केंद्रीय सीमा प्रमेय कैलकुलेटर

गणना दर्ज करें

जनसंख्या माध्य (μ)

जनसंख्या मानक विचलन (σ)

नमूना आकार (n)

परिणाम

नमूना माध्य की मानक त्रुटि

2.5

SE = σ / √n

प्रतिचयन वितरण का माध्य (μ_x̄)	100
नमूना माध्य का प्रसरण (σ²/n)	6.25

केंद्रीय सीमा प्रमेय क्या है?

केंद्रीय सीमा प्रमेय (Central Limit Theorem, CLT) सांख्यिकी का एक बुनियादी स्तंभ है। यह बताता है कि जब आप किसी भी जनसंख्या — जिसका माध्य μ और मानक विचलन σ हो — से बार-बार आकार n के यादृच्छिक नमूने लेते हैं, तो नमूना माध्यों का वितरण n बढ़ने के साथ लगभग सामान्य (normal) हो जाता है, चाहे मूल जनसंख्या का आकार कैसा भी हो। यह कैलकुलेटर आपको उसी प्रतिचयन वितरण के दो मुख्य मान देता है: उसका माध्य और उसकी मानक त्रुटि।

जैसे-जैसे नमूना आकार बढ़ता है, माध्य का प्रतिचयन वितरण अधिक सामान्य और संकरा होता जाता है, चाहे जनसंख्या का आकार कुछ भी हो।

इस कैलकुलेटर का उपयोग कैसे करें

जनसंख्या माध्य (μ), जनसंख्या मानक विचलन (σ) और अपना नमूना आकार (n) दर्ज करें। यह टूल प्रतिचयन वितरण का माध्य (जो μ के बराबर होता है), माध्य की मानक त्रुटि (SE) और नमूना माध्य का प्रसरण (\(\sigma^{2}/n\)) लौटाता है। एक आम अंगूठा-नियम यह है कि \(n \ge 30\) होने पर सामान्य सन्निकटन भरोसेमंद हो जाता है।

सूत्र की व्याख्या

CLT हमें माध्य के प्रतिचयन वितरण के बारे में दो बातें बताता है। पहली, इसका केंद्र जनसंख्या के माध्य के समान ही होता है: \(\mu_{\bar{x}} = \mu\)। दूसरी, नमूना जितना बड़ा होता है, इसका फैलाव उतना ही कम होता जाता है:

$$\mu_{\bar{x}} = \text{Mean }(\mu) \qquad SE = \frac{\text{SD }(\sigma)}{\sqrt{\text{Sample size }(n)}}$$

चूँकि \(\sqrt{n}\) से भाग देने पर विचरण घटता है, इसलिए बड़े नमूने सही माध्य का अधिक सटीक अनुमान देते हैं। नमूना माध्य का प्रसरण बस मानक त्रुटि का वर्ग है, यानी \(\sigma^{2}/n\)।

विज्ञापन

नमूना आकार n बढ़ने पर मानक त्रुटि घटती है।

हल किया हुआ उदाहरण

मान लीजिए किसी जनसंख्या का \(\mu = 100\) और \(\sigma = 15\) है, और आप \(n = 36\) आकार के नमूने लेते हैं। तब \(\mu_{\bar{x}} = 100\), और

$$SE = \frac{15}{\sqrt{36}} = \frac{15}{6} = 2.5$$

नमूना माध्य का प्रसरण होगा

$$\frac{15^{2}}{36} = \frac{225}{36} = 6.25$$

यानी नमूना माध्य 100 के आसपास कसकर इकट्ठा होते हैं, और मानक त्रुटि केवल 2.5 रहती है।

अक्सर पूछे जाने वाले सवाल

क्या जनसंख्या का सामान्य (normal) होना ज़रूरी है? नहीं। यही तो CLT की ताकत है — पर्याप्त बड़े n के लिए माध्य का प्रतिचयन वितरण लगभग सामान्य हो जाता है, भले ही जनसंख्या विषम (skewed) क्यों न हो।

कितना नमूना आकार "पर्याप्त बड़ा" माना जाता है? आम दिशानिर्देश \(n \ge 30\) है, हालांकि बहुत अधिक विषम जनसंख्या के लिए इससे ज़्यादा की ज़रूरत पड़ सकती है।

बड़े नमूनों के साथ मानक त्रुटि कम क्यों हो जाती है? अधिक प्रेक्षणों का औसत लेने पर यादृच्छिक उतार-चढ़ाव आपस में कट जाते हैं, इसलिए n बढ़ने के साथ माध्य का अनुमान अधिक स्थिर हो जाता है।