تعریف
مرکزی حد کا نظریہ (CLT) بتاتا ہے کہ نمونے کی اوسط کی تقسیم نمونے کے حجم میں اضافے کے ساتھ نارمل تقسیم کے قریب آتی ہے، اصل آبادی کی تقسیم کی شکل سے قطع نظر۔ یہ اس وقت درست ہے جب نمونے آزاد ہوں اور نمونے کا حجم کافی بڑا ہو۔
یہ کیسے کام کرتا ہے
اصل ڈیٹا کیسا بھی نظر آئے - ترچھا، یکساں، دو چوٹیوں والا - دہرائے گئے نمونوں کی اوسط گھنٹی کا منحنی بنائے گی۔
ایک پاسہ پھینکنے سے برابر (یکساں) تقسیم ملتی ہے - 1 سے 6 تک ہر نمبر کا امکان برابر ہے۔
لیکن اگر آپ 30 پاسے پھینکیں اور اوسط ریکارڈ کریں، پھر یہ 1,000 بار دہرائیں تو ان اوسط کی تقسیم گھنٹی کی شکل کی ہوگی، 3.5 کے مرکز میں۔
فی پھینک جتنے زیادہ پاسے، اوسط کی تقسیم اتنی ہی کامل نارمل منحنی کے قریب ہوگی۔
یہ کیوں اہم ہے
مرکزی حد کا نظریہ شاید شماریات کا سب سے اہم نظریہ ہے۔ یہ اعتماد کے وقفوں، مفروضے کی جانچ، اور بہت سے دوسرے طریقوں کے استعمال کو جائز قرار دیتا ہے جو نارمل ہونے کا فرض کرتے ہیں۔ CLT کے بغیر، یہ ٹولز صرف اس ڈیٹا پر کام کریں گے جو پہلے سے نارمل طور پر تقسیم ہو، جو حقیقی دنیا میں نایاب ہے۔
CLT یہ بھی بتاتا ہے کہ اوسط انفرادی پیمائشوں سے زیادہ قابل اعتماد کیوں ہیں۔ نمونے کی اوسط کا تغیر نمونے کے حجم میں اضافے کے ساتھ کم ہوتا ہے (1/n کے مربع جذر کے فیکٹر سے)، اسی لیے بڑے مطالعات زیادہ درست تخمینے دیتے ہیں۔
مرکزی حد کا نظریہ اس بات کی ضمانت دیتا ہے کہ کافی بڑے نمونوں کے لیے نمونے کی اوسط تقریبا نارمل ہے۔ یہی وجہ ہے کہ زیادہ تر شماریاتی طریقے اصل ڈیٹا کی شکل سے قطع نظر کام کرتے ہیں۔