Bỏ qua đến nội dung chính
Mục lục

Cách tính mốt (yếu vị), mốt là gì và statistics.multimode()

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 4/6 · Chương 2

Thống kê mô tả: số đo trung tâm

  • 8 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Mốt, còn gọi là yếu vị (mode), là giá trị xuất hiện nhiều lần nhất trong dãy số liệu; cách tính mốt là lập bảng tần số rồi chọn giá trị có tần số lớn nhất. Bạn dùng mốt khi muốn biết lựa chọn phổ biến nhất, như cỡ áo bán chạy nhất hay mức hài lòng nhiều khách chọn nhất.

Cần biết trước: value_counts(), thống kê mô tả với pandas và module statistics.

Công thức mốt

Tần số (frequency) của một giá trị là số lần nó xuất hiện trong dãy. Mốt là giá trị có tần số không nhỏ hơn tần số của bất kỳ giá trị nào khác:

f(M0)≥f(x)f(M_0) \ge f(x)

Trong đó:

  • x: một giá trị bất kỳ có trong dãy.

  • f(x) (dem[x], với dem là bảng tần số): tần số của x.

  • M₀ (statistics.multimode(day)): mốt.

Công thức không đòi M₀ là duy nhất: hai giá trị cùng tần số lớn nhất thì cả hai đều là mốt. SGK Toán 10 cũng định nghĩa mốt là giá trị có tần số lớn nhất và nói một mẫu số liệu có thể có nhiều mốt; khi mọi giá trị có tần số bằng nhau, SGK quy ước mẫu không có mốt. Mốt không cần phép cộng như trung bình cộng, nên dùng được cho cả dữ liệu chữ: món đồ uống, kênh mua hàng.

Cách tính mốt bằng bảng tần số

Mười khách vào quán gọi lần lượt 2, 1, 3, 2, 2, 4, 1, 2, 3, 1 ly.

Bước

Việc

Kết quả

1

Đếm số lần mỗi giá trị xuất hiện

1 ly: 3 lần; 2 ly: 4 lần; 3 ly: 2 lần; 4 ly: 1 lần

2

Tìm tần số lớn nhất

4

3

Lấy mọi giá trị có tần số đó

mốt là 2 ly

Khối dưới làm ba bước đó bằng Python thuần với một dict làm bảng tần số. Sửa dãy ở dòng đầu, kể cả thành chữ như ["M", "L", "M"], rồi bấm Chạy:

python
so_ly = [2, 1, 3, 2, 2, 4, 1, 2, 3, 1]
dem = {}
for x in so_ly:
    dem[x] = dem.get(x, 0) + 1
print("Bảng tần số:", dem)
lon_nhat = max(dem.values())
mot = [x for x, f in dem.items() if f == lon_nhat]
print("Tần số lớn nhất:", lon_nhat)
print("Mốt:", mot)

KẾT QUẢ

Bảng tần số: {2: 4, 1: 3, 3: 2, 4: 1}
Tần số lớn nhất: 4
Mốt: [2]

Bước 3 lấy mọi giá trị có tần số lớn nhất, nên kết quả là một list. Đổi [2, 1, 3, 2, 2, 4, 1, 2, 3, 1] thành [2, 1, 3, 2, 1, 4, 1, 2, 3, 5] rồi chạy lại: dòng cuối in Mốt: [2, 1], vì 1 ly và 2 ly cùng xuất hiện 3 lần.

Kiểm lại bằng statistics.multimode()

Module statistics có hai hàm tìm mốt. multimode() trả list mọi mốt theo thứ tự gặp lần đầu; mode() chỉ trả một giá trị:

python
import statistics

so_ly = [2, 1, 3, 2, 2, 4, 1, 2, 3, 1]
do_uong = ["Bạc xỉu", "Trà đào", "Bạc xỉu", "Cà phê sữa"]
print("multimode, số:", statistics.multimode(so_ly))
print("mode, số:", statistics.mode(so_ly))
print("multimode, chữ:", statistics.multimode(do_uong))

KẾT QUẢ

multimode, số: [2]
mode, số: 2
multimode, chữ: ['Bạc xỉu']

Dãy có một mốt thì hai hàm cùng trả 2 ly, khớp bảng tính tay. Trong Excel: MODE.SNGL trả một mốt, MODE.MULT trả mọi mốt, cả hai chỉ nhận số.

