怎样理解中心极限定理：中心极限定理是极限定理中最重要的结论之一

当实现次数n足够大的时候，独立同分布随机变量之和的极限分布是正态分布，就是说多个相同的分布，如果独立，那么他们的相加和就是正态分布，均值为nμ，方差为nσ²。

公式一

也就是说我们将随机变量之和减均值除标准差（标准化），那么得到的就是标准化的正态分布了，随机变量之和标准化后的分布收敛于正态分布的定理称为中心极限定理。

公式二

同乘n

样本容量极大时，样本均值的抽样分布趋近于正态分布。这和样本所属的总体的分布的类型无关，样本所属总体的分布可以是正态分布，也可以不是。

中心极限定义是极限定理的关键结论之一，它指出了某些概率分布是以正态分布为极限分布，这满足现实数据的需要，这也就是在机器学习和深度学习中，通常假设随机变量服从正态分布的原因所在。