Калькулятор распределения выборочного среднего
Вычисляйте 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 задайте значение(я) выборочного среднего, чтобы сразу получить результат.
Калькулятор распределения выборочного среднего
Вычисляйте вероятности для выборочного среднего с помощью центральной предельной теоремы — стандартную ошибку, z-оценку и точную вероятность за секунды.
Вычисляет вероятность того, что выборочное среднее будет меньше заданного значения x₁.
О калькуляторе распределения выборочного среднего
Распределение выборочного среднего описывает, как среднее случайной выборки изменяется от одной выборки к другой при повторном взятии выборок одинакового размера из одной и той же генеральной совокупности. Это одно из важнейших понятий математической статистики, поскольку именно оно лежит в основе доверительных интервалов, проверок гипотез и карт контроля качества почти во всех научных и промышленных областях.
Центральная предельная теорема (ЦПТ) 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 уже даёт отличное приближение. Если сама генеральная совокупность нормально распределена, результат верен для любого размера выборки, даже очень малого.
Стандартная ошибка среднего (SE) количественно описывает разброс распределения выборочных средних. Она равна стандартному отклонению генеральной совокупности σ, делённому на квадратный корень из n: SE = σ / √n. Чем больше выборка, тем меньше SE, а значит, большие выборки дают более точные оценки среднего генеральной совокупности. Это и есть математическое объяснение того, почему удвоение размера выборки уменьшает стандартную ошибку в √2 раза, и почему исследователи стремятся собирать больше данных, чтобы снизить неопределённость.
Как только 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 удалено от истинного среднего μ. Поскольку распределение выборочных средних является (приближённо) нормальным, стандартная нормальная таблица — или её математический эквивалент Φ(z) — даёт точную вероятность того, что выборочное среднее окажется ниже, выше или между заданными значениями.
Этот калькулятор поддерживает три типа вероятностей. Первый, P(X̄ < x), даёт левохвостую вероятность того, что случайная выборка размера n имеет среднее ниже x. Второй, P(X̄ > x), даёт правохвостовую вероятность. Третий, P(x₁ < X̄ < x₂), даёт вероятность того, что выборочное среднее окажется между двумя заданными значениями, и вычисляется как разность двух накопленных нормальных вероятностей.
Практическое применение охватывает все сферы. Инженер по качеству контролирует, выходит ли средний размер партии деталей за допуск. Диетолог проверяет, может ли среднее потребление калорий в выборке правдоподобно происходить из популяции с известным средним. Финансовый аналитик оценивает вероятность того, что средняя дневная доходность за квартал превысит порог. Клинический исследователь определяет, отражает ли среднее снижение давления в выборке реальный эффект в популяции. В каждом случае этот калькулятор выдаёт ответ по вероятности за один расчёт.
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% | Оценки на экзамене: примерно 14% шанс, что у класса из 30 студентов средний балл окажется ниже 78, если истинное среднее равно 80. |
| μ=1000, σ=50, n=40, P(X̄ > 1010) | ≈ 10.3% | Срок службы лампочек: около 10% шанс, что партия из 40 лампочек в среднем превысит 1010 часов. |
| μ=3, σ=0.5, n=50, P(2.9 < X̄ < 3.1) | ≈ 84.3% | Кофейные чашки: вероятность 84%, что выборочное среднее окажется в пределах 0.1 чашки от среднего по популяции. |
| μ=0.05, σ=1, n=100, P(X̄ < 0) | ≈ 30.9% | Доходность акций: около 31% шанс, что средняя доходность за 100 дней будет отрицательной, если 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.
- 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 значение(я) выборочного среднего и нажмите Вычислить, чтобы увидеть стандартную ошибку, z-оценку и точную вероятность.
FAQ по распределению выборочного среднего
Что такое распределение выборочного среднего?
Это распределение вероятностей всех возможных выборочных средних, которые можно получить, многократно выбирая случайные выборки размера n из одной генеральной совокупности. Центральная предельная теорема гарантирует, что при большом n это распределение приближённо нормально, его среднее равно среднему генеральной совокупности μ, а стандартное отклонение равно стандартной ошибке SE = σ/√n.
Что такое стандартная ошибка и чем она отличается от стандартного отклонения?
Стандартное отклонение (σ) измеряет разброс отдельных данных вокруг среднего генеральной совокупности. Стандартная ошибка (SE = σ/√n) измеряет разброс выборочных средних вокруг μ. По мере роста n SE уменьшается — большие выборки дают более точные оценки среднего.
Когда можно использовать этот калькулятор?
Его можно использовать, когда известно стандартное отклонение 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 распределение t.
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, что позволяет перевести это расстояние в вероятность по стандартной нормальной таблице.
Почему при большем размере выборки разброс вероятностей меньше?
Потому что SE = σ/√n: при удвоении n стандартная ошибка уменьшается в √2 раза. Меньшая SE означает более высокое и узкое распределение выборочных средних — они плотнее группируются вокруг μ. В результате экстремальные выборочные средние становятся менее вероятными, а доверительные интервалы — короче, поэтому сбор большего количества данных повышает точность любой оценки.
Что вычисляет режим вероятности 'between'?
Режим between вычисляет P(x₁ < X̄ < x₂) — вероятность того, что случайное выборочное среднее строго попадёт между x₁ и x₂. Она считается как Φ(z₂) − Φ(z₁), где z₁ и z₂ — z-оценки для x₁ и x₂ соответственно. Это полезно, когда нужно узнать, остаётся ли выборочное среднее в допустимом диапазоне вокруг среднего генеральной совокупности.