Trung bình số học: Công cụ nền tảng cho phân tích dữ liệu

Trung bình số học, thường được gọi là "giá trị trung bình", thường là điểm khởi đầu trong thống kê mô tả. Nó mang lại một thước đo trực quan, nhanh chóng về xu hướng trung tâm, vốn là phần thiết yếu khi diễn giải dữ liệu trong bất kỳ lĩnh vực nào. Mặc dù khái niệm có vẻ đơn giản, hiểu rõ những sắc thái của trung bình số học có thể hé lộ các insight thực sự về những xu hướng và mẫu hình dữ liệu phức tạp hơn.

Bài viết này cung cấp cái nhìn tổng quan về trung bình số học, bao gồm công thức, ứng dụng và so sánh với các loại trung bình khác. Chúng ta sẽ xem xét vì sao nó thường được sử dụng trong kinh tế học, khoa học dữ liệu và hơn thế nữa, đồng thời thảo luận các tình huống mà những thước đo thay thế có thể phù hợp hơn.

Đối với những ai mới học thống kê hoặc muốn củng cố hiểu biết của mình, khóa học Giới thiệu về Thống kê của chúng tôi là một nền tảng tuyệt vời. Cheat Sheet Thống kê Mô tả cũng cung cấp bảng chú giải hữu ích về các thuật ngữ liên quan đến chủ đề này.

Trung bình số học là gì?

Trung bình số học là tổng của tất cả các số trong một tập dữ liệu chia cho số lượng các số đó. Phép tính đơn giản này khiến nó trở thành một trong những thước đo xu hướng trung tâm trực quan và được sử dụng rộng rãi nhất.

Để minh họa, hãy xét một ví dụ đơn giản. Giả sử chúng ta có ba số: 5, 10 và 15. Để tính trung bình số học của chúng:

1. Cộng các số: 5 + 10 + 15 = 30
2. Đếm số lượng: Chúng ta có 3 số
3. Chia tổng cho số lượng: 30 ÷ 3 = 10

Vậy, trung bình số học của 5, 10 và 15 là 10.

Các tính chất chính của trung bình số học

Trung bình số học có một số tính chất quan trọng trở nên thú vị hơn khi quan sát kỹ. 

Tổng các sai lệch bằng không

Một tính chất cơ bản của trung bình số học là tổng các sai lệch so với nó luôn bằng không. Nói cách khác, nếu bạn trừ giá trị trung bình khỏi mỗi điểm dữ liệu và cộng các chênh lệch này, kết quả sẽ là không. Về mặt toán học, điều này có thể được biểu diễn như sau:

Trong đó x là mỗi giá trị trong tập dữ liệu, và x̄ là trung bình số học.

Độ nhạy với giá trị ngoại lai

Trong các tập dữ liệu có giá trị cực đoan, trung bình số học có thể bị kéo lệch đáng kể về phía các ngoại lai này, có thể dẫn đến diễn giải sai lệch, đặc biệt trong các phân phối lệch. Ví dụ, xét một tập dữ liệu về lương tại một công ty nhỏ: {$30,000, $35,000, $40,000, $45,000, $1,000,000}. Trung bình số học ($230,000) cao hơn đáng kể so với phần lớn mức lương do ngoại lai $1,000,000.

Sự nhạy cảm này khiến trung bình số học kém vững hơn so với các thước đo như trung vị khi có ngoại lai hoặc với các phân phối lệch. Tuy nhiên, nó cũng hữu ích để phát hiện sự hiện diện của ngoại lai hoặc hiểu tác động của giá trị cực đoan lên một tập dữ liệu.

Tác động của thay đổi trong dữ liệu

Trung bình số học phản ứng có quy luật với những thay đổi trong tập dữ liệu, điều này hữu ích trong nhiều kịch bản phân tích:

1. Cộng hoặc trừ một hằng số: Nếu bạn cộng hoặc trừ cùng một giá trị cho mọi điểm dữ liệu, trung bình sẽ tăng hoặc giảm đúng bằng lượng đó. Chẳng hạn, nếu bạn cộng 5 vào mỗi giá trị trong một tập dữ liệu, trung bình mới sẽ lớn hơn trung bình ban đầu 5 đơn vị.
2. Nhân hoặc chia cho một hằng số: Nếu bạn nhân hoặc chia mọi điểm dữ liệu cho cùng một hằng số khác 0, trung bình sẽ được nhân hoặc chia cho hằng số đó. Ví dụ, nếu bạn gấp đôi mọi giá trị trong một tập dữ liệu, trung bình mới sẽ gấp đôi trung bình ban đầu.

