ne...
das central limit theorem besagt, dass genügend grosse samples gegen eine normalverteilung konvergieren (also die mittelwerte dieser samples!!)
z.B. 100 pokerhände aufaddiert sind so ein sample. (die übrigens nicht normalverteilt sind)
1k pokerhänderesults aus cashgames aufaddiert sind normalverteilt
sprich samples von 100 sit n goes sind näher an der normalverteilung als 1 sit n go...
man müsste messen wie gross die samples für sit n goes sein müssen, damit die samples normalverteilt sind (in sich sind die samples aber nicht normalverteilt!)
das heisst nicht das 2,6k sit n goes normalverteilt sind, das sind sie eben gerade nicht
sondern du musst immer z.B. 100 sit n goes zusammen nehmen aber dann hast du nur noch 26 samples und somit ist die samplesize enorm klein
nur weil du 2,6k sit n goes hast sind die nicht plötzlich normalverteilt. samples von sit n goes können normalverteilt sein...
