We are searching data for your request:
Upon completion, a link will appear to access the found materials.
ਅੰਕੜਿਆਂ ਵਿੱਚ ਨਮੂਨੇ ਦੇ ਨਮੂਨੇ ਅਕਸਰ ਵਰਤੇ ਜਾਂਦੇ ਹਨ. ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿਚ, ਸਾਡਾ ਉਦੇਸ਼ ਇਕ ਆਬਾਦੀ ਬਾਰੇ ਕੁਝ ਨਿਰਧਾਰਤ ਕਰਨਾ ਹੈ. ਕਿਉਂਕਿ ਆਬਾਦੀ ਆਮ ਤੌਰ 'ਤੇ ਅਕਾਰ ਵਿਚ ਵੱਡੀ ਹੁੰਦੀ ਹੈ, ਅਸੀਂ ਅਬਾਦੀ ਦੇ ਇਕ ਉਪ ਸਮੂਹ ਦੀ ਚੋਣ ਕਰਕੇ ਇਕ ਅੰਕੜਾ ਨਮੂਨਾ ਤਿਆਰ ਕਰਦੇ ਹਾਂ ਜੋ ਪਹਿਲਾਂ ਤੋਂ ਨਿਰਧਾਰਤ ਆਕਾਰ ਦੀ ਹੈ. ਨਮੂਨੇ ਦਾ ਅਧਿਐਨ ਕਰਨ ਨਾਲ ਅਸੀਂ ਅਬਾਦੀ ਦੇ ਬਾਰੇ ਕੁਝ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਗੈਰ-ਜ਼ਰੂਰੀ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ.
ਅਕਾਰ ਦਾ ਇੱਕ ਅੰਕੜਾ ਨਮੂਨਾ ਐਨ ਦੇ ਇੱਕ ਸਮੂਹ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ ਐਨ ਵਿਅਕਤੀਆਂ ਜਾਂ ਵਿਸ਼ਿਆਂ ਜਿਨ੍ਹਾਂ ਨੂੰ ਆਬਾਦੀ ਵਿੱਚੋਂ ਬੇਤਰਤੀਬੇ ਚੁਣਿਆ ਗਿਆ ਹੈ. ਅੰਕੜਿਆਂ ਦੇ ਨਮੂਨੇ ਦੀ ਧਾਰਨਾ ਨਾਲ ਨੇੜਿਓਂ ਸਬੰਧਤ ਇਕ ਨਮੂਨਾ ਵੰਡ ਹੈ.
ਨਮੂਨੇ ਵੰਡਣ ਦੀ ਸ਼ੁਰੂਆਤ
ਇੱਕ ਨਮੂਨੇ ਦੀ ਵੰਡ ਉਦੋਂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਅਸੀਂ ਇੱਕ ਦਿੱਤੀ ਆਬਾਦੀ ਤੋਂ ਇੱਕੋ ਅਕਾਰ ਦੇ ਇੱਕ ਤੋਂ ਵੱਧ ਸਧਾਰਣ ਬੇਤਰਤੀਬੇ ਨਮੂਨੇ ਬਣਾਉਂਦੇ ਹਾਂ. ਇਹ ਨਮੂਨੇ ਇਕ ਦੂਜੇ ਤੋਂ ਸੁਤੰਤਰ ਮੰਨੇ ਜਾਂਦੇ ਹਨ. ਇਸ ਲਈ ਜੇ ਕੋਈ ਵਿਅਕਤੀ ਇਕ ਨਮੂਨੇ ਵਿਚ ਹੈ, ਤਾਂ ਇਸ ਦੇ ਅਗਲੇ ਨਮੂਨੇ ਵਿਚ ਆਉਣ ਦੀ ਉਹੀ ਸੰਭਾਵਨਾ ਹੈ.
