Phân phối mẫu của trung bình: lấy 10.000 mẫu và xem x̄
Bài 2/6 · 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
Phân phối mẫu (sampling distribution) của trung bình là phân phối của x̄ khi bạn lấy nhiều lần các mẫu cùng cỡ n từ một tổng thể và tính trung bình của từng mẫu. Bạn cần nó mỗi khi muốn biết một con số tính trên mẫu, như thời gian giao trung bình của 30 đơn, có thể lệch con số thật của cả tổng thể bao xa.
Cần biết trước: luật số lớn, tổng thể và mẫu và tham số axis.
Trung bình mẫu là một biến ngẫu nhiên
Mỗi mẫu cho một x̄ khác nhau, theo đúng công thức quen thuộc:
Trong đó:
n(mau.shape[1]): cỡ mẫu, số giá trị trong một mẫu.x với chỉ số i (
mau[:, i]): giá trị thứ i của mẫu.x̄ (
mau.mean(axis=1)): trung bình của mẫu, mỗi hàng của ma trận cho một số.
Công thức chỉ cho một số trên một mẫu. Phân phối mẫu hỏi câu khác: nếu lấy lại mẫu nhiều lần, các x̄ đó nằm ở đâu và trải rộng bao nhiêu. Tỉ lệ mẫu p̂ (số đơn đúng hẹn chia n) cũng có phân phối mẫu của nó, vì p̂ là x̄ của một cột 0 và 1.
Liệt kê hết các mẫu của một tổng thể nhỏ
Một shop nhỏ chỉ có bốn đơn hàng, giao mất 12, 18, 24 và 42 giờ; đây là cả tổng thể, μ = 24 giờ. Rút một mẫu hai đơn có hoàn lại (một đơn có thể được rút hai lần) thì có 4 × 4 = 16 mẫu đồng khả năng. Gom 16 giá trị x̄ lại:
x̄ (giờ) | 12 | 15 | 18 | 21 | 24 | 27 | 30 | 33 | 42 |
|---|---|---|---|---|---|---|---|---|---|
Số mẫu | 1 | 2 | 3 | 2 | 1 | 2 | 2 | 2 | 1 |
Bảng này là phân phối mẫu của x̄ với n = 2. Khối dưới liệt kê đúng 16 mẫu bằng Python thuần và đếm:
tong_the = [12, 18, 24, 42]
dem = {}
for a in tong_the:
for b in tong_the:
x_tb = (a + b) / 2
dem[x_tb] = dem.get(x_tb, 0) + 1
for x_tb in sorted(dem):
print(x_tb, dem[x_tb])
cac_x_tb = [x for x in dem for _ in range(dem[x])]
print("Trung bình của 16 giá trị x̄:", sum(cac_x_tb) / 16)KẾT QUẢ
12.0 1
15.0 2
18.0 3
21.0 2
24.0 1
27.0 2
30.0 2
33.0 2
42.0 1
Trung bình của 16 giá trị x̄: 24.0Trung bình của 16 giá trị x̄ đúng bằng μ = 24, dù chỉ một trong 16 mẫu có x̄ = 24. Các x̄ cũng dồn vào giữa hơn bốn đơn gốc: 12 và 42 mỗi số chỉ có một mẫu.
Đổi [12, 18, 24, 42] thành [12, 18, 24, 90] rồi chạy lại: dòng cuối in Trung bình của 16 giá trị x̄: 36.0, vẫn đúng bằng μ mới.
Rút 10.000 mẫu bằng một ma trận
Với tổng thể lớn, không liệt kê hết các mẫu được, nên bạn rút thật nhiều. rng.choice(tong_the, size=(10_000, n), replace=True) cho một ma trận 10.000 hàng, mỗi hàng là một mẫu n giá trị. mean(axis=1) lấy trung bình dọc theo hàng, ra 10.000 số x̄:
import numpy as np
tong_the = np.array([12, 18, 24, 42])
rng = np.random.default_rng(56)
mau = rng.choice(tong_the, size=(10_000, 2), replace=True)
x_tb = mau.mean(axis=1)
print(mau.shape, x_tb.shape)
gia_tri, dem = np.unique(x_tb, return_counts=True)
print(gia_tri)
print(np.round(dem / 10_000 * 16, 2))KẾT QUẢ
(10000, 2) (10000,)
[12. 15. 18. 21. 24. 27. 30. 33. 42.]
[0.95 1.95 3.05 2.04 1.06 1.96 1.99 1.96 1.02]Dòng cuối đổi tần suất của từng x̄ ra "số mẫu trên 16": lần chạy này cho 0,95, 1,95, 3,05 và các số khác đều sát 1, 2, 3, 2, 1, 2, 2, 2, 1 của bảng liệt kê. Mô phỏng tái hiện phân phối mẫu mà không cần đếm tay.
Phân phối mẫu trên dữ liệu giao hàng
File giao_hang.csv là số giả lập của AIDev: thời gian giao 800 đơn của hai hãng. Coi 800 đơn là tổng thể. Thời gian giao lệch phải, có đơn tới hơn 100 giờ. Khối dưới rút 10.000 mẫu cho mỗi cỡ n và so x̄ với μ:
import numpy as np
import pandas as pd
tong_the = pd.read_csv("giao_hang.csv")["thoi_gian_gio"].to_numpy()
print("μ =", round(tong_the.mean(), 2))
rng = np.random.default_rng(56)
for n in [5, 30, 120]:
mau = rng.choice(tong_the, size=(10_000, n), replace=True)
x_tb = mau.mean(axis=1)
print(n, round(x_tb.mean(), 2), round(x_tb.std(ddof=1), 2))KẾT QUẢ
μ = 31.18
5 31.35 8.81
30 31.19 3.55
120 31.18 1.79Cột giữa là trung bình của 10.000 x̄, cột cuối là độ lệch chuẩn của chúng. Lần chạy này cho cột giữa sát μ = 31,18 giờ ở cả ba cỡ mẫu, còn cột cuối co từ 8,81 xuống 3,55 rồi 1,79 giờ: mẫu càng lớn, x̄ càng ít khi lệch xa μ. Bài sai số chuẩn cho con số ở cột cuối một công thức.
Đặt histogram của từng đơn cạnh histogram của x̄ với n = 30. density=True đổi chiều cao cột sang mật độ, để hai histogram có số giá trị khác nhau so được trên cùng trục:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
tong_the = pd.read_csv("giao_hang.csv")["thoi_gian_gio"].to_numpy()
rng = np.random.default_rng(56)
mau = rng.choice(tong_the, size=(10_000, 30), replace=True)
cot = dict(bins=70, range=(0, 140), density=True)
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.hist(tong_the, **cot, alpha=0.5, label="Từng đơn")
ax.hist(mau.mean(axis=1), **cot, alpha=0.7, label="x̄, mẫu 30 đơn")
ax.set_title("Thời gian giao từng đơn và trung bình mẫu 30 đơn")
ax.set(xlabel="Thời gian giao (giờ)", ylabel="Mật độ")
ax.legend()
plt.show()Từng đơn trải từ vài giờ tới 140 giờ; x̄ của mẫu 30 đơn gần như chỉ nằm trong khoảng 22 đến 44 giờ quanh μ = 31,18, và dải đó gần đối xứng dù dữ liệu gốc lệch. Vì sao nó ra hình gần như chiếc chuông là chuyện của định lý giới hạn trung tâm.
Phân phối mẫu của tỉ lệ
Cột dung_hen là 1 khi đơn giao trong hẹn, 0 khi trễ. Tỉ lệ đúng hẹn của cả 800 đơn là p; tỉ lệ của một mẫu là p̂. Rút 10.000 mẫu 50 đơn:
import numpy as np
import pandas as pd
dung_hen = pd.read_csv("giao_hang.csv")["dung_hen"].to_numpy()
print("p =", round(dung_hen.mean(), 3))
rng = np.random.default_rng(56)
mau = rng.choice(dung_hen, size=(10_000, 50), replace=True)
p_mu = mau.mean(axis=1)
print("Trung bình của p̂:", round(p_mu.mean(), 3))
print("p̂ nhỏ nhất, lớn nhất:", p_mu.min(), p_mu.max())
print("Tỉ lệ mẫu có p̂ dưới 0,6:", (p_mu < 0.6).mean())KẾT QUẢ
p = 0.708
Trung bình của p̂: 0.706
p̂ nhỏ nhất, lớn nhất: 0.48 0.92
Tỉ lệ mẫu có p̂ dưới 0,6: 0.0355Mỗi p̂ là một bội số của 1/50. Lần chạy này cho p = 0,708, trung bình của các p̂ là 0,706, còn từng p̂ trải từ 0,48 tới 0,92; khoảng 3,6% số mẫu có p̂ dưới 0,6. Một khảo sát 50 đơn có thể báo tỉ lệ đúng hẹn thấp hơn thật hơn mười điểm phần trăm chỉ vì rủi ro của lần lấy mẫu.
Kiểm tra nhanh
Sau
import numpy as np,print(np.array([[1, 3], [2, 6], [4, 4]]).mean(axis=1))in ra gì?[2.33333333 4.33333333]3.3333333333333335[2. 4. 4.]
Trong khung bẫy mean(axis=0), vì sao năm số in ra đều sát 24?
- Mỗi số là trung bình của một cột 10.000 lần rút, nên theo luật số lớn nó sát μ
- Vì hạt giống 56 vô tình cho các mẫu có x̄ gần 24
- Vì trung bình mẫu với n = 5 gần như không dao động
Những câu nào đúng về phân phối mẫu của x̄ trên dữ liệu giao hàng?
- Trung bình của 10.000 giá trị x̄ nằm sát μ của 800 đơn
- Độ lệch chuẩn của các x̄ nhỏ đi khi cỡ mẫu n tăng từ 5 lên 120
- Với n = 30, mọi x̄ đều bằng đúng μ
- Phân phối của x̄ lệch phải giống hệt phân phối của từng đơn
Trong ví dụ tỉ lệ đúng hẹn, một mẫu 50 đơn cho p̂ = 0,6. Điều nào hợp với lần chạy của bài?
- Tổng thể chắc chắn có p = 0,6
- Một p̂ như vậy có thể xảy ra dù p của 800 đơn cao hơn, vì p̂ dao động giữa các mẫu
- Mẫu đó chắc chắn bị rút sai
Bài tập
Mô phỏng phân phối mẫu của trung bình
Bạn muốn xem x̄ của mẫu n giá trị rút từ một tổng thể dao động thế nào. Viết thân hàm trung_binh_cac_mau(tong_the, n, so_mau, rng): rút so_mau mẫu, mỗi mẫu n giá trị có hoàn lại từ list tong_the bằng rng.choice(), rồi trả về trung bình của từng mẫu.
rng do nơi gọi tạo: không gọi np.random.seed(), không tạo bộ sinh số mới bằng np.random.default_rng() trong hàm. Hàm không sửa list tong_the của nơi gọi.
Trả về: các trung bình mẫu, dài so_mau, một ndarray.
Ví dụ trung_binh_cac_mau([10, 14, 20, 36], 2, 4000, np.random.default_rng(1)) cho 4.000 số, trung bình gần 20.
import numpy as np
def trung_binh_cac_mau(tong_the, n, so_mau, rng):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Phân phối mẫu của x̄ là phân phối của trung bình khi lấy lại mẫu cùng cỡ n nhiều lần.
Với tổng thể nhỏ, liệt kê được hết các mẫu: trung bình của các x̄ bằng đúng μ.
Ma trận
rng.choice(tong_the, size=(so_mau, n), replace=True)có mỗi hàng là một mẫu;mean(axis=1)cho các x̄.mean(axis=0)cho n trung bình theo cột, đều sát μ; các x̄ làmean(axis=1).Các x̄ dồn quanh μ và hẹp lại khi n tăng, gần đối xứng dù dữ liệu lệch phải.
Tỉ lệ mẫu p̂ là x̄ của cột 0 và 1, nên cũng có phân phối mẫu quanh p.
Câu hỏi thường gặp
Phân phối mẫu là gì, khác phân phối của dữ liệu thế nào?
Phân phối của dữ liệu tả từng giá trị, như thời gian giao từng đơn. Phân phối mẫu tả một con số tính trên mẫu, như x̄ của 30 đơn, khi lấy mẫu lại nhiều lần. Nó hẹp hơn nhiều so với phân phối của dữ liệu.
Vì sao phải rút có hoàn lại?
Rút có hoàn lại giống rút từ một tổng thể rất lớn, nơi lần rút trước không làm đổi lần rút sau. Rút không hoàn lại từ một tổng thể nhỏ làm x̄ dao động ít hơn chút ít. Bài tổng thể và mẫu có mô phỏng cả hai cách.
Phân phối của trung bình mẫu dùng vào việc gì?
Nó là nền của khoảng tin cậy và của kiểm định: biết x̄ thường lệch μ bao xa thì nói được một x̄ cụ thể đáng tin tới đâu. Độ rộng của nó có tên riêng là sai số chuẩn.
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.