Confidence Interval là gì? Đọc đúng khoảng tin cậy #28

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch.

Trả lời ngắn: Khoảng tin cậy (confidence interval) là khoảng được tính từ mẫu để ước lượng một tham số chưa biết của tổng thể. Nó ghép ước lượng điểm với biên sai số và mức tin cậy của phương pháp. Khoảng chỉ đáng đọc khi cách lấy mẫu, dữ liệu và giả định tính toán phù hợp.

Đọc xong, bạn sẽ hiểu:

• Tách trung bình mẫu, sai số chuẩn, giá trị tới hạn và biên sai số.
• Tính khoảng 95% cho trung bình bằng phân phối t trên Google Sheets.
• Đọc đúng “95%” như độ bao phủ khi lặp quy trình, không phải lời bảo đảm.

Ở Sampling #27, hai mẫu hợp lệ từ cùng tổng thể vẫn cho hai trung bình khác nhau. Vì vậy, chỉ báo một con số mẫu dễ tạo cảm giác chính xác hơn dữ liệu thật sự cho phép.

1. Khoảng tin cậy là gì? Từ một điểm sang một khoảng

Ước lượng điểm là một con số từ mẫu dùng để ước lượng tham số tổng thể, tức con số cố định nhưng chưa biết mô tả toàn bộ tổng thể. Ví dụ, trung bình mẫu 0,40% là một điểm ước lượng cho trung bình tổng thể.

Một điểm không cho biết nó dao động thế nào nếu lấy mẫu khác. Khoảng tin cậy thêm hai cận quanh điểm đó. Giống như đo một chiếc bàn: vạch giữa là số đo, còn phần cộng/trừ cho biết độ bất định của quy trình. Phép so sánh chỉ giúp nhìn cấu trúc “tâm ± biên”; đo lường vật lý và suy luận thống kê không phải cùng một việc.

Hình 1 — Trung bình 0,40% cộng trừ biên 0,62% tạo khoảng từ −0,22% đến 1,02%.

Mức tin cậy là tỷ lệ bao phủ dài hạn mà phương pháp nhắm tới khi lặp lại việc lấy mẫu và tính khoảng theo cùng quy tắc. Với mức 95%, nhiều lần lặp sẽ tạo khoảng chứa tham số thật khoảng 95% số lần.

Sau khi đã tính một khoảng cụ thể, tham số cố định hoặc nằm trong khoảng đó hoặc không. NIST nói rõ khoảng 95% không có nghĩa “xác suất 95% rằng trung bình thật nằm trong khoảng đã tính”; 95% gắn với phương pháp qua nhiều mẫu (NIST — Confidence Limits for the Mean).

2. Năm thành phần của khoảng tin cậy cho trung bình

Khi độ lệch chuẩn tổng thể chưa biết, ta dùng độ lệch chuẩn mẫu s và phân phối t, một phân phối tham chiếu có đuôi dày hơn phân phối chuẩn. Công thức hai phía:

Sai số chuẩn (SE) = s / √n

Biên sai số (ME) = t* × SE

Khoảng tin cậy (CI) = x̄ ± ME

Trong đó:

• x̄ là trung bình mẫu;
• n là cỡ mẫu;
• s là độ lệch chuẩn mẫu;
• SE là sai số chuẩn, mức dao động ước tính của trung bình qua các mẫu;
• t* là giá trị tới hạn, hệ số phụ thuộc mức tin cậy và bậc tự do;
• ME là biên sai số, khoảng cách từ trung tâm tới mỗi đầu.

Với một trung bình, bậc tự do là df=n−1. Khi n=25, ta có df=24. Cận dưới bằng x̄−ME; cận trên bằng x̄+ME.

Hình 2 — Sai số chuẩn được nhân với giá trị tới hạn để tạo biên sai số và hai cận.

OpenStax khuyến nghị dùng phân phối t khi thay độ lệch chuẩn tổng thể chưa biết bằng s; công thức cần mẫu ngẫu nhiên cùng điều kiện về hình dạng hoặc cỡ mẫu (OpenStax — A Single Population Mean using Student t).

3. Ví dụ 95% từng bước: 0,40% ± 0,62%

Xét một mẫu giả định gồm n=25 mức lợi suất, có:

• trung bình x̄=0,40%;
• độ lệch chuẩn mẫu s=1,50%;
• mức tin cậy 95%;
• df=25−1=24;
• t*=2,064.

