Bỏ qua đến nội dung chính
Mục lục

Phương sai: công thức, cách tính từng bước và np.var()

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 2/12 · Chương 3

Thống kê mô tả: độ phân tán và vị trí

  • 10 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Phương sai là trung bình của bình phương khoảng cách từ mỗi giá trị tới số trung bình, nên nó đo dữ liệu phân tán rộng hay hẹp quanh trung bình. Bạn dùng nó khi hai nhóm có cùng điểm trung bình mà bạn vẫn muốn biết nhóm nào đều tay hơn, chẳng hạn hai lớp cùng điểm Toán trung bình 6,7.

Cần biết trước: tổng thể và mẫu, số trung bình và broadcasting.

Công thức phương sai

Phần đầu bài tính trên cả tổng thể, như điểm của đúng 40 em lớp 10A1. Phương sai (variance) của tổng thể, ký hiệu σ², là:

σ2=1N∑i=1N(xi−μ)2\sigma^2 = \frac{1}{N}\sum_{i=1}^{N} (x_i - \mu)^2

Trong đó:

  • N (len(x)): số giá trị.

  • x với chỉ số i (x[i]): giá trị thứ i.

  • μ (x.mean()): số trung bình của các giá trị.

  • σ² (np.var(x, ddof=0)): phương sai.

SGK Toán 10 viết đúng công thức này với ký hiệu của mẫu, s² = Σ (xᵢ − x̄)² / n, và gọi nó là phương sai của mẫu số liệu. Tutorial này giữ s² cho bản chia n − 1 (mục cuối bài), nên khi làm bài SGK, s² của sách là σ² chia N ở đây.

Khai triển bình phương rồi gom lại được công thức rút gọn: trung bình của các bình phương trừ bình phương của trung bình.

σ2=1N∑i=1Nxi2−μ2\sigma^2 = \frac{1}{N}\sum_{i=1}^{N} x_i^2 - \mu^2

Trong đó các ký hiệu như trên; (x ** 2).mean() là số hạng đầu. Đơn vị của phương sai là bình phương đơn vị dữ liệu.

Tính phương sai từng bước trên sáu số

Sáu bài kiểm tra 15 phút của Lan được 6, 8, 5, 9, 7, 7 điểm. Bảng dưới đi đúng thứ tự của công thức:

Bước

Việc

Kết quả

1

Cộng sáu điểm, chia 6

μ = 42 / 6 = 7

2

Lấy mỗi điểm trừ 7

−1, 1, −2, 2, 0, 0

3

Bình phương từng độ lệch

1, 1, 4, 4, 0, 0

4

Cộng các bình phương

10

5

Chia cho N = 6

σ² ≈ 1,6667

Khối dưới làm đúng năm bước đó bằng Python thuần và in từng số trung gian. Đây là máy tính của trang: sửa dãy ở dòng đầu thành điểm của bạn rồi bấm Chạy.

python
diem = [6, 8, 5, 9, 7, 7]
n = len(diem)
x_tb = sum(diem) / n
print("Trung bình:", x_tb)
tong_bp = 0
for x in diem:
    lech = x - x_tb
    tong_bp += lech ** 2
    print(x, lech, lech ** 2)
print("Tổng bình phương độ lệch:", tong_bp)
print("Phương sai:", round(tong_bp / n, 4))

KẾT QUẢ

Trung bình: 7.0
6 -1.0 1.0
8 1.0 1.0
5 -2.0 4.0
9 2.0 4.0
7 0.0 0.0
7 0.0 0.0
Tổng bình phương độ lệch: 10.0
Phương sai: 1.6667

Mỗi dòng giữa là một hàng của bảng. Hai bài 7 điểm không góp gì; bài 5 và bài 9 góp nhiều vì bình phương phóng to độ lệch lớn. Số chỉ làm tròn ở dòng in cuối.

Đổi [6, 8, 5, 9, 7, 7] thành [7, 7, 7, 7, 7, 7] rồi chạy lại: dòng cuối in Phương sai: 0.0.

Kiểm lại bằng np.var() và statistics.pvariance()

np.var() của NumPy nhận tham số ddof=: số trừ khỏi N ở mẫu số, nên ddof=0 là chia đúng N. Hàm pvariance() của module statistics cũng chia N, chữ "p" là population. Dòng cuối dùng công thức rút gọn:

python
import numpy as np
import statistics

diem = [6, 8, 5, 9, 7, 7]
x = np.array(diem)
print("np.var:", round(np.var(x, ddof=0), 4))
print("pvariance:", round(statistics.pvariance(diem), 4))
print("Rút gọn:", round((x ** 2).mean() - x.mean() ** 2, 4))

KẾT QUẢ

np.var: 1.6667
pvariance: 1.6667
Rút gọn: 1.6667

Ba số khớp với bảng tính tay. ddof=0 là mặc định của NumPy, nhưng bài vẫn ghi ra để người đọc thấy đang chia N. Trong Excel: VAR.P.

