Como a distribuição amostral é afetado quando a distribuição não é normal

Em estatística, se uma população x tem qualquer distribuição que é não normal, ou se sua distribuição é desconhecida, você não pode dizer automaticamente a distribuição das médias amostrais

tem uma distribuição normal. Mas incrivelmente, você pode usar uma distribuição normal aproximado a distribuição de

- se o tamanho da amostra é grande o suficiente. Este resultado importante é devido a que os estatísticos conhecemos e amamos como o Teorema do Limite Central.

o Teorema do limite central (abreviado CLT) Diz que se x faz não têm uma distribuição normal (ou a sua distribuição é desconhecida e, portanto, não pode ser considerado normal), a forma da distribuição de amostragem

é aproximadamente normal, desde que o tamanho da amostra, N, é grande o suficiente. Ou seja, você ter uma aproximado distribuição normal para os meios de amostras de grandes dimensões, mesmo que a distribuição dos valores originais (x) é não normal.

A maioria dos estatísticos concordam que, se n é pelo menos 30, esta aproximação será razoavelmente estreita, na maioria dos casos, no entanto, diferentes formas de distribuição para x têm diferentes valores de n que são necessários. Quanto menos # 147 em forma de sino # 148- ou # 147-148- # aspecto normal da distribuição dos valores originais de x são, quanto maior o tamanho da amostra para o meio da amostra terá de ser. O maior tamanho da amostra (n), A mais próxima da distribuição das médias da amostra será a uma distribuição normal.