Đầu tiên:

SE = 1,50% / √25 = 1,50% / 5 = 0,30%

Sau đó:

ME = 2,064 × 0,30% = 0,6192% ≈ 0,62%

Hai cận:

0,40% − 0,6192% = −0,2192%

0,40% + 0,6192% = 1,0192%

Vậy khoảng 95% sau khi làm tròn là:

[−0,22%; 1,02%]

Điểm 0 nằm trong khoảng. Điều này không chứng minh trung bình tổng thể bằng 0, cũng không chứng minh dương hay âm. Cách nói đúng là: quy trình cho một khoảng từ khoảng −0,22% đến 1,02%, với mức bao phủ mục tiêu 95% nếu lặp quy trình trong điều kiện phù hợp.

NIST mô tả mục tiêu của khoảng là biểu diễn bất định quanh ước lượng tham số, thay vì chỉ đưa một điểm (NIST — What Are Confidence Intervals?).

4. Độ tin cậy cao hơn, khoảng rộng hơn

Giữ nguyên n=25, x̄=0,40% và s=1,50%:

Hình 3 — Với cùng mẫu, khoảng 99% rộng hơn khoảng 95% và khoảng 90%.

Muốn phương pháp bao phủ thường xuyên hơn, ta phải mở khoảng rộng hơn. Đó là đánh đổi giữa mức tin cậy và độ chính xác, không phải nút “chọn 99% để tốt hơn”.

Thử tăng cỡ mẫu giả định lên n=100, giữ x̄=0,40%, s=1,50%, mức 95% và dùng t*=1,984:

SE = 1,50% / √100 = 0,15%

ME = 1,984 × 0,15% = 0,2976% ≈ 0,30%

CI = [0,1024%; 0,6976%] ≈ [0,10%; 0,70%]

Khoảng n=100 hẹp hơn khoảng n=25 khi giữ độ lệch chuẩn và mức tin cậy như nhau. Đây chỉ là kiểm tra độ nhạy số học; ta không tuyên bố đã thu thập thêm 75 quan sát.

OpenStax trình bày dạng tổng quát “thống kê mẫu ± biên sai số” và chỉ rõ biên phụ thuộc t*, s cùng √n (OpenStax — Statistical Inference and Confidence Intervals).

5. Sáu lỗi, giới hạn và điểm phải dừng

Lỗi 1: nói “tham số có 95% xác suất nằm trong khoảng này”. Với cách hiểu tần suất, tham số là cố định; khoảng đã tính hoặc chứa nó hoặc không. Câu đúng nói về độ bao phủ của phương pháp khi lặp.

Lỗi 2: coi khoảng hẹp luôn tốt hơn. Khoảng có thể hẹp vì n lớn, nhưng cũng có thể hẹp giả tạo do bỏ dữ liệu biến động, tính sai s hoặc chọn mẫu lệch.

Lỗi 3: tính công thức trước khi kiểm mẫu. Độc lập ở đây nghĩa một quan sát không cơ học quyết định quan sát khác theo cách công thức bỏ qua. Mẫu cũng cần được chọn phù hợp và tổng thể không quá lệch/đuôi nặng đối với cỡ mẫu đang có.

Lỗi 4: xáo dữ liệu thời gian rồi giả định độc lập. Lợi suất có thể tự tương quan, thay chế độ hoặc gom biến động. Một khoảng t đơn giản không tự xử lý các đặc điểm này.

Lỗi 5: tính nhiều khoảng rồi chỉ giữ khoảng đẹp. Nếu thay cửa sổ, cỡ mẫu hoặc cách lọc sau khi xem kết quả, mức bao phủ danh nghĩa 95% không còn mô tả toàn bộ quá trình chọn báo cáo.

Lỗi 6: lẫn khoảng tin cậy với khoảng dự báo. Khoảng trong bài ước lượng trung bình tổng thể. Nó không nói một quan sát lợi suất tiếp theo chắc chắn nằm trong hai cận.

Độ phù hợp là mức dữ liệu và quy trình đáp ứng giả định của cách tính. Hãy dừng nếu chưa rõ tổng thể, khung mẫu, tính độc lập, đơn vị, cửa sổ thời gian, điểm ngoại lệ hoặc lý do dùng phân phối t.

