Đang tải bài học…

AP Statistics

sai số chuẩn

standard error

Sai số chuẩn là ước lượng độ lệch chuẩn của một đại lượng thống kê mẫu, đo mức dao động của nó khi lặp lại việc lấy mẫu nhiều lần.

Khi ta lấy một mẫu ngẫu nhiên và tính trung bình mẫu, con số thu được sẽ khác nhau mỗi lần lấy mẫu. Tập hợp tất cả các giá trị có thể có của đại lượng thống kê ấy tạo thành phân phối mẫu (sampling distribution), và phân phối này cũng có độ lệch chuẩn riêng của nó. Tuy nhiên, độ lệch chuẩn thật của phân phối mẫu thường phụ thuộc vào tham số tổng thể mà ta không biết. Vì vậy, ta thay tham số chưa biết bằng số liệu từ chính mẫu, và kết quả thu được gọi là sai số chuẩn.

Với trung bình mẫu, sai số chuẩn được tính bằng

$SE_{\bar{x}} = \frac{s}{\sqrt{n}}$

trong đó $s$ là độ lệch chuẩn của mẫu và $n$ là cỡ mẫu. Với tỉ lệ mẫu, công thức tương ứng là $SE_{\hat{p}} = \sqrt{\hat{p}(1-\hat{p})/n}$ , nghĩa là ta dùng tỉ lệ quan sát được $\hat{p}$ thay cho tỉ lệ tổng thể chưa biết. Cả hai công thức đều có $\sqrt{n}$ ở mẫu số, do đó cỡ mẫu càng lớn thì sai số chuẩn càng nhỏ và ước lượng của ta càng ổn định. Ngược lại, một điểm đề thi hay gài là sai số chuẩn không phụ thuộc vào kích thước tổng thể: khảo sát 100 người ở một thành phố nhỏ hay ở cả nước đều cho sai số chuẩn như nhau nếu cỡ mẫu bằng nhau.

Sai số chuẩn xuất hiện ở khắp phần suy luận thống kê. Nó là "đơn vị đo khoảng cách" trong khoảng tin cậy (confidence interval), vì biên sai số luôn có dạng giá trị tới hạn nhân với sai số chuẩn, chẳng hạn $\bar{x} \pm t^{*}\cdot s/\sqrt{n}$ . Trong kiểm định giả thuyết, thống kê kiểm định cũng được tính bằng cách chia độ lệch giữa mẫu và giả thuyết cho sai số chuẩn. Nhờ đó, hiểu rõ sai số chuẩn là chìa khóa để đọc mọi công thức suy luận trong đề thi.

Ký hiệu

SE

SE_{\bar{x}} = s/\sqrt{n}

SE_{\hat{p}} = \sqrt{\hat{p}(1-\hat{p})/n}

Đơn vịCùng đơn vị với đại lượng thống kê đang xét (ví dụ cm nếu đo chiều cao; không có đơn vị nếu là tỉ lệ)

Trực giác: Mỗi lần bốc một vốc gạo khác nhau từ bao lớn rồi tính trọng lượng hạt trung bình của vốc đó, các trung bình sẽ hơi khác nhau giữa các vốc; sai số chuẩn cho biết các trung bình ấy thường lệch nhau cỡ bao nhiêu.

Công thức

SE_{\bar{x}} = \htmlClass{fp-2}{\frac{\htmlClass{fp-0}{s}}{\htmlClass{fp-1}{\sqrt{n}}}}

Dùng khi cần đo độ chính xác của trung bình mẫu $\bar{x}$ trong vai trò ước lượng trung bình tổng thể; $n$ là cỡ mẫu, $s$ là độ lệch chuẩn của mẫu đó.

Trong đó

SE_{\bar{x}}

sai số chuẩn của trung bình mẫu

s

độ lệch chuẩn mẫu, ước lượng cho độ lệch chuẩn tổng thể

n

cỡ mẫu (số quan sát trong mẫu)

SE_{\hat{p}} = \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}

Dùng khi thống kê quan tâm là tỉ lệ mẫu $\hat{p}$ thay vì trung bình; công thức này ước lượng độ dao động của $\hat{p}$ qua các mẫu lặp lại.

Khái niệm này sinh ra từ đâu

Sai số chuẩn hình thành trong mảng thống kê suy luận (inferential statistics), như một con số đo xem một đại lượng tính từ mẫu — thường là trung bình mẫu — lệch bao nhiêu so với giá trị thật của tổng thể. Về bản chất, nó là độ lệch chuẩn (standard deviation) của phân phối mẫu (sampling distribution) của đại lượng đó.

Bài toán gốc rất đời thường: không ai khảo sát được toàn bộ tổng thể, nên người ta lấy mẫu rồi lấy trung bình mẫu làm đại diện. Nhưng đổi mẫu thì trung bình cũng đổi, và câu hỏi đặt ra là mức dao động ấy lớn cỡ nào. Sai số chuẩn ra đời để trả lời đúng câu hỏi đó, và nhờ nó mà khoảng tin cậy (confidence interval) trở nên khả thi: giới hạn 95% quen thuộc được dựng theo $\bar{x} \pm 1.96 \times SE$ , tức lấy trung bình mẫu cộng trừ gần hai lần sai số chuẩn. Vì vậy đại lượng này gắn chặt với ý tưởng rằng mẫu càng lớn thì ước lượng càng bám sát giá trị thật.

Thử nghiệm tương tác

Kéo cỡ mẫu lên gấp bốn — nhìn đám trung bình mẫu co lại còn một nửa

Hay hiểu sai

Sai số chuẩn không phải độ lệch chuẩn (standard deviation) của dữ liệu.

Với hai mẫu, cộng hai phân số dưới dấu căn rồi mới lấy căn một lần.

Khoảng tin cậy cho hiệu hai tỉ lệ không dùng tỉ lệ gộp (pooled).

Sai số chuẩn giảm theo căn bậc hai của cỡ mẫu, không giảm theo tỉ lệ thẳng.

Ví dụ có lời giải

1Ví dụ 1/2

Một nghiên cứu gần đây chọn ngẫu nhiên 1.215 học sinh trung học cơ sở và ghi lại số phút các em dành cho bài tập về nhà trong một tuần học. Kết quả cho thấy trung bình mẫu là 180 phút với độ lệch chuẩn (standard deviation) của mẫu là 45 phút. Giả sử mọi điều kiện suy luận đều được thỏa mãn.

aTính sai số chuẩn của phân bố mẫu (sampling distribution) của trung bình mẫu và giải thích con số đó nói lên điều gì.
bNếu nhà nghiên cứu muốn sai số chuẩn giảm còn một nửa thì cần cỡ mẫu bao nhiêu?

1Bước 1: Trước hết phải phân biệt rõ hai con số dễ lẫn nhau. Số 45 phút là độ lệch chuẩn của 1.215 học sinh trong mẫu, nó đo mức chênh lệch giữa các học sinh với nhau. Còn thứ đề bài hỏi lại là mức dao động của chính giá trị trung bình mẫu khi ta lặp lại việc lấy mẫu nhiều lần, tức là độ lệch chuẩn ước lượng của phân bố mẫu. Vì độ lệch chuẩn của tổng thể không biết nên ta thay bằng

s

của mẫu, và kết quả thu được mang tên sai số chuẩn.

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 nàyXác suất, biến ngẫu nhiên & phân phối xác suất · bài “Phân phối mẫu & định lý giới hạn trung tâm (CLT)” — khoá AP Statistics

Cần trướcđộ lệch chuẩn

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

độ lệch chuẩnstandard deviation

Khác nhau ở đâuĐộ lệch chuẩn đo mức độ phân tán của từng quan sát trong một mẫu, còn sai số chuẩn đo mức độ dao động của một thống kê (chẳng hạn trung bình mẫu) qua các lần lấy mẫu khác nhau

Hay nhầm khiđề cho

s

và

n

rồi hỏi xây dựng khoảng tin cậy — thí sinh hay dùng thẳng

s

thay vì tính

s/\sqrt{n}

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 50, 64, 73.

