Considere las dos palabras en el término muestra aleatoria. Como sugiere el sustantivo en la frase, esto implica datos ‘muestreados’ o tomados de otra cosa. El adjetivo, ‘aleatorio’, indica que el mecanismo utilizado para obtener la muestra se basa en la probabilidad, y no en las preferencias conscientes o inconscientes.
El muestreo aleatorio tiene aspectos sutiles cuando se considera formalmente. Hay dos casos importantes. La primera es una muestra aleatoria de una población finita de unidades.
Una unidad es un solo miembro en una población finita que deseamos estudiar. Una unidad puede ser una persona, animal, planta, escuela, empresa u otro objeto. La población es el conjunto completo de unidades que deseamos estudiar, y un censo toma medidas sobre toda la población. Una muestra es un conjunto de unidades (un subconjunto de la población) en los que tomamos medidas.
Una muestra aleatoria simple es una muestra aleatoria seleccionada por un método que garantiza que todas las muestras posibles, de un tamaño dado, sean igualmente elegidos.
Doce jugadores de un club de baloncesto en un cheque de viaje de fin de temporada en un hotel. Una de las habitaciones gemelas disponibles tiene un balcón y un spa; Las otras habitaciones son básicas. Deciden elegir a los dos jugadores que obtendrán la mejor habitación con un simple sorteo. Sus doce nombres se ponen en un sombrero y los contenidos se sacuden bien. Se le pide al gerente de servicio en el mostrador de recepción que extraiga dos nombres del sombrero.
Suponiendo que los nombres en el sombrero se mezclan de manera adecuada y aleatoria, es probable que cada posible par de nombres sea igualmente elegido. Entonces, para resolver la posibilidad de que se elija un par en particular, necesitamos encontrar la cantidad de pares distintos. Hay ( tbinom {12} {2} = 66 ) posibles pares de doce individuos. Entonces, la posibilidad de una de estos 66 pares que se eligen es igual a ( dfrac {1} {66} aprox 0.015 ).
¿Cómo se calcula una muestra de población finita?
Introducción: La calidad de vida relacionada con la salud (calidad de vida relacionada con la salud, HRQL) se considera un punto final significativo para evaluar las medidas de terapia y prevención. Como base para la comparación, los datos de referencia medidos contra los pacientes son de interés, pero también los datos de población representativos, ya que se recopilaron en la actual muestra de población de Lübeck (LBS). La cuestión de cómo la CVRS de la población residente de Lübeck de 2010/11 difiere de la muestra estándar alemana (DNSP) de 1994 y qué afecta las enfermedades de la diabetes mellitus y la hipertensión en la CVRS.
Método: Como parte de una encuesta representativa de menos de 10,000 Lübeckern en el grupo de edad (51-80 años) relevante para las enfermedades crónicas, el SF-12V1 y la identificación individual se usaron como un «estado de salud en comparación con el año anterior» del SF-36 y una lista de Comorbus. Los resultados se describen descriptivamente para grupos de edad, grupos de género y enfermedades y en comparación con los datos del DNSP.
Resultados: 5 835 personas (tasa de agotamiento 60%) participaron en la encuesta (48% masculino, edad media 63.9 años, DE 7.7) para el 80% de los cuales podrían calcularse. Hubo valores no estandarizados de 44.3 ± 10.8 para el físico (KSK) y 50.4 ± 10.3 para la escala de suma mental (PSK). Valores de KSK comparables (excepción: de 51 a 60 años) y valores de PSK significativamente más bajos en el LBS se pueden encontrar en la comparación estandarizada de edad y género con el DNSP. La evaluación del «estado general de la salud» en el LBS no difiere significativamente. El «estado actual de salud en comparación con el año anterior» es significativamente peor que en el DNSP (p <0.001).
¿Cómo determinar si una poblacion es finita o infinita?
Por ejemplo, si considero que los precios de los índices del mercado de valores no siguen una distribución de acuerdo con la ley normal, pero corresponden a una distribución cuya varianza sería infinita, eso significa que la varianza calculada solo depende de la muestra utilizada para hacer el cálculo. , y que este resultado tendría una propensión a variar según el tamaño de la muestra y/o la ubicación de la muestra en la serie de datos?
¿Esto también significa necesariamente que la desviación estándar calculada no puede estar en la escala de acuerdo con el intervalo de observación con la raíz cuadrada del tiempo transcurrido? Incluso dentro de la misma muestra (ejemplo: desviación estándar de datos diarios durante un año X Racine Square de (365) o desviación estándar de datos semanales en el mismo año X Racine Square de (52).
Espero haber sido claro?
