Калькулятор распределения выборочного среднего
Рассчитывайте вероятности для выборочного среднего с помощью центральной предельной теоремы: стандартную ошибку, z-оценку и точную вероятность за секунды.
Введите среднее генеральной совокупности, стандартное отклонение и размер выборки, затем выберите тип вероятности и укажите значения выборочного среднего, чтобы сразу получить результат.
Калькулятор распределения выборочного среднего
Рассчитывайте вероятности для выборочного среднего с помощью центральной предельной теоремы: стандартную ошибку, z-оценку и точную вероятность за секунды.
Рассчитать вероятность того, что выборочное среднее меньше заданного значения x₁.
О калькуляторе распределения выборочного среднего
Распределение выборочного среднего описывает, как среднее случайной выборки меняется от одной выборки к другой, когда из одной и той же генеральной совокупности многократно извлекаются выборки одинакового размера. Это одно из важнейших понятий выводной статистики, поскольку оно служит теоретической основой для доверительных интервалов, проверки гипотез и контрольных карт качества практически во всех научных и промышленных областях.
Центральная предельная теорема (ЦПТ) — это механизм, который делает это распределение полезным. ЦПТ утверждает, что независимо от формы распределения генеральной совокупности распределение выборочного среднего приближается к нормальному распределению по мере увеличения размера выборки n. На практике размер выборки 30 и более обычно достаточен для отличного приближения. Если генеральная совокупность уже распределена нормально, результат справедлив для любого размера выборки, каким бы малым он ни был.
Стандартная ошибка среднего (SE) количественно описывает разброс распределения выборочного среднего. Она равна стандартному отклонению генеральной совокупности σ, деленному на квадратный корень из n: SE = σ / √n. Чем больше размер выборки, тем меньше SE, а значит, большие выборки дают более точные оценки среднего генеральной совокупности. Это математическое объяснение того, почему удвоение размера выборки уменьшает стандартную ошибку вдвое и почему исследователи собирают больше данных, чтобы снизить неопределенность.
Когда стандартная ошибка известна, любое выборочное среднее x̄ можно преобразовать в z-оценку по формуле z = (x̄ − μ) / SE. z-оценка показывает, на сколько стандартных ошибок x̄ отстоит от истинного среднего генеральной совокупности μ. Поскольку распределение выборочного среднего приблизительно нормально, таблица стандартного нормального распределения — или ее математический эквивалент Φ(z) — дает точную вероятность того, что выборочное среднее окажется ниже, выше или между заданными значениями.
Калькулятор поддерживает три типа вероятности. Первый, P(X̄ < x), дает левостороннюю вероятность того, что случайная выборка размера n имеет среднее ниже x. Второй, P(X̄ > x), дает правостороннюю (верхнюю) вероятность. Третий, P(x₁ < X̄ < x₂), дает вероятность того, что выборочное среднее находится между двумя заданными значениями, и вычисляется как разность двух накопленных нормальных вероятностей.
Практические применения охватывают любые области. Инженер по качеству контролирует, не выходит ли средний размер партии компонентов за пределы допуска. Диетолог проверяет, может ли среднее потребление калорий в выбранной группе правдоподобно происходить из совокупности с известным средним. Финансовый аналитик оценивает вероятность того, что средняя дневная доходность за квартал превысит порог. Клинический исследователь определяет вероятность того, что среднее снижение артериального давления в выборке отражает реальный эффект в генеральной совокупности. В каждом случае этот калькулятор дает ответ по вероятности за один расчет.
Примеры распределения выборочного среднего
Реальные сценарии, показывающие, как применять калькулятор распределения выборочного среднего.
| Сценарий | Вероятность | Интерпретация |
|---|---|---|
| μ=80, σ=10, n=30, P(X̄ < 78) | ≈ 13.6% | Экзаменационные баллы: примерно 14% вероятность того, что средний балл класса из 30 студентов будет ниже 78, когда истинное среднее равно 80. |
| μ=1000, σ=50, n=40, P(X̄ > 1010) | ≈ 10.3% | Срок службы ламп: около 10% вероятность того, что средний срок службы партии из 40 ламп превысит 1010 часов. |
| μ=3, σ=0.5, n=50, P(2.9 < X̄ < 3.1) | ≈ 84.3% | Чашки кофе: 84% вероятность того, что выборочное среднее окажется в пределах 0.1 чашки от среднего генеральной совокупности. |
| μ=0.05, σ=1, n=100, P(X̄ < 0) | ≈ 30.9% | Доходность акций: 31% вероятность того, что средняя доходность за 100 дней будет отрицательной, когда истинное среднее равно 0.05%. |
Как пользоваться калькулятором распределения выборочного среднего
- Введите среднее генеральной совокупности (μ) — известное или предполагаемое среднее всей совокупности.
- Введите стандартное отклонение генеральной совокупности (σ) — оно должно быть положительным числом.
- Введите размер выборки (n) — число наблюдений в каждой выборке (целое число ≥ 2).
- Выберите тип вероятности: P(X̄ < x) для левого хвоста, P(X̄ > x) для правого хвоста или P(x₁ < X̄ < x₂) для интервальной вероятности.
- Введите значения выборочного среднего и нажмите Рассчитать, чтобы увидеть стандартную ошибку, z-оценку и точную вероятность.
FAQ по распределению выборочного среднего
Что такое распределение выборочного среднего?
Это вероятностное распределение всех возможных выборочных средних, которые можно получить при многократном извлечении случайных выборок размера n из генеральной совокупности. Центральная предельная теорема гарантирует, что при большом n это распределение приблизительно нормально, со средним, равным среднему генеральной совокупности μ, и стандартным отклонением, равным стандартной ошибке SE = σ/√n.
Что такое стандартная ошибка и чем она отличается от стандартного отклонения?
Стандартное отклонение (σ) измеряет разброс отдельных точек данных вокруг среднего генеральной совокупности. Стандартная ошибка (SE = σ/√n) измеряет разброс выборочных средних вокруг μ. SE уменьшается по мере роста n — большие выборки дают более точные оценки среднего.
Когда можно использовать этот калькулятор?
Его можно использовать, когда известно стандартное отклонение генеральной совокупности σ и размер выборки n достаточно велик для применения центральной предельной теоремы (обычно n ≥ 30). Он также корректен для любого n, если сама генеральная совокупность нормально распределена. Если σ неизвестно, следует использовать t-распределение.
Как здесь вычисляется z-оценка?
z-оценка вычисляется как z = (x̄ − μ) / SE, где x̄ — указанное вами выборочное среднее, μ — среднее генеральной совокупности, а SE = σ/√n. Она показывает, на сколько стандартных ошибок целевое выборочное среднее удалено от среднего генеральной совокупности, позволяя таблице стандартного нормального распределения преобразовать это расстояние в вероятность.
Почему больший размер выборки дает меньший разброс вероятностей?
Поскольку SE = σ/√n, удвоение n уменьшает SE в √2 ≈ 1.41 раза. Меньшая SE означает, что распределение выборочного среднего становится выше и уже — выборочные средние плотнее группируются вокруг μ. В результате экстремальные выборочные средние становятся менее вероятными, а доверительные интервалы — короче, поэтому сбор большего объема данных повышает точность любой оценки.
Что вычисляет режим вероятности «между»?
Режим «между» вычисляет P(x₁ < X̄ < x₂) — вероятность того, что случайное выборочное среднее строго окажется между x₁ и x₂. Она вычисляется как Φ(z₂) − Φ(z₁), где z₁ и z₂ — z-оценки для x₁ и x₂ соответственно. Это полезно, когда нужно узнать вероятность того, что выборочное среднее останется в приемлемом диапазоне вокруг среднего генеральной совокупности.