高等数学 / 系统课时
中心极限定理
中心极限定理
中心极限定理说明:许多独立随机因素叠加后,即使每个因素本身并不服从正态分布,其总和或平均值经过适当标准化,也常会接近正态分布。本课将建立这一结论的直觉、公式和使用边界。
学习目标
- 理解随机变量之和趋近正态分布的核心结论
- 掌握样本均值标准化的基本公式
- 能判断何时可以使用正态近似
为什么总和常呈钟形
现实中的测量误差、生产波动和用户行为通常由许多小因素共同造成。每个因素可能偏高或偏低,叠加后极端组合较少,中间区域出现得更频繁,因此总和的分布会逐渐呈现对称的钟形。
中心极限定理描述的是分布形状的趋近,而不是样本平均数值趋近期望。它关注标准化后的随机波动如何分布。

标准形式
设 独立同分布,且
当 足够大时,样本均值 近似服从
等价地,标准化变量
近似服从标准正态分布 。分母 称为样本均值的标准误,它随样本量增大而减小。
如何使用正态近似
应用时先确定研究对象是“和”还是“均值”,再写出它的期望与方差,最后进行标准化。若总体分布较平缓、没有极端长尾,几十个样本通常就可能得到较好的近似;若总体高度偏斜或存在大量异常值,则需要更大的样本量。
例如总体均值为 、标准差为 ,抽取 个独立样本,则样本均值的标准误为
因此样本均值可近似看作 ,后续便能使用标准正态分布计算区间概率。
条件与边界
独立性是关键条件之一。若样本之间存在强相关,例如连续时间序列受同一趋势影响,直接使用经典形式可能低估波动。
有限方差同样重要。某些重尾分布可能没有有限方差,此时标准形式不再适用。还要注意,中心极限定理给出的是渐近近似,不意味着任意小样本都足够接近正态分布。
与大数定律的关系
大数定律说明 会靠近 ;中心极限定理说明它在 附近的偏差,经标准误缩放后近似服从什么分布。前者解决“落点”,后者刻画“波动形状”。
按自己的节奏,确认真正理解。