本文主要是介绍为什么在很多应用中常采用正态分布/高斯分布、中心极限定理，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
为什么在很多应用中常采用正态分布/高斯分布？
当我们由于缺乏关于某个实数上分布的先验知识而不知道该选择怎么样的形式时，正态分布是默认的比较好的选择，有两个原因：
一，我们想要建模的很多分布的真实情况是比较接近正态分布的。 中心极限定理说明很多独立随机变量的和近似服从正态分布。
二，在具有相同方差的所有可能的概率分布中，正态分布在实数上具有最大的不确定性。 因此，我们可以认为正态分布是对模型加入的先验知识量最少的分布。
补充中心极限定理：
客观背景：在实际中有许多随机变量，它们是由大量的相互独立的随机因素的综合影响所形成的，而其中每一个别因素在总的影响中所起的作用都是微小的，这种随机变量往往近似服从正态分布。
这一事实，表明了正态分布的重要性，及为什么实际应用中会常遇到正态分布。另一方面，它提供了独立同分布随机变量之和的近似分布，只要和式中加项的个数充分大，就可以不必考虑和式中的随机变量服从什么分布，都可以采用正态分布来近似。
常见的三个中心极限定理：
A、独立同分布的中心极限定理：加了同分布
相互独立同分布的随机变量（Xi）之和：随机变量（Z），Z服从正态分布。Xi可以服从正态分布，也可以服从二项分布，等等。
相互独立同分布的随机变量（Xi，i=1,2,…）之和即大量相互独立的随机因素；
这篇关于为什么在很多应用中常采用正态分布/高斯分布、中心极限定理的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