Những tính chất này khiến trung bình số học đặc biệt hữu ích trong các tình huống có thay đổi đồng đều trên toàn bộ tập dữ liệu, như điều chỉnh lạm phát trong dữ liệu kinh tế hoặc thay đổi tỷ lệ đo lường trong thí nghiệm khoa học.

Khi nào nên dùng trung bình số học

Trung bình số học là một công cụ thống kê linh hoạt, nhưng đặc biệt hiệu quả trong một số kịch bản nhất định. Trước hết, cần nói rằng trung bình số học đặc biệt hữu ích cho các tập dữ liệu liên quan đến quá trình cộng gộp. Chẳng hạn, nếu bạn tính nhiệt độ trung bình ngày, mức lương trung bình trong một công ty, hoặc điểm kiểm tra trung bình, trung bình số học mang lại biểu diễn có ý nghĩa của giá trị trung tâm.

Ngoài ra, cũng cần nói rằng trung bình số học đáng tin cậy nhất khi các điểm dữ liệu phân bố đều và không có ngoại lai cực đoan. Hãy xem một số ví dụ theo ngành:

• Tài chính: Trong tài chính, các công ty dựa vào trung bình số học để có insight và đặt chuẩn so sánh. Ví dụ, doanh nghiệp dùng nó để xác định lương trung bình, chi phí hàng tháng và lợi nhuận theo quý.
• Kinh tế học: Các nhà kinh tế dùng trung bình số học để phân tích xu hướng tiêu dùng và sự ổn định giá. Ứng dụng chính gồm tính mức tiêu dùng hộ gia đình trung bình và xây dựng các chỉ số như Chỉ số Giá Tiêu dùng (CPI) để theo dõi lạm phát theo thời gian.
• Chăm sóc sức khỏe và nghiên cứu y học: Trong y tế, trung bình số học đóng vai trò quan trọng trong đánh giá điều trị và nghiên cứu xu hướng sức khỏe. Ví dụ, nhà nghiên cứu tính thời gian hồi phục trung bình và hiệu quả thuốc, trong khi nhà dịch tễ học đánh giá tỷ lệ lây nhiễm và thời gian sống sót trung bình.

Cách tính trung bình số học

Mặc dù chúng ta đã đề cập khái niệm cơ bản, hãy khám phá cách tính trung bình số học bằng các công cụ như R, Python và Excel, điều này gần như là cần thiết đối với các tập dữ liệu lớn.

Công thức trung bình số học

Công thức của trung bình số học là:

Trong đó x̄ là trung bình số học, Σx là tổng tất cả các giá trị, và n là số lượng giá trị.

Trung bình số học trong Excel, Python và R

Với các tập dữ liệu lớn, phần mềm giúp việc tính toán dễ dàng hơn nhiều. Dưới đây là cách tính trung bình số học trong Excel, Python và R. 

Excel

Trong Excel, bạn có thể dùng hàm AVERAGE():

1. Nhập dữ liệu vào một cột hoặc hàng.

2. Ở một ô mới, gõ =AVERAGE().

3. Chọn phạm vi ô chứa dữ liệu của bạn.

4. Đóng ngoặc và nhấn Enter.

Ví dụ, nếu dữ liệu của bạn nằm ở các ô A1:A10, bạn sẽ dùng: =AVERAGE(A1:A10).

Python

Mô-đun statistics của Python cung cấp hàm mean():

from statistics import mean

data = [5, 10, 15, 20, 25]

result = mean(data)
print(result)  # Output: 15

Với các tập dữ liệu lớn hơn, bạn có thể ưu tiên dùng hàm mean() hiệu quả hơn của NumPy:

import numpy as np

data = np.array([5, 10, 15])

result = np.mean(data)
print(result)  # Output: 10.0

R

Trong R, bạn có thể dùng hàm dựng sẵn mean() từ base R:

data <- c(5, 10, 15)

result <- mean(data)
print(result)  # Output: [1] 10

Những công cụ này tinh gọn quy trình tính trung bình số học cho tập dữ liệu ở mọi quy mô, giúp bạn tập trung vào diễn giải dữ liệu thay vì tính toán thủ công.

Trung bình số học trong Khoa học dữ liệu, Học máy và Thống kê

Ứng dụng của trung bình số học trong khoa học dữ liệu và học máy trải dài từ tiền xử lý dữ liệu đến đánh giá mô hình. Hãy khám phá một số lĩnh vực trọng yếu nơi trung bình số học đặc biệt quan trọng. 

