평균 차이의 샘플링 분포
이 기사에서는 통계에서 두 평균 간의 차이에 대한 샘플링 분포가 무엇인지 설명합니다. 또한 평균 차이의 샘플링 분포에 대한 공식과 단계별 해결 연습도 확인할 수 있습니다.
평균 차이의 표본 분포는 무엇입니까?
평균 차이의 표본 분포는 서로 다른 두 모집단의 가능한 모든 표본 평균 간의 차이를 계산하여 얻은 분포입니다.
즉, 평균 차이의 표본분포를 얻기 위해서는 두 모집단에서 가능한 모든 표본을 선택하고, 선택된 각 표본의 평균을 계산하고, 마지막으로 두 모집단에서 계산된 모든 평균의 차이를 구해야 한다. 따라서 이러한 모든 작업을 적용한 후에 얻은 값 집합은 평균 차이의 샘플링 분포를 형성합니다.
평균 표본 추출 분포의 차이는 서로 다른 두 모집단에서 임의로 선택한 표본의 두 평균 간의 차이가 모집단 평균의 차이에 가까울 확률을 계산하는 데 사용됩니다.
평균 차이의 표본 분포 공식
표본 크기가 충분히 큰 경우(n 1 ≥30 및 n 2 ≥30) 평균 차이의 표본 추출 분포는 정규 분포를 따릅니다. 보다 정확하게는 상기 분포의 매개변수는 다음과 같이 계산됩니다.
참고: 두 모집단이 모두 정규 분포 인 경우 평균 차이의 샘플링 분포는 표본 크기에 관계없이 정규 분포를 따릅니다.
따라서 평균차의 표본분포는 정규분포로 정의되므로 평균차 의 표본분포 통계량을 계산하는 공식은 다음과 같습니다.
금:
-
표본 i의 평균입니다.
-
는 인구 i의 평균이다.
-
는 모집단 i의 표준편차입니다.
-
표본 크기는 i입니다.
-
는 표준 정규 분포 N(0,1)에 의해 정의되는 변수입니다.
다양한 모집단의 표본은 표본 크기가 다를 수 있습니다.
평균차의 표본분포의 구체적인 예
평균 표본 추출 분포의 차이에 대한 정의와 그 공식이 무엇인지 살펴보고 나면, 단계별 예제를 통해 평균 표본 추출 분포의 차이에 대한 개념 이해를 마무리하겠습니다.
- 통계 연구에서는 특정 연령의 남자아이와 여자아이의 키 차이를 분석하고 싶습니다. 우리는 이 연령대의 남아 인구를 정의하는 분포의 평균이 157cm, 표준편차가 9cm인 반면, 이 연령대의 여학생 인구를 정의하는 분포의 평균은 148cm라는 것을 알고 있습니다. cm이고 표준편차는 7cm입니다. 이 연령의 남아 30명의 표본과 이 연령의 여아 35명의 표본을 선택한 경우, 남아 표본의 평균 키가 여아 표본의 평균 키보다 12cm 더 클 확률은 얼마입니까?
이 문제를 해결하기 위해 가장 먼저 해야 할 일은 평균표본분포의 차이에 대한 통계량을 계산하는 것이다. 따라서 위에서 본 공식을 적용합니다.
따라서 남자아이의 평균 표본 키가 여자아이의 평균 키보다 12cm 더 클 확률은 Z 변수가 1.48보다 클 확률과 동일합니다.
Z 테이블 에서 Z>1.48의 확률을 찾습니다.
저자 소개
벤자민 앤더슨
안녕하세요. 저는 통계학 교수를 퇴직하고 전임 통계 교사로 변신한 벤자민입니다. 통계 분야의 광범위한 경험과 전문 지식을 바탕으로 Statorials를 통해 학생들에게 힘을 실어주기 위해 지식을 공유하고 싶습니다. 더 알아보기