Что утверждает CLT (интуитивно) про выборочное среднее x̄ при достаточно большом n?
AСами исходные данные становятся нормально распределёнными
B
x̄ становится равномерно распределённым на отрезкеCДостаточно
n=5, чтобы x̄ всегда было нормальнымDРаспределение
x̄ (то есть его sampling distribution) становится близким к нормальному при обычных условияхПравильный ответ. По
CLT нормальность относится к sampling distribution среднего, а не к самим данным.Разбор
CLT говорит о поведении среднего по многим выборкам: x̄ как статистика имеет тенденцию к нормальности при росте n. Это не означает, что исходные значения метрики становятся нормальными или что выбросы исчезают. Типичная ошибка — применять CLT к маленьким выборкам или к сильно зависимым наблюдениям без проверки предпосылок.
Проверь себя · 1/3разбор после ответа
Вы 1000 раз берёте случайные выборки размера n из одной популяции и каждый раз считаете
x̄. Что из перечисленного является sampling distribution для x̄?Ещё вопросы по теме «Случайные величины и выборочные распределения»
- Вы посчитали `выборочное среднее` `x̄` по случайной выборке пользователей. Как корректно трактовать `x̄`?
- Вы 1000 раз берёте случайные выборки размера n из одной популяции и каждый раз считаете `x̄`. Что из перечисленного является `sampling distribution` для `x̄`?
- Если стандартная ошибка среднего подчиняется приближению `SE ~ 1/√n`, как изменится `SE`, если размер выборки увеличится с 400 до 1600 (при том же разбросе данных)?
- Что корректнее всего отличает стандартное отклонение данных от стандартной ошибки среднего `SE`?
- Что такое `sampling distribution` статистики (например, `x̄`)?
- Все вопросы по «Случайные величины и выборочные распределения» →