Вероятность и статистика · объяснение и практика
Почему распределение средних может быть близко к нормальному
Определите, какая величина становится примерно нормальной: стандартизованная сумма или среднее, а не исходные наблюдения.

В теме Случайные величины и распределения · Учебная карта
Главная мысль
Для независимых одинаково распределённых величин с конечной ненулевой дисперсией √n(X̄−μ)/σ по распределению стремится к стандартному нормальному закону. Качество приближения при конкретном n проверяется отдельно.
Стандартизация удерживает масштаб
При усреднении независимых одинаковых наблюдений центр остаётся μ, а стандартное отклонение среднего равно σ/√n. Чтобы сравнивать формы распределений при разных объёмах, вычитают μ и делят на это стандартное отклонение. Получается величина Zₙ=√n(X̄−μ)/σ с нулевым ожиданием и единичной дисперсией.
Центральная предельная теорема описывает предельную форму распределения именно этой стандартизованной величины. Исходные наблюдения могут оставаться двоичными, равномерными или сильно асимметричными. Увеличение размера выборки не превращает каждое отдельное наблюдение в нормальное. Среднее при большом объёме при этом сосредоточивается в более узкой окрестности своего центра.
Перенос вероятности на нормальную шкалу
Если X имеет μ=50 и σ=12, среднее из 144 независимых одинаково распределённых наблюдений имеет стандартное отклонение один. При применимости приближения условие X̄≤52 превращается в Z≤2. Дальше нужна площадь под стандартной нормальной кривой слева от двух, а не её высота в точке два.
В расчёте используются параметры распределения, а не автоматически их случайные оценки. Если σ неизвестна и заменяется выборочным отклонением, добавляются условия и неопределённость оценки. Для нормально распределённых наблюдений среднее само нормально при любом объёме; для общего распределения теорема даёт только предельное приближение.
Пример
У наблюдений μ=30, σ=10, объём независимой одинаково распределённой выборки 100. Как стандартизуется событие X̄≤31,5?
Стандартное отклонение среднего равно 10/√100=1. Поэтому порог на стандартной шкале равен (31,5−30)/1=1,5. Деление на 10 вместо 1 использовало бы разброс отдельного наблюдения.
Нет универсального порога «тридцать достаточно»
Скорость приближения зависит от формы исходного распределения, тяжести хвостов и нужной точности вероятности. При редких событиях или сильной асимметрии умеренный объём может быть недостаточен, особенно в далёких хвостах. Одно круглое число наблюдений не является универсальным доказательством нормальности среднего.
В данной версии требуются независимость, одинаковое распределение и конечная положительная дисперсия. Для зависимых данных и бесконечной дисперсии существуют другие теории, но простая формула автоматически не переносится. В ответе полезно разделить точную дисперсию среднего, приближённую форму распределения и фактическую точность численного хвоста: это три разных уровня утверждения.
От чтения к действию
А теперь — вы
Частые вопросы
Большой объём делает исходные данные нормальными?
Нет. При условиях теоремы нормальным приближают стандартизованную сумму или среднее. Распределение отдельных наблюдений остаётся исходным.
Почему делят на σ/√n?
Это стандартное отклонение среднего независимых одинаковых наблюдений. Такая нормировка удерживает дисперсию сравниваемой величины равной единице.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Что закон больших чисел говорит о среднем и чего не обещает
Отличите стабилизацию среднего от обещания следующего исхода и получите вероятностную оценку ошибки для независимых одинаково распределённых наблюдений.
Открыть темуПочему вероятность нормальной величины задаётся площадью, а не высотой кривой
Найдите вероятность нормальной величины через площадь между границами, переведите пороги в стандартную шкалу и не используйте высоту как вероятность точки.
Открыть тему