Technical Report

Phân tích Toàn diện về
Phân Phối Chuẩn

Từ định lý giới hạn trung tâm đến các ứng dụng thực tế trong kỹ thuật và tài chính. Một cái nhìn sâu sắc vào phân phối quan trọng nhất của thống kê.

1.0

Giới thiệu về Phân phối Chuẩn

Hàm Mật Độ Xác Suất (PDF)

\[ f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} \]

Đây là công thức tạo nên đường cong hình chuông nổi tiếng. Nó được xác định hoàn toàn bởi hai tham số: trung bình (\(\mu\)) và phương sai (\(\sigma^2\)).

Tham số Quyết định

Trung bình (\(\mu\))

Vị trí tâm. Dịch chuyển đường cong sang trái/phải.

Phương sai (\(\sigma^2\))

Độ rộng/nhọn. \(\sigma\) lớn = cong phẳng; \(\sigma\) nhỏ = cong nhọn.

2.0

Phân phối Chuẩn Tắc (Z)

Hệ quy chiếu chung

Để tính toán dễ dàng, chúng ta chuyển đổi mọi phân phối chuẩn về dạng chuẩn tắc với \(\mu = 0\) và \(\sigma = 1\). Quá trình này gọi là Chuẩn hóa.

\[ Z = \frac{X - \mu}{\sigma} \]

Ví dụ Tính toán: P(X ≤ 6)

1. Dữ liệu gốc \( N(3, 4) \rightarrow \mu=3, \sigma=2 \)
2. Chuẩn hóa \( Z = \frac{6-3}{2} = 1.5 \)
3. Tra bảng \(\Phi(z)\) 0.9332
3.0

Quy tắc Thực nghiệm & Ứng dụng

Quy tắc 68 - 95 - 99.7

68% (\(\pm 1\sigma\))
-2\(\sigma\)+2\(\sigma\)

Hầu hết dữ liệu tập trung quanh trung bình.

Nông nghiệp

Chiều cao cây cà chua N(29.4, 2.1²)

Xác suất cao 29-30cm:
18.94%

Xây dựng

Khối bê tông N(11.0, 0.3²)

Tỷ lệ nhẹ hơn 10.5kg:
4.75% (1/20)

Tài chính

Lợi nhuận CP N(8%, 1.5%²)

Khả năng xuất sắc (>10%):
9.18%
4.0

Tổ hợp Tuyến tính

Tính chất "kỳ diệu" của phân phối chuẩn: Tổng hoặc hiệu của các biến chuẩn độc lập cũng là một biến chuẩn. \[ X \pm Y \sim N(\mu_X \pm \mu_Y, \sigma_X^2 + \sigma_Y^2) \] *Lưu ý: Phương sai luôn cộng!

Ví dụ Kỹ thuật: Piston & Xilanh

  • Piston (X1): N(30.00, 0.05²)
  • Xilanh (X2): N(30.25, 0.06²)
  • Khe hở (Y = X2 - X1):
  • \(\mu_Y = 0.25\)
  • \(\sigma_Y = \sqrt{0.05^2 + 0.06^2} \approx 0.078\)
87.23%
Xác suất hoạt động tối ưu
(Khe hở 0.10 - 0.35mm)
5.0

Định Lý Giới Hạn Trung Tâm (CLT)

CLT là "trái tim" của thống kê ứng dụng. Nó nói rằng: Dù phân phối gốc có hình dạng kỳ lạ thế nào, khi lấy mẫu đủ lớn (\(n \ge 30\)), phân phối của trung bình mẫu sẽ tiệm cận Phân phối Chuẩn.

Xấp xỉ Nhị thức (Đồng xu)

Tung xu 100 lần. Xác suất được 45-55 mặt ngửa?

Rời rạc (Binomial) Liên tục (Normal) (Hiệu chỉnh liên tục)

Sức mạnh của CLT

Cho phép chúng ta dùng công cụ của phân phối chuẩn để giải quyết các bài toán phức tạp từ các phân phối không xác định.

\(\bar{X} \sim N(\mu, \sigma^2/n)\)

Tổng Kết

Phân phối chuẩn không chỉ là một mô hình toán học đẹp đẽ; nó là công cụ thiết yếu để hiểu thế giới. Từ việc kiểm soát sai số, quản lý rủi ro tài chính đến sản xuất công nghiệp, "đường cong hình chuông" luôn hiện diện như một quy luật nền tảng.

Mô hình hóa
Tính toán
Xấp xỉ