Nimm einen beliebigen Zufallsprozess — Münzwürfe, Würfelwürfe, die tägliche Veränderung eines Aktienkurses, die Größe einer beliebigen Person, das Rauschen einer Messung. Addiere viele unabhängige Stichproben, teile durch die Anzahl. Trage das Ergebnis auf. Wie auch immer die zugrunde liegende Verteilung aussah, das Histogramm der Mittelwerte wird eine Glockenkurve sein. Diese Regelmäßigkeit, formalisiert als der Zentrale Grenzwertsatz, ist eine der überraschendsten mathematischen Tatsachen über die Welt. Die Glocke erscheint, ob du sie willst oder nicht, immer wenn die Welt aus vielen kleinen unabhängigen Beiträgen aufgebaut ist, und sie ist ein großer Teil dessen, warum Statistik überhaupt möglich ist.
Erstmals erspäht hat den Satz De Moivre im Jahr 1733 (an Binomialverteilungen); Laplace verallgemeinerte ihn; Ljapunow stellte ihn um 1900 streng dar. Die Intuition: Mittelwertbildung löscht Struktur aus. Welche Eigenheiten die zugrunde liegende Verteilung auch trug, wiederholtes unabhängiges Stichprobenziehen mittelt sie heraus und lässt nur die gröbsten Züge zurück (Erwartungswert und Varianz). Die Glockenkurve ist der Fixpunkt der Mittelwert-Operation auf Verteilungen mit endlicher Varianz — die Gestalt, die unter Summenbildung formerhaltend bleibt. Der Satz versagt genau dort, wo seine Annahmen versagen: wenn ein einzelner Beitrag die Summe beherrschen kann (Verteilungen mit schweren Rändern wie Erdbebenmagnituden oder Finanzrenditen unter Stress), wenn die Beiträge korreliert sind (ein Marktzusammenbruch, in dem sich alles gleichzeitig bewegt), oder wenn die zugrunde liegende Verteilung unendliche Varianz besitzt. Die Finanzkrise von 2008 war in diesem Sinne ein Versagen des ZGS: die Annahme unabhängiger Beiträge brach in sich zusammen, die Ränder wurden schwerer, und die Standardmodelle waren für das daraus entstehende Risiko gröblich fehlkalibriert.
Die Glockenkurven-Annahme steckt stillschweigend in beinahe jeder quantitativen Praxis: Meinungsforschung, Wirksamkeitsprüfungen für Medikamente, Six-Sigma-Fertigung, finanzielles Risikomanagement, Generalisierungsschranken im maschinellen Lernen. Wo sie greift, greift sie unsichtbar; wo sie bricht, sind die Folgen laut. Zu erkennen, wann der ZGS gilt — und wann man sich im Gelände schwerer Ränder, korrelierter Beiträge oder seltener Ereignisse bewegt — gehört zu den nützlichsten geistigen Gewohnheiten, die ein quantitativ veranlagter Mensch sich aneignen kann.