AP Statistics

thiên lệchbias

biasVietnamese: thiên lệch

Còn gọi:Also called: độ chệch, bias

Định nghĩaIn short

Thiên lệch là sai lệch có hệ thống khiến kết quả thu được có xu hướng nghiêng về một phía so với giá trị thật của tổng thể.Bias is a systematic error that pushes results consistently to one side of the true population value.

Trực giác: Giống chiếc cân luôn cộng thêm hai ký: cân mười lần hay nghìn lần thì vẫn sai đúng hai ký, mua cân xịn hơn mới sửa được chứ cân nhiều hơn thì không.Intuition: Think of a scale that always adds two kilograms: weigh yourself ten times or a thousand times and you are still off by exactly two. Only a better scale fixes it — more weighings never will.

Công thức chínhKey formula

Bias(θ^)=E(θ^)−θ\text{Bias}(\hat{\theta}) = E(\hat{\theta}) - \theta
Định nghĩa đầy đủFull definition1 phút đọc1 min read

Trong thống kê, thiên lệch là sai lệch có hệ thống của cách thu thập dữ liệu hoặc phương pháp ước lượng, khiến giá trị kỳ vọng của thống kê lệch khỏi tham số thật. Ước lượng không chệch nếu giá trị kỳ vọng bằng tham số; trung bình mẫu và tỉ lệ mẫu thỏa điều này khi mẫu được chọn ngẫu nhiên.

Khác biến thiên chọn mẫu, thiên lệch do lỗi thu thập không tự giảm khi tăng cỡ mẫu. Trong khảo sát, nguồn thường gặp là thiếu bao phủ, thiên lệch do không phản hồi và do cách trả lời.

In statistics, bias is a systematic error in how data are collected or in the estimation method itself, so that the expected value of a statistic differs from the true parameter. An estimator is unbiased when its expected value equals the parameter; the sample mean and sample proportion meet this condition when the sample is chosen randomly.

Unlike sampling variability, bias from flawed data collection does not shrink as the sample size grows. Common sources in surveys are undercoverage, nonresponse bias, and response bias.

Ký hiệuNotation
Bias(θ^)=E(θ^)−θ\text{Bias}(\hat{\theta}) = E(\hat{\theta}) - \theta
Bias(θ^)=E(θ^)−θ\text{Bias}(\hat{\theta}) = E(\hat{\theta}) - \theta
Công thức chi tiếtFormula details2 công thức2 formulas
Bias(θ^)=E(θ^)−θ\text{Bias}(\hat{\theta}) = \htmlClass{fp-2}{\htmlClass{fp-0}{E(\hat{\theta})} - \htmlClass{fp-1}{\theta}}
Bias(θ^)=E(θ^)−θ\text{Bias}(\hat{\theta}) = \htmlClass{fp-2}{\htmlClass{fp-0}{E(\hat{\theta})} - \htmlClass{fp-1}{\theta}}

Dùng để xác định độ chệch của phương pháp ước lượng bằng chênh lệch giữa giá trị kỳ vọng và tham số thật.Use this to measure the bias of an estimation method as the gap between its expected value and the true parameter.

Trong đóWhere

θ^\hat{\theta}thống kê tính từ mẫu, dùng để ước lượng tham sốstatistic calculated from a sample, used to estimate a parameterθ\thetatham số thật của tổng thể (parameter)true population parameterE(⋅)E(\cdot)giá trị kỳ vọng, tức trung bình của phân bố mẫu (sampling distribution)expected value, i.e., the mean of the sampling distribution
E(xˉ)=μandE(p^)=pE(\bar{x}) = \mu \quad\text{and}\quad E(\hat{p}) = p

Dùng để nhận biết trung bình mẫu và tỉ lệ mẫu là ước lượng không chệch khi mẫu được chọn ngẫu nhiên.Use this to recognize the sample mean and sample proportion as unbiased estimators when the sample is chosen randomly.

Trong đóWhere

xˉ\bar{x}trung bình mẫusample meanμ\mutrung bình tổng thểpopulation meanp^\hat{p}tỉ lệ mẫusample proportionpptỉ lệ tổng thểpopulation proportion
Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Tăng cỡ mẫu không sửa thiên lệch do cách thu thập.

Cỡ mẫu lớn chỉ thu hẹp phân bố mẫu; muốn sửa lỗi phải đổi cách chọn mẫu hoặc đặt câu hỏi.

Một kết quả xa tham số chưa chứng minh quy trình bị thiên lệch.

Mẫu ngẫu nhiên vẫn dao động; thiên lệch là tính chất hệ thống của quy trình qua nhiều lần lấy mẫu.

Ước lượng không chệch không bảo đảm từng ước lượng đều đúng.

Điều kiện không chệch chỉ nói trung bình của phân bố mẫu bằng tham số; một mẫu cụ thể vẫn có thể lệch nhiều.

A larger sample does not remove bias built into data collection.

