Normal Distribution là gì? Đọc đường cong chuông #26

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch.

Trả lời ngắn: Phân phối chuẩn (Normal Distribution) là mô hình xác suất liên tục có dạng chuông, đối xứng quanh một tâm và chỉ có một đỉnh. Trung bình μ đặt vị trí tâm, còn độ lệch chuẩn σ điều khiển độ rộng. Xác suất được đọc bằng diện tích dưới đường cong, không phải chiều cao tại một điểm.

Đọc xong, bạn sẽ hiểu:

μ và σ thay đổi đường cong theo hai cách khác nhau.

Cách chuyển quy tắc 68–95–99,7 thành khoảng giá trị cụ thể.

Vì sao hình giống chuông chưa đủ để kết luận dữ liệu theo phân phối chuẩn.

Ở Random Variable #25, X là quy tắc gán số cho kết quả. Phân phối chuẩn là một mô hình có thể dùng cho một số biến liên tục, nếu dữ liệu và quá trình phù hợp.

1. Phân phối chuẩn là gì? Một mô hình đối xứng

Phân phối chuẩn (Normal Distribution) là mô hình xác suất liên tục có đường cong mật độ (density curve) dạng chuông. Diện tích dưới đường cong trên một khoảng biểu diễn xác suất X rơi vào khoảng đó; tổng diện tích toàn đường cong bằng 1.

Đường cong chuẩn có hai đặc điểm hình học:

Đối xứng (symmetric): bên trái và bên phải phản chiếu qua tâm.
Một đỉnh (unimodal): chỉ có một điểm cao nhất ở tâm.

Hình 1 — Với μ=30 và σ=5, ba dải chuẩn chuyển thành các khoảng phút cụ thể.

Tên “phân phối chuẩn” chỉ là thuật ngữ kỹ thuật. Nó không có nghĩa dữ liệu “tốt”, “an toàn” hay mọi dữ liệu thường gặp đều theo mô hình này.

Với biến liên tục, xác suất tại đúng một điểm riêng lẻ bằng 0 trong mô hình. Ta hỏi xác suất X nằm giữa hai mốc, rồi đọc diện tích tương ứng. Chiều cao của đường cong tại x không phải xác suất P(X=x).

NIST mô tả phân phối chuẩn là đối xứng, một đỉnh, có tổng diện tích dưới đường cong bằng 1 (NIST — What Do We Mean by Normal Data?).

2. Hai tham số μ và σ

Tham số (parameter) là con số điều khiển vị trí hoặc hình dạng mô hình. Phân phối chuẩn có hai tham số chính:

Trung bình (mean), ký hiệu μ, đặt tâm.
Độ lệch chuẩn (standard deviation), ký hiệu σ, đo độ phân tán quanh tâm.

Ký hiệu thường gặp:

X ~ N(μ,σ²)

Đọc là “X theo phân phối chuẩn với trung bình μ và phương sai σ²”. Ở bài này, chỉ cần nhớ σ là độ lệch chuẩn và phải dương.

Hình 2 — μ dịch tâm, còn σ thay đổi độ rộng của đường cong.

Giữ μ=30:

σ=5 cho đường cong hẹp hơn.
σ=8 cho đường cong rộng và thấp hơn.

Giữ σ=5:

μ=30 đặt tâm tại 30.
μ=40 dịch toàn bộ tâm sang 40 nhưng không đổi độ rộng.

Hai phần mảnh dần về hai phía gọi là đuôi (tail). Đuôi kéo dài vô hạn về lý thuyết và tiến gần trục ngang, không dừng cứng tại μ±3σ.

Ví dụ cùng tâm 30, σ=5 cho phần lớn diện tích tập trung gần 30 hơn σ=8. Điều đó không nói mô hình σ=5 “tốt hơn”; hai σ có thể mô tả hai quá trình với mức phân tán khác nhau. Muốn so sánh, đơn vị và cửa sổ thời gian phải giống nhau.

3. Quy tắc 68–95–99,7 bằng phút

Quy tắc thực nghiệm (empirical rule) mô tả diện tích gần đúng của mô hình chuẩn:

khoảng 68% nằm trong μ±1σ;
khoảng 95% nằm trong μ±2σ;
khoảng 99,7% nằm trong μ±3σ.

