AP Statistics

quan sát có ảnh hưởnginfluential observation

influential observationVietnamese: quan sát có ảnh hưởng

Quan sát có ảnh hưởng (influential observation) là điểm dữ liệu mà khi loại bỏ sẽ làm thay đổi rõ rệt hệ số góc hoặc vị trí của đường hồi quy.An influential observation is a data point whose removal noticeably changes the slope or position of the regression line.

Trực giác: Giống như một người nặng 120 kg ngồi lên một đầu của chiếc bập bênh, chỉ cần người đó đứng dậy là tấm ván nghiêng hẳn sang hướng khác — vị trí và độ nghiêng thay đổi rõ rệt so với khi họ còn ngồi.Intuition: Think of a 120 kg person sitting on one end of a seesaw: the moment they stand up, the plank tips the other way, so its position and tilt look completely different from before.

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Trong hồi quy tuyến tính, quan sát có ảnh hưởng là điểm dữ liệu khiến đường hồi quy bình phương tối thiểu đổi rõ rệt khi bị loại, thể hiện ở hệ số góc hoặc hệ số chặn. Điểm này thường có giá trị $x$ xa trung tâm nên đòn bẩy $h_{ii}$ cao.

Khoảng cách Cook kết hợp phần dư và đòn bẩy để nhận diện điểm cần xem xét; các ngưỡng thường dùng là $D_i>1$ hoặc $D_i>4/n$ , với $n$ là cỡ mẫu. Đòn bẩy cao hay giá trị ngoại lai chưa tự động đồng nghĩa với ảnh hưởng lớn.

In linear regression, an influential observation is a data point that, when removed, noticeably changes the least-squares regression line — either its slope or its intercept. Such a point usually has an $x$ value far from the center of the data, giving it high leverage $h_{ii}$ .

Cook's distance combines a point's residual with its leverage to flag observations worth examining; common cutoffs are $D_i>1$ or $D_i>4/n$ , where $n$ is the sample size. High leverage or outlier status alone does not automatically mean a point is influential.

Ký hiệuNotation

D_i

(khoảng cách Cook),

h_{ii}

(đòn bẩy)

D_i

(Cook's distance),

h_{ii}

(leverage)

Hay hiểu saiCommon misconceptions3 ý · 1 phút đọc3 points · 1 min read

Giá trị ngoại lai không đồng nghĩa với quan sát có ảnh hưởng.

Điểm lệch xa theo trục đứng có thể có phần dư lớn nhưng ít làm đường hồi quy đổi. Điểm xa theo trục ngang có đòn bẩy cao, nhưng vẫn phải đánh giá mức ảnh hưởng.

Phần dư nhỏ không chứng minh một điểm vô hại.

Quan sát có ảnh hưởng có thể kéo đường hồi quy về phía mình nên nằm sát đường sau khi khớp. Hãy xem cả biểu đồ tán xạ và đòn bẩy, không chỉ biểu đồ phần dư.

Không được xóa điểm chỉ vì nó làm mô hình xấu đi.

Việc loại cần lý do thực tế và được biện minh rõ ràng. Nếu điểm là dữ liệu thật, hãy báo cáo kết quả có và không có điểm cùng mức chênh lệch.

An outlier is not the same thing as an influential observation.

A point far off vertically can have a large residual yet barely move the regression line. A point far off horizontally has high leverage, but its actual influence still has to be checked.

A small residual does not prove a point is harmless.

An influential observation can pull the regression line toward itself, so it ends up lying close to the fitted line. Look at the scatterplot and the leverage, not just the residual plot.

Never delete a point simply because it makes the model look worse.

Removal requires a genuine, clearly justified reason. If the point is real data, report the results with and without it, along with how much they differ.

Mẹo phòng thiExam tips2 mẹo2 tips

Trong câu hỏi yêu cầu mô tả tác động, phải nêu hướng thay đổi.

Nói rõ hệ số góc tăng hay giảm, đường dốc hơn hay thoải hơn, hoặc dự đoán thay đổi thế nào; gắn đơn vị và ngữ cảnh nếu đề yêu cầu.

Khi đề cho kết quả hồi quy trước và sau khi bỏ một điểm, hãy so sánh.

Đối chiếu hệ số góc và $r^2$ , rồi kết luận mức ảnh hưởng theo độ thay đổi thay vì chỉ nhìn điểm lạc lõng.

When a question asks you to describe the effect, state the direction of the change.

Say whether the slope increases or decreases, whether the line gets steeper or flatter, or how predictions change; include units and context if the prompt asks for them.

When regression output is given before and after a point is dropped, compare the two.

Line up the slopes and $r^2$ values, then judge influence by how much they change rather than by how unusual the point looks.

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsHay gặpCommon

Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

1938Cochran

Năm 1938, Cochran có công trình sớm về việc một quan sát có thể chi phối phương trình hồi quy, tiền đề cho khái niệm này.

In 1938, Cochran produced early work on how a single observation can dominate a regression equation, laying the groundwork for this concept.

Vì sao mang đúng cái tên này? Tên gọi mô tả đúng tiêu chuẩn nhận diện chứ không mô tả hình dáng của điểm dữ liệu. Một quan sát được gọi là "có ảnh hưởng" khi việc xóa nó khỏi tập dữ liệu làm kết quả tính toán thay đổi thấy rõ — nghĩa là bản thân nó tạo ra "ảnh hưởng" lên kết luận. Cách đặt tên này giải thích vì sao không thể nhìn một điểm rồi phán ngay nó có ảnh hưởng hay không: phải tính hai lần, có nó và không có nó, rồi so sánh. Cũng vì vậy mà thuật ngữ này được giữ tách khỏi hai tên gọi láng giềng là điểm đòn bẩy cao (high leverage point) và giá trị ngoại lai (outlier); ba cái tên nhấn vào ba khía cạnh khác nhau nên không thể dùng thay cho nhau.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

Bỏ một điểm ra rồi cho vào lại — nhìn đường hồi quy ngả theo

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

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 termDự đoán với linear regression model (mô hình hồi quy tuyến tính)Phân tích hồi quy · khoácourse AP Statistics

Bài học chứa thuật ngữ nàyLesson that uses this termHồi quy bình phương tối thiểuPhân tích hồi quy · khoácourse AP Statistics

Cần trướcLearn firstđường hồi quy bình phương tối thiểuleast-squares regression line

Dẫn tớiLeads tohồi quyregression

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

Thuật ngữTermKhác nhau ở đâuHow they differHay nhầm khiMixed up when

điểm có đòn bẩy caohigh-leverage point

Khác nhau ở đâuHow they differĐiểm có đòn bẩy cao nằm xa phần còn lại theo chiều biến giải thích nhưng chưa chắc làm lệch đường hồi quy, còn quan sát có ảnh hưởng thì thực sự thay đổi hệ số hồi quy khi bị loại bỏ

Hay nhầm khiMixed up whenđề cho một điểm ở rìa biểu đồ phân tán và hỏi liệu nó có ảnh hưởng hay không — thí sinh hay chọn có chỉ vì điểm đó nằm xa

giá trị ngoại lệoutlier

Khác nhau ở đâuHow they differGiá trị ngoại lệ lệch khỏi xu hướng chung theo chiều phần dư, còn quan sát có ảnh hưởng được xác định bằng mức độ thay đổi của đường hồi quy khi điểm đó bị loại — hai tiêu chí này không đồng nhất

Hay nhầm khiMixed up whenđề hỏi điểm nào 'ảnh hưởng nhiều nhất đến độ dốc' nhưng thí sinh lại chọn điểm có phần dư lớn nhất

Thử nghiệm tương tácInteractive explorer

Bạn nắm chắc chưa?Check your understanding

Học tiếp từ đâyKeep learning

Hay nhầm vớiOften confused with

Cùng chủ đềSame topic