दो जनसंख्या अनुपात के अंतर के लिए आत्मविश्वास अंतराल

विश्वास अंतराल का एक हिस्सा हैं आनुमानिक आंकड़े. इस विषय के पीछे मूल विचार अज्ञात आबादी के मूल्य का अनुमान लगाना है पैरामीटर सांख्यिकीय नमूने का उपयोग करके। हम न केवल एक पैरामीटर के मूल्य का अनुमान लगा सकते हैं, बल्कि दो संबंधित मापदंडों के बीच अंतर का अनुमान लगाने के लिए हम अपने तरीकों को भी अनुकूलित कर सकते हैं। उदाहरण के लिए हम पुरुष वोटिंग जनसंख्या के पुरुष प्रतिशत के अंतर का पता लगाना चाहते हैं, जो महिला वोटिंग आबादी की तुलना में कानून के एक विशेष टुकड़े का समर्थन करता है।

हम देखेंगे कि दो जनसंख्या अनुपातों के अंतर के लिए एक आत्मविश्वास अंतराल का निर्माण करके इस प्रकार की गणना कैसे करें। इस प्रक्रिया में हम इस गणना के पीछे के कुछ सिद्धांत की जांच करेंगे। हम निर्माण में कुछ समानताएँ देखेंगे एक एकल जनसंख्या अनुपात के लिए आत्मविश्वास अंतराल अच्छी तरह से आसा के रूप में दो आबादी के अंतर के लिए विश्वास अंतराल का मतलब है.

हमारे द्वारा उपयोग किए जाने वाले विशिष्ट सूत्र को देखने से पहले, आइए समग्र रूपरेखा पर विचार करें कि इस प्रकार का आत्मविश्वास अंतराल किसमें फिट बैठता है। हम जिस आत्मविश्वास अंतराल के प्रकार को देखेंगे, वह निम्नलिखित सूत्र द्वारा दिया गया है:

अनुमान +/- त्रुटि का मार्जिन

कई आत्मविश्वास अंतराल इस प्रकार के होते हैं। दो संख्याएं हैं जिनकी हमें गणना करने की आवश्यकता है। इनमें से पहला मान पैरामीटर के लिए अनुमान है। दूसरा मान त्रुटि का मार्जिन है। त्रुटि का यह अंतर इस तथ्य के लिए है कि हमारे पास एक अनुमान है। विश्वास अंतराल हमें हमारे अज्ञात पैरामीटर के लिए संभावित मूल्यों की एक श्रृंखला प्रदान करता है।

हमें यह सुनिश्चित करना चाहिए कि किसी भी गणना को करने से पहले सभी शर्तें पूरी हो जाएं। दो जनसंख्या अनुपातों के अंतर के लिए एक आत्मविश्वास अंतराल खोजने के लिए, हमें यह सुनिश्चित करने की आवश्यकता है कि निम्नलिखित पकड़:

• हमारे पास दो हैं सरल यादृच्छिक नमूने बड़ी आबादी से। यहां "बड़े" का मतलब है कि जनसंख्या नमूने के आकार से कम से कम 20 गुना बड़ा है। नमूना आकार द्वारा चिह्नित किया जाएगा n₁ तथा n₂.
• हमारे व्यक्तियों को एक दूसरे से स्वतंत्र रूप से चुना गया है।
• हमारे प्रत्येक नमूने में कम से कम दस सफलताएँ और दस विफलताएँ हैं।

यदि सूची में अंतिम आइटम संतुष्ट नहीं है, तो इसके आसपास एक रास्ता हो सकता है। हम संशोधित कर सकते हैं प्लस-चार आत्मविश्वास अंतराल निर्माण और प्राप्त मजबूत परिणाम. जैसा कि हम आगे बढ़ते हैं, हम मानते हैं कि उपरोक्त सभी शर्तों को पूरा किया गया है।

अब हम अपने विश्वास अंतराल का निर्माण करने के लिए तैयार हैं। हम अपनी आबादी के अनुपात के अंतर के अनुमान से शुरू करते हैं। ये दोनों जनसंख्या अनुपात एक नमूना अनुपात द्वारा अनुमानित हैं। ये नमूना अनुपात एक आँकड़े हैं जो प्रत्येक नमूने में सफलताओं की संख्या को विभाजित करके और फिर संबंधित नमूना आकार से विभाजित करके पाए जाते हैं।

पहले जनसंख्या अनुपात द्वारा निरूपित किया जाता है पी₁. यदि इस जनसंख्या से हमारे नमूने में सफलताओं की संख्या है क₁, तो हम का एक नमूना अनुपात है क₁ / एन_1.

हम इस आंकड़े को p̂ द्वारा निरूपित करते हैं₁. हम इस प्रतीक को "पी" के रूप में पढ़ते हैं₁-यह "क्योंकि यह प्रतीक p जैसा दिखता है₁ शीर्ष पर एक टोपी के साथ।

इसी तरह से हम अपनी दूसरी आबादी से एक नमूना अनुपात की गणना कर सकते हैं। इस जनसंख्या से पैरामीटर है पी₂. यदि इस जनसंख्या से हमारे नमूने में सफलताओं की संख्या है क₂, और हमारे नमूना अनुपात p̂ है₂ = के₂ / एन_2.

