抽样分布中心极限定理与标准误

更新：2026-10-13；状态：可用；验证范围：教材、原始研究或官方文档核对；概念与方法说明。

统计量会随样本改变；标准误描述这种变动，中心极限定理有适用条件。

两种分布不要混淆

一个研究中个体测量值有自己的分布；重复抽取同样大小样本，每次计算均值，这些均值形成均值的抽样分布。观测值可以很分散，但样本均值估计仍可能相对精确。

对独立同分布、有限方差的观测，样本均值的标准差为 $\sigma/\sqrt n$；用样本SD代替σ得到常用标准误 $s/\sqrt n$。该公式的n是对应的独立观测数，不是文件行数。

中心极限定理告诉我们什么

在相应条件下，标准化的和或均值随样本量增加趋近正态。它不表示原始数据会变成正态，也不保证任意n≥30就足够。重尾、稀有事件及强依赖会影响近似；有些分布甚至没有有限方差。

只有3个供体、每个1000个细胞时，不能把3000直接代入独立供体均值的SE公式。多个交叉验证折也不是简单的独立重复，折间训练集共享会影响不确定性估计。

一张误差线应该交代什么

写明估计量、独立单位、样本量、SD/SE/CI、计算方法及是否考虑配对或分组。SE越小不必然说明研究没有偏差；系统性的样本选择错误可以伴随很小SE。

合成数据贯通统计推断重复生成1000组独立正态样本，展示区间覆盖。下一步见点估计偏差方差与一致性和置信区间与重采样。均值标准误与t区间计算参见SciPy sem接口和SciPy t分布。