Часто, когда математики говорят о вероятности, они начинают с известного распределения вероятностей, а затем говорят о вероятности событий. Истинное значение центральной предельной теоремы состоит в том, что она позволяет нам использовать нормальное распределение в качестве приближения в случаях, когда мы не знаем истинного распределения. Вы могли бы задать своему отцу стандартный статистический вопрос (но сформулированный как математический) о том, какова вероятность того, что среднее значение выборки будет больше заданного значения, если данные поступают из распределения со средним значением mu и sd sigma, а затем посмотрите, он предполагает распространение (о котором вы потом говорите, что мы не знаем) или говорит, что ему нужно знать распределение. Затем вы можете показать, что мы можем приблизить ответ с помощью CLT во многих случаях.
Для сравнения математики со статистикой мне нравится использовать теорему интегрирования среднего значения (которая говорит, что для интеграла от a до b существует прямоугольник от a до b с той же площадью, а высота прямоугольника является средним значением для кривая). Математик смотрит на эту теорему и говорит: «круто, я могу использовать интеграцию для вычисления среднего», в то время как статистик смотрит на ту же теорему и говорит: «круто, я могу использовать среднее для вычисления интеграла».
У меня на самом деле есть настенные вешалки с крестиком в моем кабинете теоремы о среднем значении и CLT (вместе с теоремой Байеса).