Đang tải bài học…

AP Statistics

khoảng tin cậy

confidence interval

Khoảng tin cậy (confidence interval) là khoảng giá trị tính từ dữ liệu mẫu để ước lượng tham số tổng thể, kèm mức tin cậy cho trước như 95%.

Khi chỉ có dữ liệu từ một mẫu, ta không thể biết chính xác tham số của tổng thể như tỉ lệ $p$ hay trung bình $\mu$ . Một con số ước lượng duy nhất, gọi là ước lượng điểm (point estimate), gần như chắc chắn sẽ lệch ít nhiều so với giá trị thật. Vì vậy, thay vì đưa ra một con số, ta đưa ra cả một khoảng giá trị kèm theo mức độ tin tưởng vào phương pháp tạo ra khoảng đó. Khoảng ấy chính là khoảng tin cậy.

Mọi khoảng tin cậy trong chương trình đều có cùng một cấu trúc:

$\hat{\theta} \pm z^* \cdot SE$

Trong đó $\hat{\theta}$ là ước lượng điểm tính từ mẫu (như $\hat{p}$ hoặc $\bar{x}$ ), $z^*$ là giá trị tới hạn (critical value) ứng với mức tin cậy đã chọn (với trung bình thì thay bằng $t^*$ ), còn $SE$ là sai số chuẩn (standard error) của ước lượng. Tích $z^* \cdot SE$ được gọi là biên sai số (margin of error); nó cho biết khoảng trải rộng bao nhiêu về mỗi phía của ước lượng điểm. Do đó, mức tin cậy càng cao hoặc mẫu càng nhỏ thì khoảng càng rộng; ngược lại, tăng cỡ mẫu sẽ thu hẹp khoảng mà không phải hạ mức tin cậy.

Điểm dễ mất điểm nhất trong bài thi là cách diễn giải. Mức tin cậy 95% không có nghĩa là "xác suất tham số nằm trong khoảng này là 95%", vì tham số là một hằng số cố định chứ không ngẫu nhiên. Ý nghĩa đúng là: nếu lặp lại quy trình lấy mẫu và tính khoảng rất nhiều lần, thì khoảng 95% số khoảng tạo ra sẽ chứa tham số thật. Nói cách khác, độ tin cậy thuộc về phương pháp, không thuộc về một khoảng cụ thể. Tuy nhiên, trước khi tính bất kỳ khoảng nào, ta phải kiểm tra và xác nhận đủ ba điều kiện: mẫu được chọn ngẫu nhiên, cỡ mẫu không vượt quá 10% tổng thể, và phân phối mẫu xấp xỉ chuẩn — chỉ liệt kê suông mà không chứng minh sẽ bị trừ điểm.

Ký hiệu

• $\hat{p} \pm z^*\sqrt{\hat{p}(1-\hat{p})/n}$
• $\bar{x} \pm t^* \cdot s/\sqrt{n}$
•CI 90%, 95%, 99%

Trực giác: Giống như quăng vòng vào cọc: cọc (tham số) đứng yên một chỗ, còn mỗi lần quăng vòng (mỗi khoảng) có thể trúng hoặc trượt — nói "tin cậy 95%" là nói kỹ thuật quăng của bạn trúng cọc 95% số lần.

Công thức

\htmlClass{fp-0}{\hat{p}} \pm \htmlClass{fp-1}{z^*} \htmlClass{fp-2}{\sqrt{\frac{\htmlClass{fp-0}{\hat{p}}(1-\htmlClass{fp-0}{\hat{p}})}{n}}}

Dùng khi ước lượng tỉ lệ tổng thể từ một mẫu ngẫu nhiên, với điều kiện: lấy mẫu ngẫu nhiên, cỡ mẫu không vượt 10% tổng thể, và $n\hat{p} \geq 10$ , $n(1-\hat{p}) \geq 10$ .

Trong đó

\hat{p}

tỉ lệ mẫu (tỉ lệ quan sát được trong mẫu)

z^*

giá trị tới hạn của phân phối chuẩn tương ứng với mức tin cậy đã chọn

n

cỡ mẫu

\htmlClass{fp-0}{\bar{x}} \pm \htmlClass{fp-1}{t^*} \htmlClass{fp-2}{\frac{s}{\sqrt{n}}}

Khái niệm này sinh ra từ đâu

đầu thập niên 1930Jerzy NeymanEgon Pearson

Khoảng tin cậy do nhà thống kê gốc Ba Lan Jerzy Neyman xây dựng trong đầu thập niên 1930, cùng với đóng góp của Egon Pearson, nhằm đo lường mức độ không chắc chắn của một ước lượng rút ra từ mẫu.

