Écart type dans la distribution d'échantillonnage de la proportion en fonction des probabilités de succès et d'échec Solution

ÉTAPE 0: Résumé du pré-calcul
Formule utilisée
Écart type dans la distribution normale = sqrt((Probabilité de succès*Probabilité d'échec dans la distribution binomiale)/Taille de l'échantillon)
σ = sqrt((p*qBD)/n)
Cette formule utilise 1 Les fonctions, 4 Variables
Fonctions utilisées
sqrt - Une fonction racine carrée est une fonction qui prend un nombre non négatif comme entrée et renvoie la racine carrée du nombre d'entrée donné., sqrt(Number)
Variables utilisées
Écart type dans la distribution normale - L'écart type dans la distribution normale est la racine carrée de l'espérance de l'écart au carré de la distribution normale donnée à la suite des données de sa moyenne de population ou de sa moyenne d'échantillon.
Probabilité de succès - La probabilité de succès est la probabilité qu'un résultat spécifique se produise dans un seul essai d'un nombre fixe d'essais de Bernoulli indépendants.
Probabilité d'échec dans la distribution binomiale - La probabilité d'échec dans la distribution binomiale est la probabilité qu'un résultat spécifique ne se produise pas dans un seul essai parmi un nombre fixe d'essais de Bernoulli indépendants.
Taille de l'échantillon - La taille de l'échantillon est le nombre total d'individus présents dans un échantillon particulier tiré de la population donnée à l'étude.
ÉTAPE 1: Convertir les entrées en unité de base
Probabilité de succès: 0.6 --> Aucune conversion requise
Probabilité d'échec dans la distribution binomiale: 0.4 --> Aucune conversion requise
Taille de l'échantillon: 65 --> Aucune conversion requise
ÉTAPE 2: Évaluer la formule
Remplacement des valeurs d'entrée dans la formule
σ = sqrt((p*qBD)/n) --> sqrt((0.6*0.4)/65)
Évaluer ... ...
σ = 0.06076436202502
ÉTAPE 3: Convertir le résultat en unité de sortie
0.06076436202502 --> Aucune conversion requise
RÉPONSE FINALE
0.06076436202502 0.060764 <-- Écart type dans la distribution normale
(Calcul effectué en 00.008 secondes)

Crédits

Creator Image
Créé par Nishan Poojary
Institut de technologie et de gestion Shri Madhwa Vadiraja (SMVITM), Udupi
Nishan Poojary a créé cette calculatrice et 500+ autres calculatrices!
Verifier Image
Vérifié par Shashwati Tidke
Institut de technologie de Vishwakarma (VIT), Pune
Shashwati Tidke a validé cette calculatrice et 50+ autres calculatrices!

Distribution d'échantillonnage Calculatrices

Écart-type de la population dans la distribution d'échantillonnage de la proportion
​ LaTeX ​ Aller Écart type dans la distribution normale = sqrt((Somme des carrés des valeurs individuelles/Taille de la population)-((Somme des valeurs individuelles/Taille de la population)^2))
Écart type dans la distribution d'échantillonnage de la proportion en fonction des probabilités de succès et d'échec
​ LaTeX ​ Aller Écart type dans la distribution normale = sqrt((Probabilité de succès*Probabilité d'échec dans la distribution binomiale)/Taille de l'échantillon)
Écart type dans la distribution d'échantillonnage de la proportion
​ LaTeX ​ Aller Écart type dans la distribution normale = sqrt((Probabilité de succès*(1-Probabilité de succès))/Taille de l'échantillon)
Variance dans la distribution d'échantillonnage de la proportion
​ LaTeX ​ Aller Variation des données = (Probabilité de succès*(1-Probabilité de succès))/Taille de l'échantillon

Écart type dans la distribution d'échantillonnage de la proportion en fonction des probabilités de succès et d'échec Formule

​LaTeX ​Aller
Écart type dans la distribution normale = sqrt((Probabilité de succès*Probabilité d'échec dans la distribution binomiale)/Taille de l'échantillon)
σ = sqrt((p*qBD)/n)

Qu'est-ce que la distribution d'échantillonnage ?

La distribution d'échantillonnage est la distribution de probabilité d'une statistique calculée à partir d'un échantillon aléatoire tiré d'une population. Il décrit comment la valeur de la statistique est susceptible de varier entre différents échantillons de même taille et forme, tirés de la même population. C'est un concept important en statistique car il nous permet de faire des inférences sur une population à partir de données d'échantillon. Par exemple, en comprenant la distribution d'échantillonnage de la moyenne, nous pouvons estimer la moyenne d'une population en fonction de la moyenne d'un échantillon et calculer la probabilité que l'estimation soit proche de la vraie moyenne de la population.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!