การกระจายตัวอย่างตามสัดส่วน

บทความนี้จะอธิบายว่าการกระจายตัวอย่างตามสัดส่วนในสถิติคืออะไร ในทำนองเดียวกัน คุณจะพบสูตรการกระจายตัวอย่างตามสัดส่วนและแบบฝึกหัดแก้ไขทีละขั้นตอนอีกด้วย

การกระจายตัวอย่างตามสัดส่วนคืออะไร?

การกระจายตัวอย่างตามสัดส่วน (หรือ การกระจายตัวอย่างตามสัดส่วน ) คือการกระจายตัวที่เป็นผลมาจากการคำนวณสัดส่วนของแต่ละตัวอย่างที่เป็นไปได้จากประชากร นั่นคือ สัดส่วนการสุ่มตัวอย่าง ที่เป็นไปได้ทั้งหมดจากประชากรจากการกระจายตัวตัวอย่างของสัดส่วน

กล่าวอีกนัยหนึ่ง การกระจายตัวของสัดส่วนตัวอย่างได้มาจากการศึกษาตัวอย่างทั้งหมดที่สามารถเลือกได้จากประชากร และหาสัดส่วนการสุ่มตัวอย่างของแต่ละตัวอย่าง ดังนั้น ชุดของสัดส่วนตัวอย่างที่คำนวณได้จึงถือเป็นการกระจายตัวอย่างตามสัดส่วน

ในกรณีที่คุณสงสัยว่าการกระจายตัวของสัดส่วนตัวอย่างมีไว้เพื่ออะไร ในสถิติจะใช้เพื่อคำนวณความน่าจะเป็นที่จะเข้าใกล้ค่าของสัดส่วนประชากรเมื่อวิเคราะห์ตัวอย่างเดียว

สูตรการกระจายตัวอย่างตามสัดส่วน

ที่จริงแล้ว เมื่อเราศึกษาสัดส่วนของกลุ่มตัวอย่าง เราจะวิเคราะห์กรณีความสำเร็จ ดังนั้น ตัวแปรสุ่มในการศึกษาจึงเป็นไปตาม การแจกแจงความน่าจะเป็นแบบทวินาม

ตามทฤษฎีบทขีดจำกัดกลาง สำหรับขนาดใหญ่ (n>30) เราสามารถทำให้การแจกแจงแบบทวินามเข้าใกล้การแจกแจงแบบปกติมากขึ้น ดังนั้น การกระจายตัวอย่างตามสัดส่วนจะใกล้เคียงกับการแจกแจงแบบปกติด้วยพารามิเตอร์ต่อไปนี้:

\begin{array}{c}\displaystyle\mu_{p}=p \qquad \sigma_{p}=\sqrt{\frac{pq}{n}}\\[4ex]\displaystyle N_{p}\left(p, \sqrt{\frac{pq}{n}}\right) \end{array}

ทอง

p

คือความน่าจะเป็นของความสำเร็จและ

q

คือความน่าจะเป็นที่จะล้มเหลว

q=1-p

.

หมายเหตุ: การแจกแจงแบบทวินามสามารถประมาณได้เฉพาะกับการแจกแจงแบบปกติเท่านั้น

n>30″ title=”Rendered by QuickLaTeX.com” height=”14″ width=”52″ style=”vertical-align: -2px;”></p>
<p> ,</p>
<p class=np\ge 5

และ

nq\ge 5

.

ดังนั้น เนื่องจากการกระจายตัวอย่างตามสัดส่วนสามารถประมาณได้กับการแจกแจงแบบปกติ สูตรในการคำนวณความน่าจะเป็นใดๆ ที่เกี่ยวข้องกับสัดส่วนของกลุ่มตัวอย่าง จึงเป็นดังนี้

Z=\cfrac{\widehat{p}-p}{\displaystyle\sqrt{\frac{pq}{n}}}

ทอง:

  • \widehat{p}

    คือสัดส่วนตัวอย่าง

  • p

    คือสัดส่วนของประชากร

  • q

    คือความน่าจะเป็นที่จะล้มเหลวของประชากร

    q=1-p

    .

