AP Statistics

đường cong chuẩnnormal curve

normal curveVietnamese: đường cong chuẩn

Còn gọi:Also called: đường cong hình chuông · mound-shaped curve · đường cong đối xứng · bell-shaped curve · đường cong Gauss

Đường cong chuẩn là đồ thị hình chuông, đối xứng của phân phối chuẩn, được xác định hoàn toàn bởi trung bình và độ lệch chuẩn.A normal curve is the symmetric, bell-shaped graph of a normal distribution, determined entirely by its mean and standard deviation.

Trực giác: Hãy tưởng tượng đổ một nắm cát từ trên cao xuống một tờ giấy: hầu hết hạt cát rơi vào giữa thành đống cao, còn số ít bắn ra xa hai bên — đó chính là hình dạng của đường cong chuẩn.Intuition: Picture pouring a handful of sand onto a sheet of paper from above: most grains pile up high in the middle, while a few scatter far out to either side — that pile is the shape of a normal curve.

Công thức chínhKey formula

f(x) = \frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Đường cong chuẩn (normal curve) là đồ thị mật độ của một phân phối xác suất liên tục, đối xứng quanh trung bình $\mu$ , đạt cực đại tại đó và có hai đuôi tiến sát trục hoành. Trung bình, trung vị và tứ phân vị thứ hai trùng nhau.

Mỗi đường cong được xác định bởi $\mu$ và độ lệch chuẩn $\sigma$ ; hai điểm uốn nằm tại $\mu \pm \sigma$ . Các khoảng $\mu \pm \sigma$ , $\mu \pm 2\sigma$ , $\mu \pm 3\sigma$ chứa xấp xỉ 68%, 95% và 99,7% diện tích.

A normal curve is the density graph of a continuous probability distribution. It is symmetric about the mean $\mu$ , peaks there, and has two tails that approach the horizontal axis. The mean, median, and second quartile all coincide.

Each curve is fixed by $\mu$ and the standard deviation $\sigma$ , with inflection points at $\mu \pm \sigma$ . The intervals $\mu \pm \sigma$ , $\mu \pm 2\sigma$ , and $\mu \pm 3\sigma$ contain about 68%, 95%, and 99.7% of the area.

Ký hiệuNotation

X \sim N(\mu,\, \sigma^2)

— biến ngẫu nhiên

X

có phân phối chuẩn với trung bình

\mu

và phương sai

\sigma^2

X \sim N(\mu,\, \sigma^2)

— random variable

X

is normally distributed with mean

\mu

and variance

\sigma^2

Công thức chi tiếtFormula details2 công thức2 formulas

f(x) = \htmlClass{fp-3}{\frac{1}{\htmlClass{fp-1}{\sigma}\sqrt{2\pi}}e^{-\frac{1}{2}\htmlClass{fp-2}{\left(\frac{\htmlClass{fp-0}{x-\mu}}{\sigma}\right)^2}}}

f(x) = \htmlClass{fp-3}{\frac{1}{\htmlClass{fp-1}{\sigma}\sqrt{2\pi}}e^{-\frac{1}{2}\htmlClass{fp-2}{\left(\frac{\htmlClass{fp-0}{x-\mu}}{\sigma}\right)^2}}}

Dùng để tính mật độ tại $x$ của phân phối chuẩn có trung bình $\mu$ và độ lệch chuẩn $\sigma$ .Gives the density at $x$ for a normal distribution with mean $\mu$ and standard deviation $\sigma$ .

Trong đóWhere

f(x)

mật độ xác suất tại điểm

x

probability density at the point

x

\mu

trung bình (mean) của phân phối — xác định tâm đường congmean of the distribution — determines the center of the curve

\sigma

độ lệch chuẩn (standard deviation) — xác định độ rộng đường congstandard deviation — determines the width of the curve

e

cơ số lôgarit tự nhiên, xấp xỉ 2,718base of the natural logarithm, approximately 2.718

\pi

hằng số pi, xấp xỉ 3,14159the constant pi, approximately 3.14159

z = \frac{\htmlClass{fp-0}{x - \mu}}{\htmlClass{fp-1}{\sigma}}

z = \frac{\htmlClass{fp-0}{x - \mu}}{\htmlClass{fp-1}{\sigma}}

Dùng để chuẩn hóa $x$ trong phân phối chuẩn thành số độ lệch chuẩn cách $\mu$ , rồi tìm xác suất hoặc phân vị.Converts $x$ in a normal distribution into the number of standard deviations it lies from $\mu$ , so you can find a probability or a percentile.

Trong đóWhere

z

điểm z — số độ lệch chuẩn từ trung bình tới

x

z-score — the number of standard deviations from the mean to

x

x

giá trị quan sát cần quy đổiobserved value to be standardized

\mu

trung bình của phân phốimean of the distribution

\sigma

độ lệch chuẩn của phân phốistandard deviation of the distribution

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

Đối xứng chưa đủ để kết luận phân phối chuẩn.

Dáng chuẩn còn có một đỉnh, hình chuông và hai đuôi mỏng dần; phân phối đều hoặc hai đỉnh cũng có thể đối xứng.

Cỡ mẫu lớn không làm dữ liệu quan sát trở nên chuẩn.

Định lý giới hạn trung tâm nói về phân phối của trung bình mẫu, không phải hình dạng của chính các giá trị quan sát.

Tung độ của đường cong không phải là xác suất.

Với biến liên tục, xác suất là diện tích dưới đường cong; xác suất tại đúng một giá trị bằng $0$ .

Symmetry alone does not make a distribution normal.

A normal shape is also single-peaked and bell-shaped with tails that thin out; uniform and bimodal distributions can be symmetric too.

A large sample size does not make the observed data normal.

The central limit theorem describes the distribution of the sample mean, not the shape of the individual observations.

The height of the curve is not a probability.

For a continuous variable, probability is area under the curve, and the probability of any single exact value is $0$ .

Mẹo phòng thiExam tips2 mẹo2 tips

Vẽ đường cong và tô vùng cần tìm trước khi bấm máy.

Ghi trung bình, mốc và phía cần lấy để tránh nhầm phần bù.

Phân biệt cá thể với trung bình mẫu trong bài xác suất chuẩn.

Với cá thể dùng $\sigma$ ; với trung bình mẫu dùng $\sigma/\sqrt{n}$ .

Sketch the curve and shade the region you want before touching the calculator.

Label the mean, the cutoff, and which side you need so you don't report the complement.

Decide whether the question is about one individual or a sample mean.

Use $\sigma$ for an individual value and $\sigma/\sqrt{n}$ for a sample mean.

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsThường xuyênVery common

Khái niệm này sinh ra từ đâuWhere the concept comes from2 phút đọc1 min read

1733Abraham de MoivreThomas SimpsonFrancis GaltonKarl Pearson

Năm 1733, Abraham de Moivre tìm ra đường cong để tính nhanh xác suất trong các bài toán tung đồng xu.

In 1733, Abraham de Moivre discovered the curve as a shortcut for computing probabilities in coin-tossing problems.

Vì sao mang đúng cái tên này? Chữ "chuẩn" nghe có vẻ hàm ý rằng mọi dữ liệu "bình thường" đều phải có dạng này, nhưng lịch sử của nó khiêm tốn hơn nhiều. Ứng dụng sớm nhất của đường cong là mô tả sai số đo lường (errors of measurement) trong quan sát thiên văn: Galileo đã nhận ra ở thế kỷ 17 rằng các sai số này đối xứng và sai số nhỏ xuất hiện nhiều hơn sai số lớn, còn đến đầu thế kỷ 19 thì Adrain (1808) và Gauss chỉ ra chúng tuân theo đúng đường cong ấy. Vì vậy trong một thời gian dài người ta gọi nó là "đường cong sai số", hoặc "đường cong Laplace–Gauss". Tên gọi hiện nay đi qua Francis Galton. Năm 1877 ông mới dùng thoáng qua cụm "deviated normally" một lần và vẫn đặt tên cho quy luật này là "law of deviation", nhưng sang thập niên 1880 ông dùng chữ "normal" một cách hệ thống: chương 5 cuốn Natural Inheritance (1889) mang tên "Normal Variability". Galton không giải thích vì sao chọn chữ đó. Karl Pearson thì viết dứt khoát trong một bài báo năm 1894 rằng từ nay bất kỳ đường cong tần số nào có thể coi như đường cong sai số sẽ được gọi là "a normal curve", và chính việc ông dùng thuật ngữ này nhất quán trong các công trình có ảnh hưởng lớn đã khiến cả giới thống kê theo. Điều trớ trêu là một chủ đề chính trong nghiên cứu của Pearson lại là chứng minh rằng dữ liệu thực tế thường không tuân theo phân phối chuẩn (normal distribution). Cái tên dân dã "đường cong hình chuông" (bell curve) thì gắn với hình dáng, và trở nên nổi tiếng rộng rãi từ năm 1994 khi Richard Herrnstein cùng Charles Murray xuất bản cuốn The Bell Curve, lấy tên từ phân bố điểm IQ và in luôn hình đường cong lên bìa sách.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

Kéo hai núm μ và σ — đường dời chỗ, bè ra, diện tích μ ± σ vẫn là 0,68

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 chuẩn (Normal)Xác suất, biến ngẫu nhiên & phân phối xác suất · khoácourse AP Statistics

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 termMô tả phân phối của một biến định lượngDữ liệu một biến & thu thập dữ liệu · khoácourse AP Statistics

Cần trướcLearn firsthình dạng (của phân phối)shape

Dẫn tớiLeads toquy tắc thực nghiệmempirical rule định lý giới hạn trung tâmcentral limit theorem

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

phân phối hình chuôngmound-shaped

Khác nhau ở đâuHow they differPhân phối hình chuông là họ rộng gồm mọi phân phối gồ giữa đối xứng, còn đường cong chuẩn là một đường cong cụ thể có phương trình và hai tham số xác định duy nhất

Hay nhầm khiMixed up whenđề cho histogram hình chuông và hỏi có thể áp dụng quy tắc 68-95-99.7 không — chỉ đúng khi phân phối thật sự là chuẩn

phân phối lấy mẫu của trung bình mẫusampling distribution of sample means

Khác nhau ở đâuHow they differĐường cong chuẩn mô tả phân phối của một biến trong quần thể, còn phân phối lấy mẫu mô tả hành vi của trung bình mẫu qua nhiều lần lấy mẫu

Hay nhầm khiMixed up whenđề hỏi phân phối của dữ liệu gốc khác phân phối của trung bình mẫu — chỉ cái sau mới tiệm cận chuẩn nhờ định lý giới hạn trung tâm

Cùng chủ đềSame topic

Nguồn tham khảoReferences

[1]Barron_AP_Stat_2026. tr. 145, 148–149.