Trước khi có khoảng tin cậy, người làm thống kê muốn nói điều gì đó về tổng thể thì chủ yếu dựa vào kiểm định giả thuyết (hypothesis testing): chấp nhận hay bác bỏ một khẳng định, chỉ vậy thôi. Nhưng câu trả lời có–không ấy không cho biết tham số tổng thể (population parameter) nằm ở đâu và ước lượng của ta chính xác đến mức nào. Từ thập niên 1920 đã có những cách tính khoảng cho tỉ lệ, rồi đến đầu thập niên 1930 Neyman và Pearson đưa ra ý tưởng tổng quát, và năm 1937 Neyman công bố trình bày đầy đủ đầu tiên. Phải khoảng năm mươi năm sau, khi các tạp chí y khoa bắt đầu bắt buộc báo cáo khoảng tin cậy, công cụ này mới lan rộng ra ngoài giới thống kê.

Thử nghiệm tương tác

Rút thêm mẫu — đếm xem bao nhiêu đoạn bắt trúng vạch giá trị thật

Hay hiểu sai

Nói "có 95% xác suất trung bình tổng thể nằm trong (12.2, 14.6)" là sai.

Khoảng tin cậy ước lượng tham số của tổng thể, không mô tả từng cá thể.

Khoảng cho hiệu số mà chứa 0 thì chưa đủ bằng chứng kết luận hai tổng thể khác nhau.

Thấy giá trị ngoại lai (outliers) trong biểu đồ hộp không có nghĩa là điều kiện bị vi phạm.

Ví dụ có lời giải

1Ví dụ 1/2

Một cuộc khảo sát chọn ngẫu nhiên 83 cư dân của một thị trấn có khoảng 12 000 người trưởng thành và hỏi họ có ủng hộ đề án tu sửa các cây cầu đã xuống cấp hay không. Kết quả cho thấy 39 người trả lời ủng hộ đề án. Ban quản lý thị trấn muốn ước lượng tỉ lệ toàn bộ cư dân ủng hộ đề án này.

aKiểm tra các điều kiện cần thiết rồi xây dựng khoảng tin cậy 95% cho tỉ lệ cư dân ủng hộ đề án.
bDiễn giải khoảng tin cậy vừa tìm được trong ngữ cảnh của bài toán.
cMột cư dân phát biểu: "Có 95% khả năng tỉ lệ ủng hộ của mẫu 83 người này nằm trong khoảng vừa tính." Hãy giải thích vì sao phát biểu đó sai.

Bạn nắm chắc chưa?

Quiz câu thật từ ngân hàng đề

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.

Tạo tài khoản miễn phí

Học tiếp từ đây

Bài học chứa thuật ngữ nàySuy luận cho tỉ lệ (dữ liệu phân loại) · bài “Khoảng tin cậy cho tỉ lệ tổng thể” — khoá AP Statistics

Cần trướcđộ tin cậy sai số biên

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

ước lượng điểm (point estimate)point estimate

Khác nhau ở đâuƯớc lượng điểm cho một giá trị duy nhất, còn khoảng tin cậy cho một dải giá trị có xác suất bao phủ tham số thật

Hay nhầm khiđề hỏi 'construct a 95% confidence interval' nhưng thí sinh chỉ tính và báo một con số mà không mở rộng thành khoảng

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 13–14, 24.

Dùng khi ước lượng trung bình tổng thể mà độ lệch chuẩn (standard deviation) tổng thể chưa biết, với điều kiện: lấy mẫu ngẫu nhiên, cỡ mẫu không vượt 10% tổng thể, và phân phối tổng thể gần chuẩn hoặc $n \geq 30$ theo định lý giới hạn trung tâm (central limit theorem).

Trong đó

\bar{x}

trung bình mẫu

t^*

giá trị tới hạn của phân phối t với bậc tự do n − 1

s

độ lệch chuẩn mẫu

n

cỡ mẫu

Vì sao mang đúng cái tên này? Chữ "tin cậy" nghe như thể ta tin vào một khoảng cụ thể đã tính ra, nhưng ý gốc của Neyman thì khác. Cách tính khoảng dựa trên một quy tắc cố định, và quy tắc ấy bảo đảm rằng nếu lặp lại việc lấy mẫu rất nhiều lần thì một tỉ lệ xác định các khoảng sinh ra sẽ chứa giá trị thật của tham số. Do đó, mức tin cậy (confidence level) — thường là 95% — là lời cam kết về độ tin cậy của phương pháp qua nhiều lần lặp, chứ không phải xác suất cho riêng một khoảng đã có trong tay. Chính vì sự tinh tế này mà khoảng tin cậy hay bị hiểu sai, ngay cả trong giới nghiên cứu. Về mặt cấu tạo thì tên gọi rất sát nghĩa: lấy thống kê mẫu cộng và trừ đi biên sai số (margin of error) để được cận trên và cận dưới, tạo thành một khoảng thay cho một con số đơn lẻ.

