AP Statistics

ước lượng không chệchunbiased estimator

unbiased estimatorVietnamese: ước lượng không chệch

Còn gọi:Also called: unbiased · ước lượng vô tư · không chệch · unbiased estimate

Ước lượng không chệch (unbiased estimator) là một thống kê mà kỳ vọng của phân phối mẫu bằng đúng tham số tổng thể cần ước lượng.An unbiased estimator is a statistic whose sampling distribution has a mean equal to the population parameter being estimated.

Trực giác: Giống như một cái cân được hiệu chuẩn đúng: mỗi lần cân một vật cho kết quả hơi khác nhau do sai số ngẫu nhiên, nhưng trung bình tất cả các lần cân sẽ trùng với khối lượng thật của vật đó.Intuition: Think of a properly calibrated scale: weighing the same object repeatedly gives slightly different readings because of random error, but the average of all the readings lands on the object's true mass.

Công thức chínhKey formula

E(\hat{\theta}) = \theta

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Ước lượng không chệch là thống kê từ mẫu ngẫu nhiên có trung bình trên toàn bộ phân phối mẫu bằng tham số tổng thể cần ước lượng. Từng mẫu có thể cho giá trị cao hoặc thấp hơn giá trị thật; tính không chệch chỉ nói về kỳ vọng, không bảo đảm mỗi lần đều chính xác.

Trung bình mẫu và tỉ lệ mẫu là các ví dụ. Với phương sai mẫu, chia cho $n-1$ thay vì $n$ để ước lượng không chệch phương sai tổng thể.

An unbiased estimator is a statistic computed from a random sample whose mean, taken over its entire sampling distribution, equals the population parameter being estimated. Any single sample may give a value above or below the true value; unbiasedness is a statement about the long-run average only, and it does not guarantee that any one estimate is correct.

The sample mean and the sample proportion are examples. For the sample variance, dividing by $n-1$ instead of $n$ makes it an unbiased estimator of the population variance.

Ký hiệuNotation

\hat{\theta}

E(\hat{\theta}) = \theta

\hat{\theta}

E(\hat{\theta}) = \theta

Công thức chi tiếtFormula details2 công thức2 formulas

\htmlClass{fp-1}{E(\htmlClass{fp-0}{\hat{\theta}})} = \htmlClass{fp-2}{\theta}

\htmlClass{fp-1}{E(\htmlClass{fp-0}{\hat{\theta}})} = \htmlClass{fp-2}{\theta}

Dùng để kiểm tra tính không chệch: kỳ vọng của thống kê phải bằng tham số tổng thể cần ước lượng.Use this to check unbiasedness: the expected value of the statistic must equal the population parameter being estimated.

Trong đóWhere

\hat{\theta}

thống kê mẫu dùng để ước lượng tham số tổng thểsample statistic used to estimate the population parameter

E(\hat{\theta})

kỳ vọng của thống kê mẫu, tức trung bình của phân phối lấy mẫuexpected value of the sample statistic, i.e., the mean of the sampling distribution

\theta

tham số tổng thể cần ước lượng (ví dụ: trung bình, tỉ lệ, phương sai)population parameter being estimated (e.g., mean, proportion, variance)

s^2 = \htmlClass{fp-3}{\frac{\htmlClass{fp-1}{\sum \htmlClass{fp-0}{(x_i - \bar{x})}^2}}{\htmlClass{fp-2}{n-1}}}

s^2 = \htmlClass{fp-3}{\frac{\htmlClass{fp-1}{\sum \htmlClass{fp-0}{(x_i - \bar{x})}^2}}{\htmlClass{fp-2}{n-1}}}

Dùng để ước lượng không chệch phương sai tổng thể bằng phương sai mẫu với mẫu số $n-1$ .Use this to estimate the population variance without bias, using the sample variance with denominator $n-1$ .

Trong đóWhere

s^2

phương sai mẫusample variance

x_i

giá trị quan sát thứ

i

trong mẫuthe

i

th observed value in the sample

\bar{x}

trung bình mẫusample mean

n

cỡ mẫusample size

n-1

bậc tự do (degrees of freedom), dùng thay cho

n

để đảm bảo tính không chệchdegrees of freedom, used in place of

n

to ensure unbiasedness

Hay hiểu saiCommon misconceptions3 ý · 1 phút đọc3 points · 1 min read

Không chệch không có nghĩa mỗi ước lượng đều đúng.

