Dùng AI làm thống kê: hỏi gì và kiểm con số thế nào
Bài 5/8 · Chương 14
Trang phụ trợ
- 5 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 15
Trang này gom các câu hỏi hay gặp khi dùng AI làm thống kê: hỏi chatbot chọn kiểm định, nhờ nó giải thích kết quả, và tự kiểm từng con số nó đưa ra bằng một ô code Python. Mở trang khi bạn định giao một bài thống kê cho ChatGPT hay một trợ lý AI khác, hay khi đã có câu trả lời của AI mà chưa chắc nó đúng.
Cách dùng với trang này
Mỗi câu trả lời mở bằng việc nên làm, rồi một ví dụ chạy được với vài con số tự đặt mà bạn đối chiếu được bằng tay. Các ô code chỉ dùng thư viện chuẩn của Python (statistics, math), nên chạy được ở bất kỳ đâu, kể cả khi máy chưa cài scipy.
Ý chung của trang: AI giải thích nhanh và viết code nhanh, nhưng nó có thể tính nhầm, chọn nhầm kiểm định hay đọc sai p-value bằng giọng rất chắc chắn. Mỗi con số đi vào báo cáo cần một cách kiểm không đi qua câu trả lời của AI.
Trước khi hỏi AI
Nên gửi gì khi nhờ AI chọn kiểm định?
Gửi bốn điều: câu hỏi cần trả lời ("trang mới có làm khách thanh toán nhanh hơn không"), loại dữ liệu của từng biến (số hay phân loại), cỡ mẫu mỗi nhóm, và các nhóm độc lập hay là cặp (cùng một người đo hai lần). Thiếu điều cuối, AI hay chọn kiểm định t hai mẫu cho dữ liệu cặp. Đối chiếu câu trả lời với bảng ở bài chọn kiểm định trước khi chạy.
Có nên dán cả bảng dữ liệu vào chatbot không?
Không nên dán dữ liệu có tên, số điện thoại, email hay mã khách hàng. Gửi mô tả: tên cột, kiểu, số dòng, vài dòng mẫu đã bỏ thông tin cá nhân, và các số tóm tắt như trung bình, độ lệch chuẩn của mỗi nhóm. Với phần lớn câu hỏi chọn phương pháp, chừng đó là đủ; phép tính thật thì chạy trên máy của bạn. Bài AI phân tích dữ liệu với pandas chỉ cách in mô tả bảng.
Tự kiểm con số AI đưa ra
AI báo độ lệch chuẩn, kiểm thế nào?
Tính lại cả hai cách chia (n và n − 1) rồi xem AI dùng cách nào. Đây là chỗ AI và cả người hay nhầm nhất:
import statistics
ngay_giao = [2, 3, 5, 4, 1, 3]
print(round(statistics.stdev(ngay_giao), 4))
print(round(statistics.pstdev(ngay_giao), 4))KẾT QUẢ
1.4142
1.291stdev() chia n − 1 (độ lệch chuẩn mẫu), pstdev() chia n. Nếu AI báo số của dòng hai cho một mẫu sáu đơn, nó đã dùng công thức tổng thể. Bài phương sai mẫu chia n − 1 giải thích nên dùng cách nào.
AI báo thống kê t của hai nhóm, kiểm thế nào?
Tính lại t theo công thức Welch bằng trung bình và phương sai mẫu của từng nhóm; con số phải khớp tới vài chữ số:
import math
import statistics
trang_cu = [61, 58, 66, 70, 55, 63, 59, 68]
trang_moi = [54, 57, 52, 60, 49, 56, 58]
va = statistics.variance(trang_cu) / len(trang_cu)
vb = statistics.variance(trang_moi) / len(trang_moi)
hieu = statistics.mean(trang_cu) - statistics.mean(trang_moi)
print(round(hieu, 3), round(hieu / math.sqrt(va + vb), 3))KẾT QUẢ
7.357 3.162Nếu AI đưa t khác hẳn, hỏi lại nó dùng kiểm định nào: Student (phương sai bằng nhau), Welch hay t cặp cho cùng con số ra t khác nhau. p-value thì tính bằng stats.ttest_ind(..., equal_var=False) như bài kiểm định t hai mẫu, không chép số của AI.
AI đưa khoảng tin cậy cho một tỉ lệ, kiểm thế nào?
Dựng lại khoảng bằng NormalDist của thư viện chuẩn: 42 trên 120 khách đặt hàng, khoảng 95% theo công thức Wald:
import math
from statistics import NormalDist
k, n = 42, 120
p_mu = k / n
z = NormalDist().inv_cdf(0.975)
bien = z * math.sqrt(p_mu * (1 - p_mu) / n)
print(round(p_mu - bien, 3), round(p_mu + bien, 3))KẾT QUẢ
0.265 0.435Hai đầu khoảng của AI phải gần hai số này; lệch nhiều thì hỏi lại nó dùng công thức nào (Wilson cho số hơi khác Wald). Bài khoảng tin cậy cho tỉ lệ so các cách.
AI tính một xác suất, kiểm thế nào?
Viết lại phép tính bằng công thức rồi chạy. Ví dụ AI nói: tỉ lệ đơn bị trả là 10%, trong 5 đơn thì xác suất có ít nhất 2 đơn bị trả "khoảng 26%". Tính bằng phân phối nhị thức:
import math
n, p = 5, 0.1
duoi_2 = sum(math.comb(n, k) * p ** k * (1 - p) ** (n - k)
for k in range(2))
print(round(1 - duoi_2, 4))KẾT QUẢ
0.0815Đáp số đúng chỉ khoảng 8,1%: AI đã nhầm ở đâu đó trong phép tính. Gặp con số khác, đổi 5 và 0.1 trên dòng n, p rồi chạy lại. Công thức nằm ở bài phân phối nhị thức.
Đọc lời giải thích của AI
AI nói "p = 0,03 nghĩa là 97% khả năng trang mới tốt hơn" có đúng không?
Không. p-value tính khi đã giả sử không có khác biệt, nên nó không là xác suất của giả thuyết nào. Câu đúng: nếu hai trang như nhau, chỉ khoảng 3% số lần làm lại cho khác biệt ít nhất như vậy. Bài sáu cách hiểu sai p-value liệt kê các cách đọc sai AI hay lặp lại.
AI kết luận "giờ học làm tăng điểm" từ một hệ số tương quan thì sao?
Tương quan chỉ nói hai biến đi cùng nhau; muốn nói nguyên nhân cần thí nghiệm có chia nhóm ngẫu nhiên hay một lập luận khác. Yêu cầu AI viết lại kết luận thành "đi kèm với" và nêu các yếu tố khác có thể đứng sau. Bài tương quan và nhân quả có các ví dụ.
AI viết code scipy gọi một tham số không có thì làm sao?
AI đôi khi bịa tham số, như paired=True cho ttest_ind(); chạy là ra TypeError. Tra tên hàm trong bảng tra scipy.stats: dữ liệu cặp dùng ttest_rel(). Code chạy được rồi vẫn cần kiểm số như các mục trên.
Khi nào không nên giao cho AI
Việc nào nên tự quyết thay cho hỏi AI?
Ba việc: chọn mức ý nghĩa và chỉ số chính trước khi xem dữ liệu, quyết định bỏ hay giữ một điểm bất thường, và câu kết luận cuối cùng của báo cáo. Nếu để AI thử nhiều kiểm định rồi báo cái có p nhỏ nhất, bạn rơi vào lỗi của bài so sánh nhiều lần.
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.