概念卡：中心极限定理 Central Limit Theorem
概念卡：中心极限定理 Central Limit Theorem
一句话定义
中心极限定理说明在一定条件下，大量独立随机变量的平均值会近似服从正态分布。
它解决什么问题
它解释了为什么许多统计推断可以使用正态近似。
典型使用场景
- 构造置信区间。
- 假设检验。
- 解释样本均值分布。
需要知道的关键词
- Sample Mean
- Normal Approximation
- Independent
- Identically Distributed
- Large Sample
和导师方向的关系
中心极限定理是应用统计推断的理论底座，但在重尾或强依赖数据中要谨慎。
交流时可以怎么说
中心极限定理支持很多大样本正态近似，但前提条件需要注意，尤其是重尾和依赖数据。
如果数据存在强依赖或极端重尾，普通正态近似可能不可靠。
可以追问的问题
- 样本是否近似独立？
- 方差是否有限？
- 样本量是否足够大？
给 AI 的提示词
请解释中心极限定理的直觉、条件和应用。要求说明它为什么支持置信区间和假设检验，并指出重尾数据中的风险。
我的理解边界
- 已理解：样本均值在大样本下常近似正态。
- 还不确定：非独立数据的版本。
- 下次需要补：大样本近似。