بازه اطمینان نسبت: بازه‌ای برای نسبت واقعی جامعه که از p̂ و اندازه نمونه ساخته می‌شود.

بازه اطمینان نسبت: برآورد فاصله‌ای برای نسبت واقعی جامعه

چرا به بازه اطمینان نیاز داریم؟

فرض کنید می‌خواهیم بدانیم چه نسبتی از دانش‌آموزان یک دبیرستان بزرگ، ریاضیات را دوست دارند. بررسی همه ۱۰۰۰ دانش‌آموز زمان‌بر و دشوار است. به جای آن، ۱۰۰ دانش‌آموز را به‌طور تصادفی انتخاب می‌کنیم و می‌بینیم که ۶۰ نفر از آنها ریاضیات را دوست دارند. بنابراین نسبت موفقیت در نمونه ($ \hat{p} $) برابر ۰/۶ است. آیا می‌توانیم بگوییم دقیقاً ۶۰٪ از کل دانش‌آموزان ریاضیات را دوست دارند؟ خیر، زیرا نمونه فقط بخشی از جامعه است و ممکن است با جامعه تفاوت داشته باشد.

در اینجا «بازه اطمینان» به کمک ما می‌آید. به جای یک عدد دقیق، یک محدوده (مثلاً از ۰/۵۰ تا ۰/۷۰) محاسبه می‌کنیم و می‌گوییم: «با اطمینان ۹۵٪، نسبت واقعی دانش‌آموزانی که ریاضیات را دوست دارند در این محدوده قرار دارد.» این روش به ما اجازه می‌دهد تا خطای ناشی از نمونه‌گیری را کمی کنیم و تصمیم‌های آگاهانه‌تری بگیریم.

فرمول اصلی و شرایط ساخت بازه اطمینان برای نسبت

برای ساختن یک بازه اطمینان برای نسبت واقعی جامعه ($ p $) بر اساس نسبت نمونه ($ \hat{p} $) و اندازه نمونه ($ n $)، از فرمول زیر استفاده می‌کنیم:

در این فرمول:

• $ \hat{p} $: نسبت موفقیت در نمونه (مثلاً تعداد موفقیت‌ها تقسیم بر $ n $)
• $ z^* $: ضریب اطمینان (نمرهٔ $ z $) که به سطح اطمینان مورد نظر بستگی دارد.
• $ n $: اندازه نمونه

شرایط لازم برای استفاده از این فرمول: برای اینکه بازه اطمینان معتبر باشد، باید سه شرط زیر برقرار شوند:

• شرط تصادفی بودن نمونه: نمونه باید به‌طور تصادفی از جامعه انتخاب شده باشد.
• شرط ۱۰٪: اندازه نمونه نباید از ۱۰٪ کل جامعه بیشتر باشد تا استقلال مشاهدات حفظ شود.
• شرط تعداد موفقیت و شکست: تعداد موفقیت‌های مورد انتظار ($ n \times \hat{p} $) و تعداد شکست‌های مورد انتظار ($ n \times (1-\hat{p}) $) هر دو باید حداقل ۱۰ باشند تا توزیع نمونه‌گیری نرمال باشد.

مقایسه سطوح اطمینان مختلف و ضریب $ z^* $

رایج‌ترین سطوح اطمینان، ۹۰٪، ۹۵٪ و ۹۹٪ هستند. هرچه سطح اطمینان بالاتر باشد، ضریب $ z^* $ بزرگتر و در نتیجه بازه به دست آمده عریض‌تر خواهد بود. جدول زیر این مقادیر را نشان می‌دهد.

گام‌های محاسبه بازه اطمینان با یک مثال واقعی

فرض کنید یک شرکت تولیدکنندهٔ نوشیدنی می‌خواهد بداند چه نسبتی از مشتریان طعم جدید محصول را می‌پسندند. از بین ۵۰۰ مشتری که به‌طور تصادفی انتخاب شده‌اند، ۳۴۰ نفر طعم جدید را می‌پسندند. می‌خواهیم یک بازه اطمینان ۹۵٪ برای نسبت واقعی بسازیم.

گام ۱: محاسبه نسبت نمونه ($ \hat{p} $)
$ \hat{p} = \frac{340}{500} = 0/68 $

گام ۲: تعیین ضریب اطمینان ($ z^* $)
برای سطح اطمینان ۹۵٪، مقدار $ z^* = 1/96 $ است.

گام ۳: محاسبه خطای استاندارد
$ SE = \sqrt{\frac{\hat{p}(1-\hat{p})}{n}} = \sqrt{\frac{0/68 \times 0/32}{500}} = \sqrt{\frac{0/2176}{500}} = \sqrt{0/0004352} \approx 0/02086 $

گام ۴: محاسبه حاشیهٔ خطا
$ ME = z^* \times SE = 1/96 \times 0/02086 \approx 0/0409 $

گام ۵: ساختن بازه اطمینان
$ 0/68 - 0/0409 = 0/6391 $ و $ 0/68 + 0/0409 = 0/7209 $
بنابراین بازه اطمینان ۹۵٪ برابر است با $ (0/6391 \ , \ 0/7209) $ یا (۶۳/۹۱٪ تا ۷۲/۰۹٪).

