AP Statistics

lấy mẫu ngẫu nhiên lặp lạirepeated random sampling

repeated random samplingVietnamese: lấy mẫu ngẫu nhiên lặp lại

Còn gọi:Also called: repeated random sampling

Định nghĩaIn short

Lấy mẫu ngẫu nhiên lặp lại là việc tưởng tượng rút nhiều mẫu ngẫu nhiên cùng cỡ từ một tổng thể để xem một thống kê mẫu biến thiên thế nào qua các lần rút.Repeated random sampling is the idea of imagining many random samples of the same size drawn from one population in order to see how a sample statistic varies from sample to sample.

Trực giác: Giống như tưởng tượng rút 1000 mẫu ngẫu nhiên, mỗi mẫu 50 người, rồi tính tỉ lệ ủng hộ trong từng mẫu — bạn sẽ thấy các tỉ lệ này không giống nhau mà dao động lên xuống quanh tỉ lệ thật của tổng thể, tạo thành một phân phối các giá trị.Intuition: Picture drawing 1000 random samples of 50 people each and computing the proportion who approve in every sample. The proportions would not all match; they would bounce up and down around the true population proportion, forming a distribution of values.

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Lấy mẫu ngẫu nhiên lặp lại là khung tưởng tượng trong đó nhiều mẫu ngẫu nhiên cùng cỡ được rút từ một tổng thể và một thống kê được tính cho mỗi mẫu. Tập hợp các giá trị tạo thành phân phối mẫu, có tâm và độ phân tán riêng. Với trung bình mẫu, μxˉ=μ\mu_{\bar{x}}=\mu và độ lệch chuẩn là σ/n\sigma/\sqrt{n}; cỡ mẫu lớn hơn làm độ phân tán nhỏ hơn. Đây là phân phối của thống kê qua nhiều mẫu, không phải phân phối dữ liệu trong một mẫu.

Repeated random sampling is an imagined framework in which many random samples of the same size are taken from a population and a statistic is computed for each sample. Together these values form a sampling distribution with its own center and spread. For the sample mean, μxˉ=μ\mu_{\bar{x}}=\mu and the standard deviation is σ/n\sigma/\sqrt{n}, so a larger sample size gives a smaller spread. This is the distribution of a statistic across many samples, not the distribution of the data within a single sample.

Ký hiệuNotation
x̄, p̂, μ, σ
x̄, p̂, μ, σ
Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Phân phối mẫu không phải phân phối dữ liệu trong một mẫu.

Mỗi lần lặp chỉ ghi một thống kê, như trung bình hoặc tỉ lệ mẫu; các thống kê qua nhiều mẫu mới tạo thành phân phối mẫu. Nhầm lẫn này dễ dẫn đến dùng độ lệch chuẩn thay cho sai số chuẩn.

Lặp nhiều lần hơn không làm phân phối mẫu hẹp lại.

Với cùng tổng thể, độ lệch chuẩn của trung bình mẫu là σ/n\sigma/\sqrt{n}. Thêm lần lặp chỉ làm mô phỏng mịn hơn và gần phân phối lý thuyết hơn.

Lặp lại không khắc phục cách chọn mẫu thiên lệch.

Nếu cách chọn mẫu bị thiên lệch, các thống kê vẫn tập trung quanh giá trị lệch khỏi tham số tổng thể. Lặp lại chỉ biểu diễn biến thiên ngẫu nhiên giữa các mẫu.

A sampling distribution is not the distribution of data within one sample.

Each repetition records just one statistic, such as a sample mean or proportion, and the statistics from many samples build the sampling distribution. Confusing the two leads students to use the standard deviation where the standard error belongs.

Running more repetitions does not make the sampling distribution narrower.

For a given population, the standard deviation of the sample mean is σ/n\sigma/\sqrt{n}. Extra repetitions only smooth the simulation and bring it closer to the theoretical distribution.

Repetition does not fix a biased sampling method.

If the method of selecting samples is biased, the statistics still cluster around a value shifted away from the population parameter. Repetition only displays the random variation from sample to sample.

Mẹo phòng thiExam tips2 mẹo2 tips

Mô tả mô phỏng nên nêu đủ bốn phần.

Nêu giả thiết được mô phỏng, thao tác trong một lần lặp, thống kê cần ghi và số lần lặp.

Phân biệt cỡ mẫu với số lần lặp.

Trong công thức sai số chuẩn của trung bình mẫu, nn là cỡ mỗi mẫu; số lần lặp chỉ quyết định số kết quả mô phỏng.

A simulation description should cover all four parts.

State the assumption being simulated, what happens in one repetition, the statistic you record, and the number of repetitions.

Keep sample size separate from the number of repetitions.

In the standard error formula for a sample mean, nn is the size of each sample; the number of repetitions only sets how many simulated results you get.

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

1895 – giữa thế kỷ 20Anders Nicolai KiærArthur Lyon BowleyRonald A. FisherJerzy NeymanStanisław Ulam

Năm 1906, Arthur Lyon Bowley đưa lấy mẫu ngẫu nhiên vào điều tra xã hội; về sau, Stanisław Ulam dùng việc lặp mẫu để tính kết quả số.
In 1906, Arthur Lyon Bowley introduced random sampling into social surveys; later, Stanisław Ulam used repeated sampling to compute numerical results.

Vì sao mang đúng cái tên này? Tên gọi mô tả đúng hai việc chồng lên nhau. Phần "ngẫu nhiên" đến từ truyền thống chọn mẫu ngẫu nhiên (random sampling) mà Bowley đưa vào điều tra xã hội năm 1906, trong đó mỗi phần tử được chọn một cách ngẫu nhiên và độc lập để kết luận không bị thiên lệch. Phần "lặp lại" được nhấn mạnh vì một mẫu đơn lẻ có thể không đại diện tốt cho tổng thể; lặp việc lấy mẫu rất nhiều lần sẽ làm biến thiên giảm đi và ước lượng tham số tổng thể sát hơn. Chính cơ chế lặp này là nền của kỹ thuật bootstrap và của mô phỏng Monte Carlo (Monte Carlo simulation), lớp thuật toán dùng tính ngẫu nhiên để giải những bài toán vốn tất định. Cũng nên nhớ bản thân chữ "thống kê" (statistics) là do Gottfried Achenwall đặt ra, rất lâu trước khi lý thuyết chọn mẫu thành hình.

Thử nghiệm tương tácInteractive explorer

Bấm rút từng mẫu — nhìn các chấm dồn lại thành gò quanh trung bình thật

Bấm rút từng mẫu — nhìn các chấm dồn lại thành gò quanh trung bình thật

Kéo tham số, thấy khái niệm chuyển động — đăng nhập để mở.Drag the parameters and watch the concept move — sign in to open.

