สถิติและการวิเคราะห์ข้อมูล บทที่ 1

• สถิติและการวิเคราะห์ข้อมูล (Statistics and Data Analytics)
• ติดต่อ ผศ.ดร.อภิญญา อิงอาจ ได้ที่ 063 212 7478

คำอธิบายรายวิชา

• ประยุกต์ใช้วิธีการทางสถิติกับเทคโนโลยีสารสนเทศและการสื่อสาร
• รวบรวมข้อมูล
• พิจารณาประเภทของข้อมูล
• จัดการข้อมูล
• นำเสนอข้อมูล
• ใช้สถิติพรรณนาและสถิติอนุมาน
• ใช้โปรแกรมสำเร็จรูปในการวิเคราะห์ข้อมูล

วิธีการประเมินผล

• การมีส่วนร่วมในชั้นเรียน: 5 คะแนน
• รายงาน: 15 คะแนน
• สอบปลายภาค (FINAL): 30 คะแนน

เกณฑ์การให้คะแนน

• 80.00 ขึ้นไป: A
• 75.00 – 79.99: B+
• 70.00 – 74.99: B
• 65.00 – 69.99: C+
• 60.00 – 64.99: C
• 55.00 – 59.99: D+
• 50.00 – 54.99: D
• น้อยกว่า 50.00: F

บทที่ 1: บทนำ

• ความหมายของคำว่าสถิติ
• คำศัพท์ที่ใช้ในวิชาสถิติ
• ข้อมูลและการจำแนกข้อมูล
• วิธีการเก็บรวบรวมข้อมูล
• การเลือกตัวอย่างและเทคนิคการเลือกตัวอย่าง

ความหมายของ “สถิติ”

• สถิติ (Statistic) คือชุดตัวเลขที่จัดเก็บรวบรวมไว้ เพื่อบอกความแตกต่างและความเปลี่ยนแปลงของข้อมูลชุดนั้น ๆ
• สถิติ (Statistics) เป็นวิชาเกี่ยวกับการเก็บรวบรวม, การจัดการ, การวิเคราะห์, การนำเสนอ, การแปลความหมาย, และการตีความข้อมูล

ศัพท์ที่ใช้ในวิชาสถิติ

• ประชากร (population):
  • ประชากรที่มีจำนวนจำกัด (finite population)
  • ประชากรที่มีจำนวนไม่จำกัด (infinite population)
• ตัวอย่าง (Sample)
• พารามิเตอร์ (parameter)
• ค่าสถิติ (statistic)

ความสัมพันธ์ระหว่างประชากรและตัวอย่าง

• ประชากร (population) คือทุกหน่วยในขอบเขตที่ศึกษา
• ตัวอย่าง (sample) คือหน่วยตัวแทนที่ถูกเลือกมาศึกษาแทนประชากร ซึ่งเป็นเพียงส่วนหนึ่งของประชากรเท่านั้น
• การเลือกตัวอย่าง (sampling) คือกระบวนการเลือกตัวอย่างจากประชากร

การวิเคราะห์ข้อมูล

• ข้อมูลจากตัวอย่างนำไปวิเคราะห์ (Analyze) เพื่อหาค่าสถิติ (statistic) เช่น ค่าเฉลี่ย (X̄), ค่าเบี่ยงเบนมาตรฐาน (SD), ค่าความแปรปรวน (S²), ค่าสัดส่วน (p), และค่าสัมประสิทธิ์สหสัมพันธ์ (r)
• หากเก็บข้อมูลจากประชากรทั้งหมด จะเรียกว่าการทำสำมะโน (census)
• ข้อมูลจากประชากรนำไปวิเคราะห์ (Analyze) เพื่อหาพารามิเตอร์ (parameter) เช่น ค่าเฉลี่ย (μ), ค่าเบี่ยงเบนมาตรฐาน (σ), ค่าความแปรปรวน (σ²), ค่าสัดส่วน (P), และค่าสัมประสิทธิ์สหสัมพันธ์ (ρ)

ประเภทของสถิติ

• สถิติพรรณนา (Descriptive statistics):
  • วิเคราะห์ข้อมูลจากตัวอย่างและ/หรือประชากร เพื่ออธิบายลักษณะของข้อมูล
• สถิติอนุมาน (Inferential statistics):
  • วิเคราะห์ข้อมูลจากตัวอย่าง เพื่อนำค่าสถิติที่ได้ไปสรุปอ้างอิงถึงประชากร โดยอาศัยการคาดการณ์ด้วยความน่าจะเป็น
  • ประกอบด้วยการประมาณค่าและการทดสอบ

การเลือกตัวอย่าง (Sampling Methods) แบ่งเป็น 2 ประเภท

• การเลือกตัวอย่างชนิดที่ไม่อาศัยความน่าจะเป็น(Non-probability sampling): ไม่สุ่ม
• การเลือกตัวอย่างชนิดที่อาศัยความน่าจะเป็น(Probability sampling): แบบสุ่ม

วิธีการเลือกตัวอย่างชนิดที่ไม่อาศัยความน่าจะเป็น (Non-probability sampling)

• การเลือกตัวอย่างแบบบังเอิญ (Accidental sampling)
• การเลือกตัวอย่างแบบโควต้า (Quota sampling)
• การเลือกตัวอย่างแบบเจาะจง (Purposive sampling)
• การเลือกตัวอย่างแบบก้อนหิมะ (Snowball sampling)

การเลือกตัวอย่างแบบบังเอิญ (Accidental sampling)

• สุ่มตัวอย่างจากผู้ที่สะดวกและยินดีให้ข้อมูล เช่น การสำรวจการเปิดรับข่าวสารสุขภาพของคนเจน Y ในกรุงเทพฯ โดยเก็บข้อมูลจากคนเจน Y ที่อยู่ในฟิตเนส, สถานีรถไฟฟ้า, มหาวิทยาลัย, ที่ทำงาน, หรือห้างสรรพสินค้า จำนวน 200 คน

การเลือกตัวอย่างแบบโควต้า (Quota sampling)

• กำหนดสัดส่วนและจำนวนตัวอย่างตามคุณสมบัติของประชากรที่ต้องการ แล้วเก็บข้อมูลจากตัวอย่างให้ได้ตามจำนวนที่กำหนดในแต่ละกลุ่ม

การเลือกตัวอย่างแบบเจาะจง (Purposive sampling)

• ใช้ดุลยพินิจของผู้ที่ต้องการข้อมูล, ใช้วัตถุประสงค์บางประการของการเลือกเป็นเครื่องช่วยตัดสินใจ, และอาศัยความรู้และประสบการณ์ของผู้กำหนด
• เหมาะกับการเลือกบุคคลที่มีความเฉพาะด้าน มักใช้กับการเก็บข้อมูลด้วยการสัมภาษณ์

การเลือกตัวอย่างแบบก้อนหิมะ (Snowball sampling)

• เริ่มต้นจากการหาตัวอย่างแรกให้ได้ ขอความร่วมมือจากตัวอย่างแรกในการแนะนำตัวอย่างต่อ ๆ ไป, และเก็บข้อมูลไปเรื่อยๆ จากตัวอย่างแรกจนได้จำนวนตัวอย่างตามที่ต้องการ
• เหมาะกับการเลือกบุคคลที่มีความเฉพาะด้าน มักใช้กับการเก็บข้อมูลด้วยการสัมภาษณ์

การเลือกตัวอย่างชนิดที่อาศัยความน่าจะเป็น (Probability sampling)

• การเลือกตัวอย่างแบบง่าย (Simple random sampling)
• การเลือกตัวอย่างแบบเป็นระบบ (Systematic sampling)
• การเลือกตัวอย่างแบบกลุ่ม (Cluster sampling)
• การเลือกตัวอย่างแบบชั้นภูมิ (Stratified sampling)
• การเลือกตัวอย่างแบบหลายขั้นตอน (Multi-stage sampling)

การเลือกตัวอย่างแบบง่าย (Simple random sampling)

• กำหนดกรอบตัวอย่างและหมายเลขกำกับ, ทำการเลือกตัวอย่างโดยใช้ตารางเลขสุ่ม (Random number), ใช้วิธีจับฉลาก หรือใช้คอมพิวเตอร์ช่วยสุ่ม
• เหมาะสมกับกลุ่มประชากรที่มีจำนวนไม่มากจนเกินไปและมีความแตกต่างกันไม่มากนัก

การเลือกตัวอย่างแบบเป็นระบบ (Systematic sampling)

• สุ่มตัวอย่างจากหน่วยย่อยของประชากรที่มีลักษณะใกล้เคียงกัน แบบสุ่มเป็นช่วง ๆ โดย:
  1. กำหนดหมายเลขประจำหน่วยตามบัญชีรายชื่อของประชากร (Sampling frame)
  2. คำนวณช่วงของการสุ่ม (N/k)
  3. ทำการสุ่มหาตัวสุ่มเริ่มต้น (Random start)
  4. นับหน่วยของตัวอย่างนับไปตามช่วงของการสุ่ม (Random interval)

การเลือกตัวอย่างแบบกลุ่ม (Cluster sampling)

• เหมาะสำหรับประชากรที่มีหลากหลายลักษณะอยู่ด้วยกัน, แบ่งประชากรออกเป็นกลุ่ม ๆ แต่ละกลุ่มมีทุกลักษณะคล้ายๆ กัน
• ไม่จำเป็นต้องเลือกตัวอย่างจากทุกกลุ่ม (เลือกบางกลุ่มแบบสุ่ม และเมื่อเลือกได้กลุ่มใด กลุ่มนั้นต้องใช้ทุกคนในกลุ่ม)

การเลือกตัวอย่างแบบชั้นภูมิ (Stratified sampling)

• เหมาะสำหรับประชากรที่มีหลายลักษณะรวมกัน แต่แยกเป็นชั้นภูมิ, ภายในชั้นมีความคล้ายคลึงกันมากที่สุด แต่มีความแตกต่างระหว่างชั้น
• คำนวณหาจำนวนตัวอย่างที่ต้องการทั้งหมด และหาจำนวนตัวอย่างในแต่ละชั้น, สุ่มแบบง่ายจากทุกระดับชั้นให้ได้จำนวนตามสัดส่วนของประชากร
• สร้างกรอบตัวอย่างแล้วสุ่มตัวอย่างจากแต่ละชั้นให้ได้ตามจำนวนตัวอย่างที่ต้องการทั้งหมด

การเลือกตัวอย่างแบบหลายขั้นตอน (Multi-stage sampling)

• เหมาะสำหรับประชากรที่มีขนาดใหญ่มากและกระจัดกระจายและไม่สามารถสร้างกรอบการสุ่มตัวอย่างได้
• เริ่มจากการแบ่งประชากรเป็นกลุ่มย่อย ๆ แล้วสุ่มตัวอย่างออกจากกลุ่มย่อยไปทีละขั้นจนได้จำนวนตัวอย่างครบตามจำนวน, ทุกขั้นตอนต้องสุ่มโดยอาศัยความน่าจะเป็น

ประเภทของข้อมูล (DATA)

• Qualitative or categorical (เชิงคุณภาพหรือตามหมวดหมู่):
  • Nominal (นามบัญญัติ): เช่น เพศ (ชาย/หญิง)
  • Ordinal (เรียงอันดับ): เช่น ระดับการศึกษา
• Quantitative (เชิงปริมาณ):
  • Interval (อันตรภาค): เช่น คะแนน
  • Ratio (อัตราส่วน): เช่น น้ำหนัก

Nominal Scale คือนามบัญญัติ

• เช่น เพศ, อาชีพ, ความสนใจ, ศาสนา, บริษัท

Ordinal Scale คือเรียงอันดับ

• เช่น ตำแหน่ง, วุฒิการศึกษา, ความสนใจ, อายุ, รายได้

Interval

• เช่น คะแนนความชอบ, คะแนนสอบ, คะแนนทัศนคติ, คะแนนความสนใจ, อุณหภูมิ

Ratio

• เช่น ระยะทาง, น้ำหนัก, รายได้/เดือน, อายุ, จำนวนสมาชิก

ให้นักศึกษาแต่ละกลุ่มสร้างแบบสอบถาม

• จัดกลุ่มมีสมาชิกไม่เกิน 4 คน, ร่วมกันคิด “ประเด็นงาน” พร้อมกับ “ร่างแบบสอบถาม”
• พิมพ์ส่งเพื่อเสนออาจารย์ภายในวันที่ 6 กุมภาพันธ์ 2567
• แบบสอบถามต้องมีตัวแปรที่ทำให้ได้ข้อมูลในมาตร Nominal, Ordinal, Interval, Ratio ครบทั้ง 4 มาตรวัด