Weighted Mean

Weighted Mean hay trung bình có trọng số là một loại trung bình trong đó mỗi giá trị không nhất thiết có mức ảnh hưởng như nhau.

Mỗi giá trị được gắn với một trọng số.

Giá trị có trọng số lớn hơn sẽ ảnh hưởng nhiều hơn đến kết quả cuối cùng.

Công thức cơ bản là:

Weighted Mean = Tổng của giá trị × trọng số / Tổng trọng số

Có thể viết:

Weighted Mean = Σ(x × w) / Σw

Trong đó:

x là giá trị.

w là trọng số.

Ví dụ một môn học có ba thành phần:

Bài tập chiếm 20 phần trăm.

Giữa kỳ chiếm 30 phần trăm.

Cuối kỳ chiếm 50 phần trăm.

Giả sử điểm lần lượt là:

8 7 và 9.

Nếu tính trung bình cộng thông thường:

(8 + 7 + 9) / 3 = 8

Nhưng ba phần không có mức ảnh hưởng giống nhau.

Weighted Mean phải được tính:

8 × 0.2 + 7 × 0.3 + 9 × 0.5 = 8.2

Vì bài cuối kỳ có trọng số lớn nhất nên nó ảnh hưởng nhiều hơn đến điểm tổng.

Đây là khác biệt quan trọng giữa Weighted Mean và Arithmetic Mean.

Trung bình cộng thông thường có thể được xem là một trường hợp đặc biệt khi mọi quan sát có trọng số bằng nhau.

Ví dụ:

10 20 30

Nếu mỗi giá trị đều có trọng số 1 thì:

(10 × 1 + 20 × 1 + 30 × 1) / 3 = 20

Kết quả giống trung bình cộng.

Weighted Mean trở nên hữu ích khi các quan sát đại diện cho những lượng khác nhau.

Một trường hợp rất phổ biến là tính trung bình từ nhiều nhóm có kích thước khác nhau.

Ví dụ nhóm A có 10 khách hàng với giá trị đơn hàng trung bình là 100.

Nhóm B có 1000 khách hàng với giá trị đơn hàng trung bình là 50.

Nếu tính:

(100 + 50) / 2 = 75

thì kết quả sai với toàn bộ tập khách hàng.

Nguyên nhân là hai nhóm có kích thước rất khác nhau.

Phải dùng số khách hàng làm trọng số:

(100 × 10 + 50 × 1000) / (10 + 1000)

Kết quả xấp xỉ 50.5.

Con số này phản ánh toàn bộ khách hàng tốt hơn rất nhiều so với 75.

Đây là một lỗi khá phổ biến trong phân tích dữ liệu.

Average of averages không phải lúc nào cũng bằng average của toàn bộ dữ liệu.

Nếu các nhóm có kích thước khác nhau thì cần tính trọng số.

Weighted Mean cũng thường xuất hiện trong phân tích kinh doanh.

Ví dụ một doanh nghiệp bán nhiều loại sản phẩm với số lượng bán khác nhau.

Muốn tính giá bán trung bình thực tế không thể chỉ lấy giá của từng sản phẩm cộng lại rồi chia cho số loại sản phẩm.

Cần dùng số lượng bán làm trọng số.

Ví dụ:

Sản phẩm A giá 100 và bán 1000 sản phẩm.

Sản phẩm B giá 500 và bán 10 sản phẩm.

Trung bình của hai mức giá là 300.

Nhưng đó không phải giá trung bình trên mỗi sản phẩm đã bán.

Giá trị đúng cần tính theo số lượng:

(100 × 1000 + 500 × 10) / 1010

Kết quả xấp xỉ 104.

Hai kết quả khác nhau rất lớn.

Điều này cho thấy việc chọn trọng số không phải chi tiết nhỏ.

Nó quyết định câu hỏi mà chỉ số đang trả lời.

Weighted Mean cũng thường được dùng trong portfolio.

Ví dụ một danh mục đầu tư gồm nhiều tài sản với tỷ trọng khác nhau.

Lợi suất của mỗi tài sản cần được nhân với tỷ trọng của nó trong danh mục trước khi tính lợi suất tổng.

Một tài sản chiếm 60 phần trăm danh mục phải ảnh hưởng nhiều hơn tài sản chỉ chiếm 5 phần trăm.

Trong khảo sát Weighted Mean cũng có thể được sử dụng khi một số nhóm cần được điều chỉnh trọng số để phản ánh population thực tế.

Ví dụ sample có quá nhiều người thuộc một nhóm tuổi so với population.

Nhà phân tích có thể áp dụng sampling weight để giảm sai lệch cấu trúc mẫu.

Tuy nhiên weighting không phải cách chữa mọi loại sampling bias.

Nếu một nhóm hoàn toàn không có trong dữ liệu thì chỉ điều chỉnh trọng số không thể tạo ra thông tin chưa từng được thu thập.

Weighted Mean cũng có thể xuất hiện trong hệ thống chấm điểm.

Ví dụ một risk score gồm:

Khả năng xảy ra 40 phần trăm.

