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.
كيف يغير حجم العينة الخطأ المعياري
يثبت الجدول متوسط المجتمع عند \(\mu = 100\) والانحراف المعياري للمجتمع عند \(\sigma = 15\). ويوضح كيف ينخفض الخطأ المعياري \(SE = \sigma/\sqrt{n}\) وتباين متوسط العينة \(\sigma^2/n\) مع زيادة حجم العينة \(n\). ويبقى متوسط توزيع المعاينة عند \(\mu_{\bar{x}} = 100\) لكل \(n\).
| حجم العينة n | متوسط متوسطات العينات | الخطأ المعياري SE = σ/√n | التباين σ²/n |
|---|---|---|---|
| 1 | 100 | 15 | 225 |
| 4 | 100 | 7.5 | 56.25 |
| 9 | 100 | 5 | 25 |
| 25 | 100 | 3 | 9 |
| 36 | 100 | 2.5 | 6.25 |
| 100 | 100 | 1.5 | 2.25 |
| 400 | 100 | 0.75 | 0.5625 |
لأن \(SE\) يعتمد على \(\sqrt{n}\)، فإن مضاعفة حجم العينة أربع مرات تقلل الخطأ المعياري إلى النصف. فعلى سبيل المثال، الانتقال من \(n = 9\) إلى \(n = 36\) يخفض \(SE\) من 5 إلى 2.5، والانتقال من \(n = 25\) إلى \(n = 100\) يخفضه من 3 إلى 1.5. لذلك تتطلب كل درجة إضافية من الدقة بيانات أكثر بشكل متزايد.
تفسير الخطأ المعياري وتوزيع المعاينة
بالنسبة إلى عينة عشوائية كبيرة بما يكفي، تنص نظرية الحد المركزي على أن توزيع المعاينة لـ \(\bar{x}\) يقارب التوزيع الطبيعي بمتوسط \(\mu\) وانحراف معياري \(SE = \sigma/\sqrt{n}\). وعند تحقق هذا التقريب، تنطبق القاعدة التجريبية على متوسطات العينات:
- نحو 68% من متوسطات العينات تقع ضمن ±1 SE من \(\mu\).
- نحو 95% تقع ضمن ±2 SE من \(\mu\).
- نحو 99.7% تقع ضمن ±3 SE من \(\mu\).
مثال: مع \(\mu = 100\)، و\(\sigma = 15\)، و\(n = 36\)، فإن \(SE = 15/\sqrt{36} = 15/6 = 2.5\). إذن:
- ±1 SE: نحو 97.5 إلى 102.5 (≈68% من متوسطات العينات)
- ±2 SE: نحو 95 إلى 105 (≈95%)
- ±3 SE: نحو 92.5 إلى 107.5 (≈99.7%)
الخطأ المعياري مقابل الانحراف المعياري. يقيس الانحراف المعياري \(\sigma\) مدى تشتت القيم الفردية في المجتمع. ويقيس الخطأ المعياري مدى تشتت متوسطات العينات من عينة إلى أخرى. والخطأ المعياري أصغر دائمًا من \(\sigma\) عندما يكون \(n > 1\)، ويتناقص مع زيادة \(n\)، بينما لا يتغير \(\sigma\) مع \(n\).
ما لا تقوله نظرية الحد المركزي. تصف النظرية توزيع متوسطات العينات، لا توزيع الملاحظات الفردية. وتظل القيم الفردية متشتتة وملتوية بالقدر نفسه الذي يكون عليه المجتمع. مع 36 ملاحظة، لا تزال الدرجات الفردية تتفاوت بـ \(\sigma = 15\)، لكن متوسطها يتفاوت فقط بـ \(SE = 2.5\). وتعتمد سرعة جودة التقريب على شكل المجتمع: فالمجتمعات شديدة الالتواء تحتاج إلى \(n\) أكبر. والقاعدة الإرشادية الشائعة هي \(n \ge 30\)، لكنها مجرد إرشاد.
المصطلحات والرموز الرئيسية
- متوسط المجتمع (μ)
- متوسط جميع القيم في المجتمع. وهو أيضًا متوسط توزيع المعاينة لـ \(\bar{x}\).
- الانحراف المعياري للمجتمع (σ)
- مقياس لمدى تفاوت القيم الفردية في المجتمع حول \(\mu\).
- حجم العينة (n)
- عدد الملاحظات المستقلة في كل عينة.
- متوسط العينة (x̄)
- متوسط الملاحظات \(n\) في عينة واحدة، \(\bar{x} = \frac{1}{n}\sum x_i\). ويتغير من عينة إلى أخرى.
- توزيع المعاينة
- توزيع إحصاءة ما، هنا \(\bar{x}\)، على جميع العينات الممكنة ذات الحجم \(n\) من المجتمع.
- الخطأ المعياري (SE)
- الانحراف المعياري لتوزيع معاينة المتوسط: \(SE = \sigma/\sqrt{n}\).
- تباين متوسط العينة
- مربع الخطأ المعياري: \(\sigma^2/n\).
- افتراض الاستقلالية / أخذ العينات العشوائي
- تفترض الصيغ أن الملاحظات مسحوبة عشوائيًا ومستقلة (أو أن العينة جزء صغير من مجتمع كبير). وقد يجعل أخذ العينات المتحيز أو المعتمد صيغة الخطأ المعياري غير صحيحة، وقد لا تنطبق نظرية الحد المركزي. ويجب أيضًا أن يكون للمجتمع تباين محدود.
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.