Máy tính Thống kê

Thống kê mô tả là gì?

Thống kê mô tả tóm tắt xu hướng trung tâm, độ phân tán và hình dạng của tập dữ liệu mà không suy luận về tổng thể lớn hơn. Ba trụ cột: đo lường vị trí (trung bình, trung vị), đo lường phân tán (phạm vi, phương sai, độ lệch chuẩn), và đo lường vị trí (tứ phân vị, phần trăm).

Trung bình cộng nhạy cảm với ngoại lai, trong khi trung vị bền vững. Phương sai đo độ lệch bình phương trung bình từ giá trị trung bình. Độ lệch chuẩn là căn bậc hai của phương sai, có cùng đơn vị với dữ liệu.

Với dữ liệu phân phối chuẩn, khoảng 68% giá trị nằm trong ±1σ, 95% trong ±2σ, 99.7% trong ±3σ (quy tắc thực nghiệm). Đây là nền tảng cho kiểm soát chất lượng và phân tích rủi ro.

Formula: Trung bình (x̄) = Σxᵢ / n Phương sai (s²) = Σ(xᵢ - x̄)² / (n - 1) Độ lệch chuẩn (s) = √Phương sai Trung vị = giá trị giữa của dữ liệu đã sắp xếp

Ví dụ tính toán

Tập dữ liệu: [4, 8, 6, 5, 3]. Số lượng = 5, Tổng = 26, Trung bình = 5.2, Trung vị = 5. Phương sai = 3.7. Độ lệch chuẩn ≈ 1.924.

Khi nào sử dụng công cụ này

• Kỹ sư chất lượng phân tích dữ liệu đo lường để xác định độ biến động quá trình và giới hạn kiểm soát
• Nhà nghiên cứu tóm tắt kết quả thí nghiệm trước khi chạy kiểm định giả thuyết hoặc xây dựng mô hình
• Chuyên viên phân tích kinh doanh lập hồ sơ phản hồi khảo sát hoặc dữ liệu bán hàng để hiểu xu hướng trung tâm và độ phân tán
• Học sinh, sinh viên kiểm chứng các phép tính thống kê thủ công hoặc khám phá đặc tính tập dữ liệu cho bài tập

Những sai lầm thường gặp

• Chỉ báo cáo trung bình mà không kèm thước đo độ phân tán — trung bình của [1, 1, 1, 1, 1] và [0, 0, 0, 0, 5] đều là 1, nhưng dữ liệu khác nhau về bản chất; luôn kèm độ lệch chuẩn hoặc khoảng biến thiên
• Dùng công thức thống kê mẫu cho toàn bộ tổng thể (hoặc ngược lại) — phương sai mẫu chia cho n-1, phương sai tổng thể chia cho n; lựa chọn phụ thuộc vào việc dữ liệu của bạn là mẫu hay toàn bộ tổng thể
• Bỏ qua giá trị ngoại lai trước khi diễn giải kết quả — một giá trị cực đoan duy nhất có thể dịch chuyển trung bình đáng kể và thổi phồng độ lệch chuẩn; kiểm tra min/max và cân nhắc dùng trung vị cùng IQR cho bản tóm tắt bền vững
• Mặc định dữ liệu tuân theo phân phối chuẩn mà không kiểm tra — nhiều suy luận thống kê đòi hỏi tính chuẩn; so sánh trung bình với trung vị và kiểm tra độ xiên trước khi áp dụng kiểm định tham số

Cách diễn giải kết quả

• So sánh trung bình và trung vị trước tiên — trung bình cao hơn trung vị rõ rệt cho thấy phân phối lệch phải hoặc có ngoại lệ lớn, khi đó trung vị là giá trị 'điển hình' tốt hơn
• Độ lệch chuẩn có cùng đơn vị với dữ liệu của bạn — với dữ liệu gần dạng hình chuông, khoảng 95% giá trị nằm trong phạm vi ±2 độ lệch chuẩn quanh trung bình
• Kiểm tra min và max so với trung bình ± 3 độ lệch chuẩn — các giá trị nằm ngoài dải này là ứng viên ngoại lệ cần xem xét trước khi phân tích tiếp
• Chia độ lệch chuẩn cho trung bình để được hệ số biến thiên — tỷ số trên 0.3 nghĩa là dữ liệu phân tán rộng và trung bình đơn lẻ là bản tóm tắt kém
• Xác nhận số lượng khớp với số giá trị bạn định nhập — mọi thống kê khác đều phụ thuộc vào việc toàn bộ tập dữ liệu đã được đọc đúng

Tiêu chuẩn và tài liệu tham khảo

• NIST/SEMATECH e-Handbook of Statistical Methods (Mục 1, Phân tích dữ liệu khám phá) — định nghĩa tham chiếu và hướng dẫn cho các thước đo vị trí và độ phân tán
• ISO 3534-1 — Từ vựng và ký hiệu thống kê: thuật ngữ thống kê chung và thuật ngữ dùng trong xác suất
• Tukey, J. W. (1977), Exploratory Data Analysis — tài liệu nền tảng về tóm tắt dữ liệu trước khi suy luận chính thức

Câu hỏi thường gặp

Nên dùng phương sai tổng thể (÷n) hay phương sai mẫu (÷n−1)?

Dùng phương sai mẫu khi dữ liệu là mẫu từ tổng thể lớn hơn. Chỉ dùng phương sai tổng thể khi có toàn bộ tổng thể.

Khi nào trung vị phù hợp hơn trung bình?

Khi dữ liệu bị lệch hoặc có ngoại lai — ví dụ phân phối thu nhập, giá nhà. Trung vị không bị ảnh hưởng bởi giá trị cực đoan.

Độ lệch chuẩn cao so với giá trị trung bình cho biết điều gì?

Hệ số biến thiên (CV = độ lệch chuẩn / trung bình) đo độ phân tán tương đối. CV dưới 0.15 cho thấy độ biến động thấp, 0.15-0.30 là trung bình, và trên 0.30 là cao. CV cao nghĩa là dữ liệu phân tán rộng và trung bình một mình là bản tóm tắt kém — luôn báo cáo độ phân tán kèm theo xu hướng trung tâm.