Z-score là gì: công thức z = (x − x̄)/s, so điểm hai môn
Bài 7/12 · Chương 3
Thống kê mô tả: độ phân tán và vị trí
- 10 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 13
Z-score (z score, điểm chuẩn hóa) của một giá trị là số độ lệch chuẩn mà giá trị đó cách số trung bình, tính bằng z = (x − x̄)/s. Bạn dùng nó để so hai con số khác thang hay khác độ khó, như 8 điểm Toán với 8 điểm Văn, và để tìm giá trị nằm xa bất thường so với phần còn lại.
Cần biết trước: phương sai mẫu và ddof, ký hiệu thống kê và broadcasting.
Công thức z score
Dữ liệu thường là một mẫu, nên z-score dùng trung bình mẫu x̄ và độ lệch chuẩn mẫu s (chia n − 1):
Trong đó:
x (
x[i]): giá trị cần chuẩn hóa.x̄ (
x.mean()): trung bình của mẫu.s (
np.std(x, ddof=1)): độ lệch chuẩn mẫu.z: z-score, không có đơn vị.
z dương là trên trung bình, âm là dưới; z = 1,5 nghĩa là cao hơn trung bình 1,5 độ lệch chuẩn. Khi bộ số là cả tổng thể, công thức dùng μ và σ: z = (x − μ)/σ. Bài phân phối chuẩn dùng đúng dạng đó.
Cách tính z score: so điểm hai môn
Sáu bạn trong nhóm học có điểm Toán 5, 7, 8, 6, 9, 7 và điểm Văn 6, 7, 6,5, 7, 6,5, 6. An được 8 Toán và 7 Văn. Môn nào An nổi bật hơn so với nhóm?
Bước | Toán | Văn |
|---|---|---|
Trung bình x̄ | 42 / 6 = 7 | 39 / 6 = 6,5 |
Tổng bình phương độ lệch | 10 | 1 |
s = √(tổng / 5) | √2 ≈ 1,414 | √0,2 ≈ 0,447 |
Điểm của An | 8 | 7 |
z = (x − x̄)/s | 1 / 1,414 ≈ 0,71 | 0,5 / 0,447 ≈ 1,12 |
Điểm Toán cao hơn, nhưng nhóm chấm Toán rải rộng, nên 8 điểm chỉ hơn trung bình 0,71 độ lệch chuẩn. Văn của cả nhóm sát nhau, nên 7 điểm đã hơn 1,12 độ lệch chuẩn. Khối dưới làm đúng các bước đó bằng Python thuần:
import math
nhom = {"Toán": [5, 7, 8, 6, 9, 7], "Văn": [6, 7, 6.5, 7, 6.5, 6]}
cua_an = {"Toán": 8, "Văn": 7}
for mon, x in nhom.items():
n = len(x)
x_tb = sum(x) / n
s = math.sqrt(sum((v - x_tb) ** 2 for v in x) / (n - 1))
z = (cua_an[mon] - x_tb) / s
print(f"{mon}: x̄ = {x_tb}, s = {s:.3f}, z = {z:.2f}")KẾT QUẢ
Toán: x̄ = 7.0, s = 1.414, z = 0.71
Văn: x̄ = 6.5, s = 0.447, z = 1.12Đổi "Văn": 7 thành "Văn": 6.5 rồi chạy lại: dòng hai in z = 0.00, vì 6,5 đúng bằng trung bình Văn của nhóm.
Chuẩn hóa cả cột bằng NumPy
Với mảng NumPy, một dòng tính z-score của mọi giá trị: x - x.mean() trừ trung bình khỏi từng phần tử nhờ broadcasting, rồi chia cho s. Cột mới luôn có trung bình 0 và độ lệch chuẩn 1:
import numpy as np
toan = np.array([5, 7, 8, 6, 9, 7])
z = (toan - toan.mean()) / np.std(toan, ddof=1)
print(z.round(2))
print("Trung bình:", round(abs(z.mean()), 6))
print("Độ lệch chuẩn:", round(np.std(z, ddof=1), 6))KẾT QUẢ
[-1.41 0. 0.71 -0.71 1.41 0. ]
Trung bình: 0.0
Độ lệch chuẩn: 1.0Việc đổi một cột thành z-score gọi là chuẩn hóa (standardization). Phần tử thứ ba, 0,71, là điểm của An ở bảng trên. Với pandas, (cot - cot.mean()) / cot.std(ddof=1) cho cùng kết quả.
Áp vào điểm kiểm tra: so môn và tìm |z| > 3
File diem_kiem_tra.csv là số giả lập của AIDev: điểm Toán và Văn của 160 học sinh lớp 10. Coi 160 em là một mẫu. Một em được 8 điểm thì z ở mỗi môn bằng bao nhiêu, và em nào có |z| > 3?
import pandas as pd
diem = pd.read_csv("diem_kiem_tra.csv")
for mon in ["diem_toan", "diem_van"]:
cot = diem[mon]
x_tb, s = cot.mean(), cot.std(ddof=1)
z = (cot - x_tb) / s
print(mon, round(x_tb, 2), round(s, 2),
"z của 8 điểm:", round((8 - x_tb) / s, 2))
print(" |z| > 3:", diem.loc[z.abs() > 3, "ma_hs"].tolist())KẾT QUẢ
diem_toan 7.03 1.29 z của 8 điểm: 0.75
|z| > 3: ['10A2-26']
diem_van 7.09 1.01 z của 8 điểm: 0.9
|z| > 3: ['10A3-17']Cùng 8 điểm, Văn cho z = 0,90, Toán chỉ 0,75: điểm Văn của khối sát nhau hơn. Mỗi môn có đúng một em cách trung bình hơn ba độ lệch chuẩn, cả hai ở phía thấp: em 10A2-26 được 2,75 điểm Toán, em 10A3-17 được 3,25 điểm Văn. Một boolean mask z.abs() > 3 chọn ra các em đó. Vẽ z-score Văn lên histogram kèm hai ngưỡng ±3:
import pandas as pd
import matplotlib.pyplot as plt
diem = pd.read_csv("diem_kiem_tra.csv")
van = diem["diem_van"]
z = (van - van.mean()) / van.std(ddof=1)
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.hist(z, bins=24, range=(-4, 4), edgecolor="white")
ax.axvline(-3, color="k", ls="--", label="z = −3 và z = 3")
ax.axvline(3, color="k", ls="--")
ax.set(title="Z-score điểm Văn của 160 học sinh",
xlabel="z-score", ylabel="Số học sinh")
ax.legend()
plt.show()Gần như cả khối nằm giữa −2 và 2. Em ngoài vạch −3 là dòng đáng xem lại (nhập nhầm, hay cần kèm thêm); quy tắc |z| > 3 chỉ đánh dấu, không tự kết luận. Bài ngoại lai bằng IQR dạy một cách đánh dấu khác, ít bị chính giá trị lạ kéo lệch.
Mô phỏng: |z| > 3 hiếm đến mức nào
Quy tắc |z| > 3 dựa vào hình chuông. Khối dưới tự sinh 10.000 gói cà phê có khối lượng theo phân phối chuẩn và 10.000 thời gian chờ theo phân phối mũ (lệch phải), chuẩn hóa từng bộ, rồi đếm:
import numpy as np
rng = np.random.default_rng(21)
cac_mau = {"chuẩn": rng.normal(500, 2, size=10_000),
"mũ": rng.exponential(30, size=10_000)}
for ten, x in cac_mau.items():
z = (x - x.mean()) / np.std(x, ddof=1)
tb, s = abs(z.mean()), np.std(z, ddof=1)
ty_le = (np.abs(z) > 3).mean()
print(f"{ten:>5}: TB {tb:.3f}, s {s:.3f}, |z| > 3: {ty_le:.2%}")KẾT QUẢ
chuẩn: TB 0.000, s 1.000, |z| > 3: 0.30%
mũ: TB 0.000, s 1.000, |z| > 3: 1.80%Lần chạy này cho thấy cả hai bộ sau chuẩn hóa đều có trung bình 0, độ lệch chuẩn 1. Tỉ lệ |z| > 3 thì khác hẳn: khoảng 3 phần nghìn với hình chuông, gấp sáu lần với dữ liệu lệch phải, vì chuẩn hóa không đổi hình dạng. Đổi default_rng(21) thành default_rng(8): hai tỉ lệ đổi ở chữ số lẻ, khoảng cách giữa chúng vẫn vậy.
Kiểm tra nhanh
Sau
import numpy as npvàx = np.array([2.0, 4.0, 6.0]),print((x[2] - x.mean()) / np.std(x, ddof=1))in ra gì?1.01.2247448713915892.0
Trong bộ điểm kiểm tra, 8 điểm Toán có z = 0,75 còn 8 điểm Văn có z = 0,90. Vì sao?
