看了《概率论与数理统计》上面说了大数定律和中心极限定律的推到。。。。没时间去弄公式推到，现在大概了解，之后用到再去一步步推到。
中心极限定理：
设随机变量X1，X2，......Xn，......独立同分布，并且具有有限的数学期望和方差：E(Xi)=μ，D(Xi)=σ20(k=1,2....)，则对任意x，分布函数都符合正太分布。
该定理说明，当n很大时，随机变量
近似地服从标准正态分布N(0，1)。
这里的作用是判断一个模型是否可以符合正太分布，下面课程的房价是一个不固定的因素受到天气、人的心情、道路等。。。因素影响，且这些特征都是独立的，所以可以把房价模型假设为正太分布，同时房价-预测=误差，那么误差也就是满足正太N(0,1)分布了。
两者的区别：
简单来说，大数定律（LLN）和中心极限定理（CLT）的联系与区别在于：
- 共同点：都是用来描述独立同分布（i.i.d）的随机变量的和的渐进表现（asymptotic behavior)
- 区别：首先，它们描述的是在不同的收敛速率（convergence rate）之下的表现，其次LLN前提条件弱一点：
, CLT成立条件强一点：
多说一句关于收敛速率，假设有 n 个 i.i.d 的随机变量，令它们的和为
1.大数定律（以其中弱大数定律为例）说的是
~~~~~~~~~~~~ (1)
2.中心极限定理说的是
~~~~~~~~~~~ (2)
注意表达式（1）和表达式（2）差了个有没有！
所以你就记住这条就不会混乱了，来，跟我念一遍：“差了个！”
很多人可能有个误区，觉得（2）跟
~~~~~~~~~~~(3)
说的是一回事儿，或者觉得由（3）可以得到（1），但实际上（3）是一个极为不严谨的表述，因为箭头右边理论上是不能带 n 的，带了 n 的话极限就成0了，那就不是在描述一个确定的分布了。
另外还有一个误区，就是觉得应用CLT必须标准化，但是实际上不用除以标准差，（2）本身就是对的。当然除了标准差也不会错，因为根据Slutsky定理，（2）的左边除以一个标准差的一致估计，右边也就相应scale by 标准差，就变成了标准正态分布 N(0, 1)。
3.总结一下
一些自然界的某些事件(满足一定条件)，通过大量的练习和测试，结果会出现一个规律的表现。
其中这个规律就是大数定律和中心极值定律：
A.大数定律：取向于某个值(某个规律序列)。
B.中心定律：不仅有趋向的值，而且趋向的快慢和大小都有表现。