AP Statistics

ước lượng chệchbiased estimator

biased estimatorVietnamese: ước lượng chệch

Còn gọi:Also called: biased estimator

Định nghĩaIn short

Ước lượng chệch là thống kê mẫu có giá trị kỳ vọng khác với tham số tổng thể cần ước lượng, tức qua nhiều lần lấy mẫu, các giá trị ước lượng có xu hướng lệch về một phía.A biased estimator is a sample statistic whose expected value differs from the population parameter it estimates, so across many samples the estimates tend to fall consistently on one side of the true value.

Trực giác: Giống một cây cung ngắm luôn bắn chệch sang một bên hồng tâm dù người bắn có lặp lại bao nhiêu phát — không phải vì tay run mà vì cách ngắm đã sai hướng.Intuition: Think of a bow that always shoots to one side of the bull's-eye no matter how many arrows are fired — the problem is not a shaky hand but an aim pointed in the wrong direction.

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

Ước lượng chệch (biased estimator) là thống kê mẫu có giá trị kỳ vọng khác tham số tổng thể cần ước lượng. Độ chệch là hiệu giữa giá trị kỳ vọng ấy và tham số; hiệu khác 0 cho biết tâm của phân phối mẫu lệch khỏi giá trị thật.

Độ chệch khác độ biến thiên: một ước lượng có thể lệch tâm nhưng ít dao động, hoặc đúng tâm nhưng dao động mạnh. Từng mẫu riêng lẻ sai khác tham số không đủ để kết luận ước lượng bị chệch.

A biased estimator is a sample statistic whose expected value is not equal to the population parameter it estimates. The bias is the difference between that expected value and the parameter; a nonzero difference means the center of the sampling distribution sits away from the true value.

Bias is not the same as variability. An estimator can be off-center yet vary little, or be correctly centered yet vary a great deal. A single sample that misses the parameter is not evidence that an estimator is biased.

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

Dùng để tính độ chệch và kiểm tra tâm của phân phối mẫu có trùng tham số tổng thể hay không.Use this to compute the bias and to check whether the center of the sampling distribution coincides with the population parameter.

Trong đóWhere

θ^\hat{\theta}ước lượng tính từ mẫu (ví dụ trung bình mẫu, phương sai mẫu)estimator computed from a sample (e.g., sample mean, sample variance)θ\thetatham số thật của tổng thể mà ước lượng nhắm tớitrue population parameter the estimator is aiming at
∑(xi−xˉ)2n\htmlClass{fp-1}{\frac{\htmlClass{fp-0}{\sum (x_i - \bar{x})^2}}{n}}
∑(xi−xˉ)2n\htmlClass{fp-1}{\frac{\htmlClass{fp-0}{\sum (x_i - \bar{x})^2}}{n}}

Dùng để minh họa cách chia cho nn làm ước lượng phương sai tổng thể chệch xuống.This illustrates how dividing by nn makes the estimator of the population variance biased downward.

Trong đóWhere

xix_igiá trị quan sát thứ ii trong mẫuthe iith observed value in the samplexˉ\bar{x}trung bình mẫusample meannncỡ mẫusample size
Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Cỡ mẫu lớn không tự sửa độ chệch.

Nếu cách chọn mẫu hoặc công thức vốn lệch, tăng cỡ mẫu chủ yếu làm phân phối mẫu hẹp hơn quanh tâm lệch.

Không chệch không có nghĩa một mẫu cho đúng tham số.

Đây là tính chất dài hạn: giá trị kỳ vọng của thống kê bằng tham số, dù kết quả từng mẫu có thể cao hoặc thấp hơn.

Độ chệch không phải độ biến thiên.

Độ chệch mô tả tâm của phân phối mẫu; độ biến thiên mô tả độ rộng. Ước lượng có thể không chệch nhưng dao động mạnh, hoặc chệch nhưng ổn định.

A large sample size does not fix bias on its own.

If the sampling method or the formula is off-center to begin with, increasing the sample size mainly narrows the sampling distribution around that off-center value.

Unbiased does not mean one sample gives the parameter exactly.

Unbiasedness is a long-run property: the expected value of the statistic equals the parameter, even though individual samples come out high or low.

Bias is not variability.

Bias describes where the sampling distribution is centered; variability describes how wide it is. An estimator can be unbiased but highly variable, or biased but very stable.

