中心极限定理：让混乱归于秩序的数学魔力

中心极限定理正是钟形分布如此无处不在的原因。

无论你望向何处，钟形曲线（bell curve）总是在不远处。

每当下雨时，在后院放一个量杯，记录雨停时的水位高度：你的数据将符合钟形曲线。记录 100 个人对罐子里果冻豆数量的猜想，这些数据也会遵循钟形曲线。测量足够多女性的身高、男性的体重、SAT 成绩、马拉松比赛时间——你总会得到同样平滑、圆润且边缘逐渐变细的凸起形状。

为什么钟形曲线会出现在如此多的数据集中？

答案归结为中心极限定理（central limit theorem）。这是一条如此强大的数学真理，以至于初学者往往觉得它不可思议，就像大自然的魔术一样。“中心极限定理非常神奇，因为它如此反直觉且令人惊讶，”华盛顿大学的生物统计学家丹尼拉·威滕（Daniela Witten）说。通过它，最随机、最难以想象的混乱可以导向惊人的可预测性。

它现在是现代实证科学赖以生存的支柱。几乎每当科学家使用测量值来推断世界的某些规律时，中心极限定理都潜藏在研究方法中的某个角落。如果没有它，科学将很难对任何事物做出有信心的定论。

“我认为如果没有中心极限定理，统计学这个领域就不可能存在，”卡内基梅隆大学的统计学家拉里·瓦瑟曼（Larry Wasserman）说。“它就是一切。”

从赌博中提炼秩序

或许，在随机性中寻找规律的推动力源于对赌博的研究，这并不令人意外。

在 18 世纪初伦敦的咖啡馆里，亚伯拉罕·德·棣莫弗（Abraham de Moivre）的数学天赋显而易见。他的许多同代人，包括艾萨克·牛顿和埃德蒙·哈雷，都认可他的才华。德·棣莫弗是英国皇家学会的会员，但他也是一名难民——由于面临反新教迫害，他在年轻时逃离了祖国法国。作为一名外国人，他无法获得与其才华相匹配的稳定学术职位。因此，为了维持生计，他成了赌徒们的顾问，为他们提供寻求数学优势的咨询。

掷硬币、掷骰子、从牌堆中抽牌都是随机行为，每种结果的可能性均等。德·棣莫弗意识到，当你结合许多随机行为时，结果会遵循一个可靠的模式。

掷 100 次硬币，计算正面朝上的次数。次数会在 50 左右，但不会非常精确。玩 10 次这个游戏，你可能会得到 10 个不同的计数。

现在想象玩 100 万次这个游戏。绝大多数结果都会接近 50。你几乎永远不会得到少于 10 次或超过 90 次的正面试验。如果你根据出现 0 到 100 之间每个数字的次数画一张图，你会看到那个经典的钟形，50 位于中心。你玩这个游戏的次数越多，钟形的曲线就越平滑、越清晰。

德·棣莫弗计算出了这种钟形的精确形状，它后来被称为正态分布（normal distribution）。它告诉他不同结果发生的可能性，而无需他真的去玩这个游戏。例如，出现正面次数在 45 到 55 次之间的概率约为 68%。

德·棣莫弗以宗教般的虔诚惊叹于这种最终克服了所有偏差的“宇宙稳固秩序”。他写道：“随着时间的推移，这些不规则现象与那种源于原始设计的自然秩序相比，将变得微不足道。”

他利用这些见解在伦敦维持着清苦的生活，写下了一本名为《机遇论》（The Doctrine of Chances）的书，此书成为了赌徒们的“圣经”。他还在著名的“老斯劳特咖啡馆”（Old Slaughter’s Coffee House）举行非正式的答疑。但即使是德·棣莫弗也没有意识到发现的全部意义。直到 1810 年皮埃尔-西蒙·拉普拉斯（Pierre-Simon Laplace）发扬了这一观点，也就是德·棣莫弗去世几十年后，它的全部威力才被揭示。

让我们举一个比掷硬币稍微复杂一点的例子：掷骰子。每次掷骰子都有 6 种同等可能的结果。如果你反复掷骰子并记录结果，你会得到一张看起来很平坦的图表——你看到 1 的次数大约和看到 2、4 或 6 的次数一样多。

现在掷骰子 10 次并取平均值。你可能会得到 3.5 左右的结果。重复这个实验多次并把所有结果画成图。你会得到一个在 3.5 处达到顶峰的钟形曲线，且两边都有精确定义的结构。

这就是中心极限定理的魔力。你从一个完全没有结构的可能结果分布开始——掷出 1 到 6 的机会相等。但是，通过获取多个测量值的平均值，然后一遍又一遍地重复这个过程，你得到了一个精确的、可预测的数学结构：钟形曲线。

拉普拉斯将这种结构浓缩成了一个简单的公式，即后来被称为中心极限定理的公式。无论一个随机过程多么不规则，即使它无法建模，许多结果的平均值也符合它所描述的分布。威滕说：“这非常强大，因为它意味着我们不需要真的在乎那些被平均的事物的分布是什么。唯一重要的是，平均值本身将遵循正态分布。”

无处不在的工具

“求平均值”听起来像是人类才会做的事，但中心极限定理隐形地适用于我们在世界上观察到的各种事物，比如人类的身高。多伦多大学的统计学家杰弗里·罗森塔尔（Jeffrey Rosenthal）说：“一个人的身高可能取决于他父亲的身高、他母亲的身高，以及他们的遗传学、营养等所有这些累加的小效应。”这些效应彼此不相关（通常，你父亲的身高与你吃的食物无关）。罗森塔尔说，这“有点像在对一大堆微小的效应求平均值”，这就是为什么身高近似遵循正态分布的原因。

这就是为什么各种数据集似乎都会自发地符合这种美丽的形状。威滕说：“任何底层存在平均值的地方，只要是对足够多的事物求平均，你最终都会得到正态分布。”

该定理还赋予了统计学家辨别异常情况的能力。假设你在“老斯劳特咖啡馆”喝咖啡，一个顾客递给你一枚硬币，并打赌你无法在 100 次投掷中得到 45 次正面。你试了试，只得到了 20 次。你如何判断他是否给了你一枚做了手脚的硬币，以及这个过程是否不像它本该有的那样随机？多亏了中心极限定理，你知道 20 次及以下的数字仅覆盖了钟形面积的 0.15%，因此一枚公平的硬币给出如此糟糕结果的概率只有 0.15%。你几乎肯定被耍了。

这就是拉普拉斯公式真正的威力。他知道对任何过程求平均都会给你一个钟形曲线，这让你可以在不深入了解该过程运作方式的情况下，对该过程发表一些见解。

谨慎使用

尽管中心极限定理在现代科学中占据核心地位，但它也有自己的局限性。它只有在结合许多样本时才起作用，而且这些样本必须是独立（independent）的。如果它们不独立——例如，如果你只在缅因州的一个小镇进行全国总统民意调查——重复实验也不会让你更接近预期的钟形曲线。

有时在科学中，离群值（outliers）可能比平均值更重要。威廉姆斯学院的应用统计学家理查德·D·德·维奥（Richard D. De Veaux）说：“‘百年一遇的洪水’现在突然发生得更加频繁了。如今，对极端事件建模可能与对均值建模一样重要。”

幸运的是，中心极限定理背后的思想——平均值的力量和可靠性——已被广泛用于扩展统计学的威力。统计学家经常为他们正在处理的任何特定问题制定一个中心极限定理的版本。瓦瑟曼说：“还有很多更复杂的情况，如果你足够聪明，你可以将其写成‘样本均值加上一些误差’。”在这些情况下，你可以使用该定理的变体来简化问题。

中心极限定理之所以是现代科学的支柱，归根结底是因为它是我们周围世界的支柱。当我们结合大量的独立测量值时，我们会得到聚集现象。如果我们足够聪明，我们就可以利用这些聚集现象来发现制造它们的背后过程。

---

重要术语翻译对照表

英文术语	中文翻译	备注
Central Limit Theorem (CLT)	中心极限定理	概率论中的核心定理
Bell Curve	钟形曲线	形状像钟的概率分布曲线
Normal Distribution	正态分布	亦称高斯分布（Gaussian distribution）
Statistics	统计学
Probability	概率
Average / Mean	平均值 / 均值
Sample Mean	样本均值
Independent	独立的	样本之间互不影响
Randomness	随机性
Distribution	分布
Empirical Science	实证科学
Outliers	离群值 / 异常值	远离其他观测值的数据点
Standard Deviation	标准差	文中隐含概念，描述数据的离散程度
Normalizer	归一化因子	数学公式中的调节项