Hai mẫu số liệu có cùng số trung bình vẫn có thể khác nhau rõ rệt. Một mẫu gồm các giá trị tập trung quanh trung bình, mẫu kia có những giá trị cách xa trung bình. Khoảng biến thiên, khoảng tứ phân vị, phương sai và độ lệch chuẩn giúp mô tả sự khác nhau ấy. Không nên dùng một số trung bình duy nhất để kết luận rằng hai mẫu có cách phân bố giống nhau.
Phạm vi đối chiếu: trang 84–88 của SGK Toán 10 Kết nối tri thức tập một, Nhà xuất bản Giáo dục Việt Nam. Các dữ liệu và hình minh họa trong bài được biên soạn riêng.
Bài viết xét mẫu số liệu không ghép nhóm: từng giá trị quan sát đều được biết. Các bộ số và tình huống dưới đây là giả định, được tự soạn để luyện tập. Ta không thay số liệu bằng trung điểm của các khoảng như trong bài thống kê ghép nhóm ở lớp sau. Khi tính tứ phân vị, cần sắp xếp mẫu và giữ đủ mọi lần xuất hiện của giá trị trùng nhau.
1. Khoảng biến thiên: nhanh nhưng chưa đủ
Khoảng biến thiên \(R\) bằng giá trị lớn nhất trừ giá trị nhỏ nhất của mẫu. Đây là một số không âm, có cùng đơn vị với dữ liệu gốc. Nếu mọi giá trị đều bằng nhau, \(R\) bằng 0. Ngược lại, khi \(R\) bằng 0, giá trị lớn nhất bằng giá trị nhỏ nhất nên mọi quan sát trong mẫu đều bằng nhau.
Ưu điểm của \(R\) là dễ tính và dễ giải thích. Tuy nhiên, nó chỉ phụ thuộc vào hai giá trị ở hai đầu. Thay đổi những số ở giữa có thể không làm \(R\) thay đổi, dù mẫu phân tán khác đi. Một giá trị rất lớn hoặc rất nhỏ cũng có thể làm \(R\) tăng mạnh. Vì thế, khi nhận xét, nên viết “theo khoảng biến thiên” thay vì coi đây là kết luận đầy đủ về toàn bộ dữ liệu.
Chẳng hạn, các mẫu 0; 5; 5; 5; 10 và 0; 0; 5; 10; 10 đều có khoảng biến thiên bằng 10, nhưng mẫu thứ hai có nhiều quan sát nằm xa trung bình hơn. Không thể phân biệt hai tình huống đó chỉ bằng giá trị lớn nhất và nhỏ nhất; phương sai ở phần sau sẽ sử dụng thông tin của tất cả các quan sát.
2. Khoảng tứ phân vị và cách chia mẫu
Với dữ liệu đã sắp xếp và có ít nhất hai quan sát, \(Q_2\) là trung vị; \(Q_1\) là trung vị của nửa dưới và \(Q_3\) là trung vị của nửa trên. Theo cách làm trong bài học, nếu cỡ mẫu lẻ thì không đưa phần tử trung vị chung vào hai nửa khi tìm \(Q_1\) và \(Q_3\). Nếu một nửa có số phần tử chẵn, lấy trung bình cộng của hai phần tử giữa nửa đó.
Khoảng tứ phân vị được kí hiệu \(\Delta_Q\) và tính bằng \(Q_3-Q_1\). Nó mô tả độ trải của phần dữ liệu ở giữa, ít phụ thuộc vào hai cực trị hơn khoảng biến thiên. Tuy nhiên, điều đó không có nghĩa mọi thay đổi của giá trị cực trị đều không thể ảnh hưởng đến tứ phân vị. Phải tính lại theo mẫu đã thay đổi và quy tắc chia mẫu, nhất là khi cỡ mẫu nhỏ.
Cũng không nên diễn giải rằng mọi mẫu hữu hạn đều có đúng 50% số quan sát nằm nghiêm ngặt giữa \(Q_1\) và \(Q_3\). Khi có giá trị lặp hoặc tứ phân vị nằm giữa hai quan sát, cách đếm theo dấu nhỏ hơn hay nhỏ hơn hoặc bằng có thể khác nhau. Trong bài tính, hãy dùng định nghĩa và chỉ rõ đang xét đoạn nào, thay vì suy ra số lượng quan sát bằng một khẩu hiệu về phần trăm.
3. Phương sai và độ lệch chuẩn
Với mẫu gồm \(n\) giá trị \(x_1,x_2,\ldots,x_n\), gọi \(\bar{x}\) là số trung bình. Phương sai trong bài này là \(s^{2}=\frac{(x_1-\bar{x})^2+\cdots+(x_n-\bar{x})^2}{n}\). Độ lệch chuẩn \(s\) là căn bậc hai không âm của \(s^{2}\). Phải bình phương từng độ lệch trước khi cộng, không cộng các độ lệch rồi mới bình phương.
Tổng các độ lệch có dấu quanh số trung bình luôn bằng không, nên tổng của chúng không đo được sự phân tán. Bình phương làm cho mỗi đóng góp không âm. Những giá trị xa trung bình có đóng góp lớn hơn. Phương sai bằng 0 khi và chỉ khi mọi số trong mẫu đều bằng nhau; độ lệch chuẩn cũng bằng 0 trong đúng trường hợp đó.
Mẫu số ở công thức đang học là \(n\). SGK còn nhắc tới một đại lượng khác dùng mẫu số \(n-1\) khi có ít nhất hai quan sát, nhưng không vì thế mà tự đổi mẫu số trong bài yêu cầu tính \(s^{2}\) theo định nghĩa trên. Khi dùng phần mềm hay máy tính, phải biết chế độ nào đang được chọn. Nếu cùng một tổng bình phương độ lệch mà chia cho \(n-1\) thay cho \(n\), kết quả sẽ khác.
Nếu dùng máy tính khoa học để đối chiếu, xem cách phân biệt hai chế độ độ lệch chuẩn trên Casio 880BTG. Hãy kiểm tra ký hiệu và mẫu số trước khi chép kết quả.
Nếu dữ liệu tính bằng phút thì phương sai có đơn vị phút bình phương, còn độ lệch chuẩn có đơn vị phút. Không thể ghi phương sai bằng 8 phút rồi coi đó là độ lệch chuẩn. Việc lấy căn giúp độ lệch chuẩn trở lại cùng đơn vị với dữ liệu, thuận tiện hơn khi giải thích mức độ dao động quanh trung bình.
4. So sánh hai mẫu có cùng trung bình
Giả sử thời gian hoàn thành một thao tác mô phỏng trong năm lần thử được ghi lại ở hai nhóm thiết lập. Mẫu A gồm 6; 7; 8; 9; 10 phút. Mẫu B gồm 4; 6; 8; 10; 12 phút. Đây là dữ liệu minh họa, không phải một phép thử thực tế hay đánh giá về học sinh.
Đề bài
a) Tính số trung bình và khoảng biến thiên của mỗi mẫu.
b) Tính phương sai và độ lệch chuẩn, sử dụng mẫu số \(n\).
c) Tính khoảng tứ phân vị và nhận xét mức độ phân tán trong hai mẫu này.
Lời giải
a) Tổng mỗi mẫu là 40, số quan sát là 5 nên trung bình đều bằng 8 phút. Mẫu A có \(R = 10-6 = 4\) phút; mẫu B có \(R = 12-4 = 8\) phút. Trung bình bằng nhau nhưng hai khoảng biến thiên khác nhau.
b) Các độ lệch của A là \(-2\); \(-1\); 0; 1; 2, tổng bình phương bằng 10. Vì vậy \(s^{2}\) của A bằng \(\frac{10}{5} = 2\) phút bình phương, \(s\) bằng \(\sqrt{2}\) phút, xấp xỉ 1,41 phút. Với B, các độ lệch là \(-4\); \(-2\); 0; 2; 4, tổng bình phương bằng 40. Phương sai bằng \(\frac{40}{5} = 8\) phút bình phương, độ lệch chuẩn bằng \(2\sqrt{2}\) phút, xấp xỉ 2,83 phút.
c) Bỏ trung vị 8 khi chia hai nửa. Với A, \(Q_1 = \frac{6 + 7}{2} = 6{,}5\) và \(Q_3 = \frac{9 + 10}{2} = 9{,}5\) nên \(\Delta_Q = 3\) phút. Với B, \(Q_1 = 5\) và \(Q_3 = 11\) nên \(\Delta_Q = 6\) phút. Cả ba cách so sánh vừa tính đều cho thấy B phân tán hơn A trong bộ dữ liệu này. Không suy ra nhóm B luôn kém hơn trong mọi lần thử khác.
5. Nhận diện giá trị bất thường
Theo quy tắc trong bài học, đặt cận dưới \(L = Q_1-1{,}5\Delta_Q\) và cận trên \(U = Q_3 + 1{,}5\Delta_Q\). Giá trị nhỏ hơn \(L\) hoặc lớn hơn \(U\) được xem là bất thường theo quy tắc này. Dấu so sánh là nghiêm ngặt: giá trị đúng bằng một cận không bị đánh dấu chỉ vì bằng cận đó.
Được đánh dấu bất thường không đồng nghĩa chắc chắn nhập sai. Giá trị đó có thể là một quan sát hiếm nhưng hợp lệ, hoặc có thể xuất phát từ lỗi đơn vị, nhập liệu hay đo đạc. Ta cần kiểm tra nguồn và bối cảnh trước khi quyết định xử lý. Không tự xóa số liệu chỉ để phương sai nhỏ hơn hoặc biểu đồ đẹp hơn.
