نظرية النهاية المركزية | STAT-101

أهم نظرية في الإحصاء

لو كان بإمكانك معرفة نظرية واحدة فقط في كل علم الإحصاء، فستكون نظرية النهاية المركزية (CLT). هذه النظرية تشرح لماذا يظهر التوزيع الطبيعي في كل مكان في الطبيعة والبيانات، ولماذا تعمل الإجراءات الإحصائية القياسية حتى حين لا تكون البيانات بذاتها موزعة توزيعاً طبيعياً، ولماذا منحنى الجرس ليس مجرد حالة خاصة بل هو عامل جذب كوني للمتوسطات.

تجيب نظرية النهاية المركزية على سؤال بسيط في ظاهره: إذا سحبت عينة من أي مجتمع وحسبت متوسط العينة، فكيف يبدو توزيع هذا المتوسط؟ الإجابة — بغض النظر عن شكل المجتمع الأصلي — هي أنه مع تزايد حجم العينة، يقترب توزيع متوسطات العينات من التوزيع الطبيعي. هذا أمر مذهل، وتداعياته تخترق كل فروع الإحصاء.

في هذا الدرس سنصيغ النظرية بدقة، ونبني الحدس البصري عبر أمثلة على توزيعات مختلفة جداً، ونستكشف قاعدة «الحجم الكافي»، ونعرّف الخطأ المعياري، ونمد النظرية لتشمل النسب.

الإعداد: متوسطات العينات كمتغيرات عشوائية

لنفترض أن لدينا مجتمعاً بمتوسط μ وتبايناً منتهياً σ². نسحب عينة عشوائية من n مشاهدة X₁, X₂, …, X_n، كل واحدة مستقلة ومن نفس المجتمع. متوسط العينة هو:

متوسط العينة

\bar{X} = \dfrac{1}{n}\sum_{i=1}^{n} X_i

X̄ هو بحد ذاته متغير عشوائي. كل عينة جديدة من حجم n تعطي قيمة مختلفة (عموماً) لـ X̄.

لأن X₁, …, X_n عشوائية، فإن X̄ عشوائية أيضاً. توزيع أخذ العينات لـ X̄ هو توزيع الاحتمالات لجميع القيم الممكنة لـ X̄ عبر عمليات السحب المتكررة. نتيجتان تترتبان مباشرة من خطية التوقع:

متوسط X̄

E[\bar{X}] = \mu

متوسط العينة غير متحيز لمتوسط المجتمع

تباين X̄

\text{Var}(\bar{X}) = \dfrac{\sigma^2}{n}

التباين يتناقص بعامل n

هاتان النتيجتان تنطبقان على أي مجتمع له متوسط وتباين منتهيان، لأي n. نظرية النهاية المركزية تضيف الحقيقة الثالثة الجوهرية: شكل توزيع X̄ يقترب من الطبيعي مع تزايد n.

الصياغة الرسمية

لتكن X₁, X₂, … متغيرات عشوائية مستقلة ومتماثلة التوزيع (i.i.d.) بمتوسط μ وتباين σ² < ∞. نعرّف المتوسط المعياري للعينة:

نظرية النهاية المركزية

Z_n = \dfrac{\bar{X}_n - \mu}{\sigma / \sqrt{n}} \xrightarrow{d} N(0,\,1)

مع اقتراب n من اللانهاية، يتقارب المتوسط المعياري Z_n توزيعياً نحو N(0, 1). يسري هذا بغض النظر عن توزيع المتغيرات X_i، شريطة أن يكون σ² منتهياً.

بصورة مكافئة: لـ n كبيرة، يكون X̄ موزعاً تقريبياً وفق N(μ, σ²/n):

التوزيع التقريبي لـ X̄

\bar{X} \doteq N\!\left(\mu,\, \frac{\sigma^2}{n}\right)

علامة «≐» تعني «موزع تقريبياً وفق» للـ n الكبيرة. يتحسن التقريب بزيادة n.

الفكرة الجوهرية

لا تفترض نظرية النهاية المركزية أي شيء عن شكل توزيع المجتمع. قد يكون المجتمع منتظماً أو أسياً أو منحرفاً أو ثنائي القمة أو أي شكل آخر. طالما كان التباين منتهياً، فإن متوسطات العينات الكبيرة ستكون موزعة توزيعاً طبيعياً تقريبياً.

هذا هو السبب في أن الإجراءات المستندة إلى التوزيع الطبيعي تعمل بشكل واسع في التطبيق: إنها تُطبَّق على متوسطات العينات لا على البيانات الخام، ومتوسطات العينات طبيعية تقريباً حتى حين لا تكون البيانات كذلك.

