Le théorème central limite: ce qui est assez grand
En un mot, le théorème central limite dit que vous pouvez utiliser la distribution normale pour décrire le comportement d'un échantillon signifie, même si les valeurs individuelles qui composent la moyenne de l'échantillon ne sont pas normaux eux-mêmes. Mais cela est seulement possible si la taille de l'échantillon est “ assez grand ”. Statistiques de nombreux manuels vous diraient que n
devra être d'au moins 30.Mais pourquoi est- n = 30 l'indice de référence? De nombreuses variables dans la nature, de la finance et d'autres applications ont une distribution qui est très proche de la courbe normale. Par exemple, en examinant la t-table, vous voyez que les diverses valeurs de t commencer à être vraiment proche des valeurs de z au moment où vous frappez à environ 30 degrés de liberté. Une raison à cela est que le t-distributions et la répartition partagent deux caractéristiques normales importantes: Ils sont symétriques, et ils sont unimodales (ayant un pic).
Si la distribution de vos valeurs individuelles de données est loin de l'une de ces qualités, vous pourriez avoir besoin de plus qu'une taille de 30 de l'échantillon à utiliser le théorème central limite. Le plus loin les données est d'être symétrique et unimodale, les données plus vous aurez besoin.
Symétrie
Si vous savez ou soupçonnez que votre distribution parent est pas symétrique autour de la moyenne, alors vous pouvez avoir besoin d'une taille d'échantillon qui est significativement plus grande que 30 pour obtenir l'échantillon possible signifie regarder normale (et donc utiliser le théorème central limite).
Considérons la droite en suivant; histogramme asymétrique, qui enregistre le nombre d'animaux domestiques par ménage.
Maintenant, supposons qu'il représente l'ensemble de la population des ménages. Vous répétée échantillon n = 30 ménages de cette population. Voici ce que la distribution de l'échantillon les moyens possibles ressemble.
Vous pouvez voir que cette distribution est pas normal parce que la queue droite étend encore plus loin sur le pic central que la queue gauche fait. Il est pas symétrique. Pour cette population, vous devez prendre un échantillon d'environ n = 100 pour obtenir l'échantillon moyen de régler en une courbe symétrique.
Unimodal
Si vous savez ou soupçonnez que votre distribution de parent est pas unimodale et a plus d'un pic, alors vous pourriez avoir besoin de plus de 30 dans votre échantillon de se sentir bien en utilisant le théorème central limite.
Considérons le multimodal histogramme de la population suit avec trois pics distincts.
Si vous ne l'échantillon n = 30 de cette population, vous obtenez une distribution unimodale, mais il ya encore pas tout à fait symétrique.
Pour cette population, vous devez prendre un échantillon d'au moins n = 50 à l'aise que votre moyenne de l'échantillon de distribution est à peu près normal.
-
Econométrie et la distribution de t -
La distribution chi-carré en économétrie -
Trouver les valeurs critiques bilatéral pour tester une hypothèse pour un petit échantillon -
Comment une distribution normale affecte la forme d'une distribution d'échantillonnage -
Comment une distribution d'échantillonnage est affectée lorsque la distribution est pas normal -
Comment taille de l'échantillon affecte erreur standard
Comment le théorème central limite est utilisée dans les statistiques La distribution normale est utilisée pour aider à mesurer la précision de nombreuses statistiques, dont la moyenne d'échantillon, en utilisant un résultat important appelé le Théorème central limite. Ce théorème vous donne la possibilité…
Comment calculer un intervalle de confiance pour la moyenne d'une population avec écart-type inconnu et / ou de petite taille de l'échantillon Vous pouvez calculer un intervalle de confiance (IC) de la moyenne, ou moyenne, d'une population, même si l'écart type est inconnu ou la taille de l'échantillon est petit. Quand une caractéristique statistique qui est mesuré (comme le revenu,…
Comment calculer la marge d'erreur pour un échantillon moyen Lorsque vous une question de recherche demande de trouver une statistique moyenne de l'échantillon (ou moyenne), vous devez signaler une marge d'erreur, ou ME, pour la moyenne de l'échantillon. La formule générale de la marge d'erreur pour…
Comment convertir une distribution d'échantillonnage à une variable aléatoire normale standard utilisant le théorème central limite Vous pouvez utiliser le théorème central limite pour convertir une distribution d'échantillonnage à une variable aléatoire normale standard. Basé sur le théorème central limite, si vous dessinez des échantillons à partir d'une population…
Comment trouver percentiles pour une distribution de t Lorsque vous voulez trouver percentiles pour une t-distribution, vous pouvez utiliser la t-table. UN percentile est un numéro sur une distribution statistique dont le moins que la probabilité est la percentage- donnée par exemple, le 95e centile…
Comment trouver les probabilités pour un échantillon moyen Dans les statistiques, vous pouvez facilement trouver les probabilités pour une moyenne de l'échantillon si elle a une distribution normale. Même si elle n'a pas une distribution normale, ou la distribution est pas connue, vous pouvez trouver des…
Comment trouver la distribution d'échantillonnage d'une proportion d'échantillon Si vous utilisez une taille suffisante de l'échantillon statistique, vous pouvez appliquer le théorème central limite (CLT) à une proportion de l'échantillon pour les données catégorielles pour trouver sa distribution d'échantillonnage. La…
Comment trouver T * -values pour des intervalles de confiance Les intervalles de confiance estimer les paramètres de la population, comme la moyenne de population, en utilisant une statistique (par exemple, la moyenne de l'échantillon) plus ou moins une marge d'erreur. Pour calculer la marge d'erreur pour un…
Comment dire à un z-distribution à partir d'une distribution de t Bien que la normale (Z-) Distribution et t-la distribution sont similaires, ils regardent différents les uns des autres et sont utilisées à des fins statistiques différentes. La distribution normale est que la distribution en forme de cloche…
Distributions statistiques: binomiale, et t-distribution normale Une distribution statistique est une liste des valeurs possibles d'une variable (ou intervalles de valeurs), et combien de fois (ou à ce que la densité) ils se produisent. Il peut prendre plusieurs formes, y compris binomiale, normale, et…
Distributions de probabilité continue Lorsque vous travaillez avec des distributions de probabilités continues, les fonctions peuvent prendre de nombreuses formes. Ceux-ci comprennent uniforme continue, exponentielle, normale, normale standard (Z), approximation binomiale, Poisson…
Cueillette des échantillons de populations L'idée d'échantillonnage d'une population est un des concepts les plus fondamentaux dans les statistiques - en fait, de toute la science. Par exemple, vous ne pouvez pas tester la façon dont un médicament de chimiothérapie travaillera en tous…
Montrer la distribution avec des histogrammes Histogrammes sont des diagrammes à barres qui montrent quelle fraction des sujets ont des valeurs relevant des intervalles déterminés. Le but principal d'un histogramme est de vous montrer comment les valeurs d'une valeur numérique sont…
Comment utiliser le théorème central limite pour six sigma Qu'est-ce qui se passe quand vous prenez répétition d'échantillons de la même population? Cette idée est important lorsque vous utilisez le théorème central limite pour Six Sigma. Imaginez lancer une pièce dix fois et en comptant le nombre…