[IB MATH AI HL] 표본평균의 분포와분산 감소의 마법 (Central Limit Theorem)

"왜 표본을 많이 뽑을수록 오차는 줄어들까?" 그 해답을 수학적/직관적으로 파헤칩니다.

안녕하세요, IB와 AP Statistics를 공부하는 학생 여러분, 그리고 통계의 매력에 빠진 독자 여러분! 우리는 보통 "표본의 크기(Sample Size, n)가 크면 클수록 좋다"는 말을 자주 듣습니다.

설문조사든, 과학 실험이든 n수가 많아야 신뢰도가 올라가죠. 하지만 왜 그런지 수학적으로 설명해보라고 하면 막막할 때가 많습니다.

오늘 포스팅에서는 표본평균(μ)의 분포를 정의하고, 특히 왜 n이 커질수록 분산이 작아지는지 그 근본적인 원인을 상세하게 분석해 보겠습니다. 이 글 하나면 통계의 핵심 원리를 완벽히 마스터하실 수 있을 거예요!

1. 표본평균의 분포 (Sampling Distribution of X̄) 모집단(Population)에서 크기 n인 표본을 뽑았을 때, 그 표본들의 평균을 X̄n이라고 합니다.

중요한 점은 이 X̄n 자체가 하나의 확률변수라는 사실입니다! 속성 (Pr...