中心极限定理

从这里开始直到高斯分布课程结尾的内容皆为选修部分。

这一部分介绍了高斯分布的由来。如果你想深入学习高斯分布背后的理论，那么请继续。如果你不想，也可以直接跳到机器人定位课程。

什么是中心极限定理？

中心极限定理相当有趣。它说明了如果你从总体中选取足够多的样本，并计算这些样本的均值，这些均值将呈正态分布。只要样本数量足够多，并且问题中的变量是 独立 和 随机 的，那么这条定理便能成立。

这听起来也许有些理论化了。因此在本堂课的下一部分，我们将会使用 Python 来为你说明这条定理。

总体

总体中包含了数据集中的所有值。在这一课中，我们将用到的数据就像下面这样：

例如，值 15 在总体中大概出现了 160 次，值 50 在总体中大概出现了 70 次。这个总体中一共有 10,000 个数据点。

随机从这一分布中抽取 100 个数据点，并将这 100 个数据点称为一个样本。接着计算该样本的均值。如果你照此方法反复抽取样本，得到的均值将呈高斯分布。

随着大量样本均值的计算，看着人口分布逐渐向高斯分布靠近，这是一件十分神奇的事。

在本课程的下一部分，我们将为你呈现如何使用 Python 代码做到这一点。