SE_{\hat{p}}

sai số chuẩn của tỉ lệ mẫu

\hat{p}

tỉ lệ mẫu quan sát được

n

cỡ mẫu

SE_b = \frac{s}{s_x\sqrt{n-1}}

Dùng trong suy luận hồi quy tuyến tính để đo độ không chắc chắn của hệ số góc mẫu $b$ ; giá trị này thường được phần mềm thống kê tính và in sẵn trong bảng kết quả.

Trong đó

SE_b

sai số chuẩn của hệ số góc mẫu

s

độ lệch chuẩn của các phần dư trong mô hình hồi quy

s_x

độ lệch chuẩn của biến giải thích

x

n

số cặp quan sát

Vì sao mang đúng cái tên này? Tên gọi ghép từ hai mảnh có lý do rõ ràng. Chữ "chuẩn" thừa hưởng từ độ lệch chuẩn, bởi sai số chuẩn thực chất vẫn là một độ lệch chuẩn — chỉ khác ở chỗ nó đo độ phân tán của các giá trị thống kê tính từ vô số mẫu, chứ không đo độ phân tán của các quan sát trong một mẫu. Chữ "sai số" thì chỉ khoảng chênh giữa con số ta tính được và con số thật của tổng thể; đây là chênh lệch sinh ra tự nhiên từ việc lấy mẫu ngẫu nhiên, không phải lỗi đo đạc hay lỗi của người làm thống kê. Chính vì cái tên dễ gây nhầm mà tài liệu chuyên môn luôn nhấn mạnh sự phân biệt: trung bình và độ lệch chuẩn mô tả dữ liệu đã có trong tay, còn sai số chuẩn là một phát biểu xác suất về quá trình lấy mẫu, dựa trên định lý giới hạn trung tâm (central limit theorem).

Kéo cỡ mẫu lên gấp bốn — nhìn đám trung bình mẫu co lại còn một nửa

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

Tạo tài khoản miễn phí

Mẹo phòng thi

Viết công thức bằng ký hiệu trước, thay số sau, rồi mới bấm máy.

Đừng nhầm sai số chuẩn với biên độ sai số.

Kiểm tra đơn vị của kết quả trước khi khoanh đáp án.

Tần suất trong đề AP StatisticsThường xuyên

2Bước 2: Với trung bình mẫu, công thức là

SE_{\bar{x}} = \dfrac{s}{\sqrt{n}}

, trong đó

s

là độ lệch chuẩn của mẫu và

n

là cỡ mẫu. Công thức này nói rằng độ dao động của trung bình mẫu nhỏ hơn độ dao động của từng cá thể đúng

\sqrt{n}

lần. Thay số vào ta có

SE_{\bar{x}} = \dfrac{45}{\sqrt{1215}}

3Bước 3: Tính lần lượt:

\sqrt{1215} \approx 34,857

, do đó

SE_{\bar{x}} \approx \dfrac{45}{34,857} \approx 1,29

phút. Cách diễn đạt ý nghĩa nên bám vào ngữ cảnh chứ đừng nói chung chung: nếu lặp lại việc chọn ngẫu nhiên 1.215 học sinh rất nhiều lần, các giá trị trung bình mẫu thu được sẽ dao động quanh trung bình thật của toàn bộ học sinh trung học cơ sở với biên độ khoảng 1,29 phút.

4Bước 4: Sang ý (b), hãy nhìn vào vị trí của

n

trong công thức. Vì

n

nằm dưới dấu căn nên muốn

SE

giảm một nửa thì

\sqrt{n}

phải tăng gấp đôi, kéo theo

n

phải tăng gấp bốn. Vậy cỡ mẫu cần thiết là

4 \times 1215 = 4860

học sinh, và khi đó

SE_{\bar{x}} = \dfrac{45}{\sqrt{4860}} \approx 0,65

phút, đúng bằng một nửa của 1,29. Đây cũng là lý do việc tăng độ chính xác luôn tốn kém: muốn khoảng ước lượng hẹp lại một nửa thì công sức thu thập dữ liệu phải gấp bốn.

