中心极限定理证明过程-中心极限定理证明

想象一下，你手里捏着一堆彻底没关系的石头。
第一块是刚出炉的巧克力，第二块是陈年的废墟，第三块是刚买的全麦面包，第四块是烂掉的轮胎。
要是把这些石头全体丢进总重量就是 100 斤的大秤盘里，结局你猜如何着？秤上的数字绝对不会是 50，可能是 99，也可能是 98，就连可能是 51，出于它受着你这些石头里每一块具体重量的影响。
这些石头之间互不干扰，哪位也拖不动哪位，彼此之间没有内在联系。 但在概率论的世界里，这就像个噩梦。真正的“核心”思想，往往不是让你去数数那堆石头，而是想象你要扔的不是石头，而是成千上万个硬币。 假设你心里想的是“正反面各半”这个硬币。
这听起来挺靠谱，对吧？但在数学里，这叫“独立”的均匀分布。
要是你只扔一次，正反面有 50% 的可能性；你扔两次，正反面各 25%；扔一百次，正反面各 50%。你会发现，数字是稳定的，但每次扔出来的结局都不一样。
这就好比你说的“一堆石头”，只要扔的次数够多，它们就能给出现有分布的样子，但这并不意味着它们凭空变出了一个完美的正态分布。 要弄明白为啥扔得越多就越像正态分布，咱们得换个角度，看看它们是如何“打架”的。别想正态分布的形状，先想它是如何“长”出来的。 这就好比你在画一条线。
要是你先画一条挺直的线段，然后上面撒了一堆随机的石子，这条线就会启动往两边飘。刚启动它还是直的，但随着石子越来越多，它启动上下起伏，像波浪一样。
这时候，这条线上的点，有的挺高，有的挺低，中间夹着个平均值。 关键在于，这种“波动”和“波动中的波动”会如何演化。当你扔的硬币多了，每一次投掷都会让那条线略微往上或往下跳一点。
要是每次跳的大小是固定的，涨得了得，跌得了得，那结局就是偏态；要是涨跌幅度别看固定，可是每次跳的大小都不一样，那结局就是均匀分布。
只有当每次跳的大小别看不一样，可是平均效果是净转零，与此同时涨落的方差（波动性）越来越小时，你的线才会慢慢收回来，变成一条越来越平滑、越来越对称的钟形曲线。 这就是为啥大量看似凌乱无章、毫无逻辑的东西，扔得充足多之后，都会凑近一条完美的钟形曲线。它不需求任何人为的引导，全靠概率的“内卷”。 咱们来算个具体的数字，看看这个过程到底是如何运作的。 假设有两个彻底随机的变量：一个是身高 $X$，一个是体重 $Y$。我们假设每个人都是随机从 180 到 200 的范围内形成。 比如，一个人身高是 185 厘米，体重是 70 公斤。另一个身高 182 厘米，体重 68 公斤。他们俩加起来是 393 厘米，138 公斤。 目前，咱们让这个过程搞再大点。假设一共有 $n$ 个人。 要是 $n=5$，算出来总身高是 915 厘米，总体重是 340 公斤，平均下来每人大约 183 厘米，78 公斤。 要是 $n=100$，总身高是 91500 厘米，总体重是 7800 公斤。算下来每人 915 厘米，780 公斤。 你会发现，随着 $n$ 变大，别看每个人单独看是随机变量，但把他们全拼在一起，这些随机数据的“平均”值，竟然稳定得贼准。
这就叫中心极限定理，它的意思是：不管这 100 个人的身高体重分布是啥形状（哪怕他们要么全矮要么全胖），只要 $n$ 充足大，最终结局的“重心”一定会跑回中心，并且那个“波动”会随着 $n$ 的增大而收窄。 举个更生动点的例子。
