Merkezi Limit Teoremi Nedir? Örneklerle Anlatım
Basira Editör Ekibi · · 9 dk okuma · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım
Aa Yazı boyutu
Anahtar çıkarımlar
- Merkezi limit teoremi ham verinin değil, örneklem ortalamalarının dağılımı hakkındadır: varyansı sonlu bir kitleden bağımsız örneklemler çekildiğinde ortalamaların dağılımı n büyüdükçe normale yaklaşır.
- Ortalamaların merkezi μ, yayılımı σ/√n'dir (standart hata); bu ikisi her örneklem büyüklüğünde geçerlidir. Teoremin asıl söylediği, dağılımın biçiminin normale yaklaşmasıdır.
- Yaklaşmanın hızı kitlenin çarpıklığına bağlıdır: ortalamaların çarpıklığı γ₁/√n kadardır. Kitlenin çarpıklığı iki katına çıkarsa aynı simetri için dört kat gözlem gerekir; bu yüzden "n ≥ 30 ise normallik sorun değil" genel bir kural değildir.
- Teorem, t-testi ve ANOVA'nın hafif normal dışı veride de kullanılabilmesinin gerekçesidir. Belirgin normal dışılık için |G1| > 2 ya da |G2| > 7 ölçütü ise teoremin değil, açıkça yazılmış bir karar kuralının parçasıdır.
İçindekiler
Merkezi limit teoremi, aynı kitleden bağımsız olarak çekilen n büyüklüğündeki örneklemlerin ortalamalarının, kitlenin dağılımı ne olursa olsun (varyansı sonlu olduğu sürece) n büyüdükçe normal dağılıma yaklaştığını söyler. Teorem ham verinin değil, örneklem ortalamalarının dağılımı hakkındadır; yaklaşmanın hızı da kitlenin çarpıklığına bağlıdır.
Bu yazı teoremi bir benzetimle gösterir ve iki yaygın yanlışı düzeltir: “veri büyüdükçe normalleşir” ve “n ≥ 30 ise normallik sorun değil”. Kitle, örneklem ve standart hata kavramları kitle ve örneklem yazısında, normalliğin nasıl inceleneceği ise normallik testi yazısında anlatılır.
Merkezi limit teoremi nedir?
Merkezi limit teoremi, aynı kitleden çekilen örneklemlerin ortalamalarının dağılımının, örneklem büyüdükçe normal dağılıma yaklaştığını söyleyen olasılık teoremidir.
Bir kitleden n birimlik bir örneklem çekip ortalamasını hesapladığınızı, sonra bunu binlerce kez yinelediğinizi düşünün. Her örneklem biraz farklı bir ortalama verir. Bu ortalamaların oluşturduğu dağılıma ortalamanın örnekleme dağılımı denir. Merkezi limit teoremi bu dağılımın biçimini anlatır.
Teoremin en sık kullanılan biçimi şudur: gözlemler bağımsızsa, aynı dağılımdan geliyorsa ve bu dağılımın ortalaması μ, standart sapması σ sonluysa, standartlaştırılmış örneklem ortalaması n büyüdükçe standart normal dağılıma yaklaşır (Casella ve Berger, 2002):
Burada örneklem ortalaması, ve kitlenin ortalaması ve standart sapması, örneklem büyüklüğüdür; üstünde yazan ok, n büyüdükçe soldaki büyüklüğün dağılımının sağdaki dağılıma yaklaştığını (dağılımda yakınsama) gösterir.
Paydadaki büyüklük, ortalamanın standart hatasıdır:
Teoremin üç parçası
Ortalamaların örnekleme dağılımı hakkında üç şey söylenir; yalnız üçüncüsü merkezi limit teoreminin kendisidir:
- Merkez: Ortalamaların ortalaması kitle ortalamasına (μ) eşittir. Bu her örneklem büyüklüğünde doğrudur; örneklem ortalaması yansız bir kestiricidir.
