[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_%C6%B0%E1%BB%9Bc%20l%C6%B0%E1%BB%A3ng%20kh%C3%B4ng%20thi%C3%AAn%20l%E1%BB%87ch{\"limit\":5}":3,"_public_topic_byId_ước lượng không thiên lệch":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":18,"definition":23,"discipline":24,"references":25,"faqs":45,"createUser":55,"publishUser":59,"keywords":63,"keywordCount":70,"enrichTopicLink":71,"status":72,"createTime":73,"updateTime":74,"publishTime":75,"linkEnrichedTime":76,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":77,"relateTopics":78},"ước lượng không thiên lệch","Ước lượng không thiên lệch là gì? Bất đẳng thức Cramér-Rao, định lý Rao-Blackwell và UMVUE","Ước lượng không thiên lệch có phương sai nhỏ nhất đều UMVUE đạt đến chặn dưới Cramér-Rao và được cải tiến qua định lý Rao-Blackwell và Lehmann-Scheffé.","\u003Cp>Trong lý thuyết thống kê toán học và suy diễn thống kê, một \u003Cstrong>ước lượng không thiên lệch\u003C\u002Fstrong> (còn gọi là Ước lượng không chệch - Unbiased Estimator) của một tham số tổng thể chưa biết \u003Cscript type=\"math\u002Ftex\">\\theta\u003C\u002Fscript> là một thống kê mẫu \u003Cscript type=\"math\u002Ftex\">\\hat{\\theta} = T(X_1, X_2, ..., X_n)\u003C\u002Fscript> sao cho giá trị kỳ vọng toán học của nó trùng khớp hoàn toàn với giá trị tham số thực của tổng thể với mọi giá trị có thể có của \u003Cscript type=\"math\u002Ftex\">\\theta\u003C\u002Fscript>.\u003C\u002Fp>\n\n\u003Ch2>Định nghĩa toán học và Độ chệch (Bias)\u003C\u002Fh2>\n\u003Cp>Xét mẫu ngẫu nhiên độc lập cùng {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20ph%E1%BB%91i%22%7D}} \u003Cscript type=\"math\u002Ftex\">X_1, X_2, ..., X_n\u003C\u002Fscript> từ phân phối có tham số \u003Cscript type=\"math\u002Ftex\">\\theta\u003C\u002Fscript>. Độ chệch (Bias) của {{topic|%7B%22topic%22%3A%22%C6%B0%E1%BB%9Bc%20l%C6%B0%E1%BB%A3ng%22%7D}} \u003Cscript type=\"math\u002Ftex\">\\hat{\\theta}\u003C\u002Fscript> được xác định bởi công thức:\u003C\u002Fp>\n\u003Cp>\u003Cscript type=\"math\u002Ftex\">\\text{Bias}(\\hat{\\theta}) = \\mathbb{E}[\\hat{\\theta}] - \\theta\u003C\u002Fscript>\u003C\u002Fp>\n\u003Cp>Ước lượng được gọi là không thiên lệch khi và chỉ khi \u003Cscript type=\"math\u002Ftex\">\\text{Bias}(\\hat{\\theta}) = 0\u003C\u002Fscript>, tức là \u003Cscript type=\"math\u002Ftex\">\\mathbb{E}[\\hat{\\theta}] = \\theta\u003C\u002Fscript>.\u003C\u002Fp>\n\n\u003Ch2>Các ví dụ kinh điển trong suy diễn thống kê\u003C\u002Fh2>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Trung bình mẫu (\u003Cscript type=\"math\u002Ftex\">\\bar{X}\u003C\u002Fscript>):\u003C\u002Fstrong> Luôn là ước lượng không thiên lệch của {{topic|%7B%22topic%22%3A%22k%E1%BB%B3%20v%E1%BB%8Dng%22%7D}} tổng thể \u003Cscript type=\"math\u002Ftex\">\\mu\u003C\u002Fscript>, tức là \u003Cscript type=\"math\u002Ftex\">\\mathbb{E}[\\bar{X}] = \\mu\u003C\u002Fscript>.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Phương sai mẫu hiệu chỉnh (\u003Cscript type=\"math\u002Ftex\">S^2\u003C\u002Fscript>):\u003C\u002Fstrong> Để ước lượng {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20sai%22%7D}} tổng thể \u003Cscript type=\"math\u002Ftex\">\\sigma^2\u003C\u002Fscript> không bị thiên lệch, tổng bình phương độ lệch phải chia cho {{topic|%7B%22topic%22%3A%22b%E1%BA%ADc%20t%E1%BB%B1%20do%22%7D}} \u003Cscript type=\"math\u002Ftex\">n - 1\u003C\u002Fscript> thay vì chia cho \u003Cscript type=\"math\u002Ftex\">n\u003C\u002Fscript> (gọi là hiệu chỉnh Bessel):\n  \u003Cp>\u003Cscript type=\"math\u002Ftex\">S^2 = \\frac{1}{n-1}\\sum_{i=1}^n (X_i - \\bar{X})^2 \\implies \\mathbb{E}[S^2] = \\sigma^2\u003C\u002Fscript>\u003C\u002Fp>\n  \u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Bất đẳng thức Cramér-Rao và Ước lượng UMVUE\u003C\u002Fh2>\n\u003Cp>Theo công trình kinh điển của C. R. Rao (1992), phương sai của bất kỳ ước lượng không thiên lệch nào cũng luôn bị chặn dưới bởi nghịch đảo của lượng thông tin Fisher \u003Cscript type=\"math\u002Ftex\">I(\\theta)\u003C\u002Fscript>:\u003C\u002Fp>\n\u003Cp>\u003Cscript type=\"math\u002Ftex\">\\text{Var}(\\hat{\\theta}) \\ge \\frac{1}{n I(\\theta)}\u003C\u002Fscript>\u003C\u002Fp>\n\u003Cp>Ước lượng không thiên lệch đạt được dấu đẳng thức của chặn dưới Cramér-Rao được gọi là ước lượng hiệu quả (Efficient Estimator). Theo giáo trình của Bickel và Doksum (2015), một ước lượng không thiên lệch có phương sai nhỏ nhất trong toàn bộ lớp các ước lượng không thiên lệch với mọi giá trị tham số được gọi là \u003Cstrong>Ước lượng không thiên lệch đều có phương sai cực tiểu (UMVUE)\u003C\u002Fstrong>. Định lý Rao-Blackwell và định lý Lehmann-Scheffé cung cấp phương pháp xây dựng UMVUE thông qua kỳ vọng có điều kiện dựa trên {{topic|%7B%22topic%22%3A%22th%E1%BB%91ng%20k%C3%AA%20%C4%91%E1%BB%A7%22%7D}} và đầy đủ.\u003C\u002Fp>\n\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Tham số cần ước lượng\u003C\u002Fth>\n      \u003Cth>Ước lượng không thiên lệch\u003C\u002Fth>\n      \u003Cth>Ước lượng có thiên lệch phổ biến\u003C\u002Fth>\n      \u003Cth>Ý nghĩa hiệu chỉnh toán học\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Kỳ vọng tổng thể (\u003Cscript type=\"math\u002Ftex\">\\mu\u003C\u002Fscript>)\u003C\u002Ftd>\n      \u003Ctd>Trung bình mẫu \u003Cscript type=\"math\u002Ftex\">\\bar{X}\u003C\u002Fscript>\u003C\u002Ftd>\n      \u003Ctd>Trung vị mẫu (với phân phối lệch)\u003C\u002Ftd>\n      \u003Ctd>Không có độ chệch trong mọi phân phối\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Phương sai tổng thể (\u003Cscript type=\"math\u002Ftex\">\\sigma^2\u003C\u002Fscript>)\u003C\u002Ftd>\n      \u003Ctd>Phương sai mẫu \u003Cscript type=\"math\u002Ftex\">S^2\u003C\u002Fscript> (chia \u003Cscript type=\"math\u002Ftex\">n-1\u003C\u002Fscript>)\u003C\u002Ftd>\n      \u003Ctd>Phương sai mẫu cực đại (chia \u003Cscript type=\"math\u002Ftex\">n\u003C\u002Fscript>)\u003C\u002Ftd>\n      \u003Ctd>Khắc phục việc mẫu làm mất đi một bậc tự do\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Hiện tượng kỳ lạ Stein (Stein's Paradox)\u003C\u002Fh2>\n\u003Cp>Theo phát hiện chấn động của James và Stein (1992), trong không gian tham số từ ba chiều trở lên (\u003Cscript type=\"math\u002Ftex\">p \\ge 3\u003C\u002Fscript>), ước lượng không thiên lệch thông thường (trung bình mẫu vectơ) lại là một ước lượng không chấp nhận được (Inadmissible) dưới hàm mất mát toàn phương. Nhóm tác giả đã chứng minh ước lượng co rút James-Stein (dù là ước lượng có thiên lệch) luôn đạt sai số bình phương trung bình (MSE) tổng thể nhỏ hơn ước lượng không thiên lệch tiêu chuẩn.\u003C\u002Fp>","unbiased estimation",[19,20,21,22],"ước lượng không chệch","ước lượng không thiên vị","unbiased estimator","unbiased point estimation","Ước lượng không thiên lệch (ước lượng không chệch) là ước lượng điểm trong thống kê toán học có giá trị kỳ vọng toán học của thống kê mẫu bằng chính xác giá trị thực của tham số tổng thể cần ước lượng.","NATURAL_SCIENCES",[26,33,40],{"citationText":27,"title":28,"authors":29,"source":30,"year":31,"doi":32,"url":10},"Rao, C. R. (1992). Information and the Accuracy Attainable in the Estimation of Statistical Parameters. In Breakthroughs in Statistics (pp. 235-247). Springer, New York, NY.","Information and the Accuracy Attainable in the Estimation of Statistical Parameters","C. Radhakrishna Rao","Breakthroughs in Statistics",1992,"10.1007\u002F978-1-4612-0919-5_16",{"citationText":34,"title":35,"authors":36,"source":37,"year":38,"doi":39,"url":10},"Bickel, P. J., & Doksum, K. A. (2015). Mathematical Statistics: Basic Ideas and Selected Topics. Chapman and Hall\u002FCRC.","Mathematical Statistics","Peter J. Bickel, Kjell A. Doksum","Chapman and Hall\u002FCRC",2015,"10.1201\u002F9781315369266",{"citationText":41,"title":42,"authors":43,"source":30,"year":31,"doi":44,"url":10},"James, W., & Stein, C. (1992). Estimation with Quadratic Loss. In Breakthroughs in Statistics (pp. 443-460). Springer, New York, NY.","Estimation with Quadratic Loss","W. James, Charles Stein","10.1007\u002F978-1-4612-0919-5_30",[46,49,52],{"question":47,"answer":48},"Tại sao công thức phương sai mẫu lại chia cho n-1 thay vì n?","Bởi vì các độ lệch được tính so với trung bình mẫu chứ không phải trung bình tổng thể thực sự. Việc sử dụng trung bình mẫu làm mất đi một bậc tự do, do đó phải chia cho n-1 để kỳ vọng của phương sai mẫu bằng chính xác phương sai của tổng thể.",{"question":50,"answer":51},"Ước lượng không thiên lệch có nhất thiết luôn là ước lượng tốt nhất không?","Không. Tiêu chí quan trọng hơn là Sai số toàn phương trung bình MSE = Var + Bias^2. Đôi khi một ước lượng có độ chệch nhỏ nhưng phương sai giảm mạnh sẽ mang lại sai số tổng thể thấp hơn ước lượng không chệch.",{"question":53,"answer":54},"Định lý Rao-Blackwell có ý nghĩa gì trong ước lượng tham số?","Định lý chỉ ra rằng nếu ta lấy kỳ vọng có điều kiện của một ước lượng không thiên lệch bất kỳ dựa trên một thống kê đủ, ta sẽ luôn thu được một ước lượng không thiên lệch mới có phương sai bằng hoặc nhỏ hơn ước lượng ban đầu.",{"id":56,"researcherId":10,"name":57,"imageUrl":58},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":60,"researcherId":10,"name":61,"imageUrl":62},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[64,65,66,67,68,69],"phân phối","ước lượng","kỳ vọng","phương sai","bậc tự do","thống kê đủ",6,false,"PUBLISHED","2025-07-13T02:21:17.887+00:00","2026-08-29T05:04:34.355+00:00","2025-07-13T17:22:36.135+00:00","2026-08-29T05:04:33.911+00:00",246,[79,82,85,88,91,94,97,100,103,106],{"id":80,"title":81,"term":80,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thành tựu","Thành tựu là gì? Các công bố khoa học về Thành tựu",{"id":83,"title":84,"term":83,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"arima","Arima là gì? Các công bố khoa học về Arima",{"id":86,"title":87,"term":86,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"random forest","Random forest là gì? Các công bố khoa học về Random forest",{"id":89,"title":90,"term":89,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thực nghiệm","Thực nghiệm là gì? Các nghiên cứu khoa học Thực nghiệm",{"id":92,"title":93,"term":92,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"khảo nghiệm","Khảo nghiệm là gì? Các công bố khoa học về Khảo nghiệm",{"id":95,"title":96,"term":95,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"pls sem","PLS-SEM là gì? Các bài nghiên cứu khoa học về PLS-SEM",{"id":98,"title":99,"term":98,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"tuyên truyền","Tuyên truyền là gì? Các công bố khoa học về Tuyên truyền",{"id":101,"title":102,"term":101,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phong hóa","Phong hóa là gì? Các nghiên cứu khoa học về Phong hóa",{"id":104,"title":105,"term":104,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mâu thuẫn","Mâu thuẫn là gì? Các bài báo nghiên cứu khoa học liên quan",{"id":107,"title":108,"term":107,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chuỗi giá trị toàn cầu","Chuỗi giá trị toàn cầu là gì? Các nghiên cứu khoa học"]