Máy tính sai số biên (Margin of Error)

Máy tính sai số biên (Margin of Error)

Đang tăng trưởng AI Skill PRO

Nhập phép tính

Công thức

MOE=z·p(1−p)n×100where{z=Φ−1(1−1−Confidence/1002)p=Proportion (%)100n=Sample Size\begin{gathered} \text{MOE} = z \cdot \sqrt{\frac{p\,(1-p)}{n}} \times 100 \\[1.5em] \text{where}\quad \left\{ \begin{aligned} z &= \Phi^{-1}\!\left(1 - \frac{1 - \text{Confidence}/100}{2}\right) \\ p &= \dfrac{\text{Proportion (\%)}}{100} \\ n &= \text{Sample Size} \end{aligned} \right. \end{gathered}
Thống kê sử dụng

Quảng cáo

Kết quả

Sai số biên

± 3,099%

Mức tin cậy: 95.0% · Tỷ lệ thực của tổng thể nằm trong biên sai số này so với tỷ lệ mẫu của bạn: ±3,099%

Khoảng tin cậy: 46,9% - 53,1%
Cỡ mẫu: 1.000
Mức tin cậy: 95%
Tỷ lệ mẫu: 50%

Diễn giải: ở mức tin cậy đã chọn, tỷ lệ thực của tổng thể nằm trong khoảng này (95.0%): 46,9% – 53,1%

Báo lỗi nội dung trang này

Máy tính sai số biên là gì?

Máy tính sai số biên cho bạn biết kết quả khảo sát hay thăm dò ý kiến có thể lệch bao nhiêu so với giá trị thực của toàn bộ tổng thể. Khi chỉ khảo sát một phần của nhóm, ước lượng của bạn luôn có một mức bất định nhất định — sai số biên chính là mức bất định đó, được biểu thị dưới dạng phần trăm cộng/trừ. Chỉ với ba thông số đầu vào đơn giản, công cụ sẽ trả về sai số biên chính xác cùng khoảng tin cậy xung quanh con số bạn thu được.

Đường cong hình chuông với điểm ước lượng của mẫu và thanh sai số nằm ngang thể hiện độ trải của sai số biên
Sai số biên xác định khoảng quanh ước lượng mẫu mà giá trị thực nhiều khả năng nằm trong đó.

Các thông số cần nhập

  • Cỡ mẫu: số người hoặc số đối tượng bạn thực sự khảo sát (ví dụ 1.000 người trả lời).
  • Mức tin cậy (%): mức độ chắc chắn bạn muốn có rằng giá trị thực nằm trong khoảng tin cậy — thường là 90, 95 hoặc 99.
  • Tỷ lệ mẫu (%): phần trăm người trong mẫu đưa ra một câu trả lời cụ thể (ví dụ 60% trả lời “có”).

Công thức được sử dụng

Máy tính áp dụng công thức chuẩn để tính sai số biên của một tỷ lệ:

$$\text{MOE} = z \cdot \sqrt{\frac{p\,(1-p)}{n}} \times 100$$

  • \(z\) là giá trị tới hạn của phân phối chuẩn, xác định từ mức tin cậy của bạn. Công cụ tính nó bằng hàm ngược của xác suất tích lũy tại \(1 - (1 - \text{confidence}/100) / 2\) — chẳng hạn mức tin cậy 95% cho \(z \approx 1.96\).
  • \(p\) là tỷ lệ mẫu viết dưới dạng số thập phân (60% thành 0,60).
  • \(n\) là cỡ mẫu.

Sau đó công cụ đưa ra khoảng tin cậy: cận dưới (tỷ lệ − MOE, không thấp hơn 0%) và cận trên (tỷ lệ + MOE, không vượt quá 100%).

Quảng cáo
Sơ đồ minh họa sai số biên bằng điểm z nhân sai số chuẩn, với cỡ mẫu nằm dưới dấu căn bậc hai
Cỡ mẫu càng lớn thì sai số biên càng nhỏ nhờ dấu căn bậc hai ở mẫu số.

Ví dụ minh họa

Giả sử bạn khảo sát 1.000 người, chọn mức tin cậy 95%, và có 60% trả lời “có”.

  • \(z = 1.96\), \(p = 0.60\), \(n = 1{,}000\)
  • Sai số chuẩn $$= \sqrt{\frac{0.60 \times 0.40}{1000}} = \sqrt{0.00024} \approx 0.01549$$
  • $$\text{MOE} = 1.96 \times 0.01549 \times 100 \approx 3.04\%$$

Vậy kết quả là 60% ± 3,04%, tức khoảng tin cậy xấp xỉ từ 56,96% đến 63,04%.

Câu hỏi thường gặp

Làm thế nào để giảm sai số biên? Hãy tăng cỡ mẫu. Vì \(n\) nằm dưới dấu căn bậc hai, bạn cần tăng cỡ mẫu lên khoảng gấp bốn lần thì sai số biên mới giảm đi một nửa.

Tỷ lệ nào cho sai số biên lớn nhất? Tỷ lệ 50% cho sai số biên rộng nhất, vì tại đó \(p(1 - p)\) đạt giá trị lớn nhất. Nếu chưa biết trước tỷ lệ của mình, bạn có thể dùng 50% để có ước tính thận trọng.

Vì sao mức tin cậy cao hơn lại làm khoảng tin cậy rộng hơn? Mức tin cậy cao hơn làm tăng giá trị \(z\) (95% dùng 1,96, còn 99% dùng khoảng 2,58), nên khoảng tin cậy được mở rộng để tăng khả năng chứa giá trị thực.

Cập nhật lần cuối:

Phổ biến nhất trong Toán học và Thống kê

Xem tất cả máy tính Toán học và Thống kê