Bigger samples only narrow the sampling distribution; fixing the error requires changing how you sample or word questions.

One result far from the parameter does not prove the process is biased.

Random samples naturally fluctuate; bias is a systematic property of the process across many samples.

An unbiased estimator does not guarantee that every estimate is correct.

Unbiasedness says only that the sampling distribution centers on the parameter; a single sample can still miss badly.

Mẹo phòng thiExam tips2 mẹo2 tips

Trong bài khảo sát, phân biệt thiên lệch với biến thiên và sai số biên.

Tăng cỡ mẫu làm giảm biến thiên nhưng không sửa lỗi thu thập có hệ thống; sai số biên cũng không bao gồm lỗi này.

Khi phân tích khảo sát, hãy gọi đúng nguồn thiên lệch trước.

Phân biệt thiếu bao phủ, không phản hồi có hệ thống và cách trả lời bị tác động; sau đó nêu cơ chế và hướng làm ước lượng cao hoặc thấp.

On survey questions, separate bias from variability and margin of error.

Increasing the sample size reduces variability but cannot repair systematic collection errors, and the margin of error does not account for them either.

When analyzing a survey, name the specific source of bias first.

Distinguish undercoverage, systematic nonresponse, and influenced responses; then explain the mechanism and say whether the estimate is pushed too high or too low.

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

Francis Bacon

Từ "bias" đi vào tiếng Anh qua tiếng Pháp "biais" với nghĩa "chệch sang một bên", rồi được thống kê học mượn lại để chỉ sai lệch có hệ thống trong cách thu thập và xử lý dữ liệu. Ý thức rằng phán đoán con người luôn bị bóp méo đã có từ trước đó rất lâu, chẳng hạn ở Francis Bacon với bốn "thần tượng của trí óc".
The word "bias" entered English through French "biais," meaning "slanted to one side," and statisticians later borrowed it for systematic error in how data are gathered and processed. The awareness that human judgment is always distorted is far older — Francis Bacon, for instance, described four "idols of the mind."

Vì sao mang đúng cái tên này? Cái tên nghe khô khan này thật ra là một từ chỉ hình học. Nó vào tiếng Anh qua tiếng Pháp "biais", nghĩa là "một đường chéo, một độ dốc, một hướng xiên", và trước đó là tiếng Pháp cổ với nghĩa "nghiêng sang bên, liếc xéo, ngược thớ"; gốc xa hơn được cho là tiếng Provençal cổ, tuy từ điển Oxford vẫn ghi nhận nguồn gốc "không chắc chắn" và có người truy nó về tận gốc Ấn-Âu SKER. Hình ảnh "đi xiên" giải thích trọn vẹn nghĩa thống kê: mẫu bị thiên lệch không rơi lệch tứ tung quanh sự thật mà lệch đều về một phía, giống một đường kẻ cứ chệch mãi khỏi hướng thẳng. Do đó định nghĩa hình thức của thiên lệch thống kê (statistical bias) là hiệu giữa giá trị kỳ vọng (expected value) của ước lượng và tham số thật: E(θ^)−θE(\hat{\theta}) - \theta. Nếu hiệu này bằng 00 thì ước lượng được gọi là không thiên lệch (unbiased), nghĩa là trung bình của nó qua vô số mẫu rơi đúng vào đích.

