章节19：中心极限定理 Lec. 19: The Central Limit
数学大学
章节19：中心极限定理 Le
概率论——不确定性的科学 · 单元8：极限定理和经典统计 Unit 8: Limit theorems and c
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
数学大学
章节19：中心极限定理 Le
概率论——不确定性的科学 · 单元8：极限定理和经典统计 Unit 8: Limit theorems and c
The Central Limit Theore
中心极限定理：独立同分布样本和的标准化依分布收敛到标准正态。
条件
独立同分布、期望与方差有限
结论
(ΣXᵢ−nμ)/(√n·σ) → N(0,1)
Discussion of the CLT
CLT 的普适性：不管原分布长什么样，和都趋向正态——这是它强大的根源。
普适
对原始分布形状不作要求
精度
近似程度随 n 提升，偏态分布收敛更慢
Illustration of the CLT
直观演示：均匀分布的和逐步「长出」钟形曲线。
三两项
两个均匀之和已是三角形，相当接近正态
滚动
多个骰子点数和的分布即演示
CLT examples
CLT 例题：用正态近似计算大样本和落入区间的概率。
流程
算和的均值方差 → 标准化 → 查表
参数
和的均值为 nμ、方差为 nσ²
Normal approximation to
二项分布的正态近似：np 与 n(1−p) 都大时用 N(np, np(1−p))。
条件
np≥5 且 n(1−p)≥5 是经验线
连续性校正
离散取值±0.5 后再标准化更精确
Polling revisited
重访民调：CLT 给出误差范围与样本量的定量关系 ±1.96·√(p(1−p)/n)。
误差界
95% 置信下误差约 ±1/√n
设计
要 ±3% 误差约需 n≈1000 个样本
本节要点
- ✓CLT：标准化样本和趋于标准正态
- ✓普适性不依赖原始分布
- ✓二项近似用 N(np,np(1−p)) 加校正
- ✓民调误差约 1/√n
延伸主题：做一道正态近似计算验证骰子和的收敛速度
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1CLT 与大数定律有什么本质区别？
参考答案大数定律说样本均值「靠近」真值（一个定性 statement），CLT 进一步量化「差多远」：偏差按 1/√n 尺度呈正态分布。前者给方向，后者给出完整的分布近似。
2为什么自然界到处是正态分布？
参考答案一个现象若由大量独立微小因素的叠加决定（测量误差、身高、噪声），CLT 保证其和呈正态。正态分布是「多因叠加」的数学签名。
3连续性校正 ±0.5 的依据是什么？
参考答案二项分布是离散的阶梯状概率，正态是连续曲线；直接用正态算 P(X=k) 的面积会偏小半个格宽。把「恰好 k」改写为区间 [k−0.5, k+0.5] 再查正态，面积对齐格宽，精度明显提升。