Kipindi cha ujasiri. Ni nini na jinsi gani ni kutumika?

Kujiamini, alikuja kwetu kutoka uwanja wa takwimu. Hii mbalimbali fulani, ambayo hutumika kukadiria parameter wasiojulikana na kiwango cha juu cha kuaminika. Njia rahisi ya kueleza hili ni pamoja na mfano.

Tuseme unataka kuchunguza thamani yoyote random, kwa mfano, server majibu wakati wa ombi mteja. Kila wakati mtumiaji aina ya mahali maalum, server anajibu hivyo kwa kasi tofauti. Hivyo, jibu la jaribio wakati ni mpangilio. Kwa hiyo, kujiamini kuamua mipaka ya parameter hii, na basi itakuwa inawezekana wanasema kuwa na uwezekano wa 95% ya kiwango cha hisia za server itakuwa katika aina mbalimbali mahesabu kwa sisi.

Au unataka kujua jinsi watu wengi ni ufahamu wa alama ya biashara ya kampuni. Wakati muda kujiamini ni mahesabu, basi itakuwa inawezekana, kwa mfano, kusema kwamba 95% uwezekano idadi ya wateja ambao ni ufahamu wa huu chapa, ni katika mbalimbali kutoka 27% hadi 34%.

Kwa kuwa muda huu ni karibu kuhusiana na thamani kama vile kiwango kujiamini. Ni uwezekano kwamba chaguo taka ni pamoja na katika muda kujiamini. Kutoka thamani hii inategemea jinsi kubwa itakuwa mbalimbali wetu taka. zaidi thamani inayopata, nyembamba kujiamini, na kinyume chake. Kwa kawaida ni kuweka 90%, 95% au 99%. thamani 95% ni maarufu zaidi.

Active sehemu pia huathiri usambazaji wa uchunguzi na ukubwa sampuli. ufafanuzi wake ni msingi katika dhana kwamba sifa katika swali ni chini ya sheria ya kawaida usambazaji. taarifa hii pia hujulikana kama Sheria Gauss ya. Kulingana na yeye, hii inaitwa usambazaji wa kawaida wa kuendelea random variable ambayo yanaweza ilivyoelezwa na uwezekano wiani. Kama dhana ya usambazaji wa kawaida imeonekana kuwa na makosa, basi makisio inaweza kuwa mbaya.

Kwanza, hebu kushughulikia jinsi ya kukokotoa kujiamini kwa matarajio. Kuna maeneo mawili iwezekanavyo. Utawanyiko (kiwango cha kutawanya kigeu kisicho na mpangilio) inaweza kujulikana au la. Kama ni kujulikana, kujiamini yetu ni mahesabu kwa kutumia formula zifuatazo:

HSR - t * σ / (kipeo (n)) <= α <= HSR + t * σ / (kipeo (n)), ambayo

α - ishara,

t - parameter ya Laplace usambazaji meza,

kipeo (n) - mizizi ya mraba ya jumla ya kiasi sampuli ,

σ - mizizi ya mraba ya ugomvi.

Kama ugomvi haijulikani, inaweza mahesabu, kama sisi kujua thamani zote wa sifa taka. Ili kufanya hivyo, kutumia formula zifuatazo:

σ2 = h2sr - (HSR) 2, ambapo

h2sr - thamani ya wastani ya mraba ya sifa husika alisoma,

(HSR) 2 - mraba maana thamani ya tabia.

formula ambayo katika kesi hii ni mahesabu ya kipindi cha ujasiri ni tofauti kidogo:

HSR - t * s / (kipeo (n)) <= α <= HSR + t * s / (kipeo (n)), ambayo

XCP - sampuli maana,

α - ishara,

t - parameter ambayo hupatikana na Student usambazaji meza t = t (ɣ; n-1),

kipeo (n) - mizizi ya mraba ya kawaida sampuli,

s - mizizi ya mraba ya ugomvi.

Fikiria mfano huu. Kudhani kwamba matokeo ya 7 vipimo iliamuliwa thamani ya wastani ya mtihani, ambacho ni sawa na 30 na sampuli ugomvi sawa na 36 Ni lazima kupatikana na uwezekano wa 99% ya muda kujiamini ambayo ina thamani halisi ya parameter kipimo.

Kwanza sisi kufafanua kile ni t: t = t (0,99; 7-1) = 3.71. Kwa kutumia formula hapo juu, sisi kupata:

HSR - t * s / (kipeo (n)) <= α <= HSR + t * s / (kipeo (n))

30 - 3.71 * 36 / (kipeo (7)) <= α <= 30 + 3,71 * 36 / (kipeo (7))

21.587 <= α <= 38.413

kujiamini kwa ugomvi ni mahesabu kama ilivyo na wastani inayojulikana, na kama hakuna data juu matarajio ya hisabati, na tu inayojulikana thamani unbiased ugomvi makadirio uhakika. Sisi kutoa hapa formula kwa ajili ya hesabu yake, kwa kuwa ni ngumu kabisa, na kama taka, wanaweza daima kupatikana kwenye mtandao.

Tunaona tu kujiamini ni conveniently kuamua kutumia Excel programu au mtandao wa huduma, ambayo inaitwa.