Công cụ này làm gì
Công cụ này tính phương sai và độ lệch chuẩn của một biến ngẫu nhiên rời rạc dựa trên phân phối xác suất của nó. Bạn chỉ cần nhập từng giá trị có thể xảy ra (\(x_i\)) cùng xác suất tương ứng (\(p_i\)), và máy tính sẽ trả về phương sai Var(X), kỳ vọng (giá trị trung bình) \(\mu\), giá trị kỳ vọng của \(X^2\) và độ lệch chuẩn \(\sigma\). Phương sai cho biết các kết quả phân tán quanh giá trị trung bình như thế nào — phương sai nhỏ nghĩa là các kết quả tập trung gần giá trị trung bình, còn phương sai lớn cho thấy chúng trải rộng và phân tán mạnh.
Cách sử dụng
Nhập danh sách các giá trị, cách nhau bằng dấu phẩy, vào ô đầu tiên (ví dụ 1, 2, 3). Sau đó nhập các xác suất tương ứng theo đúng thứ tự vào ô thứ hai (ví dụ 0.2, 0.5, 0.3). Tổng các xác suất phải bằng 1; máy tính sẽ hiển thị \(\sum p_i\) để bạn kiểm tra lại điều này. Bấm nút tính toán để xem phương sai cùng các thống kê liên quan.
Giải thích công thức
Phương sai được tính theo dạng công thức tiện lợi sau:
$$\operatorname{Var}(X) = \sum p_i x_i^{2} - \left(\sum p_i x_i\right)^{2}$$
Trong đó \(\sum p_i x_i\) chính là giá trị trung bình \(\mu = E[X]\), còn \(\sum p_i x_i^{2}\) là \(E[X^2]\). Lấy \(E[X^2]\) trừ đi bình phương của giá trị trung bình ta được phương sai. Cách này hoàn toàn tương đương về mặt đại số với định nghĩa \(\operatorname{Var}(X) = \sum p_i (x_i - \mu)^{2}\), nhưng dễ tính hơn vì chỉ cần một lượt tính. Độ lệch chuẩn đơn giản là \(\sigma = \sqrt{\operatorname{Var}(X)}\).
Ví dụ minh họa
Giả sử X nhận các giá trị 1, 2, 3 với xác suất lần lượt là 0.2, 0.5, 0.3. Giá trị trung bình là $$\mu = 1(0.2) + 2(0.5) + 3(0.3) = 0.2 + 1.0 + 0.9 = 2.1.$$ $$E[X^2] = 1(0.2) + 4(0.5) + 9(0.3) = 0.2 + 2.0 + 2.7 = 4.9.$$ Vậy $$\operatorname{Var}(X) = 4.9 - 2.1^{2} = 4.9 - 4.41 = 0.49,$$ và \(\sigma = \sqrt{0.49} = 0.7\).
Thêm ví dụ minh họa
Ví dụ 1: Một con xúc xắc sáu mặt cân đối
Các kết quả là \(x = 1, 2, 3, 4, 5, 6\), mỗi kết quả có xác suất \(p_i = \frac{1}{6}\).
- Kỳ vọng: \(E[X] = \sum p_i x_i = \frac{1}{6}(1+2+3+4+5+6) = \frac{21}{6} = 3.5\).
- Moment bậc hai: \(E[X^2] = \sum p_i x_i^2 = \frac{1}{6}(1+4+9+16+25+36) = \frac{91}{6} \approx 15.1667\).
- Phương sai: \(\sigma^2 = E[X^2] - (E[X])^2 = \frac{91}{6} - 3.5^2 = 15.1667 - 12.25 \approx 2.9167\) (chính xác bằng \(\frac{35}{12}\)).
- Độ lệch chuẩn: \(\sigma = \sqrt{2.9167} \approx 1.7078\).
Ví dụ 2: Lợi nhuận trò chơi với cả lỗ và lãi
Một trò chơi trả \(x = -10, 0, 20\) (đơn vị đô la) với xác suất \(p = 0.5, 0.3, 0.2\). Tổng các xác suất bằng 1.
- Kỳ vọng: \(E[X] = 0.5(-10) + 0.3(0) + 0.2(20) = -5 + 0 + 4 = -1\).
