| English | 意味 |
|---|---|
| Central Limit Theorem/ˈsentrəl ˈlɪmɪt ˈθɪərəm/ | 中心極限定理 |
| population distribution/ˌpɒpjʊˈleɪʃn ˌdɪstrɪˈbjuːʃn/ | 母集団分布 |
最も重要な定理
- 中心極限定理（CLT） は、ほとんどの推論の基盤となるエンジンです。
- それは言います：大規模な標本において、標本平均$\bar{x}$の標本分布はほぼ正規になります。
- 母集団自身の形状がどうであれ、これには関係ありません。
- 平均を取ることで正規性が生まれる、まるで魔法のような結果です。
変則的な母集団でも機能する
- 母集団分布は歪みがある也可以是二峰性或奇異な形であっても構いません。
- それでも、多くの標本における$\bar{x}$の分布は概ね正規になることが判明しています。
- 平均を取ることで、母集団の奇妙な形状が「滑らか」になります。
- 正規分布である必要はありませんが、十分に大きい標本が必要です。
n ≥ 30のガイドライン
- 一般的な目安：$n \ge 30$であれば、通常CLTが機能するために十分です。
- ほぼ対称的な母集団の場合、より小さな$n$でもすでに問題ないことがあります。
- 非常に歪んだ母集団の場合、さらに大きな$n$が必要かもしれません。
- このガイドラインは実用的なものであり、厳密な法則ではありません。
nが大きくなると正規性に近づく
- 標本サイズが大きいほど、$\bar{x}$の標本分布はより正規に近づきます。
- 大きな$n$はまた、標本分布を細く（ばらつきが少なく）します。
- したがって、大規模な標本は、より正規かつより精密な推定値を提供します。
- これが研究設計において標本サイズがこれほど重要である理由です。
中央極限定理（CLT）は$\bar{x}$の標本分布に関するものであり、データそのものではありません。 大きなサンプルではあるとしても、母集団や生データが正規分布になるわけではありません。それはサンプル平均の分布をほぼ正規分布にします。もし母集団がすでに正規分布であれば、$\bar{x}$は$n$のいかなる値に対して厳密に正規分布になります。CLTが必要となるのは、それが正規分布でない場合だけです。
所得は強い右偏りをしています（極めて高収入者が少数いるため）。
- 1つのサンプルの所得は偏って見える——CLTはこのことについては何も述べていません。
- しかし、$n = 50$人の所得の平均を取り、これを繰り返すと、これらの$\bar{x}$値はおよそ正規分布を形成します。
- よって、所得が正規分布ではないにもかかわらず、$\bar{x}$に対して正規モデルを使用できます。
中央極限定理は、母集団分布が正規分布でない場合であっても、大きなサンプルサイズでは$\bar{x}$の標本分布がほぼ正規分布になることを示しています。一般的な指針は$n \ge 30$です。より大きなサンプルでは、標本分布はより正規に近く、かつ狭くなります。
平均を取ることで正規性が生まれる
大きなnであれば、歪んだ母集団であっても x-bar は概ね正規分布に従う。
中心極限定理によれば、大きなサンプルに対して x-bar の標本分布は…
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
CLTは、大きなnに対して x-bar の概ね正規性を保証する。
CLTには母集団自体が正規であることが必要である。
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
歪んだ母集団でも機能する——これが要点である。
CLTを適用するための一般的なルールの最小サンプルサイズは何か？
難易度 2/5 · 140 コイン + 今日初回完了時に小ボーナス付与
n ≥ 30 が一般的なガイドラインである。
サンプルサイズが増加するにつれて、x-bar の標本分布は…
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
大きなn → より正規化され、ばらつきが少なくなる。
CLTは生データそのものを正規にするものではなく、x-bar の分布のみである。
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
生データではなく、平均の標本分布について述べている。