משפט גבול המרכזי
הוצג| English | משמעות |
|---|---|
| Central Limit Theorem/ˈsentrəl ˈlɪmɪt ˈθɪərəm/ | משפט הגבול המרכזי |
| population distribution/ˌpɒpjʊˈleɪʃn ˌdɪstrɪˈbjuːʃn/ | התפלגות אוכלוסייה |
המשפט הכי חשוב
- משפט הגבול המרכזי (CLT) הוא המנוע מאחורי רוב ההסקות.
- הוא אומר: חלוקת הדגימה של ממוצע הדגימה $\bar{x}$ היא ** aproximadamente נורמלית** לדגימה גדולה.
- הדבר נכון לא משנה איזה צורה יש לתפוצה עצמה.
- תוצאה כמעט קסומה – נורמליות נולדת מתוך ממוצעים.
עובד גם עבור אוכלוסיות מוזרות
- חלוקת האוכלוסייה יכולה להיות עקומה, דו-פסגתית או מוזרה.
- אולם ההתפלגות של $\bar{x}$ על פני דגימות רבות עדיין מתבררת כנורמלית בקירוב.
- חישוב הממוצע "מחליק" את הצורה המוזרה של האוכלוסייה.
- ממוצוע "חלק" את הצורה המוזרה של האוכלוסייה.
הנחיות עבור n ≥ 30
- כלל אצבע נפוץ: $n \ge 30$ הוא בדרך כלל מספיק כדי ש-CLT ייכנס לפועל.
- כלל אצבע נפוץ: $n$ הוא לרוב מספיק כדי שה-TCL ייכנס לתפקיד.
- עבור אוכלוסייה סימטרית בקירוב, $n$ קטן יותר יכול להיות כבר מספיק.
- הנחיות זו היא מעשית, ולא חוק מדויק.
n גדול יותר, נורמליות טובה יותר
- ככל גודל הדגימה גדול יותר, כך ההתפלגות הדגימה של $\bar{x}$ תהיה קרובה יותר לנורמלית.
- ככל שגודל הדגימה גדול יותר, כך התפלגות הדגימה של $n$ היא יותר קרובה לנורמלית.
- לכן דגימות גדולות נותנות הערכות שהן גם יותר נורמליות וגם מדויקות יותר.
- לכן, דגימות גדולות מספקות הערכים שנורמליים יותר וגם מדויקים יותר.
ה-CLT עוסק בהתפלגות הדגימה של $\bar{x}$, לא בנתונים עצמם. דגימה גדולה אינה הופכת את האוכלוסייה או את הנתונים הגולמיים לנורמליות — היא גורמת להתפלגות ממוצע הדגימה להיות בערך נורמלית. אם האוכלוסייה כבר נורמלית, $\bar{x}$ הוא בדיוק נורמלי לכל $n$; ה-CLT רלוונטי רק כאשר זה לא המצב.
הכנסות הן בעלות סטייה ימינה חזקה (מספר קטן של מקבלי הכנסות גבוהים מאוד).
- ההכנסות של דוגמה אחת נראות סטיות — ה-CLT אינו אומר כלום על כך.
- אך אם תעבירו את ההכנסות של $n = 50$ אנשים ותחזרו על כך: ערכים אלו $\bar{x}$ יצורו התפלגות נורמלית בקירוב.
- לכן נוכל להשתמש בדגם נורמלי עבור $\bar{x}$ גם אם ההכנסות אינן נורמליות.
משפט הגבול המרכזי קובע שהתפלגות הדגימה של $\bar{x}$ היא כמעט נורמלית לגודל דגימה גדול, גם כאשר ההתפלגות באוכלוסיא אינה נורמלית. הנחלה נפוצה היא $n \ge 30$; דגימה גדולה יותר הופכת את התפלגות הדגימה גם לנורמלית וגם לצרה יותר.
נורמליות נובעת מהממוצע
עבור n גדול, x-bar הוא בערך נורמלי גם מאוכלוסייה מעוותת.
משפט גבול המרכזי אומר שבעבור דגימה גדולה, ההתפלגות הדגימתית של x-bar היא...
Difficulty 1/5 · 100 coins + a small bonus on first completion today
משפט המרכזי הגדול מספק נורמליות מקריבה ל-x-bar עבור n גדול.
משפט המרכזי הגדול דורש שהאוכלוסייה עצמה תהיה נורמלית.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
זה עובד גם עבור אוכלוסיות עקומות — זה בדיוק העניין.
מהו גודל הדוגמה המקובל כמינימום כללי-עשה להחלת משפט המרכזי הגדול?
Difficulty 2/5 · 140 coins + a small bonus on first completion today
n ≥ 30 הוא ההנחיה הרגילה.
ככל שגודל הדוגמה גדל, ההתפלגות הדגימה של x-bar הופכת ל...
Difficulty 1/5 · 100 coins + a small bonus on first completion today
n גדול יותר → יותר נורמלית ומפוזרת פחות.
משפט המרכזי הגדול הופך את ערכי הנתונים הראשוניים לנורמליים, ולא רק את התפלגות x-bar.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
זה קשור להתפלגות הדגימה של הממוצע, לא לנתונים הראשוניים.