Interactive Lessons

Örnekleme dağılımları

Ders notları

Tanım

Anakütle ve parametre

Anakütle, hakkında bilgi edinmek istediğimiz bütün gruptur: bir okulun tüm öğrencileri, bir makinenin doldurduğu tüm torbalar. Bütün anakütleyi anlatan bir sayı parametredir: anakütle ortalaması , standart sapma , oran . Parametre, bilmesek bile tek ve sabit bir sayıdır.
111315171921
Örnek
Bir satranç kulübünün 8 üyesi var; yaşları . Anakütle bu 8 üyedir.Parametreler yaş ve ; 16 yaş ve üzerinin oranı .
Tanım

Örneklem ve istatistik

Örneklem, anakütlenin gerçekten incelediğimiz parçasıdır. Örneklemden hesaplanan bir sayı istatistiktir: örneklem ortalaması , örneklem oranı , örneklem standart sapması . İstatistik, hangi üyelerin seçildiğine bağlıdır.
Örnek
Kulüpten yaşları olan 3 üye alıyoruz.O zaman ve (üçünden ikisi 16 yaşında ya da daha büyük); parametreler ise ve .
Kural

Tahmin örneklemden örnekleme değişir

Bir parametreyi tahmin etmek için kullanılan istatistik bir tahmin verir: , değerini; , değerini tahmin eder. Başka bir örneklem başka bir tahmin verir. Yani tahmin parametreye yakındır ama parametre değildir: parametre sabit kalır, tahmin değişir.
12131415161718μ
Örnek
3 üyelik üç örneklem: ve ve , , ve verir; ise aynı kalır.Üç tahmin değerinden , ve kadar uzaktır.
Tanım

Örnekleme dağılımı

büyüklüğündeki tüm olası örneklemleri alıp her biri için aynı istatistiği hesaplayalım. Bu değerler bir dağılım oluşturur: istatistiğin örnekleme dağılımı. İstatistiğin örneklemden örnekleme nasıl davrandığını gösterir; sonraki kartlar bununla ilgili.
00.511.522.531.5
Örnek
Anakütle rakamlarıdır ve her biri eşit olasılıklıdır. Büyüklüğü 2 olan örneklemin tümü (yerine koyarak) değerlerini verir; sayıları 16 içinde olur.Ortalamaları ve varyansları ; bu, anakütle varyansı değerinin yarısıdır.
Kural

Rastgele örneklem

Basit rastgele örneklemde anakütlenin her üyesinin şansı eşittir; olası her örneklemin de şansı eşittir. Yöntemde bir tarafa eğilen hiçbir şey yoktur: çok sayıda örneklemde örneklem ortalamaları çevresinde toplanır. Kolay ulaşılana ya da cevap vermek isteyene göre seçilen bir örneklemde böyle bir güvence yoktur.
Örnek
8 kulüp üyesinden 3’ünü isim çekerek seçiyoruz. olası örneklem vardır; her birinin olasılığı ve her üye olasılıkla örneklemde yer alır.
Kural

Örnekleme için dört yöntem

Rastgele: şansa göre çekilir. Listeden her . isim: listede yinelenen örüntü yoksa adildir. Kolay ulaşılan: ulaşması kolay kişiler. Gönüllüler: cevap vermeyi seçen kişiler. Son ikisi yanlıdır: ortalamaları, yöntemin ulaşabildiği anakütle bölümünün ortalaması çevresinde toplanır.
1213141516171819μ
Örnek
Kulüpten 2 kişilik örneklemler.28 çiftin tümü (rastgele): örneklem ortalamalarının ortalaması . Yalnızca en yakındaki 5 üye (kolay ulaşılan): ortalamaları , yani değerinden uzakta. Yalnızca 5 gönüllü : ortalamaları , yani .
Dikkat!

Yanlılık ve yayılım iki ayrı şeydir

Daha büyük bir örneklem, örneklem ortalamalarını birbirine yaklaştırır (daha az yayılım) ama merkezlerini kaydırmaz. Büyük ama yanlı bir örneklem yine yanlıdır: yalnızca hassas biçimde yanlıştır. Yanlılık merkezle, yayılım tahminlerin ne kadar dağıldığıyla ilgilidir.
n=2n=412131415161718μ
Örnek
En yakındaki 5 üye (kolay ulaşılan), yerine koymadan 2’şer ve 4’er kişilik örneklemler.İkisinin de merkezi ; bu, değerinden uzakta. Ama değerinin standart sapması () değerinden () değerine düşer.
Püf noktası

