Conjunto finito: se dice que un conjunto es un conjunto finito si es un conjunto vacío o el proceso de contar elementos seguramente llega a su fin se llama conjunto finito.
En un conjunto finito, el elemento se puede enumerar si tiene una limitada, es decir, contable por el número natural 1, 2, 3, ……… y el proceso de listado termina en un cierto número natural N.
El número de elementos distintos contados en un conjunto finito S se denota por N (S). El número de elementos de un conjunto finito A se llama orden o número cardinal de un conjunto A y se denota simbólicamente por N (a).
Por lo tanto, si el conjunto es el de los alfabetos ingleses, entonces n (a) = 26: para, contiene 26 elementos en él. Nuevamente si el conjunto es las vocales de los alfabetos ingleses, es decir, a = {a, e, i, o, u} entonces n (a) = 5.
El elemento no ocurre más de una vez en un conjunto.
Conjunto infinito: un
Se dice que el conjunto es un conjunto infinito cuyos elementos no se pueden enumerar si tiene un
ilimitado (es decir, incontable) por el número natural 1, 2, 3, 4, ………… n, para cualquier
El número natural N se llama conjunto infinito.
Un conjunto que no es finito se llama un conjunto infinito.
Ahora discutiremos
sobre los ejemplos de conjuntos finitos y conjuntos infinitos.
5. El conjunto de todas las personas en Estados Unidos es un conjunto finito.
6. El conjunto de todas las aves en California es un conjunto finito.
1. El conjunto de todos los puntos en un avión es un conjunto infinito.
2. El conjunto de todos los puntos en un segmento de línea es un conjunto infinito.
3. Conjunto de todos los enteros positivos que es múltiple de 3 es un
conjunto infinito.
¿Qué significa una muestra finita?
En estadísticas, una distribución de muestreo o una distribución de muestras finitas es la distribución de probabilidad de una estadística basada en la muestra aleatoria dada. Si un número arbitrariamente grande de muestras, cada una que involucra múltiples observaciones (puntos de datos) se usó por separado para calcular un valor de una estadística (como, por ejemplo, la media de muestra o la varianza de la muestra) para cada muestra, entonces el muestreo La distribución es la distribución de probabilidad de los valores que toma la estadística. En muchos contextos, solo se observa una muestra, pero la distribución de muestreo se puede encontrar teóricamente.
Las distribuciones de muestreo son importantes en las estadísticas porque proporcionan una simplificación importante en el camino a la inferencia estadística. Más específicamente, permiten que las consideraciones analíticas se basen en la distribución de probabilidad de una estadística, en lugar de en la distribución de probabilidad conjunta de todos los valores de muestra individuales.
La distribución de muestreo de una estadística es la distribución de esa estadística, considerada como una variable aleatoria, cuando se deriva de una muestra aleatoria de tamaño n { displayStyle n}. Puede considerarse como la distribución de la estadística para todas las muestras posibles de la misma población de un tamaño de muestra dado. La distribución de muestreo depende de la distribución subyacente de la población, que se está considerando la estadística, el procedimiento de muestreo empleado y el tamaño de la muestra utilizado. A menudo hay un interés considerable en si la distribución de muestreo puede ser aproximada por una distribución asintótica, que corresponde al caso limitante ya sea como el número de muestras aleatorias de tamaño finito, tomado de una población infinita y utilizada para producir la distribución, tiende al infinito , o cuando solo se toma una «muestra» de tamaño igualmente infinito de esa misma población.
Por ejemplo, considere una población normal con media μ { displaystyle mu} y varianza σ2 { displaystyle sigma ^{2}}. Suponga que tomamos repetidamente muestras de un tamaño dado de esta población y calculamos el megling aritmetic { displayStyle { bar {x}}} para cada muestra; esta estadística se llama media de muestra. La distribución de estos medios, o promedios, se denomina «distribución de muestreo de la media de muestra». Esta distribución es normal n (μ, σ2/n) { displaystyle { mathcal {n}} ( mu, sigma ^{2}/n)} (n es el tamaño de la muestra) ya que la población subyacente es normal, Aunque las distribuciones de muestreo también a menudo pueden estar cerca de lo normal incluso cuando la distribución de la población no lo es (ver Teorema del límite central). Una alternativa a la media de muestra es la mediana de la muestra. Cuando se calcula a partir de la misma población, tiene una distribución de muestreo diferente a la de la media y generalmente no es normal (pero puede estar cerca para grandes tamaños de muestra).
Artículos Relacionados:
