Cos'è una distribuzione campionaria?
Una distribuzione campionaria può essere definita come una distribuzione di probabilità utilizzando le statistiche scegliendo prima una particolare popolazione e poi facendo uso di campioni casuali che vengono estratti dalla popolazione, cioè, si rivolge fondamentalmente alla diffusione delle frequenze relative alla diffusione dei vari risultati o risultati che possono eventualmente verificarsi per la particolare popolazione scelta.
Spiegazione
- Molti ricercatori, accademici, strateghi di mercato, ecc. Procedono alla distribuzione del campionamento invece di scegliere l'intera popolazione. Ciò rende il set di dati facile e anche gestibile. Per renderlo più facile, supponiamo che un operatore di marketing voglia fare un'analisi del numero di giovani che vanno in bicicletta tra due regioni entro il limite di età 13-18.
- A tal fine non terrà conto dell'intera popolazione presente nelle due regioni tra i 13-18 anni di età, cosa praticamente non possibile, e anche se fatta, richiede troppo tempo e il set di dati non è gestibile . Invece, il marketer prenderà un set campione di 200 ciascuno da ciascuna regione e completerà la distribuzione.
- Il conteggio medio dell'utilizzo della bicicletta qui è definito come media campionaria. Ogni campione scelto ha la propria media generata e la distribuzione fatta per la media media ottenuta è definita come distribuzione del campione. La deviazione ottenuta è definita errore standard.
Esempio di distribuzione campionaria
- Supponendo che un ricercatore stia conducendo uno studio sui pesi degli abitanti di una particolare città e abbia cinque osservazioni o campioni, ovvero 70 kg, 75 kg, 85 kg, 80 kg e 65 kg. La città è generalmente considerata avere una distribuzione normale e mantiene una deviazione standard di 5 kg sotto l'aspetto delle misure di peso. Pertanto la media può essere calcolata come (70 + 75 + 85 + 80 + 65) / 5 = 75 kg.
- Inoltre, assumiamo che la dimensione della popolazione sia enorme; quindi, per passare alla seconda fase, divideremo il numero di osservazioni o campioni per 1, ovvero 1/5 = 0,20. Ora dobbiamo prendere la radice quadrata di 0,20, che arriva a 0,45. La radice quadrata viene quindi moltiplicata per la deviazione standard, ovvero 0,45 * 5 = 2,25 kg. Pertanto l'errore standard ottenuto è di 2,25 kg e la media ottenuta è stata di 75 kg. Questi due fattori possono essere utilizzati per descrivere la distribuzione.
Tipi di distribuzione campionaria
# 1 - Distribuzione campionaria della media
- Questo può essere definito come la diffusione probabilistica di tutte le medie di campioni scelti su base casuale di una dimensione fissa da una particolare popolazione. Quando i campioni hanno optato per una popolazione normale, anche la diffusione della media ottenuta sarà normale alla media e alla deviazione standard.
- Se la popolazione non è normale o ferma, la distribuzione delle medie tenderà ad avvicinarsi alla distribuzione normale a condizione che la dimensione del campione sia piuttosto ampia.
# 2 - Distribuzione della proporzione campionaria
Ciò è principalmente associato alle statistiche coinvolte negli attributi. Qui entra in gioco il ruolo della distribuzione binomiale. Generalmente, risponde alle leggi della distribuzione binomiale, ma all'aumentare della dimensione del campione, di solito diventa di nuovo distribuzione normale.
# 3 - Distribuzione T dello studente
Questo tipo di distribuzione viene utilizzato quando la deviazione standard della popolazione è sconosciuta al ricercatore o quando la dimensione del campione è molto piccola. Questo tipo di distribuzione è molto simmetrico e soddisfa la condizione di variazione normale standard. All'aumentare della dimensione del campione, anche la distribuzione T tende a diventare molto vicina alla distribuzione normale.
# 4 - Distribuzione F
- Quando la varianza maggiore è obbligatoriamente presente nel numeratore, la distribuzione F trova il suo utilizzo poiché il grado di libertà cambia anche i valori critici di F, che è applicabile sia per le varianze grandi che per quelle piccole. Questo può essere calcolato dalle tabelle disponibili.
- Il confronto viene effettuato dal valore misurato di F appartenente al campione impostato e il valore, che viene calcolato dalla tabella se il precedente è uguale o superiore al valore della tabella, l'ipotesi nulla dello studio viene rifiutata.
# 5 - Distribuzione della formula del chi quadrato
Questo tipo di distribuzione viene utilizzato quando il set di dati implica la gestione di valori che includono la somma dei quadrati. Viene aggiunto l'insieme delle quantità al quadrato appartenenti alla varianza dei campioni, e quindi si crea uno spread di distribuzione, che chiamiamo distribuzione chi-quadrato.
Importanza
- Questo è importante perché semplifica il percorso verso l'inferenza statistica. Inoltre, consente di concentrare considerazioni analitiche su una distribuzione statica piuttosto che sulla diffusione probabilistica mista di ciascuna unità campionaria scelta.
- L'eliminazione della variabilità presente nella statistica viene effettuata utilizzando questa distribuzione.
- Ci fornisce una risposta sui probabili risultati che è più probabile che si verifichino.
- Svolgono un ruolo chiave negli studi statistici inferenziali, il che significa che svolgono un ruolo importante nel fare inferenze riguardanti l'intera popolazione.
Conclusione
- Questo è fondamentale nelle statistiche perché fungono da linea guida principale per l'inferenza statistica. Fondamentalmente guidano il ricercatore, gli accademici o gli statistici sulla diffusione delle frequenze, segnalando una gamma di risultati probabili vari che potrebbero essere ulteriormente etichettati per l'intera popolazione.
- Il fattore primo coinvolto qui è la media del campione e l'errore standard, che, se stimati, ci aiutano a calcolare anche la distribuzione campionaria. Esistono vari tipi di tecniche di distribuzione e, in base allo scenario e al set di dati, ciascuna viene applicata.
