中心极限定理（Central Limit Theorem，简称 CLT）是概率论与数理统计中的重要定理，主要研究多个随机变量的和或样本均值，在样本量逐渐增加时所呈现的分布规律。简单来说，当我们从一个总体中反复进行随机抽样，只要样本之间相互独立，并满足一定条件，无论原始总体是否服从正态分布，样本均值的抽样分布通常都会随着样本量增加而逐渐接近正态分布。
中心极限定理解释了为什么正态分布能够广泛应用于质量管理、工程分析和社会科学研究。现实中的测量结果、生产误差和过程波动，往往受到许多微小且相对独立的因素共同影响。当这些因素叠加在一起时，其结果通常会呈现近似正态分布的特征。这组定理也因此成为数理统计、误差分析、抽样估计与假设检验的重要理论基础。
在实际应用中，中心极限定理使我们能够利用样本数据推断总体情况。例如，质量工程师可以通过抽取部分产品，分析样本均值及其波动，从而估计整个生产过程的平均水平，并进一步计算置信区间或开展假设检验。即使原始数据并不完全服从正态分布，在样本量足够大且不存在严重偏态、极端异常值或强相关性的情况下，许多基于正态分布的统计方法仍然可以得到较为可靠的结果。
中心极限定理也是六西格玛绿带课程中的一个重要统计学知识点。学员理解这一原理后，能够更清楚地掌握总体分布、样本分布与抽样分布之间的区别，并理解标准误、置信区间和假设检验背后的统计逻辑。这些知识可用于分析过程数据、判断改善前后的差异，以及运用数据支持质量改进决策。
优思学院免费为你提供一课《中心极限定理是什么（CLT）》，如果你也想成为企业营运和质量改善的专才，就请你和我们一起学习六西格玛吧！
