تخمین پارامتر: برآورد ویژگیهای جامعه از روی نمونه
جامعه در مقابل نمونه: تشخیص پارامتر از آماره
اولین قدم برای درک تخمین پارامتر، تمایز قائل شدن بین جامعه و نمونه است. جامعه به تمام اعضایی گفته میشود که میخواهیم دربارهشان نتیجهگیری کنیم. برای مثال، اگر بخواهیم میانگین قد تمام دانشآموزان یک شهر را بدانیم، جامعه شامل 50000 دانشآموز آن شهر میشود. اما اندازهگیری قد همه آنها زمان و هزینه زیادی میخواهد. بنابراین، یک نمونه تصادفی از بین آنها انتخاب میکنیم، مثلاً 200 دانشآموز.
به عددی که ویژگی جامعه را توصیف میکند، پارامتر میگوییم (مثلاً میانگین واقعی قد همه دانشآموزان). این عدد معمولاً برای ما مجهول است. در مقابل، عددی که از روی نمونه محاسبه میشود و ویژگی نمونه را توصیف میکند، آماره نام دارد (مثلاً میانگین قد 200 دانشآموز انتخابشده). هدف اصلی ما در تخمین پارامتر، استفاده از همین آماره (که قابل محاسبه است) برای حدس زدن پارامتر (که مجهول است) میباشد.
دو روش اصلی تخمین: نقطهای و بازهای
پس از جمعآوری دادههای نمونه، نوبت به تخمین پارامتر جامعه میرسد. این کار به دو روش اصلی انجام میشود:
- برآورد نقطهای: در این روش، تنها از یک عدد (همان آماره) برای تخمین پارامتر استفاده میشود. برای مثال، اگر میانگین نمونه 30 دانشآموز، نمره 17.5 باشد، برآورد نقطهای ما از میانگین کل جامعه 17.5 خواهد بود. سادگی این روش مزیت آن است، اما عیب بزرگش این است که نمیتوانیم مطمئن باشیم این تخمین چقدر به مقدار واقعی نزدیک است.
- برآورد بازهای: در این روش، یک بازه احتمالی (فاصله اطمینان) را گزارش میکنیم که به احتمال زیاد پارامتر واقعی جامعه درون آن قرار دارد. برای مثال، میگوییم با 95 درصد اطمینان، میانگین نمره تمام دانشآموزان بین 16.8 و 18.2 است. این روش اطلاعات بسیار بیشتری درباره دقت تخمین به ما میدهد.
تخمین میانگین جامعه: کاربرد عملی آمارهها
یکی از رایجترین کاربردهای تخمین پارامتر، برآورد میانگین یک جامعه است. فرض کنید میخواهیم میانگین زمان استفاده روزانه نوجوانان یک شهر از شبکههای اجتماعی (پارامتر جامعه) را بدانیم. یک نمونه تصادفی 100 نفری انتخاب کرده و میانگین (x̄) و انحراف معیار (s) را محاسبه میکنیم.
برآورد نقطهای میانگین جامعه همان میانگین نمونه است. یعنی:
اما برای برآورد بازهای (یا فاصله اطمینان)، باید انحراف معیار و حجم نمونه را هم در نظر بگیریم. فرمول کلی فاصله اطمینان برای میانگین به صورت زیر است:
در این فرمول، $z$ مقداری است که به سطح اطمینان دلخواه ما بستگی دارد (برای مثال، برای اطمینان 95%، $z$ تقریباً برابر 1.96 است). $s$ انحراف معیار نمونه و $n$ حجم نمونه است. عبارت $\frac{s}{\sqrt{n}}$ خطای استاندارد نامیده میشود.
| ویژگی | برآورد نقطهای | برآورد بازهای |
|---|---|---|
| خروجی | یک عدد (مثلاً 170 سانتیمتر) | یک بازه (مثلاً 168 تا 172 سانتیمتر) |
| دقت تخمین | مشخص نیست | با سطح اطمینان مشخص میشود |
| مزیت اصلی | سادگی محاسبه و فهم | اطلاع از میزان خطا و اطمینان |
مثال عینی: تخمین درصد رضایت مشتریان
یک فروشگاه اینترنتی میخواهد درصد رضایت مشتریان خود (پارامتر نسبت) را بداند. جامعه، تمام 10000 مشتری ماه گذشته است. از بین آنها، یک نمونه تصادفی 200 نفری انتخاب میکند. در این نمونه، 160 نفر اعلام رضایت میکنند. بنابراین، نسبت موفقیت در نمونه (آماره) برابر است با $\hat{p} = 160/200 = 0.8$ یا 80%.
برآورد نقطهای میگوید که 80% از تمام 10000 مشتری راضی هستند. اما برای برآورد بازهای با اطمینان 95%، از فرمول زیر برای نسبتها استفاده میکنیم:
با قرار دادن مقادیر: $0.8 \pm 1.96 \times \sqrt{\frac{0.8 \times 0.2}{200}}$. نتیجه محاسبه تقریباً بازه (0.745, 0.855) یا (74.5% , 85.5%) خواهد بود. این یعنی فروشنده میتواند با 95% اطمینان بگوید که درصد رضایت واقعی مشتریان بین 74.5% و 85.5% است.