Trực giác về phân phối chuẩn: Vì sao đường cong hình chuông có ở khắp nơi

Đường cong hình chuông là mẫu hình được tái sử dụng nhiều nhất trong toàn bộ thống kê — chiều cao, điểm IQ, nhiễu đo lường, và hàng chục hiện tượng tự nhiên đều tụ lại quanh một giá trị trung bình và thuôn nhỏ dần một cách đối xứng. Bài viết này trước tiên cho bạn trực giác, rồi mới đến các công thức bạn thực sự cần.

"Chuẩn" nghĩa là gì

Một biến ngẫu nhiên $X$ tuân theo phân phối chuẩn với kỳ vọng $\mu$ và độ lệch chuẩn $\sigma$ khi mật độ của nó tuân theo:

$f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\left(-\frac{(x - \mu)^2}{2\sigma^2}\right)$

Đừng học thuộc nó — điều quan trọng là hình dạng: đối xứng quanh $\mu$, đạt đỉnh tại đó, suy giảm nhanh chóng với hai-sigma đã là điều hiếm gặp một cách đáng chú ý.

Vì sao nó có ở khắp nơi? Định lý giới hạn trung tâm

Định lý giới hạn trung tâm (CLT) là lý do. Nó nói rằng: trung bình của nhiều ảnh hưởng ngẫu nhiên độc lập có xu hướng tiến tới phân phối chuẩn, bất kể từng ảnh hưởng riêng lẻ trông như thế nào.

Chiều cao, chẳng hạn, được quyết định bởi hàng trăm yếu tố di truyền và môi trường, mỗi yếu tố thêm vào một đóng góp độc lập rất nhỏ. Tổng của chúng xấp xỉ một đường cong hình chuông.

Quy tắc 68-95-99.7

Với bất kỳ phân phối chuẩn nào, dù $\mu$ hay $\sigma$ là gì:

• 68% dữ liệu nằm trong khoảng $\mu \pm 1\sigma$
• 95% nằm trong khoảng $\mu \pm 2\sigma$
• 99.7% nằm trong khoảng $\mu \pm 3\sigma$

Đây là quy tắc thực nghiệm. Hãy học thuộc nó — nó trả lời hầu hết các câu hỏi thi trong 10 giây.

Ví dụ giải mẫu

Chiều cao nam giới trưởng thành ở Mỹ có $\mu \approx 70$ in và $\sigma \approx 3$ in. Tỷ lệ nam giới cao từ 64 đến 76 inch là bao nhiêu?

Khoảng đó là $70 \pm 6 = 70 \pm 2\sigma$, nên là 95%.

Điểm z: chuẩn hóa mọi phân phối chuẩn

Để so sánh các giá trị giữa các phân phối chuẩn khác nhau, hãy chuyển sang điểm z:

$z = \frac{x - \mu}{\sigma}$

Điểm z là "cách kỳ vọng bao nhiêu độ lệch chuẩn". Nó cho phép bạn dùng phân phối chuẩn tắc $N(0, 1)$ cho mọi bài toán thông qua bảng tra cứu (hoặc máy tính của chúng tôi).

Ví dụ điểm z

Một điểm kiểm tra $x = 85$ đến từ $N(75, 5)$. Điểm z của nó là $z = (85 - 75)/5 = 2$. Từ quy tắc thực nghiệm, chỉ $\approx 2.5\%$ số điểm vượt qua được mức này.

Những lỗi thường gặp

• Nhầm lẫn $\sigma$ và $\sigma^2$: độ lệch chuẩn so với phương sai.
• Giả định mọi dữ liệu đều là chuẩn: không phải vậy! Thu nhập, kích thước tệp, và cường độ động đất đều lệch nặng. Luôn vẽ biểu đồ tần suất trước.
• Thay số thô vào quy tắc thực nghiệm — hãy chuyển sang điểm z trước.

Thử với Trình giải phân phối chuẩn AI

Dùng Trình giải phân phối chuẩn để tính xác suất chính xác — tốt hơn việc đọc bảng bằng mắt.

Tham khảo liên quan:

• Máy tính độ lệch chuẩn — tham số độ phân tán
• Máy tính điểm z — để chuẩn hóa
• Trung bình / Trung vị / Yếu vị — kiến thức cơ bản về xu hướng trung tâm