中心极限定理的理解

1 背景2 Python模拟中心极限定理2.1 生成总体数据2.2 可视化2.3 抽一组看看2.4 抽很多组看看 3 应用3.1 应用1：对于总体的估计3.2 应用2：多场景下统计量的近似使用 4 中心极限定理可视化5 参考

1 背景

统计学上有一个重要的理论，就是中心极限定理，它的定义如下： 下面我们希望直观上来去理解下中心极限定理，以及看看它的应用场景！

2 Python模拟中心极限定理

假设我们现在观测一个人掷骰子。这个骰子是公平的，也就是说掷出1~6的概率都是相同的：1/6。他掷了一万次。我们用python来模拟投掷的结果：

2.1 生成总体数据

import numpy as np random_data = np.random.randint(1, 7, 10000) # 随机生成1~6之间的数 1万次！ print (random_data.mean()) # 打印平均值 print (random_data.std()) # 打印标准差 3.4912 1.713395039096355

实际平均值就是:

(1+2+3+4+5+6) / 6 3.5

2.2 可视化

import matplotlib.pyplot as plt plt.hist(random_data) (array([1689., 0., 1666., 0., 1696., 0., 1631., 0., 1629., 1689.]), array([1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5, 5. , 5.5, 6. ]), <a list of 10 Patch objects>)

2.3 抽一组看看

我们接下来随便先拿一组抽样，手动算一下。例如我们先从生成的数据中随机抽取10个数字：

sample1 = [] for i in range(0, 10): sample1.append(random_data[int(np.random.random() * len(random_data))]) print (sample1) # 打印出来 [5, 1, 6, 6, 4, 4, 1, 1, 4, 6]

计算平均值：

from numpy import * mean(sample1) 3.8

结果可能和实际的均值3.5会有一些差异！随机的魅力！

2.4 抽很多组看看

看有没有中心极限定理说的那么神奇！

现在我们抽取1000组，每组50个。

我们把每组的平均值都算出来。

samples = [] samples_mean = [] samples_std = [] for i in range(0, 1000): sample = [] for j in range(0, 50): sample.append(random_data[int(np.random.random() * len(random_data))]) sample_np = np.array(sample) samples_mean.append(sample_np.mean()) samples_std.append(sample_np.std()) samples.append(sample_np) samples_mean_np = np.array(samples_mean) samples_std_np = np.array(samples_std) print (samples_mean_np) [3.24 3.74 3.88 3.62 3.66 3.56 3.58 3.46 3.54 3.64 3.48 3.24 3.42 3.36 3.5 3.44 3.12 3.1 3.7 3.38 3.66 3.78 3.38 3.26 3.26 3.1 3.26 3.72 3.52 3.86 3.52 3.36 3.68 3.8 3.76 3.6 3.84 4.26 3.48 3.38 2.98 3.02 3.68 3.38 4.14 3.5 3.32 3.48 3.9 3.54 3.38 3.38 3.5 3.42 3.76 3.62 3.68 3.42 3.68 3.26 3.76 3.38 3.26 3.68 3.56 3.14 3.08 3.6 3.76 3.74 3.76 3.68 3.42 3.28 3.08 3.58 3.62 3.26 3.54 3.48 3.66 3.48 3.48 4.12 3.62 3.5 3.36 3.2 3. 3.32 3.14 3.24 3.52 3.62 3.18 3.68 3.24 3.08 3.46 3.72 3.32 3.26 3.6 3.38 3.62 3.66 3.68 3.44 3.56 3.7 3.56 3.94 3.82 3.78 3.62 3.64 3.74 3.52 3.46 3.52 3.5 3.3 3.12 3.6 3.44 3.12 3.46 3.72 3.58 3.02 3.24 3.76 3.24 3.76 3.82 2.88 3.6 3.56 3.2 3.68 3.26 3.46 3.4 3.18 3.6 3.36 3.18 3.5 3.34 3.68 3.56 3.28 3.96 3.52 3.46 3.28 3.42 3.68 3.7 3.54 3.48 3.46 3.46 4.2 3.62 3.66 3.28 3.62 3.46 3.86 3.88 3.06 3.3 3.52 3.22 3.68 3.66 3.52 3.62 3.44 2.88 3.06 3.6 3.58 3.26 3.7 3.44 3.14 3.42 3.36 3.62 3.38 3.1 3.32 3.38 3.84 3.46 3.64 3.72 3.58 2.8 3.68 3.38 3.4 3.46 3.38 3.5 3.6 3.48 3.18 3.64 3.66 3.68 3.88 3.92 3.68 3.56 3.6 3.36 3.66 3.42 3.66 3.64 3.62 3.26 3.58 3.64 3.34 3.5 3.78 3.38 3.48 3.52 3.96 3.14 3.76 3.4 3.64 3.58 3.34 3.84 3.94 3.66 3.84 3.64 3.3 3.3 3.7 3.92 3.66 3.92 3.34 3.72 3.16 3.74 3.7 3.8 3.4 3.64 3.74 3.58 3.46 3.28 3.22 3.44 3.34 3.9 3.16 3.36 3.98 3.68 3.08 3.44 3.66 4.02 3.44 3.88 3.64 3.4 3.08 3.46 3.46 3.62 3.44 3.22 3.46 3.22 3.54 3.72 3.2 3.66 3.36 3.44 3.12 3.16 3.66 3.44 3.42 3.6 3.38 3.66 3.06 3.58 3.64 3.82 3.5 3.08 3.34 3.32 3.68 3.36 3.5 3.4 3.48 3.72 3.38 3.32 3.5 3.6 3.64 3.44 3.24 3.52 3.66 3.4 3.66 3.36 3.66 3.58 3.5 3.64 3.54 3.4 3.56 3.72 3.24 3.4 3.5 3.94 3.12 3.68 4.04 3.52 3.32 3.3 3.56 3.14 3.68 3.14 3.66 3.76 3.34 3.94 3.42 3.72 3.28 3.4 3.62 3.44 3.58 3.46 3.66 3.6 3.54 3.38 3.46 3.38 3.86 3.42 3.5 3.6 3.74 3.36 3.4 3.42 3.44 3.56 3.34 3.34 3.14 3.3 3.56 3.86 3.14 3.8 3.88 3.44 3.48 3.38 3.22 3.4 3.5 3.68 3.66 3.76 3.36 3.88 3.48 3.76 3.46 3.48 3.54 3.62 3.46 3.5 3.2 3.68 3.32 3.28 3.32 3.58 3.36 3.64 3.5 3.64 3.5 3.28 3.72 3.22 3.08 2.84 3.32 3.44 3.68 3.58 3.68 3.36 3.64 3.8 3.24 3.58 3.68 3.4 3.48 3.54 3.38 3.74 3.44 3.52 3.6 3.78 3.96 3.12 3.5 3.34 3.22 3.76 3.42 3.4 3.84 3.62 3.38 3.26 3.1 3.32 3.34 3.54 3.9 3.28 3.6 3.66 3.54 3.02 3.16 3.88 3.66 4.18 3.34 3.48 3.76 3.28 3.52 3.44 3.64 3.32 3.6 3.34 3.2 3.54 3.92 4.04 3.26 3.26 3.7 3.96 3.42 3.46 3.54 3.68 3.74 3.66 3.36 3.18 3.18 3.08 3.7 3.42 3.52 3.24 3. 3.68 3.42 3.78 3.88 3.5 3.7 3.64 3.58 3.4 3.02 3.52 3.86 3.6 3.2 3.36 3.52 3.36 3.62 3.28 3.24 3.68 3.3 3.28 3.84 3.36 3.38 3.6 3.38 3.54 3.82 3.3 3.74 3.72 3.5 3.36 3.7 3.82 3.42 3.44 3.52 3.8 3.82 3.66 3.1 3.42 3.62 3.3 3.36 3.16 3.02 3.4 3.28 3.7 3.8 3.76 3.3 3.32 3.36 3.12 3.38 3.82 3.42 3.52 3.12 3.3 3.74 3.38 3.82 3.44 3.38 3.12 3.36 3.04 3.32 3.56 3.5 3.3 3.22 3.22 3.52 3.1 3.64 3.48 3.4 3.44 3.6 3.68 3.2 3.76 3.22 3.02 3.42 3.82 3.16 3.26 3.52 3.66 3.88 3.32 3.62 3.56 3.36 3.54 3.5 3.8 3.08 3.5 3.08 3.64 3.38 3.12 3.34 3.94 3.52 3.54 3.5 3.52 3.44 3.74 3.18 3.16 3.42 3.38 3.88 3.7 3.68 3.8 3.44 3.2 3.6 3.56 3.8 3.5 3.56 3.6 3.14 3.14 3.7 3.34 3.52 3.32 3.68 3.38 3.72 3.34 3.4 3.42 3.8 3.76 3.4 3.64 3.56 3.7 3.58 3.74 3.86 3.28 3.62 3.42 3.5 3.56 3.66 3.54 3.84 3.26 3.4 3.42 3.16 3.44 3.3 3.76 3.42 3.96 3.34 3.66 3.86 3.32 3.54 3.38 4.06 4.24 3.18 3.34 3.42 3.92 3.2 3.82 3.72 3.06 3.52 3.62 3.64 3.94 3.52 3.58 3.4 3.4 3.78 3.26 3.78 3.24 3.76 3.2 3.66 3.9 3.36 3.5 3.22 3.42 3.56 3.68 3.44 3.28 3.9 3.24 3.7 3.88 3.98 3.6 3.96 3.2 3.7 3.3 3.2 3.26 4.08 3.3 3.88 3.86 3.52 3.66 3.62 3.06 3.34 3.38 3.8 3.98 3.38 3.42 3.88 3.78 3.2 3.38 3.12 3.24 3.12 3.82 3.48 3.62 3.36 3.56 3.1 3.5 3.2 3.74 3.74 2.96 3.24 2.94 3.42 3.7 3.42 3.62 3.5 3.06 3.06 3.6 3. 3.26 3.46 3.68 2.88 3.18 3.2 3.42 3.46 3.5 3.78 2.94 3.8 3.48 3.6 3.42 3.48 3.24 3.58 4.34 3.42 3.24 3.56 3.6 3.78 3.04 3.72 3.22 3.64 3.26 3.6 3.54 3.4 3.56 3.18 3.92 3.56 3.8 3.24 3.74 3.56 3.38 3.92 3.52 3.92 3.42 3.28 3.56 3.62 3.7 3.4 3.38 3.54 3.2 3.26 3.78 3.82 3.44 3.46 3.08 3.52 3.98 3.62 3.8 3.16 3.52 3.38 3.54 3.88 3.56 3.4 3.34 3.14 3.56 3.3 3.96 3.66 3.18 3.02 3.52 3.56 3.1 3.34 3.48 3.44 3.64 4.06 3.98 3.56 3.22 3.6 3.52 3.6 3.92 3.06 3.32 3.64 3.68 3.48 3.48 3.46 3.7 2.98 3.46 3.32 3.44 3.58 3.52 3.54 3.48 3.48 3.34 3.5 3.4 3.26 3.42 3.78 2.88 3.52 3.96 3.54 3.58 2.88 3.6 3.98 3.76 3.58 3.26 3.5 3.32 3.14 3.62 3.98 3.42 4.4 3.44 2.86 3.86 3.62 3.22 3.38 3.38 3.32 3.22 3.3 3.54 3.02 3.62 3.08 3.42 3.46 3.62 3.36 3.92 3.8 3.6 3.64 3.48 3.7 3.78 3.3 3.48 3.56 2.96 3.62 3.28 3.4 3.16 3.7 3.82 3.66 3.36 3.94 3.54 3.78 3.76 3.86 3.22 3.5 3.3 3.26 3.44 3.82 3.52 3.4 3.38 3.48 3.94 4.2 3.58 3.44 3.66 3.3 3.28 3.22 3.3 3.8 3.52 3.16 3.24 3.46 3.62 3.74 3.66 3.18 3.04 3.52 3.46 3.26 3. 3.72 3.78 3.58 3.72 3.82 3.64 3.52 3.4 3.38 3.46 3.52 3.46 3.64 3.6 3.4 3.62 3.54 3.48 3.68 3.72 3.84 3.44 3.52]

