Comment une distribution d'échantillonnage est affectée lorsque la distribution est pas normal
Dans les statistiques, si une population X a toute distribution qui est pas normale, ou si sa distribution est inconnu, vous ne pouvez pas dire automatiquement la distribution des moyennes d'échantillon
a une distribution normale. Mais incroyablement, vous pouvez utiliser une distribution normale à approximatif la distribution de
- si la taille de l'échantillon est suffisamment grande. Ce résultat important est dû à ce que les statisticiens savent et l'amour que le théorème central limite.
La Théorème central limite (abrégé CLT) Dit que si X t pas avoir une distribution normale (ou sa distribution est inconnu et par conséquent ne peut pas être considérée comme normale), la forme de la distribution d'échantillonnage de
est approximativement normal, tant que la taille de l'échantillon, n, est assez grand. Voilà, vous obtenez une approximatif distribution normale pour les moyens de échantillons de grande taille, même si la distribution des valeurs d'origine (X) est pas normal.
La plupart des statisticiens conviennent que si n est d'au moins 30, cette approximation sera raisonnablement proche dans la plupart des cas, bien que différentes formes de distribution pour X avoir des valeurs différentes de n qui sont nécessaires. Le moins en forme de cloche ou aspect normal la distribution des valeurs d'origine de X sont, plus la taille de l'échantillon pour les moyens de l'échantillon devra être. Plus la taille de l'échantillon (n), Plus la distribution des moyennes des échantillons sera à une distribution normale.