Year12 MATH 3-4-3 statistical inference (sample proportions)

In QLD Year 12 Mathematical Methods (General Subject) Unit 4, statistical inference (sample proportions) is the process of using data from a sample to estimate an unknown population proportion ($p$). It is the culmination of probability studies, where students move from understanding theoretical distributions to analyzing real-world data to make predictions. 

In this unit, statistical inference is specifically focused on: 

• Two-outcome populations: Situations where outcomes are binary (e.g., yes/no, success/failure, vote Liberal/Labor).
• Estimating proportions: Using sample proportions ($\widehat{p}$) to infer the true, unknown population proportion ($p$). 

Key Concepts and Components 

1. Sample Proportion (𝑝̂): Defined as $\widehat{p}=\frac{X}{n}$, where $X$ is the number of successes in a sample of size $n$. The sample proportion is a random variable, meaning its value varies from sample to sample.
2. Sampling Distribution of 𝑝̂: For large sample sizes, the distribution of the sample proportion $\widehat{p}$ is approximately normal, with:
   • Mean: ${\mu }_{\widehat{p}}=p$
   • Standard Deviation: ${\sigma }_{\widehat{p}}=\sqrt{\frac{p(1-p)}{n}}$
3. Confidence Intervals for Proportions: This is the core application, providing a range of values within which the true population proportion ($p$) is likely to lie, based on a given level of confidence.
   • Formula: $\widehat{p}\pm z\sqrt{\frac{\widehat{p}(1-\widehat{p})}{n}}$.
   • Common Levels: 95% confidence intervals are standard (using $z=1.96$).
4. Margin of Error: The distance from the sample proportion (𝑝̂) to the endpoints of the confidence interval, reflecting the uncertainty of the estimate. It is calculated as $z\sqrt{\frac{\widehat{p}(1-\widehat{p})}{n}}$.
5. Simulation: Using technology to simulate repeated sampling to understand how 𝑝̂ varies and to observe the, approximately, normal distribution of $\widehat{p}$. 

Key Skills Required 

• Calculating the point estimate ($\widehat{p}$) and the confidence interval for a given sample.
• Interpreting what a confidence interval means in context.
• Using technology (e.g., calculators) to determine interval estimates for proportions.
• Determining the necessary sample size ($n$) to achieve a specific margin of error. 

This topic often utilizes simulation and technology to visualize how the sample proportion approaches the population proportion as the sample size increases. 

***********************

QLD 12年生数学法（一般科目）ユニット4では、統計的推論（標本割合）とは、標本データを用いて未知の母集団割合（p）を推定するプロセスです。これは確率論の集大成であり、生徒は理論的な分布の理解から現実世界のデータの分析へと進み、予測を立てます。

このユニットでは、統計的推論は特に以下の点に焦点を当てています。

2つの結果を持つ母集団：結果が2値である状況（例：賛成/反対、成功/失敗、自由党/労働党への投票）。
割合の推定：標本割合（$\^{p}$）を用いて、真の未知の母集団割合（$p$）を推定します。

主要な概念と構成要素

標本割合（$\^{p}$）：($\^{p}=\frac{X}{n})$と定義されます。ここで、(X)は標本サイズ(n)における成功数です。標本割合はランダム変数であり、その値は標本ごとに異なります。

($\^{p}$) の標本分布：標本サイズが大きい場合、標本割合 ($\^{p}$) の分布はほぼ正規分布となり、平均：($\mu_ {\^{p}}=p$)、標準偏差：($\sigma_ {\^{p}}=\sqrt{\frac{p(1-p)}{n}}$) となります。

割合の信頼区間：これは中核的な応用であり、与えられた信頼水準に基づいて、真の母集団割合 ((p)) が含まれる可能性のある値の範囲を示します。

式：($\^{p}\pm z\sqrt{\frac{\^{p}(1-\^{p})}{n}}$)。一般的な水準：95%信頼区間が標準です（(z=1.96) を使用）。

誤差幅：標本割合（$\^{p}$）から信頼区間の両端までの距離であり、推定値の不確実性を反映します。($z\sqrt{\frac{\^{p}(1-\^{p})}{n}}$) として計算されます。

シミュレーション：技術を用いて繰り返し標本抽出をシミュレートし、($\^{p}$) がどのように変化するかを理解し、($\^{p}$) が近似的に正規分布していることを観察する。

必須スキル

与えられた標本について点推定値（$\^{p}$）と信頼区間を計算する。
文脈において信頼区間の意味を解釈する。
技術（例：電卓）を用いて割合の区間推定値を求める。
特定の誤差幅を達成するために必要な標本サイズ（$n$）を決定する。

このトピックでは、多くの場合、シミュレーションとテクノロジーを利用して、サンプル サイズが増加するにつれてサンプルの割合が母集団の割合に近づく様子を視覚化します。