အချိုးအစားနမူနာ ဖြန့်ဝေခြင်း။
ဤဆောင်းပါးတွင် စာရင်းအင်းဆိုင်ရာ အချိုးအစားနမူနာခွဲဝေမှုကား အဘယ်နည်းကို ရှင်းပြထားသည်။ အလားတူပင်၊ အချိုးအစားနမူနာဖြန့်ချီရေးဖော်မြူလာကို တွေ့ရမည်ဖြစ်ပြီး၊ ထို့အပြင်၊ အဆင့်ဆင့်ဖြေရှင်းထားသော လေ့ကျင့်ခန်းတစ်ခုကိုလည်း တွေ့ရပါမည်။
အချိုးအစားနမူနာဖြန့်ဝေမှုကား အဘယ်နည်း။
အချိုးအစားနမူနာဖြန့်ဝေခြင်း (သို့မဟုတ် အချိုးအစားနမူနာဖြန့်ဝေခြင်း ) သည် လူဦးရေတစ်ခုစီမှ ဖြစ်နိုင်သည့်နမူနာတစ်ခုစီ၏ အချိုးအစားကို တွက်ချက်ခြင်းမှ ထွက်ပေါ်လာသော ဖြန့်ဖြူးမှုဖြစ်သည်။ ဆိုလိုသည်မှာ လူဦးရေမှ ဖြစ်နိုင်ခြေရှိသောနမူနာများအားလုံး၏ နမူနာအချိုးများသည် အချိုးအစားနမူနာခွဲဝေမှုကို ဖြစ်စေသည်။
တစ်နည်းအားဖြင့်ဆိုရသော် လူဦးရေတစ်ခုစီ၏နမူနာတစ်ခုစီ၏နမူနာအချိုးအစားကိုရွေးချယ်နိုင်သောနမူနာအားလုံးကိုလေ့လာခြင်းဖြင့်ရရှိသောအချိုးအစားနမူနာကိုရရှိခြင်းဖြစ်သည်။ ထို့ကြောင့် တွက်ချက်ထားသောနမူနာအချိုးအစားအစုသည် အချိုးအစားနမူနာခွဲဝေမှုကို ဖွဲ့စည်းသည်။
နမူနာခွဲဝေမှု၏အချိုးအစားသည် ဘာအတွက်ဖြစ်သည်ကို သင်အံ့သြနေပါက၊ နမူနာတစ်ခုတည်းကို ခွဲခြမ်းစိတ်ဖြာသောအခါ လူဦးရေအချိုးအစားတန်ဖိုးသို့ချဉ်းကပ်နိုင်ခြေကို တွက်ချက်ရန်အတွက် စာရင်းဇယားများတွင် ၎င်းကိုအသုံးပြုသည်။
အချိုးကျနမူနာဖြန့်ဝေမှုဖော်မြူလာ
တကယ်တော့၊ နမူနာတစ်ခုရဲ့ အချိုးအစားတစ်ခုကို လေ့လာတဲ့အခါ၊ အောင်မြင်မှုကိစ္စတွေကို ခွဲခြမ်းစိတ်ဖြာပါတယ်။ ထို့ကြောင့်၊ လေ့လာမှုရှိ ကျပန်းကိန်းရှင်သည် binomial probability ဖြန့်ဝေမှု နောက်ဆက်တွဲဖြစ်သည်။
ဗဟိုကန့်သတ်သီအိုရီအရ၊ ကြီးမားသောအရွယ်အစားများ (n>30) အတွက် ကျွန်ုပ်တို့သည် သာမန်ဖြန့်ဖြူးမှုတစ်ခုနှင့် ပို၍နီးကပ်စွာ binomial distribution ကို ယူဆောင်လာနိုင်သည်။ ထို့ကြောင့်၊ အချိုးအစားနမူနာဖြန့်ဝေမှုသည် အောက်ပါဘောင်များနှင့်အတူ ပုံမှန်ဖြန့်ဖြူးမှုကို ခန့်မှန်းသည်-
ရွှေ
အောင်မြင်မှု၏ ဖြစ်နိုင်ခြေနှင့်
ပျက်ကွက်ခြင်း၏ ဖြစ်နိုင်ခြေဖြစ်သည်။
.