Sai số chuẩn của trung bình mẫu là $45/\sqrt{1215} \approx 1,29$ phút, nghĩa là các trung bình mẫu từ những mẫu ngẫu nhiên cỡ 1.215 học sinh dao động quanh trung bình thật của tổng thể khoảng 1,29 phút. Để rút con số này xuống còn khoảng 0,65 phút, nhà nghiên cứu phải khảo sát 4.860 học sinh.

2Ví dụ 2/2

Một mẫu ngẫu nhiên gồm 240 người trưởng thành trên 40 tuổi cho thấy có 144 người sẵn sàng dùng dịch vụ hẹn hò trực tuyến. Một mẫu ngẫu nhiên độc lập khác gồm 234 người trưởng thành từ 40 tuổi trở xuống cho thấy có 131 người sẵn sàng dùng dịch vụ này. Giả sử mọi điều kiện suy luận đều được thỏa mãn.

aTính sai số chuẩn dùng cho khoảng tin cậy 90% của hiệu hai tỉ lệ tổng thể.
bLập khoảng tin cậy 90% đó và nêu kết luận.

1Bước 1: Ta tính hai tỉ lệ mẫu (sample proportion) trước. Nhóm trên 40 tuổi có

\hat{p}_1 = \dfrac{144}{240} = 0,600

, còn nhóm từ 40 tuổi trở xuống có

\hat{p}_2 = \dfrac{131}{234} \approx 0,560

. Đại lượng ta quan tâm là hiệu

\hat{p}_1 - \hat{p}_2 \approx 0,600 - 0,560 = 0,040

, và câu hỏi đặt ra là hiệu này dao động cỡ nào từ mẫu này sang mẫu khác.

2Bước 2: Vì hai mẫu độc lập nên phương sai của hiệu bằng tổng hai phương sai, và sai số chuẩn là căn bậc hai của tổng đó:

SE = \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}

Ở đây cần hết sức lưu ý một chi tiết mà đề thi rất hay gài: khi lập khoảng tin cậy ta dùng riêng từng tỉ lệ mẫu như trên, còn khi kiểm định giả thuyết

H_0: p_1 = p_2

mới gộp chung thành tỉ lệ gộp (pooled proportion). Nhầm hai công thức này là lỗi mất điểm phổ biến nhất ở phần suy luận về tỉ lệ.

3Bước 3: Thay số vào từng hạng tử:

\dfrac{0,600 \times 0,400}{240} = \dfrac{0,240}{240} = 0,00100

và

\dfrac{0,560 \times 0,440}{234} \approx \dfrac{0,2464}{234} \approx 0,00105

. Cộng lại được

0,00205

, rồi lấy căn bậc hai ta có

SE \approx \sqrt{0,00205} \approx 0,0453

. Vậy hiệu hai tỉ lệ mẫu dao động quanh hiệu thật khoảng 4,5 điểm phần trăm.

4Bước 4: Với độ tin cậy 90%, giá trị tới hạn (critical value) là

z^{*} = 1,645

, nên sai số biên (margin of error) bằng

1,645 \times 0,0453 \approx 0,0745

. Khoảng tin cậy là

0,040 \pm 0,0745

, tức từ

-0,035

đến

0,115

. Do khoảng này chứa số 0, dữ liệu chưa đủ bằng chứng để khẳng định hai nhóm tuổi khác nhau về mức độ sẵn sàng dùng dịch vụ hẹn hò trực tuyến.

Sai số chuẩn của hiệu hai tỉ lệ là $\sqrt{\dfrac{0,6(0,4)}{240} + \dfrac{0,560(0,440)}{234}} \approx 0,0453$ . Khoảng tin cậy 90% cho hiệu hai tỉ lệ tổng thể là khoảng từ $-0,035$ đến $0,115$ ; vì khoảng này chứa 0 nên ta không có bằng chứng cho thấy tỉ lệ người sẵn sàng dùng dịch vụ hẹn hò trực tuyến ở hai nhóm tuổi là khác nhau.

Liên quansai số biên

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