AP Statistics
repeated random samplingVietnamese: lấy mẫu ngẫu nhiên lặp lại
Còn gọi:Also called: repeated random sampling
Lấy mẫu ngẫu nhiên lặp lại là việc tưởng tượng rút nhiều mẫu ngẫu nhiên cùng cỡ từ một tổng thể để xem một thống kê mẫu biến thiên thế nào qua các lần rút.Repeated random sampling is the idea of imagining many random samples of the same size drawn from one population in order to see how a sample statistic varies from sample to sample.
Trực giác: Giống như tưởng tượng rút 1000 mẫu ngẫu nhiên, mỗi mẫu 50 người, rồi tính tỉ lệ ủng hộ trong từng mẫu — bạn sẽ thấy các tỉ lệ này không giống nhau mà dao động lên xuống quanh tỉ lệ thật của tổng thể, tạo thành một phân phối các giá trị.Intuition: Picture drawing 1000 random samples of 50 people each and computing the proportion who approve in every sample. The proportions would not all match; they would bounce up and down around the true population proportion, forming a distribution of values.
Lấy mẫu ngẫu nhiên lặp lại là khung tưởng tượng trong đó nhiều mẫu ngẫu nhiên cùng cỡ được rút từ một tổng thể và một thống kê được tính cho mỗi mẫu. Tập hợp các giá trị tạo thành phân phối mẫu, có tâm và độ phân tán riêng. Với trung bình mẫu, và độ lệch chuẩn là ; cỡ mẫu lớn hơn làm độ phân tán nhỏ hơn. Đây là phân phối của thống kê qua nhiều mẫu, không phải phân phối dữ liệu trong một mẫu.
Repeated random sampling is an imagined framework in which many random samples of the same size are taken from a population and a statistic is computed for each sample. Together these values form a sampling distribution with its own center and spread. For the sample mean, and the standard deviation is , so a larger sample size gives a smaller spread. This is the distribution of a statistic across many samples, not the distribution of the data within a single sample.
Phân phối mẫu không phải phân phối dữ liệu trong một mẫu.
Mỗi lần lặp chỉ ghi một thống kê, như trung bình hoặc tỉ lệ mẫu; các thống kê qua nhiều mẫu mới tạo thành phân phối mẫu. Nhầm lẫn này dễ dẫn đến dùng độ lệch chuẩn thay cho sai số chuẩn.
Lặp nhiều lần hơn không làm phân phối mẫu hẹp lại.
Với cùng tổng thể, độ lệch chuẩn của trung bình mẫu là . Thêm lần lặp chỉ làm mô phỏng mịn hơn và gần phân phối lý thuyết hơn.
Lặp lại không khắc phục cách chọn mẫu thiên lệch.
Nếu cách chọn mẫu bị thiên lệch, các thống kê vẫn tập trung quanh giá trị lệch khỏi tham số tổng thể. Lặp lại chỉ biểu diễn biến thiên ngẫu nhiên giữa các mẫu.
A sampling distribution is not the distribution of data within one sample.
Each repetition records just one statistic, such as a sample mean or proportion, and the statistics from many samples build the sampling distribution. Confusing the two leads students to use the standard deviation where the standard error belongs.
Running more repetitions does not make the sampling distribution narrower.
For a given population, the standard deviation of the sample mean is . Extra repetitions only smooth the simulation and bring it closer to the theoretical distribution.
Repetition does not fix a biased sampling method.
If the method of selecting samples is biased, the statistics still cluster around a value shifted away from the population parameter. Repetition only displays the random variation from sample to sample.
Mô tả mô phỏng nên nêu đủ bốn phần.
Nêu giả thiết được mô phỏng, thao tác trong một lần lặp, thống kê cần ghi và số lần lặp.
Phân biệt cỡ mẫu với số lần lặp.
Trong công thức sai số chuẩn của trung bình mẫu, là cỡ mỗi mẫu; số lần lặp chỉ quyết định số kết quả mô phỏng.
A simulation description should cover all four parts.
State the assumption being simulated, what happens in one repetition, the statistic you record, and the number of repetitions.
Keep sample size separate from the number of repetitions.
In the standard error formula for a sample mean, is the size of each sample; the number of repetitions only sets how many simulated results you get.
1895 – giữa thế kỷ 20Anders Nicolai KiærArthur Lyon BowleyRonald A. FisherJerzy NeymanStanisław Ulam
Vì sao mang đúng cái tên này? Tên gọi mô tả đúng hai việc chồng lên nhau. Phần "ngẫu nhiên" đến từ truyền thống chọn mẫu ngẫu nhiên (random sampling) mà Bowley đưa vào điều tra xã hội năm 1906, trong đó mỗi phần tử được chọn một cách ngẫu nhiên và độc lập để kết luận không bị thiên lệch. Phần "lặp lại" được nhấn mạnh vì một mẫu đơn lẻ có thể không đại diện tốt cho tổng thể; lặp việc lấy mẫu rất nhiều lần sẽ làm biến thiên giảm đi và ước lượng tham số tổng thể sát hơn. Chính cơ chế lặp này là nền của kỹ thuật bootstrap và của mô phỏng Monte Carlo (Monte Carlo simulation), lớp thuật toán dùng tính ngẫu nhiên để giải những bài toán vốn tất định. Cũng nên nhớ bản thân chữ "thống kê" (statistics) là do Gottfried Achenwall đặt ra, rất lâu trước khi lý thuyết chọn mẫu thành hình.
Bấm rút từng mẫu — nhìn các chấm dồn lại thành gò quanh trung bình thật
Kéo tham số, thấy khái niệm chuyển động — đăng nhập để mở.Drag the parameters and watch the concept move — sign in to open.
Hai tham số đề cho là chính xác: và . Khi lấy mẫu ngẫu nhiên lặp lại các mẫu gồm 50 người, số người trả lời "có" trung bình là 17 người, và số đó dao động quanh 17 với độ lệch điển hình khoảng 3.35 người. Không thể khẳng định mẫu nào cũng cho đúng 34% trả lời "có", vì mỗi mẫu là một kết quả ngẫu nhiên khác nhau.
Quiz câu thật từ ngân hàng đềReal exam questions from our question bank
Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.A few real questions on exactly this concept, graded instantly with an explanation for every choice — the system remembers how well you know it.
Biên soạn bởi DucklingStudy, bản quyền thuộc DucklingStudy.Written by DucklingStudy. © DucklingStudy. Xuất bảnPublished .