Anakütle, hakkında bilgi edinmek istediğimiz bütün gruptur: bir okulun tüm öğrencileri, bir makinenin doldurduğu tüm torbalar. Bütün anakütleyi anlatan bir sayı parametredir: anakütle ortalaması μ, standart sapma σ, oran p. Parametre, bilmesek bile tek ve sabit bir sayıdır.
Örnek
Bir satranç kulübünün 8 üyesi var; yaşları 12;14;14;15;16;16;17;20. Anakütle bu 8 üyedir.Parametreler μ=124/8=15,5 yaş ve σ2=5; 16 yaş ve üzerinin oranı p=4/8=0,5.
Tanım
Örneklem ve istatistik
Örneklem, anakütlenin gerçekten incelediğimiz parçasıdır. Örneklemden hesaplanan bir sayı istatistiktir: örneklem ortalaması xˉ, örneklem oranı p^, örneklem standart sapması s. İstatistik, hangi üyelerin seçildiğine bağlıdır.
Örnek
Kulüpten yaşları 14;16;20 olan 3 üye alıyoruz.O zaman xˉ=50/3≈16,67 ve p^=32 (üçünden ikisi 16 yaşında ya da daha büyük); parametreler ise μ=15,5 ve p=0,5.
Kural
Tahmin örneklemden örnekleme değişir
Bir parametreyi tahmin etmek için kullanılan istatistik bir tahmin verir: xˉ, μ değerini; p^, p değerini tahmin eder. Başka bir örneklem başka bir tahmin verir. Yani tahmin parametreye yakındır ama parametre değildir: parametre sabit kalır, tahmin değişir.
Örnek
3 üyelik üç örneklem: 14;16;20 ve 12;14;15 ve 15;16;17, xˉ=16,67, 13,67 ve 16 verir; μ=15,5 ise aynı kalır.Üç tahmin μ değerinden +1,17, −1,83 ve +0,5 kadar uzaktır.
Tanım
Örnekleme dağılımı
n büyüklüğündeki tüm olası örneklemleri alıp her biri için aynı istatistiği hesaplayalım. Bu değerler bir dağılım oluşturur: istatistiğin örnekleme dağılımı. İstatistiğin örneklemden örnekleme nasıl davrandığını gösterir; sonraki kartlar bununla ilgili.
Örnek
Anakütle 0;1;2;3 rakamlarıdır ve her biri eşit olasılıklıdır. Büyüklüğü 2 olan 16 örneklemin tümü (yerine koyarak) xˉ=0;0,5;…;3 değerlerini verir; sayıları 16 içinde 1;2;3;4;3;2;1 olur.Ortalamaları 1,5=μ ve varyansları 0,625; bu, anakütle varyansı 1,25 değerinin yarısıdır.
Kural
Rastgele örneklem
Basit rastgele örneklemde anakütlenin her üyesinin şansı eşittir; olası her örneklemin de şansı eşittir. Yöntemde bir tarafa eğilen hiçbir şey yoktur: çok sayıda örneklemde örneklem ortalamaları μ çevresinde toplanır. Kolay ulaşılana ya da cevap vermek isteyene göre seçilen bir örneklemde böyle bir güvence yoktur.
Örnek
8 kulüp üyesinden 3’ünü isim çekerek seçiyoruz. (38)=56 olası örneklem vardır; her birinin olasılığı 1/56 ve her üye 3/8=0,375 olasılıkla örneklemde yer alır.
Kural
Örnekleme için dört yöntem
Rastgele: şansa göre çekilir. Listeden her k. isim: listede yinelenen örüntü yoksa adildir. Kolay ulaşılan: ulaşması kolay kişiler. Gönüllüler: cevap vermeyi seçen kişiler. Son ikisi yanlıdır: ortalamaları, yöntemin ulaşabildiği anakütle bölümünün ortalaması çevresinde toplanır.
Örnek
Kulüpten 2 kişilik örneklemler.28 çiftin tümü (rastgele): örneklem ortalamalarının ortalaması 15,5=μ. Yalnızca en yakındaki 5 üye 12;14;14;15;16 (kolay ulaşılan): ortalamaları 14,2, yani μ değerinden −1,3 uzakta. Yalnızca 5 gönüllü 15;16;16;17;20: ortalamaları 16,8, yani +1,3.
Dikkat!
Yanlılık ve yayılım iki ayrı şeydir
Daha büyük bir örneklem, örneklem ortalamalarını birbirine yaklaştırır (daha az yayılım) ama merkezlerini kaydırmaz. Büyük ama yanlı bir örneklem yine yanlıdır: yalnızca hassas biçimde yanlıştır. Yanlılık merkezle, yayılım tahminlerin ne kadar dağıldığıyla ilgilidir.
Örnek
En yakındaki 5 üye 12;14;14;15;16 (kolay ulaşılan), yerine koymadan 2’şer ve 4’er kişilik örneklemler.İkisinin de merkezi 14,2; bu, μ=15,5 değerinden −1,3 uzakta. Ama xˉ değerinin standart sapması 0,812 (n=2) değerinden 0,332 (n=4) değerine düşer.
Püf noktası
Yöntem kötü mü? Üç soru
Bir örnekleme yöntemini değerlendirirken üç soru sor. Kim seçilebilir? Dışarıda kalan var mı? Herkesin şansı eşit mi?Kim cevap veriyor? Cevap verenler diğerlerinden farklı mı? Cevaplardan biri hayırsa sonucun hangi yöne kaydığını söyle ve daha büyük bir örneklemin bunu düzeltmediğini unutma.
