Python数据可视化：中心极限定律

中心极限定理是研究独立随机变量和的极限分布为正态分布的问题。

设随机变量序列 相互独立，均具有相同的数学期望与方差，即
令：
则称随机变量为随机变量序列的规范和。

中心极限定理：设从均值为、方差为;（有限）的任意一个总体中抽取样本量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为、方差为 的正态分布。

【定理1】：(独立同分布的中心极限定理) 设随机变量 相互独立，具有相同的分布, 记：
【定理2】：均值为 ，方差为 的独立同分布的随机变量 的和 的标准化变量的分布函数，当 充分大时，有

代码实现：

    # Python
    # 中心极限定理
    u = 0  # 均值μ
    sig = math.sqrt(0.5)  # 标准差δ
    t = 10000
    a = np.zeros(1000)
    for i in range(t):
        a += np.random.uniform(-5, 5, 1000)  # random:返回随机的浮点数，在半开区间 [0.0, 1.0),uniform:均匀分布
    a = (a - u)/(sig/math.sqrt(t))
    plt.hist(a, bins=30, color='g', alpha=0.75)  # hist:绘制直方图
    plt.grid()
    plt.show()