केंद्रीय सीमा थीओरेम (सीएलटी) सांख्यिकी में एक बुनियादी सिद्धांत है, जिसमें कहा गया है कि, पर्याप्त रूप से बड़े नमूने के आकार को देखते हुए, सैंपल का वितरण मूल आबादी के वितरण की परवाह किए बिना सामान्य वितरण के पास होगा. यह थियोरेम सही अर्थ और वेरिएंस वाली आबादी पर लागू होता है, जिससे सांख्यिकीविदों को सैंपल डेटा का उपयोग करके आबादी मापदंडों के बारे में अनुमान लगाने की अनुमति मिलती है. CLT आत्मविश्वास के अंतराल के निर्माण और हाइपोथेसिस टेस्ट करने के लिए महत्वपूर्ण है, क्योंकि यह सैंपल डिस्ट्रीब्यूशन में सामान्यता की धारणा का आधार प्रदान करता है. यह फाइनेंस, गुणवत्ता नियंत्रण और सामाजिक विज्ञान सहित विभिन्न क्षेत्रों में महत्वपूर्ण भूमिका निभाता है.
परिभाषा:
The Central Limit Theorem states that if you take sufficiently large random samples from a population with a finite mean (μ) and finite variance (σ²), the distribution of the sample means will be approximately normally distributed, regardless of the original population’s distribution.
शर्तेँ:
स्वतंत्रता: सैंपल एक-दूसरे से अलग होना चाहिए.
नमूना आकार:
आमतौर पर, सीएलटी को होल्ड करने के लिए 30 या उससे अधिक का सैम्पल साइज़ पर्याप्त रूप से बड़ा माना जाता है, हालांकि यह मूल जनसंख्या वितरण के आधार पर अलग-अलग हो सकता है.
अर्थ और मानक विचलन:
- The mean of the sampling distribution (the distribution of sample means) will be equal to the population mean (μ).
- सैंपल डिस्ट्रीब्यूशन के स्टैंडर्ड डेविएशन की गणना स्टैंडर्ड एरर (SE) के रूप में भी की जाती है:
SE=σ/√n
where σ is the population standard deviation and n is the sample size.
असामान्यता में परिवर्जन:
- जैसे-जैसे सैंपल का साइज़ बढ़ता है, सैंपल के डिस्ट्रीब्यूशन का आकार सामान्य डिस्ट्रीब्यूशन के करीब हो जाता है, चाहे अंतर्निहित आबादी आमतौर पर वितरित की जाती है, खोद जाती है या कोई अन्य आकार होती है.
प्रभाव
सांख्यिकीय अंतरण:
- सीएलटी कई सांख्यिकीय विधियों और परीक्षणों के लिए नींव प्रदान करता है, जिससे सांख्यिकीविदों को नमूना आंकड़ों का उपयोग करके आबादी के मापदंडों के बारे में अनुमान लगाने में सक्षम.
कॉन्फिडेंस इंटरवल:
- सीएलटी जनसंख्या के लिए आत्मविश्वास अंतराल के निर्माण की अनुमति देता है, क्योंकि सैंपल का मतलब सामान्य वितरण का पालन करने के लिए माना जा सकता है.
हाइपोथिसिस परीक्षण:
- कई हाइपोथेसिस टेस्ट सैंपल के सैंपलिंग डिस्ट्रीब्यूशन में सामान्यता की धारणा पर निर्भर करते हैं, जो बड़े सैंपल साइज़ के लिए CLT द्वारा उचित है.
आवेदन
क्वालिटी कंट्रोल:
- मैन्युफैक्चरिंग और क्वालिटी अश्योरेंस में, CLT का उपयोग प्रोडक्ट माप के सैंपल साधनों का विश्लेषण करके प्रोसेस की निगरानी करने के लिए किया जाता है.
फाइनेंस:
- फाइनेंस में, समय के साथ एसेट के औसत रिटर्न का आकलन करने के लिए CLT लागू किया जाता है, जिससे रिस्क मैनेजमेंट और पोर्टफोलियो ऑप्टिमाइज़ेशन की अनुमति मिलती है.
सर्वे सेम्पलिंग:
- शोधकर्ता सर्वेक्षण डेटा का विश्लेषण करने के लिए CLT का उपयोग करते हैं, जिससे नमूने से व्यापक आबादी तक खोज को सामान्य बनाना संभव हो जाता है.
निष्कर्ष
केंद्रीय सीमा थीओरेम सांख्यिकीय सिद्धांत का एक आधार है, जो नमूना साधनों के व्यवहार के बारे में आवश्यक जानकारी प्रदान करता है और सांख्यिकीय विश्लेषणों की विस्तृत श्रृंखला को सुविधाजनक बनाता है. विभिन्न डिस्ट्रीब्यूशन को सामान्य डिस्ट्रीब्यूशन अंडरपिन से सांख्यिकी में कई तरीकों से जोड़ने की इसकी क्षमता, जिससे यह विभिन्न क्षेत्रों में शोधकर्ताओं और विश्लेषकों के लिए एक महत्वपूर्ण टूल बन जाता है.
