根據中心極限定理,任何一種連續型隨機變數,不管它本身的圖形如何,只要它的樣本個數超過30個,
它的均值就可以視為服從常態分配.
抽樣統計學原理概要
我們從一個總數為n的群體中選取n個樣本，並估計參數μ和σ2，即樣本容量和方差。
可以用這兩個參數來描述分布狀態，尤其是常態分配。
隨機性確保了群體中的每個單元都有均等的入選機會，它排除了選擇的偏差。估計值ā和s2，
即樣本的平均值和方差都有它們各自的分布形式，我們常假定常態分配是最佳分布形式。
可以用這種分布來估計z的機率和正態偏差（即用t分布估計t的機率）或者形成確定樣本數的z、t分布表。
有許多種隨機取樣方法，最簡單的是對隨機性沒有限制的簡單隨機取樣。
例如，如果一個取樣區域的一部分是斜坡，而另一部分是平地，那么，這兩個部分應該分別進行取樣分析和解釋。
我們可以對隨機性附加些限定條件，如在分層隨機取樣中我們希望去除層次之間的變異，
其限制條件是在每一個層次中都分別隨機性處理。在簡單隨機取樣中，樣本平均值總是群體平均值的無偏估計值。
我們談到的“最優”估計值是指它的取樣方差最小。
其結果是樣本平均值和樣本方差都能達到最優等。
人們經常想到的是樣本的大小。如果樣本的採集方法合適，我們知道，取樣分數n/n小，
它的值就很難保證估計的精確度，其有效精確度依賴於樣本數絕對值。這也就意味著在估計最佳樣本數時，
有必要考慮絕對樣本數，而不是樣本百分數。在確定樣本數的公式中，經常用n而不用n/n。
從樣本數和精確度考慮，樣本平均值ā的精確度隨樣本數的提高而提高。
在不考慮抽樣群體的總體形狀時，樣本均值ā隨樣本數的增大而更接近於常態分配，它的根據是中心極限定理。30個樣本對於標準估計是足夠的（但是，我們也可以抽取超過30個的樣本從而達到必要的精確度）。
這種假設關係的根據是，方差是有限的，而從總體中抽取樣本是隨機的。