In questo articolo ci accingiamo a discutere circa le distribuzioni studio di campionamento della teoria della probabilità. Lo studio campionamento distribuzioni dei dati è il concetto di base di statistiche e anche questa è una distribuzione teorica rispetto alla distribuzione empirica. In distribuzioni studio campionamento della teoria delle probabilità possiamo esercitare alcuni problemi also.The distribuzione campionaria: Può essere definita come la distribuzione della statistica per tutti i possibili campioni di una determinata dimensione. Ogni distribuzione campionaria è caratterizzata dai determinati parametri. Questi parametri sono Media (lambda) e varianza (Sigma) e questo viene indicato come errore standard. E la distribuzione campionaria è principalmente dipende dalla dimensione di campionamento, la statica che vengono utilizzati in questo distribution.Sampling distribuzione di mezzi: Si consideri la popolazione che avendo la media di lambda e una deviazione standard di sigma e quindi la distribuzione campionaria della media ha una media di lambda e una deviazione standard ofsigma M = sigma /sqrt (n) Qui il n è altro che l'errore di esempio size.Standard della media non è altro che la deviazione standard della distribuzione campionaria della media del mean.The distribuzione campionaria e la media della popolazione sono gli stessi. Così la popolazione media ha, lambda quindi la distribuzione campionaria della media è anche lambda. Per fare riferimento la media della distribuzione campionaria della media utilizzando il simbolo lambda m.The varianza della distribuzione campionaria della media si calcola come segue: sigma ^ 2 M = sigma ^ 2 /NTypes di errore: Ci sono due possibilità di errore che può verificarsi in distribuzioni campionarie. Essi sono illustrate di seguito, 1) standard errorIt può essere definita come la deviazione standard della distribuzione campionaria della statistica è definito come error.2 standard) Utility di errore standard: Si formerà sulla base del test dell'ipotesi e in grande teoria campione agisce un importante role.Variability di un insegnamento in linea Sampling distribuzione: può essere misurato dalla sua varianza o la deviazione standard della distribuzione campionamento e dipende dai seguenti tre fattori: 1) il numero di osservazioni che sono presenti nel population.2) il numero di osservazioni che sono presenti nel sample.3) il modo di scegliere il campione casuale è chosen.If la dimensione della popolazione è maggiore della data dimensione del campione, quindi la distribuzione campionaria ha quasi lo stesso errore di campionamento, se siamo campione con o senza replacement.Types di campionamento DistributionsThe seguenti sono i tipi di distribuzioni studio di campionamento di probabilità theory.1) un campionamento casuale semplice Distribution.2) casuale stratificato di campionamento Distribution.3) Multi-stage Sampling Distribution.4) cluster Distribution.Examples campionamento di distribotions studio di campionamento di probabilità: Esempio 1: Data la distribuzione campionaria delle differenze e delle somme S1 = {5, 10, 12} S2 = {4,9) .find 1) lambda S1 2) lambda S2 3) lambda S1 + S2 .Solution: 1) lambda U1 = (5 + 10 + 12) /3 = 27/3 = 92) lambda U2 = (4 + 9) /2 = 13/2 = 6,53) lambda U1 + U2. 4 = 5 + 910 + 4 = 1412 + 9 = 215 + 9 = 1410 + 9 = 1912 + 9 = 21S1 + S2 = {} 9,14,21,14,19,21 lambda S1 + S2 = (9 + 14 + 21 + 14 + 19 + 21) /6=98/6=16.33Example 2: Trova P (> 77.05) se un campione casuale di dimensione 25 è tratto da una popolazione infinita con lambda media = 74 e la distribuzione del campione sigma = 4Answer : Z = (77,05-74) /4 /sqrt (25) = 3.8P (> 66,75) = P (Z> 3.8) = ,5-,4999 = 0.001