Konfidensintervall för en andel: formel, steg och exempel
En kalkylator för konfidensintervall för en andel uppskattar ett rimligt intervall för en okänd andel i populationen utifrån ett enda stickprov. Det kan till exempel vara andelen väljare som stöder en kandidat eller andelen defekta enheter på en produktionslinje. Studenter och forskare använder en sådan kalkylator när de redovisar enkätresultat, kontrollerar felmarginalen i en opinionsmätning eller planerar hur stort ett stickprov måste vara för att nå önskad precision. Den här guiden går igenom formeln för konfidensintervall för en andel från grunden. Vi räknar ett fullständigt exempel med 120 av 500 och verkliga siffror. Du får också se hur du väljer z*, kontrollerar villkoret för lyckade och misslyckade utfall och beräknar vilken stickprovsstorlek som krävs för en viss felmarginal.
Innehåll
- 01Vad är ett konfidensintervall för en andel?
- 02Hur fungerar en kalkylator för konfidensintervall för en andel?
- 03Hur beräknar du ett 95 % konfidensintervall för en andel steg för steg?
- 04Hur kontrollerar du villkoret för lyckade och misslyckade utfall innan du litar på intervallet?
- 05Hur väljer du det kritiska värdet z* för ett konfidensintervall?
- 06Hur stort stickprov behöver du för en önskad felmarginal?
- 07Vilka vanliga misstag gör studenter med konfidensintervall för andelar?
- 08Övningsuppgifter: testa dina kunskaper om konfidensintervall för andelar
- 09Mer hjälp med konfidensintervall för andelar
Vad är ett konfidensintervall för en andel?
Ett konfidensintervall för en andel uppskattar vilka värden som är rimliga för en okänd andel i populationen utifrån ett enda stickprov. Det kan gälla den verkliga andelen väljare som stöder en kandidat, den verkliga andelen defekta enheter på en produktionslinje eller den verkliga andelen patienter som svarar på en behandling. En kalkylator för konfidensintervall för en andel behöver bara tre uppgifter: antalet lyckade utfall, stickprovsstorleken och en konfidensnivå. Den ger tillbaka ett intervall runt stickprovsandelen och den felmarginal som intervallet bygger på. Ett konfidensintervall för ett medelvärde bygger på kontinuerliga mätningar som längd eller tid. Ett konfidensintervall för en andel bygger i stället på räknedata, alltså hur många observationer av det totala stickprovet som hamnade i kategorin 'lyckat utfall'. Skillnaden spelar roll. Formeln för standardfelet, stickprovsfördelningens form och villkoren för att intervallet ska vara giltigt skiljer sig alla från fallet med medelvärden. Ändå ger båda till slut ett intervall i samma form: punktskattning ± felmarginal.
Formel för konfidensintervall för en andel: p̂ ± z* × √[p̂(1 − p̂) ÷ n], där p̂ är stickprovsandelen, z* är det kritiska värdet för den valda konfidensnivån och n är stickprovsstorleken.
Hur fungerar en kalkylator för konfidensintervall för en andel?
Alla kalkylatorer för konfidensintervall för en andel frågar efter samma få uppgifter och ger samma typ av resultat, oavsett vilken konfidensnivå du väljer. När du vet vad som ska in och vad som kommer ut blir det mycket lättare att ställa upp ett problem rätt. Det gäller både när du räknar ut intervallet för hand och när du kontrollerar ditt svar med en kalkylator.
1. Vad en kalkylator för konfidensintervall för en andel behöver
Du behöver antalet lyckade utfall (x) i stickprovet, den totala stickprovsstorleken (n) och en vald konfidensnivå (oftast 90 %, 95 % eller 99 %). Vissa kalkylatorer frågar direkt efter stickprovsandelen p̂ i stället för x och n. Då är p̂ = x ÷ n redan uträknat åt dig.
2. Vad en kalkylator för konfidensintervall kan ge tillbaka
p̂: själva stickprovsandelen, som decimaltal eller procent. SE: andelens standardfel. Felmarginal: SE multiplicerat med det kritiska värdet z* för den valda konfidensnivån. Konfidensintervallets gränser: stickprovsandelen plus och minus felmarginalen, klara att redovisa som ett intervall, till exempel (20.3%, 27.7%).
