Mô phỏng Monte Carlo giải thích bằng lời, không cần code

Có những bài toán xác suất quá rối để giải bằng công thức, nhưng lại dễ xử lý nếu bạn chịu "thử" đủ nhiều lần. Đó là ý tưởng của mô phỏng Monte Carlo, phương pháp mà giới khoa học dùng để ước lượng từ khí tượng đến tài chính. Bài này giải thích hoàn toàn bằng lời và ví dụ giấy bút, rồi áp dụng vào câu hỏi về kết quả xổ số, không cần biết lập trình.
Mô phỏng Monte Carlo là gì?
Hãy hình dung bạn muốn biết xác suất một biến cố nào đó xảy ra, nhưng công thức quá phức tạp. Thay vì tính, bạn dựng một "thế giới thu nhỏ" chạy theo đúng luật ngẫu nhiên của bài toán, thử đi thử lại nhiều lần và đếm xem biến cố xảy ra bao nhiêu lần. Tỷ lệ đếm được chính là ước lượng của xác suất. Cái tên Monte Carlo gợi nhớ các sòng bài, vì cốt lõi của phương pháp là dùng chính sự ngẫu nhiên để hiểu ngẫu nhiên.
Nguyên lý đằng sau là quy luật số lớn: lặp càng nhiều, tỷ lệ quan sát càng gần xác suất thật. Nếu muốn nhớ lại nguyên lý này, hãy xem bài quy luật số lớn và xổ số.
Ví dụ giấy bút: ước lượng bằng hai viên xúc xắc
Xác suất tổng hai xúc xắc từ 10 trở lên là bao nhiêu? Bằng cách đếm, ta có ba cặp cho tổng 10, hai cặp cho tổng 11 và một cặp cho tổng 12: tổng cộng 6 trên 36 trường hợp, tức 1/6, khoảng 16,67%. Giờ làm như Monte Carlo:
- Gieo hai xúc xắc 100 lần, ghi lại tổng mỗi lần.
- Đếm số lần tổng từ 10 trở lên, chẳng hạn được 14 lần.
- Ước lượng xác suất bằng 14/100 = 14%.
Kết quả không đúng tuyệt đối, và bạn gieo lại có thể ra 19 lần, tức 19%. Nhưng nếu gieo 10.000 lần, tỷ lệ sẽ rất gần 16,67%. Đây chính là bản chất của phương pháp: đánh đổi sự chính xác tuyệt đối lấy sự đơn giản, và đạt chính xác hơn bằng cách tăng số lần thử.
Áp dụng mô phỏng Monte Carlo vào xổ số
Với kết quả xổ số, mô phỏng trả lời nhanh những câu hỏi mà công thức khó viết. Quy trình thông thường như sau:
- Dùng bộ sinh số ngẫu nhiên để tạo ra "một kỳ quay giả" gồm 27 số hai chữ số.
- Kiểm tra điều kiện cần quan tâm, ví dụ: có cặp số nào trùng nhau không, có số nào lặp 3 lần không.
- Lặp lại hàng nghìn hoặc hàng triệu kỳ giả, rồi tính tỷ lệ kỳ thỏa điều kiện.
Nếu bạn làm đúng, kết quả sẽ khớp với phép tính lý thuyết: khoảng 97,9% kỳ giả có ít nhất một cặp hai chữ số cuối trùng nhau, như bài nghịch lý ngày sinh áp dụng vào xổ số đã tính. Một điểm mạnh của cách này là bạn có thể thử những câu hỏi chưa ai tính sẵn, chẳng hạn xác suất có ba kỳ liên tiếp cùng xuất hiện một số kép ở giải đặc biệt, mà không cần chứng minh lại từ đầu. Với người muốn tự viết đoạn mã cụ thể, bài mô phỏng 10.000 kỳ quay bằng Python đã hướng dẫn chi tiết.
Sai số của mô phỏng Monte Carlo: lặp bao nhiêu lần là đủ?
Mọi mô phỏng Monte Carlo đều có sai số vì dựa trên mẫu hữu hạn. Cách ước lượng sai số khá đơn giản. Nếu xác suất thật là p và bạn lặp N lần, sai số chuẩn xấp xỉ căn của p × (1 − p) / N. Khoảng tin cậy 95% xấp xỉ ước lượng cộng trừ 1,96 lần sai số chuẩn.
