Máy tính phân phối chuẩn dùng để làm gì?
Phân phối chuẩn (còn gọi là phân phối Gauss hay đường cong hình chuông) mô tả cách nhiều đại lượng trong tự nhiên và thống kê — chiều cao, điểm thi, sai số đo lường — tập trung đối xứng quanh giá trị trung bình. Máy tính này lấy một điểm trên đường cong đó và cho bạn cùng lúc ba kết quả: mật độ xác suất tại giá trị X, xác suất tích lũy đến X và điểm Z. Bạn chỉ cần nhập ba thông số để bắt đầu.
- Trung bình (μ): tâm của phân phối, nơi đường cong đạt đỉnh.
- Độ lệch chuẩn (σ): mức độ phân tán của dữ liệu. Giá trị này phải lớn hơn 0.
- Giá trị X: điểm cụ thể trên phân phối mà bạn muốn tính.
Công thức đằng sau máy tính
Hàm mật độ xác suất (PDF) là:
f(x) = (1 / (σ√(2π))) · e^(−½((x−μ)/σ)²)
Máy tính xác định giá trị PDF tại X, tính hàm phân phối tích lũy (CDF) — tức diện tích dưới đường cong từ −∞ đến X, hay xác suất để giá trị nhỏ hơn hoặc bằng X — và tìm điểm Z theo công thức:
- z = (x − μ) / σ — cho biết X cách giá trị trung bình bao nhiêu độ lệch chuẩn.
Máy cũng vẽ đường cong hình chuông trong khoảng μ ± 4σ để bạn thấy rõ vị trí của giá trị X.
Ví dụ minh họa
Giả sử điểm thi có Trung bình (μ) là 70 và Độ lệch chuẩn (σ) là 10, và bạn muốn xét giá trị X bằng 85.
- Điểm Z: (85 − 70) / 10 = 1,5
- PDF f(85): ≈ 0,0130 — độ cao của đường cong tại 85.
- CDF: ≈ 0,9332 — nghĩa là khoảng 93,3% số điểm nhỏ hơn hoặc bằng 85, tức khoảng 6,7% đạt điểm cao hơn.
Như vậy, bạn biết ngay mức điểm 85 nằm trong nhóm 7% cao nhất của lớp.
Câu hỏi thường gặp
PDF và CDF khác nhau như thế nào? PDF cho biết khả năng xảy ra tương đối (độ cao của đường cong) tại đúng một điểm, còn CDF cho biết xác suất tích lũy của mọi giá trị nhỏ hơn hoặc bằng X. Khi cần tính xác suất, bạn thường dùng CDF.
Vì sao độ lệch chuẩn phải lớn hơn 0? Độ lệch chuẩn bằng 0 nghĩa là dữ liệu hoàn toàn không biến thiên, khiến công thức bị chia cho 0. Phân phối chỉ có ý nghĩa khi độ phân tán là số dương.
Làm sao tính xác suất lớn hơn giá trị X? Lấy 1 trừ đi CDF. Trong ví dụ trên, P(X > 85) = 1 − 0,9332 = 0,0668, tức khoảng 6,7%.