Nümunə Paylanmalarına Giriş
Statistika sahəsində nümunə paylanmaları əsas rol oynayır və nəticə çıxarma statistikası və məlumatların təhlili üçün əsas rol oynayır. Bu məqalə nümunə paylanmaları anlayışını aydınlaşdırmağa, onların əhəmiyyətini izah etməyə və xüsusiyyətlərini və növlərini araşdırmağa yönəlmişdir.
Nümunə Paylanması nədir?
Nümunə paylanmalarını araşdırmağa başlamaq üçün əvvəlcə bəzi əsas terminologiyanı başa düşmək vacibdir.
Populyasiya məlumatların toplana biləcəyi bütün elementlər və ya fərdlər dəstini ifadə edir. Populyasiyanın spesifik xüsusiyyətlərini və ya davranışlarını öyrənərkən, hər bir üzvü araşdırmaq çox vaxt qeyri-praktik və ya qeyri-mümkün olur. Burada nümunə əvəzolunmaz hala gəlir - bu, populyasiyanın təmsilçi, lakin ölçüsünə görə idarə oluna bilən bir alt qrupudur.
Nümunə paylanması (və ya nümunə paylanması) təsadüfi nümunəyə əsaslanan müəyyən bir statistikanın (məsələn, orta və ya dispersiya) ehtimal paylanmasıdır. Daha sadə dillə desək, populyasiyadan təkrar nümunələr götürüldükdə nümunələrdən statistik ölçünün (məsələn, nümunə orta qiyməti) necə davranmasıdır.
Nümunə Paylanmalarının Əhəmiyyəti
İnferensial Statistika
Nümunə paylanmalarının əsas istifadəsi inferensial statistikadadır, burada biz nümunə statistikasına əsasən populyasiya parametrlərini çıxarırıq. Məsələn, nümunə paylanması vasitəsilə populyasiya ortalamalarını, dispersiyalarını və nisbətlərini qiymətləndirə bilərik ki, bu da bizə bütün populyasiya haqqında məlumatlı nəticələr çıxarmağa imkan verir.
Mərkəzi Limit Teoremi (MLT)
Mərkəzi Limit Teoremi statistikada ən əhəmiyyətli prinsiplərdən biridir. Burada deyilir ki, nümunə ölçüsü kifayət qədər böyük olduqda, populyasiyanın paylanmasından asılı olmayaraq, nümunə ortalamasının paylanması təxminən normal paylanacaq. Bu teorem bir çox statistik metodların əsasını təşkil edir və hipotez testində və etibarlılıq intervalının qiymətləndirilməsində normal paylanmanın istifadəsini əsaslandırır.
Hipotez Test
Hipotez testində nümunə paylanmaları analitiklərə sıfır hipotez altında nümunə statistikasını müşahidə etmə ehtimalını müəyyən etməyə imkan verir. Nümunə statistikasını sıfır hipotez altında gözlənilən paylanma ilə müqayisə etməklə, sıfır hipotezini rədd edib-etməməyimizə qərar verə bilərik.
Güvən fasilələri
Nümunə paylanmaları, populyasiya parametrinin ehtimal olunan diapazonu təmin edən etibarlılıq intervallarının qurulmasına kömək edir. Etibar səviyyəsi (məsələn, 95%) ilə müşayiət olunan bu diapazon, kəmiyyətcə müəyyən edilə bilən bir ölçü təklif edir.
Nümunə Paylanmalarının Xüsusiyyətləri
Nümunə paylanmalarının əsas xüsusiyyətlərini anlamaq, onları effektiv şəkildə şərh etmək və istifadə etmək üçün çox vacibdir.
Nümunə Paylanmalarının Orta Qiyməti
Nümunə orta qiymətinin (\( \mu_{\bar{x}} \) kimi işarələnir) nümunə paylanmasının orta qiyməti populyasiya orta qiymətinə (\( \mu \)) bərabərdir. Riyazi olaraq, \( \mu_{\bar{x}} = \mu \). Bu xüsusiyyət, nümunə orta qiymətinin gözlənilən dəyərinin populyasiya orta qiyməti ilə eyni olduğunu göstərir.
Dəyişkənlik və Standart Xəta
Nümunə paylanmalarının dəyişkənliyi, populyasiya parametri ətrafında nümunə statistikasının dispersiyasını ölçən standart xəta (SE) ilə ölçülür. Nümunə ortalaması üçün standart xəta aşağıdakı kimi hesablanır:
\[ SE_{\bar{x}} = \frac{\sigma}{\sqrt{n}} \]
burada \(\sigma \) populyasiyanın standart sapması, \(n \) isə nümunənin ölçüsüdür. Bu düstur göstərir ki, daha böyük nümunələr daha kiçik standart xətaya səbəb olur və bununla da populyasiyanın orta qiymətini qiymətləndirən nümunə orta dəyərinin dəqiqliyini artırır.
Paylanmanın Forması
Nümunə paylanmasının forması nümunə ölçüsündən və populyasiya paylanmasından asılıdır. Mərkəzi Limit Teoreminə görə, daha böyük nümunə ölçüləri, populyasiyanın ilkin paylanmasından asılı olmayaraq, normal paylanmaya yaxın olan nümunə paylanmaları yaratmağa meyllidir.
Nümunə Paylanmalarının Növləri
Orta Dəyərin Nümunə Paylanması
Orta dəyərin nümunə paylanması, bəlkə də ən çox rast gəlinən nümunə paylanmasıdır. Bu, populyasiyadan götürülmüş müəyyən ölçülü bütün mümkün nümunələrdən əldə edilən nümunə orta dəyərlərinin paylanmasını təmsil edir. Bu paylanma populyasiya orta dəyərlərinin qiymətləndirilməsi və etibarlılıq intervallarının qurulması üçün vacibdir.
Nisbətin Nümunə Paylanması
Kateqoriyalı məlumatlarla işləyərkən statistiklər tez-tez nümunə nisbətindən istifadə edirlər. Nisbətin nümunə bölgüsü müxtəlif nümunələrdən əldə edilən nümunə nisbətlərinin paylanmasıdır. Bu bölgü populyasiya nisbətlərinin qiymətləndirilməsində və nisbətlər üçün hipotezlərin yoxlanılmasında mühüm rol oynayır.
T-paylanması
Populyasiyanın standart sapması (\( \sigma \)) məlum olmadıqda və nümunə ölçüsü kiçik olduqda, statistiklər t-paylanmasından istifadə edirlər. t-paylanması normal paylanmaya bənzəyir, lakin daha qalın quyruqlara malikdir və bu da nümunə ölçüsünün kiçik olması səbəbindən artan dəyişkənliyi nəzərə alır. Nümunə ölçüsü böyüdükcə t-paylanması normal paylanmaya yaxınlaşır.
Xi-kvadrat Paylanması
Xi-kvadrat paylanması müstəqillik və uyğunluq testlərində istifadə olunur. O, həmçinin dispersiyalar və standart sapmalar üçün etibarlılıq intervallarının qurulmasında əsas rol oynayır.
F-paylanması
F-paylanması dispersiyaların müqayisəsində və dispersiya təhlilində (ANOVA) istifadə olunur. O, iki xi-kvadrat paylanmasının nisbətindən əldə edilir və iki populyasiyanın dispersiyalarının əhəmiyyətli dərəcədə fərqli olub-olmadığını müəyyən etməyə kömək edir.
Misal: Real Dünya Ssenarisində Nümunə Paylanmalarını Anlamaq
Anlayışımızı möhkəmləndirmək üçün praktik bir nümunəyə nəzər salaq. Təsəvvür edin ki, bir şəhərdə yetkin kişilərin orta boyunu təxmin etmək istəyirik. Hər bir fərdi ölçmək praktik deyil, ona görə də 100 kişidən ibarət bir nümunə seçirik. Nümunənin orta qiymətini (\( \bar{x} \)) 68 düym, nümunənin standart sapmasını (s) isə 3 düym hesablayırıq.
Əgər bu populyasiyadan birdən çox nümunə götürsəydik, nümunə ortalamaları hər bir halda bir qədər fərqlənər və bu da nümunə ortalamalarının nümunə paylanması yaradardı. Mərkəzi Limit Teoreminə görə, nümunə ölçüsümüz kifayət qədər böyükdürsə, bu paylanma təxminən normal olacaq.
Nümunə məlumatlarından istifadə edərək, populyasiya ortalamasını qiymətləndirə və 95% etibarlılıq intervalını qura bilərik. Populyasiyanın standart sapmasının məlum olmadığını fərz etsək, t-paylanmasından istifadə edirik. Standart xəta belədir:
\[ SE_{\bar{x}} = \frac{s}{\sqrt{n}} = \frac{3}{\sqrt{100}} = 0.3 \]
99 sərbəstlik dərəcəsi (n-1) ilə, 95% etibarlılıq səviyyəsi üçün t-paylama cədvəlindən kritik dəyər təxminən 1.984-dür. Beləliklə, səhv həddi (ME):
\[ ME = 1.984 \dəfə 0.3 = 0.5952 \]
Nəticə etibarilə, populyasiya üçün 95% etibarlılıq intervalı orta hesabla belədir:
\[ (68 – 0.5952, 68 + 0.5952) = (67.4048, 68.5952) \]
Beləliklə, şəhərdəki bütün yetkin kişilərin orta boyunun 67.4048 düym ilə 68.5952 düym arasında olduğuna 95% əminik.
Nəticə
Nümunə paylanmaları statistik nəticə çıxarmağın təməl daşıdır və nümunə məlumatlarına əsaslanaraq populyasiya parametrləri haqqında məntiqi nəticələr çıxarmağa imkan verir. Onların xüsusiyyətlərini, növlərini və tətbiqlərini anlamaq istənilən məlumat analitiki və ya tədqiqatçısı üçün çox vacibdir. Fərziyyələrin yoxlanılmasından tutmuş etibarlılıq intervallarının qurulmasına qədər nümunə paylanmaları məlumatlardan mənalı fikirlərin şərh edilməsi və çıxarılması üçün əvəzolunmaz vasitələrdir.