Örnek
Bir mağaza cumartesi sabahı ilk 100 müşteriye çalışma saatlerinin iyi olup olmadığını soruyor.Kim seçilebilir: yalnızca cumartesi sabahı gelen müşteriler; akşam ve hafta içi müşterileri dışarıda kalır. Sonuç sabahı sevenlere doğru kayar ve onlardan 1000 kişiye sormak bunu düzeltmezdi.
Kural
Örneklemden gayriresmî çıkarıma
Parametre hakkında bir şey söylemek için tahmini kullanırız, ama yalnızca gayriresmî olarak: "oran muhtemelen 0,28 civarındadır". Örnekleme dağılımı, bir tahminin ne kadar şaşabileceğini gösterir. Bir örneklem kesin değeri vermez, başka bir rastgele örneklem başka bir ifade verir: örneklemenin sınırı budur.
Örnek
50 öğrencilik bir örneklemde 14 kişi evet diyor: p^=14/50=0,28.Gerçek oran 0,3 olsaydı, bu tür örneklemlerin 0,957 kadarında p^ değeri 0,17 ile 0,43 arasında olurdu (sayılar 9 ile 21, kesin binom). Yani 0,28, p=0,3 için sıradan bir sonuçtur; ama tek bir örneklem p değerinin tam olarak 0,3 olduğunu kanıtlayamaz.
Tanım
Örneklem ortalaması rastgele bir değişkendir
Örneklem çekilmeden önce, örneklem ortalaması Xˉ=nX1+X2+⋯+Xn bir rastgele değişkendir: farklı örneklemler için farklı değerler alır. Çekimden sonra tek bir değerimiz olur: xˉ. Büyük harfli Xˉ değişkendir, küçük harfli xˉ gözlenen tek bir değerdir.
Örnek
Bir anakütle tablosu: x=0;1;2;3 ve olasılıklar 0,1;0,4;0,3;0,2. O zaman μ=1,6 ve σ2=0,84.2 kişilik bir örneklem (1;3): xˉ=2. Bir başkası (0;2): xˉ=1. Farklı örneklemler, Xˉ için farklı değerler.
Kural
Örneklem ortalamasının beklenen değeri
Örneklem ortalamasının beklenen değeri anakütle ortalamasıdır: her n için E(Xˉ)=μ. Tüm örneklemlerde ortalamalar μ çevresinde dengelenir; yani xˉ, μ için yansız bir tahmindir. Tek bir ortalamanın μ olması gerekmez.
Örnek
Yukarıdaki tablo ve n=2: Xˉ değişkeni 0;0,5;1;1,5;2;2,5;3 değerlerini 0,01;0,08;0,22;0,28;0,25;0,12;0,04 olasılıklarıyla alır.O zaman E(Xˉ)=∑xˉ⋅P(Xˉ=xˉ)=1,6=μ.
Kural
Varyans ve standart hata
Rastgele bir örneklemdeki değerler bağımsızdır, bu yüzden varyansları toplanır: Var(X1+⋯+Xn)=nσ2. Toplamı n’e bölmek varyansı n2’ye böler: Var(Xˉ)=nσ2. Xˉ değişkeninin standart sapması nσ olup standart hata adını alır.
Örnek
Sınav puanlarında σ=15. n=9 puanın ortalamasında Var(Xˉ)=225/9=25 olur; standart hata 15/9=5 bulunur.Yukarıdaki tablo ve n=2 için: 0,84/2=0,42; Xˉ değişkeninin kesin tablosu da bunu verir.
Kural
Daha çok değer, daha dar ortalama
Standart hata σ/n, n büyüdükçe küçülür; ama yalnızca 1/n gibi: değer sayısını dört katına çıkarmak onu yarıya indirir. Azalan, Xˉ değişkeninin yayılımıdır; anakütlenin yayılımı σ olduğu gibi kalır.
Örnek
σ=15 ve n=1;4;16 için standart hata 15, 7,5 ve 3,75 olur: her eğri bir öncekinin yarısı kadar dardır.16 değerin ortalaması, tek bir değerden dört kat daha az dağılır.
Kural
Örneklem ortalamasının kesin tablosu
Küçük bir anakütle tablosunda Xˉ değişkeninin tüm dağılımı yazılabilir: her örneklemi yaz, xˉ değerini hesapla, eşit değerlerin olasılıklarını topla. O zaman Xˉ ile ilgili her olasılık, yaklaşıklık olmadan tablo değerlerinin toplamıdır.
Örnek
Aynı tablo, n=2 (şekil): P(Xˉ≤1)=0,01+0,08+0,22=0,31.n=5 için aynı yöntem E(Xˉ)=58, Var(Xˉ)=12521=0,168 ve P(Xˉ≤1)=2500277=0,1108 verir.
Kural
Normal anakütle, normal örneklem ortalaması verir
Anakütle normalse, X∼N(μ;σ2), o zaman her n için Xˉ∼N(μ;σ2/n) olur, tam olarak: bağımsız normal değişkenlerin toplamı normaldir. Yani P(Xˉ<c), standart sapması σ/n olan normal bir olasılıktır.
Örnek
Sınav puanları X∼N(100;152). Tek bir puan: P(X>110)=P(Z>10/15)≈0,2525.n=9 puanın ortalaması: Xˉ∼N(100;52) ve P(Xˉ>110)=P(Z>2)≈0,0228. 9 puanın ortalamasının bu kadar yüksek olması çok daha az olasıdır.
Kural
Örneklem ortalaması için bir olasılık
P(Xˉ<c) değerini bulmak için: (1) modeli söyle, Xˉ∼N(μ;σ2/n); (2) standart hatayla standartlaştır, z=σ/nc−μ; (3) Φ(z) değerini tablodan oku ya da hesap makinesi satırını standart sapma yerine σ/n yazarak gir.
Örnek
Tepki süreleri N(250;402) ms ve n=16: σ/n=40/4=10.P(Xˉ<235): z=(235−250)/10=−1,5, yani olasılık Φ(−1,5)≈0,0668. Hesap makinesi: \texttt{normalcdf(-1E99; 235; 250; 10)}. Tek bir tepkinin 235’in altında olma olasılığı ≈0,3538.
Dikkat!
σ mı, σ / √n mi?
Sık yapılan bir hata: örneklem ortalamasını σ/n yerine σ ile standartlaştırmak. Kendine sor: soru tek bir değerle mi, yoksa n değerin ortalamasıyla mı ilgili? Tek değer: σ. n değerin ortalaması: σ/n.
Örnek
Boylar N(170;82), n=4 öğrencinin ortalaması, P(Xˉ>174).Doğru: z=4/(8/2)=1, olasılık ≈0,1587. Yanlış: z=4/8=0,5, 0,3085 verir; bu, tek bir öğrencinin 174 cm’den uzun olma olasılığıdır.
Kural
Koşullar
Xˉ için normal modeli kullanmadan önce üç koşulu denetle. Rastgele: örneklem rastgeledir. %10: yerine koymadan çekilirken n, anakütle büyüklüğü N’nin en çok %10’udur; böylece çekimler neredeyse bağımsız olur. Normal: anakütle normaldir ya da n büyüktür (merkezi limit teoremi); güçlü çarpıklığı ya da aykırı değerleri olan küçük bir n bu koşulu sağlamaz.
Örnek
Bir okulda N=300 öğrenci var.n=25 olan rastgele bir örneklem %10 koşulunu sağlar (300/10=30≥25). n=40 olan bir örneklem sağlamaz (40>30): çekimler artık neredeyse bağımsız değildir.
Tanım
Örneklem oranı
Örneklem oranıp^=nX olup X, örneklemde özelliği taşıyanların sayısıdır. Anakütleye göre küçük, rastgele bir örneklemde X∼B(n,p) olur; p anakütledeki orandır. Yani p^ rastgele bir değişkendir ve p için yansız bir tahmin edicidir: E(p^)=p.
Örnek
n=50 öğrencilik bir ankette 14 kişi evet diyor, yani p^=14/50=0,28.50 kişilik başka bir örneklemde 17 evet çıkabilir: p^=17/50=0,34. Okuldaki p oranı aynı kalır; yalnızca örneklem değişir.
Kural
p̂’nin ortalaması ve standart sapması
E(p^)=p ve Var(p^)=np(1−p); dolayısıyla SD(p^)=np(1−p). Bu, p^=X/n ile E(X)=np ve Var(X)=np(1−p) değerlerinden çıkar. Ortalamada olduğu gibi, kişi sayısını dört katına çıkarmak standart sapmayı yarıya indirir.
Örnek
p=0,3 ve n=50: Var(p^)=0,3⋅0,7/50=0,0042 ve SD(p^)=0,0042≈0,0648.n=200 (dört kat) için ≈0,0324 olur; yani yarısı.
Kural
p̂’nin kesin dağılımı
p^ değerinin kesin dağılımı, sayıların n’e bölündüğü binom dağılımıdır: P(p^=k/n)=P(X=k). p^ ile ilgili bir olay, sayıyla ilgili bir olaydır: p^≤0,2 demek X≤0,2n demektir. Yaklaşıklığa gerek yoktur.
Örnek
p=0,3 ve n=50: p^≤0,2 demek X≤10 demektir; yani P(p^≤0,2)=P(X≤10)≈0,0789.Hesap makinesi: \texttt{binomcdf(50; 0,3; 10)}.
Kural
Normal model ve süreklilik düzeltmesi
Büyük n için p^ çubukları N(p;p(1−p)/n) normal eğrisini izler. Çubuklar kesiklidir: p^≤a olayını X≤k sayısı olarak ele al ve sınır k+21 olacak biçimde süreklilik düzeltmesi uygula. Düzeltilmiş değer genellikle düzeltilmemiş değerden kesin değere çok daha yakındır.
Örnek
Aynı örnek: X≈N(15;10,5).Düzeltmeli: z=(10,5−15)/10,5≈−1,39, yani Φ(−1,39)≈0,0825. Düzeltmesiz: z=(10−15)/10,5≈−1,54, yani 0,0614. Kesin değer 0,0789; hatalar 0,0036 ve 0,0174.
Kural
p̂ için koşullar
p^ için normal model; rastgele bir örneklem, anakütlenin en çok %10’u kadar n ve yeterince başarı ile başarısızlık ister: np ve nq=n(1−p) ikisi de en az 10 (AP kuralı) ya da en az 5 (Cambridge kuralı). Aksi halde çubuklar çarpıktır ve normal eğri onları izlemez.
Örnek
n=50, p=0,3: np=15 ve nq=35, ikisi de en az 10: uygun.n=20, p=0,1: np=2 çok küçük. p^=0 çubuğunun değeri 0,920≈0,1216 olup kenara dayanır; eğri ise p^ değerinin negatif olamayacağını yok sayar.
Kural
Bunu örneklemler hakkında bir cümleyle söyle
p^ (ya da Xˉ) ile ilgili bir olasılığı örneklemler hakkında bir cümleyle söyle: "… olan bir anakütleden n büyüklüğünde rastgele örneklemlerde, … olma olasılığı yaklaşık …". Olasılık istatistiğe aittir. Parametre cümlenin koşulunda yer alır, olayda değil.
Örnek
Anakütlede planı destekleyenlerin oranı %30 iken, 50 kişilik rastgele örneklemlerde planı destekleyenlerin oranının en çok %20 olma olasılığı yaklaşık 0,0789 olur.
Dikkat!
Olasılık örneklem hakkındadır, p hakkında değil
Sık yapılan bir hata: 0,0789 değerini, değişen şey p imiş gibi, parametre hakkında bir ifade olarak okumak. Anakütledeki p oranı tek ve sabit bir sayıdır; değişen örneklemlerdir. Cümle, bu anakütleden çekilen örneklemlerdeki p^ örneklem oranı hakkındadır. Aynısı ortalama için de geçerlidir: Xˉ ile ilgili bir ifade örneklemlere aittir, μ değerine değil.
Örnek
Daha iyisi: "Oran %30 ise, 50 kişilik örneklemlerin yaklaşık %7,9’unda destekleyenlerin oranı en çok %20 olur." Burada %30 verilmiştir ve %7,9 örneklemleri sayar.%20 bulan bir anket oranı %20 yapmaz; çekilebilecek pek çok örneklemden yalnızca biridir.
Kural
Biçimler çana dönüşür
Merkezi limit teoremi: bir anakütlenin biçimi (bir ortalaması ve bir standart sapması varsa) ne olursa olsun, n büyüdükçe Xˉ dağılımı N(μ;σ2/n) normal eğrisine yaklaşır. Xˉ çubukları, μ merkezini koruyan ve daralan bir çana dönüşür.
Örnek
Sağa çarpık bir anakütle (1’den 10’a kadar değerler, ortalama 2,925, σ≈1,984). Şekiller n=1;2;5;30 için Xˉ değişkeninin kesin dağılımını normal eğriyle gösterir: n=1 için çarpık, n=30 için bir çan.Xˉ değişkeninin çarpıklığı, tek bir değerin çarpıklığının n’e bölünmüşüdür: 1,26, 0,89, 0,56 ve 0,23.
Kural
Büyük ne kadar büyük?
n değerinin ne kadar büyük olması gerektiği anakütleye bağlıdır. Kurallar: Cambridge sayı vermeden "büyük bir örneklem" der, IB sınavlarda n>30 değerinin yeterli sayıldığını söyler, AP n≥30 kullanır. Bunlar pratik kurallardır. Uygulama ayrıca Xˉ çubuğu ile eğri arasındaki en büyük farkı tepe yüksekliğinin payı olarak ve Xˉ değişkeninin çarpıklığını ölçer; fark %8’in, çarpıklık 0,2’nin altındaysa bunu normale yakın sayar.
Örnek
Sağa çarpık anakütle; fark (tepe yüksekliğinin payı) ve Xˉ çarpıklığı:n=5: %14,9 ve 0,56; n=10: %10,1 ve 0,40; n=30: %5,3 ve 0,23; n=100: %3,0 ve 0,13.n=30 için fark küçük ama 0,23 çarpıklığı hâlâ 0,2’nin üstünde; n=100 için ikisi de küçük. Normale benzeyen bir anakütle n=1 iken bile normale yakındır (fark %4,4).
Dikkat!
Çok çarpık bir anakütle
Dikkat (AP): anakütle son derece çarpıksa ya da tek bir çok büyük değer içeriyorsa n=30 yetmeyebilir. Yalnızca n sayısına değil, Xˉ şekline de bak.
Örnek
Değerlerin %99’u 1, %1’i 10 olan bir anakütle (ortalama 1,09).30 kişilik bir örneklemde hiç 10 bulunmama olasılığı 0,9930≈0,7397; yani örneklemlerin yaklaşık %74’ünde xˉ=1 tam olarak çıkar, diğerlerinde adım adım sıçrar. Xˉ çarpıklığı n=30 için hâlâ 1,80, n=100 için 0,98 olur (fark tepenin %15 ve %31 kadarı).
Kural
Toplamlar ve ortalamalar
Toplam S=X1+⋯+Xn ile ortalama Xˉ=S/n aynı çekimlerdir, yalnızca iki ayrı ölçekte. Xˉ normale yakınsa S de yakındır: S≈N(nμ;nσ2) ve Xˉ≈N(μ;σ2/n). Toplamın ortalaması nμ, standart sapması σn olur.
Örnek
Sağa çarpık anakütle, n=30: S toplamının ortalaması 30μ=87,74, varyansı 30σ2=118,13; yani standart sapması 10,869.P(S≥100): kesin 0,1410; süreklilik düzeltmeli normal (sınır 99,5, z=1,08) 0,1395; düzeltmesiz (z=1,13) 0,1296. Xˉ≥100/30 olayı aynı olaydır.
Dikkat!
Teorem örneklem ortalaması hakkındadır
Sık yapılan bir hata: "örneklem büyüyünce veriler normal olur". Tek bir büyük örneklemin histogramı anakütlenin biçimini korur. Teorem, çok sayıda örneklem üzerinde Xˉ dağılımı hakkındadır. Daha büyük bir örneklem anakütleyi değiştirmez; yalnızca Xˉ dağılımı daralır ve yuvarlaklaşır.
Örnek
Sağa çarpık anakütlenin çarpıklığı 1,26 olduğundan, ondan alınan 30 değerin histogramı da çarpıktır.Çok sayıda 30 kişilik örneklemin ortalamalarının çarpıklığı 1,26/30≈0,23 olur: çana benzeyenler bu ortalamalardır.
