Σ
SDCalc
Nâng caoNâng cao·14 min

Độ lệch chuẩn có trọng số

Tìm hiểu cách tính độ lệch chuẩn có trọng số khi các điểm dữ liệu có mức độ quan trọng hoặc tần suất khác nhau.

Độ lệch chuẩn có trọng số là gì?

Khi các điểm dữ liệu có mức độ quan trọng hoặc tần suất khác nhau, chúng ta sử dụng độ lệch chuẩn có trọng số. Điều này phổ biến trong phân tích danh mục đầu tư, dữ liệu khảo sát có trọng số lấy mẫu và tính điểm trung bình tích lũy (GPA).

Trong tính toán không trọng số (thông thường), mọi điểm dữ liệu đóng góp đều nhau vào trung bình và độ lệch chuẩn. Nhưng các tình huống thực tế thường yêu cầu cho một số quan sát ảnh hưởng nhiều hơn. Khoản đầu tư 1 triệu đô la nên ảnh hưởng đến tính toán biến động danh mục nhiều hơn vị thế 1.000 đô la. Câu trả lời khảo sát từ nhóm nhân khẩu học lớn hơn nên mang trọng số lớn hơn khi ước lượng các tham số tổng thể.

Khi nào sử dụng SD có trọng số

Sử dụng độ lệch chuẩn có trọng số bất cứ khi nào các điểm dữ liệu của bạn có mức độ quan trọng, tần suất hoặc độ tin cậy khác nhau. SD không trọng số giả định tất cả điểm đều quan trọng như nhau—thường là giả định không chính xác.

Công thức SD có trọng số

Đầu tiên, bạn cần trung bình có trọng số:

Trung bình có trọng số

x̄w = Σ(wᵢxᵢ) / Σwᵢ

Sau đó, độ lệch chuẩn có trọng số (phiên bản tổng thể):

Độ lệch chuẩn có trọng số (Tổng thể)

σw = √[Σwᵢ(xᵢ - x̄w)² / Σwᵢ]

Trong đó wᵢ là các trọng số, xᵢ là các giá trị dữ liệu, và x̄w là trung bình có trọng số.

Đối với dữ liệu mẫu, sử dụng công thức hiệu chỉnh chệch (tương tự hiệu chỉnh Bessel):

Độ lệch chuẩn có trọng số (Mẫu)

sw = √[Σwᵢ(xᵢ - x̄w)² / (Σwᵢ - Σwᵢ²/Σwᵢ)]

Hiệu chỉnh mẫu phức tạp hơn vì “kích thước mẫu hiệu quả” phụ thuộc vào phân bố trọng số. Nếu tất cả trọng số bằng nhau, công thức này rút gọn thành hiệu chỉnh n-1 quen thuộc.

Tính toán từng bước

1

Tính trung bình có trọng số

Nhân mỗi giá trị với trọng số, cộng các tích, rồi chia cho tổng trọng số.
2

Tính bình phương độ lệch có trọng số

Với mỗi giá trị, tìm (giá trị - trung bình có trọng số)², rồi nhân với trọng số.
3

Tổng các bình phương độ lệch có trọng số

Cộng tất cả các tích từ bước 2.
4

Chia cho tổng trọng số

Với SD tổng thể, chia cho Σwᵢ. Với SD mẫu, sử dụng hiệu chỉnh chệch.
5

Lấy căn bậc hai

Kết quả cuối cùng là độ lệch chuẩn có trọng số.

Ứng dụng thực tế

Biến động danh mục đầu tư: Trong tài chính, độ lệch chuẩn danh mục phải tính đến các tỷ trọng phân bổ tài sản khác nhau. Biến động của danh mục 50% cổ phiếu, 50% trái phiếu được tính bằng SD có trọng số với trọng số là tỷ lệ phân bổ.

Phân tích khảo sát: Mẫu khảo sát thường đại diện quá mức hoặc thiếu một số nhóm nhân khẩu học nhất định. Trọng số điều chỉnh điều này, đảm bảo kết quả phản ánh tổng thể thực. SD có trọng số nắm bắt biến thiên trong tổng thể, không chỉ trong mẫu.

Chấm điểm học tập: Khi tính GPA, các môn khác nhau có số tín chỉ khác nhau. Môn 4 tín chỉ nên ảnh hưởng đến GPA nhiều hơn môn 1 tín chỉ. Tính toán có trọng số xử lý điều này một cách tự nhiên.

Phân tích tổng hợp: Khi kết hợp kết quả từ nhiều nghiên cứu, mỗi nghiên cứu được gán trọng số theo độ chính xác (thường là nghịch đảo phương sai). Điều này cho ảnh hưởng lớn hơn với các nghiên cứu lớn và chính xác hơn.

Ví dụ có lời giải

Ví dụ danh mục đầu tư: Xem xét một danh mục với ba cổ phiếu:

  • Cổ phiếu A: lợi nhuận 15%, phân bổ 50% (trọng số = 0,50)
  • Cổ phiếu B: lợi nhuận 8%, phân bổ 30% (trọng số = 0,30)
  • Cổ phiếu C: lợi nhuận -2%, phân bổ 20% (trọng số = 0,20)

Trung bình có trọng số = (0,50×15 + 0,30×8 + 0,20×(-2)) / 1,0 = 9,5%

SD có trọng số = √[(0,50×(15-9,5)² + 0,30×(8-9,5)² + 0,20×(-2-9,5)²)] = √[(0,50×30,25 + 0,30×2,25 + 0,20×132,25)] = √[15,125 + 0,675 + 26,45] = √42,25 = 6,5%

Lưu ý ảnh hưởng

Cổ phiếu C chỉ chiếm 20% phân bổ nhưng đóng góp lớn vào biến động vì lợi nhuận lệch đáng kể so với trung bình có trọng số. Đây chính xác là điều SD có trọng số nắm bắt—cả độ lệch và trọng số đều quan trọng.

Further Reading

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.