---
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: 2026-07-29
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。 |

### 中央極限定理與大數法則不是同一件事

| 項目 | 大數法則（LLN） | 中央極限定理（CLT） |
| --- | --- | --- |
| 講什麼 | 樣本平均會收斂到母體平均 | 樣本平均的分布會趨近常態分布 |
| 回答的問題 | 抽夠多會不會準 | 誤差有多大、長什麼形狀 |
| 給你的東西 | 一個點 | 一整個分布 |

> 兩者常被混用，但分工很清楚。大數法則告訴你「多抽一點就會接近真值」，中央極限定理告訴你「還差多少，而且差距的分布是什麼形狀」。
>
> 沒有大數法則，你不知道抽樣有沒有意義；沒有中央極限定理，你算不出信賴區間，也做不了假設檢定。

### 定理的內容與那個關鍵的根號 n

> 從平均數 μ、標準差 σ 的母體中抽出 n 個獨立樣本，樣本平均 X̄ 的分布會滿足：
>
> 平均數等於 μ
> 標準差等於 `σ / √n`，這個值叫標準誤（standard error）
> n 夠大時，形狀趨近常態分布
>
> 最關鍵的是分母那個根號 n。它意味著：**精度的提升跟樣本數的平方根成正比，不是跟樣本數成正比。**
>
> 要把誤差減半，樣本數必須變成四倍。要減到十分之一，樣本數要一百倍。這條規律解釋了為什麼民調通常抽一千多份就停，因為從 1,000 加到 4,000 只換來誤差減半，成本卻是四倍。

### 適用的前提與常見誤解

> **前提：樣本要獨立且同分布，母體變異數要有限。** 少數重尾分布（例如柯西分布）變異數不存在，CLT 不適用。
>
> **「n 大於 30 就可以」只是經驗法則，不是定理的一部分。** 母體本身接近常態時，n 等於 5 可能就夠；母體極度偏態時，n 等於 100 都不見得夠。
>
> **最常見的誤解：以為 CLT 說「資料本身會變常態」。** 它說的是「樣本平均的分布會趨近常態」，資料本身的分布完全不會改變。收入分布永遠是右偏的，但你每次抽 500 人算出來的平均收入，那一串平均值會呈常態。

### 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：2026/07/29
深度解說：https://aiterms.tw/learning/what-is-central-limit-theorem