山顶洞人学机器学习之——中心极限定理（通俗理解版）

机器学习是实现人工智能的重要技术之一。在学习机器学习的过程中，必须要掌握一些基础的数学与统计知识。中心极限定理（CLT）是数理统计中最重要的定理之一，具有广泛的应用场景。准确理解中心极限定理背后深层次的含义，有助于打牢机器学习的基础。本篇文章将用最通俗的语言来揭示中心极限定理，并结合R语言，通过可视化的途径来还原这一定理。本文的结构安排将从中心极限定理的定义、案例分析、R语言还原、总结四个部分来展开。

中心极限定理

一、 定义

中心极限定理是指，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。详细来讲，给定一个任意分布的总体，从这个总体中抽取n个样本，总共随机抽取m次，计算这m次的样本的平均值，则这些平均值的分布是正态分布，并且这些平均值的均值近似等于总体均值，平均值的方差为总体方差除以n。

在这里，要把握以下关键点，

• 第一，总体的分布是任意的，可以是卡方分布，可以是指数分布，可以是均匀分布，可以是…….

• 第二，从总体中要抽n个样本，总共要抽m次，这里的m和n都要求越大越好”。