Xét thời gian xử lý dịch vụ giả định:

X ~ N(30,5²)

Trong đó μ=30 phút và σ=5 phút.

μ±1σ = 30±5 = 25–35 phút → khoảng 68%.
μ±2σ = 30±10 = 20–40 phút → khoảng 95%.
μ±3σ = 30±15 = 15–45 phút → khoảng 99,7%.

Ngoài dải ±2σ còn khoảng 5% tổng diện tích. Vì đường cong đối xứng, mỗi đuôi ngoài mốc 20 hoặc 40 phút chiếm khoảng 2,5%.

OpenStax gọi đây là quy tắc 68–95–99,7 (OpenStax — Standard Normal Distribution). NIST nêu các tỷ lệ chính xác hơn khoảng 68,27%; 95,45%; 99,73% cho mô hình chuẩn.

Các tỷ lệ là xác suất mô hình, không phải cam kết mẫu 100 lượt sẽ có đúng 68 lượt trong dải đầu. Chúng cũng không áp dụng tự động cho dữ liệu lệch hoặc nhiều đỉnh.

4. Năm lỗi, giới hạn và điểm phải dừng

Lỗi 1: thấy hình chuông liền kết luận phân phối chuẩn. Một biểu đồ tần suất (histogram) nhỏ có thể trông đối xứng do chia cột hoặc ngẫu nhiên. Cần kiểm nguồn, cỡ mẫu và đuôi.

Lỗi 2: dùng 68–95–99,7 cho mọi dữ liệu. Quy tắc dành cho mô hình chuẩn. Dữ liệu lệch phải, hai đỉnh hoặc đuôi dày không tuân theo các dải đó.

Lỗi 3: hiểu “phân phối chuẩn” là an toàn. Mô hình vẫn có xác suất ở hai đuôi. Tên gọi không đánh giá chất lượng hay rủi ro.

Lỗi 4: coi ±3σ là giá trị nhỏ nhất/lớn nhất. Đường cong không kết thúc tại ba σ. Kết quả xa hơn vẫn có xác suất nhỏ theo mô hình.

Lỗi 5: dùng μ và σ mà không kiểm độ phù hợp. Độ phù hợp mô hình (model fit) là mức mô hình phản ánh đúng hình dạng và đuôi dữ liệu. Hai số tóm tắt không tự chứng minh dữ liệu theo phân phối chuẩn.

Hình 3 — Hình chuông gần giống chưa đủ để kết luận dữ liệu phù hợp phân phối chuẩn.

Trong tài chính, lợi suất có thể lệch, đuôi dày và đổi chế độ. Ép dữ liệu theo phân phối chuẩn có thể đánh giá thấp biến động cực đoan. NIST khuyên xem biểu đồ tần suất hoặc biểu đồ xác suất chuẩn trước khi dùng trung bình như ước lượng tâm theo phân phối chuẩn (NIST — Measures of Location).

Hãy dừng nếu chưa rõ biến, đơn vị, khoảng thời gian, nguồn dữ liệu, độ ổn định của quá trình hoặc hành vi ở đuôi.

Một kiểm tra thực tế đơn giản là đặt biểu đồ tần suất cạnh đường cong mô hình và nhìn cả hai đuôi, thay vì chỉ nhìn phần giữa. Câu đoán chắc “dữ liệu hình chuông nên chắc chắn theo phân phối chuẩn” là sai. Câu có điều kiện đúng hơn là: “Nếu dữ liệu đủ lớn, gần đối xứng, một đỉnh và hai đuôi phù hợp, ta mới tạm dùng mô hình chuẩn.” Nếu dữ liệu có cụm thứ hai, lệch rõ hoặc nhiều điểm cực đoan hơn dự kiến, hãy nhận giả định chưa đạt và dừng thay vì ép kết luận.

5. Danh sách kiểm tra và bài thực hành 15 phút

Dùng sáu bước:

Định nghĩa X, đơn vị và cửa sổ thời gian.
Xác nhận đây là biến liên tục.
Ghi μ, σ và nguồn ước lượng/giả định.
Dịch μ±kσ về đơn vị thật.
So hình dạng, đối xứng, số đỉnh và đuôi với dữ liệu.
Ghi giới hạn; dừng nếu độ phù hợp hoặc quy trình không rõ.

