Chuyển đến nội dung chính
Luật số lớn (law of large numbers) nói rằng lấy mẫu càng lớn từ một tổng thể thì trung bình của mẫu càng sát trung bình μ\mu của cả tổng thể (OpenStax).

Tung đồng xu nhiều lần thì tỷ lệ mặt ngửa ra sao?

Tung một đồng xu đồng chất: mặt ngửa và mặt sấp đều có xác suất 0,5. Ghi ngửa là 1 và sấp là 0 thì kỳ vọng mỗi lần tung là 1×0.5+0×0.5=0.51 \times 0.5 + 0 \times 0.5 = 0.5, và trung bình của nn lần tung là tỷ lệ mặt ngửa. Biểu đồ dưới đây mô phỏng 100 lần chạy, mỗi lần tung đồng xu 100.000 lần, và vẽ tỷ lệ mặt ngửa của từng lần chạy sau mỗi lần tung, với số lần tung ở thang logarit. Dải mờ quanh 0,5 rộng 0,01 về mỗi phía.
Ở những lần tung đầu, các đường toả rộng vì tỷ lệ của vài lần tung nhảy theo từng lần ngửa hay sấp. Càng tung nhiều, các đường càng chụm vào 0,5 và vào hẳn trong dải. Xác suất để một lần chạy nằm trong dải 0,5 ± 0,01 là 7,96% sau 100 lần tung, 45,20% sau 1.000 lần, 95,34% sau 10.000 lần và gần 100% sau 100.000 lần, tính chính xác từ phân phối nhị thức. Trên hình có 8, 45, 95 rồi 100 trong 100 lần chạy nằm trong dải ở bốn mốc đó.

Luật số lớn phát biểu thế nào?

Phát biểu chặt chẽ có hai dạng (Pishro-Nik), cùng một điều kiện: X1,X2,…,XnX_1, X_2, \dots, X_n là các biến ngẫu nhiên độc lập, cùng phân phối (i.i.d.) và có kỳ vọng hữu hạn EXi=μ<∞E X_i = \mu < \infty. Với đồng xu, XiX_i là kết quả của lần tung thứ ii (1 hoặc 0) và μ=0.5\mu = 0.5. Gọi MnM_n là trung bình của nn biến đầu tiên: Mn=(X1+X2+⋯+Xn)/nM_n = (X_1 + X_2 + \dots + X_n) / n Dạng yếu (weak law). Với mọi ϵ>0\epsilon > 0: lim⁡n→∞P(∣Mn−μ∣≥ϵ)=0\lim_{n \to \infty} P(|M_n - \mu| \geq \epsilon) = 0 ϵ\epsilon là mức lệch cho trước. Xác suất để trung bình lệch khỏi μ\mu từ ϵ\epsilon trở lên tiến về 0 khi nn tăng. Đó là điều thấy khi nhìn dọc theo một mốc số lần tung trên biểu đồ: phần các lần chạy nằm ngoài dải μ±ϵ\mu \pm \epsilon co dần về 0. Với ϵ=0.01\epsilon = 0.01, xác suất lệch từ ϵ\epsilon trở lên là 92,04% sau 100 lần tung, 54,80% sau 1.000 lần và 4,66% sau 10.000 lần. Dạng mạnh (strong law) (mục 7.2.7). MnM_n hội tụ hầu chắc chắn (almost surely) về μ\mu: P(lim⁡n→∞Mn=μ)=1P\left(\lim_{n \to \infty} M_n = \mu\right) = 1 Xác suất để cả dãy trung bình M1,M2,M3,…M_1, M_2, M_3, \dots của một lần chạy, từ đầu đến cuối, tiến tới μ\mu bằng 1. Đó là điều thấy khi nhìn dọc theo một đường: một lần chạy, với xác suất 1, rồi sẽ đi vào bất kỳ dải hẹp nào quanh 0,5 và không ra khỏi nó nữa. Dạng yếu nói về xác suất ở từng mốc nn, dạng mạnh nói về cả đường của một lần chạy. Theo Pishro-Nik, hai dạng khác nhau chủ yếu ở mặt lý thuyết.

Tham khảo

Nguồn: OpenStax, Introductory Statistics 2e, mục 7.3 và Pishro-Nik, mục 7.1.1 và 7.2.7.

Đọc tiếp

Thống kê mô tả

Trung bình, median, độ lệch chuẩn và quantile của một tập dữ liệu.

Kỳ vọng

Lãi lỗ trung bình mỗi lần đặt tiền, và vì sao kỳ vọng dương vẫn có người đang lỗ.
Lần sửa đổi cuối 16 tháng 10, 2026