AP Statistics

hiệu hai trung bìnhdifference of two means

difference of two meansVietnamese: hiệu hai trung bình

Còn gọi:Also called: hiệu hai trung bình tổng thể, difference in population means, difference of two means

Định nghĩaIn short

Hiệu hai trung bình là tham số μ1 − μ2 đo mức chênh lệch trung bình giữa hai tổng thể định lượng độc lập, được ước lượng bằng hiệu hai trung bình mẫu.The difference of two means is the parameter μ1 − μ2, which measures how far apart the means of two independent quantitative populations are; it is estimated by the difference of two sample means.

Trực giác: Giống như so sánh chiều cao trung bình của hai lớp học bằng cách lấy hiệu số, hiệu hai trung bình cho biết nhóm nào cao hơn và cao hơn bao nhiêu, dựa trên hai mẫu tách biệt.Intuition: Comparing the average heights of two classes by subtracting one average from the other tells you which group is taller and by how much. The difference of two means does the same thing using two separate samples.

Công thức chínhKey formula

(xˉ1−xˉ2)±t∗s12n1+s22n2(\bar{x}_1-\bar{x}_2) \pm t^* \sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}}
Định nghĩa đầy đủFull definition1 phút đọc1 min read

Hiệu hai trung bình là tham số μ1−μ2\mu_1-\mu_2 đo chênh lệch giữa trung bình của hai tổng thể định lượng độc lập. Ước lượng điểm là xˉ1−xˉ2\bar{x}_1-\bar{x}_2 từ hai mẫu ngẫu nhiên độc lập. Khi phương sai tổng thể chưa biết và không giả định bằng nhau, thủ tục t dùng bậc tự do Welch.

Tham số này dùng để lập khoảng tin cậy hoặc kiểm định giá trị giả thuyết, thường là 0. Dữ liệu ghép cặp phải chuyển thành một mẫu hiệu, không dùng thủ tục hai mẫu độc lập.

The difference of two means is the parameter μ1−μ2\mu_1-\mu_2, the gap between the means of two independent quantitative populations. Its point estimate is xˉ1−xˉ2\bar{x}_1-\bar{x}_2, computed from two independent random samples. When the population variances are unknown and not assumed equal, the t procedure uses Welch's degrees of freedom.

This parameter is the basis for a confidence interval or for testing a hypothesized value, usually 0. Paired data must first be reduced to a single sample of differences; the independent two-sample procedures do not apply.

Ký hiệuNotation
  • •μ1−μ2\mu_1-\mu_2
  • •ước lượng bởi xˉ1−xˉ2\bar{x}_1-\bar{x}_2
  • •μ1−μ2\mu_1-\mu_2
  • •estimated by xˉ1−xˉ2\bar{x}_1-\bar{x}_2
Công thức chi tiếtFormula details2 công thức2 formulas
(xˉ1−xˉ2)±t∗s12n1+s22n2\htmlClass{fp-0}{(\bar{x}_1-\bar{x}_2)} \pm \htmlClass{fp-1}{t^*} \htmlClass{fp-2}{\sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}}}
(xˉ1−xˉ2)±t∗s12n1+s22n2\htmlClass{fp-0}{(\bar{x}_1-\bar{x}_2)} \pm \htmlClass{fp-1}{t^*} \htmlClass{fp-2}{\sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}}}

Dùng để lập khoảng tin cậy cho hiệu hai trung bình tổng thể từ hai mẫu độc lập, không cần giả định phương sai bằng nhau.Used to build a confidence interval for the difference of two population means from two independent samples, with no assumption that the variances are equal.

Trong đóWhere

xˉ1,xˉ2\bar{x}_1, \bar{x}_2trung bình của mẫu thứ nhất và thứ haimean of the first sample and mean of the second samples1,s2s_1, s_2độ lệch chuẩn của hai mẫustandard deviations of the two samplesn1,n2n_1, n_2cỡ mẫu của hai nhómsample sizes of the two groupst∗t^*giá trị tới hạn ứng với độ tin cậy đã chọncritical value for the chosen confidence level
t=(xˉ1−xˉ2)−(μ1−μ2)0s12n1+s22n2t=\frac{\htmlClass{fp-0}{(\bar{x}_1-\bar{x}_2)-(\mu_1-\mu_2)_0}}{\htmlClass{fp-1}{\sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}}}}
t=(xˉ1−xˉ2)−(μ1−μ2)0s12n1+s22n2t=\frac{\htmlClass{fp-0}{(\bar{x}_1-\bar{x}_2)-(\mu_1-\mu_2)_0}}{\htmlClass{fp-1}{\sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}}}}

Dùng để kiểm định giá trị giả thuyết của hiệu hai trung bình tổng thể từ hai mẫu độc lập bằng phân phối t.Used to test a hypothesized value of the difference of two population means from two independent samples, using the t distribution.

Trong đóWhere

(μ1−μ2)0(\mu_1-\mu_2)_0giá trị hiệu hai trung bình tổng thể theo giả thuyết gốc, thường bằng 0difference in population means under the null hypothesis, usually 0
Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Cộng hai phương sai, không cộng thẳng độ lệch chuẩn.

Với hai mẫu độc lập, sai số chuẩn ước lượng lấy căn của tổng hai phương sai trung bình mẫu. Bậc tự do không mặc định là n1+n2−2n_1+n_2-2; giá trị này thuộc thủ tục gộp phương sai, còn thủ tục không gộp dùng xấp xỉ Welch.

Dữ liệu ghép cặp không phải hai mẫu độc lập.

Hãy lập hiệu trong từng cặp rồi suy luận về một trung bình hiệu; dùng thủ tục hai mẫu sẽ vi phạm giả định độc lập.

Khoảng tin cậy chứa 0 không chứng minh hai trung bình bằng nhau.

Trong suy luận về hiệu hai trung bình, điều đó chỉ cho thấy chưa đủ bằng chứng về khác biệt; nếu toàn khoảng ở một phía của 0, có thể xác định chiều chênh lệch.

Add the two variances, never the two standard deviations.

For two independent samples, the estimated standard error is the square root of the sum of the two sample-mean variances. The degrees of freedom are not automatically n1+n2−2n_1+n_2-2: that value belongs to the pooled-variance procedure, while the unpooled procedure uses the Welch approximation.

Paired data are not two independent samples.

Take the difference within each pair and make an inference about a single mean difference; using a two-sample procedure violates the independence assumption.

A confidence interval containing 0 does not prove the two means are equal.

For a difference of two means, it shows only that the evidence of a difference is insufficient; if the whole interval lies on one side of 0, you can state the direction of the gap.

Mẹo phòng thiExam tips2 mẹo2 tips

Xác định hai tổng thể và thứ tự trừ trước khi tính.

Nêu μ1\mu_1, μ2\mu_2 theo ngữ cảnh và đơn vị; mọi giả thuyết, dấu kết quả và kết luận phải nhất quán với thứ tự đó.

Kiểm tra điều kiện riêng cho từng mẫu.

Nêu cách chọn mẫu hoặc phân nhóm, rồi đánh giá riêng cỡ mẫu và hình dạng phân bố của từng nhóm; với mẫu nhỏ, kiểm tra độ lệch và ngoại lai.

Identify the two populations and the order of subtraction before computing.

Define μ1\mu_1 and μ2\mu_2 in context with units, and keep the hypotheses, the sign of the result, and the conclusion consistent with that order.

Check the conditions separately for each sample.

Describe how the samples were selected or the groups formed, then assess each group's sample size and distribution shape on its own; for small samples, look at skewness and outliers.

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

1925Ronald A. Fisher

Khái niệm đáp ứng nhu cầu so sánh hai tổng thể; năm 1925, Ronald A. Fisher giới thiệu ANOVA để mở rộng câu hỏi sang nhiều nhóm.
The idea arose from the need to compare two populations; in 1925, Ronald A. Fisher introduced ANOVA, extending the question to several groups at once.