  • n

    คือขนาดตัวอย่าง

  • Z

    เป็นตัวแปรที่กำหนดโดยการแจกแจงแบบปกติมาตรฐาน N(0,1)

ตัวอย่างการกระจายตัวอย่างตามสัดส่วนที่เป็นรูปธรรม

เมื่อเราได้เห็นคำจำกัดความของการกระจายตัวอย่างตามสัดส่วนและสูตรที่เกี่ยวข้องแล้ว เราจะแสดงตัวอย่างที่แก้ไขทีละขั้นตอนด้านล่างเพื่อทำความเข้าใจแนวคิดนี้อย่างถ่องแท้

  • บริษัทอุตสาหกรรมแห่งหนึ่งซื้อชิ้นส่วนเป็นชุดจากโรงงานที่อ้างว่าผลิตชิ้นส่วนที่มีชิ้นส่วนชำรุดเพียง 3% เพื่อตรวจสอบสิ่งนี้ บริษัทจึงตัดสินใจวิเคราะห์คำสั่งซื้อชิ้นส่วนจำนวน 500 ชิ้น ความน่าจะเป็นที่จะพบชิ้นส่วนที่ชำรุดมากกว่า 5% ในตัวอย่างคือเท่าไร?

ในกรณีนี้ สัดส่วนของประชากรที่เราต้องการศึกษาคือ 0.03 ดังนั้นพารามิเตอร์ q จึงเท่ากับ 0.97

\begin{array}{c}p=0,03\\[2ex]q=1-p=0,97\end{array}

ดังนั้น เพื่อหาความน่าจะเป็นที่พวกเขาถามเรา เราต้องคำนวณสถิติที่เกี่ยวข้องโดยใช้สูตรที่เราเห็นในส่วนที่แล้ว:

Z=\cfrac{\widehat{p}-p}{\displaystyle\sqrt{\frac{pq}{n}}}=\cfrac{0,05-0,03}{\displaystyle\sqrt{\frac{0,03\cdot 0,97}{500}}}=2,62

ดังนั้นความน่าจะเป็นที่จะได้ชิ้นส่วนที่ชำรุดมากกว่า 5% จึงเท่ากับความน่าจะเป็นดังต่อไปนี้:

P\left[\widehat{p}>0,05\right]=P[Z>2,62]=1-P[Z\leq 2,62]” title=”Rendered by QuickLaTeX.com” height=”19″ width=”360″ style=”vertical-align: -5px;”></p>
</p>
<p> สุดท้าย เรามองหาความน่าจะเป็นของ P[Z≤2.62] ใน <a href=ตารางการแจกแจง Z และคำนวณความน่าจะเป็นที่ปัญหาถามเรา:

\begin{array}{l}P\left[\widehat{p}>0,05\right]=\\[2ex]=P[Z>2,62]=\\[2ex]=1-P[Z\leq 2,62]=\\[2ex]=1-0,9956=\\[2ex]=0,0044\end{array}” title=”Rendered by QuickLaTeX.com” height=”167″ width=”162″ style=”vertical-align: 0px;”></p>
</p>
<p> โดยสรุป ความน่าจะเป็นที่จะพบชิ้นส่วนที่มีข้อบกพร่องมากกว่า 5% ในตัวอย่างที่วิเคราะห์คือ 0.44%</p>
								</div><!-- End Content -->

																	<!-- Start Author Box -->
									<div class=

เกี่ยวกับผู้แต่ง

Dr. Benjamin Anderson
ดร.เบนจามิน แอนเดอร์สัน

สวัสดี ฉันชื่อเบนจามิน ศาสตราจารย์สถิติเกษียณอายุแล้ว และผันตัวมาเป็นครูสอนสถิติโดยเฉพาะ ด้วยประสบการณ์และความเชี่ยวชาญที่กว้างขวางในสาขาสถิติ ฉันกระตือรือร้นที่จะแบ่งปันความรู้ของฉันเพื่อเสริมศักยภาพนักเรียนผ่าน Statorials. รู้เพิ่มเติม

เพิ่มความคิดเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *