详细内容或原文请订阅后点击阅览
中心极限定理的 3 个视觉证明，可增强您的直觉
为了增强您的直觉，本文展示了经典钟形曲线在多种情况下出现的三个视觉证据。
来源:KDnuggets中心极限定理 (CLT) 从广义上讲告诉我们，正态分布的“神奇”钟形曲线在现实世界中会发生（而且确实发生了很多！），通常与数据的原始形状无关。但你有没有想过为什么？
CLT 背后的底线是一条基本统计规则：如果从任何数据中获取足够的样本并计算其平均值，这些平均值将接近正态分布 - 无论原始数据的形式是什么。
为了增强您的直觉，本文展示了经典钟形曲线在多种情况下出现的三个视觉证据。
1. 掷多个骰子
当多次滚动单个六面骰子时，我们直观地得到平坦、均匀的分布。然而，当同时掷多个骰子时，情况就会发生变化——例如一次掷五个骰子。如果我们计算这些骰子结果的平均值并绘制它们，就会出现一条钟形曲线，在中间分数 3 和 4 附近达到峰值。这些平均分数往往比接近极值 1 和 6 的分数更频繁，这要求所有骰子分别获得低分（或高分）：直观上比混合分数相互补偿更难实现。
将 numpy 导入为 np
将 matplotlib.pyplot 导入为 plt
# 模拟 5 次掷骰子的 100,000 次平均值：randint() 中排除了 7 的上限dice_averages = [np.mean(np.random.randint(1, 7, 5)) for _ in range(100000)]plt.hist（dice_averages，bins = 20，edgecolor ='黑色'，颜色='天蓝色'）plt.title("5 骰子平均值的分布")plt.show()2. 平均不同人群：双峰屏幕时间3. 平滑混沌偏度：平均收入CLT 的另一个现实世界中最好的例子。让我们面对现实吧，财富分配明显右偏，绝大多数人口倾向于接近下限。因此，富裕的少数人形成了一条向右延伸的长尾巴。