EY20301 สถิติวิศวกรรม (Engineering Statistics) PDF

เอกสารประกอบการสอน
สถิติวิศวกรรม
EY20301
รณฤทธิ์ จันทร์ศิริ
วศ.ม.(วิศวกรรมเครื่องกล)
คณะเทคโนโลยี
มหาวิทยาลัยราชภัฏอุดรธานี
2561
คำนำ
เอกสารประกอบการสอน วิชาสถิ ติวิศวกรรม (EY20301) ใช้ประกอบการเรียนการสอนตาม

หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิศวกรรมพลังงาน คณะเทคโนโลยี มหาวิทยาลัยราชภัฏอุดรธานี
เนื้ อหาในเอกสารประกอบการสอน ประกอบด้วย แผนบริหารการสอนที่ได้จัดแบ่งเนื้อหาออกเป็น 7
บทเรียน ในแต่ละบทเรียนประกอบด้วยแผนบริหารการสอนประจาบท เนื้อหา และแบบฝึกหัดท้ายบท
โดยผู้เขียนได้เรียบเรียงจากตาราภาษาไทยและภาษาอังกฤษ เพื่อให้ผู้เรียนมีความเข้าใจเนื้อหา สามารถ
ทาแบบฝึกหัด สอดแทรกคุณธรรมระหว่างเรียน และประยุกต์ใช้ในงานอุตสาหกรรม ชีวิตประจาวันได้
สถิติวิศวกรรม (Engineering Statistics) มีเนื้อหาประกอบไปด้วย ความน่าจะเป็นและการ
ประยุ กต์ ทางวิ ศวกรรม ตั วแปรสุ่ มและการแจกแจงความน่ าจะเป็ น การประมาณค่ า การทดสอบ
สมมติฐานเชิงสถิติ การวิเคราะห์การถดถอยและสหสัมพันธ์เชิงเส้น การวิเคราะห์ความแปรปรวนและการ
ประยุ กต์สถิติ กับการควบคุมคุณภาพอุ ตสาหกรรม โดยเรี ยบเรี ยงให้ ครอบคลุ มเนื้อหาของรายสถิ ติ
วิศวกรรม อ่านทาความเข้าใจได้ง่าย เหมาะสาหรับนักศึกษาสาขาวิศวกรรมพลังงาน มหาวิทยาลัยราชภัฏ
อุดรธานี และผู้ที่สนใจ
ส าหรั บเอกสารประกอบการสอนเล่ มนี้ สมบู รณ์ ได้ ต้ องขอขอบพระคุ ณ ท่ านอธิ การบดี
มหาวิทยาลัยราชภัฏอุดรธานี คณบดีคณะเทคโนโลยี รองคณบดีทุกท่าน และครอบครัว ที่เป็นกาลังใจ
สนับสนุนให้งานส าเร็จไปด้ วยดี ผู้ เขียนขอขอบคุณเจ้ าของงานเขียนทุกท่านที่ได้ถูกอ้างอิงในเอกสาร
ประกอบการสอนเล่มนี้ ผู้เขียนมิได้มีเจตนาจะละเมิดลิขสิทธิ์ของผู้ใด หากมีข้อความหรือรูปภาพบางส่วน
ที่ไม่ได้อ้างถึง ต้องขออนุญาตมา ณ ที่นี้ด้วย สุดท้ายขอขอบพระคุณอาจารย์ทุกท่านที่ได้เคยประสิทธิ
ประสาทความรู้ ความสามารถ และจิตวิญญาณของครูให้กับผู้เขียน
รณฤทธิ์ จันทร์ศิริ
กรกฎาคม 2561
สารบัญ
หน้า
สารบัญ................................................................................................................................................... (1)
สารบัญรูปภาพ ....................................................................................................................................... (5)
สารบัญตาราง......................................................................................................................................... (7)
แผนบริหารการสอนประจาวิชา ....................................................................................................... 1
แผนบริหารการสอนประจาบทที่ 1 ................................................................................................ 13
บทที่ 1 ความน่าจะเป็นและการประยุกต์ทางวิศวกรรม .......................................................... 15
1.1 ความหมายของสถิติ ........................................................................................................ 15
1.2 การดาเนินการทางสถิติ ................................................................................................... 16
1.3 ส่วนประกอบของวิชาสถิติ ............................................................................................... 17
1.4 ความหมายและคุณสมบัติของความน่าจะเป็น ................................................................. 18
1.5 การประยุกต์ความน่าจะเป็นกับงานด้านวิศวกรรม ........................................................... 19
1.6 สรุป ................................................................................................................................. 22
แบบฝึกหัดท้ายบทที่ 1 ........................................................................................................... 23
เอกสารอ้างอิง ........................................................................................................................ 25
บทที่ 2 ตัวแปรสุ่มและการแจกแจงความน่าจะเป็น ................................................................. 29
2.1 ความหมายของตัวแปรสุ่ม ................................................................................................ 29
2.2 ชนิดของตัวแปรสุ่ม .......................................................................................................... 29
2.3 การแจกแจงความน่าจะเป็นของตัวแปรสุ่ม ...................................................................... 30
2.4 การแจกแจงความน่าจะเป็นของตัวแปรสุ่มไม่ต่อเนื่อง ...................................................... 21
2.5 การแจกแจงความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่อง................................................... 37
2.6 สรุป ................................................................................................................................. 44
แบบฝึกหัดท้ายบทที่ 2............................................................................................................ 45
เอกสารอ้างอิง ........................................................................................................................ 48
(2)
สารบัญ (ต่อ)
หน้า
บทที่ 3 การประมาณค่า ................................................................................................................. 51
3.1 การประมาณค่าเฉลี่ยของประชากรชุดเดียว (  ) ............................................................. 52
3.2 การประมาณผลต่างระหว่างค่าเฉลี่ยของประชากรสองชุด ............................................... 58
3.3 การประมาณค่าสัดส่วนของประชากรชุดเดียว ................................................................. 63
3.4 การประมาณผลต่างระหว่างค่าสัดส่วนของประชากรสองชุด ............................................ 66
3.5 สรุป ................................................................................................................................. 70
แบบฝึกหัดท้ายบทที่ 2 ........................................................................................................... 72
เอกสารอ้างอิง ........................................................................................................................ 74
บทที่ 4 การทดสอบสมมติฐานเชิงสถิติ ....................................................................................... 77
4.1 ความจาเป็นที่จะต้องมีการทดสอบสมมติฐานเชิงสถิติ ...................................................... 77
4.2 การตั้งสมมติฐานเชิงสถิติ ................................................................................................. 78
4.3 ความผิดพลาดในการทดสอบสมมติฐานเชิงสถิติ .............................................................. 81
4.4 ระดับความเชื่อมั่นในการทดสอบสมมติฐานเชิงสถิติ ........................................................ 82
4.5 ขั้นตอนในการทดสอบสมมติฐานเชิงสถิติ ......................................................................... 83
4.6 ตัวสถิติเพื่อการทดสอบ.................................................................................................... 87
4.7 การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของประชากร ...................................................... 88
4.8 วิธีการตรวจสอบความเท่ากันของความแปรปรวนของประชากรสองชุด ........................105
4.9 การทดสอบสมมติฐานเกี่ยวกับสัดส่วน ...........................................................................109
4.10 สรุป.............................................................................................................................120
แบบฝึกหัดท้ายบทที่ 4 .........................................................................................................123
เอกสารอ้างอิง ......................................................................................................................125
(3)
หน้า
แผนบริหารการสอนประจาบทที่ 5 ..............................................................................................127
บทที่ 5 การวิเคราะห์การถดถอยและสหสัมพันธ์เชิงเส้น.......................................................129
5.1 การวิเคราะห์การถดถอยอย่างง่าย .................................................................................129
5.2 การวิเคราะห์การถดถอยเมื่อตัวแปรอิสระแทนช่วงเวลา ................................................147
5.3 การวิเคราะห์สหสัมพันธ์ ................................................................................................157
5.4 การหาสหสัมพันธ์เมื่อข้อมูลอยู่ในรูปลาดับที่..................................................................160
5.5 ข้อควรระวังเกี่ยวกับการวิเคราะห์การถดถอยและสหสัมพันธ์ ........................................164
5.6 สรุป ...............................................................................................................................165
เอกสารอ้างอิง ......................................................................................................................170
บทที่ 6 การวิเคราะห์ความแปรปรวน .......................................................................................173
6.1 แนวคิดของการวิเคราะห์ความแปรปรวน ......................................................................173
6.2 ข้อตกลงเบื้องต้นสาหรับการวิเคราะห์ความแปรปรวน ...................................................175
6.3 การวิเคราะห์ความแปรปรวนแบบจาแนกทางเดียว .......................................................176
6.4 การวิเคราะห์ความแปรปรวนแบบจาแนกสองทาง .........................................................191
6.5 การทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากรสองชุดใดๆภายหลังการวิเคราะห์
ความแปรปรวน ............................................................................................................. 199
6.6 ข้อควรระวังในการวิเคราะห์ความแปรปรวนเพื่อทดสอบความแตกต่างระหว่างค่าเฉลี่ยของ
ประชากรตั้งแต่สองชุดขึ้นไป ........................................................................................219
6.7 สรุป ...............................................................................................................................201
เอกสารอ้างอิง ......................................................................................................................207
(4)
หน้า
บทที่ 7 การประยุกต์สถิติกับการควบคุมคุณภาพอุตสาหกรรม ............................................211
7.1 การควบคุมคุณภาพอุตสาหกรรม ..................................................................................211
7.2 ประโยชน์ของการควบคุมคุณภาพอุตสาหกรรม............................................................212
7.3 ขั้นตอนและวิธีการควบคุมคุณภาพอุตสาหกรรม ..........................................................213
7.4 การวัดคุณภาพของสินค้าหรือผลิตภัณฑ์ .......................................................................214
7.5 เครื่องมือที่ใช้ในการควบคุมคุณภาพ.............................................................................215
7.6 แผนภูมิที่ใช้ในการควบคุมภาพเชิงสถิติ ........................................................................224
7.7 สรุป .............................................................................................................................232
แบบฝึกหัดท้ายบทที่ 7 ........................................................................................................233
เอกสารอ้างอิง .....................................................................................................................234
บรรณานุกรม ................................................................................................................................. …235

ภาคผนวก .........................................................................................................................................237
ภาคผนวก ก ตารางสถิติต่างๆ .........................................................................................239
(5)
สารบัญรูปภาพ
รูปที่ หน้า
1.1 ข้อมูลและสถิติ ................................................................................................................................. 15
1.2 การดาเนินการทางสถิติ ................................................................................................................... 17
1.3 ความสัมพันธ์ระหว่างความน่าจะเป็นและสถิติอนุมาน ..................................................................... 18
2.1 การแจกแจงปกติ ............................................................................................................................. 38
2.2 การแจกแจงปกติมาตรฐาน .............................................................................................................. 39
3.1 ช่วงความเชื่อมั่นของ  ณ ระดับความเชื่อมั่น (1-  )100% ......................................................... 53
4.1 การทดสอบสมมติฐานแบบด้านเดียว ............................................................................................... 85
4.2 การทดสอบสมมติฐานแบบสองด้าน................................................................................................. 86
4.3 ค่าวิกฤติของการทดสอบสมมติฐานแบบด้านเดียวทางขวา ............................................................... 89
4.4 ค่าวิกฤติของการทดสอบสมมติฐานแบบด้านเดียวทางซ้าย .............................................................. 90
4.5 ค่าวิกฤติของการทดสอบสมมติฐานแบบสองด้าน ............................................................................. 90
4.6 การแจกแจงแบบเอฟ .....................................................................................................................106
5.1 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างตัวแปรตามกับตัวแปรอิสระแบบต่างๆ................130
5.2 แผนภาพการกระจายแสดงความสัมพันธ์ .......................................................................................132
5.3 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างปริมาณปุ๋ยที่ใช้กับผลผลิตถั่วเหลืองที่ได้ .............135
5.4 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างระดับไฮโดรคาร์บอน (%) กับความบริสุทธิ์ (%) .138
5.5 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างค่าใช้จ่ายด้านแรงงานกับยอดผลิตรถยนต์ ..........140
5.6 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างจานวนชื่อหนังสือพิมพ์ที่ลงโฆษณากับจานวนรถยนต์
ที่ขายได้ .........................................................................................................................................143
5.7 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างอายุการใช้งานกับค่าบารุงรักษารายเดือน ...........145
5.8 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างจานวนปีที่ผลิตกับจานวนหลอดภาพโทรทัศน์ ....149
5.9 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างเดือนที่ผลิตกับจานวนยางรถยนต์ .......................152
5.10 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างจานวนปีกับกาไร ..............................................155
5.11 ลักษณะของความสัมพันธ์ระหว่าง X กับ Y แบบต่างๆ ................................................................158
6.1 ลักษณะของการแจกแจงแบบ F และขอบเขตการปฏิเสธสมมติฐานว่าง ........................................181
7.1 แผนผังขั้นตอนและวิธีการควบคุมคุณภาพอุตสาหกรรม.................................................................214
7.2 ตัวอย่างแผ่นตรวจสอบเพื่อใช้ดูการกระจายของข้อมูล ...................................................................216
7.3 ตัวอย่างแผ่นตรวจสอบเพื่อการตรวจสอบยืนยัน ............................................................................217
7.4 ตัวอย่างแผ่นตรวจสอบสาหรับบันทึกของเสีย ................................................................................217
(6)
สารบัญรูปภาพ (ต่อ)
รูปที่ หน้า
7.5 แผ่นตรวจสอบแสดงสาเหตุของความบกพร่อง ...............................................................................218
7.6 แผ่นตรวจสอบเพื่อใช้แสดงตาแหน่งจุดบกพร่องหรือจุดเกิดเหตุ .....................................................218
7.7 ตัวอย่างแผนภาพพาเรโต ...............................................................................................................219
7.8 แผนภาพพาเรโตแสดงรอยตาหนิจากกระบวนการพ่นสี .................................................................219
7.9 โครงสร้างโดยทั่วไปสาหรับการเขียนผังก้างปลา.............................................................................220
7.10 ตัวอย่างผังการกระจาย ................................................................................................................222
7.11 ตัวอย่างของฮิสโตแกรม ...............................................................................................................223
7.12 ตัวอย่างแผนภูมิควบคุม ...............................................................................................................224
7.13 แผนภูมิควบคุมคุณภาพเฉลี่ย .......................................................................................................223
7.14 แผนภูมิควบคุมคุณภาพสัดส่วน ...................................................................................................224
(7)
สารบัญตาราง
ตารางที่ หน้า
6.1 สรุปสูตรการวิเคราะห์ความแปรปรวนแบบจาแนกทางเดียว ..........................................................182
6.2 ตารางวิเคราะห์ความแปรปรวนแบบจาแนกสองทาง .....................................................................197
7.1 วัตถุประสงค์การใช้งานและลักษณะชองกราฟแต่ละประเภท.........................................................222
(8)
แผนบริหารการสอนประจาวิชา
ชื่อสถาบันอุดมศึกษา มหาวิทยาลัยราชภัฏอุดรธานี
วิทยาเขต/คณะ/ภาควิชา คณะเทคโนโลยี สาขาวิชาวิศวกรรมพลังงาน
หมวดที่ ๑ ข้อมูลทั่วไป
๑. รหัสและชื่อรายวิชา
EY๒๐๓๐๑ สถิติวิศวกรรม
Engineering Statistics
๒. จานวนหน่วยกิต
๓(๓-๐-๖)
๓. หลักสูตรและประเภทของรายวิชา
หลักสูตรวิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมพลังงาน รายวิชาเฉพาะด้าน กลุ่มวิชาพื้นฐานทาง
วิศวกรรม
๔. อาจารย์ผู้รับผิดชอบรายวิชา
อาจารย์รณฤทธิ์ จันทร์ศิริ
๕. ภาคการศึกษา / ชั้นปีที่เรียน
ภาคการศึกษาที่ ๑ ชั้นปีที่ ๓
๖. รายวิชาที่ต้องเรียนมาก่อน (Pre-requisite)
ไม่มี
๗. รายวิชาที่ต้องเรียนพร้อมกัน (Co-requisites)
ไม่มี
๘. สถานที่เรียน
สาขาวิชาวิศวกรรมพลังงาน คณะเทคโนโลยี มหาวิทยาลัยราชภัฏอุดรธานี
๙. วันที่จัดทาหรือปรับปรุงรายละเอียดของรายวิชาครั้งล่าสุด
วันที่ ๘ มิถุนายน ๒๕๖๒
2 สถิติวิศวกรรม
หมวดที่ ๒ จุดมุ่งหมายและวัตถุประสงค์
๑. จุดมุ่งหมายของรายวิชา
เพื่อให้นักศึกษามีคุณลักษณะดังต่อไปนี้
๑. เพื่อให้มีความรู้ ความเข้าใจเกี่ยวกับความน่าจะเป็นและการประยุกต์ทางวิศวกรรมได้ถูกต้อง
๒. เพื่อให้มีความรู้ ความเข้าใจเกี่ยวกับตัวแปรสุ่มและการแจกแจงความน่าจะเป็นได้ถูกต้อง
๓. เพื่อให้มีความรู้ ความเข้าใจเกี่ยวกับการประมาณค่าได้ถูกต้อง
๔. เพื่อให้มีความรู้ ความเข้าใจเกี่ยวกับการทดสอบสมมติฐานเชิงสถิติได้ถูกต้อง
๕. เพื่อให้มีความรู้ ความเข้าใจเกี่ยวกับการวิเคราะห์การถดถอยและสหสัมพันธ์เชิงเส้นได้ถูกต้อง
๖. เพื่อให้มีความรู้ ความเข้าใจเกี่ยวกับการวิเคราะห์ความแปรปรวนได้ถูกต้อง
๗. เพื่อให้มีความรู้ ความเข้าใจเกี่ยวกับการประยุกต์สถิติกับการควบคุมคุณภาพอุตสาหกรรมได้ถูกต้อง
๘. เพื่อให้มีความตรงต่อเวลา มีความรับผิดชอบต่อตนเองและสังคม ตระหนักในคุณค่า คุณธรรม จริยธรรม
เสียสละ และซื่อสัตย์สุจริต
๒. วัตถุประสงค์ในการพัฒนา/ปรับปรุงรายวิชา
เพื่อให้สอดคล้องตามกรอบมาตรฐานคุณวุฒิระดับอุดมศึกษาแห่งชาติ พ.ศ. ๒๕๕๒ และทันสมัยขึ้น พร้อมทั้งมีความรู้
ความเข้าใจเกี่ยวกับหลักสถิติทางด้านวิศวกรรมและสามารถนาไปประยุกต์ใช้ได้อย่างมีประสิทธิภาพ
หมวดที่ ๓ ลักษณะและการดาเนินการ
๑. คาอธิบายรายวิชา
ความน่าจะเป็นและการประยุกต์ทางวิศวกรรม ตัวแปรสุ่ มและการแจกแจงความน่าจะเป็น การประมาณค่า การ
ทดสอบสมมติฐานเชิงสถิติ การวิเคราะห์การถดถอยและสหสัมพันธ์เชิงเส้น การวิเคราะห์ความแปรปรวน และการ
ประยุกต์สถิติกับการควบคุมคุณภาพอุตสาหกรรม
๒. จานวนชั่วโมงที่ใช้ต่อภาคการศึกษา
หน่วยกิต บรรยาย การฝึกปฏิบัติ/งาน การศึกษาด้วยตนเอง

ภาคสนาม/การฝึกงาน
๓(๓-๐-๖) ๑๕ สัปดาห์ X ๓ ชั่วโมง ไม่มี ๑๕ สัปดาห์ X ๖ ชั่วโมง
๓. จานวนชั่วโมงต่อสัปดาห์ที่อาจารย์ให้คาปรึกษาและแนะนาทางวิชาการแก่นักศึกษาเป็นรายบุคคล
จานวน ๒ ชั่วโมงต่อสัปดาห์ ทุกวันพุธ เวลา ๑๔:๐๐ – ๑๖:๐๐ น.
แผนบริหารการสอนประจาวิชา 3
หมวดที่ ๔ การพัฒนาผลการเรียนรู้ของนักศึกษา
๑. คุณธรรม จริยธรรม
๑.๑ ผลการเรียนรู้ ๑.๒ กลยุทธ์/วิธีการสอน ๑.๓ กลยุทธ์/วิธีประเมินผล
๑. []ตระหนักในคุณค่าและ ๑............................................ ๑............................................
คุณธรรม จริยธรรม เสียสละ และ
ซื่อสัตย์สุจริต
๒. []มีวินัย ตรงต่อเวลา และ ๒. ให้ความสาคัญการตรงต่อเวลา ๒. การให้คะแนนเข้าชั้นเรียน และ
ความรับผิดชอบต่อตนเองและสังคม ทั้งการเข้าห้องเรียน และการส่งงาน การส่งงานตรงเวลา
๓. []เคารพสิทธิและรับฟังความ ๓............................................. ๓.............................................
คิดเห็นของผู้อื่น รวมทั้งเคารพใน
คุณค่าและศักดิ์ศรีของความเป็น
มนุษย์
๔. []เคารพกฎระเบียบและ ๔............................................... ๔...............................................
ข้อบังคับต่าง ๆ ขององค์กรและ
สังคม
๕. []มีจรรยาบรรณทางวิชาการ ๕............................................... ๕...............................................
และวิชาชีพ
๒. ความรู้
๒.๑ ผลการเรียนรู้ ๒.๒ กลยุทธ์/วิธีการสอน ๒.๓ กลยุทธ์/วิธีประเมินผล
๑. []มีความรู้และความเข้าใจ ๑. ใช้ ก ารสอนหลายรู ป แบบ โดย ๑. ประเมิ น จากแบบทดสอบก่ อ น
เกี่ยวกับหลักการและทฤษฎีที่สาคัญ เน้ น หลั ก การทางทฤษฎี แ ละการ และหลังการเรียน และแบบทดสอบ
ในเนื้อหาสาขาวิชาที่ศึกษา ปฏิบัติ เพื่อให้เกิดองค์ความรู้ และมี กลางภาคและปลายภาค
การทดสอบนักศึกษาก่อนและหลั ง
เรียน
๒. []สามารถวิเคราะห์ปัญหาทาง ๒............................................... ๒...............................................
เครื่องกลเข้าใจและอธิบาย รวมทั้ง
ประยุกต์ความรู้ ทักษะ และการใช้
เครื่องมือที่เหมาะสมกับการแก้ไข
ปัญหา
๒.๑ ผลการเรียนรู้ ๒.๒ กลยุทธ์/วิธีการสอน ๒.๓ กลยุทธ์/วิธีประเมินผล

๓. []สามารถวิเคราะห์ ออกแบบ ๓............................................... ๓...............................................
ติดตั้ง ปรับปรุงหรือซ่อมแซม และ
ตรวจสอบระบบด้านวิศวกรรม
พลังงานให้ตรงตามมาตรฐานที่
กาหนด
๔. []สามารถติดตาม ๔................................................ ๔................................................
ความก้าวหน้าทางวิชาการและ
เทคโนโลยีด้านพลังงานรวมทั้งการ
นาไปประยุกต์ใช้
๕. []รู้เข้าใจและสนใจพัฒนา ๕............................................... ๕...............................................
ความรู้ ความชานาญทางด้าน
วิศวกรรมพลังงานอย่างต่อเนื่อง
๓. ทักษะทางปัญญา
๓.๑ ผลการเรียนรู้ ๓.๒ กลยุทธ์/วิธีการสอน ๓.๓ กลยุทธ์/วิธีประเมินผล
๑. []สามารถสืบค้น รวบรวม ๑................................................ ๑................................................
ข้อมูล เพื่อใช้ในการแก้ไขปัญหา
อย่างสร้างสรรค์
๒. []สามารถวิเคราะห์ ๒. มอบหมายงานที่ส่งเสริมการคิด ๒. ประเมินจากกรณีศึกษาที่
สังเคราะห์ และสรุปประเด็นปัญหา วิเคราะห์ และสังเคราะห์ มอบหมายให้
และความต้องการ
๓. []สามารถประยุกต์ความรู้และ ๓............................................... ๓...............................................
ทักษะกับการแก้ไขปัญหาได้อย่าง
เหมาะสม
๔. ทักษะความสัมพันธ์ระหว่างบุคคลและความรับผิดชอบ
๔.๑ ผลการเรียนรู้ ๔.๒ กลยุทธ์/วิธีการสอน ๔.๓ กลยุทธ์/วิธีประเมินผล
๑. []มีความรับผิดชอบในงาน ๑. กาหนดการทางานกลุ่ม โดยให้ ๑. ประเมินจากการรายงานหน้าชั้น
และการกระทาของตนเองและ หมุนเวียนการเป็นผู้นา การเป็น เรียน โดยอาจารย์และนักศึกษา
รับผิดชอบงานในกลุ่ม สมาชิกกลุ่ม และผลัดกันเป็น
๔.๑ ผลการเรียนรู้ ๔.๒ กลยุทธ์/วิธีการสอน ๔.๓ กลยุทธ์/วิธีประเมินผล

ผู้รายงาน
๒. []มีมนุษยสัมพันธ์ที่ดี ปรับตัว ๒............................................... ๒...............................................
เข้ากับสถานการณ์และวัฒนธรรม
องค์กรได้
๓. []มีจิตอาสาและช่วยเหลือ ๓................................................ ๓...............................................

ผู้อื่นด้วยความจริงใจ
๔. []สามารถสื่อสารสร้างความ ๔................................................ ๔................................................
เข้าใจในการทางานร่วมกันทั้งภายใน
และภายนอกกลุ่ม
๕. ทักษะการวิเคราะห์เชิงตัวเลข การสื่อสาร และการใช้เทคโนโลยีสารสนเทศ

๕.๑ ผลการเรียนรู้ ๕.๒ กลยุทธ์/วิธีการสอน ๕.๓ กลยุทธ์/วิธีประเมินผล
๑. []มีทักษะในการใช้ ๑. จัดกิจกรรมมอบหมายการทางาน ๑. การนาเสนอผลงาน และการ
คอมพิวเตอร์ หรือโปรแกรม เป็นกลุ่ม อภิปรายผล
วิเคราะห์ข้อมูลที่มีอยู่ในปัจจุบันกับ
งานที่เกี่ยวข้อง
๒. []สามารถแปลผลข้อมูลทาง ๒. มอบหมายงานที่ส่งเสริมการคิด ๒. ประเมินจากกรณีศึกษาที่
สถิติได้อย่างถูกต้อง วิเคราะห์ข้อมูลทางสถิติ มอบหมายให้
๓. []สามารถสื่อสารอย่างมี ๓............................................... ๓...............................................
ประสิทธิภาพทั้งปากเปล่าและการ
เขียน เลือกใช้รูปแบบของการ
นาเสนออย่างเหมาะสม
๔. []สามารถใช้สารสนเทศและ ๔............................................. ๔.............................................
เทคโนโลยีสื่อสารอย่างเหมาะสม
๖. ด้านทักษะพิสัย (มีวิชาชีพเฉพาะ)
-
หมวดที่ ๕ แผนการสอนและการประเมินผล
๑. แผนการสอน
สัปดาห์ หัวข้อ ชม.สอน/สัปดาห์ กิจกรรม สื่อที่ใช้ในการสอน อ.ผู้สอน
ที่ ทฤษฎี ปฏิบัติ การสอน
๑ แนะนาวิชา ๓ ๐ - บรรยาย - แผนการสอน อ.รณฤทธิ์
-รายละเอียดวิชาและ - การถามตอบ - เอกสารประกอบการ จันทร์ศิริ
แผนการสอน สอน
-เกณฑ์การให้คะแนน - Power point
บทที่ ๑ ความน่าจะเป็น - แบบฝึกหัดท้ายบท
และการประยุกต์ทาง
วิศวกรรม
- ความหมายและ
คุณสมบัติความน่าจะเป็น
- การหาความน่าจะเป็น
- การประยุกต์ความน่าจะ
เป็นกับงานด้านวิศวกรรม
๒-๓ บทที่ ๒ ตัวแปรสุ่มและ ๓ ๐ - บรรยาย - เอกสารประกอบการ อ.รณฤทธิ์
การแจกแจงความน่าจะ - การถามตอบ สอน จันทร์ศิริ
เป็น - ทาแบบฝึกหัด, - Power point
- ความหมายของตัวแปร การบ้าน - แบบฝึกหัดท้ายบท
สุ่ม
- ชนิดของตัวแปรสุ่ม
- การแจกแจงความน่าจะ
เป็นของตัวแปรสุ่มไม่
ต่อเนื่อง
- การแจกแจงความน่าจะ
เป็นของตัวแปรสุ่มชนิด
ต่อเนื่อง

๔-๕ บทที่ ๓ การประมาณค่า ๓ ๐ - บรรยาย - เอกสารประกอบการ อ.รณฤทธิ์
- การประมาณค่าเฉลี่ย - การถามตอบ สอน จันทร์ศิริ
ของประชากรชุดเดียว - ทาแบบฝึกหัด, - Power point
- การประมาณผลต่าง การบ้าน - แบบฝึกหัดท้ายบท
ระหว่างค่าเฉลี่ยของ
ประชากรสองชุด
- การประมาณค่าสัดส่วน
ของประชากรชุดเดียว
- การประมาณผลต่าง
ระหว่างค่าสัดส่วนของ
๖-๘ บทที่ ๔ การทดสอบ ๓ ๐ - บรรยาย - เอกสารประกอบการ อ.รณฤทธิ์
สมมติฐานเชิงสถิติ - การถามตอบ สอน จันทร์ศิริ
- ความจาเป็นที่จะต้องมี - ทาแบบฝึกหัด, - Power point
การทดสอบสมมติฐานเชิง การบ้าน - แบบฝึกหัดท้ายบท
สถิติ
- การตั้งสมมติฐานเชิง
สถิติ
- ความผิดพลาดในการ
ทดสอบสมมติฐานเชิง
สถิติ
- ระดับความเชื่อมั่นใน
การทดสอบสมมติฐานเชิง
สถิติ
- ขั้นตอนในการทดสอบ
สมมติฐานเชิงสถิติ
- ตัวสถิติเพื่อการทดสอบ
- การทดสอบสมมติฐาน

เกี่ยวกับค่าเฉลี่ยของ
ประชากร
๙ สอบกลางภาค
๑๐-๑๑ บทที่ ๕ การวิเคราะห์การ ๓ ๐ - บรรยาย - เอกสาร อ.รณฤทธิ์
ถดถอยและสหสัมพันธ์ - การถามตอบ ประกอบการสอน จันทร์ศิริ
เชิงเส้น - ทาแบบฝึกหัด, - Power point
- การวิเคราะห์การ การบ้าน - แบบฝึกหัดท้ายบท
ถดถอยอย่างง่าย - นาเสนอ
- การวิเคราะห์การ รายงาน
ถดถอยเมื่อตัวแปรอิสระ
แทนช่วงเวลา
- การวิเคราะห์สหสัมพันธ์
- การหาสหสัมพันธ์เมื่อ
ข้อมูลอยู่ในรูปลาดับที่
- ข้อควรระวังเกี่ยวกับ
การวิเคราะห์การถดถอย
และสหสัมพันธ์
๑๒-๑๔ บทที่ ๖ การวิเคราะห์ ๓ ๐ - บรรยาย - เอกสาร อ.รณฤทธิ์
ความแปรปรวน - การถามตอบ ประกอบการสอน จันทร์ศิริ
- แนวคิดของการ - ทาแบบฝึกหัด, - Power point
วิเคราะห์ความแปรปรวน การบ้าน - แบบฝึกหัดท้ายบท
- ข้อตกลงเบื้องต้นสาหรับ
การวิเคราะห์ความ
แปรปรวน
- การวิเคราะห์ความ
แปรปรวนแบบจาแนก
ทางเดียว
- การวิเคราะห์ความ

แปรปรวนแบบจาแนก
สองทาง
- การทดสอบความ
แตกต่างระหว่างค่าเฉลี่ย
ของประชากรสองชุดใดๆ
ภายหลังความวิเคราะห์
ความแปรปรวน
- ข้อควรระวังในการ
วิเคราะห์ความแปรปรวน
เพื่อทดสอบความแตกต่าง
ระหว่างค่าเฉลี่ยของ
ประชากรตั้งแต่สองชุดขึ้น
ไป
๑๕-๑๖ บทที่ ๗ การประยุกต์สถิติ ๓ ๐ - บรรยาย - เอกสาร อ.รณฤทธิ์
กับการควบคุมคุณภาพ - การถามตอบ ประกอบการสอน จันทร์ศิริ
อุตสาหกรรม - ทาแบบฝึกหัด, - Power point
- การควบคุมคุณภาพ การบ้าน - แบบฝึกหัดท้ายบท
อุตสาหกรรม
- ประโยชน์ของการ
ควบคุมคุณภาพ
- ขั้นตอนและวิธีการ
ควบคุมคุณภาพ
- วิธีวัดคุณภาพของสินค้า
หรือผลิตภัณฑ์
- แผนภุมิควบคุมคุณภาพ
เชิงสถิติ

๑๗ สอบปลายภาค
๒. แผนการประเมินผลการเรียนรู้
กิจกรรม การเรียนรู้ด้าน ผลการเรียนรู้ วิธีการ สัปดาห์ที่ สัดส่วน
ที่ ประเมิน ประเมิน การประเมิน
๑ คุณธรรม จริยธรรม ๑. มีวินัย ตรงต่อเวลา และ ๑. การให้คะแนน ทุกสัปดาห์ ร้อยละ ๑๐
ความรับผิดชอบต่อตนเอง เข้าชั้นเรียน และ
และสังคม การส่งงานตรงเวลา
๒ ความรู้ ๑. มีความรู้และความเข้าใจ ๑. ประเมินจาก ๑,๙,๓,๗, ร้อยละ ๖๐
เกี่ยวกับหลักการและทฤษฎีที่ แบบทดสอบก่อน ๑๒, และ๑๗
สาคัญในเนื้อหาสาขาวิชาที่ และหลังการเรียน
ศึกษา และแบบทดสอบ
กลางภาคและ
ปลายภาค
๓ ทักษะทางปัญญา ๑. สามารถวิเคราะห์ ๑. ประเมินจากการ ๕ และ ๑๐ ร้อยละ ๑๐
สังเคราะห์ และสรุปประเด็น ตอบคาถามและ
ปัญหาและความต้องการ รายงานกรณีศึกษา
ที่มอบหมายให้
๔ ทักษะ ๑. มีความรับผิดชอบในงาน ๑. ประเมินจากการ ๓,๗, ร้อยละ ๑๐
ความสัมพันธ์ และการกระทาของตนเอง รายงานหน้าชั้น ๑๑, และ๑๕
ระหว่างบุคคลและ และรับผิดชอบงานในกลุ่ม เรียน โดยอาจารย์
ความรับผิดชอบ และนักศึกษา
๕ ทักษะการ ๑.มีทักษะในการใช้ ๑. ประเมินจากการ ๓,๗, ร้อยละ ๑๐
วิเคราะห์เชิงตัวเลข คอมพิวเตอร์ หรือโปรแกรม รายงานหน้าชั้น ๑๑, และ๑๕
การสื่อสาร และ วิเคราะห์ข้อมูลที่มีอยู่ใน เรียน โดยอาจารย์
การใช้เทคโนโลยี ปัจจุบันกับงานที่เกี่ยวข้อง และนักศึกษา
สารสนเทศ ๒. สามารถแปลผลข้อมูลทาง
สถิติได้อย่างถูกต้อง
หมวดที่ ๖ ทรัพยากรประกอบการเรียนการสอน
๑.ตาราและเอกสารหลัก
กาญจนา กาญจนสุนทร. (2559). การควบคุมคุณภาพเชิงสถิติ. กรุงเทพมหานคร: จุฬาลงกรณ์มหาวิทยาลัย.
กิติศักดิ์ พลอยพาณิชเจริญ. (2542). สถิติสาหรับงานวิศวกรรม. กรุงเทพมหานคร: ส.เอเชียเพรส.
กิติศักดิ์ พลอยพาณิชเจริญ . (2553). หลักการควบคุมคุณภาพ. กรุงเทพมหานคร: สมาคมส่งเสริมเทคโนโลยี(ไทย-
ญี่ปุ่น).
ประไพศรี สุทัศน์ ณ อยุธยา และพงศ์ชนัน เหลืองไพบูลย์ . (2549). สถิติวิศวกรรม (Engineering Statistics).
กรุงเทพมหานคร: ท้อป.
ประชุม สุวัตถี และคณะ. (2555). ระเบียบวิธีสถิติ 1. กรุงเทพมหานคร: โซดา แอดเวอร์ไทซิ่ง.
พิศมัย หาญมงคลพิพัฒน์. (2557). หลักสถิติ 1. กรุงเทพมหานคร: มหาวิทยาลัยเกษตรศาสตร์.
ศิริลักษณ์ สุวรรณวงศ์. (2539). หลักสถิติเบื้องต้น. กรุงเทพมหานคร: สุวีริยาสาส์น.
สายชล สินสมบูรณ์ทอง. (2553). สถิติวิศวกรรม (Engineering Statistics). กรุงเทพมหานคร: จามจุรีโปรดักท์.
สายชล สินสมบูรณ์ทอง. (2554). การควบคุมคุณภาพเชิงสถิติและวิศวกรรม (Statistical and Engineering
Quality Control). กรุงเทพมหานคร: จามจุรีโปรดักท์.
สรชัย พิศาลบุตร. (2553). สถิติวิศวกรรม (Engineering Statistics). กรุงเทพมหานคร: วิทยพัฒน์.
Montgomery, D. C., & George, C. R. (2002). Applied Statistics and Probability for Engineers
(3rd ed). USA: John Wiley & Sons Inc.
Montgomery, D. C., & George, C. R. (2008). Engineering Statistics. USA: John Wiley & Sons Inc.
Montgomery, D. C., George, C. R., & Hubele, N. F. (2012). Engineering Statistics (3rd ed). USA:
John Wiley & Sons Inc.
Scheaffer, R. L., Mulekar, M. S., & McClave, J. T. (2011). Probability and Statistics for Engineers (5th
ed). Canada: Brooks/Cole.
Summers, D. C. (2009). Quality Management (2nd ed). USA: Prentice Hall International Inc.
2. เอกสารและข้อมูลสาคัญ
ไม่มี
3. เอกสารและข้อมูลแนะนา
ไม่มี
หมวดที่ ๗ การประเมินและปรับปรุงการดาเนินการของรายวิชา
๑. กลยุทธ์การประเมินประสิทธิผลของรายวิชาโดยนักศึกษา
- การสนทนารายบุคคล/กลุ่มกับอาจารย์ผู้สอน
- การสะท้อนความคิดจากพฤติกรรมของผู้เรียน
- ส่งเสริมให้นักศึกษาแสดงความคิดเห็นต่อการเรียนการสอนและการพัฒนารายวิชาผ่านระบบการประเมิน
online ของมหาวิทยาลัย
๒. กลยุทธ์การประเมินการสอน
- อาจารย์ผู้สอนประเมินตนเองโดยพิจารณาจากการเข้าเรียนและผลการเรียนของนักศึกษา
- การทวนสอบผลประเมินการเรียนรู้
๓. การปรับปรุงการสอน
- สัมมนาการจัดการเรียนการสอน
- อาจารย์ผู้สอนทาวิจัยในชั้นเรียนและปรับปรุงตามผลการวิจัย
๔. การทวนสอบมาตรฐานผลสัมฤทธิ์รายวิชาของนักศึกษา
- การทวนสอบการให้คะแนนจากการสุ่มตรวจผลงานของนักศึกษาโดยอาจารย์อื่น หรือ ผู้ทรงคุณวุฒิ ที่ไม่ใช่
อาจารย์ประจาหลักสูตร
- มีการตั้งกรรมการในสาขาวิชา ตรวจสอบผลการประเมินการเรียนรู้ของนักศึกษา โดยตรวจสอบข้อสอบ
รายงาน วิธีการให้คะแนนสอบและการให้คะแนนพฤติกรรม
๕. การดาเนินการทบทวนและการวางแผนปรับปรุงประสิทธิผลของรายวิชา
- ปรับปรุงรายวิชาทุก ๓ ปี หรือตามข้อเสนอแนะและผลการทวนสอบมาตรฐานผลสัมฤทธิ์
แผนบริหารการสอนประจาบทที่ 1
ความน่าจะเป็นและการประยุกต์ทางวิศวกรรม
หัวข้อเนื้อหา
1.1 ความหมายของสถิติ
1.2 การดาเนินการทางสถิติ
1.2.1 การวางแผนการดาเนินการ
1.2.2 การเก็บรวบรวมข้อมูล
1.2.3 การประมวลผลและวิเคราะห์ข้อมูล
1.2.4 การสรุปผลและรายงาน
1.3 ส่วนประกอบของวิชาสถิติ
1.3.1 สถิติเชิงพรรณนา (Descriptive Statistics)
1.3.2 สถิติเชิงอนุมาน (Inferential Statistics)
1.4 ความหมายและคุณสมบัติของความน่าจะเป็น
1.4.1 ความหมายของความน่าจะเป็น
1.4.2 คุณสมบัติของความน่าจะเป็น
1.4.3 การหาความน่าจะเป็น
1.5 การประยุกต์ความน่าจะเป็นกับงานด้านวิศวกรรม
1.6 สรุป
แบบฝึกหัดท้ายบท
เอกสารอ้างอิง
วัตถุประสงค์เชิงพฤติกรรม
เมื่อผู้เรียน เรียนจบบทนี้แล้วผู้เรียนควรมีความรู้และทักษะดังนี้
1. เข้าใจความหมายของสถิติและความน่าจะเป็นได้ถูกต้อง
2. อธิบายขั้นตอนการดาเนินการทางสถิติได้ถูกต้อง
3. อธิบายหลักส่วนประกอบของวิชาสถิติได้ถูกต้อง
4. อธิบายความหมายและคุณสมบัติของความน่าจะเป็นได้อย่างถูกต้อง
5. คานวณโจทย์ประยุกต์ความน่าจะเป็นได้อย่างถูกต้อง
วิธีสอนและกิจกรรม
1. ชี้แจงคาอธิบายรายวิชา วัตถุประสงค์ เนื้อหา และเกณฑ์การให้คะแนนรายวิชา
2. นาเข้าสู่บทเรียนโดยการบรรยาย ประกอบรูปภาพใน Power point
3. อธิบายเนื้อหาทีละหัวข้อแล้วเปิดโอกาสให้ผู้เรียนถามในแต่ละหัวข้อก่อนข้ามหัวข้อนั้น
4. ตรวจสอบคาตอบของผูเ้ รียน และสอบถามผู้เรียนถ้าผู้เรียนมีคาถามสงสัย
5. มอบหมายให้ผู้เรียนทาแบบฝึกหัดท้ายบทเป็นการบ้าน
6. เสริมสร้างคุณธรรม และจริยธรรมให้กับนักศึกษาก่อนเลิกเรียน
สื่อการเรียนการสอน
1. เอกสารประกอบการสอนวิชาวัสดุวิศวกรรม
2. กระดานไวท์บอร์ด
3. วัสดุโสตทัศน์ Power point
4. แบบฝึกหัดท้ายบท
5. เฉลยแบบฝึกหัดท้ายบท
การวัดผลและการประเมินผล
การวัดผล
1. สังเกตจากพฤติกรรมและบรรยากาศระหว่างเรียน
2. ถามตอบระหว่างเรียน
3. แบบฝึกหัดที่มอบหมายให้ในแต่ละครั้ง
การประเมินผล
1. จากการทากิจกรรมกลุม่ เสร็จตามเวลา
2. ทาแบบฝึกหัดมีความถูกต้องไม่น้อยกว่า 80%
บทที่ 1 ความน่าจะเป็นและการประยุกต์ทางวิศวกรรม 15
บทที่ 1
ในการประกอบอาชีพทางวิศวกรรม วิศวกรจาเป็นต้องตัดสินใจและวางแผนในการทางานตลอดเวลา แต่

การตัดสินใจดังกล่าวจากความรู้และประสบการณ์ของวิศวกรแต่ละคนมีโอกาสที่จะผิดพลาดได้มาก เมื่อ
เปรียบเทียบกับการตัดสินใจและวางแผนในการทางานโดยใช้ข้อมูลสถิติและการวิเคราะห์เชิงสถิติเข้ามาช่วย
การตัดสินใจและวางแผนโดยใช้วิธีการทางสถิติซึ่งใช้วิธีหาคาตอบเพื่อการตัดสินใจและการวางแผนอย่างเป็น
ระบบ จะสามารถทาให้คาตอบที่หามาได้ไม่ว่าจากวิศวกรคนใดจะแตกต่ างกันน้อยมากหรือไม่แตกต่างกันเลย
เครื่องมือสาคัญที่นามาใช้ในการตัดสินใจและวางแผนด้านวิศวกรรมโดยตรง และสามารถนามาใช้ในการ
พัฒนาเครื่องมือวิเคราะห์เชิงสถิติที่เหมาะสมสาหรับการนามาใช้ในการแก้ปัญหาทางด้านวิศวกรรม ไม่ว่าจะ
เป็นเรื่องการประมาณค่า การทดสอบความเชื่อ ถือเกี่ยวกับเรื่องต่างๆของวิศวกร และการหาความสัมพันธ์
ระหว่างเรื่องหรือปัจจัยสาคัญซึ่งส่งผลกระทบต่อการเปลี่ยนแปลงของเรื่องที่วิศวกรต้องการศึกษาคือ ความ
น่าจะเป็นหรือโอกาสที่จะเกิดเรื่องหรือเหตุการณ์ต่างๆที่สนใจศึกษา อาจกล่าวได้ว่าการทราบความน่าจะเป็น
ของเหตุการณ์ใดๆจะสามารถลดความเสี่ยงในการตัดสินใจและวางแผนของวิศวกรในเรื่องต่างๆลงได้มาก ซึ่ง
จะมีผลโดยตรงต่อผลสาเร็จในการประกอบอาชีพทางวิศวกรรม
ในบทแรกของเอกสารประกอบการสอนจะกล่าวถึงความหมายของสถิติ ความหมายและคุณสมบัติของ
ความน่าจะเป็นและการประยุกต์ความน่าจะเป็นกับงานด้านวิศวกรรม ซึ่งมีรายละเอียดดังต่อไปนี้
1.1 ความหมายของสถิติ
สถิติ (Statistic) โดยทั่วไปมีความหมาย 2 อย่าง โดยความหมายแรก สถิติ หมายถึง ตัวเลขหรือข้อมูลที่
แสดงถึงข้อเท็จจริงเกี่ยวกับเรื่องต่างๆ เช่น ปริมาณน้าฝนที่ตกในแต่ละปี ปริมาณการผลิตสินค้าในแต่ละเดือน
ปริมาณสินค้าส่งออก ดัชนีราคาสินค้า จานวนอุบัติเหตุบนท้องถนนสายหนึ่งในแต่ละเดือน จานวนผู้เสียชีวิต
ด้วยโรคหัวใจวาย ปริมาณเชื้อเพลิงที่ใช้ในการผลิตสินค้าในแต่ละปี เป็นต้น ในอีกความหมาย สถิติ หมายถึง
สถิติศาสตร์ (Statistics) หรือวิชาที่ว่าด้วยการวางแผนการดาเนินการ การเก็บรวบรวมข้อมูล การประมวลผล
และวิเคราะห์ข้อมูล และการสรุปและรายงานผล เกี่ยวกับคุณลักษณะของสิ่งที่กาลังศึกษา
ข้อมูล สถิติ
การวิเคราะห์
รูปที่ 1.1 ข้อมูลและสถิติ

(ที่มา: ประชุม สุวัตถี, 2555)
1.2 การดาเนินการทางสถิติ
สถิติในความหมายของศาสตร์ เรียกว่า วิชาสถิติหรือสถิติศาสตร์ (Statistics) เป็นศาสตร์ทเี่ กี่ยวกับวิธีการ
ทางวิทยาศาสตร์ (Scientific method) เพื่อจะเรียนรู้สิ่งต่างๆที่มีการเก็บรวบรวมข้อมูล การประมวลผลข้อมูล
และวิเคราะห์ข้อมูล เพื่อแปลความหมายและสรุปผล เป็นกระบวนการที่สามารถทาซ้าๆได้ โดยให้ผลสรุป
ใกล้เคียงกัน การดาเนินการทางสถิติที่เป็นวิธีการทางวิทยาศาสตร์ประกอบไปด้วย กิจกรรมต่างๆต่อไปนี้
1.2.1 การวางแผนการดาเนินการ
ในการศึกษาทางสถิติมีการกาหนดวัตถุประสงค์ของการศึกษาอย่างชัดเจนและต้องมีแผนการ
ดาเนินการกิจกรรมต่างๆไว้อย่างดี ซึ่งมักมีเป้าหมายสาคัญในการค้นคว้าหาทฤษฎีใหม่ หรือเพื่อประเมินทฤษฎี
ที่มีอยู่ ในบางกรณีอาจต้องสร้างฐานข้อมูล (Data base) เพื่อที่จะใช้ประโยชน์ในอนาคตและเพื่อให้บรรลุวัตถุ
ประสงค์ดังกล่าว ต้องมีแผนการดาเนินการอย่างชัดเจน จะได้ทราบว่าจะต้องทาอะไรบ้าง และทาเมื่อไหร่
ต้องการเครื่องมืออะไรบ้าง ใช้เวลานานเท่าใด ต้องใช้กาลังคนและงบประมาณเท่าไร
1.2.2 การเก็บรวบรวมข้อมูล
เช่นเดียวกับวิธีการทางวิทยาศาสตร์ทั่วไป การดาเนินการทางสถิติมีการเก็บรวบรวมข้อมูลจาก
หน่วยงานต่างๆ ในตัวอย่างข้อมูลดังกล่าวอาจเป็นข้อมูลที่เกิดขึ้นโดยธรรมชาติ หรือเป็นข้อมูลจากการทดลอง
ซึ่งมีการกระตุ้นให้เกิดขึ้นก็ได้ จึงต้องมีวิธีการเลือกตัวอย่าง ซึ่งจะใช้ในวิธีการเก็บรวบรวมข้อมูล โดยมีอยู่หลาย
วิธี เช่น การทางานภาคสนาม (Fieldwork) การใช้สื่อ เช่น ไปรษณีย์ โทรศัพท์ ฯลฯ การคัดลอกข้อมูลทุตยภูมิ
จากรายงานประเภทต่างๆ การลงทะเบียน การสังเกตการณ์ และการเข้าไปมีส่วนร่วมในสั งคม เป็นต้น
กิจกรรมที่เกี่ยวกับการรวบรวมข้อมูลมีหลายประการ เช่น การเลือกวิธีการสุ่มตัวอย่าง หรือเลือกแผนแบบการ
ทดลอง การเลือกหน่วยตัวอย่าง หรือหน่วยทดลอง การเตรียมเครื่องมือและบุคลากรที่ใช้ในการรวบรวมข้อมูล
กาหนดวิธีการรวบรวมข้อมูล และการสังเกตค่าของตัวแปรด้ วยการวัดโดยตรง การสอบถาม การสัมภาษณ์
รวมทั้งการควบคุมคุณภาพของข้อมูลที่รวบรวมมาด้วย
1.2.3 การประมวลผลและวิเคราะห์ข้อมูล
ประกอบไปด้วยกิจกรรมย่อยต่างๆ เช่น การกาหนดวิธีการวิเคราะห์ข้อมูล (ควรวางแผน
ล่วงหน้า) ไม่ว่าจะเป็นการประมาณพารามิเตอร์ หรือการทดสอบสมมติฐาน การตรวจสอบความถูกต้องของ
ข้อมูล การเตรียมและลงรหัส การเตรียมชุดคาสั่งที่จะใช้ให้สอดคล้องกับผลลัพท์ที่ต้องการ (อาจกาหนดตาราง
สถิติไว้ล่วงหน้า) รวมทั้งแนวทางการประเมินความคลาดเคลื่อนที่จะเกิดขึ้นเมื่อสรุปผลเกี่ยวกับวัตถุประสงค์
ที่ตั้งไว้
1.2.4 การสรุปผลและรายงาน
เมื่อประมวลผลและวิเคราะห์ข้อมูลแล้ว จะได้สถิติในความหมายของตัวเลขที่ใช้สรุปผลและ
แปลความหมายเกี่ยวกับคุณลักษณะ หรือสมบัติของประชากรที่กาหนดไว้ก่อนแล้ว การสรุปผลควรคานึงถึง
วัตถุประสงค์ของการศึกษาด้วย และการรายงานผลการศึก ษาต้องเป็นผลจากการดาเนินกิจกรรมต่างๆมาแล้ว

ไม่ใช่ใช้วิจารณญาณของผู้ศึกษาเอง
การดาเนินการสถิติสามารถสรุปได้ดังรูปที่ 1.2
ประชากร การเลือกตัวอย่าง
ตัวอย่าง
แปลความหมาย
และสรุปผล การรวบรวม
ข้อมูล
การประมวลผล
สถิติ ข้อมูล
และการวิเคราะห์ข้อมูล
รูปที่ 1.2 การดาเนินการทางสถิติ

1.3 ส่วนประกอบของวิชาสถิติ
วิชาสถิติแบ่งเนื้อหาออกเป็น 2 ส่วน คือ
1.3.1 สถิติเชิงพรรณนา (Descriptive Statistics)
สถิติเชิงพรรณนา คือ หลักการของวิชาสถิติที่ใช้วิเคราะห์ข้อมูลชุดหนึ่งๆ ที่เก็บรวบรวมได้ใน
รูปแบบของการบรรยาย โดยอาจเป็นการนาเสนอข้อมูลในรูปตารางการแจกแจงความถี่ กราฟ รูปภาพต่างๆ
หรืออาจเสนอค่าวัดคุณลักษณะของสิ่งที่สนใจ เช่น ค่าเฉลี่ย ค่าสูงสุด ค่าต่าสุด ความแปรปรวน ส่วนเบี่ยงเบน
มาตรฐาน เป็นต้น โดยจะไม่นาผลที่ได้จากการวิเคราะห์ไปอ้างสรุปถึงข้อมูลกลุ่มอื่น
1.3.2 สถิติเชิงอนุมาน (Inferential Statistics)
สถิติเชิงอนุมาน คือ หลักการของวิชาสถิติที่ใช้ในการเก็บรวบรวมข้อมูลบางส่วนซึ่งเรียกว่า
“ตัวอย่าง” มาจาก “ประชากร” และนาข้อมูลจากตัวอย่างนี้มาวิเคราะห์และสรุปผลพาดพิงถึงประชากร โดย
ใช้ทฤษฎีความน่าจะเป็นเข้าช่วย
การอนุมานทางสถิติ มักหมายความถึง การประมาณค่า (Estimation) ของตัวแปรที่ยังไม่ทราบ
ค่า และการทดสอบสมมติฐาน (Hypothesis Testing) ซึ่งเป็นข้อความที่เกี่ยวข้องกับประชากร โดยอาศัย
ค่าสถิติที่มาจากตัวอย่าง ตามระเบียบวิธีการที่เหมาะสม โดยความน่าจะเป็นมีบทบาทสาคัญในการสรุปผลมาก
ดังรูปที่ 1.3 แสดงให้เห็นความสัมพันธ์ระหว่างประชากร ตัวอย่าง ความน่าจะเป็นและสถิติอนุมาน
สถิติอนุมาน
ประชากร ตัวอย่าง
ความน่าจะเป็น
รูปที่ 1.3 ความสัมพันธ์ระหว่างความน่าจะเป็นและสถิติอนุมาน

1.4 ความหมายและคุณสมบัติของความน่าจะเป็น
1.4.1 ความหมายของความน่าจะเป็น
ความน่าจะเป็น คือ การประมาณโอกาสที่จะเกิดเหตุการณ์ใด ๆ ที่ยังไม่เกิดขึ้น หาได้จาก
อัตราส่วนระหว่างจานวนสมาชิกของเหตุการณ์นั้นกับจานวนสมาชิกของเหตุการณ์ทั้งหมดที่อาจเกิดขึ้นได้ โดย
เขียนเป็นสมการได้เป็น
n
P (E )  (1.1)
N
โดย P(E) คือ ความน่าจะเป็นที่จะเกิดเหตุการณ์นั้นๆ

n คือ จานวนสมาชิกของเหตุการณ์ E
N คือ จานวนสมาชิกของเหตุการณ์ทั้งหมด
1.4.2 คุณสมบัติของความน่าจะเป็น
1) ความน่าจะเป็นมีค่าได้ตั้งแต่ 0 ถึง 1 เท่านั้น หรือ 0 ≤ P(E) ≤ 1
2) ผลรวมของความน่าจะเป็นของเหตุการณ์ที่เป็นไปได้ทั้งหมดทุกๆเหตุการณ์ มีค่าเท่ากับ 1
หรือ P(E1) + P(E2) + P(E3) + … + P(EN) = 1
3) ความน่าจะเป็นของเหตุการณ์ที่ไม่มีโอกาสเกิดขึ้นเลยหรือความน่ าจะเป็นของเหตุการณ์ที่
เป็นไปไม่ได้มีค่าเท่ากับ 0
4) ความน่าจะเป็นของเหตุการณ์ที่เป็นไปได้แน่ๆ หรือเกิดขึ้นอย่างแน่นอนมีค่าเท่ากับ 1
1
5) ความน่าจะเป็นที่อาจเกิดขึ้นหรือไม่เกิดขึ้นเป็นไปได้เท่าๆกัน มีค่าเท่ากับ
2
1
6) ความน่าจะเป็นมีค่ามากกว่า เมื่อเหตุการณ์ที่อาจจะเกิดขึ้นมีมากกว่าที่ไม่อาจเกิดขึ้น
2
1
และจะมีค่าน้อยกว่า เมื่อเหตุการณ์ที่อาจจะเกิดขึ้นมีน้อยกว่าที่ไม่อาจเกิดขึ้น
2
1.4.3 การหาความน่าจะเป็น
การหาความน่าจะเป็นมี 2 วิธี คือ การหาความน่าจะเป็นทีท่ ราบจานวนและการหาความน่าจะ
เป็นที่ไม่ทราบจานวนสมาชิกของเหตุการณ์ทั้งหมดที่อาจเกิดขึ้นได้
1) การหาความน่าจะเป็นเมื่อทราบจานวนสมาชิกของเหตุการณ์ทั้งหมดที่อาจเกิดขึ้นได้
ตัวอย่างเช่น การหาความน่าจะเป็นที่จะได้พัดลมที่ใช้งานได้จากการผลิตพัดลม 1,000 เครื่อง ซึ่งจากผลการ
ตรวจสอบคุณภาพของพัดลมที่ใช้งานได้ 985 ความน่าจะเป็นที่จะได้พัดลมที่ใช้งานได้จากการผลิตพัดลม
985
1,000 เครื่อง = = 0.985
1,000
2) การหาความน่าจะเป็นเมื่อไม่ทราบจานวนสมาชิกของเหตุการณ์ทั้งหมดที่อาจเกิดขึ้นได้ ตัว
อย่างเช่น การหาความน่าจะเป็นที่อายุใช้งานของแบตเตอรี่รถยนต์ยี่ห้อหนึ่งจะเกิน 3 ปี จานวนสมาชิกของ
เหตุการณ์ทั้งหมดที่อาจเกิดขึ้นได้คืออายุการใช้งานของแบตเตอรี่แต่ละลูกไม่สามารถหาได้ เนื่องจากต้องรอให้
แบตเตอรี่แต่ละลูกที่ผลิต หมดอายุการใช้งาน ซึ่งในกรณีที่บริษัทผลิตแบตเตอรี่ยี่ห้อนี้ยังไม่เลิกผลิต การหา
จานวนสมาชิ ก ของเหตุ การณ์ ทั้ งหมดจะไม่ ส ามารถท าได้ ดั ง นั้ นในทางปฏิ บั ติ อาจจะต้ องหาจากจ านวน
แบตเตอรี่ที่ผลิตออกจาหน่าย 100,000 ลูกในช่วง 3 ปีที่ ผ่านมา ซึ่งพบว่ามีเพียง 1,000 ลูกเท่านั้นที่มีอายุการ
ใช้งานมากกว่า 3 ปี ดังนั้นความน่าจะเป็นที่อายุการใช้งานของแบตเตอรี่รถยนต์ยี่ห้อนี้จะเกิน 3 ปีเท่ากับ
1,000/100,000 ซึ่งเท่ากับ 0.01
1.5 การประยุกต์ความน่าจะเป็นกับงานด้านวิศวกรรม
ความน่าจะเป็นถูกนาไปประยุกต์ใช้กับงานด้านวิศวกรรมอย่างกว้างขวาง โดยเฉพาะในเรื่องการออกแบบ
การผลิต และการควบคุมคุณภาพสินค้าหรือผลิตภัณฑ์ต่างๆ ทั้งนี้เพื่อให้สินค้าหรือผลิตภัณฑ์มีคุณสมบัติและ
คุณภาพเป็นไปตามที่วิศวกรกาหนด จะเห็นได้จากตัวอย่างต่อไปนี้
ตัวอย่างที่ 1.1 โรงงานผลิตอุปกรณ์ไฟฟ้าแห่งหนึ่ง ผลิตสวิตซ์ไฟฟ้าในรอบเดือนที่ผ่านมาได้จานวน 400,000
ตัว ในจานวนที่ผลิตได้มีสวิตซ์ไฟฟ้าไม่สมบูรณ์ 2,542 ตัว จงหาความน่าจะเป็นที่โรงงานจะผลิตสวิตซ์ไฟฟ้าไม่
สมบูรณ์
วิธีทา จากโจทย์ จะได้ว่า
จานวนสมาชิกสวิตซ์ทั้งหมดที่ผลิตได้ (N) คือ 400,000 ตัว
จานวนสมาชิกที่ผลิตสวิตซ์ไฟฟ้าไม่สมบูรณ์ (n) คือ 2,542 ตัว
ดังนั้น ความน่าจะเป็นที่โรงงานจะผลิตไฟฟ้าไม่สมบูรณ์คือ
n 2,542
P (E )    0.0064
N 400,000
ตัวอย่างที่ 1.2 จากตัวอย่างที่ 1.1 จงหาความน่าจะเป็นที่โรงงานจะผลิตสวิตซ์ไฟฟ้าสมบูรณ์
จานวนสมาชิกสวิตซ์ทั้งหมดที่ผลิตได้ (N) คือ 400,000 ตัว
จานวนสมาชิกที่ผลิตสวิตซ์ไฟฟ้าสมบูรณ์ (n) คือ 400,000 - 2,542 = 397,458 ตัว
ดังนั้น ความน่าจะเป็นที่โรงงานจะผลิตไฟฟ้าสมบูรณ์คือ
n 397,458
P (E )    0.9936
N 400,000
ตัวอย่างที่ 1.3 ในการตรวจสอบความหนาของถ้วยที่ผ่านกระบวนการชุบเงินจานวน 420 ใบ พบว่ามีถ้วยอยู่
24 ใบ ที่มีความหนาที่ชุบต่ากว่า 0.018 มิลลิเมตร จงหาความน่าจะเป็นที่ถ้วยใบใดใบหนึ่งที่ผ่านกระบวนการ
ชุบเงินแล้วจะมีความหนามากกว่าหรือเท่ากับ 0.018 มิลลิเมตร
จานวนถ้วยชุบเงินทั้งหมด (N) คือ 420 ใบ
จานวนถ้วยที่มีความหนาต่ากว่า 0.018 มิลลิเมตร คือ 24 ใบ
แต่ จานวนถ้วยที่มีความหนามากกว่าหรือเท่ากับ 0.018 มิลลิเมตร คือ
420 – 24 = 396 ใบ
ดังนั้นความน่าจะเป็นที่ถ้วยจะมีความหนามากกว่าหรือเท่ากับ 0.018 มิลลิเมตร
n 396
P (E )    0.9429
N 420
ตัวอย่างที่ 1.4 โรงงานผลิตน้าอัดลมแห่งหนึ่ง ในเดือนที่ผ่านมาผลิตน้าอัดลมได้ 56,700 ขวด ถ้าความน่าจะ
เป็นที่ผลิตขวดน้าอัดลมไม่ได้มาตรฐานคือ 0.0785 จงหาจานวนขวดน้าอัดลมที่ได้มาตรฐาน มีกี่ขวด
จานวนน้าอัดลมที่ผลิตได้ทั้งหมด (N) คือ 56,000 ขวด
ค่าความน่าจะเป็นที่ผลิตขวดน้าอัดลมไม่ได้มาตรฐาน P(E) = 0.0785
จานวนขวดน้าอัดลมที่ไม่ได้มาตรฐานคือ
n  P (E) xN  0.0785x 56,000  4,396 ขวด
ดังนั้น จานวนขวดน้าอัดลมที่ได้มาตรฐานคือ 56,000 – 4,396 = 51,604 ขวด
ตัวอย่างที่ 1.5 ถุงใบหนึ่งมีลูกบอลขนาดเท่ากัน มีลูกบอลสีขาว 3 ลูก สีแดง 4 ลูกและสีดา 6 ลูก ถ้าสุ่มหยิบ

ลูกบอลในถุงขึ้นมา 1 ลูก จงหาความน่าจะเป็นที่จะได้
1) ลูกบอลสีขาว
2) ลูกบอลสีดา
3) ลูกบอลสีแดงหรือสีดา
4) ลูกบอลสีขาวและสีแดง
วิธีทา 1) ความน่าจะเป็นที่จะได้ลูกบอลสีขาว
n 3
P(E)    0.2308
N 13
2) ความน่าจะเป็นที่จะได้ลูกบอลสีดา
n 6
P(E)    0.4615
N 13
3) ความน่าจะเป็นที่จะได้ลูกบอลสีแดงหรือสีดา
n 4  6 10
P (E )     0.7692
N 13 13
4) ความน่าจะเป็นที่จะได้ลูกบอลสีขาวและสีแดง
เนื่องจากสุ่มหยิบครั้งละ 1 ลูก จึงเป็นไปไม่ได้ที่จะได้ทั้งสองสีขึ้นมาพร้อมกัน ดังนั้น
n 0
P(E)    0.0000
N 13
ตัวอย่างที่ 1.6 จากการเก็บรวบรวมข้อมูลเกี่ยวกับจานวนวันที่บริษัทผลิตสตาร์ทเตอร์ได้ในรอบเดือนที่ผ่านมา
เป็นดังนี้
จานวนสตาร์ทเตอร์ (ตัว) จานวนวันที่ผลิตได้
ต่ากว่า 4,000 1
4,000-4,499 6
4,500-4,999 18
5,000-5,499 4
ตั้งแต่ 5,500 ขึ้นไป 2
จงหาความน่าจะเป็นที่บริษัทผลิตสตาร์ทเตอร์ได้ในรอบเดือนที่ผ่านมา
1) ตั้งแต่ 5,000 ถึง 5,499 ตัว/วัน 3) ต่ากว่า 4,500 ตัว/วัน
2) ตั้งแต่ 5,000 ตัวขึ้นไป/วัน 4) ตั้งแต่ 4,000 ถึง 4,999 ตัว/วัน
วิธีทา จานวนวันทั้งหมดในหนึ่งเดือน(N) คือ 1+6+18+4+2 = 31 วัน

1) ความน่าจะเป็นที่จะผลิตสตาร์ทเตอร์ได้ตั้งแต่ 5,000 – 5,499 ตัว/วัน
n 4
P(E)    0.1290
N 31
2) ความน่าจะเป็นที่จะผลิตสตาร์ทเตอร์ได้ตั้งแต่ 5,000 ตัวขึ้นไป/วัน
n 42 6
P (E )     0.1935
N 31 31
3) ความน่าจะเป็นที่จะผลิตสตาร์ทเตอร์ได้ต่ากว่า 4,500 ตัว/วัน
n 6 1 7
P (E )     0.2258
N 31 31
4) ความน่าจะเป็นที่จะผลิตสตาร์ทเตอร์ได้ตั้งแต่ 4,000 – 4,999 ตัว/วัน
n 18  6 24
P (E )     0.7742
N 31 31
1.6 สรุป
สถิติ คือ ตัวเลขหรือข้อมูลที่แสดงถึงข้อเท็จจริงเกี่ยวกับเรื่องต่างๆ ส่วนสถิติศาสตร์ (Statistics)เป็นวิชา
ที่ว่าด้วยการวางแผนการดาเนินการ การเก็บรวบรวมข้อมูล การประมวลผลและวิเคราะห์ข้อมูล และการสรุป
และรายงานผล เกี่ยวกับคุณลักษณะของสิ่งที่กาลังศึกษา
สถิติแบ่งเนื้อหาออกเป็น 2 ส่วน คือ สถิติเชิงพรรณนา (Descriptive Statistics) คือ หลักการของวิชา
สถิติที่ใช้วิเคราะห์ข้อมูลชุดหนึ่งๆ ที่เก็บรวบรวมได้ในรูปแบบของการบรรยาย โดยอาจเป็นการนาเสนอข้อมูล
ในรูปตารางการแจกแจงความถี่ กราฟ รูปภาพต่างๆ หรืออาจเสนอค่าวัดคุณลักษณะของสิ่ง ที่สนใจ ในส่วน
ของสถิติเชิงอนุมาน (Inferential Statistics) เป็นหลักการของวิชาสถิติที่ใช้ในการเก็บรวบรวมข้อมูลบางส่วน
หรือตัวอย่างมาจากประชากร และนาข้อมูลจากตัวอย่างนี้มาวิเคราะห์และสรุปผลพาดพิงถึงประชากร โดยใช้
ทฤษฎีความน่าจะเป็นเข้าช่วย
ความน่าจะเป็น คือ การประมาณโอกาสที่จะเกิดเหตุการณ์ใด ๆ ที่ยังไม่เกิดขึ้น หาได้จากอัตราส่วน
ระหว่างจานวนสมาชิกของเหตุการณ์นั้นกับจานวนสมาชิกของเหตุการณ์ทั้งหมดที่อาจเกิดขึ้นได้
แบบฝึกหัดท้ายบทที่ 1
1. จงบอกความหมายของสถิติ และสถิติแบ่งเนื้อหาออกเป็นกี่ส่วน อะไรบ้าง จงอธิบาย

2. ความน่าจะเป็นคืออะไร และคุณสมบัติของความน่าจะเป็นมีอะไรบ้าง
3. จากการทดสอบความไม่บริสุทธิ์ของวัตถุดิบที่ใช้ในการผลิตเครื่องยนต์ชนิดหนึ่งจานวน 2,500 ชิ้น พบว่ามี
วัตถุดิบที่ไม่บริสุทธิ์ 5 ชิ้น จงหาความน่าจะเป็นที่วัตถุดิบชิ้นใดชิ้นหนึ่งที่นามาผลิตเครื่องยนต์จะบริสุทธิ์
4. ในการตรวจสอบความหนาของเงินบนถ้วยที่ผ่านกระบวนการชุบเงินจานวน 420 ใบ พบว่ามีถ้วยอยู่ 24 ใบ
ที่มีความหนาของเงินที่ชุบต่ากว่า 0.018 มิลลิเมตร จงหาความน่าจะเป็นที่ถ้วยใบใดใบหนึ่งที่ผ่านกระบวนการ
ชุบเงินแล้วจะมีความหนาต่ากว่า 0.018 มิลลิเมตร
5. จากการสอบถามผู้ไปใช้บริการ ณ ศูนย์การค้าแห่งหนึ่ง 75 คน ว่าชอบใช้ ผลิตภัณฑ์หนึ่งหรือไม่ พบว่า 15
คน ตอบว่าชอบใช้มาก 22 คน ตอบว่าชอบใช้ปานกลาง 18 คน ตอบว่าไม่ชอบ และ 20 คน ไม่มีความเห็น จง
หาความน่าจะเป็นที่มีผู้ชอบใช้ผลิตภัณฑ์นี้
6. ผู้จัดการโรงงานผลิตทรานซิสเตอร์แห่งหนึ่งเชื่อว่าทรานซิสเตอร์ของเขาเป็นทรานซิสเตอร์ที่ใช้งานได้
99.95% ถ้าทางโรงงานขายทรานซิสเตอร์ไป 850 ตัว จงหาความน่าจะเป็นที่จะไม่พบทรานซิสเตอร์เสียเลย
7. นายเอมีเงินเหรียญ 1 บาทจานวน 8 เหรียญ, เหรียญ 2 บาทจานวน 5 เหรียญ, เหรียญ 5 บาทจานวน 3
เหรียญและเหรียญ 10 บาท จานวน 6 เหรียญ อยู่ในกระเป๋ากางเกง ถ้านายเอสุ่มหยิบเงินในกระเป๋ากางเกง
มาครั้งละ 1 เหรียญ จงหาความน่าจะเป็นที่นายเอจะได้
7.1 เหรียญ 2 บาท 7.2 เหรียญ 5 บาท
7.3 เหรียญ 1 บาทและเหรียญ 10 บาท 7.4 เหรียญ 5 บาทหรือเหรียญ 10 บาท
8. จากข้อมูลยอดขายเครื่องฉายทึบแสงของบริษัทแห่งหนึ่งใน 80 สัปดาห์ที่ผ่านมา เป็นดังนี้
จานวนเครื่องฉายทึบแสง 0 1 2 3 4
จานวนสัปดาห์ 36 28 12 2 2
จงหาความน่าจะเป็นที่
8.1 บริษัทแห่งนี้จะขายได้อย่างน้อย 3 เครื่องต่อสัปดาห์
8.2 บริษัทแห่งนี้จะขายได้ไม่เกิน 1 เครื่องต่อสัปดาห์
9. ในจานวนลูกค้า 180 คนที่เข้ามาซื้อเครือ่ งใช้ไฟฟ้าในห้างสรรพสินค้าแห่งหนึ่ง ปรากฏว่าซื้อหม้อหุงข้าว
ไฟฟ้าจานวน 36 คน จงหาความน่าจะเป็นที่ลูกค้าคนหนึง่ ซึ่งเข้ามาซื้อเครื่องใช้ไฟฟ้าในห้างสรรพสินค้าแห่งนี้
จะไม่ซื้อหม้อหุงข้าวไฟฟ้า
10. ในรอบปีทผี่ ่านมาโรงงานอุตสาหกรรมแห่งหนึ่งซึ่งมีคนงาน 48 คน มีวิศวกรลาออกจานวน 2 คน จงหา
ความน่าจะเป็นที่วิศวกรคนใดคนหนึ่งจะลาออก
11. จากการสารวจโรงงาน 142 โรง ที่ตั้งอยู่ในจังหวัดหนึ่ง ปรากฏว่ามีโรงงานที่มีช่างเทคนิคและวิศวกร

จานวนต่างๆ ดังนี้
จานวนช่างเทคนิคและวิศวกร จานวนโรงงาน
ต่ากว่า 25 1
25-49 6
50-74 18
75-99 4
100-124 2
125-149 3
ตั้งแต่ 150 ขึ้นไป 12
จงหาความน่าจะเป็นที่โรงงานที่ตั้งอยู่ในจังหวัดนี้จะมีจานวนช่างเทคนิคและวิศวกร
11.1 ต่ากว่า 75 คน
11.2 ตั้งแต่ 100 คนขึ้นไป
11.3 ตั้งแต่ 50 คนถึง 149 คน
12. ถ้าความหนาของเครื่องห่อหุ้มสื่อความร้อนที่วัดได้จากสื่อความร้อนจานวน 50 ชิ้น พบว่าเป็นดังนี้
ความหนาของเครื่องห่อหุ้มสื่อความร้อน
จานวนชิ้น
(ไมโครเมตร)
ต่ากว่า 100 0
100-104 5
105-109 18
110-114 20
115-119 6
ตั้งแต่ 120 ขึ้นไป 1
จงหาความน่าจะเป็นที่โรงงานที่ตั้งอยู่ในจังหวัดนี้จะมีจานวนช่างเทคนิคและวิศวกร
12.1 ตั้งแต่ 104 ไมโครเมตรลงมา
12.2 105 ถึง 114 ไมโครเมตร
12.3 ตั้งแต่ 115 ไมโครเมตรขึ้นไป
12.4 ต่ากว่า 100 ไมโครเมตร หรือตั้งแต่ 120 ไมโครเมตรขึ้นไป
ประไพศรี สุทัศน์ ณ อยุธยา และพงศ์ชนัน เหลืองไพบูลย์ . (2549). สถิติวิศวกรรม (Engineering

Statistics). กรุงเทพมหานคร: ท้อป.
สายชล สินสมบูรณ์ทอง. (2553). สถิติวิศวกรรม (Engineering Statistics). กรุงเทพมหานคร: จามจุรีโปร
ดักท์.
Scheaffer, R. L., Mulekar, M. S., & McClave, J. T. (2011). Probability and Statistics for
Engineers (5th ed). Canada: Brooks/Cole.
John Wiley & Sons Inc
ตัวแปรสุ่มและการแจกแจงความน่าจะเป็น
2.1 ความหมายของตัวแปรสุ่ม
2.2 ชนิดของตัวแปรสุ่ม
2.2.1 ตัวแปรสุ่มไม่ต่อเนื่อง (Discrete random variable)
2.2.2 ตัวแปรสุ่มชนิดต่อเนื่อง (Continuous random variable)
2.3 การแจกแจงความน่าจะเป็นของตัวแปรสุ่ม
2.4 การแจกแจงความน่าจะเป็นของตัวแปรสุ่มไม่ต่อเนื่อง
2.4.1 ค่าเฉลี่ยและค่าความแปรปรวนของการแจกแจงความน่าจะเป็นของตัวแปรสุ่มไม่ต่อเนื่อง
2.5 การแจกแจงความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่อง
2.5.1 แบบของการแจกแจงความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่อง
2.6 สรุป
1. อธิบายความหมายของตัวแปรสุ่มได้อย่างถูงต้อง
2. อธิบายชนิดของตัวแปรสุ่ม ทั้งตัวแปรสุ่มไม่ต่อเนื่องและตัวแปรสุ่มชนิดต่อเนื่องได้อย่างถูกต้อง
3. สามารถคานวณการแจกแจงความน่าจะเป็นทั้งตัวแปรสุ่มไม่ต่อเนื่องและตัวแปรสุ่มชนิดต่อเนื่องได้
อย่างถูกต้อง
4. คานวณหาค่าเฉลี่ ย และค่าความแปรปรวนของการแจกแจงความน่าจะเป็นของตัว แปรสุ่ มไม่
ต่อเนื่องได้อย่างถูกต้อง
5. คานวณหาค่าการแจกแจงความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่องได้อย่างถูกต้อง
1. ทบทวนเนื้อหาในบทที่ 1
2. นาเข้าสู่บทเรียนโดยการอธิบายวัตถุประสงค์ ภาพรวมเนื้อหาในบทที่ 2 และบรรยายประกอบสื่อ

Power point
4. ทาแบบฝึกหัดระหว่างเรียนโดยการสุ่มให้นักศึกษาออกมาเขียนที่กระดานหน้าชั้นเรียน
5. สอบถามผู้เรียนถ้าผู้เรียนมีคาถามสงสัย
6. มอบหมายให้ผู้เรียนทาแบบฝึกหัดท้ายบทที่ 2 เป็นการบ้าน
1. เอกสารประกอบการสอนวิชาวัสดุวิศวกรรม
1. จากการทากิจกรรมกลุ่มเสร็จตามเวลา
บทที่ 2 ตัวแปรสุ่มและการแจกแจงความน่าจะเป็น 29
บทที่ 2
ตัวแปรสุ่มและการแจกแจงความน่าจะเป็น
ในบทนี้จะกล่าวถึงตัวแปรสุ่มและการแจกแจงความน่าจะเป็นของตัวแปรสุ่ม ซึ่งมึความสาคัญและ
จาเป็นมากต่อการนาสถิติไปใช้ด้านต่างๆ ไม่ว่าจะเป็นด้านการเลือกตัวอย่างเพื่อนามาใช้ในการเก็บรวบรวม
ข้อมูลหรือด้านการวิเคราะห์ข้อมูลที่เก็บรวบรวมได้ ทั้งนี้ เนื่องจากการกาหนดตัวสถิติเพื่อนามาใช้ในการ
ประมาณค่าและการทดสอบสมมติฐานเชิงสถิติมีความจาเป็นต้องทราบค่าความน่าจะเป็นของตัวแปรสุ่มแต่ละ
ค่า
2.1 ความหมายของตัวแปรสุ่ม
ตัวแปรสุ่ม (Random Variable) คือค่าหรือตัวเลขที่ใช้แทนเหตุการณ์ต่าง ๆ ที่อาจเกิดขึ้นได้ ทั้งหมด
จากการทดลองหรือสภาพที่เป็นจริงเกี่ยวกับเรื่องที่ศึกษา
โดยทั่วไปนิยมใช้พยัญชนะภาษาอังกฤษตัวพิมพ์ใหญ่แทนตัวแปรสุ่ม เช่น X, Y หรือ Z และใช้พยัญชนะ
ตัวพิมพ์เล็กแทนค่าแต่ละค่าที่เป็นไปได้ของตัวแปรสุ่มนั้น เช่น (x1, x2, x3,…, xn) หรือ (y1, y2, y3,…, yn) หรือ
(z1, z2, z3,…, zn)
ตัวอย่างที่ 2.1
1) ถ้าให้ X เป็นตัวแปรสุ่ม ใช้แทนเหตุการณ์ที่เป็นจานวนวันซึ่งในโรงงานอุตสาหกรรมผลิตชิ้นส่วน
รถยนต์ในเดือนสิงหาคมของปีนี้
ดังนั้น X = 0, 1, 2, 3, 4,…, 31
2) ถ้าให้ Y เป็นตัวแปรสุ่ม ใช้แทนเหตุการณ์ที่เป็นจานวนลูกค้าที่เข้ามาซื้อ ยาสระผมในวันที่ผ่านมา
จากห้างสรรพสินค้าแห่งหนึ่ง
ดังนั้น Y = 0, 1, 2, 3, 4, 5,…
3) ถ้าให้ Z เป็นตัวแปรสุ่ม ใช้แทนเหตุการณ์ที่เป็นจานวนเครื่องกลึงชารุดจากการผลิตของโรงงาน
จานวน 30 เครื่อง
ดังนั้น Z = 0, 1, 2, 3, 4, 5,…, 29, 30
2.2 ชนิดของตัวแปรสุ่ม
ตัวแปรสุ่มมี 2 ชนิด คือ ตัวแปรสุ่มไม่ต่อเนื่อง (Discrete random variable) และตัวแปรสุ่มชนิดต่อเนื่อง
(Continuous random variable)
2.2.1 ตัวแปรสุ่มไม่ต่อเนื่อง (Discrete random variable)