- Vì điểm Văn được chấm theo thang khác
- Vì 8 điểm Văn khó đạt hơn trong mọi trường hợp
- Vì trung bình hai môn gần nhau, nhưng điểm Văn của khối tản hẹp hơn (s nhỏ hơn), nên cùng khoảng cách 8 − x̄ là nhiều độ lệch chuẩn hơn
- Vì
std(ddof=1)của pandas tính sai với cột Văn
Dãy 10 thời gian chờ có một số 200 giữa chín số quanh 20. Vì sao |z| > 3 không bắt được nó?
- Vì 200 thật ra không xa các số khác
- Vì số 200 kéo cả x̄ và s về phía nó; với 10 giá trị, |z| không vượt quá 2,85
- Vì phải dùng
ddof=0cho dãy ngắn - Vì z-score chỉ dùng được cho điểm thi
Trong mô phỏng, những câu nào đúng?
- Sau chuẩn hóa, cả hai bộ đều có trung bình 0 và độ lệch chuẩn 1
- Dữ liệu lệch phải cho nhiều |z| > 3 hơn dữ liệu hình chuông
- Chuẩn hóa biến dữ liệu lệch phải thành hình chuông
- Hạt giống 21 quyết định tỉ lệ 0,3% của phân phối chuẩn
Bài tập
Tìm vị trí các giá trị có |z| vượt ngưỡng
Bạn muốn đánh dấu những dòng cần xem lại trong một cột số. x là list (hay mảng) các số, có ít nhất hai giá trị không bằng nhau hết; nguong là một số dương. Viết thân hàm bat_thuong(x, nguong) trả về vị trí (chỉ số, đếm từ 0) của mọi giá trị có |z| lớn hơn hẳn nguong, với z = (x − x̄)/s và s chia n − 1.
Hàm không sửa x của nơi gọi.
Trả về: các vị trí theo thứ tự tăng dần, một list các số nguyên (list rỗng khi không có).
Ví dụ bat_thuong([1, 3, 5], 0.5) cho [0, 2].
import numpy as np
def bat_thuong(x, nguong):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Z-score z = (x − x̄)/s đếm một giá trị cách trung bình bao nhiêu độ lệch chuẩn; dương là trên, âm là dưới.
Tính cả cột:
(x - x.mean()) / np.std(x, ddof=1); cột z có trung bình 0, độ lệch chuẩn 1.So hai con số khác thang hay khác độ khó bằng z, không bằng điểm gốc.
|z| > 3 đánh dấu giá trị cần xem lại, nhưng không bắt được gì khi n nhỏ: |z| tối đa là (n − 1)/√n.
Tỉ lệ |z| > 3 khoảng 0,3% chỉ với hình chuông; chuẩn hóa không đổi hình dạng của dữ liệu.
Câu hỏi thường gặp
Điểm z là gì?
Điểm z là tên khác của z-score: điểm số đã đổi sang đơn vị "số độ lệch chuẩn tính từ trung bình". Điểm z bằng 2 nghĩa là cao hơn trung bình hai độ lệch chuẩn, ở môn nào hay thang nào cũng vậy.
scipy.stats.zscore có cho cùng kết quả không?
Không hẳn: scipy.stats.zscore() mặc định ddof=0, tức chia n, nên |z| lớn hơn bản ở bài này một chút. Gọi zscore(x, ddof=1) thì khớp. Bài phương sai mẫu chia n − 1 giải thích khác biệt đó.
Z-score có biến dữ liệu thành phân phối chuẩn không?
Không. Chuẩn hóa chỉ dời trung bình về 0 và co giãn độ lệch chuẩn về 1; hình dạng giữ nguyên, như mô phỏng ở trên. Dữ liệu lệch phải vẫn lệch phải; độ lệch đó đo bằng skewness.
Vì sao ngưỡng thường là 3?
Với dữ liệu hình chuông, chỉ khoảng 0,3% giá trị có |z| > 3, nên một giá trị như thế đáng xem lại; ngưỡng 2 bắt khoảng 4,6%. Bài ngoại lai bằng IQR dùng ngưỡng theo tứ phân vị.
Chủ đề
Dữ liệu của bài
- Tải xuống
diem_kiem_tra.csv
CSV · 3.81 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
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.