文章澄清了关于样本量大于30即认为服从正态分布的误解，指出样本均值而非样本本身在大样本量下近似正态分布。中心极限定理表明，样本均值在足够大的样本量下趋向于正态分布，但具体数值取决于总体分布形状。通过模拟掷骰子展示了样本均值如何随样本量增加而接近正态分布。
我经常会被问到这么一个问题：样本量多大就不用进行正态性检验了。殊不知，这问题的本身就是错误的，并不是样本大，就一定要服从正态分布。我们可以轻易举出一个反例来说明这个问题。比方说就用1-1000这一千个（甚至更多）自然数，组成一个样本，那么这个样本的分布就不是正态分布，因为1-1000服从的是均匀分布。另外，数据的分布基于形成的机理，有的分布天生就非正态（如寿命数据）。
但有些朋友，并不觉得这是一个错误的问题，甚至在他们的学习中还流传着这么一个说法：样本量大于30就可以认为是服从正态分布。当你向他问为什么的时候，会得到一个专业的解释——中心极限定理。
中心极限定理
中心极限定理（Central Limit Theorem）是统计学中最重要的结论之一。在这里，我并不想给出中心极限定理专业的定义
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
