Định lý giới hạn trung tâm (CLT) bằng mô phỏng NumPy
Bài 3/6 · Chương 7
Mô phỏng: luật số lớn và định lý giới hạn trung tâm
- 9 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 12
Định lý giới hạn trung tâm (central limit theorem, CLT) nói rằng trung bình của n giá trị độc lập rút từ gần như bất kỳ phân phối nào cũng có phân phối gần chuẩn khi n đủ lớn. Tâm của nó là μ, độ lệch chuẩn là σ/√n. Nhờ nó, bạn tính được xác suất cho trung bình mẫu mà không cần biết dữ liệu có hình gì.
Cần biết trước: phân phối mẫu, phân phối chuẩn và phân phối mũ.
Định lý giới hạn trung tâm nói gì
Lấy mẫu n giá trị độc lập từ một tổng thể có trung bình μ và độ lệch chuẩn σ. Khi n đủ lớn, trung bình mẫu có phân phối xấp xỉ chuẩn:
Trong đó:
mu(μ): trung bình của tổng thể, cũng là tâm của các x̄.sigma(σ): độ lệch chuẩn của tổng thể, độ trải của từng giá trị.n: cỡ mẫu.sigma / math.sqrt(n)(σ/√n): độ lệch chuẩn của x̄, nhỏ hơn σ đúng √n lần.
Bài phân phối mẫu đã cho thấy các x̄ dồn quanh μ và hẹp lại khi n tăng. Định lý thêm một điều: hình của chúng tiến về chiếc chuông chuẩn, kể cả khi dữ liệu gốc lệch hẳn sang một bên.
Tính tay một xác suất của trung bình mẫu
Một tổng đài có thời gian mỗi cuộc gọi theo phân phối mũ, trung bình 4 phút; phân phối mũ có σ bằng trung bình, nên σ = 4 phút. Một ca trực nhận 36 cuộc. Xác suất thời gian trung bình của 36 cuộc vượt 5 phút là bao nhiêu?
Theo định lý: x̄ xấp xỉ chuẩn với tâm 4 và độ lệch chuẩn 4/√36 = 4/6 ≈ 0,667 phút. Đổi ngưỡng 5 phút ra điểm z: z = (5 − 4) / 0,667 = 1,5. Bảng chuẩn tắc cho P(Z > 1,5) ≈ 0,0668, tức khoảng 6,7%.
Với scipy, norm.sf() cho xác suất phía trên một ngưỡng, nhận tâm qua loc và độ lệch chuẩn qua scale:
import math
from scipy.stats import norm
mu, sigma, n = 4, 4, 36
se = sigma / math.sqrt(n)
print("Độ lệch chuẩn của x̄:", round(se, 3))
print("P(x̄ > 5):", round(float(norm.sf(5, loc=mu, scale=se)), 4))KẾT QUẢ
Độ lệch chuẩn của x̄: 0.667
P(x̄ > 5): 0.0668Kết quả khớp phép tính tay. Giờ kiểm bằng mô phỏng: rút 20.000 ca trực, mỗi ca 36 cuộc gọi từ phân phối mũ, rồi đếm số ca có x̄ vượt 5:
import numpy as np
rng = np.random.default_rng(57)
cuoc_goi = rng.exponential(scale=4, size=(20_000, 36))
x_tb = cuoc_goi.mean(axis=1)
print("Độ lệch chuẩn của các x̄:", round(x_tb.std(ddof=1), 3))
print("Tỉ lệ ca có x̄ > 5:", (x_tb > 5).mean())KẾT QUẢ
Độ lệch chuẩn của các x̄: 0.669
Tỉ lệ ca có x̄ > 5: 0.0745Lần chạy này cho độ lệch chuẩn 0,669 phút, sát 0,667 của công thức. Tỉ lệ vượt 5 phút là 0,0745, cao hơn 0,0668 một chút: với n = 36, x̄ của dữ liệu mũ vẫn còn hơi lệch phải, nên đuôi phải dày hơn đuôi chuẩn. Xấp xỉ chuẩn cho đúng cỡ 7%, nhưng lệch ngay ở chữ số thập phân thứ hai.
Dữ liệu lệch vẫn ra hình chuông
File giao_hang.csv (số giả lập của AIDev) có thời gian giao 800 đơn, lệch phải mạnh: đa số đơn dưới 40 giờ, một số đơn trên 100 giờ. Khối dưới coi 800 đơn là tổng thể, rút 10.000 mẫu cho bốn cỡ n, vẽ histogram của x̄ và đặt lên đường norm.pdf() mà định lý dự đoán:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.stats import norm
t = pd.read_csv("giao_hang.csv")["thoi_gian_gio"].to_numpy()
rng = np.random.default_rng(57)
fig, axs = plt.subplots(2, 2, figsize=(8, 5), layout="constrained")
for ax, n in zip(axs.flat, [1, 4, 16, 64]):
x_tb = rng.choice(t, (10_000, n), replace=True).mean(axis=1)
_, bien, _ = ax.hist(x_tb, bins=40, density=True, alpha=0.6)
ax.plot(bien, norm.pdf(bien, t.mean(), t.std(ddof=0) / n**0.5))
ax.set_title(f"n = {n}")
fig.supxlabel("Trung bình mẫu thời gian giao (giờ)")
fig.supylabel("Mật độ")
plt.show()Ô n = 1 chính là dữ liệu gốc, lệch phải và lệch xa đường cong cam. Ở n = 16, histogram đã sát đường cong, chỉ còn hơi lệch phải; ô n = 64 khớp gần hết và hẹp hơn hẳn, gần như chỉ từ 25 tới 39 giờ, vì độ lệch chuẩn của x̄ là σ/√n, còn một phần tám so với n = 1.
n bao nhiêu là đủ
Nhiều giáo trình nhập môn dùng mốc n ≥ 30. Mốc đó hợp với dữ liệu gần đối xứng; dữ liệu càng lệch thì càng cần n lớn. Cách kiểm thẳng thắn là mô phỏng: với xấp xỉ chuẩn, x̄ vượt μ + 1,645·σ/√n trong 5% số mẫu và thấp hơn μ − 1,645·σ/√n cũng trong 5%. Đếm xem dữ liệu giao hàng có giữ được hai con số 5% đó không:
import numpy as np
import pandas as pd
from scipy import stats
t = pd.read_csv("giao_hang.csv")["thoi_gian_gio"].to_numpy()
mu, sigma = t.mean(), t.std(ddof=0)
rng = np.random.default_rng(57)
for n in [5, 30, 100]:
x_tb = rng.choice(t, (10_000, n), replace=True).mean(axis=1)
bien = 1.645 * sigma / np.sqrt(n)
tren = (x_tb > mu + bien).mean()
duoi = (x_tb < mu - bien).mean()
print(n, round(float(stats.skew(x_tb)), 2), tren, duoi)KẾT QUẢ
5 0.77 0.0687 0.0161
30 0.31 0.0622 0.0359
100 0.16 0.0522 0.0425Cột thứ hai là độ lệch của các x̄, hai cột cuối là tỉ lệ vượt trên và dưới. Lần chạy này: với n = 5, đuôi trên 6,9% còn đuôi dưới chỉ 1,6%, rất lệch. Với n = 30, hai đuôi còn 6,2% và 3,6%, vẫn chưa cân. Tới n = 100 mới về 5,2% và 4,3%. Với dữ liệu lệch như thời gian giao hàng, mốc 30 chưa đủ cho các phép tính cần đuôi chính xác.
Đổi [5, 30, 100] thành [60] rồi chạy lại: khối in một dòng duy nhất bắt đầu bằng 60, với hai đuôi nằm giữa hai mốc 30 và 100.
Kiểm tra nhanh
Sau
from scipy.stats import norm,print(round(float(norm.sf(52, loc=50, scale=10 / 5)), 4))in ra gì?0.42070.15870.8413
Trong khung bẫy dùng σ, vì sao 0,4013 sai cho câu hỏi về ca 36 cuộc gọi?
