如何解釋中心極限定理？中心極限定理表明，只要樣本量夠大，平均值的抽樣分佈將始終呈現常態分佈。 無論總體是否服從常態分佈、泊松分佈、二項分佈或任何其他分佈，平均值的抽樣分佈都將是常態分佈。
對於持續過程驗證（CPV）或其他統計分析，我們假設n=30或更多將確保常態分佈，而這個「n」（樣本數）通常用批次數來表示。 例如，對 30 個不同批次的藥品中的 API（活性藥物成分）進行分析被認為是常態分佈的。 根據上述定義，每批的測定必須計算每批足夠數量的樣品（樣品大小）的平均值，而不是複合樣品測定或一個片劑或膠囊的測定。 因此，基於單一分析的平均值的常態分佈假設是不正確的。 在這方面，分解可以被認為是應用中心極限定理的更好候選者。 對於每個溶解時間點的平均值，至少我們使用6個或更多的單位（L2，L3）。 任何評論將不勝感激。
基礎資料分析與建模
