三大抽样分布的定理-三大抽样分布定理

三大抽样分布的定理：概率的三条实话 咱们不整那些教科书味儿忒浓的“起初、其次、最终”了，直接聊聊三条概率里的规矩，就是这三个分布的事儿。 第一张图是正态分布。
这东西最狠，出于它是个双峰。
要是让你猜，只要数据够多，某个数值出现概率会跌到简直为零。可现实呢？数据往往有点多，但也没那么多。在某些极端情况下，数据分布会往两边挤，形成一个长长的“双峰”，也就是两个高值。
这时候，只要你能把这两个峰加起来看，还是能把概率算出来。
这就好比一个平均值，要是数值超纲了，概率自然会缩下去。 第二张图是 t 分布。
这东西跟正态分布挺像，除了它不是“双峰”这种怪胎。
要是样本量不大，数据会往两边挤，形成一个胖乎乎的曲线。样本量越大，这条线就越瘦长，越来越接近那个标准的正态曲线。它的名字听起来就硬，出于它专门用来解决咱们这种“样本量小、不知道标准差”的难题。
这时候，你哪怕只拿十个数据点，也能从中摸出个大约的规律。 第三张图是卡方分布。
这东西最显摆，出于它是个单峰，并且只有一边高。它专门用来衡量那些“离负号挺远的数字”。
比方说，一个正数，你离它越远，概率就越高。
要是你抽了个 0.00001，那概率就简直等于零；抽了个 100，那概率就挺大。它底下还藏着个曲线，那个曲线在数值小的时候概率挺高，数值大了之后概率就降得了得，这就是卡方分布最典型的特征。 这三个图，实际上都在讲同一个道理：概率这东西，在数据丰富时是 skinny 的，在数据稀疏时是 fat 的。 说到抽样，咱们得先说样本量。样本量小的时候，正态分布根本不适用，这时候 t 分布才是你的好伙伴。
比如你打算做一次实验，样本量只能到 10 个，那正态分布的曲线就彻底没法画了，务必得用 t 分布。
这时候，t 分布的峰比正态分布更胖，意味着你更有可能看到极端值。 要是样本量到了 30 个以上，正态分布又成克星了。
这时候 t 分布就得退居二线，让卡方分布来掌舵。卡方分布的曲线别看也胖，但它的主峰位置在两边，而不是中间。
这意味着，当样本量充足大时，那些偏离中心挺远的数据，出现的概率会比较高。 再往大样本走，样本量超过 100 个，这时候正态分布和 t 分布就差不多，都能用正态分布来近似处理。而卡方分布呢，随着样本量增添，它的峰越来越瘦长，最终彻底贴合上了正态分布的曲线。
这时候，正态分布就是那个终极指南。 这话说得有点绕，咱们还是得拿数据讲话，来证明这三个分布到底在干啥。 假设我们要研究一个异常值对总体分布的影响。我们选了个 4 个样本，分别是：5、3、7、9。
这时候，正态分布根本没法用，出于数据的标准差忒大了，数据分布忒歪了。t 分布能够用，但它的峰还是挺胖，意味着要是我们用正态分布去算，可能会高估掉某个极端值出现的概率。 要是我们把样本量增添到 20 个，数据变成了：4、6、7、8、9、10、11、12、13、15、16、18、19、20、21、22、23、24、25、26。
这时候，正态分布就挺有用劲儿了。我们减去平均值，除以标准差，算出的正态分布曲线，跟这 20 个数据的真分布撞个满怀。 要是样本量再扩容到 100 个，数据散得更开了。正态分布的峰变得更细，变得跟真数据简直一模一样。
这时候，卡方分布就在起功能了。我们来看看，那些离平均值挺远的数，比如 100 或 101，在卡方分布里的概率实际上挺高。而在正态分布里，这些数的概率却简直为零。 这就形成了一个有趣的对比：样本量小的时候，t 分布胖，正态分布瘦；样本量大的时候，正态分布和高峰态的分布都变瘦了。
这三个分布，本质上是概率在不同样本量下的不同姿态。 最终说句实在话，抽样分布这事儿，说到底就是概率的变奏曲。数据多了，曲线就瘦；数据少了，曲线就胖。甭管正态、t 还是卡方，它们都在努力描述那个随着样本量变化而动态调整的概率。别被那些复杂的公式吓到了，只要记住这个规律，你大约就能看懂大局部概率图了。