AP Statistics

trung bình mẫusample mean

sample meanVietnamese: trung bình mẫu

Còn gọi:Also called: sample mean, x̄

Định nghĩaIn short

Trung bình mẫu là số trung bình cộng của các giá trị quan sát trong một mẫu, dùng để ước lượng trung bình tổng thể chưa biết.The sample mean is the arithmetic average of the observed values in a sample, used to estimate an unknown population mean.

Trực giác: Giống như nếm vài thìa canh để đoán vị của cả nồi: thìa canh đó chính là xˉ\bar{x}, còn vị thật của cả nồi là μ\mu.Intuition: It's like tasting a few spoonfuls of soup to judge the whole pot: the spoonfuls give you xˉ\bar{x}, while the true flavor of the pot is μ\mu.

Công thức chínhKey formula

xˉ=∑i=1nxin\bar{x}=\frac{\sum_{i=1}^n x_i}{n}
Định nghĩa đầy đủFull definition1 phút đọc1 min read

Trung bình mẫu xˉ\bar{x} được tính bằng tổng các giá trị quan sát chia cho cỡ mẫu nn và dùng làm ước lượng điểm cho trung bình tổng thể μ\mu. Khác với μ\mu cố định nhưng thường chưa biết, xˉ\bar{x} tính được từ dữ liệu và thay đổi theo mẫu.

Khi lặp lại việc lấy mẫu ngẫu nhiên cùng cỡ từ một tổng thể, các giá trị xˉ\bar{x} tạo thành phân phối mẫu. Phân phối này có kỳ vọng μ\mu và độ lệch chuẩn, gọi là sai số chuẩn, bằng σ/n\sigma/\sqrt{n}.

The sample mean xˉ\bar{x} is the sum of the observed values divided by the sample size nn, and it serves as a point estimate of the population mean μ\mu. Unlike μ\mu, which is fixed but usually unknown, xˉ\bar{x} can be computed from the data and varies from sample to sample.

If you repeatedly take random samples of the same size from a population, the resulting values of xˉ\bar{x} form a sampling distribution. That distribution has mean μ\mu and a standard deviation, called the standard error, equal to σ/n\sigma/\sqrt{n}.

Ký hiệuNotation
xˉ\bar{x}, μ\mu
xˉ\bar{x}, μ\mu
Giải nghĩa công thứcFormula breakdown1 công thức1 formula
xˉ=∑i=1nxin\bar{x}=\htmlClass{fp-1}{\frac{\htmlClass{fp-0}{\sum_{i=1}^n x_i}}{n}}
xˉ=∑i=1nxin\bar{x}=\htmlClass{fp-1}{\frac{\htmlClass{fp-0}{\sum_{i=1}^n x_i}}{n}}

Dùng để tóm tắt xu hướng trung tâm của dữ liệu định lượng trong mẫu trước khi suy luận về trung bình tổng thể.Use this to summarize the center of quantitative sample data before making inferences about the population mean.

Trong đóWhere

xˉ\bar{x}trung bình mẫu, tức trung bình cộng của các giá trị quan sát đượcsample mean, the arithmetic average of the observed valuesxix_igiá trị quan sát thứ ii trong mẫuthe iith observed value in the samplenncỡ mẫu, tức số quan sát trong mẫusample size, the number of observations in the sample
Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Giả thuyết về trung bình tổng thể phải dùng μ\mu, không dùng xˉ\bar{x}.

xˉ\bar{x} đã được tính từ mẫu; tham số chưa biết cần kiểm định là μ\mu.

Cỡ mẫu lớn hơn không làm tâm của phân phối trung bình mẫu thay đổi.

Với mẫu ngẫu nhiên từ cùng một tổng thể, E(xˉ)=μE(\bar{x})=\mu ở mọi nn; tăng nn chỉ làm sai số chuẩn giảm.

Sai số chuẩn của trung bình mẫu không phải độ lệch chuẩn của dữ liệu.

ss mô tả độ phân tán của quan sát quanh xˉ\bar{x}; s/ns/\sqrt{n} ước lượng mức dao động của xˉ\bar{x} giữa các mẫu.

Hypotheses about a population mean use μ\mu, never xˉ\bar{x}.

The sample mean is already a computed number; the unknown parameter being tested is μ\mu.

A larger sample size does not shift the center of the sampling distribution of xˉ\bar{x}.