ਅਸੀਂ ਹਰੇਕ ਨਮੂਨੇ ਲਈ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਅੰਕੜੇ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹਾਂ. ਇਹ ਇੱਕ ਨਮੂਨਾ ਦਾ ਮਤਲਬ, ਇੱਕ ਨਮੂਨਾ ਪਰਿਵਰਤਨ ਜਾਂ ਇੱਕ ਨਮੂਨਾ ਅਨੁਪਾਤ ਹੋ ਸਕਦਾ ਹੈ. ਕਿਉਂਕਿ ਇੱਕ ਅੰਕੜਾ ਸਾਡੇ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਨਮੂਨੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਹਰ ਨਮੂਨਾ ਆਮ ਤੌਰ' ਤੇ ਦਿਲਚਸਪੀ ਦੇ ਅੰਕੜਿਆਂ ਲਈ ਵੱਖਰਾ ਮੁੱਲ ਪੈਦਾ ਕਰਦਾ ਹੈ. ਪੈਦਾ ਕੀਤੀਆਂ ਗਈਆਂ ਕਦਰਾਂ ਕੀਮਤਾਂ ਦੀ ਸੀਮਾ ਉਹ ਹੈ ਜੋ ਸਾਨੂੰ ਸਾਡੀ ਨਮੂਨਾ ਵੰਡ ਦਿੰਦੀ ਹੈ.
ਮੀਨਜ਼ ਲਈ ਨਮੂਨਾ ਵੰਡ
ਇੱਕ ਉਦਾਹਰਣ ਲਈ, ਅਸੀਂ ਮਤਲਬ ਲਈ ਨਮੂਨਾ ਵੰਡਣ ਤੇ ਵਿਚਾਰ ਕਰਾਂਗੇ. ਆਬਾਦੀ ਦਾ ਮਤਲਬ ਇਕ ਪੈਰਾਮੀਟਰ ਹੁੰਦਾ ਹੈ ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਅਣਜਾਣ ਹੁੰਦਾ ਹੈ. ਜੇ ਅਸੀਂ ਆਕਾਰ 100 ਦੇ ਨਮੂਨੇ ਦੀ ਚੋਣ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਇਸ ਨਮੂਨੇ ਦਾ ਮਤਲਬ ਸਾਰੇ ਮੁੱਲ ਜੋੜ ਕੇ ਅਸਾਨੀ ਨਾਲ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਫਿਰ ਅੰਕੜੇ ਦੀ ਕੁੱਲ ਸੰਖਿਆ ਨਾਲ ਵੰਡ ਕੇ, ਇਸ ਕੇਸ ਵਿੱਚ, 100. ਆਕਾਰ 100 ਦਾ ਇੱਕ ਨਮੂਨਾ ਸਾਨੂੰ ਇੱਕ ਅਰਥ ਦੇ ਸਕਦਾ ਹੈ 50. ਇਕ ਹੋਰ ਨਮੂਨੇ ਦਾ ਮਤਲਬ 49 ਹੋ ਸਕਦਾ ਹੈ. ਇਕ ਹੋਰ 51 ਅਤੇ ਇਕ ਹੋਰ ਨਮੂਨੇ ਦਾ ਮਤਲਬ 50.5 ਹੋ ਸਕਦਾ ਹੈ.
ਇਨ੍ਹਾਂ ਨਮੂਨੇ ਦਾ ਅਰਥ ਵੰਡਣਾ ਸਾਨੂੰ ਨਮੂਨਾ ਵੰਡਦਾ ਹੈ. ਅਸੀਂ ਸਿਰਫ ਚਾਰ ਨਮੂਨੇ ਦੇ ਸਾਧਨਾਂ ਤੋਂ ਵੱਧ ਵਿਚਾਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਉੱਪਰ ਕੀਤਾ ਹੈ. ਕਈ ਹੋਰ ਨਮੂਨੇ ਦੇ ਨਾਲ ਸਾਡੇ ਕੋਲ ਨਮੂਨੇ ਦੀ ਵੰਡ ਦੀ ਸ਼ਕਲ ਦਾ ਚੰਗਾ ਵਿਚਾਰ ਹੋਵੇਗਾ.
ਅਸੀਂ ਕਿਉਂ ਪਰਵਾਹ ਕਰਦੇ ਹਾਂ?
ਨਮੂਨੇ ਵੰਡਣ ਨੂੰ ਬਿਲਕੁਲ ਵੱਖਰਾ ਅਤੇ ਸਿਧਾਂਤਕ ਜਾਪ ਸਕਦਾ ਹੈ. ਹਾਲਾਂਕਿ, ਇਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਦੇ ਕੁਝ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਨਤੀਜੇ ਹਨ. ਮੁੱਖ ਫਾਇਦਿਆਂ ਵਿਚੋਂ ਇਕ ਇਹ ਹੈ ਕਿ ਅਸੀਂ ਪਰਿਵਰਤਨ ਨੂੰ ਖਤਮ ਕਰਦੇ ਹਾਂ ਜੋ ਅੰਕੜਿਆਂ ਵਿਚ ਮੌਜੂਦ ਹੈ.
ਉਦਾਹਰਣ ਦੇ ਲਈ, ਮੰਨ ਲਓ ਅਸੀਂ ਇੱਕ ਆਬਾਦੀ ਦੇ ਨਾਲ μ ਅਤੇ ਮਾਨਕ ਭਟਕਣਾ σ ਦੇ ਨਾਲ ਸ਼ੁਰੂ ਕਰਦੇ ਹਾਂ. ਮਿਆਰੀ ਭਟਕਣਾ ਸਾਨੂੰ ਇਸ ਗੱਲ ਦਾ ਮਾਪ ਦਿੰਦਾ ਹੈ ਕਿ ਵੰਡ ਕਿਵੇਂ ਫੈਲਦੀ ਹੈ. ਅਸੀਂ ਇਸ ਦੀ ਤੁਲਨਾ ਆਕਾਰ ਦੇ ਸਧਾਰਣ ਬੇਤਰਤੀਬੇ ਨਮੂਨੇ ਬਣਾ ਕੇ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਨਮੂਨੇ ਦੀ ਵੰਡ ਨਾਲ ਕਰਾਂਗੇ ਐਨ. ਮਾਧਿਅਮ ਦੀ ਨਮੂਨਾ ਵੰਡਣ ਦਾ ਅਜੇ ਵੀ mean ਦਾ ਮਤਲਬ ਰਹੇਗਾ, ਪਰ ਮਾਨਕ ਭਟਕਣਾ ਵੱਖਰਾ ਹੈ. ਨਮੂਨਾ ਵੰਡਣ ਲਈ ਮਿਆਰੀ ਭਟਕਣਾ σ / √ ਬਣ ਜਾਂਦਾ ਹੈ ਐਨ.
ਇਸ ਤਰ੍ਹਾਂ ਸਾਡੇ ਕੋਲ ਹੇਠ ਲਿਖਿਆਂ ਹਨ
- 4 ਦਾ ਨਮੂਨਾ ਦਾ ਆਕਾਰ ਸਾਨੂੰ σ / 2 ਦੀ ਇੱਕ ਮਿਆਰੀ ਭਟਕਣਾ ਦੇ ਨਾਲ ਨਮੂਨਾ ਵੰਡਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ.
- 9 ਦਾ ਨਮੂਨਾ ਦਾ ਆਕਾਰ ਸਾਨੂੰ σ / 3 ਦੀ ਇੱਕ ਮਿਆਰੀ ਭਟਕਣਾ ਦੇ ਨਾਲ ਨਮੂਨਾ ਵੰਡਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ.
- 25 ਦਾ ਨਮੂਨਾ ਦਾ ਆਕਾਰ ਸਾਨੂੰ σ / 5 ਦੀ ਇੱਕ ਮਿਆਰੀ ਭਟਕਣਾ ਦੇ ਨਾਲ ਨਮੂਨਾ ਵੰਡਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ.
- 100 ਦਾ ਨਮੂਨਾ ਦਾ ਆਕਾਰ ਸਾਨੂੰ σ / 10 ਦੀ ਇੱਕ ਮਿਆਰੀ ਭਟਕਣਾ ਦੇ ਨਾਲ ਨਮੂਨਾ ਵੰਡਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ.
