Merkezi Limit Teoremi (MLT), istatistik ve olasılık teorisinde temel bir kavramdır ve birçok uygulamada büyük öneme sahiptir. Merkezi Limit Teoremi, büyük sayılar kanununun bir uzantısı olarak düşünülebilir ve özellikle örnekleme dağılımının davranışını anlamada kullanılır.

Merkezi Limit Teoremi nedir?
Merkezi Limit Teoremi, bağımsız ve aynı dağılıma sahip rassal değişkenlerin toplamının veya ortalamasının dağılımının, örneklem büyüklüğü arttıkça yaklaşık olarak normal dağılıma yaklaşacağını ifade eder. Bu durum, orijinal dağılımın türü ne olursa olsun geçerlidir, ancak bazı teknik koşulların sağlanması gerekir.

Teoremin temel ifadesi aşağıdaki gibidir:

Bir X1, X2, …, Xn bağımsız ve aynı dağılıma sahip rassal değişkenler kümesi ele alınsın. Bu rassal değişkenlerin her birinin ortalaması μ ve varyansı σ² olsun. Bu durumda, bu değişkenlerin örneklem ortalaması n sayısı yani örneklem büyüklüğü arttıkça, standart normal dağılıma (ortalaması 0, varyansı 1 olan normal dağılım) giderek daha fazla yaklaşır ve bu yaklaşım n sonsuza giderken tam olarak gerçekleşir.

Bu ifade, örneklem büyüklüğü yeterince büyük olduğunda, örneklem ortalamasının dağılımının normal dağılıma çok yakın olacağını belirtir.

Merkezi Limit Teoremi’nin Önemi

1. Pratik Uygulamalar: Gerçek hayatta veriler genellikle normal dağılım göstermeyebilir. Ancak, örneklem büyüklüğü arttıkça, örneklem ortalamalarının dağılımı normal dağılıma yaklaşır. Bu sayede, normal dağılım varsayımı altında istatistiksel çıkarımlar yapmak mümkün olur.
2. İstatistiksel Testler: Hipotez testleri ve güven aralıkları oluşturmak için normal dağılımın özelliklerinden yararlanılır. Merkezi Limit Teoremi sayesinde, veri dağılımı bilinmese bile, örneklem ortalamalarının dağılımının normal olduğu varsayılabilir.
3. Büyük Veri Analizi: Büyük veri setlerinde ortalama ve toplam gibi istatistiklerin dağılımını anlamak için kullanılır.

Merkezi Limit Teoremi’nin Sınırları ve Koşulları

• Örneklem büyüklüğünün yeterince büyük olması gerekir. Genellikle n≥30 sayısı pratikte yeterli kabul edilir.
• Rassal değişkenlerin bağımsız olması önemlidir.
• Değişkenlerin varyansının sonlu olması gerekir.
• Bazı durumlarda, daha karmaşık yapılar için genelleştirilmiş merkezi limit teoremleri kullanılır.

Sonuç
Merkezi Limit Teoremi, istatistiksel analiz ve olasılık teorisinin temel taşlarından biridir. Verilerin dağılımı bilinmese bile, örneklem ortalamalarının dağılımının normal dağılıma yaklaşacağını garanti ederek, birçok istatistiksel yöntemin uygulanabilmesini sağlar. Bu nedenle, istatistik öğrenen herkesin Merkezi Limit Teoremi’ni iyi anlaması büyük önem taşır.