Đang tải bài học…

AP Statistics

ước lượng điểm

point estimate

Ước lượng điểm là một giá trị số duy nhất tính từ dữ liệu mẫu, dùng làm giá trị đại diện hợp lý nhất cho tham số tổng thể.

Ước lượng điểm (point estimate) là con số cụ thể rút ra từ mẫu dữ liệu, được chọn để đại diện cho giá trị chưa biết của một tham số tổng thể. Khi ta không thể đo lường toàn bộ tổng thể, một thống kê mẫu — chẳng hạn trung bình mẫu hay tỉ lệ mẫu — sẽ đóng vai trò làm ước lượng tốt nhất cho tham số tương ứng. Do đó, ước lượng điểm là bước đầu tiên và thiết yếu nhất trong mọi quy trình suy luận thống kê.

Mỗi tham số tổng thể có một ước lượng điểm tự nhiên đi kèm: trung bình mẫu $\bar{x}$ ước lượng trung bình tổng thể $\mu$ , tỉ lệ mẫu $\hat{p}$ ước lượng tỉ lệ tổng thể $p$ , và độ lệch chuẩn mẫu $s$ ước lượng độ lệch chuẩn tổng thể $\sigma$ . Vì vậy, nếu đề thi yêu cầu "tính ước lượng điểm cho trung bình tổng thể", học sinh chỉ cần tính $\bar{x}$ từ dữ liệu đã cho — như trong bài free-response của Barron, trung bình mẫu $2{,}900{,}000 chính là ước lượng điểm cho $\mu$ .

Tuy nhiên, ước lượng điểm luôn đi kèm sai số do biến động mẫu ngẫu nhiên, nên nó hiếm khi trùng khớp chính xác với tham số thật. Để khắc phục, ta kết hợp nó với biên sai số (margin of error) để xây dựng khoảng tin cậy, nhờ đó biến một con số duy nhất thành một miền giá trị đáng tin cậy hơn. Vì lý do này, ước lượng điểm được xem là thành phần trung tâm, còn khoảng tin cậy là "bổ sung cần thiết" trong suy luận thống kê.

Ký hiệu

\bar{x}

\hat{p}

s

Trực giác: Giống như ném phi tiêu: bạn nhắm một điểm duy nhất trên bia — có thể không trúng hồng tâm, nhưng đó là vị trí bạn tin là gần nhất.

Công thức

\htmlClass{fp-1}{\hat{\theta}} = \htmlClass{fp-0}{\text{statistic}(x_1, x_2, \ldots, x_n)}

Dùng khi cần báo cáo một con số duy nhất đại diện cho tham số tổng thể, chẳng hạn dùng trung bình mẫu $\bar{x}$ ước lượng trung bình tổng thể $\mu$ , hoặc tỉ lệ mẫu $\hat{p}$ ước lượng tỉ lệ tổng thể $p$ .

Trong đó

\hat{\theta}

ước lượng điểm — giá trị số duy nhất dùng để xấp xỉ tham số tổng thể

x_1, x_2, \ldots, x_n

các quan sát trong mẫu ngẫu nhiên

n

cỡ mẫu — số quan sát được thu thập

\htmlClass{fp-0}{\bar{x}} = \htmlClass{fp-2}{\frac{\htmlClass{fp-1}{\sum_{i=1}^{n} x_i}}{n}}

Khái niệm này sinh ra từ đâu

1802 (Laplace) và 1895 (phương pháp mô-men của Pearson)LaplaceKarl PearsonR. A. Fisher

Ý tưởng dùng một con số duy nhất tính từ mẫu để thay cho tham số chưa biết của tổng thể đã xuất hiện từ thời Laplace, và được hệ thống hóa thành các phương pháp ước lượng cụ thể khi Karl Pearson giới thiệu phương pháp mô-men (method of moments) năm 1895, rồi R. A. Fisher đề xuất phương pháp hợp lý cực đại (maximum likelihood estimation).

Thử nghiệm tương tác

Kéo một con gấu sang phải — nhìn con số ước lượng chạy theo, còn tham số thì đứng yên

Hay hiểu sai

Ước lượng điểm là số tính từ mẫu, không phải tham số dân số như $p_1-p_2$ hay $\mu$ .

Với hai nhóm, ước lượng điểm là hiệu hai thống kê, không phải tổng hay một thống kê lẻ.

Phải chia ra tỉ lệ theo từng cỡ mẫu rồi mới trừ, không lấy hiệu số đếm thô.

Biên sai số không phải ước lượng điểm; nó là phần cộng trừ quanh ước lượng điểm.