Rút thêm mẫu — đếm xem bao nhiêu đoạn bắt trúng vạch giá trị thật

Kéo tham số, thấy khái niệm chuyển động — mở khoá bằng tài khoản 0đ.

Tạo tài khoản miễn phí

Mẹo phòng thi

Câu diễn giải phải có đủ ba thành phần: mức tin cậy, hai đầu mút, và tham số trong ngữ cảnh.

Luôn viết ra tên thủ tục và kiểm tra điều kiện trước khi bấm máy.

Khi đề hỏi cách thu hẹp khoảng, chỉ có hai đòn bẩy là $n$ và mức tin cậy.

Tần suất trong đề AP StatisticsThường xuyên

Bước 1: Trước khi tính bất cứ con số nào, ta phải xác nhận ba điều kiện suy luận cho tỉ lệ. Mẫu được chọn ngẫu nhiên nên điều kiện ngẫu nhiên hóa (randomization condition) thỏa mãn; cỡ mẫu

83

nhỏ hơn

10\%

của

12\,000

dân nên các quan sát coi như độc lập; cuối cùng, số thành công và số thất bại đều đủ lớn vì

n\hat{p}=39\ge 10

và

n(1-\hat{p})=44\ge 10

. Nhờ đó phân phối mẫu của tỉ lệ mẫu (sample proportion) xấp xỉ chuẩn và ta được phép dùng thủ tục

z

một mẫu. Lưu ý rằng chỉ liệt kê tên điều kiện mà không kèm con số kiểm chứng thì bài làm vẫn bị trừ điểm.

2Bước 2: Ước lượng điểm là tỉ lệ ủng hộ trong mẫu:

\hat{p}=\dfrac{39}{83}\approx 0{,}4699

. Sai số chuẩn của ước lượng này bằng

SE=\sqrt{\frac{\hat{p}(1-\hat{p})}{n}}=\sqrt{\frac{0{,}4699\cdot 0{,}5301}{83}}\approx 0{,}0548.

Con số

0{,}0548

cho biết các tỉ lệ mẫu từ những mẫu 83 người khác nhau dao động quanh tỉ lệ thật khoảng chừng 5,5 điểm phần trăm.

3Bước 3: Với mức tin cậy (confidence level)

95\%

, giá trị tới hạn là

z^{*}=1{,}96

, do đó biên sai số (margin of error) bằng

1{,}96\times 0{,}0548\approx 0{,}1074

. Lấy ước lượng điểm cộng trừ biên sai số, ta được

0{,}4699\pm 0{,}1074 \Rightarrow (0{,}363\,;\,0{,}577).

Khoảng này rộng khoảng

21

điểm phần trăm, phản ánh việc cỡ mẫu 83 còn khá khiêm tốn so với quy mô thị trấn.

4Bước 4: Câu diễn giải chuẩn cho ý (b) phải nhắc tới tham số của tổng thể chứ không phải mẫu: ta tin cậy

95\%

rằng tỉ lệ tất cả cư dân của thị trấn ủng hộ đề án tu sửa cầu nằm trong khoảng từ

0{,}363

đến

0{,}577

. Cụm "tin cậy 95%" ở đây mô tả độ tin cậy của phương pháp: nếu lặp lại việc lấy mẫu 83 người rất nhiều lần và mỗi lần dựng một khoảng theo đúng cách trên, khoảng

95\%

số khoảng thu được sẽ chứa tỉ lệ thật. Vì vậy nói "khoảng chứa 95% cư dân" hay "95% mẫu có tỉ lệ trong khoảng" đều lệch nghĩa.

5Bước 5: Phát biểu ở ý (c) sai vì nó gán độ không chắc chắn cho tỉ lệ mẫu, trong khi tỉ lệ mẫu đã biết chắc chắn và bằng

0{,}4699

— nó luôn nằm ở đúng tâm của khoảng, không cần xác suất nào cả. Đại lượng chưa biết và cần ước lượng là tỉ lệ của tổng thể (population proportion), và chính nó mới là thứ mà khoảng tin cậy nhắm tới. Ngoài ra, khi khoảng đã được tính xong thì tỉ lệ thật hoặc nằm trong đó hoặc không, nên ta nói về độ tin cậy của quy trình chứ không nói xác suất cho một khoảng cụ thể.

