AP Statistics

cỡ mẫusample size

sample sizeVietnamese: cỡ mẫu

Còn gọi:Also called: kích thước mẫu, sample size

Định nghĩaIn short

Cỡ mẫu là số lượng cá thể hoặc quan sát được chọn vào một mẫu, thường ký hiệu n, ảnh hưởng trực tiếp tới độ biến thiên của các thống kê mẫu.Sample size is the number of individuals or observations included in a sample, usually denoted nn; it directly controls how much sample statistics vary.

Trực giác: Giống như nếm một nồi canh: múc càng nhiều muỗng để thử thì đánh giá độ mặn của cả nồi càng chính xác.Intuition: Think of tasting a pot of soup: the more spoonfuls you sample, the better you judge how salty the whole pot is.

Công thức chínhKey formula

n=(z∗σME)2n=\left(\dfrac{z^{*}\sigma}{ME}\right)^{2}
Định nghĩa đầy đủFull definition1 phút đọc1 min read

Cỡ mẫu, ký hiệu nn, là tổng số cá thể hoặc quan sát thuộc mẫu nghiên cứu. Với trung bình mẫu, sai số chuẩn giảm theo 1/n1/\sqrt n; khi các yếu tố khác giữ nguyên, nn lớn thường cho khoảng tin cậy hẹp hơn và sức mạnh kiểm định cao hơn.

Cỡ mẫu lớn chỉ giảm độ phân tán, không sửa sai lệch hệ thống do phương pháp chọn mẫu thiên vị.

The sample size, denoted nn, is the total number of individuals or observations in the sample being studied. For a sample mean, the standard error shrinks in proportion to 1/n1/\sqrt n, so with everything else held constant, a larger nn usually gives a narrower confidence interval and greater power.

A large sample size only reduces spread; it does not correct systematic bias built into a flawed sampling method.

Ký hiệuNotation
nn
nn
Giải nghĩa công thứcFormula breakdown1 công thức1 formula
n=(z∗σME)2n=\htmlClass{fp-3}{\left(\htmlClass{fp-2}{\dfrac{\htmlClass{fp-0}{z^{*}}\htmlClass{fp-1}{\sigma}}{ME}}\right)^{2}}
n=(z∗σME)2n=\htmlClass{fp-3}{\left(\htmlClass{fp-2}{\dfrac{\htmlClass{fp-0}{z^{*}}\htmlClass{fp-1}{\sigma}}{ME}}\right)^{2}}

Tính cỡ mẫu tối thiểu cho khoảng tin cậy trung bình với sai số biên MEME, khi σ\sigma đã biết hoặc được ước lượng trước.Gives the minimum sample size for a confidence interval for a mean with margin of error MEME, when σ\sigma is known or has been estimated beforehand.

Trong đóWhere

nncỡ mẫu (sample size) cần thiếtrequired sample sizez∗z^{*}điểm tới hạn (critical value) ứng với độ tin cậy mong muốncritical value corresponding to the desired confidence levelσ\sigmađộ lệch chuẩn (standard deviation) của tổng thểpopulation standard deviationMEMEsai số biên (margin of error) tối đa chấp nhận đượcmaximum acceptable margin of error
Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Với cùng thiết kế khảo sát, tăng cỡ mẫu không sửa sai lệch do lấy mẫu thiên vị.

nn lớn làm giảm phương sai, nhưng sai lệch hệ thống vẫn còn.

Với ước lượng tỉ lệ không chệch, tăng cỡ mẫu không đổi trung bình phân bố mẫu.

μp^=p\mu_{\hat p}=p với mọi nn; cỡ mẫu lớn chỉ làm giảm độ lệch chuẩn.

Khi pp khác nhau, không thể so độ lệch chuẩn của p^\hat p chỉ bằng cỡ mẫu.

Cả p(1−p)p(1-p) và nn trong p(1−p)/n\sqrt{p(1-p)/n} đều ảnh hưởng; hãy tính từng cặp.

For a given survey design, a larger sample size does not remove sampling bias.

Increasing nn reduces variability, but the systematic error remains.

For an unbiased estimator of a proportion, sample size does not shift the center of the sampling distribution.

Here μp^=p\mu_{\hat p}=p for every nn; a larger sample only lowers the standard deviation.

When pp differs between groups, sample size alone cannot rank the standard deviations of p^\hat p.

Both p(1−p)p(1-p) and nn enter p(1−p)/n\sqrt{p(1-p)/n}, so compute the value for each pair.

Mẹo phòng thiExam tips1 mẹo1 tip

Khi so các phân bố p^\hat p cùng tâm pp, hãy xét vị trí ngưỡng.

Nếu ngưỡng trên pp, mẫu nhỏ cho đuôi phải lớn hơn; nếu dưới, kết luận đảo chiều.

When comparing distributions of p^\hat p with the same center pp, check where the cutoff sits.

A cutoff above pp gives the smaller sample the larger right tail; below pp, the comparison reverses.

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsThường xuyênVery common
Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

nền móng từ thế kỷ 17–18; công thức ước lượng cỡ mẫu năm 1967Christiaan HuygensJacob BernoulliPierre-Simon de LaplaceCarl Friedrich GaussAnders Nicolai KiærArthur Lyon BowleyWilliam Cochran

Năm 1906, Arthur Lyon Bowley đưa lấy mẫu ngẫu nhiên vào thống kê xã hội, góp phần biến cỡ mẫu thành đại lượng tính được.
In 1906, Arthur Lyon Bowley brought random sampling into social statistics, helping turn sample size into a quantity that could be calculated.

Vì sao mang đúng cái tên này? Tên gọi nghe đơn giản đến mức dễ bị xem nhẹ: nó chỉ là "cỡ" — số phần tử — của cái mẫu ta lấy ra, thường ký hiệu bằng nn. Sức nặng của chữ "cỡ" nằm ở chỗ Bernoulli là người đầu tiên buộc con số này vào độ chính xác của suy luận, nên đếm số quan sát không còn là việc ghi chép hành chính mà thành một tham số của lý thuyết. Bản thân ngành thống kê lại mang cái tên rất khác gốc: chữ statistics đi ra từ tiếng Latin mới statisticum collegium ("hội đồng nhà nước") và tiếng Ý statista ("chính khách"), được Gottfried Achenwall đưa vào tiếng Đức năm 1749 để chỉ việc phân tích dữ liệu về nhà nước. Vì vậy, khi nói cỡ mẫu, ta đang dùng một từ rất mộc trong một ngành khoa học vốn sinh ra từ nhu cầu cai trị và kiểm đếm dân cư.

Ví dụ có lời giảiWorked example3 phút đọc3 min read
Một nhà sản xuất màn hình điện thoại ghi nhận rằng 5% toàn bộ màn hình xuất xưởng có lỗi. Gọi pdp_d là tỉ lệ màn hình lỗi của cả tổng thể, như vậy pd=0.05p_d = 0.05. Bộ phận kiểm định lấy ngẫu nhiên 400 màn hình từ dây chuyền và tính tỉ lệ màn hình lỗi trong mẫu, ký hiệu p^d\hat{p}_d. Ban giám đốc đang cân nhắc có nên nâng số màn hình kiểm tra mỗi đợt lên 1600 hay không.
  1. aKiểm tra các điều kiện rồi tính trung bình và độ lệch chuẩn của phân phối mẫu của p^d\hat{p}_d khi cỡ mẫu là 400.
  2. bNếu tăng cỡ mẫu lên 1600 thì độ lệch chuẩn thay đổi ra sao? Việc tăng cỡ mẫu có làm giảm sai lệch hệ thống của phương pháp lấy mẫu không?
1Bước 1: Trước hết phải kiểm tra điều kiện, vì mọi công thức về phân phối mẫu (sampling distribution) chỉ đúng khi mẫu được lấy ngẫu nhiên và đủ lớn. Mẫu gồm 400 màn hình được lấy ngẫu nhiên nên điều kiện độc lập được bảo đảm, miễn là tổng sản lượng của nhà máy ít nhất gấp mười lần cỡ mẫu, tức là từ 4000 màn hình trở lên. Tiếp theo là điều kiện số đếm lớn (Large Counts condition): np=400(0.05)=20≥10np = 400(0.05) = 20 \ge 10 và n(1−p)=400(0.95)=380≥10n(1-p) = 400(0.95) = 380 \ge 10. Cả hai số đếm đều vượt ngưỡng 10, do đó phân phối của tỉ lệ mẫu (sample proportion) xấp xỉ chuẩn và ta được phép dùng công thức tính độ lệch chuẩn.
2Bước 2: Trung bình của phân phối mẫu luôn bằng đúng tham số của tổng thể, nghĩa là μp^d=pd=0.05\mu_{\hat{p}_d} = p_d = 0.05. Độ lệch chuẩn (standard deviation) được tính theo công thức σp^d=pd(1−pd)n=0.05(0.95)400=0.00011875≈0.0109.\sigma_{\hat{p}_d}=\sqrt{\frac{p_d(1-p_d)}{n}}=\sqrt{\frac{0.05(0.95)}{400}}=\sqrt{0.00011875}\approx 0.0109. Con số này cho biết trong các đợt kiểm định 400 màn hình khác nhau, tỉ lệ lỗi tính được thường lệch khỏi 5% khoảng 1,09 điểm phần trăm. Cỡ mẫu nằm ở mẫu số dưới dấu căn, nên nó chính là đại lượng điều khiển mức dao động này.
3Bước 3: Khi cỡ mẫu tăng lên 1600, ta thay nn vào cùng một công thức: σp^d=0.05(0.95)/1600=0.000029688≈0.0054\sigma_{\hat{p}_d}=\sqrt{0.05(0.95)/1600}=\sqrt{0.000029688}\approx 0.0054. So với 0.0109 thì độ lệch chuẩn giảm đi đúng một nửa, và điều đó không phải ngẫu nhiên: vì nn nằm dưới dấu căn bậc hai nên muốn giảm dao động một nửa ta phải tăng cỡ mẫu gấp bốn lần, đúng như 1600=4×4001600 = 4 \times 400. Đây là lý do các nghiên cứu đòi hỏi độ chính xác cao thường tốn kém, bởi mỗi lần muốn thu hẹp sai số một nửa thì chi phí lấy mẫu phải nhân lên gấp bốn.
4Bước 4: Câu hỏi về sai lệch hệ thống lại thuộc một loại khác hẳn. Trung bình μp^d\mu_{\hat{p}_d} vẫn bằng 0.05 dù cỡ mẫu là 400 hay 1600, nên p^d\hat{p}_d là ước lượng không chệch (unbiased estimator) trong cả hai trường hợp và việc tăng cỡ mẫu không làm thay đổi điều đó. Ngược lại, nếu phương pháp lấy mẫu có khuyết tật — chẳng hạn chỉ kiểm tra màn hình ở một ca sản xuất duy nhất — thì tăng cỡ mẫu chỉ khiến ta ước lượng ngày càng chính xác một con số sai. Nói gọn, cỡ mẫu chữa được độ dao động chứ không chữa được độ chệch (bias); muốn khử độ chệch thì phải sửa cách chọn mẫu.

