📊

केंद्रीय सीमा प्रमेय कैलकुलेटर (Central Limit Theorem Calculator)

नमूनाकरण वितरण संभावना · मानक त्रुटि (Standard Error) · Z-स्कोर · लेफ्ट, राइट और बिटवीन टेल्स

संभावना मोड (Probability Mode)

त्वरित उदाहरण (Quick Examples)

केंद्रीय सीमा प्रमेय (Central Limit Theorem) क्या है?

केंद्रीय सीमा प्रमेय (Central Limit Theorem - CLT) सांख्यिकी (statistics) के सबसे महत्वपूर्ण और बुनियादी नियमों में से एक है। यह बताता है कि जैसे-जैसे नमूना आकार (sample size - n) बढ़ता है, किसी जनसंख्या से लिए गए नमूना माध्य (sample mean - X̄) का वितरण सामान्य वितरण (normal distribution) के करीब पहुंच जाता है, भले ही मूल जनसंख्या का वितरण कैसा भी हो।

व्यावहारिक रूप से, 30 या उससे अधिक (n ≥ 30) के नमूना आकार को अधिकांश आबादी के लिए सामान्यता के सन्निकटन के लिए पर्याप्त माना जाता है। यदि मूल जनसंख्या पहले से ही सामान्य रूप से वितरित है, तो यह नियम किसी भी नमूना आकार पर लागू होता है, चाहे वह कितना भी छोटा क्यों न हो। यह प्रमेय परिकल्पना परीक्षणों (hypothesis testing), विश्वास अंतरालों (confidence intervals) और गुणवत्ता नियंत्रण चार्टों के लिए आधारशिला के रूप में कार्य करता है।

केंद्रीय सीमा प्रमेय (CLT) सूत्र

जब माध्य μ और मानक विचलन σ वाली जनसंख्या से नमूना लिया जाता है, तो नमूना माध्य X̄ का नमूनाकरण वितरण निम्नलिखित को संतुष्ट करता है:

  • नमूनाकरण वितरण: X̄ ~ N(μ, σ/√n) बड़े n के लिए
  • मानक त्रुटि (Standard Error): SE = σ / √n — यह नमूनाकरण वितरण का मानक विचलन है
  • Z-सांख्यिकी (Z-score): Z = (X̄ − μ) / SE — यह नमूना माध्य को मानकीकृत करता है
  • लेफ्ट-टेल संभावना: P(X̄ ≤ x) = Φ(Z)
  • राइट-टेल संभावना: P(X̄ ≥ x) = 1 − Φ(Z)
  • बिटवीन संभावना: P(x₁ ≤ X̄ ≤ x₂) = Φ(Z₂) − Φ(Z₁)

यहाँ Φ मानक सामान्य संचयी वितरण कार्य (CDF) को दर्शाता है।

केंद्रीय सीमा प्रमेय के व्यावहारिक उदाहरण (Worked Examples)

उदाहरण 1: परीक्षा के अंक (Exam Scores)

एक विश्वविद्यालय में सांख्यिकी परीक्षा के अंकों का जनसंख्या माध्य μ = 70 और मानक विचलन σ = 12 है। एक प्रोफेसर यादृच्छिक रूप से 36 छात्रों का चयन करता है। क्या संभावना है कि नमूना माध्य स्कोर अधिकतम 73 होगा?

चरण 1: SE = 12 / √36 = 12 / 6 = 2.0
चरण 2: Z = (73 − 70) / 2.0 = 1.50
चरण 3: P(X̄ ≤ 73) = Φ(1.50) ≈ 0.9332 = 93.32%

इस बात की लगभग 93.32% संभावना है कि नमूना माध्य 73 या उससे कम होगा।

उदाहरण 2: विनिर्माण गुणवत्ता नियंत्रण (Manufacturing)

एक कारखाना 500 मिमी (μ) की लक्षित लंबाई और 20 मिमी (σ) के मानक विचलन वाले बोल्ट बनाता है। एक गुणवत्ता नियंत्रण निरीक्षक 16 बोल्ट (n) का नमूना लेता है। क्या संभावना है कि नमूना माध्य लंबाई 505 मिमी से अधिक होगी?

चरण 1: SE = 20 / √16 = 20 / 4 = 5.0
चरण 2: Z = (505 − 500) / 5.0 = 1.00
चरण 3: P(X̄ ≥ 505) = 1 − Φ(1.00) ≈ 1 − 0.8413 = 0.1587 = 15.87%

इसकी लगभग 15.87% संभावना है कि 16 बोल्ट के नमूने की औसत लंबाई 505 मिमी से अधिक होगी। (चूंकि n = 16 < 30 है, इसलिए यह सन्निकटन तभी विश्वसनीय होगा जब बोल्ट की लंबाई पहले से सामान्य वितरण में हो)।

मानक त्रुटि (Standard Error) संदर्भ तालिका

यह तालिका दिखाती है कि σ = 15 (आईक्यू परीक्षण उदाहरण) के लिए नमूना आकार बढ़ने पर मानक त्रुटि कैसे घटती है:

नमूना आकार (n) मानक त्रुटि (SE = 15/√n) n=1 की तुलना में कमी
115.000—
56.70855.3% छोटी
104.74368.4% छोटी
253.00080.0% छोटी
302.73981.7% छोटी
502.12185.9% छोटी
1001.50090.0% छोटी
2001.06192.9% छोटी
5000.67195.5% छोटी

केंद्रीय सीमा प्रमेय (CLT) के अनुप्रयोग

  • परिकल्पना परीक्षण (Hypothesis Testing): CLT हमें गैर-सामान्य आबादी पर भी Z-परीक्षण और t-परीक्षण लागू करने की अनुमति देता है, बशर्ते नमूना आकार काफी बड़ा हो।
  • विश्वास अंतराल (Confidence Intervals): जनसंख्या साधनों के विश्वास अंतरालों का निर्माण CLT का उपयोग करके किया जाता है: X̄ ± z* · (σ/√n)।
  • गुणवत्ता नियंत्रण (Quality Control): विनिर्माण प्रक्रियाओं की स्थिरता पर नजर रखने के लिए X̄ नियंत्रण चार्टों में इसका उपयोग किया जाता है।
  • चुनाव और सर्वेक्षण (Polling): सर्वेक्षक त्रुटि मार्जिन (Margin of Error) की गणना करने और आवश्यक उत्तरदाताओं की संख्या तय करने के लिए इसका उपयोग करते हैं।

अक्सर पूछे जाने वाले प्रश्न (FAQs)

केंद्रीय सीमा प्रमेय क्या है? (What is the Central Limit Theorem?)
केंद्रीय सीमा प्रमेय (CLT) बताता है कि जैसे-जैसे नमूना आकार n बढ़ता है, नमूना माध्य X̄ का नमूनाकरण वितरण सामान्य वितरण के करीब पहुंच जाता है, चाहे जनसंख्या वितरण का आकार कैसा भी हो। यह आमतौर पर पर्याप्त बड़े नमूनों (n ≥ 30) के लिए सच होता है। नमूनाकरण वितरण का माध्य जनसंख्या माध्य μ के बराबर होता है, और मानक विचलन σ/√n के बराबर होता है, जिसे मानक त्रुटि (standard error) कहा जाता है।
केंद्रीय सीमा प्रमेय के लिए कितने नमूना आकार (sample size) की आवश्यकता होती है? (What sample size does the CLT require?)
CLT को आम तौर पर एक अच्छे सन्निकटन (approximation) के लिए n ≥ 30 की आवश्यकता होती है। हालांकि, यदि जनसंख्या पहले से ही सामान्य रूप से वितरित है, तो CLT किसी भी नमूना आकार पर लागू होता है। भारी विषम (skewed) या गैर-सामान्य वितरण के लिए, सन्निकटन के सटीक होने के लिए बड़े नमूना आकार (n ≥ 50 या अधिक) की आवश्यकता हो सकती है।
मानक त्रुटि क्या है? (What is the standard error?)
मानक त्रुटि (SE) नमूना माध्य के नमूनाकरण वितरण का मानक विचलन है। इसकी गणना SE = σ / √n के रूप में की जाती है, जहां σ जनसंख्या का मानक विचलन है और n नमूना आकार है। एक बड़ा नमूना आकार छोटी मानक त्रुटि उत्पन्न करता है, जिसका अर्थ है कि नमूना माध्य जनसंख्या माध्य के अधिक निकट होते हैं।
केंद्रीय सीमा प्रमेय संभावना की व्याख्या कैसे करें? (How do I interpret the CLT probability?)
CLT संभावना बताती है कि कितनी संभावना है कि n आकार के एक यादृच्छिक नमूने का माध्य निर्दिष्ट सीमा में होगा। उदाहरण के लिए, P(X̄ ≤ 73) = 0.9332 का अर्थ है कि दिए गए आकार के यादृच्छिक नमूने का माध्य 73 या उससे कम होने की 93.32% संभावना है। लेफ्ट-टेल P(X̄ ≤ x) देता है, राइट-टेल P(X̄ ≥ x) देता है, और बिटवीन P(x₁ ≤ X̄ ≤ x₂) देता है।

संबंधित कैलकुलेटर

📊
माध्य, माध्यिका और बहुलक कैलकुलेटर
%
प्रतिशत कैलकुलेटर