Chào mừng các bạn đến với bài học thứ hai trong chuỗi bài về lý thuyết tiệm cận! Ở bài trước, chúng ta đã học được một điều vô cùng quan trọng từ Luật số lớn (WLLN): khi kích thước mẫu tăng lên, trung bình mẫu sẽ hội tụ về trung bình thật của tổng thể. Điều này khẳng định rằng trung bình mẫu là một ước lượng “tốt” theo nghĩa là nó sẽ tiến gần đến đúng mục tiêu. Tuy nhiên, WLLN không cho chúng ta biết về phân phối xác suất của ước lượng đó trong một mẫu hữu hạn (dù lớn). Làm thế nào để chúng ta có thể xây dựng các khoảng tin cậy hay thực hiện các kiểm định giả thuyết? Để trả lời câu hỏi này, chúng ta cần một công cụ mạnh mẽ hơn, và đó chính là ngôi sao của bài học hôm nay: Định lý giới hạn trung tâm (Central Limit Theorem – CLT). Sau đó, chúng ta sẽ khám phá cách mở rộng sức mạnh của CLT để phân tích …