Bỏ qua đến nội dung chính
Mục lục

Phương sai mẫu chia n − 1: ddof trong NumPy và pandas

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 4/12 · Chương 3

Thống kê mô tả: độ phân tán và vị trí

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

Phương sai mẫu là phương sai tính trên một mẫu với mẫu số n − 1 thay cho n, và căn bậc hai của nó là độ lệch chuẩn mẫu s. Bạn dùng nó khi bộ số chỉ là một phần của tổng thể lớn hơn, như 30 khách được hỏi trong hàng nghìn khách của quán, và muốn ước lượng độ phân tán của cả tổng thể.

Cần biết trước: phương sai, độ lệch chuẩn và tổng thể và mẫu.

Công thức phương sai mẫu và độ lệch chuẩn mẫu

Phương sai mẫu chia tổng bình phương độ lệch cho n − 1 (bài phương sai mô phỏng vì sao 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.

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

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

  • s² (np.var(x, ddof=1)): phương sai mẫu, đơn vị là bình phương đơn vị của x.

Độ lệch chuẩn mẫu (sample standard deviation) là căn bậc hai của phương sai mẫu:

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

Trong đó:

  • s (np.std(x, ddof=1)): độ lệch chuẩn mẫu, cùng đơn vị với x.

Ký hiệu cần để ý khi làm bài ở trường: SGK Toán 10 dùng s² và s cho bản chia n, gọi là phương sai và độ lệch chuẩn của mẫu số liệu; KNTT có nhắc đại lượng chia n − 1 ở phần chú ý, không đặt tên. Giáo trình xác suất thống kê đại học gọi bản chia n − 1 là phương sai mẫu hiệu chỉnh và thường ký hiệu S′² hay ŝ². Tutorial này viết σ², σ cho bản chia N và s², s cho bản chia n − 1. Bài SGK thì chia n.

Công thức phương sai mẫu trên sáu số: hai kết quả

Sáu bài kiểm tra của Lan, 6, 8, 5, 9, 7, 7 điểm, có tổng bình phương độ lệch là 10 (bài phương sai). Chỉ bước chia khác nhau:

Bước

Chia n = 6 (tổng thể)

Chia n − 1 = 5 (mẫu)

Tổng bình phương độ lệch

10

10

Phương sai

σ² = 10 / 6 ≈ 1,6667

s² = 10 / 5 = 2

Độ lệch chuẩn

σ ≈ 1,291

s ≈ 1,4142

Khối Python thuần dưới in đủ hai cột. Sửa dãy ở dòng thứ ba rồi bấm Chạy:

python
import math

diem = [6, 8, 5, 9, 7, 7]
n = len(diem)
x_tb = sum(diem) / n
tong_bp = sum((x - x_tb) ** 2 for x in diem)
print("Chia n:    ", round(tong_bp / n, 4),
      round(math.sqrt(tong_bp / n), 4))
print("Chia n − 1:", round(tong_bp / (n - 1), 4),
      round(math.sqrt(tong_bp / (n - 1)), 4))

KẾT QUẢ

Chia n:     1.6667 1.291
Chia n − 1: 2.0 1.4142

Chia cho số nhỏ hơn nên s lớn hơn σ, ở đây 1,4142 so với 1,291 điểm.

Đổi [6, 8, 5, 9, 7, 7] thành [1, 3, 5] rồi chạy lại: dòng hai in Chia n − 1: 4.0 2.0.

ddof= trong NumPy, pandas và statistics

Tham số ddof= (delta degrees of freedom) là số trừ khỏi n ở mẫu số: ddof=0 chia n, ddof=1 chia n − 1. Bốn lời gọi dưới cùng tính s trên sáu điểm:

python
import statistics
import numpy as np
import pandas as pd

diem = [6, 8, 5, 9, 7, 7]
print("np.std, ddof=0:", round(np.std(diem, ddof=0), 4))
print("np.std, ddof=1:", round(np.std(diem, ddof=1), 4))
print("Series.std, ddof=1:", round(pd.Series(diem).std(ddof=1), 4))
print("statistics.stdev:", round(statistics.stdev(diem), 4))

KẾT QUẢ

np.std, ddof=0: 1.291
np.std, ddof=1: 1.4142
Series.std, ddof=1: 1.4142
statistics.stdev: 1.4142

Ba dòng cuối khớp cột "chia n − 1" của bảng. np.var() nhận ddof= theo cùng cách. Mặc định thì khác nhau giữa các thư viện:

Lời gọi

Mặc định

Excel tương ứng

np.std(x), np.var(x), arr.std()

ddof=0, chia n

STDEV.P, VAR.P

Series.std(), Series.var(), describe()

ddof=1, chia n − 1

STDEV.S, VAR.S

statistics.pstdev(), pvariance()

chia n

STDEV.P, VAR.P

statistics.stdev(), variance()

chia n − 1

STDEV.S, VAR.S

Dòng std của describe() vì thế là s, chia n − 1.

