如何解释中心极限定理？中心极限定理表明，只要样本量足够大，均值的抽样分布将始终呈正态分布。 无论总体是否服从正态分布、泊松分布、二项分布或任何其他分布，均值的抽样分布都将是正态分布。
对于持续过程验证（CPV）或其他统计分析，我们假设n=30或更多将确保正态分布，并且这个“n”（样本数）通常用批次数来表示。 例如，对 30 个不同批次的药品中的 API（活性药物成分）进行分析被认为是正态分布的。 根据上述定义，每批的测定必须计算每批足够数量的样品（样品大小）的平均值，而不是复合样品测定或一个片剂或胶囊的测定。 因此，基于来自单个测定的均值的正态分布假设是不正确的。 在这方面，分解可以被认为是应用中心极限定理的更好候选者。 对于每个溶解时间点的平均值，至少我们使用6个或更多的单位（L2，L3）。 任何评论将不胜感激。
基础数据分析和建模
