Merkezi Limit Teoremi Nedir?
Merkezi Limit Teoremi (CLT), istatistiğin en temel ve güçlü sonuçlarından biridir. Bu teorem, rastgele değişkenlerin toplamlarının veya ortalamalarının dağılımının, orijinal değişkenlerin dağılımından bağımsız olarak normal dağılıma yakınsadığını belirtir.
Merkezi Limit Teoremi, yeterince büyük örneklemlerin ortalamalarının, orijinal popülasyonun dağılımı ne olursa olsun, yaklaşık olarak normal bir dağılım izleyeceğini ifade eden istatistiksel bir prensiptir.
Adım adım çözümlü örnekler
Bir zar atışının ortalaması için CLT nasıl uygulanır?
Tek bir zar atışının beklenen değeri (ortalama) 3.5'tir ve varyansı yaklaşık 2.92'dir. Orijinal dağılım üniformdır.Zarı 30 kez atıp ortalamasını hesapladığınızda, bu ortalamanın dağılımı yaklaşık olarak normal dağılım gösterecektir.Bu normal dağılımın ortalaması hala 3.5 civarında olacak, ancak varyansı (2.92 / 30) civarında olacaktır.
Bir anketteki yanıtların ortalaması için CLT'nin önemi nedir?
Ankete katılanların verdikleri yanıtların dağılımı normal olmayabilir (örneğin, çarpık olabilir).Ancak, yeterince büyük sayıda katılımcıdan alınan yanıtların ortalaması, CLT sayesinde yaklaşık normal dağılım gösterecektir.Bu, istatistiksel çıkarımlar yapmayı ve hipotez testleri uygulamayı kolaylaştırır.
Bilgi kartları
Mini test
S1.Aşağıdakilerden hangisi Merkezi Limit Teoremi'nin bir sonucu DEĞİLDİR?
S2.Bir araştırmacı, popülasyonu normal dağılmayan bir değişkene ait 50 birimlik bir örneklem alıyor. Bu örneklem ortalaması hakkında ne söylenebilir?
S3.Merkezi Limit Teoremi hangi durumda en iyi şekilde işler?
Sık yapılan hatalar
Merkezi Limit Teoremi sadece popülasyon normal dağıldığında geçerlidir. — Doğrusu: Merkezi Limit Teoremi, popülasyon dağılımı normal olmasa bile, yeterli örneklem büyüklüğü (genellikle n≥30) olduğunda örneklem ortalamalarının dağılımının yaklaşık olarak normal olacağını belirtir.
Merkezi Limit Teoremi, tek bir gözlemin dağılımı hakkında bilgi verir. — Doğrusu: Merkezi Limit Teoremi, birden fazla gözlemden oluşan örneklemlerin ortalamalarının dağılımı hakkında bilgi verir, tek bir gözlemin dağılımı hakkında değil.
Sıkça sorulan sorular
CLT'de 'yeterince büyük örneklem' ne anlama gelir?
Genel kabul gören kural n ≥ 30'dur. Ancak, popülasyonun çarpıklık derecesi yüksekse daha büyük örneklemler gerekebilir. Amaç, örneklem ortalamalarının dağılımının normal görünmesidir.
Merkezi Limit Teoremi'nin pratik önemi nedir?
Temel önemi, normal dağılım varsayımının olmadığı durumlarda bile istatistiksel analizler (hipotez testleri, güven aralıkları gibi) yapmamıza olanak tanımasıdır. Bu sayede birçok istatistiksel yöntem uygulanabilir hale gelir.
CLT, örneklem toplamları için de geçerli midir?
Evet, örneklem ortalamaları gibi, yeterince büyük örneklemlerin toplamlarının dağılımı da yaklaşık olarak normal dağılıma yakınsar. Toplamın ortalaması n*μ, varyansı ise n*σ² olur.