ฟังก์ชันทางสถิติที่คำนวณค่า P-value สำหรับการทดสอบ Z-test เพื่อทดสอบว่าค่าเฉลี่ยของกลุ่มตัวอย่างสอดคล้องกับค่าเฉลี่ยประชากรที่สมมติหรือไม่
| อาร์กิวเมนต์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
|---|---|---|---|
| array | Range/Array | ช่วงข้อมูลหรืออาร์เรย์ที่เป็นกลุ่มตัวอย่างที่ต้องการทดสอบ เช่น A2:A50 หรือ {100, 105, 98, 102} | |
| x | Number | ค่าเฉลี่ยประชากรที่สมมติหรือค่าที่ต้องการทดสอบ (Hypothesized Population Mean) ซึ่งเป็นค่าที่คุณต้องการเปรียบเทียบกับค่าเฉลี่ยของกลุ่มตัวอย่าง | |
| [sigma]ไม่บังคับ | Number | ใช้ส่วนเบี่ยงเบนมาตรฐานของกลุ่มตัวอย่าง (STDEV.S) | ส่วนเบี่ยงเบนมาตรฐานของประชากร (Population Standard Deviation) หากคุณรู้ค่านี้ให้ระบุ หากไม่ระบุ Excel จะใช้ส่วนเบี่ยงเบนมาตรฐานของกลุ่มตัวอย่างแทน |
[ ] = อาร์กิวเมนต์ที่ไม่บังคับ
Z.TEST ใช้ในการทดสอบสมมติฐานทางสถิติ (Hypothesis Testing) โดยคำนวณค่า P-value หางเดียว (One-tailed) เพื่อบอกว่ามีความน่าจะเป็นเท่าไหร่ที่ค่าเฉลี่ยของกลุ่มตัวอย่างจะมากกว่าค่าเฉลี่ยประชากรที่สมมติขึ้น
ฟังก์ชันนี้เหมาะสำหรับการทดสอบค่าเฉลี่ยเมื่อคุณรู้ค่าส่วนเบี่ยงเบนมาตรฐานของประชากร (หรือคุณสามารถใช้ส่วนเบี่ยงเบนมาตรฐานของตัวอย่างแทนได้)
ที่เจ๋งของ Z.TEST คือ มันช่วยตัดสินใจเชิงสถิติได้ – ถ้า P-value น้อยกว่า 0.05 แสดงว่าผลต่างนั้นมีนัยสำคัญทางสถิติ (Statistically Significant) และสมมติฐานของคุณอาจผิด หรือถ้า P-value มากจะบอกว่าผลต่างนั้นอาจเป็นเพียงแค่โอกาส
ส่วนตัวผมชอบใช้ Z.TEST กับ CONFIDENCE.NORM เพราะมันช่วยให้เข้าใจความมั่นใจในการตัดสินใจได้ดีขึ้น – ถ้า P-value น้อยคุณสามารถตัดสินใจได้กล้า ๆ ได้เลย
สมมติว่า B2:B21 เก็บผลการวัด 20 ครั้งของสินค้า เช่น น้ำหนักสินค้า
Z.TEST จะคืนค่า P-value ≈ 0.021 หมายความว่า มีโอกาสประมาณ 2.1% ที่ค่าเฉลี่ยของกลุ่มตัวอย่างจะมากกว่า 100 หากสมมติฐานว่าค่าเฉลี่ยประชากรเท่ากับ 100 นั้นเป็นจริง
เนื่องจาก 0.021 < 0.05 เราจึงสามารถปฏิเสธสมมติฐานนี้ได้ (ค่าเฉลี่ยน่าจะมากกว่า 100)
Z.TEST จะคืนค่าหางเดียวเสมอ (One-tailed)
หากต้องการทดสอบสองหาง (ว่าค่าเฉลี่ยต่างจาก 100 หรือไม่ โดยไม่สนว่าจะมากหรือน้อย) ให้นำค่า P-value มาคูณด้วย 2 โดยใช้ MIN() เพื่อไม่ให้ผลลัพธ์ > 1
ผลลัพธ์ 0.042 < 0.05 บ่งชี้ว่าค่าเฉลี่ยมีความแตกต่างอย่างมีนัยสำคัญจาก 100
หากคุณทราบค่าส่วนเบี่ยงเบนมาตรฐานของประชากร (Sigma = 15) ให้ระบุเป็น argument ที่ 3
การระบุค่า sigma ที่ถูกต้องจะให้ผลการทดสอบที่แม่นยำมากขึ้น
ผลลัพธ์ 0.015 < 0.05 แสดงว่าค่าเฉลี่ยกลุ่มตัวอย่างมีความแตกต่างอย่างมีนัยสำคัญจากสมมติฐาน
บริษัทผลิตสินค้าอ้างว่าค่าเฉลี่ยความแข็งแรงเท่ากับ 500 หน่วย
ทำการวัด 50 ชิ้น (C2:C51) Z.TEST ให้ผลลัพธ์ 0.3456 (34.56%)
มีความน่าจะเป็น 34.56% ที่ค่าเฉลี่ยจะมากกว่า 500 ถ้าสินค้าเป็นไปตามมาตรฐาน
เนื่องจากค่านี้ > 0.05 เราไม่สามารถปฏิเสธสมมติฐานได้ = สินค้าเป็นไปตามมาตรฐาน
Z.TEST ใช้เมื่อคุณรู้ค่าส่วนเบี่ยงเบนมาตรฐานของประชากร (หรือขนาดตัวอย่างใหญ่) ส่วน T.TEST ใช้เมื่อคุณไม่รู้ค่า sigma และตัวอย่างมีขนาดเล็ก Z.TEST จะให้ค่า P-value ที่แตกต่างจาก T.TEST เล็กน้อยเมื่อตัวอย่างมีขนาดเล็ก
P-value คือความน่าจะเป็นที่จะได้ผลลัพธ์อย่างน้อยเท่าที่สังเกตได้ หากสมมติฐานว่างเป็นจริง ค่า P-value น้อยกว่า 0.05 (หรือ 5%) มักถือว่ามีนัยสำคัญทางสถิติ = สมมติฐานที่สมมติขึ้นอาจไม่ถูกต้อง
ได้เลย เมื่อค่าเฉลี่ยของตัวอย่างน้อยกว่าค่า x (สมมติฐาน) ฟังก์ชันจะคืนค่าที่มากกว่า 0.5 ถึง 1 ซึ่งหมายความว่า ไม่มีหลักฐานที่ชัดเจนว่าค่าเฉลี่ยมากกว่าค่าสมมติ
ฟังก์ชันจะคืนค่าข้อผิดพลาด #N/A เพราะไม่มีข้อมูลให้ทดสอบ
ได้ แต่ถ้ามีตัวอย่างขนาดเล็ก T.TEST จะแม่นยำกว่า เพราะ Z.TEST ใช้ Normal Distribution ซึ่งแม่นยำเมื่อตัวอย่างมีขนาดใหญ่ (≥30)
ฟังก์ชันที่ผู้เขียนโยงไว้กับ Z.TEST 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)
ฟังก์ชัน F.DIST.RT ใน Excel ใช้หาค่าความน่าจะเป็นของการแจกแจง F ทางหางขวา (Right-tailed) ซึ่งมักใช้ในการทดสอบสมมติฐานทางสถิติ เช่น ANOVA เพื่อหาค่า P-value และตัดสินใจว่าผลต่างระหว่างกลุ่มมีนัยสำคัญหรือไม่
MIN คืนค่าต่ำสุดจากชุดข้อมูลที่มี Data Type เป็นตัวเลข เพิกเฉยเซลล์ว่าง ข้อความ และค่า Logic โดยอัตโนมัติ ซึ่งทำให้ไม่ต้องกลัวว่าจะมีข้อมูลปนมารบกวนผลลัพธ์ ใช้ได้กับตัวเลขทั่วไป วันที่ (ค่าน้อยสุด = วันเก่าสุด) และระยะเวลา สามารถใช้ร่วมกับ MATCH เพื่อหาตำแหน่ง หรือใช้ร่วมกับ MAX เพื่อจำกัดค่าอยู่ในช่วงที่กำหนด
NORM.DIST คำนวณความน่าจะเป็นหรือความหนาแน่นของการแจกแจงปกติ (Normal Distribution) ใช้ในสถิติหรือการวิเคราะห์ข้อมูล
ฟังก์ชัน NORM.S.DIST ช่วยหาค่าความน่าจะเป็นของการแจกแจงปกติมาตรฐาน (Mean=0, SD=1) ใช้สำหรับการวิเคราะห์ทางสถิติ
ฟังก์ชัน NORM.S.INV ใช้หาค่า Z-score (ค่าผกผัน) จากความน่าจะเป็น สำหรับการแจกแจงปกติมาตรฐาน (mean=0, std=1) ส่วนใหญ่ใช้ในการวิเคราะห์สถิติและการประเมินความเสี่ยง
ฟังก์ชัน PHI ส่งกลับค่าฟังก์ชันความหนาแน่นความน่าจะเป็น (PDF) สำหรับการแจกแจงปกติมาตรฐาน (Standard Normal Distribution) ที่ค่า Z ที่ระบุ มีประโยชน์ในการวิเคราะห์สถิติและความน่าจะเป็น
STDEV.S คำนวณส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) ของข้อมูลกลุ่มตัวอย่าง โดยใช้สูตร n-1 เพื่อประมาณค่าของประชากรทั้งหมด
T.DIST หาค่าความน่าจะเป็นของการแจกแจงแบบ t (Student's t-distribution) หางซ้าย ใช้สำหรับการทดสอบสมมติฐานกับกลุ่มตัวอย่างขนาดเล็ก
ส่งกลับค่า p-value ของ t-test เพื่อทดสอบว่าค่าเฉลี่ยของสองชุดข้อมูลแตกต่างกันอย่างมีนัยสำคัญหรือไม่
คำนวณค่า p-value ของ Student's t-test เพื่อทดสอบว่าค่าเฉลี่ยของข้อมูลสองชุดแตกต่างกันอย่างมีนัยสำคัญหรือไม่ (ฟังก์ชันรุ่นเก่า แนะนำให้ใช้ T.TEST แทน)
คำนวณค่า P-value แบบ one-tailed จากการทดสอบ z-test เพื่อดูว่าค่าเฉลี่ยของกลุ่มตัวอย่างต่างจากค่าที่ตั้งสมมติฐานไว้มากแค่ไหน (ฟังก์ชันเก่า แนะนำใช้ Z.TEST แทน)
ยังไม่มีบทความที่เกี่ยวข้องกับฟังก์ชันนี้
Comments
อีเมลของคุณจะไม่ถูกเผยแพร่