Tạo tài khoảnCreate an account
Ví dụ có lời giảiWorked example2 phút đọc2 min read
Một khảo sát toàn quốc cho biết 34% người được hỏi trả lời "có" cho câu hỏi: "Nếu có thể, bạn có muốn sống mãi mãi không?". Chọn ngẫu nhiên 50 người và gọi LL là số người trong mẫu trả lời "có". Biến ngẫu nhiên (random variable) LL tuân theo phân phối nhị thức (binomial distribution) với μL=17\mu_L = 17 và σL=3.35\sigma_L = 3.35.
  1. aKiểm chứng lại hai con số μL=17\mu_L = 17 và σL=3.35\sigma_L = 3.35.
  2. bDiễn giải ý nghĩa của μL\mu_L theo ngôn ngữ lấy mẫu ngẫu nhiên lặp lại, và giải thích vì sao cách nói "mọi mẫu 50 người đều có 34% trả lời có" là sai.
  3. cDiễn giải ý nghĩa của σL\sigma_L trong cùng bối cảnh.
1Bước 1: Với phân phối nhị thức, kỳ vọng là μ=np\mu = np. Ở đây n=50n = 50 và p=0.34p = 0.34, nên μL=50×0.34=17\mu_L = 50 \times 0.34 = 17. Con số 17 vì vậy không phải là một quan sát cụ thể nào cả, mà là giá trị trung tâm mà cả họ vô số mẫu 50 người xoay quanh.
2Bước 2: Độ lệch chuẩn (standard deviation) của phân phối nhị thức là σ=np(1−p)\sigma = \sqrt{np(1-p)}. Thay số: 50×0.34×0.66=11.22≈3.35\sqrt{50 \times 0.34 \times 0.66} = \sqrt{11.22} \approx 3.35. Như vậy cả hai tham số đề cho đều đúng, và 3.353.35 đo mức dao động điển hình của LL quanh mốc 1717.
3Bước 3: Bây giờ mới đến phần quan trọng nhất là cách nói. Hãy tưởng tượng ta không chỉ lấy một mẫu, mà lấy đi lấy lại rất nhiều mẫu ngẫu nhiên, mỗi mẫu gồm 50 người, rồi ghi lại số người trả lời "có" của từng mẫu. Khi đó cách diễn giải đúng là: trong việc lấy mẫu ngẫu nhiên lặp lại 50 người, số người trả lời "có" trung bình là 17 người. Cụm "in repeated random sampling" chính là tín hiệu mà đề AP muốn thấy, vì nó gắn giá trị kỳ vọng với hành vi dài hạn chứ không với một mẫu lẻ.
4Bước 4: Cách nói "mọi mẫu 50 người đều có 34% trả lời có" sai vì nó xóa sạch biến thiên mẫu (sampling variability). Một mẫu cụ thể hoàn toàn có thể cho 13, 15, 19 hay 22 người trả lời "có"; chính vì các mẫu khác nhau nên LL mới là biến ngẫu nhiên và mới cần đến độ lệch chuẩn. Ngược lại, nếu mẫu nào cũng ra đúng 17 thì σL\sigma_L đã phải bằng 0.
5Bước 5: Với σL=3.35\sigma_L = 3.35, cách diễn giải chuẩn là: trong việc lấy mẫu ngẫu nhiên lặp lại 50 người, số người trả lời "có" lệch khỏi mốc 17 trung bình khoảng 3.35 người. Do đó μL\mu_L trả lời câu hỏi "trung tâm ở đâu", còn σL\sigma_L trả lời câu hỏi "các mẫu tản ra rộng chừng nào".

Hai tham số đề cho là chính xác: μL=50(0.34)=17\mu_L = 50(0.34) = 17 và σL=50(0.34)(0.66)≈3.35\sigma_L = \sqrt{50(0.34)(0.66)} \approx 3.35. Khi lấy mẫu ngẫu nhiên lặp lại các mẫu gồm 50 người, số người trả lời "có" trung bình là 17 người, và số đó dao động quanh 17 với độ lệch điển hình khoảng 3.35 người. Không thể khẳng định mẫu nào cũng cho đúng 34% trả lời "có", vì mỗi mẫu là một kết quả ngẫu nhiên khác nhau.

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 trung bình mẫuSuy luận cho trung bình (dữ liệu định lượng), khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termPhân phối mẫu của tỉ lệ mẫuSuy luận cho tỉ lệ (dữ liệu phân loại), khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termPhân phối mẫu và định lý giới hạn trung tâmXác suất, biến ngẫu nhiên & phân phối xác suất, 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 differLấy mẫu ngẫu nhiên lặp lại là rút nhiều mẫu khác nhau từ cùng một tổng thể để xem thống kê dao động ra sao. Lặp lại là dùng nhiều đơn vị thí nghiệm cho mỗi xử lý trong một thí nghiệm duy nhất.
Hay nhầm khiMixed up whenCâu hỏi về thiết kế thí nghiệm yêu cầu giải thích vì sao cần nhiều đối tượng mỗi nhóm, thí sinh lại trả lời bằng ý tưởng phân phối mẫu.
Khác nhau ở đâuHow they differLấy mẫu ngẫu nhiên lặp lại nói về việc rút đi rút lại nhiều mẫu để xây dựng phân phối mẫu. Chọn mẫu không hoàn lại nói về cách rút từng cá thể bên trong một mẫu duy nhất.
Hay nhầm khiMixed up whenKhi đề nhắc chữ "lặp lại", thí sinh tưởng là hoàn lại cá thể và đi kiểm tra điều kiện 10% thay vì mô tả phân phối mẫu.

Cùng chủ đềSame topic

Nguồn tham khảoReferences

  1. [1]Barron_AP_Stat_2026. tr. 296, 301.

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