Mẹo phòng thi

Ví dụ có lời giải

1Ví dụ 1/2

Trạm kiểm lâm của một vườn quốc gia đã gắn thẻ theo dõi 2 844 con gấu đen cái trưởng thành. Một mẫu ngẫu nhiên gồm 9 con gấu trong số đã gắn thẻ được cân, cho khối lượng trung bình 203 pounds với độ lệch chuẩn 25 pounds.

aHãy chỉ ra ước lượng điểm cho khối lượng trung bình của toàn bộ đàn gấu đen cái đã gắn thẻ, và giải thích vì sao chọn đại lượng đó.
bTính sai số chuẩn của ước lượng điểm này.
cGiá trị 2 844 và giá trị 25 đóng vai trò gì trong bài toán? Chúng có phải là ước lượng điểm cho trung bình tổng thể không?

1Bước 1: Trước hết cần xác định rõ tham số đang muốn ước lượng. Ở đây đại lượng chưa biết là khối lượng trung bình của toàn bộ 2 844 con gấu đã gắn thẻ, ký hiệu

\mu

. Vì không thể cân hết cả đàn, ta phải mượn số liệu của mẫu để nói thay cho tổng thể.

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 nàySuy luận cho tỉ lệ (dữ liệu phân loại) · bài “Ước lượng điểm — chệch & không chệch” — khoá AP Statistics

Dẫn tớikhoảng tin cậy

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

ước lượng khoảng (interval estimate)interval estimate

Khác nhau ở đâuƯớc lượng điểm cho một con số duy nhất, còn ước lượng khoảng cho một khoảng giá trị kèm theo độ tin cậy

Hay nhầm khiđề hỏi 'construct a 95% confidence interval' nhưng thí sinh chỉ tính

\bar{x}

rồi dừng lại, bỏ sót phần cộng trừ sai số biên

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 392, 790.

Dùng khi tham số cần ước lượng là trung bình tổng thể $\mu$ và dữ liệu là biến định lượng liên tục hoặc rời rạc; đây là trường hợp ước lượng điểm xuất hiện thường xuyên nhất trong đề thi.

Trong đó

\bar{x}

trung bình mẫu — ước lượng điểm của trung bình tổng thể

\mu

x_i

giá trị quan sát thứ

i

trong mẫu

n

cỡ mẫu

\hat{p} = \frac{x}{n}

Dùng khi tham số cần ước lượng là tỉ lệ tổng thể $p$ và dữ liệu là biến phân loại nhị phân (thành công / thất bại); $\hat{p}$ là ước lượng điểm xuất hiện trong mọi bài toán suy diễn về tỉ lệ.

Trong đó

\hat{p}

tỉ lệ mẫu — ước lượng điểm (point estimate) của tỉ lệ tổng thể

p

x

số cá thể trong mẫu có đặc tính quan tâm (số "thành công")

n

cỡ mẫu

Năm 1802, Laplace muốn biết nước Pháp có bao nhiêu dân nhưng không thể đếm từng người. Ông lấy số liệu điều tra của ba cộng đồng, thấy ở đó có 2.037.615 người ứng với 71.866 ca sinh trong năm, rồi giả định tỉ lệ này đại diện cho cả nước để suy ra con số 28.328.612. Đó chính là tinh thần của ước lượng điểm: từ một mẫu nhỏ, tạo ra một con số duy nhất đại diện cho cái không đo được. Gần một thế kỷ sau, Karl Pearson và R. A. Fisher biến cách làm trực giác ấy thành những quy tắc toán học có thể kiểm chứng.

Vì sao mang đúng cái tên này? Chữ "điểm" trong tên gọi nhấn mạnh rằng kết quả chỉ là một giá trị đơn lẻ — một điểm trên trục số, chẳng hạn $\bar{x}$ hay $\hat{p}$ — chứ không phải cả một đoạn như trong ước lượng khoảng (interval estimation). Vì vậy tên gọi mô tả đúng hình dạng của câu trả lời: hỏi tổng thể trung bình bao nhiêu, ta chỉ đáp lại bằng một con số. Còn bản thân chữ "thống kê" thì đi một đường vòng xa hơn: nó bắt nguồn từ tiếng Latin mới statisticum collegium ("hội đồng nhà nước") và tiếng Ý statista ("chính khách"); Gottfried Achenwall đưa dạng tiếng Đức Statistik vào dùng năm 1749 để chỉ việc phân tích số liệu về nhà nước, và Sir John Sinclair mang từ này vào tiếng Anh năm 1791 khi xuất bản bộ Statistical Account of Scotland. Nói cách khác, ngành học vốn sinh ra để đếm dân, đếm thuế cho nhà nước — đúng như bài toán mà Laplace đã giải bằng một ước lượng điểm.

Kéo một con gấu sang phải — nhìn con số ước lượng chạy theo, còn tham số thì đứng yên

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

Tạo tài khoản miễn phí

Đề cho khoảng tin cậy thì ước lượng điểm là trung điểm hai đầu mút.

Dùng đúng ký hiệu: $p$ cho tham số, $\hat{p}$ cho thống kê, đừng lẫn lộn.

Khai báo nhóm 1 trước khi lấy hiệu và giữ nguyên thứ tự đến hết bài.

Tần suất trong đề AP StatisticsThường xuyên

2Bước 2: Đại lượng lấy từ mẫu tương ứng với

\mu

chính là trung bình mẫu (sample mean)

\bar{x} = 203

pounds. Đây là một con số duy nhất dùng để thay cho tham số chưa biết, nên nó đúng là ước lượng điểm cần tìm. Lý do chọn

\bar{x}

chứ không phải một đại lượng khác là vì

\bar{x}

là ước lượng không chệch (unbiased estimator) của

\mu

: nếu lặp lại việc lấy mẫu vô số lần thì trung bình của tất cả các

\bar{x}

thu được sẽ đúng bằng

\mu

3Bước 3: Một ước lượng điểm không bao giờ trúng đích tuyệt đối, nên ta đo mức dao động của nó bằng sai số chuẩn (standard error). Với trung bình mẫu, công thức là

SE(\bar{x}) = s/\sqrt{n}

, trong đó

s

là độ lệch chuẩn của mẫu và

n

là cỡ mẫu. Thay số:

SE(\bar{x}) = 25/\sqrt{9} = 25/3 \approx 8{,}33

pounds. Con số này cho biết các giá trị

\bar{x}

từ những mẫu 9 con gấu khác nhau thường lệch khỏi

\mu

khoảng chừng 8,33 pounds.

4Bước 4: Cuối cùng, cần phân biệt ước lượng điểm với các con số phụ trợ. Giá trị 2 844 là kích thước tổng thể, nó chỉ mô tả quy mô đàn gấu chứ không ước lượng cho khối lượng nào cả. Giá trị 25 pounds là độ lệch chuẩn của mẫu, tức ước lượng điểm cho độ lệch chuẩn tổng thể

\sigma

chứ không phải cho

\mu

. Vì vậy chỉ có 203 pounds mới trả lời đúng câu hỏi được đặt ra.

Ước lượng điểm cho khối lượng trung bình của toàn bộ gấu đen cái trưởng thành đã gắn thẻ là $\bar{x} = 203$ pounds, với sai số chuẩn khoảng 8,33 pounds. Hai con số 2 844 và 25 lần lượt là kích thước tổng thể và độ lệch chuẩn mẫu, không phải ước lượng cho trung bình tổng thể.

2Ví dụ 2/2

Một khoảng tin cậy 98% cỡ mẫu lớn cho tỉ lệ các đơn đặt phòng khách sạn bị hủy ngay trong ngày dự định nhận phòng được báo cáo là

(0{,}048;\ 0{,}112)

aTìm ước lượng điểm cho tỉ lệ đơn đặt phòng bị hủy mà từ đó khoảng tin cậy này được xây dựng.
bTìm biên độ sai số của khoảng tin cậy này.
cNếu giữ nguyên dữ liệu nhưng hạ mức tin cậy xuống 90%, ước lượng điểm và biên độ sai số thay đổi ra sao?

1Bước 1: Mọi khoảng tin cậy (confidence interval) dạng thông thường đều được dựng theo cấu trúc "ước lượng điểm

\pm

biên độ sai số". Do đó khoảng đã cho phải nằm cân xứng hai bên ước lượng điểm, và ước lượng điểm chính là trung điểm của khoảng. Đây là lý do ta có thể đi ngược từ khoảng về lại con số ban đầu.

2Bước 2: Lấy trung bình cộng hai đầu mút:

\hat{p} = \dfrac{0{,}048 + 0{,}112}{2} = \dfrac{0{,}160}{2} = 0{,}080

. Vậy tỉ lệ mẫu bằng 0,080, tức trong mẫu khảo sát có 8% số đơn đặt phòng bị hủy đúng ngày nhận phòng.

3Bước 3: Biên độ sai số (margin of error) là nửa độ rộng của khoảng, tính bằng

ME = \dfrac{0{,}112 - 0{,}048}{2} = \dfrac{0{,}064}{2} = 0{,}032

. Kiểm tra lại cho chắc:

0{,}080 - 0{,}032 = 0{,}048

và

0{,}080 + 0{,}032 = 0{,}112

, đúng bằng hai đầu mút đã cho.

4Bước 4: Khi hạ mức tin cậy xuống 90%, giá trị tới hạn

z^{*}

giảm nên

ME = z^{*}\sqrt{\hat{p}(1-\hat{p})/n}

cũng giảm theo, khoảng tin cậy hẹp lại. Tuy nhiên ước lượng điểm vẫn giữ nguyên bằng 0,080, vì

\hat{p}

chỉ phụ thuộc vào dữ liệu thu được chứ không phụ thuộc vào mức tin cậy ta chọn. Nói cách khác, mức tin cậy quyết định độ rộng của khoảng, còn tâm của khoảng thì do mẫu quyết định.

Ước lượng điểm cho tỉ lệ đơn đặt phòng bị hủy trong ngày dự định nhận phòng là $\hat{p} = 0{,}080$ , và biên độ sai số của khoảng tin cậy 98% là 0,032. Nếu hạ xuống mức tin cậy 90%, khoảng sẽ hẹp hơn nhưng vẫn có tâm tại 0,080.

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