ما هو التوزيع المعايني لمتوسط العينة؟
عندما تسحب مرارًا وتكرارًا عينات عشوائية بحجم n من مجتمع إحصائي وتحسب متوسط كل عينة، فإن هذه المتوسطات تكوّن توزيعًا خاصًا بها يُعرف باسم التوزيع المعايني لمتوسط العينة. تحسب لك هذه الأداة مركز هذا التوزيع (المتوسط) ومدى تشتته (الخطأ المعياري) اعتمادًا على ثلاثة مدخلات: متوسط المجتمع \(\mu\)، والانحراف المعياري للمجتمع \(\sigma\)، وحجم العينة \(n\).
كيفية استخدام الحاسبة
أدخل متوسط المجتمع (\(\mu\)) والانحراف المعياري للمجتمع (\(\sigma\)) وحجم العينة (\(n\)). تعرض لك الأداة متوسط التوزيع المعايني (\(\mu_{\bar{x}}\))، والخطأ المعياري (\(\sigma_{\bar{x}}\))، وتباين متوسط العينة (\(\sigma_{\bar{x}}^{2}\)). يخبرك الخطأ المعياري بمقدار التباعد المعتاد بين متوسطات العينات والمتوسط الحقيقي للمجتمع.
شرح المعادلة
يساوي متوسط التوزيع المعايني دائمًا متوسط المجتمع: \(\mu_{\bar{x}} = \mu\). أما التشتت فيتناقص كلما كبر حجم العينة وفق العلاقة:
$$\sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}}$$وبما أننا نقسم على الجذر التربيعي لـ \(n\)، فإن مضاعفة حجم العينة لا تُنقص الخطأ المعياري إلى النصف؛ بل عليك مضاعفة \(n\) أربع مرات لخفض الخطأ المعياري إلى النصف. ووفقًا لنظرية الحد المركزي، يقترب هذا التوزيع من التوزيع الطبيعي عند قيم \(n\) الكبيرة بصرف النظر عن شكل توزيع المجتمع الأصلي.
مثال محلول
لنفترض أن \(\mu = 100\)، و\(\sigma = 15\)، و\(n = 25\). عندها يكون \(\mu_{\bar{x}} = 100\)، و
$$\sigma_{\bar{x}} = \frac{15}{\sqrt{25}} = \frac{15}{5} = 3$$أما التباين فهو \(\sigma_{\bar{x}}^{2} = 3^{2} = 9\). وبذلك تتجمع متوسطات العينات المكوّنة من 25 مشاهدة حول القيمة 100 بخطأ معياري قدره 3.
كيف يغيّر حجم العينة الخطأ المعياري
يثبّت الجدول المتوسط الحسابي للمجتمع عند \(\mu = 100\) والانحراف المعياري للمجتمع عند \(\sigma = 15\)، ثم يغيّر حجم العينة \(n\). يبقى متوسط توزيع المعاينة عند 100 في كل صف. الذي يتغير فقط هو مدى التشتت.
| حجم العينة n | الخطأ المعياري \(\sigma/\sqrt{n}\) | التباين \(\sigma^2/n\) | الخطأ المعياري كنسبة من σ |
|---|---|---|---|
| 1 | 15 | 225 | 1 |
| 4 | 7.5 | 56.25 | 0.5 |
| 9 | 5 | 25 | 0.3333 |
| 25 | 3 | 9 | 0.2 |
| 100 | 1.5 | 2.25 | 0.1 |
| 400 | 0.75 | 0.5625 | 0.05 |
نسبة الخطأ المعياري إلى σ تساوي \(1/\sqrt{n}\). بسبب الجذر التربيعي، مضاعفة حجم العينة أربع مرات تقلل الخطأ المعياري إلى النصف: عند الانتقال من n = 1 إلى 4، ومن 4 إلى 16 (أو من 25 إلى 100، ومن 100 إلى 400)، يُقطع الخطأ المعياري إلى النصف في كل مرة. أما خفضه إلى عُشر القيمة فيتطلب 100 ضعف من الملاحظات، ولذلك تتناقص العائدات كلما جمعنا بيانات أكثر.
تفسير الخطأ المعياري
يقيس الخطأ المعياري \(\sigma_{\bar{x}} = \sigma/\sqrt{n}\) مدى تفاوت متوسطات العينات من عينة إلى أخرى. إذا كان توزيع المعاينة لـ \(\bar{x}\) تقريبًا طبيعيًا (بفضل نظرية الحد المركزي، أو لأن المجتمع نفسه طبيعي)، فإن نحو:
- 68% من متوسطات العينات تقع ضمن خطأ معياري واحد من μ،
- 95% تقع ضمن خطأين معياريين (وبدقة أكبر 1.96)،
- 99.7% تقع ضمن ثلاثة أخطاء معيارية.
مثال: مع \(\mu = 100\) و\(\sigma_{\bar{x}} = 3\) (على سبيل المثال σ = 15 و n = 25):
| نسبة التغطية | الفترة | نطاق متوسطات العينات |
|---|---|---|
| ≈ 68% | \(100 \pm 1(3)\) | من 97 إلى 103 |
| ≈ 95% | \(100 \pm 2(3)\) | من 94 إلى 106 |
| ≈ 99.7% | \(100 \pm 3(3)\) | من 91 إلى 109 |
الخطأ المعياري مقابل الانحراف المعياري. يصف الانحراف المعياري للمجتمع σ مدى تشتت القيم الفردية حول μ. أما الخطأ المعياري فيصف مدى تشتت متوسطات العينات حول μ. وهو أصغر دائمًا من σ عندما يكون n > 1، ويتناقص كلما زاد n.
الطبيعية وحجم العينة. تقول قاعدة عملية شائعة إن n ≥ 30 كافية لكي يكون توزيع معاينة المتوسط تقريبًا طبيعيًا. وهذه مجرد إرشادات: فبالنسبة للمجتمعات المتماثلة تقريبًا قد يكفي n أصغر، بينما بالنسبة للمجتمعات المنحرفة بشدة أو ذات الذيول الثقيلة قد تحتاج إلى عدد أكبر بكثير.
المجتمعات المحدودة. تفترض الصيغة σ/√n أن المعاينة تتم بالإرجاع أو أن المجتمع كبير جدًا. وعند المعاينة دون إرجاع، وكانت العينة تتجاوز نحو 5% من مجتمع حجمه N، يُضرب الخطأ المعياري في معامل التصحيح للمجتمع المحدود \(\sqrt{\frac{N-n}{N-1}}\)، وهو ما يجعله أصغر. هذه الحاسبة لا تطبق هذا التصحيح.
المصطلحات والرموز الأساسية
- متوسط المجتمع (μ): متوسط جميع القيم في المجتمع.
- الانحراف المعياري للمجتمع (σ): المسافة النموذجية للقيم الفردية عن μ في المجتمع.
- حجم العينة (n): عدد الملاحظات في كل عينة.
- متوسط العينة (x̄): متوسط الملاحظات n في عينة واحدة؛ وهو يتغير من عينة إلى أخرى.
- توزيع المعاينة: التوزيع الاحتمالي لإحصائية ما (هنا x̄) عبر جميع العينات الممكنة ذات الحجم n من المجتمع.
- متوسط توزيع المعاينة (\(\mu_{\bar{x}}\)): القيمة المتوقعة لـ x̄، وهي تساوي μ، لذلك فإن متوسط العينة مقدِّر غير متحيز لـ μ.
- الخطأ المعياري (\(\sigma_{\bar{x}}\)): الانحراف المعياري لتوزيع المعاينة لـ x̄، ويساوي \(\sigma/\sqrt{n}\).
- تباين متوسط العينة (\(\sigma_{\bar{x}}^2\)): مربع الخطأ المعياري، أي \(\sigma^2/n\).
- نظرية الحد المركزي: بالنسبة للملاحظات المستقلة من مجتمع ذي تباين محدود، يقترب توزيع المعاينة لـ x̄ من التوزيع الطبيعي كلما زاد n، بغض النظر عن شكل المجتمع.
الأسئلة الشائعة
لماذا يصغر الخطأ المعياري كلما كبرت العينة؟ لأن العينات الأكبر تُلطّف التقلبات العشوائية وتوازنها، فتصبح متوسطاتها أكثر تجمّعًا حول المتوسط الحقيقي.
هل يلزم أن يكون توزيع المجتمع طبيعيًا؟ ليس بالنسبة للمعادلات المستخدمة هنا، فقيمتا المتوسط والخطأ المعياري دقيقتان لأي مجتمع كان. أما اقتراب التوزيع المعايني من الطبيعي فيتحقق تقريبيًا عند قيم \(n\) الكبيرة بفضل نظرية الحد المركزي.
ماذا أفعل إن كان لديّ الانحراف المعياري للعينة فقط؟ إذا كانت \(\sigma\) مجهولة، استخدم الانحراف المعياري للعينة \(s\) كتقدير لها؛ عندها يصبح الخطأ المعياري \(s/\sqrt{n}\)، وغالبًا ما يُستعمل مع توزيع \(t\).