理解大数定理和中心极限定理

首先，记住最重要的一点，大数定律和中心极限定理是沟通概率论和统计的桥梁。概率论研究的是不确定性，但是概率确是确定的。或者是他是自然确定的，但并不一定为人所知。就如同扔硬币，我们知道正反概率就是0.5，这是自然确定的。但是我们无法证明。我们所能做的，就是用一次次扔硬币，来做统计，最后统计得到的结果确实接近0.5，来验证猜想。
然后我们可以提问，为什么可以这样做，为什么我亲自扔硬币得到的结果是0.5，我就可以说那个自然存在的概率就是0.5.或者说，为什么我们可以用样本的均值和方差估计总体的期望和方差？为什么我们可以用样本的经验分布函数估计总体的分布函数？……这就需要用到我们所说的这两个定理了（定理、定律打错的话，见谅）。

格里文科定理

再讲它们两者之间，我先说一下格里文科定理。这同样是沟通统计和概率的根本定理之一。
格里文科定理讲的是：样本容量极大时，样本的分布趋近于总体分布。
总体分布是理想的，无法人为验证的，但是我们却可以通过无限取样，让样本接近总体。这就是这个定理要表达的意思。

大数定律

有了格里文科定理，我们很好理解大数定律。
大数定律讲的是，样本容量极大时，样本的均值必然趋近于总体的期望。
不要被均值和期望之间的不同迷惑了，其实这两者在样本还没有被赋予统计后的概率的时候是一样的。
对于一堆数字样本A（1，1,2,2,3,3,4,4,4，5）还没有经过我们统计变成B（1：0.2；2:0.2；3:0.2；4：0.3；5:0.1）之前。A的样本均值（Ai累加除以10）就是这个样本的期望（B中，10.2+20.2……），只不过计算方式不一样而已。那么通过格里文科定理，我们知道，样本容量足够大，样本趋近于总体，那么那个时候的样本均值不就趋近于样本期望吗。

中心极限定理

从上可以看出，大数定律其实是格里文科定理在均值或者说期望上展开讲的一个细节而已。下面我们说中心极限定理。为了显得主页专业我去百科截了个图，但是其实没必要看下图。

大数定律说，足够大样本的平均值约等于总体的平均值（期望）。
中心极限定理则说，不管总体是什么分布，任意一个总体的样本平均值都会围绕在总体的整体平均值周围，并且呈正态分布。
这里的意思是，在总体取m个容量为n大样本，每一个大样本的均值可以看做是随机变量Y，这样一个随机变量Y的呈现的分布是什么样子的呢，中心极限定理告诉我们，Y的分布是正太分布，而且，期望就是总体的期望，方差是和n有关的。其实很好理解，样本实际就是总体的一个代表，当样本足够大，样本均值接近总体均值，但是存在误差，最后就会围绕在总体均值旁边，形成正太分布。