简要回答
中心极限定理：独立同分布、方差有限时，样本均值（适当标准化）近似正态；使许多推断方法在未知总体分布时仍可用。
标准回答
一、中心极限定理（CLT）
设 X₁,...,Xₙ i.i.d.，E[Xᵢ]=μ，Var(Xᵢ)=σ²<∞，则当 n→∞，(X̄ₙ − μ) / (σ/√n) →^d N(0, 1)
二、直觉
无论总体多么偏态，样本均值的分布趋向钟形正态；波动幅度 σ/√n。
三、重要性
面试里如果出现公式，建议先说 中心极限定理是什么 解决的直觉问题，再解释变量含义和适用条件。最后补一个反例或边界，比如样本量不足、分布假设不成立、数值不稳定时应该怎么处理。
四、局限
回答思路
【定义】用一句话说清「中心极限定理是什么？在统计学中为何重要」
【原理】讲清关键机制或步骤（2～3 点）
【例子】举一个真实项目、论文或产品中的例子
【对比】与易混淆概念或替代方案比较（如有）
【收尾】总结适用场景 + 一个局限或风险
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：只罗列名词、不会举例；混淆相似概念；忽略工程约束（成本、延迟、数据质量）。不确定时应主动说明假设。
追问
追问 1：n 多大算「足够大」？
经验法则 n≥30 对不太偏的总体常够用；偏态严重需更大 n。可用模拟/bootstrap 检查 X̄ 的抽样分布是否近正态。
追问 2：CLT 对单个观测成立吗？
不成立。CLT 关于样本均值（或和），不是单次观测。若总体本身正态，任意 n 下 X̄ 精确正态（不仅渐近）。
追问 3：Lyapunov CLT 和 Lindeberg CLT 是什么？
推广到非 i.i.d.（独立但不同分布）情形，用 Lyapunov 或 Lindeberg 条件约束方差。时间序列需更谨慎，独立假设常不满足。
🔗 相似问题
同一考点的不同问法，换着练更稳
延伸学习
按主题分类的相关资源，便于系统复习