- Vì phân phối mũ không có độ lệch chuẩn
- Vì 0,4013 là xác suất một cuộc lẻ dài hơn 5 phút theo xấp xỉ chuẩn, còn trung bình 36 cuộc có độ lệch chuẩn σ/√36
- Vì
norm.sf()chỉ nhận số nguyên
Những câu nào đúng với định lý giới hạn trung tâm?
- Trung bình mẫu của dữ liệu lệch phải vẫn có phân phối gần chuẩn khi n đủ lớn
- Độ lệch chuẩn của trung bình mẫu là σ/√n
- Thu thêm dữ liệu thì bản thân dữ liệu tiến về phân phối chuẩn
- Với mọi tổng thể, n = 30 cho xấp xỉ chuẩn chính xác ở cả hai đuôi
Trong mô phỏng "n bao nhiêu là đủ", dấu hiệu nào cho thấy n = 5 chưa đủ với dữ liệu giao hàng?
- Trung bình của các x̄ khác xa μ
- Tỉ lệ vượt đuôi trên khác hẳn tỉ lệ vượt đuôi dưới, trong khi xấp xỉ chuẩn cho cả hai là 5%
- Có mẫu với x̄ lớn hơn 100 giờ
Bài tập
Xác suất trung bình mẫu vượt một ngưỡng
Một tổng thể có trung bình mu và độ lệch chuẩn sigma (số dương). Bạn lấy mẫu n giá trị độc lập. Viết thân hàm xac_suat_trung_binh_vuot(mu, sigma, n, nguong) tính xác suất trung bình mẫu lớn hơn nguong theo xấp xỉ chuẩn của định lý giới hạn trung tâm.
Trả về: xác suất x̄ lớn hơn nguong, một float.
Ví dụ xac_suat_trung_binh_vuot(4, 4, 36, 5) cho khoảng 0.0668.
import math
from scipy.stats import norm
def xac_suat_trung_binh_vuot(mu, sigma, n, nguong):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Định lý giới hạn trung tâm: với n đủ lớn, x̄ xấp xỉ N(μ, σ²/n), dù dữ liệu gốc có hình gì.
Độ lệch chuẩn của x̄ là σ/√n; dùng σ là tính cho một giá trị lẻ, không cho trung bình.
norm.sf(nguong, loc=mu, scale=sigma / math.sqrt(n))cho P(x̄ > ngưỡng).Định lý nói về x̄; độ lệch của chính dữ liệu không giảm khi thu thêm dữ liệu.
Mốc n ≥ 30 chỉ là quy ước thô: dữ liệu càng lệch càng cần n lớn, kiểm bằng mô phỏng hai đuôi.
Câu hỏi thường gặp
Central limit theorem là gì, nói ngắn trong một câu?
Trung bình của nhiều giá trị độc lập có phân phối gần chuẩn quanh μ, với độ lệch chuẩn σ/√n. Đó là lý do phân phối chuẩn xuất hiện ở khắp nơi trong thống kê suy luận.
Định lý có cần dữ liệu độc lập không?
Có. Bản quen thuộc cần các giá trị độc lập và cùng phân phối, với phương sai hữu hạn. Dữ liệu theo thời gian, như doanh thu từng ngày liên tiếp, thường phụ thuộc nhau; khi đó σ/√n có thể đánh giá thấp độ dao động thật.
Khi chưa biết σ thì làm sao?
Thay σ bằng độ lệch chuẩn mẫu s; con số s/√n có tên là sai số chuẩn. Với n nhỏ, thay phân phối chuẩn bằng phân phối Student t, như trong bài khoảng tin cậy cho trung bình.
Luật số lớn và định lý giới hạn trung tâm khác nhau ở đâu?
Luật số lớn nói x̄ tiến về μ. Định lý giới hạn trung tâm nói thêm x̄ dao động quanh μ theo hình chuông với độ rộng σ/√n, đủ để tính xác suất.
Chủ đề
Dữ liệu của bài
- Tải xuống
giao_hang.csv
CSV · 27.84 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.