Bỏ qua đến nội dung chính
Mục lục

Trung bình, trung vị hay mốt: chọn số nào khi dữ liệu lệch

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/6 · Chương 2

Thống kê mô tả: số đo trung tâm

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

Trung bình, trung vị và mốt là ba số đo trung tâm (measures of central tendency); khi dữ liệu lệch, ba số tách xa nhau và mỗi số trả lời một câu hỏi khác. Bạn chọn số nào tùy hình dạng phân bố, như khi đọc một bản tin giả định "lương trung bình 17 triệu" mà phần lớn người lao động nhận ít hơn.

Cần biết trước: trung bình cộng, trung vị và mốt.

Hiệu trung bình trừ trung vị

Trung bình bị giá trị lớn kéo đi, trung vị thì không, nên khoảng cách giữa hai số cho biết dữ liệu lệch về phía nào:

d=xˉ−Med = \bar{x} - \mathrm{Me}

Trong đó:

  • x̄ (np.mean(x)): trung bình cộng.

  • Me (np.median(x)): trung vị, ký hiệu của SGK Toán 10.

  • d lớn hơn 0: phân bố lệch phải (right-skewed), đuôi dài về phía giá trị lớn, như lương, giá nhà.

  • d nhỏ hơn 0: phân bố lệch trái, đuôi dài về phía giá trị nhỏ, như điểm của một bài kiểm tra dễ.

  • d gần 0: phân bố gần đối xứng, ba số đo gần nhau.

d là một dấu hiệu nhanh, có cùng đơn vị với dữ liệu, chưa phải thước đo chuẩn của độ lệch. Hệ số bất đối xứng (skewness) đo độ lệch không phụ thuộc đơn vị là việc của bài độ lệch, độ nhọn.

Tính tay ba số đo trên chín mức lương

Chín nhân viên một văn phòng nhận 7, 8, 8, 9, 10, 12, 14, 17 và 41 triệu đồng một tháng (số tự đặt).

Bước

Việc

Kết quả

1

Mốt: giá trị gặp nhiều nhất

8 triệu (hai người)

2

Trung vị: giá trị thứ 5 trong 9

10 triệu

3

Trung bình: 126 / 9

14 triệu

4

d = 14 − 10

4 triệu, lớn hơn 0: lệch phải

Khối dưới tính đủ ba số đo và d bằng Python thuần. Sửa dãy ở dòng đầu rồi bấm Chạy:

python
luong = [7, 8, 8, 9, 10, 12, 14, 17, 41]
xep = sorted(luong)
n = len(xep)
tb = sum(xep) / n
tv = (xep[(n - 1) // 2] + xep[n // 2]) / 2
dem = {x: xep.count(x) for x in xep}
mot = [x for x in dem if dem[x] == max(dem.values())]
print("Mốt:", mot)
print("Trung vị:", tv)
print("Trung bình:", round(tb, 2))
print("d:", round(tb - tv, 2))

KẾT QUẢ

Mốt: [8]
Trung vị: 10.0
Trung bình: 14.0
d: 4.0

Dòng trung vị lấy trung bình của xep[(n - 1) // 2] và xep[n // 2]: hai chỉ số trùng nhau khi n lẻ, là hai vị trí giữa khi n chẵn. Thứ tự mốt < trung vị < trung bình là dáng thường gặp của dữ liệu lệch phải. Sáu trong chín người nhận dưới 14 triệu: người lương 41 triệu kéo trung bình lên. Đổi 41 thành 17 rồi chạy lại: dòng trung bình in Trung bình: 11.33, d chỉ còn 1,33.

