假设你想知道，全国消费者一个月平均花多少钱购买某类商品。你不可能调查每一个人，只能从中随机抽取一部分人，也就是"样本"，用这部分人的平均消费，估计全部人的平均消费。随机抽取，就是尽量让每个消费者都有机会被抽到，而不是专门挑选某一类人。

第一次抽到的100人，平均消费是2800元。换100人再算，变成2850元。第三次抽，又变成2760元。

为什么每次算出的平均数都不一样？

因为每次抽到的人不同。有时多抽到几个高消费用户，平均数就会高一点；有时多抽到几个低消费用户，平均数就会低一点。

但有一件事很奇怪。

单个用户的消费差别可能非常大：有人一个月一分钱没花，有人一个月花了3万元。相比之下，100个人的平均消费却稳定得多。它虽然每次都会变，却通常只在一个不大的范围里来回晃动。

为了方便理解，假设全部消费者的真实平均月消费是2810元。第一次抽样得到2800元，比真实平均数少了10元；第二次得到2850元，比真实平均数多了40元。样本平均数与真实平均数之间的差，就是这里所说的"误差"。

个体数据明明乱七八糟，为什么平均数的误差反而更有规律？

中心极限定理，回答的就是这个问题。

我们来做一个想象中的实验。

从全部消费者中随机抽100人，算出一个平均消费；记下结果以后，再按照同样的方法重新抽100人，同一个人可以再次被抽到，也可以不被抽到。一直重复下去，我们就会得到很多个平均数：2800元、2850元、2760元、2820元……

把这些平均数按照从低到高排开，再看看每个数字附近出现过多少次，你通常会看到这样的画面：

越靠近全部用户真实平均消费的结果，被抽到的机会越大；离真实平均消费越远，被抽到的机会越小。

整个形状中间高、两边低，看起来像一口钟。

这就是中心极限定理最重要的意思：

请注意，变成钟形的是反复抽样后得到的许多个平均数，用户原来的消费数据仍然可以明显偏向一边，也可以看起来很不规则。

把这些平均数放在一起形成的样子，统计学上叫"样本均值的抽样分布"。名字听起来很难，意思其实很简单：

现实中，我们当然不会为了分析一个问题，真的重复抽样一万次。中心极限定理的价值，就是帮助我们推测：如果能够一直重复抽样，这些平均数大概会怎样分布。即使手里只有一次抽样结果，数学规律也可以帮助我们估计，这一次得到的平均数通常可能偏离真实值多远。

还有一层关系值得点明：平均数通常离真实值很近，偶尔远一点，特别离谱的情况很少发生。所以换一批人，平均数确实会变，但大多数时候只是小变化。这就是为什么，虽然每次结果不同，这个结果仍然值得参考。

继续看用户消费。

如果每次只抽1个人，抽到谁完全看运气。抽到没有消费的人，结果是0元；抽到高消费用户，结果可能是3万元。数字会跳来跳去，很不稳定。

每次抽10个人时，其中1个人消费极高，就可能明显拉高整组人的平均数。

每次抽100个人时，一个人的影响会小很多。高一点的人和低一点的人放在一起，往往会互相抵消一部分。

每次抽1000个人时，某一个人就更难单独改变整个平均数。不同批次算出的平均数，通常会更加接近全部用户的真实平均消费。

样本变大时，通常会同时发生两件事。

第一，许多个平均数排在一起，形状会越来越接近钟形。

第二，这口"钟"会越来越窄：大多数平均数会挤在真实平均数附近，不再到处乱跑。

为什么会这样？

因为平均数把许多人的数据放在一起。有人的消费高于全部消费者的平均水平，有人的消费低于平均水平，这些差别会互相抵消一部分。人数越多，某一个人碰巧极高或极低，就越难控制整个结果。

误差不会完全消失，但它通常会变小，而且会呈现出越来越稳定的样子。在抽样方法合适、数据之间没有强烈牵连、样本量也足够时，许多个有正有负的偏差叠加在一起，大的偏差出现的机会比小的偏差少，结果往往会逐渐形成中间多、两边少的钟形。

统计学把"平均数通常会晃动多远"叫作"标准误"。我们不需要计算它，只要记住：

增加样本的回报没有想象中那么大。一般来说，如果想让平均数的晃动范围缩小一半，样本量往往要扩大到原来的4倍。

也就是说，从100人增加到400人，平均数通常晃动的幅度大约缩小一半；想再缩小一半，往往要从400人增加到1600人。

在抽样方法正确、数据之间没有严重重复、其他条件没有改变时，增加样本通常会有帮助。但继续增加数据，得到的改善会越来越慢。

假设你想判断一次促销有没有提高用户消费。促销前随机抽100人，平均消费是2800元；促销后再随机抽100人，平均消费是2850元。两批相差50元。

这50元说明促销真的有效了吗？

不一定。即使促销完全没有效果，前后两批用户只要换一批人，平均数也会自然地高一点或低一点。这时需要估计的，是如果促销实际上没有产生效果，前后两批100人的平均数通常会相差多远。

