Que dit le Théorème Central Limite ?

Il dit qu'à mesure que la taille de l'échantillon augmente, la distribution des moyennes d'échantillon se rapproche d'une distribution normale, quelle que soit la forme de la distribution de population sous-jacente — tant que la population a une moyenne et une variance finies.

Qu'est-ce que l'erreur type, et en quoi diffère-t-elle de l'écart-type ?

L'erreur type (σ/√n) mesure la dispersion de la distribution d'échantillonnage de la moyenne, tandis que l'écart-type (σ) mesure la dispersion des valeurs individuelles dans la population. L'erreur type diminue à mesure que la taille de l'échantillon augmente ; l'écart-type de la population non.

Quelle taille d'échantillon faut-il pour que le TCL s'applique ?

Une règle empirique courante est n ≥ 30, bien que les distributions déjà proches de la symétrie nécessitent des échantillons plus petits, et les distributions fortement asymétriques peuvent nécessiter des échantillons plus grands pour que l'approximation normale soit précise.

Pourquoi la moyenne de la distribution d'échantillonnage est-elle égale à la moyenne de la population ?

C'est une conséquence directe du fonctionnement des moyennes : l'espérance d'une moyenne d'échantillon, prise sur tous les échantillons possibles, est toujours égale à la moyenne de la population, quelle que soit la taille de l'échantillon.

Qu'est-ce qu'un score z dans ce contexte ?

Un score z mesure combien d'erreurs types une valeur donnée de moyenne d'échantillon est éloignée de la moyenne de la distribution d'échantillonnage : z = (x̄ − μ) / (σ/√n). C'est la donnée utilisée pour rechercher des probabilités de distribution normale.

Pourquoi augmenter la taille de l'échantillon rend-il le calcul de probabilité plus précis ?

Parce que l'erreur type diminue à mesure que √n augmente, les moyennes d'échantillon se regroupent plus étroitement autour de la moyenne de la population avec des échantillons plus grands, resserrant la plage des valeurs probables de moyenne d'échantillon et affinant les estimations de probabilité.

Puis-je utiliser cela sans l'écart-type de la population ?

Non — l'écart-type de la population est nécessaire pour calculer l'erreur type. S'il est inconnu, vous l'estimeriez généralement à partir de données d'échantillon en utilisant une distribution t à la place, ce que cette calculatrice ne couvre pas.

Où le Théorème Central Limite est-il utilisé dans la vie réelle ?

Il sous-tend les intervalles de confiance, les tests d'hypothèses, les cartes de contrôle qualité, et les marges d'erreur des sondages — essentiellement toute méthode statistique qui repose sur le fait que les moyennes d'échantillon sont approximativement distribuées normalement.

Calculatrice du Théorème Central Limite — Trouvez l'Erreur Type et la Probabilité de la Moyenne d'Échantillon

Notre Calculatrice du Théorème Central Limite applique le TCL pour trouver la distribution d'échantillonnage de la moyenne : étant donné une moyenne de population (μ), un écart-type de population (σ), et une taille d'échantillon (n), elle calcule la moyenne de la distribution d'échantillonnage (égale à μ) et l'erreur type (σ/√n). Optionnellement, saisissez une plage pour trouver la probabilité qu'une moyenne d'échantillon s'y trouve, en utilisant des scores z par rapport à l'approximation normale que le TCL garantit pour des échantillons suffisamment grands.

Réponse rapide

Le Théorème Central Limite dit que les moyennes d'échantillon se rapprochent d'une distribution normale de moyenne μ et d'erreur type σ/√n à mesure que la taille de l'échantillon augmente. Saisissez la moyenne de la population, l'écart-type, et la taille de l'échantillon ci-dessous pour obtenir l'erreur type, ainsi qu'un calcul de probabilité optionnel utilisant des scores z.

Moyenne de la population (μ)

Écart-type de la population (σ)

Taille de l'échantillon (n)

Borne inférieure (optionnel)

Borne supérieure (optionnel)

Saisissez vos paramètres de population, puis cliquez sur Calculer.

Comment utiliser Calculatrice du Théorème Central Limite — Distribution d'Échantillonnage en Ligne

1
Saisissez la moyenne de la population (μ) et l'écart-type de la population (σ).
2
Saisissez la taille d'échantillon (n) à partir de laquelle vous tirez des échantillons répétés.
3
Saisissez optionnellement une borne inférieure et supérieure pour trouver la probabilité qu'une moyenne d'échantillon se trouve dans cette plage.
4
Cliquez sur 'Calculer' pour obtenir l'erreur type et, si une plage a été saisie, la probabilité avec les scores z montrés étape par étape.

Pourquoi utiliser Calculatrice du Théorème Central Limite — Distribution d'Échantillonnage en Ligne ?

Le Théorème Central Limite est la raison pour laquelle les statistiques fonctionnent du tout avec des données du monde réel : quelle que soit la forme de la distribution de population sous-jacente, la distribution des moyennes d'échantillon se rapproche d'une distribution normale à mesure que la taille de l'échantillon augmente, avec une erreur type qui diminue de manière prévisible comme σ/√n. Cela permet de calculer des probabilités sur une moyenne d'échantillon en utilisant la distribution normale familière et les scores z, même lorsque la population elle-même n'est pas normale. Calculer manuellement des scores z et rechercher des probabilités normales est lent et sujet aux erreurs ; cette calculatrice fait les deux instantanément.

Questions fréquentes

Outils similaires

Calculatrice de Distribution de Probabilité — Moyenne, Variance et Écart-Type

Calculez la moyenne, la variance, et l'écart-type de toute distribution de probabilité discrète personnalisée. Calculatrice gratuite qui vérifie que vos probabilités totalisent 1 avec des statistiques étape par étape.

Calculatrice de Probabilité — Règle d'Addition, Conditionnelle et Théorème de Bayes

Calculez des probabilités en utilisant la règle d'addition, la probabilité conditionnelle et le théorème de Bayes. Calculatrice gratuite avec trois modes, solutions étape par étape et résultats instantanés en pourcentage.

Calculatrice de Croissance Exponentielle — A = A₀e^(rt) en Ligne

Calculez la croissance exponentielle en utilisant A = A₀e^(rt) — saisissez le montant initial, le taux de croissance, et le temps pour trouver le montant final et le temps de doublement. Calculatrice gratuite avec solution étape par étape.