> 用随机抽样说明中心极限定理 ### 什么是中心极限定理？ “在概率论中，中心极限定理（CLT）指出，在特定条件下，大量独立随机变量（每个变量都有明确的期望值和方差）的算术平均值将近似服从正态分布，而与变量的潜在分布无关。也就是说，假设获取一个包含大量观测值的样本，每个观测值都是随机生成的，且不依赖于其他观测值的值，然后计算观测值的算术平均值。如果多次执行此过程，中心极限定理表明，计算得到的平均值将服从正态分布（通常称为‘钟形曲线’）。” 来源：维基百科 ## 抽样要生成样本，请从 “分布（Distribution）” 下拉菜单中选择一种分布，并接受（或更改）默认值。然后点击 “抽样（Sample）” 按钮或按`CTRL-enter`（Mac 上为`CMD-enter`）运行模拟并显示模拟数据的图表。 ### Khan 讲解中心极限定理

### R 函数有关 Radiant 中用于概率计算的相关 R 函数概述，请参见*基础 > 概率* 。