تفسیر: ما با ۹۵٪ اطمینان می‌گوییم که نسبت واقعی مشتریانی که طعم جدید را می‌پسندند بین ۶۳/۹۱٪ و ۷۲/۰۹٪ قرار دارد.

تأثیر اندازه نمونه بر دقت بازه اطمینان

یکی از مهمترین نکات در ساخت بازه اطمینان، تأثیر اندازه نمونه ($ n $) است. هرچه $ n $ بزرگتر باشد، خطای استاندارد کوچکتر شده و در نتیجه بازه اطمینان باریک‌تر (دقیق‌تر) خواهد بود. مثال زیر این موضوع را روشن می‌کند.

فرض کنید در دو مطالعهٔ جداگانه، نسبت نمونه یکسان ($ \hat{p}=0/6 $) ولی اندازه‌های نمونه متفاوت $ n=100 $ و $ n=400 $ داریم. بازه اطمینان ۹۵٪ برای هر کدام به صورت زیر محاسبه می‌شود:

• برای $ n=100 $: $ 0/6 \pm 1/96 \times \sqrt{0/6 \times 0/4 / 100} = 0/6 \pm 0/096 $ → بازه: (۰/۵۰۴ ، ۰/۶۹۶)
• برای $ n=400 $: $ 0/6 \pm 1/96 \times \sqrt{0/6 \times 0/4 / 400} = 0/6 \pm 0/048 $ → بازه: (۰/۵۵۲ ، ۰/۶۴۸)

همانطور که مشاهده می‌شود، بازه دوم (با نمونه بزرگتر) بسیار باریک‌تر است و برآورد دقیق‌تری از نسبت واقعی ارائه می‌دهد.

کاربرد عملی: نظرسنجی‌های انتخاباتی و برآورد آرای نامزدها

یکی از رایج‌ترین کاربردهای بازه اطمینان نسبت، در نظرسنجی‌های سیاسی و انتخاباتی است. فرض کنید یک مؤسسهٔ نظرسنجی از ۱۲۰۰ نفر به‌طور تصادفی سؤال می‌کند که به کدام نامزد رأی می‌دهند. اگر ۵۲۸ نفر بگویند به نامزد «الف» رأی می‌دهند، نسبت نمونه برابر $ \hat{p}=۵۲۸/۱۲۰۰=۰/۴۴ $ خواهد بود. با سطح اطمینان ۹۵٪، بازه اطمینان به صورت زیر محاسبه می‌شود:

بنابراین بازه اطمینان برابر (۰/۴۱۲ ، ۰/۴۶۸) یا (۴۱/۲٪ ، ۴۶/۸٪) است. این نتیجه به ما می‌گوید که با ۹۵٪ اطمینان، رأی واقعی نامزد «الف» در کل جامعه بین ۴۱/۲٪ و ۴۶/۸٪ است. اگر بازه اطمینان نامزد دیگر کاملاً بالاتر از این محدوده باشد، می‌توان نتیجه گرفت که احتمال پیروزی او بیشتر است.

رسانه‌ها معمولاً این نتایج را با عبارت «شکاف خطای نظرسنجی ± ۳٪» گزارش می‌کنند که همان حاشیه خطا است.

چالش‌های مفهومی

جمع‌بندی

پاورقی

¹ نسبت نمونه (Sample Proportion): نسبت اعضای یک نمونه که دارای ویژگی مورد نظر هستند که با $ \hat{p} $ نمایش داده می‌شود و برابر است با تعداد موفقیت‌ها در نمونه تقسیم بر اندازه نمونه.

² ضریب اطمینان (Critical Value): مقداری از توزیع نرمال استاندارد که سطح اطمینان مورد نظر را مشخص می‌کند. برای سطح اطمینان ۹۵٪، ضریب اطمینان $ z^* = 1/96 $ است.

³ حاشیه خطا (Margin of Error): حداکثر تفاوت مورد انتظار بین آماره نمونه (نسبت نمونه) و پارامتر جامعه (نسبت واقعی) در سطح اطمینان معین. برابر است با ضریب اطمینان ضرب در خطای استاندارد.

⁴ خطای استاندارد (Standard Error): انحراف معیار توزیع نمونه‌گیری یک آماره. برای نسبت نمونه، خطای استاندارد برابر $ \sqrt{\hat{p}(1-\hat{p})/n} $ است.

⁵ بازه اطمینان ویلسون (Wilson Confidence Interval): روش جایگزین برای ساخت بازه اطمینان نسبت که برای نمونه‌های کوچک و نسبت‌های نزدیک به ۰ یا ۱ عملکرد بهتری دارد.