多測幾次就準了：大數法則與中央極限定理

為什麼多測幾次就「準」了？

想像你在夜市玩套圈圈，老闆說每個攤位的平均成功率是三成。你套了五次，結果一個都沒中。你會說「老闆騙人」嗎？先別急。如果你套了五百次，命中率大概就會穩穩地落在三成附近。這個「多測幾次就會逼近真值」的直覺，正是統計學兩大支柱之一——大數法則——所描述的現象。

而它的孿生兄弟中央極限定理（Central Limit Theorem, CLT）則回答了另一個更神奇的問題：為什麼無論原始資料長什麼樣子，只要我們取「平均」，那個平均值的分布幾乎總是長成同一個鐘形？這兩個定理是整個推論統計（信賴區間、假設檢定）的地基。

大數法則：樣本平均會「定下來」

我們先把語言換成符號。假設有一群獨立、同分布的隨機變數 $X_1, X_2, \dots, X_n$，它們的真實平均（母體期望值）是 $\mu$。我們計算樣本平均：

$$\bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i$$

大數法則保證：當樣本數 $n$ 越來越大，$\bar{x}$ 會越來越靠近 $\mu$。換句話說，樣本平均是母體平均的好估計，而且資料越多越好。

這聽起來理所當然，卻常被誤用。最有名的就是「賭徒謬誤」：輪盤連開五次紅色，有人就覺得「接下來該開黑了」。但大數法則說的是「長期平均會趨於均衡」，不是「老天爺會記帳，刻意補一把黑色給你」。每一次旋轉都是獨立的，過去不會影響未來。理解這個差別，是統計素養的第一課。

中央極限定理：鐘形曲線無所不在

大數法則告訴我們 $\bar{x}$ 會收斂到 $\mu$，但沒告訴我們「靠近的速度」與「靠近的方式」。中央極限定理補上了這塊。

它說：只要母體有有限的平均值 $\mu$ 與標準差 $\sigma$，那麼當 $n$ 夠大時，樣本平均 $\bar{x}$ 的分布會趨近一個常態分布（normal distribution，又稱高斯分布），其平均仍是 $\mu$，但標準差縮小成 $\sigma/\sqrt{n}$：

$$\bar{x} \;\sim\; \mathcal{N}\!\left(\mu,\; \frac{\sigma^2}{n}\right)$$

這裡有兩個關鍵洞見。第一，原始資料就算是歪七扭八的分布（例如收入、等待時間這種右偏資料），它的樣本平均仍然會變成漂亮的鐘形。第二，分母那個 $\sqrt{n}$ 解釋了為什麼民調要訪問上千人——要把誤差砍一半，樣本數得變成四倍。

這也說明了「為什麼常態分布無所不在」：自然界與社會中許多量（身高、測量誤差、考試總分）其實是大量微小因素相加的結果，而「相加再平均」正是 CLT 發威的地方，於是鐘形曲線就一再現身。

一個帶數字的小範例

假設某品牌洋芋片標示每包淨重 $\mu = 100$ 公克，母體標準差 $\sigma = 6$ 公克。品管員隨機抽 $n = 36$ 包，量得樣本平均 $\bar{x} = 98$ 公克。這批貨「明顯偏輕」嗎？

先算樣本平均的標準差（稱為標準誤）：

$$\text{SE} = \frac{\sigma}{\sqrt{n}} = \frac{6}{\sqrt{36}} = \frac{6}{6} = 1 \text{ 公克}$$

再算 $z$ 分數，看 $\bar{x}$ 偏離 $\mu$ 多少個標準誤：

$$z = \frac{\bar{x} - \mu}{\sigma/\sqrt{n}} = \frac{98 - 100}{1} = -2.0$$

查標準常態表，$|z| = 2.0$ 對應的雙尾機率約為 $0.046$，小於常用門檻 $0.05$。也就是說，若這批貨真的平均 100 公克，純靠運氣抽到平均 98 公克（或更極端）的機率只有約 4.6%。在 $\alpha = 0.05$ 的標準下，我們會傾向認為「這批貨確實偏輕」。

我們也可以反過來給一個 95% 信賴區間：

$$\bar{x} \pm 1.96 \times \text{SE} = 98 \pm 1.96 \times 1 = (96.04,\; 99.96)$$

注意這個區間不包含 100，與上面的檢定結論一致。

這裡要特別澄清一個極常見的誤解：95% 信賴區間不是「真值有 95% 機率落在這個區間內」。真值 $\mu$ 是一個固定的數，它要嘛在區間裡、要嘛不在。正確的說法是：如果我們重複抽樣、每次都這樣造一個區間，長期下來會有約 95% 的區間蓋住真值。把信賴水準誤讀成「真值的機率」，是統計報告中最常見的錯誤之一。

別忘了它的前提

這兩個定理威力強大，但不是萬靈丹。它們的前提是觀測值獨立且來自有限變異數的分布。如果資料彼此高度相關（例如同一個人連續回答、或時間序列有趨勢），$\sqrt{n}$ 的魔法就會打折，實際誤差會比公式算出來的大。此外，CLT 是「漸近」結果——$n$ 要「夠大」才成立；對極度偏斜的資料，$n=30$ 可能還不夠。

最後提醒一句最重要的統計素養：樣本平均逼近真值，談的是估計的精準度，不是因果關係。觀察到「喝咖啡的人平均壽命較長」，再多的樣本也只能讓這個「相關」更穩定，不能讓它變成「咖啡延壽」的因果結論。資料量大，能讓你更確定看到了什麼；但「看到了什麼」與「為什麼」，永遠是兩件事。

深入探討（研究所視角）

嚴格來說，大數法則有兩個版本。弱大數法則（WLLN）斷言樣本平均依機率收斂到母體平均，即對任意 $\varepsilon > 0$，$\lim_{n\to\infty} P(|\bar{X}_n - \mu| > \varepsilon) = 0$，其證明可由 Chebyshev 不等式直接導出。強大數法則（SLLN, Kolmogorov）更強，斷言幾乎必然收斂，$P(\lim_{n\to\infty}\bar{X}_n = \mu) = 1$。兩者的差別在於收斂模式（convergence in probability 對 almost sure convergence），這是測度論機率的核心區辨。中央極限定理的標準（Lindeberg–Lévy）形式則為依分布收斂：$\sqrt{n}(\bar{X}_n - \mu)/\sigma \xrightarrow{d} \mathcal{N}(0,1)$。當變異數不存在（如 Cauchy 分布），CLT 失效，取而代之的是收斂到穩定分布（stable distribution）的廣義極限定理。

這套理論直接決定了估計量的好壞標準。一個估計量 $\hat{\theta}$ 若 $E[\hat{\theta}] = \theta$ 稱為不偏（unbiased）；若 $\hat{\theta} \xrightarrow{p} \theta$ 稱為一致（consistent，正是 WLLN 在背後撐腰）；在不偏估計量中變異數最小者稱為有效（efficient），其下界由 Cramér–Rao 不等式給出。這也是為什麼樣本變異數用 $n-1$ 而非 $n$ 當分母——除以自由度才能讓估計量不偏，因為樣本平均已用掉一個約束。

最大概似估計（MLE）是現代推論的主力：選取使概似函數 $L(\theta) = \prod_i f(x_i;\theta)$ 最大的 $\theta$。MLE 在正則條件下具備一致性與漸近常態性，且漸近達到 Cramér–Rao 下界（漸近有效），其漸近變異數由 Fisher 資訊量的倒數給出。實務上也別忽略效果量（如 Cohen's $d$）：當 $n$ 極大時，CLT 使標準誤趨近 0，幾乎任何微小差異都會「統計顯著」，此時 $p$ 值會誤導，必須回報效果量與信賴區間來衡量「實質重要性」。

貝氏觀點提供了互補視角。頻率學派把 $\mu$ 視為固定未知數、把資料視為隨機；貝氏則給 $\mu$ 一個先驗分布，透過 $p(\theta\mid x) \propto p(x\mid\theta)\,p(\theta)$ 更新為後驗。在大樣本下，貝氏後驗也會被概似函數主導而趨於常態（Bernstein–von Mises 定理），使兩派結論在 $n$ 大時漸趨一致。最後，CLT 的精神也滲透到機器學習：交叉驗證誤差的平均、bootstrap 重抽樣的分布、隨機梯度下降中梯度估計的雜訊，乃至集成方法（bagging）藉由平均降低變異，背後都是同一個「平均使估計穩定、誤差以 $1/\sqrt{n}$ 收斂」的數學引擎。