Шта је дистрибуција узорка?
Дистрибуција узорка може се дефинисати као дистрибуција вероватноће користећи статистику тако што се прво бира одређена популација, а затим се користе случајни узорци који се узимају из популације, тј. Она у основи циља на ширење фреквенција повезаних са ширењем различитих исхода или резултати који се могу догодити за одређену изабрану популацију.
Објашњење
- Много истраживача, академика, тржишних стратега итд. Иде испред дистрибуције узорка уместо да бира целу популацију. То чини скуп података лаким и уједно управљивим. Да би то било лакше, претпоставимо да продавац жели да уради анализу броја младих који возе бицикл између две регије у узрасту од 13 до 18 година.
- У ту сврху он неће узети у обзир целокупно становништво присутно у две регије између 13-18 година старости, што практично није могуће, чак и ако се то учини, одузима превише времена, а скуп података није управљив . Уместо тога, продавац ће узети узорак од по 200 из сваког региона и обавити дистрибуцију.
- Просечан број коришћења бицикла овде се назива средином узорка. Сваки одабрани узорак има сопствену генерисану средњу вредност, а дистрибуција извршена за добијену просечну средину дефинише се као дистрибуција узорка. Добијено одступање назива се стандардном грешком.
Пример дистрибуције узорка
- Под претпоставком да истраживач спроводи истраживање о тежини становника одређеног града и има пет запажања или узорака, тј. 70 кг, 75 кг, 85 кг, 80 кг и 65 кг. Генерално се сматра да град има нормалну дистрибуцију и одржава стандардну девијацију од 5 кг у погледу мера тежине. Тако се средња вредност може израчунати као (70 + 75 + 85 + 80 + 65) / 5 = 75 кг.
- Такође, претпостављамо да је бројност популације огромна; тако да бисмо прешли на други корак, поделићемо број посматрања или узорака са 1, тј. 1/5 = 0,20. Сада треба да узмемо квадратни корен од 0,20, што долази до 0,45. Затим се квадратни корен помножи са стандардном девијацијом, тј. 0,45 * 5 = 2,25 кг. Тако је добијена стандардна грешка 2,25 кг, а добијена средња вредност била је 75 кг. Ова два фактора могу се користити за описивање расподеле.
Врсте дистрибуције узорака
# 1 - Расподела средње вредности у узорку
- Ово се може дефинисати као вероватноћа ширења свих средстава за узорке одабраних на случајној основи фиксне величине из одређене популације. Када се узорци одлуче за нормалну популацију, ширење добијене средње вредности такође ће бити нормално на средњу вредност и стандардну девијацију.
- Ако популација није нормална према миру, расподела средстава ће се приближавати нормалној под условом да је величина узорка прилично велика.
# 2 - Дистрибуција удела у узорку
Ово је првенствено повезано са статистиком која је укључена у атрибуте. Овде долази до улоге биномна расподела. Генерално, он одговара законима биномне расподеле, али како се величина узорка повећава, обично поново постаје нормална расподела.
# 3 - Т-дистрибуција ученика
Ова врста дистрибуције се користи када је истраживачу непозната стандардна девијација популације или када је величина узорка врло мала. Ова врста дистрибуције је врло симетрична и испуњава услов стандардне нормалне варијабле. Како се величина узорка повећава, чак и расподела Т има тенденцију да постане врло близу нормалној расподели.
# 4 - Ф дистрибуција
- Када је у нумератору обавезно присутна већа варијанса, Ф дистрибуција проналази своју употребу, јер степен слободе мења и критичне вредности Ф промена, што је применљиво и за велике и за мале варијансе. Ово се може израчунати из доступних табела.
- Поређење се врши на основу измерене вредности Ф која припада скупу узорака и вредности која се израчунава из табеле ако је ранија једнака или већа од вредности табеле, одбија се нулта хипотеза студије.
# 5 - Цхи-Скуаре дистрибуција формуле
Ова врста дистрибуције се користи када скуп података укључује бављење вредностима које укључују сабирање квадрата. Збир квадрата величина који припадају варијанси узорака се додаје, и тако се прави расподела расподеле, коју називамо дистрибуцијом хи-квадрат.
Значај
- Ово је важно јер поједностављује пут ка статистичком закључивању. Штавише, омогућава да се аналитичка разматрања усредсреде на статичку расподелу, а не на мешовити пробабилистички распоред сваке одабране јединице узорка.
- Елиминисање варијабилности присутне у статистици врши се коришћењем ове расподеле.
- Пружа нам одговор о вероватним исходима који ће се највероватније догодити.
- Они играју кључну улогу у инференцијалним статистичким студијама, што значи да играју главну улогу у доношењу закључака у вези са целокупном популацијом.
Закључак
- Ово је кључно за статистику, јер она делује као главна смерница за статистичко закључивање. Они у основи воде истраживача, академике или статистичаре о ширењу фреквенција, сигнализирајући низ различитих вероватних исхода који би се могли даље означити целој популацији.
- Примарни фактор овде укључен је средња вредност узорка и стандардна грешка, који нам, ако су процене, помажу у израчунавању расподеле узорковања. Постоје разне врсте техника дистрибуције, а свака се примењује на основу сценарија и скупа података.