3. Varför du ändå bör lära dig metoden för hand
Hemuppgifter, labbrapporter och tentor kräver nästan alltid att du visar hela uppställningen. Du ska beräkna p̂, kontrollera villkoret för lyckade och misslyckade utfall, välja z* och ta fram felmarginalen. Ett decimaltal från en kalkylator räcker inte. När du räknar igenom formeln för hand bygger du också den intuition du senare behöver för hypotesprövning av andelar och för att jämföra två andelar i ett A/B-test.
Hur beräknar du ett 95 % konfidensintervall för en andel steg för steg?
Det tydligaste sättet att lära sig formeln för konfidensintervall för en andel är att räkna igenom ett helt exempel med verkliga siffror. Här är ett scenario som liknar de frågor som ständigt dyker upp i statistikkurser och i verklig rapportering av enkätresultat.
1. Ställ upp problemet
En nationell undersökning frågar 500 slumpmässigt utvalda vuxna om de stöder ett nytt förslag om kollektivtrafik. 120 av dem svarar ja. Bestäm ett 95 % konfidensintervall för den verkliga andelen i populationen som stöder förslaget.
2. Beräkna stickprovsandelen
p̂ = x ÷ n = 120 ÷ 500 = 0.24, eller 24 %.
3. Beräkna standardfelet
SE = √[p̂(1 − p̂) ÷ n] = √[0.24 × 0.76 ÷ 500] = √[0.1824 ÷ 500] = √0.0003648 ≈ 0.0191.
4. Välj z* och beräkna felmarginalen
För ett 95 % konfidensintervall är z* = 1.96. Felmarginal = 1.96 × 0.0191 ≈ 0.0374, alltså ungefär 3.74 procentenheter.
5. Bilda och tolka intervallet
95 % konfidensintervall = 0.24 ± 0.0374 = (0.2026, 0.2774), eller ungefär (20.3%, 27.7%). Du kan vara 95 % säker på att den verkliga andelen vuxna som stöder kollektivtrafikförslaget ligger mellan ungefär 20.3 % och 27.7 %. En kalkylator för konfidensintervall för den här andelen skulle direkt ge samma intervall (20.3%, 27.7%). Nu kan du dock själv kontrollera varje mellanled.
95 % konfidensintervall för en andel: 0.24 ± 1.96 × 0.0191 = (0.2026, 0.2774), alltså ungefär 20.3 % till 27.7 %.
Hur kontrollerar du villkoret för lyckade och misslyckade utfall innan du litar på intervallet?
Formeln för konfidensintervall för en andel fungerar bara för att stickprovsfördelningen för p̂ är ungefär normalfördelad när stickprovet är tillräckligt stort. Approximationen fungerar dåligt för små stickprov och för andelar nära 0 eller 1. Därför behöver varje beräkning av ett konfidensintervall för en andel en snabb villkorskontroll innan du litar på resultatet.
1. Regeln: båda förväntade antalen måste vara minst 10
Kontrollera att n × p̂ ≥ 10 (förväntade lyckade utfall) och n × (1 − p̂) ≥ 10 (förväntade misslyckade utfall). Vissa läroböcker använder gränsen 5 i stället för 10. Gränsen 10 är dock vanligare och mer försiktig, och den används i AP Statistics och i de flesta introduktionskurser.
2. Kontrollera villkoret för exemplet med kollektivtrafikundersökningen
n × p̂ = 500 × 0.24 = 120 ≥ 10. n × (1 − p̂) = 500 × 0.76 = 380 ≥ 10. Båda villkoren är uppfyllda med god marginal. Normalapproximationen är alltså giltig här, och det gäller även det z*-baserade konfidensintervall som bygger på den.
3. Vad du gör när villkoret inte är uppfyllt
Om något av de förväntade antalen är under 10 kan det vanliga z-intervallet bli missvisande, särskilt när p̂ ligger nära 0 eller 1. Använd då en exakt metod, till exempel Wilsons intervall (Wilson score interval) eller Clopper-Pearson-intervallet, i stället för standardformeln. Båda hanterar små stickprov och extrema andelar betydligt bättre.
Villkor för lyckade och misslyckade utfall: n p̂ ≥ 10 och n(1 − p̂) ≥ 10. Om du hoppar över kontrollen kan en kalkylator för konfidensintervall ge ett intervall som ger en starkt missvisande bild av den verkliga osäkerheten.
Hur väljer du det kritiska värdet z* för ett konfidensintervall?
Det kritiska värdet z* styr hur brett intervallet blir och följer direkt av den konfidensnivå du väljer. Högre konfidens ger alltid ett större z*. Intervallet blir då bredare men också mer tillförlitligt.
1. 90 % konfidens
z* = 1.645. Används när ett smalare intervall är viktigare än mycket hög säkerhet, till exempel i tidig explorativ forskning.
2. 95 % konfidens
z* = 1.96. Standardvalet i de flesta statistikkurser och forskningsartiklar och när nyheter rapporterar om opinionsmätningar, eftersom det ger en rimlig balans mellan precision och säkerhet.
3. 99 % konfidens
z* = 2.576. Används när det är kostsamt att ha fel, till exempel i kliniska prövningar, säkerhetstester eller beslut om kvalitetskontroll. Då är ett bredare intervall ett acceptabelt pris för högre säkerhet.
4. Jämför alla tre samtidigt
Med kollektivtrafikundersökningen (p̂ = 0.24, SE ≈ 0.0191): vid 90 % konfidens är felmarginalen = 1.645 × 0.0191 ≈ 0.0314, vilket ger (0.2086, 0.2714). Vid 95 % är felmarginalen ≈ 0.0374, vilket ger (0.2026, 0.2774). Vid 99 % är felmarginalen = 2.576 × 0.0191 ≈ 0.0492, vilket ger (0.1908, 0.2892). Varje höjning av konfidensnivån gör intervallet bredare, eftersom det måste täcka fler möjliga stickprovsutfall.
z* = 1.645 för 90 % konfidens, z* = 1.96 för 95 % konfidens och z* = 2.576 för 99 % konfidens. Det är de tre kritiska värden som kalkylatorer för konfidensintervall för andelar använder oftast.
Hur stort stickprov behöver du för en önskad felmarginal?
När du planerar en undersökning eller ett experiment räknar du ofta baklänges från formeln för konfidensintervallet. Du beräknar alltså inte felmarginalen utifrån en given stickprovsstorlek. I stället bestämmer du först vilken felmarginal du vill ha och löser sedan ut hur stort stickprov som krävs. Om du löser ut n ur formeln för felmarginalen får du den formel för stickprovsstorlek som alla kalkylatorer för stickprovsstorlek för andelar använder.
1. Formeln för stickprovsstorlek
n = (z* ÷ E)² × p̂(1 − p̂), där E är den önskade felmarginalen (som decimaltal) och p̂ är en uppskattning av andelen som används i planeringen. Avrunda uppåt till närmaste heltal, eftersom du inte kan fråga en bråkdel av en person.
2. Exempel med en uppskattning från en pilotstudie
Anta att kollektivtrafikundersökningen ovan är en pilotstudie med p̂ = 0.24 från x = 120 och n = 500. En större uppföljningsstudie vill ha ett snävare 95 % konfidensintervall med en felmarginal på högst 3 procentenheter (E = 0.03). n = (1.96 ÷ 0.03)² × 0.24 × 0.76 = (65.33)² × 0.1824 ≈ 4268.4 × 0.1824 ≈ 778.6, vilket avrundas uppåt till 779 respondenter.
3. Exempel utan tidigare uppskattning
När det saknas pilotdata för att uppskatta p̂ använder du det försiktiga värdet p̂ = 0.5. Produkten p̂(1 − p̂) är störst när p̂ = 0.5, och därför blir även den nödvändiga stickprovsstorleken störst då. För samma E = 0.03 vid 95 % konfidens: n = (1.96 ÷ 0.03)² × 0.5 × 0.5 ≈ 4268.4 × 0.25 ≈ 1067.1, vilket avrundas uppåt till 1068 respondenter. Det är märkbart fler än de 779 som behövs när det finns en rimlig uppskattning att planera utifrån.
