大数定律与中心极限定理 Python 模拟：3 种分布可视化与 100 万次实验验证

大数定律与中心极限定理 Python 模拟：3 种分布可视化与 100 万次实验验证

概率论中的大数定律和中心极限定理是数据分析、机器学习和统计推断的基石。但很多初学者在面对这两个抽象概念时，常常陷入"理解但不会用"的困境。本文将用Python代码带您亲手验证这两个定理，通过可视化让抽象理论变得触手可及。

1. 理论基础速览

大数定律告诉我们：当实验次数足够多时，事件发生的频率会稳定趋近于其理论概率。就像抛硬币，随着次数增加，正面朝上的比例会越来越接近50%。

中心极限定理则揭示了一个更神奇的现象：无论原始数据服从什么分布，只要样本量足够大，这些样本均值的分布就会趋近于正态分布。这个特性使得我们能够对几乎所有数据进行统计推断。

关键区别：

• 大数定律：关注样本均值收敛于总体均值
• 中心极限定理：关注样本均值的分布形态

2. 实验准备

我们将使用Python的NumPy和Matplotlib库来模拟三种常见分布：

import numpy as np import matplotlib.pyplot as plt from scipy import stats # 设置随机种子保证结果可复现 np.random.seed(42) # 定义三种分布参数 dist_params = { 'bernoulli': {'p': 0.4}, 'uniform': {'low': 0, 'high': 1}, 'exponential': {'scale': 1} }

3. 伯努利分布验证

伯努利分布是最简单的离散分布，只有两个可能结果（如抛硬币）。我们模拟从p=0.4的伯努利分布中采样：

def simulate_bernoulli(n_samples, p=0.4): samples = np.random.binomial(1, p, size=n_samples) cumulative_mean = np.cumsum(samples) / np.arange(1, n_samples+1) return cumulative_mean # 模拟100万次实验 n_experiments = 1000000 bernoulli_means = simulate_bernoulli(n_experiments)

可视化结果：

plt.figure(figsize=(12, 6)) plt.plot(bernoulli_means, label='样本均值') plt.axhline(y=0.4, color='r', linestyle='--', label='理论均值') plt.xlabel('实验次数') plt.ylabel('样本均值') plt.title('伯努利分布大数定律验证 (p=0.4)') plt.legend() plt.grid(True) plt.show()

观察发现：随着实验次数增加，样本均值（蓝线）逐渐稳定在理论概率0.4（红线）附近，波动越来越小。

4. 均匀分布验证

均匀分布在区间[a,b]上每个点出现的概率相等。我们验证[0,1]均匀分布：

def simulate_uniform(n_samples, low=0, high=1): samples = np.random.uniform(low, high, size=n_samples) cumulative_mean = np.cumsum(samples) / np.arange(1, n_samples+1) return cumulative_mean uniform_means = simulate_uniform(n_experiments)

中心极限定理验证：

def clt_demo(dist_func, sample_size=30, n_simulations=10000): sample_means = [np.mean(dist_func(size=sample_size)) for _ in range(n_simulations)] return sample_means uniform_sample_means = clt_demo(lambda size: np.random.uniform(0, 1, size))

绘制分布对比图：

plt.figure(figsize=(12, 6)) plt.hist(uniform_sample_means, bins=50, density=True, alpha=0.6, label='样本均值分布') # 绘制理论正态分布曲线 mu, sigma = 0.5, np.sqrt(1/12)/np.sqrt(30) x = np.linspace(mu-3*sigma, mu+3*sigma, 100) plt.plot(x, stats.norm.pdf(x, mu, sigma), 'r-', lw=2, label='正态分布') plt.title('均匀分布的中心极限定理验证') plt.xlabel('样本均值') plt.ylabel('概率密度') plt.legend() plt.show()

关键发现：即使原始数据是均匀分布，样本均值的分布仍呈现完美的钟形曲线。

5. 指数分布验证

指数分布常用于描述事件间隔时间。我们验证λ=1的指数分布：

def simulate_exponential(n_samples, scale=1): samples = np.random.exponential(scale, size=n_samples) cumulative_mean = np.cumsum(samples) / np.arange(1, n_samples+1) return cumulative_mean exponential_means = simulate_exponential(n_experiments)