ਅਭਿਆਸ ਵਿੱਚ
ਅੰਕੜਿਆਂ ਦੇ ਅਭਿਆਸ ਵਿਚ, ਅਸੀਂ ਸ਼ਾਇਦ ਹੀ ਨਮੂਨਾ ਵੰਡਣ ਦਾ ਪ੍ਰਬੰਧ ਕਰਦੇ ਹਾਂ. ਇਸ ਦੀ ਬਜਾਏ, ਅਸੀਂ ਆਕਾਰ ਦੇ ਸਧਾਰਣ ਬੇਤਰਤੀਬੇ ਨਮੂਨੇ ਤੋਂ ਪ੍ਰਾਪਤ ਅੰਕੜਿਆਂ ਦਾ ਇਲਾਜ ਕਰਦੇ ਹਾਂ ਐਨ ਜਿਵੇਂ ਕਿ ਉਹ ਇੱਕ ਨਮੂਨਾ ਵੰਡਣ ਦੇ ਅਨੁਸਾਰੀ ਇੱਕ ਬਿੰਦੂ ਹਨ. ਇਹ ਦੁਬਾਰਾ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ ਕਿ ਅਸੀਂ ਤੁਲਨਾਤਮਕ ਤੌਰ ਤੇ ਵੱਡੇ ਨਮੂਨੇ ਦੇ ਆਕਾਰ ਕਿਉਂ ਚਾਹੁੰਦੇ ਹਾਂ. ਨਮੂਨਾ ਦਾ ਆਕਾਰ ਜਿੰਨਾ ਵੱਡਾ ਹੋਵੇਗਾ, ਘੱਟ ਪਰਿਵਰਤਨ ਜੋ ਅਸੀਂ ਆਪਣੇ ਅੰਕੜਿਆਂ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕਰਾਂਗੇ.
ਧਿਆਨ ਦਿਓ ਕਿ, ਕੇਂਦਰ ਅਤੇ ਫੈਲਣ ਤੋਂ ਇਲਾਵਾ, ਅਸੀਂ ਆਪਣੀ ਨਮੂਨਾ ਵੰਡ ਦੀ ਸ਼ਕਲ ਬਾਰੇ ਕੁਝ ਵੀ ਕਹਿਣ ਤੋਂ ਅਸਮਰੱਥ ਹਾਂ. ਇਹ ਪਤਾ ਚਲਦਾ ਹੈ ਕਿ ਕੁਝ ਕਾਫ਼ੀ ਵਿਆਪਕ ਸਥਿਤੀਆਂ ਦੇ ਤਹਿਤ ਸੈਂਟਰਲ ਲਿਮਿਟ ਥਿmਰਮ ਨੂੰ ਨਮੂਨੇ ਦੀ ਵੰਡ ਦੀ ਸ਼ਕਲ ਬਾਰੇ ਕੁਝ ਹੈਰਾਨੀਜਨਕ ਕੁਝ ਦੱਸਣ ਲਈ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ.
ਮੈਨੂੰ ਯਕੀਨ ਹੈ, ਮਾਫ਼ ਕਰਨਾ, ਪਰ ਤੁਸੀਂ ਹੋਰ ਜਾਣਕਾਰੀ ਨਹੀਂ ਦੇ ਸਕੇ।
ਹੁਣ ਸਭ ਕੁਝ ਸਪੱਸ਼ਟ ਹੈ, ਇਸ ਮਾਮਲੇ ਵਿਚ ਤੁਹਾਡੀ ਮਦਦ ਲਈ ਧੰਨਵਾਦ.
I complete the bad taste
ਬਿਲਕੁਲ ਤੁਹਾਡੇ ਨਾਲ ਸਹਿਮਤ ਹੈ. In this something is and is an excellent idea. ਇਹ ਤੁਹਾਡਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਤਿਆਰ ਹੈ.
I don't know what here and we can tell
you can look at that infinitely.
ਮੈਂ ਸਹਿਮਤ ਹਾਂ, ਇੱਕ ਬਹੁਤ ਲਾਭਦਾਇਕ ਵਿਚਾਰ