s

6,228 views

Published on

Published in: Education, Technology
1 Comment
1 Like
Statistics
Notes
  • ขอบคุณค่ะ
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
No Downloads
Views
Total views
6,228
On SlideShare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
167
Comments
1
Likes
1
Embeds 0
No embeds

No notes for slide
  • สถิติที่เป็นตัวเลข ได้มาจากการเก็บรวบรวมข้อมูลจำยวนมาก สถิติที่เป็นศาสตร์ สถิติที่เป็นศาสตร์ สถิติที่เป็นศาสตร์ เป็นวิชาที่ว่าด้วยการเก็บรวบรวมข้อมูล การวิเคราะห์ข้อมูล และการนำเสนอข้อมูล
  • สถิติพรรณนา (descriptive statistics) ใช้อธิบายลักษณะข้อมูลที่รวบรวมมา ไม่สามารถนำผลไปอ้างอิงหรือพยากรณ์ค่าของกลุ่มอื่น ๆ ได้ สถิติอนุมาน (inference statistics) สถิติอนุมาน (inference statistics) เป็นสถิติที่ได้จากการนำข้อมูลจากกลุ่มตัวอย่าง (sample) ไปอธิบาย หรือสรุปผลลักษณะกลุ่มประชากร (population)
  • s

    1. 1. ความรู้เกี่ยวกับสถิติเบื้องต้น โดย รศ . ดร . วรวุฒิ โรมรัตนพันธ์
    2. 2. ความหมายของสถิติ <ul><li>สถิติที่เป็นตัวเลข </li></ul><ul><li>สถิติที่เป็นศาสตร์ </li></ul>
    3. 3. ประเภทของสถิติ <ul><li>สถิติพรรณนา (descriptive statistics) </li></ul><ul><li>สถิติอนุมาน (inference statistics) </li></ul>
    4. 4. สถิติพรรณนา (descriptive statistics) <ul><li>ร้อยละ (percentage) </li></ul><ul><li>การแจกแจงความถี่ (frequency) </li></ul><ul><li>การวัดแนวโน้มเข้าสู่ส่วนกลาง (central of tendency) </li></ul><ul><li>การวัดการกระจาย (dispersion) </li></ul>
    5. 5. ร้อยละ (percentage) 100 50 รวม 20 10 รับจ้าง 30 15 ค้าขาย 50 25 ราชการ ร้อยละ ความถี่ ( คน ) ประเภทอาชีพ
    6. 6. การแจกแจงความถี่ (frequency) ทางเดียว 10 รับจ้าง 50 รวม 15 ค้าขาย 25 ราชการ ความถี่ ( คน ) ประเภทอาชีพ
    7. 7. การแจกแจงความถี่ (frequency) สองทาง 65 (100%) 30 (46.2%) 35 (53.8%) รวม 25 (100%) 20 (80%) 5 (20%) หญิง 40 (100%) 10 (25%) 30 (75%) ชาย รวม ไม่เห็นด้วย เห็นด้วย เพศ / ความเห็น
    8. 8. การวัดแนวโน้มเข้าสู่ส่วนกลาง (central of tendency) <ul><li>ตัวกลางเลขคณิต (Arithmetic Mean) </li></ul><ul><li>ฐานนิยม (Mode) </li></ul><ul><li>มัธยฐาน (Median) </li></ul><ul><li>ควอไทล์ (Quartiles) </li></ul><ul><li>เดไซล์ (Deciles) </li></ul><ul><li>เปอร์เซ็นไทล์ (Percentiles) </li></ul>
    9. 9. ตัวกลางเลขคณิต (Arithmetic Mean) 6 คือ ค่าเฉลี่ยตัวกลางเลขคณิต 30/5 = 6 5 4 9 7 5 ค่าเฉลี่ย จำนวนที่ 5 จำนวนที่ 4 จำนวนที่ 3 จำนวนที่ 2 จำนวนที่ 1
    10. 10. ฐานนิยม (Mode) 5 คือ ฐานนิยม 5 5 4 9 7 5 จำนวนที่ซ้ำมากที่สุด จำนวนที่ 5 จำนวนที่ 4 จำนวนที่ 3 จำนวนที่ 2 จำนวนที่ 1
    11. 11. มัธยฐาน (Median) 5 คือ ค่ามัธยฐาน 5 5 4 9 7 5 5 9 7 5 5 4 จำนวนที่อยู่ตรงกลาง จำนวนที่ 5 จำนวนที่ 4 จำนวนที่ 3 จำนวนที่ 2 จำนวนที่ 1
    12. 12. ควอไทล์ (Quartiles) Q1 Q2 Q3 1/4 2/4 3/4 มี Q1-Q3
    13. 13. เดไซล์ (Deciles) D1 D5 D9 มี D1-D9
    14. 14. เปอร์เซ็นต์ไทล์ (Quartiles) P25 P50 P75 มี P1-P99
    15. 15. การวัดการกระจาย (dispersion) <ul><li>พิสัย (range) </li></ul><ul><li>ส่วนเบี่ยงเบนมาตรฐาน (standard deviation) </li></ul><ul><li>ค่าแปรปรวน (variance) </li></ul>
    16. 16. พิสัย (range) 9-2 = 7 พิสัย คือ 9 6 8 5 7 4 6 3 4 2 2 1 ค่าที่วัดได้ จำนวนที่
    17. 17. ส่วนเบี่ยงเบนมาตรฐาน (standard deviation) ค่าเฉลี่ย 2+4+6+7+8+9 = 36/6 = 6 9 8 7 6 4 2 ค่าที่วัดได้ 16+4+0+1+4+9 = 34/6 ( รากที่สอง ) = 2.6 (9-6) 2 = 9 6 (8-6) 2 = 4 5 (7-6) 2 = 1 4 (6-6) 2 = 0 3 (4-6) 2 = 4 2 (2-6) 2 = 16 1 ส่วนเบี่ยงเบนมาตรฐาน จำนวนที่
    18. 18. ค่าแปรปรวน (variance) ค่าเฉลี่ย 2+4+6+7+8+9 = 36/6 = 6 9 8 7 6 4 2 ค่าที่วัดได้ 16+4+0+1+4+9 = 34/6 ( รากที่สอง ) = 2.6 2 = 6.8 (9-6) 2 = 9 6 (8-6) 2 = 4 5 (7-6) 2 = 1 4 (6-6) 2 = 0 3 (4-6) 2 = 4 2 (2-6) 2 = 16 1 ค่าแปรปรวน จำนวนที่
    19. 19. สถิติอนุมาน (inference statistics) <ul><li>การอนุมานแบบมีพารามิเตอร์ (parametric inference) </li></ul><ul><li>การอนุมานแบบไม่มีพารามิเตอร์ (non-parametric inference) </li></ul>
    20. 20. การอนุมานแบบมีพารามิเตอร์ (parametric inference) <ul><li>เป็นการนำค่าที่ได้จากตัวอย่าง (sample) ซึ่งเป็นค่าสถิติ (statistics) ไปอธิบายคุณลักษณะประชากร (population) ซึ่งเป็นค่า พารามิเตอร์ (parameter) </li></ul><ul><li>ดังนั้น การอนุมานแบบมีพารามิเตอร์ จึงเป็นการนำค่าสถิติที่ได้ศึกษาจากบางส่วนของข้อมูลมาอธิบายลักษณะข้อมูลเหมือนกับว่า ค่านั้นมาจากข้อมูลทั้งหมด </li></ul>
    21. 21. การอนุมานแบบมีพารามิเตอร์ (parametric inference) คุณลักษณะประชากร (population) ตัวอย่าง (sample) การสุ่มตัวอย่าง (sampling) นำผลมาอธิบายคุณลักษณะประชากร
    22. 22. การอนุมานแบบมีพารามิเตอร์ (parametric inference) <ul><li>ค่าของประชากรควรมีการแจกแจงแบบปกติ (normal distribution) </li></ul><ul><li>การเลือกตัวอย่าง (sampling) เป็นไปอย่างอิสระ และไม่มีความเอนเอียง (unbiased) </li></ul><ul><li>ค่าของข้อมูลที่วัดได้ควรอยู่ในระดับช่วง (interval scale) หรือ ระดับอัตราส่วน (ratio scale) </li></ul>
