Penukar Selang Keyakinan kepada Pembangunan Standard
Tukar peratusan selang keyakinan kepada pembangunan standard yang sepadan. Penting untuk analisis statistik, ujian hipotesis, dan mentafsir hasil penyelidikan.
Penukar Selang Keyakinan kepada Sisihan Piawai
📚
Dokumentasi
Penukar Selang Keyakinan kepada Sisihan Piawai
[... pengenalan dan bahagian formula yang sedia ada ...]
Visualisasi
Rajah berikut menggambarkan hubungan antara selang keyakinan dan sisihan piawai dalam taburan normal:
[... pengiraan dan bahagian kes tepi yang sedia ada ...]
Contoh
Berikut adalah contoh kod untuk menukar selang keyakinan kepada sisihan piawai dalam pelbagai bahasa pengaturcaraan:
1' Fungsi Excel VBA untuk Selang Keyakinan kepada Sisihan Piawai
2Function ConfidenceToStdDev(CI As Double) As Double
3 ConfidenceToStdDev = Application.NormSInv(1 - (1 - CI) / 2)
4End Function
5' Penggunaan:
6' =ConfidenceToStdDev(0.95)
71confidence_to_std_dev <- function(confidence_interval) {
2 qnorm((1 + confidence_interval) / 2)
3}
4
5# Penggunaan contoh:
6ci <- 0.95 # selang keyakinan 95%
7z_score <- confidence_to_std_dev(ci)
8cat(sprintf("%.2f%% selang keyakinan bersamaan dengan %.4f sisihan piawai\n", ci*100, z_score))
91function z = confidenceToStdDev(confidenceInterval)
2 z = norminv((1 + confidenceInterval) / 2);
3end
4
5% Penggunaan contoh:
6ci = 0.95; % selang keyakinan 95%
7zScore = confidenceToStdDev(ci);
8fprintf('%.2f%% selang keyakinan bersamaan dengan %.4f sisihan piawai\n', ci*100, zScore);
91import scipy.stats as stats
2
3def confidence_to_std_dev(confidence_interval):
4 return stats.norm.ppf((1 + confidence_interval) / 2)
5
6# Penggunaan contoh:
7ci = 0.95 # selang keyakinan 95%
8z_score = confidence_to_std_dev(ci)
9print(f"{ci*100}% selang keyakinan bersamaan dengan {z_score:.4f} sisihan piawai")
101function confidenceToStdDev(confidenceInterval) {
2 // Menggunakan anggaran untuk fungsi terbalik kesilapan
3 function erfInv(x) {
4 const a = 0.147;
5 const y = Math.log(1 - x*x);
6 const z = 2/(Math.PI * a) + y/2;
7 return Math.sign(x) * Math.sqrt(Math.sqrt(z*z - y/a) - z);
8 }
9
10 return Math.sqrt(2) * erfInv(confidenceInterval);
11}
12
13// Penggunaan contoh:
14const ci = 0.95;
15const zScore = confidenceToStdDev(ci);
16console.log(`${ci*100}% selang keyakinan bersamaan dengan ${zScore.toFixed(4)} sisihan piawai`);
171public class ConfidenceIntervalConverter {
2 public static double confidenceToStdDev(double confidenceInterval) {
3 // Menggunakan algoritma Moro untuk anggaran terbalik CDF normal
4 double p = (1 + confidenceInterval) / 2;
5 double t = Math.sqrt(-2 * Math.log(1 - p));
6 double c0 = 2.515517;
7 double c1 = 0.802853;
8 double c2 = 0.010328;
9 double d1 = 1.432788;
10 double d2 = 0.189269;
11 double d3 = 0.001308;
12
13 return t - ((c0 + c1 * t + c2 * t * t) / (1 + d1 * t + d2 * t * t + d3 * t * t * t));
