大数定律VS中心极限定理

在统计活动中，人们发现，在相同条件下大量重复进行一种随机实验时，一件事情发生的次数与实验次数的比值，即该事件发生的频率值会趋近于某一数值。重复次数多了，这个结论越来越明显。这个就是最早的大数定律。一般大数定律讨论的是n个随机变量平均值的稳定性。
而中心极限定理则是证明了在很一般的条件下，n个随即变量的和当n趋近于正无穷时的极限分布是正态分布。

一句话解释：大数定律讲的是样本均值收敛到总体均值，说白了就是期望，如图一样：

而中心极限定理告诉我们，当样本足够大时，样本均值的分布会慢慢变成正态分布，对，就是如图这个样子：

黄色的是标准正态分布的密度函数。

上面是区别，那么联系根据区别也能看出来，都总结的是在独立同分布条件下的随即变量平均值的表现。

我们假设有n个独立随机变量，令他们的和为：

                                                        

那么大数定律（以一般的大数定律为例），它的公式为：

                                                     

而中心极限定理的公式为：

                                                      

注意：上面两个公式，一个是值为0，一直均值为0的正态分布；而左边极为相似！但不一样的。第二个公式比第一个公式多了根号下n！看出来了吧！