全文共1204字,预计学习时长4分钟
![1c42c2319f113ae0443a72943310c03b.png](https://i-blog.csdnimg.cn/blog_migrate/a23ab8a0bc67b4ff4b318cfcf0d6f343.jpeg)
图源:unsplash
中心极限定理(CLT)是指,给定足够大的样本量,无论变量在总体中的分布如何,变量均值的抽样分布都将近似于正态分布。
这是统计学中的一个基本定理,也是最重要的统计定理之一,是学习统计学绕不过的坎儿。不过好在这个概念实际上不难理解,看过下面这些例子,你也会觉得它其实蛮简单的。这些例子从反方面着手,我们很容易就能清楚地理解CLT了。
例1
![6d17ccb61de7ebe50c4ebb303a6e964b.png](https://i-blog.csdnimg.cn/blog_migrate/6d10fc82c8d802a33f5156f1b34c2a7d.jpeg)
取一个均匀分布(从0到1,称为均匀分布,因为在0和1之间选择值的概率相等,因此它的概率密度函数(PDF)就是水平的黑色直线)。现在,假设从这个分布(绿点)中随机抽取20个样本,并计算这些样本的均值,最后得到一个值,在本例中,黑色点线表示0.5。
继续在直方图上绘制这个均值。因为此直方图目前只有一个均值,除此之外没有任何信息(下图1)。继续从相同的分布中随机抽取更多的样本,计算各自的均值并再次在直方图上绘制这些均值,便开始得到一个有趣的输出(下图2)。
![fa6dee36b8a36b9ca32d4b47b5f91238.png](https://i-blog.csdnimg.cn/blog_migrate/bd27c2fcd48051794e74b64e7eb58382.jpeg)
![9044b0309bb8f561668f3bc62623a580.png](https://i-blog.csdnimg.cn/blog_migrate/eb5f4f984818516c093e0775cc4e3cb3.jpeg)
随着不断从均匀分布中随机取出越来越多的样本,并不断在直方图上绘制样本均值,我们可以得到一个正态分布的结果(右曲线)。
![356654028549ed10ad5d02875579c3b6.png](https://i-blog.csdnimg.cn/blog_migrate/a84b8b6d414e591d249205d96882a5d6.jpeg)
推论:从均匀数据分布开始,但是从中抽取的样本均值结果为正态分布。
例2
在第二例中进行与例1相同的步骤,唯一不同的是,这次将从指数分布中抽取样本。
![f2df3d9e7168267de85e38b7ccb4c948.png](https://i-blog.csdnimg.cn/blog_migrate/b0f4527cd7fe25bbebb388e4a4663c3c.jpeg)
再次随机抽取20个样本,计算样本的均值,并将其绘制在直方图上。以此类推,在此指数数据分布中抽取大约100个样本,直方图如下所示。没错,样本的均值结果是正态分布!
推论:从指数数据分布开始,但从中抽取的样本均值为正态分布。
此时CLT的含义就变得非常直观了。它意味着,即使数据分布不是正态的,从中抽取的样本均值的分布也将是正态的。
![8075945099bb5522cd7cd3885069fa59.png](https://i-blog.csdnimg.cn/blog_migrate/fb63aa16d5d89aa3506abe59caa0f0cf.jpeg)
了解样本均值总是*呈正态分布有什么实际意义?
分析学领域从来少不了各种各样的数据,而源数据的分布我们不一定了解,但有了CLT,我们甚至不需要考虑这种情况,因为均值永远为正态分布,完全没有必要担心源数据的分布。
(注*-为了应用CLT,必须能够计算样本的均值。Cauchy分布没有样本均值,因此CLT不适用于该分布,但除了Cauchy,笔者没有遇到任何其他分布不适用于CLT的情况,因此,CLT可以适用于任何其他分布。)
![7d92dfd51182ee5c6c4957d7ef638380.png](https://i-blog.csdnimg.cn/blog_migrate/a8853f4dac63d3076e4cc84102f62107.jpeg)
图源:unsplash
我们能利用CLT作答还有很多:
· 可以利用均值的正态分布来确定置信区间。
· 在使用样本均值的情况下,可以进行任何统计检验。
· 可以进行t检验(即,利用两个样本的均值之间存在差异的特点)
· 可以进行方差分析测试(即,利用3个或3个以上样本的均值之间存在差异的特点)
本文涵盖了所有在处理数据和样本时应该了解的中心极限定理,你掌握了吗?
![3815f5428203a6df379176616bdeb9ae.png](https://i-blog.csdnimg.cn/blog_migrate/e90bd20a8a40196dbb0787167a04b842.jpeg)
留言点赞关注
我们一起分享AI学习与发展的干货
如转载,请后台留言,遵守转载规范