Terme de glossaire
Théorème limite central
Le résultat selon lequel les moyennes de nombreuses valeurs indépendantes suivent une distribution normale en forme de cloche — presque indépendamment de la forme des données brutes.
Intuition visuelle
n=4
n=16
n=64
Les moyennes ne se resserrent pas seulement — elles s'accumulent en cloche
Chaque point est la moyenne d'un échantillon, se regroupant symétriquement autour de la vérité et se resserrant à mesure que n grandit. Le théorème limite central ajoute l'affirmation sur la forme que ce croquis ne peut qu'effleurer : accumule suffisamment de ces moyennes et leur histogramme prend la forme d'une cloche, peu importe l'aspect des données brutes.
Exemple
Un seul lancer de dé est plat — chaque face a une de 1/6 — mais la de 100 lancers s'accumule dans une cloche serrée autour de 3,5, et une moyenne proche de 6 devient essentiellement impossible.
Comment ça marche
Les revenus sont asymétriques, les dés sont plats, les lancers de pièces sont deux pics — pourtant, fais la d'un nombre suffisant de n'importe lequel d'entre eux et les moyennes elles-mêmes s'accumulent dans la même forme de cloche. C'est le théorème limite central : les sommes et les moyennes de nombreuses valeurs indépendantes deviennent approximativement normales, presque peu importe l'apparence des ingrédients. C'est pourquoi la apparaît partout où de nombreuses petites influences s'additionnent — erreurs de mesure, tailles, moyennes d'échantillons — et c'est la justification derrière la plupart des intervalles de confiance et des valeurs p, qui supposent que la moyenne sur laquelle ils sont construits est à peu près normale. La garantie concerne les moyennes, et non les données brutes : faire la moyenne ne rend jamais les revenus eux-mêmes en forme de cloche, seulement leurs moyennes.
Concepts
Théorème limite central
Le théorème limite central indique que les moyennes de nombreuses influences aléatoires indépendantes et de taille similaire ont tendance à former une distribution d'échantillonnage en forme de cloche, même lorsque les données d'origine ne le sont pas. Il explique pourquoi les moyennes sont souvent plus prévisibles que les observations individuelles.
Erreur type
L'erreur type est la fluctuation d'échantillonnage typique d'une estimation telle qu'une moyenne. Pour des observations indépendantes, l'erreur type d'une moyenne diminue avec la racine carrée de la taille de l'échantillon, de sorte que diviser l'erreur par deux nécessite généralement quatre fois plus de données.
Faits associés
Probabilité
4 min · moyen
Le théorème limite central donne aux moyennes une allure normale
Les données individuelles peuvent être asymétriques ou désordonnées, tandis que les moyennes de nombreuses observations indépendantes forment souvent un motif net en forme de cloche.
Trucs de données
4 min · facile
Deux fois plus de données ne rendent pas les estimations deux fois plus précises
Pour beaucoup de moyennes, réduire l'erreur aléatoire de moitié demande environ quatre fois plus d'observations. La précision offre des rendements en racine carrée.