    23. 23. การอนุมานแบบไม่มีพารามิเตอร์ (non-parametric inference) <ul><li>เป็นวิธีการอนุมานข้อมูลจากตัวอย่างไปอธิบายลักษณะของประชากร ในกรณีที่ข้อมูลไม่เป็นไปตามเงื่อนไขหรือข้อกำหนดตามวิธีการอนุมานแบบพารามิเตอร์ เช่น ไม่ทราบค่าข้อมูลของประชากร ไม่ทราบว่ามีการแจกแจงแบบใด และข้อมูลอยู่ในระดับนามบัญญัติ (nominal scale) หรือระดับเรียงอันดับ (ordinal scale) โดยเฉพาะกลุ่มตัวอย่างที่เลือกมามีขนาดเล็ก </li></ul>
    24. 24. การทดสอบค่าทางสถิติ <ul><li>การทดสอบค่าเฉลี่ยสำหรับหนึ่งกลุ่มตัวอย่าง </li></ul><ul><li>การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง </li></ul><ul><ul><li>กลุ่มตัวอย่างที่เป็นอิสระจากกัน </li></ul></ul><ul><ul><li>กลุ่มตัวอย่างที่ไม่เป็นอิสระจากกัน </li></ul></ul><ul><li>การทดสอบค่าเฉลี่ยสำหรับหลายกลุ่มตัวอย่าง </li></ul>
    25. 25. การทดสอบค่าเฉลี่ยสำหรับหนึ่งกลุ่มตัวอย่าง (One Sample T- Test) <ul><li>เป็นการทดสอบว่าค่าเฉลี่ยของประชากรหรือกลุ่มตัวอย่าง ทีค่าแตกต่างไปจากค่าที่กำหนดไว้หรือไม่ ซึ่งอาจจะมีการทดสอบแบบสองทาง (Two-Tail) หรือการทดสอบแบบทางเดียว (One-Tail) </li></ul><ul><li>การตั้งสมมติฐาน </li></ul><ul><ul><li>H 0 : เกรดเฉลี่ยของนักศึกษาเท่ากับ 2.50 หรือ H 0 : µ = 2.50 </li></ul></ul><ul><ul><li>H 1 : เกรดเฉลี่ยของนักศึกษาไม่เท่ากับ 2.50 หรือ H 1 : µ ≠ 2.50 </li></ul></ul><ul><li>สมมติว่า เกรดของนักศึกษา 10 คน มีดังนี้ 2.70 2.80 2.90 2.40 2.90 2.50 2.60 2.40 2.70 2.80 </li></ul>
    26. 26. การทดสอบค่าเฉลี่ยสำหรับหนึ่งกลุ่มตัวอย่าง (One Sample T- Test)
    27. 27. การทดสอบค่าเฉลี่ยสำหรับหนึ่งกลุ่มตัวอย่าง (One Sample T- Test)
    28. 28. การทดสอบค่าเฉลี่ยสำหรับหนึ่งกลุ่มตัวอย่าง (One Sample T- Test)
    29. 29. การทดสอบค่าเฉลี่ยสำหรับหนึ่งกลุ่มตัวอย่าง (One Sample T- Test)
    30. 30. การทดสอบค่าเฉลี่ยสำหรับหนึ่งกลุ่มตัวอย่าง (One Sample T- Test)
    31. 31. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่เป็นอิสระจากกัน <ul><li>เป็นการทดสอบว่าค่าเฉลี่ยของประชากรหรือกลุ่มตัวอย่างสองกลุ่มที่เป็นอิสระจากกัน มีค่าแตกต่างกันหรือไม่ ซึ่งอาจจะมีการทดสอบแบบสองทาง (Two-Tail) หรือการทดสอบแบบทางเดียว (One-Tail) </li></ul><ul><li>การตั้งสมมติฐาน </li></ul><ul><ul><li>H 0 : อายุเฉลี่ยของนักศึกษาชายเท่ากับนักศึกษาหญิง หรือ H 0 : µ 1 = µ 2 </li></ul></ul><ul><ul><li>H 1 : อายุเฉลี่ยของนักศึกษาชายไม่เท่ากับนักศึกษาหญิง หรือ H 1 : µ 1 ≠ µ 2 </li></ul></ul><ul><li>สมมติว่า อายุของนักศึกษาชาย 5 คน มีดังนี้ 20 20 21 19 20 และนักศึกษาหญิงมีดังนี้ 21 20 23 24 22 </li></ul>
    32. 32. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่เป็นอิสระจากกัน
    33. 33. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่เป็นอิสระจากกัน
    34. 34. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่เป็นอิสระจากกัน
    35. 35. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่เป็นอิสระจากกัน
    36. 36. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่เป็นอิสระจากกัน
    37. 37. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่ไม่เป็นอิสระจากกัน <ul><li>เป็นการทดสอบว่าค่าเฉลี่ยของประชากรหรือกลุ่มตัวอย่างสองกลุ่มที่ไม่เป็นอิสระจากกัน มีค่าแตกต่างกันหรือไม่ ซึ่งอาจจะมีการทดสอบแบบสองทาง (Two-Tail) หรือการทดสอบแบบทางเดียว (One-Tail) </li></ul><ul><li>การตั้งสมมติฐาน </li></ul><ul><ul><li>H 0 : คะแนนเฉลี่ยก่อนและหลังการฝึกอบรมเท่ากัน หรือ H 0 : µ 1 = µ 2 </li></ul></ul><ul><ul><li>H 1 : คะแนนเฉลี่ยก่อนและหลังการฝึกอบรมไม่เท่ากัน หรือ H 1 : µ 1 ≠ µ 2 </li></ul></ul><ul><li>สมมติว่า คะแนนเฉลี่ยก่อนการฝึกอบรมของผู้เข้าอบรม 10 คน มีดังนี้ 45 47 49 50 35 38 24 39 44 40 และ คะแนนเฉลี่ยหลังการฝึกอบรม มีดังนี้ 50 60 70 80 85 75 55 60 65 85 </li></ul>
    38. 38. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่ไม่เป็นอิสระจากกัน
    39. 39. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่ไม่เป็นอิสระจากกัน
    40. 40. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่ไม่เป็นอิสระจากกัน
    41. 41. การทดสอบค่าเฉลี่ยสำหรับสองกลุ่มตัวอย่าง กลุ่มตัวอย่างที่ไม่เป็นอิสระจากกัน
    42. 42. การทดสอบค่าเฉลี่ยสำหรับหลายกลุ่มตัวอย่าง การวิเคราะห์ความแปรปรวน (One-Way Analysis of Variance) <ul><li>เป็นการทดสอบค่าเฉลี่ยจากข้อมูลที่ได้จากกลุ่มตัวอย่างหลาย ๆ กลุ่มตัวอย่าง คือมากกว่าสองกลุ่มตัวอย่าง โดยการวิเคราะห์ความแปรปรวน โดยค่าสถิติ F-test </li></ul><ul><li>การตั้งสมมติฐาน </li></ul><ul><ul><li>H 0 : ค่าเฉลี่ยความสูงของนักศึกษาแต่ละมหาวิทยาลัยไม่ต่างกัน หรือ </li></ul></ul><ul><ul><li>H 0 : µ 1 = µ 2 = µ 3 = µ 4 … = µ k </li></ul></ul><ul><ul><li>H 1 : ค่าเฉลี่ยความสูงของนักศึกษาแต่ละมหาวิทยาลัยต่างกัน หรือ </li></ul></ul><ul><ul><li>H 1 : µ i ≠ µ j (I ≠ j) </li></ul></ul>
    43. 43. การทดสอบค่าเฉลี่ยสำหรับหลายกลุ่มตัวอย่าง การวิเคราะห์ความแปรปรวน (One-Way Analysis of Variance) <ul><li>สมมติความสูงของนักศึกษา 4 มหาวิทยาลัยมีดังนี้ </li></ul><ul><ul><li>มหาวิทยาลัย A = 156 160 161 163 165 164 145 146 </li></ul></ul><ul><ul><li>มหาวิทยาลัย B = 166 161 162 164 168 174 140 142 </li></ul></ul><ul><ul><li>มหาวิทยาลัย C = 176 170 171 173 175 165 176 185 </li></ul></ul><ul><ul><li>มหาวิทยาลัย D = 146 150 151 153 165 154 141 149 </li></ul></ul>
