Cuadro grande:
Estoy tratando de entender cómo aumentar el tamaño de la muestra aumenta la potencia de un experimento. Las diapositivas de mi profesor explican esto con una imagen de 2 distribuciones normales, una para la hipótesis nula y otra para la hipótesis alternativa y un umbral de decisión c entre ellas. Argumentan que aumentar el tamaño de la muestra reducirá la varianza y, por lo tanto, causará una curtosis más alta, reduciendo el área compartida debajo de las curvas y, por lo tanto, la probabilidad de un error de tipo II.
Pequeña imagen:
No entiendo cómo un tamaño de muestra más grande reducirá la varianza.
Supongo que solo calcula la varianza de la muestra y la usa como parámetro en una distribución normal.
Lo intenté:
- busca en Google , pero las respuestas más aceptadas tienen 0 votos a favor o son simplemente ejemplos
- pensamiento : según la ley de los números grandes, cada valor eventualmente debería estabilizarse alrededor de su valor probable de acuerdo con la distribución normal que asumimos. Y, por lo tanto, la varianza debería converger a la varianza de nuestra distribución normal supuesta. Pero, ¿cuál es la varianza de esa distribución normal y es un valor mínimo, es decir, podemos estar seguros de que nuestra varianza muestra disminuye a ese valor?