Kết nối qua MCP →

Nhập phép tính

k phải lớn hơn 1 để có giới hạn dương có ý nghĩa.

Công thức

Quảng cáo

Kết quả

At least this fraction of data lies within 2 standard deviations of the mean
75%
i.e. at least 0,75 of all values
Tỷ lệ tối thiểu trong k độ lệch chuẩn 0,75
Tối đa nằm ngoài k độ lệch chuẩn 25%

Định lý Chebyshev là gì?

Định lý Chebyshev (hay bất đẳng thức Chebyshev) cho bạn biết tỷ lệ dữ liệu tối thiểu bắt buộc phải nằm trong một số độ lệch chuẩn nhất định quanh giá trị trung bình — và điều đặc biệt là nó đúng với mọi dạng phân phối, bất kể dữ liệu lệch hay có hình dạng kỳ lạ đến đâu. Khác với Quy tắc thực nghiệm (Empirical Rule) chỉ áp dụng cho dữ liệu hình chuông (phân phối chuẩn), giới hạn của Chebyshev luôn đúng trong mọi trường hợp.

Phân phối hình chuông với giá trị trung bình ở giữa và khoảng được tô bóng kéo dài k độ lệch chuẩn về mỗi phía
Định lý Chebyshev xác định tỷ lệ tối thiểu của dữ liệu nằm trong k độ lệch chuẩn quanh giá trị trung bình.

Cách sử dụng máy tính này

Nhập giá trị k — số độ lệch chuẩn so với giá trị trung bình mà bạn quan tâm. Máy tính sẽ trả về tỷ lệ (và phần trăm) quan sát tối thiểu được đảm bảo nằm trong khoảng đó, cùng với tỷ lệ tối đa có thể nằm ngoài khoảng. Lưu ý rằng k phải lớn hơn 1 thì mới cho ra một giới hạn dương có ý nghĩa — tại \(k = 1\), định lý không đảm bảo điều gì (0%).

Giải thích công thức

Định lý phát biểu như sau:

$$P(|X - \mu| < k\sigma) \geq 1 - \frac{1}{k^{2}}$$

Trong đó \(\mu\) là giá trị trung bình, \(\sigma\) là độ lệch chuẩn, và \(k\) là số độ lệch chuẩn. Đại lượng \(1 - \frac{1}{k^{2}}\) chính là tỷ lệ tối thiểu được đảm bảo nằm trong khoảng \((\mu - k\sigma, \mu + k\sigma)\). Phần bù của nó, \(\frac{1}{k^{2}}\), là tỷ lệ tối đa có thể nằm ngoài khoảng này.

Quảng cáo
Biểu đồ cột về phần trăm dữ liệu tối thiểu nằm trong 2, 3 và 4 độ lệch chuẩn
Tỷ lệ tối thiểu được đảm bảo tăng khi k tăng: 75% tại k=2, khoảng 89% tại k=3 và khoảng 94% tại k=4.

Ví dụ minh họa

Giả sử \(k = 2\). Khi đó $$1 - \frac{1}{2^{2}} = 1 - \frac{1}{4} = 0{,}75.$$ Vậy ít nhất 75% toàn bộ giá trị dữ liệu nằm trong phạm vi 2 độ lệch chuẩn quanh giá trị trung bình, và tối đa 25% nằm ngoài — bất kể phân phối có hình dạng ra sao. Với \(k = 3\), giới hạn là \(1 - \frac{1}{9} \approx 88{,}89\%\).

Câu hỏi thường gặp

Tại sao k phải lớn hơn 1? Tại \(k = 1\), giới hạn bằng \(1 - \frac{1}{1} = 0\), tức là không đảm bảo điều gì. Với bất kỳ \(k < 1\) nào, giới hạn sẽ âm và vô nghĩa, nên máy tính báo kết quả 0%.

Định lý này khác Quy tắc thực nghiệm ở điểm nào? Quy tắc thực nghiệm (68-95-99,7) cho các phần trăm gần đúng nhưng chỉ áp dụng cho phân phối chuẩn. Định lý Chebyshev đưa ra một giới hạn dưới được đảm bảo cho mọi phân phối, nên các phần trăm của nó luôn nhỏ hơn (thận trọng hơn).

k có thể là số thập phân không? Có. \(k\) có thể là bất kỳ giá trị nào lớn hơn 1, chẳng hạn 1,5 hay 2,5; công thức \(1 - \frac{1}{k^{2}}\) vẫn đúng với k không nguyên.

Cập nhật lần cuối: