CONFIDENCE.T คำนวณช่วงความเชื่อมั่น (Confidence Interval) ของค่าเฉลี่ยประชากรโดยใช้การแจกแจงแบบ T-Distribution เหมาะสำหรับกลุ่มตัวอย่างขนาดเล็ก
| อาร์กิวเมนต์ | ชนิด | คำอธิบาย |
|---|---|---|
| alpha | Number | ระดับนัยสำคัญ (Significance Level) ช่วง 0-1 โดยปกติใช้ 0.05 (95% confidence) หรือ 0.01 (99% confidence) ค่านี้คือ 1 – confidence level |
| standard_dev | Number | ค่าเบี่ยงเบนมาตรฐาน (Standard Deviation) ของตัวอย่าง โดยใช้ STDEV หรือ STDEV.S ในการคำนวณ |
| size | Number | ขนาดตัวอย่าง (Sample Size) จำนวนข้อมูลที่ใช้ในการคำนวณ ต้องมากกว่า 1 |
ฟังก์ชัน CONFIDENCE.T ใช้สำหรับหาช่วงความเชื่อมั่นของค่าเฉลี่ยประชากร (Student’s t distribution) ซึ่งแตกต่างจาก CONFIDENCE.NORM ที่ใช้ Normal Distribution
ความแตกต่างหลักคือ T-Distribution นั้นเหมาะสำหรับกลุ่มตัวอย่างขนาดเล็ก (N < 30) ส่วน Normal Distribution ใช้กับกลุ่มตัวอย่างขนาดใหญ่ T-Distribution จะให้ช่วงความเชื่อมั่นที่กว้างกว่า เพื่อชดเชยความไม่แน่นอนที่มากขึ้นเมื่อข้อมูลไม่เพียงพอ
ส่วนตัวผม T-Distribution คือการถ่วงน้ำหนักความเสี่ยง ข้อมูลน้อยก็ต้องปลอดภัยมากกว่า 😎
หา margin of error สำหรับข้อมูล 50 รายการ ที่มี SD = 1 ในระดับความเชื่อมั่น 95% ผลลัพธ์ 0.284 หมายความว่าช่วงความเชื่อมั่นคือ ค่าเฉลี่ย ± 0.284
คำนวณช่วงความเชื่อมั่น 95% สำหรับค่าเฉลี่ยประชากร จากตัวอย่าง 10 รายการ ช่วง [87.8, 90.6] คือจุดทำให้เราเชื่อมั่น 95% ว่าค่าเฉลี่ยประชากรจริง (true mean) อยู่ในช่วงนี้
T-Distribution ให้ช่วงที่กว้างกว่า (1.839 > 1.569) เพราะข้อมูลเพียง 10 รายการมีความไม่แน่นอนมากกว่า ถ้า size = 1000 ผลลัพธ์ของ CONFIDENCE.T จะเข้าใกล้ CONFIDENCE.NORM
ความเชื่อมั่นที่สูงขึ้น (99%) ต้องการช่วงที่กว้างกว่า (1.041 > 0.747) ในทำนองเดียวกับการขับรถ ต้องการความมั่นใจ 99% ต้องขับเชื่อมช้ากว่า 95%
ใช้ CONFIDENCE.T เมื่อขนาดตัวอย่าง < 30 หรือไม่ทราบค่า SD ของประชากร ใช้ CONFIDENCE.NORM เมื่อขนาดตัวอย่าง >= 30 หรือทราบ SD ของประชากรแล้ว โดยทั่วไป T-Distribution ปลอดภัยกว่าเมื่อสงสัย
Alpha = 0.05 หมายถึง Confidence Level = 95% ซึ่งหมายความว่า ถ้าเราทำการสุ่มตัวอย่างซ้ำ 100 ครั้ง ก็จะมี 95 ครั้งที่ค่าเฉลี่ยประชากรจริงตกอยู่ในช่วงที่คำนวณได้
CONFIDENCE.T ให้ผลลัพธ์เพียง 1 ตัวเลข ซึ่งคือ Margin of Error เพื่อหาช่วง ต้องคำนวณ AVERAGE ± CONFIDENCE.T
CONFIDENCE.T มี Excel 2016 ขึ้นไป, Excel 2019, 2021, 2024, และ Excel for Microsoft 365 ทั้งหมด
ใช้ STDEV.S (Sample Standard Deviation) ถ้าข้อมูลเป็นตัวอย่าง (ซึ่งมักจะเป็นกรณีส่วนใหญ่) ใช้ STDEV.P (Population SD) เฉพาะกรณีที่ข้อมูลเป็นประชากรทั้งหมด
ฟังก์ชันที่ผู้เขียนโยงไว้กับ CONFIDENCE.T จัดกลุ่มตามหมวด · ชี้ที่ชื่อใดชื่อหนึ่ง แล้วฟังก์ชันที่ใช้คู่กันจะมีจุดทอง
AVERAGE คืนค่าเฉลี่ยของกลุ่มตัวเลขที่ระบุ โดยจะนับเฉพาะเซลล์ที่มีตัวเลขและค่า 0 เท่านั้น ส่วนเซลล์ว่างหรือข้อความจะถูกข้ามไป ไม่นำมาเป็นตัวหาร ซึ่งหลายคนมักพลาดความแตกต่างระหว่าง 0 กับเซลล์ว่าง ตรงนี้สำคัญมากครับ เพราะมันทำให้ค่าเฉลี่ยที่ได้ต่างกันเลย
CONFIDENCE.NORM คำนวณ margin of error สำหรับช่วงความเชื่อมั่นของค่าเฉลี่ยประชากร เมื่อทราบค่า standard deviation แบบ Normal Distribution (Z-Test)
NORM.INV ช่วยหาค่า x ของการแจกแจงปกติเมื่อทราบความน่าจะเป็น ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐาน เป็นฟังก์ชันผกผันของ NORM.DIST ที่ใช้ในการวิเคราะห์ทางสถิติและการทำนาย
STDEV.P คำนวณส่วนเบี่ยงเบนมาตรฐานของข้อมูลประชากรทั้งหมด (Population Standard Deviation)
STDEV.S คำนวณส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) ของข้อมูลกลุ่มตัวอย่าง โดยใช้สูตร n-1 เพื่อประมาณค่าของประชากรทั้งหมด
T.DIST หาค่าความน่าจะเป็นของการแจกแจงแบบ t (Student's t-distribution) หางซ้าย ใช้สำหรับการทดสอบสมมติฐานกับกลุ่มตัวอย่างขนาดเล็ก
ฟังก์ชัน T.DIST.RT ใช้คำนวณความน่าจะเป็นของการแจกแจง t-distribution ทางด้านขวา (right-tailed) สำหรับการทดสอบสมมติฐานด้วยตัวอย่างขนาดเล็ก
T.INV ใช้หาค่า t-value จากความน่าจะเป็นและองศาอิสระ ฟังก์ชันนี้ช่วยสร้างช่วงความเชื่อมั่น (confidence interval) หรือทดสอบสมมติฐาน โดยทำงานกับหางซ้ายของการแจกแจง t
ส่งกลับค่า p-value ของ t-test เพื่อทดสอบว่าค่าเฉลี่ยของสองชุดข้อมูลแตกต่างกันอย่างมีนัยสำคัญหรือไม่
ฟังก์ชัน CONFIDENCE ใน Excel ใช้สำหรับคำนวณช่วงความเชื่อมั่นสำหรับค่าเฉลี่ยประชากร โดยใช้การแจกแจงแบบปกติ เป็นฟังก์ชันเวอร์ชันเก่าที่ถูกแทนที่ด้วย CONFIDENCE.NORM และ CONFIDENCE.T เพื่อความแม่นยำและยืดหยุ่นที่สูงขึ้น.
STDEV คำนวณส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) สำหรับกลุ่มตัวอย่าง โดยใช้วิธี n-1
ยังไม่มีบทความที่เกี่ยวข้องกับฟังก์ชันนี้
Comments
อีเมลของคุณจะไม่ถูกเผยแพร่