Câu đoán chắc sai là: “Khoảng 95% không chứa 0 nên trung bình chắc chắn dương mãi mãi.” Câu có điều kiện đúng hơn là: “Nếu mẫu và giả định phù hợp, khoảng này là ước lượng 95% cho trung bình của tổng thể đã định nghĩa.” Nếu kết quả đổi dấu khi thay một quan sát hoặc cửa sổ hợp lý, hãy ghi kết luận chưa ổn định.

Penn State lưu ý rằng không thể nói xác suất trung bình tổng thể nằm trong một khoảng 95% cụ thể là 0,95; cách hiểu chính xác phải quay lại các mẫu lặp giả định (Penn State — Interval Estimation).

6. Danh sách kiểm tra và bài thực hành Sheets 15 phút

Trước khi tính, đi theo sáu bước:

1. Ghi tham số cần ước lượng và tổng thể đích.
2. Kiểm cách lấy mẫu, đơn vị và cửa sổ thời gian.
3. Ghi n, x̄, s cùng đơn vị.
4. Chọn mức tin cậy và tính df, t*, SE, ME.
5. Tính hai cận, kiểm số làm tròn và điều kiện áp dụng.
6. Viết cách hiểu đúng; dừng nếu giả định hoặc dữ liệu không truy ngược được.

Hình 4 — Chỉ diễn giải khoảng sau khi tham số, mẫu, công thức và giả định đều rõ.

a. Làm trên Google Sheets

Dùng Google Sheets miễn phí. Nhập:

Sai số chuẩn ở B6:

=B3/SQRT(B1)

Giá trị tới hạn ở B7:

=T.INV.2T(1-B4,B5)

Biên sai số ở B8:

=B7*B6

Cận dưới ở B9 là =B2-B8; cận trên ở B10 là =B2+B8.

b. Mẫu đối chiếu đã điền

Trong 15 phút, kiểm lại ba dòng, viết một câu về đánh đổi độ rộng, rồi thêm một điểm dừng. Chỉ dùng số liệu giả; chưa dùng tiền thật hoặc biến khoảng thành tín hiệu giao dịch.

7. Tổng kết và bài tiếp theo

a. Năm ý chính

• Khoảng tin cậy ghép ước lượng điểm với biên sai số.
• Với σ chưa biết, SE=s/√n và biên bằng t*×SE.
• Mức 95% mô tả độ bao phủ của phương pháp khi lặp.
• Cùng mẫu, 99% rộng hơn 95%; cùng mức, n lớn hơn thường cho khoảng hẹp hơn.
• Khoảng chỉ đáng đọc khi mẫu, đơn vị, thời gian và giả định phù hợp.

b. Câu hỏi tự kiểm tra

• 95% trong khoảng tin cậy có nghĩa chính xác là gì?
• Với n=25, s=1,50%, sai số chuẩn là bao nhiêu?
• Vì sao khoảng 99% rộng hơn khoảng 95% trên cùng mẫu?
• Khi nào phải dừng thay vì diễn giải hai cận?

c. Gợi ý đáp án

Xem gợi ý câu 1

Nếu lặp lấy mẫu và tính cùng cách, khoảng sẽ chứa tham số thật khoảng 95% số lần. Xem mục 1.

Xem gợi ý câu 2

`1,50%/√25 = 0,30%`. Xem mục 2–3.

Xem gợi ý câu 3

Mức bao phủ mục tiêu cao hơn cần giá trị tới hạn lớn hơn, nên biên rộng hơn. Xem mục 4.

Xem gợi ý câu 4

Dừng khi tổng thể, cách lấy mẫu, độc lập, đơn vị, thời gian hoặc lý do dùng phân phối t chưa rõ. Xem mục 5–6.

d. Thuật ngữ cần nhớ

e. Nguồn tham khảo

• NIST — What Are Confidence Intervals?
• NIST — Confidence Limits for the Mean
• OpenStax — A Single Population Mean using Student t
• OpenStax — Statistical Inference and Confidence Intervals
• Penn State — Interval Estimation

Bài trước: Sampling #27. Bài tiếp theo: Hypothesis Testing #29, nơi ta học cách đặt và kiểm một tuyên bố có điều kiện. Xem toàn bộ lộ trình tại Quantitative Finance Zero to Hero.

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Mọi thị trường đều có rủi ro mất vốn.