📊 اگه قضیه حد مرکزی رو نفهمی، یعنی آمار رو درست درک نکردی!


👨🏻‍💻 قضیه حد مرکزی میگه: وقتی تعداد نمونه‌هات زیاد بشه، میانگینِ نمونه‌ها کم‌کم شکل یک توزیع نرمال رو پیدا می‌کنه. حتی اگه داده‌ی اصلی خیلی شلوغ، کج، غیرنرمال یا عجیب باشه.

▶️ پس مهم نیست دیتای اصلی شما چقدر داغون، کج‌وکوله یا غیرنرمال باشه؛ اگه سایز نمونه‌گیری (Sample Size) رو ببری بالا، توزیعِ "میانگینِ نمونه‌ها" میل می‌کنه به سمت نرمال شدن!


🏷 اما چیزی که تو تیم‌های دیتا می‌بینم چیه؟ خیلی از تحلیلگرها تا می‌بینن توزیع دیتاشون نرمال نیست، وحشت می‌کنن! 😱 سریع میرن سراغِ:

❌ لگاریتم گرفتن (Log-transform)
❌ یا تست‌های ناپارامتری (Non-parametric tests)


❗️ نکنید این کار رو! اگه حجم نمونه‌تون به اندازه کافی بزرگ باشه، به لطف همین CLT، شما با خیال راحت می‌تونید از همون تست‌هایِ پارامتریِ دوست‌داشتنی (مثل t-test) استفاده کنید.


🔔 قانون کلیشه‌ای «اگه N ≥ 30» رو هم فراموش کنید! کی گفته اگه دیتا ۳۰ تا شد یعنی نرماله؟

✅ دیتا ساینتیست واقعی دنبال قانون‌های حفظی نیست؛ دنبال "چرایی" ماجراست. به جای این عدد جادویی، شبیه‌سازی کنید و نرخ مثبت کاذب (False Positive Rate) رو چک کنید تا ببینید واقعاً کی دیتاتون برای تست آماده‌ست.


🔔 جزوه فارسی: CLT



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa