Trung bình, trung vị và mốt đều trả lời câu hỏi "giá trị điển hình là bao nhiêu", nhưng mỗi số đo trả lời theo một nghĩa khác, và chọn sai số đo có thể kể sai câu chuyện của dữ liệu. Độ lệch chuẩn và tứ phân vị thì trả lời câu hỏi thứ hai, quan trọng không kém: dữ liệu phân tán rộng hay hẹp.
Bài này dành cho sinh viên đang học chương thống kê mô tả và người đi làm muốn hiểu chắc những con số mình gặp hằng ngày. Bạn sẽ tính tay trên một bộ số nhỏ, thấy một giá trị ngoại lai kéo lệch trung bình thế nào, hiểu vì sao công thức độ lệch chuẩn mẫu chia cho n − 1, và biết cách nhờ AI kiểm phép tính mà không giao luôn phần hiểu cho nó. Số liệu là ví dụ giả định.
Ba số đo trung tâm và một bộ số nhỏ để tính tay
Ví dụ giả định: thời gian đi từ nhà đến trường (phút) của bảy sinh viên trong một nhóm học là 20, 25, 25, 30, 35, 40 và 120. Người cuối cùng ở ngoại thành và hôm khảo sát gặp tắc đường.
Trung bình cộng bằng tổng chia số phần tử: 20 + 25 + 25 + 30 + 35 + 40 + 120 = 295, chia 7 được khoảng 42,1 phút. Trung vị là giá trị đứng giữa khi xếp theo thứ tự tăng dần; với bảy số, đó là số thứ tư, tức 30 phút. Mốt là giá trị xuất hiện nhiều nhất, ở đây là 25 phút.
Ba con số kể ba câu chuyện. Trung bình 42 phút cao hơn thời gian của sáu trên bảy người; nó bị kéo lên bởi một giá trị 120. Trung vị 30 phút mô tả "người ở giữa" tốt hơn. Mốt 25 phút cho biết giá trị phổ biến nhất, hữu ích với dữ liệu dạng nhóm hoặc khi đếm, nhưng ít ổn định với mẫu nhỏ.
Thử bỏ giá trị 120 đi: sáu số còn lại có tổng 175, trung bình khoảng 29,2 phút; trung vị là trung bình của hai số giữa, 25 và 30, bằng 27,5 phút. Trung bình giảm gần 13 phút, trung vị chỉ giảm 2,5 phút. Đó là ý nghĩa của từ "vững" trong thống kê: trung vị ít bị ảnh hưởng bởi giá trị cực đoan.
Khi nào dùng số đo nào
Không có số đo nào luôn đúng. Bảng dưới gợi ý lựa chọn theo hình dạng dữ liệu và câu hỏi bạn đang muốn trả lời.
| Tình huống | Nên ưu tiên | Lý do |
|---|---|---|
| Dữ liệu gần đối xứng, không có ngoại lai | Trung bình | Dùng hết thông tin, có tính chất toán học đẹp, là nền cho nhiều phương pháp suy luận |
| Dữ liệu lệch mạnh (thời gian chờ, giá nhà, thu nhập) | Trung vị | Không bị vài giá trị rất lớn kéo lệch, mô tả "người ở giữa" sát hơn |
| Dữ liệu dạng loại (màu, cỡ áo, phương tiện đi lại) | Mốt | Loại dữ liệu không cộng trừ được, chỉ đếm được |
| Cần tính tổng ngược lại (tổng chi phí, tổng sản lượng) | Trung bình | Trung bình nhân số phần tử ra đúng tổng, trung vị thì không |
| Báo cáo cho người đọc phổ thông về dữ liệu lệch | Cả trung bình và trung vị | Khoảng cách giữa hai số tự nó cho thấy dữ liệu lệch về phía nào |
Một quy tắc nhanh: nếu trung bình lớn hơn trung vị khá nhiều, dữ liệu thường lệch phải, có đuôi dài về phía giá trị lớn. Nếu trung bình nhỏ hơn trung vị, thường lệch trái. Quy tắc này đúng trong phần lớn trường hợp quen thuộc nhưng không phải định lý, có những phân phối ngoại lệ.
Độ lệch chuẩn đo cái gì: tính tay từng bước
Hai lớp có cùng điểm trung bình 7 có thể rất khác nhau: một lớp ai cũng 6 đến 8, lớp kia có cả 3 lẫn 10. Độ lệch chuẩn đo mức độ các giá trị tản ra quanh trung bình, theo đúng đơn vị của dữ liệu.
Lấy bộ số nhỏ 2, 4, 4, 4, 5, 5, 7, 9 để tính tay. Bước một, trung bình: tổng 40 chia 8 bằng 5. Bước hai, lấy từng số trừ trung bình: −3, −1, −1, −1, 0, 0, 2, 4. Bước ba, bình phương các độ lệch: 9, 1, 1, 1, 0, 0, 4, 16, tổng bằng 32. Bước bốn, chia cho số phần tử được phương sai 32 / 8 = 4. Bước năm, khai căn được độ lệch chuẩn bằng 2.