Tanım
Tahmin edici ve yansız
Tahmin edici, bir örneklemi bir parametrenin tahminine çeviren kuraldır (μ için xˉ). Beklenen değeri parametreye eşitse yansızdır: tüm örneklemler üzerinden ortalamada tahminler parametreyi bulur. Yanlı bir tahmin edici ortalamada yanlıştır, hep aynı yöne.
Örnek
Anakütle 2;4;6;12: μ=24/4=6 ve σ2=56/4=14.Büyüklüğü 2 olan 16 örneklemin tümünü (yerine koyarak) alıp bir tahmin edicinin ortalamasını hesaplıyoruz. Bu ortalama μ (ya da σ2) değerine eşitse tahmin edici yansızdır; tek tek örneklemler ne yaparsa yapsın.
Kural
Örneklem ortalaması yansızdır
Örneklem ortalaması μ için yansız bir tahmindir: E(Xˉ)=μ. Küçük bir anakütlenin tüm örneklemlerini sıralayarak bunu denetleyebilirsin: tüm örneklem ortalamalarının ortalaması tam olarak μ olur.
Örnek
2;4;6;12 anakütlesinden büyüklüğü 2 olan 16 örneklemin tümü (şekil: hücre, satır değeri ile sütun değerinin xˉ değeridir). 16 ortalamanın toplamı 96 eder; ortalamaları 96/16=6=μ olur.Tek tek ortalamalar 2 ile 12 arasında değişir; ortalamaları tam olarak doğrudur.
Kural
n − 1 bölenli örneklem varyansı
Örneklem varyansı s2=n−1∑(x−xˉ)2 (n−1 böleni), σ2 için yansız bir tahmindir. Bölen n olursa ortalamada fazla küçük çıkar: E(n1∑(x−xˉ)2)=nn−1σ2.
Örnek
Aynı 16 örneklem, σ2=14. Bölen n−1=1: hücreler 0 ile 50 arasındadır, toplamları 224, ortalamaları 224/16=14=σ2.Bölen n=2 her hücreyi yarıya indirir: toplam 112, ortalama 7=21⋅14.
Püf noktası
Neden n − 1?
xˉ değerinden sapmalar, μ değerinden sapmalardan küçüktür; çünkü xˉ tam da bu örneklemin merkezidir. Kesin olarak: ∑(x−μ)2=∑(x−xˉ)2+n(xˉ−μ)2. Yani ∑(x−xˉ)2, n(xˉ−μ)2 kadar küçüktür; bu da ortalamada σ2 eder. n yerine n−1’e bölmek bunu düzeltir.
Örnek
μ=6 olan anakütleden 2;12 örneklemi: ∑(x−μ)2=16+36=52.xˉ=7 ile: ∑(x−xˉ)2=25+25=50 ve n(xˉ−μ)2=2⋅1=2; 50+2=52.
Kural
x̄, s² ve s hesaplama
Verilerden: xˉ=n∑x, s2=n−1∑(x−xˉ)2 ve s=s2. n, ∑x ve ∑x2 toplamlarından: s2=n−11(∑x2−n(∑x)2). Sonuna kadar kesirleri ya da çok sayıda ondalığı koru.
Örnek
n=10, ∑x=52, ∑x2=312: xˉ=526=5,2.∑x2−(∑x)2/n=312−270,4=41,6; yani s2=41,6/9=45208≈4,6222 ve s≈2,1499. Bölen n olunca: 41,6/10=4,16.
Püf noktası
Hesap makinesinde Sx ve σx
Bir hesap makinesi iki standart sapma verir. Sx değerinin böleni n−1’dir: bir örneklemden σ tahminidir. σx değerinin böleni n’dir: listenin tüm anakütle olduğu durum içindir. Örneklem için Sx kullan. Bazı markalar ve kitaplar sn−1 ile sn ya da s ile σ yazar.
Örnek
Veri 4;7;7;8;9: xˉ=7 ve ∑(x−xˉ)2=9+0+0+1+4=14.Sx=14/4=3,5≈1,8708 ve σx=14/5=2,8≈1,6733.
Dikkat!
En büyük değer ve açıklık yanlıdır
Doğal görünen her istatistik yansız değildir. Örneklemin en büyük değeri anakütlenin en büyük değerini tahminde fazla küçüktür; örneklem açıklığı da anakütle açıklığını tahminde fazla küçüktür; çünkü bir örneklem uç değerleri çoğunlukla kaçırır. Tüm örneklemler üzerindeki ortalamaları hedefin altında kalır.
Örnek
2;4;6;12 ve büyüklüğü 2 olan 16 örneklem: en büyük değerin ortalaması 128/16=8 ama anakütlenin en büyük değeri 12; açıklığın ortalaması 64/16=4 ama anakütle açıklığı 12−2=10.
Dikkat!
Yansızlık uzun vadeyle ilgilidir
Yansızlık, tek bir tahminin doğru olduğu anlamına gelmez: tahminlerin çok sayıda örneklemde ortalamada doğru olduğu anlamına gelir. Yansız bir tahmin edici tek bir örneklemde yine de çok şaşabilir. Ayrıca s2, σ2 için yansız olsa da s, σ için hafif yanlı bir tahmindir.
Örnek
Sabit bir çalışma (şekil): anakütle N(0;22), 5 kişilik örneklemler. s2 değerinin kayan ortalamaları hedeflerine yerleşir: n−1 böleniyle 4 (yeşil), n böleniyle 54⋅4=3,2 (mavi).2;4;6;12 için 16 örneklem üzerinde s ortalaması 2,828 olup σ≈3,742 değerinin altındadır.
Kural
Yansız ve küçük yayılım
İki yansız tahmin edici yayılım bakımından farklı olabilir. Varyansı küçük olan daha iyidir; çünkü tek tek tahminleri hedefe daha yakındır. İyi bir tahmin edici yansızdır (merkez doğrudur) ve varyansı küçüktür (az dağılım).
Örnek
2 çekimden μ=6 değerini tahmin etmek için: yalnızca ilk çekim yansızdır, varyansı 14; xˉ yansızdır, varyansı 14/2=7.Şekilde 16 ilk çekim (mavi) 2 ile 12 arasına yayılır, 16 ortalama (yeşil) daha az yayılır.
Kural
Anket büyüklüğü
n kişilik bir ankette örneklem oranının standart sapması p(1−p)/n olup en büyük değerini p=0,5 iken alır. Anketlerin yaklaşık %95’i p değerinin 1,96 standart sapma yakınında çıkar. Hata payı 1/n gibi küçülür; hata payını yarıya indirmek için dört kat kişi gerekir.
Örnek
p=0,5 ve n=100;400;1600 için standart sapma 0,05, 0,025 ve 0,0125 olur.0,03 hata payı için: n≥1,962⋅0,25/0,032≈1067,1, yani n=1068. (Kesin binom dağılımı, 0,03 içinde kalma için 0,953 verir.)
Kural
Un torbaları
Bir makine ortalama ağırlığı μ, standart sapması σ olan torbalar dolduruyor. Tek bir torba σ ile değişir; n torbanın ortalaması σ/n ile değişir. Yani etiketin altında kalan tek bir torba sorusu σ kullanır; n torbanın ortalaması sorusu σ/n kullanır.
Örnek
μ=1012 g, σ=15 g, etiket 1000 g, ağırlıklar normal dağılımlı. Tek bir torbanın etiketin altında kalma olasılığı Φ(−0,8)≈0,2119.n=9 torbanın ortalaması: σ/9=5, z=−2,4, P(Xˉ<1000)≈0,0082.
Kural
Yolculuk süreleri
Yolculuk süreleri genellikle sağa çarpıktır: birkaç çok uzun süre vardır. O zaman n yolculuğun ortalaması yalnızca yaklaşık olarak normaldir ve n büyüdükçe daha iyi olur. Güvenli bir ifade için kesin dağılımla karşılaştır ya da Xˉ çarpıklığına bak.
Örnek
Sağa çarpık biçimle 10;14;…;46 dakikalık süreler: ortalama 17,7 dk, standart sapma 7,9 dk, çarpıklık 1,26.n=10: P(Xˉ>22) kesin olarak 0,0467, normal model 0,0433 der (Xˉ çarpıklığı 0,40). n=30: kesin 0,0027, normal 0,0015: normal model üst kuyruğu olduğundan küçük gösterir.
Kural
Laboratuvar ölçümleri
Bir ölçümü n kez tekrarla: ölçümlerin yayılımı s olur ve ölçümlerin ortalamasının standart hatasıs/n olur. Ortalama tek bir ölçümden daha güvenilirdir ve ölçüm sayısını dört katına çıkarmak standart hatayı yarıya indirir.
Örnek
Ölçümler 12,1;11,8;12,4;12,0;12,2;11,9: xˉ=72,4/6≈12,067, s≈0,2160, standart hata s/6≈0,0882.Aynı yayılımla 24 ölçümde standart hata 0,0441 olur; yani yarısı.
Püf noktası
Hangi program ne ister
Cambridge 9709 (Paper 6): örneklem ve anakütle, rastgele değişken olarak örneklem ortalaması, merkezi limit teoremi, ortalama ve varyansın yansız tahminleri. UK GCSE ve A level: örneklemden çıkarım, anakütle ve örneklem, örnekleme teknikleri. IB (AA ve AI): örnekleme ve yanlılık; AI HL: yansız tahminler ve merkezi limit teoremi. AP Statistics: p^ ve xˉ örnekleme dağılımları, koşullar, yansız tahmin ediciler. Common Core: rastgele bir örneklemden çıkarım olarak istatistik. Hollanda: wiskunde A vwo, bir örneklemden anakütle hakkında ifade.
Örnek
Tipik bir sınav sorusu: bir anakütlenin ortalaması 50, standart sapması 8; n=64 kişilik rastgele bir örneklem.Standart hata 8/64=1 ve P(Xˉ>51,5): z=1,5, yani 1−0,9332=0,0668 (merkezi limit teoremi, çünkü n büyük).
Alıştırmalar
Bir okulda 800 öğrenci var; 40’ına nasıl geldikleri soruluyor ve 22’si bisikletle geliyor. Anakütleyi ve örneklemi söyle. 22/40 bir parametre mi, bir istatistik mi? Kolay
Çözümü göster
Anakütle 800 öğrencinin tamamıdır; örneklem sorulan 40 kişidir.
22/40 örneklemden hesaplanır, yani bir istatistiktir: p^=22/40=0,55.
800 öğrencinin bisikletle gelenlerinin oranı p parametresidir; p^ onu tahmin eder.
Anakütle: 800 öğrenci; örneklem: 40 kişi; p^=0,55 bir istatistiktir
Kontrol → 40 kişilik başka bir örneklem büyük olasılıkla başka bir p^ verir; p aynı kalır.
5 öğrencilik rastgele bir örneklemin boyları 63;71;66;68;62 cm. Tüm öğrencilerin ortalama boyu μ=65 cm. xˉ değerini ve xˉ−μ farkını bul. Kolay
Çözümü göster
Boyları topla: 63+71+66+68+62=330.
n=5’e böl: xˉ=330/5=66.