Các điều kiện đều thỏa mãn, và khoảng tin cậy $95\%$ cho tỉ lệ cư dân ủng hộ đề án là $(0{,}363\,;\,0{,}577)$ . Ta tin cậy $95\%$ rằng tỉ lệ tất cả cư dân thị trấn ủng hộ việc tu sửa cầu nằm giữa $36{,}3\%$ và $57{,}7\%$ . Vì khoảng này chứa cả $0{,}5$ , dữ liệu chưa đủ để khẳng định đa số cư dân ủng hộ đề án. Phát biểu của người dân trong ý (c) sai vì nó nói về tỉ lệ của mẫu, vốn đã biết là $0{,}4699$ , thay vì nói về tỉ lệ chưa biết của tổng thể.

2Ví dụ 2/2

Từ một mẫu ngẫu nhiên các con voi bụi rậm châu Phi, các nhà sinh học tính được khoảng tin cậy

95\%

cho khối lượng trung bình của loài voi này là

(12{,}2\,;\,14{,}6)

, đơn vị là nghìn pound. Bốn thành viên trong nhóm nghiên cứu đưa ra bốn cách hiểu khác nhau về kết quả đó.

aXác định ước lượng điểm và biên sai số của khoảng tin cậy này.
bViết một câu diễn giải đúng cho khoảng $(12{,}2\,;\,14{,}6)$ .
cChỉ ra chỗ sai trong hai phát biểu: "95% số voi bụi rậm châu Phi có khối lượng từ 12,2 đến 14,6 nghìn pound" và "95% số voi trong mẫu có khối lượng nằm trong khoảng này".

1Bước 1: Mọi khoảng tin cậy đều có dạng ước lượng điểm cộng trừ biên sai số, nên tâm của khoảng chính là trung bình mẫu:

\bar{x}=\dfrac{12{,}2+14{,}6}{2}=13{,}4

nghìn pound. Nửa độ rộng của khoảng cho biên sai số:

ME=\dfrac{14{,}6-12{,}2}{2}=1{,}2

nghìn pound. Như vậy kết quả có thể viết gọn thành

13{,}4\pm 1{,}2

2Bước 2: Đối tượng mà khoảng tin cậy ước lượng luôn là một tham số của tổng thể, ở đây là khối lượng trung bình

\mu

của toàn bộ voi bụi rậm châu Phi chứ không phải khối lượng của một con voi riêng lẻ. Do đó câu diễn giải đúng phải là: ta tin cậy

95\%

rằng khối lượng trung bình của tất cả voi bụi rậm châu Phi nằm trong khoảng từ

12{,}2

đến

14{,}6

nghìn pound. Một câu diễn giải đầy đủ cần có ba thành phần: mức tin cậy, tham số được mô tả kèm ngữ cảnh, và hai đầu mút của khoảng.

3Bước 3: Phát biểu thứ nhất trong ý (c) nhầm trung bình với cá thể: khoảng tin cậy không nói gì về việc từng con voi nặng bao nhiêu, mà chỉ nói về giá trị trung bình của cả loài. Trên thực tế khối lượng từng con voi phân tán rộng hơn nhiều so với độ rộng

2{,}4

nghìn pound của khoảng này, bởi vì độ lệch chuẩn (standard deviation) của trung bình mẫu nhỏ hơn độ lệch chuẩn của từng cá thể theo hệ số

\sqrt{n}

. Muốn dự đoán khối lượng của một con voi cụ thể, người ta cần một loại khoảng khác chứ không dùng khoảng tin cậy.

4Bước 4: Phát biểu thứ hai cũng sai theo cùng một kiểu, chỉ khác là nó chuyển từ tổng thể sang mẫu. Dữ liệu của mẫu đã nằm trong tay nhà nghiên cứu nên không còn gì bất định để gán xác suất; hơn nữa hoàn toàn có thể xảy ra chuyện không con voi nào trong mẫu có khối lượng rơi vào khoảng

(12{,}2\,;\,14{,}6)

mà khoảng ấy vẫn hợp lệ. Con số

95\%

chỉ mô tả tỉ lệ thành công về lâu dài của quy trình dựng khoảng khi lấy mẫu lặp đi lặp lại.

Ước lượng điểm là $\bar{x}=13{,}4$ nghìn pound và biên sai số là $1{,}2$ nghìn pound. Cách hiểu đúng là: ta tin cậy $95\%$ rằng khối lượng trung bình của tất cả voi bụi rậm châu Phi nằm giữa $12{,}2$ và $14{,}6$ nghìn pound. Hai phát biểu còn lại đều sai vì chúng mô tả khối lượng của từng con voi — trong tổng thể hoặc trong mẫu — trong khi khoảng tin cậy chỉ ước lượng giá trị trung bình chưa biết của tổng thể.

Mục tiêu và lộ trình unit xem miễn phí — làm bài tập và lưu tiến độ cần tài khoản 0đ.