Khi nào chia n, khi nào chia n − 1

Câu hỏi quyết định là: bộ số này là toàn bộ đối tượng bạn quan tâm, hay chỉ là một phần để suy ra cho phần lớn hơn?

  • Chia n (ddof=0): điểm của đúng 40 em lớp 10A1, chỉ để tả lớp đó; doanh thu đủ 12 tháng của năm 2025. Bài làm theo SGK Toán 10 cũng chia n.

  • Chia n − 1 (ddof=1): 30 khách được hỏi trong hàng nghìn khách; 50 gói cà phê lấy ngẫu nhiên từ dây chuyền; mọi bài từ ước lượng và kiểm định trở đi. Đây là mặc định của tutorial từ bài này, vì dữ liệu gần như luôn là mẫu của một tổng thể lớn hơn.

Chọn sai thì sai bao nhiêu? s bằng σ nhân √(n / (n − 1)), nên chênh lệch chỉ phụ thuộc n. Khối dưới vẽ chênh lệch đó theo phần trăm:

python
import numpy as np
import matplotlib.pyplot as plt

n = np.arange(2, 101)
chenh = (np.sqrt(n / (n - 1)) - 1) * 100
for k in [2, 5, 10, 30, 100]:
    print(f"n = {k:>3}: s lớn hơn σ {chenh[k - 2]:.1f}%")
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.plot(n, chenh)
ax.axhline(1, color="k", ls="--", label="Mức 1%")
ax.set(title="Độ lệch chuẩn chia n − 1 so với chia n",
       xlabel="Cỡ mẫu n", ylabel="s lớn hơn σ (%)")
ax.legend()
plt.show()

KẾT QUẢ

n =   2: s lớn hơn σ 41.4%
n =   5: s lớn hơn σ 11.8%
n =  10: s lớn hơn σ 5.4%
n =  30: s lớn hơn σ 1.7%
n = 100: s lớn hơn σ 0.5%
Biểu đồ đường phần trăm s lớn hơn σ theo cỡ mẫu n từ 2 đến 100; đường rơi nhanh từ 41% ở n = 2 xuống dưới mức 1% (đường đứt) từ khoảng n = 51.

Với vài giá trị, chọn sai ddof làm số lệch hàng chục phần trăm; từ khoảng 50 giá trị trở lên, chênh lệch dưới 1%, nhưng vẫn nên ghi ddof= để người đọc tính lại ra đúng số.

Mô phỏng: chia n − 1 sát σ hơn với mẫu nhỏ

Khối dưới tự sinh tổng thể chuẩn có σ = 1,5 điểm, nên ta biết đáp án. Với mỗi cỡ mẫu n, nó rút 5.000 mẫu, tính độ lệch chuẩn từng mẫu theo hàng (axis=1, như bài axis) bằng hai ddof, rồi lấy trung bình:

python
import numpy as np

rng = np.random.default_rng(18)
for n in [2, 5, 10, 30, 100]:
    mau = rng.normal(7, 1.5, size=(5_000, n))
    s0 = np.std(mau, axis=1, ddof=0).mean()
    s1 = np.std(mau, axis=1, ddof=1).mean()
    print(f"n = {n:>3}: chia n {s0:.3f}   chia n − 1 {s1:.3f}")

KẾT QUẢ

n =   2: chia n 0.841   chia n − 1 1.190
n =   5: chia n 1.256   chia n − 1 1.404
n =  10: chia n 1.380   chia n − 1 1.454
n =  30: chia n 1.463   chia n − 1 1.488
n = 100: chia n 1.489   chia n − 1 1.497

Lần chạy này cho thấy với mẫu 2 giá trị, chia n cho trung bình chỉ 0,84 so với σ = 1,5, còn chia n − 1 gần hơn hẳn; tới n = 100 hai cách gần như trùng. Chia n − 1 vẫn thấp hơn 1,5 một chút: căn bậc hai làm s hụt dưới σ, chuyện của bài ước lượng điểm. Đổi default_rng(18) thành default_rng(4): các số đổi ở chữ số thứ ba, thứ tự giữ nguyên.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.var([1, 3, 5], ddof=1)) in ra gì?

    • 2.6666666666666665
    • 4.0
    • 2.0
  2. Bạn tính np.std(cot) được 1.291, đồng nghiệp tính df["diem"].std() trên cùng cột được 1.4142. Vì sao?

    • pandas làm tròn khác NumPy
    • NumPy mặc định chia n, pandas mặc định chia n − 1
    • df["diem"] bỏ mất một dòng khi đọc file
    • Một trong hai thư viện tính sai
  3. Những trường hợp nào nên chia n − 1 (ddof=1)?

    • 30 khách được hỏi, dùng để nói về mọi khách của quán
    • 50 gói cà phê lấy ngẫu nhiên để ước lượng độ đều của cả dây chuyền
    • Bài SGK Toán 10 tính độ lệch chuẩn của mẫu số liệu
    • Điểm của đúng 40 em lớp 10A1, chỉ để tả lớp đó
  4. Trong mô phỏng, với n = 2, vì sao trung bình của độ lệch chuẩn chia n thấp hơn σ nhiều nhất?

    • Độ lệch đo tới x̄ của chính mẫu, vốn nằm giữa hai giá trị đó, nên càng ít giá trị thì độ lệch càng bị thu nhỏ
    • Hạt giống 18 tình cờ rút hai số gần nhau
    • axis=1 bỏ mất một cột của bảng mẫu
    • Phân phối chuẩn không có độ lệch chuẩn khi n nhỏ
Đúng hết lần đầu +15 XP

Bài tập

Đoán ddof của một độ lệch chuẩn đã báo

Một báo cáo ghi độ lệch chuẩn của một dãy, làm tròn tới 4 chữ số thập phân, mà không nói chia n hay n − 1. x là list các số, có ít nhất hai giá trị không bằng nhau hết; so_bao_cao là số đã báo. Viết thân hàm tim_ddof(x, so_bao_cao): số đã báo khớp với một ddof khi độ lệch chuẩn tính với ddof đó, làm tròn bằng round(..., 4), bằng đúng so_bao_cao.

Được dùng np.std() với ddof=. Hàm không sửa x của nơi gọi.

Trả về: 0 khi khớp chia n, 1 khi khớp chia n − 1, -1 khi không khớp cách nào, một int.

Ví dụ tim_ddof([6, 8, 5, 9, 7, 7], 1.4142) cho 1.

python
import numpy as np


def tim_ddof(x, so_bao_cao):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Độ lệch chuẩn mẫu s là căn bậc hai của phương sai mẫu s², chia n − 1; σ chia n.

  • ddof= là số trừ khỏi n ở mẫu số: ddof=0 chia n, ddof=1 chia n − 1.

  • NumPy mặc định ddof=0, pandas (std(), var(), describe()) mặc định ddof=1: luôn ghi ddof= khi gọi.

  • Chia n khi bộ số là cả đối tượng quan tâm (và bài SGK Toán 10); chia n − 1 khi bộ số là mẫu của tổng thể lớn hơn.

  • s bằng σ nhân √(n / (n − 1)): lệch 41% khi n = 2, dưới 1% từ khoảng 50 giá trị.

Câu hỏi thường gặp

Phương sai mẫu hiệu chỉnh là gì?

Là tên giáo trình xác suất thống kê đại học đặt cho phương sai chia n − 1, tức s² của bài này, để phân biệt với bản chia n. SGK Toán 10 không dùng tên này: s² của SGK chia n. Bài phương sai mô phỏng vì sao chia n − 1 bù được độ hụt của chia n.

Vì sao df.describe() cho std khác np.std()?

Vì describe() gọi std() của pandas, mặc định ddof=1 (chia n − 1), còn np.std() mặc định ddof=0. Muốn NumPy ra cùng số, gọi np.std(x, ddof=1). Bài thống kê mô tả trong pandas nói thêm về các dòng của describe().

Dữ liệu chỉ có một giá trị thì sao?

Chia n − 1 thì mẫu số bằng 0: np.std([5], ddof=1) trả nan kèm cảnh báo, pd.Series([5]).std(ddof=1) trả NaN. Một giá trị không cho biết gì về độ phân tán, nên đó là kết quả đúng.

Từ bài này trở đi tutorial chia n hay n − 1?

Chia n − 1 là mặc định, vì dữ liệu của các bài ước lượng, kiểm định, tương quan đều là mẫu. Mọi lời gọi std(), var() đều ghi ddof= để bạn thấy lựa chọn đó, như bài z-score dùng ddof=1.

Chủ đề

phương sai mẫu

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