Örneklem Ortalamasının Örnekleme Dağılımı Nedir?
Bir anakütleden n büyüklüğünde rastgele örneklemleri tekrar tekrar çekip her örneklemin ortalamasını hesapladığınızda, bu ortalamalar kendi başına bir dağılım oluşturur: işte buna örneklem ortalamasının örnekleme dağılımı denir. Bu hesaplama aracı, söz konusu dağılımın merkezini (ortalama) ve yayılımını (standart hata) üç girdiden bulur: anakütle ortalaması \(\mu\), anakütle standart sapması \(\sigma\) ve örneklem büyüklüğü \(n\).
Bu Aracı Nasıl Kullanırsınız?
Anakütle ortalamasını (\(\mu\)), anakütle standart sapmasını (\(\sigma\)) ve örneklem büyüklüğünüzü (\(n\)) girin. Araç size örnekleme dağılımının ortalamasını (\(\mu_{\bar{x}}\)), standart hatayı (\(\sigma_{\bar{x}}\)) ve örneklem ortalamasının varyansını (\(\sigma_{\bar{x}}^{2}\)) verir. Standart hata, örneklem ortalamalarının gerçek anakütle ortalamasından genellikle ne kadar saptığını gösterir.
Formülün Açıklaması
Örnekleme dağılımının ortalaması her zaman anakütle ortalamasına eşittir: \(\mu_{\bar{x}} = \mu\). Yayılım ise örneklemler büyüdükçe azalır:
$$\sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}}$$\(n\)'in kareköküne böldüğümüz için örneklem büyüklüğünü iki katına çıkarmak standart hatayı yarıya indirmez; standart hatayı yarıya düşürmek için \(n\)'i dört katına çıkarmanız gerekir. Merkezi Limit Teoremi gereği, büyük \(n\) değerlerinde bu dağılım anakütlenin şekli ne olursa olsun yaklaşık olarak normaldir.
Çözümlü Örnek
Diyelim ki \(\mu = 100\), \(\sigma = 15\) ve \(n = 25\). Bu durumda \(\mu_{\bar{x}} = 100\) ve
$$\sigma_{\bar{x}} = \frac{15}{\sqrt{25}} = \frac{15}{5} = 3$$olur. Varyans ise \(\sigma_{\bar{x}}^{2} = 3^{2} = 9\)'dur. Yani 25 gözlemden oluşan örneklem ortalamaları, 3 standart hatayla 100 değerinin etrafında kümelenir.
Örneklem Büyüklüğünün Standart Hataya Etkisi
Tablo, anakütle ortalamasını \(\mu = 100\) ve anakütle standart sapmasını \(\sigma = 15\) olarak sabitler, ardından örneklem büyüklüğü \(n\) değiştirilir. Örnekleme dağılımının ortalaması her satırda 100'de kalır. Yalnızca yayılım değişir.
| Örneklem büyüklüğü n | Standart hata \(\sigma/\sqrt{n}\) | Varyans \(\sigma^2/n\) | SH'nin σ'ya oranı |
|---|---|---|---|
| 1 | 15 | 225 | 1 |
| 4 | 7.5 | 56.25 | 0.5 |
| 9 | 5 | 25 | 0.3333 |
| 25 | 3 | 9 | 0.2 |
| 100 | 1.5 | 2.25 | 0.1 |
| 400 | 0.75 | 0.5625 | 0.05 |
Standart hatanın σ'ya oranı \(1/\sqrt{n}\)'e eşittir. Karekök nedeniyle, örneklem büyüklüğünün dört katına çıkarılması standart hatayı yarıya indirir: n = 1'den 4'e, 4'ten 16'ya (veya 25'ten 100'e, 100'den 400'e) geçişte standart hata her seferinde yarıya düşer. Standart hatayı on'da bire indirmek 100 kat daha fazla gözlem gerektirir; bu nedenle daha fazla veri toplamanın getirisi giderek azalır.
Standart Hatayı Yorumlama
Standart hata \(\sigma_{\bar{x}} = \sigma/\sqrt{n}\), örneklem ortalamalarının örneklemden örnekleme ne kadar değiştiğini ölçer. \(\bar{x}\)'nin örnekleme dağılımı yaklaşık normalse (Merkezi Limit Teoremi sayesinde veya anakütlenin kendisi normal olduğu için), o zaman yaklaşık olarak:
- Örneklem ortalamalarının %68'i μ'nün 1 standart hata içinde,
- %95'i 2 standart hata içinde (daha kesin olarak 1,96),
- %99,7'si 3 standart hata içinde yer alır.
Örnek: \(\mu = 100\) ve \(\sigma_{\bar{x}} = 3\) için (örneğin σ = 15 ve n = 25):
| Kapsama | Aralık | Örneklem ortalamalarının aralığı |
|---|---|---|
| ≈ %68 | \(100 \pm 1(3)\) | 97 ile 103 |
| ≈ %95 | \(100 \pm 2(3)\) | 94 ile 106 |
| ≈ %99,7 | \(100 \pm 3(3)\) | 91 ile 109 |
Standart hata ile standart sapma. Anakütle standart sapması σ, bireysel değerlerin μ etrafında ne kadar değiştiğini tanımlar. Standart hata ise örneklem ortalamalarının μ etrafında ne kadar değiştiğini tanımlar. n > 1 olduğunda her zaman σ'dan küçüktür ve n arttıkça küçülür.
Normallik ve örneklem büyüklüğü. Yaygın bir pratik kurala göre n ≥ 30, ortalamanın örnekleme dağılımının yaklaşık normal olması için yeterlidir. Bu yalnızca bir kılavuzdur: yaklaşık simetrik anakütleler için daha küçük n yeterli olabilirken, güçlü çarpık veya ağır kuyruklu anakütleler için önemli ölçüde daha fazla gözleme ihtiyaç duyulabilir.
Sonlu anakütleler. σ/√n formülü, geri koymalı örnekleme veya çok büyük bir anakütle varsayar. Geri koymadan örnekleme yapılırken ve örneklem, N büyüklüğündeki bir anakütlenin yaklaşık %5'inden fazlaysa, standart hata sonlu anakütle düzeltme faktörü \(\sqrt{\frac{N-n}{N-1}}\) ile çarpılır ve bu da standart hatayı küçültür. Bu hesaplayıcı bu düzeltmeyi uygulamaz.
Temel Terimler ve Semboller
- Anakütle ortalaması (μ): anakütledeki tüm değerlerin ortalaması.
- Anakütle standart sapması (σ): anakütledeki bireysel değerlerin μ'den tipik uzaklığı.
- Örneklem büyüklüğü (n): her bir örneklemdeki gözlem sayısı.
- Örneklem ortalaması (x̄): tek bir örneklemdeki n gözlemin ortalaması; örneklemden örnekleme değişir.
- Örnekleme dağılımı: bir istatistiğin (burada x̄) anakütleden alınabilecek tüm n büyüklüğündeki örneklemler üzerindeki olasılık dağılımı.
- Örnekleme dağılımının ortalaması (\(\mu_{\bar{x}}\)): x̄'nin beklenen değeri olup μ'ye eşittir; dolayısıyla örneklem ortalaması μ için yansız bir tahmin edicidir.
- Standart hata (\(\sigma_{\bar{x}}\)): x̄'nin örnekleme dağılımının standart sapması olup \(\sigma/\sqrt{n}\)'e eşittir.
- Örneklem ortalamasının varyansı (\(\sigma_{\bar{x}}^2\)): standart hatanın karesi, \(\sigma^2/n\).
- Merkezi Limit Teoremi: sonlu varyanslı bir anakütleden alınan bağımsız gözlemler için, anakütlenin şekline bakılmaksızın, n arttıkça x̄'nin örnekleme dağılımı normal dağılıma yaklaşır.
Sıkça Sorulan Sorular
Örneklem büyüdükçe standart hata neden küçülür? Daha büyük örneklemler rastgele dalgalanmaları ortalama yoluyla dengeler; bu yüzden ortalamaları gerçek ortalamanın etrafında daha sıkı toplanır.
Anakütlenin normal dağılması gerekir mi? Buradaki formüller için gerekmez. Ortalama ve standart hata her anakütle için kesindir. Örnekleme dağılımının normalliği ise Merkezi Limit Teoremi sayesinde büyük \(n\) değerlerinde yaklaşık olarak geçerlidir.
Elimde yalnızca örneklem standart sapması varsa ne yaparım? \(\sigma\) bilinmiyorsa örneklem standart sapması \(s\)'yi tahmin olarak kullanın; bu durumda standart hata \(s/\sqrt{n}\) olur ve genellikle t-dağılımıyla birlikte kullanılır.