For random samples from the same population, E(xˉ)=μE(\bar{x})=\mu for every nn; increasing nn only shrinks the standard error.

The standard error of the sample mean is not the standard deviation of the data.

Here ss describes how the observations spread around xˉ\bar{x}, while s/ns/\sqrt{n} estimates how much xˉ\bar{x} varies from sample to sample.

Mẹo phòng thiExam tips2 mẹo2 tips

Định nghĩa tham số trước khi viết giả thuyết.

Trong kiểm định trung bình tổng thể, dùng μ\mu trong giả thuyết; xˉ\bar{x} chỉ là bằng chứng từ mẫu.

Nêu rõ cỡ mẫu khi kiểm tra điều kiện suy luận.

Đánh giá độ lệch và ngoại lai; đừng chỉ viết “thỏa định lý giới hạn trung tâm”. Cũng kiểm tra tính ngẫu nhiên và độc lập.

Define the parameter before writing any hypotheses.

In a test about a population mean, state the hypotheses in terms of μ\mu; xˉ\bar{x} is only the evidence from the sample.

State the sample size explicitly when you check the conditions for inference.

Comment on skewness and outliers rather than just writing "the Central Limit Theorem applies," and also check randomness and independence.

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

thế kỷ 18Carl Friedrich GaussAl-KhwarizmiKarl PearsonW. F. R. WeldonWalter ShewhartW. Edwards Deming

Năm 1903, Karl Pearson dùng “mẫu” đối lập với “tổng thể”, làm rõ sự khác biệt giữa trung bình từ dữ liệu và trung bình tổng thể.
In 1903, Karl Pearson contrasted "sample" with "population," clarifying the distinction between a mean computed from data and the mean of the population.

Vì sao mang đúng cái tên này? Tên gọi gồm hai phần, và phần đáng chú ý nằm ở chữ "mẫu" chứ không ở chữ "trung bình". Bản thân trung bình cộng đã quen thuộc từ lâu, nhưng việc tách bạch giá trị tính được trên một nhóm quan sát với giá trị thật của toàn bộ đám đông thì muộn hơn nhiều: nhà động vật học W. F. R. Weldon dùng chữ "sample" cho các tập quan sát từ năm 1892, và cách đặt "sample" đối lập với tổng thể (population) được ghi nhận ở Karl Pearson năm 1903, khi ông viết rằng nếu lấy được trọn tổng thể thì ta đã có ngay các hằng số thống kê của nó, song trên thực tế ta chỉ lấy được một mẫu. Chính câu đó giải thích vì sao phải gắn thêm chữ "mẫu": nó nhắc rằng xˉ\bar{x} là con số tính từ phần dữ liệu ta có trong tay, không phải giá trị thật của tổng thể. Cũng vì thế mà lý thuyết về phân phối của trung bình mẫu, trong đó có định lý giới hạn trung tâm (central limit theorem), mới trở thành trọng tâm của thống kê suy diễn.

