AP Statistics

z-score

Còn gọi: standard score · z value

z-score là số đo cho biết một giá trị dữ liệu cách trung bình của phân phối bao nhiêu lần độ lệch chuẩn.

Trong thống kê, việc so sánh trực tiếp hai giá trị từ hai phân phối khác nhau thường không mang lại ý nghĩa, bởi mỗi phân phối có trung bình và độ phân tán riêng. Điểm z giải quyết vấn đề này bằng cách chuẩn hóa: nó cho biết một quan sát nằm cách trung bình bao nhiêu lần độ lệch chuẩn, từ đó đặt mọi phân phối về cùng một thước đo chung.

Công thức tính điểm z cho một giá trị $x$ trong phân phối có trung bình $\mu$ và độ lệch chuẩn $\sigma$ là:

$z = \frac{x - \mu}{\sigma}$

Tử số $x - \mu$ đo khoảng cách thô từ giá trị đến trung bình, còn mẫu số $\sigma$ đổi khoảng cách ấy sang đơn vị chuẩn. Nhờ đó, $z = 1.5$ nghĩa là giá trị nằm trên trung bình đúng một lần rưỡi độ lệch chuẩn, bất kể dữ liệu gốc đo bằng kilogram, điểm thi hay centimét. Vì vậy, điểm z trở thành cầu nối giữa phân phối bất kỳ và phân phối chuẩn (Normal distribution) chuẩn tắc $N(0,1)$ , nơi mọi xác suất đều có thể tra bảng hoặc tính bằng máy tính.

Trong kiểm định giả thuyết, điểm z đóng vai trò thống kê kiểm định khi độ lệch chuẩn tổng thể đã biết. Giá trị $|z|$ càng lớn thì dữ liệu càng xa giả thuyết không, dẫn đến giá trị p (p-value) càng nhỏ và bằng chứng chống lại giả thuyết không càng mạnh. Ngược lại, nếu $z$ gần 0, quan sát hoàn toàn phù hợp với kỳ vọng và ta không có lý do để bác bỏ giả thuyết ban đầu. Do đó, điểm z vừa là công cụ chuẩn hóa, vừa là thước đo mức độ bất thường của một kết quả trong suy luận thống kê.

Ký hiệu

z

Đơn vịKhông có đơn vị (đại lượng chuẩn hóa)

Trực giác: Nếu lớp A trung bình 70 điểm với độ phân tán rộng còn lớp B trung bình 50 điểm nhưng ai cũng gần 50, thì điểm z cho phép bạn so sánh công bằng: ai "xuất sắc hơn so với chính lớp mình" mới là người thực sự nổi bật.

Công thức

z = \htmlClass{fp-2}{\frac{\htmlClass{fp-0}{x - \mu}}{\htmlClass{fp-1}{\sigma}}}

Dùng khi cần chuẩn hóa một giá trị từ phân phối có trung bình \mu và độ lệch chuẩn \sigma đã biết, chẳng hạn để tra bảng phân phối chuẩn chuẩn hoặc để so sánh hai điểm thuộc hai phân phối khác đơn vị.

Trong đó

z

điểm chuẩn — số lần độ lệch chuẩn mà giá trị quan sát nằm cách trung bình

x

giá trị dữ liệu cần chuẩn hóa

\mu

trung bình của tổng thể

\sigma

độ lệch chuẩn của tổng thể

Khái niệm này sinh ra từ đâu

Điểm z là cách quy mọi số liệu về một thang đo chung bằng cách đếm xem giá trị đó cách trung bình bao nhiêu lần độ lệch chuẩn (standard deviation); tên gọi của nó lấy từ phân phối z, tức phân phối chuẩn tắc (standard normal distribution) có trung bình bằng 0 và độ lệch chuẩn bằng 1.

Khái niệm này ra đời từ một khó khăn rất đời thường: hai con số đo trên hai thang khác nhau thì không so sánh trực tiếp được. Một học sinh được 85 điểm ở lớp này và một học sinh khác được 72 điểm ở lớp kia — hai con số ấy nằm trên hai hệ quy chiếu riêng, nên đặt cạnh nhau là vô nghĩa. Phép chuẩn hóa giải quyết đúng chỗ vướng đó: trừ đi trung bình rồi chia cho độ lệch chuẩn, mọi giá trị đều được kể lại bằng một đơn vị duy nhất. Nhờ vậy điểm z trở thành công cụ quen thuộc để phát hiện giá trị ngoại lai (outlier), để áp dụng nhanh quy tắc thực nghiệm (empirical rule), và để so sánh dữ liệu đến từ những phân phối khác hẳn nhau.

Thử nghiệm tương tác

Kéo vạch dọc trục cân nặng — đọc xem nó đứng cách trung bình mấy độ lệch chuẩn

Hay hiểu sai

Tử số luôn là giá trị trừ trung bình, không được đảo thành $\mu-x$ .

Điểm z tính được với mọi phân phối, nhưng bảng chuẩn chỉ dùng khi phân phối xấp xỉ chuẩn.

