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.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

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

У независимых одинаково распределённых наблюдений σ=8, n=64. Каково точное стандартное отклонение среднего?

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