Fark 66−65=+1 cm: bu örneklem μ değerinin biraz üstünde.
xˉ=66 cm, fark +1 cm
Kontrol → 66 ortalaması en küçük (62) ile en büyük (71) değer arasındadır.
Bir anakütlenin standart sapması σ=12. n=36 için örneklem ortalamasının standart hatasını ve dört kat büyük bir örneklem için standart hatayı bul. Kolay
Çözümü göster
Standart hata σ/n=12/36=12/6=2 olur.
Dört kat büyük olan n=144: 12/144=12/12=1.
Örneklem büyüklüğünü dört katına çıkarmak standart hatayı yarıya indirir; anakütle yayılımı σ=12 değişmez.
n=36 için 2 ve n=144 için 1
Kontrol → 144=4⋅36 ve 1=2/2.
Bir anakütlenin %40’ı bir özelliğe sahip. n=100 kişilik rastgele bir örneklem alınıyor. p^ örneklem oranının ortalamasını ve standart sapmasını bul. Kolay
Çözümü göster
p^ ortalaması p=0,4 olur.
Varyans p(1−p)/n=0,4⋅0,6/100=0,0024 olur.
Standart sapma 0,0024≈0,0490 olur.
Ortalama 0,4, standart sapma ≈0,0490
Kontrol → 0,0492≈0,0024.
Bir örneklem 3;5;10. Örneklem ortalaması xˉ, örneklem varyansı s2 (n−1 böleni) ve s değerlerini bul. Kolay
Kontrol → bölen n olsaydı 26/3=326≈8,667 çıkardı; bu, 13’ten küçük bir sayıdır.
Bir okulda 250 öğrenci var. Yerine koymadan rastgele bir örneklem alınıyor ve %10 koşulu sağlanmalı. En büyük örneklem büyüklüğü n kaçtır? Kolay
Çözümü göster
%10 koşulu n≤10%⋅N der.
Burada N=250; yani n≤250/10=25.
En büyük örneklemde n=25 öğrenci vardır.
n=25
Kontrol → 25, 250 değerinin tam onda biridir.
Puanlar normaldir, N(500;402). n=16 kişilik rastgele bir örneklem için P(Xˉ>510) değerini bul ve tek bir puan için P(X>510) ile karşılaştır. Orta
Çözümü göster
Model Xˉ∼N(500;102) olur, çünkü 40/16=10.
z=(510−500)/10=1; yani P(Xˉ>510)=1−Φ(1)≈0,1587.
Tek bir puan için z=10/40=0,25 ve P(X>510)≈0,4013 olur.
P(Xˉ>510)≈0,1587; tek puan için P(X>510)≈0,4013
Kontrol → 16 puanın ortalamasının 500’den uzak olma olasılığı tek bir puandan küçüktür; yani 0,1587<0,4013.
Bir anakütlenin standart sapması σ=20. Ortalamanın standart hatasının en çok 2,5 olması için rastgele örneklem ne kadar büyük olmalı? Orta
Çözümü göster
20/n≤2,5 olmalı; yani n≥20/2,5=8.
Kare al: n≥82=64.
n≥64
Kontrol → 20/64=20/8=2,5.
Bir anakütlenin %60’ı aynı fikirde; rastgele örneklemde n=80. Koşulları denetle ve süreklilik düzeltmesiyle P(p^<0,5) değerini bul (kesin değer 0,0271). Orta
Çözümü göster
np=48 ve nq=32, ikisi de en az 10: normal model kullanılabilir.
p^<0,5 demek X≤39 demektir ve X≈N(48;19,2).
39,5 sınırı: z=(39,5−48)/19,2≈−1,94; yani P≈0,0262.
P(p^<0,5)≈0,0262 (kesin 0,0271)
Kontrol → düzeltmesiz (39 sınırı) 0,0200 çıkar; bu, 0,0271 değerinden daha uzaktır.
Bir kentte N=400 kişi yaşıyor. Yerine koymadan n=60 kişilik rastgele bir örneklem alınıp evet / hayır sorusu soruluyor; yaklaşık %5’inin evet diyeceği bekleniyor. p^ için normal model kullanılabilir mi? Orta
Çözümü göster
Rastgelelik: örneklem rastgeledir; bu koşul sağlanıyor.
%10 koşulu: 10%⋅400=40 ve 60>40: sağlanmıyor.
Sayılar: np=60⋅0,05=3, 10’un (ve 5’in) altında: sağlanmıyor.
Hayır: iki koşul sağlanmıyor (%10 ve np), yalnızca rastgelelik koşulu sağlanıyor
Kontrol → 40 ya da daha az kişilik bir örneklem %10 koşulunu sağlardı, ama np yine çok küçük kalırdı.
Bir örneklemden: n=8, ∑x=72 ve ∑x2=702. xˉ değerini ve n−1 bölenli s2 değerini bul; n böleniyle karşılaştır. Orta
Çözümü göster
xˉ=72/8=9 ve 702−722/8=702−648=54.
s2=54/7=754≈7,7143; n böleniyle: 54/8=6,75.
xˉ=9, s2=54/7≈7,7143 (n böleni: 6,75)
Kontrol → bölen n daha küçük sayıyı verir: 6,75<7,7143.
Anakütle 1;3;8, yerine koyarak 2’şerli 9 örneklemin tümü. Göster: xˉ ortalaması μ, s2 ortalaması (n−1 böleni) σ2, n böleni yarısını verir. Orta
Çözümü göster
μ=4, σ2=26/3. Dokuz ortalamanın toplamı 36: ortalama 4=μ.
