Калькулятор центральной предельной теоремы

Калькулятор центральной предельной теоремы

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

μx‾=Среднее (μ)SE=SD (σ)Объём выборки (n)σx‾2=SD (σ)2Объём выборки (n)\mu_{\bar{x}} = {{\text{Среднее }(\mu)}} \qquad SE = \frac{{{\text{SD }(\sigma)}}}{\sqrt{{{\text{Объём выборки }(n)}}}} \qquad \sigma_{\bar{x}}^{2} = \frac{{{\text{SD }(\sigma)}}^{2}}{{{\text{Объём выборки }(n)}}}
Статистика использования

Реклама

Результаты

Стандартная ошибка выборочного среднего
2,5
Среднее выборочного распределения (μ_x̄) 100
Дисперсия выборочного среднего (σ²/n) 6,25

Сообщить об ошибке на этой странице

Что такое центральная предельная теорема?

Центральная предельная теорема (ЦПТ) — один из фундаментов всей статистики. Она утверждает, что если многократно брать случайные выборки объёмом n из любой совокупности со средним μ и стандартным отклонением σ, то распределение выборочных средних с ростом n приближается к нормальному — и это не зависит от формы исходного распределения совокупности. Этот калькулятор сразу выдаёт два ключевых параметра такого выборочного распределения: его среднее и стандартную ошибку.

Асимметричное распределение совокупности со стрелками к трём колоколообразным выборочным распределениям, которые сужаются с ростом объёма выборки
С ростом объёма выборки выборочное распределение среднего становится более нормальным и узким, независимо от формы распределения совокупности.

Как пользоваться калькулятором

Введите среднее совокупности (μ), её стандартное отклонение (σ) и объём вашей выборки (n). Калькулятор вернёт среднее выборочного распределения (оно равно μ), стандартную ошибку среднего (SE) и дисперсию выборочного среднего (\(\sigma^2/n\)). По распространённому эмпирическому правилу нормальное приближение считается надёжным при n ≥ 30.

Разбираем формулу

ЦПТ говорит нам о выборочном распределении средних две вещи. Во-первых, его центр совпадает с центром совокупности: \(\mu_{\bar{x}} = \mu\). Во-вторых, его разброс уменьшается по мере роста выборок:

$$SE = \frac{\sigma}{\sqrt{n}}$$

Поскольку деление на \(\sqrt{n}\) снижает изменчивость, большие выборки дают более точные оценки истинного среднего. Дисперсия выборочного среднего — это просто квадрат стандартной ошибки, то есть \(\sigma^2/n\).

Реклама
Формула стандартной ошибки — сигма, делённая на квадратный корень из n, с широкой кривой, сужающейся при росте n
Стандартная ошибка уменьшается с ростом объёма выборки n.

Пример с решением

Пусть в совокупности μ = 100 и σ = 15, а вы извлекаете выборки объёмом n = 36. Тогда \(\mu_{\bar{x}} = 100\), а $$SE = \frac{15}{\sqrt{36}} = \frac{15}{6} = 2{,}5$$ Дисперсия выборочного среднего равна $$\frac{15^2}{36} = \frac{225}{36} = 6{,}25$$ Значит, выборочные средние тесно группируются вокруг 100 со стандартной ошибкой всего 2,5.

Частые вопросы

Обязательно ли совокупность должна быть нормальной? Нет. В этом и сила ЦПТ: при достаточно большом n выборочное распределение средних приближается к нормальному, даже если сама совокупность асимметрична.

Какой объём выборки считается «достаточно большим»? Обычно ориентируются на n ≥ 30, хотя для сильно асимметричных совокупностей может потребоваться больше.

Почему стандартная ошибка уменьшается с ростом выборки? Усреднение большего числа наблюдений сглаживает случайный шум, поэтому с ростом n оценка среднего становится устойчивее.

Как размер выборки влияет на стандартную ошибку

В таблице среднее генеральной совокупности фиксировано на уровне \(\mu = 100\), а стандартное отклонение генеральной совокупности — на уровне \(\sigma = 15\). Она показывает, как стандартная ошибка \(SE = \sigma/\sqrt{n}\) и дисперсия выборочного среднего \(\sigma^2/n\) уменьшаются при росте объема выборки \(n\). Среднее выборочного распределения остается равным \(\mu_{\bar{x}} = 100\) при любом \(n\).

Объем выборки n Среднее выборочных средних SE = σ/√n Дисперсия 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

Поскольку \(SE\) зависит от \(\sqrt{n}\), увеличение объема выборки в четыре раза уменьшает стандартную ошибку вдвое. Например, при переходе от \(n = 9\) к \(n = 36\) \(SE\) уменьшается с 5 до 2.5, а при переходе от \(n = 25\) к \(n = 100\) — с 3 до 1.5. Поэтому каждое дальнейшее повышение точности требует все больше данных.

Реклама

Интерпретация стандартной ошибки и выборочного распределения

Для достаточно большой случайной выборки центральная предельная теорема утверждает, что выборочное распределение \(\bar{x}\) приблизительно нормально со средним \(\mu\) и стандартным отклонением \(SE = \sigma/\sqrt{n}\). Когда это приближение выполняется, к выборочным средним применимо эмпирическое правило:

  • Около 68% выборочных средних попадают в пределах ±1 SE от \(\mu\).
  • Около 95% попадают в пределах ±2 SE от \(\mu\).
  • Около 99.7% попадают в пределах ±3 SE от \(\mu\).

Пример: при \(\mu = 100\), \(\sigma = 15\) и \(n = 36\) получаем \(SE = 15/\sqrt{36} = 15/6 = 2.5\). Тогда:

  • ±1 SE: примерно от 97.5 до 102.5 (≈68% выборочных средних)
  • ±2 SE: примерно от 95 до 105 (≈95%)
  • ±3 SE: примерно от 92.5 до 107.5 (≈99.7%)

Стандартная ошибка и стандартное отклонение. Стандартное отклонение \(\sigma\) измеряет, насколько сильно разбросаны отдельные значения в генеральной совокупности. Стандартная ошибка измеряет, насколько сильно выборочные средние отличаются от выборки к выборке. SE всегда меньше \(\sigma\) при \(n > 1\) и уменьшается с ростом \(n\), тогда как \(\sigma\) от \(n\) не зависит.

Чего не говорит ЦПТ. Она описывает распределение выборочных средних, а не отдельных наблюдений. Отдельные значения остаются такими же разбросанными и асимметричными, как и генеральная совокупность. При 36 наблюдениях отдельные баллы по-прежнему варьируются с \(\sigma = 15\), но их среднее варьируется только с \(SE = 2.5\). Насколько быстро приближение становится хорошим, зависит от формы генеральной совокупности: сильно асимметричным совокупностям нужен больший \(n\). Распространенное эмпирическое правило — \(n \ge 30\), но это лишь ориентир.

Ключевые термины и обозначения

Среднее генеральной совокупности (μ)
Среднее всех значений в генеральной совокупности. Оно также является средним выборочного распределения \(\bar{x}\).
Стандартное отклонение генеральной совокупности (σ)
Мера того, насколько сильно отдельные значения генеральной совокупности отклоняются от \(\mu\).
Объем выборки (n)
Количество независимых наблюдений в каждой выборке.
Выборочное среднее (x̄)
Среднее \(n\) наблюдений одной выборки, \(\bar{x} = \frac{1}{n}\sum x_i\). Оно варьируется от выборки к выборке.
Выборочное распределение
Распределение статистики, здесь \(\bar{x}\), по всем возможным выборкам объема \(n\) из генеральной совокупности.
Стандартная ошибка (SE)
Стандартное отклонение выборочного распределения среднего: \(SE = \sigma/\sqrt{n}\).
Дисперсия выборочного среднего
Квадрат стандартной ошибки: \(\sigma^2/n\).
Предположение о независимости / случайной выборке
Формулы предполагают, что наблюдения извлекаются случайно и независимо (либо выборка составляет малую долю большой генеральной совокупности). Смещенная или зависимая выборка может сделать формулу SE неверной, и ЦПТ может не применяться. Генеральная совокупность также должна иметь конечную дисперсию.
Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика