Vad är en provtagningsfördelning?
En samplingsfördelning kan definieras som en sannolikhetsfördelning med hjälp av statistik genom att först välja en viss population och sedan använda slumpmässiga urval som hämtas från populationen, dvs. den riktar sig i princip mot spridningen av frekvenser relaterade till spridningen av olika resultat eller resultat som möjligen kan ske för den specifika utvalda befolkningen.
Förklaring
- Många forskare, akademiker, marknadsstrateger etc. går före distributionen av provtagningar istället för att välja hela befolkningen. Detta gör datamängden enkel och även hanterbar. För att göra det enklare, antag att en marknadsförare vill göra en analys av antalet ungdomar som cyklar mellan två regioner inom åldersgränsen 13-18.
- För detta ändamål kommer han inte att ta hänsyn till hela befolkningen i de två regionerna mellan 13 och 18 år, vilket praktiskt taget inte är möjligt, och även om det är gjort är det för tidskrävande och datamängden är inte hanterbar . I stället tar marknadsföraren ett provuppsättning på 200 vardera från varje region och får distributionen klar.
- Det genomsnittliga antalet användare av cykeln här betecknas som medelvärdet. Varje utvalt prov har sitt eget genererade medelvärde och distributionen som görs för det genomsnittliga erhållna medelvärdet definieras som provfördelningen. Den erhållna avvikelsen betecknas som standardfelet.
Exempel på provtagningsfördelning
- Förutsatt att en forskare genomför en undersökning av vikterna hos invånarna i en viss stad och han har fem observationer eller prover, dvs 70 kg, 75 kg, 85 kg, 80 kg och 65 kg. Staden anses generellt ha en normalfördelning och upprätthåller en standardavvikelse på 5 kg vad gäller viktmått. Således kan medelvärdet beräknas som (70 + 75 + 85 + 80 + 65) / 5 = 75 kg.
- Vi antar också att befolkningsstorleken är enorm; för att gå till det andra steget kommer vi alltså att dela antalet observationer eller prover med 1, dvs 1/5 = 0,20. Nu måste vi ta kvadratroten på 0,20, som kommer till 0,45. Kvadratroten multipliceras sedan med standardavvikelsen, dvs. 0,45 * 5 = 2,25 kg. Således erhållet standardfel är 2,25 kg och det erhållna medelvärdet var 75 kg. Dessa två faktorer kan användas för att beskriva fördelningen.
Typer av provtagningsfördelning
# 1 - Provtagningsfördelning av medelvärde
- Detta kan definieras som den probabilistiska spridningen av alla provmedel som väljs slumpmässigt med en fast storlek från en viss population. När prover har valt från en normalpopulation kommer spridningen av det erhållna medelvärdet också att vara normal till medelvärdet och standardavvikelsen.
- Om befolkningen inte är normal att stilla, kommer fördelningen av medlen att tendera att komma närmare den normala fördelningen förutsatt att urvalsstorleken är ganska stor.
# 2 - Provfördelning av andel
Detta är främst associerat med statistiken som är involverad i attribut. Här spelar rollen som binomial distribution in. Generellt svarar det på lagarna i binomialfördelningen, men när provstorleken ökar blir det vanligtvis normalfördelning igen.
# 3 - Studentens T-distribution
Denna typ av distribution används när standardavvikelsen för befolkningen är okänd för forskaren eller när provets storlek är mycket liten. Denna typ av distribution är mycket symmetrisk och uppfyller villkoret för normal normalvariat. När provstorleken ökar tenderar till och med T-distribution att bli mycket nära normalfördelningen.
# 4 - F-distribution
- När den större variansen är obligatoriskt närvarande i täljaren, finner F-fördelningen dess användning eftersom frihetsgraden ändrar de kritiska värdena för F-förändringar, vilket är tillämpligt för både stora och små varianter. Detta kan beräknas från tillgängliga tabeller.
- Jämförelsen görs från det uppmätta värdet av F som tillhör provuppsättningen och värdet, som beräknas från tabellen om den tidigare är lika med eller större än tabellvärdet, blir nollhypotesen för studien avvisad.
# 5 - Chi-Square Formel Distribution
Denna typ av distribution används när datamängden handlar om värden som inkluderar att lägga till rutorna. Uppsättningen av kvadratkvantiteter som tillhör variansen av prover läggs till och därmed görs en fördelningsspridning, som vi kallar chi-kvadratfördelning.
Betydelse
- Detta är viktigt eftersom det förenklar vägen till statistisk slutsats. Dessutom tillåter det att analytiska överväganden fokuseras på en statisk fördelning snarare än den blandade probabilistiska spridningen för varje vald provenhet.
- Eliminering av variabilitet som finns i statistiken görs med hjälp av denna fördelning.
- Det ger oss ett svar om de sannolika resultat som mest sannolikt kommer att hända.
- De spelar en nyckelroll i inferentiella statistiska studier, vilket innebär att de spelar en viktig roll för att dra slutsatser om hela befolkningen.
Slutsats
- Detta är nyckeln till statistik eftersom de fungerar som en viktig riktlinje för statistisk slutsats. De vägleder i grunden forskaren, akademikerna eller statistikerna om spridningen av frekvenser, vilket signalerar en rad olika möjliga resultat som kan märkas ytterligare för hela befolkningen.
- Den primära faktorn som är involverad här är medelvärdet av provet och standardfelet, som, om vi uppskattar, hjälper oss också att beräkna samplingsfördelningen. Det finns olika typer av distributionstekniker, och baserat på scenariot och datamängden tillämpas var och en.