- Yayılım: Ortalamaların standart sapması σ/√n’dir. Bu da her n’de doğrudur ve örneklem dört katına çıkınca standart hatanın yarıya inmesinin nedenidir.
- Biçim: Kitle normal değilse ortalamaların dağılımı da tam normal değildir, ama n büyüdükçe normale yaklaşır. Kitle normalse ortalamaların dağılımı her n’de tam normaldir.
Kuramın kökü, de Moivre’nin binom dağılımına normal eğriyle yaklaşmasına ve Laplace’ın bu sonucu genellemesine uzanır; bugünkü genel koşullarıyla kanıtı 20. yüzyılın ilk yarısında tamamlandı (Fischer, 2011).
Teorem neden bu kadar önemli?
Çıkarımsal istatistiğin birçok aracı ortalamanın, ya da ortalamalar arasındaki farkın, yaklaşık normal dağıldığına dayanır. Ortalama için kurulan bir güven aralığı, standart hatanın belirli bir katı kadar genişliğe sahiptir; bu katsayı normal ya da t dağılımından gelir. Yukarıdaki Z, bir gözlemi değil bir ortalamayı standartlaştırır; tek bir gözlemin standartlaştırılması z puanı yazısının konusudur. Bir oran da 0 ve 1’lerden oluşan bir verinin ortalamasıdır; oranlar için kurulan yaklaşık aralıklar da aynı teoreme dayanır.
Merkezi limit teoremi neyi söylemez?
Merkezi limit teoremi ham verinin normalleştiğini, 30 gözlemin her kitlede yettiğini ya da büyük örneklemin yanlılığı giderdiğini söylemez.
Teorem sık sık söylemediği şeyler için kullanılır. Aşağıdaki tablo en yaygın karışıklıkları toplar.
| Yaygın ifade | Doğrusu |
|---|---|
| Örneklem büyüdükçe veri normal dağılır | Verinin dağılımı kitlenin dağılımıdır; büyüyen örneklem onu daha net gösterir. Normale yaklaşan, ortalamaların dağılımıdır. |
| n ≥ 30 ise normallik sorun değil | Gereken büyüklük kitlenin çarpıklığına ve ne hesaplandığına bağlıdır; çok çarpık kitlede 30 yetmeyebilir. |
| Teorem her veride geçerlidir | Bağımsız gözlem ve sonlu varyans gerekir. |
| Büyük örneklem yanlılığı giderir | Teorem şans kaynaklı değişkenliği anlatır; seçim yanlılığını gidermez. |
| Her istatistiğin dağılımı aynı hızla normale yaklaşır | Varyans ve korelasyon gibi istatistiklerin örnekleme dağılımı ortalamanınkinden farklı hızda yaklaşır; örneğin örneklem varyansınınki kitlenin basıklığına bağlıdır. |
İki koşul özellikle önemlidir. Birincisi bağımsızlıktır: aynı sınıftan, aynı aileden ya da aynı kişiden tekrarlı ölçümler birbirine benzer ve etkili örneklem büyüklüğü göründüğünden küçük olur. İkincisi sonlu varyanstır: Cauchy dağılımı gibi çok ağır kuyruklu bir dağılımda ortalamanın kendisi tanımlı değildir ve kaç gözlem toplanırsa toplansın ortalamalar normale yaklaşmaz. Ortalaması tanımlı ama varyansı sonsuz bir kitlede de (ör. serbestlik derecesi 2 olan t dağılımı) teoremin olağan biçimi geçmez.
Teorem yanlılık konusunda da bir şey vaat etmez. Örneklemi büyütmek yalnız şans kaynaklı hatayı küçültür; kitleyi temsil etmeyen bir seçim yöntemi büyük bir örneklemde de aynı yanlılığı taşır. Bu ayrım kitle ve örneklem yazısında bir anket örneğiyle anlatılır.
Örnek: üstel bir kitleden çekilen ortalamalar nasıl dağılır?