Yöntem kötü mü? Üç soru

Bir örnekleme yöntemini değerlendirirken üç soru sor. Kim seçilebilir? Dışarıda kalan var mı? Herkesin şansı eşit mi? Kim cevap veriyor? Cevap verenler diğerlerinden farklı mı? Cevaplardan biri hayırsa sonucun hangi yöne kaydığını söyle ve daha büyük bir örneklemin bunu düzeltmediğini unutma.
Örnek
Bir mağaza cumartesi sabahı ilk 100 müşteriye çalışma saatlerinin iyi olup olmadığını soruyor.Kim seçilebilir: yalnızca cumartesi sabahı gelen müşteriler; akşam ve hafta içi müşterileri dışarıda kalır. Sonuç sabahı sevenlere doğru kayar ve onlardan 1000 kişiye sormak bunu düzeltmezdi.
Kural

Örneklemden gayriresmî çıkarıma

Parametre hakkında bir şey söylemek için tahmini kullanırız, ama yalnızca gayriresmî olarak: "oran muhtemelen civarındadır". Örnekleme dağılımı, bir tahminin ne kadar şaşabileceğini gösterir. Bir örneklem kesin değeri vermez, başka bir rastgele örneklem başka bir ifade verir: örneklemenin sınırı budur.
00.20.40.60.81
Örnek
50 öğrencilik bir örneklemde 14 kişi evet diyor: .Gerçek oran olsaydı, bu tür örneklemlerin kadarında değeri ile arasında olurdu (sayılar 9 ile 21, kesin binom). Yani , için sıradan bir sonuçtur; ama tek bir örneklem değerinin tam olarak olduğunu kanıtlayamaz.
Tanım

Örneklem ortalaması rastgele bir değişkendir

Örneklem çekilmeden önce, örneklem ortalaması bir rastgele değişkendir: farklı örneklemler için farklı değerler alır. Çekimden sonra tek bir değerimiz olur: . Büyük harfli değişkendir, küçük harfli gözlenen tek bir değerdir.
0123μ
Örnek
Bir anakütle tablosu: ve olasılıklar . O zaman ve .2 kişilik bir örneklem : . Bir başkası : . Farklı örneklemler, için farklı değerler.
Kural

Örneklem ortalamasının beklenen değeri

Örneklem ortalamasının beklenen değeri anakütle ortalamasıdır: her için . Tüm örneklemlerde ortalamalar çevresinde dengelenir; yani , için yansız bir tahmindir. Tek bir ortalamanın olması gerekmez.
01231.601231.6
Örnek
Yukarıdaki tablo ve : değişkeni değerlerini olasılıklarıyla alır.O zaman .
Kural

Varyans ve standart hata

Rastgele bir örneklemdeki değerler bağımsızdır, bu yüzden varyansları toplanır: . Toplamı ’e bölmek varyansı ’ye böler: . değişkeninin standart sapması olup standart hata adını alır.
Örnek
Sınav puanlarında . puanın ortalamasında olur; standart hata bulunur.Yukarıdaki tablo ve için: ; değişkeninin kesin tablosu da bunu verir.
Kural

Daha çok değer, daha dar ortalama

Standart hata , büyüdükçe küçülür; ama yalnızca gibi: değer sayısını dört katına çıkarmak onu yarıya indirir. Azalan, değişkeninin yayılımıdır; anakütlenin yayılımı olduğu gibi kalır.
100
Örnek
ve için standart hata , ve olur: her eğri bir öncekinin yarısı kadar dardır.16 değerin ortalaması, tek bir değerden dört kat daha az dağılır.
Kural

Örneklem ortalamasının kesin tablosu

Küçük bir anakütle tablosunda değişkeninin tüm dağılımı yazılabilir: her örneklemi yaz, değerini hesapla, eşit değerlerin olasılıklarını topla. O zaman ile ilgili her olasılık, yaklaşıklık olmadan tablo değerlerinin toplamıdır.
0.0100.080.2210.280.2520.120.043
Örnek
Aynı tablo, (şekil): . için aynı yöntem , ve verir.
Kural

Normal anakütle, normal örneklem ortalaması verir

Anakütle normalse, , o zaman her için olur, tam olarak: bağımsız normal değişkenlerin toplamı normaldir. Yani , standart sapması olan normal bir olasılıktır.
0.25251101000.0228110100
Örnek
Sınav puanları . Tek bir puan: . puanın ortalaması: ve . 9 puanın ortalamasının bu kadar yüksek olması çok daha az olasıdır.
Kural

Örneklem ortalaması için bir olasılık

değerini bulmak için: (1) modeli söyle, ; (2) standart hatayla standartlaştır, ; (3) değerini tablodan oku ya da hesap makinesi satırını standart sapma yerine yazarak gir.
0.0668235250
Örnek
Tepki süreleri ms ve : .: , yani olasılık . Hesap makinesi: \texttt{normalcdf(-1E99; 235; 250; 10)}. Tek bir tepkinin 235’in altında olma olasılığı .
Dikkat!