14 }
15
16 public static void main(String[] args) {
17 double ci = 0.95;
18 double zScore = confidenceToStdDev(ci);
19 System.out.printf("%.2f%% selang keyakinan bersamaan dengan %.4f sisihan piawai%n", ci*100, zScore);
20 }
21}
221#include <iostream>
2#include <cmath>
3
4double confidenceToStdDev(double confidenceInterval) {
5 // Menggunakan algoritma Moro untuk anggaran terbalik CDF normal
6 double p = (1 + confidenceInterval) / 2;
7 double t = std::sqrt(-2 * std::log(1 - p));
8 double c0 = 2.515517, c1 = 0.802853, c2 = 0.010328;
9 double d1 = 1.432788, d2 = 0.189269, d3 = 0.001308;
10
11 return t - ((c0 + c1 * t + c2 * t * t) / (1 + d1 * t + d2 * t * t + d3 * t * t * t));
12}
13
14int main() {
15 double ci = 0.95;
16 double zScore = confidenceToStdDev(ci);
17 printf("%.2f%% selang keyakinan bersamaan dengan %.4f sisihan piawai\n", ci*100, zScore);
18 return 0;
19}
201def confidence_to_std_dev(confidence_interval)
2 # Menggunakan anggaran untuk fungsi terbalik kesilapan
3 p = (1 + confidence_interval) / 2
4 t = Math.sqrt(-2 * Math.log(1 - p))
5 c0, c1, c2 = 2.515517, 0.802853, 0.010328
6 d1, d2, d3 = 1.432788, 0.189269, 0.001308
7
8 t - ((c0 + c1 * t + c2 * t * t) / (1 + d1 * t + d2 * t * t + d3 * t * t * t))
9end
10
11# Penggunaan contoh:
12ci = 0.95
13z_score = confidence_to_std_dev(ci)
14puts "#{ci*100}% selang keyakinan bersamaan dengan #{z_score.round(4)} sisihan piawai"
151<?php
2function confidenceToStdDev($confidenceInterval) {
3 // Menggunakan anggaran untuk fungsi terbalik kesilapan
4 $p = (1 + $confidenceInterval) / 2;
5 $t = sqrt(-2 * log(1 - $p));
6 $c0 = 2.515517; $c1 = 0.802853; $c2 = 0.010328;
7 $d1 = 1.432788; $d2 = 0.189269; $d3 = 0.001308;
8
9 return $t - (($c0 + $c1 * $t + $c2 * $t * $t) / (1 + $d1 * $t + $d2 * $t * $t + $d3 * $t * $t * $t));
10}
11
12// Penggunaan contoh:
13$ci = 0.95;
14$zScore = confidenceToStdDev($ci);
15printf("%.2f%% selang keyakinan bersamaan dengan %.4f sisihan piawai\n", $ci*100, $zScore);
16?>
171fn confidence_to_std_dev(confidence_interval: f64) -> f64 {
2 // Menggunakan anggaran untuk fungsi terbalik kesilapan
3 let p = (1.0 + confidence_interval) / 2.0;
4 let t = (-2.0 * (1.0 - p).ln()).sqrt();
5 let c0 = 2.515517;
6 let c1 = 0.802853;
7 let c2 = 0.010328;
8 let d1 = 1.432788;
9 let d2 = 0.189269;
10 let d3 = 0.001308;
11
12 t - ((c0 + c1 * t + c2 * t * t) / (1.0 + d1 * t + d2 * t * t + d3 * t * t * t))
13}
14
15fn main() {
16 let ci = 0.95;
17 let z_score = confidence_to_std_dev(ci);
18 println!("{:.2}% selang keyakinan bersamaan dengan {:.4} sisihan piawai", ci*100.0, z_score);
19}
201using System;
2
3class ConfidenceIntervalConverter
4{
5 static double ConfidenceToStdDev(double confidenceInterval)
6 {
7 // Menggunakan anggaran untuk fungsi terbalik kesilapan
8 double p = (1 + confidenceInterval) / 2;