Sağa çarpık üstel bir kitleden çekilen ortalamaların merkezi ve yayılımı küçük örneklemde de kurama uyar; dağılımın biçimi ise n büyüdükçe normale yaklaşır, ama 30 gözlemde de hâlâ sağa çarpıktır.
Bir şubeye gelen müşteriler arasındaki süreyi düşünün. Bu tür bekleme süreleri çoğu zaman üstel dağılımla modellenir: çoğu aralık kısadır, birkaçı çok uzundur. Ortalaması 1 dakika olan üstel dağılımda standart sapma da 1 dakikadır; çarpıklık 2, fazla basıklık 6’dır. Yani kitle belirgin biçimde sağa çarpıktır.
Bu kitleden önce 5, sonra 30 gözlemlik 10.000’er örneklem çekildi ve her örneklemin ortalaması hesaplandı. Benzetim öğretici amaçla hazırlanmıştır; her iki kutudaki sayılar aynı başlangıç değeriyle (tohum) yeniden üretilebilir.
- Örneklem büyüklüğü (n)
- 5
Bu örnekteki tüm sayılar NumPy 2.2.6 ile bağımsız olarak yeniden hesaplanır.
- Örneklem büyüklüğü (n)
- 30
Bu örnekteki tüm sayılar NumPy 2.2.6 ile bağımsız olarak yeniden hesaplanır.
| Ölçü | n = 5 | n = 30 |
|---|---|---|
| Ortalamaların ortalaması (kitlede μ = 1) | 1.00 | 1.00 |
| Ortalamaların standart sapması (benzetim) | 0.445 | 0.182 |
| Kuramsal standart hata, σ/√n | 0.447 | 0.183 |
| Ortalamaların çarpıklığı: benzetim (kuram) | 0.84 (0.89) | 0.34 (0.37) |
| Ortalamaların fazla basıklığı: benzetim (kuram) | 0.98 (1.20) | 0.14 (0.20) |
| μ ± 1.96 SH bandına düşen ortalamalar (%) | 95.8 | 95.1 |
Sonuçlar nasıl okunur?
Merkez ve yayılım her iki n’de de doğru. Ortalamaların ortalaması kitle ortalamasında, standart sapmaları da σ/√n’nin hemen yanında. Bu iki satır teoremin ilk iki parçasıdır ve küçük örneklemde de geçerlidir.
Biçim normale yaklaşıyor ama varmıyor. Kitlenin çarpıklığı 2 iken, ortalamaların çarpıklığı 0.84’ten 0.34’e iniyor. Kuramsal değer γ₁/√n formülünden gelir: çarpıklık örneklem büyüklüğünün karekökü hızında azalır. Fazla basıklık ise γ₂/n hızında, yani daha çabuk kaybolur.
Benzetim ile kuram arasındaki küçük farklar, 10.000 tekrarın kendi örnekleme hatasıdır. Önemli olan, n = 30’da bile ortalamaların dağılımının hâlâ sağa çarpık olmasıdır.
Toplam isabet iyi görünse de kuyruklar dengesiz. Kuramsal standart hatayla kurulan ±1.96 SH bandına ortalamaların %95,8’i (n = 5) ve %95,1’i (n = 30) düşüyor; iki yönlü toplam beklenen %95’e yakın. Ama çarpık bir dağılımda bu toplam, iki kuyruğun hatalarının birbirini götürmesinden gelir: ortalamalar sağ kuyruğa beklenenden sık, sol kuyruğa beklenenden seyrek düşer.
Dikkat
Gerçek bir analizde σ bilinmez ve yerine s konur; çarpık veride s ile ortalama birlikte dalgalandığı için t aralığının tek yönlü hataları daha da büyür. Hesterberg (2015), üstel bir kitlede t aralığının ve t-testinin her iki kuyruktaki hatası nominal değerden en çok %10 sapsın diye yaklaşık 5.000 gözlem gerektiğini hesaplar ve “n ≥ 30” kuralının buna yakın bile olmadığını belirtir.
n ≥ 30 ise normallik sorun olmaktan çıkar mı?
