Σ
SDCalc
בינונייםיישומים·11 min

בניית רווחי סמך עם סטיית תקן

למדו כיצד לבנות רווחי סמך באמצעות סטיית תקן. הבינו את משמעות רמות הסמך וכיצד לפרש רווחי סמך בתרחישים מהעולם האמיתי.

מהו רווח סמך?

רווח סמך (CI) הוא טווח ערכים שסביר שמכיל את הפרמטר האמיתי של האוכלוסייה. במקום לתת הערכת נקודה בודדת, רווח סמך מכיר באי-ודאות על ידי מתן טווח.

“אנו בטוחים ב-95% שהממוצע האמיתי נופל בין 48.2 ל-51.8”

95% CI: [48.2, 51.8]

הנוסחה

רווח הסמך עבור ממוצע אוכלוסייה הוא:

נוסחת רווח סמך

CI = x̄ ± z* × (σ / √n)
  • x̄ = ממוצע מדגם
  • z* = ערך קריטי (1.96 עבור רווח סמך של 95%)
  • σ = סטיית תקן
  • n = גודל מדגם
  • σ/√n = שגיאת תקן
רמת סמךערך z*
90%1.645
95%1.960
99%2.576

פרשנות נכונה

תפיסה שגויה נפוצה

רווח סמך של 95% לא אומר “יש הסתברות של 95% שהממוצע האמיתי נמצא ברווח הזה.” הממוצע האמיתי או נמצא או לא נמצא ברווח — הוא קבוע.

פרשנות נכונה

“אם נחזור על תהליך הדגימה הזה פעמים רבות, 95% מהרווחים המחושבים יכילו את הממוצע האמיתי של האוכלוסייה.”

דוגמאות מפורטות

דוגמה: שביעות רצון לקוחות

אתם סוקרים 100 לקוחות ומוצאים ציון שביעות רצון ממוצע של 7.5 עם סטיית תקן של 1.5. חשבו את רווח הסמך של 95%.
1

מציאת שגיאת התקן

SE = 1.5 / √100 = 0.15
2

חישוב שולי שגיאה

ME = 1.96 × 0.15 = 0.294
3

בניית הרווח

CI = 7.5 ± 0.294 = [7.21, 7.79]

פרשנות: אנו בטוחים ב-95% שממוצע שביעות הרצון האמיתי של הלקוחות נמצא בין 7.21 ל-7.79.

מה משפיע על רוחב רווח הסמך?

גודל מדגם (n)

n גדול יותר = רווח סמך צר יותר יותר נתונים = יותר דיוק

סטיית תקן (σ)

σ גדול יותר = רווח סמך רחב יותר יותר שונות = פחות ודאות

רמת סמך

סמך גבוה יותר = רווח סמך רחב יותר רווח סמך של 99% רחב יותר מרווח של 95%

Further Reading

← מרכז למידה

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.