Using the divisor (n —1) when calcu

Using the divisor (n —1) when calculating the variance for a sample is a standard procedure that makes the resulting sample variance a better estimate of the variance of the population from which the sample was drawn. Actually, for large sample sizes (e.g., n Š 30) the subtraction of 1 from n makes very little difference.
Part A of Table 3.2 shows the calculation of the variance for a sample of estimates of highway miles per gallon (mpg) for five sports-utility vehicles. In the table, notice the role played by residuals. These are the same as the deviations from the mean discussed in the preceding section. For each obser- vation, the residual is the difference between the individual data value and the mean.

Kết quả (Việt) 1:

Bằng cách sử dụng ước số (n-1) khi tính phương sai cho một mẫu là một thủ tục tiêu chuẩn mà làm cho phương sai mẫu kết quả ước lượng tốt hơn của phương sai của dân mà từ đó mẫu đã được rút ra. Trên thực tế, cho kích thước mẫu lớn (ví dụ: n Š 30) trừ 1 từ n làm cho sự khác biệt rất ít.Phần A của bảng 3.2 cho thấy các tính toán của phương sai cho một mẫu của các ước tính của đường cao tốc dặm / gallon (mpg) cho 5 xe thể thao Tiện ích. Trong bảng, nhận thấy vai trò của dư. Đây là những giống như các độ lệch từ có nghĩa là thảo luận trong phần trước. Đối với mỗi obser-vation, dư là sự khác biệt giữa các giá trị dữ liệu cá nhân và trung bình.

Kết quả (Việt) 2:

Sử dụng số chia (n -1) khi tính toán phương sai cho một mẫu là một quy trình chuẩn mà làm cho kết quả mẫu phương sai ước tính tốt hơn về sự thay đổi của dân số mà từ đó mẫu được rút ra. Trên thực tế, đối với cỡ mẫu lớn (ví dụ, n Š 30) đã trừ 1 từ n làm cho rất ít sự khác biệt.
Phần A của Bảng 3.2 cho thấy việc tính toán phương sai cho một mẫu dự toán dặm đường cao tốc mỗi gallon (mpg) trong năm xe thể thao tiện ích. Trong bảng, nhận thấy vai trò của chất thải. Đây là những giống như các độ lệch từ giá trị trung bình được thảo luận trong các phần trước. Đối với mỗi vation obser-, dư là sự khác biệt giữa các giá trị dữ liệu cá nhân và trung bình.