O que é uma distribuição de amostragem?
Uma distribuição de amostragem pode ser definida como uma distribuição de probabilidade usando estatísticas, escolhendo primeiro uma determinada população e, em seguida, fazendo uso de amostras aleatórias que são retiradas da população, ou seja, basicamente visa a propagação das frequências relacionadas à propagação de vários resultados ou resultados que podem ocorrer para uma determinada população escolhida.
Explicação
- Muitos pesquisadores, acadêmicos, estrategistas de mercado, etc. vão além da distribuição amostral em vez de escolher toda a população. Isso torna o conjunto de dados fácil e gerenciável. Para facilitar, suponha que um profissional de marketing queira fazer uma análise do número de jovens andando de bicicleta entre duas regiões dentro do limite de idade de 13 a 18 anos.
- Para tanto, ele não levará em consideração toda a população presente nas duas regiões entre 13 e 18 anos, o que praticamente não é possível, e mesmo que o faça, é muito demorado e o conjunto de dados não é gerenciável . Em vez disso, o profissional de marketing pegará um conjunto de amostra de 200 de cada região e fará a distribuição.
- A contagem média do uso da bicicleta aqui é denominada como a média da amostra. Cada amostra escolhida tem sua própria média gerada, e a distribuição feita para a média média obtida é definida como a distribuição da amostra. O desvio obtido é denominado erro padrão.
Exemplo de distribuição de amostragem
- Supondo que um pesquisador esteja realizando um estudo sobre o peso dos habitantes de uma determinada cidade e ele tenha cinco observações ou amostras, ou seja, 70kg, 75kg, 85kg, 80kg e 65kg. A cidade é geralmente considerada como tendo uma distribuição normal e mantém um desvio padrão de 5kg no aspecto de medidas de peso. Assim, a média pode ser calculada como (70 + 75 + 85 + 80 + 65) / 5 = 75 kg.
- Além disso, assumimos que o tamanho da população é enorme; assim, para ir para a segunda etapa, dividiremos o número de observações ou amostras por 1, ou seja, 1/5 = 0,20. Agora precisamos obter a raiz quadrada de 0,20, que chega a 0,45. A raiz quadrada é então multiplicada pelo desvio padrão, ou seja, 0,45 * 5 = 2,25 kg. Assim, o erro padrão obtido é de 2,25kg, e a média obtida foi de 75kg. Esses dois fatores podem ser usados para descrever a distribuição.
Tipos de distribuição de amostragem
# 1 - Distribuição de Amostragem da Média
- Isso pode ser definido como a distribuição probabilística de todas as médias de amostras escolhidas de forma aleatória de um tamanho fixo de uma determinada população. Quando as amostras optam por uma população normal, a dispersão da média obtida também será normal à média e ao desvio padrão.
- Se a população não for normal a ainda, a distribuição das médias tenderá a se aproximar da distribuição normal, desde que o tamanho da amostra seja bastante grande.
# 2 - Distribuição de Amostragem de Proporção
Isso está principalmente associado às estatísticas envolvidas nos atributos. Aqui, o papel da distribuição binomial entra em jogo. Geralmente, ele responde às leis da distribuição binomial, mas conforme o tamanho da amostra aumenta, geralmente torna-se uma distribuição normal novamente.
# 3 - Distribuição T do aluno
Esse tipo de distribuição é usado quando o desvio padrão da população é desconhecido do pesquisador ou quando o tamanho da amostra é muito pequeno. Este tipo de distribuição é muito simétrica e cumpre a condição de variável normal padrão. À medida que o tamanho da amostra aumenta, mesmo a distribuição T tende a se tornar muito próxima da distribuição normal.
# 4 - Distribuição F
- Quando a variância maior está obrigatoriamente presente no numerador, a distribuição F encontra seu uso na medida em que o grau de liberdade muda os valores críticos de F também, o que é aplicável tanto para grandes como para pequenas variações. Isso pode ser calculado a partir das tabelas disponíveis.
- A comparação é feita a partir do valor medido de F pertencente ao conjunto amostral e do valor, que é calculado a partir da tabela, se o anterior for igual ou maior que o valor da tabela, a hipótese nula do estudo é rejeitada.
# 5 - Distribuição da fórmula qui-quadrado
Este tipo de distribuição é usado quando o conjunto de dados envolve lidar com valores que incluem somar os quadrados. O conjunto de quantidades quadradas pertencentes à variância das amostras é adicionado e, assim, é feita uma dispersão de distribuição, que chamamos de distribuição qui-quadrado.
Importância
- Isso é importante porque simplifica o caminho para a inferência estatística. Além disso, permite que as considerações analíticas sejam focadas em uma distribuição estática, em vez da distribuição probabilística mista de cada unidade de amostra escolhida.
- A eliminação da variabilidade presente na estatística é feita usando esta distribuição.
- Ele nos fornece uma resposta sobre os resultados prováveis que são mais prováveis de acontecer.
- Eles desempenham um papel fundamental nos estudos estatísticos inferenciais, o que significa que desempenham um papel importante em fazer inferências a respeito de toda a população.
Conclusão
- Isso é fundamental nas estatísticas porque atuam como uma diretriz importante para a inferência estatística. Eles basicamente orientam o pesquisador, acadêmicos ou estatísticos sobre a disseminação das frequências, sinalizando uma gama de resultados prováveis variados que poderiam ser posteriormente identificados para toda a população.
- O fator principal envolvido aqui é a média da amostra e o erro padrão, que, se estimados, nos ajudam a calcular a distribuição amostral também. Existem vários tipos de técnicas de distribuição e, com base no cenário e no conjunto de dados, cada uma é aplicada.
