Comment une distribution d'échantillonnage est affectée lorsque la distribution est pas normal
Dans les statistiques, si une population X a toute distribution qui est pas normale, ou si sa distribution est inconnu, vous ne pouvez pas dire automatiquement la distribution des moyennes d'échantillon
a une distribution normale. Mais incroyablement, vous pouvez utiliser une distribution normale à approximatif la distribution de
- si la taille de l'échantillon est suffisamment grande. Ce résultat important est dû à ce que les statisticiens savent et l'amour que le théorème central limite.
La Théorème central limite (abrégé CLT) Dit que si X t pas avoir une distribution normale (ou sa distribution est inconnu et par conséquent ne peut pas être considérée comme normale), la forme de la distribution d'échantillonnage de
est approximativement normal, tant que la taille de l'échantillon, n, est assez grand. Voilà, vous obtenez une approximatif distribution normale pour les moyens de échantillons de grande taille, même si la distribution des valeurs d'origine (X) est pas normal.
La plupart des statisticiens conviennent que si n est d'au moins 30, cette approximation sera raisonnablement proche dans la plupart des cas, bien que différentes formes de distribution pour X avoir des valeurs différentes de n qui sont nécessaires. Le moins “ en forme de cloche ” ou “ aspect normal ” la distribution des valeurs d'origine de X sont, plus la taille de l'échantillon pour les moyens de l'échantillon devra être. Plus la taille de l'échantillon (n), Plus la distribution des moyennes des échantillons sera à une distribution normale.
-
Econométrie et la distribution de t -
Mettre les variables sur la même échelle: distribution normale standard (z) -
Reconnaissant variables habituelles: distribution normale -
La distribution chi-carré en économétrie -
La distribution de f en économétrie -
Statistiques des entreprises: les rendements des actifs modélisation avec une distribution normale
Comment une distribution normale affecte la forme d'une distribution d'échantillonnage Dans les statistiques, lorsque la distribution originale pour une population X est normal, alors vous pouvez aussi supposer que la forme de la distribution d'échantillonnage, ousera également normal, quelle que soit la taille de l'échantillon…
Comment le théorème central limite est utilisée dans les statistiques La distribution normale est utilisée pour aider à mesurer la précision de nombreuses statistiques, dont la moyenne d'échantillon, en utilisant un résultat important appelé le Théorème central limite. Ce théorème vous donne la possibilité…
Comment le nombre de degrés de liberté affecte le graphique d'une distribution t Une des propriétés intéressantes de la distribution t est que plus les degrés de liberté, le plus étroitement la distribution t ressemble à la distribution normale standard. Comme les degrés de liberté augmente, la zone dans les queues de…
Comment convertir une distribution d'échantillonnage à une variable aléatoire normale standard utilisant le théorème central limite Vous pouvez utiliser le théorème central limite pour convertir une distribution d'échantillonnage à une variable aléatoire normale standard. Basé sur le théorème central limite, si vous dessinez des échantillons à partir d'une population…
Comment trouver percentiles pour une distribution de t Lorsque vous voulez trouver percentiles pour une t-distribution, vous pouvez utiliser la t-table. UN percentile est un numéro sur une distribution statistique dont le moins que la probabilité est la percentage- donnée par exemple, le 95e centile…
Comment trouver les probabilités pour un échantillon moyen Dans les statistiques, vous pouvez facilement trouver les probabilités pour une moyenne de l'échantillon si elle a une distribution normale. Même si elle n'a pas une distribution normale, ou la distribution est pas connue, vous pouvez trouver des…
Comment trouver la distribution d'échantillonnage d'une proportion d'échantillon Si vous utilisez une taille suffisante de l'échantillon statistique, vous pouvez appliquer le théorème central limite (CLT) à une proportion de l'échantillon pour les données catégorielles pour trouver sa distribution d'échantillonnage. La…
Comment identifier une distribution d'échantillonnage Dans les statistiques, une distribution d'échantillonnage est basé sur des moyennes échantillon plutôt que les résultats individuels. Ce qui le rend différent d'une distribution. Voici pourquoi: Un variable aléatoire est une caractéristique…
Comment dire à un z-distribution à partir d'une distribution de t Bien que la normale (Z-) Distribution et t-la distribution sont similaires, ils regardent différents les uns des autres et sont utilisées à des fins statistiques différentes. La distribution normale est que la distribution en forme de cloche…
Comment les valeurs z sont utilisés dans les statistiques Si un ensemble de données statistiques a une distribution normale, il est coutumier de normaliser toutes les données pour obtenir des scores classiques connues comme z-valeurs ou z-scores. La distribution de z-valeurs prend une distribution…
Distributions statistiques: binomiale, et t-distribution normale Une distribution statistique est une liste des valeurs possibles d'une variable (ou intervalles de valeurs), et combien de fois (ou à ce que la densité) ils se produisent. Il peut prendre plusieurs formes, y compris binomiale, normale, et…
Le théorème central limite: ce qui est assez grand En un mot, le théorème central limite dit que vous pouvez utiliser la distribution normale pour décrire le comportement d'un échantillon signifie, même si les valeurs individuelles qui composent la moyenne de l'échantillon ne sont pas normaux…
Distributions de probabilité continue Lorsque vous travaillez avec des distributions de probabilités continues, les fonctions peuvent prendre de nombreuses formes. Ceux-ci comprennent uniforme continue, exponentielle, normale, normale standard (Z), approximation binomiale, Poisson…
Comment utiliser le théorème central limite pour six sigma Qu'est-ce qui se passe quand vous prenez répétition d'échantillons de la même population? Cette idée est important lorsque vous utilisez le théorème central limite pour Six Sigma. Imaginez lancer une pièce dix fois et en comptant le nombre…