7.6
Wartości krytyczne
Wartość krytyczna to określona wartość uzyskana z określonego rozkładu prawdopodobieństwa na z góry ustalonym poziomie ufności (lub z góry ustalonym p…
Limity ufności na poziomie ufności — powiedzmy na poziomie 95% — obejmują 95% obszaru pod krzywą.
Pozostałe 5% obszaru, który jest wyznaczony przez α, jest równomiernie rozłożone po obu stronach rozkładu danych. W przypadku poziomu 95% byłoby to 2,5%.
Innymi słowy, α/2 = 0,025.
Przypomnijmy, że obliczanie oszacowań parametrów populacji wymaga wyników z uzyskanych przy użyciu rozkładu z.
Taki wynik z obliczony na prawym końcu rozkładu - to znaczy - przy dodatnim α/2 jest znany jako wartość krytyczna. Jest oznaczony jako zα/2.
Krytyczna wartość z dla danego poziomu ufności jest wartością stałą. Nie zmienia się on w zależności od liczby prób ani w odniesieniu do statystyki.
Aby obliczyć krytyczną wartość z dla dowolnego poziomu ufności, poszukaj wartości 1−α/2 w tabeli z.
Dla poziomu 95% poszukaj 0,975, a nie 0,95, aby zwrócić uwagę na wartość 1,96.
Podobnie dla poziomów ufności 90% i 99% krytyczne wartości z wynoszą odpowiednio 1,645 i 2,575.
View the full transcript and gain access to JoVE Core videos
Q1: What is a critical value in statistics?
A critical value is a fixed value obtained from a probability distribution at a predetermined confidence level that demarcates sample statistics likely to occur from those unlikely to occur. For normal distributions, critical values are z scores obtained from the z distribution table. Critical values are essential for calculating confidence limits and do not change across different samples or statistics.
Q2: How do you find the critical z value for a 95% confidence level?
To find the critical z value for 95% confidence, look up 1−α/2 in the z table, which equals 0.975 for this level. This lookup yields a critical z value of 1.96. Similarly, 90% confidence produces 1.645, and 99% confidence produces 2.575. These fixed values remain constant regardless of sample size.
Q3: Why is alpha divided by two when calculating critical values?
Alpha (α) represents the total area outside the confidence interval. Dividing by two distributes this area equally on both tails of the distribution. For 95% confidence, α equals 0.05, so α/2 equals 0.025 on each tail. This two-tailed approach is standard for interval estimates requiring both positive and negative critical values.
Q4: What distributions are used to find critical values for non-normal data?
When data are not normally distributed, critical values come from alternative probability distributions. The t distribution is used for small samples or unknown standard deviations, the F distribution for variance comparisons, and the Chi-square distribution for categorical data. The choice depends on the sampling distribution and parameter being estimated.
Q5: Can critical values be calculated at different locations in a distribution?
Yes, critical values can be calculated at the right tail, left tail, or both tails. Right-tail critical values are positive, while left-tail values are negative. For interval estimates, critical values are typically calculated at both tails, generating paired positive and negative scores used in confidence interval calculations.
Q6: What factors determine the value of a critical value?
Critical value magnitude depends on the nature of the hypothesis, the population parameter being estimated, and the sampling distribution type. In some cases, sample size also influences the critical value. The confidence level chosen directly affects which critical value is selected from the probability distribution table.
Q7: Why are critical values essential for confidence interval estimation?
Critical values are crucial because they define the boundaries of confidence intervals and enable calculation of confidence limits. Without a critical value, you cannot determine how far sample estimates should extend from the point estimate to capture the true population parameter at a specified confidence level.