Bỏ qua đến nội dung chính
Mục lục

Tổng thể và mẫu: tham số, thống kê và chọn mẫu ngẫu nhiên

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/8 · Chương 1

Bắt đầu với thống kê

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

Tổng thể và mẫu là hai tầng của một câu hỏi thống kê: tổng thể là toàn bộ đối tượng bạn muốn biết, mẫu là phần nhỏ bạn thật sự đo được. Con số của tổng thể gọi là tham số, con số tính trên mẫu gọi là thống kê, và chọn mẫu ngẫu nhiên giúp thống kê đoán được tham số.

Cần biết trước: ký hiệu thống kê, mô phỏng Monte Carlo và lấy mẫu dòng bằng sample().

Tổng thể, mẫu, tham số và thống kê

Một trường muốn biết điểm Toán trung bình của khối 10. Tổng thể (population) là toàn bộ học sinh khối 10 của trường, N em. Mẫu (sample) là n em được chọn ra để chấm bài, với n nhỏ hơn N. Trung bình của tổng thể ký hiệu μ:

μ=1N∑i=1Nxi\mu = \frac{1}{N}\sum_{i=1}^{N} x_i

Trong đó:

  • N (len(hs)): số đối tượng của tổng thể.

  • x với chỉ số i (hs["diem_toan"]): giá trị của đối tượng thứ i, ở đây là điểm Toán của em thứ i.

  • μ (hs["diem_toan"].mean()): trung bình của tổng thể, một tham số (parameter).

Công thức x̄ của mẫu giống hệt, chỉ thay N bằng n và chỉ cộng các em trong mẫu. x̄ là một thống kê (statistic). Tham số là con số cố định nhưng thường không biết, thống kê thì tính được nhưng đổi theo mẫu.

Tính tay trên một tổng thể nhỏ: tổ có sáu bạn, điểm 6; 7,5; 5; 8; 6,5; 9. Tổng là 42, nên μ = 42 / 6 = 7. Chọn ba bạn thứ hai, thứ tư, thứ năm làm mẫu: 7,5 + 8 + 6,5 = 22, nên x̄ = 22 / 3 ≈ 7,33. Mẫu khác cho x̄ khác, còn μ của tổ thì vẫn là 7.

Tổng thể 160 học sinh và một mẫu ngẫu nhiên

File diem_kiem_tra.csv có điểm của 160 học sinh bốn lớp 10, số giả lập do AIDev tạo. Coi 160 em là tổng thể: vì có cả bảng, bạn tính được μ, điều hiếm khi làm được ngoài đời. Rồi chọn ngẫu nhiên 30 em bằng sample(), truyền rng vào random_state:

python
import numpy as np
import pandas as pd

hs = pd.read_csv("diem_kiem_tra.csv")
print("N =", len(hs))
print("μ =", round(hs["diem_toan"].mean(), 4))
rng = np.random.default_rng(5)
mau = hs.sample(n=30, random_state=rng)
print("n =", len(mau))
print("x̄ =", round(mau["diem_toan"].mean(), 4))

KẾT QUẢ

N = 160
μ = 7.0281
n = 30
x̄ = 7.0917

Mẫu 30 em cho x̄ lệch μ khoảng 0,06 điểm. Đây là chọn mẫu ngẫu nhiên đơn giản (simple random sampling): mỗi nhóm 30 em có cùng khả năng được chọn, và một em không bị chọn hai lần. Đổi n=30 thành n=160 rồi chạy lại: dòng cuối in x̄ = 7.0281, đúng bằng μ, vì mẫu đã là cả tổng thể.

Mỗi mẫu một trung bình khác

Chọn lại năm lần, mỗi lần 30 em, bằng rng.choice(..., replace=False) trên mảng điểm. replace=False là không hoàn lại: em đã chọn không vào lại mẫu đó.

python
import numpy as np
import pandas as pd

hs = pd.read_csv("diem_kiem_tra.csv")
toan = hs["diem_toan"].to_numpy()
rng = np.random.default_rng(5)
for lan in range(1, 6):
    mau = rng.choice(toan, size=30, replace=False)
    print("Mẫu", lan, "x̄ =", round(mau.mean(), 2))

KẾT QUẢ

Mẫu 1 x̄ = 7.09
Mẫu 2 x̄ = 7.1
Mẫu 3 x̄ = 7.46
Mẫu 4 x̄ = 7.08
Mẫu 5 x̄ = 7.15

Cùng tổng thể, cùng cỡ mẫu, năm x̄ khác nhau: đó là dao động giữa các mẫu (sampling variability). Lặp 1.000 lần thì thấy cả dải dao động:

python
import numpy as np
import pandas as pd

toan = pd.read_csv("diem_kiem_tra.csv")["diem_toan"].to_numpy()
rng = np.random.default_rng(5)
x_tb = np.array([rng.choice(toan, size=30, replace=False).mean()
                 for _ in range(1000)])
print("Nhỏ nhất:", round(x_tb.min(), 2),
      "lớn nhất:", round(x_tb.max(), 2))
print("Trung bình các x̄:", round(x_tb.mean(), 3))

KẾT QUẢ

Nhỏ nhất: 6.46 lớn nhất: 7.62
Trung bình các x̄: 7.041

Một mẫu đơn lẻ có thể lệch μ hơn nửa điểm, nhưng trung bình của 1.000 giá trị x̄ chỉ lệch 0,013. Mẫu ngẫu nhiên không đúng từng lần, nó không lệch về một phía. Bài phân phối mẫu đo độ rộng của dải này.

Ngoài chọn ngẫu nhiên đơn giản còn các phương pháp chọn mẫu khác, như chọn riêng mỗi lớp một số em (mẫu phân tầng). Tutorial này dùng chọn ngẫu nhiên đơn giản, nền của các công thức suy diễn về sau.

Kiểm tra nhanh

  1. Một hãng khảo sát 500 khách trong số 20.000 khách đã mua hàng năm nay và tính tỉ lệ khách hài lòng của 500 người đó. Những câu nào đúng?

    • 20.000 khách là tổng thể
    • Tỉ lệ hài lòng của 500 khách là một thống kê
    • 500 khách là tổng thể, vì đó là những người được hỏi
    • Tỉ lệ hài lòng của 500 khách là tham số p
  2. Trong khung bẫy lấy 30 dòng đầu, vì sao x̄ = 6,6 lệch xa μ = 7,03?

    • Vì 30 em là quá ít để tính trung bình
    • Vì file xếp theo lớp, nên 30 dòng đầu chỉ gồm học sinh 10A1
    • Vì head() làm tròn điểm xuống
  3. Với bảng 160 học sinh coi là tổng thể, con số nào là tham số?

    • hs["diem_toan"].mean(), kết quả 7,0281
    • mau["diem_toan"].mean() với mau là 30 em chọn ngẫu nhiên
    • Trung bình của 30 dòng đầu, 6,6
  4. Năm mẫu 30 em chọn từ cùng 160 học sinh cho năm x̄ từ 7,08 tới 7,46. Vì sao không bằng nhau?

    • Vì rng.choice() có lỗi làm tròn
    • Vì mỗi mẫu gồm những em khác nhau, nên tổng điểm của mẫu khác nhau
    • Vì μ của 160 em đổi sau mỗi lần chọn
Đúng hết lần đầu +15 XP

Bài tập

Trung bình của một mẫu ngẫu nhiên không hoàn lại

Viết thân hàm trung_binh_mau(x, n, rng): chọn ngẫu nhiên n giá trị không hoàn lại từ x (list hay mảng các số, tổng thể), bằng rng của nơi gọi, rồi trả về trung bình của mẫu. n từ 1 tới số giá trị của x. Hàm không sửa x của nơi gọi.

rng do nơi gọi tạo: không dùng np.random.seed(), không tạo bộ sinh số mới bằng np.random.default_rng() trong hàm.

Trả về: trung bình x̄ của mẫu, một float.

Ví dụ trung_binh_mau(list(range(1, 11)), 10, np.random.default_rng(1)) cho 5.5, vì mẫu 10 giá trị không hoàn lại là cả dãy.

python
import numpy as np


def trung_binh_mau(x, n, rng):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Tổng thể là toàn bộ đối tượng muốn biết, N phần tử; mẫu là n phần tử được đo.

  • Tham số (μ, σ, p) thuộc tổng thể, cố định và thường không biết; thống kê (x̄, s, p̂) tính trên mẫu.

  • Chọn mẫu ngẫu nhiên đơn giản: df.sample(n=..., random_state=rng) hay rng.choice(..., replace=False).

  • Mỗi mẫu cho một x̄ khác: dao động giữa các mẫu, quanh μ, không lệch về một phía.

  • Các dòng đầu của bảng không phải mẫu ngẫu nhiên; chúng có thể cho một mẫu lệch.

Câu hỏi thường gặp

Vì sao không đo cả tổng thể cho chắc?

Thường vì tốn kém, mất thời gian hay không thể: hỏi cả triệu khách, hay thử độ bền từng bóng đèn tới khi hỏng. Một mẫu ngẫu nhiên vài trăm đối tượng đã cho x̄ đủ sát μ, và bài phân phối mẫu cho biết sát tới đâu.

Chọn mẫu ngẫu nhiên có hoàn lại và không hoàn lại khác gì nhau?

Có hoàn lại thì một đối tượng có thể được chọn nhiều lần, như tung xúc xắc. Không hoàn lại thì mỗi đối tượng nhiều nhất một lần, như chọn học sinh để khảo sát. Khi mẫu nhỏ so với tổng thể, hai cách cho kết quả gần nhau. Cách dùng replace= có ở bài số ngẫu nhiên NumPy.

random_state trong sample() nhận gì?

Một số nguyên hay một bộ sinh số như np.random.default_rng(5). Tutorial truyền rng, để cả khối chỉ có một nguồn ngẫu nhiên và chạy lại cho đúng các số cũ. Cách gọi sample() có ở bài head, tail, sample.

Mẫu càng lớn thì càng tốt?

Mẫu lớn hơn cho x̄ dao động hẹp hơn quanh μ, nhưng chỉ khi chọn ngẫu nhiên. Một mẫu lớn chọn lệch, như 120 dòng đầu của file, vẫn lệch.

Chủ đề

tổng thể và mẫu

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