercayaan dari ini, cari tingkat kepercayaan yang ingin Anda hitung dalam interval a Z-hapus tabel dan gandakan nilai ini dengan Z skor. Untuk tingkat kepercayaan 95 persen, Z-score adalah 1,96. Dengan menggunakan contoh ini, ini berarti:
Berarti ± Z × SE= 180 pound ± 1,96 × 0,95 = 180 ± 1,86 pound
Di sini, £ 1,86 adalah interval kepercayaan 95 persen.
Jika Anda memiliki sedikit informasi ini, bersama dengan ukuran sampel dan deviasi standar, Anda dapat menghitung tingkat kepercayaan dengan menggunakan rumus berikut:
Z = 0,5 × ukuran interval kepercayaan × √n / s
Ukuran interval kepercayaan hanya dua kali nilai ±, jadi pada contoh di atas, kita tahu 0,5 kali ini adalah 1,86. Ini memberi:
Z = 1.86 × √1000 / 30 = 1.96
Ini memberi kita nilai untuk Z, yang dapat Anda cari dalam Z-cocok meja untuk menemukan tingkat kepercayaan yang sesuai.
Menghitung Interval Keyakinan untuk Sampel Kecil
Untuk sampel kecil, ada proses serupa untuk menghitung interval kepercayaan. Pertama, kurangi 1 dari ukuran sampel Anda untuk menemukan "derajat kebebasan" Anda. Dalam simbol:
df = n −1
Untuk sampel n = 10, ini memberi df = 9.
Temukan nilai alfa Anda dengan mengurangi versi desimal tingkat kepercayaan (mis., Tingkat kepercayaan persentase Anda dibagi 100) dari 1 dan bagi hasil dengan 2, atau dalam simbol:
α = (1 - tingkat kepercayaan desimal) / 2
Jadi untuk tingkat kepercayaan 95 persen (0,95):
α = (1 – 0.95) / 2 = 0.05 / 2 = 0.025
Cari nilai alfa dan derajat kebebasan Anda dalam (satu ekor) t tabel distribusi dan catat hasilnya. Atau, hapus divisi dengan 2 di atas dan gunakan dua-ekor t nilai. Dalam contoh ini, hasilnya adalah 2.262.
Seperti pada langkah sebelumnya, hitung interval kepercayaan dengan mengalikan angka ini dengan kesalahan standar, yang ditentukan dengan menggunakan standar deviasi sampel Anda dan ukuran sampel dengan cara yang sama. Satu-satunya perbedaan adalah bahwa di tempat Z skor, Anda menggunakan t skor.