中央極限定理計算機

Q: 什麼是中央極限定理 (CLT)？

中央極限定理指出，隨著樣本量增加，無論原始母體分佈如何，樣本平均值的抽樣分佈都會趨向於常態分佈。這通常發生在 n >= 30 時，且樣本平均值遵循 N(mu, sigma/sqrt(n))，其中 mu 是母體平均值，sigma 是母體標準差。

Q: 中央極限定理中的標準誤差 (SE) 是什麼？

標準誤差 (SE) 是樣本平均值抽樣分佈的標準差。計算公式為 SE = sigma / sqrt(n)，其中 sigma 是母體標準差，n 是樣本量。SE 衡量樣本平均值在不同樣本之間預期變化的程度。

Q: 如何使用中央極限定理計算機率？

使用 CLT 計算機率的步驟：1) 計算標準誤差：SE = sigma/sqrt(n)。2) 將您的數值轉換為 Z 分數：Z = (x - mu)/SE。3) 在標準常態分佈表中查找機率或使用計算機。對於區間，計算 P(x1 <= X <= x2) = P(Z1 <= Z <= Z2)。

Q: 中央極限定理適用於什麼樣本量？

通常情況下，n >= 30 的樣本量被認為足以適用 CLT，無論母體分佈如何。但是，如果母體已經呈常態分佈，則 CLT 適用於任何樣本量。對於高度偏態的母體，可能需要更大的樣本（n >= 50 或更多）。

Q: 母體標準差和標準誤差有什麼區別？

母體標準差 (sigma) 衡量母體中各個數值的離散程度。標準誤差 (SE) 衡量樣本平均值圍繞母體平均值的離散程度。SE = sigma/sqrt(n)，因此 SE 總是小於 sigma，並隨著樣本量的增加而減小。

使用中央極限定理 (CLT) 計算機率，提供互動式視覺化圖表、逐步解題步驟以及樣本平均值的 Z 分數計算。

中央極限定理計算機

計算樣本平均值的機率並提供分步解決方案

快速示例

考試分數智商測試製造業右尾機率

母體平均值 μ

標準差 σ

樣本量 n

下限 x₁ (可選)

上限 x₂ (可選)

提示： 輸入兩個限制以計算區間機率 P(x₁ ≤ X̄ ≤ x₂)，僅輸入下限以計算 P(X̄ ≤ x₁)，或僅輸入上限以計算 P(X̄ ≥ x₂)。

Embed 中央極限定理計算機 Widget

中央極限定理計算機

歡迎使用中央極限定理計算機，這是一個全面的統計工具，可使用中央極限定理 (CLT) 計算機率，並提供交互式視覺化和詳細的分步解決方案。無論您是統計學學生、研究人員、品質控制專業人員還是教育工作者，此計算機都能為樣本平均值提供準確的機率計算。

什麼是中央極限定理？

中央極限定理 (CLT) 是機率論和統計學中最重要、最著名的定理之一。它指出，隨著樣本量增加，無論原始母體分佈如何（只要母體具有有限變異數），樣本平均值的抽樣分佈都會趨於常態分佈。

從數學角度來說，如果您從平均值為 μ、標準差為 σ 的母體中抽取大小為 n 的隨機樣本，則樣本平均值的分佈將近似於常態分佈，其性質如下：

樣本平均值的抽樣分佈

$$\bar{X} \sim N\left(\mu, \frac{\sigma}{\sqrt{n}}\right)$$

CLT 的關鍵組成部分

母體平均值 (μ)： 整個母體中所有數值的平均值
母體標準差 (σ)： 母體中離散程度的衡量標準
樣本量 (n)： 每個樣本中的觀察值數量
標準誤差 (SE)： 抽樣分佈的標準差，計算公式為 σ/√n

標準誤差公式

標準誤差 (SE) 衡量樣本平均值在不同樣本之間預期變化的程度。它隨著樣本量的增加而減小，這意味著更大的樣本可以提供對母體平均值更精確的估計。

標準誤差

$$SE = \frac{\sigma}{\sqrt{n}}$$

使用 CLT 計算機率

為了找到樣本平均值落在特定範圍內的機率，我們使用 Z 分數進行標準化，並使用標準常態分佈。

Z 分數公式

樣本平均值的 Z 分數

$$Z = \frac{\bar{X} - \mu}{SE} = \frac{\bar{X} - \mu}{\sigma / \sqrt{n}}$$

機率計算

P(X̄ ≤ x)： 左尾機率 - 樣本平均值小於或等於 x 的機率
P(X̄ ≥ x)： 右尾機率 - 樣本平均值大於或等於 x 的機率
P(x₁ ≤ X̄ ≤ x₂)： 區間機率 - 樣本平均值落在兩個數值之間的機率

