Lý Thuyết Về Thống Kê

Khái Quát
• Giới thiệu sơ lược khoa học thống kê.
• Mẫu và phương pháp thu thập
• Các đặc điểm mẫu.
Khoa Học Thống Kê
• Thống kê là môn khoa học bao gồm phương pháp thu thập, xử
lý, tổ chức, phân tích, giải thích và trình bày dữ liệu.
Thống Kê Mô Tả Và Thống Kê Suy
Luận
• Thống kê mô tả (descriptive statistics) là quá trình tổng hợp,
sắp xếp để tạo ra đặc điểm cô đọng của một tập dữ liệu (như là
mẫu quan sát).
• Thống kê suy luận (inferential statistics) là quá trình sử dụng
lý thuyết xác suất để suy luận các đặc tính tổng quát hơn của
một tập dữ liệu (dùng mẫu để suy luận ra quần thể thống kê).
Thu Thập Dữ Liệu
• Dữ liệu từ thí nghiệm (experimental data): là dữ liệu thu thập được
từ các thí nghiệm (experiments) khoa học, trong đó các yếu tố ảnh
hưởng có thể được kiểm soát để tìm hiểu ảnh hưởng của tác động
nhân quả cần nghiên cứu.
• Ví dụ: thu thập dữ liệu thử nghiệm vaccine Covid-19 trên người.

• Dữ liệu quan sát (observational data): là dữ liệu được thu thập mà

nhà nghiên cứu không thể tác động gì lên hiện tượng tạo ra dữ liệu.
• Ví dụ: thu thập dữ liệu tiền lương, việc làm dân cư.
Vấn Đề Thu Thập Mẫu Từ Mẫu Từ
Quần Thể
• Quần thể thống kê (statistical population) là tập hợp tất cả các
phần tử chúng ta quan tâm trong một nghiên cứu.
• Mẫu (a sample) là một tập hợp con của quần thể mà chúng ta
cần nghiên cứu.
• Trong thực tế vì các lý do khác nhau (như tài chính, thời gian, sự phức
tạp của quá trình nghiên cứu…), chúng ta chỉ có thể lấy mẫu để nghiên
cứu mà không thể điều tra cả tổng thể.
• Một tổng thể có thể được lấy nhiều mẫu.
Phương Pháp Thu Thập Mẫu
• Các phương pháp thu thập mẫu ngẫu nhiên:
• Simple random sampling.
• Stratified random sampling.
• Cluster sampling.

• Mẫu (representative) có đại diện cho quần thể hay không?

Thống Kê Mô Tả
(Descriptive Statistics)
Các Dạng Dữ Liệu
• Định tính:
• Định danh (nominal): chỉ thuần mô tả sự khác biệt, không có thứ tự so
sánh.
• Thứ bậc (ordinal): mô tả sự khác biệt và có thứ bậc so sánh.

• Định lượng:
• Thang đo (interval): có thứ tự, khác biệt giữa giá trị trong thang đo có
ý nghĩal; nhưng giá trị 0 không có ý nghĩa.
• Tỷ lệ (ratio): giống như thang đo và giá trị 0 có ý nghĩa.
 Các Dạng Dữ Liệu: Ví Dụ
Định tính không thứ bậc Định tính có thứ bậc Thang đo Tỷ lệ (Ratio)
(Nominal) (Ordinal) (Interval)
Nam, nữ Trung bình, Khá, Giỏi, Xuất Nhiệt độ Giá sản phẩm
sắc

Kinh, Tày, Nùng, Dao… 5 sao, 4 sao, 3 sao, 2 sao, 1 Chỉ số thông Trọng lượng
sao. minh IQ

Mobiphone, Viettel, Rất đồng tính, Đồng tình, Độ pH Lợi nhuận

Vinaphone Trung tính, Không Đồng doanh nghiệp
Tình, Rất Không Đồng Tình.
Các Đặc Điểm Của Mẫu (1)
• Bảng tần số: biểu diễn tần số hoặc tỷ lệ tương đối của từng giá
trị quan sát hoặc khoảng giá trị quan sát

𝑿 𝑥1 𝑥2 𝑥3 𝑥3 𝑥4
Tần số 𝑛1 𝑛2 𝑛3 𝑛4 𝑛5

• Biểu đồ tần số: biển diễn bảng tần số dưới dạng biểu đồ.
Các Đặc Điểm Của Mẫu (2)
• Trung bình mẫu (sample mean):
𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛
𝑋ത =
𝑛
• Phương sai và độ lệch chuẩn mẫu (sample variance and sample standard deviation):
σ𝑛 ത 2
2 𝑖=1 𝑋𝑖 − 𝑋
𝑠 =
𝑛
𝑛 ത 2
2
σ 𝑖=1 𝑋𝑖 − 𝑋
𝑆 = ; 𝜎ො = 𝑆
𝑛−1
• Hệ số biến thiên (coefficient of variation):
𝑆
𝐶𝑉 = ∗ 100%
ത
𝑋
Ví Dụ:
• Dữ liệu về năng suất lúa (tạ/ha) của 10 hộ dân như sau:
30, 32, 29, 30, 34, 32, 28, 32, 28, 25
• Hãy tính:
• Bảng tần số.
• Trung bình mẫu, phương sai và độ lệch chuẩn mẫu.
 Ví Dụ:
Năng suất (tạ/ha) 25 28 29 30 32 34 Trung bình mẫu 30
Tần suất 1 2 1 2 3 1 Phương sai mẫu 6.89
Tỷ lệ 0.1 0.2 0.1 0.2 0.3 0.1 Độ lệch chuẩn mẫu 2.62

Tần suất
Tỷ lệ
4
40%
3 30%
30%
2 20% 20%
20%
1 10% 10% 10%
10%
0
0%
25 28 29 30 32 34
25 28 29 30 32 34
Biểu Đồ Histogram
• Histogram là biểu đồ thể hiện tần suất/tỷ lệ dưới dạng hình các cột hình
chữ nhật.

Tần Suất Năng Suất Lúa (tạ/ha)

4

0
25 28 29 30 32 34
Các Đặc Điểm Của Mẫu (3)
• Giá trị lớn nhất.
• Giá trị nhỏ nhất.
• Trung vị (median).
• Số yếu vị (mode).
• Khoảng cách giữa giá trị lớn nhất và nhỏ nhất (range).
Ví Dụ:
• Dữ liệu về năng suất lúa (tạ/ha) của 10 hộ dân như sau:
30, 32, 29, 30, 34, 32, 28, 32, 28, 25
• Hãy tính:
• Median, mode and range?
Các Đặc Trưng Của Mẫu (3)
• Điểm tứ phân vị (quartile): chia dữ liệu thành bốn phần có tỷ suất
phân bố bằng nhau:
• Điểm tứ phân vị thứ nhất Q1 (first quartile): 25% số lượng giá trị nhỏ hơn Q1.
• Điểm tứ phân vị thứ nhì Q2 (second quartile): đúng bằng trung vị (median),
50% số lượng giá trị nằm giữa Q2.
• Điểm tứ phân vị thứ ba Q3 (third quartile): 75% số lượng giá trị nhỏ hơn Q3.

• Khoảng cách giữa Q1 và Q3 gọi là độ trải giữa (interquartile range

IQR).
Ví Dụ: Tính 𝑸𝟏 , 𝑸𝟐 , 𝑸𝟑 cho dãy số
• Cho dãy số thứ nhất: 2, 4, 4, 5, 6, 7, 8
Ví Dụ: Tính 𝑸𝟏 , 𝑸𝟐 , 𝑸𝟑 cho dãy số
• Cho dãy số thứ nhất: 2, 4, 4, 5, 6, 7, 8
2, 4, 4, 5, 6, 7, 8
2, 4, 4, 5, 6, 7, 8
𝑄1 = 4, 𝑄2 = 5, 𝑄3 = 7
• Cho dãy số thứ hai: 1, 3, 3, 4, 5, 6, 6, 7, 8, 8
1, 3, 3, 4, 5, 6, 6, 7, 8, 8
𝑄2 = 5/6 = 5.5
1, 3, 3, 4, 5, | 6, 6, 𝟕, 8, 8
𝑄1 = 3, 𝑄3 = 7
Biều Đồ Hộp (Box Plot)
• Biểu đồ hộp (box and whisker plot or
box plot) thể hiện 5 thông tin:
• Giá trị lớn nhất 𝑄0 (max).
• Giá trị nhỏ nhất 𝑄4 (min).
• Trung vị (median).
• Tứ vị phân đầu tiên 𝑄1 (first quartile).
• Tứ vị phân thứ ba 𝑄3 (third quartile).

• Thông tin độ trải giữa IQR có thể

được tính: IQR = 𝑄3 − 𝑄1 .
Source: [Link]
 So Sánh Các Dạng Dữ Liệu
Dạng dữ liệu Phép toán Đo lường tính trung tâm Đo lường sự phân tán

Định danh (nominal) • So sánh ngang bằng (=, ≠) • Mode • Không có

Thứ bậc (ordinal) • So sánh ngang bằng (=, ≠) • Mode • Khoảng cách (range)
• So sánh hơn kém (<, >) • Trung vị (median) • IQR
Thang đo (interval) • So sánh ngang bằng (=, ≠) • Mode • Khoảng cách (range)
• So sánh hơn kém (<, >) • Trung vị (median) • IQR
• Cộng trừ +, − • Giá trị trung bình • Phương sai, độ lệch chuẩn
Tỷ lệ (ratio) • So sánh ngang bằng (=, ≠) • Mode • Khoảng cách (range)
• So sánh hơn kém (<, >) • Trung vị (median) • IQR
• Cộng trừ +, − • Giá trị trung bình cộng • Phương sai, độ lệch chuẩn
• Nhân chia (×,÷) • Giá trị trung bình nhân • Hệ số biến thiên (CV)
Các Đặc Điểm Của Mẫu (4)
• Hiệp phương sai mẫu (sample variance):
σ𝑛𝑖=1 𝑋𝑖 − 𝑋ത 𝑌𝑖 − 𝑌ത
𝑐𝑜𝑣
ෞ 𝑋, 𝑌 =
𝑛−1
• Hệ số tương quan mẫu (sample correlation):
𝑐𝑜𝑣
ෞ 𝑋, 𝑌
𝜌ො𝑋𝑌 =
𝑆𝑋 𝑆𝑌
Ví dụ:
• Dữ liệu về năng suất lúa (tạ/ha) và lượng phân bón sử dụng trung
bình (tạ/ha) của 10 hộ dân như sau:

Năng suất 30 32 29 30 34 32 28 32 28 25
Phân bón 8.5 9.5 8 8 12 10 8 10 8.5 7.5

• Hãy tính:
• Hiệp phương sai mẫu.
• Hệ số tương quan mẫu.
Biểu Đồ Phân Tán (Scatter Plot)
Biểu đồ phân tán giữa năng suất và phân bón
13
12
11
Phân bón 10
(tạ/ha) 9
8
7
6
24 26 28 30 32 34 36
Năng suất (tạ/ha)
Ghi chú:
Hệ số tương quan mẫu (các số trên
đầu từng biều đồ scatter plot) thể
hiện:
- Dòng 1: hướng (âm hay dương) của
mối quan hệ tuyến tính của hai biến.
- Dòng 2: không thể hiện đúng mối
quan hệ tuyến tính.
- Dòng 3: không phản ánh một chút
nào mối quan hệ phi tuyến tính giữa
hai biến.
Sự Khác Biệt Giữa Các Đặc Điểm Của
Mẫu Và Phân Phối Xác Suất
• Phân phối xác suất so với tần suất từ mẫu thu thập?

• Giá trị kì vọng so với trung bình mẫu?

• Trừu tượng và quan sát được?