Mức độ tác động 35 phần trăm.

Khả năng phát hiện 25 phần trăm.

Điểm cuối có thể được tính theo weighted mean.

Nhưng vấn đề quan trọng nằm ở cách chọn trọng số.

Nếu trọng số không có cơ sở thì kết quả vẫn chỉ là một con số có vẻ khoa học.

Đây là điểm dễ bị bỏ qua.

Weighted Mean có thể rất chính xác về toán học nhưng vẫn sai về mặt ra quyết định nếu trọng số được chọn tùy ý.

Vì vậy khi sử dụng cần trả lời:

Trọng số này đại diện cho điều gì?

Nó có thể đại diện cho số lượng.

Tỷ lệ.

Tầm quan trọng.

Xác suất.

Quy mô.

Hoặc một yếu tố khác có ý nghĩa với bài toán.

Không nên gán trọng số chỉ vì muốn kết quả nghiêng về một phương án nào đó.

Trọng số phải có lý do.

Một điểm khác cần chú ý là trọng số không bắt buộc phải cộng thành 1 hoặc 100 phần trăm.

Công thức chia cho tổng trọng số nên các trọng số có thể là 1 2 3 hoặc 10 20 30.

Ví dụ:

Giá trị 8 có trọng số 2.

Giá trị 7 có trọng số 3.

Giá trị 9 có trọng số 5.

Tổng trọng số là 10.

Kết quả giống việc sử dụng 20 phần trăm 30 phần trăm và 50 phần trăm.

Điều quan trọng là tỷ lệ tương đối giữa các trọng số.

Weighted Mean cũng cần phân biệt với Weighted Median.

Weighted Median dựa trên vị trí tích lũy của trọng số thay vì lấy tổng giá trị nhân trọng số.

Hai khái niệm khác nhau.

Không nên dùng thay thế lẫn nhau.

Weighted Mean cũng khác Moving Average.

Moving Average sử dụng một cửa sổ dữ liệu thay đổi theo thời gian.

Một số Moving Average có thể sử dụng trọng số như Weighted Moving Average nhưng đây là một trường hợp ứng dụng cụ thể khác.

Exponential Moving Average cũng đặt trọng số lớn hơn cho các quan sát gần hiện tại nhưng cách tính và mục tiêu khác weighted mean thông thường.

Do đó cần nhìn vào ngữ cảnh thay vì chỉ thấy chữ weighted.

Một lỗi phổ biến khác là dùng phần trăm làm trọng số nhưng nhập sai scale.

Ví dụ 20 phần trăm có thể được biểu diễn là 0.2 hoặc 20 tùy công thức.

Nếu trộn hai cách biểu diễn trong cùng phép tính kết quả sẽ sai.

Trong code hoặc spreadsheet nên thống nhất cách biểu diễn.

Weighted Mean cũng phụ thuộc vào Data Quality.

Nếu số lượng dùng làm trọng số bị sai thì kết quả cuối cũng sai dù công thức hoàn toàn đúng.

Ví dụ doanh thu trung bình theo chi nhánh được weighted bằng số giao dịch nhưng số giao dịch của một chi nhánh bị duplicate.

Chi nhánh đó sẽ được cấp trọng số lớn hơn thực tế.

Đây là một ví dụ điển hình của:

Phép toán đúng nhưng dữ liệu sai.

Weighted Mean cũng có thể bị ảnh hưởng bởi outlier.

Nếu một giá trị cực lớn đồng thời có trọng số lớn thì tác động còn mạnh hơn mean thông thường.

Vì vậy vẫn cần kiểm tra distribution và outlier khi sử dụng.

Không nên nghĩ rằng thêm trọng số sẽ tự động làm dữ liệu đáng tin hơn.

Weighted Mean chỉ thay đổi cách mỗi quan sát đóng góp vào kết quả.

Nó không sửa Data Quality.

Một cách thực tế để kiểm tra phép tính là tự hỏi:

Mỗi giá trị đang đại diện cho bao nhiêu quan sát hoặc mức ảnh hưởng bao nhiêu?

Nếu câu trả lời là bằng nhau thì arithmetic mean có thể đủ.

Nếu khác nhau thì weighted mean có thể phù hợp hơn.

Sau đó cần hỏi:

Trọng số có đúng không?

Tổng trọng số có hợp lý không?

Có nhóm nào bị thiếu không?

Có outlier ảnh hưởng mạnh không?

Câu hỏi kinh doanh có thực sự yêu cầu weighted mean không?

Weighted Mean không phức tạp về công thức.

Phần khó nằm ở việc chọn đúng trọng số.

Nếu trọng số đại diện đúng cho thực tế thì chỉ số có thể rất hữu ích.

Nếu trọng số sai thì kết quả chỉ là một con số rất đẹp được tính bằng một công thức rất đúng.

Tag Weighted Mean tổng hợp các bài viết và kiến thức về trung bình có trọng số arithmetic mean weighted average average of averages sampling weight và cách sử dụng trọng số đúng trong thống kê và phân tích dữ liệu.