How to Think Clearly about the Central Limit Theorem
Notice bibliographique
Résumé
The Central Limit Theorem (CLT) is one of the most important theorems in statistics, and it is often introduced to social sciences researchers in an introductory statistics course. However, the recent replication crisis in the social sciences prompts us to investigate just how common certain misconceptions of statistical concepts are. The main purposes of this paper are to investigate the misconceptions of the CLT among social sciences researchers and to address these misconceptions by clarifying the definition and properties of the CLT in a manner that is approachable to social science researchers. As part of our paper, we conducted a survey to examine the misconceptions of the CLT among graduate students and researchers in the social sciences. We found that the most common misconception of the CLT is that researchers think the CLT is about the convergence of sample data to the normal distribution. We also found that most researchers did not realize that the CLT applies to both sample means and sample sums, and that the CLT has implications for many common statistical concepts and techniques. Our paper addresses these misconceptions of the CLT by explaining the preliminaries needed to understand the CLT, introducing the formal definition of the CLT, and elaborating on the implications of the CLT.We hope that through this paper, researchers can obtain a more accurate and nuanced understanding of how the CLT operates as well as its role in a variety of statistical concepts and techniques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,063 | 0,210 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,027 |
| Communication savante | 0,014 | 0,037 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,010 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».