مرکزی حد نظریہ

اوسطوں میں ایک حیران کن نمونہ

تصور کریں آپ اسلام آباد میں ایک بیکری چلاتے ہیں۔ ہر روز مختلف تعداد میں نان فروخت ہوتے ہیں - کبھی 40، کبھی 120، کبھی 75۔ روزانہ فروخت کا کوئی صاف نمونہ نہیں - سب بے ترتیب ہے۔

لیکن ایک حیران کن بات ہے۔ اگر آپ ہر ہفتے کی اوسط فروخت لکھیں، ہفتہ در ہفتہ، تو وہ ہفتہ وار اوسطیں ایک مانوس بیل کرو شکل میں جمع ہونا شروع ہو جاتی ہیں۔ روزانہ اعداد بے ترتیب اور بے قاعدہ تھے لیکن اوسطیں منظم ہو گئیں۔

یہی مرکزی حد نظریہ (CLT) ہے - شماریات کے سب سے اہم خیالات میں سے ایک۔

نظریہ کیا کہتا ہے

مرکزی حد نظریہ کہتا ہے: اگر آپ آبادی سے بار بار کافی بڑے نمونے لیں اور ہر نمونے کی اوسط نکالیں تو ان اوسطوں کی تقسیم تقریباً نارمل (بیل کرو) ہوگی - چاہے اصل آبادی کی تقسیم کچھ بھی ہو۔

یہ حیرت انگیز ہے۔ اصل ڈیٹا ترچھا ہو سکتا ہے، یکساں ہو سکتا ہے، U شکل میں ہو سکتا ہے - اوسطیں پھر بھی بیل کرو بنائیں گی۔

نمونے کا حجم کتنا بڑا ہونا چاہیے؟

عام طور پر 30 یا اس سے زیادہ کا نمونہ کافی ہے۔ اگر اصل تقسیم پہلے سے تقریباً نارمل ہے تو چھوٹا نمونہ بھی کام کرے گا۔ اگر اصل تقسیم بہت ترچھی یا عجیب ہے تو بڑے نمونے کی ضرورت ہے۔

یہ اتنا اہم کیوں ہے

CLT وہ بنیاد ہے جس پر زیادہ تر استنباطی شماریات کھڑی ہے:

• اعتماد کے وقفے اس پر انحصار کرتے ہیں کہ نمونے کی اوسط تقریباً نارمل تقسیم ہوتی ہے۔
• فرضیے کی جانچ اسی اصول پر مبنی ہے۔
• سروے اور رائے شماری - جب 1,500 لوگوں سے 22 کروڑ کے بارے میں نتائج نکالے جاتے ہیں تو CLT ہی اس کو ممکن بناتا ہے۔

نمونے کی اوسط کا معیاری خطا

CLT ایک اور اہم بات بتاتا ہے: نمونے کی اوسطوں کا پھیلاؤ نمونے کے حجم کے بڑھنے سے کم ہوتا ہے۔ اسے "معیاری خطا" کہتے ہیں:

معیاری خطا = معیاری انحراف ÷ √نمونے کا حجم

ایک عام غلط فہمی

CLT یہ نہیں کہتا کہ اصل ڈیٹا نارمل ہو جائے گا۔ آمدنی کی تقسیم ترچھی ہے اور رہے گی۔ CLT کہتا ہے کہ نمونوں کی اوسطوں کی تقسیم نارمل ہوگی۔ اصل ڈیٹا اور نمونوں کی اوسطیں دو الگ چیزیں ہیں۔