ĐỊNH LÝ GIỚI HẠN TRUNG TÂM VÀ

ỨNG DỤNG
 Giới thiệu
Định lý giới hạn trung tâm là một nội dung cơ
bản của lý thuyết xác suất và thống kê toán.
Định lý cho biết xu hướng tập trung về phân
phối chuẩn của các phân phối bất kỳ khi số phép
thử tăng lên. Những hình ảnh thực tế cho thấy sự
chi phối của định lý đến tự nhiên và xã hội.
Những đại lượng như chiều cao, cân nặng của
người, khối lượng sản phẩm đóng gói, chiều cao
của cây,… đều phản ánh định lý giới hạn trung
tâm.
Đồ thị hàm mật độ của biến ngẫu
nhiên có phân phối chuẩn tắc
Khi kéo dãn trục Oy lên 6 lần
hàm có hình quả chuông úp.
Bảng Galton - Minh họa định lý giới hạn
trung tâm. Số quả cầu phân bố theo luật
nhị thức với
Tam giác Pascal thể hiện sự phân bố các
quả cầu trong bảng Galton.
 Phân bố tần số chiều cao người

Phân bố chiều cao 1835 phụ nữ

250
Số người
200

150

100

50

0
Chiều145147.5150152.5155157.5160162.5165167.5170172.5175177.5
cao
SỰ TIỆM CẬN ĐẾN
PHÂN PHỐI CHUẨN
THẤY RÕ KHI GIEO
XÚC XẮC 6 MẶT
Khi gieo một lần số chấm
xuất hiện với xác suất như
nhau bằng 1/6
Khi gieo 2 lần tổng số chấm
xuất hiện phân bố giống hình
tháp, đỉnh cao nhất là 7 điểm
có xác suất là 1/6.
Khi gieo 3 lần, 4 lần, rồi 5
lần, phân phối của các tổng
số điểm thu được có dạng
hình chuông của phân phối
chuẩn.
Biểu đồ tần số của các tháng số tử vong do tai nạn
hàng tháng ở Mỹ từ năm 1973 – 1978. Biều đồ có
dạng xấp xỉ đồ thị hàm mật độ phân phối chuẩn. Do
định lý giới hạn trung tâm.
Hình ảnh một đống lúa có dạng giống đồ
thị hàm mật độ phân phối chuẩn 2 chiều
 ĐỊNH LÝ GIỚI HẠN TRUNG TÂM

Cho là một dãy các biến ngẫu nhiên độc lập cùng
phân phối xác suất có kỳ vọng bằng và độ lệch
chuẩn bằng
Đặt với
Khi đó

Khi đó ta viết , đọc là hội tụ (theo xác suất) về biến

ngẫu nhiên có phân phối chuẩn tắc.
 GIẢI THÍCH
Theo định lý trên cho dù biến ngẫu nhiên (kỳ
vọng và độ lệch chuẩn ) có bất cứ phân phối nào
thì khi khá lớn trung bình cộng của biến ngẫu
nhiên có cùng phân phối xác suất với (ký hiệu là
) sẽ có phân phối chuẩn với kỳ vọng bằng và độ
lệch chuẩn bằng . Khi đó nếu chuẩn hoán biến
ngẫu nhiên ta thu được biến ngẫu nhiên có phân
phối chuẩn tắc. Tức là biến ngẫu nhiên có hàm
mật độ là hàm
 Một số ứng dụng của định lý
• Tính xác suất trong phân phối nhị thức
• Tính xác suất để trung bình mẫu của một biến
ngẫu nhiên bất kỳ có kỳ vọng và độ lệch
chuẩn nhận giá trị trong khoảng nào đó.
• Tìm khoảng tin cậy cho kỳ vọng của một biến
ngẫu nhiên có luật phân phối bất kỳ khi mẫu
lớn.
• Sử dụng trong kiểm định giả thiết thống kê.
 TÍNH GẦN ĐÚNG PHÂN PHỐI NHỊ
THỨC BẰNG PHÂN PHỐI CHUẨN

