Question

我想问一下中心极限定理中各个定理有什么差别……

好像全部都是把量换成正态分布
然后不同的分布有不同的简化的式子吗

Answer 1

中心极限定理是研究独立随机变量和的极限分布为正态分布的问题。它是概率论中最重要的一类定理，有广泛的实际应用背景。
中心极限定理(central limit theorem)是概率论中讨论随机变量序列部分和分布渐近于正态分布的一类定理。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量积累分布函数逐点收敛到正态分布的积累分布函数的条件。
意义：中心极限定理是数理统计学和误差分析的理论基础，指出了大量随机变量之和近似服从正态分布的条件。
设随机变量X1，X2，......Xn，......相互独立，服从同一分布，且具有数学期望和方差:E(Xk)=μ，D(Xk)=σ^2>0(k=1,2....),则随机变量之和的标准化变量的分布函数Fn(x)对于任意x满足limFn(x)=Φ(x)，n→∞ 其中Φ(x)是标准正态分布的分布函数。
例如：水房拥挤问题：假设西安邮电学院新校区有学生5000人，只有一个开水房，由于每天傍晚打开水的人较多，经常出现同学排长队的现象，为此校学生会特向后勤集团提议增设水龙头。假设后勤集团经过调查，发现每个学生在傍晚一般有1％的时间要占用一个水龙头，现有水龙头45个，现在总务处遇到的问题是：
（1）未新装水龙头前，拥挤的概率是多少？
（2）至少要装多少个水龙头，才能以95％以上的概率保证不拥挤？
解：（1）设同一时刻，5000个学生中占用水龙头的人数为X，则
X～B（5000，0.01）
中心极限定理以严格的数学形式阐明了在大样本条件下，不论总体的分布如何，样本的均值总是近似地服从正态分布。如果一个随机变量能够分解为独立同分布的随机变量序列之和，则可以直接利用中心极限定理进行解决。总之，恰当地使用中心极限定理解决实际问题有着极其重要意义。