樣本平均抽樣分配計算機

樣本平均的抽樣分配描述的是：當從同一母體中反覆抽取相同樣本數的隨機樣本時，樣本平均會如何在不同樣本之間變動。它是推論統計中最重要的概念之一，因為幾乎所有科學與工業領域中的信賴區間、假設檢定與品質管制圖都建立在這個理論基礎上。 中央極限定理（CLT）讓這個分配變得實用。CLT 指出，不論母體分配的形狀如何，隨著樣本數 n 增加，樣本平均的抽樣分配都會趨近常態分配。實務上，當樣本數達到 30 或以上時，這種近似通常已經非常好。若母體本身就服從常態分配，則不論樣本數多小，這個結果都成立。 平均數的標準誤（SE）用來衡量抽樣分配的離散程度。它等於母體標準差 σ 除以樣本數 n 的平方根：SE = σ / √n。樣本數越大，SE 越小，表示更大的樣本能更精確地估計母體平均數。這也解釋了為什麼樣本數加倍時，標準誤會按 √2 的比例縮小，以及為什麼研究者願意蒐集更多資料來降低不確定性。 一旦知道標準誤，任何樣本平均 x̄ 都可以透過 z = (x̄ − μ) / SE 轉換成 z 分數。z 分數表示 x̄ 距離真實母體平均數 μ 有多少個標準誤。由於抽樣分配（近似）服從常態分配，標準常態表——或其數學形式 Φ(z)——就能給出樣本平均低於、高於或介於指定值之間的精確機率。 本計算機支援三種機率類型。第一種，P(X̄ < x)，給出樣本數為 n 的隨機樣本其平均數低於 x 的左尾機率。第二種，P(X̄ > x)，給出右尾（上尾）機率。第三種，P(x₁ < X̄ < x₂)，給出樣本平均介於兩個指定值之間的機率，計算方式是兩個累積常態機率之差。 它的實際用途遍及各個領域。品質工程師會監控一批零件的平均尺寸是否超出公差；營養師會檢查抽樣族群的平均熱量攝取是否與已知母體平均數相符；金融分析師會估計某一季的平均日報酬是否超過門檻；臨床研究者會判斷樣本中的平均降壓效果是否反映了真實的人群效應。在這些情境中，這個計算機都能一次計算給出所需機率。