Mẹo phòng thiExam tips2 mẹo2 tips

Khi so sánh hai cỡ mẫu, xét cả tâm và độ rộng.

Trong dạng bài về cùng một ước lượng không chệch, tâm bằng tham số; phân phối của cỡ mẫu lớn hơn hẹp hơn.

Viết đúng định nghĩa không chệch bằng giá trị kỳ vọng.

Nêu rằng trung bình của phân phối mẫu bằng tham số thật; đừng viết thống kê của một mẫu bằng tham số.

When comparing two sample sizes, address both center and spread.

For the same unbiased estimator, the center equals the parameter, and the distribution for the larger sample size is narrower.

State unbiasedness in terms of expected value.

Say that the mean of the sampling distribution equals the true parameter; do not write that a single sample's statistic equals the parameter.

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

1947George W. Brown

Khái niệm độ chệch của một ước lượng là tính chất so sánh giá trị kỳ vọng của thống kê với giá trị thật của tham số cần ước lượng; một mốc lịch sử được ghi nhận rõ là năm 1947, khi George W. Brown làm sống lại lý thuyết về ước lượng không chệch theo trung vị.
The bias of an estimator is defined by comparing the expected value of the statistic with the true value of the parameter being estimated. One clearly documented milestone is 1947, when George W. Brown revived the theory of median-unbiased estimation.

Vì sao mang đúng cái tên này? Tên gọi bắt nguồn từ chữ "bias", nghĩa là độ chệch — chênh lệch giữa giá trị kỳ vọng (expected value) của ước lượng và giá trị thật của tham số (parameter) đang cần ước lượng. Khi chênh lệch này bằng không thì ước lượng được gọi là không chệch (unbiased), nên chữ "chệch" ở đây mô tả đúng một đại lượng đo được chứ không mang nghĩa "thiên vị" như trong đời thường: trong thống kê, độ chệch là một tính chất khách quan của công thức ước lượng. Cũng vì vậy, cần phân biệt nó với tính vững (consistency) — một ước lượng vững vẫn có thể chệch, và ngược lại. Biến thể do Brown đề xuất được gọi là không chệch theo trung vị (median-unbiased) vì nó thay tiêu chuẩn trung bình bằng tiêu chuẩn trung vị.

