加得够多，什么都变成钟形
世上分布数不胜数，却独有一种形状无处不在：钟形，正态分布。人的身高、考试分数、测量误差、工厂零件的尺寸，乃至统计里的样本均值——来源全然不同，却都像约好了似的画出一个中间鼓起、左右对称的钟。为什么偏偏这一种形状如此常见？答案优雅而有力。把许多彼此独立的小随机因素一加，无论原本每个因素是什么形状，它们的和都收敛到钟形。这就是中心极限定理，统计学里最深刻、最美的结果。身高是正态的，是因为数千个基因与环境因素相加；测量误差是正态的，是因为无数微小的抖动汇合。E3 里我们用中心与散布两个数概括分布，而正态分布恰恰就由那两个数——均值与标准差——完全确定。在这最后一讲里，看看钟形为什么无处不在，以及如何用这把尺子去丈量世界。
先和钟形本身混个脸熟。正态分布在均值处最高，向两侧对称、平滑地下落。令人惊讶的是，这条曲线仅由两个数完全确定：均值 μ 和标准差 σ。μ 是峰的位置（中心），σ 是钟的宽度。正态还有一条值得背下来的漂亮法则：68-95-99.7 法则。按按钮看看。均值 ±1σ 之内约含全体的 68%，±2σ 之内约 95%，±3σ 之内约 99.7%。换句话说，服从正态的值几乎总是（99.7%）落在均值 3σ 之内，越出 3σ 是罕见的——大约千分之三。σ 就是天然的尺子：「离均值几个 σ」直接告诉你「这事有多罕见」。靠这一条法则，你就能立刻判断「这个测量值是正常还是反常」。
现在来看钟形是怎样自己冒出来的。掷一颗骰子，1 到 6 概率相等——一条平平的长方形分布，跟钟差得远。可掷几颗骰子、看它们的和，魔法就来了。用按钮增加骰子数。只加两颗，平平的分布就变成以 7 为顶的三角形；加到三颗、四颗，棱角圆了，越来越接近钟形。为什么？要让和很小，得所有骰子同时出小点，这很罕见；而和落在中间的路数多得数不清。于是中间的值出现得压倒性地多，峰就形成了。原材料（一颗骰子）一点也不像钟，可只加几颗，钟就出现了。这是把中心极限定理的运作展示得最简单的一个例子。
骰子本来就对称，可以说我们手下留情了。那要是一个明摆着偏向一侧的分布呢？这里有个指数分布：0 附近最多，向右拖着一条长尾，一点也不对称。我们从这个偏斜的分布里抽 N 个、求平均，再把许多这样的平均值收集起来画直方图。用滑块增大样本大小 N。N=1 时还是原来那偏斜的样子，可 N 一大，惊人的是，样本均值的分布越来越变成对称的钟形，同时越来越窄。无论源多么扭曲，只要抽得够多再平均，那个平均就收敛到正态分布。这就是中心极限定理的核心。而宽度随 N 增大按 1√N 缩小：样本翻四倍，均值的散布就减半。所以样本越多，对均值的估计就越精确。民意调查只问几千人就能相当准确，原因正在于此。
既然正态无处不在，把所有正态统一到一把标准尺子上岂不方便。那就是 z 标准化。把任意正态 N(μ, σ) 的值 X，换算成它离均值有多远、以 σ 为单位。写成式子就是 z = (X − μ)σ。先减去 μ，把中心移到 0，再除以 σ，把宽度定为 1。这正是 E3 里 aX+b 变换的一个特例（a = 1σ, b = −μσ）。用滑块怎么改 μ 和 σ，都来看曲线下方的 z 刻度始终固定在 0, ±1, ±2。x 值（上行）每个分布都不同，可用 z（下行）来量，任何正态都变成同一个标准正态 N(0, 1)。它之所以强大，是因为只要手里有这一个标准正态的表（或函数），就能把世上所有正态分布的概率换成 z，用这一张表全读出来。无论是身高 175cm 的概率，还是股票的收益率，换成 z，就能用同一把尺子去量。
最后，看看这一切在工程里怎么用。同一个量测许多次，每次的值都略有不同。那散布是无数小噪声相加而成，由中心极限定理，它服从正态分布。看那些测量点，它们以钟形散布在均值周围。在这里套用 68-95-99.7 法则。用按钮改变带宽。约 95% 的测量值落在均值 ±2σ 之内。反过来，你就能有约 95% 的把握说「真值就在测量均值的 ±2σ 之内」。这就是置信区间。把结果写成「5.0 ± 0.2」时的那个 ±，正是它。在工程里，没有哪个数会不带 ± 独自上路。零件尺寸的公差、实验值的误差范围、民调的抽样误差、传感器的精度，全都用「估计值 ± 几个 σ」来讲。所以统计是这样一种语言：不是「均值是多少」，而是「均值落在这个范围内，而我们对此有这么大把握」。正态分布与中心极限定理，为那份把握标上了数字。至此，我们把工程数学走了一整圈。线性代数的变换与特征值、复数的旋转、微分方程的流动与稳定、再到概率的分布与估计——工科生的工具箱，已尽在一手之中。