4. Varför felmarginalen minskar långsammare än stickprovet växer
Precis som standardfelet är felmarginalen omvänt proportionell mot √n, inte mot n. Om du fyrdubblar n = 500 till n = 2000 (med p̂ ≈ 0.24) minskar felmarginalen från ungefär 0.0374 till ungefär 0.0187. Den halveras alltså exakt men blir inte en fjärdedel, eftersom SE = √(0.1824 ÷ 2000) ≈ 0.00955 och 1.96 × 0.00955 ≈ 0.0187. Därför behöver undersökningar som vill ha mycket snäva felmarginaler dramatiskt större stickprov för varje extra procentenhet i precision.
Stickprovsstorlek för en önskad felmarginal: n = (z* ÷ E)² × p̂(1 − p̂). Använd p̂ = 0.5 när det inte finns någon uppskattning att planera utifrån. Det ger den största och säkraste stickprovsstorleken.
Vilka vanliga misstag gör studenter med konfidensintervall för andelar?
De flesta fel i konfidensintervall för andelar beror inte på svår aritmetik. De uppstår när man blandar ihop formler eller hoppar över villkorskontrollen. Se upp med de här fem misstagen.
1. Att använda formeln för medelvärden i stället för formeln för andelar
Formeln för andelar använder √[p̂(1 − p̂) ÷ n], inte s ÷ √n som för medelvärden. Om du sätter in en andel i formeln för medelvärdets standardfel (eller tvärtom) blir intervallet meningslöst.
2. Att glömma villkoret för lyckade och misslyckade utfall
Om du bildar ett konfidensintervall utan att kontrollera att n p̂ ≥ 10 och n(1 − p̂) ≥ 10 kan du få ett intervall som ser rimligt ut men inte är statistiskt giltigt. Det gäller särskilt små stickprov och andelar nära ytterligheterna.
3. Att använda fel z* för konfidensnivån
Att blanda ihop 1.645 (90 %), 1.96 (95 %) och 2.576 (99 %) ger ofta fel felmarginal, även när alla andra steg är rätt. Kontrollera vilken konfidensnivå uppgiften faktiskt frågar efter innan du slår upp z*.
4. Att avrunda p̂ eller SE för tidigt
Om du avrundar p̂ eller standardfelet till en eller två decimaler innan du beräknar felmarginalen kan det slutliga intervallet förskjutas märkbart. Behåll minst fyra decimaler ända till sista steget.
5. Att anta p̂ = 0.5 när det finns en bättre uppskattning
Att använda p̂ = 0.5 vid beräkning av stickprovsstorlek är bara ett säkert och försiktigt standardval när det saknas tidigare information. Om en pilotstudie eller tidigare data redan ger ett rimligt p̂ bör du använda det. Den stickprovsstorlek som krävs blir då oftast mindre och är lika giltig.
Övningsuppgifter: testa dina kunskaper om konfidensintervall för andelar
Lös uppgifterna för hand och jämför sedan din lösning med en kalkylator för konfidensintervall för en andel. Fullständiga lösningar finns med så att du kan kontrollera varje steg.
1. Uppgift 1: 95 % KI, n = 150
I ett stickprov med 150 kunder föredrar 45 att betala online framför i butik. Bestäm ett 95 % konfidensintervall för den verkliga andelen. Lösning: p̂ = 45 ÷ 150 = 0.3. SE = √[0.3 × 0.7 ÷ 150] = √0.0014 ≈ 0.0374. Felmarginal = 1.96 × 0.0374 ≈ 0.0733. KI = 0.3 ± 0.0733 = (0.2267, 0.3733), eller ungefär (22.7%, 37.3%).
