การอนุมานค่ากลางของประชากร กรณีรู้ค่าความแปรปรวน (Inference on the mean of a population, Variance known) ถ้าหาก X1,X2 ..Xn คือตัวอย่างที่ถูกชักออกมาจากประชากรแม่ที่มีการกระจายแบบปกติ (Normal distribution) ดังนั้นค่าเฉลี่ย () จะเป็นตัวประมาณค่ากลางของประชากร (m) เราจึงใช้ทฤษฎีแนวโน้มเข้าสู่ศูนย์กลาง (Central limit theorem) ที่กล่าวว่า จะประมาณเท่ากับ (m) มีค่าความแปรปรวนเท่ากับ s 2/n การทดสอบค่ากลาง สมมติเรากำลังทดสอดสมมติฐานที่ได้ตั้งไว้ว่า
เมื่อ m0 คือค่าคงที่ที่เราระบุในสมมติฐาน โดยที่เรารู้ว่า คือตัวประมาณค่า (m) และ ค่าเบี่ยงเบนมาตรฐาน ( s ) เท่ากับ เพื่อให้ง่ายในการทดสอบ เราจำเป็นต้องแปลงค่ากลางของตัวอย่าง () ให้อยู่ในรูป Standard Normal Distribution ดังสมการต่อไปนี้
Z0 นี้เราจะเรียกว่าตัวทดสอบสถิติ (Test Statistic) ถ้าสมมติฐานหลัก H0: m = m0 เป็นจริง ก็แสดงว่า E() = m0 ) หรือก็คือ = m0 โดยมีโอกาสเท่ากับ 1-a ที่ค่า Z0จะมีค่าอยู่ระหว่าง - Za/2 และ Za/2 หรืออีกนัยหนึ่งคือมีโอกาสเท่ากับ a ที่ค่า Z0 จะตกอยู่ในบริเวณ Z0> Za/2 หรือ Z0< -Za/2 ดังรูปที่แสดง
นั่นคือเราจะปฏิเสธสมมติฐานหลัก H0: m = m0 เมื่อ Z0> Za/2 หรือ Z0< -Za/2 และเราจะยอมรับ H0: m = m0 ถ้า
การทดสอบโดยใช้ Z0 (Standard normal distribution) ดังที่กล่าวมา บางครั้งก็รู้จักกันในชื่อ Z-Test หรือ 1- Sample Z test ตัวอย่างการประยุกต์ใช้ 1-Sample Z test ในกรณีตัวอย่างเรื่องระบบน้ำหล่อเย็นของเครื่องกำเนิดไฟฟ้า ที่ข้อกำหนดระบุไว้ว่าต้องมีอัตราการไหลของน้ำเข้าสู่อุปกรณ์แลกเปลี่ยนความร้อน เท่ากับ 50 ลูกบาตรเมตรต่อนาที จากอดีตที่ผ่านมาที่มีการวัดค่าและบันทึกค่าไว้พบว่ามีค่าเบี่ยงเบนมาตรฐาน (s ) เท่ากับ 2 ลูกบาตรเมตรต่อนาที วิศวกรต้องการพิสูจน์สมมติฐาน ที่ว่าอัตราการไหลของน้ำยังเท่ากับข้อกำหนดอยู่ โดยระบุค่าโอกาส Type I Error หรือระดับนัยสำคัญ (Significant Level) ไว้ที่ a = 0.05 และเขาได้ทำการเก็บข้อมูลโดยบันทึกค่าอัตราการไหลของน้ำหล่อเย็น ทุกๆชั่วโมง จนได้ข้อมูล 25 ข้อมูล เมื่อหาค่าเฉลี่ยแล้ว ได้ 51.3 ลูกบาตรเมตรต่อนาที ให้ทำการทดสอบสมมติฐาน ขั้นตอนในการทดสอบสมมติฐาน
โดยโปรแกรม Minitab ได้ดังนี้ Inverse Cumulative Distribution Function Normal with mean = 0 and standard deviation = 1.00000 P( X <= x ) x 0.0250 -1.9600
หรือจากฟังก์ชันคณิตศาสตร์ของโปรแกรม Microsoft Excel ได้ดังนี้
จะได้ค่า -Za/2 = -1.96 และค่า Za/2 = 1.96 ดังนั้นช่วงที่ยอมรับ H0 : m = 50 m3/min. คือ
หาค่าโดยโปรแกรม Minitab ได้ดังนี้ Inverse Cumulative Distribution Function Normal with mean = 0 and standard deviation = 1.00000 P( X <= x ) x 0.0500 -1.6449
หรือจากฟังก์ชันคณิตศาสตร์ของโปรแกรม Microsoft Excel ได้ดังนี้
จากกรณีนี้เราไม่สามารถปฏิเสธสมมติฐานหลัก H0 : m = 50m3/min. ได้ เนื่องจากค่า 3.25 มากกว่า 1.64 การทดสอบดังกรณีนี้เราจะเรียกว่า Lower-Trailed Test ในทางตรงกันข้าม บางครั้งเราต้องการทดสอบด้านมากกว่า ดังสมมติฐานดังต่อไปนี้ เราจะปฏิเสธสมมติฐานหลัก H0 : m = 50m3/min. ถ้า Z0> Za และจากตัวอย่างที่ผ่านมา เราจะปฏิเสธสมมติฐาน เพราะ 3.25 มากกว่า 1.64 การทดสอบดังกรณีนี้เราจะเรียกว่า Upper-Trailed Test โปรดสังเกตว่าทั้ง โปรแกรม Minitab และ Microsoft Excel เวลาคำนวณหาค่า Z เราจะต้องเลือกโหมด Inverse Cumulative Distribution Function เสมอ โดยค่าที่เราใส่คือค่า Alpha( a ) และเครื่องจะให้แต่ค่าด้านลบมาเสมอ แต่เราสามารถ กลับด้านเป็นบวกได้ ตามกฎ Symmetry ของ Standard Normal Distribution นอกจากนั้นเรายังสามารถหาค่า Z ได้จาก Z-Table ได้เช่นเดียวกัน
|