中心极限定理计算器

中心极限定理解释了正态分布为何广泛出现于统计推断中。当从具有有限均值和方差的总体中抽取独立观测值时，随着样本量增大，样本均值的分布会近似正态分布。即使原总体偏斜或非正态，也可能如此。抽样分布以总体均值为中心，其标准差称为标准误。 对于总体均值μ、总体标准差σ和样本量n，均值的标准误为σ/√n。因此，样本量增大时，样本均值会更紧密地聚集在μ附近。要计算样本均值位于上下界之间的概率，可用z = (x̄ - μ)/(σ/√n)将两个边界分别转换为z分数。所求概率就是标准正态曲线在这两个z分数之间的面积。 假设总体均值为100，标准差为15。每个样本含36个观测值时，标准误为15/6 = 2.5。下界95与上界105分别对应z分数-2与2。标准正态分布在这两点之间的面积约为95.45%，因此在该模型下，重复抽样得到的样本均值约有95.45%会落在此区间。 这一定理是渐近结论，并不意味着任何包含30个观测值的样本都会自动呈正态。近似改善的速度取决于总体形状。接近正态的总体可能只需较小样本，而严重偏斜或重尾总体可能需要更多数据。观测值之间的依赖、无限方差、强烈的选择偏差，或不具代表性的抽样过程，都可能使简单计算失效。不过，如果原总体本身是正态分布，那么对于任意正的样本量，样本均值都严格服从正态分布。 本计算器假设总体标准差已知。实际推断中，它常由样本数据估计，此时置信区间和检验可能采用t分布，尤其是在小样本情况下。显示的概率描述给定总体模型下重复随机抽样的表现，并非某个固定但未知参数位于输入区间内的概率。本工具适用于抽样分布练习、质量控制规划、调查估计和概率核算，但应确认其假设符合产生观测数据的研究设计。