Teorema limit pusat (CLT) adalah salah satu hasil yang paling berguna dalam statistik: tidak peduli bagaimana nilai suatu populasi didistribusikan, cara pengambilan sampel acak yang berulang dari populasi tersebut akan menghasilkan pola yang mendekati normal dan dapat diprediksi. Kalkulator ini mengubah teorema tersebut menjadi tiga angka praktis — mean dan penyebaran distribusi sampling, dan probabilitas bahwa mean sampel berada dalam kisaran yang Anda minati.

Cara kerja kalkulator teorema limit pusat

Mengingat mean populasi (μ), deviasi standar populasi (σ), dan ukuran sampel (n), kalkulator menghitung kesalahan standar mean, SE = σ/√n — deviasi standar distribusi sampling x̄. Dengan CLT, distribusi pengambilan sampel tersebut dipusatkan pada μ dan menjadi mendekati normal seiring bertambahnya n, yang memungkinkan kalkulator menggunakan distribusi normal standar untuk menjawab pertanyaan probabilitas tentang x̄.

Untuk tampilan probabilitas, ambang batas rata-rata sampel (atau pasangan batas bawah/atas) dikonversi ke skor-z menggunakan z = (x̄ − μ)/SE, dan area yang sesuai di bawah kurva normal standar akan memberikan probabilitas.

Masukan dan artinya

Rata-rata populasi (μ) adalah rata-rata sebenarnya dari keseluruhan populasi — seringkali tidak diketahui dalam praktiknya, namun diasumsikan diketahui di sini sehingga perilaku teorema tersebut jelas. Deviasi standar populasi (σ) mengukur seberapa tersebar nilai-nilai individu dalam populasi; σ yang lebih besar berarti pengukuran individual lebih bervariasi, sehingga memperluas distribusi pengambilan sampel juga. Ukuran sampel (n) adalah jumlah observasi yang dimasukkan ke dalam setiap rata-rata sampel — hal ini memiliki pengaruh yang sangat besar terhadap presisi karena SE menyusut seiring dengan akar kuadrat n, sehingga melipatgandakan ukuran sampel hanya akan mengurangi separuh kesalahan standar.

Batasan dan kasus tepi

Pengamatan independen dari populasi normal menghasilkan rata-rata sampel yang tepat berdistribusi normal. Untuk populasi lain dengan varians hingga, perhitungan normal merupakan pendekatan yang kelayakannya bergantung pada populasi dan ukuran sampel; n=30 bukan jaminan universal. Bandingkan paling banyak delapan ukuran sampel bilangan bulat positif hingga 1.000.000.

Perbandingan ukuran sampel dengan interval tetap

Bandingkan ketidakpastian rata-rata sampel pada berbagai ukuran sampel dengan rata-rata populasi, simpangan baku populasi, dan interval kejadian tetap. Distribusi populasinya sendiri tidak menyempit.

Pengamatan independen dari populasi normal menghasilkan rata-rata sampel yang tepat berdistribusi normal. Untuk populasi lain dengan varians hingga, perhitungan normal merupakan pendekatan yang kelayakannya bergantung pada populasi dan ukuran sampel; n=30 bukan jaminan universal. Bandingkan paling banyak delapan ukuran sampel bilangan bulat positif hingga 1.000.000.