Σ
SDCalc
KözéphaladóAlkalmazások·11 min

Konfidenciaintervallumok építése szórással

Tanuld meg, hogyan építs konfidenciaintervallumokat szórás segítségével. Értsd meg, mit jelentenek a konfidenciaszintek, és hogyan értelmezd a CI-t valós helyzetekben.

Mi a konfidenciaintervallum?

A konfidenciaintervallum (CI) egy értéktartomány, amely valószínűleg tartalmazza a valódi populációs paramétert. Egyetlen pontbecslés helyett a CI a bizonytalanságot is figyelembe veszi egy tartomány megadásával.

“95%-os bizonyossággal állítjuk, hogy a valódi átlag 48,2 és 51,8 közé esik”

95% CI: [48,2; 51,8]

A képlet

A populációs átlagra vonatkozó konfidenciaintervallum:

Konfidenciaintervallum képlete

CI = x̄ ± z* × (σ / √n)
  • x̄ = mintaátlag
  • z* = kritikus érték (1,96 a 95%-os CI-hez)
  • σ = szórás
  • n = mintaméret
  • σ/√n = standard hiba
Konfidenciaszintz* érték
90%1,645
95%1,960
99%2,576

Helyes értelmezés

Gyakori tévhit

A 95%-os CI NEM azt jelenti, hogy “95% a valószínűsége, hogy a valódi átlag ebben az intervallumban van.” A valódi átlag vagy benne van, vagy nincs — ez egy rögzített érték.

Helyes értelmezés

“Ha sokszor megismételnénk ezt a mintavételi eljárást, a kiszámított intervallumok 95%-a tartalmazná a valódi populációs átlagot.”

Kidolgozott példák

Példa: Ügyfél-elégedettség

100 ügyfelet kérdezel meg, és az átlagos elégedettségi pontszám 7,5, a szórás 1,5. Számítsd ki a 95%-os CI-t.
1

Számítsd ki a standard hibát

SE = 1,5 / √100 = 0,15
2

Számítsd ki a hibahatárt

ME = 1,96 × 0,15 = 0,294
3

Építsd meg az intervallumot

CI = 7,5 ± 0,294 = [7,21; 7,79]

Értelmezés: 95%-os bizonyossággal állítjuk, hogy az ügyfél-elégedettség valódi átlaga 7,21 és 7,79 között van.

Mi befolyásolja a CI szélességét?

Mintaméret (n)

Nagyobb n = szűkebb CI Több adat = nagyobb pontosság

Szórás (σ)

Nagyobb σ = szélesebb CI Nagyobb változékonyság = kisebb bizonyosság

Konfidenciaszint

Magasabb konfidencia = szélesebb CI A 99%-os CI szélesebb, mint a 95%-os CI

Further Reading

← Tanulóközpont

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.