Dokuz s2 değerinin toplamı 78: ortalama 78/9=326=σ2.
Bölen n=2 her değeri yarıya indirir: ortalama 313.
Ortalamalar: 4=μ ve 26/3=σ2; n böleniyle: 13/3
Kontrol → 26/3 değerinin yarısı 13/3 eder.
Yolculuk süreleri (sağa çarpık): ortalama 17,7 dk, standart sapma 7,9 dk, n=40. P(Xˉ>20) değerini bul ve normal modele izin veren kuralı söyle. Zor
Çözümü göster
Merkezi limit teoremi: n=40≥30 (AP kuralı). 7,9/40≈1,255.
z=(20−17,7)/1,255≈1,83; yani P(Xˉ>20)≈0,0333.
Bu çarpık biçimin kesin dağılımı 0,0358 verir: biraz daha fazla.
P(Xˉ>20)≈0,0333 (kesin: 0,0358)
Kontrol → model ile kesin değer arasındaki fark 0,003’ten azdır.
Bir anket 0,04 hata payı istiyor; hata payı, p^ değerinin 1,96 standart sapmasıdır (yaklaşık %95). En kötü durumu al: p=0,5. Kaç kişi gerekir? 0,02 hata payı için kaç kişi? Zor
Çözümü göster
1,960,25/n≤0,04; yani n≥1,962⋅0,25/0,042=600,25: yukarı yuvarlayınca n=601.
0,02 hata payı yarıdır, yani dört kat kişi gerekir: 1,962⋅0,25/0,022=2400,99; n=2401.
0,04 için n=601, 0,02 için n=2401
Kontrol → 2401, 601 değerinin yaklaşık dört katıdır (4⋅600,25=2401).
Un torbaları normal dağılımlı; ortalama 1012 g, standart sapma 15 g. 9 torbanın ortalamasının 1012 g değerine 3 g içinde olma olasılığını ve aynısını tek torba için bul. Zor
Çözümü göster
9’un ortalaması: σ/9=5; yani ∣z∣<3/5=0,6 ve P=Φ(0,6)−Φ(−0,6)≈0,4515.
Tek torba: ∣z∣<3/15=0,2; yani P≈0,1585.
9’un ortalaması için yaklaşık 0,4515, tek torba için 0,1585
Kontrol → ortalama, tek torbadan daha sık 1012’ye yakın kalır: 0,4515>0,1585.
Bir planı %30’un desteklediği anakütleden 50 kişilik örneklemler: P(p^≤0,2)≈0,0789. Hangi cümle doğrudur?A: 0,0789 küçük olduğu için oran %20’nin altındadır.B: Oran %30 ise, örneklemlerin %7,9’unda destekleyenler en çok %20 olur.C: Bu anket %7,9 olasılıkla yanlıştır.Zor
Çözümü göster
0,0789, verilen %30 oranı için örneklemleri sayar. A ve C bunu orana ya da “yanlış” olmaya ilişkin bir ifadeye çevirir.
Yalnızca B oranı koşulda tutar.
B
Kontrol → B, “Oran %30 ise” diye başlar.
X1 ve X2 bağımsız; ortalama μ, varyans σ2. T1=(X1+X2)/2 ve T2=(X1+2X2)/3 değerlerinin ikisinin de μ için yansız olduğunu göster ve hangisinin varyansının küçük olduğunu bul. Zor
Çözümü göster
E(T1)=(μ+μ)/2=μ ve E(T2)=(μ+2μ)/3=μ: ikisi de yansızdır.
Var(T1)=(σ2+σ2)/4=21σ2.
Var(T2)=(σ2+4σ2)/9=95σ2>21σ2.
İkisi de yansızdır; T1=Xˉ daha küçük varyansa sahiptir
Kontrol → 91+94=95; şekilde T2 sırası daha geniştir.
Bir öğrenci büyüklüğü 5 olan örneklemlerin varyansını n böleniyle hesaplıyor. Anakütle varyansı σ2=20. Sonuçlarının ortalaması hangi çarpanla, hangi değere kadar yanlış? Bunu nasıl düzeltir? Zor
Çözümü göster
n böleniyle ortalama nn−1σ2=54⋅20=16 olur: 0,8 çarpanı kadar küçük.
Aynı kareler toplamını n=5 yerine n−1=4’e bölerek düzeltir: 16⋅45=20.
0,8 çarpanı kadar küçük: 20 yerine 16; n−1’e böl
Kontrol → 16⋅5/4=20.
Ortalaması genellikle 2 g fazla küçük çıkan 10000 kişilik kolay ulaşılan bir örneklem var. σ=15 g olan anakütleden 100 kişilik rastgele bir örneklem alınıyor. Standart hataları ve hatanın türünü karşılaştır. Zor
Çözümü göster
n=10000 için standart hata 15/100=0,15 g; n=100 için 15/10=1,5 g.
Büyük örneklem hassastır ama yaklaşık 2 g yanlıdır; daha çok kişi bunu değiştirmez. Rastgele örneklem yansızdır: hatası yalnızca rastlantısaldır.
Büyük örneklemin standart hatası daha küçüktür (0,15 g karşısında 1,5 g) ama yaklaşık 2 g yanlılığı vardır; rastgele örneklem yansızdır
Kontrol → yanlılık merkezle ilgilidir ve daha büyük n onu kaydırmaz.
Bu konunun etkileşimli uygulamaları
Ücretsiz uygulamalar ücretsiz öğrenci hesabıyla açılır. Öğretmenler tüm uygulamaları canlı derste kullanabilir.