Bỏ qua đến nội dung chính
Mục lục

Phân phối chuẩn là gì: quy tắc 68⁠–⁠95⁠–⁠99,7 và scipy norm

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/12 · Chương 6

Các phân phối xác suất

  • 8 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Phân phối chuẩn (normal distribution) là phân phối liên tục có đường mật độ hình chuông, đối xứng quanh trung bình μ, với độ rộng do độ lệch chuẩn σ quyết định. Chiều cao, sai số đo, điểm trung bình của nhiều lần đo thường có dáng này, nên phân phối chuẩn là nền của khoảng tin cậy và kiểm định ở các chương sau.

Cần biết trước: PMF, PDF, CDF, ký hiệu thống kê và z-score.

Phân phối chuẩn là gì: công thức hàm mật độ

Biến X có phân phối chuẩn với trung bình μ và độ lệch chuẩn σ, viết N(μ, σ²), khi mật độ của nó là:

f(x)=1σ2π e−(x−μ)22σ2f(x) = \frac{1}{\sigma \sqrt{2\pi}} \, e^{-\frac{(x - \mu)^2}{2\sigma^2}}

Trong đó:

  • μ (loc): trung bình, cũng là tâm và đỉnh của đường chuông.

  • σ (scale): độ lệch chuẩn, σ > 0; ký hiệu N(μ, σ²) ghi phương sai σ², còn scipy nhận σ.

  • e^(…) (np.exp): mũ âm của bình phương khoảng cách tới μ, nên mật độ giảm rất nhanh khi x rời xa tâm.

Bạn hiếm khi dùng công thức này để tính tay: xác suất là diện tích dưới đường, và diện tích đó không có công thức gọn, nên người ta tra bảng hoặc gọi norm.cdf(). Ý quan trọng là mọi phân phối chuẩn chỉ khác nhau ở μ và σ. Đổi X thành z-score Z = (X − μ)/σ thì mọi câu hỏi về X thành câu hỏi về cùng một đường N(0, 1).

Quy tắc 68–95–99,7

Với mọi phân phối chuẩn, khoảng 68,3% giá trị nằm trong μ ± σ, 95,4% trong μ ± 2σ và 99,7% trong μ ± 3σ. Ba con số này không phụ thuộc μ và σ. Khối dưới tính chúng bằng hàm math.erf(), vì Φ(z) = (1 + erf(z/√2))/2; sửa k rồi bấm Chạy:

python
import math

def phi(z):
    return 0.5 * (1 + math.erf(z / math.sqrt(2)))

for k in [1, 2, 3]:
    print(k, round(phi(k) - phi(-k), 4))
print("Ngoài μ ± 3σ:", round(2 * phi(-3), 4))

KẾT QUẢ

1 0.6827
2 0.9545
3 0.9973
Ngoài μ ± 3σ: 0.0027

Chỉ khoảng 3 trên 1.000 giá trị rơi ngoài μ ± 3σ. Đổi [1, 2, 3] thành [1.96] rồi chạy lại: dòng đầu in 1.96 0.95, mốc mà khoảng tin cậy 95% dùng.

Kiểm quy tắc bằng mô phỏng: rng.normal(mu, sigma, size=m) của bộ sinh số rút m số theo N(μ, σ²). Rút 100.000 chiều cao theo N(168, 6²), đếm tỉ lệ trong từng khoảng, rồi vẽ histogram mật độ chồng đường chuông:

python
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

rng = np.random.default_rng(47)
x = rng.normal(168, 6, size=100_000)
for k in [1, 2, 3]:
    print(k, round(np.mean(np.abs(x - 168) <= k * 6), 4))
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.hist(x, bins=60, density=True, alpha=0.6, label="100.000 số rút")
t = np.linspace(140, 196, 300)
ax.plot(t, stats.norm(168, 6).pdf(t), "k", label="N(168, 6²)")
ax.set(xlabel="Chiều cao (cm)", ylabel="Mật độ")
ax.legend()
plt.show()

KẾT QUẢ

1 0.6833
2 0.9555
3 0.9974
Histogram mật độ của 100.000 chiều cao rút theo phân phối chuẩn trung bình 168 cm, độ lệch chuẩn 6 cm, trục từ khoảng 140 tới 196 cm, đường chuông màu đen bám sát đỉnh các cột, cao nhất ở 168 cm.

Lần chạy này cho ba tỉ lệ 0,6833, 0,9555 và 0,9974, sát 0,683, 0,954 và 0,997 của quy tắc.

Tính bằng scipy.stats.norm

stats.norm(loc=μ, scale=σ) là đối tượng phân phối chuẩn. Tỉ lệ rơi vào [a, b] là cdf(b) - cdf(a). Chiều cao nam của một khối lớp giả sử theo N(168, 6²):

python
from scipy import stats

cao = stats.norm(loc=168, scale=6)
print("P(162 ≤ X ≤ 174):", round(cao.cdf(174) - cao.cdf(162), 4))
print("P(X ≥ 180):     ", round(cao.sf(180), 4))
print("P(X < 160):     ", round(cao.cdf(160), 4))
print("Ngưỡng top 10%: ", round(cao.ppf(0.9), 1))

KẾT QUẢ

P(162 ≤ X ≤ 174): 0.6827
P(X ≥ 180):      0.0228
P(X < 160):      0.0912
Ngưỡng top 10%:  175.7

Dòng đầu là μ ± σ, đúng 68,3%. Khoảng 2,3% em cao từ 180 cm trở lên, vì 180 = μ + 2σ. Em cao hơn 175,7 cm thuộc nhóm 10% cao nhất.

μ và σ đổi hình đường chuông thế nào

Đổi μ thì đường dời sang trái hay phải, giữ nguyên dáng. Tăng σ thì đường thấp và rộng ra, vì diện tích vẫn phải bằng 1. Vẽ ba đường trên một axes theo bài figure và axes:

python
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

x = np.linspace(140, 190, 400)
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
for mu, sigma in [(157, 5), (168, 5), (168, 9)]:
    d = stats.norm(mu, sigma)
    print(mu, sigma, "đỉnh:", round(d.pdf(mu), 4))
    ax.plot(x, d.pdf(x), label=f"μ = {mu}, σ = {sigma}")
ax.set(title="Ba đường chuông", xlabel="Chiều cao (cm)",
       ylabel="Mật độ")
ax.legend()
plt.show()

KẾT QUẢ

157 5 đỉnh: 0.0798
168 5 đỉnh: 0.0798
168 9 đỉnh: 0.0443
Ba đường mật độ chuẩn trên trục chiều cao từ 140 tới 190 cm: hai đường cùng σ bằng 5 có đỉnh cao bằng nhau ở 157 và 168, đường thứ ba cùng tâm 168 nhưng σ bằng 9 thấp và rộng hơn hẳn.

Hai đường σ = 5 cao bằng nhau, chỉ khác chỗ đứng. Đường σ = 9 có đỉnh thấp hơn gần một nửa, vì chiều cao đỉnh là 1/(σ√(2π)), và trải rộng gần gấp đôi.

Dữ liệu chiều cao có theo quy tắc không

File chieu_cao_can_nang.csv là số giả lập của AIDev: chiều cao và cân nặng của 360 học sinh THPT. Lấy 180 em nam, đếm tỉ lệ em nằm trong x̄ ± s, x̄ ± 2s và x̄ ± 3s:

python
import pandas as pd

hs = pd.read_csv("chieu_cao_can_nang.csv")
nam = hs.loc[hs["gioi_tinh"] == "Nam", "chieu_cao_cm"]
m, s = nam.mean(), nam.std(ddof=1)
print(len(nam), "em, x̄ =", round(m, 1), " s =", round(s, 2))
for k in [1, 2, 3]:
    print(k, round(nam.between(m - k * s, m + k * s).mean(), 3))

KẾT QUẢ

180 em, x̄ = 168.6  s = 5.58
1 0.617
2 0.961
3 1.0

Hai đuôi khớp quy tắc: 96,1% em trong x̄ ± 2s và mọi em trong x̄ ± 3s. Khoảng x̄ ± s chỉ ôm 61,7%, thấp hơn 68,3% khoảng bảy điểm phần trăm. Với 180 em, tỉ lệ này tự dao động cỡ ba tới bốn điểm, nên chỗ lệch đáng để ý nhưng chưa đủ để bỏ mô hình chuẩn; phần giữa của dữ liệu chỉ hơi thưa hơn đường chuông.

Kiểm tra nhanh

  1. Sau from scipy import stats, print(round(stats.norm(0, 1).cdf(1) - stats.norm(0, 1).cdf(-1), 4)) in ra gì?

    • 0.6827
    • 0.8413
    • 0.3413
  2. Những câu nào đúng về đường chuông N(μ, σ²)?

    • Tăng μ thì đường dời sang phải, dáng giữ nguyên
    • Tăng σ thì đỉnh thấp xuống và đường rộng ra
    • Tăng σ thì diện tích dưới đường lớn hơn 1
    • Đường đối xứng quanh μ, nên trung bình bằng trung vị
  3. Trong khung bẫy, vì sao stats.norm(loc=168, scale=36) cho tỉ lệ 162 tới 174 chỉ khoảng 13%?

    • Vì 36 là số học sinh của lớp
    • Vì scale là σ, nên đường có σ = 36 và khoảng ±6 cm chỉ là ±1/6 độ lệch chuẩn
    • Vì cdf cần chiều cao đổi sang mét
  4. Điểm một bài kiểm tra theo N(100, 15²). Khoảng bao nhiêu phần trăm số điểm nằm từ 70 tới 130?

    • 68%
    • 95%
    • 99,7%
Đúng hết lần đầu +15 XP

Bài tập

Tính tỉ lệ một đại lượng chuẩn rơi vào một khoảng

Một xưởng may cần biết bao nhiêu phần trăm khách vừa một cỡ áo. Chiều cao khách theo N(μ, σ²) với mu và sigma là trung bình và độ lệch chuẩn (cm). Viết thân hàm ty_le_khoang(mu, sigma, a, b) tính P(a ≤ X ≤ b), a < b, dùng stats.norm đã nhập sẵn.

Trả về: tỉ lệ khách có chiều cao từ a tới b, một float.

Ví dụ ty_le_khoang(168.5, 6, 162.5, 174.5) cho khoảng 0.6827: đó là μ ± σ.

python
from scipy import stats


def ty_le_khoang(mu, sigma, a, b):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Phân phối chuẩn N(μ, σ²) có đường mật độ hình chuông, đối xứng quanh μ, độ rộng do σ.

  • μ dời đường; σ lớn thì đường thấp và rộng, diện tích vẫn bằng 1.

  • Quy tắc 68–95–99,7: tỉ lệ giá trị trong μ ± σ, μ ± 2σ, μ ± 3σ.

  • stats.norm(loc=μ, scale=σ): tỉ lệ trong [a, b] là cdf(b) - cdf(a), ngưỡng top q là ppf(1 - q).

  • scale là độ lệch chuẩn; N(168, 36) nghĩa là scale=6.

  • Kiểm dáng dữ liệu bằng histogram trước khi dùng quy tắc 68–95–99,7.

Câu hỏi thường gặp

Phân phối chuẩn và phân phối chuẩn tắc khác gì nhau?

Phân phối chuẩn tắc là trường hợp riêng μ = 0, σ = 1, ký hiệu Z. Mọi phân phối chuẩn đưa về chuẩn tắc bằng Z = (X − μ)/σ, nên một bảng Z đủ cho mọi bài. Bài bảng phân phối chuẩn tắc dạy cách tra.

Vì sao nhiều đại lượng có phân phối chuẩn?

Một đại lượng là tổng của rất nhiều ảnh hưởng nhỏ, độc lập (gen, dinh dưỡng, sai số dụng cụ) thường có dáng chuông; định lý giới hạn trung tâm ở chương sau nói rõ điều này. Đại lượng mà các ảnh hưởng nhân với nhau, tăng theo phần trăm, như thu nhập, thì thường lệch phải, dáng gần log-chuẩn.

Có cần scipy để tính xác suất chuẩn không?

Không bắt buộc. statistics.NormalDist(mu, sigma).cdf(x) của thư viện chuẩn Python cho cùng kết quả, và math.erf() tính được Φ như khối quy tắc 68–95–99,7 trong bài. scipy tiện hơn khi cần cả ppf, sf và rút mẫu trên cùng một đối tượng.

Chủ đề

phân phối chuẩn

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập