Cơ bảnKhái niệm·6 min

Giải thích Quy tắc thực nghiệm 68-95-99,7

Nắm vững quy tắc thực nghiệm (quy tắc 68-95-99,7) cho phân phối chuẩn. Học cách ước lượng nhanh xác suất và nhận diện giá trị ngoại lai bằng độ lệch chuẩn.

Quy tắc thực nghiệm là gì?

Quy tắc thực nghiệm (còn gọi là quy tắc 68-95-99,7 hay quy tắc ba sigma) là cách ghi nhớ nhanh tỷ lệ phần trăm giá trị trong phân phối chuẩn nằm trong 1, 2 và 3 độ lệch chuẩn quanh trung bình.

68%

trong phạm vi ±1σ

95%

trong phạm vi ±2σ

99,7%

trong phạm vi ±3σ

Phân tích trực quan

The Classic Bell Curve

Phạm vi	Tỷ lệ phần trăm
μ ± 1σ	68,27%
μ ± 2σ	95,45%
μ ± 3σ	99,73%

Ứng dụng thực tế

Ước lượng xác suất nhanh:Không cần tính toán phức tạp, bạn có thể ước lượng rằng khoảng 95% dữ liệu nằm trong 2 độ lệch chuẩn quanh trung bình.
Phát hiện giá trị ngoại lai:Các điểm dữ liệu vượt quá 3σ xảy ra ít hơn 0,3% thời gian, khiến chúng trở thành giá trị ngoại lai thống kê đáng được điều tra.
Kiểm soát chất lượng:Phương pháp Six Sigma sử dụng quy tắc này để đặt ngưỡng chất lượng và nhận diện biến động quy trình.

Ví dụ có lời giải

Ví dụ: Điểm SAT

Điểm SAT phân phối chuẩn với μ = 1050 và σ = 200. - 68% điểm nằm giữa 850 và 1250 (±1σ) - 95% điểm nằm giữa 650 và 1450 (±2σ) - 99,7% điểm nằm giữa 450 và 1650 (±3σ) Điểm 1450+ đặt học sinh vào top ~2,5% thí sinh.

Hạn chế

Chỉ áp dụng cho phân phối chuẩn

Quy tắc thực nghiệm CHỈ áp dụng cho dữ liệu tuân theo phân phối chuẩn (Gauss). Đối với dữ liệu lệch hoặc không chuẩn, các tỷ lệ phần trăm này không áp dụng. Luôn kiểm tra xem dữ liệu của bạn có phân phối chuẩn hay không trước khi sử dụng quy tắc này.

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.