Intitulé : Confidence Interval for a Population Mean (t-interval)
L'intervalle t fournit une plage de valeurs calculées à partir des données d'échantillon qui est susceptible de contenir la vraie moyenne de la population lorsque l'écart type de la population est inconnu.
This public page keeps the free explanation visible and leaves premium worked solving, advanced walkthroughs, and saved study tools inside the app.
Core idea
Overview
Cette méthode statistique utilise la distribution t de Student pour tenir compte de l'incertitude supplémentaire introduite par l'estimation de l'écart type de la population à l'aide de l'écart type de l'échantillon. C'est la méthode privilégiée pour les petits échantillons ou lorsque la variance de la population ne peut pas être supposée connue, à condition que la population sous-jacente soit approximativement normale.
When to use: Utilisez cet intervalle lorsque vous devez estimer une moyenne de population à partir d'un petit échantillon (n < 30) ou lorsque l'écart type de la population est inconnu.
Why it matters: Il permet aux chercheurs de quantifier la fiabilité de leurs estimations dans des scénarios réels où les données sont limitées et les paramètres de la population inaccessibles.
Symbols
Variables
= Sample Mean, = Critical t-value, s = Sample Standard Deviation, n = Sample Size, ME = Margin of Error
Walkthrough
Derivation
Dérivation de l'intervalle de confiance pour une moyenne de population (t-intervalle)
Cette dérivation construit un intervalle de confiance en pivotant la distribution de la moyenne d'échantillon lorsque la variance de la population est inconnue, nécessitant l'utilisation de la distribution t de Student.
- Les points de données d'échantillon sont indépendants et identiquement distribués (i.i.d.).
- La population suit une distribution normale, ou la taille de l'échantillon est suffisamment grande (Théorème Central Limite).
- L'écart-type de la population sigma est inconnu, nécessitant l'utilisation de l'écart-type d'échantillon s.
Standardisation de la moyenne d'échantillon
Si sigma était connue, la moyenne d'échantillon suivrait une distribution normale centrée sur la moyenne de la population. Comme sigma est inconnue, nous la remplaçons par l'écart-type d'échantillon s.
Note: C'est la formule du score Z utilisée pour une variance connue.
Introduction de la statistique t
Le remplacement de sigma par s change la distribution de la statistique d'une normale standard vers une distribution t de Student avec n-1 degrés de liberté.
Note: Les degrés de liberté sont définis par df = n - 1.
Définition des bornes de probabilité
Nous fixons la probabilité que la statistique t tombe entre les valeurs critiques (alpha/2 dans chaque queue) égale à notre niveau de confiance, 1-alpha.
Note: Consultez une table t pour trouver la valeur critique t basée sur le niveau de confiance souhaité.
Isolation de la moyenne de la population
La réorganisation algébrique de l'inégalité pour isoler mu révèle la marge d'erreur ajoutée et soustraite de la moyenne d'échantillon.
Note: Cette expression finale est la formule de l'intervalle de confiance t.
Result
Source: Wackerly, D., Mendenhall, W., & Scheaffer, R. L. (2008). Mathematical Statistics with Applications.
Why it behaves this way
Intuition
Imaginez essayer de localiser le centre d'une cible en tirant quelques coups. La moyenne d'échantillon est votre meilleure estimation du centre, et l'intervalle de confiance forme une 'zone de sécurité' ou un support autour de ce point. Comme vous n'êtes pas sûr de la précision de votre visée (en raison de la variance inconnue de la population), le support s'élargit en fonction de votre incertitude (score t) et de la dispersion de vos tirs (erreur type).
Signs and relationships
- ±: Représente une limite symétrique ; nous créons une marge d'erreur en nous déplaçant d'une distance égale au-dessus et en dessous de notre moyenne d'échantillon pour capturer la vraie moyenne de la population avec un niveau de confiance spécifique.
One free problem
Practice Problem
Un échantillon de 10 étudiants a un temps d'étude moyen de 15 heures avec un écart type d'échantillon de 3. En utilisant un score t de 2,262 pour un intervalle de confiance de 95 %, trouvez la marge d'erreur.
Hint: Multipliez le score t par l'erreur type, qui est s divisé par la racine carrée de n.
The full worked solution stays in the interactive walkthrough.
Where it shows up
Real-World Context
Dans le contexte de Confidence Interval for a Population Mean (t-interval), Confidence Interval for a Population Mean (t-interval) sert à transformer les mesures en une valeur interprétable. Le résultat est important parce qu'il aide à relier le calcul à la forme, au taux de variation, à la probabilité ou à la contrainte du modèle.
Study smarter
Tips
- Assurez-vous que les données suivent une distribution normale ou que la taille de l'échantillon est suffisamment grande pour invoquer le théorème central limite.
- Calculez toujours les degrés de liberté comme n-1 avant de consulter la valeur critique de t.
- Vérifiez la présence de valeurs aberrantes significatives dans vos données, car le test t est sensible aux valeurs extrêmes.
Avoid these traps
Common Mistakes
- Utiliser le score Z au lieu du score T lorsque l'écart type de la population est inconnu.
- Oublier de soustraire 1 de la taille de l'échantillon lors de la détermination des degrés de liberté.
Common questions
Frequently Asked Questions
Cette dérivation construit un intervalle de confiance en pivotant la distribution de la moyenne d'échantillon lorsque la variance de la population est inconnue, nécessitant l'utilisation de la distribution t de Student.
Utilisez cet intervalle lorsque vous devez estimer une moyenne de population à partir d'un petit échantillon (n < 30) ou lorsque l'écart type de la population est inconnu.
Il permet aux chercheurs de quantifier la fiabilité de leurs estimations dans des scénarios réels où les données sont limitées et les paramètres de la population inaccessibles.
Utiliser le score Z au lieu du score T lorsque l'écart type de la population est inconnu. Oublier de soustraire 1 de la taille de l'échantillon lors de la détermination des degrés de liberté.
Dans le contexte de Confidence Interval for a Population Mean (t-interval), Confidence Interval for a Population Mean (t-interval) sert à transformer les mesures en une valeur interprétable. Le résultat est important parce qu'il aide à relier le calcul à la forme, au taux de variation, à la probabilité ou à la contrainte du modèle.
Assurez-vous que les données suivent une distribution normale ou que la taille de l'échantillon est suffisamment grande pour invoquer le théorème central limite. Calculez toujours les degrés de liberté comme n-1 avant de consulter la valeur critique de t. Vérifiez la présence de valeurs aberrantes significatives dans vos données, car le test t est sensible aux valeurs extrêmes.
References
Sources
- Moore, D. S., McCabe, G. P., & Craig, B. A. (2017). Introduction to the Practice of Statistics (9th ed.). W. H. Freeman and Company.
- OpenStax. (2018). Introductory Statistics. Rice University.
- Moore, D. S., McCabe, G. P., & Craig, B. A. (2017). Introduction to the Practice of Statistics.
- OpenStax, Introductory Statistics.
- Wackerly, D., Mendenhall, W., & Scheaffer, R. L. (2008). Mathematical Statistics with Applications.