Bảng phân phối chuẩn tắc Z: tra Φ(z) bằng Python
Bài 6/12 · Chương 6
Các phân phối xác suất
- 8 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 14
Bảng phân phối chuẩn tắc, hay bảng Z, cho Φ(z), xác suất để biến chuẩn tắc Z không vượt quá z; Python tính nó bằng NormalDist().cdf(z) của thư viện chuẩn. Chiều ngược lại, tìm z cho một xác suất, là NormalDist().inv_cdf(p), cùng việc với norm.ppf(p) của scipy. Trang này thay bảng phân phối chuẩn in giấy bằng một ô tra chạy được, kèm một khúc bảng Z do chính code in ra.
Phân phối chuẩn tắc Z và hàm Φ(z)
Phân phối chuẩn tắc (standard normal distribution) là phân phối chuẩn có μ = 0 và σ = 1, ký hiệu Z ~ N(0, 1). Mọi biến chuẩn X ~ N(μ, σ²) đưa về Z bằng z-score:
Trong đó:
X (
x): giá trị gốc, như chiều cao tính bằng cm.μ (
mu) và σ (sigma): trung bình và độ lệch chuẩn của phân phối gốc.Z (
z): số độ lệch chuẩn mà x nằm trên hay dưới μ.
Hàm phân phối của Z có tên riêng: Φ(z) = P(Z ≤ z), diện tích dưới đường chuông từ trái sang tới z. Vì đường đối xứng quanh 0 nên Φ(0) = 0,5 và Φ(−z) = 1 − Φ(z). Bảng Z in trong sách là bảng các giá trị Φ(z); từ đó P(X ≤ x) = Φ((x − μ)/σ) cho mọi phân phối chuẩn.
Máy tra bảng Z
NormalDist() của module statistics là phân phối chuẩn tắc, có sẵn trong Python, không cần cài gì. Sửa z ở dòng đầu rồi bấm Chạy. Khối in bốn diện tích hay được hỏi, mỗi dòng ghi rõ là diện tích nào:
from statistics import NormalDist
z = 1.96
Z = NormalDist()
print(f"Bên trái z, cdf(z): {Z.cdf(z):.4f}")
print(f"Bên phải z, 1 − cdf(z): {1 - Z.cdf(z):.4f}")
print(f"Hai phía, 2·(1 − Φ|z|): {2 * (1 - Z.cdf(abs(z))):.4f}")
print(f"Từ 0 tới z, cdf − 0,5: {Z.cdf(z) - 0.5:.4f}")KẾT QUẢ
Bên trái z, cdf(z): 0.9750
Bên phải z, 1 − cdf(z): 0.0250
Hai phía, 2·(1 − Φ|z|): 0.0500
Từ 0 tới z, cdf − 0,5: 0.4750Đổi z = 1.96 thành z = -1 rồi chạy lại: dòng đầu in Bên trái z, cdf(z): 0.1587, đúng 1 − Φ(1). Excel viết NORM.S.DIST(1,96; TRUE) cho Φ(z) và NORM.S.INV(0,975) cho chiều ngược lại.
Cùng việc với scipy
Từ bài phân phối Student t trở đi, các bài dùng scipy.stats, nơi phân phối chuẩn tắc là stats.norm. Ba lời gọi đổi qua lại một một với NormalDist():
Câu hỏi |
|
| Excel |
|---|---|---|---|
Φ(z), diện tích bên trái z |
|
|
|
Diện tích bên phải z |
|
|
|
z có Φ(z) = p |
|
|
|
Hai cột cho cùng số tới bốn chữ số thập phân. Trang này chỉ dùng statistics nên mở nhanh trên điện thoại; scipy mất vài chục giây để tải trong trình duyệt, và chỉ đáng tải khi cần phân phối t, chi bình phương hay kiểm định.
