Nous utilisons des cookies pour améliorer votre expérience de navigation, diffuser des publicités ou du contenu personnalisés et analyser notre trafic. En cliquant sur "Tout accepter", vous consentez à notre utilisation des cookies.
Personnaliser les préférences
Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.
Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site....
Toujours actif
Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.
Aucun cookie à afficher.
Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.
Aucun cookie à afficher.
Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.
Aucun cookie à afficher.
Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.
Aucun cookie à afficher.
Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.
Le théorème central limite stipule que la distribution d’échantillonnage d’une moyenne d’échantillon est approximativement normale si la taille de l’échantillon est suffisamment grande, même si la distribution de la population n’est pas normale. Le théorème central limite indique également que la distribution d’échantillonnage aura les propriétés suivantes :
1. La moyenne de la distribution d’échantillonnage sera égale à la moyenne de la distribution de la population :
x = µ
2. L’ écart type de la distribution d’échantillonnage sera égal à l’écart type de la distribution de la population divisé par la taille de l’échantillon :
s = σ / √n
Pour trouver la moyenne de l’échantillon et l’écart type d’un échantillon donné, entrez simplement les valeurs nécessaires ci-dessous, puis cliquez sur le bouton « Calculer ».
Moyenne de l’échantillon ( x ) = 17
Écart type de l’échantillon (s) = 0,8
function calc() {
//get input degrees of freedom, t-value
var n = document.getElementById('n').value*1;
var pop_mean = document.getElementById('pop_mean').value*1;
var pop_sd = document.getElementById('pop_sd').value*1;
//calculate sample mean and sample standard deviation
var sample_mean = pop_mean;
var sample_sd = pop_sd / Math.sqrt(n);
Il est un professeur de statistiques à la retraite devenu éducateur dévoué sur Statorials. Avec une vaste expérience et une expertise dans le domaine des statistiques, je m'engage à partager mes connaissances pour responsabiliser les étudiants grâce à Statorials. Lire plus