Примери за използване на Sampling distribution на Английски и техните преводи на Български
{-}
-
Colloquial
-
Official
-
Medicine
-
Ecclesiastic
-
Ecclesiastic
-
Computer
And the sampling distribution's standard deviation, so the standard deviation of the sampling distribution, so we could view that as one standard deviation right over there.
И стандартното отклонение на образцовото разпределение, стандартното отклонение на образцовото разпределение, така че можем да видим товакато едно стандартно отклонение там.we have our sampling distribution.
имаме нашето образцово разпределение.we have a large sample size, the sampling distribution will be approximately normal.
имаме голям we are sampling from some sampling distribution of the sample mean.
вземаме образец от дадено образцово разпределение на so this is your mean of your sampling distribution still.
това е нашата средна стойност на нашето образцово разпределение.And we know that the mean of the sampling distribution, that the means of all of your means,
И знаем, че средната стойност на образцовото разпределение представлява всички средни стойности,you would eventually get something called the sampling distribution of the sample mean.
накрая получаваме нещо, което се нарича образцово разпределение на So the standard deviation of the sampling distribution, we have seen multiple times,
И стандартното отклонение на образцовото разпределение, нещо, което сме виждали много пъти, е равно на стандартното отклонение-нека използвам другSo the way I think about it is if I randomly pick a sample from the sampling distribution, what's the 99% chance, or how many-- let me think of it this way.
Начинът, по който мисля за това е, ако избера произволно един образец от образцовото разпределение, каква вероятност от 99% имаме, или колко-нека помислим по този начин.But maybe we should write confident that-- we are confident that the standard deviation of our sampling distribution is going to be around, instead of using this we can use our standard deviation of our sample, our sample standard deviation.
Но може би трябва да напишем"увереност във"- уверени сме, че стандартното отклонение на нашето образцово разпределение ще бъде приблизително, вместо да използваме това, можем да използваме стандартното отклонение като наш образец, нашето How many standard deviations away from the mean do we have to be that we can be 99% confident that any sample from the sampling distribution will be in that interval?
Колко на брой стандартни отклонения от средната стойност имаме за да можем да приемем, че имаме 99% увереност в това, че всеки образец от образцовото разпределение ще е в този интервал?the mean of our sampling distribution will be the same thing as the mean of the population distribution,
средната стойност на нашето образцово разпределение ще бъде равна на средната стойност на популационното then we say that the standard deviation of the sampling distribution is equal to the true standard deviation of our population divided by the square root of n.
след което казваме, че стандартното отклонение на образцовото разпределение е равно на истинското стандартно отклонение на нашето население, считайки квадратния корен от n.The standard deviation of our sampling distribution should be equal to the standard deviation of the population distribution divided by the square root of our sample size, so divided by the square root of 100.
Стандартното отклонение на нашето образцово разпределение ще е равно на стандартното отклонение на популационното And so if we want to find the distance around this population mean that encapsulates 95% of the population or of the sampling distribution, we have to multiply 0.39 times 2.447, so let's do that.
И ако искаме да намерим разстоянието около тази популационна средна стойност, която обгражда 95% от популацията или от образцовото разпределение, трябва да умножим 0, 39 по 2, 447, така че нека го направим.So the standard deviation of our sampling distribution is going to be-- and we will put a little hat over it to show that we approximated it with-- we approximated the population standard deviation with the sample standard deviation.
Така стандартното отклонение на нашето образцово разпределение ще е-ще сложим едно малко ограничение над него, за да покажем, че сме се доближили- доближили сме популационното стандартно отклонение с So it is 2.58 times our best estimate of the standard deviation of the sampling distribution, so times 0.031 is equal to 0.0-- well let's just round this up because it's so close to 0.08-- is within 0.08 of the population proportion.
Така, равно на 2, 58 пъти по нашия най-добър резултат от стандартното отклонение на образцовото разпределение, така, умножено по 0, 031 е равно на 0, 0-ами нека закръглим това, защото е толкова близо до 0, 08-това е в рамките на 0, 08 от популационното съотношение.So this thing right over here can be re-written as our sample mean minus the mean of our sampling distribution of the sample mean divided by this thing right here-- divided by our population mean, divided by the square root of our sample size.
Така че това нещо тук можем да го препишем като нашата So the whole focus of this video is when we think about the sampling distribution, which is what we're going to use to generate our interval, instead of assuming that the sampling distribution is normal like we did in many other videos using the central limit theorem and all of that, we're going to tweak the sampling distribution.
И целият фокус на този клип е съсредоточен на това, когато мислим за образцовото разпределение, същото, което ще употребим, за да произведем нашия интервал, вместо да приемем, че образцовото разпределение е нормално, както и направихме в много други клипове, като приложихме теоремата за централно ограничение и всичко това, ще откъснем образцовото разпределение.We know that the standard deviation of our sampling distribution of this statistic of the sample mean of P1 minus the sample proportion,
Знаем, че стандартното отклонение на нашето образцово разпределение при тази статистика на 