Vì sao mang đúng cái tên này? Tên gọi mô tả đúng thứ được đem ra tính: người ta không so sánh hai số trung bình bằng lời mà lấy chúng trừ nhau, tạo ra một đại lượng mới là μ1−μ2\mu_1-\mu_2. Chính vì vậy giả thuyết không được viết thành H0:μ1−μ2=0H_0:\mu_1-\mu_2=0 thay vì H0:μ1=μ2H_0:\mu_1=\mu_2 — hai cách viết tương đương, nhưng cách sau làm lộ ra rằng đối tượng suy luận thực sự là một hiệu số. Nhờ đó mọi công cụ dành cho một tham số đơn lẻ đều dùng lại được, kể cả sai số chuẩn (standard error) của hiệu, lấy từ lý thuyết xác suất: SExˉ1−xˉ2=s12n1+s22n2SE_{\bar{x}_1-\bar{x}_2}=\sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}} Công thức này nói rằng độ dao động của hiệu hai trung bình mẫu được gộp từ độ dao động của từng trung bình mẫu, cộng theo bình phương chứ không cộng thẳng. Còn chữ "thống kê" trong tên ngành thì có gốc từ tiếng Latin "status", nghĩa là "nhà nước" — dấu vết của thời mà dữ liệu chủ yếu phục vụ việc cai trị.

Ví dụ có lời giảiWorked example3 phút đọc3 min read
Một nhà nghiên cứu muốn so sánh thời gian vận động mỗi ngày của học sinh hai trường trung học trong cùng một thành phố. Ông chọn ngẫu nhiên độc lập 40 học sinh trường A và 35 học sinh trường B, rồi ghi lại số phút vận động trung bình mỗi ngày trong một tuần. Mẫu trường A cho trung bình xˉA=27,4\bar{x}_A = 27{,}4 phút với độ lệch chuẩn sA=5,2s_A = 5{,}2 phút; mẫu trường B cho xˉB=24,1\bar{x}_B = 24{,}1 phút với sB=4,6s_B = 4{,}6 phút. Mỗi trường có hơn 1200 học sinh, và đồ thị hộp của hai mẫu đều không cho thấy giá trị ngoại lai (outlier) hay độ lệch mạnh nào.
  1. aHãy kiểm tra các điều kiện và lập khoảng tin cậy 95% cho hiệu hai trung bình μA−μB\mu_A - \mu_B.
  2. bDựa trên khoảng tin cậy vừa lập, có bằng chứng thuyết phục cho rằng học sinh trường A vận động nhiều hơn học sinh trường B hay không? Giải thích.
1Bước 1: Xác định tham số và thủ tục. Gọi μA\mu_A và μB\mu_B lần lượt là thời gian vận động trung bình mỗi ngày của toàn bộ học sinh trường A và trường B; đại lượng cần ước lượng là hiệu hai trung bình μA−μB\mu_A - \mu_B. Vì hai mẫu lấy độc lập và ta chỉ biết độ lệch chuẩn của mẫu chứ không biết của tổng thể, thủ tục phù hợp là khoảng tin cậy hai mẫu t (two-sample t-interval). Cần nói rõ đây là hiệu "A trừ B" để dấu của kết quả có ý nghĩa.
2Bước 2: Kiểm tra ba điều kiện. Thứ nhất, hai mẫu được chọn ngẫu nhiên và độc lập với nhau, nên chênh lệch quan sát được không bị một nhóm học sinh chung nào làm nhiễu. Thứ hai, điều kiện 10% được thỏa vì 40<0,1×120040 < 0{,}1 \times 1200 và 35<0,1×120035 < 0{,}1 \times 1200, nên việc lấy mẫu không hoàn lại vẫn coi như độc lập. Thứ ba, cả hai cỡ mẫu đều lớn (nA=40≥30n_A = 40 \ge 30, nB=35≥30n_B = 35 \ge 30) nên định lý giới hạn trung tâm (central limit theorem) bảo đảm phân bố mẫu của hiệu hai trung bình xấp xỉ chuẩn; đồ thị hộp không có giá trị ngoại lai càng củng cố điều này.
3Bước 3: Tính ước lượng điểm và sai số chuẩn. Ước lượng điểm là xˉA−xˉB=27,4−24,1=3,3\bar{x}_A - \bar{x}_B = 27{,}4 - 24{,}1 = 3{,}3 phút. Sai số chuẩn của hiệu được tính bằng cách cộng hai phương sai đã chia cho cỡ mẫu rồi lấy căn: SE=sA2nA+sB2nB=5,2240+4,6235=0,6760+0,6046=1,2806≈1,1316.SE = \sqrt{\frac{s_A^2}{n_A} + \frac{s_B^2}{n_B}} = \sqrt{\frac{5{,}2^2}{40} + \frac{4{,}6^2}{35}} = \sqrt{0{,}6760 + 0{,}6046} = \sqrt{1{,}2806} \approx 1{,}1316. Con số 1,13161{,}1316 cho biết hiệu hai trung bình mẫu thường dao động khoảng 1,13 phút quanh hiệu thật khi ta lặp lại việc lấy mẫu.
4Bước 4: Tìm giá trị tới hạn và biên sai số. Phần mềm máy tính (2-SampTInt) cho bậc tự do (degrees of freedom) df≈72,99df \approx 72{,}99, ứng với độ tin cậy 95% thì t∗≈1,993t^* \approx 1{,}993. Biên sai số là t∗⋅SE=1,993×1,1316≈2,255t^* \cdot SE = 1{,}993 \times 1{,}1316 \approx 2{,}255 phút. Nếu dùng cách bảo thủ df=min⁡(nA,nB)−1=34df = \min(n_A, n_B) - 1 = 34 thì t∗≈2,032t^* \approx 2{,}032 và biên sai số nhích lên khoảng 2,30 phút, kết luận vẫn không đổi.
5Bước 5: Ráp khoảng tin cậy. Lấy ước lượng điểm cộng trừ biên sai số: 3,3±2,2553{,}3 \pm 2{,}255, tức khoảng (1,04; 5,56)(1{,}04;\ 5{,}56). Diễn giải trong ngữ cảnh: ta tin cậy 95% rằng hiệu thật giữa thời gian vận động trung bình mỗi ngày của học sinh trường A và trường B (A trừ B) nằm trong khoảng từ 1,04 đến 5,56 phút.
6Bước 6: Trả lời ý (b). Toàn bộ khoảng (1,04; 5,56)(1{,}04;\ 5{,}56) đều lớn hơn 0, nghĩa là mọi giá trị hợp lý của μA−μB\mu_A - \mu_B đều dương. Do đó có bằng chứng thuyết phục rằng học sinh trường A vận động nhiều hơn. Tuy nhiên chênh lệch có thể chỉ khoảng một phút mỗi ngày, nên tuy có ý nghĩa thống kê, khác biệt này chưa chắc đã đáng kể về mặt thực tiễn.