    44. 44. การทดสอบค่าเฉลี่ยสำหรับหลายกลุ่มตัวอย่าง การวิเคราะห์ความแปรปรวน (One-Way Analysis of Variance)
    45. 45. การทดสอบค่าเฉลี่ยสำหรับหลายกลุ่มตัวอย่าง การวิเคราะห์ความแปรปรวน (One-Way Analysis of Variance)
    46. 46. การทดสอบค่าเฉลี่ยสำหรับหลายกลุ่มตัวอย่าง การวิเคราะห์ความแปรปรวน (One-Way Analysis of Variance)
    47. 47. การทดสอบค่าเฉลี่ยสำหรับหลายกลุ่มตัวอย่าง การวิเคราะห์ความแปรปรวน (One-Way Analysis of Variance)
    48. 48. การทดสอบค่าเฉลี่ยสำหรับหลายกลุ่มตัวอย่าง การวิเคราะห์ความแปรปรวน (One-Way Analysis of Variance) LSD = Least Significant Difference)
    49. 49. การทดสอบค่าเฉลี่ยสำหรับหลายกลุ่มตัวอย่าง การวิเคราะห์ความแปรปรวน (One-Way Analysis of Variance)
    50. 50. การทดสอบสมมติฐาน Sig. (2-tailed) < α และ 2 t < 0 ทดสอบด้านเดียว H 0 : µ 1 ≥ µ 2 H 1 : µ 1 < µ 2 Sig. (2-tailed) < α และ 2 t > 0 ทดสอบด้านเดียว H 0 : µ 1 ≤ µ 2 H 1 : µ 1 > µ 2 Sig. (2-tailed) < α ทดสอบ 2 ด้าน H 0 : µ 1 = µ 2 H 1 : µ 1 ≠ µ 2 เขตปฏิเสธสมมติฐาน H 0 จากผล SPSS สมมติฐาน
    51. 51. การทดสอบสมมติฐาน
    52. 52. การทดสอบสมมติฐาน
    53. 53. การทดสอบสมมติฐาน
    54. 54. การทดสอบสมมติฐาน
    55. 55. การทดสอบสมมติฐาน
    56. 56. การทดสอบสมมติฐาน
    57. 57. การทดสอบสมมติฐาน
    58. 58. การทดสอบสมมติฐาน แบบสองทาง (Two-tailed test) Sig. 2-tailed < α
    59. 59. การทดสอบสมมติฐาน แบบทางเดียว (One-tailed test) t. > 0 H0 : µ1 ≤ µ2 H1 : µ1 > µ2 Sig. 2-tailed < α 2
    60. 60. การทดสอบสมมติฐาน แบบทางเดียว (One-tailed test) t. < 0 H0 : µ1 ≥ µ2 H1 : µ1 < µ2 Sig. 2-tailed < α 2
    61. 61. การหาความสัมพันธ์ (Relationships) <ul><li>การหาความสัมพันธ์ของข้อมูลที่มีค่าไม่ต่อเนื่อง </li></ul><ul><li>การหาความสัมพันธ์ของข้อมูลที่มีค่าต่อเนื่อง </li></ul>
    62. 62. การหาความสัมพันธ์ของข้อมูลที่มีค่าไม่ต่อเนื่อง <ul><li>เป็นการวิเคราะห์ถึงความสัมพันธ์ระหว่างข้อมูลสองชุดหรือมากกว่าสองชุดขึ้นไป โดยจะดูว่ามีความเกี่ยวข้องกันหรือไม่ การหาความสัมพันธ์ของข้อมูลที่ไม่ต่อเนื่อง (discrete data) ดังกล่าว มักจะเป็นข้อมูลระดับบัญญัติ (Nominal Scale) และระดับเรียงอันดับ (Ordinal Scale) ซึ่งการหาความสัมพันธ์จะใช้วิธีการแจงนับเป็นสำคัญ </li></ul><ul><li>การหาความสัมพันธ์สำหรับข้อมูลที่มีค่าไม่ต่อเนื่องจะเรียกว่าเป็นการหา Association </li></ul>