σ mı, σ / √n mi?

Sık yapılan bir hata: örneklem ortalamasını yerine ile standartlaştırmak. Kendine sor: soru tek bir değerle mi, yoksa değerin ortalamasıyla mı ilgili? Tek değer: . değerin ortalaması: .
0.15871741700.3085174170
Örnek
Boylar , öğrencinin ortalaması, .Doğru: , olasılık . Yanlış: , verir; bu, tek bir öğrencinin 174 cm’den uzun olma olasılığıdır.
Kural

Koşullar

için normal modeli kullanmadan önce üç koşulu denetle. Rastgele: örneklem rastgeledir. %10: yerine koymadan çekilirken , anakütle büyüklüğü ’nin en çok %10’udur; böylece çekimler neredeyse bağımsız olur. Normal: anakütle normaldir ya da büyüktür (merkezi limit teoremi); güçlü çarpıklığı ya da aykırı değerleri olan küçük bir bu koşulu sağlamaz.
Örnek
Bir okulda öğrenci var. olan rastgele bir örneklem %10 koşulunu sağlar (). olan bir örneklem sağlamaz (): çekimler artık neredeyse bağımsız değildir.
Tanım

Örneklem oranı

Örneklem oranı olup , örneklemde özelliği taşıyanların sayısıdır. Anakütleye göre küçük, rastgele bir örneklemde olur; anakütledeki orandır. Yani rastgele bir değişkendir ve için yansız bir tahmin edicidir: .
Örnek
öğrencilik bir ankette 14 kişi evet diyor, yani .50 kişilik başka bir örneklemde 17 evet çıkabilir: . Okuldaki oranı aynı kalır; yalnızca örneklem değişir.
Kural

p̂’nin ortalaması ve standart sapması

ve ; dolayısıyla . Bu, ile ve değerlerinden çıkar. Ortalamada olduğu gibi, kişi sayısını dört katına çıkarmak standart sapmayı yarıya indirir.
0.30.110.170.240.360.430.49
Örnek
ve : ve . (dört kat) için olur; yani yarısı.
Kural

p̂’nin kesin dağılımı

değerinin kesin dağılımı, sayıların ’e bölündüğü binom dağılımıdır: . ile ilgili bir olay, sayıyla ilgili bir olaydır: demek demektir. Yaklaşıklığa gerek yoktur.
00.20.40.60.81
Örnek
ve : demek demektir; yani .Hesap makinesi: \texttt{binomcdf(50; 0,3; 10)}.
Kural

Normal model ve süreklilik düzeltmesi

Büyük için çubukları normal eğrisini izler. Çubuklar kesiklidir: olayını sayısı olarak ele al ve sınır olacak biçimde süreklilik düzeltmesi uygula. Düzeltilmiş değer genellikle düzeltilmemiş değerden kesin değere çok daha yakındır.
381318232810.5
Örnek
Aynı örnek: .Düzeltmeli: , yani . Düzeltmesiz: , yani . Kesin değer ; hatalar ve .
Kural

p̂ için koşullar

için normal model; rastgele bir örneklem, anakütlenin en çok %10’u kadar ve yeterince başarı ile başarısızlık ister: ve ikisi de en az 10 (AP kuralı) ya da en az 5 (Cambridge kuralı). Aksi halde çubuklar çarpıktır ve normal eğri onları izlemez.
00.20.40.60.81
Örnek
, : ve , ikisi de en az 10: uygun., : çok küçük. çubuğunun değeri olup kenara dayanır; eğri ise değerinin negatif olamayacağını yok sayar.
Kural

Bunu örneklemler hakkında bir cümleyle söyle

(ya da ) ile ilgili bir olasılığı örneklemler hakkında bir cümleyle söyle: "… olan bir anakütleden büyüklüğünde rastgele örneklemlerde, … olma olasılığı yaklaşık …". Olasılık istatistiğe aittir. Parametre cümlenin koşulunda yer alır, olayda değil.
Örnek
Anakütlede planı destekleyenlerin oranı %30 iken, 50 kişilik rastgele örneklemlerde planı destekleyenlerin oranının en çok %20 olma olasılığı yaklaşık 0,0789 olur.
Dikkat!

