正态分布和中心极限定理

中心ji'xian如果随机变量 X1, X2, ..., Xn 是独立同分布的，当样本容量 n 足够大时，样本的均值将近似地服从正态分布，即使原始总体并不服从正态分布

使用偏心的骰子，投出小数的概率更大，改变每次模拟时投的骰子的数量

均值和方差

均值：一个分布的均值，通常用希腊字母$\mu$ 表示，描述了这个分布的重心，而它的值恰好是随机变量的期望值（期望：把这个随机变量各个取值乘以对应的概率分布的结果加起来，这样一来，如果更可能出现较大的值，这个加权和会更大，反之亦然）

测量这个分布的范围有多广

方差（）：随机变量各个取值与均值之间的差，并取这个方差作为新的随机变量求期望。缺点：我们不好把它作为图中的距离，因为单位不匹配，这里是单位的平方。

标准差$\sigma$（sigma）（Standard deviation）：方差的平方。===>可以说成距离

随着投掷骰子的数量增多，方差也在等比例扩大，这也解释了为什么中心为什么右移

即使宽度在增加，但是他扩散的没有那么快，这个速度正比于参与求和的变量个数的平方根

我们可以重新对其这些分布，使他们的均值在一条直线上，然后缩放x轴

正态分布

标准差越小，正态分布越窄

中心极限定理

无论你对分布做什么，都没法改变它所趋近的形状。

Reference

【官方双语】但是什么是中心极限定理？_哔哩哔哩_bilibili