अनुपात का मार्जिन ऑफ एरर क्या होता है?
मार्जिन ऑफ एरर (MOE) यह बताता है कि किसी नमूने से निकाला गया अनुपात असल जनसंख्या के अनुपात से कितना अलग हो सकता है। मान लीजिए आपने एक सर्वे किया और पाया कि उत्तर देने वालों का एक हिस्सा \(\hat{p}\) किसी चीज़ को पसंद करता है — तो MOE आपके चुने हुए कॉन्फिडेंस लेवल पर उस अनुमान के इर्द-गिर्द एक ± सीमा देता है। यह कैलकुलेटर सार्वभौमिक है — यह किसी भी देश के किसी भी सर्वे या ओपिनियन पोल पर लागू होता है।
इसका इस्तेमाल कैसे करें
अपना नमूना अनुपात \(\hat{p}\) को 0 और 1 के बीच एक दशमलव के रूप में डालें (उदाहरण के लिए, 0.52 का मतलब है 52%), अपना नमूना आकार \(n\) डालें, और एक कॉन्फिडेंस लेवल चुनें (90%, 95% या 99%)। यह टूल आपको मार्जिन ऑफ एरर प्रतिशत में, स्टैंडर्ड एरर, इस्तेमाल किया गया \(z\) क्रिटिकल मान, और परिणामी कॉन्फिडेंस इंटरवल बताता है। साथ ही यह "फाइव-फोल्ड नियम" की भी जाँच करता है ताकि आपको पता चले कि नॉर्मल एप्रॉक्सिमेशन यहाँ मान्य है या नहीं।
सूत्र की पूरी समझ
मार्जिन ऑफ एरर का सूत्र है
$$\text{MOE} = z \cdot \sqrt{\dfrac{\hat{p}\,\left(1 - \hat{p}\right)}{n}}$$इसमें \(\sqrt{\hat{p}(1-\hat{p})/n}\) वाला हिस्सा अनुपात का स्टैंडर्ड एरर है — जैसे-जैसे नमूना आकार \(n\) बढ़ता है, यह घटता जाता है। \(z\) मान स्टैंडर्ड नॉर्मल डिस्ट्रीब्यूशन से आया क्रिटिकल मान है: 90% के लिए 1.645, 95% के लिए 1.96, और 99% कॉन्फिडेंस के लिए 2.576। स्टैंडर्ड एरर को \(z\) से गुणा करने पर इंटरवल आपकी इच्छित निश्चितता के स्तर तक फैल जाता है।
हल किया हुआ उदाहरण
मान लीजिए सर्वे में शामिल 1,000 मतदाताओं में से 52% किसी प्रस्ताव के पक्ष में हैं, यानी \(\hat{p} = 0.52\) और \(n = 1000\), और कॉन्फिडेंस 95% है (\(z = 1.96\))। स्टैंडर्ड एरर होगा
$$\sqrt{\dfrac{0.52 \cdot 0.48}{1000}} = \sqrt{0.0002496} \approx 0.0158$$तो
$$\text{MOE} = 1.96 \times 0.0158 \approx 0.0310$$यानी करीब 3.1%। इस तरह कॉन्फिडेंस इंटरवल हुआ 52% ± 3.1%, यानी लगभग 48.9% से 55.1% तक।
अक्सर पूछे जाने वाले सवाल
फाइव-फोल्ड नियम क्या है? यह कहता है कि किसी अनुपात के लिए नॉर्मल एप्रॉक्सिमेशन तभी भरोसेमंद होता है जब \(n \cdot \hat{p} \geq 5\) और \(n \cdot (1-\hat{p}) \geq 5\) दोनों शर्तें पूरी हों। अगर इनमें से कोई भी 5 से कम है, तो इसके बजाय Clopper–Pearson इंटरवल जैसी कोई सटीक (exact) विधि अपनाएँ।
अनुपात पता न होने पर \(\hat{p} = 0.5\) क्यों लें? \(\hat{p}(1-\hat{p})\) का मान 0.5 पर सबसे ज़्यादा होता है, जिससे सबसे रक्षात्मक (सबसे चौड़ा) मार्जिन ऑफ एरर मिलता है — नमूना आकार की योजना बनाते समय यह तरीका आम है।
क्या बड़ा नमूना मार्जिन ऑफ एरर घटा देता है? हाँ — चूँकि \(n\) वर्गमूल के नीचे हर में होता है, इसलिए MOE \(1/\sqrt{n}\) के अनुपात में घटता है।