မှတ်ချက်- အကယ်၍ binomial ဖြန့်ဝေမှုသည် သာမန်ဖြန့်ဝေမှုတစ်ခုနှင့်သာ ခန့်မှန်းနိုင်သည်။
နှင့်
.
ထို့ကြောင့်၊ အချိုးအစားနမူနာခွဲဝေမှုကို ပုံမှန်ဖြန့်ဖြူးမှုတစ်ခုအဖြစ် ခန့်မှန်းနိုင်သောကြောင့်၊ နမူနာတစ်ခု၏ အချိုးအစားနှင့်ဆက်စပ်သည့် ဖြစ်နိုင်ခြေမှန်သမျှကို တွက်ချက်ရန်အတွက် ဖော်မြူလာ မှာ-
ရွှေ-
-
နမူနာအချိုးဖြစ်သည်။
-
လူဦးရေအချိုးအစားဖြစ်ပါသည်။
-
လူဦးရေ၏ ကျရှုံးမှုဖြစ်နိုင်ခြေ၊
.
-
နမူနာအရွယ်အစားဖြစ်သည်။
-
စံပုံမှန်ဖြန့်ဝေမှု N(0,1) မှသတ်မှတ်ထားသော ကိန်းရှင်တစ်ခုဖြစ်သည်။
အချိုးအစားနမူနာဖြန့်ဝေခြင်း၏ ကွန်ကရစ်နမူနာ
Proportion Sampling Distribution ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်နှင့် ၎င်း၏ဆက်စပ်ဖော်မြူလာများဟူသည် သဘောတရားကို အပြည့်အဝနားလည်ရန် အောက်တွင် တစ်ဆင့်ပြီးတစ်ဆင့် ဖြေရှင်းထားသော ဥပမာတစ်ခုကို ပေးထားပါသည်။
- စက်မှုကုမ္ပဏီတစ်ခုသည် အစိတ်အပိုင်းများကို ၃ ရာခိုင်နှုန်းသာ ချို့ယွင်းနေသော အစိတ်အပိုင်းများ ထုတ်လုပ်ရန် အခိုင်အမာဆိုထားသော စက်ရုံမှ အစိတ်အပိုင်းများကို ဝယ်ယူသည်။ ဒါကိုစစ်ဆေးဖို့အတွက် ကုမ္ပဏီက အစိတ်အပိုင်း 500 ရဲ့ အမှာစာတစ်ခုကို ခွဲခြမ်းစိတ်ဖြာဖို့ ဆုံးဖြတ်လိုက်ပါတယ်။ နမူနာတွင် ချို့ယွင်းချက် 5% ထက်ပိုသော အစိတ်အပိုင်းများကို ရှာဖွေရန် ဖြစ်နိုင်ခြေရှိသနည်း။
ဤအခြေအနေတွင်၊ ကျွန်ုပ်တို့လေ့လာလိုသော လူဦးရေအချိုးအစားသည် 0.03 ဖြစ်သောကြောင့် ကန့်သတ်ချက် q သည် 0.97 နှင့် ညီမျှသည်။
ထို့ကြောင့်၊ ၎င်းတို့မေးသော ဖြစ်နိုင်ခြေကို ရှာရန်၊ ကျွန်ုပ်တို့သည် ယခင်အပိုင်းတွင် တွေ့ခဲ့သည့် ဖော်မြူလာကို အသုံးပြုခြင်းဖြင့် သက်ဆိုင်ရာ စာရင်းအင်းကို တွက်ချက်ရပါမည်-
ထို့ကြောင့် ချို့ယွင်းနေသော အစိတ်အပိုင်းများ 5% ကျော်ရရှိရန် ဖြစ်နိုင်ခြေသည် အောက်ပါဖြစ်နိုင်ခြေနှင့် ညီမျှသည်-
Z ဖြန့်ဖြူးမှုဇယား တွင် P[Z≤2.62] ဖြစ်နိုင်ခြေကို ရှာဖွေပြီး ပြဿနာမေးသည့် ဖြစ်နိုင်ခြေကို တွက်ချက်သည်-
စာရေးသူအကြောင်း

Benjamin Anderson
မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။