คำศัพท์พื้นฐานทางสถิติ
สถิติ (statistics) เป็นศาสตร์ที่ศึกษา ประมวลผล และวิเคราะห์ข้อมูล
ประชากร
เป้าหมายของสถิติคือการทำการทดลองเพื่อให้รู้สิ่งที่น่าสนใจเกี่ยวกับประชากรกลุ่มหนึ่ง ประชากร (population) หมายถึงกลุ่มของสิ่งใดก็ได้ที่ต้องการศึกษาในขณะนั้น ถ้าต้องการรู้ว่าอายุเฉลี่ยของประชาชนในประเทศไทยเป็นเท่าใด ประชากรของเราคือประชาชนทุกคนในประเทศไทย
แต่ถ้าต้องการรู้อัตราการสิ้นเปลืองน้ำมันเฉลี่ยต่อระยะทางหนึ่งร้อยกิโลเมตรของรถยนต์นั่งส่วนบุคคล ประชากรของเราคือเซตของรถยนต์นั่งส่วนบุคคลทุกคัน (ในพื้นที่ที่กำหนด)
กลุ่มตัวอย่าง
บ่อยครั้งที่ไม่สามารถศึกษาสมาชิกทุกหน่วยของประชากรได้ สมมติว่าต้องการรู้ว่าคนในประเทศไทยคิดอย่างไรกับการบังคับให้นักเรียนทุกคนสอบวิชาคณิตศาสตร์ A-Level ถ้าต้องการรู้ความคิดเห็นของทุกคนจริง ๆ จะต้องเดินไปถามตามบ้านทีละหลังทั่วประเทศ ว่าแต่ละคนคิดอย่างไรกับการบังคับสอบคณิตศาสตร์นี้ ซึ่งในทางปฏิบัติทำไม่ได้ เหตุผลบางประการได้แก่
- ค่าใช้จ่ายสูงเกินไป การสอบถามประชาชนประมาณ 66 ล้านคนทุกคนไม่ใช่เรื่องถูก ๆ ตัวอย่างเช่น การเลือกตั้งทั่วไปแต่ละครั้งใช้งบประมาณหลายพันล้านบาท
- ใช้เวลานานเกินไป การเลือกตั้งต้องเตรียมการล่วงหน้าหลายเดือน ถ้าต้องการผลทางสถิติภายในหนึ่งสัปดาห์ ระยะเวลาเช่นนี้ก็นานเกินไป
- ไม่ใช่ทุกคนจะยอมตอบ บางคนไม่ยอมตอบคำถามโดยหลักการ ถ้าประชากรของเราเป็นเครื่องจักร เครื่องจักรก็อาจเสียได้ ถ้าติดตามระยะทางที่รถยนต์แล่นไป อาจเกิดกรณีที่เครื่องวัดระยะทางเสีย หรือมีคนจงใจหมุนเลขไมล์ย้อนกลับ
- การทดลองอาจอันตรายเกินไป การถามเรื่องการบังคับสอบคณิตศาสตร์คงไม่ทำให้ใครหัวใจวาย แต่ลองพิจารณาอีกตัวอย่างหนึ่ง คือการทดสอบยาใหม่ชื่อ “ยาครอบจักรวาล” ถ้านำยาครอบจักรวาลไปทดสอบกับประชากรทั้งประเทศ แล้วระหว่างการทดสอบพบว่า 20% ของผู้ได้รับยาท้องเสียอย่างรุนแรงทันที จะเกิดอะไรขึ้น ทดสอบยากับคนกลุ่มเล็ก ๆ ก่อนน่าจะดีกว่า
เพื่อหลีกเลี่ยงข้อเสียเหล่านี้ จึงเลือกเพียงบางส่วนของประชากรมาศึกษา ส่วนนี้เรียกว่ากลุ่มตัวอย่าง (sample) ถ้ามีประชากร P กลุ่มตัวอย่าง V คือสับเซตใด ๆ ของ P นั่นคือ V ⊆ P จากนั้นจะทำการทดลองกับกลุ่มตัวอย่าง V เท่านั้น แล้วนำผลไปสรุปอ้างอิงถึงประชากรทั้งหมด ผลที่ได้ย่อมไม่แม่นยำเสียทีเดียว จะคลาดเคลื่อนมากน้อยเพียงใดขึ้นอยู่กับขนาดของกลุ่มตัวอย่าง V เป็นหลัก และขึ้นอยู่กับวิธีที่ใช้เลือกสมาชิกเข้ามาใน V
ข้อผิดพลาดที่พบบ่อยได้แก่
- จำนวนสมาชิกใน V น้อยเกินไป ถ้าถามเรื่องการบังคับสอบคณิตศาสตร์กับคนเจ็ดคนแรกที่พบ จะไม่ได้ผลที่มีความหมาย
- เลือกสมาชิกจากประชากรได้ไม่เป็นตัวแทนที่ดี ถ้าถามเรื่องการบังคับสอบคณิตศาสตร์กับบัณฑิตสาขาคณิตศาสตร์หนึ่งพันคน จะได้คำตอบต่างจากการถามนักเรียนชั้น ม.5 หนึ่งพันคน
ตัวแปร
ระหว่างการทดลองเราศึกษาสมาชิกของกลุ่มตัวอย่าง สิ่งที่ติดตามศึกษาเรียกว่าตัวแปร (variable) และค่าที่ตัวแปรเป็นได้เรียกว่าค่าของข้อมูล ตัวแปรมีประเภทพื้นฐานดังนี้
- ตัวแปรเชิงคุณภาพ (qualitative variable): ตัวแปรชนิดนี้โดยทั่วไปวัดค่าไม่ได้ เป็นการบรรยายด้วยคำ ตัวอย่างที่พบบ่อยคือการถามสัญชาติ ค่าของข้อมูลของตัวแปรนี้เช่น “สัญชาติไทย” “สัญชาติมาเลเซีย” เป็นต้น การวัดหรือเปรียบเทียบสัญชาติไทยกับสัญชาติมาเลเซียไม่มีความหมาย เราเปรียบเทียบจำนวนคนไทยกับจำนวนคนมาเลเซียได้ แต่เปรียบเทียบสัญชาติเองไม่ได้
คำถามเรื่องการบังคับสอบคณิตศาสตร์ก็อยู่ในประเภทนี้ คำตอบที่คาดว่าจะได้คือ “เห็นด้วยกับการบังคับสอบคณิตศาสตร์” หรือ “ไม่เห็นด้วยกับการบังคับสอบคณิตศาสตร์” ซึ่งเป็นค่าของข้อมูลของตัวแปรนี้ ในกรณีนี้ก็เปรียบเทียบจำนวนคำตอบได้ แต่การเปรียบเทียบคำว่า “เห็นด้วย” กับ “ไม่เห็นด้วย” เองไม่มีความหมาย
- ตัวแปรเชิงปริมาณ (quantitative variable): ตัวแปรชนิดนี้วัดค่าได้ เช่น ความยาว มวล เวลา จำนวน และอื่น ๆ ตัวแปรเชิงปริมาณยังแบ่งออกเป็นตัวแปรไม่ต่อเนื่องและตัวแปรต่อเนื่อง ดังนี้
ตัวแปรไม่ต่อเนื่อง
ตัวแปรไม่ต่อเนื่อง (discrete variable) มีค่าของข้อมูลจำนวนจำกัด หรือมีค่าของข้อมูลจำนวนนับได้ (ดูต่อไป) ค่าเหล่านี้มักเป็นจำนวนเต็ม เช่น จำนวนนักเรียนในห้องเรียน ห้องเรียนทั่วไปมีนักเรียนประมาณสิบห้าถึงสี่สิบคน
ลักษณะเด่นของตัวแปรไม่ต่อเนื่องคือเราบอกได้เสมอว่าค่าถัดไปและค่าก่อนหน้าคือค่าใด ถ้าห้อง ม.3/2 มีนักเรียน 28 คน ค่าก่อนหน้าคือ 27 คน และค่าถัดไปคือ 29 คน สำหรับตัวแปรเชิงคุณภาพโดยทั่วไปทำเช่นนี้ไม่ได้ ค่าถัดจากสัญชาติไทยคือค่าใด
ตัวแปรไม่ต่อเนื่องอาจมีค่าได้ไม่จำกัด แต่ต้องนับได้ (countable) หมายความว่ายังต้องหาค่าก่อนหน้าและค่าถัดไปได้เสมอ ตัวอย่างเช่น อาจกำหนดตัวแปร “ระยะห่างระหว่างวัตถุสองชิ้นที่วัดละเอียดถึงหนึ่งกิโลเมตร” ถ้าวัดได้ว่าระยะห่างระหว่างวัตถุสองชิ้น เช่น รถยนต์กับยุ้งข้าว เท่ากับ 12 กิโลเมตร ค่าถัดไปและค่าก่อนหน้าก็คือ 13 และ 11 กิโลเมตรตามลำดับ ทั้งที่ระยะห่างไม่น่าจะมีขีดจำกัดใด ๆ ถ้ามีวัตถุสองชิ้นอยู่ห่างกัน 1,500,000 กิโลเมตร ก็ย่อมหาวัตถุที่อยู่ห่างกัน 1,500,001 กิโลเมตรได้เช่นกัน
ตัวแปรนี้ยังคงเป็นตัวแปรไม่ต่อเนื่อง แม้จะเปลี่ยนความละเอียดเป็นทศนิยมหนึ่งตำแหน่งของกิโลเมตร (คือหลักร้อยเมตร) เมื่อนั้นอาจวัดระยะได้ 15.7 km และค่าถัดไปกับค่าก่อนหน้าคือ 15.8 และ 15.6
การที่ไม่มีค่าก่อนหน้าหรือค่าถัดไปไม่ขัดกับการเป็นตัวแปรไม่ต่อเนื่อง ตัวอย่างเช่น ระยะศูนย์กิโลเมตรไม่มีค่าก่อนหน้า เพราะไม่ได้นิยามระยะลบหนึ่งกิโลเมตร ถึงกระนั้นระยะที่วัดละเอียดถึงหนึ่งกิโลเมตรก็ยังเป็นตัวแปรไม่ต่อเนื่อง
ตัวแปรต่อเนื่อง
ตัวแปรต่อเนื่อง (continuous variable) มีค่าของข้อมูลจำนวนไม่จำกัดเสมอ ค่าของตัวแปรมักเป็นจำนวนจริง เช่น ระยะทาง (โดยไม่ระบุความละเอียด) สำหรับตัวแปรต่อเนื่อง เราหาค่าก่อนหน้าหรือค่าถัดไปไม่ได้ ถ้าวัดระยะของบางสิ่งได้ 3.58745 เมตร จะหาจำนวนที่อยู่ถัดจากจำนวนนี้ไปทันทีไม่ได้
ในเซตของจำนวนจริงมีจำนวนอตรรกยะซึ่งเป็นทศนิยมไม่รู้จบด้วย แน่นอนว่าเราไม่มีเครื่องมือที่วัดระยะได้ละเอียดถึงเพียงนั้น ในความเป็นจริงตัวแปรเช่นนี้ทุกตัวจึงเป็นตัวแปรไม่ต่อเนื่องอยู่ดี เพราะเครื่องมือทุกชนิดมีความละเอียดจำกัด ถ้าวัดด้วยไม้บรรทัดจะได้ความละเอียดหนึ่งมิลลิเมตร วัดได้ว่าหนังสือกว้าง 167 mm หรือ 168 mm แต่วัดค่าระหว่างนั้นไม่ได้ เว้นแต่จะกะประมาณเอา
ถ้าใช้เครื่องมือทางวิทยาศาสตร์ที่ละเอียดกว่า อาจได้ความละเอียดถึงหนึ่งไมโครเมตร แต่ก็คงยังไม่พอที่จะวัดวัตถุได้อย่างแม่นยำสมบูรณ์
แม้จะเป็นเช่นนั้น โดยทั่วไปเราก็ถือว่าระยะทางหรือมวลเป็นตัวแปรต่อเนื่อง ในทางปฏิบัติจำเป็นต้องทำให้ง่ายลงเช่นนี้ และโดยปกติก็ไม่เกิดปัญหาใด
ตัวแปรสุ่ม
ตัวแปรสุ่ม (random variable) คือตัวแปรไม่ต่อเนื่องหรือตัวแปรต่อเนื่องที่เราบอกค่าผลลัพธ์ไม่ได้ก่อนทำการทดลอง ตัวแปรสุ่มอาจเป็นผลของการทอดลูกเต๋าหกหน้า ก่อนทอดลูกเต๋าเราไม่อาจรู้ได้ว่าลูกเต๋าจะขึ้นแต้มใด
เราอาจคาดการณ์ได้ว่าบางค่ามีโอกาสเกิดมากกว่าค่าอื่น ซึ่งไม่เป็นปัญหา ขอเพียงไม่แน่ใจได้เต็มที่ว่าจะได้ค่าใดค่าหนึ่ง ตัวอย่างเช่น ถ้าสุ่มจับประชาชนไทยมาหนึ่งคนแล้วถามว่าอาศัยอยู่ที่ใด โอกาสที่เขาจะอาศัยอยู่ในกรุงเทพฯ มีมากกว่าโอกาสที่จะอาศัยอยู่ในหมู่บ้านเล็ก ๆ แห่งหนึ่งในจังหวัดแม่ฮ่องสอน เพราะกรุงเทพฯ มีคนอาศัยอยู่มากกว่า
ถ้ามีลูกเต๋าที่ห้าหน้ามีแต้มหก และหน้าที่เหลืออีกหนึ่งหน้ามีแต้มสอง โอกาสที่ทอดแล้วได้แต้มหกย่อมมากกว่ามาก แต่ผลการทอดก็ยังเป็นตัวแปรสุ่ม เพราะไม่แน่นอนว่าจะได้แต้มหก
ถ้าดัดแปลงลูกเต๋านี้ให้ทั้งหกหน้ามีแต้มหก การทอดลูกเต๋าจะไม่เป็นตัวแปรสุ่มอีกต่อไป เพราะจะได้แต้มหกทุกครั้ง