Central Limit Theorem

Làm Sáng Tỏ
Điều Kỳ Diệu

Định lý Giới hạn Trung tâm: Cầu nối giữa sự hỗn loạn của thế giới thực và trật tự tuyệt đẹp của Toán học.

1

Nền tảng: Đường Cong Hình Chuông

Nhân vật chính của câu chuyện là Phân phối Chuẩn (Gaussian). Nó nổi tiếng với tính đối xứng hoàn hảo.

Trung bình (\(\mu\))

Tâm đối xứng

Trung bình (\(\mu\))

Xác định vị trí tâm. Di chuyển đường cong trái/phải.

Phương sai (\(\sigma^2\))

Độ "béo/gầy" của chuông. Phương sai nhỏ = Chuông cao, hẹp. Phương sai lớn = Chuông thấp, rộng.

2

Định Lý Giới Hạn Trung Tâm

Bất kể dữ liệu gốc của bạn trông kì lạ thế nào, nếu bạn lấy trung bình của các mẫu, kết quả sẽ tạo thành hình chuông. Đây là "phép màu".

Bước 1

Tổng thể Bất kỳ

Lệch, hai đỉnh, hỗn loạn... miễn có \(\mu, \sigma^2\).

Bước 2

Lấy nhiều mẫu

Lấy ngẫu nhiên, độc lập. Kích thước \(n\).

Bước 3

Tính Trung bình

Tính \(\bar{X}\) cho từng mẫu một.

Kết quả

Hình Chuông!

Phân phối chuẩn xuất hiện.

Đặc điểm Công thức Ý nghĩa
Hình dạng ~ Phân phối Chuẩn Có thể dùng công thức chuẩn để tính toán.
Trung bình \(\mu_{\bar{X}} = \mu\) Hội tụ về giá trị thực của tổng thể.
Phương sai \(\sigma^2 / n\) Biến thiên giảm đi. Mẫu càng lớn (\(n\)), càng chính xác.
Quy tắc chung: Xấp xỉ đủ tốt khi \(n \ge 30\).
3

Thấy là Tin: Mô Phỏng

Hãy xem điều gì xảy ra khi chúng ta bắt đầu với các hình dạng "kỳ quặc" và áp dụng CLT.

Phân phối Mũ

Rất lệch, không đối xứng.

Thành Hình Chuông

Phân phối Beta

Đối xứng nhưng "béo", không chuẩn.

Thành Hình Chuông

Phân phối Poisson

Rời rạc, đếm số lượng.

Thành Hình Chuông
4

"Vậy thì sao?"

Nghiên cứu tình huống: Tấm kính

Thách thức

Số khiếm khuyết tuân theo phân phối Poisson (rời rạc). Tính xác suất tổng số lỗi trên 100 tấm kính bằng công thức Poisson trực tiếp là cực kỳ phức tạp và tốn kém.

Giải pháp CLT

Vì \(n=100\) (lớn), ta xấp xỉ tổng số lỗi thành Phân phối Chuẩn. Bài toán khó trở thành bài toán tra bảng đơn giản và nhanh chóng.

Sức Mạnh của Việc Lấy Trung Bình

Định lý Giới hạn Trung tâm tiết lộ trật tự ẩn giấu bên trong sự ngẫu nhiên. Nó cho phép chúng ta tìm thấy tín hiệu rõ ràng (đường cong hình chuông) bên trong nhiễu của dữ liệu.

"Biến sự không chắc chắn thành sự thấu hiểu có thể định lượng."