Áp vào điểm kiểm tra bốn lớp

File diem_kiem_tra.csv là số giả lập của AIDev: điểm của bốn lớp 10, mỗi lớp 40 em. Coi mỗi lớp là một tổng thể và tính phương sai điểm Toán:

python
import numpy as np
import pandas as pd

diem = pd.read_csv("diem_kiem_tra.csv")
for lop in ["10A1", "10A2", "10A3", "10A4"]:
    toan = diem.loc[diem["lop"] == lop, "diem_toan"].to_numpy()
    ps = np.var(toan, ddof=0)
    print(lop, round(toan.mean(), 2), round(ps, 2))

KẾT QUẢ

10A1 6.74 1.29
10A2 7.13 1.89
10A3 6.72 1.51
10A4 7.52 1.5

10A1 và 10A3 gần như cùng trung bình 6,7, nhưng điểm 10A3 tản rộng hơn; 10A2 tản rộng hơn cả. Hai histogram đặt cạnh nhau bằng subplots cho thấy điều con số nói:

python
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

diem = pd.read_csv("diem_kiem_tra.csv")
fig, cac_ax = plt.subplots(1, 2, figsize=(8, 3.5), sharey=True,
                           layout="constrained")
for ax, lop in zip(cac_ax, ["10A1", "10A3"]):
    toan = diem.loc[diem["lop"] == lop, "diem_toan"].to_numpy()
    ps = np.var(toan, ddof=0)
    ax.hist(toan, bins=np.arange(4.5, 10.5, 0.5), edgecolor="white")
    ax.set_title(f"Lớp {lop}: σ² = {ps:.2f}")
    ax.set_xlabel("Điểm Toán")
cac_ax[0].set_ylabel("Số học sinh")
plt.show()
Hai histogram điểm Toán đặt cạnh nhau, lớp 10A1 có σ² = 1,29 và lớp 10A3 có σ² = 1,51, trục y là số học sinh; cả hai lớp có điểm từ 4,75 đến 9,75, nhưng 17 em 10A1 nằm trong khoảng 6,5 đến 7,5 điểm, còn 10A3 chỉ 11 em, phần còn lại dàn ra hai bên.

Hai lớp cùng điểm thấp nhất và cao nhất, nên khoảng biến thiên không phân biệt được chúng; phương sai thì có: điểm 10A1 dồn vào giữa, điểm 10A3 dàn ra hai bên.

Vì sao chia n − 1 khi chỉ có một mẫu

Thường thì bạn chỉ có một mẫu (sample) nhỏ. Khối dưới biết σ² thật của 10A1, rồi rút 10.000 mẫu 5 điểm và tính phương sai mỗi mẫu theo hai cách. Rút có hoàn lại (replace=True): một điểm có thể bị rút hai lần, như rút từ một tổng thể rất lớn.

python
import numpy as np
import pandas as pd

diem = pd.read_csv("diem_kiem_tra.csv")
lop = diem.loc[diem["lop"] == "10A1", "diem_toan"].to_numpy()
sigma2 = np.var(lop, ddof=0)
rng = np.random.default_rng(16)
mau = rng.choice(lop, size=(10_000, 5), replace=True)
chia_n = np.var(mau, axis=1, ddof=0)
chia_n_1 = np.var(mau, axis=1, ddof=1)
print("σ² của cả lớp:", round(sigma2, 3))
print("Trung bình khi chia n:", round(chia_n.mean(), 3))
print("Trung bình khi chia n − 1:", round(chia_n_1.mean(), 3))

KẾT QUẢ

σ² của cả lớp: 1.29
Trung bình khi chia n: 1.032
Trung bình khi chia n − 1: 1.289

Lần chạy này cho thấy chia n thấp hơn σ² khoảng một phần năm, còn chia n − 1 sát σ². Lý do: độ lệch được đo tới trung bình của chính mẫu, vốn gần năm điểm của nó hơn μ thật. Với default_rng(7), σ² giữ nguyên, hai số dưới thành 1.022 và 1.278.

Vì vậy phương sai mẫu (sample variance) chia n − 1:

s2=1n−1∑i=1n(xi−xˉ)2s^2 = \frac{1}{n-1}\sum_{i=1}^{n} (x_i - \bar{x})^2

Trong đó:

  • n (len(x)): số giá trị của mẫu.