Vì sao phải bình phương? Nếu cộng thẳng các độ lệch, phần âm và phần dương triệt tiêu nhau và tổng luôn bằng 0, bạn có thể tự kiểm với dãy trên. Bình phương làm mọi độ lệch thành dương và phạt nặng các giá trị xa. Khai căn ở bước cuối đưa đơn vị trở lại như dữ liệu gốc: nếu dữ liệu tính bằng phút, độ lệch chuẩn cũng tính bằng phút, còn phương sai thì là phút bình phương, khó diễn giải.
Với bộ thời gian đi học ở phần đầu, độ lệch chuẩn khoảng 32 phút (chia cho n), lớn gần bằng trung bình. Giá trị 120 đóng góp phần lớn con số đó. Độ lệch chuẩn cũng nhạy với ngoại lai giống như trung bình, vì nó được xây trên trung bình.
Vì sao độ lệch chuẩn mẫu chia cho n − 1
Hai tình huống khác nhau. Nếu bạn có dữ liệu của toàn bộ tổng thể, ví dụ mọi sinh viên trong một lớp, chia cho n là đúng. Nếu bạn chỉ có một mẫu và muốn ước lượng độ phân tán của tổng thể lớn hơn, chia cho n − 1.
Lý do trực giác. Khi tính độ lệch, ta trừ đi trung bình mẫu, mà trung bình mẫu luôn nằm "ở giữa" chính mẫu đó hơn là trung bình thật của tổng thể. Kết quả là tổng bình phương độ lệch bị thiếu hụt một cách hệ thống. Chia cho số nhỏ hơn bù lại phần thiếu đó, gọi là hiệu chỉnh Bessel.
Bậc tự do. Biết trung bình mẫu và n − 1 độ lệch thì độ lệch cuối cùng bị xác định luôn, vì tổng các độ lệch phải bằng 0. Chỉ có n − 1 độ lệch "tự do".
Con số cụ thể. Với dãy 2, 4, 4, 4, 5, 5, 7, 9, chia 32 cho 7 được phương sai mẫu khoảng 4,57 và độ lệch chuẩn mẫu khoảng 2,14, so với 2 khi chia cho 8. Khi n lớn, khác biệt này nhỏ dần.
Trong phần mềm. Bảng tính và máy tính cầm tay thường có hai hàm hoặc hai phím riêng cho hai trường hợp. Kiểm tài liệu của phiên bản bạn dùng để biết hàm nào chia n, hàm nào chia n − 1; dùng nhầm là lỗi rất phổ biến trong bài tập.
Hệ số biến thiên: so độ phân tán giữa hai thứ khác đơn vị
Độ lệch chuẩn mang đơn vị của dữ liệu, nên không so được trực tiếp giữa hai đại lượng khác nhau. Độ lệch chuẩn 10 phút của thời gian giao hàng và độ lệch chuẩn 0,5 kg của khối lượng bao gạo, cái nào "dao động nhiều hơn"? Câu hỏi vô nghĩa nếu chỉ nhìn hai con số đó.
Hệ số biến thiên giải quyết việc này bằng cách chia độ lệch chuẩn cho trung bình, thường ghi dưới dạng phần trăm. Ví dụ giả định: thời gian giao hàng trung bình 40 phút, độ lệch chuẩn 10 phút, hệ số biến thiên 25%. Bao gạo trung bình 25 kg, độ lệch chuẩn 0,5 kg, hệ số biến thiên 2%. Giờ thì so được: thời gian giao hàng biến động tương đối lớn hơn nhiều.
Hệ số biến thiên chỉ có nghĩa với dữ liệu dương và có số 0 thật, như khối lượng, thời gian, độ dài. Với nhiệt độ theo độ C, số 0 là quy ước, trung bình có thể gần 0 hoặc âm, và hệ số biến thiên trở nên vô nghĩa. Nó cũng rất nhạy khi trung bình nhỏ: trung bình gần 0 làm hệ số phình to dù dữ liệu không thật sự phân tán.
Trong học tập, hệ số biến thiên hay xuất hiện ở bài so sánh độ ổn định của hai dây chuyền, hai phương pháp đo, hoặc hai nhóm thí nghiệm có thang đo khác nhau. Khi trình bày, nên ghi cả trung bình, độ lệch chuẩn và hệ số biến thiên để người đọc tự kiểm.
Tứ phân vị, khoảng tứ phân vị và biểu đồ hộp
Khi dữ liệu lệch hoặc có ngoại lai, cặp trung vị và khoảng tứ phân vị thường mô tả tốt hơn cặp trung bình và độ lệch chuẩn.
- Tứ phân vị thứ nhất (Q1) là giá trị mà khoảng 25% dữ liệu nhỏ hơn; Q3 là giá trị mà khoảng 75% dữ liệu nhỏ hơn; trung vị chính là Q2.
