原因是中心极限定理(central limit theorem)。 "多个独立统计量的和的平均值,符合正态分布。" 

随着统计量个数的增加,它们和的平均值越来越符合正态分布。 根据中心极限定理,如果一个事物受到多种因素的影响,不管每个因素本身是什么分布,它们加总后,结果的平均值就是正态分布。

实际上，并非所有的数据都呈正态分布。正态分布（也称为高斯分布）是一种特殊的概率分布形态，具有两侧对称、钟形曲线的特点。在某些情况下，真实世界中的数据可能呈现出接近或逼近正态分布的趋势，但并不意味着所有数据都遵循正态分布。

以下是一些可能导致数据呈正态分布的原因：

1. 中心极限定理：根据中心极限定理，当我们从一个足够大的样本中抽取多个独立观测值时，这些观测值的平均值将趋向于正态分布。这是由于许多随机事件的累积效应导致了正态分布的出现。

2. 统计模型的假设：在许多统计模型中，包括线性回归和假设检验等，常常假设数据服从正态分布。这使得在这些模型中使用正态分布进行推断和估计更加方便和简单。