9 double t = Math.Sqrt(-2 * Math.Log(1 - p));
10 double c0 = 2.515517, c1 = 0.802853, c2 = 0.010328;
11 double d1 = 1.432788, d2 = 0.189269, d3 = 0.001308;
12
13 return t - ((c0 + c1 * t + c2 * t * t) / (1 + d1 * t + d2 * t * t + d3 * t * t * t));
14 }
15
16 static void Main()
17 {
18 double ci = 0.95;
19 double zScore = ConfidenceToStdDev(ci);
20 Console.WriteLine($"{ci*100:F2}% selang keyakinan bersamaan dengan {zScore:F4} sisihan piawai");
21 }
22}
231package main
2
3import (
4 "fmt"
5 "math"
6)
7
8func confidenceToStdDev(confidenceInterval float64) float64 {
9 // Menggunakan anggaran untuk fungsi terbalik kesilapan
10 p := (1 + confidenceInterval) / 2
11 t := math.Sqrt(-2 * math.Log(1 - p))
12 c0, c1, c2 := 2.515517, 0.802853, 0.010328
13 d1, d2, d3 := 1.432788, 0.189269, 0.001308
14
15 return t - ((c0 + c1*t + c2*t*t) / (1 + d1*t + d2*t*t + d3*t*t*t))
16}
17
18func main() {
19 ci := 0.95
20 zScore := confidenceToStdDev(ci)
21 fmt.Printf("%.2f%% selang keyakinan bersamaan dengan %.4f sisihan piawai\n", ci*100, zScore)
22}
231import Foundation
2
3func confidenceToStdDev(_ confidenceInterval: Double) -> Double {
4 // Menggunakan anggaran untuk fungsi terbalik kesilapan
5 let p = (1 + confidenceInterval) / 2
6 let t = sqrt(-2 * log(1 - p))
7 let c0 = 2.515517, c1 = 0.802853, c2 = 0.010328
8 let d1 = 1.432788, d2 = 0.189269, d3 = 0.001308
9
10 return t - ((c0 + c1 * t + c2 * t * t) / (1 + d1 * t + d2 * t * t + d3 * t * t * t))
11}
12
13// Penggunaan contoh:
14let ci = 0.95
15let zScore = confidenceToStdDev(ci)
16print(String(format: "%.2f%% selang keyakinan bersamaan dengan %.4f sisihan piawai", ci*100, zScore))
17Kes Ujian
Untuk memastikan ketepatan fungsi penukaran merentasi pelbagai selang keyakinan, berikut adalah beberapa kes ujian:
1import unittest
2import math
3
4def confidence_to_std_dev(confidence_interval):
5 return stats.norm.ppf((1 + confidence_interval) / 2)
6
7class TestConfidenceToStdDev(unittest.TestCase):
8 def test_common_confidence_intervals(self):
9 self.assertAlmostEqual(confidence_to_std_dev(0.6827), 1.0, places=4)
10 self.assertAlmostEqual(confidence_to_std_dev(0.95), 1.96, places=2)
11 self.assertAlmostEqual(confidence_to_std_dev(0.99), 2.576, places=3)
12 self.assertAlmostEqual(confidence_to_std_dev(0.9973), 3.0, places=4)
13
14 def test_edge_cases(self):
15 self.assertAlmostEqual(confidence_to_std_dev(0.5), 0.6745, places=4)
16 self.assertTrue(math.isinf(confidence_to_std_dev(1.0)))
17 self.assertEqual(confidence_to_std_dev(0.0), -float('inf'))
18
19if __name__ == '__main__':
20 unittest.main()
21[... kes penggunaan, alternatif, sejarah, had, dan rujukan yang sedia ada ...]
💬
Maklum balas
💬
Klik toast maklum balas untuk mula memberi maklum balas tentang alat ini
🔗
Alat Berkaitan
Temui lebih banyak alat yang mungkin berguna untuk aliran kerja anda