Что такое ЦПТ и зачем она аналитику?

ЦПТ спрашивают, чтобы понять, откуда вообще берётся право использовать нормальное распределение в тестах. Если ты пользуешься z-тестом или доверительными интервалами — ты уже опираешься на эту теорему, даже если не называл её.

Как рассуждать

Разведи два распределения, которые новички склеивают: распределение самих данных (может быть любым — скошенным, с длинным хвостом) и распределение выборочного среднего. ЦПТ говорит именно про второе: среднее по большой выборке ведёт себя нормально почти всегда. Именно поэтому нам не нужно, чтобы «данные были нормальными».

Эталонный ответ

Центральная предельная теорема утверждает: если брать выборки размера n из любой совокупности с конечной дисперсией и считать по каждой среднее, то распределение этих средних при росте n стремится к нормальному со средним, равным истинному, и стандартным отклонением σ/корень из n (это стандартная ошибка).

Практический пример. Время на сайте распределено дико несимметрично: большинство уходит за секунды, но есть длинный хвост «залипших». Само по себе оно совсем не нормальное. Но если много раз брать выборку по 1000 пользователей и считать среднее время — эти средние лягут в аккуратную нормальную кривую. Поэтому:

• Можно строить доверительный интервал для среднего через ± 1.96 стандартной ошибки.
• Можно сравнивать средние двух групп в A/B-тесте через z/t-критерий, не требуя, чтобы исходные данные были нормальны.

Отдельно стоит проговорить про «большое n»: сколько именно нужно — зависит от скошенности. Для почти симметричных данных хватает и 30, для тяжёлых хвостов и редких конверсий нужно заметно больше. Именно поэтому конверсию (доля, распределение Бернулли) на маленьких выборках нормальным приближением мерить опасно.

Ещё один момент, который добавляет баллов: ЦПТ объясняет, почему нормальное распределение вообще так вездесуще. Рост, ошибки измерений, шум — почти всё, что складывается из множества мелких независимых вкладов, оказывается примерно нормальным. Не потому что «так устроен мир», а потому что суммирование само по себе тянет к колоколу.

Частые ошибки

• «ЦПТ говорит, что при больших выборках любые данные становятся нормальными». Нет: нормальным становится распределение среднего, а не сами данные. Гистограмма исходных значений как была скошенной, так и останется.
• Применять нормальное приближение при крошечном n или очень редком событии (конверсия 0.1%). Там ЦПТ ещё не «сработала», честнее бутстрап.
• Забывать про условие независимости и конечной дисперсии: для сильно зависимых наблюдений или распределений без дисперсии теорема не даёт гарантий.
• Путать стандартное отклонение данных (σ) и стандартную ошибку среднего (σ/корень из n) — вторая падает с ростом выборки, первая нет. Именно из-за корня в знаменателе, чтобы сузить оценку вдвое, данных нужно вчетверо больше.