- Moment bậc hai: \(E[X^2] = 0.5(100) + 0.3(0) + 0.2(400) = 50 + 0 + 80 = 130\).
- Phương sai: \(\sigma^2 = 130 - (-1)^2 = 130 - 1 = \) 129.
- Độ lệch chuẩn: \(\sigma = \sqrt{129} \approx 11.36\) đô la.
Lưu ý rằng kỳ vọng được bình phương ở bước cuối, nên một kỳ vọng âm vẫn cho số hạng trừ dương.
So sánh các phân phối có cùng kỳ vọng
Cả ba phân phối dưới đây đều có kỳ vọng bằng 2, nhưng độ trải rộng khác nhau. Phương sai thể hiện được sự khác biệt đó, điều mà riêng kỳ vọng không làm được.
| Phân phối | Kỳ vọng E[X] | E[X²] | Phương sai | Độ lệch chuẩn |
|---|---|---|---|---|
| x = 2 với p = 1 | 2 | 4 | 0 | 0 |
| x = 1, 2, 3 với p = 0.25, 0.5, 0.25 | 2 | 0.25 + 2 + 2.25 = 4.5 | 4.5 − 4 = 0.5 | ≈ 0.7071 |
| x = 0, 2, 4 với p = 0.25, 0.5, 0.25 | 2 | 0 + 2 + 4 = 6 | 6 − 4 = 2 | ≈ 1.4142 |
Phân phối thứ ba dùng các kết quả cách kỳ vọng xa gấp đôi so với phân phối thứ hai, nên phương sai của nó lớn gấp bốn lần (2 so với 0.5) và độ lệch chuẩn lớn gấp đôi.
Diễn giải phương sai và độ lệch chuẩn
- Phương sai bằng 0: kết quả là hằng số (phân phối suy biến); toàn bộ xác suất nằm ở một giá trị, và giá trị đó bằng kỳ vọng.
- σ lớn hơn nghĩa là độ trải rộng lớn hơn: các kết quả có xu hướng nằm xa kỳ vọng E[X] hơn.
- Đơn vị: nếu X được đo bằng đô la, phương sai có đơn vị đô la bình phương, còn độ lệch chuẩn \(\sigma = \sqrt{\sigma^2}\) có cùng đơn vị với X (đô la), giúp dễ diễn giải hơn.
- Biến đổi tuyến tính: \(\mathrm{Var}(aX + b) = a^2\,\mathrm{Var}(X)\). Cộng thêm hằng số b làm dịch chuyển phân phối mà không thay đổi độ trải rộng; nhân với a làm độ lệch chuẩn thay đổi theo \(|a|\).
- Tổng của các biến độc lập: nếu X và Y độc lập, \(\mathrm{Var}(X + Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\), và cũng có \(\mathrm{Var}(X - Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\). Độ lệch chuẩn không cộng trực tiếp được.
- Nhạy cảm với giá trị cực đoan: vì các độ lệch được bình phương, một kết quả cực đoan nhưng hiếm có thể làm phương sai tăng đáng kể, ngay cả khi xác suất của nó nhỏ.
Phương sai không bao giờ âm. Nếu phép tính của bạn cho ra giá trị âm, hãy kiểm tra xem tổng các xác suất có bằng 1 hay không và mỗi pᵢ có nằm giữa 0 và 1 hay không.
Câu hỏi thường gặp
Tổng các xác suất có bắt buộc bằng 1 không? Có, để phân phối hợp lệ thì tổng phải bằng 1. Máy tính hiển thị \(\sum p_i\) để bạn xác nhận. Nếu tổng không bằng 1, kết quả sẽ không chính xác.
Phương sai và độ lệch chuẩn khác nhau ra sao? Phương sai có đơn vị là bình phương của đơn vị gốc; còn độ lệch chuẩn là căn bậc hai của phương sai, cùng đơn vị với X nên dễ diễn giải hơn.
Phương sai có thể âm không? Không. Về mặt toán học, phương sai luôn \(\geq 0\). Nếu kết quả ra số âm thì chắc chắn bạn đã nhập sai dữ liệu xác suất.