Tính tay: tỉ lệ em cao không quá 180 cm
Chiều cao nam theo N(168, 6²). Hỏi P(X ≤ 180): đổi sang z = (180 − 168)/6 = 2, rồi tra Φ(2) ≈ 0,9772. Hỏi P(X ≥ 159): z = −1,5, nên P(Z ≥ −1,5) = Φ(1,5) ≈ 0,9332 nhờ tính đối xứng. Khối dưới làm hai bước đó:
from statistics import NormalDist
Z = NormalDist()
mu, sigma = 168, 6
z1 = (180 - mu) / sigma
z2 = (159 - mu) / sigma
print("z =", z1, " P(X ≤ 180):", round(Z.cdf(z1), 4))
print("z =", z2, " P(X ≥ 159):", round(1 - Z.cdf(z2), 4))
print("Φ(1,5):", round(Z.cdf(1.5), 4))KẾT QUẢ
z = 2.0 P(X ≤ 180): 0.9772
z = -1.5 P(X ≥ 159): 0.9332
Φ(1,5): 0.9332Dòng cuối cho thấy P(Z ≥ −1,5) bằng Φ(1,5). Bảng in chỉ có z dương cũng đủ, nhờ đẳng thức Φ(−z) = 1 − Φ(z). Không cần tự đổi sang z: NormalDist(168, 6).cdf(180) cho thẳng 0,9772.
Tự in một khúc bảng Z
Bảng Z của sách có hàng là z tới một chữ số thập phân, cột là chữ số thứ hai. Dựng đúng dáng đó bằng hai vòng for và f-string, mỗi ô bốn chữ số:
from statistics import NormalDist
Z = NormalDist()
hang = [round(1.0 + 0.1 * i, 1) for i in range(15)]
cot = [0.00, 0.02, 0.04, 0.06, 0.08]
print(" " + "".join(f"{c:7.2f}" for c in cot))
for h in hang:
o = "".join(f"{Z.cdf(h + c):7.4f}" for c in cot)
print(f"{h:.1f} {o}")KẾT QUẢ
0.00 0.02 0.04 0.06 0.08
1.0 0.8413 0.8461 0.8508 0.8554 0.8599
1.1 0.8643 0.8686 0.8729 0.8770 0.8810
1.2 0.8849 0.8888 0.8925 0.8962 0.8997
1.3 0.9032 0.9066 0.9099 0.9131 0.9162
1.4 0.9192 0.9222 0.9251 0.9279 0.9306
1.5 0.9332 0.9357 0.9382 0.9406 0.9429
1.6 0.9452 0.9474 0.9495 0.9515 0.9535
1.7 0.9554 0.9573 0.9591 0.9608 0.9625
1.8 0.9641 0.9656 0.9671 0.9686 0.9699
1.9 0.9713 0.9726 0.9738 0.9750 0.9761
2.0 0.9772 0.9783 0.9793 0.9803 0.9812
2.1 0.9821 0.9830 0.9838 0.9846 0.9854
2.2 0.9861 0.9868 0.9875 0.9881 0.9887
2.3 0.9893 0.9898 0.9904 0.9909 0.9913
2.4 0.9918 0.9922 0.9927 0.9931 0.9934Cột trái là z tới một chữ số, hàng đầu là chữ số thứ hai. Đọc Φ(1,96): hàng 1.9, cột 0.06, được 0,9750. Sửa 1.0 và range(15) để in khúc bảng bạn cần.
Bảng in trong sách không cùng một kiểu. Có sách cho diện tích từ −∞ tới z, như bảng trên; có sách cho diện tích từ 0 tới z, nên ô của z = 1,96 ghi 0,4750 thay cho 0,9750. Trước khi tra, nhìn ô z = 0: ghi 0,5000 là kiểu từ −∞, ghi 0,0000 là kiểu từ 0.
Tìm z tới hạn bằng inv_cdf()
Chiều ngược lại: biết diện tích, tìm z. NormalDist().inv_cdf(p), như norm.ppf(p) của scipy, cho z có Φ(z) = p. Khoảng giữa chứa 95% diện tích để lại 2,5% mỗi đuôi, nên z tới hạn là inv_cdf(0.975):
from statistics import NormalDist
Z = NormalDist()
for muc in [0.90, 0.95, 0.99]:
alpha = 1 - muc
print(f"{muc:.0%}: z = {Z.inv_cdf(1 - alpha / 2):.4f}")
print(f"Một phía 95%: z = {Z.inv_cdf(0.95):.4f}")KẾT QUẢ
90%: z = 1.6449
95%: z = 1.9600
99%: z = 2.5758
Một phía 95%: z = 1.6449Ba số 1,645, 1,96, 2,576 là các z tới hạn hai phía hay dùng nhất. Z một phía 95% trùng z hai phía 90%.
