# 抽样分布与中心极限定理

> AP 统计学 · AP 2024-2027 统计学
> 来源: https://www.owlsprep.com/zh/study/ap-statistics-u11-sampling-distributions-and-the-central/

本章节涵盖抽样分布定义、均值/标准误计算、中心极限定理条件、正态近似工作流程，以及这个高分值考点对应的AP专属评分规则。

**先修:** [正态分布与Z分数](https://www.owlsprep.com/zh/study/ap-statistics-u09-normal-distributions-z-scores/); [随机抽样方法](https://www.owlsprep.com/zh/study/ap-statistics-u03-random-sampling-methods/)

## 学习目标

- 区分总体分布、单个样本分布与统计量的抽样分布
- 对于独立观测值，精确计算样本均值抽样分布的均值和标准误
- 应用中心极限定理为大样本量抽样分布的正态近似提供依据
- 验证所有必要条件，以在AP自由问答题评分标准中获得满分

## 核心定义：总体分布、样本分布与抽样分布的区别

很多学生会混淆AP考试考察的三种不同分布类型。总体分布描述整个总体中所有个体单元的数值。样本分布描述单个已采集样本中个体单元的数值。抽样分布描述在数千个相同大小的重复样本中，某一计算得到的统计量（例如样本均值）的所有取值。

**样本均值的抽样分布** — 从目标总体中抽取所有可能的大小为n的随机样本，计算得到的样本均值所有可能取值的概率分布。

*记法:* \bar{x}

**例题:** 一个包含4名高中生的小总体，其兼职时薪分别为\$12、\$14、\$16、\$18。列出所有不放回的简单随机样本（n=2）对应的样本均值。

1. 首先列出所有大小为2的唯一无序样本：
2. 样本：(12,14)、(12,16)、(12,18)、(14,16)、(14,18)、(16,18)
3. 计算每个样本的均值：
4. 样本均值：13、14、15、15、16、17
5. 这6个数值构成该总体下n=2时\bar{x}的完整抽样分布。

**概念自测**

判断以下描述对应的是哪一种分布：

1. 你的调查中50名随机选取的美国成年人的年龄分布

   *解析:* 该描述指的是单个已采集样本中的个体数值，而非跨重复样本的统计量分布。

## 抽样分布的均值与标准差

$$\mu_{\bar{x}} = \mu$$

$$\sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}}$$

> **AP评分标准警告**
>
> 抽样分布的标准差公式仅在样本中所有观测值相互独立时成立。在不放回抽样时，你必须确认10%条件（n ≤ 0.1N）才能在AP考试中使用该公式获得满分。

**例题:** 成年女性身高总体的均值\mu = 64.5英寸，标准差\sigma = 2.5英寸。对于大小为n=100的样本，计算\bar{x}抽样分布的均值和标准误。

1. 抽样分布的均值等于总体均值：
2. $$\mu_{\bar{x}} = 64.5 \text{ 英寸}$$
3. 检查10%条件：100远小于所有成年女性总数的10%，因此独立性成立。
4. $$\sigma_{\bar{x}} = \frac{2.5}{\sqrt{100}} = 0.25 \text{ 英寸}$$

## 中心极限定理核心规则

中心极限定理是入门统计学中最重要的规则，它允许我们在完全不了解原始总体分布形状的情况下，对样本均值进行正态概率计算。AP考试中“足够大”样本量的标准阈值是n ≥ 30。

> **中心极限定理记忆口诀**
>
> 记住30规则：n ≥ 30 = 正态抽样分布，无论原始总体形状如何。

**例题:** 某餐厅顾客等待时间的总体呈严重右偏分布，均值为12分钟，标准差为8分钟。描述n=40名顾客样本的平均等待时间抽样分布的形状。

1. 原始总体形状为右偏，不服从正态分布。
2. 样本量n=40大于中心极限定理要求的30阈值。
3. 根据中心极限定理，无论母总体是否偏态，样本均值的抽样分布都将近似服从正态分布。

## 样本均值的概率计算

**考试命令词**

AP考试题使用特定的指令术语，要求给出精确的证明才能得分：

- **Describe the distribution of the sample mean** — 你必须明确说明形状、中心、离散程度，并验证所有必要条件 *(形状：根据中心极限定理近似正态，中心：64.5英寸，离散程度：0.25英寸)*

- **Show that the probability is approximately X** — 你必须明确提及中心极限定理作为使用正态模型的依据

**例题:** 对于成年女性身高总体（均值64.5，标准差2.5，n=100），计算样本均值身高大于65英寸的概率。

1. 确认条件：n=100 ≥ 30，中心极限定理适用，10%条件满足。
2. 计算xbar=65对应的z分数：
3. $$z = \frac{65 - 64.5}{0.25} = 2$$
4. 在标准正态分布表中查找z=2右侧的面积：
5. P(\bar{x} > 65) = 0.0228

## 常见错误

- **错误做法:** 计算样本均值的z分数时使用总体标准差\sigma而非\sigma/\sqrt{n}
  - 原因: 忘记抽样分布的离散程度随样本量增大而减小，导致概率值出现严重错误
  - 正确做法: 处理样本均值的概率问题时，务必将总体标准差除以n的平方根
- **错误做法:** 当原始总体严重偏态时，对n < 30的样本应用中心极限定理
  - 原因: 未验证总体形状或最小样本量阈值就假设正态性
  - 正确做法: 仅当原始总体明确说明服从正态分布时，才能对n<30的样本使用正态近似
- **错误做法:** 将\sigma/\sqrt{n}直接称为“标准差”而不指明它属于抽样分布
  - 原因: AP评分标准会对混淆总体值和抽样分布值的模糊术语扣分
  - 正确做法: 明确将该值称为“x-bar抽样分布的标准差，也叫标准误”
- **错误做法:** 从小总体中不放回抽样时违反10%条件
  - 原因: 当样本相对于总体总量过大时，独立性假设不再成立
  - 正确做法: 使用标准误公式前确认n ≤ 0.1N，必要时应用有限总体校正因子
- **错误做法:** 声称对于大样本量，中心极限定理“让总体分布变成正态分布”
  - 原因: 中心极限定理仅适用于统计量的抽样分布，不会改变原始总体的形状
  - 正确做法: 明确说明总体分布形状保持不变，只有样本均值的分布会变成近似正态

## 速查表

| 量 | 公式 | 必要条件 |
| --- | --- | --- |
| $\bar{x}$抽样分布的均值 | $\mu_{\bar{x}} = \mu$ | 所有独立随机样本 |
| $\bar{x}$抽样分布的标准差 | $\sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}}$ | 满足10%条件 |
| $\bar{x}$的正态近似 | $\bar{x} \sim N\left(\mu, \frac{\sigma}{\sqrt{n}}\right)$ | n ≥ 30 或 总体服从正态分布 |

## 下一步

你现在已经掌握了样本均值抽样分布的基础规则，这是AP统计学所有推断单元的必备前置知识。该考点占AP考试总分的8%-12%，几乎每年都会出现在选择题和自由问答题部分。接下来你会将完全相同的逻辑拓展到样本比例的抽样分布，之后学习置信区间和显著性检验这两个核心推断框架，它们占AP统计学课程最后40%的内容。熟练掌握中心极限定理的证明将帮助你在未来所有推断题的条件检查评分点上轻松得分。

---

来自 [OwlsPrep](https://www.owlsprep.com) —— A-Level / IB / AP / IGCSE 免费学习指南，依据官方考纲编写。原页面：https://www.owlsprep.com/zh/study/ap-statistics-u11-sampling-distributions-and-the-central/