    63. 63. การหาความสัมพันธ์ของข้อมูลที่มีค่าไม่ต่อเนื่อง (Association) <ul><li>เป็นการหาความสัมพันธ์โดยใช้วิธีการแจงนับจำนวนข้อมูล หรือความถี่ข้อมูล และนำเสนอในรูปของตารางแจกแจงความถี่แบบสองทาง </li></ul><ul><li>สำหรับการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวแปรนั้น นิยมใช้สถิติ ไค - สแควร์ (Chi-Squares:  2 ) </li></ul>
    64. 64. สถิติ ไค - สแควร์ (Chi-Squares:  2 ) <ul><li>การวิเคราะห์ข้อมูลเพื่อใช้ในการทดสอบสมมติฐานด้วยวิธี ไค - สแควร์ จะกระทำโดยการหาความแตกต่างระหว่าง ค่าสังเกต (Observed Value) กับค่าคาดหวัง (Expected Value) </li></ul><ul><li>การตั้งสมมติฐาน มักจะเป็นการทดสอบความเป็นอิสระของตัวแปรทั้งสอง ว่ามีความเป็นอิสระจากกันหรือไม่ </li></ul><ul><li>H 0 : ตัวแปรต้นและตัวแปรตามเป็นอิสระต่อกัน (Independent) </li></ul><ul><li>H 1 : ตัวแปรต้นและตัวแปรตามไม่เป็นอิสระต่อกัน (Dependent) </li></ul>
    65. 65. สถิติ ไค - สแควร์ (Chi-Squares:  2 ) <ul><li>ตัวอย่าง มีการศึกษาถึงความสัมพันธ์ระหว่างระกับการศึกษากับความพึงพอใจของกลุ่มตัวอย่างต่อการรับบริการของสถานพยาบาล โดยมีกลุ่มตัวอย่าง 21 ราย </li></ul><ul><li>การตั้งสมมติฐาน จะหาความเป็นอิสระระหว่างระดับการศึกษากับระดับความพึงพอใจของกลุ่มตัวอย่าง </li></ul><ul><li>H 0 : ระดับการศึกษาและความพึงพอใจในการรับบริการเป็นอิสระต่อกัน </li></ul><ul><li>H 1 : ระดับการศึกษาและความพึงพอใจในการรับบริการไม่เป็นอิสระต่อกัน </li></ul>
    66. 66. การทดสอบสมมติฐาน ไค - สแควร์
    67. 67. การทดสอบสมมติฐาน ไค - สแควร์
    68. 68. การทดสอบสมมติฐาน ไค - สแควร์
    69. 69. การทดสอบสมมติฐาน ไค - สแควร์
    70. 70. การทดสอบสมมติฐาน ไค - สแควร์
    71. 71. การทดสอบสมมติฐาน ไค - สแควร์
    72. 72. การทดสอบสมมติฐาน ไค - สแควร์
    73. 73. การทดสอบสมมติฐาน ไค - สแควร์
    74. 74. การทดสอบสมมติฐาน ไค - สแควร์
    75. 75. การทดสอบสมมติฐาน ไค - สแควร์ <ul><li>สรุปว่า ค่าที่ได้จากการคำนวณได้เท่ากับ .009 ซึ่งน้อยกว่าค่าอัลฟ่าที่กำหนดไว้ 0.5 ทำให้ต้องปฏิเสธสมมติฐาน H 0 ที่ระบุว่า ระดับการศึกษาและความพึงพอใจในการรับบริการเป็นอิสระต่อกัน และยอมรับสมมติฐาน H 1 ที่ระบุว่า ระดับการศึกษาและความพึงพอใจในการรับบริการไม่เป็นอิสระต่อกัน </li></ul>
    76. 76. การหาความสัมพันธ์ของข้อมูลที่มีค่าต่อเนื่อง <ul><li>เป็นการวิเคราะห์ถึงความสัมพันธ์ระหว่างข้อมูลสองชุดหรือมากกว่าสองชุดขึ้นไป โดยจะดูว่ามีความเกี่ยวข้องกันหรือไม่ การหาความสัมพันธ์ของข้อมูลที่ต่อเนื่อง (Continuous data) ดังกล่าว มักจะเป็นข้อมูลระดับช่วง (Interval Scale) และระดับอัตราส่วน (Ratio Scale) ซึ่งการหาความสัมพันธ์จะใช้วิธีการคำนวณเป็นสำคัญ </li></ul><ul><li>การหาความสัมพันธ์สำหรับข้อมูลที่มีค่าต่อเนื่องจะเรียกว่าเป็นการหา Correlation </li></ul>

    ×