Tính chất này chỉ yêu cầu trung bình của phân phối mẫu bằng tham số; từng mẫu vẫn có thể cho giá trị cao hoặc thấp hơn.

Tăng cỡ mẫu không làm một ước lượng không chệch “bớt chệch”.

Nếu thống kê không chệch ở cả hai cỡ mẫu, hai phân phối vẫn có kỳ vọng bằng tham số.

Không chệch chưa đủ để một ước lượng là tốt nhất.

Nhiều thống kê có thể cùng không chệch; thống kê có độ lệch chuẩn phân phối mẫu nhỏ hơn thường đáng tin hơn.

Unbiasedness does not mean every individual estimate is correct.

The property only requires the mean of the sampling distribution to equal the parameter, so single samples can still land above or below it.

Increasing the sample size does not make an unbiased estimator "less biased." If the statistic is unbiased at both sample sizes, both sampling distributions already center on the parameter.

Being unbiased is not enough to make an estimator the best choice.

Several statistics can all be unbiased, and the one with the smaller standard deviation of its sampling distribution is usually more reliable.

Mẹo phòng thiExam tips2 mẹo2 tips

Với phân phối mẫu của $\bar{x}$ hoặc $\hat{p}$ , hãy so sánh cả tâm và độ phân tán.

Nếu thống kê không chệch, các trung bình bằng tham số; cỡ mẫu lớn hơn cho độ biến thiên nhỏ hơn.

Trong bài tự luận, viết rõ “trung bình của phân phối mẫu bằng tham số tổng thể”.

Không thay bằng “mẫu ngẫu nhiên nên đúng” hoặc “ $n$ lớn nên không chệch”; hãy phân biệt ký hiệu mẫu và tổng thể.

For the sampling distribution of $\bar{x}$ or $\hat{p}$ , compare both center and spread.

An unbiased statistic has a mean equal to the parameter, and a larger sample size gives less variability.

On free-response questions, write explicitly that "the mean of the sampling distribution equals the population parameter." Do not substitute "the sample is random so it is correct" or " $n$ is large so it is unbiased," and keep sample and population notation distinct.

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsHiếm gặpRare

Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

1947George W. BrownE. L. Lehmann

Năm 1947, George W. Brown làm sống lại tính không chệch theo trung vị để mô tả ước lượng đoán thiếu và đoán thừa thường xuyên như nhau.

In 1947, George W. Brown revived median unbiasedness to describe estimators that underestimate and overestimate equally often.

Vì sao mang đúng cái tên này? Tên gọi đi thẳng từ chữ "chệch", tức độ chệch (bias) — hiệu giữa kỳ vọng của ước lượng và giá trị thật của tham số. Một quy tắc ước lượng có độ chệch bằng không thì được gọi là không chệch, ngược lại thì bị chệch. Điều đáng lưu ý nằm ở chỗ chữ "chệch" ở đây không mang nghĩa thiên vị hay sai sót chủ quan như trong ngôn ngữ đời thường: nó là một đặc trưng toán học của công thức, không phải của người làm thống kê. Cũng vì vậy, nói "một ước lượng bị chệch" là cách nói tắt; chính xác hơn phải nói đó là con số sinh ra từ một công thức ước lượng bị chệch, bởi sai số lớn ở một lần tính không đủ kết luận công thức có chệch hay không.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

Rút thêm mẫu, rồi tăng cỡ mẫu — nhìn đám chấm bó lại nhưng tâm không nhúc nhích

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

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: chệch và không chệchSuy luận cho tỉ lệ (dữ liệu phân loại) · khoácourse AP Statistics

Dẫn tớiLeads tokhoảng tin cậyconfidence interval

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

Thuật ngữTermKhác nhau ở đâuHow they differHay nhầm khiMixed up when

ước lượng (estimator)estimator

Khác nhau ở đâuHow they differƯớc lượng là bất kỳ thống kê nào dùng để suy ra tham số, còn ước lượng không chệch là tập con của chúng thỏa thêm điều kiện kỳ vọng bằng tham số

Hay nhầm khiMixed up whenđề hỏi 'thống kê nào là unbiased estimator của μ' — học sinh dễ chọn bất kỳ thống kê nào thay vì kiểm tra điều kiện kỳ vọng

Cùng chủ đềSame topic

Nguồn tham khảoReferences

[1]Barron_AP_Stat_2026. tr. 13, 317, 328.