Differences
This shows you the differences between two versions of the page.
Both sides previous revisionPrevious revisionNext revision | Previous revisionNext revisionBoth sides next revision |
sampling_distribution [2016/05/17 15:57] – [Sampling Distribtution, 표본분포] hkimscil | sampling_distribution [2020/04/14 22:23] – hkimscil |
---|
====== Sampling Distribtution, 표본분포 ====== | ====== Sampling Distribtution, 표본분포 ====== |
| 이 글을 읽고 [[:mean and variance of the sample mean]] 문서를 읽을 것. |
| [[:sampling distribution in R]] |
<imgcaption fig01|population m=70 sd=15>{{ :nd_m70sd15.png?192|}}</imgcaption> Sample Distribution (표본분포)과 Sampling Distribution (표집분포)는 비록 비슷하게 들리겠지만 전혀 다른 의미를 갖는다. 전자는 //하나의 샘플에서 추출한 구성원에 대한 분포//를 말한 것이고, 후자는 //여러개의 샘플들의 평균에 대한 분포//를 말하는 것이다. 공통적인 점이 있다면 둘 다 모집단에 (population) 대한 샘플을 (sample) 의미한다는 것 -- 즉, 모집단의 특성을 (parameter) 추측 (inferring) 하기 위해서 구해진 집단이라는 것이다. | <imgcaption fig01|population m=70 sd=15>{{ :nd_m70sd15.png?192|}}</imgcaption> Sample Distribution (표본분포)과 Sampling Distribution (표집분포)는 비록 비슷하게 들리겠지만 전혀 다른 의미를 갖는다. 전자는 //하나의 샘플에서 추출한 구성원에 대한 분포//를 말한 것이고, 후자는 //여러개의 샘플들의 평균에 대한 분포//를 말하는 것이다. 공통적인 점이 있다면 둘 다 모집단에 (population) 대한 샘플을 (sample) 의미한다는 것 -- 즉, 모집단의 특성을 (parameter) 추측 (inferring) 하기 위해서 구해진 집단이라는 것이다. |
| |
* $\sigma_{\overline{X}} = \frac{\sigma}{\sqrt{n}}$ | * $\sigma_{\overline{X}} = \frac{\sigma}{\sqrt{n}}$ |
| |
(sampling distribution은 [Central Limit Theorem] 을 이해하기 위해서 꼭 필요한 개념이다.) | (sampling distribution은 [[Central Limit Theorem]] 을 이해하기 위해서 꼭 필요한 개념이다.) |
| |
<imgcaption fig05|>{{ :sampling_distribution_m70sd1.5.png?192|}}</imgcaption> $\mu=70$ 이며 $\sigma=15$ 인 모집단의 경우에서 n = 100인 샘플을 뽑는다고 가정을 해보면, | <imgcaption fig05|>{{ :sampling_distribution_m70sd1.5.png?192|}}</imgcaption> $\mu=70$ 이며 $\sigma=15$ 인 모집단의 경우에서 n = 100인 샘플을 뽑는다고 가정을 해보면, |