¿Podría especificar su nivel de estudio? Porque bueno, podemos responder esta pregunta de varias maneras…
Digamos que estamos en el caso particular de una variable aleatoria real $ x $ cuya ley admite una densidad $ f $, es decir que $ mathbb {p} (a leq x leq b) = int_a^ b f (x) , dx $. Pedimos que $ f $ sea «medible» para poder considerar integrales (si no conoce la medición, piensa en una función continua en pedazos), positiva, de modo que todas las probas sean muy positivas y tal que $ int_ {- infty}^{+ infty} f (x) , dx = 1 $ por una razón obvia.
Para una función $ H $ definida en $ r $, queremos calcular $ mathbb {e} (h (x)) $, el «valor promedio» de la variable aleatoria $ h (x) $. Moralmente, es la suma de los valores $ h (x) $ multiplicado por el probas $ mathbb {p} (x = x) $; Pero como estas probas son cero, multiplicamos $ h (x) $ por $ mathbb {p} (x leq x leq x+dx) simeq f (x) , dx $ y reemplazamos la suma con un Integle, entonces $ mathbb {e} (h (x)) = int _ {- infty}^{+ infty} h (x) f (x) , dx $, { proporcionó que esta integral existir}. Suponiendo que $ H $ es suficientemente regular (medible o simplemente continuo en pedazos), tenemos dos casos:
– Si $ H $ es positivo, entonces la integral todavía se define y pertenece a $ onverline { r} _+= [0,+ infty] $.
– Si $ H $ cambia el signo, entonces la integral solo tiene un significado si $ int _ {- infty}^{+ infty} | h (x) | f (x) , dx <+ infty $ (aquí $ | H | $ es muy positivo).
Esto proviene del hecho de que se utiliza la integral de Lebesgue, no hay integrales semiconvergentes.
¿Qué es un tamaño de muestra finita?
“La regla de la mayoría de la muestra única dice formalmente: dada la máxima incertidumbre sobre una población, como hacer creer que el fenómeno investigado puede ser cualquier cosa entre 0% y 100%, con todos los valores igualmente probables, tenemos 75 % De posibilidades de que una sola muestra seleccionada al azar proviene de la mayoría de la población «[4].
Esta declaración puede parecer impactante y, de hecho, lo es. Si la población subyacente es binaria, solo tengo dos poblaciones cuya proporción no sé, cualquier opción aleatoria de una sola muestra tiene una probabilidad del 75% de volver a la población mayoritaria.
Si mi incertidumbre es máxima (no lo sé y no tengo indicios de la distribución de la población), incluso un solo muestreo mejorará en gran medida mi incertidumbre sobre el fenómeno.
Este curioso fenómeno también llamado «Urna of Mystery» no quiere ser una indicación operativa, sino una simple sugerencia para informar que incluso el muestreo más pequeño tiene un cierto valor de información, incluso si se limita a una sola muestra para un análisis de riesgo cuantitativo. , esto no se recomienda.
PD: Escéptico sobre su eficacia real, probé su operación con una simulación de Monte Carlo y trabajé.
Imagine que tenemos algún problema de medición y no tenemos presupuestos o tiempo para hacer una medición exhaustiva. Por ejemplo, debemos medir el impacto económico de un ransomware, que afecta a nuestra organización. Por el momento, descuidamos los aspectos relacionados con el evento, como posibles sanciones o daños por daños, y nos centramos en la entidad de la redención en Bitcoin que se podría solicitar.
¿Qué es muestra infinita y finita?
Después de la muerte, dejaremos los rastros de nuestro pasaje. Pero los otros los seguirán o los ignorarán. La forma en que los habremos amado o no los han amado será decisivo, y el que continuarán amándonos o no amándonos mientras mantenemos vivos. Francesco Campione continúa leyendo Aforisma
El alguien dice: «Es mejor morir que matar, y aún mejor amar sin querer nada a cambio». ¡Ahora hay esperanza para la humanidad! Francesco Campione II El único maestro que tengo es el destino. Pero afortunadamente, ignora mi futuro. Francesco Campione continúa leyendo aforismos
El sufrimiento es ambiguo: habla del mal que lo despierta y habla del bien que quieres sufrir. Pero la voz del mal sofocó la voz de los activos esperados sofocados, y aquellos que están sumergidos por el mal no pueden tender al bien. El deseo del bien por venir habla más fuerte que el mal que ocurrió solo si otro ofrece a quienes sufren un poco de bien… Continuar leyendo aforismo
Lo anterior estamos inciertos, pero esto parece seguro. Francis Champion II, ¿estás desnudo? Cubierto y la vergüenza crecerá; Descúbrelo y ya no te avergonzarás. Francesco Campione continúa leyendo aforismos
Solo porque somos seres terminados, que comienzan y terminan, podemos adivinar el tiempo que hay antes de nacer y lo que viene después de la muerte. Esta intuición del primero y después de la vida nos permite participar en el tiempo infinito, en el tiempo que dura sin desplazarse, el tiempo que nos preocupa solo hasta que estemos vivos y precisamente porque moriremos. Francesco Campione continúa leyendo Aforisma
Artículos Relacionados:
