Ví dụ câu hỏi và thảo luận: Phương sai và độ lệch chuẩn của dữ liệu đơn lẻ
Thống kê là một nhánh của toán học liên quan đến việc thu thập, phân tích, diễn giải, trình bày và tổ chức dữ liệu. Hai khái niệm quan trọng trong thống kê là phương sai và độ lệch chuẩn. Bài viết này sẽ thảo luận chi tiết về cách tính phương sai và độ lệch chuẩn của một tập dữ liệu duy nhất thông qua một số bài toán ví dụ.
Hiểu về phương sai và độ lệch chuẩn
Phương sai là một thước đo định lượng mức độ phân tán của các số liệu trong một tập dữ liệu so với giá trị trung bình. Phương sai được biểu thị bằng đơn vị bình phương của dữ liệu gốc, điều này thường khiến việc diễn giải trở nên khó khăn.
Độ lệch chuẩn là căn bậc hai của phương sai. Nó cung cấp một thước đo trực quan hơn về mức độ dữ liệu nói chung lệch khỏi giá trị trung bình vì đơn vị của nó giống với đơn vị ban đầu của dữ liệu.
Công thức tổng quát
Đối với dữ liệu đơn lẻ, công thức tính phương sai \( \sigma^2 \) và độ lệch chuẩn \( \sigma \) của quần thể như sau:
1. Phương sai (σ²):
\( \sigma^2 = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \)
2. Độ lệch chuẩn (σ):
\( \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2} \)
Di mana:
– \( N \) là số lượng dữ liệu trong quần thể.
– \( x_i \) là giá trị dữ liệu thứ i.
– \( \mu \) là giá trị trung bình của dữ liệu.
Nếu ta tính phương sai và độ lệch chuẩn của mẫu, thì công thức trên sẽ được sửa đổi một chút:
1. Phương sai mẫu (s²):
\( s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \)
2. Độ lệch chuẩn mẫu (s):
\( s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2} \)
Di mana:
– \( n \) là số lượng dữ liệu trong mẫu.
– \( \bar{x} \) là giá trị trung bình của mẫu.
Contoh Soal dan Pembahasan
Ví dụ câu hỏi 1:
Với các dữ liệu sau:
8, 10, 10, 10, 12, 14
Tính phương sai và độ lệch chuẩn của dữ liệu!
Các bước giải quyết:
1. Tính trung bình (trung bình cộng) \( \mu \):
\[
\mu = \frac{8 + 10 + 10 + 10 + 12 + 14}{6} = \frac{64}{6} = 10.67
\]
2. Tính hiệu số giữa số liệu và giá trị trung bình, sau đó bình phương:
\[
(8 – 10.67)^2 = 7.1289
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(12 – 10.67)^2 = 1.7689
\]
\[
(14 – 10.67)^2 = 11.1089
\]
3. Cộng tất cả các kết quả bình phương:
\[
\sum (x_i – \mu)^2 = 7.1289 + 0.4489 + 0.4489 + 0.4489 + 1.7689 + 11.1089 = 21.3534
\]
4. Tính toán phương sai (σ²) của dữ liệu dân số:
\[
\sigma^2 = \frac{21.3534}{6} = 3.559
\]
Lưu ý: Vì đây là dữ liệu về dân số, nên chúng ta chia cho 6.
5. Tính độ lệch chuẩn (σ):
\[
\sigma = \sqrt{3.559} \approx 1.886
\]
Như vậy, phương sai của dữ liệu là 3.559 và độ lệch chuẩn là 1.886.
Ví dụ câu hỏi 2:
Với dữ liệu mẫu sau:
5, 6, 8, 9, 10, 11
Tính phương sai và độ lệch chuẩn của mẫu!
Các bước giải quyết:
1. Tính trung bình (trung bình cộng) \( \bar{x} \) :
\[
\bar{x} = \frac{5 + 6 + 8 + 9 + 10 + 11}{6} = \frac{49}{6} = 8.167
\]
2. Tính hiệu số giữa số liệu và giá trị trung bình, sau đó bình phương:
\[
(5 – 8.167)^2 = 10.035
\]
\[
(6 – 8.167)^2 = 4.694
\]
\[
(8 – 8.167)^2 = 0.028
\]
\[
(9 – 8.167)^2 = 0.694
\]
\[
(10 – 8.167)^2 = 3.361
\]
\[
(11 – 8.167)^2 = 7.945
\]
3. Cộng tất cả các kết quả bình phương:
\[
\sum (x_i – \bar{x})^2 = 10.035 + 4.694 + 0.028 + 0.694 + 3.361 + 7.945 = 26.757
\]
4. Tính toán phương sai mẫu (s²):
\[
s^2 = \frac{26.757}{5} = 5.351
\]
Lưu ý: Vì đây là dữ liệu mẫu, chúng ta chia cho 5 (n-1).
5. Tính độ lệch chuẩn (s):
\[
s = \sqrt{5.351} \approx 2.313
\]
Như vậy, phương sai của dữ liệu mẫu là 5.351 và độ lệch chuẩn là 2.313.
Sự kết luận
Việc tính toán phương sai và độ lệch chuẩn rất quan trọng để hiểu được mức độ phân tán của dữ liệu trong một tập dữ liệu nhất định. Trong khi phương sai cung cấp một thước đo lý thuyết về sự phân tán theo bình phương của các đơn vị ban đầu, độ lệch chuẩn diễn giải thước đo sự phân tán theo các đơn vị ban đầu của dữ liệu, giúp dễ hiểu hơn. Trong phân tích dữ liệu, hai thước đo này thường được sử dụng để đánh giá sự biến động của dữ liệu và đưa ra các quyết định thống kê.
Bằng cách hiểu rõ các bước và công thức cần thiết, chúng ta có thể dễ dàng tính toán phương sai và độ lệch chuẩn cho nhiều tình huống khác nhau mà chúng ta gặp phải trong việc thu thập và phân tích dữ liệu hàng ngày. Hy vọng bài viết này sẽ giúp bạn hiểu sâu hơn về các khái niệm phương sai và độ lệch chuẩn trong các tập dữ liệu đơn lẻ.
