IRS HubTeorema del Limite Centrale in Azione
📈 Teorema del Limite Centrale in Azione
Osserva la "magia" matematica che rende possibile la statistica inferenziale
Cosa vedrai
Parti da una popolazione con distribuzione "brutta" (non normale): bimodale, uniforme, asimmetrica, o esponenziale.
Estrai ripetutamente campioni di dimensione n e calcola la media di ogni campione.
Risultato: anche se la popolazione non è normale, la distribuzione delle medie campionarie converge a una curva a campana!
Perché è importante?
Il TLC è la base della statistica inferenziale classica. Ci permette di usare la distribuzione normale anche quando i dati originali non lo sono.
Seleziona la Popolazione
Scegli una distribuzione NON normale da cui campionare
Controlli Simulazione
Numero di osservazioni in ogni campione estratto
200ms
Intervallo tra campionamenti (più basso = più veloce)
🎲 Popolazione Originale
Distribuzione uniforme (μ=3.5, σ=1.7)
Questa distribuzione NON è normale. Osserva come cambierà quando campioneremo ripetutamente!
📊 Distribuzione delle Medie Campionarie
Avvia la simulazione per vedere la distribuzione delle medie
Clicca "Avvia Simulazione" per iniziare
🔍 Confronto: Effetto della Dimensione Campione
Come cambia la convergenza alla normalità con n diversi
n = 2
Generando...
n = 10
Generando...
n = 30
Generando...
n = 100
Generando...
Osservazione chiave
Con n = 30, la distribuzione delle medie è già molto simile a una normale, anche se la popolazione originale non lo è. Questo è il motivo per cui n ≥ 30 è spesso considerata una "regola pratica" per applicare il TLC.
📝 Verifica la tua Comprensione
1. Il Teorema del Limite Centrale afferma che:
2. Con quale n puoi iniziare ad applicare il TLC in pratica?
3. Il TLC funziona per:
💡 Approfondimenti sul TLC
Condizioni, limiti e intuizioni sul Teorema del Limite Centrale