ये दो आँकड़े हमारे आत्मविश्वास के अंतराल का पहला हिस्सा बन जाते हैं। का अनुमान है पी₁ p is है₁. का अनुमान है पी₂ p is है_2. तो अंतर के लिए अनुमान पी₁ - पी₂ p is है₁ - p -_2.

आगे हमें त्रुटि के मार्जिन के लिए सूत्र प्राप्त करने की आवश्यकता है। ऐसा करने के लिए हम पहले विचार करेंगे नमूने का वितरण of p̂₁ . यह सफलता की संभावना के साथ द्विपद वितरण है पी₁ तथा n₁ परीक्षणों। इस वितरण का मतलब अनुपात है पी₁. इस प्रकार के यादृच्छिक चर के मानक विचलन में भिन्नता है पी₁ (1 - पी₁ )/n₁.

नमूना वितरण p̂₂ p̂ के समान है₁ . बस 1 से 2 तक सभी सूचकांकों को बदलें और हमारे पास पी के माध्यम से एक द्विपद वितरण है₂ और का विचरण पी₂ (1 - पी₂ )/n₂.

अब हमें गणितीय आँकड़ों से कुछ परिणामों की आवश्यकता है ताकि p̂ का नमूना वितरण निर्धारित किया जा सके₁ - p -₂. इस वितरण का मतलब है पी₁ - पी₂. इस तथ्य के कारण कि संस्करण एक साथ जोड़ते हैं, हम देखते हैं कि नमूना वितरण का भिन्नता है पी₁ (1 - पी₁ )/n₁ + पी₂ (1 - पी₂ )/n_2. वितरण का मानक विचलन इस सूत्र का वर्गमूल है।

वहाँ समायोजन की एक जोड़ी है कि हम बनाने की जरूरत है। पहला यह है कि p is के मानक विचलन का सूत्र₁ - p -₂ के अज्ञात मापदंडों का उपयोग करता है पी₁ तथा पी₂. बेशक, अगर हम वास्तव में इन मूल्यों को जानते हैं, तो यह एक दिलचस्प सांख्यिकीय समस्या नहीं होगी। हमें इसके बीच अंतर का अनुमान लगाने की आवश्यकता नहीं होगी पी₁ तथा पी_2.. इसके बजाय हम बस सटीक अंतर की गणना कर सकते हैं।

यह समस्या एक मानक विचलन के बजाय एक मानक त्रुटि की गणना करके तय की जा सकती है। नमूना अनुपात द्वारा जनसंख्या अनुपात को बदलने के लिए हमें बस इतना करना चाहिए। मानकों के बजाय आंकड़ों पर मानक त्रुटियों की गणना की जाती है। एक मानक त्रुटि उपयोगी है क्योंकि यह प्रभावी रूप से एक मानक विचलन का अनुमान लगाती है। हमारे लिए इसका मतलब यह है कि हमें मापदंडों के मूल्य को जानने की आवश्यकता नहीं है पी₁ तथा पी₂. .चूंकि ये नमूना अनुपात ज्ञात हैं, मानक त्रुटि निम्न अभिव्यक्ति के वर्गमूल द्वारा दी गई है:

पी₁ (1 - पी̂₁ )/n₁ + p̂₂ (1 - पी̂₂ )/n_2.

दूसरा आइटम जिसे हमें संबोधित करने की आवश्यकता है वह हमारे नमूना वितरण का विशेष रूप है। यह पता चला है कि हम सामान्य वितरण का उपयोग p̂ के नमूना वितरण को अनुमानित कर सकते हैं₁ - p -₂. इसका कारण कुछ तकनीकी है, लेकिन अगले पैराग्राफ में उल्लिखित है।

दोनों p̂₁ और p and₂ एक नमूना वितरण है जो द्विपद है। इनमें से प्रत्येक द्विपद वितरण को सामान्य वितरण द्वारा काफी अच्छी तरह से अनुमानित किया जा सकता है। इस प्रकार p̂₁ - p -₂ एक यादृच्छिक चर है। यह दो यादृच्छिक चर के रैखिक संयोजन के रूप में बनता है। इनमें से प्रत्येक एक सामान्य वितरण द्वारा अनुमानित हैं। इसलिए नमूना वितरण p̂₁ - p -₂ आम तौर पर वितरित भी किया जाता है।

अब हमारे पास सब कुछ है जिसे हमें अपने आत्मविश्वास अंतराल को इकट्ठा करने की आवश्यकता है। अनुमान है (p estimate)₁ - p -₂) और त्रुटि का मार्जिन है जेड * [पी₁ (1 - पी̂₁ )/n₁ + p̂₂ (1 - पी̂₂ )/n_2.]^0.5. वह मान जिसके लिए हम प्रवेश करते हैं जेड * विश्वास के स्तर से तय होता है सी। के लिए आम तौर पर इस्तेमाल किया मूल्यों जेड * 90% आत्मविश्वास के लिए 1.645 और 95% आत्मविश्वास के लिए 1.96 हैं। इन मूल्यों के लिए जेड * मानक सामान्य वितरण के भाग को निरूपित करें जहाँ बिल्कुल सी वितरण का प्रतिशत के बीच है -z * तथा जेड *।

निम्नलिखित सूत्र हमें दो जनसंख्या अनुपात के अंतर के लिए एक आत्मविश्वास अंतराल देता है:

(पी₁ - p -₂) +/- जेड * [पी₁ (1 - पी̂₁ )/n₁ + p̂₂ (1 - पी̂₂ )/n_2.]^0.5