Máy Tính Độ Lệch Chuẩn
Tính phương sai và độ lệch chuẩn cho một dãy số — cả hai phiên bản tổng thể và mẫu — kèm tổng bình phương độ lệch và cách tính từng bước.
Độ lệch chuẩn đo lường điều gì?
Độ lệch chuẩn cho biết, tính trung bình, các giá trị trong một dãy số cách trung bình cộng bao xa. Độ lệch chuẩn nhỏ nghĩa là dữ liệu tập trung sát quanh mức trung bình; độ lệch chuẩn lớn nghĩa là các giá trị phân tán rộng hơn. Đây là thước đo độ phân tán được dùng phổ biến nhất chính vì nó có cùng đơn vị với dữ liệu gốc — khác với phương sai, vốn có đơn vị bình phương.
Cách tính từng bước
- Tìm trung bình cộng: x̄ = (Σxᵢ) ÷ n
- Tìm độ lệch của từng giá trị so với trung bình: (xᵢ − x̄) cho mỗi giá trị
- Bình phương từng độ lệch: (xᵢ − x̄)² — giúp mọi số hạng đều dương và độ lệch lớn có ảnh hưởng nhiều hơn
- Cộng tổng các bình phương độ lệch: SS = Σ(xᵢ − x̄)² — gọi là "tổng bình phương độ lệch"
- Chia cho n (tổng thể) hoặc n − 1 (mẫu) để có phương sai
- Lấy căn bậc hai của phương sai để có độ lệch chuẩn, trở về đúng đơn vị ban đầu
Tổng thể và mẫu: vì sao có hai kết quả
Mỗi dãy số đều có hai công thức phương sai/độ lệch chuẩn hợp lệ, và sự khác biệt nằm ở một câu hỏi duy nhất: dãy số này LÀ toàn bộ tổng thể, hay chỉ là một mẫu lấy ra từ một nhóm lớn hơn?
| Tổng thể | Mẫu | |
|---|---|---|
| Chia SS cho | n | n − 1 |
| Dùng khi | Dữ liệu LÀ toàn bộ nhóm bạn quan tâm | Dữ liệu là mẫu đại diện cho một nhóm lớn hơn |
| Ký hiệu | σ² (phương sai), σ (độ lệch chuẩn) | s² (phương sai), s (độ lệch chuẩn) |
| Kết quả | Giá trị nhỏ hơn | Giá trị lớn hơn một chút (đã hiệu chỉnh độ chệch) |
Việc chia cho n − 1 thay vì n được gọi là hiệu chỉnh Bessel. Trung bình cộng của một mẫu được tính từ chính các giá trị dùng để đo độ phân tán, khiến mẫu trông có vẻ ít biến động hơn tổng thể thực sự mà nó đại diện. Trừ 1 khỏi số chia sẽ làm tăng ước lượng vừa đủ để bù lại độ chệch đó — kết quả là một ước lượng không chệch của phương sai tổng thể.
Ví dụ tính từng bước
Với dãy số 42, 54, 65, 47, 59, 40, 53 (7 giá trị):
- Trung bình cộng = (42+54+65+47+59+40+53) ÷ 7 = 360 ÷ 7 ≈ 51,43
- Tổng bình phương độ lệch = Σ(xᵢ − 51,43)² ≈ 489,71
- Phương sai tổng thể = 489,71 ÷ 7 ≈ 69,96
- Phương sai mẫu = 489,71 ÷ 6 ≈ 81,62
- Độ lệch chuẩn tổng thể = √69,96 ≈ 8,364
- Độ lệch chuẩn mẫu = √81,62 ≈ 9,034
Có thể thấy các giá trị mẫu (81,62 và 9,034) luôn lớn hơn một chút so với các giá trị tổng thể (69,96 và 8,364) với cùng một dãy số — đó chính là tác dụng của hiệu chỉnh Bessel.
Ứng dụng thực tế
Độ lệch chuẩn xuất hiện ở bất cứ đâu mà độ phân tán quan trọng không kém giá trị trung bình: kiểm soát chất lượng (các sản phẩm trên dây chuyền sản xuất có đồng đều không?), tài chính (một cổ phiếu biến động mạnh đến mức nào?), chấm điểm (điểm kiểm tra của lớp phân tán ra sao?), và khoa học (các lần đo lặp lại chênh lệch bao nhiêu?). Để xem các thước đo xu hướng trung tâm mà phép tính này dựa trên, tham khảo trung bình cộng, trung vị, mốt; để so sánh một giá trị riêng lẻ với độ phân tán của dãy số, xem điểm z; để có bức tranh thống kê đầy đủ hơn trong một lần tính, xem thống kê mô tả.
Câu hỏi thường gặp
- Nên dùng độ lệch chuẩn tổng thể hay mẫu?
- Dùng công thức tổng thể (chia cho n) chỉ khi dãy số của bạn LÀ toàn bộ nhóm mà bạn quan tâm — mọi học sinh trong lớp, mọi sản phẩm trong lô hàng. Dùng công thức mẫu (chia cho n − 1) khi dữ liệu của bạn là một mẫu được lấy ra từ một nhóm lớn hơn mà bạn muốn mô tả — đây là trường hợp phổ biến hơn nhiều trong thực tế.
- Tại sao công thức mẫu lại chia cho n − 1 thay vì n?
- Đây gọi là hiệu chỉnh Bessel. Trung bình cộng của một mẫu được tính từ chính dữ liệu dùng để đo độ phân tán, khiến mẫu có xu hướng phân tán ít hơn một chút so với tổng thể thực sự, tính trung bình. Chia cho n − 1 thay vì n sẽ làm tăng kết quả vừa đủ để bù lại độ lệch đó, cho ra một ước lượng không chệch của phương sai tổng thể.
- Tại sao phải bình phương độ lệch thay vì chỉ lấy trung bình cộng của các hiệu số?
- Nếu lấy trung bình cộng của các hiệu số thô so với trung bình, các hiệu số dương và âm sẽ luôn triệt tiêu lẫn nhau về 0 — đó là một tính chất của chính số trung bình cộng. Bình phương khiến mọi độ lệch trở thành số dương trước khi lấy trung bình, nên kết quả phản ánh đúng mức độ phân tán thay vì triệt tiêu về 0. Cách này cũng khiến độ lệch lớn có trọng số ảnh hưởng nhiều hơn độ lệch nhỏ.
- Tại sao phải lấy căn bậc hai ở bước cuối?
- Việc bình phương độ lệch làm thay đổi đơn vị — phương sai của một dãy số tính bằng đô la sẽ có đơn vị là "đô la bình phương", vốn không trực quan. Lấy căn bậc hai của phương sai sẽ đưa kết quả trở về đơn vị ban đầu, nhờ đó độ lệch chuẩn có thể so sánh trực tiếp với trung bình cộng và với chính dữ liệu.
- Độ lệch chuẩn nhỏ so với độ lệch chuẩn lớn nói lên điều gì?
- Độ lệch chuẩn nhỏ nghĩa là các giá trị tập trung sát quanh trung bình cộng — dãy số ổn định. Độ lệch chuẩn lớn nghĩa là các giá trị phân tán xa trung bình cộng hơn — dãy số biến động nhiều hơn. Hai dãy số có thể có cùng trung bình cộng nhưng độ lệch chuẩn rất khác nhau.
- Vì sao cần nhập ít nhất hai số?
- Công thức phương sai mẫu chia cho n − 1, nên với chỉ một giá trị (n = 1), số chia đó bằng 0 và phép tính không xác định được. Phương sai và độ lệch chuẩn tổng thể của một giá trị duy nhất về mặt toán học bằng 0 (không có sự phân tán nào), nhưng vì công cụ này luôn hiển thị song song cả hai phiên bản, nó yêu cầu tối thiểu hai giá trị.