文章目錄

• 中心極限定理

中心極限定理

中心極限定理是說，n只要越來越大，這n個數的樣本均值會趨近於正態分佈，並且這個正態分佈以u為均值，sigma^2/n為方差。
換句話說，假設我們與樣本 $x1,x\mathrm{2....}{x}_{}$

由此，我們就可以根據均勻分佈的均值和方差，結合中心極限定理，來根據均勻分佈差生正太分佈；
均勻分佈假設為[a, b], 那麼 $E = (a+b)/2, D(x) = E(x^2) - E(x)^2 = (b-a)^2/12$

下面以[0,1]分佈例子，產生一個正態分佈：

n = 1000
y = [ random.random() for i in range(n)
z = (sum(y) - n * 0.5) / (sqrt(n)*12)