In este artículo vamos a discutir acerca de las distribuciones de muestreo estudio de la teoría de la probabilidad. El estudio de muestreo distribuciones de los datos es el concepto más básico en las estadísticas y también se trata de una distribución teórica en comparación con la distribución empírica. En distribuciones de muestreo estudio de la teoría de probabilidad podemos ejercer algunos problemas also.The distribución de muestreo: Se puede definir como la distribución de la estadística para todas las muestras posibles de un tamaño determinado. Todas y cada una distribución de muestreo se caracteriza por los parámetros determinados. Esos parámetros son Mean (lambda) y la varianza (sigma) y esto se conoce como error estándar. Y la distribución de muestreo es principalmente depende del tamaño de la muestra, la estática que se utilizan en este distribution.Sampling Distribución de Medios: Tenga en cuenta la población, que tiene la media de lambda y una desviación estándar de Sigma y entonces la distribución muestral de la media tiene una media de lambda y una desviación estándar ofsigma M = sigma /sqrt (n) Aquí el n no es más que el error de la muestra size.Standard de la media es nada más que la desviación estándar de la distribución muestral de la media de los mean.The distribución muestral y la media de la población son iguales. Así población media tiene, lambda entonces la distribución muestral de la media es también lambda. Para referirse a la media de la distribución muestral de la media utilizando el símbolo lambda m.El varianza de la distribución muestral de la media se calcula de la siguiente manera: sigma ^ 2 M = sigma ^ 2 /NTypes de error: Hay dos posibilidades de error que puede producirse en las distribuciones de muestreo. Se explican a continuación, 1) Estándar errorIt puede ser definido como la desviación estándar de la distribución de muestreo de las estadísticas que se denomina como error.2 estándar) Utilidad de error estándar: Se forma sobre la base de la prueba de la hipótesis y en gran teoría muestra que actúa un importante role.Variability de un curso particular en línea de muestreo de distribución: se puede medir por su varianza ya sea la desviación estándar de la distribución de muestreo y que depende de los siguientes tres factores: 1) el número de observaciones que están presentes en el población.2) el número de observaciones que están presentes en la muestra.3) la manera de elegir la muestra aleatoria es chosen.If el tamaño de la población es mayor que el tamaño de muestra dado, a continuación, la distribución de muestreo tiene casi el mismo error de muestreo, si tomamos muestras con o sin replacement.Types de muestreo DistributionsThe siguientes son los tipos de las distribuciones de muestreo estudio de theory.1 probabilidad) muestreo aleatorio simple Distribution.2) muestreo aleatorio estratificado Distribution.3) multi-etapa de muestreo Distribution.4) Cluster Distribution.Examples de muestreo de muestreo distribotions estudio de la probabilidad: Ejemplo 1: En vista de la distribución muestral de las diferencias y sumas S1 = {5, 10, 12} {S2 = 4,9) .find 1) S1 lambda 2) S2 lambda 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. 5 + 4 = 910 + 4 = 1412 + 9 = 215 + 9 = 1,410 + 9 = 1,912 + 9 = 21S1 + S2 = {} 9,14,21,14,19,21 lambda S1 + S2 = (9 + 14 + 14 + 21 + 19 + 21) /6=98/6=16.33Example 2: Encuentre P (> 77.05) si una muestra aleatoria de tamaño 25 se extrae de una población infinita con lambda media = 74 y distribución de la muestra sigma = 4Answer : Z = (77,05-74) /4 /sqrt (25) = 3.8P (> 66,75) = P (Z> 3,8) = 0,5 hasta 0,4999 = 0,001