《商务与经济统计》学习笔记（六）--中心极限定理与大数定理

阅读之前看这里👉：博主是正在学习数据分析的一员，博客记录的是在学习过程中一些总结，也希望和大家一起进步，在记录之时，未免存在很多疏漏和不全，如有问题，还请私聊博主指正。
博客地址：天阑之蓝的博客，学习过程中不免有困难和迷茫，希望大家都能在这学习的过程中肯定自己，超越自己，最终创造自己。

什么是中心极限定理和大数定律

简单而言，大数定律讲的是样本均值收敛到总体均值（就是期望）。
而中心极限定理告诉我们，当样本量足够大时，样本均值的分布慢慢变成正态分布。

我们通过程序去理解一下吧：
第一步， 生成数据
假设我们现在观测一个人掷骰子。这个骰子是公平的，也就是说掷出1~6的概率都是相同的：1/6。他掷了一万次。我们用python来模拟投掷的结果：

import numpy as np

# 随机生成1-6的数字，一共1000次
random_data = np.random.randint(1,7,1000)
random_data

然后我们看一下它的均值

random_data.mean()
# 3.533

# 10000次
random_data = np.random.randint(1,7,10000)
random_data.mean()
# 3.5023

1000次为3.533，10000次为3.5023。因为每次掷出来的结果是1、2、3、4、5、6。 每个结果的概率是1/6，所以加权平均值就是3.5，而且随着次数增多样本均值越接近于总体均值。
是不是满足大数定理呢:样本均值（期望）收敛到总体均值。

那么继续，进行中心极限定理的实验。

现在我们在上述随机生成的数据中抽取1000组，每组取50个。我们把每组的平均值都算出来。

# 分n组，每组m个
samples = []
# 分组的平均值
samples_mean = []
# 分组的标准差
samples_std = []
for i in range(0, 1000):
    sample = []
    for j in range(0, 500):
        sample.append(random_data[int