大数定律可视化：

plt.figure(figsize=(12, 6)) plt.plot(exponential_means, label='样本均值') plt.axhline(y=1, color='r', linestyle='--', label='理论均值') plt.xlabel('实验次数') plt.ylabel('样本均值') plt.title('指数分布大数定律验证 (λ=1)') plt.legend() plt.grid(True) plt.show()

中心极限定理验证：

exp_sample_means = clt_demo(lambda size: np.random.exponential(1, size)) plt.figure(figsize=(12, 6)) plt.hist(exp_sample_means, bins=50, density=True, alpha=0.6, label='样本均值分布') # 理论正态分布曲线 mu, sigma = 1, 1/np.sqrt(30) x = np.linspace(mu-3*sigma, mu+3*sigma, 100) plt.plot(x, stats.norm.pdf(x, mu, sigma), 'r-', lw=2, label='正态分布') plt.title('指数分布的中心极限定理验证') plt.xlabel('样本均值') plt.ylabel('概率密度') plt.legend() plt.show()

6. 百万次实验量化分析

为了更精确地验证定理，我们对三种分布进行100万次实验的量化对比：

关键结论：

1. 所有分布的样本均值都极接近理论值，验证了大数定律
2. 样本均值标准差随实验次数增加而减小，符合1/√n规律
3. 样本均值的分布形态均呈现正态分布，验证了中心极限定理

7. 实际应用场景

理解这两个定理对数据分析至关重要：

A/B测试：通过大数定律确保结果稳定性

# 模拟A/B测试结果分析 def ab_test_analysis(conversion_a, conversion_b, n_samples): a_success = np.random.binomial(1, conversion_a, n_samples) b_success = np.random.binomial(1, conversion_b, n_samples) mean_a, mean_b = np.mean(a_success), np.mean(b_success) std_err = np.sqrt(mean_a*(1-mean_a)/n_samples + mean_b*(1-mean_b)/n_samples) z_score = (mean_b - mean_a)/std_err p_value = 2*(1 - stats.norm.cdf(abs(z_score))) return p_value

质量控制：利用中心极限定理设置控制限

# 生产过程质量控制图 def quality_control_chart(samples, subgroup_size=5): subgroup_means = [np.mean(samples[i:i+subgroup_size]) for i in range(0, len(samples), subgroup_size)] overall_mean = np.mean(subgroup_means) std_dev = np.std(samples)/np.sqrt(subgroup_size) ucl, lcl = overall_mean + 3*std_dev, overall_mean - 3*std_dev plt.figure(figsize=(12,6)) plt.plot(subgroup_means, 'b-', marker='o') plt.axhline(overall_mean, color='g', linestyle='--') plt.axhline(ucl, color='r', linestyle='--') plt.axhline(lcl, color='r', linestyle='--') plt.title('质量控制图') plt.ylabel('子组均值') plt.xlabel('子组序号') plt.show()

金融风险管理：投资组合收益分布分析

# 投资组合收益分布模拟 def portfolio_returns(means, cov_matrix, n_simulations=10000): returns = np.random.multivariate_normal(means, cov_matrix, n_simulations) portfolio_return = np.mean(returns, axis=1) # 等权重组合 return portfolio_return

8. 常见误区与注意事项

1. 样本量不足：中心极限定理通常要求n≥30，但对偏态分布需要更大样本
2. 独立性假设：数据必须独立同分布，时间序列数据等可能不适用
3. 极端分布：柯西分布等没有定义方差的分布不满足中心极限定理
4. 误解收敛速度：不同分布收敛到正态分布的速度不同

提示：在实际应用中，建议先用Q-Q图检验正态性假设是否合理

# 正态性检验示例 def check_normality(sample_means): plt.figure(figsize=(8,8)) stats.probplot(sample_means, dist="norm", plot=plt) plt.title('Q-Q图检验正态性') plt.show() # Shapiro-Wilk检验 shapiro_test = stats.shapiro(sample_means) print(f"Shapiro-Wilk检验p值: {shapiro_test[1]:.4f}")