Teorema Limit Pusat (Central

Limit Theorem)
Teorema limit pusat atau central limit theorem (CLT) adalah salah satu teorema yang sangat
penting dalam teori probabilitas dan statistika. CLT menjadi teorema yang sangat luar biasa
bermanfaat karena kesederhanaannya. Contoh penerapan CLT adalah dalam distribusi
sampling dan uji hipotesis mean. Jadi, untuk sejumlah sampel yang berukuran cukup besar,
apa pun distribusinya, dapat ditransformasi ke dalam pendekatan distribusi normal standar.
CLT menyatakan bahwa:

Jika adalah mean dari sampel random dengan ukuran yang diambil dari populasi dengan
mean dan variance , maka distribusi limit dari

mendekati distribusi normal standar saat . Secara matematis dapat dituliskan dalam
persamaan berikut.

CLT secara umum dapat digunakan untuk sampel besar. Dalam hal ini, nilai sudah
dikatakan cukup besar. Semakin besar nilai , maka aproksimasi CLT akan semakin akurat
atau semakin mendekati distribusi normal.

CLT menunjukkan bahwa banyak fenomena alam yang mengikuti pola distribusi normal
standar. Proses-proses yang terjadi di alam sering kali merupakan hasil dari akumulasi
banyak faktor random yang tidak signifikan. Meskipun efek dari faktor-faktor ini jika secara
terpisah tidak signifikan, namun kombinasi dari faktor-faktor ini tidak demikian. Oleh karena
itu, studi tentang distribusi dari jumlahan banyak variabel random yang independen menjadi
penting. CLT menunjukkan bahwa dalam sejumlah fenomena yang bersifat random, fungsi
distribusi dari jumlahan tertentu dapat didekati dengan fungsi distribusi normal. Beberapa
contoh di antaranya adalah berat badan, tinggi badan, kesalahan dalam pengukuran, posisi
dan kecepatan suatu molekul gas, pertumbuhan hewan dan tumbuhan serta organ-organnya,
dan lain-lain.

Sebenarnya, CLT yang sudah dijelaskan di atas merupakan CLT yang dimodifikasi untuk
diterapkan dalam statistika. Bentuk yang lebih umum dari CLT adalah sebagai berikut.

Misalkan adalah barisan variabel random yang independen dan berdistribusi

identik, masing-masing dengan mean dan variance . Maka, distribusi dari
 konvergen ke distribusi normal standar. Dengan kata lain,

Selanjutnya, kita akan mendemonstrasikan bukti dari CLT. Untuk membuktikan CLT, kita
akan menggunakan sebuah teorema yang bernama teorema kontinuitas Lévy (Lévy continuity
theorem) berikut.

Misalkan adalah barisan variabel random dengan fungsi distribusi dan

fungsi pembangkit momen , secara berturut-berturut. Misalkan adalah
variabel random dengan fungsi distribusi dan fungsi pembangkit momen . Jika
untuk semua nilai , konvergen ke , maka pada titik-titik kontinuitas ,
konvergen ke .

Bukti CLT:

Misalkan , maka dan . Kita ingin membuktikan

bahwa barisan fungsi distribusi dari variabel random ,
, konvergen ke distribusi dari , di mana adalah variabel random berdistribusi
normal standar. Karena berdistribusi identik, maka memiliki fungsi
pembangkit momen yang sama, dinotasikan . Karena juga independen dan
fungsi pembangkit momen didefinisikan sebagai , maka

Berdasarkan teorema kontinuitas Lévy, kita cukup membuktikan bahwa konvergen ke

, fungsi pembangkit momen dari . Ini ekuivalen dengan menunjukkan bahwa

Misalkan , maka . Maka persamaan di atas menjadi

Sehingga,

.
Karena , sehingga menjadi tak tentu . Untuk mendapatkan
nilai limitnya, kita akan menggunakan aturan l’Hôpital dua kali.

Ingat bahwa mean adalah momen pertama saat , , dan variance adalah momen
kedua saat , . Maka, kita peroleh

Pembuktian selesai.