如果在业务没有变化时，两批100人的平均数通常只相差几十元，而这次相差50元并不稀奇，还不能说明促销有效。

如果在业务没有变化时，两批100人的平均数通常只相差几十元，而这一次却相差150元，就值得继续调查。可能是促销真的起了作用，也可能是统计口径、用户结构或抽样方法变了。

中心极限定理不能直接告诉你"原因是什么"，但它能提醒你：眼前的差异究竟常不常见，是否已经大到不能轻易当成巧合。

这就是它最实用的地方。

假设调查结果显示，用户平均消费是2800元。很多报告写到这里就结束了，好像2800元就是一个没有误差的准确答案。

但换一批人，结果可能是2760元，也可能是2850元。只报一个数字，看的人不知道它离真实值可能有多远。

更好的做法是给一个范围。怎么算？

第一步，算出标准误。假设标准误约为50元。

第二步，在2800元上下各留出大约两个标准误，也就是100元。

第三步，写出范围：2800减100等于2700，2800加100等于2900。

所以，我们可以说：

这个范围，统计学上叫"置信区间"。它成立的前提是：抽到的人能够代表全部用户，计算方法没有发生变化，也没有严重的数据遗漏。置信区间只能描述随机抽样造成的不确定，不能自动修复错误的抽样方法。

常见的"95%置信区间"，意思是：假如用同一种方法反复调查100次，每次都画一个区间，大约有95个能盖住真实平均数。所以95%不是百分之百保证，而是提醒我们：任何一次抽样都可能碰巧偏高或偏低，不要把一个估计值当成绝对准确的答案。

从"只报一个数字"到"同时说明这个数字离真实值可能有多远"，是中心极限定理最重要的实际价值。

民调中的支持率，也是一种平均数。可以把"支持"记作1，"不支持"记作0。100个人中有52个人支持，这100个0和1的平均数就是0.52，也就是52%。

如果报告同时写着"抽样误差约为正负3个百分点"，意思是：按照这次的抽样方法，真实支持率大概落在49%到55%之间。"3个百分点"是直接在52%上加3或减3，不是计算52%的3%。52减3等于49，52加3等于55，并不需要复杂计算。

这个误差范围，同样来自对"换一批人以后，结果通常会晃动多远"的估计。需要注意的是，这个范围通常只计算"碰巧抽到不同人"造成的随机误差，并不包括问题措辞、拒绝回答、名单遗漏等原因造成的偏差。

工厂抽查零件时，也在做类似的事。有些检测耗时很长，甚至会损坏零件，工厂不可能把每一个零件都完整检测一遍，只能定期抽一批，测量平均尺寸或平均重量。如果某一批的平均值只比平时高一点，可能只是正常波动；如果突然偏离很远，就要检查机器、材料或生产流程是否出了问题。

民调和工厂看起来毫不相干，背后问的却是同一个问题：

很多人听过一句话：

这句话方便记忆，却不能当成铁律。

需要多少样本，不只取决于人数，还取决于原始数据有多不均匀。

如果原始数据比较对称，也没有特别夸张的极端值，即使样本量不大，许多个样本平均数形成的形状也可能已经比较接近钟形。但"接近钟形"不代表"误差已经很小"。

如果大多数用户都不购买，假设你在看一个付费功能的转化率，也就是看到产品的人中最后有多少人购买或付费，1000个用户里才有1个人付费。抽取1000人时，有时可能抽到0名付费用户，付费率是0%；有时可能抽到2名，付费率就变成0.2%。多一个人或少一个人，结果就会变化一倍。1000虽然远远大于30，结果仍然不够稳定，也很难形成对称的钟形。