Mốt của cột số và cột chữ trong pandas

File khao_sat_hai_long.csv là số giả lập của AIDev: 420 phiếu khảo sát, mỗi câu chấm từ 1 (rất không hài lòng) tới 5 (rất hài lòng). Đây là dữ liệu thứ bậc, nên mốt và bảng tần số có nghĩa hơn trung bình. value_counts() cho bảng tần số, Series.mode() cho mọi mốt:

python
import pandas as pd

ks = pd.read_csv("khao_sat_hai_long.csv")
dem = ks["gia_ca"].value_counts().sort_index()
print(dem.to_dict())
print("Mốt giá cả:", ks["gia_ca"].mode().tolist())
print("Mốt chất lượng:", ks["chat_luong"].mode().tolist())
print("Mốt kênh:", ks["kenh"].mode().tolist())

KẾT QUẢ

{1: 18, 2: 89, 3: 147, 4: 107, 5: 59}
Mốt giá cả: [3]
Mốt chất lượng: [4]
Mốt kênh: ['Trực tuyến']

Câu giá cả có mốt 3 (147 phiếu), câu chất lượng có mốt 4: khách chọn "hài lòng" về chất lượng nhiều hơn về giá. Series.mode() luôn trả một Series, kể cả khi chỉ có một mốt, nên .tolist() cho list giống multimode(); có nhiều mốt thì nó xếp chúng tăng dần.

Mô phỏng: mẫu nhỏ hay có nhiều mốt

Cả cột giá cả chỉ có một mốt, cách mốt kế tiếp 40 phiếu. Khối dưới rút 10.000 mẫu, mỗi mẫu 20 lượt rút có hoàn lại từ 420 phiếu, đếm tần số của 5 mức trong mỗi mẫu rồi đếm số mốt:

python
import numpy as np
import pandas as pd

ks = pd.read_csv("khao_sat_hai_long.csv")
gia_ca = ks["gia_ca"].to_numpy()
rng = np.random.default_rng(12)
mau = rng.choice(gia_ca, size=(10_000, 20), replace=True)
dem = (mau[:, :, None] == np.arange(1, 6)).sum(axis=1)
la_mot = dem == dem.max(axis=1, keepdims=True)
nhieu_mot = la_mot.sum(axis=1) > 1
print("Tỉ lệ mẫu có từ hai mốt:", round(np.mean(nhieu_mot), 3))
print("Tỉ lệ mẫu có mốt là 3:", round(np.mean(la_mot[:, 2]), 3))

KẾT QUẢ

Tỉ lệ mẫu có từ hai mốt: 0.143
Tỉ lệ mẫu có mốt là 3: 0.676

Lần chạy này cho thấy khoảng một mẫu trong bảy có hai mốt trở lên, và gần một phần ba số mẫu không có 3 trong các mốt của nó. Với 20 phiếu, chênh một hai phiếu đã đổi mốt; vì thế mốt của mẫu nhỏ nên kèm bảng tần số. Đổi default_rng(12) thành default_rng(6) để thấy hai tỉ lệ đổi chút ít. Cách rút mẫu có hoàn lại bằng rng.choice() có ở bài mô phỏng bằng NumPy.

Kiểm tra nhanh

  1. Sau import statistics, print(statistics.multimode(["M", "L", "M", "S", "L"])) in ra gì?

    • ['M']
    • ['M', 'L']
    • ['L', 'M']
    • M
  2. Trong khung bẫy, vì sao statistics.mode() in 2 dù dãy có hai mốt?