Olasılık örneklem hakkındadır, p hakkında değil

Sık yapılan bir hata: değerini, değişen şey imiş gibi, parametre hakkında bir ifade olarak okumak. Anakütledeki oranı tek ve sabit bir sayıdır; değişen örneklemlerdir. Cümle, bu anakütleden çekilen örneklemlerdeki örneklem oranı hakkındadır. Aynısı ortalama için de geçerlidir: ile ilgili bir ifade örneklemlere aittir, değerine değil.
Örnek
Daha iyisi: "Oran %30 ise, 50 kişilik örneklemlerin yaklaşık %7,9’unda destekleyenlerin oranı en çok %20 olur." Burada %30 verilmiştir ve %7,9 örneklemleri sayar.%20 bulan bir anket oranı %20 yapmaz; çekilebilecek pek çok örneklemden yalnızca biridir.
Kural

Biçimler çana dönüşür

Merkezi limit teoremi: bir anakütlenin biçimi (bir ortalaması ve bir standart sapması varsa) ne olursa olsun, büyüdükçe dağılımı normal eğrisine yaklaşır. çubukları, merkezini koruyan ve daralan bir çana dönüşür.
036903690363
Örnek
Sağa çarpık bir anakütle (1’den 10’a kadar değerler, ortalama , ). Şekiller için değişkeninin kesin dağılımını normal eğriyle gösterir: için çarpık, için bir çan. değişkeninin çarpıklığı, tek bir değerin çarpıklığının ’e bölünmüşüdür: , , ve .
Kural

Büyük ne kadar büyük?

değerinin ne kadar büyük olması gerektiği anakütleye bağlıdır. Kurallar: Cambridge sayı vermeden "büyük bir örneklem" der, IB sınavlarda değerinin yeterli sayıldığını söyler, AP kullanır. Bunlar pratik kurallardır. Uygulama ayrıca çubuğu ile eğri arasındaki en büyük farkı tepe yüksekliğinin payı olarak ve değişkeninin çarpıklığını ölçer; fark %8’in, çarpıklık 0,2’nin altındaysa bunu normale yakın sayar.
Örnek
Sağa çarpık anakütle; fark (tepe yüksekliğinin payı) ve çarpıklığı:: % ve ; : % ve ; : % ve ; : % ve . için fark küçük ama çarpıklığı hâlâ 0,2’nin üstünde; için ikisi de küçük. Normale benzeyen bir anakütle iken bile normale yakındır (fark %).
Dikkat!

Çok çarpık bir anakütle

Dikkat (AP): anakütle son derece çarpıksa ya da tek bir çok büyük değer içeriyorsa yetmeyebilir. Yalnızca sayısına değil, şekline de bak.
00.511.52
Örnek
Değerlerin %99’u 1, %1’i 10 olan bir anakütle (ortalama ).30 kişilik bir örneklemde hiç 10 bulunmama olasılığı ; yani örneklemlerin yaklaşık %’ünde tam olarak çıkar, diğerlerinde adım adım sıçrar. çarpıklığı için hâlâ , için olur (fark tepenin % ve % kadarı).
Kural

Toplamlar ve ortalamalar

Toplam ile ortalama aynı çekimlerdir, yalnızca iki ayrı ölçekte. normale yakınsa de yakındır: ve . Toplamın ortalaması , standart sapması olur.
5060708090100110
Örnek
Sağa çarpık anakütle, : toplamının ortalaması , varyansı ; yani standart sapması .: kesin ; süreklilik düzeltmeli normal (sınır 99,5, ) ; düzeltmesiz () . olayı aynı olaydır.
Dikkat!

Teorem örneklem ortalaması hakkındadır

Sık yapılan bir hata: "örneklem büyüyünce veriler normal olur". Tek bir büyük örneklemin histogramı anakütlenin biçimini korur. Teorem, çok sayıda örneklem üzerinde dağılımı hakkındadır. Daha büyük bir örneklem anakütleyi değiştirmez; yalnızca dağılımı daralır ve yuvarlaklaşır.
Örnek
Sağa çarpık anakütlenin çarpıklığı olduğundan, ondan alınan 30 değerin histogramı da çarpıktır.Çok sayıda 30 kişilik örneklemin ortalamalarının çarpıklığı olur: çana benzeyenler bu ortalamalardır.
Tanım

Tahmin edici ve yansız

Tahmin edici, bir örneklemi bir parametrenin tahminine çeviren kuraldır ( için ). Beklenen değeri parametreye eşitse yansızdır: tüm örneklemler üzerinden ortalamada tahminler parametreyi bulur. Yanlı bir tahmin edici ortalamada yanlıştır, hep aynı yöne.
Örnek
Anakütle : ve .Büyüklüğü 2 olan örneklemin tümünü (yerine koyarak) alıp bir tahmin edicinin ortalamasını hesaplıyoruz. Bu ortalama (ya da ) değerine eşitse tahmin edici yansızdır; tek tek örneklemler ne yaparsa yapsın.
Kural

Örneklem ortalaması yansızdır

Örneklem ortalaması için yansız bir tahmindir: . Küçük bir anakütlenin tüm örneklemlerini sıralayarak bunu denetleyebilirsin: tüm örneklem ortalamalarının ortalaması tam olarak olur.
2461222347434586456912789126=6
Örnek
anakütlesinden büyüklüğü 2 olan 16 örneklemin tümü (şekil: hücre, satır değeri ile sütun değerinin değeridir). 16 ortalamanın toplamı eder; ortalamaları olur.Tek tek ortalamalar 2 ile 12 arasında değişir; ortalamaları tam olarak doğrudur.
Kural

n − 1 bölenli örneklem varyansı

Örneklem varyansı ( böleni), için yansız bir tahmindir. Bölen olursa ortalamada fazla küçük çıkar: .
2461220285042023268201812503218014=142461220142541011664109122516907≠14
Örnek
Aynı 16 örneklem, . Bölen : hücreler 0 ile 50 arasındadır, toplamları , ortalamaları .Bölen her hücreyi yarıya indirir: toplam , ortalama .
Püf noktası

Neden n − 1?

değerinden sapmalar, değerinden sapmalardan küçüktür; çünkü tam da bu örneklemin merkezidir. Kesin olarak: . Yani , kadar küçüktür; bu da ortalamada eder. yerine ’e bölmek bunu düzeltir.
Örnek
olan anakütleden örneklemi: . ile: ve ; .
Kural

x̄, s² ve s hesaplama

Verilerden: , ve . , ve toplamlarından: . Sonuna kadar kesirleri ya da çok sayıda ondalığı koru.
Örnek
, , : .; yani ve . Bölen olunca: .
Püf noktası

Hesap makinesinde Sx ve σx

Bir hesap makinesi iki standart sapma verir. değerinin böleni ’dir: bir örneklemden tahminidir. değerinin böleni ’dir: listenin tüm anakütle olduğu durum içindir. Örneklem için kullan. Bazı markalar ve kitaplar ile ya da ile yazar.
Örnek
Veri : ve . ve .
Dikkat!

En büyük değer ve açıklık yanlıdır

Doğal görünen her istatistik yansız değildir. Örneklemin en büyük değeri anakütlenin en büyük değerini tahminde fazla küçüktür; örneklem açıklığı da anakütle açıklığını tahminde fazla küçüktür; çünkü bir örneklem uç değerleri çoğunlukla kaçırır. Tüm örneklemler üzerindeki ortalamaları hedefin altında kalır.
2461222461244461266661212121212128≠1224612202410420286420612108604≠10
Örnek
ve büyüklüğü 2 olan 16 örneklem: en büyük değerin ortalaması ama anakütlenin en büyük değeri ; açıklığın ortalaması ama anakütle açıklığı .
Dikkat!

Yansızlık uzun vadeyle ilgilidir

Yansızlık, tek bir tahminin doğru olduğu anlamına gelmez: tahminlerin çok sayıda örneklemde ortalamada doğru olduğu anlamına gelir. Yansız bir tahmin edici tek bir örneklemde yine de çok şaşabilir. Ayrıca , için yansız olsa da , için hafif yanlı bir tahmindir.
43.2110002.55
Örnek
Sabit bir çalışma (şekil): anakütle , 5 kişilik örneklemler. değerinin kayan ortalamaları hedeflerine yerleşir: böleniyle (yeşil), böleniyle (mavi). için 16 örneklem üzerinde ortalaması olup değerinin altındadır.
Kural

Yansız ve küçük yayılım

İki yansız tahmin edici yayılım bakımından farklı olabilir. Varyansı küçük olan daha iyidir; çünkü tek tek tahminleri hedefe daha yakındır. İyi bir tahmin edici yansızdır (merkez doğrudur) ve varyansı küçüktür (az dağılım).
246810126
Örnek
2 çekimden değerini tahmin etmek için: yalnızca ilk çekim yansızdır, varyansı ; yansızdır, varyansı .Şekilde 16 ilk çekim (mavi) 2 ile 12 arasına yayılır, 16 ortalama (yeşil) daha az yayılır.
Kural

Anket büyüklüğü

kişilik bir ankette örneklem oranının standart sapması olup en büyük değerini iken alır. Anketlerin yaklaşık %95’i değerinin standart sapma yakınında çıkar. Hata payı gibi küçülür; hata payını yarıya indirmek için dört kat kişi gerekir.
0.5
Örnek
ve için standart sapma , ve olur. hata payı için: , yani . (Kesin binom dağılımı, içinde kalma için verir.)
Kural