Giả sử một biến ngẫu nhiên X có phân phối nhị

thức với không quá gần 0 và 1, khá lớn. Ta có
thể coi X là tổng của biến ngẫu nhiên độc lập có
cùng luật phân phối Bernoulli có kỳ vọng là và
phương sai là . Như vậy, theo định lý giới hạn
trung tâm ta có: có luật phân phối chuẩn với kỳ
vọng bằng và phương sai là . Từ đó suy ra:
Từ đó suy ra:
 Ví dụ 1
Một nhà nghỉ có 1000 khách. Nhà ăn phục vụ
bữa trưa làm hai đợt liên tiếp. Số chỗ ngồi của
nhà ăn phải ít nhất là bao nhiêu để xác suất của
biến cố : “không đủ chỗ cho người đến ăn” bé
hơn 1% ?
Đáp án
Giả sử là số người chọn ăn ở đợt 1. Ta có . Bởi
vì xác suất để một khách chọn ăn ở đợt 1 bằng
0,5. Gọi là số chỗ ngồi trong nhà ăn. Ta phải
chọn nhỏ nhất để:
Tức là
Hay

vì , nên
Hay
Suy ra

Hay
Suy ra, số ghế ít nhất thỏa yêu cầu là 541 ghế.
 Ví dụ 2
Ở thành phố A có 54% dân số nữ.
a) Chọn ngẫu nhiên 1000 người. Tính xác suất
để trong số đó số nữ ít hơn số nam.
b) Phải chọn ít nhất bao nhiêu người để xác suất
nữ nhiều hơn nam không bé hơn 99%.
a) Gọi X là biến ngẫu nhiên chỉ số nữ có trong
1000 người được chọn. Ta có số nam là 1000-X
và với và
Áp dụng công thức (1) ta có:
b) Gọi n là số người được chọn. Theo trên xác
suất nữ nhiều hơn nam là
Suy ra
Hay
Suy ra
Do đó, phải chọn ít nhất 843 người.
 Ứng dụng trong việc tính xác suất
trung bình mẫu nhận giá trị trong
khoảng .
Giả sử biến ngẫu nhiên có kỳ vọng là và phương
sai . Từ biến ngẫu nhiên đó ta lấy mẫu cỡ khá lớn
(thường là tốt). Khi đó trung bình mẫu có luật
phân phối chuẩn với kỳ vọng là và phương sai Khi
đó:
 Ví dụ 1
Chiều cao của một nhóm thanh niên là biến ngẫu
nhiên có kỳ vọng 165cm và độ lệch chuẩn 5cm.
Trên một mẫu cỡ 100 được lập ngẫu nhiên từ
nhóm trên. Hỏi xác suất để trung bình mẫu từ
164cm đến 166cm là bao nhiêu?
 Lời giải
Xác suất cần tính là:

=
 Ví dụ 2:
Giả sử thâm niên công tác của nhân viên của
công ty lớn là BNN X có kỳ vọng là 12 năm và
độ lệch chuẩn là 3 năm. Với cỡ mẫu 100 từ tổng
thể trên, tính xác suất để trung bình mẫu nhận
giá trị lớn hơn 12,5 năm.
 Giải
Theo định lý giới hạn trung tâm ta có:

Do đó xác suất để trung bình mẫu nhận giá trị

lớn hơn 12,5 là:
Ứng dụng trong tìm khoảng tin cậy của
trung bình tổng thể
Bài toán: Giả sử tổng thể đang xét là biến ngẫu
nhiên X có kỳ vọng (chưa biết) và phương sai
(đã biết) với cỡ mẫu (khá lớn) và xác suất (còn
gọi là độ tin cậy). Ta tìm khoảng sao cho xác
suất bằng . Khoảng được gọi là khoảng tin cậy
cho .
Giải:
Theo định lý giới hạn trung tâm ta có:
có luật phân phối chuẩn
Do đó
hay
Mặt khác,
Đặt ; ; với
Suy ra,
Vậy, khoảng tin cậy cho là : với , là giá trị
trung bình mẫu.
Nếu phương sai tổng thể X chưa biết, ta có thể
thay bằng giá trị phương sai mẫu .
 Ứng dụng trong kiểm định giả thiết về
trung bình
Trong kiểm định giả thiết về trung bình tổng thể
trường hợp chưa biết phân phối xác suất của
tổng thể. Dựa vào mẫu lớn ta có thể xem có
phân phối chuẩn. Do đó, có thể sử dụng tiêu
chuẩn kiểm định của phân phối chuẩn để kiểm
định giả thiết.
 Kết luận
Định lý giới hạn trung tâm có nhiều ứng dụng
trong xác suất, thống kê và đời sống xã hội. Với
quy luật của định lý ta thấy phân phối chuẩn là
một phân phối phổ biến trong tự nhiên, xã hội và
đời sống con người. Quy luật phân phối chuẩn
cho cái nhìn và phán đoán về sự phân phối vật
chất, của cải, chiều cao, cân nặng, … theo quy
luật chuẩn. Từ đó, góp phần phục vụ cuộc sống
xã hội và sản xuất.