可视化这1000组各自的均值：

plt.hist(samples_mean_np) (array([ 10., 47., 141., 196., 241., 234., 83., 38., 6., 4.]), array([2.8 , 2.96, 3.12, 3.28, 3.44, 3.6 , 3.76, 3.92, 4.08, 4.24, 4.4 ]), <a list of 10 Patch objects>)

加上拟合曲线，很接近正态分布！

import seaborn as sns sns.distplot(samples_mean_np, bins=10) plt.show()

3 应用

在实际生活当中，我们不能知道我们想要研究的对象的平均值，标准差之类的统计参数。中心极限定理在理论上保证了我们可以用只抽样一部分的方法，达到推测研究对象统计参数的目的

3.1 应用1：对于总体的估计

根据这个定理，不管实验关注的结果指标自身分布如何，比如点赞次数、评论次数、分享次数，这些肯定不是呈正态分布。但是只要实验随机地选取用户且用户量足够大，那么每次抽样的均值作为一个样本点形成的分布会呈现正态分布。且抽样分布的均值近似为总体均值，抽样分布的标准差为总体方差的1/sqrt(n)。

实际的社会生活中，要统计总体的一些数值的成本可能非常高，基本不可行，比如统计特朗普在美国民众中的支持率，但可以通过随机抽样得到的数据来进行估计。随着抽样选取的样本数量越大，抽样得到的数值跟真实值就越接近。

3.2 应用2：多场景下统计量的近似使用

A/B 测试：一般是比较实验组和对照组在某些指标上是否存在差异，当然更多时候是看实验组相比对照组某个指标表现是否更好。

AB测试本质上是检验两总体均值是否相等！假设检验的内容！实验样本量远远大于统计学上所说的大样本量（样本量n>30），这就满足了中心极限定理。可以使用Z统计量！

4 中心极限定理可视化

http://mfviz.com/central-limit/

5 参考

http://sofasofa.io/forum_main_post.php?postid=1001395https://zhuanlan.zhihu.com/p/25241653https://zhuanlan.zhihu.com/p/46963974