如果给出正态分布总体的均值和标准偏差，我们就能通过计算出小于或大于任何值的百分比，将该值与总体中剩余的值对比，那对于样本呢，我们如何将总体中的特定样本与其他样本相比较？
□ 通过算出该样本的均值
□ 通过算出总体中其他样本的均值
□ 通过将该样本的均值与其他样本的均值进行对比
所有选项都正，之前我们已经了解到中心值可以描述一组数据，如果我们要对比样本，我们可以对比该样本的中心值具体来说即均值。
举一个简单的例子，模拟具有多个样本的总体
假设你在拉斯维加斯赌博，玩的赌博游戏是掷四面体骰子，你需要掷两次，然后取平均值，要赢的话，平均值必须至少为 3，你的两次投掷结果平均值至少为 3 的概率是多少？
我们投掷骰子的话 会得到 1、2、3 或 4，均值是多少？
1+2+3+4=10，10/4= 2.5，所以均值是 2.5，用 μ 表示，这叫做期望值。虽然我们不会掷出 2.5，因为这是不可能的，但是 2.5 是总体的均值，如果我们从该总体中取出某个样本，期望值约为 2.5。
提醒下，如果我们要赢得这场赌博游戏，我们的平均值就必须至少为 3，我们来看看投掷两次骰子的话，所有可能的结果会是多少，可能是 1 和 2，均值则是 1.5；者可能是 1 和 1，均值则是 1；或者可能是 3 和 4，
均值则是 3.5；有各种可能性，这些类似于我们在总体中的样本，在前面提到的三次投掷中，我们只赢了一次，因为只有一次的平均值等于或大于 3，们可以从该总体中选择多少种可能的组合，即样本量为 2 的情况。
我们可以获得 16 个样本量为 2 的样本，可能是下面的任意组合，算出每个样本的均值
样本均值的均值是多少？也就是说，如果我们投掷四面体骰子两次，平均结果预计会是多少？这就是样本均值的均值。
如果我们将这些都相加的话 1+1.5+2+2.5…一直加到 4，得出样本均值的均值是 2.5 我们用大写的 M 表示。
现在请将样本均值复制粘贴到Wolfram Alpha网站（http://www.wolframalpha.com/），然后点击此图标，它就会分析你在此处输入的所有数据，在我们的示例中，即所有样本量为 2 的所有可能样本的均值。
我们来看看可视化均值频率的直方图，这张图将样本均值的分布可视化叫做抽样分布。该抽样分布的形状会如何？
□ 均匀分布
□ 双峰分布
□ 正态分布
□ 偏斜分布
是正态分布 这并不是巧合，从下图可以看出，频率最高的均值是 2.5，这个直方图可能不太好理解，因为它是离散的，但是再去看看样本均值，会发现有四个样本的均值是 2.5，理想情况下 2.5 应该位于正中心位置，但是会发现样本均值很难达到 1 或 4。
那么两次投掷的平均值大于等于 3 的概率是多少？
可以看到有三个样本量为 2 的样本平均值为 3，两个样本量为 2 的样本平均值为 3.5，一个样本量为 2 的样本平均值为 4，3+2+1=6，再除以总数即 16，得出概率为 6/16=0.375。