توزيعات المعاينة ونظرية النهاية المركزية
توزيع المعاينة هو التوزيع الاحتمالي لإحصائية، مثل متوسط العينة، عبر جميع العينات الممكنة ذات الحجم المعطى. تنص نظرية النهاية المركزية على أنه بالنسبة للعينات الكبيرة بما فيه الكفاية، يكون توزيع المعاينة للمتوسط طبيعيًا تقريبًا بغض النظر عن شكل البيانات الأساسية. يفسران معًا سبب عمل فترات الثقة والاختبارات القائمة على التوزيع الطبيعي على نطاق واسع.
Definition
توزيع المعاينة هو توزيع القيم التي ستتخذها الإحصائية عبر جميع العينات الممكنة ذات الحجم الثابت من مجتمع إحصائي؛ تنص نظرية النهاية المركزية على أن توزيع المعاينة لمتوسط العينة يقترب من التوزيع الطبيعي مع زيادة حجم العينة، مهما كان شكل المجتمع الإحصائي.
Scope
يغطي هذا المدخل مفهوم توزيع المعاينة، والخطأ المعياري كمدى له، ونظرية النهاية المركزية ودور حجم العينة، والتمييز بين الانحراف المعياري للأفراد والخطأ المعياري للإحصائية. ويربط هذه الأفكار بفترات الثقة واختبار الفرضيات. وهو مرجع منهجي وليس إرشادًا سريريًا.
Core questions
- ما هو توزيع المعاينة للإحصائية ولماذا هو مهم؟
- كيف يختلف الخطأ المعياري عن الانحراف المعياري؟
- ماذا تضمن نظرية النهاية المركزية، وتحت أي شروط؟
- كيف يؤثر حجم العينة على دقة التقدير؟
Key concepts
- الإحصائية مقابل المعلمة
- توزيع المعاينة
- الخطأ المعياري
- الخطأ المعياري مقابل الانحراف المعياري
- حجم العينة والدقة
- التقريب الطبيعي للمتوسط
- أساس فترات الثقة والاختبارات
Key theories
- نظرية النهاية المركزية
- بالنسبة للملاحظات المستقلة من مجتمع ذي تباين محدود، يميل توزيع متوسط العينة نحو التوزيع الطبيعي مع نمو حجم العينة، بغض النظر عن شكل المجتمع؛ وهذا يبرر الاستدلال القائم على التوزيع الطبيعي للمتوسطات حتى عندما تكون القياسات الفردية غير طبيعية التوزيع.
Mechanisms
إذا تم سحب عينات متكررة من نفس الحجم من مجتمع إحصائي، فإن إحصائية مثل المتوسط ستختلف من عينة إلى أخرى؛ توزيع تلك القيم هو توزيع المعاينة، وانحرافه المعياري هو الخطأ المعياري. بالنسبة لمتوسط العينة، يساوي الخطأ المعياري الانحراف المعياري للمجتمع مقسومًا على الجذر التربيعي لحجم العينة، لذا تتحسن الدقة مع نمو العينات ولكن فقط مع الجذر التربيعي لـ n. تضيف نظرية النهاية المركزية أنه بالنسبة للعينات الكبيرة بما فيه الكفاية، يكون توزيع المعاينة هذا طبيعيًا تقريبًا حتى عندما تكون البيانات نفسها ملتوية، بشرط أن تكون الملاحظات مستقلة وأن يكون التباين محدودًا. هذا هو محرك الاستدلال الكلاسيكي: يتم بناء فترة الثقة للمتوسط عن طريق الابتعاد بعدد من الأخطاء المعيارية عن التقدير تحت الافتراض التقريبي للطبيعية، وتقارن العديد من اختبارات الفرضيات تقديرًا بتوزيع المعاينة الخاص به. يجب التمييز بين الخطأ المعياري، الذي يتقلص مع حجم العينة، والانحراف المعياري للملاحظات الفردية، الذي يقدر انتشار المجتمع ولا يتقلص.
Clinical relevance
تعتمد فترات الثقة والقيم الاحتمالية (p-values) المبلغ عنها في الدراسات السريرية ودراسات الصحة العامة على توزيع المعاينة للتقدير ونظرية النهاية المركزية، لذا فإن فهمها يساعد في الحكم على دقة التأثيرات المبلغ عنها. هذا المدخل هو خلفية منهجية وليس أساسًا للقرارات السريرية الفردية.
History
ظهرت الأشكال المبكرة لنظرية النهاية المركزية في تقريب دي موافر الطبيعي للتوزيع ذي الحدين وفي عمل لابلاس حوالي عام 1810، وتم وضع شروط عامة صارمة بواسطة لياغونوف وآخرين حوالي عام 1900. أصبح منظور توزيع المعاينة محوريًا للاستدلال في أوائل القرن العشرين ولا يزال التبرير القياسي لفترات الثقة والاختبارات القائمة على التوزيع الطبيعي في الإحصاء الحيوي.
Debates
- ما مدى كبر حجم العينة اللازم لتطبيق نظرية النهاية المركزية؟
- يتحسن التقريب مع حجم العينة، ولكن مدى كبر الحجم الكافي يعتمد على مدى التواء البيانات؛ فبالنسبة للتوزيعات الملتوية بشكل ملحوظ، هناك حاجة إلى عينات أكبر بكثير قبل أن يصبح توزيع المتوسط طبيعيًا بشكل مقبول، لذا لا توجد قاعدة عامة واحدة تناسب جميع الحالات.
Key figures
- Pierre-Simon Laplace
- Abraham de Moivre
- Aleksandr Lyapunov
Related topics
Seminal works
- altman-bland-2005-se
- rosner-2015
Frequently asked questions
- ما الفرق بين الانحراف المعياري والخطأ المعياري؟
- يقيس الانحراف المعياري انتشار الملاحظات الفردية، بينما يقيس الخطأ المعياري انتشار إحصائية، مثل متوسط العينة، عبر العينات؛ ينخفض الخطأ المعياري مع نمو حجم العينة، بينما يقدر الانحراف المعياري كمية ثابتة للمجتمع.
- لماذا يمكننا استخدام التوزيع الطبيعي للمتوسط حتى عندما تكون البيانات ملتوية؟
- تنص نظرية النهاية المركزية على أن توزيع المعاينة للمتوسط يصبح طبيعيًا تقريبًا مع زيادة حجم العينة بغض النظر عن شكل البيانات، لذا فإن الطرق القائمة على التوزيع الطبيعي للمتوسط غالبًا ما تكون صالحة مع عينات كبيرة بما فيه الكفاية حتى عندما لا تكون القيم الفردية موزعة طبيعيًا.