הסקה על מדגם אחד – מה אפשר ללמוד מכף אחת של מרק

נניח שאתם מבשלים סיר מרק ענק ורוצים לדעת אם יצא מספיק מתובל. אתם לא תטעמו את כל הסיר (כי אז לא יישאר מה לאכול…), אלא תיקחו כף אחת. השאלה היא:

“האם הכף הזאת מייצגת את כל הסיר?”

זה בדיוק הרעיון של הסקה על מדגם אחד – שימוש במדגם קטן כדי להסיק מסקנות על האוכלוסייה כולה.

 מה זה בעצם הסקה על מדגם אחד?

הסקה על מדגם אחד בודקת אם ממוצע, שיעור או פרמטר אחר באוכלוסייה שווה לערך מסוים.
לדוגמה:

• אתם רוצים לבדוק אם ממוצע הציונים בכיתה באמת שווה ל-80.
• או אם שיעור האוהבים של המתכון החדש שלכם הוא לפחות 70%.

אנחנו לוקחים מדגם קטן, מחשבים סטטיסטי (למשל ממוצע או שיעור הצלחה), ואז בודקים – האם מה שמצאנו רחוק מדי מהערך שציפינו לו, או שזה עדיין סביר?

 השלבים בגדול

1. השערת אפס (H₀): מניחה שערך האוכלוסייה שווה לערך שבחרנו (למשל μ=80).
2. השערת חלופית (H₁): מניחה שהערך שונה (או גדול/קטן ממנו).
3. איסוף נתונים: בוחרים מדגם אקראי, כמו טעימה מכף מרק.
4. סטטיסטי מבחן: מחשבים t-statistic או z-statistic (תלוי אם השונות ידועה).
5. קבלת החלטה: אם הסטטיסטי קיצוני → דוחים את H₀ ואומרים שהמציאות שונה מהשערה.

 דוגמה מהמטבח

אתם רוצים לדעת אם לפחות 70% מהאורחים אוהבים את העוגיות החדשות שלכם.

• חילקתם טעימות ל-30 אנשים → 24 אמרו “טעים!”
• שיעור הצלחה במדגם = 24/30 = 0.8 (80%)
• מבצעים מבחן השערות ובודקים אם 80% שונה באופן מובהק מ-70%.
  אם מתקבל p-value קטן מ-0.05 → אפשר להיות די בטוחים שהעוגיות באמת אהובות על רוב האנשים, ולא סתם נפלתם על קבוצה אוהבת מתוק.

הומור סטטיסטי קטן

הסקה על מדגם אחד זה כמו לטעום ביס אחד מהעוגה ולסמוך על זה שהיא כולה טעימה.
אבל אם לקחתם ביס מקצה שנשרף, יכול להיות שתגיעו למסקנה שגויה… לכן חשוב שהמדגם יהיה אקראי ולא רק “מה שקרוב לכף”.

סיכום

הסקה על מדגם אחד היא הבסיס של קבלת החלטות מבוססות נתונים.
היא מאפשרת לנו לבדוק אם הערכים שאנחנו מוצאים מתאימים למה שציפינו, או שמצאנו משהו חדש.

בפעם הבאה שאתם טועמים מרק, תדעו שאתם בעצם עושים ניסוי סטטיסטי קטן. ואם הוא מלוח מדי – אולי תבדקו עם עוד כף לפני שתחליטו על פסק הדין הסופי. 😉