Thử nghiệm tương tácInteractive explorer

Kéo cỡ mẫu từ 5 lên 40 — đống chấm hẹp lại mà tâm vẫn không chạm vạch đỏ

Kéo cỡ mẫu từ 5 lên 40 — đống chấm hẹp lại mà tâm vẫn không chạm vạch đỏ

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 example3 phút đọc3 min read
Một trung tâm dữ liệu có đúng bốn máy chủ được đánh số 1, 2, 3 và 4; số hiệu lớn nhất trong toàn bộ tổng thể là V=4V = 4 và trung bình tổng thể là μ=2,5\mu = 2{,}5. Một kiểm toán viên không biết trước hai giá trị này, nên anh ta chọn ngẫu nhiên 2 máy chủ khác nhau (lấy mẫu không hoàn lại) và ghi lại số hiệu của chúng. Có đúng 6 mẫu cỡ 2 và chúng đồng khả năng: {1,2}\{1,2\}, {1,3}\{1,3\}, {1,4}\{1,4\}, {2,3}\{2,3\}, {2,4}\{2,4\}, {3,4}\{3,4\}.
  1. aLập phân bố mẫu (sampling distribution) của giá trị lớn nhất trong mẫu và tính trung bình của phân bố đó. Thống kê này có chệch hay không, và chệch theo hướng nào?
  2. bLàm tương tự với trung bình mẫu và cho biết nó có phải ước lượng không chệch (unbiased estimator) của μ\mu hay không.
  3. cNếu kiểm toán viên tăng cỡ mẫu lên 3 máy chủ, giá trị lớn nhất trong mẫu có hết chệch không?
1Bước 1: Trước hết cần nhớ tiêu chuẩn phán xét: một thống kê được gọi là không chệch khi trung bình của toàn bộ phân bố mẫu của nó đúng bằng tham số (parameter) cần ước lượng, tức là E(θ^)=θE(\hat{\theta}) = \theta. Độ chệch được đo bằng hiệu E(θ^)−θE(\hat{\theta}) - \theta. Do đó công việc của ta không phải là xem một mẫu cụ thể sai bao nhiêu, mà là gom tất cả các mẫu có thể lại rồi xem tâm của chúng rơi ở đâu.
2Bước 2 (ý a): Ứng với 6 mẫu theo thứ tự đã liệt kê, giá trị lớn nhất lần lượt là 2,3,4,3,4,42, 3, 4, 3, 4, 4. Vì các mẫu đồng khả năng nên mỗi giá trị có xác suất 1/61/6, và trung bình của phân bố mẫu bằng 2+3+4+3+4+46=206≈3,33\frac{2+3+4+3+4+4}{6} = \frac{20}{6} \approx 3{,}33. Con số này nói rằng nếu lặp lại việc lấy mẫu vô số lần, giá trị lớn nhất trong mẫu trung bình chỉ đạt khoảng 3,333{,}33.
3Bước 3 (ý a): So với tham số thật V=4V = 4, độ chệch là 3,33−4=−0,673{,}33 - 4 = -0{,}67. Dấu âm cho thấy thống kê này chệch xuống dưới, và điều đó là tất yếu về mặt logic: giá trị lớn nhất của một mẫu con không bao giờ vượt quá giá trị lớn nhất của tổng thể, nên nó chỉ có thể bằng hoặc thấp hơn VV. Vì vậy giá trị lớn nhất trong mẫu là một ước lượng chệch, luôn đánh giá thấp VV.
4Bước 4 (ý b): Trung bình của 6 mẫu lần lượt là 1,51{,}5; 22; 2,52{,}5; 2,52{,}5; 33; 3,53{,}5. Cộng lại được 1515, nên trung bình của phân bố mẫu bằng 156=2,5\frac{15}{6} = 2{,}5. Giá trị này trùng khít với μ=2,5\mu = 2{,}5, do đó độ chệch bằng 00 và trung bình mẫu là ước lượng không chệch của trung bình tổng thể. Đáng chú ý là từng mẫu riêng lẻ vẫn sai lệch khá nhiều, nhưng các sai lệch âm và dương triệt tiêu nhau nên tâm của phân bố vẫn đúng.
5Bước 5 (ý c): Với cỡ mẫu 3 có 4 mẫu là {1,2,3}\{1,2,3\}, {1,2,4}\{1,2,4\}, {1,3,4}\{1,3,4\}, {2,3,4}\{2,3,4\}, cho các giá trị lớn nhất 3,4,4,43, 4, 4, 4 và trung bình 154=3,75\frac{15}{4} = 3{,}75. Độ chệch rút từ −0,67-0{,}67 xuống −0,25-0{,}25, nghĩa là tăng cỡ mẫu làm nhẹ bớt chứ không xóa được khuyết tật. Đây là điểm mấu chốt hay bị nhầm: chệch là tính chất của bản thân công thức thống kê, nên nó không tự biến mất khi ta lấy thêm dữ liệu.

Giá trị lớn nhất trong mẫu là ước lượng chệch của số hiệu lớn nhất trong kho máy chủ, vì tâm phân bố mẫu của nó chỉ nằm ở 3,333{,}33 (với n=2n = 2) và 3,753{,}75 (với n=3n = 3), đều thấp hơn giá trị thật V=4V = 4; ngược lại, trung bình mẫu có tâm đúng bằng μ=2,5\mu = 2{,}5 nên là ước lượng không chệch. Vì vậy kiểm toán viên dùng trung bình mẫu thì yên tâm, còn dùng giá trị lớn nhất trong mẫu thì phải biết rằng mình đang có xu hướng báo cáo thiếu một cách hệ thống.

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 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 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
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 differƯớc lượng chệch có kỳ vọng lệch khỏi tham số theo một hướng cố định. Ước lượng không chệch có kỳ vọng đúng bằng tham số cần tìm.
Hay nhầm khiMixed up whenKhi đề hỏi vì sao chia cho n−1n-1 trong phương sai mẫu thay vì chia cho nn.
Khác nhau ở đâuHow they differƯớc lượng chệch sai lệch một cách hệ thống và không giảm khi tăng cỡ mẫu. Sai số chọn mẫu là dao động ngẫu nhiên quanh tham số và nhỏ dần khi mẫu lớn hơn.
Hay nhầm khiMixed up whenKhi đề cho một ước lượng lệch xa tham số và hỏi đó là do chệch hay do biến thiên ngẫu nhiên.

Cùng chủ đềSame topic

Nguồn tham khảoReferences

  1. [1]Barron_AP_Stat_2026. tr. 13, 316–317.

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