अनुपात के लिए मार्जिन ऑफ एरर कैलकुलेटर

अनुपात के लिए मार्जिन ऑफ एरर कैलकुलेटर

उभरता AI Skill PRO

गणना दर्ज करें

सूत्र (फॉर्मूला)

MOE=z·p^(1−p^)nजहाँ{z=1.9600(95% कॉन्फिडेंस)p^=नमूना अनुपातn=नमूना आकार\begin{gathered} \text{MOE} = z \cdot \sqrt{\dfrac{\hat{p}\,\left(1 - \hat{p}\right)}{n}} \\[1.5em] \text{जहाँ}\quad \left\{ \begin{aligned} z &= 1.9600 \;(\text{95\% कॉन्फिडेंस}) \\ \hat{p} &= \text{नमूना अनुपात} \\ n &= \text{नमूना आकार} \end{aligned} \right. \end{gathered}
गणना के चरण दिखाएँ (1)
  1. पाँच का नियम जाँच

    np^≥5औरn(1−p^)≥5n\,\hat{p} \geq 5 \quad \text{और} \quad n\left(1 - \hat{p}\right) \geq 5

    वैधता शर्त: n गुणा p̂ और n गुणा (1 − p̂) दोनों कम से कम 5 होने चाहिए

उपयोग आँकड़े

विज्ञापन

परिणाम

मार्जिन ऑफ एरर
±9.8%
चुने गए कॉन्फिडेंस लेवल पर
मार्जिन ऑफ एरर (अनुपात) 0.098
स्टैंडर्ड एरर 0.05
z-स्कोर 1.96
कॉन्फिडेंस इंटरवल (निचली सीमा) 40.2%
कॉन्फिडेंस इंटरवल (ऊपरी सीमा) 59.8%
फाइव-फोल्ड नियम पूरा हुआ: n·p̂ और n·(1−p̂) दोनों कम से कम 5 हैं, इसलिए नॉर्मल एप्रॉक्सिमेशन यहाँ उचित है।

इस पेज पर त्रुटि की रिपोर्ट करें

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।

प्रतिदर्श अनुपात पर केंद्रित विश्वास अंतराल, जिसमें त्रुटि सीमा दोनों ओर सममित रूप से फैली है
त्रुटि सीमा प्रतिदर्श अनुपात \(\hat{p}\) के चारों ओर एक सममित पट्टी निर्धारित करती 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।

विज्ञापन
घंटी के आकार का वक्र जो केंद्रीय विश्वास क्षेत्र और सिरों पर z क्रांतिक मान दर्शाता है
\(z\)-मान सामान्य वक्र के अंतर्गत विश्वास स्तर से प्राप्त होता 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।

अंतिम अपडेट:

गणित और सांख्यिकी में सबसे लोकप्रिय

गणित और सांख्यिकी के सभी कैलकुलेटर देखें