Chuẩn hóa đặc trưng

Một trong những ứng dụng phổ biến nhất của trung bình số học trong tiền xử lý dữ liệu là chuẩn hóa đặc trưng, đặc biệt là "mean centering":

• Mean Centering: Quá trình này bao gồm việc trừ trung bình số học khỏi mỗi điểm dữ liệu trong một đặc trưng. Kết quả là một tập dữ liệu được căn giữa, nơi trung bình của mỗi đặc trưng bằng không. Có thể biểu diễn như: x_centered = x - x̄ trong đó x là giá trị gốc và x̄ là trung bình số học của đặc trưng.

• Chuẩn hóa (Standardization): Thường dùng cùng với mean centering, chuẩn hóa liên quan đến việc chia cho độ lệch chuẩn sau khi trừ trung bình: x_standardized = (x - x̄) / σ, trong đó σ là độ lệch chuẩn của đặc trưng.

Các kỹ thuật này giúp chuẩn hóa thang đo của đặc trưng, điều đặc biệt quan trọng đối với nhiều thuật toán học máy. Nếu bạn muốn tìm hiểu thêm về sự khác nhau giữa normalization và standardization, bạn có thể khám phá hướng dẫn tổng hợp.

Đánh giá mô hình

Trung bình số học là nền tảng trong nhiều thước đo đánh giá mô hình:

• Sai số bình phương trung bình (MSE): Thước đo phổ biến cho bài toán hồi quy này tính trung bình bình phương chênh lệch giữa giá trị dự đoán và giá trị thực.
• Sai số tuyệt đối trung bình (MAE): Tương tự MSE, nhưng dùng chênh lệch tuyệt đối thay vì bình phương chênh lệch.
• Độ chính xác (Accuracy): Trong các bài toán phân loại, độ chính xác thường được báo cáo như trung bình số dự đoán đúng trên tất cả mẫu.

Thống kê và kiểm định giả thuyết

Trong phân tích thống kê, trung bình số học thường được dùng trong kiểm định giả thuyết. Ví dụ:

• Kiểm định t: Trung bình số học rất quan trọng trong kiểm định t, so sánh trung bình của hai nhóm để xác định xem chúng khác biệt có ý nghĩa thống kê hay không. Bằng cách so sánh các trung bình mẫu, kiểm định t giúp kiểm chứng giả thuyết về các đặc trưng của tổng thể.
• Khoảng tin cậy: Trung bình số học được dùng để tính khoảng tin cậy, cho biết độ tin cậy của giá trị trung bình ước lượng. Điều này cung cấp cái nhìn về mức độ đại diện của trung bình mẫu cho toàn bộ tổng thể.

Các ứng dụng khác

• Phương pháp Ensemble: Nhiều kỹ thuật ensemble, như bagging và boosting, sử dụng trung bình số học để kết hợp dự đoán từ nhiều mô hình.
• Gradient Descent: Trung bình số học được dùng để tính gradient trung bình trên các mini-batch trong stochastic gradient descent.
• Phát hiện bất thường: Các sai lệch so với trung bình có thể dùng để xác định ngoại lai hoặc bất thường trong tập dữ liệu. Ví dụ, một heuristic phổ biến là dùng ngưỡng ba độ lệch chuẩn, theo đó bất kỳ điểm dữ liệu nào cách trung bình số học từ ba độ lệch chuẩn trở lên sẽ được coi là ngoại lai.
• Giảm chiều dữ liệu: Các kỹ thuật như phân tích thành phần chính (PCA) sử dụng trung bình số học trong phép tính để căn giữa dữ liệu trước khi tính ma trận hiệp phương sai.
• Mạng nơ-ron: Trong thuật toán lan truyền ngược, trung bình số học được dùng để tính lỗi trung bình trên các ví dụ huấn luyện.
• Cross-Validation: Khi thực hiện k-fold cross-validation, trung bình số học của các thước đo hiệu năng trên tất cả các fold thường được báo cáo như ước lượng hiệu năng tổng thể.

Như bạn có thể nhận thấy, trung bình số học quan trọng cả trong việc diễn giải đầu ra của dữ liệu và thường cũng quan trọng như một bước tiền xử lý cần thiết để tối ưu hiệu năng mô hình. Để hiểu sâu hơn các khái niệm này và ứng dụng thực tế của chúng, hãy cân nhắc theo học lộ trình nghề nghiệp Nhà khoa học Học máy với Python của chúng tôi, trong đó đề cập sâu hơn các chủ đề này.