Search

7.2 : Utilisation du théorème de la limite centrale
https://query.libretexts.org/Francais/Livre_%3A_Statistiques_commerciales_(OpenStax)/07%3A_Le_th%C3%A9or%C3%A8me_de_la_limite_centrale/7.02%3A_Utilisation_du_th%C3%A9or%C3%A8me_de_la_limite_centrale
Plus n est grand, plus l'écart type de la distribution d'échantillonnage diminue. (N'oubliez pas que l'écart type pour la distribution d'échantillonnage de\(\overline X\) est\(\frac{\sigma}{\sqrt{n}}\...Plus n est grand, plus l'écart type de la distribution d'échantillonnage diminue. (N'oubliez pas que l'écart type pour la distribution d'échantillonnage de\(\overline X\) est\(\frac{\sigma}{\sqrt{n}}\).) Cela signifie que la moyenne de l'échantillon\(\overline x\) doit être plus proche de la moyenne de la population à\(\mu\) mesure qu'elle\(n\) augmente.
7.4: Usando o Teorema do Limite Central
https://query.libretexts.org/Idioma_Portugues/Livro%3A_Estatisticas_introdutorias_(OpenStax)/07%3A_O_teorema_do_limite_central/7.04%3A_Usando_o_Teorema_do_Limite_Central
O teorema do limite central pode ser usado para ilustrar a lei dos grandes números. A lei dos números grandes afirma que quanto maior o tamanho da amostra que você tira de uma população, mais próxima ...O teorema do limite central pode ser usado para ilustrar a lei dos grandes números. A lei dos números grandes afirma que quanto maior o tamanho da amostra que você tira de uma população, mais próxima é a média da amostrachega a μ. O teorema do limite central ilustra a lei dos grandes números.
3.1：概率术语
https://query.libretexts.org/%E7%AE%80%E4%BD%93%E4%B8%AD%E6%96%87/%E5%9B%BE%E4%B9%A6%EF%BC%9A%E5%95%86%E4%B8%9A%E7%BB%9F%E8%AE%A1_(OpenStax)/03%3A_3%EF%BC%9A%E6%A6%82%E7%8E%87%E8%AF%9D%E9%A2%98/3.01%3A_3.1%EF%BC%9A%E6%A6%82%E7%8E%87%E6%9C%AF%E8%AF%AD
概率是一种衡量标准，它与我们对特定实验或活动结果的确定程度有关。实验是在受控条件下进行的有计划的操作。如果结果不是预先确定的，则该实验被称为偶然实验。两次掷一枚硬币就是一个实验的例子。实验的结果称为结果。实验的样本空间是所有可能结果的集合。表示样本空间的三种方法是：列出可能的结果、创建树图或创建维恩图。大写字母\(S\)用于表示样本空间。例如，如果你掷出一枚公平的硬币\(S = \...概率是一种衡量标准，它与我们对特定实验或活动结果的确定程度有关。实验是在受控条件下进行的有计划的操作。如果结果不是预先确定的，则该实验被称为偶然实验。两次掷一枚硬币就是一个实验的例子。实验的结果称为结果。实验的样本空间是所有可能结果的集合。表示样本空间的三种方法是：列出可能的结果、创建树图或创建维恩图。大写字母\(S\)用于表示样本空间。例如，如果你掷出一枚公平的硬币\(S = \{H, T\}\)，\(H =\)结果是正\(T =\)面和反面。事件是结果的任意组合。大写字母 like\(A\) an\(B\) d 表示事件。例如，如果实验是掷出一枚公平的硬币，\(A\)那么事件可能最多只能得到一个头。写入事件\(A\)的概率\(P(A)\)。任何结果的概率是该结果的长期相对频率。概率介于零和一之间（即零和一，以及这些值之间的所有数字）。 \(P(A) = 0\)意味着事件\(A\)永远不会发生。 \(P(A) = 1\)意味着事件\(A\)总是会发生。 \(P(A) = 0.5\)表示\(A\)该事件发生或不发生的可能性相同。例如，如果您反复掷一枚公平…
3.1: مصطلحات الاحتمالات
https://query.libretexts.org/%D8%A7%D9%84%D9%84%D8%BA%D8%A9_%D8%A7%D9%84%D8%B9%D8%B1%D8%A8%D9%8A%D8%A9/%D9%83%D8%AA%D8%A7%D8%A8%3A_%D8%A5%D8%AD%D8%B5%D8%A7%D8%A1%D8%A7%D8%AA_%D8%A7%D9%84%D8%A3%D8%B9%D9%85%D8%A7%D9%84_(OpenStax)/03%3A/3.01%3A_%D9%85%D8%B5%D8%B7%D9%84%D8%AD%D8%A7%D8%AA_%D8%A7%D9%84%D8%A7%D8%AD%D8%AA%D9%85%D8%A7%D9%84%D8%A7%D8%AA
تتراوح الاحتمالات بين الصفر والواحد، بما في ذلك (أي صفر وواحد وجميع الأرقام بين هذه القيم). \(P(A) = 0\)يعني أن الحدث لا\(A\) يمكن أن يحدث أبدًا. \(P(A) = 1\)يعني أن الحدث يحدث\(A\) دائمًا. \(P(A) = 0...تتراوح الاحتمالات بين الصفر والواحد، بما في ذلك (أي صفر وواحد وجميع الأرقام بين هذه القيم). \(P(A) = 0\)يعني أن الحدث لا\(A\) يمكن أن يحدث أبدًا. \(P(A) = 1\)يعني أن الحدث يحدث\(A\) دائمًا. \(P(A) = 0.5\)يعني أن الحدث\(A\) من المحتمل بنفس القدر أن يحدث أو لا يحدث. سنتعلم لاحقًا تقنيات لاستخدامها في التعامل مع احتمالات الأحداث غير المحتملة بنفس القدر. \(\cup\)«الحدث: الاتحاد تكون النتيجة في الحالة\(A \cup B\) إذا كانت النتيجة في A أو في B أو في كل من A و B.
7.2: استخدام نظرية الحد المركزي
https://query.libretexts.org/%D8%A7%D9%84%D9%84%D8%BA%D8%A9_%D8%A7%D9%84%D8%B9%D8%B1%D8%A8%D9%8A%D8%A9/%D9%83%D8%AA%D8%A7%D8%A8%3A_%D8%A5%D8%AD%D8%B5%D8%A7%D8%A1%D8%A7%D8%AA_%D8%A7%D9%84%D8%A3%D8%B9%D9%85%D8%A7%D9%84_(OpenStax)/07%3A/7.02%3A_%D8%A7%D8%B3%D8%AA%D8%AE%D8%AF%D8%A7%D9%85_%D9%86%D8%B8%D8%B1%D9%8A%D8%A9_%D8%A7%D9%84%D8%AD%D8%AF_%D8%A7%D9%84%D9%85%D8%B1%D9%83%D8%B2%D9%8A
ينص قانون الأعداد الكبيرة على أنه إذا أخذت عينات ذات حجم أكبر وأكبر من أي مجموعة سكانية، فإن متوسط توزيع العينات\(\mu_{\overline x}\) يميل إلى الاقتراب أكثر فأكثر من متوسط السكان الحقيقي،\(\mu\). كلما...ينص قانون الأعداد الكبيرة على أنه إذا أخذت عينات ذات حجم أكبر وأكبر من أي مجموعة سكانية، فإن متوسط توزيع العينات\(\mu_{\overline x}\) يميل إلى الاقتراب أكثر فأكثر من متوسط السكان الحقيقي،\(\mu\). كلما زاد عدد n، كلما قل الانحراف المعياري لتوزيع العينات. (تذكر أن الانحراف المعياري لتوزيع العينات\(\overline X\) هو\(\frac{\sigma}{\sqrt{n}}\).) هذا يعني أن متوسط العينة\(\overline x\) يجب أن يكون أقرب إلى متوسط عدد السكان\(\mu\) مع\(n\) الزيادة.
3.1: Istilahi ya uwezekano
https://query.libretexts.org/Kiswahili/Kitabu%3A_Takwimu_za_Biashara_(OpenStax)/03%3A_Mada_ya_uwezekano/3.01%3A_Istilahi_ya_uwezekano
Ili kuhesabu uwezekano wa tukio A wakati matokeo yote katika nafasi ya sampuli yana uwezekano sawa, kuhesabu idadi ya matokeo ya tukio A na ugawanye na idadi ya matokeo katika nafasi ya sampuli. Tabia...Ili kuhesabu uwezekano wa tukio A wakati matokeo yote katika nafasi ya sampuli yana uwezekano sawa, kuhesabu idadi ya matokeo ya tukio A na ugawanye na idadi ya matokeo katika nafasi ya sampuli. Tabia hii muhimu ya majaribio ya uwezekano inajulikana kama sheria ya idadi kubwa ambayo inasema kuwa kama idadi ya marudio ya jaribio imeongezeka, mzunguko wa jamaa uliopatikana katika jaribio huelekea kuwa karibu na karibu na uwezekano wa kinadharia.
7.2: Kutumia Theorem ya Kati ya Kikomo
https://query.libretexts.org/Kiswahili/Kitabu%3A_Takwimu_za_Biashara_(OpenStax)/07%3A_Theorem_ya_Kati_ya_Kikomo/7.02%3A_Kutumia_Theorem_ya_Kati_ya_Kikomo
n kubwa anapata, ndogo kupotoka kiwango cha usambazaji sampuli anapata. (Kumbuka kwamba kiwango kupotoka kwa ajili ya usambazaji sampuli ya\(\overline X\) ni\(\frac{\sigma}{\sqrt{n}}\).) Hii ina maana...n kubwa anapata, ndogo kupotoka kiwango cha usambazaji sampuli anapata. (Kumbuka kwamba kiwango kupotoka kwa ajili ya usambazaji sampuli ya\(\overline X\) ni\(\frac{\sigma}{\sqrt{n}}\).) Hii ina maana kwamba sampuli maana\(\overline x\) lazima iwe karibu na idadi ya watu maana\(\mu\) kama\(n\) ongezeko.