ตัวแปรสุ่มไม่ต่อเนื่อง คือตัวแปรสุ่มที่ประกอบไปด้วยค่าหรือตัวเลขทั้งหมดที่เป็นไปได้ จานวนจากัด
หรือถ้ามีจานวนจากัดต้องไม่เป็นช่วงของข้อมูล ส่วนจานวนนับ เช่น 0, 1, 2, 3,… เป็นข้อยกเว้นและถือว่าเป็น
ตัวแปรสุ่มไม่ต่อเนื่อง
ตัวอย่างที่ 2.2 แสดงชนิดของตัวแปรสุ่มไม่ต่อเนื่อง
1) X = 10, 11, 12, 13, 14, 15
2) Y = จานวนวิศวกรในโรงงานแห่งหนึ่ง
3) Z = 0.1, 0.3, 0.5, 0.7, 0.9
4) P = จานวนฟิวส์ที่บกพร่องในแผงวงจรไฟฟ้าชนิดหนึ่ง
5) R = จานวนเครื่องมืออิเล็กทรอนิกส์ของโรงงานแห่งหนึ่งผลิตได้ในสัปดาห์ที่ผ่านมา
2.2.2 ตัวแปรสุ่มชนิดต่อเนื่อง (Continuous random variable)
ตัวแปรสุ่มชนิดต่อเนื่อง คือตัวแปรสุ่มที่ประกอบไปด้วยค่าหรือตัวเลขทั้งหมดที่เป็นไปได้ นับไม่ถ้วน
โดยทั่วไปจะอยู่ในรูปช่วงของค่าหรือตัวเลข 2 จานวน ซึ่งตัวเลขที่อยู่ระหว่างตัวเลขสองจานวนนี้ จะมีจานวน
ไม่ถ้วนหรือไม่สามารถนับได้ เช่น
1) 6.3 ≤ M ≤ 11.5
2) N > 0
3) P = อายุการใช้งานของคาปาซิเตอร์ในพัดลมตั้งโต๊ะ
4) R = ปริมาณน้าที่ใช้ในเหมืองแร่แห่งหนึ่งเมื่อสัปดาห์ที่ผ่านมา
2.3 การแจกแจงความน่าจะเป็นของตัวแปรสุ่ม
การแจกแจงความน่าจะเป็น คือการแจกแจงเหตุการณ์ทุกเหตุการณ์ที่เป็นไปได้และความน่าจะเป็นที่
เหตุการณ์เหล่านั้นจะเกิดขึ้น
เนื่องจากตัวแปรสุ่มที่ใช้แทนเหตุการณ์มีสองชนิดคือ ตัวแปรสุ่มไม่ต่อเนื่องและตัวแปรสุ่มชนิดต่อเนื่อง
ดั ง นั้ น การแจกแจงความน่ า จะเป็ น ของเหตุ ก ารณ์ ทุ ก เหตุ ก ารณ์ ที่ เ ป็ น ไปได้ จ ะแบ่ ง ออกเป็ น สองชนิ ด
เช่นเดียวกันคือ
1) การแจกแจงความน่าจะเป็นของตัวแปรสุ่มไม่ต่อเนื่อง
2) การแจกแจงความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่อง
ตัวอย่างที่ 2.3 จากการเก็บรวบรวมข้อมูลเกี่ยวกับผลการบรรจุน้ามันเครื่อง 5,000 กระป๋อง มีจานวน

กระป๋ อ งที่บ รรจุ ได้ ตามปริ มาณที่ ต้องการ ต่ ากว่า ปริม าณที่ต้อ งการและสู ง กว่า ที่ต้ องการ เท่ ากั บ 4,886
กระป๋อง 94 กระป๋อง และ 20 กระป๋อง ตามลาดับ
ความน่าจะเป็นที่เครื่องบรรจุได้ตามปริมาณที่ต้องการ
P(E) = 4,886/5,000 = 0.9772
ความน่าจะเป็นที่เครื่องบรรจุได้ปริมาณต่ากว่าที่ต้องการ
P(E) = 94/5,000 = 0.0188
ความน่าจะเป็นที่เครื่องบรรจุได้ปริมาณสูงกว่าที่ต้องการ
P(E) = 20/5,000 = 0.0040
การแจกแจงความน่าจะเป็นของผลการบรรจุน้ามันเครื่องลงกระป๋องด้วยเครื่องบรรจุ อาจเขียนสรุป
ในรูปตารางได้ดังนี้
ผลการบรรจุน้ามันเครื่อง ความน่าจะเป็น
เท่ากับปริมาณที่ต้องการ 0.9772
ต่ากว่าปริมาณที่ต้องการ 0.0188
สูงกว่าปริมาณที่ต้องการ 0.0040
รวม 1.0000
2.4 การแจกแจงความน่าจะเป็นของตัวแปรสุ่มไม่ต่อเนื่อง
การแจกแจงความน่าจะเป็นของตัวแปรสุ่มไม่ต่อเนื่อง เป็นการแจกแจงเหตุการณ์ทุกเหตุการณ์ที่เป็นไปได้
และความน่าจะเป็นที่เหตุการณ์เหล่านั้นจะเกิดขึ้นเมื่อตัวแปรสุ่มที่สนใจศึกษาเป็นตัวแปรสุ่มไม่ต่อเนื่อง โดย
การแจกแจงความน่าจะเป็นของตัวแปรสุ่มไม่ต่อเนื่องอาจจะอยู่ในรูปของตาราง กราฟ หรือแผนภูมิที่สามารถ
แสดงเหตุการณ์ทุกเหตุการณ์หรือค่าทุกๆค่าของตัวแปรสุ่มและความน่าจะเป็นของแต่ละเหตุการณ์หรือค่าของ
ตัวแปรสุ่มเหล่านั้น
ตัวอย่างที่ 2.4 ถ้าจานวนวันที่เกิดไฟฟ้ากระพริบในโรงงานอุตสาหกรรมแห่งหนึ่งในรอบเดือนที่ผ่านมาเป็น
1, 2, 3, 4, 5, 6, 7, 8, 9 และ 10 ครั้ง/วัน เป็นดังนี้
จานวนครั้งที่เกิดไฟฟ้ากระพริบ(ครั้ง/วัน) จานวนวันที่เกิดไฟฟ้ากระพริบ
0 1
1 1
2 2
3 4
จานวนครั้งที่เกิดไฟฟ้ากระพริบ(ครั้ง/วัน) จานวนวันที่เกิดไฟฟ้ากระพริบ
4 6
5 7
6 5
7 2
8 1
9 1
10 1
ถ้าให้ X เป็นตัวแปรสุ่มไม่ต่อเนื่อง ซึ่งใช้แทนจานวนครั้งที่เกิดไฟฟ้ากระพริบซึ่งมีจานวนที่เป็นไปได้ทั้งหมด
11 ค่า คือ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 และ 10 การแจกแจงความน่าจะเป็นของ X อาจแสดงในรูปของ
ตารางข้างล่างดังนี้
จานวนครั้งที่เกิดไฟฟ้ากระพริบ จานวนวันที่เกิดไฟฟ้า ความน่าจะเป็นที่เกิดไฟฟ้า
(ครั้ง/วัน) กระพริบ กระพริบ P(X)
0 1 1/31
1 1 1/31
2 2 2/31
3 4 4/31
4 6 6/31
5 7 7/31
6 5 5/31
7 2 2/31
8 1 1/31
9 1 1/31
10 1 1/31
2.4.1 ค่าเฉลี่ยและค่าความแปรปรวนของการแจกแจงความน่าจะเป็นของตัวแปรสุ่มไม่ต่อเนื่อง
1) ค่าเฉลี่ยของตัวแปรสุ่มไม่ต่อเนื่อง ค่าเฉลี่ยของตัวแปรสุ่มหาได้จากผลบวกของผลคูณระหว่างค่า
แต่ละค่าของตัวแปรสุ่มกับความน่าจะเป็นของแต่ละค่านั้น กล่าวคือ
ถ้า X เป็นตัวแปรสุ่มไม่ต่อเนื่อง ซึ่งประกอบด้วยค่า x1, x2, x3, …, xN และ P(x1), P(x2), P(x3), …,
P(xN) เป็นความน่าจะเป็นของ x1, x2, x3, …, xN ตามลาดับ ค่าเฉลี่ยของ X หรือค่าคาดหมาย (expected
value) ของ X คือ
 X  x1P( x1 )  x 2P( x 2 )  x 3P( x 3 )  ...  x NP( x N )
N
หรือเขียนได้เป็น X   x i P( x i ) (2.1)
i 1
ค่าเฉลี่ยของตัวแปรสุ่ม หรือค่าคาดหมายของตัวแปรสุ่มนี้เป็นค่าที่คาดว่าควรจะเป็นเท่านั้น ใน
ความเป็นจริงอาจจะไม่เป็นตามที่คาดหมายก็ได้ เช่น วิศวกรคาดว่าจะผลิตรถยนต์ได้เฉลี่ยวันละ 2,500 คัน
แต่จริงๆแล้วอาจจะผลิตได้มากกว่าหรือน้อยกว่า 2,500 คันก็ได้ ขึ้นอยู่กับว่าข้อมูลปัจจุบันกับสภาพในขณะที่
เก็บข้อมูลเพื่อนามาหาความน่าจะเป็นของจานวนรถยนต์ที่ผลิตได้จะแตกต่างกันมากน้อยเพียงไร
ตัวอย่างที่ 2.5 จากข้อมูลเกี่ยวกับจานวนครั้งที่เกิดไฟฟ้ากระพริบในแต่ล ะวันของโรงงานอุตสาหกรรมแห่ง
หนึ่งในตัวอย่างที่ 2.4 จงหาว่าโดยเฉลี่ยแล้วโรงงานแห่งนี้เกิดไฟฟ้ากระพริบเฉลี่ยวันละกี่ครั้ง
จานวนครั้งที่เกิดไฟฟ้ากระพริบ ความน่าจะเป็นที่เกิดไฟฟ้า
xP(x)
(ครั้ง/วัน) (x) กระพริบ P(x)
0 1/31 0
1 1/31 1/31
2 2/31 4/31
3 4/31 12/31
4 6/31 24/31
5 7/31 35/31
6 5/31 30/31
7 2/31 14/31
8 1/31 8/31
9 1/31 9/31
10 1/31 10/31
ค่าเฉลี่ยจานวนครั้งที่เกิดไฟฟ้ากระพริบคือ
จากสมการที่ 2.1 และมีจานวนข้อมูลทั้งหมด 11 ข้อมูล ดังนั้นจะได้ว่า
11
X   x iP ( x i )
i 1
 1 x P( x1 )  x 2P( x 2 )  x 3P( x 3 )  ...  x11P( x11 )

= 0 + (1/31) + (4/31) + (12/31) + (24/31) + (35/31) + (30/31) +
(14/31) + (8/31) + (9/31) + (10/31)
= 147/31
= 4.7419
ตัวอย่างที่ 2.6 ถ้าความน่าจะเป็นที่โรงงานแห่งหนึ่งผลิตวงแหวนที่ใช้ในเครื่องจักรได้วันละ 4,500 วง และ
5,000 วง เท่ากับ 0.8 และ 0.2 ตามลาดับ (ในการผลิตวงแหวน 100 วัน ผลิตวงแหวนได้ 4,500 วง 80 วัน
และผลิตวงแหวนได้ 5,000 วง 20 วัน) จงหาจานวนวงแหวนโดยเฉลี่ยต่อวันที่โรงงานแห่งนี้ผลิตได้
วิธีทา ให้ X เป็นตัวแปรสุ่มซึ่งใช้แทนจานวนวงแหวนที่โรงงานแห่งนี้ผลิตได้
นั่นคือ x1 = 4,500 และ x2 = 5,000
P(x1) = 0.8 และ P(x2) = 0.2
ดังนั้น จานวนวงแหวนโดยเฉลี่ยที่โรงงานแห่งนี้ผลิตได้ต่อวันคือ
2
X   x iP ( x i )
i 1
= x1P(x1) + x2P(x2)
= 4,500(0.8) + 5,000(0.2)
= 4,600 วง
2) ค่าความแปรปรวนของตัวแปรสุ่มไม่ต่อเนื่อง ค่าความแปรปรวนของตัวแปรสุ่มเป็นค่าที่แสดง
การกระจายของข้อมูลโดยวัดจากค่าเฉลี่ยของผลต่างกาลังสองระหว่างค่าแต่ละค่าของตัวแปรสุ่มกับค่าเฉลี่ย
หรือค่าคาดหมายของตัวแปรสุ่มนั้น ถ้า X เป็นตัวแปรสุ่มไม่ต่อเนื่อง ซึ่งประกอบด้วยค่า x1, x2, x3, …, xN
และ P(x1), P(x2), P(x3), …, P(xN) เป็นความน่าจะเป็นของ x1, x2, x3, …, xN ตามลาดับ ค่าความแปรปรวน
ของ X คือ
2 2 2 2
X  [ x1   X ] P( x1 )  [ x 2   X ] P( x 2 )  ...  [ x N   X ] P( x N )
N
2 2
หรือ X   [ x i   x ] P( x i ) (2.2)
i 1
โดยทั่วไปการวัดค่าการกระจายข้อมูลซึ่งประกอบค่าต่างๆที่เป็ นไปได้ทั้งหมดของตัวแปรสุ่ม นิย ม
โดยใช้ค่าส่วนเบี่ยงเบนมาตรฐาน ซึ่งเป็นรากที่สองของค่าความแปรปรวน นั่นคือ ค่าส่วนเบี่ยงเบนมาตรฐาน
2
ของตัวแปรสุ่ม X คือ X  X (2.3)
ตัวอย่างที่ 2.7 จากตัวอย่างที่ 2.4 และ 2.5 เกี่ยวกับจานวนครั้งที่ไฟฟ้ากระพริบในแต่ละวันของโรงงาน

อุตสาหกรรมแห่ ง หนึ่ ง จงหาค่ าความแปรปรวนและส่ ว นเบี่ย งเบนมาตรฐานของจ านวนครั้ งที่เ กิดไฟฟ้ า
กระพริบในแต่ละวันของโรงงานอุตสาหกรรมแห่งนี้
วิธีทา จากตัวอย่าง 2.5 X = 4.7419 ดังนั้นค่าความแปรปรวนจะหาได้จาก
11
2
X   [ x i   x ]2P( x i )
i 1
2 2 2 2
X  [ x1   X ] P( x1 )  [ x 2   X ] P( x 2 )  ...  [ x11   X ] P( x11 )
2 2 2 2
X  [ 0  4.7419] (1 / 31)  [1  4.7419] (1 / 31)  [ 2  4.7419] (2 / 31)
2 2 2
 [ 3  4.7419] (4 / 31)  [ 4  4.7419] (6 / 31)  [ 5  4.7419] (7 / 31)
2 2 2
 [ 6  4.7419] ( 5 / 31)  [ 7  4.7419] ( 2 / 31)  [ 8  4.7419] (1 / 31)
2 2
 [ 9  4.7419] (1 / 31)  [10  4.7419] (1 / 31)
2 2 2 2
 [ 4.7419] (1 / 31)  [ 3.7419] (1 / 31)  [ 2.7419] ( 2 / 31)  [ 1.7419] ( 4 / 31)
2 2 2 2
 [ 0.7419] ( 6 / 31)  [ 0.2581] ( 7 / 31)  [1.2581] ( 5 / 31)  [ 2.2581] ( 2 / 31)
2 2 2
 [ 3.2581] (1 / 31)  [ 4.2581] (1 / 31)  [ 5.2581] (1 / 31)
 0.7253  0.4517  0.4850  0.3915  0.1065  0.0150  0.2553  0.3290  0.3424
 0.5849  0.8919
 4.5785
และหาค่าส่วนเบี่ยงเบนมาตรฐานได้ จาก
2
X  X
 4.5785
 2.1397
แสดงว่าโดยเฉลี่ยแล้วจานวนครั้งที่เกิดไฟฟ้ากระพริบในแต่ละวันของโรงงานอุตสาหกรรมแห่งนี้ ต่าง
จากจานวนครั้งที่เกิดไฟฟ้ากระพริบเฉลี่ยในแต่ละวันคือ 4.7419 ครั้ง เท่ากับ 2.1397 ครั้ง
ตัวอย่างที่ 2.8 จากตัวอย่างที่ 2.6 จงหาค่าความแปรปรวนและส่วนเบี่ยงเบนมาตรฐานของจานวนวงแหวนที่
ผลิตได้
วิธีทา เนื่องจาก x1 = 4,500 และ x2 = 5,000
P(x1) = 0.8 และ P(x2) = 0.2
และ X  4,600
ดังนั้น ค่าความแปรปรวน
2
2
X   [ x i   x ]2P( x i )
i 1
 [ x1   X ]2 P( x1 )  [ x 2   X ]2 P( x 2 )
2 2
 [ 4,500  4,600] ( 0.8)  [ 5,000  4,600] ( 0.2)
 8,000  32,000
 40,000
และหาค่าส่วนเบี่ยงเบนมาตรฐานได้ จาก
2
X  X
 40,000
 200
ความแปรปรวนของจานวนวงแหวนที่ผลิตได้เท่ากับ 40,000 และค่าส่วนเบี่ยงเบนมาตรฐานของ
จานวนวงแหวนที่ผลิตได้เท่ากับ 200 วง
ตัวอย่างที่ 2.9 ให้ตัวแปรสุ่ม X แทนจานวนรถยนต์ที่ใช้ในโรงงานในวันทางานหนึ่งๆ และมีความน่าจะเป็น
สาหรับบริษัท A และ B เป็นดังตารางต่อไปนี้
บริษัท A
X 3 4 5
P(xi) 0.321 0.472 0.207
บริษัท B
X 3 4 5 6
P(xi) 0.175 0.389 0.345 0.091
จงหาค่าความแปรปรวนของบริษัทไหนจะมีค่ามากกว่ากัน
วิธีทา บริษัท A
จานวนรถยนต์ที่ใช้ในโรงงานเฉลี่ย คือ
3
X   x iP ( x i )
i 1
= x1P(x1) + x2P(x2) + x3P(x3)
= 3(0.321) + 4(0.472) + 5(0.207)
= 3.886 คัน
ค่าความแปรปรวน
3
2
X   [ x i   x ]2P( x i )
i 1
 [ x1   X ]2 P( x1 )  [ x 2   X ]2 P( x 2 )  [ x 3   X ]2 P( x 3 )
2 2 2
 [ 3  3.886] ( 0.321)  [ 4  3.886] ( 0.472)  [ 5  3.886] ( 0.207)
 0.2520  0.0061  0.2569
 0.5150
บริษัท B
จานวนรถยนต์ที่ใช้ในโรงงานเฉลี่ย คือ
4
X   x iP ( x i )
i 1
= x1P(x1) + x2P(x2) + x3P(x3) + x4P(x4)
= 3(0.175) + 4(0.389) + 5(0.345) + 6(0.091)
= 4.352 คัน
ค่าความแปรปรวน
4
2
X   [ x i   x ]2P( x i )
i 1
[ x1   X ]2 P( x1 )  [ x 2   X ]2 P( x 2 )  ...  [ x 4   X ]2 P( x 4 )

2 2 2
 [ 3  4.352] ( 0.175)  [ 4  4.352] ( 0.389)  [ 5  4.352] ( 0.345)
2
 [ 6  4.352] ( 0.091)
 0.3199  0.0482  0.1499  0.2471
 0.7651
จะเห็นได้ว่า ความแปรปรวนของจานวนรถยนต์ที่ใช้ในบริษัท B มากกว่า บริษัท A
2.5 การแจกแจงความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่อง
การแจกแจงความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่อง เป็นการแจกแจงเหตุการณ์ทุกเหตุการณ์ที่เป็นไป
ได้ และความน่าจะเป็นที่เหตุการณ์เหล่านั้นจะเกิดขึ้นเมื่อตัวแปรสุ่มที่สนใจศึกษาเป็นตัวแปรสุ่มชนิดต่อเนื่อง
เนื่องจากตัวแปรสุ่มชนิดต่อเนื่องเป็นตัวแปรสุ่มที่ประกอบด้วยค่าหรือตัวเลขนับไม่ถ้วน จึงมักเขียนอยู่ใน
รูปช่วงของค่าหรือตัวเลข 2 ตัว ดังนั้นการหาความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่องจึงจาเป็นต้องหาเป็น
ช่วงซึ่งอยู่ระหว่างค่าสองค่า เช่น 20 กับ 38 หรือ 100 กับ 200
2.5.1 แบบของการแจกแจงความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่อง
ชนิดของการแจกแจงความน่าจะเป็นของตัวแปรสุ่มชนิดต่อเนื่องมีหลายแบบ เช่น การแจกแจง
ปกติ (normal distribution) การแจกแจงแบบเอฟ (F distribution) การแจกแจงแบบที (t distribution)
การแจกแจงแบบแกมมา (gamma distribution) การแจกแจงแบบเบตา (beta distribution) ฯลฯ
1) การแจกแจงปกติ เป็นการแจกแจงที่มีความสาคัญมากที่สุดและถูกนาไปใช้อย่างแพร่หลาย เช่น
อายุการใช้งานของเครื่องจักรกลแต่ละชนิด คุณภาพของสินค้าหรือผลิตภัณฑ์แต่ละชนิดที่ผลิตได้ ระยะเวลาที่
ใช้ในการผลิตสินค้าแต่ละชนิด
ลักษณะโดยทั่ว ไปของการแจกแจงปกติเป็นรูประฆังคว่าและมีคุณสมบัติที่ส าคัญคือ เป็นโค้งที่
สมมาตร (symmetry) มีค่าเฉลี่ยเลขคณิต ฐานนิยม และมัธยฐานเท่ากัน และพื้นที่ใต้โค้ง (ความน่าจะเป็น)
เหนือแกน X ทั้งหมดเท่ากับ 1 ดังแสดงในรูปที่ 2.1
.Z
รูปที่ 2.1 การแจกแจงปกติ
(ที่มา: สรชัย พิศาลบุตร, 2553)
ในการคานวณความน่าจะเป็น โดยการอินทิเกรตฟังก์ชันมีความยุ่งยากมาก จึงมีนักสถิติพยายาม

สร้างตารางเพื่อแสดงพื้นที่ใต้โค้งปกติโดยการแปลงค่าของตัวแปรสุ่มแบบปกติ X ที่มีค่าเฉลี่ย  และส่วน
เบี่ยงเบนมาตรฐาน  ไปเป็นตัวแปรสุ่มใหม่ เรียกว่า “ตัวแปรสุ่มแบบปกติมาตรฐาน” แทนด้วย Z และ
เปลี่ยนการแจกแจงปกติที่มีค่าเฉลี่ย 0 และค่าความแปรปรวนเป็น 1 โดยสูตรที่ใช้ในการเปลี่ยนแปลงคือ
x 
Zi  (2.4)

โดย Zi คือ ค่าการแจกแจงปกติมาตรฐาน
x คือ ค่าเฉลี่ยของข้อมูลจากตัวอย่างประชากร
 คือ ค่าเฉลี่ยของข้อมูลประชากรทั้งหมด
 คือ ค่าส่วนเบี่ยงเบนมาตรฐานประชากรทั้งหมด
การแจกแจงที่มีค่าเฉลี่ย 0 และค่าความแปรปรวน 1 นี้เรียกว่า การแจกแจงปกติมาตรฐาน
(standard normal distribution) ดังรูปที่ 2.2
Z
รูปที่ 2.2 การแจกแจงปกติมาตรฐาน
การหาความน่าจะเป็ นแบบปกติมาตรฐาน คือ การหาพื้นที่ใต้เส้ นโค้งปกติมาตรฐานในช่ว งที่
ต้องการ หรืออาศัย “ตารางการแจกแจงแบบปกติ”
ตัวอย่างที่ 2.10 จงหาความน่าจะเป็นที่ Z จะมีค่าอยู่ระหว่าง 0 กับ 1 ของการแจกแจงปกติ

วิธีทา จากโจทย์เขียนได้เป็น P(0 < Z < 1)
วาดกราฟการแจกแจงปกติมาตรฐานพร้อมระบายพื้นที่ได้ดังรูปล่างซ้าย
ดังนั้น P(0 < Z < 1) = 0.3413 (เปิดตาราง Z)
ตัวอย่างที่ 2.11 จงหาพื้นที่ระหว่าง –1.65 กับ 1.65 ของการแจกแจงปกติมาตรฐาน

วิธีทา จากโจทย์เขียนได้เป็น P(–1.65 < Z < 1.65)
จาก P(-1.65 < Z < 1.65) = 2P(0 < Z < 1.65)
= 2(0.4505)
= 0.9010
ตัวอย่างที่ 2.12 จงหา P(0.75 < Z < 1.25) ของการแจกแจงปกติมาตรฐาน

วิธีทา จากโจทย์ P(0.75 < Z < 1.25)
จาก P(0.75 < Z < 1.25) = P(0 < Z < 1.25) – P(0 < Z < 0.75)
= 0.3944 – 0.2734
= 0.1210
ตัวอย่างที่ 2.13 จงหา P( Z > 1.37) ของการแจกแจงปกติมาตรฐาน

วิธีทา จากโจทย์ P(Z > 1.37)
วาดกราฟการแจกแจงปกติมาตรฐานพร้อมระบายพื้นที่ได้ดังรูป
จาก P(Z > 1.37) = 0.5 – P(0 < Z < 1.37)
= 0.5 – 0.4147
= 0.0853
ตัวอย่างที่ 2.14 จงหา P(–0.75 < Z < 1.25) ของการแจกแจงปกติมาตรฐาน

วิธีทา จากโจทย์ P(–0.75 < Z < 1.25)
จาก P(–0.75 < Z < 1.25) = P(0 < Z < 0.75) + P(0 < Z < 1.25)
= 0.2734 + 0.3944
= 0.6678
ตัวอย่างที่ 2.15 จงหา P(Z < 0.98) ของการแจกแจงปกติมาตรฐาน

วิธีทา จากโจทย์ P(Z < 0.98)
จาก P(Z < 0.98) = 0.5 + P(0 < Z < 0.98)
= 0.5 + 0.3365
= 0.8365
2) การใช้ประโยชน์ของการแจกแจงปกติ การแจกแจงของตัวแปรสุ่มส่วนใหญ่ จะประมาณได้ด้วย

การแจกแจงปกติ ดังนั้ น พื้น ที่ภ ายใต้เส้ น โค้งปกติมาตรฐานจากตารางจึงเป็นเพียงค่าประมาณของค่า Z
เท่านั้น ยกตัวอย่างเช่นตัวแปรสุ่มที่สนใจศึกษามีการแจกแจงที่ประมาณได้ด้วยการแจกแจงปกติที่มีค่าเฉลี่ย
25 และส่วนเบี่ยงเบนมาตรฐาน 3 สมมติว่าต้องการหาความน่าจะเป็นที่ตัวแปรสุ่มนั้นจะมีค่าอยู่ระหว่าง 19
กับ 31 นั่นคือ จะต้องเปลี่ยนค่าทั้งสอง คือ 19 และ 31 ไปเป็นค่า Z แล้วหาพื้นที่ที่อยู่ระหว่างค่า Z ทั้งสองที่
หาได้ กล่าวคือ จาก
x 
Zi 

19  25 31  25
ดังนั้น Z1   2 และ Z 2  2
3 3
พื้นที่ระหว่างค่าทั้งสองเขียนได้เป็น P(19 < X < 31) = P(–2 < Z < 2)
จาก P(–2 < Z < 2) = 2P(0 < Z < 2)
= 2(0.4772)
= 0.9544
ตัวอย่างที่ 2.16 หลอดภาพโทรทัศน์ยี่ห้อหนึ่งมีอายุการใช้งานเฉลี่ย 1,000 ชั่วโมง และมีค่าส่วนเบี่ยงเบน

มาตรฐานของอายุการใช้งาน 100 ชั่วโมง จงหาความน่าจะเป็นที่หลอดภาพโทรทัศน์ยี่ห้อนี้หลอดหนึ่งจะมี
อายุการใช้งานมากกว่า 1,250 ชั่วโมง
วิธีทา จากโจทย์  = 1,000, x = 1,250 และ  = 100
x 
จาก Zi 

1,250  1,000
แทนค่า Z  2.5
100
ความน่าจะเป็นที่หลอดภาพโทรทัศน์ยี่ห้อนี้หลอดหนึ่งจะมีอายุการใช้งานมากกว่า 1,250 ชั่วโมง
เขียนได้เป็น P(X > 1,250) = P(Z > 2.5) วาดกราฟการแจกแจงปกติมาตรฐานพร้อมระบายพื้นที่ได้ดังรูป
จาก P(Z > 2.5) = 0.5 – P(0 < Z < 2.5)

= 0.5 – 0.4938
= 0.0062
ดังนั้นความน่าจะเป็นที่หลอดภาพโทรทัศน์จะมีอายุการใช้งานมากกว่า 1,250 ชั่วโมง คือ 0.0062
ตัวอย่างที่ 2.17 ถ้าความต้านทานของตัวต้านทานชนิดหนึ่งมีการแจกแจงปกติที่มีค่าเฉลี่ยของความต้านทาน

เท่ากับ 50 โอห์ม และค่าความแปรปรวนของความต้านทานเท่ากับ 100 โอห์ม จงหาความน่าจะเป็นที่ความ
ต้านทานเฉลี่ยของตัวต้านทานชนิดนี้จะ
1) มากกว่า 60 โอห์ม
2) น้อยกว่า 40 โอห์ม
3) อยู่ระหว่าง 40 กับ 60 โอห์ม
วิธีทา จากโจทย์  = 50, 2 = 100 หรือ  = 10 และให้ x1 = 40, x2 = 60
x 
จาก Z i 

40  50 60  50
แทนค่า Z1   1 และ Z 2  1
10 10
1) ความน่าจะเป็นที่ความต้านทานเฉลี่ยของตัวต้านทานมากกว่า 60 โอห์มคือ P(X > 60) = P(Z > 1)
จาก P(Z > 1) = 0.5 – P(0 < Z < 1)
= 0.5 – 0.3413
= 0.1587
2) ความน่าจะเป็นที่ความต้านทานเฉลี่ยของตัวต้านทานน้อยกว่า 40 โอห์มคือ P(X < 40) = P(Z < –1)
จาก P(Z < -1) = 0.5 – P(0 < Z < 1)
= 0.5 – 0.3413
= 0.1587
3) ความน่าจะเป็นที่ความต้านทานเฉลี่ยของตัวต้านทานอยู่ระหว่าง 40 กับ 60 โอห์ม คือ

P(40 < X < 60) = P(–1 < Z < 1)
จาก P(–1 < Z < 1) = 2 P(0 < Z < 1)
= 2(0.3413)
= 0.6826
ตัวอย่างที่ 2.18 ถ้ารายได้ของบริษัทก่อสร้างแห่งหนึ่งต่อปีมีการแจกแจงปกติที่มีค่าเฉลี่ย 100 ล้านบาท และ

ค่าส่วนเบี่ยงเบนมาตรฐาน 5 ล้านบาท จงหาความน่าจะเป็นที่รายได้ต่อปีของบริษัทก่อสร้างแห่งนี้
1) มากกว่า 100 ล้านบาท
2) น้อยกว่า 100 ล้านบาท
3) อยู่ระหว่าง 100 ล้านบาทถึง 110 ล้านบาท
วิธีทา จากโจทย์  = 100,  = 5 และให้ x1 = 100, x2 = 110,
x 
จาก Zi 

100  100 110  100
แทนค่า Z1   0 และ Z 2  2
5 5
1) ความน่าจะเป็นที่รายได้ต่อปีของบริษัทก่อสร้างมากกว่า 100 ล้านบาท คือ
P(X > 100) = P(Z > 0) วาดกราฟการแจกแจงปกติมาตรฐานพร้อมระบายพื้นที่ได้ดังรูป
จาก P(Z > 0) = 0.5
2) ความน่าจะเป็นที่รายได้ต่อปีของบริษัทก่อสร้างมากกว่า 100 ล้านบาท คือ

P(X < 100) = P(Z < 0) วาดกราฟการแจกแจงปกติมาตรฐานพร้อมระบายพื้นที่ได้ดังรูป
จาก P(Z < 0) = 0.5
3) ความน่าจะเป็นที่รายได้ต่อปีของบริษัทก่อสร้างอยู่ระหว่าง 100 ล้านบาทถึง 110 ล้านบาท คือ

P(100 < X < 110) = P(0 < Z < 2)
จาก P(0 < Z < 2) = 0.4772
2.6 สรุป
1. ตัวแปรสุ่ม (Random Variable) คือค่าหรือตัวเลขที่ใช้แทนเหตุการณ์ต่าง ๆ ที่อาจเกิดขึ้นได้ทั้งหมด
จากการทดลองหรือสภาพที่เป็นจริงเกี่ยวกับเรื่องที่ศึกษา
2. ตัวแปรสุ่มมี 2 ชนิดคือ ตัวแปรสุ่มไม่ต่อเนื่อง (Discrete random variable) คือตัวแปรสุ่มที่ประกอบ
ไปด้วยค่าหรือตัวเลขทั้งหมดที่เป็นไปได้ จานวนจากัดและตัวแปรสุ่มชนิดต่อเนื่อง (Continuous random
variable) คือตัวแปรสุ่มที่ประกอบไปด้วยค่าหรือตัวเลขทั้งหมดที่เป็นไปได้นับไม่ถ้วน
1. ตัวแปรสุ่มต่อไปนี้เป็นตัวแปรสุ่มไม่ต่อเนื่องหรือตัวแปรสุ่มชนิดต่อเนื่อง
1) จานวนเครื่องจักรตัดเหล็กของโรงงานแห่งหนึ่งในวันที่ 31 ธันวาคม พ.ศ. 2560
2) ยอดขายเครื่องชาร์จกระแสไฟฟ้าของบริษัท ในเดือนมิถุนายน พ.ศ. 2560
3) จานวนแบริ่งที่ตัวแทนจาหน่ายขายได้ในรอบเดือนที่ผ่านมา
4) ปริมาณน้ามันแก๊สโซฮอล์ E20 ที่สถานีบริการน้ามันแห่งหนึ่งขายได้ในสัปดาห์แรกของเดือน
เมษายนปีนี้
5) จานวนยางรถยนต์ที่โรงงานผลิตได้ในรอบเดือนที่ผ่านมา
2. ให้ X เป็นตัวแปรสุ่มแทนเครื่องจักรที่เสีย เมื่อสุ่มเครื่องจักรมา 3 เครื่อง จากสายการผลิตและทาการ
ทดสอบ มีความน่าจะเป็นดังตาราง
X 0 1 2 3
P(X) 0.51 0.38 0.10 0.01
จงหาความแปรปรวนของจานวนเครื่องจักรที่เสีย
3. ถ้าจานวนอุบัติเหตุและความน่าจะเป็นที่จะเกิดอุบัติเหตุบนทางด่วนสายหนึ่งในวันจันทร์ที่ผ่านมาเป็นดังนี้
ความน่าจะเป็นที่จะเกิด
จานวนอุบัติเหตุที่เกิดบน
อุบัติเหตุบนทางด่วน
ทางด่วน (X)
P(X)
0 1
8
1 1
8
2 2
8
3 2
8
4 1
8
5 1
8
จงหาค่าเฉลี่ยและค่าความแปรปรวนของจานวนอุบัติเหตุที่จะเกิดบนทางด่วนสายนี้ในวันจันทร์ที่ผ่านมา
4. วิศวกรคนหนึ่งซื้อหุ้นของบริษัทหนึ่งในราคาหุ้นละ 100 บาท จากข้อมูลการจ่ายเงินปันผลในปีต่างๆที่ผ่าน
มา ถ้าความน่าจะเป็นที่เขาจะได้รับเงินปันผลปลายปี 12 บาท 16 บาท 20 บาทและ 35 บาท เท่ากับ 0.25,
0.45, 0.20 และ 0.10 ตามลาดับจงหาค่าเฉลี่ย ความแปรปรวนและส่วนเบี่ยงเบนมาตรฐานของเงินปันผลที่

วิศวกรผู้นี้จะได้รับในปลายปี
5. ถ้าความน่าจะเป็นที่โรงงานอุตสาหกรรมแห่งหนึ่งจะได้รับส่วนลดการค้าของวัตถุดิบที่จะนามาใช้ในการผลิต
ในอัตราต่างๆจากผู้ขายเป็นดังนี้
อัตราส่วนลดการค้า (X) ความน่าจะเป็น P(X)
5.0% 0.302
7.5% 0.221
10.0% 0.183
12.5% 0.141
15.0% 0.102
20.0% 0.051
จงหาค่าเฉลี่ยและค่าส่วนเบี่ยงเบนมาตรฐานของอัตราส่วนลดการค้าที่โรงงานอุตสาหกรรมแห่งนี้ได้รับจาก
ผู้ขาย
6. ผู้จัดการห้องเก็บของทราบข้อมูลว่า จานวนครั้งที่ใช้ต่อวันของเครื่องมือชนิดหนึ่ง กับการกระจายความ
น่าจะเป็นแสดงดังตาราง
Demand 0 1 2
Probability 0.1 0.5 0.4
จากข้อมูลแสดงให้เห็นว่า 50% มีการใช้เครื่องมือแค่ครั้งเดียว ให้หาค่าเฉลี่ยและความแปรปรวนของ
ความต้องการใช้เครื่องมือชนิดนี้
7. จงหาความน่าจะเป็นที่ Z มีค่าอยู่
1) ระหว่าง 0 กับ 0.75 6) ทางซ้ายของ –1.77
2) ระหว่าง –0.57 กับ 0 7) P(–0.81 < Z < –0.06)
3) ระหว่าง –0.62 กับ 2.26 8) P(Z > 1.96)
4) ระหว่าง 0.44 กับ 1.45 9) P(–3 < Z < 3)
5) ทางขวาของ –0.39 10) P(Z < 2.59)
8. ในงานก่อสร้างถนนสายหนึ่ง ค่าจ้างโดยเฉลี่ยต่อวันของวิศวกรคุมงานเท่ากับ 3,000 บาท และค่าส่วน
เบี่ยงเบนมาตรฐานเท่ากับ 300 บาท ถ้าอัตราค่าจ้างมีการแจกแจงปกติ จงหาจานวนร้อยละของวิศวกรคุมงาน
ที่ได้รับค่าจ้างระหว่าง 2,250 บาทถึง 2,550 บาทต่อวัน
9. คอนกรีตชนิดหนึ่งมีเวลาแห้งโดยเฉลี่ย 10 ชั่วโมง และค่าส่วนเบี่ยงเบนมาตรฐาน 1.5 ชั่วโมง ถ้าเวลาแห้ง

ของคอนกรีตชนิดนี้มีการแจกแจงปกติ จะมีคอนกรีตที่มีเวลาแห้งระหว่าง 7.9 ชั่วโมงถึง 12 ชั่วโมง อยู่ร้อยละ
เท่าไร
10. ถ้ารายได้ของบริ ษัทก่อสร้ างแห่ งหนึ่งต่อปีมีการแจกแจงปกติที่มีค่าเฉลี่ย 100 ล้านบาท และค่าส่ว น
เบี่ยงเบนมาตรฐาน 6 ล้านบาท จงหาความน่าจะเป็นที่รายได้ต่อปีของบริษัทก่อสร้างแห่งนี้
1) มากกว่า 100 ล้านบาท
2) น้อยกว่า 100 ล้านบาท
3) อยู่ระหว่าง 100 ล้านบาทถึง 115 ล้านบาท
11. อายุการใช้งานโดยเฉลี่ยของหลอดภาพโทรทัศน์เท่ากับ 1,500 ชั่วโมง และมีค่าความแปรปรวน 2,500
(ชั่วโมง)2 ถ้าอายุการใช้งานของหลอดภาพโทรทัศน์ สามารถอนุโลมได้ว่ามีการแจกแจงปกติ จงหาความน่าจะ
เป็นที่หลอดภาพโทรทัศน์หลอดหนึ่งที่ร้านซ่อมโทรทัศน์ซื้อมาจะมีอายุการใช้งาน
1) ต่ากว่า 1,400 ชั่วโมง
2) มากกว่า 1,550 ชั่วโมง
3) อยู่ระหว่าง 1,450 ชั่วโมงถึง 1,550 ชั่วโมง
12. ถ้าความสูงของนักศึกษามีการแจกแจงแบบปกติโดยมีค่าเฉลี่ย 72 นิ้ว ความแปรปรวน 9 (นิ้ว)2 จงหา
ความน่าจะเป็นที่นักศึกษาจะมีความสูง ตั้งแต่ 69 นิ้ว ถึง 76 นิ้ว
13. ในการวัดกระแสขดลวดซึ่งมีการแจกแจงปกติด้วยค่าเฉลี่ย 10 mA และความแปรปรวน 4 (mA)2 จงหา
ความน่าจะเป็นที่ค่าที่วัดได้ จะมีค่ากระแสมากกว่า 13 Ma
14. จงหาความน่าจะเป็นที่ตัวแปรสุ่ม X มีค่าระหว่าง 45 และ 62 เมื่อตัวแปรสุ่ม X มีการแจกแจงแบบปกติ
ด้วย   50 และ 2  100
ประไพศรี สุ ทั ศน์ ณ อยุ ธ ยา และพงศ์ ช นั น เหลื อ งไพบู ล ย์ . (2549). สถิ ติ วิ ศ วกรรม (Engineering
ดักท์.
John Wiley & Sons Inc
การประมาณค่า
3.1 การประมาณค่าเฉลี่ยของประชากรชุดเดียว (  )
3.1.1 การประมาณแบบจุดของ 
3.1.2 การประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ 
3.2 การประมาณผลต่างระหว่างค่าเฉลี่ยของประชากรสองชุด
3.2.1 การประมาณแบบจุดของ 1  2
3.2.2 การประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ 1   2
3.3 การประมาณค่าสัดส่วนของประชากรชุดเดียว
3.3.1 การประมาณแบบจุดของ P
3.3.2 การประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ P
3.4 การประมาณผลต่างระหว่างค่าสัดส่วนของประชากรสองชุด
3.4.1 การประมาณแบบจุดของ P1 – P2
3.4.2 การประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ P1 – P2
3.5 สรุป
1. คานวณการประมาณค่าเฉลี่ยของประชากรชุดเดียวทั้งแบบจุดและแบบช่วงได้อย่างถูกต้อง
2. คานวณการประมาณผลต่างค่าเฉลี่ยระหว่างประชากรสองชุดทั้งแบบจุดและแบบช่วงได้อย่าง
ถูกต้อง
3. อธิบายและเข้าใจความหมายของสัดส่วนได้อย่างถูกต้อง
4. คานวณการประมาณค่าสัดส่วนของประชากรชุดเดียวทั้งแบบจุดและแบบช่วงหรือช่วงความเชื่อมั่น
ของ P ได้อย่างถูกต้อง
5. คานวณการประมาณผลต่างระหว่างค่าสัดส่วนของประชากรสองชุด ทั้งแบบจุดและแบบช่วงหรือ
ช่วงความเชื่อมั่นของ P1 – P2 ได้อย่างถูกต้อง
1. นาเข้าสู่บทเรียนโดยการบรรยายความหมายของการประมาณค่าและสูตรของการประมาณค่า
2. อธิบายเนื้อหาและทาแบบฝึกหัดระหว่างบทเรียนทีละหัวข้อ แล้วเปิดโอกาสให้ผู้เรียนถามในแต่ละ
หัวข้อก่อนข้ามหัวข้อนั้น
3. ให้ผู้เรียนฝึกทาโจทย์ในชั้นเรียนโดยการสุ่มให้ได้ออกมาทาหน้าห้องเรียนทุกคน เพื่อเป็นการ
กระตุ้นให้ผู้เรียนได้ตื่นตัวและมีความพยายามที่จะหาคาตอบด้วยตนเองมากขึ้น
5. มอบหมายให้ผู้เรียนทาแบบฝึกหัดท้ายบทที่ 3
1. เอกสารประกอบการสอนวิชาสถิติวิศวกรรม
บทที่ 3 การประมาณค่า 51
บทที่ 3
การประมาณค่า
การศึกษาลักษณะต่าง ๆ ด้านวิศวกรรมของเรื่องหรือกลุ่มประชากรที่สนใจศึกษา เช่น ราคาขายปลีกเฉลี่ย

ของเหล็กเส้นทั่วประเทศ สัดส่วนของวิศวกรในกรุงเทพมหานครที่ใช้ทาสีเหล็กยี่ห้อหนึ่งค่าแรงงานเฉลี่ยต่อวัน
ของช่างเทคนิคในนิคมอุตสาหกรรม หรือสัดส่วนของร้านค้าที่จาหน่ายแบตเตอรี่ยี่ห้อ B ในภาคใต้ ฯลฯ หากผู้
ศึกษาต้องการเก็บรวบรวมข้อมูลจากทุก ๆ หน่วยงานในประชากรนั้น ๆ จะทาให้เสียเวลาและค่าใช้จ่ายเป็น
จานวนมาก เช่น ต้องสอบถามราคาขายปลีกของร้านค้าที่ขายเหล็กเส้นทั่วประเทศ ต้องสอบถามวิศวกรทุกคน
ที่อาศัยอยู่ในกรุงเทพมหานครเกี่ยวกั บการใช้สีทาเหล็กยี่ห้อหนึ่ง ต้องสอบถามนายจ้างหรือคนงานทุกคนใน
นิคมอุตสาหกรรมเกี่ยวกับค่าจ้าง หรือต้องสอบถามร้านค้าทุก ๆร้านในภาคใต้ที่จาหน่ายแบตเตอรี่ยี่ห้อ B
นอกจากนี้ การเก็บรวบรวมข้อมูลด้วยวิธีดังกล่าวอาจจะได้ข้อมูลที่มีความเชื่อถือได้น้อยเพราะไม่สามารถหาผู้
ที่มีคุณภาพดีได้เพีย งพอเพื่อออกไปเก็บรวบรวมข้อมูลซึ่งมีเป็นจานวนมากเหล่านั้นได้ ปัญหาที่ส าคัญอีก
ประการหนึ่งก็คือข้อมูลที่เก็บรวบรวมได้มักจะไม่ทันสมัย เนื่องจากต้องใช้เวลานานในการเก็บรวบรวมเพื่อ
นามาวิเคราะห์ จึงทาให้เกิดประโยชน์น้อย โดยเฉพาะอย่างยิ่งทางธุรกิจที่เกี่ยวกับเทคโนโลยีและวิศวกรรม ซึ่ง
มีการเปลี่ยนแปลงเคลื่อนไหวเร็วมาก เพื่อเป็นการแก้ปัญหาต่าง ๆดังกล่าวมาแล้วข้างต้น จึงมีความจาเป็นต้อง
เก็บรวบรวมข้อมูลเกี่ยวกับลักษณะที่สนใจศึกษาจากเพียงบางหน่วย ซึ่งเป็นตัวแทนจากทุก ๆ หน่วยงานใน
ประชากรเท่านั้น ดั งนั้นลักษณะของประชากรที่สนใจศึกษาจึงไม่สามารถหามาได้โดยตรง ต้องประมาณจาก
ข้อมูลที่เก็บรวบรวมได้จากตัวอย่างซึ่งเลือกมาเป็นตัวแทนของประชากรที่สนใจศึกษาเท่านั้นแต่เนื่องจาก
ค่าประมาณที่ถูกต้องและเชื่อถือได้ขึ้นอยู่กับข้อมูล ที่เก็บรวบรวมได้และวิธีที่ใช้ในการประมาณเป็นสาคัญ
ดั ง นั้ น ในบทนี้ จ ะได้ ก ล่ า วถึ ง การเก็ บ รวบรวมข้ อ มู ล จากตั ว อย่ า งหรื อ การส ารวจตั ว อย่ า งพอสั ง เขป
นอกเหนือจากการประมาณค่าจากข้อมูลที่เก็บรวบรวมได้
การประมาณค่า คือการใช้ข้อมูลจากตัวอย่างในการประมาณพารามิเตอร์ของประชากร การประมาณค่ามี
2 แบบ คือ การประมาณแบบจุดและการประมาณแบบช่วง การประมาณแบบช่วงแทนด้วยค่า 2 ค่า ซึ่งเกิด
จากการน าค่ า ส่ ว นเบี่ ย งเบนมาตรฐานจากตั ว อย่ า งไปหั ก ออกและรวมเข้ า กั บ ค่ า ประมาณแบบจุ ด ของ
พารามิเตอร์นั้น ๆ
3.1 การประมาณค่าเฉลี่ยของประชากรชุดเดียว (  )
3.1.1 การประมาณแบบจุดของ 
n
x  n1  x i (3.1)
i 1
เป็นค่าประมาณแบบจุดของ n เมื่อ n แทนจานวนตัวอย่างที่เลือกมาจากประชากร
ตั ว อย่ า งที่ 3.1 บริ ษั ท ผู้ ผ ลิ ต ปลั๊ ก ไฟฟ้ า ชนิ ด หนึ่ ง ต้ อ งการประมาณราคาขายปลี ก เฉลี่ ย ที่ ร้ า นค้ า ใน
กรุงเทพมหานครรับไปจาหน่าย จึงเลือกตัวอย่างร้านค้าที่รับปลั๊กไฟฟ้าของบริษัทไปจาหน่ายมา 12 ร้าน
ปรากฏว่าได้ราคาขายปลีก (บาท) เป็นดังนี้ 34, 35, 35, 32, 36, 34, 34, 33, 36, 32, 32, และ 34 บาท
ค่าประมาณแบบจุดของราคาขายปลีกปลั๊กไฟฟ้าของร้านค้าในกรุงเทพมหานครเป็นเท่าไร
วิธีทา
เนื่องจาก เป็นค่าประมาณแบบจุดของ  จากสมการที่ 3.1 จะได้
12
1 x
x  12  i
i 1
1

12 (34  35  35  32  36  34  34  33  36  32  32  34 )

407
12
 33.9167
ดังนั้นค่าประมาณแบบจุดของราคาขายปลีกปลั๊กไฟฟ้าเท่ากับ 33.9167 บาท
3.1.2 การประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ 
การประมาณวิธีนี้จะได้ค่าประมาณสาหรับพารามิเตอร์ของประชากรอยู่ระหว่างตัวเลขสองจานวน
ค่าที่อยู่ระหว่างตัวเลขสองจานวนนี้เรียกว่าช่วงความเชื่อมั่น (confidence interval) และตัวเลขสองตัวที่อยู่
ปลายช่วงทั้งสองเรียกว่าขีดจากัดความเชื่อมั่นล่าง (lower confidence limit) และขีดจากัดความเชื่อมั่น
บน (upper confidence limit) ตามลาดับ
จากการแจกแจงตัว อย่ างของค่าเฉลี่ยเมื่อประชากรมีการแจกแจงปกติที่มีค่าเฉลี่ย  และความ
แปรปรวน 2 และเมื่อเปลี่ยนค่าของ x ไปเป็นค่า Z ที่มีการแจกแจงปกติที่มีค่าเฉลี่ย 0 และมีความ
แปรปรวน 1 จะได้
x  (3.2)
Z 
n

หรือ xZ (3.3)
n
จากความสัมพันธ์ข้างต้นจะเห็นได้ว่าค่าประมาณของ  คือ x  Z n โดยที่มี x เป็นค่าประมาณ


แบบจุด และ Z n คือผลคูณระหว่างค่า Z กับ n เมื่อ Z เป็นค่าที่ได้จากตารางการแจกแจงปกติมาตรฐาน
ซึ่งขึ้นอยู่กับระดับนัยความสาคัญหรือระดับความเชื่อมั่นที่ต้องการ ดังนั้นถ้าจะให้  ซึ่งเป็นพารามิเตอร์ x มี
โอกาสตกอยู่ในช่วงนี้ประมาณ 0.95 หรือ 95% ช่วงความเชื่อมั่นควรจะกว้างเท่ากับ x  1.96 n ( Z ( 0.025)
มีค่าเท่ากับ 1.96) กล่าวคือ
 
P x  1.96    x  1.96   0.95 (3.4)
 n n
ช่วงความเชื่อมั่นของ  แสดงไว้ในรูปที่ 3.1
ขีดจากัดความเชื่อมั่นล่าง ค่าประมาณแบบจุด ขีดจากัดความเชื่อมั่นบน
 x 
xZ


2 n
xZ


2 n
รูปที่ 3.1 ช่วงความเชื่อมั่นของ  ณ ระดับความเชื่อมั่น (1  )100%

(ที่มา: สรชัย พิศาลบุตร, 2553.)
ถ้าประชากรมีการแจกแจงปกติที่มีค่าเฉลี่ย  และความแปรปรวน  2 แล้วค่าประมาณแบบช่วง

หรือช่วงความเชื่อมั่นของ  ณ ระดับนัยสาคัญ  คือ
 
xZ
2  n
 xZ 
2
 n
(3.5)

หรือเขียนอยู่ในรูป xZ
2  n
(3.6)
   
x Z  
หรือ 
  2
 n 
,x  Z 
2
 n 

(3.7)
ในกรณีที่ตัวอย่างมีขนาดใหญ่ กล่าวคือ มากกว่าหรือเท่ากับ 30 ไม่ว่าประชากรจะมีการแจกแจงแบบ

ใดเมื่อประยุกต์กับทฤษฎีบทลิมิตส่วนกลาง x จะมีการแจกแจงที่สามารถอนุโลมได้ว่าเป็นการแจกแจงปกติที่
มีค่าเฉลี่ย  และความแปรปรวน n นั่นคือค่าประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ  ณ ระดับ

2
นัยสาคัญ  คือ
 
xZ
n  
2
 n xZ 
2
(3.8)
ในกรณีที่ประชากรมีการแจกแจงปกติหรือใกล้เคียงกับการแจกแจงปกติและไม่ทราบความแปรปรวน
ของประชากร ( 2 ) จะต้องประมาณด้ว ยความแปรปรวนจากตัว อย่าง (s2) x จะมีการแจกแจงแบบที
2
(t distribution) ที่มีค่าเฉลี่ย  และความแปรปรวน sn
การแจกแจงแบบทีเป็นการแจกแจงของตัวแปรสุ่มชนิดต่อเนื่องเช่นเดียวกับการแจกแจงปกติ และ
เป็นการแจกแจงแบบเดียวกับการแจกแจงปกติมาตรฐาน คือ มีค่าเฉลี่ย 0 และความแปรปรวน 1 รูปร่าง
ลักษณะของการแจกแจงแบบทีเหมือนกับรูปร่างลักษณะของการแจกแจงปกติมาตรฐานทุกอย่าง ยกเว้นความ
โด่งของโค้งซึ่งจะโด่งน้ อยกว่าการแจกแจงปกติมาตรฐาน เนื่องจากการแจกแจงแบบทีจะมีการกระจาย
มากกว่าการแจกแจงปกติมาตรฐานรูปร่างของการแจกแจงแบบทีขึ้นอยู่กับระดับขั้นความเสรี (degree of
freedom) ซึ่งเท่ากับขนาดตัวอย่างที่ใช้ลบด้วย 1 หรือ df  n  1 ถ้าระดับขั้นความเสรีน้อยรูปร่างของโค้งจะ
แบนราบ แต่ถ้าระดับขั้นความเสรีมากกว่าการแจกแจงแบบทีจะเข้าใกล้การแจกแจงปกติมาตรฐานมากขึ้น
หรือความโด่งของโค้งมากขึ้นนั่นเอง เมื่อ n เท่ากับหรือมากกว่า 30 การแจกแจงแบบทีและการแจกแจง
ปกติมาตรฐานเกือบจะไม่แตกต่างกันเลย
นั่นคือ เมื่อประชากรมีการแจกแจงปกติหรือใกล้เคียงกับการแจกแจงปกติ และไม่ทราบค่าส่ว น
เบี่ยงเบนมาตรฐานของประชากร ค่าประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ  ณ ระดับนัยสาคัญ  คือ
s s
xt 

2
,n  1 n 
xt 
2
,n  1 n   (3.9)
s
หรืออาจเขียนอยู่ในรูป xt 
2

,n  1 n  (3.10)
 s s 
x  t  
หรือ 
  2
,n  1 n 
,x  t 
2

,n  1 n 
  (3.11)
หรือค่า t ที่ระดับนัยสาคัญ 2 และระดับขั้นความเสรี (n - 1) หาได้จากการเปิด

ค่า t
2 , n 1

ตารางการแจกแจงแบบทีในตารางสถิติ
ในทางปฏิบัติทั่วไปถ้าทราบว่าประชากรมีการแจกแจงปกติหรือใกล้เคียงกับการแจกแจงปกติ และไม่
ทราบความแปรปรวนของประชากร จะหาค่ าประมาณแบบช่ ว งหรือ ช่ว งความเชื่ อมั่ นของ  ณ ระดั บ
นัยสาคัญ  จาก
s s
xt 

2
,n  1 n
xt 
2

,n  1 n  (3.12)
แต่ถ้าไม่ทราบการแจกแจงของประชากรแม้ตัวอย่างที่ใช้มีขนาดใหญ่จะหาค่าประมาณแบบช่วงจาก
 
เมื่อทราบ 2
xt


2
,n  1 
n   n
x  t 
2
,n  1
s s
เมื่อไม่ทราบ 2
xt 

2
,n  1 n
xt 
2

,n  1 n 
ความสัมพันธ์ระหว่างเลขนัยสาคัญ  และระดับความเชื่อมั่นเขียนได้ดังสมการ 3.13 และ 3.14
ระดับความเชื่อมั่น (%)  (1  )  100% (3.13)
ระดับความเชือ่ มัน่ (%) 

เลขนัยสาคัญ (  )  1    (3.14)
 100 
ตัวอย่างที่ 3.2 จากการสอบถามวิศวกร 16 คนที่เลือกมาจากวิศวกรทั้งหมดที่ทางานอยู่ในอาคารสานักงาน

แห่งหนึ่ ง ซึ่งมาทางานในเดือนที่ผ่านมา ปรากฏว่าได้จานวนวันเฉลี่ยเป็น 25 วัน และค่าส่วนเบี่ยงเบน
มาตรฐาน 2 วัน จงสร้างช่วงความเชื่อมั่น ณ ระดับนัยสาคัญ 0.10 ของ  มีการแจกแจงปกติ
วิธีทา
เนื่องจากไม่ทราบการแจกแจงของประชากรและตัวอย่างมีขนาดเล็ก ช่วงความเชื่อมั่น ณ
s
ระดับนัยสาคัญ 0.10 ของ  คือ xt 
2
 
,n  1 n
จากโจทย์ x  25 , s  2 , 2  0.210  0.05 , n  16

และ t(0.05, 15) = 1.7530 (จากตารางการแจกแจงแบบที)
s 2
ดังนั้น x  t  0.05,15  25  1.7530
n 16
 25  0.8765
= (24.1235, 25.8765) วัน
นั่นคือ ช่วงความเชือ่ มั่น ณ ระดับนัยสาคัญ 0.10 ของ  อยู่ระหว่าง 24.1235 กับ 25.8765 วัน
ตัวอย่างที่ 3.3 จากการสอบถามค่าน้ามันเชื้อเพลิงต่อวันของเครื่องจักรชนิดหนึ่งที่ใช้ในการสร้างสะพาน

จานวน 25 เครื่อง ที่เลือกมาเป็นตัวอย่างจากจานวนทั้งหมดที่ใช้งานอยู่ ซึ่งค่าน้ามันเชื้อเพลิงมีการแจกแจง
ปกติ ปรากฏว่าได้ค่าน้ามันเชื้อเพลิง 62 บาท และความแปรปรวนของค่าน้ามันเชื้อเพลิงเป็น 100 จงสร้าง
ช่วงความเชื่อมั่น ณ ระดับความเชื่อมั่น 80%, 90% และ 99% ของค่าน้ามันเชื้อเพลิงเฉลี่ยต่อวัน
วิธีทา
เนื่องจากไม่ทราบการแจกแจงของประชากรและตัวอย่างมีขนาดเล็ ก ช่ว งความเชื่อมั่น ณ ระดับ
s
นัยสาคัญ  ของ  คือ x  t 
 2

,n  1 n
จากโจทย์ x  62 , s  100  10 , n  25
และ ณ ระดับความเชื่อมั่น 80%   0.20 จะได้ 2  0.10
ณ ระดับความเชื่อมั่น 90%   0.10 จะได้ 2  0.05
ณ ระดับความเชื่อมั่น 99%   0.01 จะได้ 2  0.005
จากตารางการแจกแจงแบบที t(0.10, 24) = 1.318
t(0.05, 24) = 1.7109
t(0.005, 24) = 2.7969
ดังนั้นช่วงความเชื่อมั่นของค่าน้ามันเชื้อเพลิงเฉลี่ยต่อวัน ณ ระดับความเชื่อมั่น 80% คือ
10
62  1.318 = (59.364, 64.636) บาท
25
ช่วงความเชื่อมั่นของค่าน้ามันเชื้อเพลิงเฉลี่ยต่อวัน ณ ระดับความเชื่อมั่น 90% คือ
10
62  1.7109 = (58.5782, 65.4218) บาท
25
ช่วงความเชื่อมั่นของค่าน้ามันเชื้อเพลิงเฉลี่ยต่อวัน ณ ระดับความเชื่อมั่น 99% คือ
10
62  2.7969 = (56.4062, 67.5938) บาท
25
ตัวอย่างที่ 3.4 ในการสุ่มตัวอย่างร้านขายอุปกรณ์ไฟฟ้าจานวน 400 ร้านมาจากร้านขายอุปกรณ์ไฟฟ้าทั้งหมด
ที่ตั้งอยู่ ในเขตกรุ งเทพมหานคร ปรากฏว่ามีรายได้เฉลี่ ยเดือนละ 200,000 บาท และค่าส่ ว นเบี่ยงเบน
มาตรฐาน 80,000 บาท จงหาช่วงความเชื่อมั่นของรายได้เฉลี่ยของร้านขายอุปกรณ์ไฟฟ้า ณ ระดับความ
เชื่อมั่น 95%
วิธีทา
เนื่องจากไม่ทราบการแจกแจงของประชากร แต่ตัวอย่างมีขนาดใหญ่ และไม่ทราบความแปรปรวน
ของประชากร ช่วงความเชื่อมั่น ณ ระดับความเชื่อมั่น (1  )  100% ของ  คือ
s
xt 
2
 ,n  1 n
จากโจทย์ x  200,000 , s  80,000 , n  400 , 2  0.205  0.025
s 80,000
ดังนั้น x  t 0.025,399   200,000  1.96
n 400
 200,000  7,840
= (192,160, 207,840) บาท
ดังนั้นช่วงความเชื่อมั่นของรายได้เฉลี่ยของร้านอุปกรณ์ไฟฟ้าอยู่ระหว่าง 192,160 บาท กับ 207,840 บาท
ตัวอย่างที่ 3.5 ค่าความแปรปรวนของจานวนวิศวกรในโรงงานอุตสาหกรรมต่างๆในจังหวัดสมุทรปราการ
เท่ากับ 100 เลือกตัวอย่างโรงงานอุตสาหกรรมในจังหวัดนี้มา 36 แห่ง พบว่ามีจานวนวิศวกรโดยเฉลี่ย 25
คน จงหาช่วงความเชื่อมั่นของจานวนวิศวกรเฉลี่ยต่อโรงงาน ณ ระดับความเชื่อมั่น 90%
วิธีทา
เนื่องจากไม่ทราบการแจกแจงของประชากร แต่ตัวอย่างมีขนาดใหญ่ และทราบความแปรปรวนของ
ประชากร ช่วงความเชื่อมั่น ณ ระดับความเชื่อมั่น (1  )  100% ของ  คือ

xt
2 , n 1
 n
จากโจทย์ x  25 ,   100  10 , n  36 , 2  0.210  0.05
 10
ดังนั้น x  t  0.05,35   25  1.645
n 36
 25  4.1125
= (20.8875, 29.1125) คน
ดังนั้นช่วงความเชื่อมั่นของจานวนวิศวกรเฉลี่ยต่อโรงงานอุตสาหกรรมในจังหวัดสมุทรปราการ ณ
ระดับความเชื่อมั่น 90% อยู่ระหว่าง 20.8875 คนกับ 29.1125 คน
3.2 การประมาณผลต่างระหว่างค่าเฉลี่ยของประชากรสองชุด
3.2.1 การประมาณแบบจุดของ 1  2
ค่าประมาณแบบจุดของ 1  2 คือ
1 n1 1 n2
x 1  x 2   x1i   x 2i (3.15)
n1 i1 n2 i1
เมื่อ 1 และ  2 คือค่าเฉลี่ยของประชากรชุดที่ 1 และค่าเฉลี่ยประชากรชุดที่ 2

x1 และ x 2 คือค่าเฉลี่ยของตัวอย่างที่เลือกมาจากประชากรชุดที่ 1 และประชากรชุดที่ 2
n1 และ n 2 คือจานวนตัวอย่างที่เลือกมาจากประชากรชุดที่ 1 และประชากรชุดที่ 2
x1i และ x 2i คือค่าจากตัวอย่างที่ i ซึ่งเลือกมาจากประชากรชุดที่ 1 และประชากรชุดที่ 2
ตัวอย่างที่ 3.6 จากตัวอย่างที่ 3.1 หากบริษัทผู้ผลิตปลั๊กไฟฟ้าต้องการทราบค่าประมาณแบบจุดของผลต่าง
ระหว่างราคาขายปลีกของร้านค้าในต่างจังหวัดกับร้านค้าในกรุงเทพมหานครถ้าบริษัทเลือ กตัวอย่างร้านค้าใน
ต่างจังหวัดมา 20 ร้านได้ราคาขายปลีกเป็นดังนี้ 35, 37, 34, 36, 35, 38, 34, 32 ,34 , 35, 38, 40, 34, 35,
38, 36, 34, 32, 35 และ 37 บาท จงประมาณผลต่างระหว่างราคาขายปลีกเฉลี่ยของร้านค้าในต่างจังหวัดกับ
ร้านค้าในกรุงเทพมหานคร
วิธีทา
ให้ 1 และ  2 แทนราคาขายปลีกเฉลี่ยของร้านค้าในต่างจังหวัดและร้านค้าในกรุงเทพมหานคร
x1 และ x 2 แทนราคาขายปลีกเฉลี่ยของปลั๊กไฟฟ้าจากตัวอย่างร้านค้าในต่างจังหวัดและร้านค้า
ในกรุงเทพมหานคร
1 20
จะได้ x 1   xi
20 i 1
1
 (35  37  34  36  35  38  34  32  34  35  38  40  34 
20
35  38  36  34  32  35  37)
709

20
 35.4500
จากตัวอย่างที่ 3.1 x1  33.9167 แต่ x1  x 2 เป็นค่าประมาณแบบจุดของ 1  2
ดังนั้น x1  x 2  35.4500  33.9167  1.5333
นั่นคือ ค่าประมาณของผลต่างระหว่างราคาขายปลีกเฉลี่ยปลั๊กไฟฟ้าของร้านค้าในต่างจังหวัดกับ
ร้านค้าในกรุงเทพมหานคร เท่ากับ 1.5333 บาท
3.2.2 การประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ 1   2
ทานองเดียวกับการประมาณแบบช่วงของค่าเฉลี่ยของประชากรชุดเดียว
ถ้าประชากร 2 ชุดต่างมีการแจกแจงปกติที่มีค่าเฉลี่ย 1 และ  2 และความแปรปรวน 12 และ
2
 2 ตามลาดับแล้ว ค่าประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ 1  2 ณ ระดับนัยสาคัญ  คือ
2 2 2 2
1 2 1 2
(x1  x 2 )  Z
2  n1

n2 
 1   2  ( x 1  x 2 )  Z 
2 n1

n2
(3.16)
ในกรณีที่ตัวอย่างที่เลือกมาจากแต่ละประชากรมีขนาดใหญ่ คือ มากกว่าหรือเท่ากับ 30 ไม่ว่า

ประชากรทั้งสองจะมีการแจกแจงแบบใด เมื่อประยุกต์กับทฤษฎีบทลิมิตส่วนกลาง x1  x 2 จะมีการแจกแจง
2 2
1 2
ที่สามารถอนุโลมได้ว่าเป็นแบบปกติที่มีค่าเฉลี่ย 1  2 และความแปรปรวน  นั่นคือค่าประมาณ
n1 n 2
แบบช่วงหรือช่วงความเชื่อมั่นของ 1  2 ณ ระดับนัยสาคัญ  จะใช้สมการที่ 3.15
ถ้าไม่ทราบความแปรปรวนของประชากรทั้งสองอาจประมาณด้วยความแปรปรวนจากตัวอย่าง คือ
s12 และ s 22 จะได้ค่าประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ 1  2 ณ ระดับนัยสาคัญ  เมื่อตัวอย่าง
ที่เลือกมาจากแต่ละประชากรมีขนาดใหญ่คือ
s12 s 22 s12 s 22
(x1  x 2 )  Z
2  
n1 n 2 
 1   2  ( x 1  x 2 )  Z 
2

n1 n 2
(3.17)
ในกรณีที่ประชากรทั้งสองมีการแจกแจงปกติ หรือใกล้เคียงกับการแจกแจงปกติ และไม่ทราบความ

แปรปรวนของประชากรทั้งสอง จะต้องประมาณด้วยความแปรปรวนจากตัวอย่างคือ s12 และ s 22 x1  x 2 จะ
s12 s 22
มีการแจกแจงแบบทีที่มีค่าเฉลี่ย 1  2 และความแปรปรวน  แต่เนื่องจากโดยทั่วไปแล้วความ
n1 n2
แปรปรวนของประชากรทั้งสองมักจะไม่แตกต่างกันสามารถอนุโลมให้เท่ากันได้ ดังนั้น
1
2 2
2 1 1
  
2
  
 (3.18)
n1 n2  n1 n 2 
เมื่อ 12  12  2
นั่นคือ จะประมาณ  2 ด้วย sp2 เมื่อ sp2 คือความแปรปรวนจากตัวอย่างซึ่งได้จากการเฉลี่ยความ
แปรปรวนจากตัวอย่างที่เลือกมาจากแต่ละประชากร โดยถ่วงน้าหนักด้วยระดับขั้นความเสรีหรือขนาดตัวอย่าง
ลบด้วย 1 ของแต่ละประชากร กล่าวคือ
2 (n1  1)s12  (n2  1)s 22
sp  (3.19)
(n1  1)  (n2  1)
(n1  1)s12  (n2  1)s22
2
หรือ sp  (3.20)
n1  n2  2
ระดับขั้นความเสรีของ t เท่ากับ n1  n2  2
จะได้ค่าประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ 1  2 ณ ระดับนัยสาคัญ  คือ
1 1
sp2     1   2 
( x1  x 2 )  t
2 , n 1
 n2  2   n1 n2 
(3.21)
1 1
sp2   
( x1  x 2 )  t
2 , n 1
 n2  2   n1 n2 
1 1
sp2   
หรือเขียนอยู่ในรูป ( x 1  x 2 )  t
2 , n 1
 n2  2   n1 n2 
(3.22)
หรือค่า t ที่ระดับนัยสาคัญ 2 และระดับขั้นความเสรี n1  n2  2 หาได้จาก

ค่า t
 2 ,n

1
 n2  2 
การเปิดตารางการแจกแจงแบบที
ตัวอย่างที่ 3.7 ในการเปรียบเทียบค่าใช้จ่ายเพื่อการเดินทางโดยรถโดยสารประจาทางของคนงานที่อาศัยอยู่
ในเขตชานเมืองและเขตในเมืองของกรุงเทพมหานครที่เข้ามาทางานในโรงงานที่ตั้งอยู่ในเมือง ได้เลือกตัวอย่าง
คนงานที่อาศัยอยู่ในเขตชานเมืองมา 200 คน และในเขตเมืองมา 100 คน จากการสอบถามถึงค่าใช้จ่ายเพื่อ
การเดินทางโดยเฉลี่ยต่อสัปดาห์ปรากฏว่าประชาชนในเขตชานเมืองเสียค่าใช้จ่ายในการเดินทางโดยเฉลี่ย
สัปดาห์ละ 100 บาทโดยมีค่าส่วนเบี่ยงเบนมาตรฐาน 5 บาท ส่วนประชาชนในเขตในเมืองเสียค่าใช้จ่ายเพื่อ
การเดินทางโดยเฉลี่ยสัปดาห์ละ 25 บาท โดยมีค่าส่วนเบี่ยงเบนมาตรฐาน 5 บาท จงประมาณผลต่าง

ระหว่างค่าใช้จ่ายเพื่อการเดินทางโดยเฉลี่ยต่อสัปดาห์ของคนงานที่อาศัยอยู่ในเขตชานเมืองและเขตในเมือง
ของกรุงเทพมหานคร ณ ระดับความเชื่อมั่น 95% เมื่อประชากรทั้งสองมีการแจกแจงที่สามารถอนุโลมได้ว่า
เป็นแบบปกติ
1) ประมาณแบบจุด
2) ประมาณแบบช่วง
วิธีทา
จากโจทย์ x1  100, x 2  25
s12  25, s 22  5
n1  200, n2  100,
1) ค่าประมาณแบบจุดของผลต่างระหว่างค่าใช้จ่ายเพื่อการเดินทางโดยเฉลี่ยต่อสัปดาห์ของคนงานที่
อาศัยอยู่ในเขตชานเมืองและในเขตเมืองของกรุงเทพมหานคร คือ
x 1  x 2  100  25  75 บาท
2) เนื่องจากประชากรทั้งสองมีการแจกแจงที่สามารถอนุโลมได้ว่าเป็นแบบปกติ และไม่ ทราบความ
แปรปรวนของประชากรทั้งสอง ต้องประมาณด้วยความแปรปรวนจาก ตั ว อย่ า ง ดั ง นั้ น ค่ า ประมาณแบบช่ ว ง
ของผลต่างระหว่างค่าใช้จ่ายเพื่อการเดินทางโดยเฉลี่ยต่อสัปดาห์ของคนงานที่อาศัยอยู่ในเขตชานเมืองและใน
เขตเมืองของกรุงเทพมหานคร ณ ระดับความเชื่อมั่น 95% คือ
2 1 1
2 , n1  n2  2  p  n1 n2 
( x1  x 2 )  t s  
จากโจทย์ 2  0.205  0.025, n1  n2  2  200  100  2  298

จากการเปิดตาราง จะได้ค่า t  0.025,298   1.96
2 (n1  1)s12  (n2  1)s 22

sp 
(n1  1)  (n2  1)
(200  1)25  (100  1)5

200  100  2
 18.3557
ดังนั้นค่าประมาณแบบช่วงของผลต่างระหว่างค่าใช้จ่ายเพื่อการเดินทางโดยเฉลี่ ยต่อสัปดาห์ของ
คนงานที่อาศัยอยู่ในเขตชานเมืองและในเขตเมืองกรุงเทพมหานคร
1 1
 (100  25)  1.96 18.3557  
 200 100 
 75  1.0285
 ( 73.9715,76.0285) บาท
หมายเหตุ
เนื่ อ งจากตั ว อย่ า งที่ เ ลื อ กมาจากประชากรทั้ ง สองมี ข นาดใหญ่ อาจจะหาค่ า ประมาณแบบช่ ว ง
โดยประมาณจาก
s12 s 22 s12 s 22

(x1  x 2 )  Z 
2 n 1

n 2
 1   2  ( x 1  x 2 )  Z 
2 n

1 n2

ดังนั้นค่าประมาณแบบช่วงของผลต่างระหว่างค่าใช้จ่ายเพื่อ การเดินทางโดยเฉลี่ ยต่อสัปดาห์ของ
คนงานที่อาศัยอยู่ในเขตชานเมืองและเขตในเมืองของกรุงเทพมหานคร
25 5
 (100  25)  1.96   
 200 100 
 75  0.8199
 ( 74.1801,75.8199 ) บาท
ตัวอย่างที่ 3.8 ในการประมาณผลต่างระหว่างค่าแรงงานเฉลี่ยต่อสัปดาห์ของช่างเทคนิคชายและช่างเทคนิค

หญิงของโรงงานผลิตคอมพิวเตอร์แห่งหนึ่ง เจ้าของโรงงานได้ฤกษ์ช่างเทคนิคชายและช่างเทคนิคหญิงมาเป็น
ตัวอย่าง 20 และ 25 คนตามลาดับ คนตามลาดับจาก คนตามลาดับจากการสอบถามเกี่ยวกับข้าว คน
ตามลาดับจากการสอบถามเกี่ยวกับค่าแรงงานเฉลี่ยต่อสัปดาห์ในสัปดาห์ที่ผ่านมา ค่าแรงงานเฉลี่ยของช่าง
เทคนิคชายและช่างเทคนิคหญิงเท่ากับ 500 บาท และ 400 บาท ตามลาดับ ความแปรปรวนของค่าแรงงาน
ของช่างเทคนิคชายและช่างเทคนิคหญิงเท่ากับ 100 และ 50 ตามลาดับ ถ้าค่าแรงงานของช่างเทคนิคชาย
และช่างเทคนิคหญิงมีการแจกแจงปกติ จงหาค่าประมาณแบบช่วงของผลต่างระหว่างค่าแรงงานเฉลี่ยต่อ
สัปดาห์ของช่างเทคนิคชายและช่างเทคนิคหญิงของโรงงานแห่งนี้ ณ ระดับนัยสาคัญ 0.05
วิธีทา
ให้ 1 และ  2 แทนค่าแรงงานเฉลี่ยต่อสัปดาห์ของช่างเทคนิคชายและช่างเทคนิคหญิง
x1 และ x 2 แทนค่าแรงงานเฉลี่ยต่อสัปดาห์ของช่างเทคนิคชายและช่างเทคนิคหญิงที่เลือกมา
เป็นตัวอย่าง
เนื่องจากประชากรทั้งสองมีการแจกแจงปกติ และตัวอย่างที่เลือกมาจากประชากรทั้งสองมีขนาดเล็ก
1 1
sp2   
ดังนั้นค่าประมาณแบบช่วง คือ ( x 1  x 2 )  t
2 , n 1
 n2  2   n1 n2 
จากโจทย์ x1  500, x 2  400

s12  100, s 22  50
n1  20, n2  25,
2 2
2 (n1  1) s1  (n 2  1) s 2
จะได้ sp 
(n1  1)  (n2  1)
(20  1)100  (25  1)50

20  25  2
 72.0932
จากการเปิดตาราง จะได้ค่า t 0.025,43   1.96
ดังนั้นค่าประมาณแบบช่วงของผลต่างระหว่างค่าแรงงานเฉลี่ยต่อสัปดาห์ของช่างเทคนิคชายและช่าง
เทคนิคหญิงของโรงงานแห่งนี้
1 1
 (500  400)  1.96 72.0932  
 20 25 
 100  4.9926
 ( 95.0074 ,104.9926 ) บาท
ผลต่างระหว่างค่าแรงงานเฉลี่ยต่อสัปดาห์ของช่างเทคนิคชายและช่างเทคนิคหญิงของโรงงานแห่งนี้
อยู่ระหว่าง 95.0074 บาท กับ 104.9926 บาท
3.3 การประมาณค่าสัดส่วนของประชากรชุดเดียว
3.3.1 การประมาณแบบจุดของ P
ค่าประมาณแบบจุดของ P คือ
จานวนตัวอย่างที่สนใจศึกษา
p
จานวนตัวอย่างทั้งหมด
1 n
p   xi (3.23)
n i 1
เมื่อ n คือจานวนตัวอย่างทั้งหมดที่เลือกมาจากประชากร
xi = 1 ถ้าตัวอย่างที่ i มีลักษณะที่สนใจศึกษา
xi = 0 ถ้าตัวอย่างที่ i มีลักษณะที่ไม่สนใจศึกษา
3.3.2 การประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ P
เนื่องจากการแจกแจงของตัวอย่างขนาด n ที่เลือกมาจากประชากรใดๆจะมีค่าเฉลี่ย P และความ
P(1  P)
แปรปรวน และในกรณีที่ตัวอย่างมีขนาดใหญ่มาก หรือ np และ n(1– p) มากกว่าหรือเท่ากับ 5
n
การแจกแจงของสัดส่วนจากตัวอย่างขนาด n สามารถอนุโลมได้ว่ามีการแจกแจงปกติที่มีค่าเฉลี่ย P และความ
P(1  P)
แปรปรวน และจากการประยุกต์กับทฤษฎีบทลิมิตส่วนกลางสามารถใช้ p ประมาณ P ของความ
n
แปรปรวนได้ ดังนั้น
ค่าประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ P คือ
p(1  p) p(1  p)
pZ 
2  n PpZ 
2  n (3.24)
p(1  p)
หรือเขียนอยู่ในรูป pZ 
2  n (3.25)
หรือ
 p (1  p ) p (1  p ) 
p  Z  

  2
 n
, p Z

2 n 

(3.26)
ตัวอย่างที่ 3.9 จากการเลือกตัวอย่างวิศวกรจานวน 100 คน เพื่อสอบถามถึงยี่ห้อเครื่องจักรเครื่องต่อไปที่จะ

เปลี่ยนไปใช้ถ้าเครื่องจักรที่ใช้อยู่ในปัจจุบันหมดอายุการใช้งาน ปรากฏว่ามีวิศวกรจานวน 30 คนที่ต้องการ
เปลี่ ย นไปใช้เ ครื่ องจั ก รยี่ ห้ อ อื่น จงประมาณสั ด ส่ ว นของวิ ศ วกรที่ จะเปลี่ ยนไปใช้ เ ครื่อ งจั กรยี่ ห้ ออื่ น เมื่ อ
เครือ่ งจักรที่ใช้อยู่ในปัจจุบันหมดอายุการใช้งาน
2) ประมาณแบบช่วง ณ ระดับความเชื่อมั่น 90%
วิธีทา
จานวนวิศวกรที่จะเปลี่ยนไปใช้เครื่องจักรยี่ห้ออื่นเมื่อเครื่องจักรที่ใช้อยู่ในปัจจุบันหมดอายุการใช้งาน
1) =
จานวนวิศวกรที่เลือกมาเป็นตัวอย่าง.
= =.
ดังนั้นค่าประมาณแบบจุดของสัดส่วนวิศวกรที่จะเปลี่ยนไปใช้เครื่องจักรยี่ห้ออื่นเมื่อเครื่องจักรที่ใช้อยู่
ในปัจจุบันหมดอายุการใช้งานเท่ากับ 0.30
2) เนื่องจาก n = 100, p = 0.30, จะได้ np = 100(0.30) = 30
และ n(1 – p ) = 100(1 – 0.30) = 70 ซึ่งมากกว่า 5 ดังนั้นจะได้ค่าประมาณแบบช่วง ณ ระดับ
ความเชื่อมั่น (1 – α )100% เท่ากับ
( - ) ( - )
- α √ + α √
( ) ( )
.
จาก α= = . (. )= .
- )
จะได้ (. )
√( = . . √. ( - . )
= . .
=( . . )
นั่นคือ ค่าประมาณแบบช่วงของสัดส่วนวิศวกรที่จะเปลี่ยนไปใช้เครื่องจักรยี่ห้ออื่นเมื่อเครื่องจักรที่ใช้
ในปัจจุบันหมดอายุการใช้งานอยู่ระหว่าง 0.23 กับ 0.37
ตัวอย่างที่ 3.10 วิศวกรฝ่ายโรงงานของโรงงานอุตสาหกรรมขนาดใหญ่แห่งหนึ่งต้องการทราบสัดส่วนของ
คนงานที่ต้องการให้โรงงานหยุดในวันเสาร์และวันอาทิตย์แทนวันหยุดเดิมซึ่งอยู่ในวันปกติจึงเลือกตัวอย่าง
คนงานมาสอบถามจานวน 200 คน ปรากฏว่ามีคนงานจานวน 130 คนต้องการหยุดงานด้วยวิธีการดังกล่า ว
จงสร้างช่วงความเชื่อมั่นส าหรับสัดส่วนของคนงานที่ต้องการหยุดงานด้วยวิธีการดังกล่าว ณ ระดับความ
เชื่อมั่น 99%
วิธีทา
เนื่องจาก = = = . จะได้
np = 200(0.65) = 130 ซึ่งมากกว่า 5 ดังนั้นจะได้ค่าประมาณแบบช่วง ณ ระดับความเชื่อมั่น
(1 –  )100% เท่ากับ
( - ) ( - )
- α √ + α √
( ) ( )
.
จาก α= = . (. )= .
- )
จะได้ (. )
√( = . . √. ( - . )
= . .
=( . . )
นั่นคือ ช่วงความเชื่อมั่นสาหรับสัดส่วนของคนงานที่ต้องการหยุดงานด้วยวิธีดังกล่าวอยู่ระหว่าง 0.56

กับ 0.74
ตัวอย่างที่ 3.11 บริษัทจาหน่ายปูนซีเมนต์แห้งเร็วยี่ห้อหนึ่งเลือกตัวอย่างวิศวกรที่เคยใช้ปูนซีเมนต์ยี่ห้อนี้มา
100 คน เพื่อสอบถามว่าชอบปูนซีเมนต์แห้งเร็วยี่ห้อนี้หรือไม่ ปรากฏว่ามีวิศวกรที่ชอบจานวน 43 คน จงหา
ช่วงความเชื่อมั่นสาหรับสัดส่วนของวิศวกรที่ชอบปูนซีเมนต์แห้งเร็วยี่ห้อนี้ ณ ระดับความเชื่อมั่น 95%
วิธีทา
เนื่องจาก = = = . จะได้
np = 100(0.43) = 43 ซึ่งมากกว่า 5 ดังนั้นจะได้ค่าประมาณแบบช่วง ณ ระดับความเชื่อมั่น
(1 –  )100% เท่ากับ
( - ) ( - )
- α √ + α √
( ) ( )
 .
จาก = = . (. )= .
- ) . ( - . )
จะได้ √( = . . √
(. )
= . .
=( . . )
นั่นคือ ช่วงความเชื่อมั่นสาหรับสัดส่วนของวิศวกรที่ชอบปูนซีเมนต์แห้งเร็วยี่ห้อนี้อยู่ระหว่าง 0.33 กับ
0.53
3.4 การประมาณผลต่างระหว่างค่าสัดส่วนของประชากรสองชุด
3.4.1 การประมาณแบบจุดของ P1 – P2
ค่าประมาณแบบจุดของ P1 – P2 คือ
a a
p1  p 2  1  2 หรือ
n1 n2
1 n1 1 n2
p1  p 2   x1i   x 2i (3.27)
n1 i1 n2 i1
เมื่อ P1 และ P2 คือ ค่าสัดส่วนของประชากรชุดที่ 1 และประชากรชุดที่ 2
p1 และ p2 คือ ค่าสัดส่วนจากตัวอย่างที่เลือกมาจากประชากรชุดที่ 1 และประชากรชุดที่ 2
n1 และ n2 คือ ขนาดตัวอย่างที่เลือกมาจากประชากรชุดที่ 1 และประชากรชุดที่ 2
a1 และ a2 คือ จานวนตัวอย่างที่มีลักษณะที่สนใจศึกษาซึ่งเลือกมาจากประชากรชุด ที่1 และ
ประชากรชุดที่ 2
x1i และ x2 คือ ค่าจากตัวอย่างที่ i ซึ่งเลือกมาจากประชากรชุดที่ 1 และประชากรชุด ที่
2 และมีค่าได้เพียง 2 ค่า คือ 1 และ 0 โดยที่เท่ากับ 1 เมื่อมีลักษณะที่สนใจศึกษา และเท่ากับ 0
เมื่อมีลักษณะที่ไม่สนใจศึกษา
3.4.2 การประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ P1 – P2
ทานองเดียวกันกับการประมาณค่าแบบช่วงของสัดส่วนของประชากรชุดเดียว ถ้า n1p1, n1(1 – p1),
n2p2 และ n2(1 – p2)ต่างก็เท่ากับหรือมากกว่า 5 หรือตัวอย่างที่เลือกมาจากประชากรทั้งสองมีขนาดใหญ่
จากทฤษฎีบทลิมิตส่วนกลาง p1 – p2 มีการแจกแจงที่สามารถอนุโลมได้ว่าเป็นแบบปกติที่มีค่าเฉลี่ย P1 – P2
(- ) (- )
และความแปรปรวน + และสามารถใช้ p1 และ p2 ประมาณ P1 และ P2 ของความ
แปรปรวนได้ดังนั้นการประมาณค่าแบบช่วงหรือช่วงของความเชื่อมั่นของ P1 – P2 ณ ระดับนัยสาคัญ α คือ
( - ) ( - )
( - )- α √ + -
( )
( - ) ( - )
( - )+ α √ +
( )
( - ) ( - )
หรือเขียนอยู่ในรูป ( - ) α √ + (3.28)
( )
ตัวอย่างที่ 3.12 วิศวกรรมของโรงงานอุตสาหกรรมขนาดใหญ่แห่งหนึ่งต้องการประเมินผลเครื่องจักรที่ใช้อยู่

ในโรงงาน 2 แห่ง คือ โรงงาน A และโรงงาน B โดยพิจารณาจากผลิตภัณฑ์ที่ไม่ได้มาตรฐานซึ่งโรงงานทั้ง
สอง ผลิตได้ จากการเลือกตัวอย่างผลิตภัณฑ์ซึ่งผลิตจากโรงงานทั้ง สองจานวนแห่งละ 400 ชิ้น ปรากฏว่าพบ
ผลิตภัณฑ์ที่ไม่ได้มาตรฐานจากโรงงาน A และโรงงาน B คิดเป็นร้อยละ 8 และร้อยละ 6 ตามลาดับ จง
ประมาณผลต่างระหว่างค่าสัดส่วนของ ผลิตภัณฑ์ที่ไม่ได้มาตรฐานจากโรงงาน A และโรงงาน B
2) ประมาณแบบช่วง ณ ระดับความเชื่อมั่น 95%
วิธีทา
ให้ P1 และ P2 แทนสัดส่วนของผลิตภัณฑ์ที่ไม่ได้มาตรฐานซึ่งผลิตได้จากโรงงาน A และโรงงาน B
p1 และ p2 แทนสั ดส่ ว นของผลิ ตภัณฑ์ที่ไม่ได้มาตรฐานจากผลิ ตภัณฑ์ตัว อย่างที่เลื อกมาจาก
โรงงาน A โรงงาน B
จะได้ = =. = =.
เนื่องจาก n1 = 400, n2 = 400
ดังนั้น n1p1 = 400(0.08) = 32, n1( 1 – p1 ) = 400(1 – 0.08) = 368
n2p2 = 400(0.06) = 24, n2( 1 – p2 ) = 400(1 – 0.06) = 376
ซึง่ ต่างก็มากกว่า 5
1) ค่าประมาณแบบจุดของผลต่างระหว่างสัดส่วนของผลิตภัณฑ์ที่ไม่ได้มาตรฐานจากโรงงาน A และ
โรงงาน B = –
= 0.08 – 0.06 = 0.02
2) ค่าประมาณแบบช่วง ณ ระดับความเชื่อมั่น ( 1 – α )100% เท่ากับ
( - ) ( - )
( - )- α √ + -
( )
( - ) ( - )
( - )+ α √ +
( )
α .
จาก = = . (. )= .
( - ) ( - )
จะได้ ( - ) (. )
√ +
( .)( -. ) ( .
)( -. )
=( . - . ) . √ +
= 0.02 0.035
= (-0.015, 0.055)
= (0.000, 0.055) เนื่องจากสัดส่วนมีค่าต่าสุดเป็น 0
นั่นคือ คนต่างระหว่างสัดส่วนของผลิตภัณฑ์ที่ไม่ได้มาตรฐานจากโรงงาน A และโรงงาน B อยู่
ระหว่าง 0.000 กับ 0.055
ตัวอย่างที่ 3.13 จากการศึกษาความนิยมในการใช้ยางรถยนต์บรรทุกยี่ห้อหนึ่งของวิศวกรที่ทางานก่อสร้างอยู่
ในกรุงเทพฯและต่างจังหวัด พบว่าจากวิศวกรที่เลือกมาเป็นตัวอย่างจากกรุงเทพฯและต่างจังหวัดจานวนแห่ง
ละ 500 คน มีวิศวกรที่นิยมยางรถยนต์บรรทุกยี่ห้อนี้ 380 คนและ 265 คน ในแต่ละแห่ง ตามลาดับ จง
ประมาณผลต่างของสั ดส่ วนวิศวกรที่นิยมยางรถยนต์บรรทุกยี่ห้ อนี้ที่ทางานก่อสร้างอยู่ในกรุงเทพฯและ
ต่างจังหวัด
2) ประมาณแบบช่วง ณ ระดับนัยสาคัญ 0.05
วิธีทา
ให้ P1 และ P2 แทนสัดส่วนของวิศวกรที่นิยมใช้ยางรถยนต์บรรทุกยี่ห้อนี้ที่ทางานก่อสร้างอยู่ใน
กรุงเทพฯและต่างจังหวัด
p1 และ p2 แทนสัดส่วนของวิศวกรที่นิยมใช้ยางรถยนต์บรรทุกยี่ห้อนี้จากตัวอย่างวิศวกรที่
ทางานก่อสร้างอยู่ในกรุงเทพฯและต่างจังหวัด
จะได้ = = . = = .
เนื่องจาก n1 = 500, n2 = 500
ดังนั้น n1p1 = 500(0.76) = 380, n1(1 – p1) = 500(1 – 0.76) = 120
n2p2 = 500(0.53) = 265, n2(1 – p2) = 500(1 – 0.53) = 235
ซึง่ ต่างก็มากกว่า 5
1) ค่าประมาณแบบจุดของผลต่างระหว่างสัดส่วนของวิศวกรที่นิยมใช้ยางรถยนต์บรรทุกยี่ห้อ
นี้ทที่ างานก่อสร้างอยู่ในกรุงเทพฯและต่างจังหวัด
= –
= 0.76 – 0.53 = 0.23

2) ค่าประมาณแบบช่วง ณ ระดับนัยสาคัญ α เท่ากับ
( - ) ( - )
( - )- α √ + -
( )
( - ) ( - )
( - )+ α √ +
( )
α .
จาก = = . (. )= .
( - ) ( - )
จะได้ ( - ) (. )
√ +
( . )( - . ) ( . )( - . )
=( . - . ) . √ +
= 0.23 0.06
= (0.17, 0.29)
นั่นคือ ผลต่างระหว่างค่าสัดส่วนของวิศวกรที่นิยมใช้ยางรถยนต์บรรทุกยี่ห้อนี้ที่ทางานก่อสร้างอยู่ใน
กรุงเทพฯและต่างจังหวัดอยู่ระหว่าง 0.17 กับ 0.29
3.5 สรุป
การประมาณค่า เป็นวิธีการใช้ค่าสถิติที่ได้จากตัวอย่างไปประมาณค่าพารามิเตอร์ เป็นการหาข้อสรุปที่
เกี่ ย วกับ พารามิเ ตอร์ ในลั ก ษณะของการประมาณ ซึ่ งมั กแสดงในรู ปตั ว เลข เช่น ประมาณค่ าเฉลี่ ยของ
ประชากร ประมาณค่าสัดส่วนของประชากร เป็นต้น อาจกล่าวได้ว่ากระบวนการในการประมาณค่า เป็นการ
นาตัวเลข ค่าสถิติที่ได้มาจากกลุ่มตัวอย่าง ไปประมาณหาค่าความจริงระดับประชากร ในเรื่องเดียวกันนั้น
การประมาณค่ามี 2 แบบ คือ
การประมาณค่าแบบจุด (Point Estimation) และการประมาณค่าแบบช่วง (Interval Estimation)
1) การประมาณค่าแบบจุด เป็นการประมาณค่าพารามิเตอร์ของประชากรด้วยค่าเพียงค่าเดียว
(Single valued Estimation หรือ Point Estimation) ซึ่งการประมาณค่าแบบนี้อาจจะมีค่าเท่ากับ
ค่าพารามิเตอร์หรืออาจมีโอกาสที่จะได้ค่าที่คาดเคลื่ อนไปจากค่าพารามิเตอร์ได้มาก ทั้งนี้ขึ้นอยู่กับหน่ว ย
ตั ว อย่ า งที่ น ามาวิ เ คราะห์ (ถ้ า หน่ ว ยตั ว อย่ า งนั้ น ได้ ม าจากการสุ่ ม ตั ว อย่ า ง ก็ จ ะสามารถคว บคุ ม ความ
คลาดเคลื่อนได้ระดับหนึ่ง)
2) การประมาณค่าแบบช่วง ค่าที่ประมาณได้จากการประมาณค่าแบบช่วง จะได้ช่วงของตัวเลขที่
ประมาณ เรียก ช่วงการประมาณ เช่น ค่าเฉลี่ยค่าใช้จ่ายในการรักษาพยาบาลของผู้ป่วยโรคหอบที่มารับการ
รักษา ในโรงพยาบาลสุโขทัยอยู่ระหว่าง 3,370 - 6,480 บาท ในการประมาณค่าแบบช่วง นิยมเขียนเป็น
สัญญลักษณ์ทางคณิตศาสตร์ แทนค่าที่ทาการประมาณโดยครอบคลุมค่าต่าสุด – สูงสุด
ช่วงความเชื่อมั่น (confidence interval) หมายถึง ช่วงของค่าประมาณที่ประกอบไปด้วยค่าต่าสุด (a)
และค่าสูงสุด (b) ที่คานวณขึ้นมา ช่วงดังกล่าวจะคลุมค่าของพารามิเตอร์ ด้วยความน่าจะเป็นตามที่กาหนด
ตัว อย่ า งเช่น ช่ว งความเชื่อมั่ น 90% ของค่าใช้ จ่ายโดยเฉลี่ ยของผู้ ป่ว ยโรคหอบที่ม ารับการรัก ษา ใน
โรงพยาบาลสุโขทัย อยู่ระหว่าง 3,370 - 6,480 บาท หมายถึงว่า “มีความมั่นใจ 90% ที่ช่วงของการประมาณ
ค่าใช้จ่ายโดยเฉลี่ยที่ได้ (3,370 - 6,480 บาท) จะครอบคลุมค่าใช้จ่ายที่เป็นค่าเฉลี่ยจริงของผู้ป่วย” ที่ระดับ
ความเชื่อมั่นนี้ จะเขียนแทนด้วยสัญญลักษณ์ (1-  )100% โดยที่  สามารถเรียกได้อีกอย่างหนึ่งว่า เลข
นัยสาคัญ
1. ถ้าค่า 1.1, 0.7, 2.3, 1.7 และ 1.0 ถูกเลือกโดยการสุ่มจากประชากรที่มีการแจกแจงปกติที่ มีค่าเฉลี่ย 

และความแปรปรวน 10 จงหา
1) ค่าประมาณแบบจุดของ 
2) ค่าประมาณแบบช่วงของ  ใช้ระดับความเชื่อมั่น 95% และ 99%
2. ความสูงของวิศวกรหญิงที่ทางานอยู่ในเขตกรุงเทพฯและปริมณฑลมีการแจกแจงปกติที่มีค่าเฉลี่ย  ถ้า
จากตัวอย่างวิศวกรหญิงที่เลือกมาเป็นตัวอย่างจานวน 25 คน ปรากฏว่ามีส่วนสูงเฉลี่ย 162 เซนติเมตร จงหา
ช่วงความเชื่อมั่นของความสูงเฉลี่ยของ  ที่ระดับความเชื่อมั่น 90%
3. จากการศึกษาสับปะรดกระป๋องจานวน 40 กระป๋องจากโรงงานผลิต พบว่ามีน้าหนักเฉลี่ย 1,872 กรัม
และค่าส่วนเบี่ยงเบนมาตรฐาน 84.9 กรัม จงประมาณค่าเฉลี่ยแบบจุดและช่วง ความเชื่ อ มั่ น ส าหรั บ น้ าหนั ก
เฉลี่ยของสับปะรดกระป๋องที่ผลิตจากโรงงานนี้ ณ ระดับความเชื่อมั่น 99%
4. จากการเลือกตัวอย่างหัวหน้าครอบครัวจานวน 100 คน มาสอบถามเกี่ยวกับเครื่องดื่มที่ดื่ม เป็ น ประจ า
พบว่ามี 25 คนที่ดื่มกาแฟที่โรงงานผลิต จงประมาณค่าแบบจุดและช่วงความเชื่อมั่นของสัดส่วนของหัวหน้า
ครอบครัวที่ดื่มกาแฟซึ่งผลิตจากโรงงานเป็นประจาที่ระดับความเชื่อมั่น 95%
5. ในจานวนวิศวกรระดับผู้บริหารในโรงงานอุตสาหกรรมจานวน 200 คน ที่เลือกมาเป็นตัวอย่าง มีจานวนถึ ง
130 คนที่มีอายุมากกว่า 45 ปี จงประมาณค่าแบบจุดและช่วงความเชื่อมั่นสาหรับสัดส่วนของวิศวกรระดับ
ผู้บริหารที่มีอายุมากกว่า 45 ปี โดยใช้ระดับความเชื่อมั่น 95%
6. เมื่อใบส่งของจานวน 300 ใบมาเป็นตัวอย่างในการตรวจสอบข้อผิดพลาดของโรงงานแห่งหนึ่ง พบว่ามีใบ
ส่งของที่มีข้อผิดพลาด 18 ใบ จงประมาณค่าแบบจุดและช่วงความเชื่อมั่นสาหรับสัดส่วนของใบส่งของซึ่งมี
ข้อผิดพลาดของโรงงานแห่งนี้ ณ ระดับความเชื่อมั่น 90%, 95% และ 99%
7. ผู้จัดการฝ่ายโรงงานของบริษัทผลิตเครื่องปรับอากาศต้องการทราบสัดส่วนของแม่บ้านที่เคยชมการ
โฆษณาทางโทรทัศน์เกี่ยวกับเครื่องปรับอากาศของบริษัท เขาจึงเลือกตัวอย่างแม่บ้านจานวน 500 คน มาทา
การสอบถาม พบว่ามี 120 คนที่เคยชมการโฆษณาทางโทรทัศน์ จงประมาณสัดส่วนของแม่บ้านที่เคยชมการ
โฆษณาทางโทรทัศน์และสร้างความเชื่อมั่นโดยใช้ระดับความเชื่อมั่น 90%
8. วิศวกรของบริษัทสายการบินแห่งหนึ่งต้องการเปรียบเทียบน้าหนักกระเป๋าเดินทางของผู้โดยสารชายและ
หญิง จึงเลือกตัวอย่างผู้โดยสารชายและหญิงมาจานวน 100 คนเท่า ๆ กัน พบว่ามีน้าหนักเฉลี่ยของกระเป๋า
เดินทางผู้โดยสารหญิงและชายเท่ากับ 42 ปอนด์และ 39 ปอนด์ โดยมีความแปรปรวนของน้าหนักเท่ากับ 9
และ 10 ตามลาดับ จงประมาณค่าแบบจุด และช่ว งความเชื่อ มั่ น ส าหรั บผลต่า งระหว่ า งน้ าหนัก เฉลี่ ย ของ
กระเป๋าเดินทางของผู้โดยสารหญิง และชาย ณ ระดับความเชื่อมั่น 95%
9. จากการศึกษาอัตราค่าแรงงานของช่างเทคนิคที่สังกัดสหภาพแรงงานและไม่สังกัดสหภาพ แรงงานจาก
ช่างเทคนิคที่เลือกมาเป็นตัวอย่างจานวน 200 คน เป็นช่างเทคนิคที่สังกัดสหภาพแรงงาน และ 100 คน เป็น
ช่างเทคนิคที่ไม่สั งกัดสหภาพแรงงาน พบว่ามีอัตราค่าแรงงานเฉลี่ยต่อวันของช่างเทคนิคที่สั งกัดสหภาพ
แรงงานเท่ากับ 475 บาท และมีค่าส่วนเบี่ยงเบนมาตรฐาน 35 บาท ส่วนอัตราค่าแรงงานเฉลี่ยต่อวันของช่าง
เทคนิคที่ไม่สังกัดสหภาพแรงงาน เท่ากับ 362 บาท และมีค่าส่วนเบี่ยงเบนมาตรฐาน 50 บาท จงประมาณ
ค่าผลต่างระหว่างอัตราค่าแรงงานเฉลี่ยต่อวันของช่างเทคนิคที่สังกัดสหภาพแรงงานและไม่สังกัดสหภาพ
แรงงาน แล้วหาช่วงความเชื่อมั่นของผลต่างระหว่างอัตราค่าแรงงานเฉลี่ยต่อวันของช่ างเทคนิคที่สังกัดสหภาพ
แรงงานและไม่สังกัดสหภาพแรงงานที่ระดับความเชื่อมั่น 95%
10. จากโจทย์ข้อ 9 จงสร้างช่วงความเชื่อมั่นของผลต่างระหว่างอัตราค่าแรงงานเฉลี่ยต่อวันของ ช่างเทคนิคที่
สังกัดสหภาพแรงงานและไม่สังกัดสหภาพแรงงานที่ระดับความเชื่อมั่น 80%, 90% และ 95%
11. ถ้าประชากรที่ 1 และประชากรที่ 2 มีการแจกแจงที่สามารถอนุโลมได้ว่าเป็นแบบปกติ และมีความ
แปรปรวนที่ไม่แตกต่างกัน เลือกตัวอย่างมาจานวน 16 ตัวอย่างจากแต่ละประชากรได้ค่าเฉลี่ยจากตัวอย่าง
เป็น 44 และค่าเบี่ยงเบนมาตรฐานเป็น 8 จากประชากรที่ 1 และได้ ค่าเฉลี่ยจากตัวอย่างเป็น 51 และค่า
ส่วนเบี่ยงเบนมาตรฐานเป็น 9 จากประชากรที่ 2 จงสร้างช่วงความเชื่อมั่นสาหรับ 1  2 ที่ระดับความ
เชื่อมั่น 80%, 90%, 95% และ 99%
12. ถ้าเครื่องจักร 2 เครื่องที่ใช้ในการผลิตชิ้นส่วนชนิดหนึ่งที่วิศวกรเลือกตัวอย่างชิ้นส่วนชนิดนี้จานวน 18 ชิ้น
และ 19 ชิ้น จากชิ้นส่วนที่ผลิตโดยเครื่องจักรเครื่องที่ 1 และเครื่องที่ 2 ตามลาดับ เมื่อวัดเส้นผ่าศูนย์กลาง
ของชิ้นส่วนดังกล่าวได้ผลดังนี้
x1  0.397 x2  0.397
s12  0.009 s22  0.008
ประชากรทั้งสองมีการแจกแจงที่สามารถอนุโลมได้ว่าเป็นแบบปกติ และมีความแปรปรวนเท่ากัน
1) จงประมาณผลต่างระหว่างเส้นผ่าศูนย์กลางเฉลี่ยของชิ้นส่วนที่ผลิตโดยเครื่องจักรทั้งสอง
2) จงสร้างช่วงความเชื่อมั่นของผลต่างระหว่างเส้นผ่าศูนย์กลางเฉลี่ยของชิ้นส่วนที่ผลิตโดยเครื่องจักรทั้ง
สอง ณ ระดับความเชื่อมั่น 90%, 95% และ 99%

ดักท์.
การทดสอบสมมติฐานเชิงสถิติ
4.1 ความจําเป็นที่จะต้องมีการทดสอบสมมติฐานเชิงสถิติ
4.2 การตั้งสมมติฐานเชิงสถิติ
4.3 ความผิดพลาดในการทดสอบสมมติฐานเชิงสถิติ
4.4 ระดับความเชื่อมั่นในการทดสอบสมมติฐานเชิงสถิติ
4.5 ขั้นตอนในการทดสอบสมมติฐานเชิงสถิติ
4.5.1 ตั้งสมมติฐานเพื่อการทดสอบ คือ H0 และ H1
4.5.2 กําหนดระดับนัยสําคัญสําหรับการทดสอบ
4.5.3 กําหนดตัวสถิติเพื่อการทดสอบ (test statistic)
4.5.4 คํานวณหาค่าตัวสถิติเพื่อการทดสอบ
4.5.5 หาขอบเขตในการยอมรับและปฏิเสธสมมติฐาน H0
4.5.6 เปรียบเทียบค่าสถิติที่คํานวณได้จากข้อมูลตัวอย่างกับค่าวิกฤตจากตารางการแจกแจงที่
สอดคล้องกับตัวสถิติเพื่อการทดสอบ
4.6 ตัวสถิติเพื่อการทดสอบ
4.7 การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของประชากร
4.7.1 การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของประชากรชุดเดียว
4.7.2 การทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างค่าเฉลี่ยของประชากรสองชุด
4.8 วิธีการตรวจสอบความเท่ากันของความแปรปรวนของประชากรสองชุด
4.9 การทดสอบสมมติฐานเกี่ยวกับสัดส่วน
4.9.1 การทดสอบสมมติฐานเกี่ยวกับสัดส่วนของประชากรชุดเดียว
4.9.2 การทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างค่าสัดส่วนของประชากรสองชุด
4.10 สรุป
แบบฝึกหัดท้ายบท
1. อธิบายการทดสอบสมมติฐานเชิงสถิติได้อย่างถูกต้อง
2. สามารถทําการคํานวณทดสอบสมมติฐ านเชิงสถิติตามขั้นตอนและสามารถสรุปผลการทดสอบได้
อย่างถูกต้อง
3. สามารถเลือกตัวสถิติทดสอบที่ใช้ในการทดสอบสมมติฐานได้ถูกต้อง
4. คํานวณการทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของประชากรชุ ดเดียวและค่าเฉลี่ยของประชากร
สองชุดได้ถูกต้อง
5. คํานวณการทดสอบสมมติฐานเกี่ยวกับสัดส่วนของประชากรชุดเดียวและสัดส่วนของประชากรสอง
ชุดได้ถูกต้อง
1. นําเข้าสู่บทเรียนโดยการบรรยายความหมายการทดสอบสมมติฐานเชิงสถิติ
2. อธิบายเนื้อหาและทําแบบฝึกหัดระหว่างบทเรียนทีละหัวข้อ แล้วเปิดโอกาสให้ผู้เรียนถามในแต่ละ
หัวข้อก่อนข้ามหัวข้อนั้น
3. ให้ผู้เรียนฝึกทําโจทย์ในชั้นเรียนโดยการสุ่มให้ได้ออกมาทําหน้าห้องเรียนทุกคน เพื่อเป็นการ
กระตุ้นให้ผู้เรียนได้ตื่นตัวและมีความพยายามที่จะหาคําตอบด้วยตนเองมากขึ้น
5. มอบหมายให้ผู้เรียนทําแบบฝึกหัดท้ายบทที่ 4
1. จากการทํากิจกรรมกลุ่มเสร็จตามเวลา
2. ทําแบบฝึกหัดมีความถูกต้องไม่น้อยกว่า
บทที่ 4 การทดสอบสมมติฐานเชิงสถิติ 77
บทที่ 4
การทดสอบสมมติฐานเชิงสถิติ
สมมติฐานเชิงสถิติ คือ ข้อสมมติที่กําหนดขึ้นจากความเชื่อของบุคคลใดบุคคลหนึ่ง หรือกําหนดขึ้นจาก

ความเชื่อของคนทั่วๆไป เช่น วิศวกรโรงงานแห่งหนึ่งเชื่อว่าจะผลิตแผ่นอะลูมิเนียมได้มากกว่า 1,000 ตาราง
เมตรต่อวัน ผู้ใช้หลอดฟลูออเรสเซนต์ชนิดหนึ่งเชื่อว่าอายุการใช้งานโดยเฉลี่ยของหลอด ฟลูออเรสเซนต์ชนิด
นั้นต่ํากว่า 1,000 ชั่วโมง หรือบริษัทผลิตกระจกทําแว่นตาชนิดหนึ่งเชื่อว่าผู้ใช้ แว่นตาที่ทําจากกระจกของ
บริษัทมากกว่า 60% จะต้องชอบกระจกแว่นตาที่บริษัทผลิตขึ้น ความเชื่อ ของวิศวกรโรงงาน หรือผู้ใช้หลอด
ฟลู อ อเรสเซนต์ หรื อ บริ ษั ท ผู้ ผ ลิ ต กระจกทํ า แว่ น ตาอาจจะถูก ต้ อ ง หรื อ ไม่ถู ก ต้ อ งก็ ไ ด้ แต่ ส่ ว นใหญ่ แ ล้ ว
สมมติฐ านที่ได้มาจากความรู้ และประสบการณ์เกี่ยวกับเรื่องนั้นๆ เป็นระยะเวลานานๆมัก จะถูกต้อง เช่น
หลอดฟลูออเรสเซนต์กินไฟน้อยกว่าหลอดไฟฟ้าแบบเก่า ความหนืดของน้ํามันดิบจากท่อส่งน้ํามันสูงกว่าน้ํามัน
ที่กลั่นแล้ว หรือประสิทธิภาพการทํางานของวิศวกร ในเวลากลางวันสูงกว่าเวลากลางคืน
4.1 ความจาเป็นที่จะต้องมีการทดสอบสมมติฐานเชิงสถิติ
เนื่องจากสมมติฐานหรือข้อสมมติที่กําหนดขึ้นซึ่งเป็นความเชื่อเกี่ยวกับเรื่องต่างๆอาจจะถูกต้อง หรือไม่
ถูกต้องก็ได้ ดังนั้นเพื่อให้ทราบแน่ว่าสมมติฐานเหล่านั้นถูกต้อ งหรือเป็นจริงหรือไม่ จึงจําเป็น ต้องทดสอบ
สมมติฐานโดยการเปรียบเทียบข้อสมมติดังกล่าวกับข้อมูลที่เป็นจริงเกี่ยวกับสมมติฐานนั้นๆ โดยทั่วไปแล้ว
สมมติฐานเกี่ยวกับสิ่งที่สนใจศึกษามักจะมีขอบเขตกว้างขวาง เช่น ในการทดสอบสมมติฐาน เกี่ยวกับอายุการ
ใช้งานของหลอดฟลูออเรสเซนต์ข้างต้น ผู้ใช้หลอดฟลูออเรสเซนต์ชนิดนั้นอาจมีเป็น จํานวนมากและอาศัยอยู่
ในจังหวัดต่างๆทั่วประเทศ การที่จะไปสอบถามผู้ใช้หลอดฟลูออเรสเซนต์ชนิดนี้ ทุกๆคนเกี่ยวกับอายุการใช้
งานของหลอดฟลูออเรสเซนต์จะทําให้เสียเวลาและค่าใช้จ่ายมาก ดังนั้นการเลือ กตัวอย่างผู้ใช้หลอดฟลูออเรส
เซนต์ขึ้นมาจํานวนหนึ่งเพื่อเป็นตัวแทนของผู้ใช้หลอดฟลูออเรสเซนต์ ชนิดนี้ทั้งหมด แล้วสอบถามเกี่ยวกับอายุ
การใช้งานของหลอดฟลูออเรสเซนต์จะสามารถลดเวลาและ ค่าใช้จ่ายในการเก็บรวบรวมข้อมูลได้มาก
ในกรณีที่ผู้ทดสอบไม่ต้องการสอบถามข้อมูลเกี่ยวกับอายุการใช้งานของหลอดฟลูออเรสเซนต์จากผู้ใช้
โดยตรง แต่จะใช้วิธีทดลองเพื่อวัดอายุการใช้งานของหลอดฟลูออเรสเซนต์ เช่น ทดลองเปิดไฟ โดยใช้หลอด
ฟลูออเรสเซนต์ดังกล่าวจนกว่าหลอดจะขาด แล้วจดเวลาตั้ งแต่เริ่มเปิดไฟจนถึงเมื่อหลอดฟลูออเรสเซนต์ใช้
งานไม่ได้ต่อไปไว้ก็เช่นเดียวกัน กล่าวคือ ไม่สามารถจะใช้หลอดฟลูออเรสเซนต์ทุกหลอดที่ผลิตออกมาแล้ว
นํามาทดลองได้ จะต้องเลือกหลอดฟลูออเรสเซนต์จํานวนหนึ่งเป็นตัวแทนของ หลอดฟลูออเรสเซนต์ทั้งหมดที่
ผลิตออกมาขาย แล้วจึงนํามาทดลองเพื่ อวัดอายุการใช้งาน อายุการใช้งานของหลอดฟลูออเรสเซนต์ที่ได้จาก
ผู้ใช้โดยตรงหรือได้จากการทดลองนี้ เมื่อนํามาหาค่าเฉลี่ยอายุการ ใช้งานที่ได้จากการสอบถามผู้ใช้แต่ละรายที่

เป็นตัวอย่าง หรือจากตัวอย่างหลอดฟลูออเรสเซนต์แต่ละหลอด ที่นํามาทดลอง จะสามารถใช้เป็นตัวแทนของ
อายุการใช้งานของหลอดฟลูออเรสเซนต์ชนิดนี้ได้
แต่อย่างไรก็ตาม อายุเฉลี่ยของการใช้งานของหลอดฟลูอ อเรสเซนต์ที่ได้จากการเลือกตัวอย่าง ผู้ใช้หลอด
ฟลูออเรสเซนต์หรือตัวอย่างหลอดฟลูออเรสเซนต์ที่นํามาทดลองนี้เป็นเพียงค่าประมาณของ อายุการใช้งาน
เฉลี่ยของหลอดฟลูออเรสเซนต์นี้เท่านั้น ความถูกต้องและเชื่อถือได้ของค่าประมาณ ดังกล่าวขึ้นอยู่กับเทคนิค
ในการเลือกตัวอย่างที่จะให้ได้ตัวอย่างมาเป็นตัวแทนที่ดีของตัวอย่างทั้งหมด เป็นสําคัญ ดังนั้นความแตกต่าง
ระหว่างอายุการใช้งานเฉลี่ยของหลอดฟลูออเรสเซนต์ที่ได้จากตัวอย่าง กับอายุการใช้งานของหลอดฟลูออเรส
เซนต์ที่เป็นความเชื่อของลูกค้า อาจจะมีความคลาดเคลื่อนของอายุการใช้งานเนื่องจากการเลือกตัวอย่าง
รวมอยู่บ้างก็ได้ นั่นคือ ถ้าอายุการใช้งานเฉลี่ยของหลอด ฟลูออเรสเซนต์ที่ได้จากข้อมูลตัวอย่างต่ํากว่า 1,000
ชั่วโมงมากๆ เช่น เป็น 600 ชั่วโมง ก็อาจสรุป ได้ว่าสมมติฐานหรือความเชื่อของลูกค้าถูกต้อง หรืออายุการใช้
งานโดยเฉลี่ยของหลอดฟลูออเรสเซนต์ ต่าํ กว่า 1,000 ชั่วโมง แต่ถ้าความแตกต่างระหว่างอายุการใช้งานเฉลี่ย
ของหลอดฟลูออเรสเซนต์ที่ได้ จากข้อมูลตัวอย่างต่ํากว่า 1,000 ชั่วโมงเล็กน้อย เช่น เป็น 985 ชั่วโมง ผลต่าง
ที่เกิดขึ้น 15 ชั่วโมงนี้ อาจเป็นผลเนื่องมาจากวิธีการเลือกตัวอย่างไม่เหมาะสม หรือตัวอย่ างที่ใช้ไม่เป็นตัว
แทนที่ดีของ ประชากรทั้งหมดที่ศึกษาก็ได้ ดังนั้นการสรุปผลที่ว่าอายุการใช้งานเฉลี่ยของหลอดฟลูออเรส
เซนต์ต่ํากว่า 1,000 ชั่วโมงอาจไม่ถูกต้องก็ได้ ปัญหาที่สําคัญก็คือ ความแตกต่างระหว่างอายุการใช้งานเฉลี่ย
ของ หลอดฟลูออเรสเซนต์ที่ได้จากข้อมูลตัวอย่างควรจะต่ํากว่าอายุการใช้งานเฉลี่ยของหลอดฟลูออเรสเซนต์
ที่เป็นสมมติฐานอย่างมากที่สุดเท่าไร จึงจะบอกได้ว่าไม่มีความแตกต่างระหว่างอายุการใช้งานเฉลี่ย ของหลอด
ฟลูออเรสเซนต์ที่ได้จากข้อมูลตัวอย่าง และจากสมมติฐานซึ่งเป็นความเชื่อของผู้ทดสอบ ระเบียบวิธีการทาง
สถิติที่เรียกว่า การทดสอบสมมติฐานเชิงสถิติ (hypothesis) สามารถแก้ปัญหาที่สําคัญดังกล่าว นี้ได้
4.2 การตั้งสมมติฐานเชิงสถิติ
สิ่ ง ที่ สํ า คั ญ ที่ สุ ด อี ก อย่ า งของการทดสอบสมมติ ฐ านเชิ ง สถิ ติ ก็ คื อ การตั้ ง สมมติ ฐ านเพื่ อ การทดสอบ
สมมติ ฐ านเพื่ อ การทดสอบนี้ จ ะต้ อ งประกอบด้ ว ยสมมติ ฐ าน 2 ชนิ ด เสมอ คื อ สมมติ ฐ านว่ า ง (null
hypothesis) หรือสมมติฐานหลัก ใช้สัญลักษณ์ H0, และสมมติฐานทางเลือก (alternative hypothesis)
หรือสมมติฐานแย้ง ใช้สัญลักษณ์ Ha หรือ H1, โดยทั่วไปสมมติฐานว่างเป็นสมมติฐานที่กําหนดค่าของลักษณะ
ที่ต้องการทดสอบแน่นอน ตายตัวลงไป เช่น
1) H0: คอนกรีตชนิด C มีเวลาแห้งโดยเฉลี่ย เท่ากับ 6 ชั่วโมง
2) H0: สัดส่วนของวิศวกรชายในโรงงานอุตสาหกรรมปิโตรเคมี เท่ากับ 0.8
3) H0: คอนกรีตชนิด C มีเวลาแห้งโดยเฉลี่ย เท่ากับ คอนกรีตชนิด D
4) H0: สัดส่วนของวิศวกรชายในโรงงานอุตสาหกรรมปิโตรเคมี เท่ากับ โรงงานอุตสาหกรรมรถยนต์

สมมติฐานทางเลือกเป็นสมมติฐานที่ไม่ได้กําหนดค่าของลักษณะที่ต้องการทดสอบแน่นอน ตายตัวลงไป เช่น
1) H1: คอนกรีตชนิด C มีเวลาแห้งโดยเฉลี่ย มากกว่า 6 ชั่วโมง
หรือ H1: คอนกรีตชนิด C มีเวลาแห้งโดยเฉลี่ย น้อยกว่า 6 ชั่วโมง
หรือ H1: คอนกรีตชนิด C มีเวลาแห้งโดยเฉลี่ย ไม่เท่ากับ 6 ชั่วโมง
2) H1: สัดส่วนของวิศวกรชายในโรงงานอุตสาหกรรมปิโตรเคมี สูงกว่า 0.8
หรือ H1: สัดส่วนของวิศวกรชายในโรงงานอุตสาหกรรมปิโตรเคมี ต่ํากว่า 0.8
หรือ H1: สัดส่วนของวิศวกรชายในโรงงานอุตสาหกรรมปิโตรเคมี ไม่เท่ากับ 0.8
3) H1: คอนกรีตชนิด C มีเวลาแห้งโดยเฉลี่ย สูงกว่า คอนกรีตชนิด D
หรือ H1: คอนกรีตชนิด C มีเวลาแห้งโดยเฉลี่ย ต่าํ กว่า คอนกรีตชนิด D
หรือ H1: คอนกรีตชนิด C มีเวลาแห้งโดยเฉลี่ย ไม่เท่ากับ คอนกรีตชนิด D
4) H1: สัดส่วนของวิศวกรชายในโรงงานอุตสาหกรรมปิโตรเคมี สูงกว่า โรงงานอุตสาหกรรมรถยนต์
หรือ H1: สัดส่วนของวิศวกรชายในโรงงานอุตสาหกรรมปิโตรเคมี ต่าํ กว่า โรงงานอุตสาหกรรมรถยนต์
หรือ H1: สัดส่วนของวิศวกรชายในโรงงานอุตสาหกรรมปิโตรเคมี ไม่เท่ากับ โรงงานอุตสาหกรรมรถยนต์
จากตัวอย่างข้างต้นสามารถสรุปได้ว่า
“สมมติฐานว่างหรือ H0, เป็นสมมติฐานที่แสดงความไม่แตกต่าง (เท่ากับ) และ

สมมติฐานทางเลือกหรือ H1, เป็นสมมติฐานที่แสดงความแตกต่าง (มากกว่า น้อยกว่า หรือ ไม่เท่ากับ)”
เนื่ องจากสมมติฐ านที่ต้องการทดสอบอาจเป็นสมมติฐ านที่ กําหนดค่าของลั กษณะที่ต้องการทดสอบ

แน่นอนตายตัวลงไป เช่น สัดส่วนของวิศวกรหญิงที่เลือกใช้เครื่องปรับอากาศ A เท่ากับ 0.25 หรือเป็น
สมมติฐานที่ไม่ได้กําหนดค่าแน่นอนตายตัวลงไป เช่น ยอดขายเฉลี่ยต่อวันของพนักงานขาย ที่เป็นหญิง ต่ํากว่า
พนักงานขายที่เป็นชาย ดังนั้นสมมติฐานที่ต้องการทดสอบใดๆ อาจตั้งให้เป็น H0 หรือ H1, ก็ได้ ทั้งนี้ แล้วแต่
ว่าสมมติฐานที่ต้องการทดสอบจะเป็นสมมติฐานที่กําหนดค่าแน่นอนตายตัว หรือไม่กําหนดค่าแน่นอนตายตัว
กล่าวคือ ถ้าเป็นสมมติฐานที่กําหนดค่าแน่นอนตายตัวก็ตั้งให้เป็น H1 แต่ถ้าเป็นสมมติฐานที่ไม่กําหนดค่า
แน่นอนตายตัวก็ตั้งให้เป็น H0, สําหรับอีกสมมติฐานหนึ่งที่เหลือ ซึ่งจะต้องตั้งคู่กันนั้น หากตั้งสมมติฐานที่
ต้องการทดสอบเป็น H0 แล้ว H1, ต้องเป็นสมมติฐานที่แสดงความไม่เท่ากับ แต่ถ้าตั้งสมมติฐานที่ต้องการ
ทดสอบเป็น H1, แล้ว H0 ควรเป็นสมมติฐานที่แสดง ความเท่ากับ เช่น
1) สมมติฐานที่ต้องการทดสอบ คือ อายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์เท่ากับ 34 ปี
สมมติฐานเพื่อการทดสอบ คือ
H0: อายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์เท่ากับ 34 ปี
H1: อายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์ไม่เท่ากับ 34 ปี
2) สมมติฐานที่ต้องการทดสอบ คือ สัดส่วนของวิศวกรไฟฟ้าชายที่เลือกใช้สายไฟฟ้ายี่ห้อ A มากกว่า 0.64
สมมติฐานเพื่อการทดสอบ คือ
H0: สัดส่วนของวิศวกรไฟฟ้าชายที่เลือกใช้สายไฟฟ้ายี่ห้อ A เท่ากับ 0.64
H1: สัดส่วนของวิศวกรไฟฟ้าชายที่เลือกใช้สายไฟฟ้ายี่ห้อ A มากกว่า 0.64
3) สมมติฐานที่ต้องการทดสอบ คือ สัดส่วนของวิศวกรไฟฟ้าที่เลือกใช้สายไฟฟ้ายี่ห้อ A สูงกว่าสายไฟฟ้า
ยี่ห้อ B สมมติฐานเพื่อการทดสอบ คือ
H0: สัดส่วนของวิศวกรไฟฟ้าที่เลือกใช้สายไฟฟ้ายี่ห้อ A เท่ากับ สายไฟฟ้ายี่ห้อ B
H1: สัดส่วนของวิศวกรไฟฟ้าที่เลือกใช้สายไฟฟ้ายี่ห้อ A สูงกว่า สายไฟฟ้ายี่ห้อ B
4) สมมติฐานที่ต้องการทดสอบ คือ ยอดขายฟิล์มกรองแสงเฉลี่ยต่อเดือนของพนักงานขายหญิงไม่แตกต่าง
จากพนักงานขายชาย สมมติฐานเพื่อการทดสอบ คือ
H0: ยอดขายฟิล์มกรองแสงเฉลี่ยต่อเดือนของพนักงานขายหญิงไม่แตกต่างจากพนักงานขายชาย
H1: ยอดขายฟิล์มกรองแสงเฉลี่ยต่อเดือนของพนักงานขายหญิงแตกต่างจากพนักงานขายชาย
โดยทั่วไปสมมติฐานที่ต้องการพิสูจน์มักจะกล่าวในรูปค่าเฉลี่ยหรือค่าสัดส่วนของลักษณะที่สนใจศึกษา แต่
สมมติฐานที่ต้องการพิสูจน์อาจจะกล่าวในรูปของความสัมพันธ์หรือความเป็นอิสระระหว่างลักษณะต่างๆที่
ต้องการทดสอบก็ได้ เช่น
1) H0: การเพิ่มความเข้มข้นของสารตะกั่วในน้ํามันเบนซินไม่มีผลทําให้รถวิ่งได้เร็วขึ้น
H1: การเพิ่มความเข้มข้นของสารตะกั่วในน้ํามันเบนซินมีผลทําให้รถวิ่งได้เร็วขึ้น
2) H0: การผลิตอุปกรณ์อิเล็กทรอนิกส์ในช่วงเวลากลางคืนไม่ทําให้จํานวนอุปกรณ์อิเล็กทรอนิกส์ชํารุดที่ได้
จากการผลิตเพิ่มขึ้น
H1: การผลิตอุปกรณ์อิเล็กทรอนิกส์ในช่วงเวลากลางคืนทําให้จํานวนอุปกรณ์อิเล็กทรอนิกส์ชํารุดที่ได้
จากการผลิตเพิ่มขึ้น
ความหมายของสมมติฐานเพื่อการทดสอบทั้งสองสมมติฐานข้างต้นเหมือนกับสมมติฐานเพื่อการทดสอบ
1) H0: การเพิ่มความเข้มข้นของสารตะกั่วกับความเร็วของรถเป็นอิสระต่อกันหรือไม่ขึ้นต่อกัน
H1: การเพิ่มความเข้มข้นของสารตะกั่วกับความเร็วของรถไม่เป็นอิสระต่อกันหรือขึ้นต่อกัน
2) H0: การผลิตอุปกรณ์อิเล็กทรอนิกส์ในช่วงเวลากลางคืนกับจํานวนอุปกรณ์อิเล็กทรอนิกส์ชํารุด
ที่ผลิตได้เป็นอิสระต่อกันหรือไม่ขึ้นต่อกัน
H1: การผลิตอุปกรณ์อิเล็กทรอนิกส์ในช่วงเวลากลางคืนกับจํานวนอุปกรณ์อิเล็กทรอนิกส์ชํารุดที่ผลิต ได้
ไม่เป็นอิสระต่อกันหรือขึ้นต่อกัน
ความสัมพันธ์หรือความไม่เป็นอิสระต่อกันระหว่างลักษณะ 2 ลักษณะนี้อาจเทียบได้กับ ความแตกต่าง

และการไม่มีความสัมพันธ์หรือความเป็นอิสระต่อกันระหว่างลักษณะ 2 ลักษณะอาจเทียบได้กับ ความไม่
แตกต่าง ดังนั้นสมมติฐานที่แสดงการไม่มีความสัมพันธ์กันหรือความเป็นอิสระต่อกัน (independent) จึงควร
กําหนดเป็น H0 และสมมติฐานที่แสดงความสัมพันธ์กันหรือไม่เป็นอิสระต่อกัน หรือขึ้นต่อกัน (dependent)
ควรกําหนดเป็น H1 เช่นตัวอย่างข้างต้น
ผลการทดสอบสมมติฐานเชิงสถิติมี 2 อย่าง คือ

ยอมรับ (accept) สมมติฐานว่าง (H0) และ ปฏิเสธ (reject) สมมติฐานว่าง (H0)
การยอมรับสมมติฐานว่างมีความหมายเช่นเดียวกันกับการปฏิเสธสมมติฐานทางเลือก (H1) - การปฏิเสธ

สมมติฐานว่างมีความหมายเช่นเดียวกันกับการยอมรับสมมติฐานทางเลือก เช่น ถ้ าสมมติฐานว่าง คือ อายุ
เฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์เท่ากับ 34 ปี ถ้าผลการ ทดสอบสมมติฐานเป็นการยอมรับ H0
แสดงว่าความเชื่อที่ว่า อายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์เท่ากับ 34 ปีถูกต้อง หรือมี
ความหมายเช่นเดียวกับการปฏิเสธ H1 ที่ว่าอายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์ไม่เท่ากับ 34
ปี ถ้าผลการทดสอบสมมติฐานเป็นการปฏิเสธ H1 แสดงว่าความเชื่อที่ว่าอายุเฉลี่ยของวิศวกรหญิงในโรงงาน
ประกอบรถยนต์เท่ากับ 34 ปีไม่ถูกต้อง ซึ่งมีความหมายเช่นเดี ยวกับการยอมรับ H1 ที่ว่าอายุเฉลี่ยของวิศวกร
หญิงในโรงงานประกอบรถยนต์ ไม่เท่ากับ 34 ปี
4.3 ความผิดพลาดในการทดสอบสมมติฐานเชิงสถิติ
การทดสอบสมมติฐานเชิงสถิติที่จะให้ผลการทดสอบถูกต้องตามความเป็นจริงทุกครั้งไม่สามารถ ทําได้
กล่าวคือ ถ้าจริงๆแล้ว H0 เป็นความจริง ผลการทดสอบได้เป็นยอมรับ H0 และถ้าจริงๆแล้ว H0 ไม่เป็นความ
จริง ผลการทดสอบได้เป็นปฏิเสธ H0 การทดสอบสมมติฐานเชิงสถิติจะต้องมีข้อผิดพลาด (error) เกิดขึ้นเสมอ
ข้อผิ ดพลาดดังกล่าวนี้ จะเกิดขึ้น มากหรือน้อยขึ้ นอยู่กับวิธีการที่ใช้ในการทดสอบสมมติฐ านซึ่งมีห ลายวิ ธี
ข้อผิดพลาดในการทดสอบสมมติฐานแบ่งได้เป็น 2 แบบ คือ
1) ข้อผิดพลาดในการทดสอบสมมติฐานเนื่องจากปฏิเสธ H0 เมื่อ H0 เป็นความจริง เรียกข้อ
ผิดพลาดชนิดนี้ว่า ข้อผิดพลาดแบบที่ 1 (type I error)
2) ข้อผิดพลาดในการทดสอบสมมติฐานเนื่องจากยอมรับ H0 เมือ่ H0 ไม่เป็นความจริง เรียกข้อ
ผิดพลาดชนิดนี้ว่า ข้อผิดพลาดแบบที่ 2 (type II error)
เนื่องจากข้อผิดพลาดทั้งสองแบบนี้มีโอกาสเกิดขึ้นเสมอในการทดสอบสมมติฐานเชิงสถิติ แต่ละครั้ง ดังนั้น
เพื่อให้ ผลการทดสอบสมมติฐ านเชิงสถิติมีความถูกต้องและเชื่อถือได้มากที่สุ ด ผู้ทดสอบ สมมติฐ านควร
พยายามลดโอกาสที่ จ ะเกิ ด ข้ อ ผิ ด พลาดทั้ ง สองแบบนี้ ใ ห้ น้ อ ยที่ สุ ด เท่ า ที่ จ ะน้ อ ยได้ แต่ เ นื่ อ งจากการลด
ข้อผิดพลาดแบบหนึ่งให้น้อยลงจะมีผลทําให้ข้อผิดพลาดอีกแบบหนึ่งสูงขึ้น ดังนั้นการ ลดข้อผิดพลาดทั้งสอง
แบบลงพร้อมๆกันในการทดสอบสมมติฐานเชิงสถิติจึ งไม่อาจทําได้ เมื่อพิจารณา ถึงประโยชน์ของผู้ใช้ผลการ
ทดสอบสมมติฐานโดยทั่วไปแล้วจะเห็นได้ว่าข้อผิดพลาดเนื่องจากการยอมรับ H0 เมื่อ H0 ไม่เป็นความจริง มี
ผลเสียต่อผู้ใช้ผลการทดสอบมากกว่าข้อผิดพลาดเนื่องจากการปฏิเสธ H0 เมื่อ H0 เป็นความจริง เช่น ตัวแทน
จําหน่ ายเครื่ องจั กรยี่ ห้ อหนึ่ งโฆษณาว่าเครื่องจักรยี่ห้ อนี้ไม่เป็น อันตรายต่อผู้ ใช้ ถ้าผู้ ใช้ต้องการพิสู จน์ว่า
เครื่องจักรยี่ห้อนี้ไม่เป็นอันตรายต่อผู้ใช้ตามคําโฆษณาของตัวแทนจําหน่ายหรือไม่ โดยตั้งสมมติฐานเพื่อการ
ทดสอบดังนี้
H0: การใช้เครื่องจักรยี่ห้อนี้ไม่เป็นอันตรายต่อผู้ใช้
H1: การใช้เครื่องจักรยี่ห้อนี้เป็นอันตรายต่อผู้ใช้
ถ้าเครื่องจักรไม่เป็นอันตรายต่อผู้ใช้หรือ H0 เป็นจริง แต่จากการทดสอบสมมติฐานเชิงสถิติ ปรากฏผลว่า
ปฏิเสธ H0 หรือยอมรับ H1 ซึ่งมีความหมายว่าการใช้เครื่องจักรยี่ห้อนี้เป็นอันตรายต่อผู้ใช้ ผู้ใช้ผลการทดสอบ
ที่ไม่ถูกต้องคือผู้ที่จะใช้เครื่องจักรยี่ห้ อนี้ เมื่อเขาทราบผลการทดสอบสมมติฐ านว่า เครื่องจักรยี่ห้อนี้เป็น
อันตรายแก่ผู้ใช้ เขาอาจจะต้องระมัดระวังในการใช้มากขึ้น ทั้งๆที่จริงแล้ว เครื่องจักรยี่ห้อนี้ไม่เป็นอันตรายต่อ
ผู้ใช้เลย ซึ่งจะเห็นว่าการที่ผู้ใช้เครื่องจักรยี่ห้อนี้ต้องระมัดระวังใน การใช้เนื่องจากเกิดข้อผิดพลาดแบบที่ 1 ไม่
ทําให้เกิดความเสียหายต่อผู้ใช้ผลการทดสอบสมมติฐาน แต่ประการใด แต่ถ้าจริงๆแล้วเครื่องจักรยี่ห้อนี้เป็น
อันตรายต่อผู้ใช้หรือ H0 ไม่จริง แต่จากการทดสอบสมมติฐานเชิงสถิติปรากฏว่ายอมรับ H0 หรือปฏิเสธ H1 ซึ่ง
มีความหมายว่าการใช้เครื่ องจั กรยี่ ห้อนี้ ไม่เป็นอันตรายต่อผู้ใช้ ผู้ ใช้เครื่องจักรยี่ห้อนี้ที่ใช้ผลการทดสอบ
สมมติฐานที่ไม่ถูกต้องก็จะไม่ระมัดระวัง ในการใช้เครื่องจักรเพราะเชื่อในผลการทดสอบที่ไม่ถูกต้อง ผลที่ได้รับ
ก็คือผู้ใช้ได้รับอันตรายจากการใช้ เครื่องจักรยี่ห้อนั้น นั่นคือ ในการทดสอบสมมติฐานเชิงสถิติผู้ทดสอบ
สมมติฐานควรพยายามลดโอกาส ที่จะเกิดข้อผิดพลาดแบบที่ 2 ให้น้อยที่สุด
4.4 ระดับความเชื่อมั่นในการทดสอบสมมติฐานเชิงสถิติ
ตามที่ได้กล่าวมาแล้วข้างต้นว่าการทดสอบสมมติฐานเชิงสถิติจะต้องเกิดข้อผิดพลาดเสมอ ดังนั้นในการนํา
ผลที่ได้จากการทดสอบสมมติฐานไปใช้ประโยชน์ในการพิจารณาตัดสิ นใจเกี่ยวกับเรื่องต่างๆ ผู้ใช้ผลการ
ทดสอบสมมติฐานเชิงสถิติดังกล่าวควรจะได้ทราบว่าผลการทดสอบที่ตนนํามาใช้นั้นมีความเชื่อถือได้มากน้อย
เพียงใด หรือมีโอกาสที่จะเกิดข้อผิดพลาดแบบที่ 2 มากน้อยเพียงใด ถ้าผลการ ทดสอบสมมติฐานที่นํามาใช้มี
โอกาสเกิดข้อผิดพลาดแบบที่ 2 มาก ผู้ใช้ผลการทดสอบอาจจะไม่นําผลการทดสอบมาใช้ช่วยในการตัดสินใจ
เกี่ยวกับเรื่องนั้นๆได้
ถ้าให้โอกาสที่จะเกิดข้อผิดพลาดแบบที่ 2 หรือโอกาสที่ยอมรับ H0 เมื่อ H1 ไม่จริงเท่ากับ 8 และให้โอกาส
ที่จะเกิดข้อผิดพลาดแบบที่ 1 หรือโอกาสที่ปฏิเสธ H0 เมื่อ H0 จริงเท่ากับ 

เนื่องจากการลด  หรือโอกาสที่ยอมรับ H0 เมื่อ H0 ไม่จริง เพิ่มขึ้น จะมีผลทําให้  หรือโอกาสที่
ปฏิเสธ H0 เมื่อ H0 จริง ลดลง ดังได้กล่าวแล้ว และการวัดความเชื่อถือได้ของผลการทดสอบสมมติฐานเชิงสถิติ
โดยทั่วไปพิจารณาจาก  ซึ่งมีชื่อเรียกอีกชื่อหนึ่งว่า ระดับนัยสาคัญ (significant level) หรืออาจพิจารณา
จาก (1 -  ) โดยที่เมื่อคูณด้วย 100 แล้วจะเรียกว่า ระดับความเชื่อมั่น (confident level)
ระดับความเชื่อมั่น = (1 -  ) 100 (4.1)
นั่นคือ ถ้าให้การทดสอบสมมติฐานมีโอกาสเกิดข้อผิดพลาดแบบที่ 1 เท่ากับ 0.05 หรือ  = 0.05 ระดับ

ความเชื่อมั่นในการทดสอบสมมติฐานจะเท่ากับ
(1 -  ) 100 = (1 - 0.05)100 = 95%
หรือถ้าให้การทดสอบสมมติฐานมีโอกาสเกิดข้อผิดพลาดแบบที่ 1 เท่ากับ 0.01 หรือ  = 0.01 ระดับ
(1 -  ) 100 = (1 - 0.01)100 = 99%
หรือถ้าให้การทดสอบสมมติฐานมีโอกาสเกิดข้อผิดพลาดแบบที่ 1 เท่ากับ 0.10 หรือ  = 0.10 ระดับ
(1 -  ) 100 = (1 - 0.10) 100 = 90%
การทดสอบสมมติฐานเชิงสถิติที่ใช้ระดับนัยสําคัญสูงหรือระดับความเชื่อมั่น ต่ําจะเป็นประโยชน์ต่อผู้ใช้ผล
การทดสอบสมมติฐานมากกว่าการทดสอบสมมติฐานเชิงสถิติที่ใช้ระดับนัยสําคัญต่าํ กว่าหรือระดับความเชื่อมั่น
สูงกว่า โดยทั่วไปจะใช้ระดับความเชื่อมั่นกลางๆ คือ 95% หรือ  = 0.05 แต่ถ้าผลการทดสอบมีผลทําให้
ผู้ใช้ผลการทดสอบเป็นอันตรายเมื่อเกิดข้อผิดพลาดในการทดสอบแล้ว ผู้ทดสอบควรทดสอบสมมติฐานเชิง
สถิติที่ระดับความเชื่อมั่น ต่ํา หรือให้มีโอกาสเกิดข้อผิด พลาดแบบที่ 1 มากขึ้น ทั้งนี้ เพื่อลดโอกาสที่จะเกิด
ข้อผิดพลาดแบบที่ 2 ให้น้อยลง
4.5 ขั้นตอนในการทดสอบสมมติฐานเชิงสถิติ
การทดสอบสมมติฐานเชิงสถิติมีขั้นตอนที่สําคัญพอสรุปได้ดังนี้
4.5.1 ตั้งสมมติฐานเพื่อการทดสอบ คือ H0, และ H1
4.5.2 กําหนดระดับนัยสําคัญสําหรับการทดสอบ หรือโอกาสที่จะยอมให้เกิดข้อผิดพลาดแบบที่ 1 (  )
หรือระดับความเชื่อมั่น (1 -  )100% โดยทั่วไปการทดสอบสมมติฐานเกี่ยวกับข้อมูลทางเศรษฐกิจและสังคม
โดยทั่วไปมักจะใช้ระดับนัยสําคัญ  = 0.05 หรือระดับความเชื่อมั่น 95% แต่ถ้าเป็นการทดสอบสมมติฐาน
ของข้อมูลที่มีผลทําให้ผู้ใช้ผลการทดสอบเป็นอันตราย เมื่อเกิดความผิดพลาดในการทดสอบ เช่น การทดสอบ

เกี่ยวกับคุณภาพของสินค้าบางชนิด เช่น ยาและอุปกรณ์ที่มีส่วนประกอบของสารเคมีที่เป็นอันตรายต่อชีวิ ต
เครื่องมือ อุปกรณ์ และเครื่องจักรที่เป็นอันตรายต่อผู้ใช้หรือผู้ที่เกี่ยวข้อง ควรทดสอบสมมติฐานเชิงสถิติโดยใช้
ระดับนัยสําคัญสูงหรือระดับความเชื่อมั่นต่าํ
4.5.3 กําหนดตัวสถิติเพื่อการทดสอบ (test statistic) สําหรับสมมติฐานเพื่อการทดสอบในข้อ 1) ตัวสถิติ
เพื่อการทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ ยและค่าสัดส่วนของประชากรชุดเดียว ประชากร 2 ชุด หรือ
ประชากรหลายชุด ตลอดจนความสัมพันธ์ระหว่างประชากร 2 ชุดที่ นิยมใช้กัน คือ
1) ตัวสถิติทดสอบ Z มีการแจกแจงปกติมาตรฐาน (Standard normal distribution)
2) ตัวสถิติทดสอบ t มีการแจกแจงแบบที (t distribution)
3) ตัวสถิติทดสอบ F มีการแจกแจงแบบเอฟ (F distribution)
4) ตัวสถิติทดสอบ  2 มีการแจกแจงแบบไคสแควร์ (  2 distribution)
การกําหนดตัวสถิติเพื่อการทดสอบนี้นอกจากจะต้องสอดคล้องกับลักษณะที่สนใจศึกษา หรือพารามิเตอร์
ของสมมติ ฐ านที่ตั้ง ขึ้น เพื่อการทดสอบแล้ ว ข้อ มูล ที่เก็บรวบรวมมาใช้ในการทดสอบสมมติฐ านจะต้องมี
ลักษณะการแจกแจงที่สอดคล้องกับการแจกแจงของค่าสถิติที่ใช้ และข้อตกลงเบื้องต้น (assumption) ต่างๆ
4.5.4 คํานวณหาค่าตัวสถิติเพื่อการทดสอบ โดยการแทนค่าข้อมูลที่เก็บรวบรวมได้จากตัวอย่างที่เลือกมา
จากประชากรที่เกี่ยวข้องลงในตัวสถิติเพื่อการทดสอบที่ใช้ในข้อ 4.5.3 ถ้าขนาดตัวอย่าง ที่ใช้ในการเก็บ
รวบรวมข้อมูลมากเท่าใด ความเชื่อถือได้ของผลการทดสอบสมมติฐานเชิงสถิติจะมีมากขึ้นเท่านั้น
4.5.5 หาขอบเขตในการยอมรับและปฏิเสธสมมติฐาน H0 โดยหาค่าวิกฤต (Critical value) จากตาราง
การแจกแจงแบบต่างๆที่ตรงกับการแจกแจงของตั วสถิติเพื่อการทดสอบที่ใช้ในการทดสอบสมมติฐานตาม
ระดับขั้นความเสรี (degree of freedom) และระดับนัยสําคัญที่ใช้ ค่าวิกฤตนอกจากจะขึ้นอยู่กับระดับขั้น
ความเสรีซึ่งเกี่ยวข้องกับขนาดตัวอย่างที่ใช้ในการเก็บ รวบรวมข้อมูลและระดับนัยสําคัญแล้ว ยังขึ้นอยู่กับแบบ
ของการทดสอบว่าเป็นแบบด้านเดียว (one-sided test) หรือแบบสองด้าน (two-sided test) ทั้งนี้แล้วแต่
วัตถุประสงค์ของการทดสอบสมมติฐานเชิงสถิติซึ่งพิจารณาได้จาก สมมติฐานทางเลือก (H1) เช่น
H1: อายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์มากกว่า 34 ปี
การทดสอบสมมติฐานข้างต้นเป็นการทดสอบสมมติฐานแบบด้านเดียว (ทางขวา) คือ จะปฏิเสธ H0
เมื่ออายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์มากกว่า 34 ปี เท่านั้น
ถ้าสมมติฐานเพื่อการทดสอบเป็น
H1: อายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์น้อยกว่า 34 ปี
การทดสอบสมมติฐานข้างต้นเป็นการทดสอบสมมติฐานแบบด้านเดียวเช่นกันแต่ เป็นทางซ้าย คือ

จะปฏิเสธ H0 เมื่ออายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์ น้อยกว่า 34 ปี
ถ้าสมมติฐานเพื่อการทดสอบเป็น
H1: อายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์ไม่เท่ากับ 34 ปี
การทดสอบสมมติฐานแบบนี้เป็นการทดสอบสมมติฐานแบบสองด้าน คือ จะปฏิเสธ H0 เมื่ออายุ
เฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์ไม่เท่ากับ 34 ปี ซึ่งอาจจะ มากกว่าหรือน้อยกว่า 34 ปีก็ได้
อาจสรุปได้ว่า
การทดสอบสมมติฐานแบบด้านเดียวเป็นการทดสอบสมมติฐานที่มีสมมติฐานที่ต้องการพิสูจน์แสดง
ความมากกว่าหรื อน้อยกว่า อย่างใดอย่างหนึ่ง ส่ วนการทดสอบ สมมติฐานแบบสองด้านเป็นการทดสอบ
สมมติฐานที่มีสมมติฐานที่ต้องการพิสูจน์แสดง ความไม่เท่ากัน ซึ่งอาจจะมากกว่าหรือน้อยกว่าก็ได้
การทดสอบสมมติฐ านแบบด้านเดียวจึงมีค่าวิกฤตค่าเดียวเท่านั้น ค่าดังกล่าวจะ เป็นค่าที่บอก
ขอบเขตในการยอมรับหรือปฏิเสธ H0 สําหรับการทดสอบสมมติฐานแบบสองด้าน จะมีค่าวิกฤต 2 ค่า ค่าทั้ง
สองจะเป็นค่าที่บอกขอบเขตในการยอมรับหรือปฏิเสธ H0 เช่นเดียวกัน
ถ้าข้อมูล จากประชากรที่นํ ามาใช้ทดสอบสมมติฐานมีการแจกแจงปกติ ค่าวิกฤตของการทดสอบ
สมมติฐานแบบด้านเดียวและแบบสองด้านเมื่ อใช้ระดับนัยสําคัญ  แสดงได้ดัง รูปที่ 4.1 และ รูปที่ 4.2
ตามลําดับ
(ก) (ข)
ขอบเขตในการยอมรับ H0
ค่าวิกฤต
ขอบเขตในการปฏิเสธ H0
รูปที่ 4.1 การทดสอบสมมติฐานแบบด้านเดียว

(ก) ด้านเดียวทางซ้าย (ข) ด้านเดียวทางขวา
ขอบเขตในการ
ยอมรับ H0
ค่าวิกฤต
รูปที่ 4.2 การทดสอบสมมติฐานแบบสองด้าน

จะเห็นได้ว่าขอบเขตในการยอมรับและปฏิเสธ H0 ของการทดสอบ สมมติฐานแบบด้านเดียวหรือแบบสอง

ด้านจะเท่ากันถ้าใช้ระดับนัยสําคัญเท่ากัน แต่ขอบเขตในการปฏิเสธ H0 ของการทดสอบสมมติฐานแบบด้าน
เดียวจะอยู่ทางด้านใดด้านหนึ่งของโค้งปกติ ซึ่งเป็นโค้งที่แสดงลักษณะของข้อมูลในประชากรที่นํามาทดสอบ
สมมติฐานเท่านั้น
ถ้าให้  แทนอายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์
สมมติฐานเพื่อการทดสอบ H0:  = 34
H1:  > 34
เป็น การทดสอบสมมติฐานแบบด้านเดียวทางขวา กล่ าวคือ ขอบเขตในการปฏิเสธ H0 ตกอยู่ในพื้นที่
ทางด้านขวาของโค้งปกติหรือปฏิเสธ H0 เมื่ออายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์มากกว่า 34
ปี ดังรูปที่ 4.1 (ข)
ในกรณีที่สมมติฐานเพื่อการทดสอบเป็น H0:  = 34
H1:  < 34
เป็นการทดสอบสมมติฐานแบบด้านเดียวทางซ้าย กล่าวคือ ขอบเขตในการปฏิเสธ H0 ตกอยู่ในพื้นที่
ทางด้านซ้ายของโค้งปกติ หรือจะปฏิเสธ H0 ถ้าอายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์น้อยกว่า
34 ปี ดังรูปที่ 4.1 (ก)
ถ้าสมมติฐานเพื่อการทดสอบเป็น H0:  = 34
  34
เป็นการทดสอบสมมติฐานแบบสองด้าน กล่าวคือ ขอบเขตในการปฏิเสธ H0 อยู่ทั้งด้านซ้ายและด้านขวา
ของโค้งปกติ หรือจะปฏิเสธ H0 ถ้าอายุเฉลี่ยของวิศวกรหญิงในโรงงานประกอบรถยนต์ไม่เท่ากับ 34 ปี ดังรูป
ที่ 4.2
4.5.6 เปรียบเทียบค่าสถิติที่คํานวณได้จากข้อมูลตัวอย่างกับค่าวิกฤตจากตารางการแจกแจงที่สอดคล้อง
กับตัวสถิติเพื่อการทดสอบ เช่น ตารางการแจกแจงปกติมาตรฐาน (Z) ตารางการแจกแจงแบบที (t) แล้ว
สรุปผลการทดสอบว่ายอมรับหรือปฏิเสธ H0 ถ้ายอมรับ H0 แสดงว่าปฏิเสธ H1 และถ้าปฏิเสธ H0 แสดงว่า
4.6 ตัวสถิติเพื่อการทดสอบ
สถิติเพื่อการทดสอบสมมติฐานเชิงสถิติที่จะกล่าวถึงในบทนี้จ ะกล่าวเฉพาะตัวสถิติที่ ใช้ในการทดสอบ
สมมติฐานเกี่ยวกับค่าเฉลี่ย (  ) และค่าสัดส่วน (P) ซึ่งเป็นพารามิเตอร์ที่ตั้งเป็นสมมติฐาน เพื่อการทดสอบ
เท่านั้น อาจจะกล่าวได้ว่า
การทดสอบสมมติฐานเป็นการเปรียบเทียบความแตกต่างระหว่างพารามิเตอร์ของ ประชากรที่
สนใจศึกษากับพารามิเตอร์ที่ตั้งเป็นสมมติฐานเพื่อการทดสอบ โดยที่ประมาณพารามิเตอร์ ของประชากรที่
สนใจศึกษานั้นด้วยค่าประมาณจากตัวอย่าง
ตัวสถิติเพื่อการทดสอบสมมติฐานที่จะใช้ในบทนี้จะแยกเป็น 2 กรณีใหญ่ๆ คือ
1) ตัวสถิติเพื่อการทดสอบสมมติฐานเมื่อทราบค่าส่วนเบี่ยงเบนมาตรฐาน (  ) ของค่าประมาณการ
ทดสอบสมมติฐานในกรณีนี้ใช้ตัวสถิติเพื่อการทดสอบที่อยู่ในรูป
ค่าประมาณพารามิเตอร์ของประชากร  พารามิเตอร์ทตี่ ั้งเป็นสมมติฐาน

ตัวสถิติเพื่อการทดสอบ  ค่าส่วนเบี่ยงเบนมาตร ฐานของค่าประมาณ
(4.2)
2) ตัวสถิติเพื่อการทดสอบสมมติฐานเมื่อไม่ทราบค่าส่วนเบี่ยงเบนมาตรฐานของค่าประมาณการทดสอบ
สมมติฐานในกรณีนี้ใช้ตัวสถิติเพื่อการทดสอบที่อยู่ในรูป
ค่าประมาณพารามิเตอร์ของประชากร  พารามิเตอร์ทตี่ ั้งเป็นสมมติฐาน

ตัวสถิติเพื่อการทดสอบ  ค่าส่วนเบี่ยงเบนมาตรฐานของค่าประมาณจากตัวอย่าง (4.3)
โดยทั่วไปแล้วตัวสถิติเพื่อการทดสอบสมมติฐานเชิงสถิติเมื่อทราบค่าส่วนเบี่ยงเบนมาตรฐาน (  ) ของ
ค่าประมาณไม่ค่อยมีโอกาสถูกนํามาใช้ทดสอบสมมติฐาน เนื่องจากในทางปฏิบัติแล้วผู้ทดสอบสมมติฐานจะไม่
ทราบค่าส่ วนเบี่ยงเบนมาตรฐานเพราะไม่ได้ศึกษาข้อมูลทั้งประชากร จะทราบแต่เพียง ค่าส่วนเบี่ยงเบน
มาตรฐานของตั ว อย่ า งซึ่ง สามารถคํ านวณหาได้จ ากข้ อ มูล ที่ เก็ บ รวบรวมมาจากตั ว อย่า ง ที่ เ ลื อ กมาจาก
ประชากรนั้นๆ
4.7 การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของประชากร
การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของประชากรมี 3 กรณี คือ การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ย
ของประชากรชุดเดียว การทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างค่าเฉลี่ยของประชากร 2 ชุด และ
การทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างค่าเฉลี่ยของประชากรมากกว่า 2 ชุด
ในบทนี้จะกล่าวเฉพาะการทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของประชากรชุดเดียว และการทดสอบ
สมมติฐานเกี่ยวกับความแตกต่างระหว่างค่าเฉลี่ยของประชากร 2 ชุดเท่านั้น สําหรับ การทดสอบสมมติฐาน
เกี่ยวกับความแตกต่างระหว่างค่าเฉลี่ยของประชากรมากกว่า 2 ชุด จะกล่าวไว้ ในบทที่ 6 เรื่องการวิเคราะห์
ความแปรปรวน (analysis of variance)
4.7.1 การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของประชากรชุดเดียว
การทดสอบชนิ ด นี้ ใ ช้ ใ นกรณี ที่ ต้ อ งการตรวจสอบว่ า ค่ า เฉลี่ ย ของลั ก ษณะที่ ส นใจศึ ก ษา ใน
ประชากรนั้นๆเป็นไปตามที่ผู้ทดสอบคาดไว้หรือไม่ เช่น ค่าจ้างแรงงานเฉลี่ยต่อวันของ ช่างเทคนิคในจังหวัด
ระยองสูงกว่า 800 บาท ในที่นี้ประชากร คือ ช่างเทคนิคในจังหวัดระยอง ลักษณะที่สนใจศึกษา คือ ค่าจ้าง
แรงงานเฉลี่ยต่อวันของช่างเทคนิค
ถ้าให้  แทนค่าเฉลี่ยของลักษณะที่สนใจศึกษาของประชากร
n แทนจํานวนตัวอย่างที่ใช้ในการเก็บรวบรวมข้อมูล
x แทนค่าเฉลี่ยของลักษณะที่สนใจศึกษาจากตัวอย่างที่เลือกมาจากประชากร
 แทนค่าส่วนเบี่ยงเบนมาตรฐานจากประชากรของลักษณะที่สนใจศึกษา
s แทนค่าส่วนเบี่ยงเบนมาตรฐานจากตัวอย่างของลักษณะที่สนใจศึกษา
 แทนระดับนัยสําคัญของการทดสอบสมมติฐานเชิงสถิติ
ขั้นตอนที่สําคัญในการทดสอบสมมติฐานเชิงสถิติเกี่ยวกับค่าเฉลี่ยของประชากรชุดเดียว มีดังนี้
1) กําหนดสมมติฐาน H0 และ H1 เพื่อการทดสอบ
2) กําหนดระดับนัยสําคัญ  ของการทดสอบ
3) กําหนดตัวสถิติเพื่อการทดสอบ ซึ่งแบ่งเป็น สามกรณีดังนี้
ก) เมื่อทราบค่าส่วนเบี่ยงเบนมาตรฐานจากประชากร (  ) สถิติเพื่อการทดสอบ คือ
x 
Z  (4.4)
n
ข) เมื่อไม่ทราบค่าส่วนเบี่ยงเบนมาตรฐานจากประชากร (  ) ต้องประมาณด้วยค่าส่วนเบี่ยงเบน
มาตรฐานจากตัวอย่าง (s) ตัวสถิติเพื่อการทดสอบ จะเปลี่ยนจาก Z ไปเป็น t และตัวอย่างที่
เลือก ประชากรมีขนาดเล็ก กล่าวคือ n < 30 สถิติเพื่อการทดสอบ คือ
x 
t s (4.5)
n
ค) เมื่อจํานวนตัวอย่างที่เลือกมาจากประชากรมีขนาดใหญ่ กล่าวคือ n  30 และทราบค่าส่วน
เบี่ยงเบนมาตรฐานของประชากร อาจจะใช้ตัวสถิติ ดังสมการ 4.1 ส่วนในกรณีที่จํานวน
ตัว อย่ า งที่เลื อกมาจากประชากรมีข นาดใหญ่และไม่ท ราบค่ าส่ ว นเบี่ยงเบนมาตรฐานของ
ประชากร ใช้ตัวสถิติดังสมการ 4.3
x 
Z s (4.6)
n
เมื่อกําหนดตัวสถิติเพื่อการทดสอบสมมติฐานได้แล้ว สามารถคํานวณค่าสถิติเพื่อการทดสอบโดย
ใช้ข้อมูลที่ได้จากตัวอย่างที่เลือกมาเป็นตัวแทนจากประชากรและจากสมมติฐานเพื่อการทดสอบ
4) หาค่าวิกฤต ถ้ากําหนดให้ C เป็นสมมติฐานใดๆ สามารถแบ่งได้เป็นสามกรณีดังนี้
ก) ในกรณีที่สมมติฐานเพื่อการทดสอบเป็นการทดสอบแบบด้านเดียวทางขวา หรือเขียนได้เป็น
H0:  = C
H 1:  > C
หาค่าวิกฤตได้จากรูปที่ 4.3
รูปที่ 4.3 ค่าวิกฤติของการทดสอบสมมติฐานแบบด้านเดียวทางขวา

(ที่มา: รณฤทธิ์ จันทร์ศิริ, 2561)
ถ้าค่าสถิติเพื่อการทดสอบ Z หรือ t ที่คํานวณได้มีค่ามากกว่าค่าวิกฤตที่เปิดได้จากตารางการแจก

แจงปกติมาตรฐานหรือแบบที ที่ระดับนัยสําคัญ  จะตกอยู่ในขอบเขต ปฏิเสธ H0 หรือยอมรับ H1 กล่าวคือ
Z  Z (1  )
หรือ t  t (1  ) ที่ระดับขั้นความเสรี (n - 1)
ข) ในกรณีที่สมมติฐานเพื่อการทดสอบเป็นการทดสอบแบบด้านเดียวทางซ้าย หรือเขียนได้เป็น
H0:  = C
H 1:  < C
รูปที่ 4.4 ค่าวิกฤติของการทดสอบสมมติฐานแบบด้านเดียวทางซ้าย

ถ้าค่าสถิติเพื่อการทดสอบ Z หรือ t ที่คํานวณได้มีค่าน้อยกว่าค่าวิกฤตที่เปิดได้จากตารางการแจก

แจงปกติมาตรฐานหรือแบบที ที่ระดับนัยสําคัญ  จะตกอยู่ในขอบเขต ปฏิเสธ H0 หรือยอมรับ H1 กล่าวคือ
Z  Z ()
หรือ t  t (  ) ที่ระดับขั้นความเสรี (n - 1)
ค) ในกรณีที่สมมติฐานเพื่อการทดสอบเป็นการทดสอบแบบด้านเดียวทางซ้าย หรือเขียนได้เป็น
H0:  = C
H 1:   C
รูปที่ 4.5 ค่าวิกฤติของการทดสอบสมมติฐานแบบสองด้าน

ถ้าค่าสถิติเพื่อการทดสอบ Z หรือ t ที่คํานวณได้มีค่าน้อยกว่าหรือมากกว่าค่าวิกฤตที่เปิดได้จาก

ตารางการแจกแจงปกติ มาตรฐานหรือแบบที ที่ระดับนัยสําคัญ  จะตกอยู่ในขอบเขต ปฏิเสธ H0 หรือ
ยอมรับ H1 กล่าวคือ
ZZ หรือ Z  Z (1  )

( 2 ) 2
tt  หรือ t  t ที่ระดับขั้นความเสรี (n - 1)
(2) (1 2 )
ตั วอย่า งที่ 4.1 โรงงานผลิ ตคอนกรี ตแห่ งหนึ่งโฆษณาว่าความเค้นแรงอัดของคอนกรี ตเฉลี่ ยสู งกว่า 400
กิโลกรัมต่อตารางเซนติเมตร ตัวแทนจําหน่ายคอนกรีตชนิดนี้ต้องการพิสูจน์คําโฆษณา ดังกล่าวว่าจริง หรือไม่
จึงนําตัวอย่างคอนกรีตมาทดสอบ 100 ครั้ง เพื่อวัดความเค้นแรงอัด ของคอนกรีต ปรากฏว่ามีความเค้น
แรงอัดเฉลี่ยเป็น 390 กิโลกรัมต่อตารางเซนติเมตร และ มีค่าส่วนเบี่ยงเบนมาตรฐานจากตัวอย่างของความ
เค้นแรงอัดของคอนกรีตเป็น 20 กิโลกรัมต่อตารางเซนติเมตร คําโฆษณาของโรงงานผลิตคอนกรีตแห่งนี้เป็น
จริงหรือไม่ที่ระดับนัยสําคัญ 0.05
วิธีทา
1) กําหนดสมมติฐานเพื่อการทดสอบ เนื่องจากต้องการทดสอบคําโฆษณาของโรงงานผลิตคอนกรีตที่ว่า
ความเค้นแรงอัดของคอนกรีตเฉลี่ยสูงกว่า 400 กิโลกรัมต่อตารางเซนติเมตรถูกต้องหรือไม่ ดังนั้นจะกําหนดให้
คําโฆษณาดังกล่าวเป็นสมมติฐานที่ต้องการทดสอบซึ่งเป็นสมมติฐานแย้ง (H1)
H0: ความเค้นแรงอัดของคอนกรีตเฉลี่ยเท่ากับ 400 กิโลกรัมต่อตารางเซนติเมตร
H1: ความเค้นแรงอัดของคอนกรีตเฉลี่ยสูงกว่า 400 กิโลกรัมต่อตารางเซนติเมตร
หรือ H0:  = 400
H0:  > 400
2) กําหนดระดับนัยสําคัญ   0.05
3) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจากจํานวนตัวอย่างมีขนาดใหญ่ คือ มากกว่า 30 และไม่ทราบ
ค่าส่วนเบี่ยงเบนมาตรฐานของประชากร (  ) ต้องประมาณค่าส่วนเบี่ยงเบนมาตรฐานของความเค้นแรงอัด
คอนกรีตด้วยค่าส่วนเบี่ยงเบนมาตรฐานจากตัวอย่าง (s) ดังนั้นตัวสถิติเพื่อการทดสอบ คือ
x 
Z s
n
จากโจทย์ x = 390, s = 20, n = 100 และ  = 400 แทนค่าในสมการ
390  400
Z 20  5
100
4) หาค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ H0 เนื่องจากการทดสอบกระทํา ณ ระดับ
นัยสําคัญ   0.05 หรือระดับความเชื่อมั่น 95% และเป็นการทดสอบแบบด้านเดียวทางขวา (H1:  >
400) ดังนั้นจะต้องเปิดตารางการแจกแจงปกติมาตรฐานที่ Z (1  ) หรือ Z ( 0.95) ซึ่งมีค่าเท่ากับ 1.645 ดังรูป
ขอบเขต ขอบเขตปฏิเสธ H0
เนื่องจากค่าสถิติเพื่อการทดสอบ (Z) เท่ากับ -5 และค่าวิกฤตเท่ากับ 1.645 ดังนั้นค่าสถิติเพื่อการ

ทดสอบน้อยกว่าค่าวิกฤตและตกอยู่ในขอบเขตในการยอมรับ H0 หรือ ปฏิเสธ H1
ดังนั้นความเค้นแรงอัดของคอนกรีตเฉลี่ยไม่สูงกว่า 400 กิโลกรัมต่อตารางเซนติเมตร (ต่ํากว่าหรือ
เท่ากับ 400 กิโลกรัมต่อตารางเซนติเมตร) หรือการโฆษณาของบริษัทผู้ผลิต เกี่ยวกับความเค้นแรงอัดของ
คอนกรีตเฉลี่ยไม่ถูกต้อง
ตัวอย่างที่ 4.2 จากข้อมูลในตัวอย่างที่ 4.1 ตัวแทนจําหน่ายคอนกรี ตชนิดนี้เชื่อว่าความเค้นแรงอัด ของ
คอนกรีตเฉลี่ยต่าํ กว่า 400 กิโลกรัมต่อตารางเซนติเมตรและต้องการพิสูจน์ความเชื่อ ดังกล่าว จะสามารถสรุป
ได้หรือไม่ว่าความเชื่อของตัวแทนจําหน่ายคอนกรีตของโรงงานแห่งนี้ ถูกต้อง ณ ระดับนัยสําคัญ 0.05
วิธีทา
1) กําหนดสมมติฐานเพื่อการทดสอบ เนื่องจากต้องการทดสอบความเชื่อของตัวแทนจําหน่ายคอนกรีต
ที่ว่า ความเค้นแรงอัดของคอนกรีตเฉลี่ย ต่ํากว่า 400 กิโลกรัมต่อตารางเซนติเมตรถูกต้องหรือไม่ ดังนั้นจะ
กําหนดให้คําโฆษณาดังกล่าวเป็นสมมติฐานที่ต้องการทดสอบซึ่งเป็นสมมติฐานแย้ง (H1)
H1: ความเค้นแรงอัดของคอนกรีตเฉลี่ยต่ากว่า 400 กิโลกรัมต่อตารางเซนติเมตร
หรือ H0:  = 400
H0:  < 400
3) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจากจํานวนตัวอย่างมีขนาดใหญ่ คือ มากกว่า 30 และไม่ทราบ
ค่าส่วนเบี่ยงเบนมาตรฐานของประชากร (  ) ต้องประมาณค่าส่วนเบี่ยงเบนมาตรฐานของความเค้นแรงอัด
คอนกรีตด้วยค่าส่วนเบี่ยงเบนมาตรฐานจากตัวอย่าง (s) ดังนั้นตัวสถิติเพื่อการทดสอบ คือ
x 
Z s
n
390  400
Z 20  5
100

นัยสําคัญ   0.05 หรือระดับความเชื่อมั่น 95% และเป็นการทดสอบแบบด้านเดียวทางซ้าย (H1:  <
400) ดังนั้นจะต้องเปิดตารางการแจกแจงปกติมาตรฐานที่ Z (  ) หรือ Z ( 0.05) ซึ่งมีค่าเท่ากับ –1.645 ดังรูป
ขอบเขตปฏิเสธ H0 ขอบเขต
เนื่องจากค่าสถิติเพื่อการทดสอบ (Z) เท่ากับ -5 และค่าวิกฤตเท่ากับ –1.645 ดังนั้นค่าสถิติเพื่อ

การทดสอบน้อยกว่าค่าวิกฤตและตกอยู่ในขอบเขตในการปฏิเสธ H0 หรือ ยอมรับ H1
ดังนั้นความเค้นแรงอัดของคอนกรีตเฉลี่ย ต่ํากว่า 400 กิโลกรัมต่อตารางเซนติเมตรหรือตัวแทน
จําหน่ายมีความเชื่อทีถ่ ูกต้อง
ถ้าในกรณีของการทดสอบสมมติฐานแบบสองด้าน
H1: ความเค้นแรงอัดของคอนกรีตเฉลี่ยไม่เท่ากับ 400 กิโลกรัมต่อตารางเซนติเมตร
หรือ H0:  = 400
H0:   400
จะให้ค่า Z เท่ากับ -5 เช่นเดิม แต่ค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ H0 เปลี่ยนไป คือ
จะต้องเปิดตารางการแจกแจงปกติมาตรฐานที่ Z (  ) = Z 0.05 = Z ( 0.025) = –1.96 และเปิดตารางการแจก
2 ( 2 )
แจงปกติมาตรฐานที่ Z = Z ( 0.975) = 1.96 ดังรูป
(1 2 )
ขอบเขตปฏิเสธ H0 ขอบเขต ขอบเขตปฏิเสธ H0

เนื่องจากค่าสถิติเพื่อการทดสอบ (Z) เท่ากับ –5 และค่าวิกฤตเท่ากับ –1.96 และ 1.96 ดังนั้น

ค่าสถิติเพื่อการทดสอบตกอยู่ในขอบเขตในการปฏิเสธ H0 ทางซ้ายนั่นคือ ต้องปฏิเสธ H0 หรือยอมรับ H1 ที่ว่า
ความเค้นแรงอัดของคอนกรีตเฉลี่ย ต่ากว่า 400 กิโลกรัมต่อตารางเซนติเมตร
ตัวอย่างที่ 4.3 วิศวกรโรงงานแห่งหนึ่งมีความเชื่อว่าจํานวนหลอดรังสีแคโทดที่ผลิตได้เฉลี่ยต่อชั่วโมง จาก

เครื่องจักรทุกเครื่องของโรงงานมากกว่า 94 หลอด เขาพิสูจน์ความเชื่อโดยเลือกตัวอย่าง เครื่องจักรมา 10
เครื่องโดยการสุ่ม เพื่อวัดผลผลิตต่อชั่ วโมง ผลปรากฏว่าจํานวนหลอดรังสี แคโทดที่ผลิตได้เฉลี่ยต่อชั่วโมง
เท่ากับ 86 หลอด และค่าส่วนเบี่ยงเบนมาตรฐานของจํานวนหลอดรังสีแคโทดที่ผลิตได้เท่ากับ 8 หลอด ความ
เชื่อของเขาถูกต้องหรือไม่ที่ระดับนัยสําคัญ 0.05
วิธีทา
1) กําหนดสมมติฐานเพื่อการทดสอบ
H0: จํานวนหลอดรังสีแคโทดที่ผลิตได้เฉลี่ยต่อชั่วโมงเท่ากับ 94 หลอด
H1: จํานวนหลอดรังสีแคโทดที่ผลิตได้เฉลี่ยต่อชั่วโมงมากกว่า 94 หลอด
หรือ H0:  = 94
H0:  > 94
3) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจากจํานวนหลอดรังสีแคโทดที่ผลิตได้เฉลี่ย ต่อชั่วโมงจาก
เครื่องจักรแต่ละเครื่องมีลักษณะการแจกแจงแบบปกติที่ไม่ทราบค่าความแปรปรวน และตัวอย่างมีขนาดเล็ก
(n < 30) ดังนั้นตัวสถิติเพื่อการทดสอบ คือ
x 
t s
n
86  94
t  8  3.1623
10
4) หาค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ H0 เนื่องจากระดับนัยสําคัญ 0.05 และเป็นการ
ทดสอบแบบด้านเดียวทางขวา ดังนั้นจะต้องเปิดตารางการแจกแจงแบบทีที่ ( 1   ) หรือ t ( 0.95) และ ระดับ
ขั้น ความเสรีเท่ากับ (n - 1) = (10 – 1) = 9, t ( 0.05,9) = 1.833 (ตารางที่ 2 ภาคผนวก ก)
ค่าสถิติเพื่อการทดสอบ –3.16 น้อยกว่าค่าวิกฤตซึ่งเท่ากับ 1.833 และตกอยู่ในขอบเขตในการยอมรับ
H0 นั่นคือ ต้องยอมรับ H0 หรือปฏิเสธ H1 กล่าวคือ หลอดรังสีแคโทดที่ผลิตได้เฉลี่ยต่อชั่วโมงน้อยกว่าหรือ

เท่ากับ 94 หลอด
ตัวอย่างที่ 4.4 เจ้าของโรงงานอุตสาหกรรมแห่งหนึ่งซึ่งตั้งอยู่ในจังหวัดฉะเชิงเทราจ้างคนงานในอัตราเฉลี่ยวัน
ละ 200 บาท เขามีความเชื่อว่าอัตราค่าจ้างคนงานในจังหวัดระยองต่ํากว่าจังหวัดฉะเชิงเทรา จึงวางแผนที่จะ
ย้ายโรงงานจากจังหวัดฉะเชิงเทราไปอยู่จังหวัดระยอง แต่ผู้จัดการโรงงานแย้งว่าอัตราค่าจ้างแรงงานในจังหวัด
ระยองสูงกว่าจังหวัดฉะเชิงเทรา เจ้าของโรงงานอุตสาหกรรมดังกล่าวจึงเลือกตัวอย่างคนงานในจังหวั ดระยอง
มาจํานวน 100 คน แล้วสอบถามถึงค่าแรงงานที่ได้รับ ปรากฏว่าได้ค่าแรงงานเฉลี่ยต่อวันเท่ากับ 196 บาท
และ ค่าส่วนเบี่ยงเบนมาตรฐานของแรงงานเท่ากับ 10 บาท ความเชื่อของผู้จัดการโรงงานถูกต้องหรือไม่ที่
ระดับนัยสําคัญ 0.01
วิธีทา
H0: ค่าแรงงานเฉลี่ยต่อวันในจังหวัดระยองเท่ากับ 200 บาท
H1: ค่าแรงงานเฉลี่ยต่อวันในจังหวัดระยองมากกว่า 200 บาท
หรือ H0:  = 200
H0:  > 200
3) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจากจํานวนตัวอย่างมีขนาดใหญ่ (n  30) และไม่ทราบค่าส่วน
เบี่ยงเบนมาตรฐานของประชากร (  ) ต้องประมาณค่าส่วนเบี่ยงเบนมาตรฐานของความเค้นแรงอัดคอนกรีต
ด้วยค่าส่วนเบี่ยงเบนมาตรฐานจากตัวอย่าง (s) ดังนั้นตัวสถิติเพื่อการทดสอบ คือ
x 
Z s
n
196  200
Z 10  4
100
นัยสําคัญ   0.01 หรือระดับความเชื่อมั่น 99% และเป็นการทดสอบแบบด้านเดียวทางขวาดังนั้นจะต้อง
เปิดตารางการแจกแจงปกติมาตรฐานที่ Z (1  ) หรือ Z ( 0.99 ) ซึ่งมีค่าเท่ากับ 2.327 ดังรูป
เนื่องจากค่าสถิติเพื่อการทดสอบ (Z) เท่ากับ –4 และค่าวิกฤตเท่ากับ 2.327 ดังนั้นค่าสถิติเพื่อการ

ทดสอบน้อยกว่าค่าวิกฤตและตกอยู่ในขอบเขตในการยอมรับ H0 หรือ ปฏิเสธ H1
ดังนั้น ค่าแรงงานเฉลี่ยต่อวันในจังหวัดระยองน้อยกว่าหรือเท่ากับ 200 บาท หรือผู้จัดการโรงงาน
มีความเชื่อไม่ถูกต้อง
ตัวอย่างที่ 4.5 ช่างเทคนิคของโรงงานประกอบชิ้นส่วนคอมพิวเตอร์แห่งหนึ่งสามารถประกอบชิ้นส่วน 1 ชิ้น
โดยใช้เวลาในการประกอบเฉลี่ย 12.5 นาที ถ้าโรงงานนี้รับช่างเทคนิคใหม่เข้ามาทํางาน 10 คน แล้วนํามา
ฝึกงานในช่วงระยะเวลาหนึ่ง หลังจากนั้นจึง ให้แต่ละคนประกอบชิ้นส่วน คอมพิวเตอร์ดังกล่าว ผลปรากฏว่า
แต่ละคนใช้เวลาในการประกอบต่อชิ้นเป็น 9.3, 12.1, 15.7, 10.3, 12.2, 14.8, 15.1, 13.2, 15.9 และ 14.5
นาที ตามลําดับ จงทดสอบว่าเวลาที่ช่างเทคนิคใหม่ใช้ในการประกอบชิ้นส่วนคอมพิวเตอร์ 1 ชิ้นโดยเฉลี่ยไม่
แตกต่างไปจากช่างเทคนิคที่ทําอยู่เดิม โดยทดสอบที่ระดับนัยสําคัญ 0.10
วิธีทา
H0: ช่างเทคนิคใหม่ใช้เวลาโดยเฉลี่ยในการประกอบชิ้นส่วนคอมพิวเตอร์เท่ากับ 12.5 ชิ้น/นาที
H1: ช่างเทคนิคใหม่ใช้เวลาโดยเฉลี่ยในการประกอบชิ้นส่วนคอมพิวเตอร์ไม่เท่ากับ 12.5 ชิ้น/นาที
หรือ H0:  = 12.5
H0:   12.5
3) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจากกําหนดให้เป็นการแจกแจงแบบปกติที่ไม่ทราบค่าความ
แปรปรวน และตัวอย่างมีขนาดเล็ก (n < 30) ดังนั้นตัวสถิติเพื่อการทดสอบ คือ
x 
t s
n
จากโจทย์ n = 10 และ  = 12.5 และคํานวณหาค่า x และ s ดังนี้
1n
x   xi
n i 1
= 101 (9.3 + 12.1 + 15.7 + 10.3 + 12.2 + 14.8 + 15.1 + 13.2
+ 15.9 + 14.5)
= 13.31
1 n 
s  n1  ( x i  x ) 2 
2
 i 1 
n 
s 2  n11  ( x i2  nx 2 ) 
 i 1 
2 1 n 2 2 
s  n1  ( x i  nx ) 
 i 1 
= 19 [(9.3 + 12.1 + 15.72 + 10.32 + 12.22 + 14.82 + 15.12
2 2
+ 13.22 + 15.92 + 14.52) – 10(13.312)]

= 5.2343
s = 5.2343 = 2.2879
13.31  12.5
ดังนั้น t  2.2879  1.1196
10
4) หาค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ H0 เนื่องจากระดับนัยสําคัญ 0.10 และเป็นการ
ทดสอบแบบสองด้าน ดังนั้นจะต้องเปิดตารางการแจกแจงแบบทีที่ – t  และ t  หรือ
( 2 , n  1) ( 2 , n  1)
– t ( 0.05,9 ) = –1.833 และ t ( 0.05,9 ) = 1.833 ดังรูป
ขอบเขตปฏิเสธ H0 ขอบเขต ขอบเขตปฏิเสธ H0

เนื่องจากค่าสถิติเพื่อการทดสอบ (t) ซึ่งเท่ากับ 1.1196 อยู่ระหว่างค่าวิกฤต –1.833 และ 1.8331

ซึ่งตกอยู่ในขอบเขตในการยอมรับ H0
นั่นคือ ช่างเทคนิคใหม่ใช้เวลาเฉลี่ยในการประกอบชิ้นส่วนคอมพิวเตอร์ 1 ชิ้นเท่ากับ 12.5 นาที
หรือช่างเทคนิคใหม่ใช้เวลาในการประกอบชิ้นส่วนคอมพิวเตอร์ 1 ชิ้นโดยเฉลี่ยไม่แตกต่างไปจากช่างเทคนิคที่
ทําอยู่เดิม
4.7.2 การทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างค่าเฉลี่ยของประชากรสองชุด
การทดสอบชนิดนี้ใช้ในกรณีที่ต้องการตรวจสอบว่าค่าเฉลี่ยของลักษณะที่สนใจศึกษา ของประชากร
2 ชุดมีความแตกต่างกันหรือไม่ เช่น ยอดผลิตเฉลี่ยของสินค้าเมื่อใช้เครื่องจักรใหม่สูงกว่ายอดผลิตสินค้าชนิด
เดียวกันเมื่อใช้เครื่องจักรเก่า วิศวกรที่ผ่านการอบรมเกี่ยวกับวิธีการใช้เครื่องจักรใหม่ผลิตสินค้าได้โดยเฉลี่ยต่อ
เดือนสูงกว่าวิศวกรที่ไม่ได้รับการอบรม รายได้เฉลี่ยของวิศวกรที่อาศัยอยู่ในจังหวัดชลบุรีไม่เท่ากับรายได้เฉลี่ย
ของวิศวกรที่ อาศัยอยู่ในกรุงเทพมหานคร หรือผลตอบแทนจากการขายชิ้นส่วนรถยนต์โดยเฉลี่ยสูงกว่า การ
ขายโทรศัพท์มือถือ นั่นคือ ถ้าประชากรชุดแรกมีการแจกแจงปกติที่มีค่าเฉลี่ย 1 และความแปรปรวน 12
ประชากรชุดที่ 2 มีการแจกแจงปกติที่มีค่าเฉลี่ย  2 และความแปรปรวน  22 เลือกตัวอย่างจากประชากรชุด
แรกและประชากรชุดที่ 2 มาจํานวน n1 และ n2 ตามลําดับ และให้ x1 และ x 2 แทนค่าเฉลี่ยของลักษณะที่
สนใจศึกษาจากตัวอย่างที่เลือกมาจากประชากร ชุดที่ 1 และประชากรชุดที่ 2
ถ้าให้ C แทนผลต่างระหว่างค่าเฉลี่ยของลักษณะที่สนใจศึกษาของประชากรทั้งสอง ที่ผู้ทดสอบคาดว่าควร
จะเป็น หรือเป็นความเชื่อของผู้ทดสอบ เช่น ยอดผลิตเฉลี่ยของสินค้า เมื่อใช้เครื่องจักรใหม่สูงกว่ายอดผลิต
เฉลี่ยของสินค้าชนิดเดียวกันเมื่อใช้เครื่องจักรเก่าวันละ 1,500 ชิ้น C จะมีค่าเท่ากับ 1,500 นั่นคือ ถ้าผู้
ทดสอบต้องการทดสอบว่ายอดผลิตเฉลี่ยของ สินค้าเมื่อใช้เครื่องจักรใหม่ไม่แตกต่างจากยอดผลิตเฉลี่ยของ
สินค้าชนิดเดียวกันเมื่อใช้ เครื่องจักรเก่า C จะมีค่าเท่ากับ 0
ขั้นตอนที่สําคัญในการทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างค่าเฉลี่ยของ ประชากร 2 ชุดมีดังนี้
1) กําหนดสมมติฐานเพื่อการทดสอบ ซึ่งอาจจะเป็นสมมติฐานใดสมมติฐานหนึ่งใน 3 สมมติฐานต่อไปนี้
ก) H0: 1  2  C
H1: 1  2  C
ข) H0: 1  2  C
H1: 1  2  C
ค) H0: 1  2  C
H1: 1  2  C
2) กําหนดตัวสถิติเพื่อการทดสอบสมมติฐานใดๆใน 3 สมมติฐานข้างต้น
ก) เมื่อทราบค่าส่วนเบี่ยงเบนมาตรฐานหรือความแปรปรวนของประชากรทั้งสอง
( x 1  x 2 )  ( 1   2 )
Z (4.7)
12  22

n1 n2
ข) เมื่อไม่ทราบค่าส่วนเบี่ยงเบนมาตรฐานหรือความแปรปรวนของประชากรทั้งสอง ต้องประมาณ
ด้วยค่าส่วนเบี่ยงเบนมาตรฐานหรือความแปรปรวน จากตัวอย่างที่เลือกมาจากแต่ละประชากร คือ s1 หรือ
s12 และ s2 หรือ s22 ตามลําดับ ตัวสถิติเพื่อการทดสอบ คือ
( x  x )  (   )
t  1 2 2 12 2 (4.8)
s1 s2
n1  n2
แต่ถ้าความแปรปรวนของประชากรทั้งสองเท่ากัน กล่าวคือ 12 =  22 ตัวสถิติเพื่อการทดสอบ

คือ
( x 1  x 2 )  ( 1   2 )
t (4.9)
s p2 ( n1  n1 )
1 2
เมือ่ sp2 = ความแปรปรวนรวม (pooled variance)

(n1  1)s12  (n 2  1)s 22
 (4.10)
n1  n 2  2
โดยทั่ว ไปความแปรปรวนของลั กษณะที่ส นใจศึกษาของแต่ล ะประชากรที่นํา มาเปรียบเทีย บ

ค่าเฉลี่ ยมักจะไม่แตกต่างกัน ดังนั้นในการ ทดสอบสมมติฐานเกี่ยวกับ ความแตกต่างระหว่างค่าเฉลี่ยของ
ประชากร 2 ชุด จึงนิยมใช้ตัวสถิติเพื่อการทดสอบในสมการที่ 4.6
แต่อย่างไรก็ตาม หากผู้ทดสอบไม่แน่ใจว่าความแปรปรวนของ ลักษณะที่สนใจศึกษาของแต่ละ
ประชากรจะไม่แตกต่างกัน อาจจะทดสอบ โดยใช้วิธีการทางสถิติได้ว่าความแปรปรวนของแต่ละประชากรไม่
แตกต่างกัน ซึ่งจะได้กล่าวโดยสรุปต่อไป
ค) เมื่อจํานวนตัว อย่ างที่เลื อกมาจากแต่ล ะประชากรมีขนาดใหญ่ กล่าวคือ ทั้ง n1 และ n2
มากกว่าหรือเท่ากับ 30 และทราบค่าส่วนเบี่ยงเบน มาตรฐานของประชากร อาจจะใช้ตัวสถิติ ดังในสมการที่
4.4 เพื่อทดสอบสมมติฐานดังกล่าวได้ ไม่ว่าประชากรทั้งสองจะมีการแจกแจงปกติหรือไม่ก็ตาม
ในกรณีที่จํานวนตัวอย่างที่เลือกมาจากประชากรทั้งสองมีขนาดใหญ่ และไม่ทราบค่าส่วนเบี่ยงเบน
มาตรฐานของประชากร อาจใช้ตัว สถิติ ในสมการที่ 4.5 ทดสอบสมมติฐานดังกล่ าวได้ เช่นเดียวกัน ไม่ว่า
ประชากรทั้งสองจะมี การแจกแจงปกติหรือไม่ก็ตาม
( x 1  x 2 )  ( 1   2 )
Z (4.11)
s12 s22
n1  n2
แต่ทั้งนี้ จะต้องอยู่ภายใต้ข้อสมมติที่ว่า ความแปรปรวนของประชากรเมื่อกําหนดตัวสถิติเพื่อการ

ทดสอบสมมติฐานได้แล้ว คํานวณค่า สถิติเพื่อการทดสอบโดยใช้ข้อมูลที่ได้จากตัวอย่างที่เลือกมาเป็นตั วแทน
จากแต่ละประชากรและจากสมมติฐานเพื่อการทดสอบ
3) กําหนดระดับนัยสําคัญของการทดสอบ สมมติให้เท่ากับ  แล้วหาค่าวิกฤตเปรียบเทียบค่า Z
หรือ t ที่ได้จากข้อ 2) กับค่าวิกฤตนี้ เพื่อสรุปผลการทดสอบ สมมติฐาน กล่าวคือ
ก) สําหรับการทดสอบสมมติฐาน H0: 1  2  C
H1: 1  2  C
ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติเพื่อการทดสอบ Z หรือ t ที่คํานวณได้จากข้อมูล
มากกว่าค่าวิกฤตที่เปิดได้จากตารางการแจกแจงปกติ มาตรฐานหรือแบบที ที่ระดับนัยสําคัญ 
กล่าวคือ
Z  Z (1  )
t  t ( 1  ) ที่ระดับขั้นความเสรี (n1 + n1 – 2)
ข) สําหรับการทดสอบสมมติฐาน H0: 1  2  C
H 1:  1   2  C
ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติเพื่อการทดสอบ Z หรือ t ที่คํานวณได้จากข้อมูลน้อย
กว่ าค่าวิกฤตที่เปิ ดได้จ ากตารางการแจกแจงปกติ มาตรฐานหรือแบบที ที่ระดับนัยสํ าคัญ 
Z  Z ()
t  t () ที่ระดับขั้นความเสรี (n1 + n1 – 2)
ค) สําหรับการทดสอบสมมติฐาน H0: 1  2  C
H 1:  1   2  C
ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติเพื่อการทดสอบ Z หรือ t ที่คํานวณได้จากข้อมูล
น้อยกว่าหรือมากกว่าค่าวิกฤตที่เปิดได้จากตารางการแจกแจงปกติ มาตรฐานหรือแบบที ที่ระดับ
นัยสําคัญ  กล่าวคือ
ZZ  หรือ Z  Z 
(2) (2)
tt หรือ tt ที่ระดับขั้นความเสรี (n1 + n1 – 2)
(1 2 ) (1 2 )
ตัวอย่างที่ 4.6 โรงงานแห่งหนึ่งมีเครื่องจักร 2 เครื่อง คือเครื่องจักร A และเครื่องจักร B ที่ใช้ใน การผลิตตะปู

ซึ่งมีความยาว 0.5 นิ้ว แต่เครื่องจักรทั้งสองเครื่องนี้ส่วนใหญ่จะผลิตตะปูที่มี ความยาวเกินกว่า 0.5 นิ้วไป
เล็กน้อย อย่างไรก็ตาม วิศวกรของโรงงานแห่งนี้มีความเชื่อว่า ความยาวเฉลี่ยของตะปูที่ผลิตได้จากเครื่อ งจักร
ทั้งสองไม่แตกต่างกัน เพื่อพิสูจน์ความเชื่อ ดังกล่าว เขาได้สุ่มตะปูที่ผลิตจากเครื่องจักร A และเครื่องจักร B
มาเครื่องละ 100 ตัว แล้ววัดความยาวของตะปูเหล่านั้น ปรากฏว่าความยาวเฉลี่ยและค่าส่วนเบี่ยงเบน
มาตรฐานของ ความยาวของตะปูที่ผลิตได้จากเครื่องจักร A เป็น 0.503 นิ้ว และ 0.004 นิ้ว ตามลําดับ และ
ความยาวเฉลี่ยและค่าส่วนเบี่ยงเบนมาตรฐานของความยาวของตะปูที่ผลิตได้จาก เครื่องจักร B เป็น 0.501
นิ้ว และ 0.003 นิ้ว ตามลําดับ ความเชื่อของวิศวกรโรงงาน ถูกต้องหรือไม่ ที่ระดับนัยสําคัญ 0.05 ถ้าความ
ยาวของตะปูที่ผลิตได้จากเครื่องจักรทั้งสอง มีความแปรปรวนเท่ากัน
วิธีทา
H0: ความยาวเฉลี่ยของตะปูที่ผลิตได้จากเครื่องจักรทั้งสองไม่แตกต่างกัน
H1: ความยาวเฉลี่ยของตะปูที่ผลิตได้จากเครื่องจักรทั้งสองแตกต่างกัน
หรือ H0:  A = B หรือ  A – B = 0
H1:  A  B หรือ  A – B  0
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจากขนาดตัวอย่างที่เลือกมาจากแต่ละประชากรมีขนาดใหญ่
คือ เท่ากับ 100 ซึ่งมากกว่า 30 และไม่ทราบค่าส่วนเบี่ยงเบนมาตรฐานของประชากรทั้งสอง ซึ่งมีความ
แปรปรวนเท่ากัน ต้องประมาณโดยใช้ ค่าส่วนเบี่ยงเบนมาตรฐานจากตัวอย่างที่เลือกมาจากประชากรทั้งสอง
ดังนั้นตัวสถิติ เพื่อการทดสอบ คือ
( x  x )  ( A   B )
Z A B
s p2 ( n1  n1 )
A B
เนื่องจาก H0:  A – B = 0 ดังนั้น
(x A  xB )
Z
s p2 ( n1  n1 )
A B
จากโจทย์ x A = 0.503, x B = 0.501,

s A = 0.004, s B = 0.003,
n A = 100, nB = 100,
และ
2 (n A  1)s 2A  (nB  1)sB2

sp 
n A  nB  2
(100  1)(0.004 2 )  (100  1)(0.003 2 )

100  100  2
= 0.0000125
แทนค่า
0.503  0.501
Z = 4.0
1 1
0.0000125( 100  100 )
3) หาค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ H0 เนื่องจากการทดสอบที่ ระดับนัยสําคัญ 0.05

และเป็นการทดสอบแบบสองด้าน (H1:  A – B  0) ดังนั้นจะต้องเปิดตารางการแจกแจงปกติมาตรฐานที่
ก) 2  0.205 = 0.025 ซึ่งมีค่าเท่ากับ –1.96
ข) 1 – 2 = 1 – 0.025 = 0.975 ซึ่งมีค่าเท่ากับ 1.96
แต่ค่าสถิติเพื่อการทดสอบ (Z) ซึ่งเท่ากับ 4.0 ไม่ได้อยู่ระหว่างค่าวิกฤต -1.96 และ 1.96 จึงตกอยู่
ในขอบเขตในการปฏิเสธ H0 นั่นคือ ต้องปฏิเสธ H0 หรือยอมรับ H1 ที่ว่าความยาวเฉลี่ยของตะปูที่ผลิตได้จาก
เครื่องจักรทั้งสองแตกต่างกัน ดังนั้นความเชื่อของวิศวกรโรงงานไม่ถูกต้อง
ตัวอย่างที่ 4.7 ในการวัดผลการฝึกอบรมช่างเทคนิคเพื่อเพิ่มความเร็วในการทํางานของโรงงานแห่งหนึ่ง ได้
แบ่งพนักงานออกเป็น 2 กลุ่ม กลุ่มแรกจํานวน 12 คน และกลุ่มที่ 2 จํานวน 15 คน แล้วให้การฝึกอบรมแก่
พนักงานกลุ่มแรก หลังจากนั้นให้พนักงานแต่ละคนของทั้งสองกลุ่ม ทดลองปฏิบัติงานชิ้นหนึ่ง ผลปรากฏว่า
เวลาเฉลี่ยและความแปรปรวนของเวลาที่ใช้ในการปฏิบัติงานดังกล่าวของพนักงานในกลุ่มที่ได้รับการฝึกอบรม
เป็น 6.8 นาที และ 10.3 ตามลําดับ ส่วนเวลาเฉลี่ยและความแปรปรวนของเวลาในการปฏิบัติงานของ
พนักงานในกลุ่ม ที่ไม่ได้รับการฝึกอบรมเป็น 9.3 นาที และ 15.7 ตามลําดับ จงใช้ระดับนัยสําคัญ 0.05 เพื่อ
ทดสอบว่าเวลาเฉลี่ยที่ใช้ในการปฏิบัติงานของช่างเทคนิคในกลุ่มที่ได้รับการฝึกอบรม น้อยกว่ากลุ่มที่ไม่ได้รับ
การฝึกอบรม ถ้าประชากรทั้งสองมีการแจกแจงปกติและมีความแปรปรวน เท่ากัน
วิธีทา
H0: เวลาเฉลี่ยที่ใช้ในการปฏิบัติงานของช่างเทคนิคที่ได้รับการฝึกอบรมไม่แตกต่างจากช่างเทคนิค
ที่ไม่ได้รับการฝึกอบรม
H1: เวลาเฉลี่ยที่ใช้ในการปฏิบัติงานของช่างเทคนิคที่ได้รับการฝึกอบรมน้อยกว่าช่างเทคนิคที่ไม่ได้
รับการฝึกอบรม
หรือ H0: 1   2
H1: 1  2
เมือ่ 1 และ 2 แทนเวลาเฉลี่ยที่ใช้ในการปฏิบัติงานของช่างเทคนิคที่ได้รับการฝึกอบรมและช่าง
เทคนิคที่ไม่ได้รับการฝึกอบรม ตามลําดับ
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจากประชากรทั้งสองต่างก็มีการแจกแจงปกติ ที่ไม่ทราบความ
แปรปรวน ดังนั้นตัวสถิติเพื่อการทดสอบคือ
( x  x )  ( 1   2 )
t  1 22
sp ( n1  n1 )
1 2
จากโจทย์ x 1 = 6.8 นาที, x 2 = 9.3 นาที

s12 = 10.3, s 22 = 15.7
n1 = 12 คน, n 2 = 15 คน
และ
2 (n1  1)s12  (n 2  1)s 22
sp 
n1  n 2  2
(12  1)(10.3)  (15  1)(15.7)

12  15  2
= 13.3240
แทนค่า
6.8  9.3
t = –1.7684
1  1)
13.3240( 12 15
3) หาค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ H0 เนื่องจากการทดสอบกระทํา “ณ ระดับ

นัยสําคัญ 0.05 และเป็นการทดสอบแบบด้านเดียวทางซ้าย (H1: 1  2 ) ดังนั้นจะต้องเปิดตารางการแจก
แจงแบบทีที่ –t(0.05, 25) = –1.708 และ t(0.05, 25) = 1.708
แต่ค่าสถิติเพื่อการทดสอบ (t) ซึ่งเท่ากับ -1.7684 น้อยกว่าค่าวิกฤต -1.708 จึง ตกอยู่ในขอบเขตใน
การปฏิเสธ H0 ดังนั้นเวลาเฉลี่ยที่ใช้ในการปฏิบัติงานของช่างเทคนิคที่ได้รับการฝึกอบรมน้อยกว่า ช่างเทคนิคที่
ไม่ได้รับการฝึกอบรม หรือการฝึกอบรมมีผลทําให้ระยะเวลาที่ใช้ในการปฏิบัติงานของช่างเทคนิคลดลง
ตัวอย่างที่ 4.8 จากตัวอย่างที่ 4.7 ถ้าโรงงานแห่งนี้เชื่อว่าเวลาเฉลี่ยที่ใช้ในการปฏิบัติงานของช่างเทคนิค ใน

กลุ่มที่ได้รับการฝึกอบรมน้อยกว่ากลุ่มที่ไม่ได้รับการฝึกอบรมเท่ากับ 2 นาที จงทดสอบ สมมติฐาน ณ ระดับ
นัยสําคัญ 0.05 เพื่อสรุปว่าความเชื่อของโรงงานถูกต้องหรือไม่
วิธีทา
H0: เวลาเฉลี่ยที่ใช้ในการปฏิบัติงานของช่างเทคนิคในกลุ่มที่ได้รับการฝึกอบรมน้อยกว่ากลุ่มที่ไม่ได้
รับการฝึกอบรมเท่ากับ 2 นาที
H1: เวลาเฉลี่ยที่ใช้ในการปฏิบัติงานของช่างเทคนิคในกลุ่มที่ได้รับการฝึกอบรมน้อยกว่ากลุ่มที่ไม่ได้
รับการฝึกอบรมไม่เท่ากับ 2 นาที
หรือ H0:  2  1  2
H 1:  2   1  2
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจากประชากรทั้งสองต่างมีการแจกแจงปกติ ที่ไม่ทราบความ
แปรปรวน ดังนั้นตัวสถิติเพื่อการทดสอบ คือ
( x  x )  ( 1   2 )
t  1 22
sp ( n1  n1 )
1 2
(9.3  6.8)  2
t = 0.3537
1 1
13.3240( 12  15 )
3) หาค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ Hเนื่องจากการทดสอบกระทําณ ระดับนัยสําคัญ

0.05 และเป็นการทดสอบแบบสองด้าน (H1:  2  1  2 ) ดังนั้นจะต้องเปิดตารางการแจกแจงแบบที ที่
–t(0.025, 25) = –2.060 และ t(0.25, 25) = 2.060 แต่ค่าสถิติเพื่อการทดสอบ (t) ซึ่งเท่ากับ 0.3537 อยู่ระหว่างค่า
วิกฤต –2.060 และ 2.060 จึงตกอยู่ในขอบเขตในการยอมรับ H0 ที่ว่าเวลาเฉลี่ยที่ใช้ในการปฏิบัติงานของช่าง
เทคนิคในกลุ่ม ที่ได้รับการฝึกอบรมน้อยกว่ากลุ่มที่ไม่ได้รับการฝึกอบรมเท่ากับ 2 นาที หรือความเชื่อของ
โรงงานถูกต้อง
ตัวอย่างที่ 4.9 จากการศึกษารายได้เฉลี่ยต่อเดือนของวิศวกรที่เข้าทํางานในปีแรกของ 2 จังหวัด คือ จังหวัด
A และจังหวัด B โดยการเลือกวิศวกรตัวอย่างมาจํานวน 200 และ 400 คน จาก จังหวัด A และจังหวัด B
ตามลําดับ ปรากฏว่ารายได้เฉลี่ยต่อเดือนของวิศวกรจากจังหวัด ทั้งสองเป็น 18,000 บาท และ 18,500 บาท
ตามลําดับ สําหรับค่าส่วนเบี่ยงเบนมาตรฐานของรายได้จากวิศวกรตัวอย่างของจังหวัด A และ จังหวัด B เป็น
2,000 และ 2,200 บาท ตามลําดับ วิศวกรที่อาศัยอยู่ในจังหวัดทั้งสองนี้มีรายได้เฉลี่ยแตกต่างกันหรือไม่ ที่
วิธีทา
H0: วิศวกรที่อาศัยอยู่ในจังหวัดทั้งสองมีรายได้เฉลี่ยไม่แตกต่างกัน
H1: วิศวกรที่อาศัยอยู่ในจังหวัดทั้งสองมีรายได้เฉลี่ยแตกต่างกัน
หรือ H0:  A = B หรือ  A – B = 0
H1:  A  B หรือ  A – B  0
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจากตัว อย่างที่เลือกมาจากแต่ละประชากรมขนาดใหญ่ คือ
เท่ากับ 200 และ 400 ตามลําดับ และไม่ทราบค่าส่วนเบี่ยงเบน มาตรฐานของประชากรทั้งสอง ซึ่งอนุโลมว่ามี
ความแปรปรวนเท่ากัน ดังนั้นตัวสถิติเพื่อการทดสอบ คือ
(x  x )
Z  A2 B 2
s A sB
n A  nB
จากโจทย์ x A = 18,000, x B = 18.500,
s 2A = 2,0002, sB2 = 2,2002,
n A = 200, nB = 400,
แทนค่าจะได้
(18,000  18,500),
Z = –2.7907
2 2
2,000  2,200
200 400

นัยสําคัญ 0.10 และเป็นการทดสอบแบบสองด้าน (H1:  A  B ) ดังนั้น จะต้องเปิดตารางการแจกแจง
ปกติมาตรฐานที่ Z(0.05) = –1.645 และ Z(0.95) = 1.645
แต่ค่าสถิติเพื่อการทดสอบ (Z) ซึ่งเท่ากับ 2.7907 ไม่ได้อยู่ระหว่างค่าวิกฤต –1.645 และ 1.645 จึงตก
อยู่ในขอบเขตในการปฏิเสธ H0 หรือยอมรับ H1 ที่ว่าวิศวกรที่อาศัยอยู่ในจังหวัดทั้งสองมี รายได้เฉลี่ยแตกต่าง
กัน
4.8 วิธีการตรวจสอบความเท่ากันของความแปรปรวนของประชากรสองชุด
เพื่อที่จะให้ตัวสถิติที่ใช้เพื่อการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากร 2 ชุด เป็นไปตาม
ข้อตกลงเบื้องต้น หากผู้ทดสอบไม่แน่ใจว่าความแปรปรวนของประชากร 2 ชุดที่นํามาทดสอบเท่ากัน อาจจะ
ตรวจสอบได้โดยมีขั้นตอนที่สําคัญดังต่อไปนี้
H0: 12   22
H1: 12  22
เมื่อ 12 และ 22 แทนความแปรปรวนของประชากรชุดที่ 1 และประชากรชุดที่ 2 ตามลําดับ
2) กําหนดระดับนัยสําคัญของการทดสอบ สมมติให้เท่ากับ  แล้วหาค่าวิกฤตจากตารางการแจกแจง
แบบเอฟ ซึ่งเป็นลักษณะการแจกแจงของข้อมูลอี กแบบหนึ่งเช่นเดียวกับการแจกแจงปกติมาตรฐานหรือการ
แจกแจงแบบที ที่ระดับนัยสําคัญ  และระดับขั้นความเสรี (n1 – 1) และ (n2 – 1) เปรียบเทียบค่า F ที่ได้
จากข้อ 3) กับค่าวิกฤตนี้เพื่อสรุปผลการทดสอบ สมมติฐาน กล่าวคือ ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติ
เพื่อการทดสอบ F ที่คํานวณได้จากข้อมูล มากกว่าค่าวิกฤต หรือ
F  F(1,n1 1,n2 1)
รูปที่ 4.6 การแจกแจงแบบเอฟ

(ที่มา: ดัดแปลงจาก Scheaffer, R. L., Mulekar, M. S., & McClave, J. T., 2011)
3) ตัวสถิติที่ใช้ในการทดสอบสมมติฐาน คือ
s12
F 2 (4.12)
s2
เมื่อ s12 และ s 22 แทนความแปรปรวนของข้อมูลจากตัวอย่างที่เลือกมาจาก ประชากรทั้ง 2 ชุด
โดยที่ s12  s 22
นั่นคือ ในการทดสอบสมมติฐานข้างต้น หากความแปรปรวนจากตัวอย่างที่เลือก มาจากประชากร
ชุดใดมีค่ามากกว่า ต้องกําหนดให้ความแปรปรวนจากตัวอย่างที่เลือกมาจากประชากรชุดนั้นเป็น s12
ตัวอย่างที่ 4.10 โรงงานแห่งหนึ่งใช้เครื่องจักร 2 ยี่ห้อ คือเครื่องจักรยี่ห้อ A และเครื่องจักรยี่ห้อ B ในการผลิต

แผงวงจรไฟฟ้าของเตาไมโครเวฟ จากการเลือกตัวอย่างแผงวงจรไฟฟ้าของเตา ไมโครเวฟที่ผลิตจากเครื่องจักร
ทั้งสองยี่ห้อมายี่ห้อละ 9 วัน เพื่อบันทึกจํานวนแผงวงจรไฟฟ้า ของเตาไมโครเวฟที่เครื่องจักรแต่ละยี่ห้อผลิตได้
ในแต่ละวัน ปรากฏผลดังนี้
เครื่องจักร A 35 31 29 25 34 40 27 32 37
เครื่องจักร B 32 37 35 28 41 44 35 31 34
ความแปรปรวนของจํ านวนแผงวงจรไฟฟ้าของเตาไมโครเวฟที่เครื่องจักรทั้งสองยี่ห้อ ผลิ ตได้

แตกต่างกันหรือไม่ และถ้าโรงงานแห่งนี้ต้องการขยายกิจการ โรงงานควรจะซื้อ เครื่องจักรยี่ห้อใด ถ้าคุณภาพ
ของแผงวงจรไฟฟ้าที่ผ ลิ ตจากเครื่ องจั กรทั้ งสองยี่ห้ อไม่แตกต่างกัน และราคาของเครื่องจักรทั้งสองยี่ห้ อ
ใกล้เคียงกันมาก ใช้ระดับนัยสําคัญ 0.05
วิธีทา
การทดสอบสมมติฐานว่าความแปรปรวนของจํานวนแผงวงจรไฟฟ้าของเตา ไมโครเวฟที่เครื่องจักรทั้ง
สองยี่ห้อผลิตได้เท่ากันหรือไม่
H0: 2A  B2
H1:  2A  B2
เมื่อ  2A และ B2 คือ ความแปรปรวนของจํานวนแผงวงจรไฟฟ้าของเตา ไมโครเวฟที่เครื่องจักร
ยี่ห้อ A และเครื่องจักรยี่ห้อ B ผลิตได้ ตามลําดับ
2) กําหนดตัว สถิติที่ใช้ในการทดสอบสมมติฐ าน เนื่องจากยังไม่ทราบว่าประชากรชุดใดมีความ
แปรปรวนจากตัวอย่างมากกว่ากัน ดังนั้นจึงต้องคํานวณหาความแปรปรวน
s2A  n 1 1   ( x Ai  x A )2 
nA
A i  1 
1  nA
2 

nA  1 i  1 x Ai  nA ( x A ) 

1 [(352  312  ...  37 2 )  9(32.22) 2 ], x = 32.22
9 1 A
= 23.35
sB2  n 1 1   xBi  nB ( xB2 ) 

nB
B i  1 
1 2 2 2 2

9  1 [(32  37  ...  34 )  9(35.22) ], x B = 35.22
= 24.62
เนื่องจาก sB2 มีค่ามากกว่า s 2A ดังนั้นตัวสถิติเพื่อการทดสอบ คือ
sB2 24.62
F  2  23.35 =1.05
sA
3) หาค่าวิกฤตจากตารางการแจกแจงแบบเอฟที่ระดับนัยสําคัญ 0.05 คือ F(1 ,n A 1,nB 1) =
F(0.95, 8, 8) ได้ค่าวิกฤตเท่ากับ 3.438 แต่ค่าสถิติเพื่อการทดสอบ F ซึ่งเท่ากับ 1.05 น้อยกว่าค่าวิกฤต จึงตก
อยู่ใน ขอบเขตในการยอมรับ H0 ดังนั้นความแปรปรวนของจํานวนแผงวงจรไฟฟ้าของเตาไมโครเวฟที่ผลิตได้
โดย เครื่องจักรทั้งสองยี่ห้อไม่แตกต่างกัน หรือ 2A  B2
การทดสอบความแตกต่างระหว่างจํานวนแผงวงจรไฟฟ้าของเตาไมโครเวฟ โดยเฉลี่ยที่เครื่องจักรแต่ละ
ยี่ห้อผลิตได้
1) สมมติฐานเพื่อการทดสอบ ถ้าจากประสบการณ์ของผู้บริหารโรงงานที่เคยใช้เครื่องจักรทั้งสองยี่ห้อ
มาเป็นระยะเวลานาน เชื่อว่าเครื่องจักรยี่ห้อ B ควรมีประสิทธิภาพ ในการผลิตแผงวงจรไฟฟ้าของเตา
ไมโครเวฟได้จํานวนมากกว่าเครื่องจักรยี่ห้อ A ในระยะเวลาเท่าๆกัน สมมติฐานเพื่อการทดสอบจะเป็นดังนี้
H0: เครื่องจักรทั้งสองยี่ห้อผลิตแผงวงจรไฟฟ้าของเตาไมโครเวฟได้ในจํานวนที่ไม่แตกต่างกัน
H1: เครื่องจักรยี่ห้อ B ผลิตแผงวงจรไฟฟ้าของเตาไมโครเวฟได้ในจํานวนที่มากกว่าเครื่องจักรยี่ห้อ A
หรือ H0:  A = B
H1:  A < B
2) ตัวสถิติที่ใช้ในการทดสอบสมมติฐาน เนื่องจากไม่ทราบความแปรปรวนของประชากรซึ่งเท่ากัน
จะต้องประมาณด้วยความแปรปรวนจากตัวอย่างที่เลือกมาจากประชากร ทั้งสอง ดังนั้นตัวสถิติที่ใ ช้ในการ
ทดสอบ คือ
(x  x )
t 2A B
sp ( n1  n1 )
A B
จากโจทย์ x A = 32.22, x B = 35.22,

s 2A = 23.35, s B2 = 24.62,
n A = 9, nB = 9,
และ
2 (n A  1)s 2A  (nB  1)sB2

sp 
n A  nB  2
(9  1)(23.35)  (9  1)(24.62)

992
= 23.99
แทนค่า
32.22  35.22
t = –1.30
23.99( 19  19 )
3) หาค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ H0 เนื่องจากการทดสอบกระทํา ณ ระดับนัยสําคัญ
0.05 และเป็นการทดสอบแบบด้านเดียวทางซ้าย (H1:  A < B ) ดังนั้นจะต้องเปิดตารางการแจกแจงแบบที
ที่ t(0.05, 16) ซึ่งมีค่าเท่ากับ –1.746 แต่ค่าสถิติเพื่อการทดสอบ (t) ซึ่งเท่ากับ –1.30 มากกว่าค่าวิกฤต จึงตก
อยู่ใน ขอบเขตในการยอมรับ H0
ดังนั้นเครื่องจักรทั้งสองยี่ห้อผลิตแผงวงจรไฟฟ้าของเตาไมโครเวฟได้ในจํานวนที่ ไม่แตกต่างกัน
โรงงานสามารถซื้อเครื่องจักรเครื่องใดก็ได้
4.9 การทดสอบสมมติฐานเกี่ยวกับสัดส่วน
การทดสอบสมมติฐานเกี่ยวกับสัดส่วนที่ใช้กันทั่วไปในทางวิศวกรรมมี 2 กรณี คือ การทดสอบสมมติฐาน
เกี่ยวกับสัดส่วนของประชากรชุดเดียวและการทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างสัดส่วนของ
4.9.1 การทดสอบสมมติฐานเกี่ยวกับสัดส่วนของประชากรชุดเดียว
การทดสอบสมมติ ฐ านโดยวิ ธี นี้ ใ ช้ เ มื่ อ ต้ อ งการทดสอบว่ า สั ด ส่ ว นของลั ก ษณะที่ ส นใจศึ ก ษาใน
ประชากร (P) นั้นๆเป็นไปตามที่คาดไว้หรือไม่ เช่น สัดส่วนของเครื่องปรับอากาศที่ใช้คอมเพรสเซอร์ A เท่ากับ
0.25 (P = 0.25) สัดส่วนของแบบวงจรไฟฟ้าชํารุดที่ได้จากการผลิตในระยะเวลา 1 เดือนต่ํากว่า 0.05 (P <
0.05) สัดส่วนของวัตถุดิบที่ใช้ในการผลิต เครื่องใช้ไฟฟ้าซึ่งนําเข้าจากต่างประเทศมากกว่า 0.40 (P > 0.40)
สัดส่วนของวิศวกรของบริษัทโชคชัย จํากัด ที่มีประสบการณ์การทํางานในโรงงานเหล็กมากกว่า 5 ปีต่ํากว่า
0.5 (P < 0.5) เป็นต้น สําหรับวิธีการทดสอบสมมติฐานเกี่ยวกั บสัดส่วนของประชากรชุดเดียวนี้ ทํานอง
เดียวกันกับวิธีการทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของประชากรชุดเดียว กล่าวคือ จะต้องเลือกตัวอย่างจาก
ประชากรที่มีลักษณะที่สนใจศึกษาขึ้นมาจํานวนหนึ่ง และหาสัดส่วน ของลักษณะที่สนใจศึกษาจากตัวอย่าง
ทั้งหมดที่เลือกมาเป็นตัวแทนนั้น แล้วนําสัดส่วนดังกล่าว ไปเปรียบเทียบกับสัดส่วนของลักษณะที่สนใจศึกษา
ซึ่งผู้ทดสอบคาดหมายไว้หรือตั้งไว้เป็น สมมติฐาน ถ้าผลการทดสอบแสดงว่ามีความแตกต่างอย่างมีนัยสําคัญ
แสดงว่าสมมติฐาน หรือความเชื่อของผู้ทดสอบไม่ถูกต้อง แต่ถ้าผลการทดสอบแสดงว่าไม่มีความแตกต่างอย่าง

มีนัยสําคัญ แสดงว่าสมมติฐานหรือความเชื่อของผู้ทดสอบถูกต้อง ตัวอย่างเช่น วิศวกรของบริษัทตัวแทน
จําหน่ายผ้าใยสังเคราะห์เชื่อว่าสัดส่วนของผ้าใยสังเคราะห์ที่มีแรงดึง ต่ํากว่า 12 ปอนด์ต่อตารางนิ้ว เท่ากับ
0.25 และเพื่อเป็นการพิสูจน์ความเชื่อดังกล่าวเขาได้ สุ่มตัวอย่างผ้าใยสังเคราะห์ขึ้นมาจํานวนหนึ่ง แล้วนํ ามา
วัดแรงดึง ปรากฏว่าสัดส่วนของผ้าใยสังเคราะห์ที่มีแรงดึงต่ํากว่า 12 ปอนด์ต่อตารางนิ้วเท่ากับ 0.21 วิศวกร
ของบริษัทนี้ จะต้องทดสอบว่าสัดส่วนที่ได้ 0.21 นี้แตกต่างจากสัดส่วน 0.25 ที่เป็นสมมติฐานเพื่อการทดสอบ
อย่างมีนัยสําคัญหรือไม่ ซึ่งขั้นตอนในการทดสอบจะได้กล่าวต่อไป
เนื่องจากสัดส่วนของลักษณะที่สนใจศึกษาที่ได้จ ากตัวอย่างซึ่งเลือกมาเป็นตัวแทนจากประชากรนี้มีการ
แจกแจงทวินามที่มีค่าเฉลี่ย P และความแปรปรวน P(1nP) แต่ถ้า ผลคูณระหว่างขนาดตัวอย่างที่ใช้ในการ
เก็บรวบรวมข้อมูล (n) และสัดส่วนที่ได้จากตัวอย่าง p และ 1 – p น้อยกว่าหรือเท่ากับ 5 กล่าวคือ np  5
และ n(1 – p) < 5 อาจอนุโลมได้ว่าสัดส่วนที่ได้จากตัวอย่างซึ่งจะใช้เป็นค่าประมาณของ P มีการแจกแจง
ปกติได้ นั่นคือ ตัวสถิติเพื่อการทดสอบสมมติฐานเกี่ยวกับสัดส่วนของประชากรชุดเดียว คือ
pP
Z  P(1  P) (4.13)
n
ขั้นตอนที่สําคัญสําหรับการทดสอบสมมติฐานเกี่ยวกับสัดส่วนของประชากรชุดเดียว มีดังนี้
1) กําหนดสมมติฐานเพื่อการทดสอบ ซึ่งอาจเป็นสมมติฐานใดสมมติฐานหนึ่งใน 3 สมมติฐานต่อไปนี้
ก) H 0: P = k
H 1: P > k
ข) H 0: P = k
H 1: P < k
ค) H 0: P = k
H 1: P  k
เมื่อ k มีค่าตั้งแต่ 0 ถึง 1 (0  k  1)
2) กําหนดระดับนัยสําคัญของการทดสอบ สมมติให้เท่ากับ 
3) กําหนดตัวสถิติเพื่อการทดสอบสมมติฐานใดๆใน 3 สมมติฐานข้างต้น โดยใช้สมการที่ 4.7
4) หาค่าวิกฤต เปรียบเทียบค่า Z ที่ได้จากข้อ 3) กับค่าวิกฤตนี้ เพื่อสรุปผลการทดสอบสมมติฐาน
ก) สําหรับการทดสอบสมมติฐาน H0: P = k
H 1: P > k
ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติเพื่อการทดสอบ Z ทีค่ ํานวณได้จากข้อมูลมากกว่าค่าวิกฤตที่
เปิดได้จากตารางการแจกแจงปกติ มาตรฐานที่ระดับนัยสําคัญ 
Z > Z (1   )
ข) สําหรับการทดสอบสมมติฐาน H0: P = k
H 1: P < k
ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติเพื่อการทดสอบ Z ที่คํานวณได้จากข้อมูลน้อยกว่าค่าวิกฤต
ที่เปิดได้จากตารางการแจกแจงปกติมาตรฐานที่ระดับนัยสําคัญ 
Z < Z ( )
ค) สําหรับการทดสอบสมมติฐาน H0: P = k
H 1: P  k
ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติเพื่อการทดสอบ Z ที่คํานวณได้จากข้อมูลน้อยกว่าหรือ
มากกว่าค่าวิกฤตที่เปิดได้จากตาราง การแจกแจงปกติมาตรฐานที่ระดับนัยสําคัญ 2
Z < Z(  )
2
หรือ Z > Z (1  )
2
ตัวอย่างที่ 4.11 บริษัทตัว แทนจํ าหน่ายหลอดไฟฟ้ายี่ห้ อ A เชื่อว่ าสั ดส่ วนของครอบครัวที่อาศัยอยู่ ใน
กรุงเทพมหานครซึ่งใช้หลอดไฟฟ้ายี่ห้อนี้เท่ากับ 0.30 ถ้าจากการสอบถามครอบครัว 1,000 ครอบครัวที่อาศัย
อยู่ในกรุงเทพมหานคร ปรากฏว่ามีอยู่ 334 ครอบครัวที่ใช้หลอดไฟฟ้า ยี่ ห้อ A ความเชื่อของบริษัทตัวแทน
จําหน่ายถูกต้องหรือไม่ ณ ระดับนัยสําคัญ 0.05
วิธีทา
H0: สัดส่วนของครอบครัวที่อาศัยอยู่ในกรุงเทพมหานครซึ่งใช้หลอดไฟฟ้ายี่ห้อ A เท่ากับ 0.30
H1: สัดส่วนของครอบครัวที่อาศัยอยู่ในกรุงเทพมหานครซึ่งใช้หลอดไฟฟ้ายี่ห้อ A ไม่เท่ากับ 0.30
หรือ H0: P = 0.30
H1: P  0.30
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจาก n = 1,000 และ p = 1334 ,000 ดังนั้น np = 1,000(0.334)
= 334 และ n(1 – p) = 1,000(1 – 0.334) = 666 ซึง่ ต่างก็มากกว่า 5 สามารถอนุโลมได้ว่า P มีการแจกแจง
ปกติมาตรฐาน นั่นคือ ตัวสถิติเพื่อการทดสอบ
pP
Z  P(1  P)
n

0.334  0.30
0.30(1  0.30)
1,000
 2.35
นัยสําคัญ 0.05 และเป็นการทดสอบแบบสองด้าน (H1: P  0.30) ดังนั้น จะต้องเปิดตารางการแจกแจงปกติ
มาตรฐานที่ Z ( 0.025) ซึ่งมีค่าเท่ากับ –1.96 และ 1.96 แต่ค่าสถิติเพื่อการทดสอบ (Z) ซึ่งเท่ากับ 2.35 ไม่ได้
อยู่ระหว่างค่าวิกฤต –1.96 และ 1.96 จึงตกอยู่ในขอบเขตในการปฏิเสธ H0 นั่นคือ ต้องยอมรับ H0 ที่ว่า
สัดส่วนของครอบครัวที่อาศัยอยู่ในกรุงเทพมหานครซึ่งใช้ หลอดไฟฟ้ายี่ห้อ A ไม่เท่ากับ 0.30 แสดงว่าความ
เชื่อของบริษัทตัวแทนจําหน่ายไม่ถูกต้อง
ตัวอย่างที่ 4.12 โรงงานผลิตวงแหวนลูกสูบแห่งหนึ่งอ้างว่าสินค้าที่ผลิตจากโรงงานมีคุณสมบัติตามมาตรฐานที่
กําหนดไว้มากกว่า 96% แต่จากการสุ่มตัวอย่างวงแหวนลูกสูบที่โรงงานผลิต จํานวน 400 ชิ้น ปรากฏว่ามี 20
ชิ้นที่มีคุณภาพไม่ได้มาตรฐาน จะสามารถสรุปได้หรือไม่ว่า คํากล่าวอ้างของโรงงานนี้เป็นความจริงที่ระดับ
นัยสําคัญ 0.05
วิธีทา
H0: สัดส่วนของวงแหวนลูกสูบที่มีคุณภาพได้มาตรฐานซึ่งโรงงานนี้ผลิตได้เท่ากับ 0.96
H1: สัดส่วนของวงแหวนลูกสูบที่มีคุณภาพได้มาตรฐานซึ่งโรงงานนี้ผลิตได้มากกว่า 0.96
หรือ H0: P = 0.96
H1: P > 0.96
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจาก n = 400 และ p = 400 20
400 = 0.95 ดังนั้น np = 400 x
0.95 = 380 และ n(1 – p) = 400( 1 – 0.95) = 20 ซึ่งต่าง ก็มากกว่า 5 สามารถอนุโลมได้ว่า P มีการแจก
แจงปกติมาตรฐาน ตัวสถิติเพื่อการ ทดสอบ คือ
pP
Z  P(1  P)
n

0.95  0.96
0.96(1  0.96)
400
 1.02

นัยสําคัญ 0.05 และเป็นการทดสอบแบบด้านเดียวทางขวา (H1: P > 0.96) ดังนั้นจะต้องเปิดตารางการแจก
แจงปกติมาตรฐานที่ Z(0.95) ซึ่งมีค่า เท่ากับ 1.645 แต่ค่าสถิติเพื่อการทดสอบ (Z) ซึ่งเท่ากับ –1.02 น้อยกว่า
ค่าวิกฤต จึงตกอยู่ใน ขอบเขตในการยอมรับ H0 นั่นคือ ต้องยอมรับ H0 คือ สัดส่วนของวงแหวนลูกสู บที่มี
คุณภาพได้มาตรฐานซึ่งโรงงานนี้ผลิตได้ น้อยกว่าหรือเท่ากับ 0.96 หรือคํากล่าวอ้างของโรงงานนี้ไม่เป็นความ
จริง
ตัวอย่างที่ 4.13 วิศวกรของบริ ษัทตัวแทนจําหน่ายเครื่องคอมพิวเตอร์แห่งหนึ่งเชื่อว่าโรงเรียนที่ตั้งอยู่ ใน

กรุงเทพฯในปัจจุบันมีเครื่องคอมพิวเตอร์ใช้น้อยกว่าร้อยละ 90 แต่จากการสํารวจโรงเรียนที่ตั้งอยู่ในกรุงเทพฯ
ที่เลือกมาเป็นตัวอย่างจํานวน 300 โรงเรียน พบว่ามีโรงเรียนที่มีเครื่อง คอมพิวเตอร์ใช้ถึง 276 แห่ง ความเชื่อ
ของวิศวกรถูกต้องหรือไม่ที่ระดับนัยสําคัญ 0.05
วิธีทา
H0: สัดส่วนของโรงเรียนที่ตั้งอยู่ในกรุงเทพฯที่มีเครื่องคอมพิวเตอร์ใช้เท่ากับ 0.90
H1: สัดส่วนของโรงเรียนที่ตั้งอยู่ในกรุงเทพฯที่มีเครื่องคอมพิวเตอร์ใช้น้อยกว่า 0.90
หรือ H0: P = 0.90
H1: P < 0.90
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจาก n = 300 และ p = 276 300 = 0.92 ดังนั้น np = 300
(0.92) = 276, n(1 – p) = 300 (1 – 0.92) = 24 ซึ่งต่างก็มากกว่า 5 สามารถอนุโลมได้ว่า P มีการแจกแจง
ปกติมาตรฐาน ตัวสถิติเพื่อการทดสอบ คือ
pP
Z  P(1  P)
n

0.92  0.90
0.90(1  0.90)
300
 1.155
นัยสําคัญ 0.05 และเป็นการทดสอบแบบด้านเดียวทางซ้าย (H0: P < 0.90) ดังนั้นจะต้องเปิดตารางการแจก
แจงปกติมาตรฐานที่ Z(0.05) ซึ่งมีค่าเท่ากับ -1.645 แต่ค่าสถิติเพื่อการทดสอบ (Z) ซึ่งเท่ากับ 1.155 มากกว่า
ค่าวิกฤต จึงตกอยู่ใน ขอบเขตในการยอมรับ H0 นั่นคือ ต้องยอมรับ H0 คือ สัดส่วนของโรงเรียนที่ตั้งอยู่ใน
กรุงเทพฯ ที่มีเครื่องคอมพิวเตอร์ใช้มากกว่าหรือเท่ากับ 0.90 แสดงว่าความเชื่อของวิศวกรไม่ถูกต้อง
ตัวอย่างที่ 4.14 วิศวกรเครื่องกลผู้หนึ่ งจะตัดสิ นใจลงทุนผลิ ตเครื่องนวดข้าวขนาดเล็ กที่พัฒนาขึ้นมา ถ้า

สัดส่วนของชาวนาที่ได้ทดลองใช้เครื่องนวดข้าวนี้มากกว่า 50% บอกว่าชอบ จากการสอบถามชาวนาจํานวน
400 รายที่ทดลองใช้เครื่องนวดข้าวนี้ปรากฏว่ามีอยู่ 212 รายที่ชอบ วิศวกรผู้นี้ควรจะลงทุนผลิตเครื่องนวด
ข้าวดังกล่าวหรือไม่ ใช้ระดับนัยสําคัญ 0.05
วิธีทา
H0: สัดส่วนของชาวนาที่ชอบเครื่องนวดข้าวนี้เท่ากับ 0.50
H1: สัดส่วนของชาวนาที่ชอบเครื่องนวดข้าวนี้มากกว่า 0.50
หรือ H0: P = 0.50
H1: P > 0.50
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจาก n = 400 และ p = 212 400 = 0.53 ดังนั้น np = 400 x
0.53 = 212, n(1 – p) = 400( 1 – 0.53) = 188 ซึ่งต่างก็มากกว่า 5 สามารถอนุโลมได้ว่า P มีการแจกแจง
ปกติมาตรฐาน ตัวสถิติเพื่อการทดสอบ คือ
pP
Z  P(1  P)
n

0.53  0.50
0.50(1  0.50)
400
 1.2
3) หาค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ H, เนื่องจากการทดสอบกระทํา ณ ระดับ
นัยสําคัญ 0.05 และเป็นการทดสอบแบบด้านเดีย วทางขวา (H1: P > 0.50) ดังนั้นจะต้องเปิดตารางการแจก
แจงปกติมาตรฐานที่ Z(0.95) ซึ่งมีค่า เท่ากับ 1.645 แต่ค่าสถิติเพื่อการทดสอบ (Z) ซึ่งเท่ากับ 1.2 น้อยกว่าค่า
วิกฤต จึงตกอยู่ในขอบเขตในการยอมรับ H0 คือ สัดส่วนของชาวนาที่ชอบเครื่องนวดข้าวน้อยกว่าหรือเท่ากับ
0.5 หรือวิศวกรผู้นี้ไม่ควรลงทุนผลิตเครื่องนวดข้าว
4.9.2 การทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างค่าสัดส่วนของประชากรสองชุด
การทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างสัดส่วนของประชากร 2 ชุด เพื่อต้องการทราบ
ว่าสัดส่วนของลักษณะที่สนใจศึกษาของประชากร 2 ชุดมีความแตกต่างกันหรือไม่ หรือมีความแตกต่างกัน
เท่ากับจํานวนที่คาดไว้หรือไม่ เช่น สัดส่วนของลูกค้าที่ใช้ เครื่องขยายเสียงยี่ห้อ X ในจังหวัดสมุทรปราการสูง
กว่าสัดส่วนของลูกค้าที่ใช้เครื่องขยายเสียงยี่ห้อ X ในจังหวัดนนทบุรี หรือสัดส่วนของรถยนต์รับจ้ างที่ใช้แก๊ส
LPG สูงกว่าสัดส่วนของรถส่วนบุคคลที่ใช้แก๊ส LPG หรือสัดส่วนของวัยรุ่นชายที่ใช้โทรศัพท์สาธารณะต่ํากว่า
สัดส่วนของวัยรุ่นหญิงที่ใช้โทรศัพท์สาธารณะเท่ากับ 0.10 เป็นต้น วิธีการที่ใช้ในการทดสอบ สมมติฐาน
เกี่ยวกับความแตกต่างระหว่างสัดส่วนของประชากร 2 ชุดนี้ก็ทํานองเดียวกันกับ วิธีการทดสอบความแตกต่าง

ระหว่างค่าเฉลี่ยของประชากร 2 ชุด กล่าวคือ จะต้องเลือกตัวอย่างจากแต่ละประชากรที่มีลักษณะที่สนใจ
ศึกษาขึ้นมาจํานวนหนึ่ง และหาค่าสัดส่วน ของลักษณะที่สนใจศึกษาจากตัวอย่างทั้งหมดที่เลือกมาเป็นตัวแทน
จากแต่ละประชากร แล้วนําผลต่างของสัดส่วนที่ได้จากตัวอย่างไปเปรียบเทียบกับสัดส่วนของลักษณะที่สนใจ
ศึกษา ซึ่งผู้ทดสอบคาดไว้หรือตั้งไว้เป็นสมมติฐาน ถ้าผลการทดสอบมีความแตกต่างอย่างมีนัยสําคัญ แสดงว่า
สมมติฐานหรือความเชื่อของผู้ทดสอบไม่ถูกต้อง แต่ถ้าผลการทดสอบมีความแตกต่างอย่างไม่มีนัยสําคัญ แสดง
ว่าสมมติฐานหรือความเชื่อของผู้ทดสอบถูกต้อง
ถ้าให้ P1 และ P2 แทนสัดส่วนของลักษณะที่สนใจศึกษาของประชากรชุดที่ 1 และ ประชากรชุดที่ 2
ซึ่งเป็นสมมติฐานหรือความเชื่อของผู้ทดสอบ
k แทนผลต่างระหว่างสัดส่วนของลักษณะที่สนใจศึกษา (P1 – P2) ที่ผู้ทดสอบคาด
ว่าควรจะเป็น ในกรณีที่ต้องการทดสอบว่า P1 = P2 ค่า k จะเท่ากับ 0
p1 และ p2 แทนสัดส่วนของลักษณะที่สนใจศึกษาจากตัวอย่างที่เลือกมาเป็นตัวแทนจาก
ประชากรทั้งสอง ตามลําดับ
ขั้นตอนที่ใช้ในการทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างสัดส่วนของประชากร 2 ชุดมี
ดังนี้
1) กําหนดสมมติฐานเพื่อการทดสอบ ซึ่งอาจเป็นสมมติฐานใดสมมติฐานหนึ่งใน 3 สมมติฐานต่อไปนี้
ก) H0: P1 – P2 = k
H1: P1 – P2 > k
ข) H0: P1 – P2 = k
H1: P1 – P2 < k
ค) H0: P1 – P2 = k
H1: P1 – P2  k
เมื่อ k มีค่าตั้งแต่ 0 ถึง 1 (0  k  1)
2) กําหนดระดับนัยสําคัญของการทดสอบ สมมติให้เท่ากับ 
3) กําหนดตัวสถิติเพื่อการทดสอบสมมติฐานใดๆใน 3 สมมติฐานข้างต้น
(p  p )  (P  P )
Z  P (11  P2 ) P 1(1 2P ) (4.14)
1 1 2 2
n1  n2
ในกรณีของการทดสอบสมมติฐานเมื่อ k = 0 หรือทดสอบว่าสัดส่วนของลักษณะที่สนใจศึกษาของ
ประชากรชุดที่ 1 และประชากรชุดที่ 2 ไม่แตกต่างกัน กล่าวคือ

H0: P1 – P2 = 0 หรือ P1 = P2
H1: P1 – P2 > 0 หรือ P1 > P2
หรือ H0: P1 – P2 = 0 หรือ P1 = P2
H1: P1 – P2 < 0 หรือ P1 < P2
หรือ H0: P1 – P2 = 0 หรือ P1 = P2
H1: P1 – P2  0 หรือ P1  P2
ตัวสถิติเพื่อการทดสอบ คือ
p1  p2
Z (4.15)
p (1  p )( n1  n1 )
1 2
เมื่อ p = สัดส่วนรวมจากตัวอย่างที่เลือกมาจากประชากรทั้งสอง
np n p
p  1n1  n2 2 (4.16)
1 2
ตัวสถิติเพื่อการทดสอบ Z นี้ควรจะใช้เมื่อทั้ง n1P1, n1(1 – p1), n2P2, n2(1 – p2) มีค่ามากกว่าหรือเท่ากับ 5

4) หาค่าวิกฤต เปรียบเทียบค่า Z ที่ได้จากข้อ 3) กับค่าวิกฤตนี้เพื่อสรุปผลการทดสอบ สมมติฐาน
ก) สําหรับการทดสอบสมมติฐาน H0: P1 – P2 = k
H1: P1 – P2 > k
ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติเพื่อการทดสอบ Z ที่ คํานวณได้จากข้อมูลมากกว่าค่า
วิกฤตที่เปิดได้จากตารางการแจกแจงปกติมาตรฐานที่ระดับนัยสําคัญ 
Z > Z (1   )
ข) สําหรับการทดสอบสมมติฐาน H0: P1 – P2 = k
H1: P1 – P2 < k
ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติเพื่อการทดสอบ Z ที่คํานวณได้จากข้อมูลน้อยกว่าค่า
วิกฤตที่เปิดได้จากตารางการแจกแจงปกติมาตรฐานที่ระดับนัยสําคัญ 
Z < Z ( )
ค) สําหรับการทดสอบสมมติฐาน H0: P1 – P2 = k
H1: P1 – P2  k
ปฏิเสธ H0 หรือยอมรับ H1 ถ้าค่าสถิติเพื่อการทดสอบ Z ที่คํานวณได้จากข้อมูลน้อยกว่าหรือ

มากกว่าค่าวิกฤตที่เปิดได้จากตาราง การแจกแจงปกติมาตรฐานที่ระดับนัยสําคัญ 2
Z < Z(  )
2
หรือ Z > Z (1  )
2
ตัวอย่างที่ 4.15 โรงงานประกอบคอมพิวเตอร์แห่งหนึ่งต้องการเปิดสาขาใหม่เพิ่มขึ้นอีกหนึ่งสาขา เจ้าของ
โรงงานคิดว่าควรจะไปเปิดสาขาที่จังหวัดเชียงใหม่ แต่ผู้จัดการโรงงานคิดว่าควรไปเปิดที่จังหวัดขอนแก่น
เพื่อที่จะทราบว่าโรงงานควรจะไปเปิดสาขาที่จังหวัดใด จึงเลือกตัวอย่าง นักศึกษาและผู้จัดการบริษัทเอกชนที่
อยู่ในจังหวัดเชียงใหม่และขอนแก่นมา 1,000 คนและ 1,500 คน ตามลําดับ จากการสอบถามนักศึกษาและ
ผู้ จั ดการบริ ษัท เอกชนที่เ ลื อ กมาเป็ น ตั ว อย่า งในแต่ ล ะจัง หวั ด ปรากฏว่า มีจํ านวนนัก ศึ กษาและผู้ จั ดการ
บริษัทเอกชนที่สนับสนุนให้ เปิดสาขาในจังหวัดของตนเป็นจํานวน 420 คนและ 615 คน ตามลําดับ ความคิด
ของ เจ้าของโรงงานถูกต้องหรือไม่ ทดสอบ ณ ระดับนัยสําคัญ 0.05
วิธีทา
H0: สัดส่วนของนักศึกษาและผู้จัดการบริษัทเอกชนที่สนับสนุนให้เปิดสาขาในสองจังหวัดไม่
แตกต่างกัน
H1: สัดส่วนของนักศึกษาและผู้จัดการบริษัทเอกชนที่สนับสนุนให้เปิดสาขาในจังหวัดเชียงใหม่
มากกว่าจังหวัดขอนแก่น
หรือ H0: P1 = P2
H1: P1 > P2
เมื่อ P1 และ P2 แทนค่าสัดส่วนของนักศึกษาและผู้จัดการบริษัทเอกชนที่ สนับสนุนให้เปิดสาขาใน
จังหวัดเชียงใหม่และขอนแก่น ตามลําดับ
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจาก n1 = 1,000, n2 = 1,500, p1 = 1420 ,000 = 0.42,
p2 = 1615 ,500 = 0.41 ดังนั้น
n1P1 = 1,000(0.42) = 420, n1(1 – p1) = 1,000(1 – 0.42) = 580
n2P2 = 1,500(0.41) = 615, n1(1 – p1) = 1,500(1 – 0.41) = 885
ซึง่ ต่างก็มากกว่า 5 สามารถอนุโลมได้ว่า P1 และ P2 มีการแจกแจงปกติมาตรฐาน ตัวสถิติเพื่อการ
p1  p2
Z
p (1  p )( n1  n1 )
1 2
np n p
เมื่อ p  1n1  n2 2
1 2
420  615

1,000  1,500  0.414
แทนค่า Z 0.42  0.41
1  1 )
0.414(1  0.414)(1,000 1,500
= 0.50
3) หาค่าวิกฤตหรือขอบเขตในการยอมรับหรือปฏิเสธ H, เนื่องจากการทดสอบกระทํา ณ ระดับ

นัยสําคัญ 0.05 และเป็นการทดสอบแบบด้านเดียวทางขวา (H1: P1 > P2) ดังนั้นจะต้องเปิดตารางการแจก
แจงปกติมาตรฐานที่ Z ( 0.95) ซึ่งมีค่า เท่ากับ 1.645 แต่ค่าสถิติเพื่อการทดสอบ (Z) ซึ่งเท่ากับ 0.50 น้อยกว่า
ค่า วิก ฤต จึ งตกอยู่ ใ น ขอบเขตในการยอมรั บ H0 คือ สั ด ส่ ว นของนัก ศึ กษาและผู้ จั ด การบริ ษั ทเอกชนที่
สนับสนุนให้เปิดสาขาในจังหวัดเชียงใหม่ และจังหวัดขอนแก่นไม่แตกต่างกัน แสดงว่าความคิดของเจ้าของ
โรงงานประกอบคอมพิวเตอร์ไม่ถูกต้อง
ตัวอย่างที่ 4.16 ร้านซ่อมอุปกรณ์ไฟฟ้าแห่งหนึ่งสามารถซื้ออุปกรณ์อะไหล่จากตัวแทนจําหน่าย 2 บริษัท คือ
บริษัท A และบริษัท B ในราคาที่เท่ากัน แต่จากการตรวจสอบอุปกรณ์อะไหล่ดังกล่าว จํา นวน 200 ชิ้น จาก
บริษัท A พบอุปกรณ์อะไหล่ชํารุด 12 ชิ้น และจากการตรวจสอบอุปกรณ์อะไหล่จํานวน 300 ชิ้น จากบริษัท B
พบอุปกรณ์อะไหล่ชํารุด 21 ชิ้น คุณภาพของอุปกรณ์อะไหล่ที่ซื้อจากทั้งสองบริษัทมีความแตกต่างกันหรือไม่
ณ ระดับนัยสําคัญ 0.05
วิธีทา
H0: สัดส่วนของอุปกรณ์อะไหล่ชํารุดที่ซื้อจากบริษัททั้งสองไม่แตกต่างกัน
H1: สัดส่วนของอุปกรณ์อะไหล่ชํารุดที่ซื้อจากบริษัททั้งสองแตกต่างกัน
หรือ H0: PA = PB
H1: PA  PB
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจาก nA = 200, nB = 300, pA = 200 12 = 0.06, pB = 21 =
300
0.07 ดังนั้น
nApA = 200(0.06) = 12, nA(1 – pA) = 200(1 – 0.06) = 188
nBpB = 300(0.07) = 21, nB(1 – pB) = 300(1 – 0.07) = 279
ซึง่ ต่างก็มากกว่า 5 สามารถอนุโลมได้ว่า pA และ pB มีการแจกแจงปกติมาตรฐาน ตัวสถิติเพื่อการ
pA  pB
Z
p (1  p )( n1  n1 )
A B
n p n p
เมื่อ p  An A  nB B
A B
12  21

200  300  0.066
แทนค่า Z 0.06  0.07
1  1 )
0.066(1  0.066)( 200 300
= –0.44

นัยสําคัญ 0.05 และเป็นการทดสอบแบบสองด้าน (H1: PA  PB) ดังนั้น จะต้องเปิดตารางการแจกแจงปกติ
มาตรฐานที่ Z ( 0.025) และ Z ( 0.975) มีค่าเท่ากับ –1.96 และ 1.96 แต่ค่าสถิติเพื่อการทดสอบ (Z) ซึ่งเท่ากับ
–0.44 อยู่ระหว่างค่าวิกฤต –1.96 และ 1.96 จึงตกอยู่ในขอบเขตในการยอมรับ H0 แสดงว่าคุณภาพของ
อุปกรณ์อะไหล่ที่ผลิตจากบริษัททั้งสองไม่แตกต่างกัน
ตัวอย่างที่ 4.17 วิศวกรของบริษัทแห่งหนึ่งต้องการซื้อเครื่องต้ านทานกระแสไฟฟ้าเพื่อนํามาใช้ในสํานักงาน
แต่มีเครื่องต้านทานกระแสไฟฟ้าอยู่ 2 ยี่ห้อ คือยี่ห้อ a และยี่ห้อ b ซึ่งมีราคา และความต้านทานกระแสไฟฟ้า
อยู่ในช่วงที่บริษัทต้องการ ดังนั้นวิศวกรจึงตัดสินใจที่จะซื้อโดยการพิจารณาความต้านทานกระแสไฟฟ้าที่วัดได้
จากแต่ละยี่ห้อ จากการทดลองวัดความต้านทานกระแสไฟฟ้าจํานวน 400 ครั้งกับเครื่องต้านทานกระแสไฟฟ้า
ทั้งสองยี่ห้อ ปรากฏว่ามีจํานวนครั้งที่ไม่สามารถต้านทานกระแสไฟฟ้าที่ต้องการจากการใช้เครื่องยี่ห้อ a และ
ยี่ห้อ b เป็นจํานวน 16 ครั้งและ 20 ครั้ง ตามลําดับ จากข้อมูลที่ได้วิศวกรควรสั่งซื้อเครื่องต้านทาน
กระแสไฟฟ้ายี่ห้อใด ทดสอบ ณ ระดับนัยสําคัญ 0.10
วิธีทา
1) กําหนดสมมติฐานเพื่อการทดสอบ การทดสอบสมมติฐานเพื่อใช้ในการตัดสินใจว่าควรจะเลือกสิ่งใด
สิ่งหนึ่งใน 2 สิ่ง ซึ่งในที่นี้คือเครื่องต้านทานกระแสไฟฟ้า สมมติฐาน H1 ไม่ควรเป็นสมมติฐานที่แสดงความไม่
เท่ากัน เพราะผลการทดสอบสมมติฐานจะ บอกไม่ได้ว่าเครื่องต้านทานกระแสไฟฟ้ายี่ห้อใดดีก ว่ายี่ห้อใด บอก
ได้แต่เพียงว่ามีคุณภาพแตกต่างกันเท่านั้น ดังนั้นจึงควรตั้ง H1 เป็นสมมติฐานที่แสดงความมากกว่าหรือน้อย
กว่าอย่างใดอย่างหนึ่ง คือ
H0: สัดส่วนของจํานวนครั้งที่ไม่สามารถต้านทานกระแสไฟฟ้าที่ต้องการของเครื่องต้านทาน
กระแสไฟฟ้าทั้งสองยี่ห้อไม่แตกต่างกัน
H1: สัดส่วนของจํานวนครั้งที่ไม่สามารถต้านทานกระแสไฟฟ้าที่ต้องการของเครื่องต้านทาน
กระแสไฟฟ้ายี่ห้อ a น้อยกว่าเครื่องต้านทานกระแสไฟฟ้ายี่ห้อ b
หรือ H0: Pa = Pb
H1: Pa < Pb
2) กําหนดตัวสถิติเพื่อการทดสอบ เนื่องจาก n a = 400, nb = 400, p a = 400 16 = 0.04,
20 = 0.05 ดังนั้น
pb = 400
nap a = 400(0.04) = 16, na (1  p a ) = 400(0.96) = 384
nbpb = 400(0.05) = 20, nb (1  pb ) = 400(0.95) = 380
ซึง่ ต่างก็มากกว่า 5 สามารถอนุโลมได้ว่าทั้ง Pa และ Pb มีการแจกแจงปกติ มาตรฐาน ตัวสถิติเพื่อ
การทดสอบ คือ
pa  pb
Z
p (1  p )( n1  n1 )
a b
n p n p
เมื่อ p  a nb  nb b
a b
16  20

