Data Visualization
中心极限定理演示器
直观展示中心极限定理：从非正态源分布（均匀、指数、泊松或伯努利）抽样，绘制样本均值的直方图，并叠加预测的正态曲线 N(μ, σ²/n)。对比经验与理论的均值和标准误，观察随样本量增大收敛性增强。
html· HTML 结果打开工具
快速开始
用三种语言从你的代码中调用此工具。
cURL
curl -X POST 'https://api.elysiatools.com/zh/api/tools/central-limit-theorem-demonstrator' \
-H 'Content-Type: application/json' \
-d '{"distribution":"exponential","sampleSize":30,"reps":5000,"bins":40,"seed":42,"precision":3}'API 参考
以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
请求端点
HTTP
POST https://api.elysiatools.com/zh/api/tools/central-limit-theorem-demonstrator请求参数
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| distribution | select | 否 | — |
| sampleSize | number | 是 | Draws per sample mean. Larger n → narrower, more normal sampling distribution. |
| reps | number | 是 | How many sample means to generate (histogram resolution). |
| bins | number | 是 | — |
| seed | number | 否 | Same seed → identical results (reproducible demos). |
MCP 集成
将此工具加入你的 Model Context Protocol 服务，让 AI 智能体可以列出并调用它。
服务配置
将以下内容加入你的 MCP 客户端配置：
mcp.json
{
"mcpServers": {
"elysiatools-central-limit-theorem-demonstrator": {
"name": "central-limit-theorem-demonstrator",
"description": "直观展示中心极限定理：从非正态源分布（均匀、指数、泊松或伯努利）抽样，绘制样本均值的直方图，并叠加预测的正态曲线 N(μ, σ²/n)。对比经验与理论的均值和标准误，观察随样本量增大收敛性增强。",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=central-limit-theorem-demonstrator",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}列出可用工具
连接到 SSE 端点后，列出已开放的工具：
tools/list
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}调用此工具
通过工具 id 调用，参数由其参数表构建：
tools/call
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "central-limit-theorem-demonstrator",
"arguments": {
"distribution": "exponential",
"sampleSize": 30,
"reps": 5000,
"bins": 40,
"seed": 42,
"precision": 3
}
}
}可用逗号分隔的 toolId 在一个会话中串联多个工具，例如 /mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp（最多 20 个）。
有问题或反馈？请联系 [email protected]