Un torbaları

Bir makine ortalama ağırlığı , standart sapması olan torbalar dolduruyor. Tek bir torba ile değişir; torbanın ortalaması ile değişir. Yani etiketin altında kalan tek bir torba sorusu kullanır; torbanın ortalaması sorusu kullanır.
0.008210001012
Örnek
g, g, etiket g, ağırlıklar normal dağılımlı. Tek bir torbanın etiketin altında kalma olasılığı . torbanın ortalaması: , , .
Kural

Yolculuk süreleri

Yolculuk süreleri genellikle sağa çarpıktır: birkaç çok uzun süre vardır. O zaman yolculuğun ortalaması yalnızca yaklaşık olarak normaldir ve büyüdükçe daha iyi olur. Güvenli bir ifade için kesin dağılımla karşılaştır ya da çarpıklığına bak.
10152025
Örnek
Sağa çarpık biçimle dakikalık süreler: ortalama dk, standart sapma dk, çarpıklık .: kesin olarak , normal model der ( çarpıklığı ). : kesin , normal : normal model üst kuyruğu olduğundan küçük gösterir.
Kural

Laboratuvar ölçümleri

Bir ölçümü kez tekrarla: ölçümlerin yayılımı olur ve ölçümlerin ortalamasının standart hatası olur. Ortalama tek bir ölçümden daha güvenilirdir ve ölçüm sayısını dört katına çıkarmak standart hatayı yarıya indirir.
11.711.912.112.312.5
Örnek
Ölçümler : , , standart hata .Aynı yayılımla 24 ölçümde standart hata olur; yani yarısı.
Püf noktası

Hangi program ne ister

Cambridge 9709 (Paper 6): örneklem ve anakütle, rastgele değişken olarak örneklem ortalaması, merkezi limit teoremi, ortalama ve varyansın yansız tahminleri. UK GCSE ve A level: örneklemden çıkarım, anakütle ve örneklem, örnekleme teknikleri. IB (AA ve AI): örnekleme ve yanlılık; AI HL: yansız tahminler ve merkezi limit teoremi. AP Statistics: ve örnekleme dağılımları, koşullar, yansız tahmin ediciler. Common Core: rastgele bir örneklemden çıkarım olarak istatistik. Hollanda: wiskunde A vwo, bir örneklemden anakütle hakkında ifade.
Örnek
Tipik bir sınav sorusu: bir anakütlenin ortalaması , standart sapması ; kişilik rastgele bir örneklem.Standart hata ve : , yani (merkezi limit teoremi, çünkü büyük).