So ba số đo trên histogram lương

File luong_nganh.csv là số giả lập của AIDev: lương tháng của 750 người thuộc năm ngành, do máy sinh ra; bài không rút kết luận nào về thị trường lao động. Lương ghi tới 0,1 triệu, nên mốt lấy trên lương làm tròn tới triệu (round() rồi mode(), như bài mốt). Khối dưới vẽ histogram và đánh dấu ba số đo:

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

luong = pd.read_csv("luong_nganh.csv")["luong_trieu"]
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.hist(luong, bins=np.arange(0, 58, 2), edgecolor="white")
for v, ls, ten in [(luong.round().mode().iloc[0], "-.", "Mốt"),
                   (np.median(luong), ":", "Trung vị"),
                   (np.mean(luong), "--", "Trung bình")]:
    ax.axvline(v, color="black", ls=ls, label=f"{ten} {v:.2f}")
ax.set(title="Lương tháng của 750 người (giả lập)",
       xlabel="Lương (triệu đồng)", ylabel="Số người")
ax.legend()
plt.show()
Histogram lương tháng của 750 người, trục x là triệu đồng từ 0 đến 56, trục y là số người; đỉnh ở 10 đến 12 triệu, đuôi dài sang phải; ba đường đứng theo thứ tự mốt 10, trung vị 14,85, trung bình 16,81.

Đỉnh của histogram nằm quanh 10 triệu, đuôi kéo dài tới hơn 50 triệu. Ba đường đứng đúng thứ tự của chín mức lương ở trên: mốt 10, trung vị 14,85, trung bình 16,81 triệu. Một tin viết "lương trung bình gần 17 triệu" không sai về số học, nhưng không tả người đứng giữa.

Chọn số đo theo loại dữ liệu

Dữ liệu

Hình dạng hay loại

Số nên báo

Điểm thi một lớp, chiều cao

gần đối xứng

trung bình (gần trung vị)

Lương, giá nhà, thời gian giao hàng

lệch phải

trung vị, kèm trung bình nếu cần

Điểm một bài kiểm tra rất dễ

lệch trái

trung vị

Mức hài lòng 1 tới 5, cỡ áo, món đồ uống

thứ bậc hay chữ

mốt, kèm bảng tần số

Trung bình vẫn cần khi câu hỏi là về tổng: tổng quỹ lương bằng trung bình nhân số người, trung vị thì không cho được tổng đó.

Mô phỏng: phân bố đối xứng và phân bố lệch

Khối dưới sinh 10.000 số cho ba hình dạng: chuẩn (đối xứng) bằng rng.normal(), log-chuẩn (lệch phải) bằng rng.lognormal(), và 10 trừ một số mũ (lệch trái). Hai dãy đầu có cùng trung vị khoảng 15 và chỉ khác nhau ở hình dạng. Mỗi dòng in tên, trung bình, trung vị và d:

python
import numpy as np

rng = np.random.default_rng(13)
day = {
    "đối xứng": rng.normal(15, 4, size=10_000),
    "lệch phải": rng.lognormal(np.log(15), 0.5, size=10_000),
    "lệch trái": 10 - rng.exponential(1.5, size=10_000),
}
for ten, x in day.items():
    tb, tv = np.mean(x), np.median(x)
    print(ten, round(tb, 2), round(tv, 2), round(tb - tv, 2))

KẾT QUẢ

đối xứng 15.04 15.07 -0.04
lệch phải 16.98 14.96 2.02
lệch trái 8.48 8.95 -0.47

Lần chạy này cho thấy d gần 0 với dãy đối xứng, dương với dãy lệch phải và âm với dãy lệch trái: đuôi dài kéo trung bình về phía nó, trung vị đứng yên. Đổi default_rng(13) thành default_rng(1): các số đổi chút ít, d của dãy đối xứng vẫn sát 0, hai dãy lệch giữ dấu.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.mean([1, 2, 3, 30]) - np.median([1, 2, 3, 30])) in ra gì?

    • -6.5
    • 6.5
    • 0.0
    • 27.0
  2. Trong khung bẫy lương, vì sao gần 60% số người nhận dưới lương trung bình?

    • Vì np.mean() bỏ qua người lương cao
    • Vì vài mức lương rất cao kéo trung bình lên trên người đứng giữa
    • Vì dữ liệu có ô trống
  3. Những câu nào đúng khi chọn số đo trung tâm?

    • Với giá nhà, trung vị tả căn đứng giữa tốt hơn trung bình
    • Trung vị luôn bằng trung bình khi dữ liệu không có ngoại lai
    • Với mức hài lòng từ 1 tới 5, mốt kèm bảng tần số có nghĩa rõ hơn trung bình
    • Muốn tính tổng quỹ lương từ số người thì cần trung bình
  4. Trong mô phỏng ba hình dạng, vì sao dãy log-chuẩn có d dương?

    • Vì log-chuẩn có trung vị bằng 0
    • Vì đuôi dài bên phải kéo trung bình lên, còn trung vị đứng yên
    • Vì hạt giống 13 tình cờ sinh nhiều số lớn
    • Vì rng.lognormal() cộng thêm 2 vào mỗi số
Đúng hết lần đầu +15 XP

Bài tập

Đọc hướng lệch từ hiệu trung bình trừ trung vị

Bạn viết phần tóm tắt tự động cho báo cáo: với mỗi cột số, nói nó lệch phải, lệch trái hay gần đối xứng. x là list các số (ít nhất một), nguong là một số không âm. Viết thân hàm huong_lech(x, nguong): tính d = trung bình − trung vị; d lớn hơn nguong thì là "lệch phải", d nhỏ hơn -nguong thì là "lệch trái", còn lại (kể cả khi d đúng bằng ±nguong) là "gần đối xứng".

Hàm không sửa x của nơi gọi.

Trả về: một trong ba chuỗi "lệch phải", "lệch trái", "gần đối xứng", một str.

Ví dụ huong_lech([7, 8, 8, 9, 10, 12, 14, 17, 41], 1) cho "lệch phải".

python
import numpy as np


def huong_lech(x, nguong):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Trung bình, trung vị, mốt gần nhau khi phân bố đối xứng và tách nhau khi phân bố lệch.

  • d = trung bình − trung vị: dương là lệch phải, âm là lệch trái, gần 0 là gần đối xứng.

  • Dữ liệu lệch phải như lương: thường mốt < trung vị < trung bình; báo trung vị cho mức của người đứng giữa.

  • Báo trung bình như mức điển hình của dữ liệu lệch phải làm gần 60% người trong bộ lương giả lập đứng dưới con số đó.

  • Dữ liệu thứ bậc hay chữ: báo mốt kèm bảng tần số; câu hỏi về tổng: cần trung bình.

Câu hỏi thường gặp

Khi nào dùng trung vị thay cho trung bình?

Khi phân bố lệch hay có giá trị rất lớn: lương, giá nhà, thời gian giao hàng, doanh thu mỗi khách. Trung vị cho biết người đứng giữa; trung bình cho biết tổng chia đều. Báo cả hai khi người đọc cần cả hai ý.

Mean và median khác nhau thế nào?

Mean là trung bình cộng, cộng mọi giá trị rồi chia đều; median là trung vị, giá trị đứng giữa dãy đã sắp xếp. Trong pandas, df["cot"].mean() và .median() cho hai số này; bài thống kê mô tả với pandas dạy cả hai.

Trung bình luôn lớn hơn trung vị khi dữ liệu lệch phải không?

Thường là vậy, nhưng không phải luật: với dữ liệu rời rạc hay nhiều mốt, có dãy lệch phải mà trung bình nhỏ hơn trung vị. Vì thế bài gọi d là dấu hiệu nhanh; vẽ histogram để thấy hình dạng thật.

Đọc tin "thu nhập bình quân" thế nào cho đúng?

"Bình quân" thường là trung bình cộng, nên với thu nhập nó cao hơn mức của người đứng giữa. Hãy tìm xem bản tin có trung vị không, và đọc nó như "một nửa số người nhận ít hơn".

Chủ đề

trung bình trung vị mốt

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