Hình 4 — Chỉ dùng dải 68–95–99,7 sau khi định nghĩa biến và kiểm độ phù hợp.

a. Thực hành trên Google Sheets

Nhập μ=30 vào B1, σ=5 vào B2. Tạo cột k từ -3 đến +3. Công thức tính mốc:

=$B$1+A5*$B$2

b. Mẫu đối chiếu đã điền

Mốc	Công thức	Phút	Ý nghĩa
μ−3σ	30−15	15	Mốc ngoài dưới
μ−2σ	30−10	20	Đầu dải ≈95%
μ−1σ	30−5	25	Đầu dải ≈68%
μ	30	30	Tâm
μ+1σ	30+5	35	Cuối dải ≈68%
μ+2σ	30+10	40	Cuối dải ≈95%
μ+3σ	30+15	45	Mốc ngoài trên

c. Kiểm tra độ nhạy

Giữ μ=30, đổi σ từ 5 thành 8:

dải ±1σ đổi từ 25–35 thành 22–38;
dải ±2σ đổi từ 20–40 thành 14–46;
tâm vẫn là 30.

Viết: “σ lớn hơn làm dải rộng hơn” và “bảng không chứng minh dữ liệu thật theo phân phối chuẩn”. Chỉ dùng dữ liệu giả; chưa dùng tiền thật.

6. Tổng kết và bài tiếp theo

a. Năm ý chính

Phân phối chuẩn là mô hình liên tục, đối xứng và một đỉnh.
μ đặt tâm; σ điều khiển độ rộng.
Xác suất là diện tích trên khoảng, không phải chiều cao tại một điểm.
Quy tắc 68–95–99,7 chỉ là xấp xỉ dưới mô hình phân phối chuẩn.
Phải kiểm hình dạng, đuôi và quá trình trước khi dùng mô hình.

b. Câu hỏi tự kiểm tra

μ và σ thay đổi đường cong khác nhau thế nào?
Với μ=30, σ=5, dải ±2σ là bao nhiêu?
Vì sao ±3σ không phải giá trị nhỏ nhất/lớn nhất?
Hình giống chuông còn thiếu bằng chứng gì?

c. Gợi ý đáp án

Xem gợi ý câu 1

μ dịch tâm; σ làm đường cong rộng hoặc hẹp quanh tâm. Xem mục 2.

Xem gợi ý câu 2

30±10 nên dải là 20–40 phút, chứa khoảng 95% diện tích mô hình. Xem mục 3.

Xem gợi ý câu 3

Đuôi phân phối chuẩn kéo dài vô hạn; ngoài ±3σ vẫn có xác suất nhỏ. Xem mục 2–4.

Xem gợi ý câu 4

Cần kiểm dữ liệu, cỡ mẫu, đối xứng, số đỉnh, đuôi và độ ổn định quá trình. Xem mục 4.

d. Thuật ngữ cần nhớ

Thuật ngữ	Giải thích ngắn
Phân phối chuẩn	Mô hình liên tục đối xứng có một đỉnh ở tâm.
Đường cong mật độ	Đường cong có diện tích khoảng biểu diễn xác suất.
Đối xứng	Hai phía phản chiếu qua tâm.
Một đỉnh	Chỉ có một điểm cao nhất.
Tham số	Con số điều khiển vị trí hoặc hình dạng mô hình.
Trung bình μ	Tâm của mô hình chuẩn.
Độ lệch chuẩn σ	Mức phân tán quanh tâm.
Đuôi	Phần mảnh kéo dài hai phía.
Quy tắc thực nghiệm	Xấp xỉ 68–95–99,7 cho phân phối chuẩn.
Độ phù hợp mô hình	Mức mô hình phản ánh đúng dữ liệu.

e. Nguồn tham khảo

Bài trước: Random Variable #25. Bài tiếp theo: Sampling #27, nơi ta chuyển từ tổng thể sang một phần dữ liệu quan sát. Xem lộ trình tại Quantitative Finance Zero to Hero.

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Mọi thị trường và sản phẩm tài chính đều có rủi ro mất vốn.