400  400  0.045
แทนค่า Z 0.04  0.05
1  1 )
0.045(1  0.045)( 400 400
= –0.68
นัยสําคัญ 0.10 และเป็นการทดสอบแบบด้านเดียวทางซ้าย (H1: Pa < Pb ) ดังนั้นจะต้องเปิดตารางการแจก
แจงปกติมาตรฐานที่ Z ( 0.10 ) ซึ่งมีค่าเท่ากับ –1.282 แต่ค่าสถิติเพื่อการทดสอบ (Z) ซึ่งเท่ากับ -0.68 มากกว่า
ค่าวิกฤต จึงตกอยู่ใน ขอบเขตในการยอมรับ H0 นั่นคือ ต้องยอมรับ H0 หรือปฏิเสธ H1 ที่ว่าสัดส่วนของ
จํานวนครั้งที่ไม่สามารถต้านทานกระแสไฟฟ้าที่ต้องการจากเครื่องต้านทานกระแสไฟฟ้ายี่ห้อ 2 น้อยกว่า
เครื่องต้านทาน กระแสไฟฟ้ายี่ห้อ b แสดงว่าวิศวกรจะสั่งซื้อเครื่องต้านทานกระแสไฟฟ้ายี่ห้อ 2 หรือยี่ห้อ b
ก็ได้ ทั้งนี้ เนื่องจากคุณภาพของเครื่องต้านทานกระแสไฟฟ้าทั้งสองยี่ห้อไม่แตกต่างกัน
4.10 สรุป
การทดสอบสมมติ ฐาน (Hypothesis Testing) เป็นส่ วนหนึ่งของสถิติเชิงอนุมาน (Statistical
Inference) ซึ่งเป็นการทดสอบเกี่ยวกับพารามิเตอร์ที่ไม่ทราบค่า โดยสุ่มตัวอย่างจากประชากรแล้ว อาศัยการ
แจกแจงของตัวสถิติ สร้างสถิติทดสอบเกี่ยวกับพารามิเตอร์นั้นๆ
ขัน้ ตอนการทดสอบสมมติฐานทางสถิติมีดังนี้
1) ตั้งสมมติฐานหลัก (H0) และสมมติฐานทางเลือก (H1) ให้มีความหมายตรงข้ามกันเสมอ

2) กําหนดระดับนัยสําคัญ 
3) เลือกตัวสถิติทดสอบที่เหมาะสม แล้วหาจุดวิกฤตเพื่อกําหนดบริเวณปฏิเสธ H0 ให้ สอดคล้องกับ H0
และ 
4) คํานวณค่าสถิติที่ใช้ทดสอบจากตัวอย่างขนาด n ที่สุ่มมา
5) ตัดสินใจยอมรับหรือปฏิเสธ H0 โดยพิจารณาจากเงื่อนไขนี้ ถ้ าค่าสถิติทดสอบที่คํานวณได้จาก
ขัน้ ตอนที่ 4 ตกอยู่ในบริเวณยอมรับ จะตัดสินใจยอมรับ H0 หรือปฎิเสธ H1 แต่หากตกอยู่บริเวณปฏิเสธ H0 จะ
ตัดสินใจปฏิเสธ H0 หรือยอมรับ H1
6) สรุปผล
ผลการทดสอบไม่ว่าจะยอมรับหรือปฏิเสธสมมติฐานหลัก ย่อมอาจมีความผิดพลาดเกิดได้ 2 กรณีเสมอ คือ
1) การปฏิเสธ H0 เมื่อ H0 เป็นจริง เรียกว่า ความผิดพลาดประเภทที่ 1 (type I error)
2) การยอมรับ H0 เมื่อ H0 เป็นเท็จ เรียกว่า ความผิดพลาดประเภทที่ 2 (type II error)
ขนาดของความผิดพลาดประเภทที่1 (Size of a type I error) คือ ความน่าจะเป็นที่จะเกิดความผิดพลาด
ประเภทที่ 1 เขียนแทนด้วย  หรือเรียกว่า ระดับนัยสําคัญ (Level of significant ) และขนาดของความ
ผิดพลาดประเภทที่ 2 (Size of a type II error) คือ ความน่าจะเป็นที่จะเกิดความผิดพลาดประเภทที่ 2 แทน
ด้วย  และเรียก 1 –  ว่า กําลังของการทดสอบ (Power of the test) ในการทดสอบสมมติฐานผู้ทดสอบ
ต้องพยายามควบคุมความผิดพลาดทั้งสองประเภทให้มีโอกาสเกิดขึ้นน้อยที่สุดแต่ขนาดของความผิดพลาดสอง
ประเภทนี้สวนทางกัน กล่าวคือ ถ้า  มีค่ามากแล้ว  จะมีค่าน้อย การควบคุมความผิดพลาดทั้ งสอง
ประเภทนี้สามารถลดลงได้ถ้าเพิ่มขนาดตัวอย่างให้มากขึ้น
1. ถ้าจํานวนสินค้าโดยเฉลี่ยที่ผลิตได้จากเครื่องจักรที่วิศวกรเลือกมาเป็นตัวอย่างจํานวน 36 เครื่อง เท่ากับ 86

ชิ้น/วันและความแปรปรวนของจํานวนสินค้าเท่ากับ 121 จงทดสอบสมมติฐานซึ่งเป็นความเชื่อของวิศวกรฝ่าย
ผลิตที่ว่าเครื่องจักรของโรงงานสามารถผลิตสินค้าได้โดยเฉลี่ย มากกว่า 90 ชิ้น/วัน ณ ระดับนัยสําคัญ 0.05
2. ยอดขายเฉลี่ยต่อวันของร้านขายอุปกรณ์ไฟฟ้าที่ตั้งอยู่ในเขตชุมชนแห่งหนึ่งเท่ากับ 10,000 บาท และมีการ
แจกแจงของยอดขายเป็นแบบปกติ ถ้าในรอบเดือนที่ผ่านมาร้านขายอุปกรณ์ไฟฟ้า ร้านหนึ่งในเขตนี้มียอดขาย
เฉลี่ยเท่ากับ 9,500 บาท และค่าส่วนเบี่ยงเบนมาตรฐานเท่ากับ 75 บาท จงทดสอบสมมติฐานที่ว่าร้านขาย
อุปกรณ์ไฟฟ้าร้านนี้มียอดขายเฉลี่ย ต่ํากว่ายอดขายเฉลี่ยของร้านขายอุ ปกรณ์ไฟฟ้าทั้งหมดในชุมชนนี้ โดยใช้
3. บริษัทแห่งหนึ่งอ้างว่าสารกําจัดความชื้นที่ผลิตมาจําหน่ายสามารถกําจัดความชื้นของวัตถุดิบ ได้ภายใน 10
นาทีภายหลังการใช้ ถ้าจากการสอบถามผู้ใช้ สารกําจัดความชื้นชนิดนี้โดยการสุ่มจํานวน 12 คน ปรากฏว่า
ระยะเวลาที่สารกําจัดความชื้น ดังกล่าวสามารถกําจัดความชื้นได้ เป็นดังนี้ 9.1, 13.2, 8.7, 4.2, 9.5, 10.7,
15.3, 6.8, 12.1, 14.0, 9.0 และ 12.7 นาที และเวลาที่สารกําจัดความชื้นนี้สามารถกําจัดความชื้นได้มีการ
แจกแจงที่อนุโลมได้ว่าเป็นแบบปกติ คํากล่าวอ้างของบริษัทเป็นจริงหรือไม่ ที่ระดับนัยสําคัญ 0.10
4. เมื่อเริ่มตั้งโรงงานใหม่ๆเครื่องจักรของโรงงานสามารถผลิตสินค้าได้เฉลี่ยวันละ 1,550 ชิ้น แต่หลังจากใช้
งานเครื่องจักรมาเป็นเวลา 2 ปี วิศวกรโรงงานแห่งนี้ก็ยังเชื่อว่าจํานวนสินค้า โดยเฉลี่ยที่เครื่องจักรเครื่องนี้
ผลิตได้ต่อวันยังคงเท่าเดิม แต่จากการเก็บรวบรวมข้อมูลเกี่ยวกับ จํานวนสินค้าที่เครื่องจักรเครื่องนี้ผลิตได้
ในช่วงระยะเวลา 81 วันที่ผ่านมาปรากฏว่าผลิตได้ เฉลี่ยเพียง 1,535 ชิ้น และมีค่าส่วนเบี่ยงเบนมาตรฐาน
เท่ากับ 60 ชิ้น/วัน ความเชื่อของ วิศวกรโรงงานถูกต้องหรือไม่ ณ ระดับนัยสําคัญ 0.05
5. วิศวกรของโรงงานแห่งหนึ่งเชื่อว่าคนงานของโรงงานมาทํางานสายโดยเฉลี่ยมากกว่า 4 นาที จากการ
ตรวจสอบเวลาของคนงานที่มาสายซึ่งเลือกมาเป็นตัวอย่างโดยการสุ่มจํานวน 15 คน ปรากฏว่าเป็นดังนี้ 3.6,
4.2, 4.0, 4.7, 4.0, 3.9, 4.1, 4.3, 4.3, 4.5, 4.6, 3.5, 3.8, 4.5 และ 4.2 นาที จงทดสอบสมมติฐานเพื่อยืนยัน
ความเชื่อของวิศวกรที่ระดับนัยสําคัญ 0.05
6. จากการวัดเวลาในการเกิดปฏิกิริยาเคมีจนเสร็จสมบูรณ์จากการผสมสารเคมีสองชนิดจํานวน 20 ครั้ง พบว่า
ระยะเวลาในการเกิดปฏิกิริยาเคมีโดยเฉลี่ยเท่ากับ 71 มิลลิวินาที และค่าส่วนเบี่ยงเบนมาตรฐานเท่ากับ 9
มิลลิวินาที จงทดสอบสมมติฐานที่ว่าค่าเฉลี่ยของระยะเวลา ในการเกิดปฏิกิริยาเคมีมากกว่า 67 มิลลิวินาที ณ
7. ถ้าเลือกตัวอย่างจํานวน 16 ตัวอย่างมาจากประชากร โดยที่ ได้ค่าเฉลี่ยจากตัวอย่างและค่า ส่วนเบี่ยงเบน
มาตรฐานจากตัวอย่างเท่ากับ 49 และ 6 ตามลําดับ จงทดสอบสมมติฐานที่ว่า  < 50 ระดับนัยสําคัญ 0.05
8. จากการศึกษาอายุการใช้งานของหลอดภาพโทรทัศน์ 2 ยี่ห้อ คือยี่ห้อ A และยี่ห้อ B โดยการเลือกตัวอย่าง

หลอดภาพโทรทัศน์มาจํานวน 25 หลอด และ 48 หลอด ตามลําดับ ปรากฏว่าหลอดภาพโทรทัศน์ยี่ห้อ A มี
อายุการใช้งานเฉลี่ย 1,537 ชั่วโมง และความแปรปรวนของอายุการใช้งาน 400 ส่วนหลอดภาพโทรทัศน์ยี่ห้อ
B มีอายุการใช้งานเฉลี่ย 1,428 ชั่วโมง และความแปรปรวนของอายุการใช้งาน 350 จงทดสอบสมมติฐานที่ว่า
หลอดภาพโทรทัศน์ทั้งสองยี่ห้อมีอายุการใช้งานไม่แตกต่างกัน ณ ระดับนัยสําคัญ 0.05
9. ในการฝึกอบรมช่างเทคนิคของโรงงานอุตสาหกรรมแห่งหนึ่งได้เลือกช่างเทคนิคมาเป็นตัวอย่าง 2 กลุ่ม กลุ่ม
ละ 100 คนและ 120 คน ตามลําดับ ปรากฏว่าจากการทดสอบภายหลังการ อบรม กลุ่มแรกได้คะแนนเฉลี่ย
75 คะแนน และค่าส่วนเบี่ยงเบนมาตรฐาน 15 คะแนน กลุ่มที่สองได้คะแนนเฉลี่ย 80 คะแนน และค่าส่วน
เบี่ยงเบนมาตรฐาน 10 คะแนน ถ้าประชากรของทั้งสองกลุ่มมีการแจกแจงปกติที่มีความแปรปรวนเท่ากัน ผล
การฝึกอบรมของพนักงานทั้งสองกลุ่มแตกต่างกันหรือไม่ ณ ระดับนัยสําคัญ 0.01
10. ข้อมูลต่อไปนี้แสดงปริมาณการผลิตเครื่องพิมพ์เลเซอร์ต่อวัน (เครื่อง) ของช่างเทคนิค 10 คน ก่อนและ
หลังการอบรมเรื่อง “การผลิตเครื่องพิมพ์เลเซอร์อย่างมีประสิทธิภาพ”
ช่างเทคนิค 1 2 3 4 5 6 7 8 9 10
ก่ อ นการอบรม 30 37 23 44 51 29 32 37 48 40
หลังการอบรม 42 35 41 50 48 59 55 53 49 62
จงทดสอบสมมติฐานที่ว่าการอบรมมีผลทําให้ปริมาณการผลิตเครื่องพิมพ์เลเซอร์สูงขึ้น ณ ระดับ
11. ถ้ารายจ่ายค่าไฟฟ้าโดยเฉลี่ยของโรงงานตัวอย่างที่เลือกมาจากโรงงานที่ตั้งอยู่ในเขตเมือง และเขตชาน
เมืองของกรุงเทพมหานครจํานวน 1,200 แห่งและ 800 แห่งเท่ากับ 425,000 บาท และ 320,000 บาท
ตามลําดับ โดยที่มีค่าส่วนเบี่ยงเบนมาตรฐาน 125,000 บาท และ 75,000 บาท ตามลําดับ จงทดสอบ
สมมติฐานที่ว่ารายจ่ายค่าไฟฟ้าโดยเฉลี่ยของโรงงานที่ตั้งอยู่ในเขตเมืองสูงกว่าโรงงานที่ตั้งอยู่ในเขตชานเมืองที่
12. ช่างไฟฟ้าเชื่อว่าฟิวส์ทั้งหมดที่ซื้อมาแต่ละครั้งจะมีฟิวส์ที่บกพร่องมากกว่า 10% ถ้าช่างไฟฟ้าเลือกฟิวส์มา
เป็นตัวอย่างจํานวน 150 อันแล้วพบว่ามีฟิวส์ที่บกพร่อง 30 อัน ความเชื่อของเขาถูกต้องหรือไม่ที่ระดับ
13. โรงงานผลิตเครื่องใช้ไฟฟ้าแห่งหนึ่งเชื่อว่าลูกค้าชอบเครื่องใช้ไฟฟ้าที่มีสีต่างๆมากกว่าสีขาวเพื่อเป็นการ
ทดสอบความเชื่อดังกล่าว จึงเลือกครอบครัวตัวอย่างมา 1,000 ครอบครัว แล้วสอบถามถึงความชอบเกี่ยวกั บ
สีของเครื่องใช้ไฟฟ้า ปรากฏว่า 600 ครอบครัวชอบ เครื่องใช้ไฟฟ้าที่มีสีต่างๆ มากกว่าสีขาว ความเชื่อของ

โรงงานผลิตเครื่องใช้ไฟฟ้าถูกต้องหรือไม่ที่ระดับนัยสําคัญ 0.05
14. ผู้จั ดการโรงงานแห่ งหนึ่งคิ ดว่าจะใช้เครื่องจักรผลิ ตชิ้นส่ วนแทนคนงาน ถ้าพบว่าสัดส่ว นของชิ้นส่ว น
คุณภาพดีที่ผลิตโดยเครื่องจักรมีมากกว่าที่ผลิตโดยคนงานอย่างน้อยที่สุด 10% จึงทดลอง ผลิตชิ้นส่วนโดยใช้
เครื่องจักร และคนงาน อย่างละ 500 ชิ้น ได้ชิ้นส่วนคุณภาพดีเป็น 450 และ 420 ชิ้น ตามลําดับ ผู้จัดการจะ
ตัดสินใจอย่างไร
ก. ที่ระดับนัยสําคัญ 0.05
ข. ที่ระดับนัยสําคัญ 0.01
15. ในการสุ่มตัวอย่างเพื่อตรวจสอบคุณภาพของกลอนประตูซึ่งผลิตโดยพนักงานชายและพนักงานหญิงของ
โรงงานแห่งหนึ่ง จํานวน 100 ชิ้น และ 150 ชิ้น พบจํานวนกลอนประตูที่ชํารุด จํานวน 20 ชิ้น และ 36 ชิ้น
ตามลํ าดับ สั ดส่ ว นของกลอนประตูที่ชํารุ ดที่ผ ลิ ตโดยพนักงานชายและหญิง แตกต่างกันหรือไม่ ที่ระดับ
16. สํานักงานแห่งหนึ่งต้องการซื้อเครื่องถ่ายเอกสารมาใช้ในสํานักงาน ซึ่งเสนอขายโดย 2 บริษัท คือ AA และ
BB โดยมีราคาและความเร็วในการถ่ายเอกสารเท่ากัน ฝ่ายจัดซื้อจะตัดสินใจโดยการ พิจารณาความคมชัดของ
เอกสารที่ถ่ายได้จากการทดลองถ่ายเอกสารกับเครื่องถ่ายเอกสารทั้ง 2 บริษัท อย่างละ 200 หน้า ปรากฏ
จํานวนเอกสารที่คมชัดจากบริษัท AA และ BB จํานวน 180 แผ่น และ 164 แผ่น ตามลําดับ ฝ่ายจัดซื้อควร
สั่งซื้อเครื่องถ่ายเอกสารจากบริษัทใด
ก. ที่ระดับนัยสําคัญ 0.05
ข. ที่ระดับนัยสําคัญ 0.01
17. สถาบันวิจัยข้าวแห่งหนึ่งทดลองปลูกข้าว 2 พันธุ์ ในแปลงทดลองขนาด 1 ไร่ โดยปลูกข้าวพันธุ์ A ใน
แปลงทดลอง 13 แปลง ปลูกข้าวพันธุ์ B ในแปลงทดลอง 10 แปลง ได้ผลดังนี้ ข้าวพันธุ์ A ได้ผลผลิตเฉลี่ย 85
ถังต่อไร่ ข้าวพันธุ์ B ได้ผลผลิตเฉลี่ย 81 ถังต่อไร่ โดยมีส่วนเบี่ยงเบนมาตรฐาน 4 ถัง และ 5 ถัง ตามลําดับ
สมมุติว่าผลผลิตของข้าวทั้ง 2 ชนิด ต่างก็มีการแจกแจงแบบปกติ จงทดสอบสมมติฐาน

ประไพศรี สุ ทั ศ น์ ณ อยุ ธ ยา และพงศ์ ช นั น เหลื อ งไพบู ล ย์ . (2549). สถิ ติ วิ ศ วกรรม (Engineering
ดักท์.
การวิเคราะห์การถดถอยและสหสัมพันธ์เชิงเส้น
5.1 การวิเคราะห์การถดถอยอย่างง่าย
5.2 การวิเคราะห์การถดถอยเมื่อตัวแปรอิสระแทนช่วงเวลา
5.3 การวิเคราะห์สหสัมพันธ์
5.4 การหาสหสัมพันธ์เมื่อข้อมูลอยู่ในรูปลาดับที่
5.5 ข้อควรระวังเกี่ยวกับการวิเคราะห์การถดถอยและสหสัมพันธ์
5.6 สรุป
1. อธิบายความหมายของการถดถอยและสหสัมพันธ์เชิงเส้นได้อย่างถูกต้อง
2. สามารถแยกระหว่างตัวแปรอิสระและตัวแปรตามได้อย่างถูกต้อง
3. เข้าใจหลักการกาหนดค่าของตัวแปรอิสระของการวิเคราะห์การถดถอยเมื่อตัวแปรอิสระแทน
ช่วงเวลาได้ถูกต้อง
4. อธิบายความหมายของสหสัมพันธ์ได้ถูกต้อง
5. อธิบายข้อควรระวังเกี่ยวกับการวิเคราะห์การถดถอยและสหสัมพันธ์ได้ถูกต้อง
1. นาเข้าสู่บทเรียนโดยการบรรยาย ประกอบรูปภาพใน Power point
3. ตรวจสอบคาตอบของผู้เรียน และสอบถามผู้เรียนถ้าผู้เรียนมีคาถามสงสัย
4. ฝึกทาแบบฝึกหัดโดยการแบ่งกลุ่มคิดและวิเคราะห์ร่วมกัน
5. มอบหมายให้ผู้เรียนทาแบบฝึกหัดท้ายบทเป็นการบ้าน
บทที่ 5 การวิเคราะห์การถดถอยและสหสัมพันธ์เชิงเส้น 129
บทที่ 5
การวิเคราะห์การถดถอยและสหสัมพันธ์เชิงเส้น
นอกจากการประมาณค่าและการทดสอบสมมติฐานเกี่ยวกับงานด้านวิศวกรรมที่สนใจศึกษา ในประชากร
ที่ได้กล่าวมาแล้วในบทที่ 3 และบทที่ 4 ในบางครัง้ วิศวกรหรือผู้ประกอบวิชาชีพด้านวิศวกรรมอาจจะต้องการ
ทราบความสัมพันธ์ระหว่างตัวแปร 2 ตัวหรื อมากกว่า 2 ตัวขึ้นไปเพื่อนามาใช้ในการพิจารณาประกอบการ
ตัดสินใจทางวิศวกรรม เช่น ความสัมพันธ์ระหว่างต้นทุนการผลิตกับ ปริมาณการผลิตสินค้าอุตสาหกรรม อายุ
การใช้งานของเครื่องจักรกับค่าซ่อมแซมรักษา ระดับการศึกษา ประสบการณ์ในการทางานกับค่าแรงงานของ
คนงาน ช่างเทคนิค และวิศวกร เป็นต้น การวัดความสัมพันธ์ดังกล่าวนี้ก็เพื่อต้องการทราบว่าตัวแปรที่สนใจ
ศึกษามีความสัมพันธ์กันหรือไม่ ถ้ามีความสัมพันธ์กัน มีมากน้อยเพียงไร นอกจากนี้ จากความสัมพันธ์ที่หาได้
อาจนามาใช้ในการพยากรณ์ตัวแปรตัวหนึ่งเพื่อทราบค่าของตัวแปรอีกตัวหนึ่งได้ เช่น เมื่อสร้างความสัมพันธ์
ระหว่างปริมาณการผลิต กับต้นทุนการผลิตสินค้าอุตสาหกรรมได้แล้ว อาจจะประมาณต้นทุนการผลิตสินค้า
ชนิดนั้นเมื่อทราบ ปริมาณการผลิตสินค้าดังกล่าวได้
การวิเคราะห์ความสัมพันธ์โดยทั่วไปทาได้ 2 รูปแบบ คือ รูปแบบที่ทราบว่าตัวแปรใดเป็น ตัวแปรเหตุ
และตัวแปรใดเป็นตัวแปรผล ซึ่งสามารถวิเคราะห์ความสัมพันธ์โดยใช้การวิเคราะห์การ ถดถอย (regression
analysis) และรูปแบบที่ไม่ทราบหรือไม่สามารถกาหนดว่าตัวแปรใดเป็นตั วแปรเหตุหรือตัวแปรผล จากการ
วิเคราะห์ความสัมพันธ์โดยใช้การวิเคราะห์สหสัมพันธ์ (correlation analysis) รายละเอียดของการวิเคราะห์
ในแต่ละรูปแบบมีดังต่อไปนี้
5.1 การวิเคราะห์การถดถอยอย่างง่าย
การวิเคราะห์การถดถอยอย่างง่าย (Simple regression) เป็นการศึกษาถึงความสัมพันธ์ ระหว่างตัวแปร
2 ตัว หรือลักษณะที่สนใจศึกษา 2 ลักษณะ เช่น ในการหาความสัมพันธ์ระหว่างต้นทุนการผลิตกับปริมาณการ
ผลิตสินค้าอุตสาหกรรม เพื่อนามาใช้ในการพยากรณ์ต้นทุนการผลิตสินค้า เมื่อทราบปริมาณการผลิตสินค้า
ชนิดนั้น หรือหาความสัมพันธ์ ระหว่างปริมาณสินค้าที่โรงงานอุตสาหกรรมแห่งหนึ่งผลิตได้กับปี พ.ศ. ต่างๆ
เพื่อนามาใช้ในการพยากรณ์ปริมาณสินค้าที่โรงงานแห่งนี้ควรจะผลิต ได้ในอนาคต ในการหาความสัมพันธ์
ระหว่างตัวแปรหรือลักษณะที่ส นใจศึ กษา 2 ลั กษณะนี้มีวิธีหาได้หลายวิธี วิธีที่ทาได้ ง่ายๆ ใช้เวลาในการ
วิเคราะห์น้อยและให้ความถูกต้องเชื่อถือได้พอสมควร คือ วิธีลากด้วยมือ (freehand method) และวิธีเลือก
จุด (selected point method) ซึ่งจะไม่กล่าวในบทนี้ ส่วนวิธีที่ค่อนข้างยากและต้องใช้ความรู้ทาง
คณิตศาสตร์ระดับสูงไม่เหมาะกับผู้ที่มีพื้นฐานทางการคานวณน้อย และต้องใช้เวลาในการวิเคราะห์มาก แต่มี
มหาวิทยาลัยราชภัฏอุดรานี
ความถูกต้องและเชื่อถือได้มาก คือ วิธีกาลังสองน้อยที่สุด (Least Square method) แต่ในการใช้วิธีกาลังสอง

น้อยที่สุดนี้มีขั้นตอนในการสร้างความสัมพันธ์ยุ่งยากกว่า วิธีลากด้วยมือและวิธีเลือกจุดมาก ซึ่งจะเห็นได้จาก
ขั้นตอนการวิเคราะห์ดังต่อไปนี้
ก) นาข้อมูลที่จะหาความสัมพันธ์ที่ประกอบด้วยตัวแปร 2 ตัว ซึ่งเรียกว่าตัวแปรเหตุหรือตัวแปร
อิสระ (independent variable) สมมติให้แทนด้วย X และตัวแปรผลหรือตัวแปรตาม (dependent
variable) สมมติให้แทนด้วย Y (ถ้าผู้วิเคราะห์ต้องการพยากรณ์ตัวแปรใดก็ให้ตัวแปรนั้นเป็นตัวแปรตาม ตัว
แปรอีกตัวหนึ่งที่นามาสร้างความสัมพันธ์ให้เป็นตัวแปรอิสระ) มาลงจุดแสดงความสัมพันธ์ระหว่างตัวแปรทั้ง
สองเป็นคู่ๆ กล่าวคือ ( x1 , y1 ), ( x 2 , y 2 ) เรื่อยไปจนถึง ( x n , yn ) ในกรณีที่ใช้จานวนตัวอย่างเท่ากับ n จะ
ได้แผนภาพที่เรียกว่า แผนภาพการกระจาย (Scatter diagram)
ข) พิจารณาความสัมพันธ์ระหว่างตัวแปรทั้งสองจากแผนภาพการกระจายว่ามีแนวโน้มที่จะแทน
ได้ด้วยรูปของสมการทางคณิตศาสตร์ใด เช่น สมการเส้นตรง สมการพาราโบลา สมการเลขชี้กาลัง หรือรูป
สมการอื่นที่สามารถเขียนแทนความสัมพันธ์ทางคณิตศาสตร์ได้
แผนภาพการกระจายของข้อมูล 3 ชุด ที่ความสัมพันธ์อนุโลมให้แทนได้ด้วยสมการเส้นตรง สมการ
พาราโบลาและสมการเลขชี้กาลัง ดังแสดงในรูปที่ 5.1
Y Y Y
V
V V
X X X
(ก) (ข) (ค)
รูปที่ 5.1 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างตัวแปรตามกับตัวแปรอิสระแบบต่างๆ
(ก) สมการเส้นตรง, (ข) สมการพาราโบลา และ (ค) สมการเลขชี้กาลัง
(ที่มา: ดัดแปลงจาก สรชัย พิศาลบุตร, 2553)
ค) หาค่าคงที่ที่ไม่ทราบค่า (unknown Constant) ของสมการทางคณิตศาสตร์ที่ได้กาหนดไว้ในข้อ

ข) โดยใช้หลักการของวิธีกาลังสองน้อยที่สุด กล่ าวคือ พยายามทาให้ผลรวมของส่วนเบี่ยงเบนระหว่างค่าจริง
กับค่าประมาณของข้อมูลที่นามาสร้างความสัมพันธ์ยกกาลังสองมีค่าน้อยที่สุด นั่นคือ
ถ้าให้ Y เป็นค่าจริงของข้อมูลที่เก็บรวบรวมมาได้
Ŷ เป็นค่าประมาณที่หาได้จากความสัมพันธ์ที่สร้างขึ้น
n
 ( y i  ŷ i ) จะมีค่าน้อยที่สุด เมื่อ n แทนจานวนตัวอย่างที่ใช้ในการเก็บรวบรวมข้อมูลเพื่อนามาสร้าง
i1
ความสัมพันธ์
การหาค่าคงที่ที่ไม่ทราบค่าโดยวิธีกาลังสองน้อยที่สุดหาได้จากสมการปกติ (normal equation) ที่
สร้างขึ้นมาจากรูปสมการทั่วไปของความสัมพันธ์ระหว่างตัวแปรอิสระ X กับตัวแปรตาม Y ดังนี้
1) สมการเส้นตรง ซึ่งมีรูปสมการทั่วไปเป็น Y = a + bX มีสมการปกติเป็น
n n
 yi = an + b  xi (5.1)
i 1 i 1
n n n
 xi yi = a  xi + b  x i2 (5.2)
i 1 i 1 i 1
2) สมการเส้นโค้ง ซึ่งมีรูปสมการทั่วไปเป็น Y = a + bX + cX2 มีสมการปกติเป็น

n n n
 yi = an + b  xi + c  x i2 (5.3)
i 1 i 1 i 1
n n n n
 xi yi = a  xi + b  x i2 + c  x i3 (5.4)
i 1 i 1 i 1 i 1
n n n n
 xi2 yi = a  x i2 + b  x i3 + c  x i4 (5.5)
i 1 i 1 i 1 i 1
3) สมการเลขชี้กําลัง ซึ่งมีรูปสมการทั่วไปเป็น Y = abX สมการนี้สามารถเปลี่ยนให้อยู่ในรูป สมการ

เส้นตรงได้เช่นเดียวกัน กล่าวคือ
log Y = log a + (log b)X (5.6)
ดังนั้นความสัมพันธ์ระหว่าง X กับ Y อยู่ในรูปเลขชี้กาลัง แต่ความสัมพันธ์ระหว่าง X กับ log Y อยู่ใน
รูปเส้นตรงซึ่งมีสมการปกติเป็น
n n
 (log yi ) = (log a)n + (log b)  xi (5.7)
i 1 i 1
n n n
 xi (log yi ) = (log a)  xi + (log b)  x i2 (5.8)
i 1 i 1 i 1
สมการเส้นตรงและสมการเส้นโค้งบางชนิดที่ยกมาเป็นตัว อย่างในการหาสมการปกตินี้นิยมใช้ กันมาก

ในทางปฏิบัติ ถ้าผู้วิเคราะห์ไม่ต้องการความละเอียดถูกต้องในการสร้างความสัมพันธ์ระหว่าง ตัวแปร 2 ตัว
มากนัก ส่วนสมการเส้นโค้งอื่นที่ไม่ได้นามากล่าวในที่นี้สามารถนามาหาสมการปกติโดยวิธีกาลังสองน้อยที่สุด
เพื่อใช้ในการหาค่าคงที่ที่ไม่ทราบค่าได้เช่นเดียวกัน
ตัวอย่า งที่ 5.1 เจ้ าของโรงงานผลิ ตแผงวงจรไฟฟ้าชนิดหนึ่ง ต้องการศึกษาความสั มพันธ์ระหว่างจานวน
แผงวงจรไฟฟ้าที่ช่างเทคนิคแต่ละคนผลิตได้ในแต่ละสัปดาห์กับจานวนแผงวงจร ไฟฟ้าชารุดที่เกิดจากการผลิต
เขาจึงเลือกช่างเทคนิคมาเป็นตัวอย่างจานวน 10 คน จากการเก็บรวบรวมข้อมูลจากช่างเทคนิค 10 คน
เกี่ยวกับจานวนแผงวงจรไฟฟ้าที่ผลิตได้ ในสัปดาห์ที่กาหนดไว้และจานวนแผงวงจรไฟฟ้าชารุดปรากฏดังนี้
ช่างเทคนิค 1 2 3 4 5 6 7 8 9 10
จานวนแผนวงจรไฟฟ้าที่ผลิตได้ 600 700 600 400 700 800 600 400 200 1,000
จานวนแผนวงจรไฟฟ้าชารุด 19 20 14 10 22 23 17 15 7 23
จงสร้างความสัมพันธ์ระหว่างจานวนแผงวงจรไฟฟ้าที่ช่างเทคนิคผลิตได้กับจานวนแผนวงจรไฟฟ้า
ชารุดเพื่อนามาใช้ในการพยากรณ์จานวนแผนวงจรไฟฟ้าชารุด เมื่อทราบจานวนแผนวงจรไฟฟ้าที่ช่างเทคนิค
แต่ละคนผลิตได้
วิธีทา
30 Y (จานวนแผงวงจรไฟฟ้าชารุด)
25
20
15
10
5
0 X (จานวนแผงวงจร
0 200 400 600 800 1,000 1,200 ไฟฟ้าที่ผลิตได้)
รูปที่ 5.2 แผนภาพการกระจายแสดงความสัมพันธ์
ระหว่างแผงวงจรไฟฟ้าชารุดกับแผงวงจรไฟฟ้าที่ผลิตได้
นาข้อมูล ที่เก็บรวบรวมได้มาลงจุด เพื่อสร้างแผนภาพการกระจายไว้ใช้ในการ พิจารณากาหนด

รูปแบบของความสัมพันธ์เนื่องจากต้องการพยากรณ์จานวนแผงวงจรไฟฟ้าชารุดเมื่อทราบจานวนแผงวงจร
ไฟฟ้าที่ช่างเทคนิคผลิตได้ ดังนั้นจะให้ Y ซึ่งเป็นตัวแปรตามแทนจานวนแผงวงจรไฟฟ้าชารุด (โจทย์ต้องการรู้
จานวนแผนวงจรไฟฟ้าชารุด จึงให้เป็นตัวแปรตาม) และ X ซึ่งเป็นตัวแปรอิสระแทนจานวนแผงวงจรไฟฟ้าที่
ช่างเทคนิคผลิตได้
จากแผนภาพการกระจายรูปที่ 5.2 จะเห็นได้ว่าความสัมพันธ์ระหว่างจานวนแผงวงจรไฟฟ้า ที่ผลิตได้
กับจานวนแผงวงจรไฟฟ้าชารุดสามารถอนุโลมให้อยู่ในรูปเส้นตรงซึ่งมีสมการทั่วไป เป็น Y = a + bX ได้ โดย
ที่มีสมการปกติเป็น
n n
 yi = an + b  xi ...(1)
i 1 i 1
n n n
 xi yi = a  xi + b  x i2 ...(2)
i 1 i 1 i 1
จากโจทย์ n = 10, ค่า a และ b เป็นค่าคงที่ที่จะต้องคานวณหา ซึ่งขั้นตอนต่อไปจะทาการหาค่า
n n n n
 xi ,  yi ,  xi yi และ  x i2 ดังนี้
i 1 i 1 i 1 i 1
n
 xi = (600 + 700 + 600 + 400 + 700 + 800 + 600 + 400 + 200 + 1,000) = 6,000
i 1
n
 yi = (19 + 20 + 14 + 10 + 22 + 23 + 17 + 15 + 7 + 23) = 170
i 1
n
 xi yi = (600  19) + (700  20) + (600  14) + (400  10) + (700  22)
i 1
+ (800  23) + (600  17) + (400  15) + (200  7) + (1,000  23)
= 112,200
n 2 2 2 2 2 2 2 2
 x i2 = (600 + 700 + 600 + 400 + 700 + 800 + 600 + 400
i 1
+ 2002 + 1,0002)
= 4,060,000
แทนค่าทั้งหมดลงในสมการที่ (1) และ (2) จะได้
170 = 10a + 6,000b …(3)
112,200 = 6,000a + 4,060,000b …(4)
แก้สมการ (3) และ (4) ซึ่งเป็นสมการเชิงเส้น 2 สมการและมี 2 ตัวแปร โดยต้องทาสัมประสิทธิ์หน้า

a และ b ให้เท่ากัน เพื่อที่จะกาจัดตัวแปรตัวใดตัวหนึ่งก่อน ดังนั้น
นา 6,10 000  600 คูณสมการที่ (3) ตลอดทั้งสมการจะได้
102,000 = 6,000a + 3,600,000b …(5)
จากนั้นนาสมการ (4) ลบ สมการ (5) จะได้
(112,000 – 102,000) = (6,000 – 6,000)a + (4,060,000 – 3,600,000)b
หรือ 10,200 = 460,000b
ดังนั้น b = 46010,200 = 0.0222
,000
จากนั้นนาค่า b = 0.0217 ไปแทนลงในสมการที่ (3) จะได้
170 = 10a + 6,000(0.0222)
170 = 10a + 133.2
ดังนั้น a = 17010130.2 = 3.68
ดังนั้นสมการแสดงความสัมพันธ์ซึ่งโดยทั่วไปเรีย กว่า สมการเส้นถดถอย ระหว่างจานวนแผงวงจร
ไฟฟ้าได้กับจานวนแผงวงจรไฟฟ้าชารุดของช่างเทคนิค คือ
Ŷ = a + bX
Ŷ = 3.68 + 0.0222X
จากสมการเส้นถดถอยเชิงเส้นตรงที่ได้ จะเห็นได้ว่าค่า a คือค่าร้อยละของแผงวงจร ไฟฟ้าชารุด ที่เกิด
จากการผลิตของช่างเทคนิคไม่ว่าช่างเทคนิคคนนั้นๆ จะทาเร็วหรือทาช้า เพียงใดก็ตาม (ผลิตได้มากแสดงว่า
ทาได้เร็ว แต่ถ้าผลิตได้น้อยแสดงว่าทาได้ช้า) แต่ค่า b เป็นร้อยละของจานวนแผงวงจรไฟฟ้าชารุดที่เพิ่มขึ้นเมื่อ
จานวนแผงวงจรไฟฟ้าที่ผลิตเพิ่มขึ้น 1 แผง ซึ่ งในที่นี้ถ้าช่างเทคนิคผลิตแผงวงจรไฟฟ้าได้เพิ่มขึ้น 1 แผงจะมี
จานวนแผงวงจร ไฟฟ้าชารุดเพิ่มขึ้น 0.0222 แผง หรือถ้าช่างเทคนิคผลิตแผงวงจรไฟฟ้าได้เพิ่มขึ้น 100 แผง
จะมีจานวนแผงวงจรไฟฟ้าชารุดเพิ่มขึ้น 2.22 แผง หรือถ้าช่างเทคนิคผลิตแผงวงจรไฟฟ้าได้ เพิ่มขึ้น 1,000
แผง จะมีแผงวงจรไฟฟ้าชารุดเพิ่มขึ้น 22.2 แผง นั่นคือ ถ้าผู้วิเคราะห์ทราบจานวนแผงวงจรไฟฟ้าที่ช่างเทคนิค
คนใดคนหนึ่งของโรงงานแห่งนี้ผลิตได้จะสามารถพยากรณ์ จานวนแผงวงจรไฟฟ้าชารุดที่ช่างเทคนิคคนนั้น
ผลิตจากสมการเส้นถดถอยที่คานวณได้จากข้อมูลที่แสดงความสัมพันธ์ระหว่างจานวนแผงวงจรไฟฟ้ าชารุดกับ
จานวนแผงวงจรไฟฟ้าที่ ช่างเทคนิคผลิตได้ เช่น ถ้าผู้ วิเคราะห์ต้องการทราบว่าช่างเทคนิคคนหนึ่งที่ผ ลิ ต
แผงวงจร ไฟฟ้าได้ 1,200 แผง จะมีแผงวงจรไฟฟ้าชารุดกี่แผง ถ้าแทนค่า X = 1,200 ลงในสมการ เส้น
ถดถอย
Ŷ = 3.68 + 0.0222X
Ŷ = 3.68 + 0.0222(1,200)
= 30.32 แผง หรือประมาณ 31 แผง

นั่นคือ ช่างเทคนิคที่ผลิตแผงวงจรไฟฟ้าได้วันละ 1,200 แผง จะมีแผงวงจรไฟฟ้าชารุดประมาณ 31 แผง
ตัวอย่างที่ 5.2 เกษตรกรต้องการศึกษาความสัมพันธ์ของปริมาณปุ๋ยที่ใช้ (กิโลกรัมต่อไร่) กับผลผลิตของถั่ว
เหลือง (ถังต่อไร่) ว่าเมื่อเพิ่มปริมาณปุ๋ยแล้วผลผลิตของถั่วเหลืองจะเพิ่มขึ้นหรือลดลงอย่างไรจึงทดลองปลูกถั่ว
เหลือง ได้ข้อมูลจากการทดลองเป็นดังนี้
ปริมาณปุ๋ยที่ใช้ 2 1 3 5 4 3 4 2
ผลผลิต 30 20 40 50 50 30 60 40
ก) จงเขียนแผนภาพการกระจายของปริมาณปุ๋ยที่ใช้ กับผลผลิตที่ได้
ข) จงสร้างสมการผลผลิตของถั่วเหลือง
ค) จงประมาณผลผลิตของถั่วเหลือง เมื่อใช้ปุ๋ย 6 กก.ต่อไร่
วิธีทา
นาข้อมูลที่เก็บรวบรวมได้มาลงจุด เพื่อสร้างแผนภาพการกระจาย โดยให้
X แทนปริมาณปุ๋ยที่ใช้ (กิโลกรัมต่อไร่)
Y แทนผลผลิตของถั่วเหลือง (ถังต่อไร่)
Y (ผลผลิตถั่วเหลือง (ถังต่อไร่))
80
60
40
20
0 X (ปริมาณปุ๋ยที่ใช้
0 1 2 3 4 5 6 (กิโลกรัมต่อไร่))
ระหว่างปริมาณปุ๋ยที่ใช้กับผลผลิตถั่วเหลืองที่ได้
จากแผนภาพการกระจายรูปที่ 5.3 จะเห็นได้ว่าความสัมพันธ์ระหว่างปริมาณปุ๋ยที่ใช้กับผลผลิตของ

ถั่วเหลือง สามารถอนุโลมให้อยู่ในรูปเส้นตรงซึ่งมีสมการทั่วไป เป็น Y = a + bX ได้ โดยที่มีสมการปกติเป็น
n n
 yi = an + b  xi ...(1)
i 1 i 1
n n n
 xi yi = a  xi + b  x i2 ...(2)
i 1 i 1 i 1
n n n n
i 1 i 1 i 1 i 1
n
 xi = (2 + 1 + 3 + 5 + 4 + 3 + 4 + 2) = 24
i 1
n
 yi = (30 + 20 + 40 + 50 + 50 + 30 + 60 + 40) = 320
i 1
n
 xi yi = (2  30) + (1  20) + (3  40) + (5  50) + (4  50) + (3  30)
i 1
+ (4  60) + (2  40)
= 1,060
n 2 2 2 2 2 2 2 2
 x i2 = (2 + 1 + 3 + 5 + 4 + 3 + 4 + 2 )
i 1
= 84
320 = 8a + 24b …(3)
1,060 = 24a + 84b …(4)
นา 248  3 คูณสมการที่ (3) ตลอดทั้งสมการจะได้
960 = 24a + 72b …(5)
(1,060 – 960) = (24 – 24)a + (84 – 72)b
หรือ 100 = 12b
ดังนั้น b = 10012 = 8.3333

320 = 8a + 24(8.3333)
320 = 8a + 199.9992
ดังนั้น a = 320199 8
.9992 = 15.0001
ดังนั้นสมการแสดงความสัมพันธ์ซึ่งโดยทั่วไปเรียกว่า สมการเส้นถดถอย ระหว่างปริมาณปุ๋ยที่ใช้กับ
ผลผลิตถั่วเหลือง คือ
Ŷ = a + bX
Ŷ = 15.0001 + 8.3333X
ถ้า เมื่อใช้ปุ๋ย 6 กก.ต่อไร่จะมีผลผลิตของถั่วเหลืองประมาณเท่าไร แทนค่า X = 6 ลงในสมการ เส้น
ถดถอย
Ŷ = 15.0001 + 8.3333X
Ŷ = 15.0001 + 8.3333(6)
= 64.9999 ถังต่อไร่ หรือประมาณ 65 ถังต่อไร่
นั่นคือ เมื่อใช้ปุ๋ย 6 กก.ต่อไร่จะมีผลผลิตของถั่วเหลืองประมาณ 65 ถังต่อไร่
ตัวอย่างที่ 5.3 ในการศึกษาความบริสุทธิ์ของอ็อกซิเจนที่ผลิตโดยกระบวนการกลั่นทางเคมีและเปอร์เซ็นต์
ไฮโดรคาร์บอนในหม้อควบแน่น ผลที่ได้ดังแสดงในตารางข้างล่างนี้
ระดับไฮโดรคาร์บอน (%) 0.99 1.02 1.15 1.29 1.46 1.36 0.87 1.23 1.55 1.40
ความบริสุทธิ์ (%) 90.01 89.05 91.43 93.74 96.73 94.45 87.59 91.77 99.42 93.65
1.19 1.15 0.98 1.01 1.11 1.20 1.26 1.32 1.43 0.95
93.54 92.52 90.56 89.54 89.85 90.39 93.25 93.41 94.98 87.33
ก) จงเขี ย นแผนภาพการกระจาย และจากแผนภาพการกระจาย ความสั ม พั น ธ์ ร ะหว่ า งระดั บ

ไฮโดรคาร์บอนและความบริสุทธิ์อยู่ในรูปแบบใด
ข) จงหาสมการถดถอยอย่างง่าย พร้อมทั้งอธิบายความหมาย
ค) จงพยากรณ์ความบริสุทธิ์ ถ้าไฮโดรคาร์บอนเป็น 1%
วิธีทา
X แทนระดับไฮโดรคาร์บอน (%)
Y แทนความบริสุทธิ์ (%)
Y (ความบริสุทธิ์ (%))
102
100
98
96
94
92
90
88
86 X (ระดับไฮโดร
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 คาร์บอน (%))
ระหว่างระดับไฮโดรคาร์บอน (%) กับความบริสุทธิ์ (%)
จากแผนภาพการกระจายรูปที่ 5.4 จะเห็นได้ว่าความสัมพันธ์ระหว่างจานวนแผงวงจรไฟฟ้า ที่ผลิตได้

กับจานวนแผงวงจรไฟฟ้าชารุดสามารถอนุโลมให้อยู่ในรูปเส้นตรงซึ่งมีสมการทั่วไป เป็น Y = a + bX ได้ โดย
ที่มีสมการปกติเป็น
n n
 yi = an + b  xi ...(1)
i 1 i 1
n n n
 xi yi = a  xi + b  x i2 ...(2)
i 1 i 1 i 1
n n n n
i 1 i 1 i 1 i 1
n
 xi = (0.99 + 1.02 + 1.15 + … + 0.95) = 23.92
i 1
n
 yi = (90.01 + 89.05 + 91.43 + … + 87.33) = 1,843.21
i 1
n
 xi yi = (0.99  90.01) + (1.02  89.05) + … + (0.95  87.33) = 2,214.6566
i 1
n 2 2 2 2
 x i2 = (0.99 + 1.02 + 1.15 + ... + 1.29 = 29.2892
i 1
1,843.21 = 20a + 23.92b …(3)
2,214.6566 = 23.92a + 29.2892b …(4)
นา 2320.92 1.196 คูณสมการที่ (3) ตลอดทั้งสมการจะได้
2,204.4792 = 23.92a + 28.6083b …(5)
10.1774 = 0.6809b
ดังนั้น b = 10 .1774
0.6809 = 14.9470
1,843.21 = 20a + 23.92(14.9470)
1,843.21 = 20a + 357.5322
ดังนั้น a = 1,843.2120357.5322 = 74.2839
ดังนั้นสมการแสดงความสัมพันธ์ซึ่งโดยทั่วไปเรียกว่า สมการเส้นถดถอย ระหว่างระดับไฮโดรคาร์บอน
(%) กับความบริสุทธิ์ (%) คือ
Ŷ = a + bX
Ŷ = 74.2839 + 14.9470X
จากสมการเส้นถดถอยเชิงเส้นตรงที่ได้ จะเห็นได้ว่าค่า 74.2839 คือค่าร้อยละของความบริสุทธิ์ (%)
โดยหมายความว่า ถ้าไม่มีไฮโดรคาร์บอนเลย จะมีความบริสุทธิ์ 74.2839 % และถ้าไฮโดรคาร์บอนเพิ่มขึ้น
ทุก 1 % จะมีความบริสุทธิ์เพิ่มขึ้น 14.9470 %
ดังนั้นถ้าไฮโดรคาร์บอนเป็น 1% จะทาให้ความบริสุทธิ์เป็น
Ŷ = 74.2839 + 14.9470(1)
Ŷ = 89.2309 %
ตัวอย่างที่ 5.4 แผนกวิจัยของโรงงานผลิตรถยนต์แห่งหนึ่งต้องการศึกษาความสัมพันธ์ระหว่าง จานวนรถยนต์

ที่ผ ลิ ตกับ ค่าใช้จ่ ายด้านแรงงานที่ใช้ในการผลิต จึงเก็บรวบรวมข้อมูล เกี่ยวกับ จานวนรถยนต์ที่ผ ลิตและ
ค่าใช้จ่ายด้านแรงงานของโรงงานในช่วง 8 ปีที่ผ่านมาซึ่งเป็นดังนี้
ปีที่ 1 2 3 4 5 6 7 8
ค่าใช้จ่ายด้านแรงงาน (แสนบาท) 5 7 10 12 15 20 25 30
ยอดผลิตรถยนต์ (คัน) 40 50 60 65 70 80 92 100
ถ้าบริษัทต้องการพยากรณ์จานวนรถยนต์ที่ผลิต เมื่อกาหนดค่าใช้จ่ายด้านแรงงานให้ จงสร้างสมการ

เส้นถดถอย
วิธีทา
X ค่าใช้จ่ายด้านแรงงาน (แสนบาท)
Y ยอดผลิตรถยนต์ (คัน)
Y (ยอดผลิตรถยนต์ (คัน))
120
100
80
60
40
20
0 X (ค่าใช้จ่ายด้าน
0 5 10 15 20 25 30 35 แรงงาน (แสนบาท))
ระหว่างค่าใช้จ่ายด้านแรงงานกับยอดผลิตรถยนต์
จากแผนภาพการกระจายรูปที่ 5.5 จะเห็นได้ว่าความสัมพันธ์ระหว่างค่าใช้จ่ายด้านแรงงานกับยอด

ผลิตรถยนต์ สามารถอนุโลมให้อยู่ในรูปเส้นตรงซึ่งมีสมการทั่วไป เป็น Y = a + bX ได้ โดยที่มีสมการปกติเป็น
n n
 yi = an + b  xi ...(1)
i 1 i 1
n n n
 xi yi = a  xi + b  x i2 ...(2)
i 1 i 1 i 1
n n n n
i 1 i 1 i 1 i 1
n
 xi = (5 + 7 + 10 + 12 + 15 + 20 + 25 + 30) = 124
i 1
n
 yi = (40 + 50 + 60 + 65 + 70 + 80 + 92 + 100) = 557
i 1
n
 xi yi = (5  40) + (7  50) + (10  60) + (12  65) + (15  70) + (20  80)
i 1
+ (25  92) + (30  100)
= 9,880
n 2 2 2 2 2 2 2 2
 x i2 = (5 + 7 + 10 + 12 + 15 + 20 + 25 + 30 ) = 2,468
i 1
557 = 8a + 124b …(3)
9,880 = 124a + 2,468b …(4)
นา 124 8 15.5 คูณสมการที่ (3) ตลอดทั้งสมการจะได้
8,633.5 = 124a + 1,922b …(5)
1,246.5 = 546b
ดังนั้น b = 1,246 .5
546 = 2.2830
557 = 8a + 124(2.2830)
557 = 8a + 283.092
ดังนั้น a = 557283 8
.092 = 34.2385
ดังนั้นสมการแสดงความสัมพันธ์ซึ่งโดยทั่วไปเรียกว่า สมการเส้นถดถอยระหว่างค่าใช้จ่ายด้านแรงงาน
กับยอดผลิตรถยนต์ คือ
Ŷ = a + bX
Ŷ = 34.2385 + 2.2830X
นั้นคือ a = 34.2385 คัน เป็นจานวนรถยนต์ที่ผลิตได้ เมื่อโรงงานไม่มีค่าใช้จ่ายด้านแรงงานเลย แต่
ตามความเป็ น จริ ง เป็ น เรื่ อ งที่ เ ป็ น ไปไม่ ไ ด้ ดั ง นั้ น ค่ า a ที่ วั ด ได้ คื อ ค่ า ความคลาดเคลื่ อ นของรู ป แบบ
ความสัมพันธ์ที่สร้างขึ้น ค่า b ซึง่ เท่ากับ +2.2830 แสดงว่าถ้าโรงงานมีค่าใช้จ่ายด้านแรงงานเพิ่มขึ้นทุกๆแสน
บาท จะทาให้ยอดผลิตรถยนต์เพิ่มขึ้นอีก 2.283 คัน ถ้าโรงงานผลิตรถยนต์แห่งนี้เพิ่มค่าแรงงานจาก 3 ล้าน
บาทในปีที่ 8 เป็น 5 ล้านบาท ในปีที่ 9 ยอดผลิตรถยนต์ของโรงงานหาได้จากการแทนค่า X = 50 ลงใน
สมการเส้นถดถอย
Ŷ = 34.2385 + 2.2830X
Ŷ = 34.2385 + 2.283 (50)
= 148.3885 คัน หรือประมาณ 148 คัน
ดังนั้นถ้าโรงงานเพิ่มค่าแรงงานเป็น 5 ล้านบาท โรงงานจะมียอดผลิตรถยนต์ 148 คัน ถ้าแทนค่า X =
5, 7, 10, 12, 15, 20, 25 และ 30 ลงในสมการเส้นถดถอยที่ได้ จะได้ค่า Ŷ เท่ากับ 45.6535, 50.2195,
57.0685, 61.6345, 68.4835, 79,8985, 91.3135 และ 102.7285 ตามลาดับ ซึ่งเมื่อนาไปเปรียบเทียบกับ
ยอดผลิตรถยนต์ คือ 40, 50, 60, 65, 70, 80, 92 และ 100 จะเห็นได้ว่าแตกต่างกันไม่มากนัก แสดงว่า
สมการเส้นถดถอย เชิงเส้นตรงสามารถใช้ประมาณความสัมพันธ์ระหว่างยอดผลิตรถยนต์กับค่าใช้จ่ายด้าน
แรงงานของโรงงานผลิตรถยนต์แห่งนี้ได้เป็นอย่างดี ซึ่งมีผลทาให้ค่าพยากรณ์มีความถูกต้อง และเชื่อถือได้
ตัวอย่างที่ 5.5 บริษัทตัวแทนขายรถยนต์ยี่ห้อหนึ่งเชื่อว่าจานวนรถยนต์ที่บริษัทขายได้มีความสัมพันธ์ กับ
จานวนหนังสือพิมพ์ที่บริษัทลงโฆษณา จากการเก็บรวบรวมข้อมูลในรอบ 6 เดือนที่ผ่านมา ปรากฏว่าจานวน
ชื่อหนังสือพิมพ์ที่ลงโฆษณาและจานวนรถยนต์ที่ขายได้เป็นดังนี้
เดือนที่ 1 2 3 4 5 6
จานวนรถยนต์ที่ขายได้ (คัน) 10 10 15 20 30 40
จานวนชื่อหนังสือพิมพ์ที่ลงโฆษณา (ชื่อ) 0 1 2 2 3 4
จงหาสมการเส้นถดถอยเพื่อใช้ในการพยากรณ์จานวนรถยนต์ที่ขายได้
วิธีทา

X จานวนชื่อหนังสือพิมพ์ที่ลงโฆษณา (ชื่อ)
Y จานวนรถยนต์ที่ขายได้ (คัน)
50 Y (จานวนรถยนต์ที่ขายได้ (คัน))
40
30
20
10
0 X (จานวนชือ่ หนังสือพิมพ์
0 1 2 3 4 5 ที่ลงโฆษณา (ชื่อ))
ระหว่างจานวนชื่อหนังสือพิมพ์ที่ลงโฆษณากับจานวนรถยนต์ที่ขายได้
จากแผนภาพการกระจายความสัมพันธ์ระหว่างจานวนรถยนต์ที่ขายได้กับจานวนชื่อหนังสือพิมพ์ที่ลง
โฆษณามีลักษณะอยู่ในรูปสมการเลขชี้กาลัง ซึ่งมีสมการทั่วไปเป็น Y = abX หรือ log Y = log a + (log b)X
และมีสมการปกติเป็น
n n
 (log yi ) = (log a)n + (log b)  xi …(1)
i 1 i 1
n n n
 xi (log yi ) = (log a)  xi + (log b)  x i2 …(2)
i 1 i 1 i 1

n n n n
 xi ,  x i2 ,  (logyi ) และ  xi (log yi ) ดังนี้
i 1 i 1 i 1 i 1
n
 xi = (0 + 1 + 2 + 2 + 3 + 4) = 12
i 1
n 2 2 2 2 2 2
 x i2 = (0 + 1 + 2 + 2 + 3 + 4 ) = 34
i 1
n
 (log yi ) = (log 10 + log 10 + log 15 + log 20 + log 30 + log 40) = 7.5563
i 1
n
 xi (log yi ) = (0  log 10) + (1  log 10) + (2  log 10) + (2  log 10)
i 1
+ (3  log 10) + (4  log 10)
= 16.7939
7.5563 = 6(log a) + 12(log b) …(3)
16.7939 = 12(log a) + 34(log b) …(4)
แก้สมการ (3) และ (4) โดยต้องทาสัมประสิทธิ์หน้า log a และ log b ให้เท่ากัน เพื่อที่จะกาจัดตัว
แปรตัวใดตัวหนึ่งก่อน ดังนั้น
นา 12 6  2 คูณสมการที่ (3) ตลอดทั้งสมการจะได้
15.1126 = 12(log a) + 24(log b) …(5)
1.6813 = 10(log b)
log b = 1.6813
10 = 0.16813
ดังนั้น b = 100.16813 = 1.4728
7.5563 = 6(log a) + 12(0.16813)
7.5563 = 6(log a) + 2.0176
log a = 7.556362.0176 = 0.9231
ดังนั้น a = 100.9231 = 8.3772
Ŷ = abX
Ŷ = (8.3772) (1.4728)X
นั่นคือ ถ้าบริษัทลงโฆษณารถยนต์ในหนังสือพิมพ์ 5 ชื่อ หรือ X = 5 จะได้
Ŷ = (8.3772) (1.4728)5
= 58.0521
ดังนั้นจานวนรถยนต์ที่บริษัทตัวแทนขายรถยนต์แห่งหนึ่งขายได้ประมาณ 58 คัน
ถ้าบริษัทลงโฆษณารถยนต์ในหนังสือพิมพ์ 8 ชื่อ หรือ X = 8 จะได้

Ŷ = (8.3772) (1.4728)8
= 185.46
ดังนั้นจานวนรถยนต์ที่บริษัทตัวแทนขายรถยนต์แห่งหนึ่งขายได้ประมาณ 185 คัน
ตัวอย่างที่ 5.6 ค่าบารุงรักษาเดือน (Y) ของเครื่องจักรตัดเหล็ก 10 เครื่องที่มีอายุการใช้งานเป็นปี (X) เป็น
ดังต่อไปนี้
เครื่องจักรตัดเหล็ก 1 2 3 4 5 6 7 8 9 10
อายุการใช้งาน(ปี) 4 2 3 5 2 3 4 5 4 3
ค่าบารุงรักษารายเดือน(บาท) 1,480 1,280 1,330 1,540 1,180 1,450 1,430 1,590 1,420 1,270
จงหาสมการเส้นถดถอยเพื่อแสดงความสัมพันธ์ระหว่างค่าบารุงรักษารายเดือนกับอายุการใช้งานของ
เครื่องจักรตัดเหล็ก
วิธีทา
X อายุการใช้งาน(ปี)
Y ค่าบารุงรักษารายเดือน(บาท)
1,700 Y (ค่าบารุงรักษารายเดือน(บาท))
1,600
1,500
1,400
1,300
1,200
1,100
1,000 X (อายุการใช้งาน(ปี))
0 1 2 3 4 5 6
ระหว่างอายุการใช้งานกับค่าบารุงรักษารายเดือน
จากแผนภาพการกระจายรูปที่ 5.7 จะเห็นได้ว่าความสัมพันธ์ระหว่างอายุการใช้งานกับค่าบารุงรักษา

รายเดือน สามารถอนุโลมให้อยู่ในรูปเส้นตรงซึ่งมีสมการทั่วไป เป็น Y = a + bX ได้ โดยที่มีสมการปกติเป็น
n n
 yi = an + b  xi ...(1)
i 1 i 1
n n n
 xi yi = a  xi + b  x i2 ...(2)
i 1 i 1 i 1
n n n n
i 1 i 1 i 1 i 1
n
 xi = (4 + 2 + 3 + 5 + 2 + 3 + 4 + 5 + 4 + 3) = 35
i 1
n
 yi = (1,480 + 1,280 + 1,330 + … + 1,270) = 13,790
i 1
n
 xi yi = (4  1,480) + (2  1,280) + (3  1,330) + … + (3  1,270)
i 1
= 50,040
n 2 2 2 2 2 2 2 2 2 2
 x i2 = (4 + 2 + 3 + 5 + 2 + 3 + 4 + 5 + 4 + 3 ) = 133
i 1
13,970 = 10a + 35b …(3)
50,040 = 35a + 133b …(4)
นา 10 35  3.5 คูณสมการที่ (3) ตลอดทั้งสมการจะได้
48,895 = 35a + 122.5b …(5)
1,145 = 10.5b
ดังนั้น b = 110
,145 = 109.0476
.5
13,970 = 10a + 35(109.0476)
13,970 = 10a + 3,816.666

ดังนั้น a = 13,97010 3816.666 = 1,015.3334
Ŷ = a + bX
Ŷ = 1,015.334 + 109.0476X
5.2 การวิเคราะห์การถดถอยเมื่อตัวแปรอิสระแทนช่วงเวลา
ในการศึกษาความสัมพันธ์ระหว่างตัวแปร 2 ตัวหรือลักษณะที่สนใจศึกษา 2 ลักษณะทางด้านวิศวกรรม
หากตัวแปรอิสระแทนด้วยช่วงเวลา และตัวแปรตามแทนด้วยลักษณะใดลักษณะหนึ่งที่ ผู้วิเคราะห์สนใจศึกษา
เช่น จานวนเครื่องตัดกระแสไฟฟ้าที่โรงงานอุตสาหกรรมแห่งหนึ่งผลิตได้ในแต่ละเดือน จานวนวิศวกรสาขา
เคมีเทคนิคหรือสาขาวิศวอุตสาหการที่สาเร็จการศึกษาในแต่ละปี ค่ าแรงงานขั้นต่าของผู้ใช้แรงงานในแต่ละปี
จานวนสกรูชารุดที่เกิดจากการผลิตในแต่ละสัปดาห์ การศึกษาถึงความสัมพันธ์ระหว่างลักษณะที่สนใจศึกษา
นั้นๆกับช่วงเวลาต่างๆซึ่งอาจจะเป็นวัน สัปดาห์ เดือน หรือปี ก็สามารถทาได้โดยวิธีการวิเคราะห์การถดถอยที่
ได้กล่าวมาแล้วข้างต้น แต่เพื่อให้การวิเคราะห์ ทาได้สะดวกและรวดเร็วขึ้น โดยทั่วไปมักจะกาหนดค่าช่ วงเวลา
ต่างๆ เช่น วัน สัปดาห์ เดือน หรือปี เป็นตัวเลขง่ายๆ เช่น 0, 1, 2, 3, 4, ... หรือบางครั้งอาจจะกาหนดค่า
ช่วงเวลาเป็นเลขลบ เช่น -3, -2, -1, ... ปนอยู่กับเลขบวก ทั้งนี้ เพื่อให้ผลรวมของตัวแปรอิสระ X มีค่าเท่ากับ
0 ง่ายต่อการคานวณ แต่การกาหนดค่า X เป็นตัวเลขง่ายๆ แทนระยะเวลา เช่น เดือน หรือ พ.ศ. ต่างๆ
จะต้อง ระวังเกี่ยวกับความห่างของระยะเวลา กล่าวคือ ระหว่างช่วงเวลาที่เท่ากันจะต้องแทนด้วยตัวเลขง่ายๆ
ที่ต่างกันเท่ากัน จะกาหนดตามใจชอบไม่ได้ เช่น ค่า X ของข้อมูลระหว่าง พ.ศ. 2547 ถึง พ.ศ. 2552 ควรจะ
เป็นดังนี้
พ.ศ. 2557 2558 2559 2560 2561 2562 รวม
6
X –5 –3 –1 1 3 5 x i = 0
i 1
6
หรือ X 0 1 2 3 4 5 xi = 15
i 1
ซึ่งจะเห็นได้ว่าการกาหนดค่า X โดยวิธีแรกจะให้ผลรวมของค่า X ทุกๆค่าเป็น 0 ง่ายต่อการนาไปหา

ความสัมพันธ์ระหว่างตัวแปรมากกว่าการกาหนดค่า X โดยวิธีที่สอง ซึ่งผลรวมของ X ทุกค่าเป็น 15 หรือถ้า
ช่วงเวลาเป็นเดือน ค่า X ของข้อมูลระหว่างเดือนมกราคมถึงเดือนธันวาคมของ ปีใดปีหนึ่งอาจจะกาหนดได้

ดังนี้
เดือน ม.ค. ก.พ. มี.ค. เม.ย. พ.ค. มิ.ย. ก.ค. ส.ค. ก.ย. ต.ค. พ.ย. ธ.ค.
X –11 –9 –7 –5 –3 –1 1 3 5 7 9 11
12
x i = 0
i 1
เมื่อกาหนดค่า X เพื่อให้ง่ายในการวิเคราห์แล้ว สามารถใช้วิธีวิเคราะห์การถดถอยที่ได้กล่าวมาแล้วใน

การหาความสัมพันธ์ระหว่างตัวแปรที่สนใจศึกษากับช่วงเวลาได้ แต่การพยากรณ์ค่าตัวแปรตาม Y จะต้องแทน
ค่า X ในรูปของค่าที่ผู้วิเคราะห์กาหนดไว้ใช้ในการวิเคราะห์ความสัมพันธ์ด้วย เช่น จากตัวอ่างข้างต้นถ้า
ต้องการพยากรณ์ค่า Y สาหรับ พ.ศ. 2563 เมื่อกาหนดค่า X โดยวิธีแรก ค่า X จะต้องเท่ากับ 7 ไม่ใช่ 2563
หรือต้องพยากรณ์ค่า Y สาหรับ พ.ศ. 2563 เมือกาหนดค่า X โดยวิธีที่สอง ค่า X จะต้องเท่ากับ 6 ไม่ใช่ 2563
สาหรับสมการเส้นสมการถดถอยที่หาได้จากวิธีดังกล่าวต้องกาหนดเวลาตั้งต้นคือเวลาที่ X = 0 และช่วงเวลา
ของ X ว่าเป็นกี่วัน กี่สัปดาห์ กี่เดือน หรือกี่ปี ทั้งนี้ เพื่อให้ผู้ใช้สมการเส้นถดถอยสามารถพยากรณ์ค่า Y เมื่อ
ทราบค่า X ได้
ตัวอย่างที่ 5.7 ในการพยากรณ์จานวนหลอดภาพโทรทัศน์ที่โรงงานแห่งหนึ่งจะผลิตออกจาหน่ายในอนาคต
วิศวกรฝ่ายโรงงานได้เก็บรวบรวมข้อมูลเกี่ยวกับจานวนหลอดภาพโทรทั ศน์ที่โรงงานผลิตออกจาหน่ายในช่วง
6 ปีที่ผ่านมาซึ่งเป็นดังนี้
ปีที่ 1 2 3 4 5 6
จานวนหลอดภาพโทรทัศน์ 7,228 7,352 8,965 9,373 11,520 13,379
จงสร้างสมการเส้นถดถอยเพื่อใช้ในการพยากรณ์จานวนหลอดภาพโทรทั ศน์ที่โรงงานแห่งนี้ควรจะ
ผลิตในอีก 7 ปีข้างหน้า
วิธีทา
X จานวนปีที่ผลิต
Y จานวนหลอดภาพโทรทัศน์
แผนภาพการกระจายแสดงความสมพันธ์ระหว่างจานวนหลอดภาพโทรทั ศน์กับช่วงเวลา (ปีที่) ที่ผลิต
ของโรงงานแห่งนี้ เป็นดังนี้
15,000 Y (จานวนหลอดภาพโทรทัศน์)
13,000
11,000
9,000
7,000
5,000
3,000
1,000 X (จานวนปีที่ผลิต)
0 2 4 6 8
ระหว่างจานวนปีที่ผลิตกับจานวนหลอดภาพโทรทัศน์
ความสัมพันธ์ข้างต้นสามารถอนุโลมให้อยู่ในรูปเส้นตรงซึ่งมีสมการทั่วไปเป็น Y = a + bX และมี
สมการปกติเป็น
n n
 yi = an + b  xi ...(1)
i 1 i 1
n n n
 xi yi = a  xi + b  x i2 ...(2)
i 1 i 1 i 1
ในกรณีที่จานวนช่วงเวลา ซึ่งในที่ปีนี้คือปีที่ เป็นจานวนคู่ (n = 6) การกาหนดให้ X ในช่วงเวลาตรง

n
กลาง 2 ช่วง แทนด้วย -1 และ 1 จะทาให้  xi มีค่าเท่ากับ 0 สะดวกต่อการคานวณ กล่าวคือ สมการปกติ
i 1
จะเป็นดังนี้
n
 yi = an + 0 ...(3)
i 1
n n
 xi yi = 0 + b  x i2 ...(4)
i 1 i 1
จากสมการ (3) และ (4) จะได้

n
a = n1  y i = y ...(5)
i 1
n
 xiyi
b = i1 ...(6)
n 2
 xi
i1
n n n
สาหรับค่า  yi ,  x2 i และ  xiyi หาได้จากตารางต่อไปนี้
i 1 i 1 i 1
ปีที่ xi yi x2i xiyi
1 -5 7,228 25 -36,140
2 -3 7,352 9 -22,056
3 -1 8,965 1 -8,965
4 1 9,373 1 9,373
5 3 11,520 9 34,560
6 5 13,379 25 66,895
6
 0 57,817 70 43,667
i 1
n n n
เมื่อแทนค่า n = 6,  yi = 57,817,  x2 i = 70 และ  xiyi = 43,667 ลงในสมการ (5) และ (6) จะได้
i 1 i 1 i 1
a = 16 (57,817) = 9,636.17
b = 4370,667 = 623.81
ดังนั้นสมการแสดงความสัมพันธ์ระหว่างจานวนหลอดภาพโทรทัศน์กับช่วงเวลาที่ผลิตของโรงงานแห่ง
นี้ คือ
Ŷ = 9,636.17 + 623.81X
(ช่วงเวลาเริ่มต้นอยู่ระหว่างปีที่ 3-4, X มีหน่วยเป็น ปี)
นั่นคือ จากการประมาณโดยใช้สมการเส้นถดถอยพบว่าในช่วงเวลาระหว่างปีที่ 3-4 โรงงานแห่งนี้ควร
จะผลิตหลอดภาพโทรทัศน์ได้ประมาณ 9,636 หลอด และจานวนหลอดภาพโทรทัศน์ที่โรงงานแห่งนี้ผลิตได้
ควรจะเพิ่มขึ้นประมาณ 624 หลอดทุกๆครึ่งปี หรือผลิตได้ เพิ่มขึ้นประมาณปีละ 2 x 624 = 1,248 หลอด
จากการแทนค่า X = 7, 9, 11, 13, 15, 17 และ 19 ลงในสมการเส้นถดถอย ตามลาดับ จะได้

ค่าประมาณของจานวนหลอดภาพโทรทัศน์ที่โรงงานแห่งนี้ผลิตได้ระหว่างปีที่ 7-13 ดังนี้
ปีที่ จานวนหลอดภาพโทรทัศน์ที่ผลิต (หลอด)

7 14,003
8 15,250
9 16,498
10 17,746
11 18,993
12 20,241
13 21,489
การกาหนดช่วงเวลาเริ่มต้นและหน่วยของ X กากับไว้ในสมการเส้นถดถอยก็เพื่อต้องการให้สามารถ
กาหนดค่า X ทีจ่ ะแทนลงในสมการเส้นถดถอยเพื่อพยากรณ์ค่า Y ได้ถูกต้อง
ตัวอย่างที่ 5.8 ข้อมูลต่อไปนี้แสดงจานวนรถยางรถยนต์ที่โรงงานแห่งหนึ่งผลิตได้ระหว่างเดือนเมษายนถึง
เดือนธันวาคม
เดือน จานวนยางรถยนต์(เส้น)
เมษายน 789
พฤษภาคม 542
มิถุนายน 769
กรกฎาคม 1,093
สิงหาคม 1,175
กันยายน 1,067
ตุลาคม 1,166
พฤศจิกายน 1,426
ธันวาคม 1,692
จงสร้างสมการเส้นถดถอยเพื่อใช้ในการยากรณ์จานวนยางรถยนต์ที่โรงงานแห่งนี้จะผลิตได้ในช่วง 6
เดือนแรกของปีถัดไป
วิธีทา
X เดือนที่ผลิต
Y จานวนยางรถยนต์ (เส้น)
แผนภาพการกระจายแสดงความสมพันธ์ระหว่างจานวนยางรถยนต์ที่โรงงานแห่งนี้ควรจะผลิตได้ กับ
ช่วงเวลา (เดือน) ที่ผลิตของโรงงานแห่งนี้ เป็นดังนี้
Y (จานวนยางรถยนต์ (เส้น))
1,900
1,700
1,500
1,300
1,100
900
700
500 X (เดือนที่ผลิต)
0 เม.ย.
1 พ.ค.
2 มิ3.ย. ก.ค.
4 ส.ค.
5 ก.ย.
6 ต.ค.
7 พ.ย.
8 ธ.ค.
9 10
รูปที่ 5.9 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่าง
เดือนที่ผลิตกับจานวนยางรถยนต์
ความสัมพันธ์ข้างต้นสามารถอนุโลมให้อยู่ในรูปเส้นตรงซึ่งมีสมการทั่วไปเป็น Y = a + bX และมี
สมการปกติเป็น
n n
 yi = an + b  xi ...(1)
i 1 i 1
n n n
 xi yi = a xi + b  x i2 ...(2)
i 1 i 1 i 1
เนื่องจากจานวนช่วงเวลา ซึ่งในที่นี้คือ เดือน เป็นจานวนคี่ (n = 9) การกาหนดให้ X ในช่วงเวลาตรง

n
กลางเดือนสิงหาคมแทนด้วย 0 จะทาให้ค่า  xi มีค่าเท่ากับ 0 สะดวกต่อการคานวณ ดังนั้นสมการปกติ
i 1
n
a = n1  y i = y ...(3)
i 1
n
 xiyi
b = i1 ...(4)
n 2
 xi
i1
n n n
สาหรับค่า  yi ,  x2i และ  xiyi หาได้จากตารางต่อไปนี้
i 1 i 1 i 1
ปีที่ xi yi x2i xiyi
เมษายน -4 789 16 -3,156
พฤษภาคม -3 542 9 -1,626
มิถุนายน -2 769 4 -1,538
กรกฎาคม -1 1,093 1 -1,093
สิงหาคม 0 1,175 0 0
กันยายน 1 1,067 1 1,067
ตุลาคม 2 1,166 4 2,332
พฤศจิกายน 3 1,426 9 4,278
ธันวาคม 4 1,692 16 6,768
9
 0 9,719 60 7,032
i 1
n n n
เมื่อแทนค่า n = 9,  yi = 9,719,  x2
i = 60 และ  xiyi = 7,032 ลงในสมการปกติข้างต้น
i 1 i 1 i 1
จะได้
a = 19 (9,719) = 1,079.9
b = 7,60
032 = 117.2
ดังนั้นสมการเส้นถดถอยแสดงความสัมพันธ์ระหว่างจานวนยางรถยนต์ที่โรงงานแห่งนี้จะผลิตได้กับ
ช่วงเวลาที่ผลิตคือ
Ŷ = 1,079.9 + 117.2X
(ช่วงเวลาเริ่มต้นอยู่ที่เดือนสิงหาคม ค่า X มีหน่วยเป็น 1 เดือน)
นั่นคือ จากสมการแสดงความสัมพันธ์ที่ได้ จานวนยางรถยนต์ที่โรงงานแห่งนี้ควรจะผลิตได้ในเดือน
สิงหาคมเท่ากับ 1,080 เส้ น (จริ งๆผลิ ตได้ 1,175 เส้น) และโรงงานแห่ งนี้ ควรผลิตยางรถยนต์ได้เพิ่มขึ้น
ประมาณ 117 เส้นในแต่ละเดือนของปีถัดๆไป
เมื่อแทนค่า X = 5, 6, 7, 8, 9 และ 10 ลงในสมการเส้นถดถอยที่ได้ตามลาดับ จะได้จานวนยาง
รถยนต์โดยประมาณที่โรงงานแห่งนี้ควรจะผลิตได้ในแต่ละเดือนของระยะเวลา 6 เดือนแรกของปีถัดไป คือ
ตั้งแต่เดือนมกราคม-มิถุนายนของปีถัดไป ดังนี้
เมื่อแทนค่า X = 5, 6, 7, 8, 9 และ 10 ลงในสมการเส้นถดถอยที่ได้ตามลาดับจะได้จานวนยาง
รถยนต์โดยประมาณที่โรงงานแห่งนี้ควรได้ในแต่ละเดือนของระยะเวลา 6 เดือนแรกของปีถัดไป คือ ตั่งแต่
เดือนมกราคม - มิถุนายนของปีถัดไป ดังนี้
เดือน จานวนยางรถยนต์ที่ควรจะผลิตได้ (เส้น)

มกราคม 1,666
กุมภาพันธ์ 1,783
มีนาคม 1,900
เมษายน 2,017
พฤษภาคม 2,135
มิถุนายน 2,252
ตัวอย่างที่ 5.9 ถ้ากาไรจากการดาเนินการของบริษัทที่ปรึกษาด้านวิศวกรรมแห่งหนึ่งตั้งแต่ปีที่ 1-6 เป็นดังนี้
ปีที่ 1 2 3 4 5 6
กาไร (พันบาท) 112 149 238 354 580 867
จงพยากรณ์กาไรที่บริษัทที่ปรึกษาแห่งนี้จะได้รับในปีที่ 7
วิธีทา
X จานวนปี
Y กาไร (บาท)
แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างกาไรที่ปรึกษาที่ปรึกษาด้ านวิศวกรรมแห่งนี้ได้รับ
จากการประกอบธุรกิจกับช่วงเวลาที่ดาเนินการเป็นดังนี้
1,000 Y (กาไร (บาท))
800
600
400
200
0 X (จานวนปี)
0 1 2 3 4 5 6 7
รูปที่ 5.10 แผนภาพการกระจายแสดงความสัมพันธ์ระหว่างจานวนปีกับกาไร
ความสัมพันธ์ข้างต้นสามารถอนุโลมให้อยู่ในรูปเลขชี้กาลัง ซึ่งมีสมการทั่วไปเป็น Y = abX หรือ

log Y = log a + (log b)X และ มีสมการปกติเป็น
n n
(logyi ) = (log a)n + (log b)  x i …(1)
i 1 i 1
n n n
x i (logyi ) = (log a)  xi + (log b)  x i2 …(2)
i 1 i 1 i 1
n n n n
ค่า (logyi ) ,  x i ,  xi (log yi ) และ  x i2 หาได้จากตารางต่อไปนี้
i 1 i 1 i 1 i 1
yi xi Log y i xi2 xi (logyi )

112 -5 2.0492 25 -10.2460
149 -3 2.1732 9 -6.5196
yi xi Log y i xi2 xi (logyi )

238 -1 2.3766 1 -2.3766
354 1 2.5490 1 2.5490
580 3 2.7634 9 8.2902
867 5 2.9380 25 14.6900
6
 0 14.8494 70 6.3870
i 1
n n n n
แทนค่า n = 6,  (log yi ) = 14.8494,  xi = 0,  xi (log yi ) = 6.3870 และ  x i2 = 70
i 1 i 1 i 1 i 1
ลงในสมการปกติข้างต้น จะได้
14.8494 = 6 log a + 0 …(3)
6.3870 = 0 + 70 log b …(4)
หรือ
log a = 14.8494 6 = 2.4749
a = 102.4749 = 298.5
log b = 6.3870 70 = 0.0912
b = 100.0912 = 1.234
ดังนั้นสมการแสดงความสัมพันธ์ระหว่างกาไรที่บริษั ทแห่งนี้ได้รับจากการดาเนินการกับช่วงเวลาที่
ดาเนินการ คือ
log Ŷ = 2.4749 + 0.0912X
หรือ Ŷ = (298.5)(1 + 0.234)X
(ช่วงเวลาเริ่มต้นอยู่ระหว่างปีที่ 3 และ 4, ค่า X มีหน่วยเป็น 12 ปี)
จาก Ŷ = (298.5)(1.234)X
จะได้ Ŷ = (298.5)(1 + 0.234) X
นั่นคือ กาไรที่บริษัทแห่งนี้ควรจะได้รับจากการดาเนินการระหว่างปีที่ 3 และ 4 เท่ากับ 298.5 พัน
บาท หรือ 298,500 บาท และอัตรากาไรที่บริษัทแห่งนี้จะได้รับในช่วง 12 ปี หรือ 6 เดือน เท่ากับ 0.234 หรือ
23.4 เปอร์เซ็นต์
การหากาไรที่บริษัทแห่งนี้จะได้รับในปีที่ 7 หาได้จากการแทนค่า X = 7 ลงในสมการ เส้นถดถอย
log Ŷ = 2.4749 + 0.0912X

= 2.4749 + 0.0912(7)
= 3.1133
Ŷ = 1,298.18 พันบาท
ดังนั้น ในปีที่ 7 บริษัทแห่งนี้จะได้กาไร 1,298.18 พันบาท หรือ 1,298,180 บาท
5.3 การวิเคราะห์สหสัมพันธ์
ในการวิเคราะห์การถดถอยเพื่อหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในรูปสมการที่ได้ กล่าว
มาแล้ว โดยทราบว่าตัวแปรใดเป็นตัวแปรเหตุ และตัวแปรใดเป็นตัวแปรผล วัตถุประสงค์ที่ สาคัญก็เพื่อนา
ความสัมพันธ์ระหว่างตัวแปรทั้งสองที่หาได้ไปใช้ในการพยากรณ์ตัวแปรผลหรือตัวแปรตาม เมื่อทราบค่าของ
ตัวแปรเหตุหรือตัวแปรอิสระ ในบางกรณีวิศวกรอาจจะต้องการทราบระดับของความสัมพันธ์ ระหว่างตัวแปร
ทั้งสองเท่านั้นว่ามีมากน้อยเพียงใด โดยไม่สนใจที่จะพยากรณ์ตัวแปรตามในอนาคต เมื่อทราบค่าของตัวแปร
อิสระหรือต้องการทราบความสัมพันธ์ระหว่ างตัวแปร 2 ตัวโดยที่ไม่ทราบว่า ตัวแปรใดเป็นตัวแปรเหตุหรือตัว
แปรผล ตัวอย่างเช่น ความสัมพันธ์ระหว่างค่าไฟฟ้ากับค่าน้ามันดีเซลที่ใช้ในการผลิตสินค้า ความสัมพันธ์
ระหว่างเงินเดือนกับสวัส ดิการของวิศวกรโรงงาน หรือความสัมพันธ์ ระหว่างคะแนนทดสอบความถนัดกับ
ปริมาณการผลิตของคนงานในโรงงานอุตสาหกรรม ระดับของความสัมพันธ์ที่ต้องการทราบนี้วัดได้จากค่า
สัมประสิทธิ์สหสัมพันธ์ (correlation coefficient) กล่าวคือ ถ้า X กับ Y เป็นตัวแปร 2 ตัว n คือ จานวน
ตัวอย่างที่นามาวัดค่าตัวแปรทั้งสอง สัมประสิทธิ์สหสัมพันธ์ระหว่าง X กับ Y เขียนแทนด้วยสัญลักษณ์ r ซึ่งมี
สูตรที่ใช้ในการคานวณหา ดังนี้
n n
 (x i  x)(yi  y)  (x i y i  nxy)
r i1 = i1 (5.9)
n 2
n 2
n 2 2
n 2 2
 ( x  x)  ( y  y)  x  n( x)  y  n( y)
i1 i i1 i i1 i i1 i
สัมประสิทธิ์สหสัมพันธ์มีค่าได้ตั้งแต่ –1 ถึง 1 (–1  r  1) ถ้าสัมประสิทธิ์สหสัมพันธ์มีค่าเป็นบวก

แสดงว่าเมื่อตัวแปรใดตัวแปรหนึ่งมีค่าเพิ่มขึ้น ตัวแปรอีกตัวหนึ่งจะมีค่าเพิ่มขึ้นตาม คือ เป็นไปในทางเดียวกัน
แต่ถ้าสัมประสิทธิ์สหสัมพันธ์มีค่าเป็นลบ แสดงว่าเมื่อตัวแปรตัวใดตัวหนึ่งมีค่า เพิ่มขึ้น ตัวแปรอีกตัวหนึ่งจะมี
ค่าลดลง คือ เป็นไปในทางตรงกันข้าม สาหรับขนาดหรือระดับของความสัมพันธ์นั้นพิจารณาจากค่าของ
สั ม ประสิ ท ธิ์ ส หสั ม พั น ธ์ ถ้ า สั ม ประสิ ท ธิ์ ส หสั ม พั น ธ์ มี ค่ า เข้ า ใกล้ +1 หรื อ –1 แสดงว่ า ตั ว แปรทั้ ง สองมี
ความสัมพันธ์กันมาก แต่ถ้าสัมประสิทธิ์สหสัมพันธ์มีค่าเข้าใกล้ 0 แสดงว่าตัวแปรทั้งสองมีความสัมพันธ์กัน

น้อย ในกรณีที่สัมประสิทธิ์ส หสัมพันธ์มีค่าเท่ากับ 0 แสดงว่า ตัวแปรทั้งสองไม่มีความสัมพันธ์กันเลย ลักษณะ
ของความสัมพันธ์ระหว่างตัวแปร X กับ Y ที่มี r เท่ากับ +1, r มีค่าประมาณ -1 และ r มีค่าประมาณ -1 แสดง
ไว้ในรูปที่ 5.11
(ก) (ข) (ค)
รูปที่ 5.11 ลักษณะของความสัมพันธ์ระหว่าง X กับ Y แบบต่างๆ (ก) r = 1,

(ข) r มีค่าประมาณ -1 และ (ค) r มีค่าประมาณ 0
การวัดความสั มพัน ธ์โ ดยใช้สั มประสิ ทธิ์ส หสั มพันธ์ข้างต้นนี้เป็นการวัดความสั มพันธ์เชิงเส้ นตรง
เท่านั้น ถ้า r มีค่าเข้าใกล้ ) แสดงว่าตัวแปรทั้งสองไม่มีความสัมพันธ์เชิงเส้นตรงเท่านั้น ในกรณีที่ จริงๆตัวแปร
ทั้งสองมีความสัมพันธ์เชิงเส้นโค้ง ค่า r ที่วัดได้จากสูตรดังกล่าวจะมีความเชื่อถือได้น้อย
ก าลั ง สองของสั ม ประสิ ท ธิ์ ส หสั ม พั น ธ์ 1 เรี ย กว่ า สั ม ประสิ ท ธิ์ ก ารตั ด สิ น ใจ (coefficient of
determination) ใช้วัดอิทธิพลของตัวแปรตัวหนึ่งว่ามีผลต่อตัวแปรอีกตัวหนึ่งมากน้อยเพียงใด สัมประสิทธิ์
การตัดสินใจมีค่าได้ตั้งแต่ 0 ถึง 1
ตัวอย่างที่ 5.10 จากตัวอย่าง 5.4 จงคานวณหาสัมประสิทธ์สหสัมพันธ์ (r) และสมประสิทธิ์การตัดสินใจ (r2)
ของจานวนรถยนต์ที่ผลิตและค่าใช้จ่ายด้านแรงงานที่ใช้ในการผลิต
วิธีทา
n
 (x i y i  nxy)
r i1
จาก
n 2 2
n
 x i  n( x)  y i2  n( y) 2
i1 i1
n n n
2
เมื่อ n = 8 และ  x i y i , x , y ,  x i และ  y i2 หาได้จากตารางต่อไปนี้
i 1 i 1 i 1
yi xi y i2 x i2 xiyi
40 5 1,600 25 200
50 7 2,500 49 350
60 10 3,600 100 600
65 12 4,225 144 780
70 15 4,900 225 1,050
80 20 6,400 400 1,600
92 25 8,464 625 2,300
100 30 10,000 900 3,000
557 124 41,689 2,468 9,880
n
x  n1  x i = 18 (124 ) = 15.50 แสนบาท
i 1
n
y  n1  y i = 18 (557) = 69.625 แสนบาท
i 1
ดังนั้น r 9,880  8(15.5)(69.625)
2,468  8(15.52 ) 41,689  8(69.6252 )

9,880  8,633.5
546 2,907.875
1,246.5

(23.3666)(53.9247  0.9893
r 2 = (0.9893)2 = 0.9787
นั่นคือ ค่าใช้จ่ายด้านแรงงานที่เพิ่มขึ้นหรือลดลงมีผลทาให้จานวนรถยนต์ที่ผลิต เพิ่มขึ้นหรือลดลงถึง
ร้อยละ 97.87 ที่เหลืออีกร้อยละ 2.13(100 – 97.87) เป็นผลเนื่องมาจากสาเหตุอื่นๆที่ทาให้จานวนรถยนต์ที่
ผลิตเพิ่มขึ้นหรือลดลง
เนื่องจาก r = 0.9893 มีค่าเป็นบวก ดังนั้นเมื่อค่าใช้จ่ายด้านแรงงานเพิ่มขึ้นจะมีผลทาให้จานวน
รถยนต์ที่ผลิตเพิ่มขึ้นตาม หรือเมื่อค่าใช้จ่ายด้านแรงงานลดลงจานวนรถยนต์ที่ ผลิตจะลดลงตามไปด้วย ใน
กรณีนี้เนื่องจาก r มีค่าเข้าใกล้ 1 มาก อาจสรุปได้ว่าจานวนรถยนต์ที่ผลิตได้มีความสัมพันธ์กับค่าใช้จ่า ยด้าน

แรงงานที่ใช้ในการผลิตมาก
5.4 การหาสหสัมพันธ์เมื่อข้อมูลอยู่ในรูปลาดับที่
ในการหาความสัมพันธ์ระหว่างตัวแปรหรือลักษณะที่สนใจศึกษา หากตัวแปรเหล่านั้น สามารถวัด
ออกมาเป็นค่าที่แทนด้วยตัวเลขได้ การหาความสัมพันธ์ ดังกล่าวสามารถใช้วิธีการที่ได้ กล่าวมาแล้ว แต่ถ้าตัว
แปรหรือลักษณะที่สนใจศึกษาแทนด้วยลาดับที่แล้ว การวิเคราะห์ด้วยวิธีข้างต้น ไม่สามารถทาได้ เช่น การหา
ความสัมพันธ์ระหว่างกลุ่มวิศวกรชายและกลุ่มวิศวกรหญิงกับลาดับ ความนิยมในยี่ห้อปูนซีเมนต์ 4 ยี่ห้อที่
เลือกมาใช้ในการก่อสร้ าง หรือการหาความสัมพันธ์ระหว่างประสบการณ์ในการผลิตสินค้ากับจานวนสินค้า
ชารุดที่ผลิตได้ (แปลงข้อมูลประสบการณ์หรือจานวนปีและจานวนสินค้าชารุดให้เป็นลาดับที่) จะต้องใช้วิธีการ
ของสเปียร์แมน (Spearman) ซึ่งมีขั้นตอนใน การหาความสัมพันธ์ดังนี้
1) ตั้งสมมติฐานเพื่อการทดสอบ ซึ่งโดยทั่วไปเป็นดังนี้
H0: ไม่มีความสัมพันธ์ระหว่างลักษณะที่สนใจศึกษา
H1: มีความสัมพันธ์ระหว่างลักษณะที่สนใจศึกษา
2) เขียนลาดับที่เป็นคู่ๆโดยที่จานวนคู่ที่ใช้ไม่ควรน้อยกว่า 6 คู่
3) หากาลังสองของความแตกต่างระหว่างลาดับที่ของแต่ละคู่ ( d i )
4) หาผลรวมของกาลังสองของความแตกต่างระหว่างลาดับที่ของแต่ละคู่ เขียนแทนด้วย s
5) คานวณหาสัมประสิทธิ์สหสัมพันธ์ เมื่อข้อมูลอยู่ในรูปลาดับที่ (r) ซึ่งเป็นสูตรของสเปียร์แมน
rs  1  6s (5.10)
n(n2 1)
เมื่อ n แทนจานวนคู่
6) เปรียบเทียบค่า r ที่คานวณได้กับค่าวิกฤตของสัมประสิทธิ์สหสัมพันธ์ลาดับที่ (rank correlation
coefficient) จากตารางต่อไปนี้ (ตัวอย่างตาราง ค่าวิกฤตของสัมประสิทธิ์สหสัมพันธ์ลาดับที่ ณ ระดับ
นัยสาคัญ  = 0.05
จานวนคู่ ค่าวิกฤต
6 –0.77 +0.82
7 –0.71 +0.75
8 –0.69 +0.71
จานวนคู่ ค่าวิกฤต
9 –0.67 +0.68
10 –0.62 +0.64
ในกรณีจานวนคู่ (n) มากกว่า 10 การแจกแจงของ r สามารถอนุโลมได้ว่าเป็นการแจกแจงปกติ และ

ขอบเขตในยอมรับ H0 หรือช่วงค่าวิกฤต คานวณได้จาก
rc 
Z (5.11)
n 1
ถ้าค่า rs ที่คานวณได้ตกอยู่ภายในช่วงวิกฤตของสัมประสิทธิ์สหพันธ์ต้องยอมรับ H0 แต่ถ้าค่า rs ตกอยู่

ช่วงวิกฤต ต้องปฏิเสธ H0
ตัวอย่างที่ 5.11 ในการทดสอบผลการประเมินคุณภาพของฟิล์มกรองแสง 6 ยี่หอ คือยี่ห้อ A, B, C, D, E และ
F ผู้ทดสอบได้แบ่งผู้ประเมินคุณภาพฟิล์มกรองแสงดังกล่าวออกเป็น 2 กลุ่ม คือ กลุ่มวิศวกรและกลุ่มช่าง
เทคนิค ถ้าผลการประเมินคุณภาพฟิล์มกรองแสงทั้ง 6 ยี่ห้อ ซึ่งแทนด้วยลาดับที่เป็นดังนี้
ยี่ห้อฟิล์มกรองแสง กลุ่มวิศวกร กลุ่มช่างเทคนิค

A 1 5
B 3 3
C 2 6
D 5 1
E 4 4
F 6 2
ผู้ทดสอบสามารถสรุปได้หรือไม่ว่าไม่มีความสัมพันธ์ระหว่างคุณภาพของฟิล์มกรองแสงกับกลุ่มของผู้
ประเมิน ณ ระดับนัยสาคัญ 0.05
วิธีทา
สมมติฐานเพื่อการทดสอบ
H0: ไม่มีความสัมพันธ์ระหว่างคุณภาพของฟิล์มกรองแสงกับกลุ่มของผู้ประเมิน
H1: มีความสัมพันธ์ระหว่างคุณภาพของฟิล์มกรองแสงกับกลุ่มของผู้ประเมิน
ยี่ห้อฟิล์มกรองแสง กลุ่มวิศวกร กลุ่มช่างเทคนิค d d2

A 1 5 –4 16
B 3 3 0 0
C 2 6 –4 16
D 5 1 4 16
E 4 4 0 0
F 6 2 4 16
s = 64
rs  1  6s
n(n2 1)
6(64 )
1
6(361) = –0.828
เนื่องจากค่าวิกฤตของสัมประสิทธิ์สหพันธ์ลาดับที่ ณ ระดับนัย สาคัญ 0.05 และ จานวนคู่เป็น 6
เท่ากับ-0.77, +0.83 ดังนั้น rs ตกอยู่นอกช่วงค่าวิกฤตหรือช่วงที่ยอมรับ H0
นั่นคือ ต้องปฏิเสธ H0 ที่ว่าไม่มีความสัมพันธ์ระหว่างคุณภาพของฟิล์มกรองแสงกับกลุ่มของผู้ประเมิน
แสดงว่ากลุ่มวิศวกรมีความเห็นเกี่ยวกับคุณภาพของฟิล์มกรองแสงทั้ง 6 ยี่ห้อแตกต่างจากกลุ่มช่างเทคนิค
และเนื่องจากสัมประสิทธิ์สหสัมพันธ์มีเครื่องหมายเป็น ลบ แสดงว่าความสัมพันธ์ระหว่างคุณภาพของฟิล์ม
กรองแสงกับกลุ่มของผู้ประเมินเป็นไปในทางตรงกันข้าม กล่าวคือ กลุ่มวิศวกรและกลุ่มช่างเทคนิคมีความเห็น
เกี่ยวกับคุณภาพของฟิล์มกรองแสงไม่ตรงกัน
ตัวอย่างที่ 5.12 จากการศึกษาถึงความสัมพันธ์ระหว่างประสบการณ์ในการทางานกับจานวนแผงวงจรไฟฟ้าที่
ผลิตได้รายปีของช่างเทคนิค 13 คน ในโรงงานผลิตอุปกรณ์อิเล็กทรอนิกส์แห่งหนึ่ง ปรากฏผลดังนี้
ชื่อช่างเทคนิค ประสบการณ์ในการทางาน(ปี) จานวนแผงวงจรไฟฟ้าที่ผลิตได้
A 12 7,000
B 13 7,800
C 16 4,000
D 12 8,000
E 16 70,000
F 12 8,000
G 18 10,400
H 20 13,000
ชื่อช่างเทคนิค ประสบการณ์ในการทางาน(ปี) จานวนแผงวงจรไฟฟ้าที่ผลิตได้

I 20 25,000
J 16 10,500
K 14 15,000
L 14 14,000
M 13 11,700
สามารถสรุปได้หรือไม่ว่าประสบการณ์ในการทางานกับจานวนแผงวงจรไฟฟ้าที่ช่างเทคนิคผลิตได้มี
ความสัมพันธ์กัน ณ ระดับนัยสาคัญ 0.05
วิธีทา
สมมติฐานเพื่อการทดสอบ
H0: ประสบการณ์ในการทางานกับจานวนแผงวงจรไฟฟ้าที่ช่างเทคนิคผลิตได้ไม่มีความสัมพันธ์กัน
H1: ประสบการณ์ในการทางานกับจานวนแผงวงจรไฟฟ้าที่ช่างเทคนิคผลิตได้มีความสัมพันธ์กัน
เมื่อเปลี่ยนค่าของข้อมูลให้อยู่ในรูปลาดับที่จะเป็นดังนี้
ลาดับที่ของจานวนปี ลาดับที่ของจานวน
ชื่อชางเทคนิค d d2
ที่มีประสบการณ์ แผงวงจรไฟฟ้าที่ผลิตได้
A 2 2 0 0
B 4.5 3 1.5 2.25
C 9 1 8 64.00
D 2 4.5 –2.5 6.25
E 9 13 –4 16.00
F 2 4.5 –2.5 6.25
G 11 6 5 25.00
H 12.5 9 3.5 12.25
I 12.5 12 0.5 0.25
J 9 7 2 4.00
K 6.5 11 –4.5 20.25
L 6.5 10 –3.5 12.25
M 4.5 8 –3.5 12.25
s = 181.00
6s
rs  1 
n(n2 1)
6(181)
1
13(168) = 0.503
เนื่องจากจานวนคู่ (n) มากกว่า 10 ช่วงค่าวิกฤตคานวณจาก
rc   Z
n 1

1.96  0.566
13  1
ดังนั้นยอมรับ H0 ที่ว่าประสบการณ์ในการทางานกับจานวนแผงวงจรไฟฟ้าที่ผลิตได้ของช่างเทคนิคไม่
มีความสัมพันธ์กัน
5.5 ข้อควรระวังเกี่ยวกับการวิเคราะห์การถดถอยและสหสัมพันธ์
1) การวิเคราะห์การถดถอยและสหพันธ์เป็นวิธีที่ใช้วัดความสัมพันธ์ระหว่างตัวแปรทั้ง สองวิธี แต่การ
วิเคราะห์การถดถอย นอกจากจะบอกความสัมพันธ์ระหว่างตัวแปรอย่างคร่าวๆ โดยบอกว่าเมื่อค่า X ใดๆ
เปลี่ยนไป 1 หน่วย ค่า Y จะเปลี่ยนไปเท่าไร เมื่อพิจารณาจากสัมประสิทธิ์การถดถอยแล้ว ยัง สามารถใช้
สามารถใช้สมการเส้นถดถอยทานายค่าตัวแปรตามเมื่อทราบค่าตัวแปรอิสระได้อีกด้วย ส่วนการวิเคราะห์
สหสัมพันธ์ค่าสัมประสิทธิ์สหสัมพันธ์ที่คานวณได้ บอกแต่เพียงว่าตัวแปรอิสระและตัวแปรตามมี ความสัมพันธ์
กันมากน้อยเพียงใดเท่านั้น แต่สัมประสิทธิ์การตัดสินใจซึ่งใช้วัดอิทธิพลของตัวแปรตัวหนึ่งว่ามีผลต่อตัวแปรอีก
ตัวหนึ่งมากน้อยเพียงใดจะบอกถึงขนาดของความสัมพันธ์ระหว่างตัวแปรทั้งสองได้ดีกว่าความสัมพันธ์ที่วัดได้
จากสัมประสิทธิ์การถดถอย ซึ่งไม่สามารถทราบค่าสงสดหรือต่าสุดของความสัมพันธ์ที่อาจเกิดขึ้น
2) ในทางทฤษฎีการวิเคราะห์การถดถอยเป็นการศึกษาถึงความสัมพันธ์ระหว่างตัวแปรโดยที่ตัวแปรอิสระ
ถูกกาหนดค่าไว้ล่วงหน้า และการวิเคราะห์สหสัมพั นธ์เป็นการศึกษาถึงความสัมพันธ์ ระหว่างตัวแปรโดยที่ไม่มี
ตัว แปรใดถูกกาหนดค่าไว้ล่ว งหน้ า แต่ในทางปฏิบัติทั่ว ๆไป ถึงแม้ ว่า จะไม่มีตัวแปรอิส ระถูกกาหนดค่าไว้
ล่วงหน้าก็มักจะอนุโลมให้ใช้การวิเคราะห์การถดถอยได้
3) ในการพยากรณ์ค่าตัวแปรตาม (Y) เมื่อทราบค่าตัวแปรอิสระ (X) ความเชื่อถือได้ของค่าพยากรณ์จะมี
มากน้อยเพียงใดขึ้นอยู่กับจานวนตัวอย่างที่นามาสร้างความสัมพันธ์ โดยทั่วไปหากใช้จานวนตัวอย่างมากจะทา
ให้ค่าพยากรณ์มีความเชื่อถือได้มาก แต่อย่างไรก็ตาม ความเชื่อถือได้ของค่าพยากรณ์นี้ยังขึ้นอยู่กับรูปแบบ
ของความสัมพันธ์ระหว่างตัวแปรอิสระกับตัวแปรตามในขณะพยากรณ์ด้วยว่าเป็นไปเช่นเดียวกันกับรูปแบบ
ของความสั ม พั น ธ์ เ ดิ ม ที่ น ามาสร้ า งความสั ม พั น ธ์ เ พื่ อ น าไปใช้ ใ นการพยากรณ์ ห รื อ ไม่ ถ้ า รู ป แบบของ
ความสัมพันธ์ เปลี่ยนไปมาก แล้ วผลที่ได้จากการพยากรณ์จะมีความเชื่อถือไม่ได้เลย แต่ถ้าเปลี่ยนไปบ้าง
เล็กน้อยผลจากการพยากรณ์จะเชื่อถือได้น้อยลง
4) ตัวแปรอิสระและตัวแปรตามที่นามาสร้างความสัมพันธ์จะต้องมีความสัมพันธ์กันจริงๆ หรือคาดว่าควร
จะมีความสัมพันธ์กัน สาหรับตัวแปรที่ไม่มีความสัมพันธ์กันจริงๆแล้วนามาสร้างความสัมพันธ์ สมการแสดง
ความสัมพันธ์ที่ได้จะไม่สามารถนาไปใช้ประโยชน์ได้เลย นอกจากนี้ วิศวกรหรือผู้ใช้ผลการวิเคราะห์ยังอาจ
ตัดสินใจดาเนินการต่างๆไปอย่างผิดๆจนทาให้เกิดความเสียหายอย่างมากได้ เช่น การหาความสัมพันธ์ระหว่าง
จานวนสินค้าชารุดจากการผลิตกับจานวนอุบัติเหตุในการขนส่งสินค้าไปจาหน่าย
5) ถ้าผู้วิเคราะห์ต้องการพยากรณ์ค่าของตัวแปรใดๆ จะต้องกาหนดให้ตัวแปรนั้นเป็นตัวแปรตามเสมอ
และตัวแปรที่เหลือให้เป็นตัวแปรอิสระ สมการเส้นถดถอยที่หาได้จากการกาหนดตัวแปรดังกล่าวไม่สามารถ
นาไปใช้ในการพยากรณ์ค่าตัวแปรอิสระเมื่อทราบค่าตัวแปรตามได้ ในกรณีนี้ต้องกาหนดให้ตัวแปรอิสระเดิม
ทาหน้าที่เป็นตัวแปรตาม และตัวแปรตามเดิมทาหน้าที่ เป็นตัวแปรอิสระ แล้วหาความสัมพันธ์ขึ้นมาใหม่ จึง
จะสามารถพยากรณ์ตามที่ต้องการได้ เช่น ถ้าต้องการหาความสัมพันธ์ระหว่างจานวนสินค้าที่ผลิ ตได้กับ
จานวนสินค้าชารุด ถ้าต้องการพยากรณ์สินค้าชารุดเมื่อทราบจานวนสินค้าที่ผลิตได้ จะต้องกาหนดให้จานวน
สินค้าชารุดเป็นตัวแปรตาม และจานวนของสินค้าที่ผลิตได้เป็นตัวแปรอิสระ แต่ถ้าต้องการพยากรณ์ จานวน
สินค้าที่ผลิ ตได้เมื่อทราบจานวนสิ นค้าชารุด จะต้องกาหนดให้จานวนสิ นค้าที่ผลิ ตได้เป็น ตัว แปรตามและ
จานวนสินค้าชารุดเป็นตัวแปรอิสระ
5.6 สรุป
การวิเคราะห์ถดถอย เป็นวิธีการทางสถิติที่ศึกษาความสัมพันธ์ของตัวแปรที่ทราบค่าเรียกว่าตัวแปรอิสระ
(Idepedent variation) หรือเรียกว่าตัวพยากรณ์ (Prediction) นิยมใช้สัญลักษณ์ X ซึ่งสามารถนามา
พยากรณ์ค่าของตัวแปรอีกตัวหนึ่งได้ เรียกว่า ตัวแปรตาม (Depedent variation) ใช้สัญลักษณ์ Y
ข้อแตกต่างระหว่างการการถดถอยกับการวิเคราะห์สหสัมพันธ์ คือ การวิเคราะห์สหสัมพันธ์เพียงแต่
ศึกษาว่าตัวแปรมีความสัมพันธ์กันมากน้อยหรือไม่ มีขนาดและทิศทางเป็นอย่างไร แต่ไม่ได้ใช้พยากรณ์ ส่วน
การวิเคราะห์การถดถอยสามารถใช้พยากรณ์ได้ด้วย
การวิเคราะห์ถดถอยแบ่งออกเป็น 2 ประเภท
1. การวิเคราะห์ถดถอยอย่างง่าย (Simple Regreesion Analysis)
2. การวิเคราะห์ถดถอยเชิงซ้อน (Multible Regreesion Analysis)
ในการหาความสัมพันธ์ระหว่างตัวแปรหรือลักษณะที่สนใจศึกษา 2 ลักษณะนี้มีวิธีหาได้หลายวิธี วิธีที่ทา
ได้ง่ายๆ ใช้เวลาในการวิเคราะห์น้อยและให้ความถูกต้องเชื่อถือได้ คือ วิธีลากด้วยมือ (freehand method)
และวิธีเลือกจุด (selected point method) ส่วนวิธีที่ค่อนข้างยากและต้องใช้ความรู้ทางคณิตศาสตร์ระดับสูง
แต่มีความถูกต้องและเชื่อถือได้มาก คือ วิธีกาลังสองน้อยที่สุด (Least Square method) แต่ในการใช้วิธี
กาลังสองน้อยที่สุดนี้มีขั้นตอนในการสร้างความสัมพันธ์ยุ่งยากกว่า วิธีลากด้วยมือและวิธีเลือกจุดมาก
1. ถ้าจุด (-8, 0) และ (0, 4) อยู่บนเส้นตรง Y = a + bX จงหาค่า a และ b

2. ถ้าต้นทุนการผลิต (X) และราคาขายปลีก (Y) ของสินค้าอุตสาหกรรม 9 ชนิดเป็นดังนี้
Y 1.2 2.5 5.9 8.9 10.0 11.0 12.5 14.5 16.0
X 0.7 1.0 2.0 3.5 4.5 5.0 6.5 7.0 9.0
1) จงเขียนแผนภาพการกระจาย
2) จงหาสมการส้นถดถอยในรูปเส้นตรงเพื่อแสดงความสัมพันธ์ระหว่างต้นทุนการผลิตกับราคาขายปลีก
3. ผู้จัดการผ่ายผลิตของโรงงานแห่งหนึ่งต้องการศึกษาความสัมพันธ์ระหว่างความเร็วของการผลิตมอเตอร์
ยี่ห้อหนึ่งกับร้อยละของมอเตอร์ชารุดที่ผลิตได้ จากการหาร้อยละของมอเตอร์ ชารุดที่ผลิตได้จากเครื่องจักรที่
ผลิตมอเตอร์ได้จานวนต่างๆกันในแต่ละชั่วโมง 7 ชั่วโมงที่ผ่านมาปรากฏผลดังนี้
จานวนมอเตอร์ต่อชั่วโมง (X) 180 210 240 270 300 330 360

ร้อยละของมอเตอร์ที่ชารุด (Y) 2.0 2.2 2.7 3.5 5.6 7.1 8.0
1)จงสร้างแผนภาพกระจายและหาสมการเส้นถดถอยในรูปเส้นตรง
2)จงพยากรณ์ร้อยละของมอเตอร์ชารุดเมื่อจานวนมอเตอร์ที่ผลิตได้ต่อชั่วโมงเป็น 250 และ 400
4. ถ้าจานวนสวิตช์ปิดเครื่องใช้ไฟฟ้ายี้ห้อหนึ่งและต้นทุนการผลิตต่อหน่วย(บาท)เป็นดังนี้
ต้นทุนการผลิต (X) 15 18 13 16 12 20
จานวนที่ผลิต (Y) 82 25 93 60 128 12
1) จงหาสมการเส้ น ถดถอยในรู ป เพื่ อ ใช้ ใ นเส้ น ตรงเพื่ อ ใช้ ใ นการพยากรณ์ จ านวนสวิ ต ช์ ปิ ด เปิ ด
เครื่องใช้ไฟฟ้ายีห่ ้อนี้ เมื่อกาหนดต้นทุนการผลิตต่อหน่วยให้และเขียนกราฟของความสัมพันธ์ที่หาได้
2) จงพยากรณ์จานวนสวิตช์ปิดเปิดเครื่องใช้ไฟฟ้าที่มีต้นทุนการผลิตติอหน่วย 15 บาทโดยใช้สมการ
เส้นถดถอยในรูปเส้นตรงที่ได้จากข้อ 1) และจากกราฟของความสัม พันธ์ระหว่างจานวนกับต้นทุนการผลิ ต
สวิตช์ปิดเปิดเครื่องใช้ไฟฟ้าที่หาได้
5. ข้อมูลต่อไปนี้แสดงค่าใช้จ่ายในการโฆษณาและกาไรที่บริษัทผลิตปูนชีเมนต์ 12 ยี่ห้อได้รับในรอบปีทีผ่านมา
คาใช้จ่ายโฆษณา (ล้านบาท) 1.5 0.8 2.6 1.0 0.6 2.8 1.2 0.9 0.4 1.3 1.2 2.0
กาไร (ล้านบาท) 3.1 1.9 4.2 2.3 1.2 4.9 2.8 2.1 1.4 2.4 2.4 3.8
จงหาสมการเส้นถดถอยเพื่อใช้ในการพยากรณ์กาไร เมื่อบริษัทผลิตปูนซีเมนต์ยี่ห้อหนึ่งมีค่าใช้จ่ายใน
การโฆษณา 1.2 ล้านบาท
6. จากข้อมูลในข้อ 5 จงหาสมการเส้นถดถอยเพื่อใช้ในการพยากรณ์ค่าใช้จ่ายในการโฆษณาเมื่อบริษัทผลิต
ปูนซีเมนต์ยี่ห้อหนึ่งได้กาไร 4 ล้านบาท
7. จากการเลื อกตัว อย่ างวิ ศวกรโดยการสุ่ มมา 5 คนที่เข้าทางานพร้อมกัน เพื่อหาความสัมพันธ์ระหว่าง
เงินเดือนแรกเข้ากับเงินเดือนปัจจุบัน ปรากฏผลดังนี้
เงินเดือนปัจจุบัน (บาท) 22,500 45,000 35,000 20,000 20,000

เงินเดือนแรกเข้า (บาท) 15,000 30,000 25,000 17,500 12,000
1) จงหาสมการเส้นถดถอยเพื่อใช้พยากรณ์เงินเดือนปัจจุบันเมื่อทราบเงินเดือนแรกเข้า
2) จงเขียนกราฟของสมการเส้นถดถอยที่ได้เปรียบเทียบกันกับกราฟของข้อมูล
3) จงพยากรณ์เงินเดือนปัจจุบันสาหรับวิศวกรที่มีเงินเดือนแรกเข้า 16,000 บาทและ27,000 บาท
8. ถ้าต้นทุนการผลิตหลอดฟลูออเรสเซนซ์ต่อหน่วยตามจานวนหลอดที่ผลิตในแต่ละสัปดาห์ของโรงงานแห่ง
หนึ่งเป็นดังนี้
จานวนหลอดฟลูออเรสเซนซ์ที่ผลิต (หลอด) 80 100 150 200 300
ต้นทุนการผลิตต่อหน่วย (บาท) 62 60 52 48 40
1) จงหาสมการเส้นถดถอยแสดงความสัมพันธ์ระหว่างต้นทุน ต่อหน่วยและจานวนหลอดฟลูออเรซ
เซนซ์ที่ผลิต เพื่อใช้พยากรณ์ต้นทุนต่อหน่วย
2) จงเขียนกราฟของข้อมูลที่กาหนดให้เปรียบเทียบกับกราฟของสมการเส้นถดถอยที่ได้
3) จงพยากรณ์ต้นทุนการผลิตต่อหน่วยเมื่อโรงงานแห่งนี้ผลิตหลอดฟลูออเรสเซนซ์ 250 หลอด และ
175 หลอดในหนึ่งสัปดาห์
9. จากข้อมูลเกี่ยวกับยอดขายและกาไรของร้านจาหน่ายเครื่องใช้ไฟฟ้า 12 ร้านที่เลือกมาเป็นตัวอย่างเพื่อหา
ความสัมพันธ์ระหว่างยอดขายกับกาไรที่ได้รับ ผลปรากฏดังนี้
ร้านจาหน่าย ยอดขายต่อปี(ล้านบาท) กาไร(ล้านบาท)

เครื่องใช้ไฟฟ้า
1 12.0 2.0
2 8.0 1.2
3 76.0 14.8
4 17.0 8.3
5 21.0 8.4
6 10.0 3.0
7 12.5 4.8
8 97.0 15.6
9 88.0 16.1
10 25.0 11.5
11 38.0 14.2
12 47.0 14.0
จงหาสมการเส้นถดถอยและพยากรณ์ยอดขายต่อปีของร้านจาหน่ายเครื่องใช้ไฟฟ้าที่มีกาไร 5 ล้าน
บาทและ 10 ล้านบาท
10. ถ้าปริมาณการผลิตฟิวส์ของโรงงานแห่งหนึ่งตั่งแต่ปีที่ 1 ถึงปีที่ 6 เป็น 2.36, 2.67, 3.05, 3.37, 3.47 และ
3.49 ล้านตัว ตามลาดับ
1) จงเขียนแผนภาพการกระจายแสดงความสัมพันธ์ระหว่างปริมาณการผลิตฟิวส์กับปีทีผลิต
2) จงหาสมการเส้นถดถอยในรูปเส้นตรงและเขียนกราฟของความสัมพันธ์ที่ได้จากสมการเส้นถดถอย
ในรูปเส้นตรง
3) จงพยากรณ์ปริมาณการผลิตฟิวส์ของโรงงานแห่งนี้ในปีที่ 7 และปีที่ 8
11. จากข้อมูลในข้อ 10
1) จงหาสมการเส้ น ถดถอยโดยใช้ ค วามสั ม พั น ธ์ ที่ อ ยู่ ใ นรู ป พาราโบลา และเขี ย นกราฟของ
ความสัมพันธ์ที่ได้จากสมการเส้นถดถอยนี้
2) จงพยากรณ์ปริมาณการผลิตฟิวส์ของโรงงานแห่งนี้ในปีที่ 7 และปีที่ 8 แล้วเปรียบเทียบกับปริมาณ
การผลิตฟิวส์ที่พยากรณ์จากสมการเส้นถดถอดในรูปเส้นตรง
12. ข้อมูลต่อไปนี้แสดงค่าใช้จ่ายรายปีของบริษัทที่ปรึกษาทางวิศวกรรมแห่งหนึ่ง ตั้งแต่ปีที่ 1 ถึงปีที่ 13
ปีที่ ค่าใช้จ่าย(ล้านบาท)
1 2.7
2 2.0
3 4.0
4 3.9
5 3.9
6 3.6
7 4.8
8 4.5
9 5.3
10 5.5
11 6.4
12 7.0
13 7.1
1) จงหาสมการเส้นถดถอยในรูปเส้นตรง
2) จงพยากรณ์คา่ ใช้จ่ายของบริษัทที่ปรึกษาทางวิศวกรรมแห่งนี้ในปีที่ 14 และปีที่ 18
13. จานวนคนงานของโรงงานอุตสาหกรรมขนาดใหญ่แห่งหนึ่งตั้งแต่ปีที่ 1 ถึงปีที่ 12 เป็นดังนี้
ปีที่ 1 2 3 4 5 6 7 8 9 10 11 12
จานวนคนงาน 473 465 472 477 505 516 531 546 553 568 586 595
1) จงหาสมการเส้นถดถอยแสดงความสัมพันธ์ระหว่างจานวนคนงานกับเวลาของโรงงานอุตสาหกรรม
2) จงพยากรณ์จานวนคนงานของโรงงานอุตสาหกรรมแห่งนี้ในปีที่ 14 และปีที่ 17
14. จงหาสัมประสิทธิ์สหสัมพันธ์และสัมประสิทธิ์การตัดสินใจสาหรับข้อมูลของโจทย์แบบฝึกหัดข้อที่ 3
15. จงหาสัมประสิทธิ์สหสัมพันธ์และสัมประสิทธิ์การตัดสินใจสาหรับข้อมูลของโจทย์แบบฝึกหัดข้อที่ 3

ดักท์.
การวิเคราะห์ความแปรปรวน
6.1 แนวคิดของการวิเคราะห์ความแปรปรวน
6.2 ข้อตกลงเบื้องต้นสําหรับการวิเคราะห์ความแปรปรวน
6.3 การวิเคราะห์ความแปรปรวนแบบจําแนกทางเดียว
6.4 การวิเคราะห์ความแปรปรวนแบบจําแนกสองทาง
6.5 การทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากรสองชุดใดๆภายหลังการวิเคราะห์ความ
6.5.1 Least Significant Difference (LSD)
6.6 ข้อควรระวังในการวิเคราะห์ความแปรปรวนเพื่อทดสอบความแตกต่างระหว่างค่าเฉลี่ยของ
ประชากรตั้งแต่สองชุดขึ้นไป
6.7 สรุป
1. อธิบายเกี่ยวกับการวิเคราะห์ความแปรปรวนและหลักการคิดได้อย่างถูกต้อง
2. สามารถคํานวณทั้งการวิเคราะห์ความแปรปรวนแบบจําแนกทางเดียวและสองทางตามหลักการใน
ตารางการวิเคราะห์การแปรปรวนทั้งสองแบบได้ถูกต้อง
3. สามารถทดสอบหาความแตกต่างระหว่างค่าเฉลี่ยของประชากรสองชุดใดๆภายหลังการวิเคราะห์
ความแปรปรวนได้ถูกต้อง
1. อธิบายหลักการ ข้อตกลงเบื้องต้นของการวิเคราะห์ความแปรปรวน
2. นําเข้าสู่บทเรียนโดยการบรรยายเนื้อหาในแต่ละหัวข้อ
3. สอบถามผู้เรียนถ้าผู้เรียนมีคําถามสงสัย
5. มอบหมายแบบฝึกหัดให้คิดวิเคราะห์ร่วมกันในห้องเรียน และส่งตัวแทนมาเฉลยหน้าชั้นเรียน
1. จากการทํากิจกรรมกลุ่มเสร็จตามเวลา
2. ทําแบบฝึกหัดถูกต้องไม่น้อยกว่า 80%
บทที่ 6 การวิเคราะห์ความแปรปรวน 173
บทที่ 6
การวิเคราะห์ความแปรปรวน
นอกจากการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากร 2 ชุด เช่น จํานวนสวิตช์ไฟฟ้าเฉลี่ยต่อ

วันที่ผลิตโดยเครื่องจักร A และจํานวนสวิตช์ไฟฟ้าเฉลี่ยต่อวันที่ผลิตโดยเครื่องจักร B ค่าแรงงานเฉลี่ยต่อวัน
ของคนงานในโรงงานประกอบรถยนต์และโรงงานประกอบรถจักรยานยนต์ ฯลฯ แล้วในบางครั้งวิศวกรอาจ
ต้องการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากรมากกว่า 2 ชุดในขณะเดียวกัน เช่น ต้องการ
ทดสอบความแตกต่างระหว่างจํานวนสวิตช์ไฟฟ้าเฉลี่ยต่อวันที่ผลิตโดยเครื่องจักรมากกว่า 2 ยี่ห้อ เช่น ยี่ห้อ A,
B, C และ D ต้องการทดสอบความแตกต่างระหว่างค่าแรงงานเฉลี่ยต่อวันของคนในโรงงานประกอบรถยนต์
โรงงานประกอบรถจักรยานยนต์ และโรงงานประกอบรถจักรยาน การทดสอบความแตกต่างระหว่างค่าเฉลี่ย
ของประชากรมากกว่า 2 ชุดที่ได้กล่าวมานี้ไม่ สามารถใช้วิธีการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของ
ประชากร 2 ชุดที่ได้กล่าวมาแล้วในบทที่ 4 ได้ ต้องอาศัยวิธีการทดสอบสมมติฐานที่เรียกว่า การวิเคราะห์
ความแปรปรวน (analysis of variance) เข้ามาช่วยในการทดสอบดังกล่าว
6.1 แนวคิดของการวิเคราะห์ความแปรปรวน
การทดสอบสมมติฐานโดยใช้การวิเคราะห์ความแปรปรวน คือการแยกความแปรปรวนของข้อมูล ที่
เกิดขึ้นทั้งหมดออกตามสาเหตุต่างๆที่ทําให้เกิดความแปรปรวนเหล่านั้น เช่น ความแปรปรวนระหว่างค่าเฉลี่ย
หรื อ ตัว แทนของข้อ มูล ในแต่ล ะประชากรและความแปรปรวนของข้ อมูล ภายในประชากรเดี ยวกั น แล้ ว
พิจารณาอัตราส่วนของความแปรปรวนระหว่างค่าเฉลี่ยของข้อมูลในแต่ละประชากร และความแปรปรวนรวม
ของข้อมูล ภายในประชากรเดียวกัน ว่ามีค่ามากน้อยเพียงใด ถ้าอัตราส่ว นดังกล่ าวมีค่ามากแสดงว่าความ
แปรปรวนระหว่างค่าเฉลี่ ย ของข้อมูล ในแต่ล ะประชากรมีมากกว่าความแปรปรวนรวมของข้อมู ล ภายใน
ประชากรเดียวกัน แสดงว่าค่าเฉลี่ยของประชากรที่นํามาทดสอบมีความแตกต่างกัน ตัวอย่างเช่น การที่จะ
สรุ ป ว่าคุณภาพมอเตอร์ ที่พัน ด้ว ยมือและพันด้ว ยเครื่องจักรไม่มีความแตกต่างกัน ความแตกต่างระหว่าง
มอเตอร์ ที่พันด้ว ยเครื่ องจักรจะต้องมีพอๆกันกับที่คุณภาพของมอเตอร์ที่ พันด้วยมือแตกต่างกันเอง และ
คุณภาพมอเตอร์ที่พันด้วยเครื่องจักรแตกต่างกันเอง อาจพิจารณาได้ง่ายๆจากการนํามอเตอร์หลายๆตัวที่พัน
ด้วยมือและมอเตอร์หลายๆตัวที่พันด้วยเครื่องจักรมาวางปนกัน แล้วให้วิศวกรหรือช่างเทคนิคมาแยกมอเตอร์
ทีพ่ ันด้วยมือไว้พวกหนึ่งและมอเตอร์ทพี่ ันด้วยเครื่องจักรไว้อีกพวกหนึ่ง ถ้าวิศวกรหรือช่างเทคนิคสามารถแยก
ได้ถูกต้องแสดงว่าคุณภาพของมอเตอร์ที่พันด้วยมือแตกต่างจากมอเตอร์ที่พันด้วยเครื่องจักร แต่ถ้าแยกได้ไม่
ถูกต้องแสดงว่าความแตกต่างระหว่างคุณภาพมอเตอร์ที่พันด้วยมือกับคุณภาพมอเตอร์ที่พันด้วยเครื่องจักรมี
ความแตกต่างกันน้อยจนผู้แยกไม่สามารถแยกได้ถูกว่ามอเตอร์ตัวใดเป็นมอเตอร์ที่พันด้วยมือหรือที่พันด้วย
เครื่องจักร ซึ่งสามารถสรุปได้ว่าคุณภาพมอเตอร์ที่พันด้วยมือและที่พันด้วยเครื่องจักรไม่มีความแตกต่างกัน
ตัวอย่างที่ 6.1 โรงงานผลิตยางเรเดียนแห่งหนึ่งต้องการเปรียบเทียบจํานวนวันที่ทํางานล่วงเวลาของพนักงาน
3 คน ว่ามีความแตกต่างกันหรือไม่ จึงได้เก็บรวบรวมข้อมูลเกี่ยวกับจํานวนวันทํางานล่วงเวลาของพนักงานทั้ง
สามในแต่ละเดือนของระยะเวลา 10 เดือนที่ผ่านมา ผลปรากฏดังนี้
พนักงานคนที่ 1 พนักงานคนที่ 2 พนักงานคนที่ 3

5 8 10
6 9 10
5 8 9
8 7 8
6 9 8
7 9 9
6 10 10
5 8 9
6 8 8
7 9 9
รวม 61 85 90
เฉลี่ย 6.1 8.5 9.0
ความแปรปรวนของข้อมูลที่เกิดขึ้นทั้งหมดในที่นี้ คือความแปรปรวนของจํานวนวันที่ ทํางานล่วงเวลา

ของพนักงานทั้ง 3 คนในระยะ 10 เดือนที่ผ่านมา ประกอบด้วยจํานวนข้อมูล ทั้งหมด 30 ข้อมูล ซึ่งมีค่าเป็น
5, 6, 5, …, 8, 9 ตามลําดับ ความแปรปรวนระหว่างค่าเฉลี่ย หรือตัวแทนของข้อมูลในแต่ละประชากรคือ
ความแปรปรวนของจํานวนวันที่ทํางานล่วงเวลา โดยเฉลี่ยที่พนักงานแต่ละคนทํา ในระยะ 10 เดือนที่ผ่านมา
ประกอบด้วยจํานวนข้อมูลทั้งหมด 3 ตัว คือ 6.1, 8.5 และ 9.0 ส่วนความแปรปรวนรวมของข้อมูลภายใน
ประชากรเดียวกันคือ ผลรวมของความแปรปรวนของจํานวนวันที่ทํางานล่วงเวลาซึ่งพนักงานแต่ละคนทํา
ความแปรปรวนของจํานวนวันที่ทํางานล่วงเวลาซึ่งพนักงานคนที่ 1 ทํา คือ ความแปรปรวนของข้อมูล
ซึ่งประกอบด้วยค่า 10 ค่า คือ 5, 6, 5, 8, 6, 7, 6, 5, 6, 7
ความแปรปรวนของจํานวนวันที่ทํางานล่วงเวลาซึ่งพนักงานคนที่ 2 ทํา คือ ความแปรปรวนของข้อมูล

ความแปรปรวนของจํานวนวันที่ท่างานล่วงเวลาซึ่งพนักงานคนที่ 3 ทํา คือ ความแปรปรวนของข้อมูล
ถ้าอัตราส่วนระหว่างความแปรปรวนของจํานวนวันที่ทํางานล่วงเวลาซึ่งพนักงานแต่ละคนทําในระยะ
10 เดือนที่ผ่านมา กับผลรวมของความแปรปรวนของจํานวนวันที่ทํางานล่วงเวลาซึ่งพนักงานแต่ละคนทําใน
ระยะ 10 เดือนที่ผ่านมามีค่ามาก แสดงว่าวันที่ทํางานล่วงเวลาโดยเฉลี่ยซึ่งพนักงานแต่ละคนทําแตกต่างกัน
รายละเอียดและขั้นตอนในการทดสอบสมมติฐานโดยใช้การวิเคราะห์ความแปรปรวนจะได้ กล่าวใน
ตอนต่อๆไป
6.2 ข้อตกลงเบื้องต้นสาหรับการวิเคราะห์ความแปรปรวน
ในการทดสอบสมมติฐานเชิงสถิติโดยใช้การวิเคราะห์ความแปรปรวน ข้อมูลที่นํามาใช้ในการ ทดสอบ
จะต้องมีคุณสมบัติที่สําคัญดังต่อไปนี้
1) เป็นข้อมูลที่ได้จากตัวอย่างซึ่งเลือกมาจากประชากรที่นํามาทดสอบความแตกต่างของค่าเฉลี่ย
2) ข้อมูลของแต่ละประชากรที่นํามาทดสอบความแตกต่างของค่าเฉลี่ยจะต้องมีการแจกแจงปกติ
3) ความแปรปรวนของข้อมูลในแต่ละประชากรที่นํามาทดสอบความแตกต่างของค่าเฉลี่ยจะต้อง
เท่ากัน
ความถูกต้องและเชื่อถือได้ของผลการทดสอบสมมติฐานโดยใช้การวิเคราะห์ความแปรปรวน จะมีมาก
น้อยเพียงใดขึ้นอยู่กับคุณสมบัติของข้อมูลทั้ง 3 ข้อ ดังได้กล่าวไว้ข้างต้นเป็นสําคัญ หากข้อมูล ของประชากร
ทั้งหมดที่นํามาทดสอบสมมติฐานขาดคุณสมบัติข้อใดข้อหนึ่งหรือหลายข้อไป ก็จะมีผลทําให้ความถูกต้องและ
เชื่อถือได้ของผลการทดสอบสมมติฐานลดลง ดังนั้นคุณสมบั ติต่างๆของข้อมูลที่จะนํามาใช้ในการทดสอบ
สมมติฐ านด้ ว ยวิธีนี้ จึ ง มีความสํ า คัญเป็ นอย่ างมาก แต่อย่างไรก็ตาม หากข้อมูล ที่นํ ามาใช้ในการทดสอบ
สมมติฐานมีคุณสมบัติข้อ 2) และข้อ 3) แตกต่างไปจากที่กําหนดไว้บ้าง เช่น ข้อมูลของบางประชากรที่นํามา
ทดสอบมีการแจกแจงใกล้เคียงกับการแจกแจงปกติ หรือความแปรปรวนของข้อมูลของแต่ละประชากรที่นํามา
ทดสอบมีความแตกต่างกันน้อย ก็อาจอนุโลมใช้การวิเคราะห์ความแปรปรวนในการทดสอบสมมติฐานได้ โดย
ที่ความถูกต้องและเชื่อถือได้ของผลการทดสอบจะลดลงจากผลการทดสอบที่ข้อมูลมีคุณสมบัติครบถ้วนไปบ้าง
โดยทั่วไปแล้วข้อมูลที่ได้จากตัวแปรที่เกิดขึ้นตามธรรมชาติโดยไม่มีสิ่งใดสิ่งหนึ่งจากภายนอก มาบังคับ
มักจะมีการแจกแจงปกติเสมอ เช่น จํานวนสินค้าชํารุดที่โรงงานแห่งหนึ่งผลิตได้ในแต่ละวันจํานวนสินค้าที่
เครื่องจักรเครื่องหนึ่งผลิตได้ในแต่ละชั่วโมงหรืออายุการใช้งานของอุปกรณ์อิ เล็กทรอนิกส์ชนิดหนึ่งล้วนแต่มี
การแจกแจงปกติหรืออนุโลมได้ว่ามีการแจกแจงปกติทั้งสิ้น สําหรับคุณสมบัติข้อ 3) ที่เกี่ยวกับความแตกต่าง
ระหว่างความแปรปรวนของประชากรที่นํามาทดสอบก็เช่นเดียวกัน ข้อมูลเรื่องเดียวกันของแต่ละประชากร
มักจะมีความแปรปรวนที่ไม่แตกต่ างกัน หรือจะแตกต่างกันบ้างก็มี ไม่มากนัก สามารถอนุโ ลมได้ว่าความ
แปรปรวนของข้อมูลเรื่องเดียวกันของแต่ละประชากรที่นํามาทดสอบไม่แตกต่างกัน
ในกรณีที่ผู้ทดสอบสมมติฐานไม่แน่ใจว่าข้อมูลในแต่ละประชากรมีการแจกแจงปกติหรือไม่ อาจทดสอบ
ได้โดยใช้วิธีการที่เรียกว่า การทดสอบภาวะสารูปสนิทดี (test for goodness of fit) และถ้าไม่แน่ใจว่าความ
แปรปรวนของข้อมูลในแต่ละประชากรที่นํามาทดสอบสมมติฐานเท่ากันหรื อไม่ อาจทดสอบได้โดยวิธีการ
ทดสอบความเท่ากันของความแปรปรวนของข้อมูลในแต่ละประชากร ซึ่งจะไม่กล่าวถึงในที่นี้
6.3 การวิเคราะห์ความแปรปรวนแบบจาแนกทางเดียว
การวิเคราะห์ความแปรปรวนแบบจําแนกทางเดียว (one-way analysis of variance) ใช้ใน การ
ทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากรตั้งแต่ 2 ชุดขึ้นไปโดยที่ประชากรมีความแตกต่างกัน
เนื่องจากลักษณะเดียว เช่น การทดสอบความแตกต่างระหว่างค่าจ้างแรงงานของคนงานชายกับค่าจ้างแรงงาน
ของคนงานหญิงของโรงงานผลิตผลไม้กระป๋องแห่งหนึ่ง ประชากรมีความแตกต่างกัน เนื่องจากลักษณะเดียว
คือต่างเพศกัน หรือการทดสอบความแตกต่างระหว่างราคาเฉลี่ยของแบตเตอรี่ ยี่ห้อหนึ่งในภาคเหนือ ภาค
ตะวันออกเฉียงเหนือ ภาคกลาง และภาคใต้ ประชากรที่มีความ แตกต่างกันเนื่องจากลักษณะเดียวคือต่างภาค
กัน หรือจากตัวอย่างที่ 6.1 ประชากรมีความแตกต่างกัน เนื่องจากลักษณะเดียวคือต่างตัวพนักงานกัน
ในการวิเคราะห์ความแปรปรวนแบบจําแนกทางเดียวตามขั้นตอนที่จะกล่าวต่อไป จะกล่าวถึงความหมาย
ของสัญลักษณ์ที่ใช้ในการวิเคราะห์ตามขั้นตอนดังกล่าวก่อน ดังนี้
k = จํานวนประชากรทั้งหมดที่นํามาทดสอบ
n i = จํานวนตัวอย่างที่เลือกมาจากประชากรชุดที่ i, i = 1, 2, 3, ..., k
n = จํานวนตัวอย่างที่เลือกมาจากทุกๆประชากร
= n 1 + n2 + n3 + … + nk
x ij = ข้อมูลหรือค่าสังเกตซึ่งได้จากตัวอย่างที่ j ที่เลือกมาจากประชากรชุดที่ i
Ti = ผลรวมของข้อมูลหรือค่าสังเกตจากทุกตัวอย่างที่เลือกมาจากประชากรชุดที่ i
T = ผลรวมของข้อมูลหรือค่าสังเกตจากทุกตัวอย่างที่เลือกมาจากทุกประชากร
x i = ค่าเฉลี่ยของข้อมูลหรือค่าสังเกตจากทุกตัวอย่างที่เลือกมาจากประชากรชุดที่ i
x = ค่าเฉลี่ยของข้อมูลหรือค่าสังเกตจากทุกตัวอย่างที่เลือกมาจากทุกประชากร
 i = ค่าเฉลี่ยของข้อมูลหรือค่าสังเกตของประชากรชุดที่ i
ข้อมูลหรือค่าสังเกตจากตัวอย่างที่เลือกมาจากแต่ละประชากรทั้ง 6 ชุด ซึ่งจะนํามาใช้ในการ วิเคราะห์
ความแปรปรวนแบบจําแนกทางเดียวอาจเขียนได้ดังนี้
ประชากร
1 2 3 … k
x11 x21 x31 … xk1
x12 x22 x32 … xk2
x13 x23 x33 … xk3
   … 
x1n x 2n x 3n … x kn
1 2 3 k
รวม T1 T2 T3 … Tk T
ค่าเฉลี่ย x1 x2 x3 … xk x
จากตัวอย่างที่ 6.1 จะได้

n1 = 10 n2 = 10 n3 = 10
x11 = 5 x12 = 6 x13 = 5 x14 = 8 x15 = 6
x16 = 7 x17 = 6 x18 = 5 x19 = 6 x110 = 7
x21 = 8 x22 = 9 x23 = 8 x24 = 7 x25 = 9
x26 = 9 x27 = 10 x28 = 8 x29 = 8 x210 = 9
x31 = 10 x32 = 10 x33 = 9 x34 = 8 x35 = 8
x36 = 9 x37 = 10 x38 = 9 x39 = 8 x310 = 9
เนื่องจากการวิเคราะห์ความแปรปรวนใช้ทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากรหลาย ๆ
ชุด โดยการเปรียบเทียบความแปรปรวนระหว่างค่าเฉลี่ยของประชากรกับผลรวมของความแปรปรวนภายใน
ประชากรแต่ละชุด ดังนั้นจะต้องหาสูตรที่นํามาใช้ในการคํานวณหาค่าความแปรปรวนระหว่างค่าเฉลี่ยของ
ประชากรกับผลรวมของค่าความแปรปรวนภายในประชากร
ค่าความแปรปรวนของข้อมูลหรือค่าสังเกตทั้งหมด ค่าความแปรปรวนระหว่างค่าเฉลี่ยของประชากรกับ
ผลรวมค่าความแปรปรวนภายในประชากรแต่ละชุด หาได้จากจํานวน 3 จํานวนซึ่งจะเรียกผลรวมกําลังสอง
เฉลี่ยของยอดรวม ผลรวมกําลังสองเฉลี่ยระหว่างประชากร และผลรวมกําลังสองเฉลี่ยภายในประชากร
6.3.1 ผลรวมกาลังสองเฉลี่ยของยอดรวม เขียนแทนด้วยสัญลักษณ์ MS(T) ซึ่งมีสูตรที่ใช้วัดดังนี้
1  k ni 
MS( T )  k   ( x  x )2 (6.1)
 i  1j  1 
ij
 
  ni   1
i  1 
k ni  k 
เมื่อ   ( xij  x )2 และ   ni   1 เรียกว่าผลรวมกําลังสองของยอดรวม (total sum of
i  1j  1 i  1 
square) ซึ่งเขียนแทนด้วยสัญลักษณ์ SS(T) และระดับขั้นความเสรีของยอดรวม (total degree of
freedom) ซึ่งเขียนแทนด้วยสัญลักษณ์ df(T) ตามลําดับ
ในทางปฏิบัตินิยมเขียนผลรวมกําลังสองเฉลี่ยของยอดรวมในรูป
SS ( T ) 1  k i 2 T2 
n
MS( T )  df ( T )  k   x ij  n  (6.2)
  i  1 j  1 
  ni   1
i  1 
6.3.2 ผลรวมกาลังสองเฉลี่ยระหว่างประชากร เขียนแทนด้วยสัญลักษณ์ MS(B) ซึ่งมีสูตรที่ใช้วัดดังนี้
1  k ni 
MS(B)  k  1    ( xi  x )2  (6.3)
i  1j  1 
k ni
เมื่อ   ( xi  x )2 และ k – 1 เรียกว่าผลรวมกําลังสองระหว่างประชากร ซึ่งเขียนแทนด้วย
i  1j  1
สัญลักษณ์ SS(B) และระดับขั้นความเสรีระหว่างประชากร ซึ่งเขียนแทนด้วยสัญลักษณ์ df(B)
ในทางปฏิบัตินิยมเขียนผลรวมกําลังสองเฉลี่ยระหว่างประชากรในรูป
SS ( B ) 1  k Ti2 T 2 
MS(B)  df (B)  k  1   n  n  (6.4)
i  1 i 
6.3.3 ผลรวมกาลังสองเฉลี่ยภายในประชากร เขียนแทนด้วยสัญลักษณ์ MS(W) ซึ่งมีสูตรที่ใช้วัดดังนี้
1  k ni 
MS( W )  k   ( x x ) 2 (6.5)
 i  1 j  1 
ij 
 
  ni   k
i  1 
 k ni   k 
เมื่อ    ( xij  x )  และ   ni   k เรียกว่าผลรวมกําลังสองเฉลี่ยภายในประชากร
2
i  1j  1  i  1 
(within sum of square) ซึ่งเขียนแทนด้วยสัญลักษณ์ SS(W) และระดับขั้นความเสรี ภายในประชากร
(within degree of freedom) ซึ่งเขียนแทนด้วยสัญลักษณ์ df(W)
ในทางปฏิบัติตินิยมเขียนผลรวมกําลังสองเฉลี่ยภายในประชากรในรูป
SS ( T ) 1  k ni 2 k Ti2 
MS( T )  df ( T )  k   x ij   (6.6)
  i  1 j  1 i  1 ni 
  ni   k
i  1 
แต่เนื่องจาก SS(T) = SS(B) + SS(W)

และ df(T) = df(B) + df(W)
จึงนิยมหา SS(W) และ df(W) จาก
SS(W) = SS(T) – SS(B)
df(W) = df(T) – df(B)
เนื่องจากการหา SS(T) และ df(T) ทําได้สะดวกกว่าการหา SS(W) โดยตรง
ตัวอย่างที่ 6.2 จากข้อมูลของตัวอย่างที่ 6.1 จะได้
T12 612 = 372.1
n1 = 10
T22 852 = 722.5
n2 = 10
T32 902 = 810.0
n3 = 10
k T2
 ni = 372.1 + 722.5 + 810.0 = 1,904.60
i1 i
T 2 = (618590) 2 = 2362 = 1,856.53
n 30 30
k Ti2 T 2
SS(B)   n  n
i1 i
= 1,904.60 – 1,856.53 = 48.07
k ni 2
k T2
SS( W )    x ij   ni
i 1 j1 i 1 i
= (52 + 62 + 52 + … + 92) – 1,904.60
= 1,926 – 1,904.60 = 21.40
หรือคํานวณหา SS(W) จาก
SS(W) = SS(T) – SS(B)
k ni 2
โดยที่ SS( T )    x ij2  Tn
i  1j  1
= (52 + 62 + 52 + … + 92) – 1,856.53
= 1,926 – 1,856.53 = 69.47
จะได้ SS(W) = 69.47 – 48.07 = 21.40
df(B) = k – 1 = 3 – 1 = 2
k
df(W) =  ni  k = (10 + 10 + 10) – 3 = 27
i1
หรือ df(W) = df(T) – df(B)
k
แต่ df(T) =  ni  1 = (10 + 10 + 10 ) –1 = 29
i1
ดังนั้น df(W) = 29 - 2 = 27
MS(B) = SS (B) 48.07
df (B) = 2 = 24.04
MS(W) = SS ( W ) 21.40
df ( W ) = 27 = 0.79
ถ้าประชากรที่นํามาทดสอบทั้ง k ชุด มีการแจกแจงปกติที่มีความแปรปรวนของชุดข้อมูลเท่ากัน

MS(B) จะมีการแจกแจงแบบเอฟ (F distribution) ที่มีระดับขั้นความเสรี (k–1) และ (n–k)
แล้ว อัตราส่วน MS(W)
การแจกแจงแบบเอฟมีลักษณะเป็นโค้งที่อสมมาตร (asymmetry shape) ขอบเขตของการปฏิเสธ
สมมติฐานว่างอยู่ทางขวาของโค้งดังกล่าว เช่น ระดับนัยสําคัญ 0.05 (5%) หรือระดับความเชื่อมั่น 0.95
(95%)
F(0.95)
รูปที่ 6.1 ลักษณะของการแจกแจงแบบ F และขอบเขตการปฏิเสธสมมติฐานว่าง
ตารางการแจกแจงแบบเอฟ ณ ระดับนัยสําคัญต่าง ๆ ซึ่งมี 1 และ  2 แทนระดับขั้นความเสรี

อยู่ในตารางสถิติท้ายเล่ม
การทดสอบสมมติฐานว่าง (H0) ที่ว่าค่าเฉลี่ยของประชากรทั้ง k ชุดไม่มีความแตกต่างกัน
หรือ
H0: 1 =  2 =  3 = … =  k
เทียบกับสมมติฐานทางเลือก (H1)
H1 : 1   2   3  …   k
ณ ระดับนัยสําคัญ 0.05 จะปฏิเสธสมมติฐานว่างข้างต้น ถ้าอัตราส่วน F = MS MS(B) มีค่ามากกว่า
(W)
F(0.95, 1 ,  2 ) เมื่อ F(0.95, 1 ,  2 ) เป็นค่าที่อ่านได้จากตารางการแจกแจงแบบเอฟที่ระดับขั้นความเสรีของ
ระหว่างประชากร ( 1 ) และของภายในประชากร (  2 ) เช่น จากตัวอย่างที่ 6.1 ต้องการทดสอบสมมติฐาน
ที่ว่าจํานวนวันที่ทํางานล่วงเวลาของพนักงานทั้งสามคนไม่แตกต่างกัน ณ ระดับนัยสําคัญ 0.05 กล่าวคือ
H0: 1 =  2 =  3
H1 : 1   2   3
เมื่อ 1 ,  2 และ  3 แทนจํานวนวันที่ทํางานล่วงเวลาโดยเฉลี่ยที่พนักงานคนที่ 1 พนักงาน
คนที่ 2 และพนักงานคนที่ 3 ทําในแต่ละเดือน
อัตราส่วน F = MS MS(B) = 24.04 = 30.43
(W) 0.79
แต่ค่า F(0.95, 2, 27) จากตารางการแจกแจงแบบเอฟเท่ากับ 3.35 ดังนั้นอัตราส่วน F จากการคํานวณ
เท่ากับ 30.43 มีค่ามากกว่าค่า F(0.95, 2, 27) ที่เปิดได้จากตาราง
นั่นคือ ปฏิเสธ H0 ที่ว่าวันที่ทํางานล่วงเวลาของพนักงานทั้งสามคนไม่แตกต่างกัน
การปฏิเสธ H0 หรื อยอมรั บ H1 จากการทดสอบสมมติฐ านโดยการวิเคราะห์ ความแปรปรวน นี้
หมายความว่ามีค่าเฉลี่ยของประชากรอย่างน้อย 1 ชุดที่แตกต่างจากค่าเฉลี่ยของประชากรชุดอื่นๆ ที่เหลือซึ่ง
นํามาทดสอบ จากตัวอย่างข้างต้นสามารถสรุปได้ว่ามีจํานวนวันที่ทํางานล่วงเวลาโดยเฉลี่ยของพนักงานอย่าง
น้อยหนึ่งคนที่แตกต่างจากจํานวนวันที่ทํางานล่วงเวลาโดยเฉลี่ยของพนักงานคนอื่นๆที่เหลือ กล่าวคือ จํานวน
วันที่ทํางานล่วงเวลาโดยเฉลี่ยของพนักงานอาจจะแตกต่างกันเพียงคนเดียว เช่ น จํานวนวันที่ทํางานล่วงเวลา
โดยเฉลี่ ย ของพนั ก งานคนที่ 1 ต่างจากจํ านวนวันที่ทํ างานล่ ว งเวลา โดยเฉลี่ ยของพนั กงานคนที่ 2 และ
พนักงานคนที่ 3 โดยที่จํานวนวันที่ทํางานล่วงเวลาโดยเฉลี่ยของ พนักงานคนที่ 2 และพนักงานคนที่ 3 ไม่มี
ความแตกต่างกัน หรือจํานวนวันที่ทํางานล่ วงเวลาของ พนักงานอาจจะแตกต่างกัน 2 คน เช่น จํานวนวันที่
ทํางานล่วงเวลาโดยเฉลี่ยของพนักงานคนที่ 1 ต่างจากพนักงานคนที่ 2 และจํานวนวันที่ทํางานล่วงเวลาโดย
เฉลี่ยของพนักงานคนที่ 3 ต่างจาก พนักงานคนที่ 2 เช่นเดียวกัน แต่จํานวนวันที่ทํางานล่วงเวลาโดยเฉลี่ยของ
พนักงานคนที่ 1 ไม่ แตกต่างจากพนักงานคนที่ 3 หรือจํานวนวันที่ทํางานล่วงเวลาโดยเฉลี่ยอาจจะแตกต่างกัน
ทั้งสามคน ก็ได้ นั่นคือ ผลจากการปฏิเสธสมมติฐาน H0
การวิเคราะห์ความแปรปรวนจะบอกผู้ทดสอบแต่เพียงว่ามีค่าเฉลี่ยของประชากรอย่างน้อย 1
ชุดที่แตกต่างจากค่าเฉลี่ยของประชากรชุดอื่นๆที่เหลือ แต่จะไม่สามารถบอกได้ว่าค่าเฉลี่ยของ
ประชากรชุดใดแตกต่างจากประชากรชุดใดบ้าง
หากต้องการ ทราบว่ามีค่าเฉลี่ยของประชากรชุดใดแตกต่างจากประชากรชุดใดบ้าง จะต้องใช้วิธีการ
ทดสอบสมมติฐาน เกี่ยวกับความแตกต่างระหว่างค่าเฉลี่ยของประชากร 2 ชุด หรือใช้การทดสอบสมมติฐาน
เพื่อการ เปรียบเทียบเชิงซ้อน (multiple comparison test)
การทดสอบสมมติฐานโดยการวิเคราะห์ความแปรปรวนนิยมเขียนอยู่ในรูปตารางวิเคราะห์ ความ
แปรปรวน (analysis of variance table) สําหรับตารางวิเคราะห์ความแปรปรวนแบบจําแนก ทางเดียว
(one-way analysis of variance table) แสดงไว้ในตาราง 6.1
ตารางที่ 6.1 สรุปสูตรการวิเคราะห์ความแปรปรวนแบบจําแนกทางเดียว

สาเหตุของ
df SS MS F
ระหว่างประชากร k–1 k T2
i T 2
MS(B) = SS(B) MS(B)
SS(B )   n  n k 1 MS( W )
i1 i
k ni k T2
ภายในประชากร n–k
2
SS( W )    x ij   ni MS(W) = SS (W)
nk
i  1 j 1 i 1 i
รวม n–1 SS(T) = SS(B) + SS(W)

ที่มา: ดัดแปลงจาก สรชัย พิศาลบุตร. (2553).
ถ้าค่า F ที่คํานวณได้ มากกว่า ค่า F จากตาราง ต้อง ปฏิเสธ H0

ถ้าค่า F ที่คํานวณได้ น้อยกว่า ค่า F จากตาราง ต้อง ยอมรับ H0
ตัวอย่างที่ 6.3 บริษัทรับส่งสินค้าแห่งหนึ่งต้ องการซื้อรถบรรทุกสินค้าที่กินน้ํา มันน้อยมาใช้ในกิจการของ

บริษัท มีตัวแทนจําหน่ายรถบรรทุก 4 ยี่ห้อ คือ ยี่ห้อ A, B, C และ D มาเสนอขายรถกับบริษัทในการวัด
ระยะทางที่รถบรรทุกทั้ ง 4 ยี่ห้อนี้วิ่งได้เมื่อใช้น้ํามัน 1 ลิตร โดยวิศวกรเครื่องกลประจําบริษัท เมื่อทดลองกับ
รถบรรทุกแต่ละยี่ห้อจํานวน 5 คันในสภาพ ถนนที่ไม่แตกต่างกัน ผลปรากฏดังนี้
ยี่ห้อรถบรรทุก
A B C D
14 15 10 13
11 13 12 11
12 12 11 12
11 16 10 15
11 12 12 13
จงทดสอบสมมติฐานว่ารถบรรทุกทั้ง 4 ยี่ห้อกินน้ํามันโดยเฉลี่ยแตกต่างกันหรือไม่
วิธีทา
สมมติฐานเพื่อการทดสอบคือ
H0: รถบรรทุกทั้ง 4 ยี่ห้อกินน้ํามันโดยเฉลี่ยไม่แตกต่างกัน
H1: รถบรรทุกทั้ง 4 ยี่ห้อกินน้ํามันโดยเฉลี่ยแตกต่างกัน
หรือ H0: 1 =  2 =  3 = 4
H1 : 1   2   3  4
เมื่อ 1 ,  2 , 3 และ 4 แทนระยะทางเฉลี่ยที่รถบรรทุกยี่ห้อ A, B, C และ D วิ่งได้เมื่อใช้
น้ํามัน 1 ลิตร ตามลําดับ
ทําการคํานวณตามตารางที่ 6.1 โดยทําการคํานวณทีละหลัก ไปจนถึงหลักสุดท้ายคือ ค่า F
จากโจทย์ n1 = n2 = n3 = n4 = 5, k = 4 (จํานวนยี่ห้อรถบรรทุก)
n = n1 + n2 + n3 + n4 = 5 + 5 + 5 + 5 = 20
หาค่า T = T1 + T2 + T3 + T4
โดย T1 = 14 + 11 + 12 + 11 + 11 = 59
T2 = 15 + 13 + 12 + 16 + 12 = 68
T3 = 10 + 12 + 11 + 10 + 12 = 55
T4 = 13 + 11 + 12 + 15 + 13 = 64
ดังนั้น T = T1 + T2 + T3 + T4
T = 59 + 68 + 55 + 64 = 246
และ k – 1 = 4 – 1 = 3, n – k = 20 – 4 = 16, n – 1 = 20 – 1 = 19
Ti2 T 2 k k ni
คํานวณหาค่า  n , n และ   ( x 2ij )
i 1 i i  1j  1
T 2 = 246 2 = 3,025.8
n 20
k T2 T2 T2 T2 T2 2 2 2 2
 ni = n1 + n2 + n3 + n4 = 595 + 685 + 555 + 645
i1 i 1 2 3 4
= 3,045.2
k ni 2 2 2 2
  ( x 2ij ) = 14 + 11 + 12 + … + 13 = 3,078
i  1j  1
ต่อไปคํานวณหาค่า SS(B), SS(W), SS(T), MS(B), MS(W) และ F ดังสูตรในตารางที่ 6.1 จะได้
k T2 2
SS(B )   ni  Tn = 3,045.2 – 3,025.8 = 19.4
i1 i
k ni 2
k T2
SS( W )    x ij   ni = 3,078 – 3,045.2 = 32.8
i  1 j 1 i 1 i
SS(T) = SS(B) + SS(W) = 19.4 + 32.8 = 52.2
MS(B) = SSk (B1) = 19 .4

4  1 = 6.4667
MS(W) = SSn(Wk ) = 2032.84 = 2.05
ดังนั้น อัตราส่วน F = MSMS(B) = 6.4667 = 3.1545

(W) 2.05
เมื่อนําผลการคํานวณข้างต้นมาเขียนในรูปตารางวิเคราะห์ความแปรปรวนจะได้ดังนี้
สาเหตุของความแปรปรวน df SS MS F
ระหว่างยี่ห้อรถบรรทุก 3 19.4 6.4667 3.1545
ภายในรถบรรทุกยี่ห้อเดียวกัน 16 32.8 2.05
รวม 19 52.2
ถ้าทดสอบสมมติฐาน ณ ระดับนัยสําคัญ 0.05 ค่าของ F(0.05, 3, 16) = 3.239 (เปิดตาราง F)

ดังนั้นอัตราส่วน F ซึ่งเท่ากับ 3.1545 มีค่าน้อยกว่า 3.239 จึงต้องยอมรับ H0 คือ รถบรรทุกทั้ง 4
ยี่ห้อกินน้ํามันโดยเฉลี่ยไม่แตกต่างกัน
ตัวอย่างที่ 6.4 ผู้ผลิตกระดาษที่ใช้ทําถุง สนใจในการปรับปรุงแรงดึงของผลิตภัณฑ์ วิศวกรคิดว่าแรงดึงขึ้นอยู่
กับความแข็งของเนื้อไม้ ซึ่งความสนใจอยู่ในช่วงตั้งแต่ 5% ถึง 20% วิศวกรจึงทําการศึกษาเพื่อตรวจสอบ
ความแข็งของเนื้อไม้ 4 ระดับคือ 5%, 10%, 15% และ 20% โดยทําการทดสอบระดับละ 6 ตัวอย่าง ข้อมูล
จากการทดลองดังแสดงในตาราง
ความแข็ง ค่าสังเกตุ
รวม
ของเนื้อไม้ 1 2 3 4 5 6
5% 7 8 15 11 9 10 60
10% 12 17 13 18 19 15 94
15% 14 18 19 17 16 18 102
20% 19 25 22 23 18 20 127
รวม 383
จงทดสอบสมมติฐานว่าความแข็งของเนื้อไม้ที่ต่างกันมีอิทธิพลต่อแรงดึงเฉลี่ยของกระดาษแตกต่างกัน
หรือไม่
วิธีทา
H0: ค่าความแข็งของเนื้อไม้ที่ต่างกันมีอิทธิพลต่อแรงดึงเฉลี่ยไม่ต่างกัน
H1: ค่าความแข็งของเนื้อไม้ที่ต่างกันมีอิทธิพลต่อแรงดึงเฉลี่ยแตกต่างกัน
หรือ H0: 1 =  2 =  3 = 4
H1 : 1   2   3  4
เมื่อ 1 ,  2 , 3 และ 4 แทนแรงดึงเฉลี่ยของกระดาษในค่าความแข็งของเนื้อไม้ 5%, 10%,
15% และ 20% ตามลําดับ
จากโจทย์ n1 = n2 = n3 = n4 = 6, k = 4 (ระดับความแข็งของเนื้อไม้)
n = n1 + n2 + n3 + n4 = 6 + 6 + 6 + 6 = 24
หาค่า T = T1 + T2 + T3 + T4
T1 = 7 + 8 + 15 + 11 + 9 + 10 = 60
T2 = 12 + 17 + 13 + 18 + 19 + 15 = 94
T3 = 14 + 18 + 19 + 17 + 16 + 18 = 102
T4 = 19 + 25 + 22 + 23 + 18 + 20 = 127
ดังนั้น T = T1 + T2 + T3 + T4
T = 60 + 94 + 102 + 127 = 383
และ k – 1 = 4 – 1 = 3, n – k = 24 – 4 = 20, n – 1 = 24 – 1 = 23
k T2 2 k ni
คํานวณหาค่า  ni , Tn และ   ( x 2ij )
i 1 i i  1j  1
T 2 = 3832 = 6,112.04
n 24
k T 2 2 2 2 2 2 2 2 2
i = T1 + T2 + T3 + T4 = 60 + 94 + 102 + 127
n n1 n2 n3 n4 6 6 6 6
i1 i
= 6,494.83
k ni 2 2 2 2
  ( x 2ij ) = 7 + 8 + 15 + … + 20 = 6,625
i  1j  1
k T2 2
i T
SS(B )   n  n = 6,494.83 – 6,112.04 = 382.79
i1 i
k ni 2
k T2
SS( W )    x ij   ni = 6,625 – 6,494.83 = 130.17
i  1 j 1 i 1 i
SS(T) = SS(B) + SS(W) = 382.79 + 130.17 = 512.96
MS(B) = SSk (B1) = 382 .79

4  1 = 127.5967
MS(W) = SSn(Wk ) = 130.17
24  4 = 6.5085
ดังนั้น อัตราส่วน F = MSMS(B) = 127.5967 = 19.604
(W) 6.5085
ระหว่างความแข็งของเนื้อไม้ 3 382.79 127.5967 19.604
ภายในความแข็งเนื้อไม้เดียวกัน 20 130.17 6.5085
รวม 23 512.96

ดังนั้นอัตราส่วน F ซึ่งเท่ากับ 19.604 มีค่ามากกว่า 3.098 จึงต้องปฏิเสธ H0 ดังนั้นความแข็งของ
เนื้อไม้ที่ต่างกันมีอิทธิพลต่อแรงดึงเฉลี่ยของกระดาษ
ตัวอย่างที่ 6.5 ในการทดลองเพื่อพิจารณาว่าอุณหภูมิที่ใช้ในการเผาอิฐมีผลกระทบต่อความหนาแน่นของอิฐ
ชนิดหนึ่งหรือไม่ เพื่อศึกษาแนวทางการเลือกใช้อุณหภูมิที่เหมาะสมที่สุด วิศวกรจึงได้ทําการทดลองโดยใช้
อุณหภูมิในการเผาที่แตกต่างกัน 4 ค่า มีข้อมูลรายละเอียดดังนี้
อุณหภูมิ ความหนาแน่น
100 21.8 21.9 21.7 21.7 21.6
125 21.7 21.5 21.4 21.4
150 21.8 21.9 21.5 21.8 21.6
175 21.7 21.8 21.9 21.4
จงทดสอบสมมติฐานอุณหภูมิในการเผาอิฐที่แตกต่างกันมีผลกระทบต่อความหนาแน่นของอิฐหรือไม่
วิธีทา
H0: อุณหภูมิในการเผาอิฐที่แตกต่างกันไม่มีผลกระทบต่อความหนาแน่นของอิฐ
H1: อุณหภูมิในการเผาอิฐที่แตกต่างกันมีผลกระทบต่อความหนาแน่นของอิฐ
หรือ H0: 1 =  2 =  3 = 4
H1 : 1   2   3  4
เมื่อ 1 ,  2 , 3 และ 4 แทนความหนาแน่นเฉลี่ยของอิฐในอุณหภูมิการเผาที่ต่างกัน
ตามลําดับ
จากโจทย์ n1 = n3 = 5, n2 = n4 = 4, k = 4 (อุณหภูมิการเผา)
n = n1 + n2 + n3 + n4 = 5 + 4 + 5 + 4 = 18
หาค่า T = T1 + T2 + T3 + T4
โดย T1 = 21.8 + 21.9 + 21.7 + 21.7 + 21.6 = 108.7
T2 = 21.7 + 21.5 + 21.4 + 21.4 = 86
T3 = 21.8 + 21.9 + 21.5 + 21.8 + 21.6 = 108.6
T4 = 21.7 + 21.8 + 21.9 + 21.4 = 86.8
ดังนั้น T = T1 + T2 + T3 + T4
T = 108.7 + 86 + 108.6 + 86.8 = 390.1
และ k – 1 = 4 – 1 = 3, n – k = 18 – 4 = 14, n – 1 = 18 – 1 = 17
Ti2 T 2
k k ni
i 1 i i  1j  1
T 2 = 390.12 = 8,454.33
n 18
k T2 2 2 2 2 2 2 2 2
i = T1 + T2 + T3 + T4 = 108.7 + 86 + 108.6 + 86.8
n n1 n2 n3 n4 5 4 5 4
i1 i
= 8,454.49
k ni 2 2 2 2
  ( x 2ij ) = 21.8 + 21.9 + 21.7 + … + 21.4 = 8,454.85
i  1j  1
k T2 2
SS(B )   ni  Tn = 8,454.49 – 8,454.33 = 0.16
i1 i
k ni 2
k T2
SS( W )    x ij   ni = 8,454.85 – 8,454.49 = 0.36
i  1 j 1 i 1 i
SS(T) = SS(B) + SS(W) = 0.16 + 0.36 = 0.52
MS(B) = SSk (B1) = 40.161 = 0.0533
MS(W) = SSn(Wk ) = 180.36

4
= 0.0257
MS(B) = 0.0533 = 2.0739
ดังนั้น อัตราส่วน F = MS( W ) 0.0257
ระหว่างอุณหภูมิ 3 0.16 0.0533 2.0739
ภายในอุณหภูมิเดียวกัน 14 0.36 0.0257
รวม 17 0.52

ดังนั้นอัตราส่วน F ซึ่งเท่ากับ 2.0739 มีค่าน้อยกว่า 3.344 จึงต้องยอมรับ H0 คือ อุณหภูมิในการ
เผาอิฐที่แตกต่างกันไม่มีผลกระทบต่อความหนาแน่นของอิฐ
ตัวอย่างที่ 6.6 ในการทดสอบความแตกต่างระหว่างอายุการใช้งานของขวดใส่สารเคมี 5 ชนิด คือ A, B, C, D
และ E วิศวกรปิโตรเคมีได้เลือกตัวอย่างขวดใส่สารเคมีแต่ละชนิดมาจํานวน 4, 3, 5, 4 และ 2 ขวด ตามลําดับ
ปรากฏว่าอายุการใช้งานของขวดใส่สารเคมีแต่ละชนิด (วัน) เป็นดังนี้
A B C D E
78 84 80 75 80
70 80 79 73 80
72 82 82 70
80 86 70
83
อายุการใช้งานเฉลี่ยของขวดใส่สารเคมีแต่ละชนิดมีความแตกต่างกันหรือไม่ ที่ระดับนัยสําคัญ 0.05

วิธีทา
H0: อายุการใช้งานเฉลี่ยของขวดใส่สารเคมีแต่ละชนิดไม่แตกต่างกัน
H1: อายุการใช้งานเฉลี่ยของขวดใส่สารเคมีแต่ละชนิดแตกต่างกัน
หรือ H0: 1 =  2 =  3 = 4 =  5
H1 : 1   2   3  4   5
เมื่อ 1 ,  2 , 3 , 4 และ  5 แทนอายุการใช้งานเฉลี่ยของขวดใส่สารเคมีชนิด A, B, C, D และ
E ตามลําดับ
จากโจทย์ n1 = n4 = 4, n2 = 3, n3 = 5, n5 = 2, k = 4 (อุณหภูมิการเผา)
n = n1 + n2 + n3 + n4 = 4 + 3 + 5 + 4 + 2 = 18
หาค่า T = T1 + T2 + T3 + T4 + T5
โดย T1 = 78 + 70 + 72 + 80 = 300
T2 = 84 + 80 + 82 = 246
T3 = 80 + 79 + 82 + 86 + 83 = 410
T4 = 75 + 73 + 70 + 70 = 288
T5 = 80 + 80 = 160
ดังนั้น T = T1 + T2 + T3 + T4 + T5
T = 300 + 246 + 410 + 288 + 160 = 1,404
และ k – 1 = 5 – 1 = 4, n – k = 18 – 5 = 13, n – 1 = 18 – 1 = 17
Ti2 T 2k k ni
i 1 i i  1j  1
T2 = 1,404 2 = 109,512
n 18
k T2 T1 T22 T32 T42 T52 300 2 2462 410 2 288 2
2
 ni = n1 + n2 + n3 + n4 + n5 = 4 + 3 + 5 + 4
i1 i
2
+ 1602
= 109,828
k ni 2 2 2 2
  ( x 2ij ) = 78 + 70 + 72 + … + 80 = 109,952
i  1j  1
k T2 2
SS(B )   ni  Tn = 109,828 – 109,512 = 316
i1 i
k ni 2
k T2
SS( W )    x ij   ni = 109,952 – 109,828 = 124
i  1 j 1 i 1 i
SS(T) = SS(B) + SS(W) = 316 + 124 = 440
MS(B) = SSk (B1) = 5316

1
= 79
MS(W) = SSn(Wk ) = 18124

5
= 9.5385
MS(B) = 79 = 8.2822
ดังนั้น อัตราส่วน F = MS( W ) 9.5385
ระหว่างชนิดของขวด 4 316 79 8.2822
ภายในขวดชนิดเดียวกัน 13 124 9.5385
รวม 17 440
ถ้าทดสอบสมมติฐาน ณ ระดับนัยสําคัญ 0.05 ค่าของ F(0.05, 4, 13) = 3.179 (เปิดตาราง F) ดังนั้น

อัตราส่วน F ซึ่งเท่ากับ 8.2822 มีค่ามากกว่า 3.179 จึงต้องปฏิเสธ H0 ดังนั้น อายุการใช้งานเฉลี่ยของขวดใส่
สารเคมีแต่ละชนิดแตกต่างกัน หรือมีขวดใส่สารเคมีอย่างน้อย 1 ชนิดที่มีอายุการใช้งานเฉลี่ยแตกต่างจากขวด
ใส่สารเคมีชนิดอื่นๆที่เหลือ
6.4 การวิเคราะห์ความแปรปรวนแบบจาแนกสองทาง
การวิเคราะห์ความแปรปรวนแบบจําแนก 2 ทาง (two-way analysis of variance) ใช้ในการทดสอบ
ความแตกต่างระหว่างค่าเฉลี่ยของประชากรตั้งแต่ 2 ชุดขึ้นไป โดยที่ประชากรมีความแตกต่างกันเนื่องจาก 2
ลักษณะ เช่น วิศวกรผู้หนึ่งต้องการทราบว่าอายุการใช้งานของขวดใส่สารเคมีมีความแตกต่างกันเนื่องจากชนิด
ของสารเคมีที่ใส่หรือไม่ และมีความแตกต่างกันเนื่องจากชนิดของขวดที่ใช้หรือไม่ หรืออัตราค่าจ้างแรงงานคน
งานในโรงงานอุตสาหกรรมมีความแตกต่างกันเนื่องจากประเภทของอุตสาหกรรมหรือไม่ และมีความแตกต่าง
กันเนื่องจากเพศของคนงานหรือไม่ เป็นต้น
การทดสอบสมมติฐานโดยการวิเคราะห์ความแปรปรวนแบบจําแนกทางเดียวสามารถนํามาใช้ ในการ
ทดสอบความแตกต่างดังกล่าวได้ แต่จะต้องทดสอบ 2 ครั้ง กล่าวคือ ในกรณีที่วิศวกรผู้หนึ่ง ต้องการทดสอบ
ว่าอายุการใช้งานของขวดใส่สารเคมี แตกต่างกันเนื่องจากชนิดของสารเคมีที่ใส่และชนิดของขวดที่ใช้หรือไม่
จะต้องทดสอบว่าอายุการใช้งานเฉลี่ยของขวดใส่สารเคมีแตกต่างกันเนื่องจาก ชนิดของสารเคมีที่ใส่หรือไม่ 1
ครั้ง และจะต้องทดสอบว่าอายุ การใช้งานเฉลี่ยของขวดใส่สารเคมี แตกต่างกันเนื่องจากชนิดของขวดที่ ใช้ใส่
หรือไม่อีกครั้งหนึ่ง โดยที่การเก็บรวบรวมข้อมูลเพื่อนํามาวิเคราะห์ ก็จะต้องทําแยกกันเสมือนว่าเป็นการ
ทดสอบสมมติฐานคนละเรื่อง แต่การวิเคราะห์ความแปรปรวน แบบจําแนก 2 ทางสามารถวิเคราะห์เพียงครั้ง
เดี ย ว แต่ ใ ห้ คํ า ตอบเสมื อ นการวิ เ คราะห์ ค วามแปรปรวนแบบจํ า แนกทางเดี ย ว 2 ครั้ ง ทํ า ให้ ส ามารถ
ประหยัดเวลาในการวิเคราะห์ได้ นอกจากนี้ ยังสามารถ วิเคราะห์ความสัมพันธ์ระหว่างลักษณะ 2 ลักษณะที่
ส่งผลกระทบต่อเรื่องที่สนใจศึกษาได้ด้วย กล่าวคือ สามารถวัดผลร่วม (interaction) ระหว่างลักษณะ 2
ลักษณะที่ต้องการศึกษาได้ด้วย
ตัวอย่างที่ 6.7 วิศวกรของโรงงานแห่งหนึ่งต้องการทราบว่าระดับการศึกษาและประสบการณ์ในการทํางาน
ของช่างเทคนิคมีผลทําให้ยอดผลิตสินค้าของโรงงานแตกต่างกันหรือไม่ เขาจึง แบ่งระดับการศึกษาของช่าง
เทคนิคออกเป็น 3 ระดับ คือ มัธยมศึกษา อาชีวศึกษา และ อุดมศึกษา และแบ่งประสบการณ์ในการทํางาน
ออกเป็น 4 ระดับ คือ ไม่มีประสบการณ์ในการทํางานมาเลย มีประสบการณ์ในการทํางานมาแล้ว 1 ปี 2 ปี
และมากกว่า 2 ปี จาก ยอดผลิตสินค้าที่ช่างเทคนิคซึ่งมีระดับการศึกษาและประสบการณ์ในการผลิตระดับ
ต่างๆของ โรงงานในรอบปีที่ผ่านมาเป็นดังนี้ (หน่วยเป็นพันชิ้น)
ระดับการศึกษา
ประสบการณ์ในการผลิต (ปี)
มัธยมศึกษา อาชีวศึกษา อุดมศึกษา
ไม่มี 5 7 6
1 8 8 5
2 4 9 7
มากกว่า 2 2 12 4
ในที่นี้ประชากรมีความแตกต่างกันเนื่องจากลักษณะ 2 ลักษณะ คือ ประสบการณ์ ในการผลิตและระดับ

การศึกษา ยอดผลิตที่ช่างเทคนิคแต่ละคนผลิตได้ในรอบปีที่ผ่านมาซึ่ง มีจํานวนมากหรือน้อยขึ้นอยู่กับระดับ
การศึกษาและประสบการณ์ในการผลิ ตของช่างเทคนิค แต่ล ะคน เช่น จากข้อมูล ข้างต้นช่างเทคนิคที่จบ
มัธยมศึกษาและไม่มีประสบการณ์ในการผลิตเลยผลิตสินค้าได้ 5 พันชิ้น ช่างเทคนิคที่จบอาชีวศึกษาและมี
ประสบการณ์ในการผลิต 2 ปี ผลิตสินค้าได้ 9 พันชิ้น และช่างเทคนิคที่จบอุดมศึกษาและมีประสบการณ์ใน

การผลิต มากกว่า 2 ปี ผลิตสินค้าได้ 4 พันชิ้น จากข้อมูลที่เก็บรวบรวมมาโดยใช้วิธีดังกล่าวนี้จะ สามารถ
ทดสอบสมมติฐานได้ว่ายอดผลิตเฉลี่ยของช่างเทคนิคที่จ บการศึกษาระดับต่างๆ แตกต่างกันหรือไม่ และ
ขณะเดียวกันก็สามารถทดสอบได้ว่ายอดผลิตเฉลี่ยของช่างเทคนิคที่มี ประสบการณ์ในการผลิตต่างกันแตกต่าง
กันหรือไม่
เพื่อความสะดวกจะเรียกระดับต่างๆของลักษณะแรกซึ่งในที่นี้ คือ ประสบการณ์ในการผลิตว่า แถว และ
ระดับต่างๆของลักษณะที่สองซึ่งในที่นี้คือระดับการศึกษาว่า สดมภ์ สําหรับการวิเคราะห์ ความแปรปรวนแบบ
จําแนก 2 ทางนี้สัญลักษณ์ที่ใช้ในขั้นตอนต่างๆ ของการวิเคราะห์มีดังนี้
xij = ข้อมูลหรือค่าสังเกตของแถวที่ i และสดมภ์ที่ j
Ti = ผลรวมของข้อมูลหรือค่าสังเกตจากแถวที่ i
Tj = ผลรวมของข้อมูลหรือค่าสังเกตจากสดมภ์ที่ j
T = ผลรวมของข้อมูลหรือค่าสังเกตจากทุกๆแถวและทุกๆสดมภ์
x i = ค่าเฉลี่ยของข้อมูลหรือค่าสังเกตจากแถวที่ i
x j = ค่าเฉลี่ยของข้อมูลหรือค่าสังเกตจากสดมภ์ที่ j
x = ค่าเฉลี่ยของข้อมูลหรือค่าสังเกตจากทุกๆแถวและทุกๆ สดมภ์
r = จํานวนแถว
c = จํานวนสดมภ์
n = จํานวนตัวอย่างทั้งหมด = r x c
ลั กษณะของข้อมูล หรื อค่าสั งเกตที่เก็บรวบรวมได้จ ากตัว อย่างซึ่งจะนํามาใช้ในการวิเคราะห์ ความ
แปรปรวนอาจเขียนได้ดังนี้
สดมภ์
แถว รวม เฉลี่ย
1 2 ... j … c
1 x11 x12 … x1j … x1c T1. x 1.
2 x21 x22 … x2j x2c T2. x 2.
i x i1 xi2 … xij … xic Ti. x i.
r x r1 xr2 … xrj … xrc Tr. x r.

รวม T.1 T.2 … T.j ... T.c T
เฉลี่ย x .1 x .2 … x .3 ... x .c x
จากตัวอย่างที่ 6.7 เมื่อใช้สัญลักษณ์สําหรับการวิเคราะห์ความแปรปรวนแบบจําแนก 2 ทาง ข้างต้น

ประสบการณ์ใน ระดับการศึกษา
รวม เฉลี่ย
การผลิต (ปี) มัธยมศึกษา อาชีวศึกษา อุดมศึกษา
ไม่มี 5(x11) 7(x12) 6(x13) 18(T1.) 6.00( x 1.)
1 8(x21) 8(x22) 5(x23) 21(T2.) 7.00( x 2.)
2 4(x31) 9(x32) 7(x33) 20(T3.) 6.67( x 3.)
มากกว่า 2 2(x41) 12(x42) 4(x43) 18(T4.) 6.00( x 4.)
รวม 19(T.1) 36(T.2) 22(T.3) 77(T)
เฉลี่ย 4.75( x .1) 9.00( x .2) 5.50( x .3) 6.42( x )
การวิเคราะห์ความแปรปรวนแบบจําแนก 2 ทางข้างต้นนี้ ความแปรปรวนของข้อมูลทั้งหมด ที่เกิดขึ้น

สามารถแบ่งออกได้เป็น 3 ส่วน คือ
ส่วนที่หนึ่ง เป็นความแปรปรวนระหว่างลักษณะแรก
ส่วนที่สอง เป็นความแปรปรวนระหว่างลักษณะที่สอง
ส่วนที่สาม เป็นความแปรปรวนภายในลักษณะแรกและภายในลักษณะที่สอง
ความแปรปรวนของข้ อ มู ล หรื อ ค่ า สั ง เกตทั้ ง หมด ความแปรปรวนระหว่ า งลั ก ษณะแรก ความ
แปรปรวนระหว่างลักษณะที่สอง และความแปรปรวนภายในลั กษณะแรกและภายในลักษณะที่สอง วัด ได้จาก
จํานวน 4 จํานวน คือ ผลรวมกําลังสองเฉลี่ยของยอดรวม ซึ่งจะเรียกว่า MS(T) ผลรวมกําลังสองเฉลี่ยระหว่าง
ลักษณะแรก ซึ่งจะเรียกว่า MS(R) ผลรวมกําลังสองเฉลี่ยระหว่างลักษณะที่สอง ซึ่งจะเรียกว่า MS(C) และ
ผลรวมกําลังสองเฉลี่ยภายในลักษณะแรกและภายในลักษณะที่สอง เรียกว่า MS(W) ซึ่งมีวิธีวัดดังนี้
ผลรวมกาลังสองเฉลี่ยของยอดรวม เขียนแทนด้วยสัญลักษณ์ MS(T) ซึ่งมีสูตรที่ใช้วัดดังนี้
1  r c 
MS( T )  n  1    ( xij  x )2  (6.7)
i  1j  1 
k ni
เมื่อ   ( xi  x )2 และ n – 1 เรียกว่าผลรวมกําลังสองของยอดรวมและระดับขั้นความเสรีของ
i  1j  1
ยอดรวม ซึ่งเขียนแทนด้วยสัญลักษณ์ SS(T) และ df(T) ตามลําดับ
ในทางปฏิบัตินิยมเขียนผลรวมกําลังสองเฉลี่ยของยอดรวมในรูป
MS( T )  SS ( T )  1  r  c
x 
T2  (6.8)
df ( T ) n  1 i  1j  1 ij rc 
ผลรวมกาลังสองเฉลี่ยระหว่างลักษณะแรก เขียนแทนด้วยสัญลักษณ์ MS(R) ซึ่งมีสตู รที่ใช้วัดดังนี้
MS(R )  r 1 1 c  (xi  x )2 

r
(6.9)
 i1 
r
เมื่อ c  (x i  x ) 2 และ r – 1 เรียกว่าผลรวมกําลังสองระหว่างลักษณะแรกและระดับขั้นความเสรี
i1
ระหว่างลักษณะแรก ซึ่งเขียนแทนด้วยสัญลักษณ์ SS(R) และ df(R) ตามลําดับ
ในทางปฏิบัตินิยมเขียนผลรวมกําลังสองเฉลี่ยระหว่างลักษณะแรกในรูป
SS ( R ) 1  r Ti.2 T 2 
MS(R )  df (R )  r  1   c  rc  (6.10)
i  1 
ผลรวมกาลังสองเฉลี่ยระหว่างลักษณะที่สอง เขียนแทนด้วยสัญลักษณ์ MS (C) ซึ่งมีสูตรทีใ่ ช้วัดดังนี้
MS( C)  c 1 1 r  (x. j  x )2 

c
(6.11)
 i1 
c
เมื่อ r  (x . j  x ) 2 และ c  1 เรียกว่าผลรวมกําลังสองระหว่างลักษณะที่สองและระดับ ขั้นความ
i1
เสรีระหว่างลักษณะที่สอง ซึ่งเขียนแทนด้วยสัญลักษณ์ SS(C) และ df(C) ตามลําดับ
ในทางปฏิบัตินิยมเขียนผลรวมกําลังสองเฉลี่ยระหว่างลักษณะที่สองในรูป
 c T.2j 2 
SS ( C )
MS( C)  df ( C)  c  1   r  Trc 
1 (6.12)
 j  1 
ผลรวมกาลั ง สองเฉลี่ ย ภายในลั ก ษณะแรกและภายในลั ก ษณะที่ ส อง เขีย นแทนด้ว ย สั ญลั กษณ์

MS(W) ซึ่งมีสูตรที่ใช้วัดดังนี้
MS( C)  SS ( W ) SS( T ) SS(R ) SS( C)

df ( W )  df ( T ) df (R ) df ( C) (6.13)
เมื่อ df(T) – df(R) – df(C) = (n – 1) – (r – 1) – (c – 1)

= (r – 1)(c – 1)
ตัวอย่างที่ 6.8 จากตัวอย่างที่ 6.7 ค่าของ SS(T), SS(R), SS(C), SS(W), MS(R), MS(C) และ MS(W)
คํานวณได้ดังนี้
r c 2
SS( T )    x ij  Trc
i1 j1
2
= (52) + (82) + (42) + … + (42) – 77
43 = 78.92
r T2 2
SS(R )   ci.  Trc
i1
2 2 2 2 2
= 183 + 213 + 203 + 183 – 77 43 = 2.25
r T.2j 2
SS( C)   r  Trc
i1
2 2 2 2 2
= 194 + 364 + 224 + 224 – 77 43 = 41.17
SS(W) = SS(T) – SS(R) – SS(C)
= 78.92 – 2.25 – 41.17 = 35.50
MS(R) = SS (R ) SS(R ) 2.25
df (R ) = r 1 = 41 = 0.75
MS(C) = SS ( C) SS( C) 41.17
df ( C) = c1 = 31 = 20.58
MS(W) = SS ( W ) = SS( W ) = 35.50 = 5.92
df ( W ) (r 1)(c1) (41)(31)
การทดสอบสมมติฐานว่าง (H0) ที่ว่าค่าเฉลี่ยของตาละแถวไม่มีความแตกต่างกัน ซึ่งมีสมมติฐานเพื่อ

การทดสอบเป็น
H0: 1. = 2. = 3. = ... = r.
H1 : 1.  2.  3.  ...  r.
จะต้องคํานวณหาอัตราส่วน F = MS MS(R ) แล้วเปรียบเทียบค่าที่ได้รับค่า F จากตารางการแจกแจง

(W)
แบบเอฟที่ระดับขั้นความเสรี (r – 1) และ (r – 1)(c – 1) ถ้าค่าอัตราส่วน F ที่คํานวณได้ มากกว่าค่า F จาก
ตาราง จะปฏิเสธสมมติฐานว่างที่ว่าค่าเฉลี่ยของแต่ละแถวหรือแต่ละระดับของ ลักษณะแรกไม่แตกต่างกัน ซึ่ง
สามารถสรุปได้ว่ามีค่าเฉลี่ยอย่างน้ อย 1 แถวที่แตกต่างจากค่าเฉลี่ย ของแถวอื่นๆที่เหลือ หรือมีค่าเฉลี่ยอย่าง
น้อย 1 ระดับของลักษณะแรกที่แตกต่างจากค่าเฉลี่ยของระดับอื่นๆที่เหลือ
ในทํานองเดียวกัน การทดสอบสมมติฐานว่าง (H0) ที่ว่าค่าเฉลี่ยของแต่ละสดมภ์ไม่มีความแตกต่างกัน
ซึ่งมีสมมติฐานเพื่อการทดสอบเป็น
H0: .1 = .2 = .3 = ... =  .C
H1 : .1  .2  .3  ...   .C
จะต้องคํานวณหาอัตราส่วน F = MS MS( C) แล้วเปรียบเทียบค่าที่ได้กับค่า F จากตารางการแจกแจง
(W)
แบบเอฟที่ระดับขั้นความเสรี (c – 1) และ (r – 1)(c – 1) ถ้าค่าอัตราส่วน F ที่คํานวณได้มากกว่าค่า F จาก
ตาราง จะปฏิเสธสมมติฐานว่างที่ว่าค่าเฉลี่ ยของแต่ละสดมภ์หรือแต่ละระดับของลักษณะที่ 2 ไม่แตกต่างกัน
ซึ่งสามารถสรุปได้ว่ามีค่าเฉลี่ยอย่างน้อย 1 สดมภ์ที่แตกต่างจากค่าเฉลี่ยของสดมภ์อื่นๆ ที่เหลือ หรือมีค่าเฉลี่ย
อย่างน้อย 1 ระดับของลักษณะที่ 2 ที่แตกต่างจากค่าเฉลี่ยของระดับอื่นๆที่เหลือ
การทดสอบสมมติฐานโดยวิธีวิเคราะห์ความแปรปรวนแบบจําแนกสองทาง สรุปได้ดังตารางที่ 6.2
ตารางที่ 6.2 ตารางวิเคราะห์ความแปรปรวนแบบจําแนกสองทาง
สาเหตุของ
df SS MS F
r T2 2
ระหว่างแถว r–1 SS(R )   ci.  Trc MS(R) = SS (R )
r 1
MS(R)
MS( W )
i1
r T.2j 2
ระหว่างสดมภ์ c–k SS( C)   r  Trc MS(C) = SS ( C) MS( C)
i1 c 1 MS( W )
ภายในแถวและ (r – 1)(c – 1) SS(W) = SS(T)–SS(R)–SS(C)
MS( W )  (rSS (W)
1)(c 1)
สดมภ์เดียวกัน
r c 2
รวม rc – 1 SS( T )    x ij  Trc
i1 j1
ที่มา: สรชัย พิศาลบุตร. (2553).
ตัวอย่างที่ 6.9 ตารางวิเคราะห์ความแปรปรวนสําหรับข้อมูลในตัวอย่างที่ 6.8 เป็นดังนี้

ระหว่างประสบการณ์ในการผลิต 2 41.17 20.58 3.48
ระหว่างระดับการศึกษา 3 2.25 0.75 0.13
ภายในประสบการณ์และระดับ
6 35.50 5.92
การศึกษาเดียวกัน
รวม 11 78.92
การทดสอบสมมติฐานที่ว่าช่างเทคนิคที่มีประสบการณ์ในการผลิตแตกต่างกันจะ ไม่ทําให้ยอดผลิต
เฉลี่ยแตกต่างกัน มีสมมติฐานเพื่อการทดสอบเป็น
H0: 1. = 2. = 3. = ... = 4.
H1 : 1.  2.  3.  ...  4.
อัตราส่วน F = MS MS(R ) = 20.58 = 3.48
( W ) 5.92
แต่ค่า F จากตารางการแจกแจงแบบเอฟที่ระดับขั้นความเสรี 2 และ 6 ณ ระดับ นัยสําคัญ 0.05,
F(0.05, 2, 6) เท่ากับ 5.143
ดังนั้นอัตราส่วน F ซึ่งเท่ากับ 3.48 น้อยกว่า 5.143 ต้องยอมรับสมมติฐานว่าง (H0)
นั่นคือ ช่างเทคนิคที่มีประสบการณ์ในการผลิตแตกต่างกันจะไม่ทําให้ยอดผลิตเฉลี่ยแตกต่างกัน
ในทํานองเดียวกัน การทดสอบสมมติฐานว่างที่ว่าช่างเทคนิคที่มีระดับการศึกษา แตกต่างกันจะไม่ทํา
ให้ยอดผลิตเฉลี่ยแตกต่างกัน ซึ่งมีสมมติฐานเพื่อการทดสอบเป็น
H0: .1 = .2 = .3
H1 : .1  .2  .3
อัตราส่วน F = MS MS( C) = 0.75 = 0.13
( W ) 5.92
แต่ค่า F จากตารางการแจกแจงแบบเอฟที่ระดับขั้นความเสรี 3 และ 6 ณ ระดับ นัยสําคัญ 0.05,
F(0.05, 3, 6) เท่ากับ 4.757
ดังนั้นอัตราส่วน F ซึ่งเท่ากับ 0.13 น้อยกว่า 4.757 ต้องยอมรับสมมติฐานว่าง (H0)
นั่นคือ ช่างเทคนิคที่มีระดับการศึกษาแตกต่างกันจะไม่ทําให้ยอดผลิตเฉลี่ยแตกต่างกัน
6.5 การทดสอบความแตกต่ างระหว่างค่า เฉลี่ยของประชากรสองชุดใดๆภายหลังการวิเคราะห์ความ

ในการทดสอบสมมติฐานเกี่ยวกับความแตกต่างระหว่างค่าเฉลี่ยของประชากรตั้งแต่ 2 ชุด ขึ้นไปโดยวิธี
วิเคราะห์ความแปรปรวน หากผลการทดสอบเป็นการยอมรับ H0 แสดงว่าค่าเฉลี่ยของ ประชากรทุกชุดที่นํามา
ทดสอบไม่มีความแตกต่างกัน หรือมีความแตกต่างกันอย่างไม่มีนัยสําคัญ แต่ ถ้าผลการทดสอบเป็นการปฏิเสธ
H0 หรื อยอมรับ H1 จะสามารถสรุปได้แต่เพียงว่ามีค่าเฉลี่ยของ ประชากรอย่างน้อย 1 ชุดที่แตกต่างจาก
ค่าเฉลี่ย ของประชากรชุดอื่น ๆ ที่นํ ามาเปรียบเทียบเท่านั้น หากผู้ทดสอบต้องการทราบว่ามีค่าเฉลี่ ยของ
ประชากรชุดใดบ้างที่แตกต่างกัน และค่าเฉลี่ยของประชากรชุดใดบ้างที่ไม่แตกต่างกัน ผลการทดสอบโดยวิธี
วิเคราะห์ความแปรปรวนที่ได้กล่าวมาแล้วไม่สามารถบอกได้ แต่ถ้าจะทดสอบความแตกต่างระหว่างค่าเฉลี่ย
ของประชากรแต่ละชุดที่ละคู่โดยใช้การทดสอบ แบบ t ที่อธิบายไว้ในบทที่ 4 จะทําให้เสียเวลาในการทดสอบ
มาก นอกจากนี้ ยังมี ปัญหาเรื่องระดับนัยสําคัญที่ใช้ในการทดสอบด้วย เนื่องจากการทดสอบที่ละคู่กับ การ
ทดสอบพร้อมกันทั้งหมดจะทําให้ ระดับนัยสําคัญที่ต้องการทดสอบแตกต่างกัน โดยเฉพาะอย่างยิ่งในกรณีที่มี
จํานวนประชากรที่จะนํามาทดสอบเป็นจํานวนมาก วิธีการที่ใช้ในการทดสอบความแตกต่างระหว่างค่าเฉลี่ย
ของประชากร 2 ชุดใดๆ ภายหลังการวิเคราะห์ความแปรปรวน ซึ่งสามารถประหยัดเวลาในการทดสอบไปได้
มากเมื่อเปรียบเทียบ กับการทดสอบแบบ t โดยการทดสอบประชากรที่ละคู่มีหลายวิธี เช่น
1) วิธี Least Significant Difference หรือ LSD
2) วิธี Duncan's New Multiple Range Test
3) วิธีของ Tukey
4) วิธีของ Student-Newman-Keul (SNK)
5) วิธีของ Scheffe
แต่วิธีที่นิยมใช้กันมากที่สุดคือ วิธี LSD เนื่องจากการทดสอบทําได้ง่ายและผลการทดสอบมี ความเชื่อถือ
ได้มากพอสมควรเมื่อเทียบกับการทดสอบวิธีอื่นๆ สิ่งที่ สําคัญอีกประการหนึ่งของการ ทดสอบโดยวิธี LSD ก็
คือใช้ตารางการแจกแจงแบบที่ซึ่งหาง่ายกว่าตารางสถิติที่จําเป็นต้องใช้สําหรับ การทดสอบวิธีอื่นๆ ดังนั้นใน
บทนี้จะได้กล่าวเฉพาะการทดสอบความแตกต่างระหว่างประชากรทีละคู่ โดยวิธี LSD เท่านั้น
6.5.1 Least Significant Difference (LSD)
การทดสอบโดยวิธีนี้ทําได้โดยการหาผลต่างระหว่างค่าเฉลี่ยจากตัวอย่างที่เลือกมาจาก ประชากรที
ละ 2 ชุด แล้วนํามาเปรียบเทียบกับค่า LSD
2
LSD = t(0.05) 2ns (6.14)
เมื่อ s2 คือค่าความแปรปรวนรวม (pooled variance) และ n คือขนาดตัวอย่างที่เลือกมา จากแต่

ละประชากรซึ่งมีจํานวนเท่ากัน สําหรับค่า s2 นี้ไม่จําเป็นต้องคํานวณขึ้นมาใหม่เนื่องจากได้ คํานวณมาแล้วใน
การวิเคราะห์ความแปรปรวน (ค่า MS (W)) สามารถนํามาใช้ได้เลย ส่วนระดับ ขั้นความเสรีของ t ก็ใช้ระดับ
ขั้นความแสรีของความแปรปรวนภายในประชากร (df(W)) จากตารางวิเคราะห์ความแปรปรวนได้เช่นเดียวกัน
ในกรณีที่จํานวนตัวอย่างที่เลือกมาจากแต่ละประชากรไม่เท่ากันเป็น n1, n2, …, nk ตามลําดับ
เมื่อ 6 เป็นจํานวนประชากรทั้งหมดที่นํามาทดสอบ ค่า LSD สําหรับการทดสอบความแตกต่าง ระหว่าง
ค่าเฉลี่ยของประชากรชุดที่ i กับประชากรชุดที่ j พิจารณาจากค่า
LSD = t(0.05) s2 ( n1  n1 ) (6.15)

i j
นั่นคือ การทดสอบค่าเฉลี่ยของประชากรคู่ใดก็ต้องเปรียบเทียบผลต่างระหว่างค่าเฉลี่ยจากตัวอย่าง
ของประชากรคู่นั้นกับค่า LSD ของประชากรคู่นั้น ซึ่งจะทําให้เสียเวลาในการเปรียบเทียบ มาก ดังนั้นในทาง
ปฏิบัติจึงมักนิยมเลือกตัวอย่างเป็นจํานวนเท่าๆ กันมาจากแต่ละประชากร
ถ้าผลต่างที่ไม่คิดเครื่องหมายระหว่างค่าเฉลี่ยจากตัวอย่างของประชากรคู่ใดมีค่ ามากกว่าค่า LSD
แสดงว่าค่าเฉลี่ยของประชากรคู่นั้นแตกต่างกัน แต่ถ้าผลต่างระหว่างค่าเฉลี่ยจากตัวอย่างของ ประชากรคู่ใดมี
ค่าน้อยกว่าหรือเท่ากับค่า LSD แสดงว่าค่าเฉลี่ยของประชากรคู่นั้นไม่แตกต่างกันหรือ แตกต่างกันอย่างไม่มี
นัยสําคัญ
6.6 ข้อควรระวังในการวิเคราะห์ความแปรปรวนเพื่อทดสอบความแตกต่างระหว่ างค่าเฉลี่ยของประชากร

ตั้งแต่สองชุดขึ้นไป
6.6.1) ประชากรทุกชุดที่นํามาทดสอบจะต้องมีการแจกแจงปกติหรือใกล้เคียงกับการแจกแจงปกติ
และมีความแปรปรวนเท่ากัน
6.6.2) การปฏิ เสธ H0 ที่ ว่าค่า เฉลี่ ย ของประชากรเท่ากัน ทุกชุด ไม่ได้ ห มายความว่าค่ าเฉลี่ ยของ
ประชากรทุกชุดแตกต่างกันทั้งหมด แต่ห มายความแต่เพียงว่ามีค่าเฉลี่ยของประชากรอย่างน้อย 1 ชุดที่
แตกต่างจากค่าเฉลี่ย ของประชากรชุดอื่นๆที่นํามาทดสอบ การที่จะทราบว่าค่าเฉลี่ย ของประชากรชุดใด
แตกต่างจากประชากรชุดใดบ้าง อาจทราบได้โดยทดสอบด้วยวิธี LSD
6.6.3) ในกรณีที่ผู้วิเคราะห์ต้องการเปรียบเทียบความแตกต่างระหว่างค่าเฉลี่ยของประชากรหลายๆ
ชุด โดยที่ตัวแปรหรือลักษณะที่สนใจศึกษาในประชากรมีตัวเดียวหรือลักษณะเดียว แต่ไม่สามารถ หาหน่วย
ทดลอง (experimental unit) ที่จะใช้ในการทดลองหรือวัดผลให้เหมือนกันและไม่มีผลกระทบต่อการวัดผล
ของตัวแปรหรือลักษณะที่สนใจศึก ษาได้ เช่น วิศวกรจะวัดผลิตภัณฑ์ ชํารุดที่เกิดจากเครื่องจักร 3 ยี่ห้อ ถ้า
วิศวกรไม่สามารถหาช่างควบคุมเครื่องจักรที่มีความรู้ และประสบการณ์เกี่ยวกับเครื่องจักรทั้ง 3 ยี่ห้อนั้นได้
ในกรณี นี้ ก ารวิ เ คราะห์ จ ะต้ อ งกํา จั ด ผลที่ อาจจะเกิ ดเนื่ อ งจากความรู้ แ ละประสบการณ์ ข องช่า งควบคุ ม
เครื่องจักรออก โดยใช้การวิเคราะห์ความแปรปรวนของข้อมูลที่มีตัวแปร 2 ตัว ซึ่งมียี่ห้อเครื่องจักรเป็นตัวแปร
ตัวที่ 1 และช่างควบคุมเครื่องจักรเป็นตัวแปรตัวที่ 2 ถ้าหน่วยทดลองมี ตัวแปรอื่นๆที่จะทําให้การ วัดผลของ
ตัวแปรที่สนใจศึกษาคลาดเคลื่อนไปหลายๆตัว ถ้าจะวิเคราะห์โดยใช้การวิเคราะห์ ความแปรปรวนของข้อมูลที่
มี 2 ตัว ให้ผู้วิเคราะห์เลือกตัวแปรของหน่วยทดลองที่จะมีผลกระทบต่อการวัดผลมากที่สุดเป็นตัวแปรตัวที่ 2
ของการวิเคราะห์ดังกล่าว เพราะจะสามารถกําจัดผลอันไม่ได้เกิดจากตัวแปรหรือลักษณะที่สนใจศึกษาออกไป
ได้มากที่สุด ส่วนตัวแปรของหน่วยทดลองอื่นๆที่ยังเหลืออยู่ก็ยังคงมีผลทําให้การทดสอบคลาดเคลื่อนไปบ้าง
ดังนั้นหลักการที่สําคัญในการวิเคราะห์ความแปรปรวนก็คือพยายามทําให้หน่วยทดลองไม่มีความแตกต่ างกัน
แต่ถ้าหากไม่สามารถทําให้ความแตกต่างหมดไปได้ก็ต้องพยายามทําให้เหลือน้อยที่สุดเท่าที่จะทําได้
6.6.4) ถ้าผู้วิเคราะห์ต้องการให้ผลการทดสอบมีความเชื่อถือได้มากพอสมควร ระดับขั้นความเสรีของ
ความแปรปรวนภายในตัวแปร (MS(W)) ไม่ควรตต่ํากว่า 12 และจํานวนตัวอย่างที่ใช้ในการทดลองหรือวัดผล
ยิ่งมากเท่าไรความถูกต้องเชื่อถือได้ของการทดลองก็ยิ่งมีมากขึ้นเท่านั้น
6.7 สรุป
การวิเคราะห์ความแปรปรวนเป็นวิธีการทางสถิติอ้างอิงที่ใช้ในการทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ย
กรณีประชากรมากกว่า 2 กลุ่ม โดยใช้หลักการของความแปรปรวน คํานวณค่าสถิติทดสอบ F ในรูปของตาราง
การวิเคราะห์ความแปรปรวน เพื่อให้เป็นขั้นตอนที่ง่ายและสะดวก ประเภทของการวิเคราะห์ความแปรปรวน
ขึ้นอยู่กับว่ามีปัจจัยที่เกี่ยวข้องกี่ปัจจัย ดังนั้นควรระมัดระวังในการเลือกวิธีการวิเคราะห์ความแปรปรวนให้
เหมาะสมเพื่อผลการวิเคราะห์ข้อมูลที่ถูกต้อง
1. ในการทดสอบความแตกต่างระหว่างอายุการใช้งานของถ่านไฟฉาย 4 ยี่ห้อ วิศวกรไฟฟ้า ของบริษัทแห่ง

หนึ่งได้เลือกตัวอย่างถ่านไฟฉายมายี่ห้อละ 4 ก้อน จากการวัดอายุการใช้งานของถ่านไฟฉายทั้ง 16 ก้อน ผล
ปรากฏดังนี้ (ชั่วโมง)
ยี่ห้อ 1 ยี่ห้อ 2 ยี่ห้อ 3 ยี่ห้อ 4
12 14 21 14
15 17 19 21
18 12 20 25
10 19 23 20
อายุการใช้งานเฉลี่ยของถ่านไฟฉายทั้ง 4 ยี่ห้อมีความแตกต่างกันหรือไม่ที่ระดับนัยสําคัญ 0.05

2. วิศวกรของตัวแทนจําหน่ายรถยนต์แห่งหนึ่งเชื่อว่าผู้ซื้ อรถใหม่ที่อยู่ในกลุ่มอายุต่างๆ ซื้ออุปกรณ์ตกแต่งรถ
เพิ่มเติมเป็นจํานวนเงินที่แตกต่างกัน จากการเลือกตัวอย่างผู้ที่เคยซื้อรถจากบริษัทในกลุ่มอายุต่างๆมาจํานวน
20 ราย ปรากฏว่าแต่ละรายจ่ายเงินเป็นค่าซื้ออุปกรณ์ ตกแต่งรถเพิ่มเติมดังต่อไปนี้ (พันบาท)
อายุ (ปี)
18-24 25-29 30-39 40-59 ตั้งแต่ 60 ขึ้นไป
6.31 7.64 8.37 11.23 6.74
4.27 5.36 9.26 10.64 7.36
5.75 3.85 10.16 8.32 5.12
6.24 6.48 9.00
7.86 7.53
ความเชื่อของวิศวกรดังกล่าวถูกต้องหรือไม่ที่ระดับนัยสําคัญ 0.05
3. ถ้าการเดินทางจากโรงงานแห่งหนึ่งไปยังบริษัทจําหน่ายวัตถุดิบของโรงงานทําได้ 3 เส้นทาง และระยะเวลา
ที่ใช้ในการเดินทางของแต่ละเส้นทางจํานวน 5 ครั้งในรอบสัปดาห์ที่ผ่านมาเป็น ดังนี้ (นาที)
เส้นทางที่ 1 เส้นทางที่ 2 เส้นทางที่ 3

27 24 28
29 23 29
26 21 26
28 26 27
30 23 30
จงทดสอบสมมติฐานที่ว่าระยะเวลาที่ใช้ในการเดินทางโดยเฉลี่ยจากโรงงานไปยังบริษัทจําหน่าย
วัตถุดิบของแต่ละเส้นทางไม่แตกต่างกัน ณ ระดับนัยสําคัญ 0.05
4. ในการทดสอบความแตกต่างระหว่างวิธีการขายของตัวแทนจําหน่ายแบตเตอรี่รถยนต์ยี่ห้อหนึ่ง 3 วิธี คือ
แจกของแถม ลดราคา และขายตามราคาปกติ ปรากฏว่าจํานวนแบตเตอรี่รถยนต์ ดังกล่าวที่ขายได้ในแต่ละ
สัปดาห์ในระหว่าง 6 สัปดาห์ที่ผ่านมาเมื่อใช้วิธีการขายทั้ง 3 วิธี เป็นดังนี้
วิธีการขาย
สัปดาห์ที่
แจกของแถม ลดราคา ขายตามราคาปกติ
1 65 60 61
2 79 64 54
3 73 57 74
4 55 75 59
5 68 62 46
6 74 56 52
จงทดสอบว่าจํานวนแบตเตอรี่รถยนต์โดยเฉลี่ยที่ใช้วิธีการขายทั้ง 3 วิธี แตกต่างกันหรือไม่ที่ ระดับ

5. วิศวกรโรงงานของโรงงานอุตสาหกรรมแห่งหนึ่งเชื่อว่าการเพิ่มความเร็วของเครื่องจักรในการผลิต สินค้าจะ
มีผลทําให้มีจํานวนสินค้าที่ชํารุดจากการผลิตมากกว่าการใช้ความเร็วปกติ เพื่อพิสูจน์ ความเชื่อดังกล่าวเขาใช้
เครื่องจักรชนิดเดียวกันที่มีประสิทธิภาพในการผลิตเหมือนกันจํานวน 4 เครื่อง แต่ละเครื่องใช้ระดับความเร็ว
ในการผลิตแตกต่างกัน จากการให้เครื่องจักรทั้ง 4 เครื่อง ที่มีระดับความเร็วในการผลิตดังกล่าวผลิตสินค้าใน
5 ช่วงเวลา แต่ละช่วงเวลานาน 8 ชั่วโมง ได้จํานวนสินค้าชํารุดที่ผลิตได้ในแต่ละช่วงเวลาดังต่อไปนี้
ความเร็วระดับ 1 ความเร็วระดับ 2 ความเร็วระดับ 3 ความเร็วระดับ 4

36 29 31 36
34 34 35 38
37 34 32 34
35 36 33 32
33 32 39 30
ความเชื่อของวิศวกรโรงงานถูกต้องหรือไม่ ที่ระดับนัยสําคัญ 0.05

6. ต่อไปนี้คือต้นทุนการผลิตสวิตซ์ปิดเปิดเครื่องใช้ไฟฟ้าชนิดหนึ่ง (บาท) ในโรงงาน 10 โรง ที่เลือกมาเป็น
ตัวอย่างจากแต่ละจังหวัด คือ สระบุรี ราชบุรี และนครปฐม
สระบุรี ราชบุรี นครปฐม
11 12 12
10 10 13
12 9 15
10 11 14
11 10 14
9 12 11
8 12 15
13 14 14
12 8 14
12 9 15
ต้นทุนการผลิตเฉลี่ยของสวิตช์ปิดเปิดเครื่องใช้ไฟฟ้าชนิดนี้เท่ากันทั้ง 3 จังหวัดหรือไม่ ณ ระดับ

7. ถ้าจํานวนคําที่พนักงานพิมพ์ดีด 8 คน ของบริษัทวิทยาจํากัด พิมพ์ใน 1 นาทีโดยแต่ละคนใช้เครื่องพิมพ์ดีด
4 ยี่ห้อ คือ ยี่ห้อ A, B, C และ D เป็นดังนี้
เครื่อง พนักงานพิมพ์ดีด
พิมพ์ดีดยี่ห้อ 1 2 3 4 5 6 7 8
A 79 80 77 75 82 77 78 76
B 74 79 73 70 76 78 72 74
C 82 86 80 79 81 80 80 84
D 79 81 77 78 82 77 77 78
จงทดสอบสมมติฐานที่ว่าจํานวนคําโดยเฉลี่ยที่พนักงานพิมพ์ดีดทั้ง 8 คนพิมพ์ได้ต่อนาที่ไม่ แตกต่าง

กัน และจํานวนคําโดยเฉลี่ยที่พิมพ์ได้จากเครื่องพิมพ์ดีดทั้ง 4 ยี่ห้อไม่แตกต่างกัน ณ ระดับนัยสําคัญ 0.05
8. จากการศึกษาถึงเวลา (นาที) ที่วิศวกร 4 คนใช้ในการผลิตสินค้าชนิดหนึ่งโดยใช้เครื่องจักร 4 ยี่ห้อ คือ ยี่ห้อ
A, B, C และ D เป็นดังนี้
เครื่องจักร วิศวกร
ยี่ห้อ 1 2 3 4
A 15 13 15 12
B 14 12 13 13
C 12 13 14 11
D 16 15 13 12
จงทดสอบสมมติฐานที่ว่าระยะเวลาโดยเฉลี่ยที่วิศวกรทั้ง 4 คนใช้ในการผลิตสินค้า 1 ชิ้นไม่มี ความ

แตกต่างกัน และระยะเวลาโดยเฉลี่ยที่เครื่องจักรทั้ง 4 ยี่ห้อใช้ในการผลิตสินค้า 1 ชิ้น ไม่มีความแตกต่างกันที่
9. ต่อไปนี้เป็นยอดผลิตสินค้าในสัปดาห์ที่ผ่านมาของช่างเทคนิค 4 คน คือ ชาญชัย รุ่งเรือง สาธิต และแสวง

ซึ่งทํางานอยู่กับโรงงานแห่งหนึ่ง
ชื่อช่างเทคนิค
วัน
ชาญชัย รุ่งเรื่อง สาธิต แสวง
จันทร์ 1,200 890 780 500
อังคาร 750 950 720 1,000
พุธ 800 400 500 610
พฤหัส 820 150 420 760
ศุกร์ 850 200 700 315
ยอดผลิตสินค้าเฉลี่ยของโรงงานแห่งนี้ในแต่ละวันแตกต่างกันหรือไม่ และช่างเทคนิคทั้ง 4 คนผลิต

สินค้าได้เฉลี่ยต่อวันเท่ากันหรือไม่ ที่ระดับนัยสําคัญ 0.05
10. ยอดขายเครื่องอัดอากาศ 2 ยี่ห้อ คือ ยี่ห้อ A และ B ใน 4 จังหวัด คือ สระบุรี ลําปาง ชัยภูมิและพังงา
ของเดือนที่ผ่านมาเป็นดังนี้ (หมื่นบาท)
จังหวัด
ยี่ห้อ
สระบุรี ลําปาง ชัยภูมิ พังงา
A 10 12 15 13
B 8 14 12 9
จงทดสอบสมมติฐานโดยใช้การวิเคราะห์ความแปรปรวนแบบจําแนก 2 ทาง ณ ระดับนัยสําคัญ 0.05

ดักท์.
การประยุกต์สถิติกับการควบคุมคุณภาพอุตสาหกรรม
7.1 การควบคุมคุณภาพอุตสาหกรรม
7.2 ประโยชน์ของการควบคุมคุณภาพอุตสาหกรรม
7.3 ขั้นตอนและวิธีการควบคุมคุณภาพอุตสาหกรรม
7.3.1 ขั้นตอนการกาหนดระดับมาตรฐานของสินค้าหรือผลิตภัณฑ์
7.3.2 ขั้นตอนการวางแผนการควบคุมคุณภาพ
7.3.3 ขั้นตอนการชี้แจงและการอบรมบุคลากรที่จะทาหน้าที่ในการตรวจสอบคุณภาพของสินค้า
หรือผลิตภัณฑ์
7.3.4 ขั้นตอนการวัดคุณภาพของสินค้าหรือผลิตภัณฑ์ในแต่ละขั้นตอนการผลิตที่กาหนดไว้
7.3.5 ขั้นตอนการสร้างแผนภูมิควบคุมคุณภาพ
7.3.6 ขั้นตอนการตรวจสอบคุณภาพของสินค้าหรือผลิตภัณฑ์แต่ละกลุ่ม
7.3.7 ขั้นตอนการปรับปรุงแก้ไขสินค้าหรือผลิตภัณฑ์ให้มีคุณภาพได้มาตรฐานตามที่กาหนด
7.4 การวัดคุณภาพของสินค้าหรือผลิตภัณฑ์
7.4.1 วิธีวัดคุณภาพด้วยตัวแปร
7.4.2 วิธีวัดคุณภาพด้วยคุณลักษณะ
7.5 เครื่องมือที่ใช้ในการควบคุมคุณภาพ
7.5.1 แผ่นตรวจสอบ (Check Sheet)
7.5.2 แผนภาพพาเรโต (Pareto Diagram)
7.5.3 ผังแสดงเหตุและผล (Cause-and-Effect Diagram)
7.5.4 กราฟ (Graphs)
7.5.5 ผังการกระจาย (Scatter Diagram)
7.5.6 ฮิสโทแกรม (Histogram)
7.5.7 แผนภูมิควบคุม (Control Chart)
7.6 แผนภูมิที่ใช้ในการควบคุมภาพเชิงสถิติ
7.6.1 แผนภูมิที่ใช้ในการควบคุมภาพเฉลี่ย ( x chart)
7.6.2 แผ่นภูมิควบคุมคุณภาพสัดส่วน (p chart)
7.6.3 ขอบเขตเตือน (warning limit) ในแผนภูมคิ วบคุมคุณภาพ

7.7 สรุป
1. อธิบายความหมาย วิธีการ และเครื่องมือในการควบคุมคุณภาพอุตสาหกรรมได้ถูกต้อง
2. อธิบายลักษณะและประโยชย์ของเครื่องมือควบคุมคุณภาพทั้ง 7 อย่าง ได้ถูกต้อง
3. ทาการคานวณและสร้างแผนภูมิควบคุมคุณภาพเฉลี่ยและแผนภูมิควบคุมคุณภาพสัดส่วนได้
ถูกต้อง
1. ทบทวนเนื้อหาในบทที่ 6 และเฉลยการบ้านในบทที่ 6
2. นาเข้าสู่บทเรียนโดยการบรรยายเนื้อหาทีละหัวข้อแล้วเปิดโอกาสให้ผู้เรียนถามในแต่ละหัวข้อก่อน
ข้ามหัวข้อนั้น
3. แบ่งกลุ่มเพื่อทางานกลุ่มในชั้นเรียนและยกตัวอย่างกรณีศึกษา
4. ให้นักศึกษาทาแบบฝึกหัดในห้อง โดยการระดมสมองกับนักศึกษาคนอื่นๆ
5. สรุปเนื้อหาและภาพรวมของสถิติวิศวกรรม
2. ถามตอบระหว่างเรียนและการทาแบบฝึกหัดในชั้นเรียน
2. ทาแบบฝึกหัดมีความถูกต้องไม่น้อยกว่า 8
บทที่ 7 การประยุกต์สถิติกับการควบคุมคุณภาพอุตสาหกรรม 211
บทที่ 7
การประยุกต์สถิติกับการควบคุมคุณภาพอุตสาหกรรม
สถิติสามารถนามาใช้การตรวจสอบและควบคุมภาพในการผลิตสิ้นค้าอุตสาหกรรมซึ่งประกอบด้วยการ
ตรวจสอบและการควบคุมคุณภาพของวัตถุดิบที่ใช้ การตรวจสอบและควบคุมกระบวนการผลิตจากขั้นเริ่มต้น
จนถึงขั้นตอนสุดท้าย และการตรวจสอบและทดสอบผลิตภัณฑ์ที่ผลิตได้ให้มีคุณภาพตามระดับที่ ตั่งไว้หรือมี
คุณภาพเป็นมาตรฐานต่างจากมาตรฐานออกไป ซึ่งถ้ ามีคุณภาพต่ามากก็อาจคัดทิ้งไป หรือถ้าผลิตภัณฑ์มี
คุณภาพพอที่จะปรับปรุงแก้ไขได้นาไปปรับปรุงแก้ไขใหม่ เนื่องจากในการตรวจสอบและควบคุมคุณภาพของ
ผลิตภัณฑ์นี้ต้องคานึงถึงเวลาและค่าใช้จ่ายด้วย การตรวจสอบคุณภาพของสิ้นค้าที่ผลิตได้จึงมักนิยมใช้วิธีการ
เลือกตัว อย่างผลิ ตภัณฑ์มาเพื่อทาการทดสอบโดยใช้วิธีการทางสถิติที่เรียกว่า เทคนิคการสารวจตัวอย่าง
(sample survey technique) การตรวจสอบคุณภาพของผลิตภัณฑ์นี้นอกตากใช้ประโยชน์สาหรับผู้ผลิตดัง
ได้กล่าวมาแล้ว ผู้ใช้ผลิตภัณฑ์นี้นอกจากจะใช้ประโยชน์สาหรับผู้ผลิตดังได้กล่าวมาแล้ว ผู้ใช้ผลิตภัณฑ์ยังอาจ
ใช้ตรวจสอบคุณภาพของผลิตภัณฑ์ที่ตนชื้อมาใช้หรือชื้อมาจาหน่ายต่อได้อีกด้วยว่ามีคุณภาพดีพอที่จะรับ เอา
มาไว้ใช้หรือรับเอามาจาหน่ายหรือไม่ สถิตินามาใช้ประโยชน์ทางด้านนี้คือสถิติประยุกต์สาขาหนึ่งที่เรียกว่า
การควบคุมคุณภาพทางสถิติ (statistical quality control)
7.1 การควบคุมคุณภาพอุตสาหกรรม
คุณภาพอุตสาหกรรม หมายถึงระดับมาตรฐานของสินค้าหรือผลิตภัณฑ์แต่ละชนิดที่มีการกาหนดไว้
โดยผู้ผลิต หรือผู้บริโภค หรือหน่วยงานภาครัฐที่เกี่ยวข้อง หรืออาจมีการกาหนดร่วมกันหลายฝ่าย ทั้งนี้ เพื่อให้
เกิดความเชื้อถือได้ในคุณสมบัติที่สาคัญที่สาคัญและจาเป็นของสินค้าหรือผลิตภัณฑ์นั้นให้ผู้ บริโภคมีความพึง
พอใจและยอมรับในตัวสิ้นค้าหรือผลิตภัณฑ์ และให้ผู้บริโภคได้รับความคุมครองในกรณีที่สินค้าหรือผลิตภัณฑ์
ชารุดหรือมีคุณสมบัติไม่เหมาะสม
การควบคุมคุณภาพอุตสาหกรรมจึงเป็นขั้นตอนและวิธีการที่จะทาให้กระบวนการผลิตสิน ค้า หรือ
ผลิตภั ณฑ์ในทุก ๆ ขั้นตอนเป็น ไปตามมาตรฐาน โดยเฉพาะอย่างยิ่งสินค้าหรือผลิตภัณฑ์สุดท้ายที่ได้จาก
กระบวนการผลิต อาจจะกล่าวได้ว่าปัจจัยสาคัญที่ส่งผลกระทบต่อคุณภาพของสินค้าหรื อผลิตภัณฑ์ที่ได้จาก
การผลิตในโรงงานอุตสาหกรรมประกอบด้วย วัตถุดิบ เครื่องจักร และคนใน กระบวนการผลิต
วัต ถุดิ บ เป็ น ปั จ จั ย ที่ส าคั ญและจาเป็ นในการผลิ ต สิ น ค้า หรื อผลิ ต ภัณ ฑ์แ ต่ล ะชนิด ซึ่ งอาจ
ประกอบด้วยวัตถุดิบชนิดเดียวหรือวัตถุ ดิบหลายชนิดก็ได้ ในกรณีที่วัตถุ ดิบขาดคุณภาพจะมีผลทาให้สินค้า
หรือผลิตภัณฑ์ขาดคุณภาพไปด้วย ดั้งนั้นการควบคุมคุณภาพวัตถุดิบทุกชนิดโดยเฉพาะวัตถุดิบหลั กที่ใช้ในการ

ผลิตสินค้าหรือผลิตภัณฑ์แต่ละชนิดจึงมีความจาเป็นอย่างยิง
เครื่องจักร เป็นอีกปัจจัยหนึ่งทีสาคัญซึ่งส่งผลกระทบต่อคุณภาพของสินค้าหรือผลิตภัณฑ์ที่ผลิตได้
ดังนั้นเครื่องจักรที่นามาใช้ในการผลิตจะต้องมีคุณภาพ กล่ าวคือ มีคุณสมบัติที่สอดคล้องกับ สินค้าหรือ
ผลิตภัณฑ์ที่ต้องการผลิต และสอดคล้องกับวัตถุดิบแต่ละชนิดที่นามาใช้ในการผลิต ดังนั้ น การตรวจสอบ
คุณสมบัติของเครื่องจักรให้เหมาะสมกับกระบวนการผลิตในระยะเริมต้นของการผลิตจึง มีความสาคัญอย่าง
มาก นอกจากนี้ ยังต้องมีการบารุงรักษาเครื่องจักรให้มีความพร้อมที่จะผลิ ตสินค หรือผลิตภัณฑ์ให้มีคุณภาพ
อยู่ตลอดเวลาด้วย
คนในกระบวนการผลิ ต ประกอบด้ ว ยคนที่ จ ะต้ อ งวางแผนการผลิ ต สิ น ค้ า หรื อ ผลิ ต ภั ณ ฑ์ ใ ห้ มี
ประสิทธิภาพ มีการจัดระบบการผลิตให้ดาเนินไปได้อย่างต่อเนื่อง และเมื่อมีปัญหาเกิดขึ้นในกระบวนการผลิต
จะต้องสามารถแก้ไขปัญหาได้อย่างเหมาะสมและรวดเร็ว ไม่ก่อให้เกิดความเสียหายที่เกี่ ยวกบคุณภาพหรือ
ปริมาณของสินคาหรือผลิตภัณฑ์ที่ผลิตได้ นอกจากนี้ คนงานที่ใช้ในกระบวนการผลิต ก็จะต้องมีคุณภาพที่
เหมาะสมกับกระบวนการผลิตสินค้าหรือผลิตภัณฑ์ที่แต่ละชนิดเช่นเดียวกัน คุณภาพ ดั้งกล่าวอาจจะเป็นเพศ
อายุ ระดับการศึกษา ประสบการณ์ในการทางาน ฯลฯ การพัฒนาคุณภาพของคนงานอาจทาได้โดยการอบรม
ดูงานทงเรื่องความรู้ทางวิชาการ ความรับผิดชอบต่อหน้าที่การงาน ฯลฯ ซึ่งจะทาให้สามารถลดความสูญเสีย
ในการทางานและเพิ่มผลผลิตในการทางานให้มากขึ้น
7.2 ประโยชน์ของการควบคุมคุณภาพอุตสาหกรรม
การควบคุมคุณภาพอุตสาหกรรมมีประโยชน์ที่สาคัญดังต่อไปนี้
7.2.1) สามารถลดจานวนสินค้าหรือผลิตภัณฑ์ชารุดซึ่งเกิดจากการผลิตให้น้อยลง อันจะมีผลทาให้
ต้นทุนการผลิตต่อหน่วยลดลง สามารถขายสินค้าและผลิตภัณฑ์ได้ในราคาที่ไม่สูง และสามารถแข่งขันกับ
คู่แข่งขันได้
7.2.2) ลดค่าใช้จ่ายในการตรวจสอบคุณภาพสินค้าหรือผลิตภั ณฑ์ลงได้มาก เนื่องจากสามารถใช้
วิธีการเลือกตัวอย่างเชิงสถิติมาช่วยในการเลือกตัวอย่างสินค้าหรือผลิตภัณฑ์ที่ ผลิตได้มาตรวจสอบคุณภาพ
โดยไม่จาเป็นต้องตรวจสอบคุณภาพของสินค้าหรือผลิตภัณฑ์ทั้งหมดที่ผลิตได้
นอกจากนี้ ยังสามารถแก้ปัญหาการตรวจสอบคุณภาพของสินค้าหรือผลิตภัณฑ์ทีเมือตรวจสอบ
คุณภาพแล้วไม่สามารถนามาจาหน่ายได้
7.2.3) เพิ่มความพึงพอใจของลูกค้าทีช่ ื้อสินค้าหรือผลิตภัณฑ์ให้สูงขึ้น เพราะได้สินค้าหรือผลิตภัณฑ์ที่
มีคุณภาพได้มาตรฐานตามที่ได้มีการกาหนดไว้
7.2.4) สามารถทราบข้อบกพร่องในแต่ละขนตอนของกระบวนการผลิต ทาให้แก้ปัญหาได้อย่าง

รวดเร็วและประหยัด และลดต้นทนในการผลิตสินค้าหรือผลิตภัณฑ์ได้อย่างมาก
7.3 ขั้นตอนและวิธีการควบคุมคุณภาพอุตสาหกรรม
ขัน้ ตอนและวิธีการควบคุมคุณภาพอุตสาหกรรมที่สาคัญมีดงต่อไปนี้
7.3.1 ขั้นตอนการกาหนดระดับมาตรฐานของสินค้าหรือผลิตภัณฑ์
มาตรฐานของสินค้าหรือผลิตภัณฑ์แต่ละชนิดโดยทาไปถูกกาหนดโดยผู้ผลิต และเพื่อให้คุณสมบัติ
ของสินค้าหรือผลิต ภัณฑ์สอดคล้องกับความต้องการและความพึงพอใจของผู้บริโภค ผู้ผลิตมักศึกษาความ
ต้องการของผู้บริโภคกลุ่มเป้าหมายก่อน โดยการสอบถามความต้องการจากผู้ บริโภคกลุ่มเป้าหมายโดยเฉพาะ
ผู้บริโภคกลุ่มเป้าหมายหลักโดยตรง ทั้งนี้ ผู้ผลิตจะต้องคานึงถึงระดับราคาของสินค้าหรือผลิตภัณฑ์ที่ผู้บริโภค
ต้องการ ประกอบกับจะต้องไม่ขัดแย้ง กับวัตถุประสงค์ในการคุมครองผู้บริโภคของหน่วยงานของรัฐบาลด้วย
7.3.2 ขั้นตอนการวางแผนการควบคุมคุณภาพ
กาหนดวิธีการควบคุมคุณภาพสินค้าหรือผลิตภัณฑ์ในทุกขั้นตอนของกระบวนการผลิต ในกรณีที่
จานวนขั้นตอนของกระบวนการผลิตสินค้าหรือผลิตภัณฑ์มีมาก ให้พิจารณาเฉพาะ ขั้นตอนของกระบวนการ
ผลิตที่สาคัญ ซึ่งส่งผลกระทบต่อคุณภาพของสินค้าหรือผลิตภั ณฑ์มาก หรือส่งผลกระทบต่อค่าใช้จ่ ายในการ
ปรับปรุงแก้ไขในกรณีที่สินค้าหรือเสียหาย ขั้นตอนนี้รวมถึงการกาหนดแผนภูมิควบคุมคุณภาพที่จะใช้ในแต่ละ
ขัน้ ตอนการผลิต และวิธีเลือกตัวอย่างสินค้าหรือผลิตภัณฑ์ที่ผลิตได้มาทาการตรวจสอบคุณภาพด้วย
7.3.3 ขัน้ ตอนการชี้แจงและการอบรมบุคลากรที่จะทาหน้าที่ในการตรวจสอบคุณภาพของสินค้า หรือ
ผลิตภัณฑ์
ต้องมีการชี้แจงและอบรมบุคลากรที่จะทาหน้าที่ในการตรวจสอบคุณภาพในแต่ละขั้นตอนการ
ผลิตที่ได้กาหนดไว้ในข้อ 2 โดยเฉพาะอย่างยิงวิธีการเลือกตัวอย่างสินค้าหรื อผลิตภัณฑ์ที่ผลิตได้มาตรวจสอบ
คุณภาพ ตลอดจนการบันทึกข้อมูลคุณภาพที่จาเป็นต้องนามาประยุกต์กับแผนภูมิควบคุมคุณภาพที่จะนามาใช้
ในแต่ละขั้นตอนการผลิตที่กาหนดไว้
7.3.4 ขั้นตอนการวัดคุณภาพของสินค้าหรือผลิตภัณฑ์ในแต่ละขั้นตอนการผลิตที่กาหนดไว้
เลือกตัวอย่างสินค้าหรือผลิตภัณฑ์ที่ผลิตได้ในแต่ละกลุ่ม (lot) ด้วยวิธีเลือกตัวอย่างที่กาหนดไว้
ในแต่ละขั้นตอนการผลิต และวัดข้อมูลคุณภาพจากสินค้าหรือผลิตภัณฑ์ทเี่ ลือกมาเป็นตัวอย่าง
7.3.5 ขั้นตอนการสร้างแผนภูมิควบคุมคุณภาพ
นาข้อมูลคุณภาพที่วัดได้จากสินค้าหรือผลิตภัณฑ์ตัวอย่างในแต่ละขั้นตอนการผลิตที่กาหนดไว้
มาสร้างแผนภูมิควบคุมคุณภาพตามวิธีที่ได้กาหนดไว้
7.3.6 ขั้นตอนการตรวจสอบคุณภาพของสินค้าหรือผลิตภัณฑ์แต่ละกลุ่ม
ตรวจสอบว่าค่าคุณภาพเฉลี่ยของสินค้าหรือผลิตภัณฑ์ในแต่ละกลุ่มตัวอย่างตกอยู่ภาพในหรือ
ภาพนอกขอบเขตการควบคุมคุณภาพ ในกรณีที่คุณภาพเฉลี่ยของสินค้าหรือผลิตภัณฑ์ในกลุ่มตัวอย่างขอบเขต
การควบคุมคุณภาพ จะต้องหาสาเหตุว่าเป็นเพราะเหตุใดในกระบวนการผลิตที่สาคัญ ได้แก่ วัตถุดิบที่ใช้ใน
การผลิ ต เครื่ อ งจั ก รที่ ใ ช้ ใ นการผลิ ต หรื อ คนที่ ท าหน้ า ที่ บ ริ ห ารจั ด การกระบวนการผลิ ต หรื อ คนงานที่
ควบคุมดูแลเครื่องมือเครื่องจักรที่ใช้ในการผลิต
7.3.7 ขั้นตอนการปรับปรุงแก้ไขสินค้าหรือผลิตภัณฑ์ให้มีคุณภาพได้มาตรฐานตามที่กาหนด
สินค้าหรือผลิตภัณฑ์ในกลุ่มที่ตรวจสอบแล้วว่ามีคุณภาพไม่ได้ตามมาตรฐานที่กาหนด ในกรณี
ที่เกิดชารุดหรือเสียหายมากจะต้องไม่นาไปจาหน่าย แต่ถ้าช้ารุดหรือเสียหายไม่มาก พอจะทาการปรับปรุง
แก้ไขได้ก็ต้องนาไปปรับปรุงแก้ไขให้ได้ตามมาตรฐานที่กาหนดไว้ แล้วจึงนาออกจาหน่ายได้
7.3.8 ขัน้ ตอนการปรับปรุงแก้ไขกระบวนการผลิตที่มีปัญหา
เพื่อไม่ให้เกิด ปัญหาการผลิตในครั้งต่อ ๆ ไปขัน้ ตอนนี้นับว่าเป็นขั้นตอนที่สาคัญ ถ้าไม่ปรับปรุง
กระบวนการผลิต สินค้าหรือผลิตภัณฑ์จะมีปัญหาตลอดไป กล่าวคือ จะมี คุณภาพของสินค้าหรือผลิตภัณฑ์ที่
ไม่ได้มาตรฐานในการผลิตตลอดไป
เมื่อนาขั้นตอนและวิธีการควบคุมอุตสาหกรรมมาเขียนในรูปผังงาน จะเป็นดังนี้
กาหนดมาตรฐาน วางแผนควบคุมคุณภาพ ชี้แจง/อบรม
ตรวจสอบ แผนภูมิควบคุมคุณภาพ วัดคุณภาพ
ปรับปรุง/แก้ไขคุณภาพสินค้า ปรับปรุง/แก้ไขกระบวนการ
รูปที่ 7.1 แผนผังขั้นตอนและวิธีการควบคุมคุณภาพอุตสาหกรรม

7.4 การวัดคุณภาพของสินค้าหรือผลิตภัณฑ์
การวัดคุณภาพของสินค้าหรือผลิตภัณฑ์โดยทั่วๆไปทาได้ 2 วิธี คือ วิธวี ัดคุณภาพด้วยตัวแปร (variable)
และวิธีวัดคุณภาพด้วยคุณลักษณะ (attribute)
7.4.1 วิธีวัดคุณภาพด้วยตัวแปร เป็นวิธีวัดคุณภาพของสินค้าหรือผลิตภัณฑ์ด้วยข้อมูลเชิงปริมาณ เช่น

เส้นผ่านศูนย์กลางของวงแหวนลูกสูบ (เซนติเมตร) กาลังต้านทานแรงดึ งของเหล็กเส้น (กิโลกรัมต่อตารางนิ้ว)
ความต้านทานของตัวต้านทาน (โอห์ม) ความทนทานของสีทาบ้าน (เดือน) ความหนาของเครื่องห่อหุ้มสื่อ
ความร้อน (ไมโครเมตร) ระดับความดังของเสียงจากเครื่องขยายเสียง (เดซิเบล) ปริมาณไทเทเนียมในอัลลอยด์
ของเครื่องบิน (เปอร์เซ็นต์) จุดหลอมตัวของโลหะแต่ละชนิด (องศาเซลเซียส) ฯลฯ
7.4.2 วิธีวัดคุณภาพด้วยคุณลักษณะ เป็นวิธีวัดคุณภาพของสินค้าหรือผลิตภัณฑ์ด้วยข้อมูลเชิง ลักษณะ
ของสินค้าหรือผลิตภัณฑ์ นั้น ๆ ซึ่งอาจกล่าวได้ว่าเป็นการวัดคุณภาพอย่างหยาบๆ เช่น ได้มาตรฐาน ไม่ได้
มาตรฐาน ดี ชารุดน้อย ชารุดมาก ใช้ได้ ใช้ไม่ได้ ผ่าน ไม่ผ่าน เป็นต้น
7.5 เครื่องมือที่ใช้ในการควบคุมคุณภาพ
เครื่องมือควบคุมคุณภาพเป็นเครื่องมือที่มีความสาคัญในการควบคุมคุณภาพของกระบวนการผลิตโดยจะ
ทาให้ผลิตภัณฑ์ที่ทาการผลิตอยู่ในระดับมาตรฐาน หรือไม่ให้ผลิ ตภัณฑ์ที่ผลิตเกินเกณฑ์มาตรฐานที่ ยอมรับได้
โดยใช้เครื่องมือควบคุมคุณภาพที่สาคัญ 7 ชนิด ได้แก่ แผ่นตรวจสอบ แผนภาพพาเรโต ผังแสดงเหตุและผล
กราฟ ผังการกระจาย ฮิสโทแกรมและแผนภูมิควบคุม มีรายละเอียดดังนี้
7.5.1 แผ่นตรวจสอบ (Check Sheet)
แผ่นตรวจสอบ (Check Sheet) คือแบบฟอร์มที่มีการออกแบบช่องว่างต่าง ๆ ไว้เพื่อใช้บันทึก
ข้อมูลได้ง่ายและ สะดวก ถูกต้อง ไม่ยุ่งยาก ซึ่งในการจัดทาหรือออกแบบฟอร์มทุ กครั้งวิศวกรจะต้องกาหนด
วัตถุประสงค์การใช้งานที่ชัดเจนดังนี้
วัตถุประสงค์ของการออกแบบฟอร์มเพื่อเก็บข้อมูลในอุตสาหกรรมหลัก ๆ มีดังนี้
1) เพื่อการควบคุมและติดตาม (Monitoring) ได้แก่ แผ่นตรวจสอบที่ถูก ออกแบบมาเพื่อ
บันทึกผลการดาเนินการผลิต ผลการใช้งานเครื่องจั กร รวมไปถึงปัจจัยการผลิตต่าง ๆ เพื่อประโยชน์ในการ
ควบคุมและติดตามผลการดาเนินงานเทียบกับเป้าหมาย โดยแผ่นตรวจสอบที่ใช้เพื่ อวัตถุประสงค์ของการ
ควบคุมและติดตามนี้ จะถูกนามาใช้เพื่อบั นทึกอย่างต่อเนื่องตลอดระยะเวลาของกระบวนการ และถือเป็น
ภารกิจประจาของผู้รับผิดชอบหรือหัวหน้างาน
2) เพื่อการตรวจสอบ (Inspecting) ได้แก่ แผ่นตรวจสอบที่ถูกออกแบบมาเพื่อ บันทึกผล
การตรวจสอบสภาพของกระบวนการ เครื่องจักร รวมไปถึงปัจจัยการผลิตต่าง ๆ ตามรายการหรือรายละเอียด
ของข้อกาหนดที่กาหนดไว้ มักถูกนามาใช้ตามช่วงเวลาที่ กาหนด เช่น ทุกเดือน ทุกวัน ทุกชั่วโมง ส่วนใหญ่ถือ
เป็นภารกิจประจาที่หัวหน้างาน หรือ ผู้ปฏิบัติงานจะต้องรับผิดชอบ
3) เพื่อการวิเคราะห์ (Analyzing) หาสาเหตุของปัญหาหรือความผิดปกติ ต่าง ๆ ได้แก่ แผ่น
ตรวจสอบที่ถูกออกแบบมาเพื่อใช้บันทึกข้อมูลของผลและสิ่งที่คาดว่า จะเป็นสาเหตุของความผิดปกติต่าง ๆ
ในกระบวนการเครื่องจักร รวมทั้งปัจจัยการผลิตโดยเฉพาะเจาะจงอย่างใดอย่างหนึ่ง โดยถูกนามาใช้เฉพาะ

เหตุการณ์หรือช่วงเวลาที่เกิด ปัญหา หรือความผิดปกติที่ต้องการหาแนวทางการป้องกันและแก้ไข และไม่ถือ
เป็นแผ่น ตรวจสอบที่ต้องปฏิบัติเป็นภารกิจประจาในการปฏิบัติงาน
จากที่กล่าวมาเกี่ยวกับวัตถุประสงค์การใช้งานของแผ่นตรวจสอบในภาค อุตสาหกรรม ต่อไปนี้จะ
กล่าวถึงชนิดของแผ่นตรวจสอบที่นิยมใช้ประโยชน์ในอุตสาหกรรม ซึ่งมี 5 ชนิดใหญ่ ๆ ดังนี้
1) แผ่นตรวจสอบเพื่อใช้ดูการแจกแจงของข้อมูลอย่างง่าย ใช้เพื่อดูการกระจายของข้อมูลคุณภาพ
ที่มีลักษณะเป็นค่าเชิงตัวเลข เช่น น้าหนักของน้าอัดลมบรรจุกระป๋อง เส้นผ่านศูนย์กลางของเพลา สาหรับ
ตัวอย่างของแผ่นตรวจสอบชนิดนี้ แสดงดังรูปที่ 7.2
ใบตรวจสอบปริมาตรน้า้ มังคุดบรรจุขวด กระบวนการบรรจุ

ชื่อผู้ตรวจสอบ……………………………………………………………………………………………… วันที่ตรวจสอบ………/……………/…………….
ปริมาตรที่กาหนด (มล.) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
-10
-9
ปริมาตรต่าสุด -8
-7
-6
-5 x
-4
-3 x x x x
-2 x x x x x
-1 x x x x x x x
180 0 x x x x x x x x x x
1 x x x x x x x x x x
2 x x x x x x x x x x x
3 x x x x x x x
4 x x x x x
5 x x x
6 x x
7 x x
ปริมาตรสูงสุด 8
9 x
10 x
รูปที่ 7.2 ตัวอย่างแผ่นตรวจสอบเพื่อใช้ดูการกระจายของข้อมูล
(ที่มา: ดัดแปลงจาก กาญจนา กาญจนสุนทร, 2559)
2) แผ่นตรวจสอบเพื่อการตรวจสอบยืนยัน ใช้เพื่อตรวจสอบสภาพของปัจจัยการผลิต หรือเงื่อนไข

การปฏิบัติงานให้เป็นไป ตามที่กาหนดและเหมาะสม ป้องกันปัญหาที่ เกิดจากการใช้งานปัจจัยการผลิตหรือ
ปัญหาในกระบวนการเนื่องจากการเตรียมการหรือการปรับตั้งระบบที่ผิดพลาด ดังรูปที่ 7.3
แผ่นตรวจสอบสภาพรถก่อนออกใช้งานประจ้าสัปดาห์
ระหว่างวันที่ …………/…………./………………... เลขทะเบียนรถ……………………………………
ผลการตรวจสอบประจ้าวันที่ รายงานความผิดปกติ
ล้าดับที่ รายการตรวจสอบ ประเด็นทีต่ ้องตรวจสอบ
จ. อ. พ. พฤ. ศ. ส. อา.
1 เครือ่ งยนต์ ฟังเสียงและสังเกตการสัน่ สะเทือน P P P P P P P
2 น้ามันเครือ่ ง น้ามันเกียร์ น้ามันเบรก ตรวจสอบระดับและการรัว่ P P P P P P P
3 ไฟส่องทางด้านหน้า-หลัง และไฟเบรก ดูการส่องสว่าง P P P P P P O ไฟส่องทางด้านหลังซ้ายไม่ตดิ
4 น้าในหม้อน้า และน้าฉีดกระจก ระดับน้า P P O P P P P ระดับน้าในหม้อน้าพร่อง
5 ความร้อนของรถเมือ่ เดินเครือ่ งทิ้งไว้ ขึน้ ตามเกณฑ์ (เดินเครือ่ งทิ้งไว้) P P P P P P P
6 เกียร์ ไม่ตดิ ไม่หลวม ไม่มเี สียงดัง P P P P P P P
7 พวงมาลัย ความฝืด เสียง P P P P P P P
8 สายพาน หย่อน ตึง P P P P P P P
9 ลมยาง หย่อน ตึง ลมยางปกติ (30 ปอนด์) P P P P P O P ลมยางด้านหลังอ่อน
10 อืน่ ๆ ตามสภาพ P P P P P P P
รูปที่ 7.3 ตัวอย่างแผ่นตรวจสอบเพื่อการตรวจสอบยืนยัน
3) แผ่นตรวจสอบสาหรับบันทึกของเสีย ใช้เพื่อตรวจบันทึกประเภทและจานวนของเสียประเภท
ต่าง ๆ ที่เกิดขึ้นใน ช่วงเวลาใดเวลาหนึ่ง ในขั้นตอนใดขั้นตอนหนึ่ง สามารถนาไปใช้ประโยชน์ในการสรุปผล
การปฏิบัติงานในแต่ละรอบเวลา รวมทั้งสามารถนาข้อมูลไปวิเคราะห์หาแนวทางสาหรั บการปรับปรุงแก้ไข
กระบวนการเพื่อลดของเสียลง ดังรูปที่ 7.4
ใบตรวจสอบคุณภาพสินค้า
สินค้ า ฝาแก้วน้ารูปตุก๊ ตาหมีพหู ์ ตรวจสอบ 15 ธันวาคม 25…..
ขั้นตอนการผลิต การตรวจสอบขัน้ สุดท้าย
จ้านวนชิ้นทีต่ รวจสอบ 200 ชิ้น ชื่อผู้ต รวจสอบ นางสาวปิยะนันท์ สุขสมใจ
ลักษณะความบกพร่อง รวมทัง้ สิน้

ชิน้ งานมีครีบ ///// ///// ///// // 17
ชิน้ งานมีรอยข่วน แตก รูเข็ม ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// /// 73
ชิน้ งานฉีดไม่เต็ม ///// ///// ///// 15
สีเลอะ ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// 65
มีคราบสกปรก ///// ///// /// 13
อืน่ ๆ ///// ///// ///// // 17
รวม 200
รูปที่ 7.4 ตัวอย่างแผ่นตรวจสอบสาหรับบันทึกของเสีย
4) แผ่นตรวจสอบแสดงสาเหตุของความบกพร่อง ใช้เพื่อรวบรวมข้อมูลรายละเอียดเงื่อนไขหรือ
สภาพแวดล้อมการทางาน ไปจนถึงปัจจัยการผลิตที่อาจเป็นสาเหตุของปัญหาหรือความบกพร่องต่าง ๆ ในการ
ดาเนินงาน แล้วนาไปสรุปถึงสาเหตุที่แท้จริงของปัญหาหรือความบกพร่องดังกล่าว ดังตัวอย่างต่อไปนี้
สินค้ า ฝาแก้วน้ารูปตุก๊ ตาหมีพหู ์ วันทีต่ รวจสอบ 15 ธันวาคม 25…..

