Przedział ufności
Czym jest przedział ufności
Przedział ufności (CI, ang. confidence interval) to para liczb [dolna granica; górna granica] wyznaczająca zakres wiarygodnych wartości szacowanego parametru (np. średniej, różnicy średnich, współczynnika regresji) na podstawie danych z próby.
Wzór dla 95% przedziału ufności dla średniej (gdy znamy odchylenie standardowe populacji lub przy dużej próbie):
CI = x̄ ± z × (SD / pierwiastek z n)
gdzie z = 1,96 dla poziomu ufności 95%, a SD / pierwiastek z n to błąd standardowy średniej. Przy małych próbach i nieznanym σ zamiast z stosuje się kwantyl rozkładu t-Studenta o (n − 1) stopniach swobody.
Poziom ufności (najczęściej 95%, rzadziej 90% lub 99%) to właściwość procedury, a nie konkretnego przedziału — szczegóły w sekcji interpretacji.
Kiedy używać
Przedziały ufności są dziś standardem raportowania w naukach empirycznych — APA i większość recenzowanych czasopism wymaga ich obok lub zamiast samego p-value. Stosuj CI gdy:
- szacujesz wartość parametru populacyjnego (średnią, różnicę, korelację, proporcję)
- chcesz pokazać precyzję estymatu, a nie tylko fakt istotności statystycznej
- porównujesz ze sobą efekty z różnych badań (przedziały niechodzące na siebie sugerują istotną różnicę)
Szerokość CI jest bezpośrednio powiązana z rozkładem normalnym — wzory opierają się na tym założeniu.
Jak interpretować
Poprawna interpretacja (częstotliwościowa): „Gdybyśmy wielokrotnie pobierali próby tej samej wielkości i za każdym razem obliczali 95% CI tą samą metodą, to 95% tak skonstruowanych przedziałów zawierałoby prawdziwy parametr populacyjny.”
Częsty błąd (BŁĘDNA interpretacja): „Istnieje 95% prawdopodobieństwo, że prawdziwy parametr leży w tym konkretnym przedziale [X; Y].” — To zdanie jest niepoprawne w ujęciu klasycznym (częstotliwościowym): po obliczeniu konkretnego przedziału, parametr albo w nim jest, albo nie — nie ma tu mowy o prawdopodobieństwie dla danego przedziału.
| Aspekt | Wniosek |
|---|---|
| Wąski CI | Duża precyzja estymatora (duże n lub mała wariancja) |
| Szeroki CI | Mała precyzja — wyniki należy interpretować ostrożnie |
| CI dla różnicy nie zawiera 0 | Wynik istotny statystycznie na danym poziomie |
| CI dla różnicy zawiera 0 | Brak istotności statystycznej na danym poziomie |
Szerokość CI zależy od trzech czynników: poziomu ufności (wyższy → szerszy), odchylenia standardowego (wyższe → szerszy) i liczebności próby n (większe n → węższy).
Przykład
W badaniu nad stresem zawodowym (n = 64) średni wynik na skali stresu wyniósł M = 42,0, SD = 8,0.
Błąd standardowy: SE = 8,0 / pierwiastek z 64 = 8,0 / 8 = 1,0
95% CI = 42,0 ± 1,96 × 1,0 = [40,04; 43,96]
Interpretacja: „Na podstawie próby szacujemy, że średni poziom stresu w populacji pracowników wynosi ok. 42 punktów; procedura użyta do wyznaczenia tego przedziału będzie obejmować prawdziwą średnią populacyjną w 95% prób.”
Gdyby n = 16 (czterokrotnie mniejsza próba), SE = 8 / 4 = 2,0, a CI poszerzyłoby się do [38,08; 45,92] — wyraźnie widać, jak n wpływa na precyzję.
Typowe błędy
- Interpretacja probabilistyczna pojedynczego przedziału — patrz sekcja wyżej; to najczęstszy błąd w pracach magisterskich.
- Mylenie CI z przedziałem predykcji — CI dla średniej mówi o parametrze populacyjnym, a nie o tym, gdzie znajdzie się kolejna indywidualna obserwacja; przedział predykcji jest znacznie szerszy.
- Pomijanie CI i raportowanie tylko p-value — p < 0,05 mówi tylko „jest efekt”, CI mówi „jak duży i jak precyzyjnie zmierzony”.
- Ignorowanie założenia normalności lub dużej próby — przy małym n i skośnym rozkładzie wzór oparty na rozkładzie t może być niedokładny; rozważ metody bootstrapowe.
Potrzebujesz pomocy z interpretacją wyników?
Obliczę przedziały ufności, przygotuję tabele wyników i napiszę opis statystyczny gotowy do wklejenia w sekcję Wyniki. Zobacz ofertę →
Powiązane hasła
Autor: dr Błażej Mroziński, adiunkt SWPS. Aktualizacja: 19.06.2026.