التقارب بصرياً

لبناء الحدس، تخيّل إجراء التجربة التالية لأشكال مختلفة من المجتمعات. حدد مجتمعاً (مثلاً، منتظم على [0,1])، اسحب عينات عشوائية كثيرة بحجم n، احسب متوسط كل عينة، وارسم المدرَّج التكراري لهذه المتوسطات.

مجتمع منتظم: Uniform([0,1]) له متوسط 0.5 وتباين 1/12. حتى عند n = 2 يكون توزيع X̄ مثلثياً. عند n = 5 يبدو شبيهاً تماماً بمنحنى الجرس. وعند n = 30 لا يمكن تمييزه بصرياً من المنحنى الطبيعي.

مجتمع أسي: Exponential(1) له متوسط 1 وهو منحرف جداً لليمين. الانحراف في X̄ يتناقص مع تزايد n. عند n = 10 يبدو الشكل الجرسي بالفعل؛ وعند n = 30 يكون التقريب جيداً جداً.

مجتمع برنولي: قلب عملة بـ P(X = 1) = 0.3 متقطع وغير متماثل. تنبأ نظرية CLT بأن X̄ ≈ N(0.3, 0.21/n)، وتؤكد المدرجات التكرارية ذلك لـ n ≥ 30.

ما يثبت وما يتغير

المركز: E[X̄] = μ، دائماً. متوسط العينة مركزه دائماً عند متوسط المجتمع.

الانتشار: SD(X̄) = σ/√n، يتناقص مع حجم العينة. مضاعفة n يقلل الانتشار بعامل √2 ≈ 1.41.

الشكل: يقترب من الطبيعي مع تزايد n. هذا هو مضمون نظرية CLT.

كم تكون العينة «كافية»؟

نظرية CLT هي نتيجة مقاربية: تصف الحد عند n → ∞. عملياً نحتاج معرفة ما يكفي من n كي يكون تقريب الطبيعي موثوقاً.

القاعدة المعروفة هي n ≥ 30. لمعظم المجتمعات متوسطة الانحراف، يعطي n = 30 توزيع أخذ عينات لـ X̄ يُقرَّب جيداً بالطبيعي. غير أن هذا مجرد ضابط إرشادي:

قاعدة n ≥ 30

مجتمعات متماثلة (مثل المنتظم): حتى n = 2 أو 5 يكفي.

انحراف معتدل (مثل الأسي): n ≈ 30 معقول.

انحراف شديد أو ذيول ثقيلة: قد تحتاج n = 100 أو أكثر.

نسب برنولي ذات p متطرف: القاعدة np ≥ 10 و n(1-p) ≥ 10 أكثر موثوقية.

الخطأ المعياري: انتشار متوسطات العينات

للانحراف المعياري لتوزيع أخذ العينات لـ X̄ اسم خاص: الخطأ المعياري (SE). يقيس مقدار تفاوت متوسطات العينات من عينة إلى أخرى.

الخطأ المعياري

\text{SE}(\bar{X}) = \dfrac{\sigma}{\sqrt{n}}

σ هو الانحراف المعياري للمجتمع، n هو حجم العينة. يتناقص SE مع تزايد n — العينات الأكبر تعطي تقديرات أدق لـ μ.

الخطأ المعياري من أكثر الكميات نفعاً في الإحصاء التطبيقي. يخبرك بمدى الثقة في متوسط العينة كتقدير لمتوسط المجتمع. SE صغير يعني دقة عالية؛ SE كبير يعني أنك تحتاج مزيداً من البيانات.

قانون الجذر التربيعي

لتخفيض الخطأ المعياري إلى النصف، يجب مضاعفة حجم العينة أربع مرات (إذ SE ∝ 1/√n). هذا قانون التناقص في العوائد: الانتقال من n = 10 إلى n = 40 يخفض SE إلى النصف، لكن تحتاج الانتقال من n = 100 إلى n = 400 لتخفيض آخر. الدقة مكلفة.

نظرية CLT للنسب

حالة خاصة بالغة الأهمية تتعلق بـنسب العينات. افترض أن لدينا مجتمعاً ثنائياً حيث كل فرد يحمل الخاصية المعنية باحتمال p. في عينة عشوائية من n فرداً، ليكن p̂ = (عدد حاملي الخاصية) / n هو نسبة العينة.

بما أن p̂ هو مجرد متوسط عينة من متغيرات Bernoulli(p) (التي لها متوسط p وتباين p(1-p))، فإن نظرية CLT تنطبق مباشرة:

CLT للنسب

\dfrac{\hat{p} - p}{\sqrt{p(1-p)/n}} \xrightarrow{d} N(0,\,1)

لـ n كبيرة (القاعدة: np ≥ 10 و n(1−p) ≥ 10)، تكون نسبة العينة المعيارية طبيعية معيارية تقريباً.

متوسط p̂

E[\hat{p}] = p

نسبة العينة غير متحيزة لـ p

SE لـ p̂

\text{SE}(\hat{p}) = \sqrt{\dfrac{p(1-p)}{n}}

الخطأ المعياري لنسبة العينة

تُؤسِّس هذه النتيجة مجالاً واسعاً من التطبيقات: استطلاعات الرأي، ضبط الجودة، التجارب السريرية، واختبارات A/B. في كل هذه الحالات، تبرر نظرية CLT للنسب استخدام التوزيع الطبيعي لحساب الفترات الثقة وقيم p.

لماذا نظرية CLT أساس الاستدلال

نظرية CLT ليست مجرد فضول رياضي. إنها المحرك وراء معظم الاستدلال الإحصائي الكلاسيكي. إليك السبب:

الفترات الثقة: فترة الثقة 95% للمتوسط تأخذ الشكل X̄ ± 1.96 × SE. القيمة 1.96 مأخوذة من التوزيع الطبيعي المعياري، وصحة هذه الصيغة تستند إلى نظرية CLT.

اختبارات الفرضيات للمتوسطات: يحسب اختبار Z واختبار t إحصاءة Z = (X̄ − μ₀) / SE ويقارنانها بالتوزيع الطبيعي أو t. تبرر نظرية CLT استخدام هذه التوزيعات حتى حين لا تكون البيانات الخام طبيعية.

معاملات الانحدار: مقدرات المربعات الصغرى هي تركيبات خطية من المشاهدات، مما يجعلها متوسطات عينات. بموجب نظرية CLT، تكون موزعة تقريباً توزيعاً طبيعياً في العينات الكبيرة، مما يبرر اختبارات t وF في الانحدار.

لماذا التوزيع الطبيعي «طبيعي»: أي قياس ينشأ من التجميع التراكمي لمصادر كثيرة صغيرة ومستقلة من التباين سيكون موزعاً توزيعاً طبيعياً تقريبياً — ليس بسبب قانون فيزيائي عميق، بل بسبب نظرية CLT. الأطوال مجموع تأثيرات وراثية وبيئية. أخطاء القياس مجموع اضطرابات عشوائية صغيرة كثيرة. التشويش الإلكتروني مجموع أحداث دقيقة غير مترابطة. نظرية CLT تخبرنا أن كل هذه ستبدو طبيعية.

النقاط الرئيسية

نظرية CLT: لعينات مستقلة متماثلة التوزيع بتباين منتهٍ، يتقارب المتوسط المعياري Z_n = (X̄ − μ)/(σ/√n) توزيعياً نحو N(0,1) مع n → ∞، بصرف النظر عن شكل المجتمع.
توزيع أخذ العينات لـ X̄: المتوسط = μ (غير متحيز)، التباين = σ²/n (يتناقص مع n)، الشكل → طبيعي (CLT).
الخطأ المعياري: SE = σ/√n هو الانحراف المعياري لتوزيع أخذ العينات لـ X̄. تتحسن الدقة مع الجذر التربيعي لـ n — مضاعفة الدقة تستلزم تربيع حجم العينة.
القاعدة الإرشادية: n ≥ 30 كافٍ لمعظم المجتمعات متوسطة الانحراف. يلزم أكثر للمجتمعات شديدة الانحراف أو ذات الذيول الثقيلة.
CLT للنسب: (p̂ − p)/√(p(1−p)/n) → N(0,1) لـ n كبيرة، بشرط np ≥ 10 و n(1−p) ≥ 10.
أساس الاستدلال: الفترات الثقة واختبارات Z وt والانحدار كلها تعتمد على نظرية CLT لتبرير استخدام القيم الحرجة المستندة إلى الطبيعي حتى حين لا تكون البيانات الخام طبيعية.
لماذا التوزيع الطبيعي في كل مكان: أي كمية تنشأ من تأثيرات تراكمية مستقلة كثيرة تكون طبيعية تقريباً — بسبب نظرية CLT، وليس افتراضاً.