Genel bir kural olarak doğru değildir. 30 sayısı, teorem anlatılırken “yeterince büyük örneklem” için sık verilen kaba bir rakamdır; kitlenin biçimine bakmaz. Simetrik ve kısa kuyruklu bir kitlede ortalamaların dağılımı çok daha küçük örneklemde normale yakındır; belirgin biçimde çarpık bir kitlede ise 30 gözlemde çarpıklık açıkça sürer.
Ortalamaların çarpıklığı γ₁/√n olduğu için, kitlenin çarpıklığı iki katına çıktığında aynı simetriye ulaşmak için dört kat gözlem gerekir. Uç değerler de aynı yönde etki eder: tek bir çok büyük değer hem ortalamayı hem standart sapmayı sürükler ve yaklaşmayı yavaşlatır. Bu yüzden uç değerin önce bir ölçüm hatası mı, gerçek bir gözlem mi olduğu incelenir (aykırı değer yazısı).
“Yeterince büyük” sorusunun cevabı ne hesaplandığına da bağlıdır. Çarpık veride iki yönlü bir aralığın toplam isabeti, kuyruk hataları birbirini götürdüğü için tek tek kuyruklardan daha erken doğruya yaklaşır; Hesterberg (2015) ise iki yönlü yöntemlerin de her iki tarafta doğru olasılığı taşıması gerektiğini vurgular.
Lumley vd. (2002), t-testinin ve doğrusal regresyonun büyük örneklemde herhangi bir dağılım için geçerli olduğunu, aşırı normal dışı bir halk sağlığı verisi üzerinde benzetimle gösterir. Yani büyük örneklem gerçekten yardım eder; sorun 30’un her dağılım için “büyük” sayılmasıdır.
İpucu
Pratikte izlenecek yol, tek bir sayıya bakmak yerine her grubun dağılımını histogram, Q-Q grafiği ve çarpıklık ile basıklık katsayılarıyla incelemektir. Örneklemin kaç birimden oluşacağı ise istenen kesinliğe ve yakalanmak istenen etkiye göre hesaplanır (örneklem büyüklüğü hesaplama).
Merkezi limit teoremi test seçimiyle nasıl ilişkilidir?
Merkezi limit teoremi, t-testi ve ANOVA’nın ham veri tam normal olmasa da kullanılabilmesinin gerekçesidir; ama hangi testin birincil olacağını tek başına belirlemez.
Bağımsız örneklemler t-testi ve tek yönlü ANOVA ortalamaları karşılaştırır. Bu testlerin normallik varsayımı, sonuçta ortalamaların (ya da ortalama farkının) örnekleme dağılımının yaklaşık normal olmasına dayanır. Merkezi limit teoremi, ham veri tam normal olmasa da bu yaklaşımın sağlanabileceğini söyler.
Bu yüzden ortalamaları karşılaştırırken varsayılan test parametriktir: iki grupta Welch t-testi, üç ve daha çok grupta Welch ANOVA ve Games-Howell karşılaştırmaları, tek örneklemde ve eşleştirilmiş desende t-testi. Welch’in varsayılan olmasının nedeni normallik değil, eşit olmayan varyanslara dayanıklılığıdır (Delacre vd., 2017).
Teorem aynı zamanda sınırı da gösterir: yaklaşmanın hızı ham verinin çarpıklığına bağlıdır. Bu blogdaki test seçimi yazıları belirgin normal dışılığı açıkça yazılmış bir karar kuralıyla tanımlar: bir grubun (eşleştirilmiş desende farkların) yanlılığı düzeltilmiş çarpıklığı |G1| > 2 ya da fazla basıklığı |G2| > 7 ise parametrik olmayan karşılık birincil test olur. Bu eşikleri West, Finch ve Curran (1995) belirgin normal dışılık için önerir. Bu sayıları t-testi ile parametrik olmayan test arasındaki seçime bağlamak bir karar kuralıdır; literatürün üzerinde birleştiği bir standart değildir.
Kuralın neye uygulandığı önemlidir. Ölçüt ortalamaların dağılımına değil, her grubun ham dağılımına uygulanır; çünkü yaklaşmanın hızını belirleyen o biçimdir. Ölçüt örneklem büyüklüğüne de bağlı değildir. Çok büyük bir örneklemde t-testi geçerli kalsa bile, belirgin biçimde çarpık bir dağılımda ortalama tipik değeri iyi özetlemeyebilir; Lumley vd. (2002) de asıl sınırın, ortalama farkının araştırma sorusunu cevaplayıp cevaplamadığı olduğunu vurgular.
Dikkat
Bu yüzden hangi test birincil olursa olsun öteki test duyarlılık analizi olarak raporlanır. Shapiro-Wilk ve Levene testleri raporlanır, testi belirlemez.
Her durumda teoremin söylediği ve ortalama karşılaştırmasındaki karar şöyledir:
- Gruplar yaklaşık simetrik, kısa kuyruklu. Teorem: küçük örneklemde bile ortalamalar yaklaşık normaldir. Karar: Welch t-testi ya da Welch ANOVA birincildir.
- Hafif ya da orta çarpıklık, eşiklerin altında. Teorem: yaklaşma daha yavaştır; iki yönlü toplam isabet nominale yakın kalabilir, ama σ yerine s kullanılan t aralığında, küçük örneklemde biraz altına düşebilir; tek yönlü hatalar büyük kalabilir. Karar: parametrik test birincil, öteki test duyarlılık analizidir.
- Bir grupta mutlak çarpıklık 2’yi ya da mutlak fazla basıklık 7’yi aşıyor. Teorem: yaklaşma yavaştır; ortalama tipik değeri iyi özetlemeyebilir. Karar: parametrik olmayan karşılık birincil, parametrik test duyarlılık analizidir.
- Bağımlı değişken sıralı ölçekte. Teorem: ölçek düzeyi sorununu çözmez. Karar: parametrik olmayan karşılık birincildir (tek örneklemde ve eşleştirilmiş desende işaret testi).
- Gözlemler bağımsız değil. Teorem: koşulu sağlanmaz. Karar: tekrarlı ya da kümelenmiş yapıya uygun bir model kullanılır.
Testlerin hangi desende kullanıldığı istatistiksel test seçimi rehberinde, parametrik ve parametrik olmayan testlerin farkı parametrik ve parametrik olmayan testler yazısında, Welch ile Student arasındaki seçim Welch mi Student mı yazısında anlatılır.
Sık sorulan sorular
Merkezi limit teoremi ile büyük sayılar yasası arasındaki fark nedir?
Büyük sayılar yasası, örneklem büyüdükçe örneklem ortalamasının kitle ortalamasına yaklaştığını söyler. Merkezi limit teoremi bir adım ileri gider: ortalamanın kitle ortalaması çevresindeki dalgalanmasının yaklaşık normal dağıldığını ve bu dalgalanmanın σ/√n ölçeğinde olduğunu söyler.
Teorem veriyi normal dağılıma çevirir mi?
Hayır. Verinin dağılımı değişmez; normale yaklaşan, aynı kitleden çekilecek örneklemlerin ortalamalarının dağılımıdır. Bu yüzden normallik incelemesi ortalamalara değil, her grubun ya da eşleştirilmiş desende farkların dağılımına yapılır.
30 sayısı nereden geliyor?
Ders kitaplarında “yeterince büyük örneklem” için sık verilen kaba bir rakamdır. Kitlenin çarpıklığına bakmadığı için genel bir sınır olarak kullanılamaz. Örneklem 30’un altında diye parametrik olmayan teste geçmek de, üstünde diye dağılıma hiç bakmamak da doğru değildir.
Örneklem büyükse Shapiro-Wilk testine gerek kalır mı?
Shapiro-Wilk sonucu her durumda raporlanabilir, ama test seçimini belirlemez. Büyük örneklemde bu test önemsiz sapmaları da anlamlı bulur; asıl bakılacak şey sapmanın büyüklüğüdür (çarpıklık ve basıklık katsayıları, grafikler).
Gruplar küçük ve dağılım belirgin biçimde çarpıksa ne yapılır?
Önce nedenine bakın: bir veri girişi hatası, iki alt grubun karışması ya da ölçeğin taban veya tavan etkisi olabilir. Çarpıklık gerçekse ve eşikleri aşıyorsa parametrik olmayan karşılık birincil test olur, parametrik test duyarlılık analizi olarak yanında raporlanır. Pozitif ve sağa çarpık bir değişkende, analiz planında önceden öngörülmüşse logaritma dönüşümü de bir seçenektir; seçeneklerin ayrıntısı normallik testi yazısındadır.
Teorem oranlar için de geçerli mi?
Evet. Bir oran, 1 (özelliği taşıyor) ve 0 (taşımıyor) değerlerinin ortalamasıdır; bu yüzden oranın örnekleme dağılımı da n büyüdükçe normale yaklaşır. Oran 0’a ya da 1’e yakınsa dağılım çarpıktır ve yaklaşım daha büyük örneklem ister.
Standart hata ile standart sapma aynı şey mi?
Hayır. Standart sapma tek tek gözlemlerin ortalama çevresindeki yayılımıdır; standart hata ise ortalamanın örneklemden örnekleme ne kadar değiştiğidir ve σ/√n ile hesaplanır. Standart sapmanın kendisi dağılım ölçüleri yazısında anlatılır.
- #temel-istatistik
- #orneklem-buyuklugu
- #parametrik-testler
- #normallik-testi
- #carpiklik-ve-basiklik
Bilimsel inceleme
Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.
Kaynakça
- Casella, G., & Berger, R. L. (2002). Statistical inference (2nd ed.). Duxbury.
- Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch's t-test instead of Student's t-test. International Review of Social Psychology, 30(1), 92–101.
- Fischer, H. (2011). A history of the central limit theorem: From classical to modern probability theory. Springer.
- Hesterberg, T. C. (2015). What teachers should know about the bootstrap: Resampling in the undergraduate statistics curriculum. The American Statistician, 69(4), 371–386.
- Lumley, T., Diehr, P., Emerson, S., & Chen, L. (2002). The importance of the normality assumption in large public health data sets. Annual Review of Public Health, 23, 151–169.
- West, S. G., Finch, J. F., & Curran, P. J. (1995). Structural equation models with nonnormal variables: Problems and remedies. In R. H. Hoyle (Ed.), Structural equation modeling: Concepts, issues, and applications (pp. 56–75). Sage.
Kendi verinizde görün
Kavramı kendi verinizde görmek isterseniz Basira’yı ücretsiz deneyebilirsiniz. Basira’yı deneyin
Kavramı kendi verinizde görmek isterseniz panelinize dönebilirsiniz. Panele git
İlgili yazılar
İstatistiksel Testler
Normallik Testi: Normal Dağılım Nasıl Sınanır?
Normallik testi verinin normal dağılıp dağılmadığını sınar. Shapiro-Wilk, Lilliefors, Q-Q grafiği, çarpıklık ve basıklık eşikleri, çözümlü bir örnekle.
Basira ·
Araştırma Yöntemleri
Örneklem Büyüklüğü Hesaplama: Güç Analizi ve Anket Formülü
Örneklem büyüklüğü hesaplama iki yoldan yapılır: testler için güç analizi, anketler için oran formülü ve sonlu evren düzeltmesi. İki çözümlü örnekle.
Basira ·
Temel İstatistik
Güven Aralığı Nedir? Nasıl Hesaplanır ve Yorumlanır?
Güven aralığı, kestirimin çevresinde veriyle uyumlu kitle değerlerini gösterir. Ortalama ve oran için formül, t kritik değeri, çözümlü örnek ve doğru yorum.
Basira ·