Mikä on näytteenottojakauma?
Näytteenottojakauma voidaan määritellä todennäköisyysjakaumaksi käyttämällä tilastoja valitsemalla ensin tietty populaatio ja sitten käyttämällä satunnaisotoksia, jotka on otettu populaatiosta, eli se kohdistuu periaatteessa eri tulosten leviämiseen liittyvien taajuuksien leviämiseen. tai tuloksia, jotka mahdollisesti tapahtuvat tietylle valitulle väestölle.
Selitys
- Monet tutkijat, akateemikot, markkinastrategit jne. Etenevät näytteenotosta sen sijaan, että valitsisivat koko väestön. Tämä tekee tietojoukosta helppoa ja hallittavaa. Oletuksena markkinoija haluaa tehdä sen helpottamiseksi analyysin polkupyörällä ajavien nuorten lukumäärästä kahden alueen välillä 13–18-vuotiaiden välillä.
- Tätä tarkoitusta varten hän ei ota huomioon näiden kahden alueen koko väestöä 13-18-vuotiaiden välillä, mikä ei ole käytännössä mahdollista, ja vaikka se tehdäänkin, se on liian aikaa vievää eikä tietojoukko ole hallittavissa . Sen sijaan markkinoija ottaa 200 näytteen sarjan kustakin alueesta ja saa jakelun valmiiksi.
- Polkupyörän keskimääräistä käyttöä tässä kutsutaan näytekeskiarvoksi. Jokaisella valitulla näytteellä on oma luotu keskiarvonsa, ja saadulle keskimääräiselle keskiarvolle tehty jakauma määritellään näytteen jakaumaksi. Saatu poikkeama kutsutaan standardivirheeksi.
Esimerkki näytteenotosta
- Olettaen, että tutkija suorittaa tutkimuksen tietyn kaupungin asukkaiden painosta ja että hänellä on viisi havaintoa tai näytettä, eli 70 kg, 75 kg, 85 kg, 80 kg ja 65 kg. Kaupungin katsotaan yleensä jakautuneen normaalisti, ja sen painomittojen suhteen standardipoikkeama on 5 kg. Siten keskiarvo voidaan laskea (70 + 75 + 85 + 80 + 65) / 5 = 75 kg.
- Oletetaan myös, että väestömäärä on valtava; siis toiseen vaiheeseen siirtymiseksi jaetaan havaintojen tai näytteiden lukumäärä yhdellä, ts. 1/5 = 0,20. Nyt meidän on otettava neliöjuuri 0,20, joka on 0,45. Neliöjuuri kerrotaan sitten keskihajonnalla, ts. 0,45 * 5 = 2,25 kg. Täten saatu standardivirhe on 2,25 kg ja saatu keskiarvo oli 75 kg. Näitä kahta tekijää voidaan käyttää kuvaamaan jakaumaa.
Näytteenoton jakelun tyypit
# 1 - Näytteenoton keskiarvon jakauma
- Tämä voidaan määritellä kaikkien satunnaisesti kiinteän koon perusteella valitun näytteen keskiarvon todennäköisyyden leviämiseksi tietystä populaatiosta. Kun näytteet ovat valinneet normaalin populaation, saadun keskiarvon leviäminen on myös normaalia keskiarvon ja keskihajonnan suhteen.
- Jos populaatio ei ole normaalia hiljaista, keskiarvojen jakauma pyrkii lähestymään normaalijakaumaa edellyttäen, että otoksen koko on melko suuri.
# 2 - Näytteenottosuhteen jakauma
Tämä liittyy ensisijaisesti attribuutteihin liittyviin tilastoihin. Tässä tulee esiin binomijakauman rooli. Yleensä se reagoi binomijakauman lakeihin, mutta otoksen koon kasvaessa siitä tulee yleensä normaalijakauma.
# 3 - Opiskelijan T-jakelu
Tämän tyyppistä jakaumaa käytetään, kun populaation keskihajonta ei ole tiedossa tutkijalle tai kun otoksen koko on hyvin pieni. Tämän tyyppinen jakauma on hyvin symmetrinen ja täyttää normaalin normaalimuuttujan ehdon. Otoksen koon kasvaessa tasainen T-jakauma pyrkii tulemaan hyvin lähelle normaalijakaumaa.
# 4 - F-jakelu
- Kun suurempi varianssi on pakollisesti läsnä osoittimessa, F-jakauma löytää sen käytön, kun vapauden aste muuttaa myös F: n muutosten kriittisiä arvoja, mikä on sovellettavissa sekä suurille että pienille variansseille. Tämä voidaan laskea käytettävissä olevista taulukoista.
- Vertailu tehdään otosjoukkoon kuuluvan F: n mitatusta arvosta ja arvosta, joka lasketaan taulukosta, jos aikaisempi on yhtä suuri tai suurempi kuin taulukon arvo, tutkimuksen nollahypoteesi hylätään.
# 5 - Chi-Square-kaavan jakelu
Tämän tyyppistä jakelua käytetään, kun tietojoukko käsittelee arvoja, jotka sisältävät neliöiden laskemisen. Näytteiden varianssiin kuuluvien neliömäärien joukko lisätään ja näin muodostetaan jakaumahajautus, jota kutsumme khi-neliöjakaumaksi.
Merkitys
- Tämä on tärkeää, koska se yksinkertaistaa tietä tilastolliseen päättelyyn. Lisäksi se mahdollistaa analyyttisten näkökohtien keskittämisen staattiseen jakaumaan eikä kunkin valitun otosyksikön sekoitettuun todennäköisyyshajotukseen.
- Tilastossa esiintyvän vaihtelevuuden eliminointi tehdään käyttämällä tätä jakaumaa.
- Se antaa meille vastauksen todennäköisimmistä todennäköisistä tuloksista.
- Heillä on keskeinen rooli pääteltävissä olevissa tilastollisissa tutkimuksissa, mikä tarkoittaa, että heillä on merkittävä rooli johtaessaan päätelmiin koko väestöstä.
Johtopäätös
- Tämä on avainasemassa tilastoissa, koska ne toimivat tärkeänä ohjeena tilastollisiin päätelmiin. Ne ohjaavat pohjimmiltaan tutkijaa, akateemikkoja tai tilastotieteilijöitä taajuuksien leviämisestä ilmoittamalla vaihtelevista todennäköisistä tuloksista, jotka voitaisiin edelleen merkitä koko väestölle.
- Tärkein tekijä tässä on otoksen keskiarvo ja standardivirhe, jotka estimaattien avulla auttavat myös laskemaan otosjakauman. Jakelutekniikoita on erityyppisiä, ja skenaarion ja tietojoukon perusteella kutakin käytetään.
