Σ
SDCalc
ขั้นสูงขั้นสูง·14 min

การทดสอบสมมติฐานด้วยส่วนเบี่ยงเบนมาตรฐาน

เรียนรู้วิธีใช้ส่วนเบี่ยงเบนมาตรฐานในการทดสอบสมมติฐาน ทำความเข้าใจการทดสอบ t การทดสอบ z และวิธีกำหนดนัยสำคัญทางสถิติ

ภาพรวม

การทดสอบสมมติฐาน เป็นวิธีการทางสถิติสำหรับการตัดสินใจเกี่ยวกับประชากรโดยอาศัยข้อมูลตัวอย่าง ส่วนเบี่ยงเบนมาตรฐานมีบทบาทสำคัญในการพิจารณาว่าความแตกต่างที่สังเกตได้มีนัยสำคัญทางสถิติหรือเกิดจากความบังเอิญ

1

กำหนดสมมติฐาน

กำหนดสมมติฐานว่าง (H₀) และสมมติฐานทางเลือก (H₁)
2

เลือกระดับนัยสำคัญ

เลือกระดับนัยสำคัญ (α) โดยทั่วไปคือ 0.05
3

คำนวณค่าสถิติทดสอบ

คำนวณค่าสถิติทดสอบโดยใช้ส่วนเบี่ยงเบนมาตรฐาน
4

เปรียบเทียบกับค่าวิกฤต

เปรียบเทียบกับค่าวิกฤตหรือคำนวณค่า p
5

ตัดสินใจ

ตัดสินใจ: ปฏิเสธหรือไม่ปฏิเสธ H₀

การทดสอบ Z

ใช้การทดสอบ Z เมื่อคุณทราบส่วนเบี่ยงเบนมาตรฐานของประชากร (σ) และมีขนาดตัวอย่างใหญ่ (n ≥ 30)

ค่าสถิติการทดสอบ Z

z = (x̄ - μ₀) / (σ / √n)

ตัวอย่าง

ผู้ผลิตอ้างว่าแบตเตอรี่ใช้งานได้เฉลี่ย 100 ชั่วโมง (μ₀ = 100) คุณทดสอบแบตเตอรี่ 36 ก้อนและพบว่า x̄ = 98 ชั่วโมง ถ้า σ = 12 ชั่วโมง: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 ด้วย z = -1 และ α = 0.05 (สองหาง) เราไม่ปฏิเสธ H₀ ความแตกต่างไม่มีนัยสำคัญทางสถิติ

การทดสอบ T

ใช้การทดสอบ t เมื่อคุณไม่ทราบส่วนเบี่ยงเบนมาตรฐานของประชากรและต้องประมาณจากตัวอย่าง (ใช้ s แทน σ)

ค่าสถิติการทดสอบ T

t = (x̄ - μ₀) / (s / √n)

ควรใช้การทดสอบ T หรือ Z เมื่อไหร่

- การทดสอบ Z: ทราบ σ, n ≥ 30 - การทดสอบ T: ไม่ทราบ σ (ใช้ s) ขนาดตัวอย่างใดก็ได้ ในทางปฏิบัติ การทดสอบ t พบบ่อยกว่ามากเพราะเราแทบไม่เคยทราบค่า σ ที่แท้จริงของประชากร

ความคลาดเคลื่อนมาตรฐาน

ความคลาดเคลื่อนมาตรฐาน (SE) วัดว่าค่าเฉลี่ยตัวอย่างแปรผันจากค่าเฉลี่ยประชากรมากเพียงใด เป็นตัวเชื่อมสำคัญระหว่างส่วนเบี่ยงเบนมาตรฐานและการทดสอบสมมติฐาน

ความคลาดเคลื่อนมาตรฐานของค่าเฉลี่ย

SE = σ / √n (or s / √n when using sample SD)

ความคลาดเคลื่อนมาตรฐานจะลดลงเมื่อขนาดตัวอย่างเพิ่มขึ้น ตัวอย่างที่ใหญ่กว่าให้ค่าประมาณที่แม่นยำกว่าและทำให้ตรวจจับความแตกต่างที่แท้จริงได้ง่ายขึ้น

นัยสำคัญทางสถิติ

ผลลัพธ์มี นัยสำคัญทางสถิติ เมื่อความน่าจะเป็นที่จะสังเกตมันโดยบังเอิญ (ค่า p) ต่ำกว่าเกณฑ์ที่เลือก (α)

ถ้าค่า p < α

ปฏิเสธ H₀ ผลลัพธ์มีนัยสำคัญทางสถิติ

ถ้าค่า p ≥ α

ไม่ปฏิเสธ H₀ ผลลัพธ์อาจเกิดจากความบังเอิญ

นัยสำคัญทางสถิติ vs นัยสำคัญเชิงปฏิบัติ

ผลลัพธ์ที่มีนัยสำคัญทางสถิติไม่จำเป็นต้องสำคัญในทางปฏิบัติ ด้วยตัวอย่างขนาดใหญ่มาก ความแตกต่างเล็กน้อยอาจ “มีนัยสำคัญ” แต่ไม่มีความหมายในทางปฏิบัติ ควรพิจารณาขนาดอิทธิพลควบคู่กับค่า p เสมอ

Further Reading

← ศูนย์เรียนรู้

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.