AP Statistics

định lý giới hạn trung tâmcentral limit theorem

central limit theoremVietnamese: định lý giới hạn trung tâm

Còn gọi:Also called: CLT · định lý giới hạn trung ương · central limit theorem

Định lý giới hạn trung tâm là định lý nói rằng phân phối mẫu của trung bình mẫu xấp xỉ chuẩn khi cỡ mẫu đủ lớn, bất kể dạng tổng thể.The central limit theorem states that the sampling distribution of the sample mean is approximately normal when the sample size is large enough, whatever the shape of the population.

Trực giác: Dù mỗi học sinh trong trường cao hay thấp bất thường đến đâu, nếu bạn liên tục bốc ngẫu nhiên từng nhóm 30 em rồi đo chiều cao trung bình của nhóm, các số trung bình đó sẽ dần xếp thành hình chuông đều đặn quanh chiều cao trung bình của cả trường.Intuition: No matter how unusually tall or short individual students in a school are, if you keep drawing random groups of 30 and recording each group's average height, those averages will pile up into a smooth bell shape centered on the average height of the whole school.

Công thức chínhKey formula

\mu_{\bar{x}} = \mu

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Định lý giới hạn trung tâm mô tả phân phối mẫu của trung bình mẫu từ các mẫu ngẫu nhiên cùng cỡ. Khi cỡ mẫu tăng, phân phối này tiến gần phân phối chuẩn, với trung bình bằng trung bình tổng thể và sai số chuẩn bằng độ lệch chuẩn tổng thể chia căn bậc hai cỡ mẫu. Mốc 30 chỉ là kinh nghiệm khi tổng thể không quá lệch; tổng thể chuẩn cho kết quả chuẩn với mọi cỡ mẫu, còn độ lệch mạnh hoặc giá trị ngoại lai có thể cần mẫu lớn hơn.

The central limit theorem describes the sampling distribution of the sample mean for random samples of the same size. As the sample size grows, that distribution approaches a normal distribution with mean equal to the population mean and standard error equal to the population standard deviation divided by the square root of the sample size. The familiar cutoff of 30 is only a rule of thumb for populations that are not too skewed: a normal population gives a normal sampling distribution at every sample size, while strong skew or outliers may require a larger sample.

Ký hiệuNotation

• $\bar{x}$ : trung bình mẫu
• $\mu_{\bar{x}} = \mu$
• $\sigma_{\bar{x}} = \dfrac{\sigma}{\sqrt{n}}$

• $\bar{x}$ : sample mean
• $\mu_{\bar{x}} = \mu$
• $\sigma_{\bar{x}} = \dfrac{\sigma}{\sqrt{n}}$

Công thức chi tiếtFormula details2 công thức2 formulas

\htmlClass{fp-0}{\mu_{\bar{x}}} = \htmlClass{fp-1}{\mu}

\htmlClass{fp-0}{\mu_{\bar{x}}} = \htmlClass{fp-1}{\mu}

Dùng để xác định trung bình của phân phối mẫu và cho thấy trung bình mẫu là ước lượng không chệch.Gives the mean of the sampling distribution and shows that the sample mean is an unbiased estimator.

Trong đóWhere

\mu_{\bar{x}}

trung bình của phân phối lấy mẫu (trung bình của tất cả các trung bình mẫu có thể có)mean of the sampling distribution (the mean of all possible sample means)

\mu

trung bình tổng thểpopulation mean

\htmlClass{fp-0}{\sigma_{\bar{x}}} = \htmlClass{fp-3}{\frac{\htmlClass{fp-1}{\sigma}}{\htmlClass{fp-2}{\sqrt{n}}}}

\htmlClass{fp-0}{\sigma_{\bar{x}}} = \htmlClass{fp-3}{\frac{\htmlClass{fp-1}{\sigma}}{\htmlClass{fp-2}{\sqrt{n}}}}

Dùng để tính độ lệch chuẩn của trung bình mẫu, xác suất liên quan và ảnh hưởng của cỡ mẫu.Gives the standard deviation of the sample mean, which is used to find related probabilities and to see how sample size affects precision.

Trong đóWhere

\sigma_{\bar{x}}

sai số chuẩn của phân phối lấy mẫustandard error of the sampling distribution

\sigma

độ lệch chuẩn của tổng thểpopulation standard deviation

n

cỡ mẫusample size

Hay hiểu saiCommon misconceptions3 ý · 1 phút đọc3 points · 1 min read

Các giá trị trong một mẫu không nhất thiết có dạng chuẩn.

Định lý mô tả phân phối của các trung bình từ nhiều mẫu cùng cỡ, không phải biểu đồ dữ liệu của một mẫu.

Cỡ mẫu 30 không phải ranh giới tuyệt đối.

Đây chỉ là quy ước khi tổng thể không quá lệch. Tổng thể chuẩn cho trung bình mẫu phân phối chuẩn ở mọi cỡ; độ lệch mạnh hoặc giá trị ngoại lai có thể cần mẫu lớn hơn.

Độ lệch chuẩn của trung bình mẫu không bằng σ.

Trong mô hình đang xét, nó bằng σ/√n; vì vậy phải phân biệt câu hỏi về cá thể với câu hỏi về trung bình mẫu.

The values within a single sample need not look normal.

The theorem describes the distribution of means from many samples of the same size, not the data display for one sample.

A sample size of 30 is not an absolute boundary.

It is just a convention for populations that are not too skewed. A normal population makes the sample mean normal at any size, while strong skew or outliers may demand a larger sample.

The standard deviation of the sample mean is not σ.

In this model it equals σ/√n, so questions about one individual must be handled differently from questions about a sample mean.

Mẹo phòng thiExam tips2 mẹo2 tips

Đọc kỹ đối tượng mà đáp án mô tả.

Chọn phát biểu về phân phối mẫu của trung bình mẫu tiến gần phân phối chuẩn khi cỡ mẫu lớn; loại phát biểu về tổng thể hoặc dữ liệu của một mẫu.

Trong bài tự luận, nêu đủ điều kiện áp dụng.

Cần có mẫu ngẫu nhiên; khi lấy mẫu không hoàn lại, kiểm tra điều kiện 10%; đồng thời nêu tổng thể chuẩn hoặc cỡ mẫu đủ lớn để dùng định lý.

Check exactly what each answer choice is describing.

Choose the statement that the sampling distribution of the sample mean becomes approximately normal for large samples, and eliminate statements about the population or about one sample's data.

On free-response questions, state the conditions in full.

You need a random sample; for sampling without replacement, check the 10% condition; and say that the population is normal or the sample size is large enough to apply the theorem.

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsHay gặpCommon

Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

1733 (dạng sơ khai) — 1810 (dạng chuẩn) — 1920 (được đặt tên)Abraham de MoivrePierre-Simon LaplaceSiméon-Denis PoissonGeorge Pólya

Năm 1733, Abraham de Moivre phát hiện dạng sơ khai của định lý khi tìm cách tính gần đúng xác suất của phân phối nhị thức.

In 1733, Abraham de Moivre found an early form of the theorem while looking for a way to approximate binomial probabilities.

Vì sao mang đúng cái tên này? Điều thú vị là suốt gần hai trăm năm, kết quả này tồn tại mà không có tên. De Moivre không gọi phát hiện của mình là "định lý giới hạn trung tâm", và ông cũng không thể dùng chữ "Gauss" cho tích phân của mình vì Gauss sinh sau phát hiện đó tới bốn mươi bốn năm. Mãi đến năm 1920, khi định lý đã gần đạt dạng hoàn chỉnh, George Pólya mới đặt cho nó cái tên vẫn dùng đến hôm nay. Chữ "giới hạn" phản ánh đúng nội dung phát biểu: phân phối của trung bình mẫu đã chuẩn hóa hội tụ về phân phối chuẩn (normal distribution) khi cỡ mẫu tăng vô hạn, nghĩa là kết luận chỉ đúng ở dạng giới hạn chứ không đúng tuyệt đối với mọi $n$ . Còn phần "trung tâm" gắn với vị trí then chốt của định lý trong lý thuyết xác suất, bởi chính nó giải thích vì sao phân phối chuẩn xuất hiện thường xuyên đến thế và vì sao các phương pháp thống kê xây dựng cho phân phối chuẩn lại áp dụng được cho vô số bài toán có phân phối gốc hoàn toàn khác.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

Kéo cỡ mẫu n từ 1 lên 60 — nhìn đám trung bình mẫu bỏ dáng lệch mà co về giữa

Kéo tham số, thấy khái niệm chuyển động — đăng nhập để mở.Drag the parameters and watch the concept move — sign in to open.

Tạo tài khoảnCreate an account

Bạn nắm chắc chưa?Check your understanding

Quiz câu thật từ ngân hàng đềReal exam questions from our question bank

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.A few real questions on exactly this concept, graded instantly with an explanation for every choice — the system remembers how well you know it.

Tạo tài khoảnCreate an account

Học tiếp từ đâyKeep learning

Bài học chứa thuật ngữ nàyLesson that uses this termPhân phối mẫu & định lý giới hạn trung tâm (CLT)Xác suất, biến ngẫu nhiên & phân phối xác suất · khoácourse AP Statistics

Bài học chứa thuật ngữ nàyLesson that uses this termPhân phối mẫu của trung bình mẫu $\bar{x}$Suy luận cho trung bình (dữ liệu định lượng) · khoácourse AP Statistics

Cần trướcLearn firstđộ lệch chuẩnstandard deviation

Dẫn tớiLeads tokhoảng tin cậyconfidence interval kiểm định giả thuyếthypothesis testing

Mục tiêu và lộ trình unit ai cũng xem được — làm bài tập và lưu tiến độ thì cần đăng nhập.Anyone can view a unit's goals and roadmap — sign in to do the exercises and save your progress.

Hay nhầm vớiOften confused with

Thuật ngữTermKhác nhau ở đâuHow they differHay nhầm khiMixed up when

luật số lớnlaw of large numbers

Khác nhau ở đâuHow they differLuật số lớn nói trung bình mẫu hội tụ về trung bình tổng thể khi n tăng, còn định lý giới hạn trung tâm nói về hình dạng phân phối của trung bình mẫu tiến tới phân phối chuẩn

Hay nhầm khiMixed up whenđề hỏi 'tại sao phân phối của trung bình mẫu gần chuẩn' thì cần định lý giới hạn trung tâm, không phải luật số lớn

Cùng chủ đềSame topic

Nguồn tham khảoReferences

[1]Barron_AP_Stat_2026. tr. 13, 63–64.