Capire la differenza tra campione e popolazione è un aspetto importante sia in fase di rilevazione che in fase di analisi dei dati. Infatti, il campione deve innanzitutto essere rappresentativo della popolazione; inoltre, alla base della statistica inferenziale (test di ipotesi e gli intervalli di confidenza) ci stanno le distribuzioni della media campionaria e della varianza campionaria. La prima si distribuisce come una t di Student mentre la seconda ha distribuzione chi-quadrato.
Legata alla distribuzione della varianza campionaria è la distribuzione F di Fisher di cui te ne parlo qui.
Un risultato fondamentale e largamente usato nelle analisi statistiche è il Teorema del Limite Centrale. Quando il campione è abbastanza grande si fa molto spesso riferimento a questo teorema per giustificare l'assunzione di normalità dei dati, ipotesi necessaria per la maggior parte dei test di ipotesi.
Eserciziari di Matematica Generale, Analisi I e II, Statistica, Fisica e Algebra Lineare