7.2: 使用中心极限定理
https://query.libretexts.org/%E7%AE%80%E4%BD%93%E4%B8%AD%E6%96%87/%E5%9B%BE%E4%B9%A6%EF%BC%9A%E5%95%86%E4%B8%9A%E7%BB%9F%E8%AE%A1_(OpenStax)/07%3A_%E4%B8%AD%E5%BF%83%E6%9E%81%E9%99%90%E5%AE%9A%E7%90%86/7.02%3A_%E4%BD%BF%E7%94%A8%E4%B8%AD%E5%BF%83%E6%9E%81%E9%99%90%E5%AE%9A%E7%90%86
大数定律说，如果你从任何总体中采集越来越大的样本，那么抽样分布的均值\(\mu_{\overline x}\)往往越来越接近真实的总体均值\(\mu\)。根据中心极限定理，我们知道，\(n\)随着越来越大，样本均值遵循正态分布。 n 越大，采样分布的标准差越小。（请记住，抽样分布的标准差\(\overline X\)为\(\frac{\sigma}{\sqrt{n}}\)。）这意味着随着样本...大数定律说，如果你从任何总体中采集越来越大的样本，那么抽样分布的均值\(\mu_{\overline x}\)往往越来越接近真实的总体均值\(\mu\)。根据中心极限定理，我们知道，\(n\)随着越来越大，样本均值遵循正态分布。 n 越大，采样分布的标准差越小。（请记住，抽样分布的标准差\(\overline X\)为\(\frac{\sigma}{\sqrt{n}}\)。）这意味着随着样本均值的\(n\)增加，样本均值\(\overline x\)必须更接近总体均值\(\mu\)。我们可以说\(\mu\)这是样本均值随着 n 变大而接近的值。中心极限定理说明了大数定律。
3.1 : Terminologie des probabilités
https://query.libretexts.org/Francais/Livre_%3A_Statistiques_commerciales_(OpenStax)/03%3A_Sujets_de_probabilit%C3%A9/3.01%3A_Terminologie_des_probabilit%C3%A9s
Même si les résultats ne se produisent pas selon un schéma ou un ordre prédéfinis, dans l'ensemble, la fréquence relative observée à long terme se rapprochera de la probabilité théorique. (Le mot empi...Même si les résultats ne se produisent pas selon un schéma ou un ordre prédéfinis, dans l'ensemble, la fréquence relative observée à long terme se rapprochera de la probabilité théorique. (Le mot empirique est souvent utilisé à la place du mot observé.) Il est important de se rendre compte que, dans de nombreuses situations, les résultats ne sont pas aussi probables.
7.4: Kutumia Theorem ya Kati ya Kikomo
https://query.libretexts.org/Kiswahili/Kitabu%3A_Takwimu_za_Utangulizi_(OpenStax)/07%3A_Theorem_ya_Kati_ya_Kikomo/7.04%3A_Kutumia_Theorem_ya_Kati_ya_Kikomo
Theorem ya kikomo ya kati inaweza kutumika kuonyesha sheria ya idadi kubwa. Sheria ya idadi kubwa inasema kuwa ukubwa mkubwa wa sampuli unayochukua kutoka kwa idadi ya watu, karibu na sampuli inamaani...Theorem ya kikomo ya kati inaweza kutumika kuonyesha sheria ya idadi kubwa. Sheria ya idadi kubwa inasema kuwa ukubwa mkubwa wa sampuli unayochukua kutoka kwa idadi ya watu, karibu na sampuli inamaanishaanapata μ. Theorem ya kikomo ya kati inaonyesha sheria ya idadi kubwa.
7.2: Usando o Teorema do Limite Central
https://query.libretexts.org/Idioma_Portugues/Livro%3A_Estatisticas_de_negocios_(OpenStax)/07%3A_O_teorema_do_limite_central/7.02%3A_Usando_o_Teorema_do_Limite_Central
Quanto maior for n, menor será o desvio padrão da distribuição de amostragem. (Lembre-se de que o desvio padrão para a distribuição amostral de\(\overline X\) é\(\frac{\sigma}{\sqrt{n}}\).) Isso signi...Quanto maior for n, menor será o desvio padrão da distribuição de amostragem. (Lembre-se de que o desvio padrão para a distribuição amostral de\(\overline X\) é\(\frac{\sigma}{\sqrt{n}}\).) Isso significa que a média da amostra\(\overline x\) deve estar mais próxima da média da população à\(\mu\) medida que\(n\) aumenta.