---
title: "中央極限定理（Central Limit Theorem）"
slug: central-limit-theorem
language: zh-TW
source: https://aiterms.tw/terms/central-limit-theorem
updated_at: 2026-04-29
tags: [數學基礎, 統計方法, AI基礎, 模型評估, 資料處理]
ipas_term: false
---

# 中央極限定理（Central Limit Theorem）

> **你在看樣本平均的波動，想知道它會長什麼樣子時，你會怎麼判斷它真正的作用？**
>
> 你可以把它想成 中央極限定理指出，大量獨立隨機變數的總和（或平均值）趨近於常態分佈，與原始變數的分佈無關。是統計推論的基石。
>
> 在 你在看樣本平均的波動，想知道它會長什麼樣子時 這種情境裡，這個概念會直接影響你怎麼設計、怎麼評估、怎麼上線。

### 容易混淆
> **中央極限定理 vs 大數法則**
> 大數法則說平均會靠近真值，中央極限定理說平均值的分布會趨近常態。
>
> **中央極限定理 vs 母體分布**
> 母體可以很歪，但樣本平均在樣本夠多時會變得像常態。
>
> **中央極限定理 vs 正態分布**
> 常態分布是結果型態，中央極限定理是為什麼會出現這個型態。

### 記住這句就好
> 先看它要解決的是什麼問題，再看它是不是最合適的方法。

### 實際案例
> **案例 1：A/B 測試**
> 很多線上實驗都靠它來理解樣本平均的波動。
>
> **案例 2：製造抽樣**
> 只抽一小批商品，也能推估整批平均是否偏掉。

### 算法與應用
> | 面向 | 重點 |
> |---|---|
> | 核心 | 獨立同分布的樣本平均在樣本數變大時會趨近常態。 |
> | 用途 | 是信賴區間、檢定和很多統計推論的底層理由。 |
> | 注意 | 獨立性和樣本數太小都會讓近似變差。 |

### 情境判斷
> **Q1（判斷題）：** 母體分布很偏，樣本平均就一定不能用常態近似嗎？
> → 不一定，樣本夠大時通常還是可以。
>
> **Q2（判斷題）：** 如果樣本彼此不獨立，中央極限定理還能直接套嗎？
> → 要小心，依賴性太強時近似會失真。

### 常見問題
> **Q：中央極限定理有多重要？**
> 它讓很多抽樣推論有了常態近似的基礎。
>
> **Q：樣本數要多大才夠？**
> 沒有硬答案，要看分布形狀和依賴程度。
>
> **Q：它和常態分布一樣嗎？**
> 不一樣，常態分布是分布本身，中央極限定理是樣本平均的趨勢。

### 相關術語
> - **常態分佈**：先讀這個，能幫你把主題放進更大的脈絡裡。
> - **A/B測試**：先讀這個，能幫你把主題放進更大的脈絡裡。
> - **假設檢定**：先讀這個，能幫你把主題放進更大的脈絡裡。

---

來源：https://aiterms.tw/terms/central-limit-theorem
快查頁：https://aiterms.tw/terms/central-limit-theorem
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-central-limit-theorem