如何使用此計算機

輸入母體平均值 (μ)： 已知或假設的母體平均數。
輸入母體標準差 (σ)： 已知或假設的母體離散程度。必須為正數。
輸入樣本量 (n)： 每個樣本中的觀察值數量。為了使 CLT 有效應用，通常建議 n ≥ 30。
輸入邊限： 根據您的機率計算指定下限 (x₁)、上限 (x₂) 或兩者。
計算： 點擊計算按鈕以查看機率、分步解決方案和視覺化。

CLT 何時適用？

樣本量	母體分佈	CLT 適用性
n ≥ 30	任何形狀	CLT 可靠適用
n < 30	近似常態	CLT 仍然適用
n < 30	高度偏態	CLT 可能不適用；請使用更大的 n
任何 n	精確常態	抽樣分佈精確呈常態

中央極限定理的應用

品質控制

製造業使用 CLT 來監控生產過程。通過對產品進行抽樣並計算樣本平均值，品質工程師可以確定生產過程是否在可接受的限度內運行。

調查研究

民調機構和研究人員使用 CLT 從樣本數據中估計母體參數，並為其估計值構建信賴區間。

財務分析

財務分析師使用 CLT 模擬投資組合收益，並根據歷史數據樣本評估投資風險。

醫學研究

臨床試驗依靠 CLT 來分析治療效果，並確定觀察到的組間差異是否具有統計學意義。

理解結果

機率值

計算出的機率代表隨機選擇的樣本平均值落在指定範圍內的可能性。數值範圍從 0 到 1（或 0% 到 100%）。

標準誤差

較小的 SE 表示樣本平均值更緊密地聚集在母體平均值周圍。SE 隨著樣本量的增加而減小（減少因子為 √n）。

Z 分數

Z 分數表示一個數值距離平均值有多少個標準誤差。Z 分數為 0 表示該值等於平均值；正值在平均值之上；負值在平均值之下。

常見問題解答

什麼是中央極限定理 (CLT)？

中央極限定理指出，隨著樣本量增加，無論原始母體分佈如何，樣本平均值的抽樣分佈都會趨向於常態分佈。這發生在 n ≥ 30 時，且樣本平均值遵循 N(μ, σ/√n)，其中 μ 是母體平均值，σ 是母體標準差。

中央極限定理中的標準誤差 (SE) 是什麼？

標準誤差 (SE) 是樣本平均值抽樣分佈的標準差。計算公式為 SE = σ/√n，其中 σ 是母體標準差，n 是樣本量。SE 衡量樣本平均值在不同樣本之間預期變化的程度。

如何使用中央極限定理計算機率？

使用 CLT 計算機率的步驟：(1) 計算標準誤差：SE = σ/√n。(2) 將您的數值轉換為 Z 分數：Z = (x - μ)/SE。(3) 在標準常態分佈表中查找機率或使用計算機。對於區間，計算 P(x₁ ≤ X̄ ≤ x₂) = P(Z₁ ≤ Z ≤ Z₂)。

中央極限定理適用於什麼樣本量？

通常情況下，n ≥ 30 的樣本量被認為足以適用 CLT，無論母體分佈如何。但是，如果母體已經呈常態分佈，則 CLT 適用於任何樣本量。對於高度偏態的母體，可能需要更大的樣本（n ≥ 50 或更多）。

母體標準差和標準誤差有什麼區別？

母體標準差 (σ) 衡量母體中各個數值的離散程度。標準誤差 (SE) 衡量樣本平均值圍繞母體平均值的離散程度。SE = σ/√n，因此 SE 總是小於 σ，並隨著樣本量的增加而減小。

額外資源

引用此內容、頁面或工具為：

"中央極限定理計算機" 於 https://MiniWebtool.com/zh-tw/中央極限定理計算機/，來自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 團隊製作。更新日期：2026年1月27日

您還可以嘗試我們的 AI數學解題器 GPT，通過自然語言問答解決您的數學問題。

其他相關工具:

二項概率分布計算機

機率計算機

概率分布計算機

中央極限定理計算機

中央極限定理計算機

偵測到廣告封鎖，導致我們無法顯示廣告

中央極限定理計算機

什麼是中央極限定理？

CLT 的關鍵組成部分

標準誤差公式

使用 CLT 計算機率

Z 分數公式

機率計算

如何使用此計算機

CLT 何時適用？

中央極限定理的應用

品質控制

調查研究

財務分析

醫學研究

理解結果

機率值

標準誤差

Z 分數

常見問題解答

什麼是中央極限定理 (CLT)？

中央極限定理中的標準誤差 (SE) 是什麼？

如何使用中央極限定理計算機率？

中央極限定理適用於什麼樣本量？

母體標準差和標準誤差有什麼區別？

額外資源

其他相關工具:

統計與數據分析:

常用工具: