中央極限定理

中央極限定理（central limit theorem）說：只要你對夠多彼此獨立的觀測值取平均，這個平均的分配就會近似常態鐘形曲線——不管原始資料原本是什麼形狀。偏斜、凹凸、奇形怪狀的原始資料，平均後仍會得到漂亮的常態。

這大概是統計學中最重要的結果，因為它解釋了為何許多方法（信賴區間、許多假設檢定）即使在底層資料不是常態時，仍能假設常態。兩個提醒：它講的是「平均」（或總和），不是個別資料點；而且當資料非常偏斜時，「夠多」可能需要相當多的觀測值。