สถิติกับความน่าจะเป็น: อะไรคือความแตกต่าง?

ความน่าจะเป็น และ สถิติ เป็นสองช่องที่ใช้ข้อมูลในการตอบคำถาม แต่ต่างกันเล็กน้อย

สาขา ความน่าจะ เป็นใช้ข้อมูลที่ทราบที่มีอยู่เพื่อทำนายความน่าจะเป็นของเหตุการณ์ในอนาคต

• ตัวอย่าง: หากลูกหิน 3 ใน 5 ลูกในถุงเป็นสีแดง ความน่าจะเป็นที่จะจั่วลูกหินสีแดง 2 ลูกในการจับซ้ำซ้ำๆ โดยไม่ต้องเปลี่ยนลูกหินเป็นเท่าใด

สาขา สถิติ ใช้ข้อมูลจากกลุ่มตัวอย่างเพื่อสรุปเกี่ยวกับประชากรกลุ่มใหญ่

• ตัวอย่าง: เราสุ่มตัวอย่างเต่า 50 ตัวและวัดน้ำหนักแต่ละตัว จากนั้นเราจะใช้ข้อมูลตัวอย่างเพื่ออนุมานช่วงของค่าที่น่าจะมีน้ำหนักเฉลี่ยที่แท้จริงของเต่าทุกตัวในประชากรนั้น

อ่านต่อเพื่อดูว่าสถิติและความน่าจะเป็นถูกนำมาใช้ในสถานการณ์จริงอย่างไร

การใช้สถิติในโลกความเป็นจริง

ต่อไปนี้เป็นตัวอย่างวิธีการใช้สถิติในสถานการณ์จริง

ตัวอย่างที่ 1: ช่วงความเชื่อมั่น

นักสถิติที่ทำงานด้านการเงินมักใช้ช่วงความเชื่อมั่นเพื่อประเมินมูลค่าที่แท้จริงของตัวชี้วัดทางการเงินต่างๆ

ตัวอย่างเช่น นักสถิติอาจรวบรวมข้อมูลรายได้ต่อปีของครัวเรือนที่ได้รับการสุ่มเลือก 200 ครัวเรือนในเมืองหนึ่ง จากนั้นใช้ข้อมูลตัวอย่างนั้นเพื่อสร้าง ช่วงความเชื่อมั่นสำหรับรายได้เฉลี่ย ของทุกครัวเรือนในเมืองนั้น

การใช้ข้อมูลจากกลุ่มตัวอย่าง นักสถิติสามารถสรุปเกี่ยวกับประชากรโดยรวมที่สนใจได้

ตัวอย่างที่ 2: การทดสอบสมมติฐาน

นักสถิติที่ทำงานในสถานพยาบาลมักใช้การทดสอบสมมติฐานเพื่อพิจารณาว่ายาตัวใหม่นำไปสู่ผลลัพธ์ของผู้ป่วยที่ดีขึ้นหรือไม่

ตัวอย่างเช่น นักชีวสถิติอาจให้ยาความดันโลหิตหนึ่งตัวแก่ผู้ป่วย 30 รายเป็นเวลาหนึ่งเดือน จากนั้นให้ยาความดันโลหิตตัวที่สองแก่ผู้ป่วย 30 รายเดิมเป็นเวลาอีกหนึ่งเดือน

จากนั้นพวกเขาสามารถทำการ ทดสอบทีแบบคู่ เพื่อตรวจสอบว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติในการลดความดันโลหิตระหว่างยาทั้งสองชนิดหรือไม่

การใช้ข้อมูลตัวอย่าง นักสถิติสามารถสรุปผลเกี่ยวกับยาทั้งสองชนิดนี้ในประชากรโดยรวมได้

การใช้ความน่าจะเป็นในโลกแห่งความเป็นจริง

ต่อไปนี้เป็นตัวอย่างวิธีการใช้ความน่าจะเป็นในสถานการณ์จริง

ตัวอย่างที่ 1: การทำนายภัยพิบัติทางธรรมชาติ

สมมติว่าเรารู้ว่าความน่าจะเป็นที่พายุเฮอริเคนระดับ 5 จะโจมตีพื้นที่ชายฝั่งบางแห่งในปีที่กำหนดคือ 0.02

เมื่อทราบสิ่งนี้แล้ว รัฐบาลท้องถิ่นสามารถคาดการณ์ ความเป็นไปได้ที่พายุเฮอริเคนประเภทนี้อย่างน้อยหนึ่ง ประเภทจะโจมตีภายใน 10 ปีข้างหน้า:

• P(สำเร็จอย่างน้อยหนึ่งครั้ง) = 1 – P(ล้มเหลวในการทดสอบที่กำหนด) ⁿ
• P (สำเร็จอย่างน้อยหนึ่งครั้ง) = 1 – (0.98) ¹⁰
• P (สำเร็จอย่างน้อยหนึ่งครั้ง): 0.18293

ความน่าจะเป็นของพายุเฮอริเคนประเภทนี้อย่างน้อยหนึ่งประเภทที่เกิดขึ้นใน 10 ปีข้างหน้าคือ 0.18293

การใช้ข้อมูลที่ทราบที่มีอยู่ทำให้รัฐบาลท้องถิ่นสามารถคาดการณ์แนวโน้มของเหตุการณ์ในอนาคตได้

ตัวอย่างที่ 2: เกมไพ่

ผู้เล่นโป๊กเกอร์มืออาชีพมักจะใช้ความน่าจะเป็นเพื่อทำนายความเป็นไปได้ที่ไพ่บางใบจะถูกพลิกกลับระหว่างเกม

ตัวอย่างเช่น มี 4 คิงในสำรับไพ่มาตรฐาน 52 ใบ

สมมติว่าผู้เล่นโป๊กเกอร์รู้ว่ามีการแจกไพ่ 3 คิงแล้วจากไพ่ 26 ใบแรกที่แจก

จากนั้นพวกเขาสามารถคำนวณความน่าจะเป็นที่จะได้ราชาจากไพ่ต่อไปนี้:

• P(คิง) = จำนวนคิง / จำนวนไพ่ที่เหลืออยู่
• P(คิง) = 1/26
• P(คิง) = 0.038

ความน่าจะเป็นที่ราชาจะถูกแจกในไพ่ใบถัดไปคือประมาณ 0.038

การใช้ข้อมูลที่ทราบที่มีอยู่ ผู้เล่นโป๊กเกอร์สามารถทำนายความน่าจะเป็นของเหตุการณ์ในอนาคตได้

บทสรุป

สถิติและความน่าจะเป็นเป็นสองช่องที่ใช้ข้อมูลในการตอบคำถาม แต่ใช้วิธีต่างกัน

สาขา ความน่าจะ เป็นใช้ข้อมูลที่ทราบที่มีอยู่เพื่อทำนายความน่าจะเป็นของเหตุการณ์ในอนาคต

สาขา สถิติ ใช้ข้อมูลจากกลุ่มตัวอย่างเพื่อสรุปเกี่ยวกับประชากรกลุ่มใหญ่

แหล่งข้อมูลเพิ่มเติม

บทความต่อไปนี้อธิบายความสำคัญของสถิติในด้านต่างๆ:

เหตุใดสถิติจึงมีความสำคัญ (10 เหตุผลที่สถิติมีความสำคัญ!)
ความสำคัญของสถิติในธุรกิจ
ความสำคัญของสถิติในการศึกษา
ความสำคัญของสถิติในการดูแลสุขภาพ
ความสำคัญของสถิติในด้านการเงิน