Cheat sheet thống kê với Python: công thức và lệnh
Bài 2/8 · Chương 14
Trang phụ trợ
- 8 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 13
Cheat sheet thống kê này gom công thức và lệnh Python của cả tutorial vào một trang, chia thành tám nhóm theo thứ tự các bài: mô tả, xác suất, phân phối rời rạc, phân phối liên tục, ước lượng, kiểm định, tương quan và hồi quy, mô phỏng. Mỗi dòng có công thức viết gọn, lệnh NumPy hay scipy, kết quả thật khi chạy và một link tới bài dạy kỹ dòng đó.
Cách đọc bảng công thức thống kê
Mỗi nhóm mở đầu bằng một đoạn code ngắn tạo dữ liệu dùng chung, như mảng diem của tám bạn. Các dòng của bảng chạy lần lượt sau đoạn đó, như khi bạn gõ từng dòng vào cửa sổ Python tương tác: dòng sau thấy biến mà dòng trước gán. Cột Kết quả là đúng thứ được in ra; ô có dấu gạch ngang là dòng không in gì, như một phép gán.
Công thức ở cột Cần làm viết bằng ký hiệu thường: x̄ là trung bình mẫu, s là độ lệch chuẩn mẫu, n là cỡ mẫu, Σ là tổng. Phần lớn dòng bọc kết quả trong round() để in gọn. Ký hiệu đầy đủ có ở bài ký hiệu thống kê.
Thống kê mô tả
Điểm kiểm tra của tám bạn; phương sai và độ lệch chuẩn mẫu luôn ghi ddof=1.
import statistics
import numpy as np
from scipy import stats
diem = np.array([6.5, 7.0, 8.5, 5.0, 9.0, 7.5, 6.0, 8.0])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Trung bình x̄ = Σx / n |
|
| |
Trung bình có trọng số Σwx / Σw |
|
| |
Trung vị |
|
| |
Mốt (mọi giá trị nhiều nhất) |
|
| |
Khoảng biến thiên max − min |
|
| |
Phương sai tổng thể σ² = Σ(x − μ)² / n |
|
| |
Phương sai mẫu s² = Σ(x − x̄)² / (n − 1) |
|
| |
Độ lệch chuẩn mẫu s = √s² |
|
| |
Hệ số biến thiên s / x̄ |
|
| |
Tứ phân vị Q1, Q3 |
|
| |
Khoảng tứ phân vị Q3 − Q1 |
|
| |
z-score z = (x − x̄) / s |
|
| |
Độ lệch (skewness) |
|
| |
Trung bình nhân |
|
|
Xác suất và đếm
Số cách chọn, và các công thức xác suất tính từ vài con số cho sẵn.
import math
p_a, p_b, p_ab = 0.30, 0.45, 0.12
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Tổ hợp C(n, k) = n! / (k!(n − k)!) |
|
| |
Chỉnh hợp A(n, k) = n! / (n − k)! |
|
| |
Cộng xác suất P(A ∪ B) = P(A) + P(B) − P(A ∩ B) |
|
| |
Xác suất có điều kiện P(A | B) = P(A ∩ B) / P(B) |
|
| |
Nhân xác suất khi độc lập P(A)P(B) |
|
| |
Bayes P(B | A) = P(A | B)P(B) / P(A) |
|
|
Phân phối rời rạc
Mỗi phân phối là một đối tượng của scipy.stats; .pmf(k) là P(X = k), .cdf(k) là P(X ≤ k).
from scipy import stats
nhi_thuc = stats.binom(n=10, p=0.3)
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Nhị thức P(X = k) = C(n, k) pᵏ (1 − p)ⁿ⁻ᵏ |
|
| |
Nhị thức P(X ≤ k) |
|
| |
Kỳ vọng np và phương sai np(1 − p) |
|
| |
Poisson P(X = k) = λᵏ e^(−λ) / k! |
|
| |
Siêu bội: rút 5 từ 20, có 6 lỗi, P(X = 2) |
|
|
Phân phối liên tục
loc là vị trí, scale là độ rộng: với phân phối chuẩn là μ và σ.
from scipy import stats
chuan = stats.norm(loc=500, scale=4)
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
P(X ≤ x) của N(μ, σ²) |
|
| |
P(X > x) = 1 − P(X ≤ x) |
|
| |
Chuẩn hóa z = (x − μ) / σ, rồi Φ(z) |
|
| |
z tới hạn hai phía 95% |
|
| |
t tới hạn, df = n − 1 |
|
| |
χ² tới hạn mức 5% |
|
| |
Phân phối đều trên [a, b] |
|
| |
Phân phối mũ, scale = 1 / λ |
|
|
Ước lượng và khoảng tin cậy
Dùng lại mảng diem của nhóm đầu: n = 8.
import math
import numpy as np
from scipy import stats
diem = np.array([6.5, 7.0, 8.5, 5.0, 9.0, 7.5, 6.0, 8.0])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Sai số chuẩn SE = s / √n |
|
| |
Khoảng tin cậy trung bình x̄ ± t·SE |
|
| |
Khoảng tin cậy khi biết σ: x̄ ± z·σ / √n |
|
| |
Khoảng tin cậy tỉ lệ (Wald) p̂ ± z√(p̂(1 − p̂) / n), 42 trên 120 |
|
| |
Cỡ mẫu cho trung bình n = (zσ / E)² |
|
| |
Cỡ mẫu cho tỉ lệ n = z²p(1 − p) / E² |
|
|
Kiểm định
Mỗi hàm trả một đối tượng có trường statistic và pvalue; các dòng in p làm tròn bốn chữ số.
from scipy import stats
ca_sang = [501.2, 498.7, 503.1, 499.5, 502.4, 500.8]
ca_chieu = [497.9, 499.1, 496.4, 498.8, 500.2, 497.5]
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
p-value của tỉ lệ (nhị thức) |
|
| |
t một mẫu t = (x̄ − μ₀) / (s / √n) |
|
| |
t hai mẫu Welch |
|
| |
t cặp trên hiệu d |
|
| |
Một phía: H₁ nhóm đầu lớn hơn |
|
| |
Chi bình phương độc lập Σ(O − E)² / E |
|
| |
Chi bình phương phù hợp |
|
| |
ANOVA một nhân tố F = MS giữa / MS trong |
|
| |
Mann-Whitney U |
|
| |
Kiểm phân phối chuẩn |
|
|
Tương quan và hồi quy
Giờ tự học và điểm của sáu bạn.
import numpy as np
from scipy import stats
gio = np.array([1, 2, 3, 4, 5, 6])
diem = np.array([5.2, 6.1, 6.4, 7.3, 7.9, 8.6])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Hiệp phương sai mẫu |
|
| |
Hệ số tương quan Pearson r |
|
| |
p-value của r, t = r√(n − 2) / √(1 − r²) |
|
| |
Tương quan hạng Spearman |
|
| |
Hồi quy đơn: hệ số góc b₁ = Sxy / Sxx |
|
| |
Hồi quy đơn: hệ số chặn b₀ = ȳ − b₁x̄ |
|
|
Mô phỏng
Mọi số ngẫu nhiên đi qua một bộ sinh có hạt giống cố định, nên chạy lại ra đúng số cũ.
import numpy as np
rng = np.random.default_rng(7)
tung = rng.integers(0, 2, size=1000)
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Tần suất mô phỏng của một biến cố |
|
| |
Trung bình của 1000 mẫu, mỗi mẫu 30 giá trị chuẩn |
|
| |
Sai số chuẩn lý thuyết σ / √n để so |
|
|
Câu hỏi thường gặp
Có bản statistics cheat sheet PDF để in không?
Trang này là bản để tra trên web, có kết quả thật của từng dòng. Muốn có bản in, dùng lệnh In của trình duyệt và chọn lưu thành PDF: các bảng giữ nguyên cột Cú pháp và Kết quả.
Công thức trên trang có giống công thức trong sách giáo khoa không?
Phần lớn giống. Chỗ hay khác là tứ phân vị: NumPy mặc định nội suy, sách giáo khoa Việt Nam có cách tính riêng; bài tứ phân vị so hai cách. Phương sai mẫu chia n − 1 (ddof=1), như bài phương sai mẫu chia n − 1 giải thích.
Còn bảng tra nào khác?
Bảng tra scipy.stats xếp hàm theo việc cần làm, kèm trường kết quả trả về. Cú pháp mảng có ở NumPy cheat sheet, vẽ biểu đồ ở Matplotlib cheat sheet.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.