Alıştırmalar

Bir okulda 800 öğrenci var; 40’ına nasıl geldikleri soruluyor ve 22’si bisikletle geliyor. Anakütleyi ve örneklemi söyle. bir parametre mi, bir istatistik mi? Kolay
Çözümü göster
Anakütle 800 öğrencinin tamamıdır; örneklem sorulan 40 kişidir.
örneklemden hesaplanır, yani bir istatistiktir: .
800 öğrencinin bisikletle gelenlerinin oranı parametresidir; onu tahmin eder.
Anakütle: 800 öğrenci; örneklem: 40 kişi; bir istatistiktir
Kontrol → 40 kişilik başka bir örneklem büyük olasılıkla başka bir verir; aynı kalır.
5 öğrencilik rastgele bir örneklemin boyları cm. Tüm öğrencilerin ortalama boyu cm. değerini ve farkını bul. Kolay
Çözümü göster
Boyları topla: .
’e böl: .
Fark cm: bu örneklem değerinin biraz üstünde.
cm, fark cm
Kontrol → 66 ortalaması en küçük (62) ile en büyük (71) değer arasındadır.
Bir anakütlenin standart sapması . için örneklem ortalamasının standart hatasını ve dört kat büyük bir örneklem için standart hatayı bul. Kolay
−36036
Çözümü göster
Standart hata olur.
Dört kat büyük olan : .
Örneklem büyüklüğünü dört katına çıkarmak standart hatayı yarıya indirir; anakütle yayılımı değişmez.
için ve için
Kontrol → ve .
Bir anakütlenin %40’ı bir özelliğe sahip. kişilik rastgele bir örneklem alınıyor. örneklem oranının ortalamasını ve standart sapmasını bul. Kolay
0.30.40.5
Çözümü göster
ortalaması olur.
Varyans olur.
Standart sapma olur.
Ortalama , standart sapma
Kontrol → .
Bir örneklem . Örneklem ortalaması , örneklem varyansı ( böleni) ve değerlerini bul. Kolay
Çözümü göster
.
Farkların kareleri: .
ve .
, ,
Kontrol → bölen olsaydı çıkardı; bu, 13’ten küçük bir sayıdır.
Bir okulda 250 öğrenci var. Yerine koymadan rastgele bir örneklem alınıyor ve %10 koşulu sağlanmalı. En büyük örneklem büyüklüğü kaçtır? Kolay
Çözümü göster
%10 koşulu der.
Burada ; yani .
En büyük örneklemde öğrenci vardır.
Kontrol → , değerinin tam onda biridir.
Puanlar normaldir, . kişilik rastgele bir örneklem için değerini bul ve tek bir puan için ile karşılaştır. Orta
0.15875105000.4013510500
Çözümü göster
Model olur, çünkü .
; yani .
Tek bir puan için ve olur.
; tek puan için
Kontrol → 16 puanın ortalamasının 500’den uzak olma olasılığı tek bir puandan küçüktür; yani .
Bir anakütlenin standart sapması . Ortalamanın standart hatasının en çok olması için rastgele örneklem ne kadar büyük olmalı? Orta
Çözümü göster
olmalı; yani .
Kare al: .
Kontrol → .
Bir anakütlenin %60’ı aynı fikirde; rastgele örneklemde . Koşulları denetle ve süreklilik düzeltmesiyle değerini bul (kesin değer ). Orta
343842465054586239.5
Çözümü göster
ve , ikisi de en az 10: normal model kullanılabilir.
demek demektir ve .
sınırı: ; yani .
(kesin )
Kontrol → düzeltmesiz (39 sınırı) çıkar; bu, değerinden daha uzaktır.
Bir kentte kişi yaşıyor. Yerine koymadan kişilik rastgele bir örneklem alınıp evet / hayır sorusu soruluyor; yaklaşık %5’inin evet diyeceği bekleniyor. için normal model kullanılabilir mi? Orta
Çözümü göster
Rastgelelik: örneklem rastgeledir; bu koşul sağlanıyor.
%10 koşulu: ve : sağlanmıyor.
Sayılar: , 10’un (ve 5’in) altında: sağlanmıyor.
Hayır: iki koşul sağlanmıyor (%10 ve ), yalnızca rastgelelik koşulu sağlanıyor
Kontrol → 40 ya da daha az kişilik bir örneklem %10 koşulunu sağlardı, ama yine çok küçük kalırdı.
Bir örneklemden: , ve . değerini ve bölenli değerini bul; böleniyle karşılaştır. Orta
Çözümü göster
ve .
; böleniyle: .
, ( böleni: )
Kontrol → bölen daha küçük sayıyı verir: .
Anakütle , yerine koyarak 2’şerli 9 örneklemin tümü. Göster: ortalaması , ortalaması ( böleni) , böleni yarısını verir. Orta
1381124.53235.584.55.584=413810112.253106.25812.256.2504.33≠8.67
Çözümü göster
, . Dokuz ortalamanın toplamı : ortalama .
Dokuz değerinin toplamı : ortalama .
Bölen her değeri yarıya indirir: ortalama .
Ortalamalar: ve ; böleniyle:
Kontrol → değerinin yarısı eder.
Yolculuk süreleri (sağa çarpık): ortalama dk, standart sapma dk, . değerini bul ve normal modele izin veren kuralı söyle. Zor
0.03332017.7
Çözümü göster
Merkezi limit teoremi: (AP kuralı). .
; yani .
Bu çarpık biçimin kesin dağılımı verir: biraz daha fazla.
(kesin: )
Kontrol → model ile kesin değer arasındaki fark ’ten azdır.
Bir anket hata payı istiyor; hata payı, değerinin standart sapmasıdır (yaklaşık %95). En kötü durumu al: . Kaç kişi gerekir? hata payı için kaç kişi? Zor
Çözümü göster
; yani : yukarı yuvarlayınca .
hata payı yarıdır, yani dört kat kişi gerekir: ; .
için , için
Kontrol → , değerinin yaklaşık dört katıdır ().
Un torbaları normal dağılımlı; ortalama g, standart sapma g. 9 torbanın ortalamasının g değerine g içinde olma olasılığını ve aynısını tek torba için bul. Zor
?100910151012
Çözümü göster
9’un ortalaması: ; yani ve .
Tek torba: ; yani .
9’un ortalaması için yaklaşık , tek torba için
Kontrol → ortalama, tek torbadan daha sık 1012’ye yakın kalır: .
Bir planı %30’un desteklediği anakütleden 50 kişilik örneklemler: . Hangi cümle doğrudur?A: küçük olduğu için oran %20’nin altındadır.B: Oran %30 ise, örneklemlerin %7,9’unda destekleyenler en çok %20 olur.C: Bu anket %7,9 olasılıkla yanlıştır. Zor
Çözümü göster
, verilen %30 oranı için örneklemleri sayar. A ve C bunu orana ya da “yanlış” olmaya ilişkin bir ifadeye çevirir.
Yalnızca B oranı koşulda tutar.
B
Kontrol → B, “Oran %30 ise” diye başlar.
ve bağımsız; ortalama , varyans . ve değerlerinin ikisinin de için yansız olduğunu göster ve hangisinin varyansının küçük olduğunu bul. Zor
T1T2246810126
Çözümü göster
ve : ikisi de yansızdır.
.
.
İkisi de yansızdır; daha küçük varyansa sahiptir
Kontrol → ; şekilde sırası daha geniştir.
Bir öğrenci büyüklüğü 5 olan örneklemlerin varyansını böleniyle hesaplıyor. Anakütle varyansı . Sonuçlarının ortalaması hangi çarpanla, hangi değere kadar yanlış? Bunu nasıl düzeltir? Zor
Çözümü göster
böleniyle ortalama olur: çarpanı kadar küçük.
Aynı kareler toplamını yerine ’e bölerek düzeltir: .
çarpanı kadar küçük: yerine ; ’e böl
Kontrol → .
Ortalaması genellikle 2 g fazla küçük çıkan 10000 kişilik kolay ulaşılan bir örneklem var. g olan anakütleden 100 kişilik rastgele bir örneklem alınıyor. Standart hataları ve hatanın türünü karşılaştır. Zor
Çözümü göster
için standart hata g; için g.
Büyük örneklem hassastır ama yaklaşık 2 g yanlıdır; daha çok kişi bunu değiştirmez. Rastgele örneklem yansızdır: hatası yalnızca rastlantısaldır.
Büyük örneklemin standart hatası daha küçüktür ( g karşısında g) ama yaklaşık 2 g yanlılığı vardır; rastgele örneklem yansızdır
Kontrol → yanlılık merkezle ilgilidir ve daha büyük onu kaydırmaz.
Öğretmen misiniz?

Bu uygulamalarla tüm sınıfınıza canlı ders verin. İlk bir ay ücretsiz.

Ücretsiz deneyin

Bu sınıf düzeylerine uygun

IB (MYP, Diploma): MYP 5, Diploma, 1. yıl, Diploma, 2. yıl

Cambridge International: A Level

Hollanda: Havo · Matematik A, Vwo · Matematik A

İngiltere (GCSE, A Level): Year 12 (A Level), Year 13 (A Level)

ABD (Common Core): Algebra 2, Precalculus

Bu konunun uygulamaları neler öğretir 6 uygulama

Anakütle ve örneklem: örneklem, anakütle ve yanlılık

  • Anakütleyi örneklemden, parametreyi istatistikten ayırt etme
  • Örneklemin neden rastgele olması gerektiğini söyleme
  • Büyük örneklemin yayılımı azalttığını ama yanlılığı gidermediğini açıklama

Örneklem ortalamaları: örneklem ortalamasının dağılımı

  • Örneklem ortalamasını standart hatalı rastgele değişken olarak tanımlama
  • Normal anakütle için örneklem ortalamasının olasılığını bulma
  • Koşulları kontrol etme: rastgele, %10, normal ya da büyük

Örneklem oranları: örneklem oranının dağılımı

  • Örneklem oranının ortalamasını ve standart sapmasını bulma
  • Örneklem oranı için olasılığı kesin ve normal modelle bulma
  • Olasılığı örneklemlerle ilgili bir cümleyle söyleme

Merkezi limit teoremi

  • Merkezi limit teoremini örneklem ortalamaları için söyleme
  • Çarpıklığa bakarak örneklem boyunun ne kadar büyük olacağını değerlendirme
  • Yaklaşık normal olan n değerlik toplamı kullanma

Yansız tahmin ediciler: bir örneklemin ortalaması ve varyansı

  • Yansız tahmin edicinin ne olduğunu söyleyip kontrol etme
  • Varyans tahmininde neden n − 1 ile bölündüğünü söyleme
  • Verilerden ve toplamlardan ortalamayı, s² ve s değerlerini hesaplama

Günlük hayatta örnekleme

  • Bir anket ve büyüklüğü için örneklem oranının yayılımını kullanma
  • Torba ya da yolculuk ortalaması için standart hatayı kullanma
  • Dört kat ölçümün standart hatayı yarıya indirdiğini görme