اعتماد وقفہ کیلکولیٹر

AI سے چلنے والے مرحلہ وار حل کے ساتھ اوسط یا تناسب کے لیے اعتماد وقفے نکالیں

گھسیٹ کر چھوڑیں یا کلک کریں تصاویر یا PDF شامل کرنے کے لیے

Math Input
95% CI for mean with n=30, sample mean=72, sample sd=8
99% CI for proportion with 240 successes in 400 trials
Margin of error for 95% CI, n=100, p_hat=0.55
90% CI for mean with population sd=15, n=64, x_bar=50

اعتماد وقفہ کیا ہے؟

ایک اعتماد وقفہ (CI) ایک نامعلوم آبادی پیرامیٹر کے لیے قابل قبول قدروں کی ایک حد ہے، جو نمونہ ڈیٹا سے بنائی جاتی ہے۔ 95% اعتماد وقفے کا مطلب ہے: اگر آپ نمونہ سازی کے طریقہ کار کو کئی بار دہرائیں، تو بنائے گئے وقفوں میں سے تقریباً 95% حقیقی پیرامیٹر پر مشتمل ہوں گے۔

اہم: 95% طریقہ کار کا حوالہ دیتا ہے، کسی واحد حسابی وقفے کا نہیں۔ ایک بار ڈیٹا سے وقفہ بن جانے کے بعد، یہ یا تو حقیقی پیرامیٹر پر مشتمل ہوتا ہے یا نہیں — لیکن ہمیں معلوم نہیں کون سا۔

بنیادی ساخت: ہر اعتماد وقفے کی شکل

estimate±margin of error\text{estimate} \pm \text{margin of error}

تخمینہ نمونہ شماریہ ہے (xˉ\bar{x} یا p^\hat{p})۔ خطا کا حاشیہ ایک اہم قدر ضرب تخمینے کی معیاری خطا ہے۔

اعتماد وقفے ظاہر ہوتے ہیں:

  • انتخابی رائے شماری ('52% حمایت، ±3%\pm 3\% خطا کا حاشیہ')
  • طبی مطالعات (اثر سائز CI)
  • معیار کنٹرول (اوسط نقص شرحیں)
  • جب بھی آپ کسی تخمینے میں غیر یقینیت کی مقدار کا تعین کرنا چاہیں، صرف ایک نقطہ قدر بیان کرنے کے بجائے۔

اعتماد وقفے کیسے نکالیں

آبادی اوسط کے لیے CI (Z-وقفہ)

جب آبادی معیاری انحراف σ\sigma معلوم ہو اور نمونہ سازی تقسیم تقریباً معمول ہو (بڑا nn یا معمول آبادی):

xˉ±zσn\bar{x} \pm z^* \cdot \frac{\sigma}{\sqrt{n}}

جہاں zz^* منتخب اعتماد سطح کے لیے اہم قدر ہے۔

آبادی اوسط کے لیے CI (T-وقفہ)

جب σ\sigma نامعلوم ہو (آپ کے پاس صرف ss، نمونہ معیاری انحراف ہو) — عملی طور پر زیادہ عام:

xˉ±tn1sn\bar{x} \pm t^*_{n-1} \cdot \frac{s}{\sqrt{n}}

اہم قدر tt^*، n1n - 1 آزادی درجات والی t-تقسیم سے آتی ہے۔ بڑے nn (30\geq 30) کے لیے، tzt^* \approx z^* اور دونوں وقفے بہت ملتے جلتے ہیں۔

آبادی تناسب کے لیے CI

نمونہ تناسب p^=x/n\hat{p} = x/n (جہاں xx کامیابیوں کی تعداد ہے) کے لیے:

p^±zp^(1p^)n\hat{p} \pm z^* \cdot \sqrt{\frac{\hat{p}(1 - \hat{p})}{n}}

درست جب np^10n\hat{p} \geq 10 اور n(1p^)10n(1 - \hat{p}) \geq 10 (کامیابی-ناکامی شرط)۔

اہم قدریں

اعتماد سطحzz^*t29t^*_{29} (df = 29)
90%1.6451.699
95%1.962.045
99%2.5762.756

خطا کا حاشیہ

ME=(critical value)×(standard error)\text{ME} = (\text{critical value}) \times (\text{standard error})

نمونہ سائز nn بڑھانا معیاری خطا (اور اس لیے خطا کا حاشیہ) کو n\sqrt{n} کے عامل سے کم کر دیتا ہے۔ nn کو چوگنا کرنا خطا کا حاشیہ آدھا کر دیتا ہے۔

اعتماد سطح کا انتخاب

  • زیادہ اعتماد = چوڑا وقفہ۔ 99% CI، 95% CI سے چوڑا ہے، جو 90% CI سے چوڑا ہے۔
  • 95% زیادہ تر علمی اور پیشہ ورانہ سیاق و سباق میں طے شدہ ہے۔
  • 99% جب داؤ زیادہ ہوں (طبی، حفاظت)؛ 90% جب احاطے سے زیادہ تنگ نقطہ تخمینہ اہم ہو۔

بچنے کے لیے عام غلطیاں

  • 95% کی غلط تشریح: 'حقیقی اوسط کے اس وقفے میں ہونے کا 95% احتمال ہے' غلط ہے (تعدد گرا)۔ درست بیان طریقہ کار کے بارے میں ہے: اسی طرح بنائے گئے وقفوں میں سے 95% حقیقی پیرامیٹر پر مشتمل ہوتے ہیں۔
  • جب t مناسب ہو تو z استعمال کرنا: نامعلوم σ\sigma کے ساتھ، tt^* استعمال کریں۔ zz^* استعمال کرنا غیر یقینیت کو کم بتاتا ہے، خاص طور پر چھوٹے nn کے لیے۔
  • معیاری خطا میں n\sqrt{n} بھولنا: σ/n\sigma/\sqrt{n}، نہ کہ σ/n\sigma/n۔
  • غلط اہم قدر سمت: z=1.96z^* = 1.96، 95% (دو دموں) کے لیے، نہ کہ 95واں صدک z=1.645z = 1.645۔ دو دموں اہم قدر ہر دم میں α/2\alpha/2 کاٹتی ہے۔
  • تناسب کے لیے کامیابی-ناکامی شرط چھوڑنا: اگر np^n\hat{p} یا n(1p^)<10n(1-\hat{p}) < 10، تو معمول تخمینہ ٹوٹ جاتا ہے — ایک عین (کلوپر-پیئرسن) یا اسکور پر مبنی وقفہ استعمال کریں۔
  • CI کو پیش گوئی وقفے سے ملانا: 95% CI، 95% احاطے کے ساتھ اوسط کا تخمینہ لگاتا ہے۔ ایک پیش گوئی وقفہ کسی ایک مستقبل کے مشاہدے کا تخمینہ لگاتا ہے — کہیں زیادہ چوڑا۔

Examples

Step 1: σ\sigma نامعلوم، n30n \geq 30df=29df = 29 کے ساتھ t-وقفہ استعمال کریں
Step 2: t2.045t^* \approx 2.045 (t-جدول سے)
Step 3: معیاری خطا: s/n=8/301.461s/\sqrt{n} = 8/\sqrt{30} \approx 1.461
Step 4: خطا کا حاشیہ: 2.045×1.4612.9872.045 \times 1.461 \approx 2.987
Step 5: CI: 72±2.987(69.01,74.99)72 \pm 2.987 \approx (69.01, 74.99)
Answer: 95% CI: تقریباً (69.0,75.0)(69.0, 75.0)

Step 1: p^=240/400=0.6\hat{p} = 240/400 = 0.6
Step 2: کامیابی-ناکامی جانچ: 4000.6=24010400 \cdot 0.6 = 240 \geq 10 اور 4000.4=16010400 \cdot 0.4 = 160 \geq 10
Step 3: معیاری خطا: 0.60.4/400=0.0006=0.0245\sqrt{0.6 \cdot 0.4 / 400} = \sqrt{0.0006} = 0.0245
Step 4: 99% کے لیے z=2.576z^* = 2.576
Step 5: خطا کا حاشیہ: 2.576×0.02450.0632.576 \times 0.0245 \approx 0.063
Step 6: CI: 0.6±0.063=(0.537,0.663)0.6 \pm 0.063 = (0.537, 0.663)
Answer: تناسب کے لیے 99% CI: تقریباً (0.537,0.663)(0.537, 0.663)

Step 1: σ\sigma معلوم — z-وقفہ استعمال کریں
Step 2: 90% کے لیے z=1.645z^* = 1.645
Step 3: معیاری خطا: σ/n=15/64=15/8=1.875\sigma/\sqrt{n} = 15/\sqrt{64} = 15/8 = 1.875
Step 4: خطا کا حاشیہ: 1.645×1.8753.0841.645 \times 1.875 \approx 3.084
Step 5: CI: 50±3.084=(46.92,53.08)50 \pm 3.084 = (46.92, 53.08)
Answer: 90% CI: تقریباً (46.92,53.08)(46.92, 53.08)

Frequently Asked Questions

اس کا مطلب ہے کہ اگر آپ پورے نمونہ سازی اور وقفہ بنانے کے طریقہ کار کو کئی بار دہرائیں، تو نتیجے کے وقفوں میں سے تقریباً 95% حقیقی آبادی پیرامیٹر پر مشتمل ہوں گے۔ یہ طریقہ کار کے بارے میں بیان ہے، کسی واحد وقفے کے بارے میں احتمالی بیان نہیں۔

t استعمال کریں جب بھی آبادی معیاری انحراف σ نامعلوم ہو اور آپ نمونہ معیاری انحراف s سے تخمینہ لگا رہے ہوں — جو عملی طور پر تقریباً ہمیشہ ہوتا ہے۔ z صرف تب استعمال کریں جب σ واقعی معلوم ہو (نصابی مسائل کے باہر نایاب)۔

خطا کا حاشیہ 1/√n کے متناسب سکڑتا ہے۔ خطا کا حاشیہ آدھا کرنے کے لیے، آپ کو نمونہ سائز چوگنا کرنا ہوگا — کم ہوتے فوائد تیزی سے شروع ہو جاتے ہیں۔

اعتماد وقفہ ایک دی گئی احاطہ شرح کے ساتھ کسی آبادی پیرامیٹر (جیسے اوسط) کا تخمینہ لگاتا ہے۔ پیش گوئی وقفہ کسی ایک مستقبل کے مشاہدے کا تخمینہ لگاتا ہے اور کہیں زیادہ چوڑا ہوتا ہے، کیونکہ اسے اوسط میں غیر یقینیت *اور* اس کے گرد انفرادی قدروں کے پھیلاؤ دونوں کا حساب لینا ہوتا ہے۔

Related Solvers

Try AI-Math for Free

Get step-by-step solutions to any math problem. Upload a photo or type your question.

Start Solving