Với độ tin cậy 95%, hiệu thật giữa thời gian vận động trung bình mỗi ngày của học sinh trường A và trường B nằm trong khoảng từ 1,04 đến 5,56 phút. Vì cả khoảng này nằm bên phải số 0, dữ liệu cung cấp bằng chứng thuyết phục cho thấy học sinh trường A vận động nhiều hơn học sinh trường B.

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 termPhân phối mẫu của hiệu hai trung bình mẫuSuy luận cho trung bình (dữ liệu định lượng), khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termDựng khoảng tin cậy cho hiệu hai trung bìnhSuy luận cho trung bình (dữ liệu định lượng), khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termThực hiện kiểm định cho hiệu hai trung bìnhSuy 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 differHiệu hai trung bình so sánh hai biến định lượng và dùng phân phối t. Hiệu hai tỉ lệ so sánh hai biến phân loại và dùng phân phối z.
Hay nhầm khiMixed up whenĐề cho dữ liệu đếm số người trả lời "có" mà thí sinh vẫn chọn quy trình t hai mẫu.
Khác nhau ở đâuHow they differHiệu hai trung bình dùng cho hai nhóm đối tượng tách rời nhau. Cặp đôi ghép từng đối tượng rồi phân tích trung bình của các hiệu số.
Hay nhầm khiMixed up whenĐề đo cùng một người trước và sau xử lý nhưng thí sinh lại chạy quy trình hai mẫu độc lập.

Nguồn tham khảoReferences

  1. [1]Barron_AP_Stat_2026. tr. 14, 399.

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