2. Uppgift 2: 90 % KI, n = 200
I ett stickprov med 200 appanvändare har 80 aktiverat pushnotiser. Bestäm ett 90 % konfidensintervall. Lösning: p̂ = 80 ÷ 200 = 0.4. SE = √[0.4 × 0.6 ÷ 200] = √0.0012 ≈ 0.0346. Felmarginal = 1.645 × 0.0346 ≈ 0.0570. KI = 0.4 ± 0.0570 = (0.343, 0.457), eller ungefär (34.3%, 45.7%).
3. Uppgift 3: stickprovsstorlek utan tidigare uppskattning
En forskare vill ha ett 99 % konfidensintervall med en felmarginal på högst 5 procentenheter (E = 0.05) och har inga pilotdata. Lösning: använd det försiktiga värdet p̂ = 0.5. n = (2.576 ÷ 0.05)² × 0.5 × 0.5 = (51.52)² × 0.25 ≈ 2654.3 × 0.25 ≈ 663.6, vilket avrundas uppåt till 664 respondenter.
4. Uppgift 4: kontrollera villkoret för lyckade och misslyckade utfall
En liten pilotundersökning med 40 personer ger 8 lyckade utfall. Kan man lita på ett vanligt z-intervall här? Lösning: p̂ = 8 ÷ 40 = 0.2. n p̂ = 40 × 0.2 = 8, vilket är under 10. Villkoret är alltså inte uppfyllt, trots att n(1 − p̂) = 32 ≥ 10 är det. Du kan inte lita på resultatet från en vanlig kalkylator för konfidensintervall som bygger på normalapproximation. Använd i stället en exakt metod, till exempel Wilsons intervall.
5. Uppgift 5: jämför precisionen när stickprovet växer
Undersökning A: n = 500, p̂ = 0.24, vilket ger SE ≈ 0.0191 och en felmarginal på ≈ 0.0374 vid 95 %. Undersökning B: n = 2000 (4× större), samma p̂ ≈ 0.24, vilket ger SE = √(0.1824 ÷ 2000) ≈ 0.00955 och en felmarginal på ≈ 0.0187 vid 95 %. Intervallet för undersökning B är ungefär hälften så brett som för undersökning A. Det bekräftar att en fyrdubblad stickprovsstorlek halverar felmarginalen.
Mer hjälp med konfidensintervall för andelar
När du väl kan beräkna p̂, kontrollera villkoret för lyckade och misslyckade utfall, välja z* och ta fram felmarginalen är konfidensintervall för andelar inte längre en mystisk formel. Det handlar bara om en noggrann uppställning. Om siffrorna i en uppgift inte går ihop som du förväntar dig kan Solvifys steg-för-steg-lösare räkna igenom samma beräkning som i den här guiden: stickprovsandelen, standardfelet, det kritiska värdet och det slutliga intervallet. Då ser du exakt var din egen uppställning skiljer sig från den korrekta.
Kontrollera villkoret för lyckade och misslyckade utfall innan du litar på en kalkylator för konfidensintervall för en andel. Formelns giltighet hänger lika mycket på det villkoret som på aritmetiken.
Relaterade artiklar
Kalkylator för standardfel: så beräknar du SE för medelvärden och andelar
Formeln för standardfel som konfidensintervall för andelar bygger direkt på, med fler genomräknade exempel för medelvärden och andelar.
Från z-värde till percentil: formel, steg och exempel
En fördjupning i standardnormalfördelningen och de z-värden som ligger bakom de kritiska z*-värdena i varje konfidensintervall för en andel.
Chi-två-kalkylator: så beräknar du chi-två-test för hand
Ytterligare en statistisk metod för kategoriska data, användbar när du vill testa samband mellan andelar i olika grupper.
Relaterade matematiklösare
Steg-för-steg-lösningar
Se varje steg i ett konfidensintervall för en andel: stickprovsandelen, standardfelet och felmarginalen.
Smart Scan-lösare
Fota en uppgift om konfidensintervall eller felmarginal och få direkt en fullständigt genomräknad lösning.
AI-mattehandledare
Ställ följdfrågor om konfidensintervall, z*-värden eller när villkoret för lyckade och misslyckade utfall ska användas.