大数定律与中心极限定理

大数定律

🌱 大一新生提示

一句话提示：大数定律说的是「样本越多，平均值越稳」——当样本量 $n$ 足够大时，样本均值 $\frac{1}{n}\sum _{i=1}^n{X}_i$ 会以很大概率接近真实期望 $EX$。做题时认准「依概率收敛到期望」这一核心结论即可。

💻 计算机专业视角

引导句：大数定律是蒙特卡洛方法的理论基石：用大量随机采样的平均去估计期望（如积分估值、强化学习里的回报估计），$n$ 越大估计越准，正是「样本均值依概率收敛到期望」的直接应用。

中心极限定理

🌱 大一新生提示

一句话提示：中心极限定理说的是「大量独立随机量之和近似服从正态分布」——不管原始分布长什么样，只要把足够多个独立同分布的量加起来，标准化后就近似 $N(0,1)$。这就是正态分布在统计里无处不在的原因。

💻 计算机专业视角

引导句：中心极限定理解释了为什么机器学习里大量误差、噪声常被建模为高斯分布，也支撑了 A/B 测试中对样本均值做正态近似、构造置信区间与显著性检验的整套流程。