Näytteen jakelun toiminta
Mikä on näytteen jakelu?
Näytteen jakauma on a todennäköisyysjakauma tilastosta, joka on saatu suuremmasta määrästä näytteitä tietystä populaatiosta. Tietyn populaation otantajakauma on taajuuksien jakauma erilaisille tuloksille, jotka voivat mahdollisesti esiintyä väestö.
Sisään tilastot, populaatio on koko joukko, josta tilastollinen näyte on piirretty. Väestö voi viitata kokonaiseen ihmisryhmään, esineisiin, tapahtumiin, sairaalakäynteihin tai mittauksiin. Väestön voidaan siis sanoa olevan koottu havainto aiheista, jotka on ryhmitelty yhteen yhteisen piirteen mukaan.
- Otantajakauma on tilasto, joka saadaan toistuvalla näytteenotolla suuremmasta populaatiosta.
- Se kuvaa joukon mahdollisia tuloksia tilastoista, kuten jonkin muuttujan keskiarvo tai tila, koska se todella on populaatio.
- Suurin osa tutkijoiden analysoimista tiedoista on peräisin näytteistä eikä populaatioista.
Näytteen jakelun ymmärtäminen
Paljon tiedot akateemikot, tilastotieteilijät, tutkijat, markkinoijat, analyytikot jne. ovat itse asiassa näytteitä, eivät populaatioita. Näyte on populaation osajoukko. Esimerkiksi lääketieteen tutkija, joka halusi verrata kaikkien Pohjois -Amerikassa vuosina 1995–2005 syntyneiden vauvojen keskimääräistä painoa Etelä -Amerikassa syntyneiden vauvojen keskimääräiseen painoon. sama ajanjakso ei voi kohtuullisen ajan kuluessa kerätä tietoja koko väestöstä yli miljoonasta synnytyksestä, jotka tapahtuivat kymmenen vuoden aikana. Sen sijaan hän käyttää vain 100 vauvan painoa jokaisella mantereella tehdäkseen johtopäätöksen. Näyte on käytetty 200 vauvan painoa ja laskettu keskimääräinen paino on näytteen keskiarvo.
Oletetaan nyt, että sen sijaan, että otat vain yhden näytteen 100 vastasyntyneestä painosta jokaiselta mantereelta, lääketieteellinen tutkija ottaa toistuvia satunnaisnäytteitä väestöstä ja laskee näytteen keskiarvon kullekin näytteelle ryhmä. Niinpä Pohjois -Amerikasta hän kerää tietoja 100 vastasyntyneestä painosta, jotka on tallennettu Yhdysvalloissa, Kanadassa ja Meksikossa seuraavasti: neljä 100 näytettä valituista Yhdysvaltojen sairaaloissa, viisi 70 näytettä Kanadasta ja kolme 150 tietuetta Meksikosta, yhteensä 1200 painoa vastasyntyneitä vauvoja ryhmiteltyinä 12 sarjaa. Hän kerää myös näytetietoja 100 syntymäpainosta kustakin Etelä -Amerikan 12 maasta.
Jokaisella näytteellä on oma näytekeskiarvonsa ja näytteen keskiarvon jakauma tunnetaan näytteen jakautumana.
Kullekin näytejoukolle laskettu keskimääräinen paino on keskiarvon otosjakauma. Ei vain keskiarvoa voidaan laskea näytteestä. Muut tilastot, kuten keskihajonta, dispersio, osuus ja alue voidaan laskea otostiedoista. Keskihajonta ja -varianssi mittaavat otantajakauman vaihtelua.
Havaintojen määrä populaatiossa, otoksessa olevien havaintojen määrä ja otosjoukkojen piirtämismenetelmä määrää otantajakauman vaihtelevuuden. Näytteen jakauman keskihajontaa kutsutaan vakio virhe. Vaikka otantajakauman keskiarvo on yhtä suuri kuin populaation keskiarvo, standardivirhe riippuu populaation keskihajonnasta, populaation koosta ja koosta näyte.
Tietäen kuinka hajanainen kunkin otosjoukon keskiarvo on toisistaan ja populaation keskiarvosta, se osoittaa, kuinka lähellä otoksen keskiarvo on populaation keskiarvoa. Näytteen jakauman vakiovirhe pienenee otoksen koon kasvaessa.
Erityistä huomioitavaa
Joukolla tai yhdellä otosjoukolla on normaalijakauma. Koska otantajakauma sisältää kuitenkin useita havaintojoukkoja, sillä ei välttämättä ole a kaareva muoto.
Esimerkkimme mukaan vauvojen keskimääräisellä painolla Pohjois -Amerikassa ja Etelä -Amerikassa on normaali jakauma, koska jotkut vauvat ovat alipainoisia (alle keskiarvon) tai ylipainoisia (yli keskiarvon), ja useimmat vauvat putoavat välillä (keskiarvon ympärillä). Jos vastasyntyneiden keskipaino Pohjois -Amerikassa on seitsemän kiloa, otoksen keskipaino kussakin Pohjois -Amerikalle tallennetuista 12 otoshavaintojoukosta on lähes seitsemän kiloa hyvin.
Jos kuitenkin kaaviot jokaisen 1200 näyteryhmän keskiarvon, tuloksena oleva muoto voi tuloksena on tasainen jakautuminen, mutta on vaikea ennustaa varmuudella, mistä todellinen muoto tulee olla. Mitä enemmän näytteitä tutkija käyttää yli miljoonan painon joukosta, sitä enemmän kaavio alkaa muodostaa normaalia jakaumaa.