ขั้นตอนการผลิต การพ่นสี ชื่อผู้ต รวจสอบ นายสมชาย สมหญิง
จันทร์ อังคาร พุธ พฤหัสบดี ศุ กร์
ลักษณะความบกพร่อง กะเช้า กะบ่าย กะเช้า กะบ่าย กะเช้า กะบ่าย กะเช้า กะบ่าย กะเช้า กะบ่าย
เครือ่ งพ่นที่ 1 ชิน้ งานมีรอยข่วน แตก รูเข็ม /// ///// // ///// / / ///// // //// ///// /// // /////
สีเลอะ l ll ll l l ll ll
มีคราบสกปรก      
เครือ่ งพ่นที่ 2 ชิน้ งานมีรอยข่วน แตก รูเข็ม //// ///// // //// //// // //// //// /// ///
สีเลอะ ll lll l l ll ll ll
มีคราบสกปรก         
เครือ่ งพ่นที่ 3 ชิน้ งานมีรอยข่วน แตก รูเข็ม // /// /// // / // //// / // ////
สีเลอะ l l l l l
มีคราบสกปรก      
รูปที่ 7.5 แผ่นตรวจสอบแสดงสาเหตุของความบกพร่อง

5) แผ่นตรวจสอบเพื่อใช้แสดงตาแหน่งจุดบกพร่องหรือจุดเกิดเหตุ ใช้เพื่อระบุเจาะจงถึงตาแหน่ง
ของการเกิดปัญหาหรือจุดเกิดเหตุความบกพร่อง ซึ่งจะเป็นประโยชน์ต่อผู้ปฏิบัติงานที่ ทาหน้าที่ในการแก้ไข
ปัญหาหรือความบกพร่องดังกล่าว ให้เข้าใจลักษณะ และตาแหน่งที่แท้จริงของจุดเกิดเหตุ ดังรูปที่ 7.6
ใบแสดงต้าแหน่งจุดบกพร่องของสินค้า
สินค้ า บานประตู วันทีต่ รวจสอบ 2 กุมภาพันธ์ 25…..
รุน่ สินค้ า บานประตูมาตรฐาน ชื่อผู้ต รวจสอบ นางสาวสุขใจ น่ารัก
ขั้นตอนการผลิต การตรวจสอบขัน้ สุดท้าย หมายเลขใบสัง่ ผลิต PO 020201
ลักษณะความบกพร่อง จ้านวนความบกพร่อง
ความบกพร่องของสีพน่ l ll
รอยแตก
ความบกพร่องของการยึดติด x -
l l
ด้ านหน้า ด้ านหลัง
รูปที่ 7.6 แผ่นตรวจสอบเพื่อใช้แสดงตาแหน่งจุดบกพร่องหรือจุดเกิดเหตุ

7.5.2 แผนภาพพาเรโต (Pareto Diagram)

แผนภาพพาเรโต (Pareto Diagram) เป็นแผนภาพที่ใช้แสดงให้เห็นถึงความสัมพันธ์ระหว่าง
สาเหตุของความบกพร่อง กับปริมาณความสูญเสียที่เกิดขึ้น ซึ่งสามารถอธิบายได้ดังรูปที่ 7.7 และ รูปที่ 7.8
200 100
180 90
160 80
140
ปริมาณ เปอร์เซ็นต์
70
เปอร์เซ็นต์
ความสูญเสีย 120
ความสูญเสียสะสม 60
ความสูญเสีย
100 50
80 40
60 30
40 20
สาเหตุ 20 10
ความบกพร่อง 0 0
D B F A C E G
รูปที่ 7.7 ตัวอย่างแผนภาพพาเรโต

จานวนรอยตาหนิ % สะสมของความสูญเสีย
120 112
100.00
100 86 90.00
80.00
80 70.00
60.00
60 42 50.00
40.00
40 30.00
18 12 20.00
20 5 10.00
0 0.00
ชิ้นงานมีรอยข่วน สีเลอะ ชิ้นงานมีครีบ ชิ้นงานฉีดไม่เต็ม มีคราบสกปรก อื่นๆ

รูเข็ม
รูปที่ 7.8 แผนภาพพาเรโตแสดงรอยตาหนิจากกระบวนการพ่นสี
การใช้แผนภาพพาเรโตในการวิเคราะห์ข้อมูลทางคุณภาพ ก็เพื่อประโยชน์ดัง ต่อไปนี้

1) ช่วยให้สามารถบ่งชีได้ชัดเจนว่าหัวข้อใดส่งผลให้เกิดความสูญเสียหรือ เป็นปัญหามาก
ที่สุดได้
2) ช่วยให้สามารถเข้าใจลาดับความสาคัญของสาเหตุหรือปัจจัยที่ส่งผลให้เกิด ความสูญเสีย
จากมากไปหาน้อยได้ทันที
3) ช่วยให้สามารถทราบอัตราส่วนของความสูญเสียที่เกิดขึ้นเทียบกับความ สูญเสียทั้งหมดที่
เกิดขึ้นจากแต่ละสาเหตุหรือแต่ละปัจจัยได้ทันที
4) การใช้กราฟแท่งบ่งชี้ขนาดของปัญหา ช่วยโน้มน้าวจิตใจให้แก่ผู้ปฏิบัติงาน ในการแก้ไข
ปัญหาได้ดีกว่าการแสดงตัวเลขเพียงอย่างเดียว
5) การสร้างแผนภาพพาเรโตสามารถทาได้ง่ายและไม่ต้องมีการคานวณที่ยุ่งยากซับซ้อนใด ๆ
7.5.3 ผังแสดงเหตุและผล (Cause-and-Effect Diagram)
ผังแสดงเหตุและผล (Cause-and-Effect Diagram) บางครั้งถูกเรียกว่ายัง อิชิกาวา (Ishikawa
diagram) ซึ่งเป็นการเรียกตามชื่อของ Dr. Kaoru Ishikawa ผู้เริ่มนาผังนี้มาใช้เป็นครั้งแรกใน ค.ศ. 1953 ผัง
แสดงเหตุและผลเป็นฝั่งที่ใช้แสดงความสัมพันธ์ ระหว่างผลซึ่งเป็นคุณลักษณะทางคุณภาพกับปัจจัย หรือ
สาเหตุต่าง ๆ ที่เกี่ยวข้องและ ส่งผลกระทบต่อผลที่เกิดขึ้นนั้น สาหรั บลักษณะการนาไปใช้งาน จะมุ่งเน้นที่ผล
ซึ่งเป็น ปัญหาทางคุณภาพ จากนั้นนามาค้นหาสาเหตุที่ทาให้เกิดผลที่ไม่ต้องการ ผังแสดงเหตุและผลนี้ ในทาง
ปฏิบัติมักถูกเรียกว่า “ผังก้างปลา (Fish-bone diagram)” ทั้งนี้ เนื่องจากรูปร่างของผังมีลั กษณะคล้ายหัว
ปลาและก้างปลา ดังรูปที่ 7.8
เครื่องจักร วัตถุดิบ คน
สาเหตุย่อย สาเหตุย่อย สาเหตุย่อย
สาเหตุรอง สาเหตุรอง สาเหตุรอง ลักษณะทาง

คุณภาพที่เปน
สาเหตุย่อย สาเหตุย่อย สาเหตุย่อย ป หา
สาเหตุรอง สาเหตุรอง สาเหตุรอง
สภาพแวดล้อม ระบบการวัด วิธีการทางาน
สาเหตุ (Cause) ผลลัพธ์ (Effect)
รูปที่ 7.9 โครงสร้างโดยทั่วไปสาหรับการเขียนผังก้างปลา

ผังก้างปลานอกจากจะมีประโยชน์ในการใช้วิเคราะห์สาเหตุของปัญหาแล้ว กระบวนการ สร้างผัง

ก้างปลายังมีประโยชน์ในการปรับปรุงพัฒนาคุณภาพของสินค้าและกระบวนการทางานดังนี้
1) ในกระบวนการค้นหาสาเหตุของปัญหา ช่ วยให้เกิดการเรียนรู้ แลกเปลี่ยนความคิดเห็น
ความชานาญและประสบการณ์ของสมาชิกในกลุ่ม
2) ในกระบวนการค้าหาสาเหตุของปั ญหา ทาให้สมาชิกต้องทาการศึกษารายละเอียดของ
กระบวนการการเก็บข้อมูล และการวิเคราะห์หาความสัมพันธ์ระหว่างปัจจัย หรือเงื่อนไขการผลิตที่เป็นสาเหตุ
ก่อให้เกิดปัญหาอย่างแท้จริง
3) ผังก้างปลาช่วยให้สามารถมองภาพรวมและความสัมพันธ์ของสาเหตุหลัก รอง ไปจนถึง
สาเหตุย่อยที่ก่อนให้เกิดปัญหาได้ง่ายขึ้น
4) สามารถนาผังก้างปลานี้ ไปใช้ได้กับทุกประเภทของปัญหา ไม่เฉพาะเจาะจงปัญหาด้าน
คุณภาพเพียงอย่างเดียว
กราฟ (Graphs) คือ แผนภาพที่แสดงถึงตัวเลขหรือข้อมูลทางสถิติที่ถูกเก็บรวมรวมมา ถูกนามา
ใช้เมื่อต้องการนาเสนอข้อมูลและวิเคราะห์ผลของข้อมู ลดังกล่าว เพื่อให้ง่ายและสามารถทาความเข้าใจได้
อย่างรวดเร็ว กราฟมีหลายชนิดให้เลือกใช้ อย่างไรก็ดี กราฟแต่ละชนิดมีความเหมาะสม สาหรับวัตถุประสงค์
ของการใช้งานที่แตกต่างกัน การเลือกใช้กราฟให้ถูกชนิดและเหมาะสม จะเป็นประโยชน์ในการช่วยให้สามารถ
ตอบสนองวัตถุประสงค์ของการใช้กราฟได้อย่างมีประสิทธิภาพ สาหรับรายละเอียดของกราฟที่สาคัญ ๆ และ
เป็นที่นิยมใช้กันมากแสดงไว้ ในตารางที่ 7.1
การใช้กราฟเพื่อนาเสนอข้อมูล มีประโยชน์ในงานควบคุมและปรับปรุงคุณภาพ ผลิตภัณฑ์ และ
การดาเนินงานดังนี้
1) ช่วยในการอธิบายข้อมูล เช่น จานวนของเสีย ผลการผลิต ยอดขาย
2) ช่วยในการวิเคราะห์ข้อมูล เช่น การวิเคราะห์ข้อมูลในอดีตเทียบกับปัจจุบัน
3) ช่วยในการควบคุม เช่น ระดับการผลิต ยอดขาย อัตราของเสีย น้าหนัก อุณหภูมิ
4) ช่วยในการวางแผน เช่น แผนการผลิต
5) ใช้ประกอบเครื่องมืออื่น ๆ เช่น ผังควบคุม และฮิสโทแกรม
7.5.5 ผังการกระจาย (Scatter Diagram)
ผังการกระจาย (Scatter Diagram) คือผังที่ใช้แสดงค่าของข้อมูลที่เกิดจากความสัมพันธ์ระหว่าง
ตัวแปรสองตัวว่ามี แนวโน้มไปในทิศทางใด รวมทั้งทาให้ทราบระดับความสัมพันธ์ที่แท้จริงของ 2 ตัวแปรนั้น
สาหรับในงานด้านคุณภาพ ผังการกระจายมักจะถูกนามาใช้เพื่อแสดงและวิเคราะห์หา ความสัมพันธ์ระหว่าง
ปัจจัยการผลิต (Inputs) ที่คาดว่าจะส่งผลต่อคุณภาพกับคุณลักษณะ ทางคุณภาพ (quality characteristics)

ดังแสดงในรูปที่ 7.10
ตารางที่ 7.1 วัตถุประสงค์การใช้งานและลักษณะของกราฟแต่ละประเภท

ชนิดของกราฟ วัตถุประสงค์ ลักษณะของกราฟ
เพือ่ เปรียบเทียบความแตกต่าง 1. กราฟแต่ละแท่งมีความกว้าง
ทางปริมาณ เท่ากัน
2. ความยาวของแต่ละแท่ง
ขึ้นกับจานวนที่เปรียบเทียบ
กราฟแท่ง
เพือ่ ดูการเปลี่ยนแปลงของข้อมูล เป็นเส้นกราฟที่มีความสูง/ต่า
เมื่อเวลาหรือสถานการณ์ ของเส้นกราฟขึ้นกับปริมาณหรือ
เปลี่ยนไป ค่าของข้อมูลที่แต่ละจุดของ
ตาแหน่งบนแกน x
กราฟเส้น
ใช้เพือ่ แสดงและเปรียบเทียบ เป็นภาพวงกลมแบ่งเป็นสัดส่วน
สัดส่วนของสิ่งที่แตกต่างกัน ตามปริมาณที่เกิดขึ้นในแต่ละ
หัวข้อ ช่วยให้เข้าใจความแตกต่าง
ของสัดส่วนของแต่ละหัวข้อได้
กราฟวงกลม ง่ายขึ้น
ที่มา: ดัดแปลงจาก กาญจนา กาญจนสุนทร. (2559).
ตัวแปร x คือ ปัจจัยที่เปลี่ยนแปลงไป

ตัวแปร y คือ ผลที่เกิดขึ้นจากการ
ความเชื่อถือได้
เปลี่ยนแปลงไป
อุณหภูมิ (องศาเซลเซียส)
รูปที่ 7.10 ตัวอย่างผังการกระจาย
ในการเลือกใช้ผังการกระจาย มีเหตุผลในการเลือกใช้ดังนี้
1) เมื่อต้องการจะบ่งชี้สาเหตุที่แท้จริงของปัญหา เช่น ค่าความเหนียวของ เหล็กจะมากหรือ
น้อย มีสาเหตุมาจากปริมาณคาร์บอนในเนื้อเหล็ก หรือจานวนรอยขีด ข่วนที่เกิดขึ้นบนผิวเนื้อเหล็กหรือไม่
2) เมื่อต้องการใช้เป็นแนวทางการตัดสินใจว่า ผังก้างปลาซึ่งได้จากการระดม สมองนั้น มี
สาเหตุ (ก้างปลา) ใดที่มีความสัมพันธ์กับปัญหาหรือผลกระทบด้านคุณภาพ (หัวปลา) บ้า ง เช่น อัตราการขาด
งานของคนงานเป็นสาเหตุทาให้เครื่องใช้ไฟฟ้าที่บกพร่อง มีจานวนมากขึ้น
3) เมื่อต้องการใช้หาความสัมพันธ์ระหว่างข้อมูลหรือตัวแปร 2 ตัว ที่เราสนใจ ศึกษาว่าจะมี
ความสัมพันธ์กันหรือไม่ อย่างไร เช่น ส่วนสูงมีความสัมพันธ์กับน้าหนักหรือไม่
7.5.6 ฮิสโทแกรม (Histogram)
ฮิ ส โทแกรม (Histogram) เป็ น กราฟแท่ ง ที่ ใ ช้ ต รวจสอบหรื อ พิ จ ารณาความแปรปรวนของ
ผลิตภัณฑ์ หรือ กระบวนการ โดยการสังเกตรูปร่างของฮิสโทแกรมที่สร้างขึ้นจากข้อมูลที่ได้จากการสุ่ม ดัง
แสดงในรูปที่ 7.11
ความถี่ของข้อมูลแต่ละช่วง
30
การแบ่งช่วงของข้อมูล
20
10
0
2.50 2.51 2.52 2.53 2.54 2.55
รูปที่ 7.11 ตัวอย่างของฮิสโตแกรม
7.5.7 แผนภูมิควบคุม (Control Chart)

แผนภูมิควบคุม (Control Chart) คือแผนภูมิที่มีการเขียนขอบเขตการควบคุมที่ ยอมรับได้ของ
การดาเนินกระบวนการตามปกติ (Control limit) หรือขอบเขตควบคุมจากคุณลักษณะตามข้อกาหนดทาง
เทคนิค (Specification Limit) เพื่อนาไปเป็นแนวทางในการควบคุมกระบวนการผลิตโดยการติดตามและ
ตรวจจับข้อมูลที่ออกนอกขอบเขตดังแสดงในรูปที่ 7.12
100 UCL: พิกัดควบคุมบน

ลักษณะทางคุณภาพ
50 CL: ค่ากลาง
0 LCL: พิกัดควบคุมล่าง
รูปที่ 7.12 ตัวอย่างแผนภูมิควบคุม
(ที่มา: กาญจนา กาญจนสุนทร, 2559)
เครื่องมือ 7 อย่างทางคุณภาพจากที่กล่าวมาทั้งหมดสามารถสรุปได้ว่า ประกอบไปด้วยเครื่องมือที่สาคัญ

และเป็นประโยชน์ในงานด้านคุณภาพที่สาคัญ 3 ด้าน ดังนี้
1) เป็น เครื่องมือส าหรับ การเก็บ รวบรวมข้อมูล ที่ส าคัญในการวิเคราะห์ห รือ แก้ไขปัญหาคุณภาพ
ได้แก่ ใบตรวจสอบ
2) เป็นเครื่องมือสาหรับสรุปและนาเสนอข้อมูลเกี่ยวกับคุณลักษณะทาง คุณภาพ ได้แก่ กราฟฮิสโท
แกรม และพาเรโต
3) เป็นเครื่องมือสาหรับวิเคราะห์เบื้องต้นเกี่ยวกับสาเหตุของปัญหา หรือความบกพร่องทางคุณภาพ
ได้แก่ ผังก้างปลา และวิเคราะห์เชิงลึกเกี่ยวกับความสัมพันธ์ระหว่าง ปัจจัยการผลิต หรือสาเหตุของปัญหา กับ
ปัญหาหรือความบกพร่องทางคุณภาพที่เกิดขึ้น ได้แก่ ผังการกระจาย
7.6 แผนภูมิที่ใช้ในการควบคุมภาพเชิงสถิติ
แผนภูมิควบคุมคุณภาพเชิงสถิติ คือแผนภูมิที่ใช้ในการควบคุมการผลิตสินค้าหรือผลิตภัณฑ์ ให้มีคุณภาพ
อยู่ในระดับที่ผู้ผลิต ผู้บริโภค หรือหน่วยงานของรัฐที่ดูแลเรื่องการคุ้มครองผู้บริโภคต้องการ และ/หรือให้
เป็นไปตามความแปรปรวนของปัจจัยต่างๆ ที่สาคัญซึ่งใช้ในกระบวนการผลิต ได้แก่ วัตถุดิบ เครื่องจักร และ
คนที่ดูแลระบบและควบคุมเครื่องจักรในการผลิตสินค้าหรือผลิตภัณฑ์นั้นๆ
แผนภูมคิ วบคุมคุณภาพเชิงสถิติที่ดีควรจะมีคุณสมบัติสาคัญต่อไปนี้
1) สามารถบอกได้ ว่ า สิ น ค้ า หรื อ ผลิ ต ภั ณ ฑ์ ใ นกลุ่ ม ตั ว อย่ า งใดบ้ า งที่ เ ลื อ กมาเป็ น ตั ว แทนในการ
ตรวจสอบคุณภาพมีคุณภาพไม่ได้มาตรฐานตามที่มีการกาหนดไว้ เพื่อที่จะสามารถนามาปรับปรุงแก้ไขให้
สินค้าหรือผลิตภัณฑ์ทสี่ ่งไปจาหน่ายมีคุณภาพตามที่มีการกาหนดไว้
2) สามารถบอกได้ว่าคุณภาพของกระบวนการผลิตขณะทาการตรวจสอบอยู่ในระดับใด และปัจจัยใด
ที่เป็นสาเหตุสาคัญที่ทาให้กระบวนการผลิตมีปัญหา ทาให้คุณภาพของสินค้าหรือ ผลิ ตภัณฑ์ซึ่งผลิต ไม่ได้
มาตรฐานตามที่มีการกาหนดไว้ เพื่อที่จะสามารถนาไปปรับปรุง แก้ไขกระบวนการผลิตไม่ให้เกิดปัญหาในการ
ผลิตสินค้าหรือผลิตภัณฑ์ในอนาคต ซึ่งจะมีผลทาให้สามารถลดต้นทุนการผลิตสินค้าหรือผลิตภัณฑ์ได้มาก
นอกจากนี้ ยังสามารถสร้าง ความเชื่อมั่นให้แก่ผู้บริโภคในการใช้สินค้าหรือผลิตภัณฑ์ได้อีกด้วย
แผนภูมิควบคุมคุณภาพเชิงสถิติที่วัดคุณภาพด้วยตัวแปรและวัดคุณภาพด้วยคุณลักษณะที่นิยมใช้กันทั่วไป
มีดังต่อไปนี้
7.6.1 แผนภูมิที่ใช้ในการควบคุมภาพเฉลี่ย ( x chart)
เป็นแผนภูมิควบคุมคุณภาพของสินค้าหรือผลิตภัณฑ์ที่ใช้วิธีวัดคุณภาพด้วยตัวแปร มีขั้นตอนและ
วิธีการสร้างแผนภูมิควบคุมคุณภาพดังนี้
1) กาหนดจ านวนกลุ่ มย่อยที่จะนามาใช้เก็บรวบรวมข้อมูล คุณภาพ สมมติว่าเท่ากับ m
จานวนกลุ่มย่อยจะมากน้อยเพียงใดขึ้นอยู่กับจานวนสินค้ าหรือผลิตภัณฑ์ที่ผลิตได้ ในแต่ละช่วงเวลาหรือตาม
จ านวนที่ ไ ด้ รั บ ค าสั่ ง ให้ ผ ลิ ต จ านวนกลุ่ ม ยิ่ ง มากเท่ าใด การสร้ า งแผนภู มิ ค วบคุ ม คุ ณ ภาพเชิ ง สถิ ติ ก็ ยิ่ ง มี
ประสิ ทธิภาพมากขึ้น เท่านั้น กล่าวคือ สามารถจาแนกสิ นค้าหรือผลิ ตภัณฑ์ที่มีคุณภาพไม่ได้มาตรฐานได้
ถูกต้องมากขึ้น โดยทั่วๆไปจานวนกลุ่มย่อยที่ใช้ในการสร้างแผนภูมิควบคุม คุณภาพเฉลี่ยจะอยู่ระหว่าง 8 ถึง
25 กลุ่มย่อย เนื่องจากถ้ามีจานวนน้อยเกินไป จะได้แผนภูมิควบคุมคุณภาพที่มีความเชื่อถือได้น้อย แต่ถ้ามี
จานวนมากเกินไปจะเสียเวลาและค่าใช้จ่ายในการสร้างแผนภูมิควบคุมคุณภาพมาก
2) กาหนดจานวนตัวอย่างสินค้าหรือผลิตภัณฑ์ที่จะใช้วัดคุณภาพในแต่ละกลุ่มย่อยสมมติว่า
เท่ากับ n เช่นเดียวกับจานวนกลุ่มย่อย m จานวนตัวอย่างสินค้าหรือผลิตภัณฑ์ในแต่ละกลุ่มย่อยยิ่งมากเท่าไร
แผนภูมิควบคุมคุณภาพก็ยิ่งมีความเชื่อถือได้มากเท่านั้น โดยทั่วไปจานวนตัวอย่างสินค้าหรือผลิตภัณฑ์ที่จะใช้
วัดคุ ณภาพในแต่ ล ะกลุ่ ม ย่ อ ยจะอยู่ ร ะหว่าง 5 ถึง 20 ทั้ง นี้ขึ้ นอยู่ กับ การกระจายของคุ ณภาพสิ น ค้า หรื อ
ผลิตภัณฑ์ที่นามาสร้างแผนภูมิควบคุมคุณภาพเฉลี่ ย ในกรณีที่คุณภาพของสินค้าหรือผลิตภัณฑ์มีการกระจาย
มาก ควรใช้จานวนตัวอย่างมาก เช่น 20 แต่ถ้าคุณภาพของสินค้าหรือผลิตภัณฑ์ มีการกระจายน้อย ซึ่งจะได้
จากกระบวนการผลิตที่ได้มาตรฐานทั้งวัตถุดิบ เครื่องจักรและคน ก็ควรใช้จานวนตัวอย่างน้อย เช่น 5
3) เลือกตัวอย่างสินค้าหรือผลิตภัณฑ์ในแต่ละกลุ่มย่อยตามจานวนที่กาหนดไว้ในข้อ 2) และ
ให้มีจานวนกลุ่มย่อยตามจานวนที่ระบุไว้ในข้อ 1) เช่น เลือกตัวอย่างกลุ่มย่อยทุกๆต้นชั่วโมงของการผลิตโดย
ใช้สินค้าหรือผลิตภัณฑ์ n ชิ้นแรกของแต่ละกลุ่มย่อยเป็นตัวอย่าง
4) เก็บรวบรวมข้อมูลคุณภาพจากทุกๆตัวอย่างสินค้าหรือผลิตภัณฑ์ในแต่ละกลุ่มย่อยสาหรับ
นามาใช้ในการสร้างแผนภูมิควบคุมคุณภาพเฉลี่ย โดยบันทึกข้อมูลคุณภาพของสินค้าหรือผลิตภัณฑ์จาแนก
ตามกลุ่มย่อย
5) สร้างแผนภูมิควบคุมคุณภาพเฉลี่ยจากข้อมูลที่เก็บรวบรวมได้ ดังนี้
ให้ n แทนจานวนตัวอย่างสินค้าหรือผลิตภัณฑ์ในแต่ละกลุ่มย่อย
m แทนจานวนกลุ่มย่อยทั้งหมด
x แทนค่าเฉลี่ยคุณภาพของสินค้าหรือผลิตภัณฑ์ในแต่ละกลุ่มย่อย
x แทนค่าเฉลี่ยคุณภาพของสินค้าหรือผลิตภัณฑ์รวมทุกกลุ่มย่อย
2
 แทนค่าความแปรปรวนของคุณภาพสินค้าหรือผลิตภัณฑ์ของประชากร
ขอบเขตควบคุมบน (upper control limit) ของแผนภูมิควบคุมคุณภาพเฉลี่ยหรือ UCL x คือ
x  3 x หรือ x  3  (7.1)
n
ขอบเขตควบคุมล่าง (lower control limit) ของแผนภูมิควบคุมคุณภาพเฉลี่ยหรือ LCLx คือ
x  3 x หรือ x  3  (7.2)
n
โดยที่ขอบเขตควบคุมกลาง (center Line) ของแผนภูมิควบคุมภาพเฉลี่ยหรือ CL x คือ x

นาขอบเขตทั้งหมดมาสร้างแผนภูมิควบคุมได้
ขอบเขต
ยอมรับคุณภาพ
รูปที่ 7.13 แผนภูมิควบคุมคุณภาพเฉลี่ย

ถ้า x ij แทนข้อมูลคุณภาพของตัวอย่างสินค้าหรือผลิตภัณฑ์ตัวอย่างที่ j ในกลุ่มย่อยที่ i

ni แทนจานวนสินค้าหรือผลิตภัณฑ์ตัวอย่างจากกลุ่มย่อยที่ i
ni
xi 1
แท่นค่าเฉลี่ยคุณภาพกลุ่มย่อยที่ i โดย x i  n  x ij
i j1
m
x 1
แทนค่าเฉลี่ยคุณภาพรวมทุกกลุ่มย่อย โดย x  m  x i
j1
 แทนค่าส่วนเบี่ยงเบนมาตรฐานคุณภาพของประชากร
N
  N1  ( x i   ) (7.3)
i1
เนื่องจากไม่ทราบค่าส่วนเบี่ยงเบนมาตรฐานคุณภาพประชากร  ต้องประมาณด้วย
m ni
 1 1
  m  i , n i 1  ( x ij  x i )
2
1) c , i  (7.4)
2 j1 j1
m
2) R R  m1  R , R i  x i, max  x i, min
d2 , j1
(7.5)
เมื่อ  แทนค่าเฉลี่ยส่วนเบี่ยงเบนมาตรฐานคุณภาพของทุก ๆ กลุ่มย่อย

c 2 และ d 2 แทนค่าตัวประกอบในตารางสาหรับคานวณขอบเขตควบคุม
R แทนค่าเฉลี่ยพิสัยคุณภาพของทุก ๆ กลุ่มย่อย
ในกรณีที่ตัวอย่างสินค้าหรือผลิตภัณฑ์ในแต่ลุกลุ่มย่อยมีจานวนมาก เช่น ตั้งแต่ 8 ขึ้นไป อาจอนุโลม
ให้ค่า c 2 และ d 2 เท่ากับ 1 ได้ กล่าวคือ สามารถประมาณค่า  ของประชากรด้วยค่าเฉลี่ย ส่วนเบี่ยงเบน
มาตรฐานคุณภาพของทุก ๆ กลุ่มย่อยได้ คือ เมื่อ n = 8, c 2 = 0.9027 และเมื่อ n = 25, c 2 = 0.9696 (จาก
การเปิดตารางที่ 4 ในภาคผนวก ก)
ตัวอย่างที่ 7.1 ถ้าค่าเฉลี่ยคุณภาพของสินค้าหรือผลิตภัณฑ์ตัวอย่างขนาด 16 ที่เลือกมาจาก 20 กลุ่มย่อย
เท่ากับ 30 และค่าเฉลี่ยส่วนเบี่ยงเบนมาตรฐานคุณภาพ 20 กลุ่มย่อย เท่ากับ 8 จงสร้างแผนภูมิควบคุม
คุณภาพเฉลี่ย
วิธีทา
จากโจทย์ x = 30 และ  = 8
ขอบเขตควบคุมบน UCL x = x  3
n
= x  3
c2 n
= 30  3( 8)
0.8407 16
= 30 + 7.14 = 37.14
ขอบเขตควบคุมล่าง LCLx = x  3
n
= x  3
c2 n
= 30  3(8)
0.8407 16
= 30  7.14 = 22.86
37.14
30.00
22.86
เนื่องจาก n = 16 มีจานวนค่อนข้างมาก อาจอนุโลมให้ค่า c 2 = 1 จะได้

n
= x  3
c2 n
= 30  3(8)
(1) 16
= 30 + 6.00 = 36.00
n
= x  3
c2 n
= 30  3(8)
(1) 16
= 30  6.00 = 24.00
ตัวอย่างที่ 7.2 จงสร้างแผนภูมิควบคุมคุณภาพเฉลี่ยของผลิตภัณฑ์ชนิดหนึ่งที่เลือกตัวอย่างขนาด 5 มาจาก
แต่ละกลุ่มย่อยจานวนทั้งหมด 20 กลุ่ม โดยที่คา่ เฉลี่ยคุณภาพของทุก ๆ กลุ่มย่อยเท่ากับ 2 และส่วนเบี่ยงเบน
มาตรฐานเฉลี่ยของทุก ๆ กลุ่มย่อย เท่ากับ 0.0087
วิธีทา
จากโจทย์ x = 2,  = 0.0087 และ n = 5
n
= x  3
c2 n
= 2  3( 0.0087)
0.8407 5
= 2 + 0.0139 = 2.0139
n
= x  3
c2 n
= 2  3 ( 0.0087 )
0.8407 16
= 2  0.0139 = 1.9861
2.0139
2.00
1.9861
ในกรณีที่ค่าเฉลี่ยคุณภาพของกลุ่มย่อยใดใน 20 กลุ่มที่เลือกตัวอย่างมาตรวจสอบคุณภาพตกอยู่นอก
ขอบเขตของการยอมรับคุณภาพ ที่มีค่าสูงกว่า 2.0139 หรือมีค่าต่ากว่า 1.9861 แสดงว่ามีค่าเฉลี่ยของกลุ่ม
ย่อยนั้น ๆ มีคุณภาพไม่ได้มาตรฐาน
7.6.2 แผนภูมิควบคุมคุณภาพสัดส่วน (p chart)

เป็นแผนภูมิควบคุมคุณภาพของสินค้าหรือผลิตภัณฑ์ทีใช้วิธีวัดคุ ณภาพด้วยคุณลักษณะซึ่งอาจใช้
อุปกรณ์หรือเครื่องมือวัด หรือใช้วิธีสังเกตจากความรู้และประสบการณ์ของผู้เก็บรวบรวมข้อมูลคุณภาพก็ได้
คุณภาพของสินค้าหรือผลิตภัณฑ์พิจารณาจากจานวนสินค้ าหรือผลิตภัณฑ์ชารุด เมื่อเทียบกับจานวนสินค้า
หรือผลิตภัณฑ์ตัวอย่างทั้งหมดที่นามาตรวจสอบคุณภาพ
ขั้นตอนและวิธีการสร้างแผนภูมิคุณภาพสัดส่วนก็สามารถทาได้เช่นเดียวกันกับขั้นตอนและวิธี การ
สร้างแผนภูมิควบคุมคุณภาพเฉลี่ย แตกต่างกันเฉพาะการหาขอบเขตควบคุมบนและขอบเขตควบคุมล่าง
เท่านั้น กล่าวคือ
ขอบเขตควบคุมบนของแผนภูมิควบคุมคุณภาพสัดส่วนหรือ UCLp คือ

p  3 p (1  p ) / n (7.6)
ขอบเขตควบคุมล่างของแผ่นภูมิควบคุมภาพสัดส่วน หรือ LCLp คือ
p  3 p (1  p ) / n (7.7)
โดยที่ขอบเขตควบคุมกลางของแผนภูมิควบคุมคุณภาพสัดส่วน หรือ CLp คือ p
m
เมื่อ 1
p  m  pi (7.8)
i1
จานวนสินค้าหรือผลิตภัณฑ์ชารุดในกลุ่มย่อยทีi่
โดยที่ pi  (7.9)
จานวนสินค้าหรือผลิตภัณฑ์ททัง้ หมดในกลุ่มย่อยทีi่
ขอบเขต
ยอมรับคุณภาพ
รูปที่ 7.14 แผนภูมิควบคุมคุณภาพสัดส่วน

ตัวอย่างที่ 7.3 ในรอบสัปดาห์ที่ผ่านมา จานวนโบลต์ขนาดเส้นผ่านศูนย์กลาง 1 เซนติเมตร ที่ผลิตได้ในแต่ละ

วันและจานวนโบลต์ที่มีเส้นผ่านศูนย์กลางต่ากว่าและสูงกว่าขนาดที่กาหนดไว้เป็นดังนี้
วัน จานวนโบลต์ที่ผลิตได้ (พันตัว) จานวนโบลต์ที่ไม่ได้มาตรฐาน(ตัว)
จันทร์ 500 7,250
อังคาร 500 8,652
พุทธ 500 5,607
พฤหัสบดี 500 7,854
ศุกร์ 500 6,483
เสาร์ 500 6,998
อาทิตย์ 500 7,022
1) จงสร้างแผนภูมิควบคุมภาพสัดส่วนของน็อตที่ผลิต
2) มีวัดใดบ้างที่คุณภาพของน็อตที่ผลิตไม่ได้มาตรฐาน
วิธีทา
เนื่องจากค่าสัดส่วนของโบลต์ที่ไม่ได้มาตรฐานจากการผลิตในวันจันทร์ถึงวันอาทิตย์
p1 = 0.0145, p2 = 0.0173, p3 = 0.0112, p4 = 0.0157, p5 = 0.0130, p6 = 0.0140
และ p7 = 0.0140
m 7
p  m1  pi  17  pi  17 (0.0997) = 0.0142
i1 i1
ขอบเขตควบคุมบน UCLp = p  3 p (1  p ) / n
= 0.0142 + 3 0.0142(1  0.0142) / 500,000
= 0.0142 + 0.0005 = 0.0147
ขอบเขตควบคุมล่าง LCLp = p  3 p (1  p ) / n
= 0.0142  3 0.0142(1  0.0142) / 500,000
= 0.0142  0.0005 = 0.0137
ดังนั้นแผนภูมิควบคุมภาพสัดส่วนของโบลต์ที่ผลิตได้ คือ
2.0139
2.00
1.9861
โบลต์ที่ผลิตได้ในวันอังคาร วันพุธ วันพฤหัสบดี และศุกร์ไม่ได้มาตรฐาน เนื่องจากสัดส่วนของจานวน

ที่ไม่ได้มาตรฐานในแต่ละวันข้างต้นสูงกว่า 0.0147 หรือต่ากว่า 0.0137
7.6.3 ขอบเขตเตือน (warning limit) ในแผนภูมิควบคุมคุณภาพ

ในกรณีที่คุณภาพของสินค้าหรือผลิตภัณฑ์ใ นแต่ละกลุ่มย่อยตกอยู่ในขอบเขตเตือน เป็นจานวน
ค่อนข้างมาก ซึ่งเป็นขอบเขตระหว่าง x  2 x ถึง x  3 x และ x  2 x ถึง x  2 x ของแผนภูมิ
ควบคุมคุณภาพเฉลี่ยหรือตกอยู่ในขอบเขตเตือนระหว่าง p  2 p (1  p ) / n ถึง p  3 p (1  p ) / n และ
p  2 p (1  p ) / n ถึง p  3 p (1  p ) / n ของแผนภูมิควบคุมคุณภาพสัดส่วน แสดงว่าคุณภาพของ
สินค้าหรือ ผลิตภัณฑ์ซึ่งผลิตได้มีโอกาสมากที่จะมีคุณภาพไม่ได้มาตรฐานสาหรับการผลิตคราวต่อไปในเวลา
ข้างหน้า ดังนั้นผู้ผลิตจะต้องพยายามหาสาเหตุข้อบกพร่องในการผลิต ซึ่งอาจจะเป็น คุณภาพของวัตถุดิบที่ใช้
ในการผลิต คุณภาพของเครื่องมือเครื่องจักรที่ใช้ในการผลิต หรือ คุณภาพของคนงาน ช่างเทคนิค หรือวิศวกร
ในกระบวนการผลิต เพื่อปรับปรุงแก้ไขเสียแต่เนิ่นๆ และป้องกันไม่ให้เกิดสินค้าหรือผลิตภัณฑ์ที่ไม่ได้มาตรฐาน
ในอนาคต
7.7 สรุป
คุณภาพเปนสิ่งสาคัญซึ่งมีผลกระทบหลายประการ โดยเฉพาะเรื่องคาใชจายสาหรับขอผิดพลาดตางๆ ทั้ง
องคกรที่ผลิตสินคาและองคกรที่ใหบริการเพื่อมุงสูเปาหมายสูงสุดขององคกรคือความพึงพอใจของลูกคา การ
ยอมรับจากสังคม องคกรมีชื่อเสียงและผลกาไร แมองคกรทางธุรกิจและอุตสาหกรรมจะมีลักษณะของการ
ดาเนินงานที่แตกตางกัน เชน อุตสาหกรรมการผลิตสินคา อุตสาหกรรมการแลกเปลี่ยน อุตสาหกรรมการ
ขนส่ง อุตสาหกรรมการสื่อสาร อุตสาหกรรมการบันเทิง เปนตน แตไมวาอุตสาหกรรมประเภทใดยอมมีวัตถุ
ประสงคหลักประการเดียวกัน คือ การคงอยูไดอยางยั่งยืนขององคกร ซึ่งการจะบรรลุวัตถุประสงคนั้นไดจา
เป็นตองมีการควบคุมคุณภาพของปจจัยตาง ๆ ที่เกี่ยวของ
1. เครื่องมือ 7 อย่างสาหรับการควบคุมคุณภาพมีประโยชน์อย่างไร และประกอบด้วยเครื่องมืออะไรบ้าง

2. ให้อธิบายประโยชน์ของแผ่นตรวจสอบว่ามีอะไรบ้าง พร้อมยกตัวอย่าง
3. ให้สร้างผังก้างปลาเพื่อวิเคราะห์หาสาเหตุของปัญหาของข้อต่อไปนี้
1) ปัญหารายได้ไม่พอกับรายจ่าย
2) ปัญหาการเข้าห้องเรียนสายของนักศึกษา
3) ปัญหาการผลิตสินค้าไม่ได้มาตรฐาน
4. จงเขียนขั้นตอนและวิธีการสร้างแผนภูมิควบคุมคุณภาพสัดส่วนอย่างละเอียด
5. ระหว่างแผนภูมิควบคุมคุณภาพเฉลี่ย x  2 x กับแผนภูมิควบคุมคุณภาพเฉลี่ย x  3 x แผนภูมิแบบ
ใดที่จะเป็นประโยชน์ต่อผู้ผลิตสินค้าหรือผลิตภัณฑ์มากกว่ากัน เพราะเหตุใด
6. ระหว่ า งแผนภู มิ ค วบคุ ม คุ ณ ภาพสั ด ส่ ว น p  2 p (1  p ) / n กั บ แผนภู มิ ค วบคุ ม คุ ณ ภาพสั ด ส่ ว น
p  3 p (1  p ) / n แผนภูมิใดที่จะเป็นประโยชน์ต่อลูกค้าหรือผู้ใช้สินค้ามากกว่ากัน เพราะเหตุใด
7. จงสร้างแผนภูมิควบคุมคุณภาพเฉลี่ยของผลิตภัณฑ์ชนิดหนึ่ง ซึ่งเลือกตัวอย่างมาตรวจสอบคุณภาพจาก 16
กลุ่มย่อย กลุ่มละ 9 ตัวอย่าง ถ้า x เท่ากับ 4.5 และ  เท่ากับ 0.8 ถ้ากลุ่มย่อย 3 กลุ่ม มีคุณภาพเฉลี่ยของ
ผลิตภัณฑ์เท่ากับ 4.4, 5.4 และ 3.8 มีสินค้าในกลุ่มใดบ้างที่มีคุณภาพไม่ได้มาตรฐาน
8. จงสร้างแผนภูมิควบคุมคุณภาพสัดส่วนของสินค้าชนิดหนึ่ง ซึ่งเลือกตัวอย่างมาตรวจสอบคุณภาพจาก 25
กลุ่มย่อย กลุ่มละ 16 ตัวอย่าง เมื่อค่าเฉลี่ยของสัดส่วนสินค้าชารุดเท่ากับ 0.05 กลุ่มตัวอย่างที่มีคุณภาพไม่ได้
มาตรฐานจะต้องมีค่าสัดส่วนของสินค้าชารุดเป็นเท่าไร
9. จงเปรียบเทียบแผนภูมิควบคุมคุณภาพเฉลี่ยและแผนภูมิควบคุมคุณภาพสัดส่วนในเรื่องต่างๆ ต่อไปนี้
1) ความถูกต้องเชื่อถือได้ของผลการทดสอบคุณภาพของสินค้าหรือผลิตภัณฑ์
2) ความสะดวกรวดเร็วในการสร้างแผนภูมิควบคุมคุณภาพ
3) การนาผลการทดสอบไปใช้ในการแก้ปัญหาเกี่ยวกับกระบวนการผลิตสินค้า

กิติศักดิ์ พลอยพาณิชเจริญ. (2553). หลักการควบคุมคุณภาพ. กรุงเทพมหานคร: สมาคมส่งเสริมเทคโนโลยี
(ไทย-ญี่ปุ่น).
ดักท์.
สายชล สิ น สมบู ร ณ์ทอง. (2554). การควบคุมคุณ ภาพเชิงสถิติแ ละวิศ วกรรม (Statistical and
Engineering Quality Control). กรุงเทพมหานคร: จามจุรีโปรดักท์.
บรรณานุกรม

กิติศักดิ์ พลอยพาณิชเจริญ. (2553). หลักการควบคุมคุณภาพ. กรุงเทพมหานคร: สมาคมส่งเสริมเทคโนโลยี
(ไทย-ญี่ปุ่น).
ดักท์.
สายชล สิ น สมบู ร ณ์ทอง. (2554). การควบคุมคุณ ภาพเชิงสถิติแ ละวิศ วกรรม (Statistical and
Engineering Quality Control). กรุงเทพมหานคร: จามจุรีโปรดักท์.
ภาคผนวก
ตารางสถิติต่างๆ 251
ภาคผนวก ก
ตารางสถิตติ ่างๆ
240 ตารางสถิติต่างๆ
ตารางที่ 1 การแจกแจงปกติ
0 z
z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1271 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2464 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
ที่มา : ดัดแปลงมาจาก สรชัย พิศาลบุตร, 2553.
ตารางที่ 2 การแจกแจงแบบที
0.01
t0.10
df t 0.400 t 0.250 t 0.100 t 0.050 t 0.025 t 0.010 t 0.005 t 0.001 t 0.0005
1 0.325 1.000 3.078 6.314 12.706 31.821 63.657 318.310 636.619
2 0.289 0.816 1.886 2.920 4.303 6.965 9.925 22.326 31.599
3 0.277 0.765 1.638 2.353 3.182 4.541 5.841 10.213 12.924
4 0.271 0.741 1.553 2.132 2.776 3.747 4.604 7.173 8.610
5 0.267 0.727 1.476 2.015 2.571 3.365 4.032 5.893 6.869
6 0.265 0.718 1.440 1.943 2.447 3.143 3.707 5.208 5.959
7 0.263 0.711 1.415 1.895 2.365 2.998 3.499 4.785 5.408
8 0.262 0.706 1.397 1.860 2.306 2.896 3.355 4.501 5.041
9 0.261 0.703 1.383 1.833 2.262 2.821 3.250 4.297 4.781
10 0.260 0.700 1.372 1.812 2.228 2.764 3.169 4.144 4.587
11 0.260 0.697 1.363 1.796 2.201 2.718 3.106 4.025 4.437
12 0.259 0.695 1.356 1.782 2.179 2.681 3.055 3.930 4.318
13 0.259 0.694 1.350 1.771 2.160 2.650 3.012 3.852 4.221
14 0.258 0.692 1.345 1.761 2.145 2.624 2.977 3.787 4.141
15 0.258 0.691 1.341 1.753 2.131 2.602 2.947 3.733 4.073
16 0.258 0.690 1.337 1.746 2.120 2.583 2.921 3.686 4.015
17 0.257 0.689 1.333 1.740 2.110 2.567 2.898 3.646 3.965
18 0.257 0.688 1.330 1.734 2.101 2.552 2.878 3.610 3.922
19 0.257 0.688 1.328 1.729 2.093 2.539 2.861 3.579 3.883
20 0.257 0.687 1.325 1.725 2.086 2.528 2.845 3.552 3.850
21 0.257 0.686 1.323 1.721 2.080 2.518 2.831 3.527 3.819
22 0.256 0.686 1.321 1.717 2.074 2.508 2.819 3.505 3.792
23 0.256 0.685 1.319 1.714 2.069 2.500 2.807 3.485 3.768
24 0.256 0.685 1.318 1.711 2.064 2.492 2.797 3.467 3.745
25 0.256 0.684 1.316 1.708 2.060 2.485 2.787 3.450 3.725
26 0.256 0.684 1.315 1.706 2.056 2.479 2.779 3.435 3.707
27 0.256 0.684 1.314 1.703 2.052 2.473 2.771 3.421 3.690
28 0.256 0.683 1.313 1.701 2.048 2.467 2.763 3.408 3.674
29 0.256 0.683 1.311 1.699 2.045 2.462 2.756 3.396 3.659
30 0.256 0.683 1.310 1.697 2.042 2.457 2.750 3.385 3.646
0.253 0.674 1.282 1.645 1.960 2.326 2.576 3.090 3.291
ตารางที่ 3 การแจกแจงแบบเอฟ
(   0.10 )
df1
1 2 3 4 5 6 7 8 9 10
df2
1 39.860 49.500 53.590 55.830 57.240 58.200 58.910 59.440 59.860 60.190
2 8.530 9.000 9.160 9.240 9.290 9.330 9.350 9.370 9.380 9.390
3 5.540 5.460 5.390 5.340 5.310 5.280 5.270 5.250 5.240 5.230
4 4.540 4.320 4.190 4.110 4.050 4.010 3.980 3.950 3.940 3.920
5 4.060 3.780 3.620 3.520 3.450 3.400 3.370 3.340 3.320 3.300
6 3.780 3.460 3.290 3.180 3.110 3.050 3.010 2.980 2.960 2.940
7 3.590 3.260 3.070 2.960 2.880 2.830 2.780 2.750 2.720 2.700
8 3.460 3.110 2.920 2.810 2.730 2.670 2.620 2.590 2.560 2.540
9 3.360 3.010 2.810 2.690 2.610 2.550 2.510 2.470 2.440 2.420
10 3.290 2.920 2.730 2.610 2.520 2.460 2.410 2.380 2.350 2.320
11 3.230 2.860 2.660 2.540 2.450 2.390 2.340 2.300 2.270 2.250
12 3.180 2.810 2.610 2.480 2.390 2.330 2.280 2.240 2.210 2.190
13 3.140 2.760 2.560 2.430 2.350 2.280 2.230 2.200 2.160 2.140
14 3.100 2.730 2.520 2.390 2.310 2.240 2.190 2.150 2.120 2.100
15 3.070 2.700 2.490 2.360 2.270 2.210 2.160 2.120 2.090 2.060
16 3.050 2.670 2.460 2.330 2.240 2.180 2.130 2.090 2.060 2.030
17 3.030 2.640 2.440 2.310 2.220 2.150 2.100 2.060 2.030 2.000
18 3.010 2.620 2.420 2.290 2.200 2.130 2.080 2.040 2.000 1.980
19 2.990 2.610 2.400 2.270 2.180 2.110 2.060 2.020 1.980 1.960
20 2.970 2.590 2.380 2.250 2.160 2.090 2.040 2.000 1.960 1.940
21 2.960 2.570 2.360 2.230 2.140 2.080 2.020 1.980 1.950 1.920
22 2.950 2.560 2.350 2.220 2.130 2.060 2.010 1.970 1.930 1.900
23 2.940 2.550 2.340 2.210 2.110 2.050 1.990 1.950 1.920 1.890
24 2.930 2.540 2.330 2.190 2.100 2.040 1.980 1.940 1.910 1.880
25 2.920 2.530 2.320 2.180 2.090 2.020 1.970 1.930 1.890 1.870
26 2.910 2.520 2.310 2.170 2.080 2.010 1.960 1.920 1.880 1.860
27 2.900 2.510 2.300 2.170 2.070 2.000 1.950 1.910 1.870 1.850
28 2.890 2.500 2.290 2.160 2.060 2.000 1.940 1.900 1.870 1.840
29 2.890 2.500 2.280 2.150 2.060 1.990 1.930 1.890 1.860 1.830
30 2.880 2.490 2.280 2.140 2.050 1.980 1.930 1.880 1.850 1.820
40 2.840 2.440 2.230 2.090 2.000 1.930 1.870 1.830 1.790 1.760
60 2.790 2.390 2.180 2.040 1.950 1.870 1.820 1.770 1.740 1.710
120 2.750 2.350 2.130 1.990 1.900 1.820 1.770 1.720 1.680 1.650
2.710 2.300 2.080 1.940 1.850 1.770 1.720 1.670 1.630 1.600
ตารางที่ 3 การแจกแจงแบบเอฟ (ต่อ)
(   0.10 )
df1
12 15 20 24 30 40 60 120
df2
1 60.710 61.220 61.740 62.000 62.260 62.530 62.790 63.060 63.330
2 9.410 9.420 9.440 9.450 9.460 9.470 9.470 9.480 9.490
3 5.220 5.200 5.180 5.180 5.170 5.160 5.150 5.140 5.130
4 3.900 3.870 3.840 3.830 3.820 3.800 3.790 3.780 3.760
5 3.270 3.240 3.210 3.190 3.170 3.160 3.140 3.120 3.110
6 2.900 2.870 2.840 2.820 2.800 2.780 2.760 2.740 2.720
7 2.670 2.630 2.590 2.580 2.560 2.540 2.510 2.490 2.470
8 2.500 2.460 2.420 2.400 2.380 2.360 2.340 2.320 2.290
9 2.380 2.340 2.300 2.280 2.250 2.230 2.210 2.180 2.160
10 2.280 2.240 2.200 2.180 2.160 2.130 2.110 2.080 2.060
11 2.210 2.170 2.120 2.100 2.080 2.050 2.030 2.000 1.970
12 2.150 2.100 2.060 2.040 2.010 1.990 1.960 1.930 1.900
13 2.100 2.050 2.010 1.980 1.960 1.930 1.900 1.880 1.850
14 2.050 2.010 1.960 1.940 1.910 1.890 1.860 1.830 1.800
15 2.020 1.970 1.920 1.900 1.870 1.850 1.820 1.790 1.760
16 1.990 1.940 1.890 1.870 1.840 1.810 1.780 1.750 1.720
17 1.960 1.910 1.860 1.840 1.810 1.780 1.750 1.720 1.690
18 1.930 1.890 1.840 1.810 1.780 1.750 1.720 1.690 1.660
19 1.910 1.860 1.810 1.790 1.760 1.730 1.700 1.670 1.630
20 1.890 1.840 1.790 1.770 1.740 1.710 1.680 1.640 1.610
21 1.870 1.830 1.780 1.750 1.720 1.690 1.660 1.620 1.590
22 1.860 1.810 1.760 1.730 1.700 1.670 1.640 1.600 1.570
23 1.840 1.800 1.740 1.720 1.690 1.660 1.620 1.590 1.550
24 1.830 1.780 1.730 1.700 1.670 1.640 1.610 1.570 1.530
25 1.820 1.770 1.720 1.690 1.660 1.630 1.590 1.560 1.520
26 1.810 1.760 1.710 1.680 1.650 1.610 1.580 1.540 1.500
27 1.800 1.750 1.700 1.670 1.640 1.600 1.570 1.530 1.490
28 1.790 1.740 1.690 1.660 1.630 1.590 1.560 1.520 1.480
29 1.780 1.730 1.680 1.650 1.620 1.580 1.550 1.510 1.470
30 1.770 1.720 1.670 1.640 1.610 1.570 1.540 1.500 1.460
40 1.710 1.660 1.610 1.570 1.540 1.510 1.470 1.420 1.380
60 1.660 1.600 1.540 1.510 1.480 1.440 1.400 1.350 1.290
120 1.600 1.550 1.480 1.450 1.410 1.370 1.320 1.260 1.190
1.550 1.490 1.420 1.380 1.340 1.300 1.240 1.170 1.000
(   0.05 )
df1
1 2 3 4 5 6 7 8 9 10
df2
1 161.40 199.50 215.70 224.60 230.20 234.00 236.80 238.90 240.50 241.90
2 18.510 19.000 19.160 19.250 19.300 19.330 19.350 19.370 19.380 19.400
3 10.130 9.552 9.277 9.117 9.014 8.941 8.887 8.845 8.812 8.786
4 7.709 6.944 6.591 6.388 6.256 6.163 6.094 6.041 5.999 5.964
5 6.608 5.786 5.410 5.192 5.050 4.950 4.876 4.818 4.773 4.735
6 5.987 5.143 4.757 4.534 4.387 4.284 4.207 4.147 4.099 4.060
7 5.591 4.737 4.347 4.120 3.972 3.866 3.787 3.726 3.677 3.637
8 5.318 4.459 4.066 3.838 3.688 3.581 3.501 3.438 3.388 3.347
9 5.117 4.257 3.863 3.633 3.482 3.374 3.293 3.230 3.179 3.137
10 4.965 4.103 3.708 3.478 3.326 3.217 3.136 3.072 3.020 2.978
11 4.844 3.982 3.587 3.357 3.204 3.095 3.012 2.948 2.896 2.854
12 4.747 3.885 3.490 3.259 3.106 2.996 2.913 2.849 2.796 2.753
13 4.667 3.806 3.411 3.179 3.025 2.915 2.832 2.767 2.714 2.671
14 4.600 3.739 3.344 3.112 2.958 2.848 2.764 2.699 2.646 2.602
15 4.543 3.682 3.287 3.056 2.901 2.791 2.707 2.641 2.588 2.544
16 4.494 3.634 3.239 3.007 2.852 2.741 2.657 2.591 2.538 2.494
17 4.451 3.592 3.197 2.965 2.810 2.699 2.614 2.548 2.494 2.450
18 4.414 3.555 3.160 2.928 2.773 2.661 2.577 2.510 2.456 2.412
19 4.381 3.522 3.127 2.895 2.740 2.628 2.544 2.477 2.423 2.378
20 4.351 3.493 3.098 2.866 2.711 2.599 2.514 2.447 2.393 2.348
21 4.325 3.467 3.073 2.840 2.685 2.573 2.488 2.421 2.366 2.321
22 4.301 3.443 3.049 2.817 2.661 2.549 2.464 2.397 2.342 2.297
23 4.279 3.422 3.028 2.796 2.640 2.528 2.442 2.375 2.320 2.275
24 4.260 3.403 3.009 2.776 2.621 2.508 2.423 2.355 2.300 2.255
25 4.242 3.385 2.991 2.759 2.603 2.490 2.405 2.337 2.282 2.237
26 4.225 3.369 2.975 2.743 2.587 2.474 2.388 2.321 2.266 2.220
27 4.210 3.354 2.960 2.728 2.572 2.459 2.373 2.305 2.250 2.204
28 4.196 3.340 2.947 2.714 2.558 2.445 2.359 2.291 2.236 2.190
29 4.183 3.328 2.934 2.701 2.545 2.432 2.346 2.278 2.223 2.177
30 4.171 3.316 2.922 2.690 2.534 2.421 2.334 2.266 2.211 2.165
40 4.085 3.232 2.839 2.606 2.450 2.336 2.249 2.180 2.124 2.077
60 4.001 3.150 2.758 2.525 2.368 2.254 2.167 2.097 2.040 1.993
120 3.920 3.072 2.680 2.447 2.290 2.175 2.087 2.016 1.959 1.911
3.842 2.996 2.605 2.372 2.214 2.099 2.010 1.938 1.880 1.831
(   0.05 )
df1
12 15 20 24 30 40 60 120
df2
1 243.90 245.90 248.00 249.10 250.10 251.10 252.20 253.30 254.30
2 19.410 19.430 19.450 19.450 19.460 19.470 19.480 19.490 19.500
3 8.745 8.703 8.660 8.639 8.617 8.594 8.572 8.549 8.526
4 5.912 5.858 5.803 5.774 5.746 5.717 5.688 5.658 5.628
5 4.678 4.619 4.558 4.527 4.496 4.464 4.431 4.399 4.365
6 4.000 3.938 3.874 3.842 3.808 3.774 3.740 3.705 3.669
7 3.575 3.511 3.445 3.411 3.376 3.340 3.304 3.267 3.230
8 3.284 3.218 3.150 3.115 3.079 3.043 3.005 2.967 2.928
9 3.073 3.006 2.937 2.901 2.864 2.826 2.787 2.748 2.707
10 2.913 2.845 2.774 2.737 2.700 2.661 2.621 2.580 2.538
11 2.788 2.719 2.646 2.609 2.571 2.531 2.490 2.448 2.405
12 2.687 2.617 2.544 2.506 2.466 2.426 2.384 2.341 2.296
13 2.604 2.533 2.459 2.420 2.380 2.339 2.297 2.252 2.206
14 2.534 2.463 2.388 2.349 2.308 2.266 2.223 2.178 2.131
15 2.475 2.403 2.328 2.288 2.247 2.204 2.160 2.114 2.066
16 2.425 2.352 2.276 2.235 2.194 2.151 2.106 2.059 2.010
17 2.381 2.308 2.230 2.190 2.148 2.104 2.058 2.011 1.960
18 2.342 2.269 2.191 2.150 2.107 2.063 2.017 1.968 1.917
19 2.308 2.234 2.156 2.114 2.071 2.026 1.980 1.930 1.878
20 2.278 2.203 2.124 2.083 2.039 1.994 1.946 1.896 1.843
21 2.250 2.176 2.096 2.054 2.010 1.965 1.917 1.866 1.812
22 2.226 2.151 2.071 2.028 1.984 1.938 1.889 1.838 1.783
23 2.204 2.128 2.048 2.005 1.961 1.914 1.865 1.813 1.757
24 2.183 2.108 2.027 1.984 1.939 1.892 1.842 1.790 1.733
25 2.165 2.089 2.008 1.964 1.919 1.872 1.822 1.768 1.711
26 2.148 2.072 1.990 1.946 1.901 1.853 1.803 1.749 1.691
27 2.132 2.056 1.974 1.930 1.884 1.836 1.785 1.731 1.672
28 2.118 2.041 1.959 1.915 1.869 1.820 1.769 1.714 1.654
29 2.105 2.028 1.945 1.901 1.854 1.806 1.754 1.698 1.638
30 2.092 2.015 1.932 1.887 1.841 1.792 1.740 1.684 1.622
40 2.004 1.925 1.839 1.793 1.744 1.693 1.637 1.577 1.509
60 1.917 1.836 1.748 1.700 1.649 1.594 1.534 1.467 1.389
120 1.834 1.751 1.659 1.608 1.554 1.495 1.429 1.352 1.254
1.752 1.666 1.571 1.517 1.459 1.394 1.318 1.221 1.000
(   0.025 )
df1
1 2 3 4 5 6 7 8 9 10
df2
1 647.80 799.50 864.20 899.60 921.80 937.10 948.20 956.70 963.30 968.60
2 38.510 39.000 39.170 39.250 39.300 39.330 39.360 39.370 39.390 39.400
3 17.440 16.040 15.440 15.100 14.880 14.730 14.620 14.540 14.470 14.420
4 12.220 10.650 9.980 9.600 9.360 9.200 9.070 8.980 8.900 8.840
5 10.010 8.430 7.760 7.390 7.150 6.980 6.850 6.760 6.680 6.620
6 8.810 7.260 6.600 6.230 5.990 5.820 5.700 5.600 5.520 5.460
7 8.070 6.540 5.890 5.520 5.290 5.120 4.990 4.900 4.820 4.760
8 7.570 6.060 5.420 5.050 4.820 4.650 4.530 4.430 4.360 4.300
9 7.210 5.710 5.080 4.720 4.480 4.320 4.200 4.100 4.030 3.960
10 6.940 5.460 4.830 4.470 4.240 4.070 3.950 3.850 3.780 3.720
11 6.720 5.260 4.630 4.280 4.040 3.880 3.760 3.660 3.590 3.530
12 6.550 5.100 4.470 4.120 3.890 3.730 3.610 3.510 3.440 3.370
13 6.410 4.970 4.350 4.000 3.770 3.600 3.480 3.390 3.310 3.250
14 6.300 4.860 4.240 3.890 3.660 3.500 3.380 3.290 3.210 3.150
15 6.200 4.770 4.150 3.800 3.580 3.410 3.290 3.200 3.120 3.060
16 6.120 4.690 4.080 3.730 3.500 3.340 3.220 3.120 3.050 2.990
17 6.040 4.620 4.010 3.660 3.440 3.280 3.160 3.060 2.980 2.920
18 5.980 4.560 3.950 3.610 3.380 3.220 3.100 3.010 2.930 2.870
19 5.920 4.510 3.900 3.560 3.330 3.170 3.050 2.960 2.880 2.820
20 5.870 4.460 3.860 3.510 3.290 3.130 3.010 2.910 2.840 2.770
21 5.830 4.420 3.820 3.480 3.250 3.090 2.970 2.870 2.800 2.730
22 5.790 4.380 3.780 3.440 3.220 3.050 2.930 2.840 2.760 2.700
23 5.750 4.350 3.750 3.410 3.180 3.020 2.900 2.810 2.730 2.670
24 5.720 4.320 3.720 3.380 3.150 2.990 2.870 2.780 2.700 2.640
25 5.690 4.290 3.690 3.350 3.130 2.970 2.850 2.750 2.680 2.610
26 5.660 4.270 3.670 3.330 3.100 2.940 2.820 2.730 2.650 2.590
27 5.630 4.240 3.650 3.310 3.080 2.920 2.800 2.710 2.630 2.570
28 5.610 4.220 3.630 3.290 3.060 2.900 2.780 2.690 2.610 2.550
29 5.590 4.200 3.610 3.270 3.040 2.880 2.760 2.670 2.590 2.530
30 5.570 4.180 3.590 3.250 3.030 2.870 2.750 2.650 2.570 2.510
40 5.420 4.050 3.460 3.130 2.900 2.740 2.620 2.530 2.450 2.390
60 5.290 3.930 3.340 3.010 2.790 2.630 2.510 2.410 2.330 2.270
120 5.150 3.800 3.230 2.890 2.670 2.520 2.390 2.300 2.220 2.160
5.020 3.690 3.120 2.790 2.570 2.410 2.290 2.190 2.110 2.050
(   0.025 )
df1
12 15 20 24 30 40 60 120
df2
1 976.70 984.90 993.10 997.20 1,001.0 1,006.0 1,010.0 1,014.0 1,018.0
2 39.410 39.430 39.450 39.460 39.470
0 39.470
0 39.480
0 39.490
0 39.500
0
3 14.340 14.250 14.170 14.120 14.080 14.040 13.990 13.950 13.900
4 8.750 8.660 8.560 8.510 8.460 8.410 8.360 8.310 8.260
5 6.520 6.430 6.330 6.280 6.230 6.180 6.120 6.070 6.020
6 5.370 5.270 5.170 5.120 5.070 5.010 4.960 4.900 4.850
7 4.670 4.570 4.470 4.420 4.360 4.310 4.250 4.200 4.140
8 4.200 4.100 4.000 3.950 3.890 3.840 3.780 3.730 3.670
9 3.870 3.770 3.670 3.610 3.560 3.510 3.450 3.390 3.330
10 3.620 3.520 3.420 3.370 3.310 3.260 3.200 3.140 3.080
11 3.430 3.330 3.230 3.170 3.120 3.060 3.000 2.940 2.880
12 3.280 3.180 3.070 3.020 2.960 2.910 2.850 2.790 2.730
13 3.150 3.050 2.950 2.890 2.840 2.780 2.720 2.660 2.600
14 3.050 2.950 2.840 2.790 2.730 2.670 2.610 2.550 2.490
15 2.960 2.860 2.760 2.700 2.640 2.590 2.520 2.460 2.400
16 2.890 2.790 2.680 2.630 2.570 2.510 2.450 2.380 2.320
17 2.820 2.720 2.620 2.560 2.500 2.440 2.380 2.320 2.250
18 2.770 2.670 2.560 2.500 2.450 2.380 2.320 2.260 2.190
19 2.720 2.620 2.510 2.450 2.390 2.330 2.270 2.200 2.130
20 2.680 2.570 2.460 2.410 2.350 2.290 2.220 2.160 2.090
21 2.640 2.530 2.420 2.370 2.310 2.250 2.180 2.110 2.040
22 2.600 2.500 2.390 2.330 2.270 2.210 2.150 2.080 2.000
23 2.570 2.470 2.360 2.300 2.240 2.180 2.110 2.040 1.970
24 2.540 2.440 2.330 2.270 2.210 2.150 2.080 2.010 1.940
25 2.510 2.410 2.300 2.240 2.180 2.120 2.050 1.980 1.910
26 2.490 2.390 2.280 2.220 2.160 2.090 2.030 1.950 1.880
27 2.470 2.360 2.250 2.190 2.130 2.070 2.000 1.930 1.850
28 2.450 2.340 2.230 2.170 2.110 2.050 1.980 1.910 1.830
29 2.430 2.320 2.210 2.150 2.090 2.030 1.960 1.890 1.810
30 2.410 2.310 2.200 2.140 2.070 2.010 1.940 1.870 1.790
40 2.290 2.180 2.070 2.010 1.940 1.880 1.800 1.720 1.640
60 2.170 2.060 1.940 1.880 1.820 1.740 1.670 1.580 1.480
120 2.050 1.950 1.820 1.760 1.690 1.610 1.530 1.430 1.310
1.940 1.830 1.710 1.640 1.570 1.480 1.390 1.270 1.000
(   0.01 )
df1
1 2 3 4 5 6 7 8 9 10
df2
1 4,052.0 5,000.0 5,403.0 5,625.0 5,764.0 5,859.0 5,928.0 5,981.0 6,022.0 6,056.0
2 98.500 99.000 99.170 99.250 99.300 99.330 99.360 99.370 99.390 99.400
3 34.120 30.820 29.460 28.710 28.240 27.910 27.670 27.490 27.350 27.230
4 21.200 18.000 16.690 15.980 15.520 15.210 14.980 14.800 14.660 14.550
5 16.260 13.270 12.060 11.390 10.970 10.670 10.460 10.290 10.160 10.050
6 13.750 10.930 9.780 9.150 8.750 8.470 8.260 8.100 7.980 7.870
7 12.250 9.550 8.450 7.850 7.460 7.190 6.990 6.840 6.720 6.620
8 11.260 8.650 7.590 7.010 6.630 6.370 6.180 6.030 5.910 5.810
9 10.560 8.020 6.990 6.420 6.060 5.800 5.610 5.470 5.350 5.260
10 10.040 7.560 6.550 5.990 5.640 5.390 5.200 5.060 4.940 4.850
11 9.650 7.210 6.220 5.670 5.320 5.070 4.890 4.740 4.630 4.540
12 9.330 6.930 5.950 5.410 5.060 4.820 4.640 4.500 4.390 4.300
13 9.070 6.700 5.740 5.210 4.860 4.620 4.440 4.300 4.190 4.100
14 8.860 6.520 5.560 5.040 4.700 4.460 4.280 4.140 4.030 3.940
15 8.680 6.360 5.420 4.890 4.560 4.320 4.140 4.000 3.900 3.810
16 8.530 6.230 5.290 4.770 4.440 4.200 4.030 3.890 3.780 3.690
17 8.400 6.110 5.190 4.670 4.340 4.100 3.930 3.790 3.680 3.590
18 8.290 6.010 5.090 4.580 4.250 4.020 3.840 3.710 3.600 3.510
19 8.190 5.930 5.010 4.500 4.170 3.940 3.770 3.630 3.520 3.430
20 8.100 5.850 4.940 4.430 4.100 3.870 3.700 3.560 3.460 3.370
21 8.020 5.780 4.870 4.370 4.040 3.810 3.640 3.510 3.400 3.310
22 7.950 5.720 4.820 4.310 3.990 3.760 3.590 3.450 3.350 3.260
23 7.880 5.660 4.770 4.260 3.940 3.710 3.540 3.410 3.300 3.210
24 7.820 5.610 4.720 4.220 3.900 3.670 3.500 3.360 3.260 3.170
25 7.770 5.570 4.680 4.180 3.860 3.630 3.460 3.320 3.220 3.130
26 7.720 5.530 4.640 4.140 3.820 3.590 3.420 3.290 3.180 3.090
27 7.680 5.490 4.600 4.110 3.790 3.560 3.390 3.260 3.150 3.060
28 7.640 5.450 4.570 4.070 3.750 3.530 3.360 3.230 3.120 3.030
29 7.600 5.420 4.540 4.050 3.730 3.500 3.330 3.200 3.090 3.010
30 7.560 5.390 4.510 4.020 3.700 3.470 3.300 3.170 3.070 2.980
40 7.310 5.180 4.310 3.830 3.510 3.290 3.120 2.990 2.890 2.800
60 7.080 4.980 4.130 3.650 3.340 3.120 2.950 2.820 2.720 2.630
120 6.850 4.790 3.950 3.480 3.170 2.960 2.790 2.660 2.560 2.470
6.640 4.610 3.780 3.320 3.020 2.800 2.640 2.510 2.410 2.320
(   0.01 )
df1
12 15 20 24 30 40 60 120
df2
1 6,106.0 6,157.0 6,209.0 6,235.0 6,261.0 6,287.0 6,313.0 6,339.0 6,366.0
2 99.420 99.430 99.450 99.460 99.470 99.470 99.480 99.490 99.500
3 27.050 26.870 26.690 26.600 26.510 26.410 26.320 26.220 26.130
4 14.370 14.200 14.020 13.930 13.840 13.750 13.650 13.560 13.460
5 9.890 9.720 9.550 9.470 9.380 9.290 9.200 9.110 9.020
6 7.720 7.560 7.400 7.310 7.230 7.140 7.060 6.970 6.880
7 6.470 6.310 6.160 6.070 5.990 5.910 5.820 5.740 5.650
8 5.670 5.520 5.360 5.280 5.200 5.120 5.030 4.950 4.860
9 5.110 4.960 4.810 4.730 4.650 4.570 4.480 4.400 4.310
10 4.710 4.560 4.410 4.330 4.250 4.170 4.080 4.000 3.910
11 4.400 4.250 4.100 4.020 3.940 3.860 3.780 3.690 3.600
12 4.160 4.010 3.860 3.780 3.700 3.620 3.540 3.450 3.360
13 3.960 3.820 3.670 3.590 3.510 3.430 3.340 3.260 3.170
14 3.800 3.660 3.510 3.430 3.350 3.270 3.180 3.090 3.000
15 3.670 3.520 3.370 3.290 3.210 3.130 3.050 2.960 2.870
16 3.550 3.410 3.260 3.180 3.100 3.020 2.930 2.850 2.750
17 3.460 3.310 3.160 3.080 3.000 2.920 2.840 2.750 2.650
18 3.370 3.230 3.080 3.000 2.920 2.840 2.750 2.660 2.570
19 3.300 3.150 3.000 2.930 2.840 2.760 2.670 2.580 2.490
20 3.230 3.090 2.940 2.860 2.780 2.700 2.610 2.520 2.420
21 3.170 3.030 2.880 2.800 2.720 2.640 2.550 2.460 2.360
22 3.120 2.980 2.830 2.750 2.670 2.580 2.500 2.400 2.310
23 3.070 2.930 2.780 2.700 2.620 2.540 2.450 2.350 2.260
24 3.030 2.890 2.740 2.660 2.580 2.490 2.400 2.310 2.210
25 2.990 2.850 2.700 2.620 2.540 2.450 2.360 2.270 2.170
26 2.960 2.820 2.660 2.590 2.500 2.420 2.330 2.230 2.130
27 2.930 2.780 2.630 2.550 2.470 2.380 2.290 2.200 2.100
28 2.900 2.750 2.600 2.520 2.440 2.350 2.260 2.170 2.060
29 2.870 2.730 2.570 2.500 2.410 2.330 2.230 2.140 2.030
30 2.840 2.700 2.550 2.470 2.390 2.300 2.210 2.110 2.010
40 2.670 2.520 2.370 2.290 2.200 2.110 2.020 1.920 1.810
60 2.500 2.350 2.200 2.120 2.030 1.940 1.840 1.730 1.600
120 2.340 2.190 2.040 1.950 1.860 1.760 1.660 1.530 1.380
2.190 2.040 1.880 1.790 1.700 1.590 1.470 1.330 1.000
ตารางที่ 4 ตัวประกอบสาหรับคานวณขอบเขตควบคุมคุณภาพ 3
แผนภูมิ x แผนภูมิ  แผนภูมิ R
ตัวประกอบ ตัวประกอบ
จานวน
ตัวประกอบ สาหรับขอบเขต ตัวประกอบสาหรับขอบเขตควบคุม สาหรับขอบเขต ตัวประกอบสาหรับขอบเขตควบคุม
ตัวอย่าง, n
ควบคุมกลาง ควบคุมกลาง
A A1 A2 c2 B1 B2 B3 B4 d2 d3 D1 D2 D3 D4
2 2.121 3.760 1.880 0.5642 0 1.843 0 3.267 1.128 0.853 0 3.686 0 3.267
3 1.732 2.394 1.023 0.7236 0 1.858 0 2.568 1.693 0.888 0 4.358 0 2.575
4 1.500 1.880 0.729 0.7979 0 1.808 0 2.266 2.059 0.880 0 4.698 0 2.282
5 1.342 1.596 0.577 0.8407 0 1.756 0 2.089 2.326 0.864 0 4.918 0 2.115
6 1.225 1.410 0.483 0.8686 0.026 1.711 0.030 1.970 2.534 0.848 0 5.078 0 2.004
7 1.134 1.277 0.419 0.8882 0.105 1.672 0.118 1.882 2.704 0.833 0.205 5.203 0.076 1.924
8 1.061 1.175 0.373 0.9027 0.167 1.638 0.185 1.815 2.847 0.820 0.387 5.307 0.136 1.864
9 1.000 1.094 0.337 0.9139 0.219 1.609 0.239 1.761 2.970 0.808 0.546 5.394 0.184 1.816
10 0.949 1.028 0.308 0.9227 0.262 1.584 0.284 1.716 3.078 0.797 0.687 5.469 0.223 1.777
11 0.905 0.973 0.285 0.9300 0.299 1.561 0.321 1.679 3.173 0.787 0.812 5.534 0.256 1.744
12 0.866 0.925 0.266 0.9359 0.331 1.541 0.354 1.646 3.258 0.778 0.924 5.592 0.284 1.716
13 0.832 0.884 0.249 0.9410 0.359 1.523 0.382 1.618 3.336 0.770 1.026 5.646 0.308 1.692
14 0.802 0.848 0.235 0.9453 0.384 1.507 0.406 1.594 3.407 0.762 1.121 5.693 0.329 1.671
15 0.775 0.816 0.223 0.9490 0.406 1.492 0.428 1.572 3.472 0.755 1.207 5.737 0.348 1.652
16 0.750 0.788 0.212 0.9523 0.427 1.478 0.448 1.552 3.532 0.749 1.285 5.779 0.364 1.636
17 0.728 0.762 0.203 0.9551 0.445 1.465 0.466 1.534 3.588 0.743 1.359 5.817 0.379 1.621
18 0.707 0.738 0.194 0.9576 0.461 1.454 0.482 1.518 3.640 0.738 1.426 5.854 0.392 1.608
19 0.688 0.717 0.187 0.9599 0.477 1.443 0.497 1.503 3.689 0.733 1.490 5.888 0.404 1.596
20 0.671 0.697 0.180 0.9619 0.491 1.433 0.510 1.490 3.735 0.729 1.548 5.922 0.414 1.586
21 0.655 0.679 0.173 0.9638 0.504 1.424 0.523 1.477 3.778 0.724 1.606 5.950 0.425 1.575
22 0.640 0.662 0.167 0.9655 0.516 1.415 0.534 1.466 3.819 0.720 1.659 5.979 0.434 1.566
23 0.626 0.647 0.162 0.9670 0.527 1.407 0.545 1.455 3.858 0.716 1.710 6.006 0.443 1.557
24 0.612 0.632 0.157 0.9684 0.538 1.399 0.555 1.445 3.895 0.712 1.759 6.031 0.452 1.548
25 0.600 0.619 0.153 0.9696 0.548 1.392 0.565 1.435 3.931 0.709 1.804 6.058 0.459 1.541

EY20301 สถิติวิศวกรรม (Engineering Statistics) PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

EY20301 สถิติวิศวกรรม (Engineering Statistics) PDF

Uploaded by

Copyright:

Available Formats

เอกสารประกอบการสอน

เอกสารประกอบการสอน วิชาสถิ ติวิศวกรรม (EY20301) ใช้ประกอบการเรียนการสอนตาม

บรรณานุกรม ................................................................................................................................. …235

วิทยาเขต/คณะ/ภาควิชา คณะเทคโนโลยี สาขาวิชาวิศวกรรมพลังงาน

หน่วยกิต บรรยาย การฝึกปฏิบัติ/งาน การศึกษาด้วยตนเอง

๒.๑ ผลการเรียนรู้ ๒.๒ กลยุทธ์/วิธีการสอน ๒.๓ กลยุทธ์/วิธีประเมินผล

๔.๑ ผลการเรียนรู้ ๔.๒ กลยุทธ์/วิธีการสอน ๔.๓ กลยุทธ์/วิธีประเมินผล

๓. []มีจิตอาสาและช่วยเหลือ ๓................................................ ๓...............................................

๕. ทักษะการวิเคราะห์เชิงตัวเลข การสื่อสาร และการใช้เทคโนโลยีสารสนเทศ

สัปดาห์ หัวข้อ ชม.สอน/สัปดาห์ กิจกรรม สื่อที่ใช้ในการสอน อ.ผู้สอน

สัปดาห์ หัวข้อ ชม.สอน/สัปดาห์ กิจกรรม สื่อที่ใช้ในการสอน อ.ผู้สอน

สัปดาห์ หัวข้อ ชม.สอน/สัปดาห์ กิจกรรม สื่อที่ใช้ในการสอน อ.ผู้สอน

สัปดาห์ หัวข้อ ชม.สอน/สัปดาห์ กิจกรรม สื่อที่ใช้ในการสอน อ.ผู้สอน

ในการประกอบอาชีพทางวิศวกรรม วิศวกรจาเป็นต้องตัดสินใจและวางแผนในการทางานตลอดเวลา แต่

รูปที่ 1.1 ข้อมูลและสถิติ

วัตถุประสงค์ของการศึกษาด้วย และการรายงานผลการศึก ษาต้องเป็นผลจากการดาเนินกิจกรรมต่างๆมาแล้ว

รูปที่ 1.2 การดาเนินการทางสถิติ

ดังรูปที่ 1.3 แสดงให้เห็นความสัมพันธ์ระหว่างประชากร ตัวอย่าง ความน่าจะเป็นและสถิติอนุมาน

รูปที่ 1.3 ความสัมพันธ์ระหว่างความน่าจะเป็นและสถิติอนุมาน

โดย P(E) คือ ความน่าจะเป็นที่จะเกิดเหตุการณ์นั้นๆ

ตัวอย่างที่ 1.5 ถุงใบหนึ่งมีลูกบอลขนาดเท่ากัน มีลูกบอลสีขาว 3 ลูก สีแดง 4 ลูกและสีดา 6 ลูก ถ้าสุ่มหยิบ

วิธีทา จานวนวันทั้งหมดในหนึ่งเดือน(N) คือ 1+6+18+4+2 = 31 วัน

1. จงบอกความหมายของสถิติ และสถิติแบ่งเนื้อหาออกเป็นกี่ส่วน อะไรบ้าง จงอธิบาย

11. จากการสารวจโรงงาน 142 โรง ที่ตั้งอยู่ในจังหวัดหนึ่ง ปรากฏว่ามีโรงงานที่มีช่างเทคนิคและวิศวกร

ประไพศรี สุทัศน์ ณ อยุธยา และพงศ์ชนัน เหลืองไพบูลย์ . (2549). สถิติวิศวกรรม (Engineering

2. นาเข้าสู่บทเรียนโดยการอธิบายวัตถุประสงค์ ภาพรวมเนื้อหาในบทที่ 2 และบรรยายประกอบสื่อ

2.2.1 ตัวแปรสุ่มไม่ต่อเนื่อง (Discrete random variable)

ตัวอย่างที่ 2.3 จากการเก็บรวบรวมข้อมูลเกี่ยวกับผลการบรรจุน้ามันเครื่อง 5,000 กระป๋อง มีจานวน

 1 x P( x1 )  x 2P( x 2 )  x 3P( x 3 )  ...  x11P( x11 )

ตัวอย่างที่ 2.7 จากตัวอย่างที่ 2.4 และ 2.5 เกี่ยวกับจานวนครั้งที่ไฟฟ้ากระพริบในแต่ละวันของโรงงาน

 0.7253  0.4517  0.4850  0.3915  0.1065  0.0150  0.2553  0.3290  0.3424

 0.2520  0.0061  0.2569

 0.3199  0.0482  0.1499  0.2471

ในการคานวณความน่าจะเป็น โดยการอินทิเกรตฟังก์ชันมีความยุ่งยากมาก จึงมีนักสถิติพยายาม

ตัวอย่างที่ 2.10 จงหาความน่าจะเป็นที่ Z จะมีค่าอยู่ระหว่าง 0 กับ 1 ของการแจกแจงปกติ

ตัวอย่างที่ 2.11 จงหาพื้นที่ระหว่าง –1.65 กับ 1.65 ของการแจกแจงปกติมาตรฐาน

ตัวอย่างที่ 2.12 จงหา P(0.75 < Z < 1.25) ของการแจกแจงปกติมาตรฐาน

ตัวอย่างที่ 2.13 จงหา P( Z > 1.37) ของการแจกแจงปกติมาตรฐาน

ตัวอย่างที่ 2.14 จงหา P(–0.75 < Z < 1.25) ของการแจกแจงปกติมาตรฐาน

ตัวอย่างที่ 2.15 จงหา P(Z < 0.98) ของการแจกแจงปกติมาตรฐาน

2) การใช้ประโยชน์ของการแจกแจงปกติ การแจกแจงของตัวแปรสุ่มส่วนใหญ่ จะประมาณได้ด้วย

ตัวอย่างที่ 2.16 หลอดภาพโทรทัศน์ยี่ห้อหนึ่งมีอายุการใช้งานเฉลี่ย 1,000 ชั่วโมง และมีค่าส่วนเบี่ยงเบน

จาก P(Z > 2.5) = 0.5 – P(0 < Z < 2.5)

ดังนั้นความน่าจะเป็นที่หลอดภาพโทรทัศน์จะมีอายุการใช้งานมากกว่า 1,250 ชั่วโมง คือ 0.0062

ตัวอย่างที่ 2.17 ถ้าความต้านทานของตัวต้านทานชนิดหนึ่งมีการแจกแจงปกติที่มีค่าเฉลี่ยของความต้านทาน

3) ความน่าจะเป็นที่ความต้านทานเฉลี่ยของตัวต้านทานอยู่ระหว่าง 40 กับ 60 โอห์ม คือ

ตัวอย่างที่ 2.18 ถ้ารายได้ของบริษัทก่อสร้างแห่งหนึ่งต่อปีมีการแจกแจงปกติที่มีค่าเฉลี่ย 100 ล้านบาท และ

2) ความน่าจะเป็นที่รายได้ต่อปีของบริษัทก่อสร้างมากกว่า 100 ล้านบาท คือ

3) ความน่าจะเป็นที่รายได้ต่อปีของบริษัทก่อสร้างอยู่ระหว่าง 100 ล้านบาทถึง 110 ล้านบาท คือ

0.45, 0.20 และ 0.10 ตามลาดับจงหาค่าเฉลี่ย ความแปรปรวนและส่วนเบี่ยงเบนมาตรฐานของเงินปันผลที่

9. คอนกรีตชนิดหนึ่งมีเวลาแห้งโดยเฉลี่ย 10 ชั่วโมง และค่าส่วนเบี่ยงเบนมาตรฐาน 1.5 ชั่วโมง ถ้าเวลาแห้ง

การศึกษาลักษณะต่าง ๆ ด้านวิศวกรรมของเรื่องหรือกลุ่มประชากรที่สนใจศึกษา เช่น ราคาขายปลีกเฉลี่ย

จากความสัมพันธ์ข้างต้นจะเห็นได้ว่าค่าประมาณของ  คือ x  Z n โดยที่มี x เป็นค่าประมาณ

ขีดจากัดความเชื่อมั่นล่าง ค่าประมาณแบบจุด ขีดจากัดความเชื่อมั่นบน

รูปที่ 3.1 ช่วงความเชื่อมั่นของ  ณ ระดับความเชื่อมั่น (1  )100%

ถ้าประชากรมีการแจกแจงปกติที่มีค่าเฉลี่ย  และความแปรปรวน  2 แล้วค่าประมาณแบบช่วง

ในกรณีที่ตัวอย่างมีขนาดใหญ่ กล่าวคือ มากกว่าหรือเท่ากับ 30 ไม่ว่าประชากรจะมีการแจกแจงแบบ

มีค่าเฉลี่ย  และความแปรปรวน n นั่นคือค่าประมาณแบบช่วงหรือช่วงความเชื่อมั่นของ  ณ ระดับ

หรือค่า t ที่ระดับนัยสาคัญ 2 และระดับขั้นความเสรี (n - 1) หาได้จากการเปิด

ระดับความเชื่อมั่น (%)  (1  )  100% (3.13)

ระดับความเชือ่ มัน่ (%) 

ตัวอย่างที่ 3.2 จากการสอบถามวิศวกร 16 คนที่เลือกมาจากวิศวกรทั้งหมดที่ทางานอยู่ในอาคารสานักงาน

จากโจทย์ x  25 , s  2 , 2  0.210  0.05 , n  16