Ví dụ có lời giảiWorked example3 phút đọc3 min read
Một trường trung học có 1.200 học sinh. Ban biên tập báo trường muốn ước lượng tỉ lệ học sinh toàn trường ủng hộ việc lùi giờ vào học buổi sáng từ 7:00 sang 7:45. Nhóm phóng viên đăng một đường dẫn khảo sát trực tuyến lên trang fanpage của trường kèm dòng chữ "Bạn có muốn được ngủ thêm 45 phút mỗi sáng không? Hãy bấm vào đây và cho ý kiến!". Sau một tuần, có 240 học sinh tự nguyện bấm vào và trả lời, trong đó 78% chọn "ủng hộ". Ban biên tập kết luận rằng khoảng 78% học sinh toàn trường ủng hộ đề xuất này.
  1. aHãy gọi tên nguồn thiên lệch trong cách thu thập dữ liệu này và giải thích vì sao nó xuất hiện.
  2. bƯớc lượng 78% nhiều khả năng cao hơn hay thấp hơn tỉ lệ thật của toàn trường? Giải thích chiều của sự thiên lệch.
  3. cNếu ban biên tập để khảo sát chạy thêm một tháng và thu được 800 phản hồi thay vì 240, vấn đề trên có được khắc phục không?
1Bước 1: Trước hết cần nhìn kỹ xem ai là người quyết định có mặt trong mẫu. Ở đây không ai được nhà trường chọn cả: đường dẫn nằm công khai trên fanpage, và chính học sinh tự quyết định có bấm vào hay không. Đó là dấu hiệu kinh điển của thiên lệch do tự nguyện trả lời (voluntary response bias), một dạng thiên lệch trong quá trình chọn mẫu chứ không phải lỗi tính toán. Vì vậy, dù phép tính 78% hoàn toàn đúng về số học, con số ấy vẫn không đại diện cho 1.200 học sinh.
2Bước 2: Tiếp theo, hãy lập luận xem nhóm nào có động cơ bấm vào đường dẫn. Những học sinh khổ sở vì phải dậy sớm sẽ hào hứng nhấp chuột để bày tỏ quan điểm, còn những bạn đang thấy giờ học hiện tại là ổn, hoặc lo lắng vì lùi giờ vào học sẽ kéo theo tan học muộn, gần như không có lý do gì để tham gia. Câu dẫn "Bạn có muốn được ngủ thêm 45 phút mỗi sáng không?" còn gợi ý sẵn câu trả lời, khiến mẫu càng nghiêng về phía ủng hộ. Do đó, mẫu 240 học sinh này nhiều khả năng chứa tỉ lệ người ủng hộ cao hơn hẳn so với toàn trường, và 0,780{,}78 là một ước lượng thiên cao.
3Bước 3: Muốn sửa gốc của vấn đề, phải thay đổi cách chọn mẫu chứ không phải cách xử lý số liệu. Cách làm hợp lý là đánh số toàn bộ 1.200 học sinh rồi dùng bảng số ngẫu nhiên hoặc máy tính rút ra một mẫu ngẫu nhiên đơn giản (simple random sample), chẳng hạn 150 bạn, sau đó theo đuổi đến cùng để mọi người được chọn đều trả lời. Khi ấy mọi học sinh có cùng cơ hội vào mẫu, nên nhóm phản đối không còn bị bỏ sót một cách hệ thống. Nếu vẫn còn nhiều người được chọn mà không chịu trả lời thì lại nảy sinh thiên lệch do không phản hồi (nonresponse bias), vì thế khâu nhắc và thu đủ phiếu cũng quan trọng ngang khâu bốc thăm.
4Bước 4: Cuối cùng, xét chuyện tăng số phản hồi từ 240 lên 800. Cỡ mẫu lớn hơn chỉ làm giảm độ biến thiên của ước lượng, tức là nếu lặp lại khảo sát nhiều lần thì các kết quả sẽ xúm lại gần nhau hơn. Nhưng chúng xúm quanh một con số sai, bởi cơ chế "ai thích thì trả lời" vẫn giữ nguyên và vẫn ưu ái nhóm ủng hộ như cũ. Nói cách khác, tăng cỡ mẫu không bao giờ chữa được thiên lệch; nó chỉ khiến ta tin chắc hơn vào một con số lệch.

Khảo sát này mắc thiên lệch do tự nguyện trả lời: mẫu chỉ gồm những học sinh tự chọn tham gia, mà nhóm mong được ngủ thêm lại có động cơ trả lời mạnh hơn hẳn. Vì vậy con số 78% gần như chắc chắn cao hơn tỉ lệ ủng hộ thật của 1.200 học sinh trong trường. Thu thêm phản hồi để đạt 800 người cũng không cứu được kết luận, vì nó chỉ thu hẹp độ biến thiên quanh một giá trị vốn đã lệch; chỉ có việc chọn một mẫu ngẫu nhiên từ danh sách toàn trường và thu đủ câu trả lời mới loại được nguồn thiên lệch này.

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 termNhững vấn đề có thể gặp khi chọn mẫuDữ liệu một biến & thu thập dữ liệu, khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termƯớc lượng điểm và tính không chệchSuy luận cho tỉ lệ (dữ liệu phân loại), khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termChọn mẫu ngẫu nhiên và thu thập dữ liệuDữ liệu một biến & thu thập dữ liệu, 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 differThiên lệch là sai lệch hệ thống, luôn nghiêng về một phía và không mất đi khi tăng cỡ mẫu. Sai số chọn mẫu là dao động ngẫu nhiên quanh giá trị thật và nhỏ dần khi cỡ mẫu lớn lên.
Hay nhầm khiMixed up whenCâu hỏi cho biết tăng cỡ mẫu rồi hỏi sai số nào giảm; nhiều thí sinh trả lời nhầm rằng mẫu lớn hơn sẽ khắc phục được thiên lệch.
Khác nhau ở đâuHow they differThiên lệch chỉ khuynh hướng sai lệch hệ thống của cả quy trình thu thập dữ liệu. Ước lượng chệch là một thống kê cụ thể có kỳ vọng khác với tham số cần ước lượng.
Hay nhầm khiMixed up whenKhi đề hỏi về phân phối mẫu và vị trí tâm của nó, thí sinh hay dùng lẫn hai tên gọi dù một bên nói về cách lấy dữ liệu, một bên nói về công thức tính.

Cùng chủ đềSame topic

Nguồn tham khảoReferences

  1. [1]Barron_AP_Stat_2026. tr. 12–13, 21.

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