Mô phỏng: tỉ lệ rơi dưới 1,96
Rút 100.000 số theo N(0, 1) bằng gauss() của một bộ sinh số random.Random có hạt giống, rồi đếm tỉ lệ số không vượt quá 1,96 và nằm trong ±1,96. Hai tỉ lệ phải sát Φ(1,96) và 0,95:
import random
gen = random.Random(48)
z = [gen.gauss(0, 1) for _ in range(100_000)]
print(round(sum(v <= 1.96 for v in z) / len(z), 4))
print(round(sum(abs(v) <= 1.96 for v in z) / len(z), 4))KẾT QUẢ
0.9748
0.9501Lần chạy này in 0,9748 và 0,9501, sát Φ(1,96) = 0,975 và 0,95: bảng Z mô tả đúng số ngẫu nhiên chuẩn tắc.
Kiểm tra nhanh
Sau
from statistics import NormalDist,print(round(NormalDist().cdf(-1.96), 4))in ra gì?0.0250.975-0.975
Những đẳng thức nào đúng với Φ, hàm phân phối của Z?
- Φ(0) = 0,5
- Φ(−z) = 1 − Φ(z)
- Φ(1) = 0,68
- P(−z ≤ Z ≤ z) = 2Φ(z) − 1
Trong khung bẫy, vì sao
inv_cdf(0.95)cho một khoảng chỉ ôm 90%?- Vì Python làm tròn 1,96 xuống 1,645
- Vì 0,95 là diện tích bên trái z, nên mỗi đuôi còn 5% và khoảng giữa chỉ còn 90%
- Vì phân phối chuẩn tắc không đối xứng
Một bảng in ghi 0,4750 ở ô z = 1,96. Φ(1,96) là bao nhiêu?
- 0,4750
- 0,9750
- 0,0250
Lời gọi nào cho z tới hạn hai phía của mức tin cậy 99%?
NormalDist().inv_cdf(0.995)NormalDist().inv_cdf(0.99)NormalDist().inv_cdf(0.005)NormalDist().cdf(0.995)
Bài tập
Tìm z tới hạn hai phía cho một mức tin cậy
Một nhóm phân tích cần z tới hạn cho nhiều mức tin cậy. Viết thân hàm z_toi_han(muc_tin_cay) trả về z dương sao cho P(−z ≤ Z ≤ z) bằng muc_tin_cay, với 0 < muc_tin_cay < 1. Dùng NormalDist đã nhập sẵn; trang này chạy không có scipy.
Trả về: z tới hạn hai phía, một float dương.
Ví dụ z_toi_han(0.95) cho khoảng 1.96.
from statistics import NormalDist
def z_toi_han(muc_tin_cay):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Phân phối chuẩn tắc Z ~ N(0, 1); mọi biến chuẩn đưa về Z bằng (X − μ)/σ.
Φ(z) = P(Z ≤ z) là giá trị của bảng Z; Python:
NormalDist().cdf(z), scipy:stats.norm.cdf(z).Φ(0) = 0,5 và Φ(−z) = 1 − Φ(z); hai phía là
2 * (1 - NormalDist().cdf(abs(z))).NormalDist().inv_cdf(p), nhưstats.norm.ppf(p), cho z có Φ(z) = p; z tới hạn hai phía mức c làinv_cdf(1 - (1 - c) / 2), 95% là 1,96.Bảng in có hai kiểu: từ −∞ tới z, hay từ 0 tới z; nhìn ô z = 0 để biết.
Excel:
NORM.S.DIST(z; TRUE)vàNORM.S.INV(p).
Câu hỏi thường gặp
Bảng phân phối chuẩn và bảng phân phối chuẩn tắc có khác nhau không?
Hai tên chỉ cùng một bảng: các giá trị Φ(z) của Z ~ N(0, 1). Không có bảng riêng cho từng μ và σ, vì mọi phân phối chuẩn đưa về Z bằng z-score, như bài phân phối chuẩn đã làm với chiều cao.
Tra z cho 95% là 1,96 hay 1,645?
Tùy câu hỏi. Khoảng hai phía 95% (khoảng tin cậy, kiểm định hai phía) dùng 1,96. Một phía 95% (chỉ quan tâm đuôi trên) dùng 1,645. Khối tìm z tới hạn trong bài in z hai phía cho 90%, 95%, 99% và thêm z một phía 95%.
Khi nào dùng bảng t thay cho bảng Z?
Khi σ của tổng thể chưa biết và phải thay bằng s của một mẫu nhỏ. Lúc đó (x̄ − μ)/(s/√n) theo phân phối Student t có đuôi dày hơn Z, và z tới hạn 1,96 được thay bằng một số lớn hơn theo bậc tự do.
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.