Apakah Taburan Persampelan?
Sebaran sampel dapat didefinisikan sebagai taburan kebarangkalian menggunakan statistik dengan memilih populasi tertentu terlebih dahulu dan kemudian menggunakan sampel rawak yang diambil dari populasi, iaitu, pada dasarnya mensasarkan penyebaran frekuensi yang berkaitan dengan penyebaran pelbagai hasil atau hasil yang mungkin berlaku untuk populasi terpilih tertentu.
Penjelasan
- Sebilangan besar penyelidik, ahli akademik, pakar strategi pasaran, dan lain-lain mendahului penyebaran sampel daripada memilih keseluruhan populasi. Ini menjadikan set data mudah dan juga terkawal. Untuk mempermudahnya, anggap pemasar ingin melakukan analisis jumlah pemuda yang menunggang basikal antara dua wilayah dalam had umur 13-18 tahun.
- Untuk tujuan ini, dia tidak akan memperhitungkan keseluruhan populasi yang ada di dua wilayah tersebut antara usia 13-18 tahun, yang praktis tidak mungkin, dan bahkan jika dilakukan, ia terlalu memakan masa, dan kumpulan data tidak dapat dikendalikan . Sebaliknya, pemasar akan mengambil satu set sampel 200 masing-masing dari setiap wilayah dan menyelesaikan pembahagiannya.
- Kiraan purata penggunaan basikal di sini disebut sebagai min sampel. Setiap sampel yang dipilih mempunyai min sendiri yang dihasilkan, dan pengedaran yang dilakukan untuk rata-rata rata-rata yang diperoleh didefinisikan sebagai taburan sampel. Penyimpangan yang diperoleh disebut sebagai kesalahan standard.
Contoh Taburan Persampelan
- Dengan andaian bahawa seorang penyelidik sedang menjalankan kajian mengenai berat penduduk kota tertentu dan dia mempunyai lima pemerhatian atau sampel, iaitu, 70kg, 75kg, 85kg, 80kg, dan 65kg. Bandar ini umumnya dianggap mempunyai taburan normal dan mengekalkan sisihan piawai 5kg dalam aspek pengukuran berat badan. Oleh itu, min boleh dikira sebagai (70 + 75 + 85 + 80 + 65) / 5 = 75 kg.
- Kami juga menganggap bahawa jumlah penduduknya besar; Oleh itu, untuk menuju ke langkah kedua, kita akan membahagikan bilangan pemerhatian atau sampel dengan 1, iaitu, 1/5 = 0.20. Sekarang kita perlu mengambil punca kuasa dua 0,20, yang mencapai 0,45. Akar kuadrat kemudian didarabkan dengan sisihan piawai, iaitu 0.45 * 5 = 2.25kg. Oleh itu, kesalahan standard yang diperoleh adalah 2.25kg, dan min yang diperoleh adalah 75kg. Kedua-dua faktor ini boleh digunakan untuk menerangkan taburan.
Jenis Taburan Persampelan
# 1 - Pembahagian Sampel Min
- Ini dapat didefinisikan sebagai kemungkinan penyebaran semua cara sampel yang dipilih secara rawak dari ukuran tetap dari populasi tertentu. Apabila sampel memilih dari populasi normal, penyebaran min yang diperoleh juga akan normal ke rata-rata dan sisihan piawai.
- Sekiranya populasi tidak normal untuk diam, taburan alat akan cenderung lebih dekat dengan taburan normal dengan syarat ukuran sampel cukup besar.
# 2 - Pembahagian Pensampelan
Ini terutamanya berkaitan dengan statistik yang terlibat dalam atribut. Di sini peranan pengedaran binomial dimainkan. Secara amnya, ia bertindak balas terhadap undang-undang taburan binomial, tetapi ketika ukuran sampel meningkat, biasanya menjadi taburan normal lagi.
# 3 - Pembahagian T Pelajar
Jenis taburan ini digunakan apabila sisihan piawai populasi tidak diketahui oleh penyelidik atau ketika ukuran sampel sangat kecil. Jenis taburan ini sangat simetris dan memenuhi syarat standard normal yang berbeza-beza. Apabila saiz sampel meningkat, taburan T cenderung menjadi hampir dengan taburan normal.
# 4 - Pembahagian F
- Apabila varians yang lebih besar ada secara mandatori dalam pengangka, taburan F mendapati penggunaannya kerana tahap kebebasan mengubah nilai kritis F juga berubah, yang berlaku untuk variasi besar dan kecil. Ini dapat dikira dari jadual yang ada.
- Perbandingan dibuat dari nilai F yang diukur dari kumpulan sampel dan nilai, yang dikira dari jadual jika yang lebih awal sama atau lebih besar daripada nilai jadual, hipotesis nol kajian ditolak.
# 5 - Taburan Formula Chi-Square
Jenis pengedaran ini digunakan apabila kumpulan data melibatkan berurusan dengan nilai-nilai yang meliputi penambahan kuadrat. Kumpulan kuantiti kuadrat milik varians sampel ditambahkan, dan dengan demikian penyebaran pengedaran dibuat, yang kami sebut sebagai taburan chi-square.
Kepentingan
- Ini penting kerana ia mempermudah jalan ke inferens statistik. Lebih-lebih lagi, ini memungkinkan pertimbangan analitik difokuskan pada taburan statik daripada penyebaran probabilistik campuran setiap unit sampel yang dipilih.
- Penghapusan kebolehubahan yang terdapat dalam statistik dilakukan dengan menggunakan taburan ini.
- Ini memberi kita jawapan mengenai kemungkinan hasil yang kemungkinan besar akan berlaku.
- Mereka memainkan peranan penting dalam kajian statistik inferensi, yang bermaksud mereka memainkan peranan utama dalam membuat kesimpulan mengenai seluruh populasi.
Kesimpulannya
- Ini adalah kunci dalam statistik kerana ia bertindak sebagai garis panduan utama untuk membuat kesimpulan statistik. Mereka pada dasarnya membimbing penyelidik, ahli akademik, atau ahli statistik mengenai penyebaran frekuensi, menandakan pelbagai kemungkinan hasil yang bervariasi yang dapat ditandai lebih jauh ke seluruh populasi.
- Faktor utama yang terlibat di sini adalah min sampel dan ralat piawai, yang, jika dianggarkan, membantu kita mengira taburan persampelan juga. Terdapat berbagai jenis teknik pengedaran, dan berdasarkan senario dan set data, masing-masing diterapkan.