Bài cùng z-score phải giải ngược bằng trung bình và độ lệch chuẩn của phân phối thứ hai.

Chuẩn hóa một cá thể dùng $\sigma$ , còn chuẩn hóa trung bình mẫu dùng $\sigma/\sqrt{n}$ .

Mẹo phòng thi

Ví dụ có lời giải

1Ví dụ 1/2

Cân nặng của gấu xám (grizzly) đực trưởng thành sống hoang dã ở lục địa Hoa Kỳ xấp xỉ phân phối chuẩn (normal distribution) với trung bình 500 pound và độ lệch chuẩn (standard deviation) 50 pound. Cân nặng của gấu xám cái trưởng thành xấp xỉ phân phối chuẩn với trung bình 300 pound và độ lệch chuẩn 40 pound. Một kiểm lâm bắt gặp một con gấu đực nặng 530 pound và một con gấu cái nặng 250 pound.

aTính z-score của con gấu đực nặng 530 pound và diễn giải ý nghĩa của giá trị đó.
bMột con gấu cái có z-score bằng đúng z-score của con gấu đực ở ý (a) thì nặng khoảng bao nhiêu pound?
cTrong hai con gấu kiểm lâm bắt gặp, con nào có vị trí tương đối 'nổi bật' hơn so với giới của nó? Giải thích.

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 nàyXác suất, biến ngẫu nhiên & phân phối xác suất · bài “Phân phối chuẩn (Normal)” — khoá AP Statistics

Cần trướctrung bình

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

phân vịpercentile

Khác nhau ở đâuZ-score đếm số độ lệch chuẩn từ trung bình đến giá trị quan sát, còn phân vị đếm phần trăm dữ liệu nằm dưới giá trị đó

Hay nhầm khiđề cho z = 1,28 và hỏi 'bao nhiêu phần trăm nằm dưới', học sinh ghi thẳng 1,28% thay vì tra bảng để ra 90%

p-valuep-value

Khác nhau ở đâuZ-score là một toạ độ trên trục hoành của đường cong chuẩn, còn p-value là diện tích đuôi tính từ toạ độ đó trở ra

Hay nhầm khitrong kiểm định giả thuyết, học sinh tính được z = 2,14 rồi viết p-value = 2,14 thay vì tra bảng chuẩn tắc để tìm diện tích 0,0162

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 35, 60–61.

2Ví dụ 2/2

Chiều cao của nữ sinh lớp 12 tại một thành phố xấp xỉ phân phối chuẩn với trung bình 163 cm và độ lệch chuẩn 6 cm. Nhà trường muốn dùng dữ liệu này để chọn đội bóng chuyền nữ.

aMột nữ sinh cao 172 cm. Tính z-score của em và tìm tỉ lệ nữ sinh cao hơn em.
bNhà trường chỉ mời thử tuyển những nữ sinh thuộc nhóm 10% cao nhất. Chiều cao tối thiểu để được mời là bao nhiêu?

1Bước 1: Ý (a): chuẩn hoá chiều cao 172 cm về thang chuẩn. Với

\mu=163

và

\sigma=6

, ta có

z=\dfrac{172-163}{6}=\dfrac{9}{6}=1{,}5

. Em này cao hơn trung bình đúng 1,5 độ lệch chuẩn, và con số 1,5 chính là chìa khoá để tra bảng phân phối chuẩn tắc.

2Bước 2: Đổi z-score thành xác suất. Bảng chuẩn tắc cho

P(Z<1{,}5)=0{,}9332

, nên phần đuôi bên phải là

P(Z>1{,}5)=1-0{,}9332=0{,}0668

. Vậy chỉ khoảng

6{,}68\%

nữ sinh cao hơn em, tương đương em đứng ở phân vị (percentile) thứ 93 của phân bố chiều cao.

3Bước 3: Ý (b): bài toán đi ngược, cho trước diện tích rồi hỏi giá trị, nên phải tìm z-score trước. Nhóm 10% cao nhất nằm bên phải một mốc

x

sao cho

P(X>x)=0{,}10

, tức

P(Z<z)=0{,}90

. Tra ngược bảng chuẩn tắc (hoặc dùng invNorm) cho

z\approx 1{,}28

4Bước 4: Chuyển z-score trở lại đơn vị centimet bằng

x=\mu+z\sigma

. Thay số:

x=163+1{,}28(6)=163+7{,}68=170{,}68

cm. Kiểm tra lại cho chắc:

\dfrac{170{,}68-163}{6}=1{,}28

, đúng bằng z-score đã tìm, nên phép tính nhất quán.

Nữ sinh cao 172 cm có z-score bằng 1,5, nghĩa là cao hơn trung bình 1,5 độ lệch chuẩn, và chỉ khoảng 6,7% nữ sinh lớp 12 trong thành phố cao hơn em. Để lọt vào nhóm 10% cao nhất, một nữ sinh phải cao ít nhất khoảng 170,7 cm.