Máy Tính Phân Phối Chuẩn

Máy tính Phân phối Chuẩn tính toán xác suất cho phân phối chuẩn (Gaussian) — phân phối xác suất liên tục quan trọng nhất trong thống kê. Nhập giá trị trung bình (μ) và độ lệch chuẩn (σ) để tìm xác suất biến ngẫu nhiên nằm dưới một giá trị, trên một giá trị, giữa hai giá trị hoặc để tìm một phân vị cụ thể. Kết quả bao gồm hình ảnh đường cong hình chuông tương tác với vùng xác suất được tô bóng, chuyển đổi điểm z-score và bảng phân tích tính toán từng bước.

Phân phối Chuẩn là gì?

Phân phối chuẩn, còn được gọi là phân phối Gaussian hoặc đường cong hình chuông, là một phân phối xác suất liên tục đối xứng tập trung quanh giá trị trung bình (μ). Nó được mô tả hoàn toàn bởi hai tham số:

• Trung bình (μ) — tâm của phân phối, nơi đỉnh của đường cong hình chuông xuất hiện.
• Độ lệch chuẩn (σ) — kiểm soát độ lan tỏa; σ lớn hơn tạo ra đường cong rộng hơn và phẳng hơn.

Nhiều hiện tượng tự nhiên — chiều cao, điểm thi, sai số đo lường, chỉ số IQ — xấp xỉ tuân theo phân phối chuẩn. Định lý Giới hạn Trung tâm đảm bảo rằng giá trị trung bình của một mẫu đủ lớn từ bất kỳ phân phối nào cũng hội tụ về phân phối chuẩn, làm cho nó trở thành nền tảng của thống kê suy luận.

Công thức Phân phối Chuẩn

Hàm mật độ xác suất (PDF) của phân phối chuẩn là:

Hàm phân phối tích lũy (CDF) cho biết xác suất X nhỏ hơn hoặc bằng x:

Điểm z-score chuyển đổi bất kỳ giá trị phân phối chuẩn nào sang phân phối chuẩn tắc (trung bình = 0, độ lệch chuẩn = 1):

Cách sử dụng Máy tính này

1. Chọn chế độ tính toán của bạn: Chọn Đuôi bên trái P(X ≤ x), Đuôi bên phải P(X ≥ x), Giữa P(a ≤ X ≤ b), hoặc Nghịch đảo (tìm x từ xác suất).
2. Nhập tham số phân phối: Nhập giá trị trung bình (μ) và độ lệch chuẩn (σ). Đối với phân phối chuẩn tắc, sử dụng μ = 0 và σ = 1.
3. Nhập các giá trị cụ thể của bạn: Tùy thuộc vào chế độ, nhập giá trị x, giới hạn dưới/trên, hoặc xác suất mục tiêu.
4. Xem kết quả: Nhấp vào Tính toán để xem xác suất, điểm z-score, đường cong hình chuông tương tác với vùng tô bóng và bảng phân tích từng bước.

Hiểu về PDF, CDF và CDF Nghịch đảo

• PDF (Hàm mật độ xác suất): Cho biết khả năng tương đối của một giá trị cụ thể. Nó đại diện cho chiều cao của đường cong hình chuông tại một điểm cho trước. Đối với các phân phối liên tục, PDF không phải là xác suất — xác suất đến từ việc tích phân PDF trên một khoảng.
• CDF (Hàm phân phối tích lũy): Cho biết P(X ≤ x), xác suất biến nằm tại hoặc dưới một giá trị cho trước. Về mặt đồ họa, đó là diện tích dưới đường cong ở bên trái x. CDF nằm trong khoảng từ 0 đến 1.
• CDF Nghịch đảo (Hàm phân vị): Ngược lại với CDF — cho trước một xác suất p, nó tìm giá trị x sao cho P(X ≤ x) = p. Ví dụ, CDF nghịch đảo tại p = 0.975 cho phân phối chuẩn tắc cho x ≈ 1.96.

Quy tắc 68-95-99.7

Quy tắc thực nghiệm (còn gọi là quy tắc ba sigma) cung cấp các ước tính xác suất nhanh cho bất kỳ phân phối chuẩn nào:

Điều này có nghĩa là khoảng 68% giá trị nằm trong vòng một độ lệch chuẩn của giá trị trung bình, 95% trong vòng hai độ lệch chuẩn và gần như tất cả (99.7%) trong vòng ba độ lệch chuẩn. Các giá trị vượt quá 3σ là cực kỳ hiếm trong phân phối chuẩn.

Bảng tra cứu Điểm Z-Score thông dụng

Ứng dụng phổ biến của Phân phối Chuẩn

• Kiểm soát chất lượng: Giám sát các quy trình sản xuất bằng biểu đồ kiểm soát và giới hạn đặc tính dựa trên μ ± nσ.
• Kiểm định giả thuyết: Xác định giá trị p và giá trị tới hạn cho kiểm định z và khoảng tin cậy.
• Kiểm tra tiêu chuẩn hóa: Điểm SAT, GRE và IQ được thiết kế để tuân theo phân phối chuẩn, cho phép so sánh phân vị.
• Khoa học tự nhiên: Sai số đo lường, đặc điểm sinh học (chiều cao, cân nặng) và nhiều đại lượng vật lý được phân phối chuẩn.
• Tài chính: Mô hình Black-Scholes và Giá trị rủi ro (VaR) giả định lợi nhuận phân phối chuẩn để định giá quyền chọn và đánh giá rủi ro.

Câu hỏi thường gặp

Phân phối chuẩn là gì?

Phân phối chuẩn (còn gọi là phân phối Gaussian hoặc đường cong hình chuông) là một phân phối xác suất liên tục đối xứng được xác định bởi giá trị trung bình và độ lệch chuẩn của nó. Đây là phân phối quan trọng nhất trong thống kê vì nhiều hiện tượng tự nhiên xấp xỉ tuân theo nó và Định lý Giới hạn Trung tâm đảm bảo rằng giá trị trung bình mẫu hội tụ về nó bất kể phân phối cơ bản là gì.

Điểm z-score là gì và nó được sử dụng như thế nào?

Điểm z-score đo lường một giá trị cách giá trị trung bình bao nhiêu độ lệch chuẩn. Nó được tính là z = (x − μ) / σ. Điểm z-score cho phép bạn so sánh các giá trị từ các phân phối chuẩn khác nhau bằng cách chuyển đổi chúng sang phân phối chuẩn tắc (trung bình = 0, độ lệch chuẩn = 1). Điểm z-score 1.96 tương ứng với phân vị thứ 97.5.

Sự khác biệt giữa PDF và CDF là gì?

PDF (Hàm mật độ xác suất) cho biết khả năng tương đối của một giá trị cụ thể, đại diện cho chiều cao của đường cong hình chuông tại điểm đó. CDF (Hàm phân phối tích lũy) cho biết xác suất để một biến ngẫu nhiên nhỏ hơn hoặc bằng một giá trị cụ thể, đại diện cho diện tích dưới đường cong ở bên trái điểm đó. CDF luôn nằm trong khoảng từ 0 đến 1.

Quy tắc 68-95-99.7 là gì?

Quy tắc 68-95-99.7 (còn được gọi là quy tắc thực nghiệm hoặc quy tắc ba sigma) phát biểu rằng đối với một phân phối chuẩn, khoảng 68.27% giá trị nằm trong vòng một độ lệch chuẩn so với giá trị trung bình, 95.45% trong vòng hai độ lệch chuẩn và 99.73% trong vòng ba độ lệch chuẩn. Quy tắc này giúp ước tính nhanh xác suất mà không cần tính toán chi tiết.

Làm thế nào để tìm xác suất giữa hai giá trị?

Để tìm xác suất giữa hai giá trị a và b trong phân phối chuẩn, hãy tính P(a ≤ X ≤ b) = CDF(b) − CDF(a). Đầu tiên chuyển đổi cả hai giá trị thành điểm z-score bằng công thức z = (x − trung bình) / độ lệch chuẩn, sau đó tra cứu hoặc tính toán CDF cho mỗi điểm z-score và thực hiện phép trừ. Máy tính này tự động hóa quá trình này trong chế độ Giữa (Between).