Le théorème central limite expliqué

Introduction au théorème central limite

Le théorème central limite (TCL) est l’un des concepts les plus importants en statistique. Il explique pourquoi la distribution normale apparaît si fréquemment dans la nature et pourquoi nous pouvons faire des inférences statistiques même quand la population n’est pas normalement distribuée.

Le théorème a des implications profondes pour la pratique statistique. Avant que le TCL ne soit compris, les statisticiens ne pouvaient travailler qu’avec des données normalement distribuées. Le TCL a libéré la statistique en montrant que les moyennes d’échantillons se comportent de façon prévisible, peu importe la distribution sous-jacente — une percée qui rend possibles la recherche par sondage, le contrôle de la qualité et l’inférence scientifique modernes.

Considérez ce fait remarquable : vous pourriez avoir une population avec n’importe quelle distribution bizarre — bimodale, fortement asymétrique, uniforme ou quelque chose d’entièrement irrégulier. Si vous prélevez répétitivement des échantillons de taille suffisante et calculez leurs moyennes, ces moyennes formeront une belle courbe en cloche centrée sur la vraie moyenne de la population.

Énoncé du théorème central limite

Si vous prélevez des échantillons aléatoires de taille n d’une population de moyenne μ et d’écart type σ, alors à mesure que n augmente, la distribution des moyennes d’échantillons s’approche d’une distribution normale avec :

Cela fonctionne pour toute distribution de population, tant que la taille de l’échantillon est suffisamment grande (généralement n ≥ 30).

La quantité σ/√n est appelée l’erreur type de la moyenne. Remarquez comment elle diminue à mesure que la taille de l’échantillon augmente — des échantillons plus grands produisent des estimations plus précises de la moyenne de la population. Quadrupler la taille de l’échantillon réduit l’erreur type de moitié.

Conditions du TCL

Le théorème central limite requiert plusieurs conditions pour que l’approximation soit valide :

• 1. Échantillonnage aléatoire:Chaque échantillon doit être prélevé aléatoirement de la population, chaque observation étant indépendante des autres.
• 2. Taille de l’échantillon:Généralement, n ≥ 30 fonctionne pour la plupart des distributions. Les populations plus asymétriques nécessitent de plus grands échantillons; les populations symétriques peuvent fonctionner avec de plus petits échantillons.
• 3. Moments finis:La population doit avoir une moyenne μ finie et un écart type σ fini. Certaines distributions théoriques (comme la distribution de Cauchy) ne respectent pas cette condition.
• 4. Indépendance:Les échantillons devraient représenter moins de 10 % de la population lors d’un échantillonnage sans remise pour assurer une indépendance approximative.

La règle « n ≥ 30 » est une ligne directrice, pas un seuil strict. Pour les distributions symétriques (comme l’uniforme), n = 10 peut suffire. Pour les distributions fortement asymétriques, n = 100 ou plus peut être nécessaire. En cas de doute, utilisez la simulation ou les méthodes bootstrap pour vérifier si l’approximation normale est raisonnable.

Visualiser le TCL en action

Pour vraiment comprendre le TCL, imaginez que vous lancez un dé équitable. La distribution d’un seul lancer de dé est uniforme — chaque nombre de 1 à 6 a une probabilité égale (1/6). Ce n’est pas du tout normal.

Maintenant, imaginez lancer le dé deux fois et calculer la moyenne. Avec deux lancers, la moyenne peut aller de 1 (les deux lancers donnent 1) à 6 (les deux lancers donnent 6), mais les valeurs centrales comme 3,5 sont plus probables parce qu’il y a plus de façons de les obtenir. La distribution commence déjà à être plus pointue au milieu.

Lancez le dé 30 fois et calculez la moyenne? Cette moyenne sera très proche de 3,5, et si vous répétiez cette expérience des milliers de fois, ces moyennes formeraient une courbe en cloche presque parfaite centrée à 3,5 avec un écart type σ/√30 ≈ 1,71/5,48 ≈ 0,31.

Applications dans le monde réel

Le TCL est le fondement des intervalles de confiance, des tests d’hypothèses et de nombreuses autres méthodes statistiques. Il nous permet d’utiliser les cotes Z et les scores t pour faire des inférences sur les paramètres de la population.

Recherche par sondage : Les sondages politiques, les études de marché et les enquêtes de santé publique s’appuient tous sur le TCL. Quand les sondeurs rapportent qu’un candidat a 48 % d’appui avec une marge d’erreur de 3 %, la marge d’erreur est calculée à l’aide de la formule de l’erreur type dérivée du TCL.

Contrôle de la qualité : Les processus de fabrication utilisent des cartes de contrôle basées sur le TCL. Les moyennes d’échantillons provenant de lots de production devraient se situer dans certaines limites (typiquement ±3 erreurs types de la moyenne du processus). Les violations signalent des problèmes potentiels.

Tests A/B : Quand les entreprises technologiques testent de nouvelles fonctionnalités, elles comparent les taux de conversion entre les groupes. Le TCL assure que même si le comportement individuel des utilisateurs est binaire (convertir ou non), le taux de conversion moyen à travers des milliers d’utilisateurs suit une distribution normale, permettant la comparaison statistique.

Recherche scientifique : Les essais médicaux, les expériences en psychologie et pratiquement toute la recherche quantitative dépendent du TCL pour générer des valeurs p et des intervalles de confiance à partir de données d’échantillons.

Idées fausses courantes

Idée fausse n° 2 : « n = 30 est un nombre magique qui fonctionne toujours. » En réalité, la taille d’échantillon requise dépend du degré de non-normalité de votre population. Les distributions symétriques ont besoin de plus petits échantillons; les distributions fortement asymétriques ou à queues lourdes en nécessitent de plus grands.

Idée fausse n° 3 : « Le TCL fonctionne pour toutes les distributions. » Le TCL requiert une moyenne et une variance finies. Les distributions comme la distribution de Cauchy ont une variance indéfinie et ne suivent pas le TCL, peu importe la taille de l’échantillon.

Idée fausse n° 4 : « Je dois vérifier si mes données sont normales avant d’utiliser des statistiques. » Grâce au TCL, plusieurs procédures statistiques fonctionnent bien même avec des données non normales, tant que vous travaillez avec des moyennes d’échantillons suffisamment grands. La robustesse des méthodes statistiques face à la non-normalité est l’un des plus grands cadeaux du TCL.