如果少数人的数值极高，一个极端值就能大幅改变平均数，也需要更多样本，甚至要换一种分析方法。

所以，30只是一条便于记忆的经验数字。

判断样本量够不够，需要分开问两个问题：第一，形状是否已经接近钟形？第二，误差是否已经小到能够支持决策？即使钟形已经出现，误差仍然可能较大。

除此之外，还要单独检查抽样方法是否正确。样本量再大，也无法代替正确的抽样方法。

比"30个样本够不够"更危险的误解，是以为数据足够多，答案就一定正确。

1936年美国总统大选前，《文学文摘》向1000多万人寄出调查问卷，最终收到了约240万份回复。

240万，是一个大得惊人的样本。

根据这些回复，杂志预测共和党候选人兰登将获胜。真实结果却完全相反：罗斯福以明显优势当选。

为什么这么大的调查还会错？

第一个问题，是问卷主要发给了哪些人。

杂志使用的名单包括汽车登记信息、电话簿和杂志订户等。在当时，拥有汽车或电话的人平均更加富裕，不能完整代表全体选民。就像你想了解全校学生的午餐，却只在篮球队里调查。人数再多，也不等于问到了正确的人。

第二个问题，是谁愿意回复。

收到问卷的人不会全部寄回。主动回复的人，可能比没有回复的人更关心政治，也可能有不同的立场。最后收到的答案，又被筛选了一次。

这次失败说明了一条非常重要的边界：

样本有偏差时，增加数据只会让结果更稳定地靠近错误中心。就像一把尺子的起点本来就印错了，你量一次会错，多量1000次，结果可能更整齐，却不会因此变对。更多数据能够减少偶然的晃动，却不能纠正错误方向。

平均数并不适合所有数据。

假设一个小区有100户家庭，99户的月收入都在正常范围内，突然加入一位月收入上千万元的富豪。整个小区的平均收入会被大幅拉高，但大多数家庭的生活并没有发生变化。这时，平均数虽然算得没错，却很难代表普通家庭的真实情况。

这属于第一层问题：平均数可能算得很准确，却不能代表大多数人。

还有第二层问题：少数巨大数值可能让样本平均数很难稳定。不同批次是否抽到这些极端值，会明显改变结果，样本均值形成钟形的速度也会很慢。金融市场的大涨大跌、保险中的特大赔付、自然灾害造成的损失，也可能被少数极端事件支配。面对这类数据，增加样本不一定能让平均数迅速稳定，更不能轻易用普通的钟形规律估计极端风险。

在某些非常极端的数学分布中，巨大数值出现得又多又没有上限，平均数会不断被新出现的极端值推走，始终找不到稳定中心。这时，经典中心极限定理就不能直接使用。

如果出现下面几种情况，就要对平均数保持警惕：

换一批数据，平均数就发生巨大变化；

只加入一个极端数字，结论就完全不同；

大多数人的实际情况，与平均数相差很远；

真正关心的是最坏情况，而平均数回答不了这个问题。

平均数回答的是一般水平，不能代替对最坏情况的判断。这时，还可以把所有数字从小到大排列，看看排在正中间的数，也就是"中位数"；同时检查大多数人集中在哪个范围，以及最极端的情况有多严重。

中心极限定理很重要，但它并非一张"只要样本多，就可以放心算平均数"的通行证。

中心极限定理并非无条件成立的承诺。使用它之前，至少检查五件事。

第一，抽到的人能不能代表目标人群？

如果你想了解全部用户，却只调查高消费用户，样本再大也会偏。样本首先要尽量代表真正关心的人群。

第二，数据之间有没有严重重复或互相带动？

如果同一个人被重复计算很多次，或者一个人的行为会强烈带动一群人，表面上有很多数据，实际上并没有那么多独立信息。

第三，数据产生的规则有没有改变？

平时的数据和大促期间的数据，来自不同场景。产品规则、用户结构或统计口径改变以后，不能假装它们仍然来自同一种情况。

第四，极端值有没有控制整个平均数？

如果一两个极端数字就能改变结论，应该先处理和解释这些极端情况，再考虑能不能使用钟形规律。

第五，样本量是否足以形成可用的钟形，而且误差是否足够小？

形状接近钟形，不等于误差已经小到能够支持决策。样本量够不够，取决于原始数据有多不均匀，以及你需要多高的精度。

这五件事没有问题时，中心极限定理才更有机会帮助我们判断平均数的正常波动范围。否则，再精确的计算，也可能只是让错误答案显得更可靠。

下次看到"平均消费""平均工资""平均满意度"或"平均转化率"，不要急着相信，也不要急着否定。先检查它是怎么得到的：这些人怎么被抽出来的，换一批人平均数会晃动多远，有没有统计方法、数据口径或极端值把结果推向了错误方向。

中心极限定理并非在保证平均数永远正确。它告诉我们的是：在条件合适时，平均数虽然会偏离真实值，但它通常偏离多远、怎样偏离，是可以估计的。

原始数据可以乱七八糟，平均数的误差却可能呈现规律。理解这条规律，目的在于面对一个孤零零的平均数时，多问一句，多检查一步。