Како функционише дистрибуција узорка

Шта је дистрибуција узорка?

Дистрибуција узорка је а расподела статистике добијене из већег броја узорака узетих из одређене популације. Дистрибуција узорка дате популације је дистрибуција фреквенција низа различитих исхода до којих би могло доћи за статистику Популација.

Ин статистика, популација је цијели скуп из којег се износе статистички подаци узорак је уцртана. Популација се може односити на читаву групу људи, предмете, догађаје, посете болницама или мерења. Стога се за популацију може рећи да је збирно посматрање субјеката груписаних према заједничком обележју.

Разумевање дистрибуције узорка

Много података нацртали и користили академици, статистичари, истраживачи, маркетиншки стручњаци, аналитичари итд. су заправо узорци, а не популације. Узорак је подскуп популације. На пример, медицински истраживач који је желео да упореди просечну тежину свих беба рођених у Северној Америци од 1995. до 2005. са онима рођеним у Јужној Америци у исти временски период не може у разумном року извући податке за целу популацију од преко милион порођаја који су се догодили у десетогодишњем временском оквиру. Уместо тога, он ће користити само тежину, рецимо, 100 беба, на сваком континенту да донесе закључак. Тежина 200 кориштених беба је узорак, а израчуната просјечна тежина је средња вриједност узорка.

Претпоставимо да уместо узимања само једног узорка од 100 тежина новорођенчади са сваког континента, медицински истраживач узима поновљене случајне узорке из опште популације и израчунава средњу вредност узорка за сваки узорак група. Дакле, за Северну Америку он прикупља податке за 100 тежина новорођенчади забележених у САД -у, Канади и Мексику на следећи начин: четири 100 узорака из одабраних болнице у САД -у, пет 70 узорака из Канаде и три 150 записа из Мексика, за укупно 1200 тежина новорођенчади груписаних у 12 скупови. Он такође прикупља узорке података о 100 порођајних тежина из сваке од 12 земаља Јужне Америке.

Просечна тежина израчуната за сваки скуп узорака је дистрибуција узорка средње вредности. Не само средња вредност се може израчунати из узорка. Остале статистике, као што су стандардна девијација, варијанса, пропорција и распон могу се израчунати из података узорка. Стандардна девијација и варијанса мјере варијабилност дистрибуције узорка.

Број опажања у популацији, број опажања у узорку и поступак који се користи за цртање скупова узорака одређују варијабилност дистрибуције узорка. Стандардна девијација дистрибуције узорка назива се Стандардна грешка. Док је средња вредност дистрибуције узорка једнака средњој популацији, стандардна грешка зависи од стандардне девијације становништва, величине популације и величине узорак.

Знајући колико су размакнуте вредности сваког од узорака скупова међусобно и из популације показаће колико је средња вредност узорка блиска средњој вредности популације. Стандардна грешка дистрибуције узорка опада са повећањем величине узорка.

Посебна разматрања

Популација или један скуп узорака бројева имаће нормалну дистрибуцију. Међутим, пошто дистрибуција узорка укључује више скупова запажања, она неће нужно имати а звонасто закривљен облик.

Следећи наш пример, просечна популацијска тежина беба у Северној Америци и Јужној Америци има нормалну дистрибуцију јер неке бебе ће имати мању тежину (испод просека) или вишак килограма (изнад просека), при чему већина беба пада између (око просека). Ако је просечна тежина новорођенчади у Северној Америци седам килограма, просечна тежина узорка у сваком од њих од 12 скупова узорака посматрања забележених за Северну Америку биће близу 7 килограма добро.

Међутим, ако графички прикажете сваки од просека израчунатих у свакој од 1.200 група узорака, резултујући облик може резултира уједначеном расподелом, али је тешко са сигурношћу предвидети какав ће се стварни облик претворити бити. Што више узорака истраживач користи од популације од преко милион тежинских цифара, то ће графикон почети да формира нормалну расподелу.