المحتوى
حساب نسبة العينة في إحصائيات الاحتمال هو أمر صريح. ليس هذا الحساب أداة مفيدة بحد ذاتها فحسب ، بل هو أيضًا طريقة مفيدة لتوضيح كيف تؤثر أحجام العينات في التوزيعات العادية على الانحرافات المعيارية لتلك العينات.
لنفترض أن لاعب بيسبول يتغلب على 300 لاعب على مهنة تتضمن عدة آلاف من مظاهر الألواح ، مما يعني أن احتمال حصوله على قاعدة في أي وقت يواجه فيه إبريقًا هو 0.3. من هذا ، من الممكن تحديد مدى قربه من .300 الذي سيضربه في عدد أقل من مظاهر اللوحة.
التعاريف والمعلمات
بالنسبة لهذه المشكلات ، من المهم أن تكون أحجام العينات كبيرة بما يكفي لتحقيق نتائج ذات معنى. المنتج من حجم العينة ن والاحتمال ص للحدث المعني يجب أن يكون أكبر من أو يساوي 10 ، وبالمثل ، فإن منتج حجم العينة و ناقص واحد يجب أن يكون احتمال وقوع الحدث أكبر من أو يساوي 10. في اللغة الرياضية ، هذا يعني أن np-10 و n (1 - p) ≥ 10.
ال حصة بسيطة p̂ هو ببساطة عدد الأحداث المرصودة x مقسومًا على حجم العينة n ، أو p̂ = (x / n).
المتوسط والانحراف المعياري للمتغير
ال تعني من x هو ببساطة np ، عدد العناصر في العينة مضروب في احتمال وقوع الحدث. ال الانحراف المعياري من x هو √np (1 - p).
بالعودة إلى مثال لاعب البيسبول ، افترض أن لديه 100 لوحة في أول 25 مباراة له. ما هو الانحراف المعياري والمعياري لعدد الزيارات التي يتوقع أن يحصل عليها؟
np = (100) (0.3) = 30 و √np (1 - p) = √ (100) (0.3) (0.7) = 10 √0.21 = 4.58.
هذا يعني أن حصول اللاعب على ما لا يقل عن 25 زيارة في 100 ظهور له أو ما لا يقل عن 35 قد لا يعتبر إحصائياً.
المتوسط والانحراف المعياري لنسبة العينة
ال تعني من أي نسبة العينة p̂ هو مجرد ص. ال الانحراف المعياري من p̂ هو √p (1 - p) / √n.
بالنسبة إلى لاعب البيسبول ، مع وجود 100 محاولة في اللوحة ، يكون الوسط هو 0.3 والانحراف المعياري: √ (0.3) (0.7) / √100 ، أو (.210.21) / 10 ، أو 0.0458.
لاحظ أن الانحراف المعياري لـ p̂ أصغر بكثير من الانحراف المعياري لـ x.