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.