Ví dụ ước lượng xác suất một cặp số cho trước xuất hiện ít nhất một lần trong 27 giải (giá trị thật khoảng 23,77%):
| Số lần lặp N | Sai số chuẩn | Khoảng 95% (cộng trừ) |
|---|---|---|
| 100 | khoảng 4,26 điểm phần trăm | khoảng 8,3 điểm phần trăm |
| 1.000 | khoảng 1,35 điểm phần trăm | khoảng 2,6 điểm phần trăm |
| 10.000 | khoảng 0,43 điểm phần trăm | khoảng 0,83 điểm phần trăm |
| 100.000 | khoảng 0,13 điểm phần trăm | khoảng 0,26 điểm phần trăm |
Quy luật rút ra: để giảm sai số đi 10 lần, cần lặp nhiều hơn 100 lần. Vì sai số tỷ lệ nghịch với căn bậc hai của N, việc tăng độ chính xác ngày càng tốn kém. Cùng một cách tính về mức dao động, bạn sẽ gặp lại trong bài độ lệch chuẩn và biến động của kết quả xổ số.
Giới hạn: mô phỏng không "nhìn thấy" tương lai
Sự kiện hiếm cần số lần lặp rất lớn
Để ước lượng một xác suất rất nhỏ như 1/100.000, ta phải lặp cỡ vài chục triệu lần mới có ước lượng ổn định. Quy tắc thô: để sai số tương đối khoảng 10%, cần N cỡ 100/p, tức 10 triệu lần với p = 0,00001. Vì thế với những giải thưởng rất hiếm, công thức tổ hợp vẫn tiện hơn nhiều so với mô phỏng.
Mô phỏng chỉ đúng khi mô hình đúng
Mô phỏng chỉ lặp lại giả thuyết bạn đưa vào. Nếu bạn giả định mỗi số có xác suất bằng nhau, nó sẽ cho kết quả của thế giới "công bằng", và đó đúng là cách người ta so sánh dữ liệu thật với kỳ vọng. Phương pháp so sánh chính thức nằm ở bài kiểm định chi bình phương cho kết quả quay.
Bộ sinh số của máy tính là giả ngẫu nhiên
Máy tính tạo số ngẫu nhiên bằng thuật toán, nên dãy số phụ thuộc vào một hạt giống ban đầu. Với mục đích ước lượng xác suất, chất lượng của các bộ sinh số hiện đại đã đủ tốt. Bạn chỉ cần lưu ý ghi lại hạt giống nếu muốn lặp lại đúng thí nghiệm.
Gợi ý thực hành an toàn cho người mới
Nếu chưa muốn dùng máy tính, bạn vẫn có thể thử với xúc xắc hoặc đồng xu như ví dụ ở trên. Với đồng xu, hãy gieo 100 lần và đếm mặt ngửa, sau đó so với 50. Làm thêm vài đợt để thấy kết quả dao động quanh 50 nhưng hiếm khi đúng 50. Cảm nhận này giúp bạn hiểu vì sao các bảng thống kê ngắn hạn luôn lệch khỏi kỳ vọng. Các bài giáo dục khác có ở trang chủ dudoanxsmb.club.
Câu hỏi thường gặp
Mô phỏng Monte Carlo có cho kết quả chính xác tuyệt đối không?
Không. Nó đưa ra ước lượng với sai số có thể kiểm soát. Càng lặp nhiều lần, sai số càng nhỏ theo tỷ lệ nghịch với căn bậc hai của số lần lặp. Muốn kết quả chính xác tuyệt đối thì phải dùng công thức, nếu có.
Có thể dùng mô phỏng để dự đoán số kỳ tới không?
Không. Mô phỏng chỉ cho biết tần suất của các sự kiện trong thế giới ngẫu nhiên, không cho biết kết quả cụ thể của một kỳ thật. Nếu kết quả mỗi kỳ độc lập thì không phương pháp nào, kể cả mô phỏng, biết trước kỳ sau.
Cần chuẩn bị gì để tự thử mô phỏng Monte Carlo?
Có thể bắt đầu chỉ với xúc xắc, đồng xu hoặc bảng tính có hàm sinh số ngẫu nhiên. Bạn cần xác định rõ biến cố cần đếm, số lần lặp và cách ghi kết quả. Sau đó tính tỷ lệ và ước lượng sai số bằng công thức ở trên.
Kết luận
Mô phỏng Monte Carlo biến những bài toán xác suất phức tạp thành việc thử và đếm, một công cụ dễ hiểu mà mạnh mẽ. Hãy dùng nó để kiểm chứng trực giác, và nhớ rằng nó chỉ mô tả thế giới ngẫu nhiên, không phải để đoán kỳ quay tiếp theo.