Central Limit Theorem 中心极限定理

一句话定义

无论总体是什么分布，只要样本量足够大（通常 $n\ge 30$），样本均值的抽样分布就近似服从正态分布，均值为总体均值 $\mu$，方差为 ${\sigma }^2/n$。

概念解析 Explanation

CLT 是统计推断的基石。它解决了一个核心问题：我们只有一个样本，如何对总体做推断？

直觉理解：想象你从一个总体中反复抽取大小为 $n$ 的样本，每次计算样本均值。这些样本均值本身构成一个新的分布——抽样分布 (sampling distribution)。CLT 告诉我们：

1. 这个抽样分布的形状近似正态（即使总体不是正态的！）
2. 这个抽样分布的中心 = 总体均值 $\mu$
3. 这个抽样分布的宽度 = $\sigma /\sqrt{n}$（随 $n$ 增大而缩小）

为什么如此重要？

• 因为正态分布的性质我们非常了解，可以轻松构建置信区间和进行假设检验
• 不需要知道总体的分布形式
• 提供了”样本均值是总体均值的好估计”的理论保证

$n\ge 30$ 规则：这是经验法则。如果总体本身接近正态，更小的 $n$ 就够了；如果总体极度偏斜，可能需要更大的 $n$。

核心公式 Formula

CLT 核心表述：

$\bar{X}\sim N\left(\mu ,\frac{{\sigma }^2}{n}\right)\text{(当 }n\text{ 足够大时)}$

标准误 (Standard Error)：

${\sigma }_{\bar{X}}=\frac{\sigma }{\sqrt{n}}\text{(已知 }\sigma \text{)}$

$s_{\bar{X}}=\frac{s}{\sqrt{n}}\text{(未知 }\sigma \text{, 用 }s\text{ 估计)}$

置信区间（基于 CLT）：

$\bar{X}\pm z_{\alpha /2}\times \frac{\sigma }{\sqrt{n}}\text{(已知 }\sigma \text{)}$

$\bar{X}\pm t_{\alpha /2}\times \frac{s}{\sqrt{n}}\text{(未知 }\sigma \text{)}$

关键性质：$n$ 每增大 4 倍，标准误减半。精度的提升是递减的。

图解 Visual

graph TD
    A["总体分布<br/>(可以是任何形状)<br/>均值 μ, 方差 σ²"] --> B["反复抽取大小为 n 的样本"]
    B --> C["样本1: X̄₁"]
    B --> D["样本2: X̄₂"]
    B --> E["样本3: X̄₃"]
    B --> F["..."]
    C --> G["抽样分布<br/>近似 N(μ, σ²/n)<br/>当 n ≥ 30"]
    D --> G
    E --> G
    F --> G

计算示例 Worked Example

问题：某只股票月度收益的总体标准差未知。从 30 个月的样本中得到均值 2%，样本标准差 20%。计算 95% 置信区间。

Step 1 标准误：$s_{\bar{X}}=20\%/\sqrt{30}=3.65\%$

Step 2 临界值：$t_{0.025}$ (df=29) $\approx 2.045$

Step 3 置信区间： $2\%\pm 2.045\times 3.65\%=2\%\pm 7.46\%$ $=[-5.46\%,9.46\%]$

解读：我们 95% 确信总体月均收益率在 -5.46% 到 9.46% 之间。区间很宽，因为标准差较大且样本量不算大。

如果 n=200：$s_{\bar{X}}=20\%/\sqrt{200}=1.41\%$，置信区间缩窄至 2% \pm 2.77% = [-0.77%, 4.77%]$。样本越大，估计越精确。

考试要点 Exam Focus

必考

• CLT 适用条件：$n\ge 30$（经验法则）
• 样本均值的抽样分布：$N(\mu ,{\sigma }^2/n)$
• 不要求总体为正态分布——这是 CLT 最强大之处
• 标准误 = $\sigma /\sqrt{n}$ 或 $s/\sqrt{n}$——样本量越大，标准误越小
• CLT 是构建置信区间和假设检验的理论基础
• 连续复利收益的可加性 + CLT → 资产价格为对数正态分布

涉及科目 Appears In

• 数量方法 R7 (Estimation and Inference), R8 (Hypothesis Testing)
• 间接影响所有使用统计推断的科目

相关概念 Related Concepts

• 假设检验 — CLT 使假设检验成为可能
• 标准差 — 标准误的计算基础
• TVM — 连续复利收益的正态性（经由 CLT）→ 对数正态资产价格