In cet article, nous allons discuter sur les distributions d'échantillonnage de l'étude de la théorie des probabilités. L'étude d'échantillonnage des distributions de données est le concept le plus fondamental dans les statistiques ainsi que cela est une distribution théorique par rapport à la distribution empirique. Dans les distributions d'échantillonnage de l'étude de la théorie des probabilités nous pouvons exercer certains problèmes de distribution also.The d'échantillonnage: Il peut être défini comme la distribution de la statistique pour tous les échantillons possibles d'une taille donnée. Chaque répartition d'échantillonnage est caractérisée par les certains paramètres. Ces paramètres sont la moyenne (lambda) et de la variance (Sigma), ce qui est désigné comme l'erreur standard. Et la distribution d'échantillonnage est principalement dépend de la taille de l'échantillon, la statique qui sont utilisés dans ce distribution.Sampling Répartition des moyens: considérer la population qui ayant la moyenne de lambda et un écart-type de sigma, puis la distribution d'échantillonnage de la moyenne a une moyenne de lambda et un écart type ofsigma M = sigma /sqrt (n) ici, le n est rien, mais l'erreur échantillon de size.Standard de la moyenne est rien, mais l'écart type de la distribution d'échantillonnage de la moyenne des mean.The distribution de l'échantillon et la moyenne de la population sont identiques. Donc, la population moyenne a, lambda, puis la distribution d'échantillonnage de la moyenne est également lambda. Pour consulter la moyenne de la distribution d'échantillonnage de la moyenne en utilisant le symbole lambda M.Le variance de la distribution d'échantillonnage de la moyenne est calculée comme suit: sigma ^ 2 M = sigma ^ 2 /NTypes d'erreur: Il existe deux possibilités de erreur qui peut se produire dans les distributions d'échantillonnage. Ils sont expliqués ci-dessous, 1) standard errorIt peut être défini comme l'écart type de la distribution d'échantillonnage de statistiques est nommé comme erreur.2 standard) Utilitaire d'erreur standard: Il se forme sur la base du test de l'hypothèse et en grande la théorie de l'échantillon, il agit un role.Variability important d'un tutorat en ligne d'échantillonnage de distribution: elle peut être mesurée par sa variance soit l'écart-type de la distribution d'échantillonnage et il dépend de trois facteurs suivants: 1) le nombre d'observations qui sont présents dans le population.2) le nombre d'observations qui sont présents dans le sample.3) la façon de choisir l'échantillon aléatoire est chosen.If la taille de la population est supérieure à la taille de l'échantillon donné, la distribution d'échantillonnage a à peu près la même erreur d'échantillonnage, si nous prélevons avec ou sans replacement.Types d'échantillonnage DistributionsThe suivantes sont les types de distributions d'échantillonnage de l'étude de probabilité theory.1) simple échantillonnage aléatoire Distribution.2) échantillonnage aléatoire stratifié Distribution.3) multi-Stage échantillonnage Distribution.4) Cluster Distribution.Examples échantillonnage de distribotions d'échantillonnage de l'étude de probabilité: Exemple 1: Compte tenu de la distribution d'échantillonnage des différences et des sommes 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 + 9 = 215 = 1410 + 9 + 9 = 1912 21S1 = + S2 = {} 9,14,21,14,19,21 lambda = S1 + S2 (9 + 14 + 14 + 21 + 19 + 21) /6=98/6=16.33Example 2: Trouver P (> 77.05) si un échantillon aléatoire de taille 25 est tirée d'une population infinie avec lambda moyenne = 74 et la distribution de l'échantillon sigma = 4Answer Z = (77,05 à 74) /4 /sqrt (25) = 3.8P (> 66,75) = P (Z> 3,8) = de 0,5 à 0,4999 = 0,001