- Khoảng tứ phân vị bằng Q3 trừ Q1, cho biết nửa giữa của dữ liệu trải rộng bao nhiêu, không bị ảnh hưởng bởi các giá trị ở hai đầu.
- Quy tắc 1,5 lần khoảng tứ phân vị: giá trị nhỏ hơn Q1 trừ 1,5 lần khoảng đó, hoặc lớn hơn Q3 cộng 1,5 lần khoảng đó, được đánh dấu là ngoại lai cần xem lại. Đây là quy ước của John Tukey khi đề xuất biểu đồ hộp, không phải định luật.
- Biểu đồ hộp vẽ hộp từ Q1 đến Q3, vạch ở trung vị, râu kéo đến giá trị xa nhất chưa bị coi là ngoại lai, và các điểm ngoại lai vẽ riêng. Chỉ một hình là thấy trung tâm, độ phân tán, độ lệch và ngoại lai.
- Lưu ý cách tính: có nhiều quy ước tính tứ phân vị khác nhau, các phần mềm có thể cho kết quả lệch nhau chút ít với mẫu nhỏ. Khi đối chiếu với đáp án giáo trình, dùng đúng quy ước giáo trình đó nêu.
Ngoại lai không tự động là lỗi. Giá trị 120 phút trong ví dụ là một người thật gặp tắc đường thật. Việc cần làm là kiểm nguồn gốc của nó, rồi quyết định giữ, sửa hay báo cáo riêng, và ghi rõ quyết định đó.
Nhờ AI kiểm phép tính thống kê mô tả
Chatbot tính nhanh, nhưng với dãy số dài nó có thể cộng sai hoặc dùng nhầm công thức chia n hay n − 1. Cách dùng an toàn như sau.
- Tự tính trước trên mẫu nhỏ, ghi lại từng bước như phần trên.
- Gửi dãy số và yêu cầu: "Tính trung bình, trung vị, độ lệch chuẩn mẫu (chia n − 1) cho dãy này, ghi rõ từng bước trung gian." Yêu cầu bước trung gian giúp bạn so từng dòng thay vì chỉ so đáp số.
- Đối chiếu với bảng tính: nhập dãy, dùng hàm có sẵn. Nếu ba nguồn, gồm bạn, chatbot và bảng tính, cho ba số khác nhau, nguyên nhân thường là nhầm chia n với n − 1, hoặc chatbot chép thiếu một số.
- Hỏi thêm câu diễn giải: "Với dữ liệu này nên báo cáo trung bình hay trung vị, vì sao?" rồi tự đánh giá lý lẽ của nó dựa trên hình dạng dữ liệu.
- Nếu dữ liệu đến từ công việc, như thời gian xử lý hồ sơ của từng nhân viên, xoá cột tên và mã nhân viên trước khi dán; phép tính chỉ cần cột số.
Câu hỏi thường gặp
Khi nào trung bình và trung vị bằng nhau?
Khi dữ liệu đối xứng quanh tâm, ví dụ phân phối chuẩn lý tưởng, thì trung bình và trung vị trùng nhau. Với dữ liệu thực tế gần đối xứng, hai số chỉ chênh nhau chút ít. Chênh lệch lớn là dấu hiệu dữ liệu lệch.
Độ lệch chuẩn bằng 0 có nghĩa là gì?
Độ lệch chuẩn bằng 0 nghĩa là mọi giá trị trong dữ liệu đều bằng nhau, không có phân tán nào. Độ lệch chuẩn không bao giờ âm vì nó là căn bậc hai của trung bình các bình phương.
Nên dùng độ lệch chuẩn hay khoảng tứ phân vị?
Với dữ liệu gần đối xứng không ngoại lai, độ lệch chuẩn là lựa chọn quen thuộc và đi kèm trung bình. Với dữ liệu lệch hoặc có ngoại lai, khoảng tứ phân vị đi kèm trung vị cho mô tả vững hơn.
Vì sao máy tính và sách giáo khoa cho độ lệch chuẩn khác nhau?
Thường do một bên chia cho n, bên kia chia cho n trừ 1. Hãy kiểm phím hoặc hàm đang dùng là cho tổng thể hay cho mẫu. Với mẫu lớn, chênh lệch rất nhỏ; với mẫu dưới 10 phần tử, chênh lệch thấy rõ.
Có nên bỏ ngoại lai khỏi dữ liệu không?
Chỉ bỏ khi xác định được đó là lỗi đo hoặc lỗi nhập. Nếu ngoại lai là giá trị thật, bỏ đi sẽ làm sai lệch bức tranh. Cách an toàn là báo cáo kết quả cả khi có và không có ngoại lai, kèm giải thích.
Trung bình có trọng số khác trung bình thường thế nào?
Trung bình có trọng số nhân mỗi giá trị với một trọng số rồi chia cho tổng trọng số, dùng khi các giá trị không quan trọng như nhau, như điểm học phần tính theo số tín chỉ. Trung bình thường là trường hợp mọi trọng số bằng nhau.