megbízhatósági intervallum jött hozzánk a statisztika területén.Ez az egyedi tartomány, amely becslésére használják az ismeretlen paramétereket a magas fokú megbízhatóságot.A legegyszerűbb módja annak, hogy magyarázza ezt egy példával.
Tegyük fel, hogy szeretné felfedezni semmilyen véletlen változó, például a sebesség a szerver egy ügyfél kérésére.Minden alkalommal, amikor a felhasználó tárcsáz egy adott címre, a szerver válaszol rá különböző sebességgel.Így a teszt válaszidő véletlenszerű.Szóval, a megbízhatósági intervallum meghatározásához a határokat a paramétert, és akkor lehet majd állítani, hogy egy 95% -os valószínűséggel a sebesség szerver lesz a tartományban általunk számított.
vagy mit kell tudni, hogy hány ember tisztában van a márka a cég.Amikor a számított konfidencia intervallum, lehetséges lesz, például, azt mondják, hogy 95% -os valószínűséggel a fogyasztók aránya, akik tudatában vannak ennek a márka a tartományban 27% -ról 34%.
ez a kifejezés szorosan kapcsolódik ez az érték, mint a megbízhatósági szint.Ez jelenti a valószínűsége, hogy a kívánt paramétert tartalmazza a megbízhatósági intervallum.Ebből az értékből attól függően, hogy mekkora lesz a kívánt tartományban.A nagyobb ez az érték kap, annál kisebb a megbízhatósági intervallum, és fordítva.Jellemzően, ez van beállítva 90%, 95% vagy 99%.Az érték a 95% -át a legnépszerűbb.
Ez a mutató is befolyásolja a diszperziós megfigyelések és a minta mérete.Ez a meghatározás azon a feltételezésen alapul, hogy a vizsgált attribútum engedelmeskedik normális eloszlást törvény.Ez a kijelentés is ismert törvénye Gauss.Elmondása szerint ez az úgynevezett normális eloszlás valószínűségi folyamatos valószínűségi változó, amely leírja a valószínűség-sűrűség.Ha a feltételezés normális eloszlás hibásnak bizonyult, az értékelés hibás lehet.
első foglalkozik, hogyan kell kiszámítani a megbízhatósági intervalluma elvárás.Két lehetséges esetben.A diszperziós (diszperziós foka valószínűségi változó) lehet ismert vagy nem.Ha ismeretes, a megbízhatósági intervallum kiszámítása a következő képlet:
HSR - t * σ / (sqrt (n)) & lt; = α & lt; = HSR + t * σ / (sqrt (n)), ahol
α - a jele,
t - lehetőség az asztalról Laplace eloszlás,
sqrt (n) - a négyzetgyöke a minta mérete,
σ - négyzetgyöke a szórás.
Ha a variancia ismeretlen, akkor ki lehet számítani, ha ismerjük az összes kapott érték a kívánt tulajdonság.Ehhez a következő képletet:
σ2 = h2sr - (XCP) 2, ahol
h2sr - középértéke négyzetének a vizsgált tulajdonság,
(XCP) 2 - a tér az átlagérték a tulajdonság.
képlet amely ebben az esetben kerül kiszámításra konfidencia intervallum kissé változik:
HSR - T * S / (sqrt (n)) & lt; = α & lt; = HSR + T * S / (sqrt (n)), azzal jellemezve,
XCP - minta átlag,
α - a jele,
t - a paraméter, amely a területén található egy táblázat a Student eloszlás t = t (ɣ; n-1),
sqrt (n) - a négyzetgyöke a minta mérete,
s - négyzetgyöke a szórás.
Tekintsük ezt a példát.Azt feltételezzük, hogy a mérések eredményeit a 7. határoztuk átlagos értéke a vizsgált attribútum a 30. és a mintavételi variancia, ami megegyezik a 36. Meg kell találni a valószínűsége 99% -os megbízhatósági intervallum, amely tartalmazza a valódi értéke a mért paraméter.
első meghatározni, mi van a t: t = t (0,99; 7-1) = 3,71.A fenti képlet alkalmazásával kapunk:
XCP - t * s / (sqrt (n)) & lt; = α & lt; = HSR + t * s / (sqrt (n))
30-3,71 * 36 / (sqrt(7)) & lt; = α & lt; = 30 + 3,71 * 36 / (sqrt (7))
21,587 & lt; = α & lt; = 38,413
konfidenciatartomány a szórás kiszámítása mint ahogy az ismert másodlagos ésha nincs adat a matematikai várakozásról, és csak annyit tudunk, az érték egy ponttal torzítatlan becslése a szórás.Mi nem adhat a képlet számítása, hiszen igen összetettek, és ha szükséges, akkor mindig megtalálható a neten.
Csupán annyit jegyzünk meg, hogy a megbízhatósági intervallum kényelmesen meghatározható Excel, vagy egy hálózati szolgáltatás, amely az úgynevezett.