Biểu đồ hộp giúp thấy vị trí \(Q_1\), \(Q_2\), \(Q_3\) và các vùng cần chú ý. Khi đọc một biểu đồ, phải xem chú giải của hai đầu râu: có cách vẽ dùng cực trị của mẫu, có cách vẽ dùng cực trị không bị đánh dấu bất thường. Hình minh họa bên dưới ghi rõ râu kết thúc ở quan sát không bất thường nhỏ nhất và lớn nhất, đồng thời vẽ riêng hai cận \(L\), \(U\) bằng nét đứt để không nhầm cận với số liệu quan sát.
Đề bài
Cho mẫu số liệu giả định, đơn vị phút: 2; 3; 4; 4; 5; 6; 7; 8; 20.
a) Tìm \(Q_1\), \(Q_2\), \(Q_3\), \(\Delta_Q\) và khoảng biến thiên.
b) Tìm hai cận và các giá trị bất thường theo quy tắc \(1{,}5\Delta_Q\).
c) Có thể khẳng định số 20 là lỗi nhập liệu và xóa ngay không?
Lời giải
a) Có 9 quan sát, trung vị \(Q_2 = 5\). Nửa dưới là 2; 3; 4; 4 nên \(Q_1 = 3{,}5\). Nửa trên là 6; 7; 8; 20 nên \(Q_3 = 7{,}5\). Vậy \(\Delta_Q = 4\) phút và \(R = 20-2 = 18\) phút. Hai lần xuất hiện của số 4 phải được giữ nguyên.
b) \(L = 3{,}5-1{,}5 \cdot 4 = -2{,}5\); \(U = 7{,}5 + 1{,}5 \cdot 4 = 13{,}5\). Chỉ số 20 lớn hơn 13,5 nên bị đánh dấu bất thường. Không có số liệu nhỏ hơn \(-2{,}5\). Cận dưới âm không có nghĩa mẫu đã ghi một thời gian âm; nó chỉ là kết quả tính toán của quy tắc.
c) Không. Cần đối chiếu bản ghi gốc hoặc điều kiện của lần thử tương ứng. Nếu chưa có bằng chứng sai, vẫn giữ số 20 và ghi chú rằng nó vượt cận trên. Phân tích thống kê có thể gợi ý chỗ cần kiểm tra, không tự chứng minh nguyên nhân của một quan sát.
6. Tự kiểm tra phép biến đổi và điều kiện
Đề bài
Dùng lại mẫu A gồm 6; 7; 8; 9; 10, có phương sai bằng 2 và độ lệch chuẩn bằng \(\sqrt{2}\).
a) Nếu cộng 3 vào mỗi giá trị, phương sai và độ lệch chuẩn đổi ra sao?
b) Nếu nhân mỗi giá trị của A với 2, phương sai và độ lệch chuẩn đổi ra sao?
c) Nếu tổng bình phương độ lệch của A là 10, một bạn chia cho 4 được 2,5 rồi ghi đó là \(s^{2}\) của bài này. Nhận xét cách làm.
Lời giải
a) Trung bình mới tăng thêm 3, nên mỗi giá trị trừ trung bình mới vẫn bằng độ lệch cũ. Phương sai giữ nguyên bằng 2, độ lệch chuẩn giữ nguyên bằng \(\sqrt{2}\). Khoảng biến thiên và khoảng tứ phân vị cũng không đổi vì hiệu giữa các giá trị cùng tăng thêm 3 vẫn giữ nguyên.
b) Các độ lệch tăng gấp 2, bình phương độ lệch tăng gấp 4. Phương sai mới bằng 8, độ lệch chuẩn mới bằng \(2\sqrt{2}\). Khoảng biến thiên và khoảng tứ phân vị tăng gấp 2. Không được nói phương sai cũng chỉ tăng gấp 2 như độ lệch chuẩn.
c) Phép chia \(\frac{10}{4} = 2{,}5\) đúng về số học, nhưng dùng mẫu số \(n-1\). Đại lượng đó khác \(s^{2} = \frac{10}{5} = 2\) đang được yêu cầu. Cần đọc định nghĩa và chọn đúng chế độ tính, không sửa kết quả theo màn hình khi chưa biết phần mềm đang dùng công thức nào.
Cuối cùng, hãy kiểm tra đơn vị, cỡ mẫu, số lần lặp và thứ tự dữ liệu trước khi bấm tính. Những phép kiểm tra đơn giản này thường phát hiện lỗi sớm hơn việc làm lại một bảng dài. Chỉ so sánh các chỉ số khi hiểu chúng đang mô tả điều gì; độ phân tán của quan sát không tự động bằng sai số so với một giá trị thật chưa biết.
Bài trước và bài sau của Toán 10
Bài trước: Bài 13. Các số đặc trưng đo xu thế trung tâm
Bài sau: Bài tập cuối chương V