比如你想看“一天中的首次日出工夫”。 假设在某一年有 $n=365$ 天的日出工夫。 每天日出工夫是个随机变量 $t_i$，范围从早上 6 点到晚上 8 点，并且每天都不一样，互不影响。 要是你把这 365 天的日出工夫加起来，拿到的是 $sum t_i$。 这三千六十五个数据点的总和，绝对不会是一个固定的数字。它会在 6 点几分到 8 点几分之间疯狂跳动。 可是，要是你把这 365 个数加起来，然后除以 365，拿到的是“平均日出工夫”。 你会发现，这个平均值，会出于某种玄妙的数学规律，死死地钉在 6 点 50 分 00 秒，要么 6 点 55 分 00 秒。 哪怕这一年的天气极端寒暖，哪怕有人熬夜加时，这个平均值依然会在一个小范围内上下游波动，根本跑不出 6.5 点的范围。 这就是中心极限定理的威力。它解释了为啥在这个充满随机性的世界里，我们要信任“平均值”是真理。单个点可能挺妖，但万亿个点加起来，就只剩下一个坚实的“平均”。 再深入一点，这就涉及到方差（波动大小）和均值（中心位置）的角力。 假设你有一堆随机变量 $X_1, X_2, dots, X_n$，它们相互独立。 当你把它们加起来，变成 $sum X_i$，这个和的分布也会变得贼特殊。 根据中心极限定理，要是 $n$ 充足大，这个和的分布就会趋近于正态分布。 正态分布的特征是有一个对称的中心（均值），两边是对称的波动。 它的形状有一个参数叫标准差（方差开根号）。方差越大，曲线就越胖，波动范围越大；方差越小，曲线就越瘦高，波动范围越小。 你看，就算你一启动扔的是离散的石子（比如 1 公斤，2 公斤，3 公斤），扔再多堆，你算出来的平均重量依然是 2 公斤，但波动范围会变小，最终趋近于正态分布。 你一启动扔的是硬币正反面，扔再多堆，算出来的平均结局是正，但波动范围在变小，最终趋近于正态分布。 故此，中心极限定理并不是说“所有东西”都会变正态。它说的是：在“求和”这个操作下，任何分布，在 $n$ 充足大时，都会收敛到正态分布。 这就解释了为啥有些东西看起来是离散的，比如基因型、某些故障代码，它们本身是离散的。但只要你是把这几十个基因型全体加起来（比如算出一个孩子的概率，要么一个设备的总故障率），在 $n$ 挺大时，这个总和的分布就会变成连续的、对称的正态分布。 这里有个小细节，有时候大家会搞混“和”与“平均”。 要是是求和，波动范围是 $sigma sqrt{n}$。 要是是求平均，波动范围是 $frac{sigma}{sqrt{n}}$。 你能够发现，$n$ 越大，和的波动范围越大，而平均的波动范围越小。 这也是一致的。扔的石头越多，总和越乱，但平均值越稳。 再举个例子，比如电力行业。假设一个区域有 $n$ 个灯泡。每个灯泡亮不亮是全随机的（伯努利分布）。 要是你只问“一个灯泡亮没亮”，结局可能是 0 或 1。 要是你问“这区域所有 $n$ 个灯泡全体亮起来的概率”，这就是求和的难题。 不管这 $n$ 个灯泡原本的分布是啥，只要 $n$ 够大，这个“全体亮起来”的概率（即总和大于 0 的性质），就会呈现出正态分布的特征。 比如，要是 $n=100$，这个概率大约会在 0.5 左右有 95 的把握，也就是 95 的概率在 0.45 到 0.55 之间。 这个结论对于 $n=1000$ 依然成立，并且中心（0.5）依然稳稳当当地在中间。 这就足以证明，中心极限定理是一个强大的“平滑剂”。它把任何粗糙的、离散的、随机的颗粒，通过“求和”或“平均”这个动作，打磨成了一个光滑的、对称的钟形。 这就像是一个强力磁铁，不管你扔的是石头还是硬币，扔了多少次，它都能把你手里的东西吸过来，最终变成正态分布。 自然，这个定理有个前提，就是变量之间要独立，并且要无限大。
要是变量之间有某种神秘的结构关系（比如正相关），要么 $n$ 还不够大，波浪可能还平直一点，要么间或还会歪一点，但大体上，那个钟形肯定会出来。 故此，当我们面对一堆凌乱无章、毫无涉联的随机数据时，不要指望你会拿到那个统一的分布。 只要你把它们加起来，要么算出它们的平均值，下一个十年、下一个百年，要么任何漫长周期内，这些数据的趋势都会稳稳地落在正态分布的轨道上。 这就是概率论最伟大的秘密：混乱是常态，而平均是唯一的真理。