HNI 14/9 - Chương 33: Thống kê mô tả dữ liệu
1. Mở đầu: Vì sao cần thống kê mô tả?
Trong thế giới ngày nay, dữ liệu xuất hiện ở khắp mọi nơi. Từ các con số doanh thu trong một công ty, bảng điểm học tập của học sinh, kết quả khảo sát xã hội học, đến các chỉ số y tế trong cộng đồng – tất cả đều là dữ liệu. Nhưng dữ liệu thô chỉ là những con số rời rạc, chưa có ý nghĩa nếu chúng ta không biết cách tổ chức, tóm tắt, và mô tả chúng. Chính lúc này, thống kê mô tả trở thành công cụ không thể thiếu.
Thống kê mô tả giúp biến những mảnh ghép dữ liệu phức tạp thành bức tranh tổng thể, dễ hiểu. Thay vì phải đọc hàng ngàn số liệu, ta chỉ cần nhìn vào vài chỉ số đặc trưng như giá trị trung bình, trung vị, phương sai, độ lệch chuẩn hay các biểu đồ trực quan. Đây chính là bước đầu tiên, là nền móng để tiến tới thống kê suy luận và phân tích sâu hơn.
2. Khái niệm cơ bản về thống kê mô tả
Thống kê mô tả (Descriptive Statistics) là tập hợp các phương pháp dùng để:
Thu thập và tổ chức dữ liệu: phân loại, sắp xếp thành bảng.
Tóm tắt dữ liệu: bằng các con số đại diện như trung bình, trung vị, mốt.
Trình bày dữ liệu: bằng biểu đồ, đồ thị, hình ảnh.
Điểm quan trọng là thống kê mô tả không đi xa hơn dữ liệu đã có, mà chỉ mô tả, phản ánh dữ liệu ở dạng gọn gàng. Khác với thống kê suy luận – vốn dùng mẫu để suy ra đặc điểm của cả quần thể – thống kê mô tả chỉ dừng lại ở “cái đang thấy”.
3. Các loại dữ liệu trong thống kê mô tả
Để mô tả đúng, trước tiên ta cần hiểu dữ liệu có nhiều dạng khác nhau:
Dữ liệu định tính (Qualitative/Categorical data): Biểu diễn đặc điểm, thuộc tính, không thể đo bằng số, ví dụ: giới tính, màu sắc, nghề nghiệp.
Dữ liệu định lượng (Quantitative data): Đo bằng số, chia thành hai loại:
Rời rạc (Discrete): Đếm được, ví dụ: số con trong một gia đình.
Liên tục (Continuous): Đo lường trên một khoảng, ví dụ: chiều cao, cân nặng.
Phân loại dữ liệu đúng giúp ta chọn được công cụ mô tả thích hợp.
4. Phương pháp tổ chức dữ liệu
Trước khi phân tích, dữ liệu cần được sắp xếp:
4.1. Bảng tần số (Frequency table)
Liệt kê các giá trị dữ liệu và số lần xuất hiện.
Giúp nhìn rõ phân bố của dữ liệu.
Ví dụ: Điểm kiểm tra Toán của 20 học sinh:
6, 7, 8, 9, 7, 8, 6, 10, 9, 8, 7, 6, 9, 8, 10, 7, 6, 8, 7, 9.
Bảng tần số:
1. Mở đầu: Vì sao cần thống kê mô tả?
Trong thế giới ngày nay, dữ liệu xuất hiện ở khắp mọi nơi. Từ các con số doanh thu trong một công ty, bảng điểm học tập của học sinh, kết quả khảo sát xã hội học, đến các chỉ số y tế trong cộng đồng – tất cả đều là dữ liệu. Nhưng dữ liệu thô chỉ là những con số rời rạc, chưa có ý nghĩa nếu chúng ta không biết cách tổ chức, tóm tắt, và mô tả chúng. Chính lúc này, thống kê mô tả trở thành công cụ không thể thiếu.
Thống kê mô tả giúp biến những mảnh ghép dữ liệu phức tạp thành bức tranh tổng thể, dễ hiểu. Thay vì phải đọc hàng ngàn số liệu, ta chỉ cần nhìn vào vài chỉ số đặc trưng như giá trị trung bình, trung vị, phương sai, độ lệch chuẩn hay các biểu đồ trực quan. Đây chính là bước đầu tiên, là nền móng để tiến tới thống kê suy luận và phân tích sâu hơn.
2. Khái niệm cơ bản về thống kê mô tả
Thống kê mô tả (Descriptive Statistics) là tập hợp các phương pháp dùng để:
Thu thập và tổ chức dữ liệu: phân loại, sắp xếp thành bảng.
Tóm tắt dữ liệu: bằng các con số đại diện như trung bình, trung vị, mốt.
Trình bày dữ liệu: bằng biểu đồ, đồ thị, hình ảnh.
Điểm quan trọng là thống kê mô tả không đi xa hơn dữ liệu đã có, mà chỉ mô tả, phản ánh dữ liệu ở dạng gọn gàng. Khác với thống kê suy luận – vốn dùng mẫu để suy ra đặc điểm của cả quần thể – thống kê mô tả chỉ dừng lại ở “cái đang thấy”.
3. Các loại dữ liệu trong thống kê mô tả
Để mô tả đúng, trước tiên ta cần hiểu dữ liệu có nhiều dạng khác nhau:
Dữ liệu định tính (Qualitative/Categorical data): Biểu diễn đặc điểm, thuộc tính, không thể đo bằng số, ví dụ: giới tính, màu sắc, nghề nghiệp.
Dữ liệu định lượng (Quantitative data): Đo bằng số, chia thành hai loại:
Rời rạc (Discrete): Đếm được, ví dụ: số con trong một gia đình.
Liên tục (Continuous): Đo lường trên một khoảng, ví dụ: chiều cao, cân nặng.
Phân loại dữ liệu đúng giúp ta chọn được công cụ mô tả thích hợp.
4. Phương pháp tổ chức dữ liệu
Trước khi phân tích, dữ liệu cần được sắp xếp:
4.1. Bảng tần số (Frequency table)
Liệt kê các giá trị dữ liệu và số lần xuất hiện.
Giúp nhìn rõ phân bố của dữ liệu.
Ví dụ: Điểm kiểm tra Toán của 20 học sinh:
6, 7, 8, 9, 7, 8, 6, 10, 9, 8, 7, 6, 9, 8, 10, 7, 6, 8, 7, 9.
Bảng tần số:
HNI 14/9 - 🌺Chương 33: Thống kê mô tả dữ liệu
1. Mở đầu: Vì sao cần thống kê mô tả?
Trong thế giới ngày nay, dữ liệu xuất hiện ở khắp mọi nơi. Từ các con số doanh thu trong một công ty, bảng điểm học tập của học sinh, kết quả khảo sát xã hội học, đến các chỉ số y tế trong cộng đồng – tất cả đều là dữ liệu. Nhưng dữ liệu thô chỉ là những con số rời rạc, chưa có ý nghĩa nếu chúng ta không biết cách tổ chức, tóm tắt, và mô tả chúng. Chính lúc này, thống kê mô tả trở thành công cụ không thể thiếu.
Thống kê mô tả giúp biến những mảnh ghép dữ liệu phức tạp thành bức tranh tổng thể, dễ hiểu. Thay vì phải đọc hàng ngàn số liệu, ta chỉ cần nhìn vào vài chỉ số đặc trưng như giá trị trung bình, trung vị, phương sai, độ lệch chuẩn hay các biểu đồ trực quan. Đây chính là bước đầu tiên, là nền móng để tiến tới thống kê suy luận và phân tích sâu hơn.
2. Khái niệm cơ bản về thống kê mô tả
Thống kê mô tả (Descriptive Statistics) là tập hợp các phương pháp dùng để:
Thu thập và tổ chức dữ liệu: phân loại, sắp xếp thành bảng.
Tóm tắt dữ liệu: bằng các con số đại diện như trung bình, trung vị, mốt.
Trình bày dữ liệu: bằng biểu đồ, đồ thị, hình ảnh.
Điểm quan trọng là thống kê mô tả không đi xa hơn dữ liệu đã có, mà chỉ mô tả, phản ánh dữ liệu ở dạng gọn gàng. Khác với thống kê suy luận – vốn dùng mẫu để suy ra đặc điểm của cả quần thể – thống kê mô tả chỉ dừng lại ở “cái đang thấy”.
3. Các loại dữ liệu trong thống kê mô tả
Để mô tả đúng, trước tiên ta cần hiểu dữ liệu có nhiều dạng khác nhau:
Dữ liệu định tính (Qualitative/Categorical data): Biểu diễn đặc điểm, thuộc tính, không thể đo bằng số, ví dụ: giới tính, màu sắc, nghề nghiệp.
Dữ liệu định lượng (Quantitative data): Đo bằng số, chia thành hai loại:
Rời rạc (Discrete): Đếm được, ví dụ: số con trong một gia đình.
Liên tục (Continuous): Đo lường trên một khoảng, ví dụ: chiều cao, cân nặng.
Phân loại dữ liệu đúng giúp ta chọn được công cụ mô tả thích hợp.
4. Phương pháp tổ chức dữ liệu
Trước khi phân tích, dữ liệu cần được sắp xếp:
4.1. Bảng tần số (Frequency table)
Liệt kê các giá trị dữ liệu và số lần xuất hiện.
Giúp nhìn rõ phân bố của dữ liệu.
Ví dụ: Điểm kiểm tra Toán của 20 học sinh:
6, 7, 8, 9, 7, 8, 6, 10, 9, 8, 7, 6, 9, 8, 10, 7, 6, 8, 7, 9.
Bảng tần số:
Vietnam