Ano ang Central Limit Theorem?

Ang teorema ng gitnang limitasyon sa mga istatistika ay nagsasaad na ang kabuuan o ibig sabihin ng isang malaking bilang ng mga random na variable ay tinatayang ang normal na pamamahagi.Maaari rin itong mailapat sa mga pamamahagi ng binomial.Ang mas malaki ang laki ng sample, mas malapit ang pamamahagi ay magiging sa normal na pamamahagi.Ang mga normal na pamamahagi ay inilarawan ng ibig sabihin, na kinakatawan ng liham na Greek Mu, at ang karaniwang paglihis, na kinakatawan ng Sigma.Ang ibig sabihin ay ang average lamang, at ito ang punto kung saan ang curve curve ng kampanilya.Ang mga karaniwang paglihis ay nagpapahiwatig kung paano kumalat ang mga variable sa pamamahagi ay mdash;Ang isang mas mababang pamantayang paglihis ay magreresulta sa isang makitid na curve.

kung paano ipinamamahagi ang mga random variable na hindi mahalaga para sa sentral na limitasyon ng teorema at mdash;Ang kabuuan o ibig sabihin ng mga variable ay lalapit pa rin sa isang normal na pamamahagi kung mayroong isang malaking sapat na laki ng sample.Ang halimbawang laki ng mga random na variable ay mahalaga dahil ang mga random na sample ay iguguhit mula sa populasyon upang makuha ang kabuuan o ibig sabihin.Parehong ang bilang ng mga sample na iginuhit at ang laki ng mga halimbawang iyon ay mahalaga.

Upang makalkula ang isang kabuuan mula sa isang sample na iginuhit mula sa mga random na variable, una ang isang laki ng sample ay pinili.Ang laki ng sample ay maaaring kasing liit ng dalawa, o maaari itong maging napakalaki.Ito ay iginuhit nang random at pagkatapos ay ang mga variable sa sample ay idinagdag nang magkasama.Ang pamamaraang ito ay paulit -ulit na paulit -ulit, at ang mga resulta ay graphed sa isang curve ng pamamahagi ng istatistika.Kung ang bilang ng mga sample at ang laki ng sample ay sapat na malaki, ang curve ay magiging malapit sa normal na pamamahagi.ng bawat sample ay kinakalkula.Ang isang mas malaking laki ng sample ay nagbibigay ng mga resulta na mas malapit sa normal na pamamahagi, at karaniwang nagreresulta sa isang mas maliit na karaniwang paglihis din.Tulad ng para sa mga kabuuan, ang isang mas malaking bilang ng mga sample ay nagbibigay ng isang mas mahusay na pagtatantya sa normal na pamamahagi.Ang mga pamamahagi ng binomial ay ginagamit para sa mga kaganapan na may dalawang posibleng mga kinalabasan, tulad ng pag -flipping ng isang barya.Ang mga pamamahagi na ito ay inilarawan ng bilang ng mga pagsubok na isinagawa, n, at ang posibilidad ng tagumpay, p, para sa bawat pagsubok.Ang ibig sabihin at karaniwang mga paglihis para sa isang pamamahagi ng binomial ay kinakalkula gamit ang N at P.Kapag ang n ay napakalaki, ang ibig sabihin at karaniwang mga paglihis ay magiging pareho para sa pamamahagi ng binomial tulad ng para sa normal na pamamahagi.