p = 0.5, n = 100
모집단 비율 (p): 0.5; 표본 크기 (n): 100
표본 분포의 표준 편차 (σ_p̂): 0.05; 표본 분포의 평균 (μ_p̂): 0.5
표본 비율(p̂)에 대한 표본 분포의 평균과 표준 편차를 계산합니다.
입력값을 차분히 확인한 뒤 하나의 시나리오에만 의존하지 말고 결과를 비교하세요.
모집단 비율 (p), 표본 크기 (n) → 표본 분포의 표준 편차 (σ_p̂), 표본 분포의 평균 (μ_p̂)
자신의 값을 넣기 전에 이 예시로 계산기 동작을 확인하세요.
모집단 비율 (p): 0.5; 표본 크기 (n): 100
표본 분포의 표준 편차 (σ_p̂): 0.05; 표본 분포의 평균 (μ_p̂): 0.5
모집단 비율 (p): 0.2; 표본 크기 (n): 50
표본 분포의 표준 편차 (σ_p̂): 0.05656854249; 표본 분포의 평균 (μ_p̂): 0.2
모집단 비율 (p): 0.8; 표본 크기 (n): 200
표본 분포의 표준 편차 (σ_p̂): 0.02828427125; 표본 분포의 평균 (μ_p̂): 0.8
대수학, 기하학, 삼각법, 확률, 통계, 평균, Z점수, 검정, 그래프화 작업용 계산기를 사용하세요.
이 링크들은 사용자를 다시 검색으로 보내지 않고도 다음으로 궁금할 질문에 답하도록 선택되었습니다.
개별 데이터 값을 유지하면서 분포 모양을 시각화하기 위해 숫자 데이터를 구성하는 데 도움이 됩니다.
평균을 비교하고 통계적 유의성을 결정하기 위해 t-검정(단일 표본, 두 표본 또는 쌍체)을 수행합니다.
두 모집단의 분산을 비교하기 위해 F-검정을 수행합니다.
특정 신뢰 수준으로 모집단 매개변수(예: 평균, 비율)가 속할 가능성이 있는 범위를 계산합니다.