Luật số lớn: tần suất tiến về xác suất bằng mô phỏng
Bài 1/6 · 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
Luật số lớn (law of large numbers) nói rằng lặp một phép thử ngẫu nhiên càng nhiều lần thì trung bình các kết quả càng gần kỳ vọng, tần suất của một biến cố càng gần xác suất. Nhờ luật này, một gian hàng trò chơi ăn tiền biết chắc mình có lãi sau đủ nhiều lượt chơi.
Cần biết trước: kỳ vọng của biến ngẫu nhiên, cumsum() và biểu đồ đường.
Luật số lớn nói gì
Sau mỗi lần thử, bạn chia tổng các kết quả đã có cho số lần thử. Con số đó là trung bình tích lũy (running mean):
Trong đó:
n(np.arange(1, n + 1)): số lần thử đã làm.x với chỉ số i (
x[i - 1]): kết quả của lần thử thứ i, như mặt xúc xắc ra ở lần tung đó.x̄ với chỉ số n (
np.cumsum(x) / np.arange(1, n + 1)): trung bình tích lũy sau n lần thử.
Luật số lớn phát biểu: khi n tăng, x̄ₙ tiến về kỳ vọng μ = E(X) của một lần thử. Xúc xắc cân đối có kỳ vọng μ = (1 + 2 + 3 + 4 + 5 + 6) / 6 = 3,5. Khi kết quả chỉ là 1 (biến cố xảy ra) hay 0 (không xảy ra), trung bình tích lũy chính là tần suất, nên tần suất tiến về xác suất.
Tính trung bình tích lũy bằng tay
Bạn tung một con xúc xắc tám lần, được 3, 6, 1, 4, 4, 2, 5, 6. Mỗi hàng cộng thêm một lần tung vào tổng rồi chia cho số lần đã tung:
Lần | Mặt ra | Tổng tích lũy | Trung bình tích lũy |
|---|---|---|---|
1 | 3 | 3 | 3 |
2 | 6 | 9 | 4,5 |
3 | 1 | 10 | 3,333 |
4 | 4 | 14 | 3,5 |
5 | 4 | 18 | 3,6 |
6 | 2 | 20 | 3,333 |
7 | 5 | 25 | 3,571 |
8 | 6 | 31 | 3,875 |
Khối dưới làm đúng bảng đó bằng Python thuần. Sửa list ở dòng đầu thành các lần tung của bạn rồi bấm Chạy:
ket_qua = [3, 6, 1, 4, 4, 2, 5, 6]
tong = 0
for lan, mat in enumerate(ket_qua, start=1):
tong += mat
print(lan, mat, tong, round(tong / lan, 3))KẾT QUẢ
1 3 3 3.0
2 6 9 4.5
3 1 10 3.333
4 4 14 3.5
5 4 18 3.6
6 2 20 3.333
7 5 25 3.571
8 6 31 3.875Tám lần tung còn quá ít: trung bình nhảy từ 3 lên 4,5 rồi xuống 3,333, kết thúc ở 3,875.
Với NumPy, cột tổng tích lũy là np.cumsum(), cột số lần là np.arange(1, n + 1), và phép chia đi cùng lúc trên cả dãy:
import numpy as np
x = np.array([3, 6, 1, 4, 4, 2, 5, 6])
n = len(x)
tb_tich_luy = np.cumsum(x) / np.arange(1, n + 1)
print(np.round(tb_tich_luy, 3))KẾT QUẢ
[3. 4.5 3.333 3.5 3.6 3.333 3.571 3.875]Tám số khớp cột cuối của bảng. Đổi [3, 6, 1, 4, 4, 2, 5, 6] thành [6, 6, 6, 6, 6, 6, 6, 6] rồi chạy lại: khối in [6. 6. 6. 6. 6. 6. 6. 6.].
Mô phỏng 10.000 lần tung xúc xắc
Tung tay 10.000 lần thì không ai làm. Khối dưới rút 10.000 mặt bằng rng.integers(1, 7) như bài mô phỏng Monte Carlo, rồi in trung bình tích lũy ở vài mốc:
import numpy as np
rng = np.random.default_rng(55)
x = rng.integers(1, 7, size=10_000)
tb = np.cumsum(x) / np.arange(1, len(x) + 1)
for n in [10, 100, 1_000, 10_000]:
print(n, round(tb[n - 1], 3), round(abs(tb[n - 1] - 3.5), 3))KẾT QUẢ
10 4.0 0.5
100 3.57 0.07
1000 3.522 0.022
10000 3.51 0.01Cột giữa là trung bình sau n lần tung, cột cuối là khoảng cách tới 3,5. Lần chạy này cho khoảng cách co từ 0,5 xuống 0,01. Vẽ cả 10.000 điểm cho thấy đường đi giữa các mốc; set_xscale("log") dãn trục x theo thang log để đoạn đầu không bị ép sát trục:
import numpy as np
import matplotlib.pyplot as plt
rng = np.random.default_rng(55)
x = rng.integers(1, 7, size=10_000)
lan = np.arange(1, len(x) + 1)
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.plot(lan, np.cumsum(x) / lan)
ax.axhline(3.5, color="red", linestyle="--", label="Kỳ vọng 3,5")
ax.set_xscale("log")
ax.set_title("Trung bình tích lũy của 10.000 lần tung xúc xắc")
ax.set_xlabel("Số lần tung")
ax.set_ylabel("Trung bình các mặt đã ra")
ax.legend()
plt.show()Đường dao động mạnh ở đầu, rồi bám sát đường đỏ: đây là hình của luật số lớn, còn gọi là đường hội tụ. Với default_rng(7), lần chạy cho 4,1 sau mười lần tung và 3,497 sau 10.000 lần: đoạn đầu đổi hẳn, đoạn cuối vẫn sát 3,5.
Vì sao nhà cái luôn thắng
Một gian hàng hội chợ thu 10.000 đ mỗi lượt tung một con xúc xắc; ra mặt 6 thì trả người chơi 50.000 đ. Với người chơi, một lượt lãi 40.000 đ với xác suất 1/6 và mất 10.000 đ với xác suất 5/6, nên kỳ vọng là 40.000 · 1/6 − 10.000 · 5/6 ≈ −1.667 đ. Một lượt thì ai cũng có thể thắng, nhưng trung bình mỗi lượt của nhiều lượt bị kéo về con số âm đó:
import numpy as np
rng = np.random.default_rng(55)
mat = rng.integers(1, 7, size=10_000)
lai = np.where(mat == 6, 40_000, -10_000)
tb = np.cumsum(lai) / np.arange(1, len(lai) + 1)
for n in [10, 100, 1_000, 10_000]:
print(n, round(tb[n - 1]))
print("Gian hàng thu về:", f"{-lai.sum():,}".replace(",", "."))KẾT QUẢ
10 0
100 -3500
1000 -2100
10000 -1630
Gian hàng thu về: 16.300.000Lần chạy này: sau mười lượt người chơi hòa vốn, sau 100 lượt lỗ trung bình 3.500 đ mỗi lượt, sau 10.000 lượt lỗ 1.630 đ mỗi lượt, sát kỳ vọng. Gian hàng thu về 16.300.000 đ, gần 10.000 lần 1.667 đ. Gian hàng không cần may mắn: nó chỉ cần đủ nhiều lượt chơi.
Kiểm tra nhanh
Sau
import numpy as np,print(np.cumsum([2, 4, 6]) / np.arange(1, 4))in ra gì?[0.66666667 2. 4. ][2. 3. 4.][ 2. 6. 12.]
Trong khung bẫy chia cho len(x), số nào của dãy in ra là trung bình tích lũy đúng?
- Số đầu tiên, vì lần tung đầu chưa cần chia
- Không số nào, vì phép chia làm tròn sai
- Chỉ số cuối cùng, vì chỉ tổng cuối mới có đúng
len(x)lần tung
Những câu nào đúng với luật số lớn?
- Trung bình tích lũy của 10.000 lần tung xúc xắc cân đối thường rất gần 3,5
- Đổi hạt giống thì đoạn đầu của đường hội tụ đổi nhiều, đoạn cuối vẫn sát kỳ vọng
- Sau sáu lần liền ra mặt 1, lần tung kế tiếp dễ ra mặt 6 hơn để kéo trung bình về 3,5
- Khi n đủ lớn, số lần ra mặt sấp đúng bằng số lần ra mặt ngửa
Trong ví dụ gian hàng hội chợ, vì sao gian hàng thu tiền khi số lượt rất lớn?
- Vì xúc xắc của gian hàng bị làm lệch
- Vì kỳ vọng tiền lãi mỗi lượt của người chơi là âm, và trung bình của nhiều lượt tiến về kỳ vọng đó
- Vì sau 10.000 lượt người chơi không bao giờ tung ra mặt 6
- Vì người chơi thua ở mọi lượt
Bài tập
Tính trung bình tích lũy của một dãy kết quả
Bạn ghi kết quả của từng lần thử vào x (list hay mảng số, ít nhất một phần tử) và muốn vẽ đường hội tụ. Viết thân hàm trung_binh_tich_luy(x): phần tử thứ i của kết quả là trung bình của i + 1 giá trị đầu của x. Hàm không sửa x của nơi gọi.
Trả về: dãy trung bình tích lũy, cùng độ dài với x, một ndarray.
Ví dụ trung_binh_tich_luy([3, 6, 1, 4]) cho khoảng [3.0, 4.5, 3.3333, 3.5].
import numpy as np
def trung_binh_tich_luy(x):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Trung bình tích lũy sau n lần thử là tổng n kết quả đầu chia cho n.
Luật số lớn: khi n tăng, trung bình tích lũy tiến về kỳ vọng, tần suất tiến về xác suất.
Trong NumPy:
np.cumsum(x) / np.arange(1, len(x) + 1); chia cholen(x)chỉ đúng ở số cuối.Đường hội tụ dao động mạnh ở đầu; đổi hạt giống thì đoạn đầu đổi, đoạn cuối vẫn sát kỳ vọng.
Hiệu số lần sấp so với n/2 lớn dần; chỉ tần suất mới co về 0,5. Xúc xắc không bù lại chuỗi thua.
Trò chơi có kỳ vọng âm cho người chơi thì nhà cái thu về gần n lần kỳ vọng sau n lượt.
Câu hỏi thường gặp
Quy luật số lớn và luật số lớn có phải một không?
Là một. Có sách gọi "quy luật số lớn", có sách gọi "luật số lớn"; cả hai nói trung bình của nhiều lần thử độc lập tiến về kỳ vọng. Kỳ vọng tính thế nào nằm ở bài kỳ vọng và phương sai.
Sau một chuỗi thua dài, luật số lớn có giúp người chơi gỡ lại không?
Không. Các lượt độc lập nên lượt tiếp theo vẫn có cùng xác suất thắng. Chuỗi thua chỉ bị các lượt sau "pha loãng", không được bù lại. Với trò có kỳ vọng âm, càng chơi nhiều càng gần mức lỗ trung bình.
Bao nhiêu lần thử thì trung bình đủ gần kỳ vọng?
Khoảng cách thường gặp co lại theo căn bậc hai của số lần thử: gấp 100 lần số lần thử thì khoảng cách nhỏ đi chừng 10 lần. Bài sai số chuẩn cho con số đó một công thức.
Luật số lớn khác định lý giới hạn trung tâm ở đâu?
Luật số lớn nói trung bình tiến về đâu; định lý giới hạn trung tâm nói trung bình dao động quanh đó theo hình gì. Bài phân phối mẫu đứng giữa hai ý này.
Chủ đề
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.