Thử nghiệm tương tácInteractive explorer

Rút một mẫu, nhìn x̄ rơi lệch; tăng n rồi rút lại — đám x̄ co quanh μ

Rút một mẫu, nhìn x̄ rơi lệch; tăng n rồi rút lại — đám x̄ co quanh μ

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 con xúc xắc cân đối sáu mặt, các mặt ghi số từ 1 đến 6, được gieo tổng cộng 15 lần. Gọi xˉ1\bar{x}_1 là trung bình của 10 lần gieo đầu tiên và xˉ2\bar{x}_2 là trung bình của 5 lần gieo còn lại. Các lần gieo là độc lập với nhau.
  1. aTìm trung bình và độ lệch chuẩn của phân bố mẫu (sampling distribution) của xˉ1\bar{x}_1.
  2. bTìm trung bình μ(xˉ1−xˉ2)\mu_{(\bar{x}_1-\bar{x}_2)} và độ lệch chuẩn σ(xˉ1−xˉ2)\sigma_{(\bar{x}_1-\bar{x}_2)} của phân bố mẫu của hiệu hai trung bình mẫu.
1Bước 1: Trước hết phải mô tả tổng thể, tức là kết quả của một lần gieo. Vì sáu mặt đồng khả năng nên μ=1+2+⋯+66=3,5\mu=\frac{1+2+\cdots+6}{6}=3{,}5 và E(X2)=1+4+9+16+25+366=916E(X^2)=\frac{1+4+9+16+25+36}{6}=\frac{91}{6}. Do đó σ2=916−3,52=3512≈2,9167\sigma^2=\frac{91}{6}-3{,}5^2=\frac{35}{12}\approx 2{,}9167 và σ=35/12≈1,708\sigma=\sqrt{35/12}\approx 1{,}708. Hai số này là điểm xuất phát cho mọi tính toán phía sau.
2Bước 2: Với mẫu gồm nn quan sát độc lập, trung bình mẫu luôn có μxˉ=μ\mu_{\bar{x}}=\mu và σxˉ=σn\sigma_{\bar{x}}=\dfrac{\sigma}{\sqrt{n}}. Công thức thứ nhất nói rằng trung bình mẫu là một ước lượng không chệch (unbiased estimator) của trung bình tổng thể, còn công thức thứ hai nói rằng mẫu càng lớn thì các giá trị xˉ\bar{x} càng ép sát về μ\mu. Áp dụng cho n=10n=10: μxˉ1=3,5\mu_{\bar{x}_1}=3{,}5 và σxˉ1=1,70810≈0,540\sigma_{\bar{x}_1}=\dfrac{1{,}708}{\sqrt{10}}\approx 0{,}540.
3Bước 3: Với 5 lần gieo còn lại, cùng lập luận cho μxˉ2=3,5\mu_{\bar{x}_2}=3{,}5 và σxˉ2=1,7085≈0,764\sigma_{\bar{x}_2}=\dfrac{1{,}708}{\sqrt{5}}\approx 0{,}764. Vì trung bình của hiệu bằng hiệu các trung bình nên μ(xˉ1−xˉ2)=3,5−3,5=0\mu_{(\bar{x}_1-\bar{x}_2)}=3{,}5-3{,}5=0. Kết quả bằng 0 là điều hợp lý: hai nhóm cùng được sinh ra từ một tổng thể, nên về lâu dài không nhóm nào có xu hướng lớn hơn nhóm nào.
4Bước 4: Độ lệch chuẩn thì không được trừ mà phải cộng phương sai, vì cả hai nguồn biến thiên đều làm hiệu số dao động thêm. Do hai nhóm độc lập, σ(xˉ1−xˉ2)=σ210+σ25=0,2917+0,5833=0,875≈0,936.\sigma_{(\bar{x}_1-\bar{x}_2)}=\sqrt{\frac{\sigma^2}{10}+\frac{\sigma^2}{5}}=\sqrt{0{,}2917+0{,}5833}=\sqrt{0{,}875}\approx 0{,}936. Con số này cho biết hiệu hai trung bình mẫu thường lệch khỏi 0 khoảng 0,94 đơn vị.

Trung bình của 10 lần gieo đầu có phân bố mẫu với trung bình 3,5 và độ lệch chuẩn khoảng 0,540. Hiệu xˉ1−xˉ2\bar{x}_1-\bar{x}_2 có μ(xˉ1−xˉ2)=0\mu_{(\bar{x}_1-\bar{x}_2)}=0 và σ(xˉ1−xˉ2)≈0,936\sigma_{(\bar{x}_1-\bar{x}_2)}\approx 0{,}936: trung bình của hai nhóm gieo cùng xoay quanh 3,5, nên hiệu của chúng dao động quanh 0 chứ không lệch hẳn về phía nào.

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 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 termCác số đặc trưng của một biến định lượngDữ 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 differTrung bình mẫu là một thống kê tính được từ dữ liệu và thay đổi theo từng mẫu. Tham số là con số cố định mô tả toàn bộ tổng thể và thường không biết được.
Hay nhầm khiMixed up whenKhi đề hỏi ký hiệu nào đại diện cho đại lượng cần ước lượng, thí sinh hay viết nhầm x-ngang thay cho mu trong giả thuyết.
Khác nhau ở đâuHow they differTrung bình là công thức lấy tổng chia cho số giá trị, áp dụng cho bất kỳ tập số nào. Trung bình mẫu là giá trị trung bình đó khi tập số là một mẫu rút ra từ tổng thể.
Hay nhầm khiMixed up whenTrong câu suy luận, nhiều bài nhầm giữa trung bình của một tập dữ liệu bất kỳ và trung bình mẫu dùng để ước lượng tổng thể.

Cùng chủ đềSame topic

Nguồn tham khảoReferences

  1. [1]Barron_AP_Stat_2026. tr. 13, 23, 38.

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