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 l’on peut faire des inférences statistiques même lorsque la population n’est pas normalement distribuée.

Ce théorème a des implications profondes pour la pratique statistique. Avant la compréhension du TCL, 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 manière prévisible quelle que soit la distribution sous-jacente — une avancée qui rend possibles les sondages modernes, le contrôle qualité et l’inférence scientifique.

Considérez ce fait remarquable : une population peut avoir n’importe quelle distribution bizarre — bimodale, fortement asymétrique, uniforme ou totalement irrégulière. 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’échantillon s’approche d’une distribution normale avec :

Cela fonctionne pour n’importe quelle distribution de population, à condition que la taille de l’échantillon soit assez grande (généralement n ≥ 30).

La quantité σ/√n s’appelle l’erreur type de la moyenne. Remarquez qu’elle diminue lorsque 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 nécessite plusieurs conditions pour que l’approximation soit valide :

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

La règle « n ≥ 30 » est un repère, pas un seuil absolu. 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 des simulations ou le bootstrap pour vérifier si l’approximation normale est raisonnable.

Visualiser le TCL en action

Pour bien comprendre le TCL, imaginez que vous lancez un dé équilibré. La distribution d’un seul lancer 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 (à chaque fois un 1) à 6 (à chaque fois un 6), mais les valeurs centrales comme 3,5 sont plus probables car il y a davantage de combinaisons pour les obtenir. La distribution commence déjà à se concentrer au centre.

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 quasi parfaite centrée en 3,5 avec un écart type de σ/√30 ≈ 1,71/5,48 ≈ 0,31.

Applications concrètes

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 scores Z et t pour faire des inférences sur les paramètres de population.

Recherche par sondage : Les sondages politiques, les études de marché et les enquêtes de santé publique reposent tous sur le TCL. Lorsqu’un institut de sondage annonce qu’un candidat recueille 48 % des intentions de vote avec une marge d’erreur de 3 %, cette marge est calculée à l’aide de la formule de l’erreur type issue du TCL.

Contrôle qualité : Les processus industriels utilisent des cartes de contrôle fondées sur le TCL. Les moyennes des échantillons prélevés sur les lots de production doivent se situer dans certaines limites (généralement ±3 erreurs types de la moyenne du processus). Toute violation signale un problème potentiel.

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

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

Idées reçues

Idée reçue 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 nécessitent des échantillons plus petits ; les distributions fortement asymétriques ou à queues lourdes en nécessitent de plus grands.

Idée reçue n°3 : « Le TCL fonctionne pour toutes les distributions. » Le TCL exige une moyenne et une variance finies. Les distributions comme celle de Cauchy ont une variance indéfinie et ne suivent pas le TCL quelle que soit la taille de l’échantillon.

Idée reçue n°4 : « Je dois vérifier si mes données sont normales avant d’utiliser des statistiques. » Grâce au TCL, de nombreuses procédures statistiques fonctionnent bien même avec des données non normales, à condition de travailler avec des moyennes d’échantillons suffisamment grands. La robustesse des méthodes statistiques face à la non-normalité est l’un des plus grands apports du TCL.