Với cỡ mẫu 400, phân phối mẫu của tỉ lệ màn hình lỗi có trung bình μp^d=0.05\mu_{\hat{p}_d} = 0.05 và độ lệch chuẩn σp^d≈0.0109\sigma_{\hat{p}_d} \approx 0.0109, đồng thời xấp xỉ chuẩn vì np=20np = 20 và n(1−p)=380n(1-p) = 380 đều lớn hơn 10. Khi nâng cỡ mẫu lên 1600, độ lệch chuẩn giảm còn khoảng 0.0054, tức là các kết quả kiểm định sẽ bám sát 5% hơn hẳn. Tuy nhiên trung bình vẫn giữ nguyên ở 0.05, nên việc tăng cỡ mẫu chỉ làm tăng độ chính xác chứ không sửa được sai lệch hệ thống nếu cách lấy mẫu vốn đã thiên vị.

Bạn nắm chắc chưa?Check your understanding

Quiz câu thật từ ngân hàng đềReal exam questions from our question bank

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.A few real questions on exactly this concept, graded instantly with an explanation for every choice — the system remembers how well you know it.

Tạo tài khoảnCreate an account

Học tiếp từ đâyKeep learning

Bài học chứa thuật ngữ nàyLesson that uses this termChọn mẫu ngẫu nhiên và thu thập dữ liệuDữ liệu một biến & thu thập dữ liệu, khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termNhững vấn đề có thể gặp khi chọn mẫuDữ liệu một biến & thu thập dữ liệu, khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termPhân phối mẫu của trung bình mẫuSuy luận cho trung bình (dữ liệu định lượng), khoácourse AP Statistics
Mục tiêu và lộ trình unit ai cũng xem được — làm bài tập và lưu tiến độ thì cần đăng nhập.Anyone can view a unit's goals and roadmap — sign in to do the exercises and save your progress.

Hay nhầm vớiOften confused with

Khác nhau ở đâuHow they differCỡ mẫu là số đơn vị thực sự được thu thập dữ liệu, ký hiệu nn. Cỡ quần thể là tổng số đơn vị tồn tại trong toàn bộ nhóm quan tâm, ký hiệu NN.
Hay nhầm khiMixed up whenKhi kiểm tra điều kiện 10%, thí sinh hay thay nhầm nn vào chỗ của NN hoặc ngược lại.
Khác nhau ở đâuHow they differCỡ mẫu là một con số đếm số đơn vị trong mẫu. Lặp lại là nguyên tắc thiết kế đòi hỏi mỗi nhóm xử lý phải có đủ nhiều đơn vị thí nghiệm.
Hay nhầm khiMixed up whenCâu hỏi về thí nghiệm yêu cầu nêu nguyên tắc lặp lại, thí sinh chỉ trả lời chung chung là 'lấy cỡ mẫu lớn'.

Cùng chủ đềSame topic

Nguồn tham khảoReferences

  1. [1]Barron_AP_Stat_2026. tr. 23, 38, 49.

Biên soạn bởi DucklingStudy, bản quyền thuộc DucklingStudy.Written by DucklingStudy. © DucklingStudy. Xuất bảnPublished .