ما هي نظرية الحد المركزي؟
تُعدّ نظرية الحد المركزي (CLT) إحدى الركائز الأساسية في علم الإحصاء. تنصّ هذه النظرية على أنك إذا سحبت عيّنات عشوائية متكررة بحجم n من أي مجتمع إحصائي له متوسط \(\mu\) وانحراف معياري \(\sigma\)، فإن توزيع متوسطات العيّنات يقترب تدريجيًا من التوزيع الطبيعي كلما كبر حجم العينة n — بغضّ النظر عن شكل توزيع المجتمع الأصلي. تمنحك هذه الحاسبة القيمتين الأساسيتين لتوزيع المعاينة هذا: متوسطه وخطؤه المعياري.
كيفية استخدام الحاسبة
أدخل متوسط المجتمع (\(\mu\))، والانحراف المعياري للمجتمع (\(\sigma\))، وحجم عينتك (n). تُرجِع الأداة متوسط توزيع المعاينة (الذي يساوي \(\mu\))، والخطأ المعياري للمتوسط (SE)، وتباين متوسط العينة (\(\sigma^2/n\)). ومن القواعد الشائعة المتعارف عليها أن قيمة \(n \geq 30\) تجعل تقريب التوزيع الطبيعي موثوقًا.
شرح المعادلة
تخبرنا نظرية الحد المركزي بأمرين عن توزيع معاينة المتوسط. الأول أن مركزه يساوي مركز المجتمع نفسه:
$$\mu_{\bar{x}} = \mu$$والثاني أن تشتته ينكمش كلما كبرت العيّنات:
$$SE = \frac{\sigma}{\sqrt{n}}$$وبما أن القسمة على \(\sqrt{n}\) تقلّل التشتت، فإن العيّنات الأكبر حجمًا تعطي تقديرات أكثر دقة للمتوسط الحقيقي. أما تباين متوسط العينة فهو ببساطة مربّع الخطأ المعياري، أي \(\sigma^2/n\).
مثال تطبيقي
لنفترض أن لدينا مجتمعًا متوسطه \(\mu = 100\) وانحرافه المعياري \(\sigma = 15\)، وأنك تسحب عيّنات بحجم \(n = 36\). عندئذٍ يكون \(\mu_{\bar{x}} = 100\)، ويكون
$$SE = \frac{15}{\sqrt{36}} = \frac{15}{6} = 2.5$$أما تباين متوسط العينة فهو
$$\frac{15^2}{36} = \frac{225}{36} = 6.25$$وبذلك تتجمّع متوسطات العيّنات بإحكام حول القيمة 100 بخطأ معياري لا يتجاوز 2.5.
الأسئلة الشائعة
هل يجب أن يكون توزيع المجتمع طبيعيًا؟ لا. وهنا تكمن قوة نظرية الحد المركزي — فعند حجم عينة كبير بما يكفي يصبح توزيع معاينة المتوسط قريبًا من التوزيع الطبيعي حتى لو كان المجتمع الأصلي ملتويًا.
ما هو حجم العينة "الكبير بما يكفي"؟ القاعدة الشائعة هي \(n \geq 30\)، رغم أن المجتمعات الشديدة الالتواء قد تحتاج إلى حجم أكبر.
لماذا يقلّ الخطأ المعياري كلما كبرت العيّنات؟ لأن حساب متوسط عدد أكبر من المشاهدات يُلغي التشويش العشوائي، فيصبح تقدير المتوسط أكثر ثباتًا كلما زادت قيمة n.
