दो अनुपातों के अंतर का कॉन्फिडेंस इंटरवल

दो अनुपातों के अंतर का कॉन्फिडेंस इंटरवल

बढ़ रहा AI Skill PRO

गणना दर्ज करें

सूत्र (फॉर्मूला)

(p^1−p^2)±zp^1(1−p^1)n1+p^2(1−p^2)n2जहाँ{p^1=सफलताएँ1साइज़1p^2=सफलताएँ2साइज़2n1=साइज़1,n2=साइज़2z=1.95996(95%)\begin{gathered} \left(\hat{p}_1 - \hat{p}_2\right) \pm z \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}} \\[1.5em] \text{जहाँ}\quad \left\{ \begin{aligned} \hat{p}_1 &= \frac{{{\text{सफलताएँ}_1}}}{{{\text{साइज़}_1}}} \\ \hat{p}_2 &= \frac{{{\text{सफलताएँ}_2}}}{{{\text{साइज़}_2}}} \\ n_1 &= {{\text{साइज़}_1}},\; n_2 = {{\text{साइज़}_2}} \\ z &= 1.95996 \;\;({95\%}) \end{aligned} \right. \end{gathered}
उपयोग आँकड़े

विज्ञापन

परिणाम

p₁ − p₂ के लिए कॉन्फिडेंस इंटरवल
-0.0315   से   0.2315
दो अनुपातों का अंतर
अनुपात 1 (p̂₁) 0.4
अनुपात 2 (p̂₂) 0.3
अंतर (p̂₁ − p̂₂) 0.1
मानक त्रुटि 0.067082
z-स्कोर 1.96
त्रुटि का मार्जिन 0.131478

इस पेज पर त्रुटि की रिपोर्ट करें

यह कैलकुलेटर क्या करता है

यह टूल दो स्वतंत्र जनसंख्या अनुपातों के बीच के अंतर के लिए कॉन्फिडेंस इंटरवल (CI) का अनुमान लगाता है। आप दोनों समूहों के लिए सफलताओं की संख्या और सैंपल साइज़ दर्ज करते हैं, एक कॉन्फिडेंस स्तर (90%, 95% या 99%) चुनते हैं, और कैलकुलेटर इंटरवल की निचली व ऊपरी सीमाओं के साथ-साथ सैंपल अनुपात, मानक त्रुटि (standard error), z-स्कोर और त्रुटि का मार्जिन (margin of error) लौटाता है। यह एक सार्वभौमिक सांख्यिकीय विधि है, जिस पर किसी देश या क्षेत्राधिकार का कोई प्रतिबंध नहीं है।

इसका उपयोग कैसे करें

x₁ (समूह 1 में सफलताएँ) और n₁ (समूह 1 का सैंपल साइज़) दर्ज करें, फिर समूह 2 के लिए x₂ और n₂ डालें। अपना कॉन्फिडेंस स्तर चुनें और इंटरवल पढ़ें। यदि इंटरवल में 0 शामिल है, तो उस स्तर पर दोनों अनुपातों के बीच का अंतर सांख्यिकीय रूप से सार्थक नहीं है। यदि यह पूरी तरह 0 के ऊपर या नीचे है, तो एक अनुपात दूसरे से उल्लेखनीय रूप से बड़ा है।

दो नमूना बार आरेख जो दो समूहों के कुल में से सफलताओं को दर्शाते हैं और अनुपात अंतर में जुड़ते हैं
प्रत्येक नमूना एक अनुपात देता है (सफलताएँ ÷ आकार); उनका अंतर ही अनुमानित की जाने वाली राशि है।

सूत्र की व्याख्या

सैंपल अनुपात होते हैं \(\hat{p}_1 = x_1/n_1\) और \(\hat{p}_2 = x_2/n_2\)। मानक त्रुटि (SE) प्रत्येक अनुमान के विचरण को जोड़ती है: $$SE = \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}$$ फिर इंटरवल होता है $$(\hat{p}_1-\hat{p}_2) \pm z \cdot SE$$ जहाँ \(z\) क्रांतिक मान (critical value) है (90% के लिए 1.645, 95% के लिए 1.960, 99% के लिए 2.576)। यह वाल्ड (Wald) यानी सामान्य सन्निकटन विधि है, जो तब अच्छा काम करती है जब प्रत्येक समूह में कम से कम लगभग 10 सफलताएँ और 10 विफलताएँ हों।

विज्ञापन

हल किया हुआ उदाहरण

मान लीजिए समूह 1 में 100 में से 40 सफलताएँ हैं (\(\hat{p}_1 = 0.40\)) और समूह 2 में 100 में से 30 (\(\hat{p}_2 = 0.30\))। अंतर है 0.10। $$SE = \sqrt{\frac{0.40 \cdot 0.60}{100} + \frac{0.30 \cdot 0.70}{100}} = \sqrt{0.0024 + 0.0021} = \sqrt{0.0045} \approx 0.06708$$ 95% पर, मार्जिन \(= 1.95996 \times 0.06708 \approx 0.13148\)। CI लगभग \(0.10 \pm 0.131\), यानी मोटे तौर पर \((-0.0315,\ 0.2315)\) है। चूँकि इसमें 0 शामिल है, इसलिए 95% पर यह अंतर सार्थक नहीं है।

संख्या रेखा जो बिंदु अनुमान के चारों ओर सममित विश्वास अंतराल के साथ दो अनुपातों का अंतर दर्शाती है
विश्वास अंतराल \(\hat{p}_1-\hat{p}_2\) के दोनों ओर एक सममित त्रुटि सीमा तक फैलता है।

अक्सर पूछे जाने वाले प्रश्न

सामान्य सन्निकटन कब मान्य होता है? एक सामान्य नियम यह है कि प्रत्येक समूह में कम से कम 10 सफलताएँ और 10 विफलताएँ हों; बहुत छोटे सैंपल के लिए सटीक (exact) विधियों पर विचार करें।

यदि इंटरवल में 0 शामिल हो तो इसका क्या मतलब है? चुने गए कॉन्फिडेंस स्तर पर दोनों अनुपातों के बीच कोई सांख्यिकीय रूप से सार्थक अंतर नहीं है।

क्या अनुपात [−1, 1] की सीमा से बाहर जा सकते हैं? अंतर हमेशा −1 और 1 के बीच रहता है, लेकिन अत्यधिक इनपुट के साथ वाल्ड इंटरवल की सीमाएँ सैद्धांतिक रूप से संभावित मानों से थोड़ा आगे बढ़ सकती हैं।

अंतिम अपडेट:

गणित और सांख्यिकी में सबसे लोकप्रिय

गणित और सांख्यिकी के सभी कैलकुलेटर देखें