  • x̄ (x.mean()): trung bình của mẫu.

  • s² (np.var(x, ddof=1)): phương sai mẫu.

Giáo trình xác suất thống kê gọi bản này là phương sai mẫu hiệu chỉnh; SGK Toán 10 KNTT chỉ nhắc nó trong một phần chú ý. Rút 5 em khác nhau trong đúng 40 em (không hoàn lại) thì chia n − 1 cao hơn σ² chút ít, khoảng 40/39 lần. Bài phương sai mẫu chia n − 1 dạy ddof= của NumPy và pandas.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.var([2, 4, 6, 8, 10], ddof=0)) in ra gì?

    • 10.0
    • 8.0
    • 2.8284271247461903
  2. Trong khung bẫy quên bình phương, vì sao dòng in luôn là 0 với mọi dãy?

    • Vì Python làm tròn các độ lệch nhỏ về 0
    • Vì sum() bỏ qua số âm
    • Vì tổng các độ lệch so với trung bình luôn bằng 0
  3. Những câu nào đúng về phương sai σ² chia N?

    • Phương sai không bao giờ âm
    • Phương sai bằng 0 khi mọi giá trị bằng nhau
    • Phương sai có cùng đơn vị với dữ liệu
    • Một giá trị lệch 4 góp vào tổng bình phương gấp 16 lần một giá trị lệch 1
  4. Trong mô phỏng 10.000 mẫu 5 điểm, vì sao trung bình của các phương sai chia n thấp hơn σ² của cả lớp?

    • Độ lệch được đo tới trung bình của chính mẫu, vốn gần năm điểm đó hơn μ của cả lớp
    • Hạt giống 16 vô tình rút toàn em điểm gần nhau
    • rng.choice() không bao giờ rút được em điểm cao nhất
    • Phương sai chia n luôn sai, kể cả khi có đủ cả lớp
Đúng hết lần đầu +15 XP

Bài tập

Tính phương sai chia n của một dãy điểm

Bạn muốn tự kiểm số phương sai mà phần mềm chấm điểm đưa ra. x là list (hay mảng) các điểm, coi là cả tổng thể. Viết thân hàm phuong_sai(x) theo công thức chia N của bài.

Không dùng np.var(), np.std(), .var(), .std(), các bản np.nanvar(), np.nanstd(), pvariance() hay module statistics. Hàm không sửa x của nơi gọi.

Trả về: phương sai chia N, một float.

Ví dụ phuong_sai([6, 8, 5, 9, 7, 7]) cho khoảng 1.6667.

python
import numpy as np


def phuong_sai(x):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Phương sai σ² là trung bình của bình phương độ lệch so với trung bình, chia cho số giá trị N.

  • Công thức rút gọn: trung bình của các bình phương trừ bình phương của trung bình; chỉ dùng để tính tay.

  • Tính tay theo năm bước: trung bình, độ lệch, bình phương, cộng, chia N; làm tròn ở bước in cuối.

  • Cộng độ lệch mà quên bình phương thì kết quả là 0.

  • np.var(x, ddof=0), statistics.pvariance() và VAR.P của Excel đều chia N.

  • Phương sai mẫu s² chia n − 1: trên mẫu nhỏ, chia n cho trung bình thấp hơn σ², chia n − 1 bù lại. SGK Toán 10 gọi bản chia n là phương sai và viết s²; VAR.S của Excel chia n − 1.

Câu hỏi thường gặp

Phương sai và độ lệch chuẩn khác nhau thế nào?

Độ lệch chuẩn là căn bậc hai của phương sai, nên cùng đơn vị với dữ liệu: phương sai 1,69 điểm bình phương ứng với độ lệch chuẩn 1,3 điểm. Vì vậy báo cáo thường ghi độ lệch chuẩn; bài độ lệch chuẩn dạy cách tính và diễn giải nó.

Khi nào chia n, khi nào chia n − 1?

Chia N khi bộ số là cả tổng thể bạn quan tâm, như điểm của đúng một lớp. Chia n − 1 khi bộ số chỉ là mẫu và bạn muốn ước lượng phương sai của tổng thể lớn hơn. Bài làm theo SGK Toán 10 thì chia n.

Tính phương sai trong Excel bằng hàm nào?

VAR.P chia N, giống np.var(x, ddof=0); VAR.S chia n − 1, và hàm VAR cũ cũng chia n − 1.

Tính phương sai bằng Python không cần NumPy được không?

Được. Module statistics có pvariance() chia N và variance() chia n − 1.

Chủ đề

phương sai

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập