Калькулятор выборочного распределения выборочной доли

Калькулятор выборочного распределения выборочной доли

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

μp^=p,σp^=p(1−p)n\mu_{\hat{p}} = \text{p}, \qquad \sigma_{\hat{p}} = \sqrt{\frac{\text{p}\,(1 - \text{p})}{\text{n}}}
Статистика использования

Реклама

Результаты

Стандартная ошибка выборочной доли
0,05
SE для p̂
Среднее выборочного распределения (μ_p̂ = p) 0,5
Дисперсия (p(1−p)/n) 0,0025
Стандартная ошибка 0,05

Сообщить об ошибке на этой странице

Что считает этот калькулятор

Этот инструмент описывает выборочное распределение выборочной доли (p̂). Если многократно извлекать случайные выборки объёма n из совокупности с истинной долей p, то получаемые выборочные доли сами образуют распределение. Калькулятор находит его среднее и стандартную ошибку — это нужно, чтобы строить доверительные интервалы, проверять статистические гипотезы и оценивать выборочную изменчивость.

Как пользоваться

Введите долю в совокупности p как десятичное число от 0 до 1 (например, 0,4 для 40 %), затем укажите объём выборки n. Калькулятор сразу выдаст среднее (которое равно p), дисперсию и стандартную ошибку (SE) выборочного распределения.

Разбор формулы

Среднее выборочного распределения равно доле в совокупности: $$\mu_{\hat{p}} = \text{p}$$ Стандартная ошибка показывает, насколько выборочные доли разбросаны вокруг p, и вычисляется по формуле $$\text{SE} = \sqrt{\frac{\text{p}\,(1 - \text{p})}{\text{n}}}$$ Чем больше выборка, тем меньше стандартная ошибка, а значит, оценка точнее. По центральной предельной теореме распределение приближённо нормально, когда одновременно \(n p \geq 10\) и \(n(1-p) \geq 10\).

Реклама
Колоколообразная кривая выборочного распределения с центром в p и разбросом, равным стандартной ошибке
Выборочное распределение выборочной доли центрировано в p с разбросом, равным стандартной ошибке.

Пример расчёта

Пусть \(p = 0{,}5\) и \(n = 100\). Тогда среднее равно 0,5. Дисперсия равна $$0{,}5 \times 0{,}5 / 100 = 0{,}0025$$ а стандартная ошибка — $$\sqrt{0{,}0025} = 0{,}05$$ То есть выборочные доли обычно попадают в диапазон примерно ±0,05 от 0,5.

Частые вопросы

Почему среднее равно p? Потому что выборочная доля — это несмещённая оценка доли в совокупности: в среднем она попадает точно в истинное значение.

Что происходит при росте n? Стандартная ошибка убывает пропорционально \(1/\sqrt{n}\), поэтому с увеличением выборки оценки становятся точнее.

Когда применимо нормальное приближение? Распространённое правило — \(n p \geq 10\) и \(n(1-p) \geq 10\); в иных случаях лучше использовать точные методы на основе биномиального распределения.

Реклама

Как размер выборки и доля影响 стандартную ошибку

Стандартная ошибка выборочной доли равна \(SE = \sqrt{\frac{p(1-p)}{n} }\). В таблице показаны значения SE для четырёх долей в генеральной совокупности и четырёх размеров выборки. Звёздочка (*) отмечает комбинацию, где \(np < 10\) или \(n(1-p) < 10\), поэтому нормальную аппроксимацию использовать нельзя.

p n = 25 n = 100 n = 400 n = 1000
0.1 0.0600* 0.0300 0.0150 0.0095
0.3 0.0917* 0.0458 0.0229 0.0145
0.5 0.1000 0.0500 0.0250 0.0158
0.7 0.0917* 0.0458 0.0229 0.0145

Значения округлены до четырёх знаков после запятой. Отмеченные ячейки:

  • p = 0.1, n = 25: \(np = 2.5\)
  • p = 0.3, n = 25: \(np = 7.5\)
  • p = 0.7, n = 25: \(n(1-p) = 7.5\)

Для p = 0.1 и n = 100 получаем \(np = 10\) ровно, что точно соответствует пороговому значению.

Что показывает таблица

  • Увеличение n в четыре раза уменьшает SE вдвое. При переходе от n = 25 к 100 и к 400 каждый шаг умножает n на 4 и делит SE на 2. Для p = 0.5: 0.1000, 0.0500, 0.0250.
  • SE максимальна при p = 0.5, поскольку \(p(1-p)\) достигает максимума 0.25. Значения для p и 1 − p совпадают (сравните p = 0.3 и p = 0.7).

Ключевые термины и обозначения

Доля генеральной совокупности (p)
Истинная доля всей генеральной совокупности, обладающей интересующим признаком. Обычно она неизвестна и лежит между 0 и 1.
Выборочная доля (\(\hat{p}\))
Доля успехов в выборке: \(\hat{p} = X/n\), где X — число успехов.
Размер выборки (n)
Число независимых наблюдений в каждой выборке.
Выборочное распределение
Распределение \(\hat{p}\) по всем возможным выборкам объёма n из одной и той же совокупности. Его среднее равно p, а стандартное отклонение равно \(\sqrt{p(1-p)/n}\).
Стандартная ошибка и стандартное отклонение
Стандартное отклонение измеряет разброс отдельных значений (для одного наблюдения 0/1 оно равно \(\sqrt{p(1-p)}\)). Стандартная ошибка — это стандартное отклонение статистики, такой как \(\hat{p}\), и она уменьшается с ростом n.
Несмещённая оценка
Статистика, среднее значение которой по повторным выборкам равно оцениваемому параметру. Поскольку \(\mu_{\hat{p}} = p\), выборочная доля является несмещённой оценкой p.
Центральная предельная теорема и условие «успех-неудача»
При достаточно большом n выборочное распределение \(\hat{p}\) приблизительно нормально. Распространённое эмпирическое правило требует \(np \ge 10\) и \(n(1-p) \ge 10\) (в некоторых учебниках используется 5) при условии независимости наблюдений. Ниже этих порогов распределение заметно асимметрично, и вероятности, основанные на нормальном распределении, могут быть неточными.
Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика