Diğer istatistik kitabının ne olduğunu söylemiyorsunuz, ama bunun sınırlı nüfus örneklemesi hakkında bir kitap (veya bölüm) olduğunu tahmin ediyorum .
Rastgele değişkenleri , yani
rastgele değişkenin değerini düşündüğünüzde , bağımsız iseler, ve aynı şekilde dağıtılmış , özellikle tüm için ve , o zaman:
burada ikincisidir merkezi an. n f ( x 1 , … , x n ) = f ( x 1 ) ⋯ f ( x n ) E ( X i ) = μ Var ( X i ) = σ 2 i ¯ X = ∑ i X iX1, … , Xnnf( x1, … , Xn) = f( x1) ⋯ f( xn)E( Xben) = μVar ( Xben) = σ2ben σ2
X¯¯¯¯=∑iXin,E(X¯¯¯¯)=μ,Var(X¯¯¯¯)=σ2n
σ2
Sonlu bir popülasyonun örneklenmesi biraz farklıdır. Nüfus boyutundaysa , değiştirilmeden örneklemede boyutunda olası örnekleri ve bunlar eşlenebilirdir:
Örneğin, ve ise örnek alanı
ve olası örnekler:
( NN sinp(si)=1(Nn)sin N=5n=3{s1,…,s10} s 1 ={1,2,3}, s 2 ={1,2,4}, s 3 ={1,2,5}, s 4 ={1,3,4},
p(si)=1(Nn)∀i=1,…,(Nn)
N=5n=3{s1,…,s10}s1={1,2,3},s2={1,2,4},s3={1,2,5},s4={1,3,4},s5={1,3,5},s6={1,4,5},s7={2,3,4},s8={2,3,5},s9={2,4,5},s10={3,4,5}
Her bireyin oluşum sayısını sayarsanız, bunların altı olduğunu görebilirsiniz, yani her bireyin eşit bir seçilme şansı vardır (6/10). Yani her ikinci tanıma göre rastgele bir örnektir. Bireyler değil rasgele değişkenlerdir çünkü Kabaca, bu bir iid rasgele örneklem değildir: tutarlı tahmin edebilir örnek bir ortalama ile değil onun tam değerini bilmek asla ama
olabilir eğer kesin nüfus ortalamasını biliyor (let tekrar ediyorum: kabaca.)
siE[X]n = N1
Let bazı polulation ortalama (ortalama boy, ortalama gelir, ...) olması. olduğunda , rastgele değişken örneklemede gibi
tahmin edebilirsiniz :
ama örnek ortalama varyans farklıdır:
burada popülasyon yarı varyansıdır:
. Faktör genellikle " sonlu popülasyon düzeltme faktörü " olarak adlandırılır.μn < Nμ
y¯¯¯s= ∑i = 1nyben,E( y¯¯¯s) = μ
Var ( y¯¯¯s) = σ~2n( 1 - nN-)
σ~2ΣN-i = 1( yben- y¯¯¯)2N-- 1( 1 - n / N)
Bu, (rasgele değişken) iid rasgele örnek ve (sonlu popülasyon) rasgele numunenin nasıl farklı olabileceğine hızlı bir örnektir. İstatistiksel çıkarım esas olarak rasgele değişken örnekleme, örnekleme teorisi sonlu popülasyon örneklemesi ile ilgilidir.
1 Diyelim ki ampul üretiyorsunuz ve ortalama ömürlerini öğrenmek istiyorsunuz. En azından ampul üretmeye devam ederseniz, "nüfusunuz" sadece teorik veya sanal bir nüfustur. Yani bir veri oluşturma sürecini modellemelisinizve bir grup ampulü (rastgele değişken) örnek olarak yorumlayabilir. Şimdi 1000 ampul içeren bir kutu bulduğunuzu ve ortalama ömürlerini bilmek istediğinizi söyleyin. Küçük bir ampul seti (sonlu bir nüfus örneği) seçebilirsiniz, ancak hepsini seçebilirsiniz. Küçük bir örnek seçerseniz, bu ampulleri rastgele değişkenlere dönüştürmez: "all" ve "küçük bir set" arasındaki seçim size bağlı olduğundan rastgele değişken sizin tarafınızdan oluşturulur. Bununla birlikte, sınırlı bir nüfus çok büyük olduğunda (diyelim ki ülke nüfusunuz), "tümü" nü seçmek uygun olmadığında, ikinci durum birincisi olarak daha iyi ele alınmaktadır.