คำนวณช่วงความเชื่อมั่น CI 90% 95% 99%
สำหรับค่าเฉลี่ยและสัดส่วน พร้อม Margin of Error
อัปเดตเนื้อหาปี 2569 • อัปเดตเมื่อ: 21 เม.ย. 2569
คำนวณช่วงความเชื่อมั่น (Confidence Interval) ปี 2569
คำนวณช่วงความเชื่อมั่น (CI) สำหรับค่าเฉลี่ยของประชากร และสัดส่วน (proportion) รองรับระดับความเชื่อมั่น 90%, 95% และ 99% ใช้ในงานวิจัย สถิติ และการวิเคราะห์ข้อมูล
ข้อมูลความน่าเชื่อถือ
ใช้ข้อมูลอ้างอิงจากหน่วยงานทางการของไทย และแสดงผลเพื่อช่วยวางแผนก่อนตัดสินใจ
อัปเดตล่าสุด: 21 เม.ย. 2569
แหล่งที่มา
- NIST/SEMATECH: e-Handbook of Statistical Methods
- สถิติศาสตร์มหาวิทยาลัยไทย: การประมาณค่าแบบช่วง
สมมติฐานและข้อควรทราบ
- ใช้ z-values: 90% = 1.645, 95% = 1.960, 99% = 2.576
- สมมติว่าข้อมูลมีการแจกแจงแบบปกติ หรือ n มากพอ (Central Limit Theorem)
1) CI สำหรับค่าเฉลี่ย (x̄)
สูตร: E = z × (s/√n), CI = [x̄ − E, x̄ + E]
2) CI สำหรับสัดส่วน (p̂)
ตัวอย่าง: สำรวจ 500 คน เห็นด้วย 320 คน → p̂ = 0.64
ค่า z ที่ใช้บ่อยในช่วงความเชื่อมั่น
| ระดับความเชื่อมั่น | ค่า z | α (ระดับนัยสำคัญ) |
|---|---|---|
| 90% | 1.645 | 0.10 |
| 95% | 1.960 | 0.05 |
| 99% | 2.576 | 0.01 |
คำถามที่พบบ่อย
ช่วงความเชื่อมั่น (Confidence Interval) คืออะไร?
ช่วงความเชื่อมั่น (CI) คือช่วงตัวเลขที่เราเชื่อว่าค่าจริงของประชากรจะอยู่ในช่วงนั้น ด้วยความน่าจะเป็นที่กำหนด เช่น CI 95% หมายความว่าถ้าทำการสุ่มตัวอย่างซ้ำ 100 ครั้ง จะมีประมาณ 95 ครั้งที่ช่วงนี้ครอบคลุมค่าจริง
CI 95% หมายความว่าอะไร?
CI 95% ใช้ z = 1.960 หมายความว่ามีโอกาส 95% ที่ช่วง [x̄-E, x̄+E] จะครอบคลุมค่าเฉลี่ยจริงของประชากร ไม่ได้หมายความว่าค่าจริงมีโอกาส 95% อยู่ในช่วงนี้ เพราะค่าจริงเป็นค่าคงที่ ไม่ใช่ตัวแปรสุ่ม
Margin of Error คืออะไร?
Margin of Error (E) คือความคลาดเคลื่อนที่ยอมรับได้รอบๆ ค่าประมาณ สูตร: E = z × (σ/√n) สำหรับค่าเฉลี่ย หรือ E = z × √(p̂(1-p̂)/n) สำหรับสัดส่วน ยิ่ง n มาก E ยิ่งเล็ก ยิ่งมั่นใจในการประมาณค่า
ทำไม CI 99% จึงกว้างกว่า CI 95%?
CI 99% ใช้ z = 2.576 ซึ่งมากกว่า z = 1.960 ของ CI 95% ทำให้ margin of error กว้างขึ้น เปรียบเหมือนการหว่านแหกว้างขึ้นเพื่อโอกาสจับปลาได้มากขึ้น ความเชื่อมั่นสูงขึ้นแต่ความแม่นยำในการระบุค่าลดลง
ขนาดตัวอย่าง (sample size) ส่งผลต่อ CI อย่างไร?
ขนาดตัวอย่าง n ส่งผลต่อ margin of error โดยตรง เพราะ E ∝ 1/√n ถ้าต้องการ E ลดลงครึ่งหนึ่ง ต้องเพิ่ม n เป็น 4 เท่า เช่น จาก n=100 เป็น n=400 การเพิ่มตัวอย่างให้พอเหมาะจะช่วยให้ CI แคบลงและผลการวิจัยน่าเชื่อถือมากขึ้น