母數平均的中心極限定理

不論資料本身的分配為何，中心極限定理（CLT）帶來的一大好處，是讓我們可以假設常見於 A/B 測試評估的指標（如平均數、總和、比例、標準差、百分位數）的抽樣分配近似常態。如此一來，假設常態性的統計顯著性檢定就能輕鬆套用在這些情境，進而對實驗做出有力的結論。

本練習的目標是示範 CLT 如何適用於各種分配，並體會它的威力。

以下物件已為你載入：

• checkout DataFrame
• pandas（作為 pd）
• numpy（作為 np）
• matplotlib（作為 plt）
• seaborn（作為 sns）