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.
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 \(\sigma^2/n\).
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.
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.