    • Vì 2 xuất hiện nhiều hơn 1
    • Vì mode() trả mốt lớn nhất
    • Vì mode() chỉ trả mốt gặp trước và bỏ mốt còn lại
  3. Những câu nào đúng về mốt?

    • Mốt tính được cho cột chữ, như tên đồ uống
    • Mọi dãy số có đúng một mốt
    • Mốt luôn là một giá trị có trong dãy
    • Series.mode() trả một Series kể cả khi chỉ có một mốt
  4. Trong mô phỏng 10.000 mẫu 20 phiếu, vì sao nhiều mẫu có mốt khác 3?

    • Vì rng.choice() không rút được mức 3
    • Với 20 phiếu, tần số các mức chênh nhau một hai phiếu, nên chút may rủi trong lúc rút đã đổi mốt
    • Vì rút có hoàn lại làm mất mức 3 của cột
Đúng hết lần đầu +15 XP

Bài tập

Tìm mọi mốt từ một bảng tần số

Bạn nhận bảng tần số của một câu khảo sát dưới dạng Series dem: index là các giá trị (số hay chữ, khác nhau), giá trị là tần số, số nguyên dương, có thể chưa xếp theo thứ tự nào. Viết thân hàm cac_mot_tu_bang(dem) trả về mọi giá trị có tần số lớn nhất.

Không dùng statistics.multimode(), statistics.mode(), .mode() của pandas hay .agg(), .aggregate(). Hàm không sửa dem của nơi gọi.

Trả về: các mốt xếp tăng dần (số từ nhỏ tới lớn, chữ theo sorted()), một list.

Ví dụ với dem = pd.Series([4, 9, 9, 2], index=[40, 38, 41, 39]), cac_mot_tu_bang(dem) cho [38, 41].

python
import pandas as pd


def cac_mot_tu_bang(dem):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Mốt (yếu vị) là giá trị có tần số lớn nhất; một dãy có thể có hai mốt trở lên.

  • Cách tính mốt: lập bảng tần số, tìm tần số lớn nhất, lấy mọi giá trị có tần số đó.

  • Mốt dùng được cho cột chữ và cho thang thứ bậc như mức hài lòng 1 tới 5.

  • statistics.mode() trên dãy nhiều mốt chỉ trả một giá trị mà không báo gì; dùng statistics.multimode().

  • Series.mode() trả mọi mốt xếp tăng dần; value_counts() cho bảng tần số.

  • Mẫu nhỏ hay có nhiều mốt hay mốt khác cả cột, nên báo mốt kèm bảng tần số.

Câu hỏi thường gặp

Mốt và yếu vị có khác nhau không?

Không, đó là hai tên của cùng một số đo. SGK Toán 10 dùng chữ "mốt"; "yếu vị" là tên cũ hơn, còn gặp trong giáo trình. Tiếng Anh là mode, cũng là tên hàm statistics.mode().

Dãy mà mọi giá trị chỉ xuất hiện một lần thì mốt là gì?

SGK Toán 10 quy ước dãy như vậy không có mốt: mọi giá trị có tần số bằng nhau. statistics.multimode() và Series.mode() thì trả lại cả dãy, nên khi mọi tần số bằng nhau, bạn tự báo "không có mốt". Con số khi đó không cho thông tin gì; hãy dùng trung vị hay bảng tần số theo khoảng.

Khi nào nên báo mốt thay cho trung bình?

Khi dữ liệu là chữ hay thang thứ bậc (mức hài lòng, cỡ áo), trung bình không có nghĩa rõ, còn mốt thì có. Bài chọn trung bình, trung vị hay mốt so ba số đo trên cùng một dữ liệu.

Tính mốt trong Excel thế nào?

MODE.SNGL trả một mốt, MODE.MULT trả mọi mốt (nhập như công thức mảng); hai hàm chỉ nhận số. Với cột chữ, dùng PivotTable đếm tần số rồi chọn dòng lớn nhất.

Chủ đề

cách tính mốt

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập