Bỏ qua đến nội dung chính
Mục lục

Thống kê là gì? Thống kê mô tả và thống kê suy diễn

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 1/8 · Chương 1

Bắt đầu với thống kê

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

Thống kê (statistics) là môn học cách thu thập, tóm tắt và rút kết luận từ những con số có dao động. Thống kê mô tả tóm tắt bộ số bạn đang có, còn thống kê suy diễn nói về cái lớn hơn bộ số đó. Bạn cần nó khi hai lớp chênh nhau 0,3 điểm trung bình và phải quyết định khoảng chênh đó có đáng tin hay chỉ là may rủi.

Cần biết trước: cài NumPy, mảng NumPy và axis.

Thống kê là gì: số liệu có dao động

Một máy đóng gói cà phê được chỉnh cho ra gói 500 g. Cân tám gói vừa đóng, bạn không thấy tám lần 500 g:

python
import numpy as np

goi = np.array([501.2, 499.4, 500.8, 498.9,
                500.3, 502.1, 499.7, 500.6])
print("Số gói:", len(goi))
print("Nhẹ nhất:", goi.min(), "nặng nhất:", goi.max())
print("Trung bình:", round(goi.mean(), 2))

KẾT QUẢ

Số gói: 8
Nhẹ nhất: 498.9 nặng nhất: 502.1
Trung bình: 500.38

Các gói lệch nhau tới hơn 3 g dù cùng một máy, cùng một cài đặt. Sự lệch đó gọi là biến động ngẫu nhiên (random variation): hạt cà phê, độ rung của máy, sai số của cân cộng lại thành những khác biệt không ai đoán trước được cho từng gói. Thống kê là bộ công cụ để làm việc với loại số như thế. Không có biến động thì không cần thống kê: một lần cân là đủ.

Đổi 498.9 thành 495.0 rồi chạy lại: dòng giữa in Nhẹ nhất: 495.0 nặng nhất: 502.1.

Thống kê mô tả: tóm tắt bộ số đang có

Thống kê mô tả (descriptive statistics) gom một bộ số thành vài con số dễ đọc: có bao nhiêu giá trị, trung bình bao nhiêu, nhỏ nhất và lớn nhất ở đâu. Bảng dưới là điểm Toán của tám em lớp 10A và tám em lớp 10B, mỗi hàng một lớp:

python
import numpy as np

diem = np.array([[7.0, 6.5, 8.0, 5.5, 7.5, 6.0, 8.5, 7.0],
                 [6.5, 7.5, 7.0, 9.0, 8.0, 7.5, 6.5, 7.0]])
print("Trung bình:", diem.mean(axis=1))
print("Thấp nhất:", diem.min(axis=1))
print("Cao nhất:", diem.max(axis=1))

KẾT QUẢ

Trung bình: [7.    7.375]
Thấp nhất: [5.5 6.5]
Cao nhất: [8.5 9. ]

axis=1 tính dọc theo mỗi hàng, nên mỗi dòng in hai số, một cho mỗi lớp. Ba dòng này là một bản mô tả: lớp 10B có trung bình cao hơn và không em nào dưới 6,5. Câu đó chỉ nói về đúng 16 em trong bảng, và nó đúng chắc chắn, vì bạn có đủ số liệu của 16 em.

Thống kê suy diễn: nói về cái lớn hơn bộ số

Thống kê suy diễn (inferential statistics), có sách gọi là thống kê suy luận, dùng một phần nhỏ để nói về cái lớn hơn. Từ điểm của mười em, bạn đoán về cả khối, và từ tám gói, bạn đoán về cả ca sản xuất. Phần dữ liệu có trong tay gọi là mẫu, cái lớn hơn gọi là tổng thể. Bài tổng thể và mẫu dạy kỹ hai khái niệm này.

Câu hỏi suy diễn khó hơn vì biến động. Lớp A và lớp B dưới đây chênh nhau 0,3 điểm trung bình. Nhưng hai tổ của chính lớp A, cùng thầy, cùng đề, cũng chênh nhau:

python
import numpy as np

lop_a = np.array([[7.5, 8.5, 7.0, 7.0, 6.5],
                  [6.0, 8.0, 6.5, 7.5, 5.5]])
lop_b = np.array([6.5, 7.0, 6.0, 7.5, 5.5,
                  8.0, 6.0, 7.0, 6.5, 7.0])
print("Lớp A:", lop_a.mean(), "lớp B:", lop_b.mean())
print("Hai tổ của lớp A:", lop_a.mean(axis=1))

KẾT QUẢ

Lớp A: 7.0 lớp B: 6.7
Hai tổ của lớp A: [7.3 6.7]

Hai tổ cùng một lớp chênh 0,6 điểm, gấp đôi khoảng chênh giữa hai lớp. Vậy 0,3 điểm có thể chỉ là biến động của mười em được chọn, giống tám gói cà phê của cùng một máy vẫn lệch nhau. Muốn nói "lớp A học Toán tốt hơn lớp B" thì cần một phép kiểm cho biết khoảng chênh như vậy hiếm đến đâu khi hai lớp thật ra ngang nhau. Đó là việc của kiểm định giả thuyết, phần sau của tutorial.

Vì sao học thống kê bằng Python

Giáo trình xác suất thống kê viết công thức. Tutorial này viết mỗi công thức thành vài dòng code chạy ngay trên trang. Bạn sửa dãy số, bấm Chạy, và thấy kết quả đổi theo, thay vì bấm máy tính lại từ đầu. Muốn biết vì sao một công thức đúng, bạn không cần biến đổi đại số: bài mô phỏng Monte Carlo cho máy rút hàng nghìn mẫu để bạn xem con số tiến về đâu. Ký hiệu như Σ, x̄ được đổi thành từng dòng code ở bài ký hiệu thống kê.

Câu hỏi

Loại

Điểm Toán trung bình của 16 em trong bảng là bao nhiêu?

mô tả

Gói nhẹ nhất trong tám gói vừa cân nặng bao nhiêu?

mô tả

Cả ca sản xuất hôm nay có thiếu cân không?

suy diễn

Lớp A có thật sự học Toán tốt hơn lớp B không?

suy diễn

Câu hỏi chỉ nói về các số đã cân, đã chấm là mô tả. Câu hỏi nói về những gói chưa cân, những em chưa có trong bảng là suy diễn.

Kiểm tra nhanh

  1. Những câu hỏi nào là câu hỏi của thống kê suy diễn?

    • Ba mươi đơn hàng tuần này giao trung bình mất bao nhiêu giờ?
    • Từ ba mươi đơn tuần này, hãng giao hàng có giao trung bình dưới 24 giờ cho mọi đơn của họ không?
    • Khảo sát 200 khách, tỉ lệ khách hài lòng của cả cửa hàng khoảng bao nhiêu?
    • Trong 200 phiếu đã thu, bao nhiêu phiếu chọn mức hài lòng cao nhất?
  2. Trong ví dụ hai tổ của lớp A, vì sao hai tổ có trung bình khác nhau dù cùng thầy, cùng đề?

    • Vì NumPy làm tròn trung bình của mỗi tổ theo cách khác nhau
    • Vì điểm của từng em có biến động ngẫu nhiên, và mỗi tổ chỉ có năm em
    • Vì tổ hai chắc chắn học kém hơn tổ một
  3. Sau import numpy as np, print(np.array([[6, 8], [7, 9]]).mean(axis=1)) in ra gì?

    • [6.5 8.5]
    • [7. 8.]
    • 7.5
  4. Trong khung bẫy quên axis, vì sao số 7,1875 không dùng được để mô tả lớp 10A?

    • Vì nó là trung bình của cả 16 em hai lớp gộp lại
    • Vì mean() không tính được trên mảng hai chiều
    • Vì nó là trung bình của hàng đầu, chỉ in thiếu chữ số
Đúng hết lần đầu +15 XP

Bài tập

Tóm tắt một dãy số bằng bốn con số

Bạn muốn một hàm in nhanh bản mô tả của mọi dãy điểm. Viết thân hàm mo_ta(x), với x là list hay mảng NumPy có ít nhất một số. Hàm không sửa x của nơi gọi.

Trả về: (n, trung_binh, nho_nhat, lon_nhat) theo đúng thứ tự đó, một tuple: n là số giá trị, ba số sau là trung bình, giá trị nhỏ nhất và lớn nhất.

Ví dụ mo_ta([7.0, 6.5, 8.0, 5.5, 7.5]) cho (5, 6.9, 5.5, 8.0).

python
import numpy as np


def mo_ta(x):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Thống kê làm việc với số liệu có biến động ngẫu nhiên: cùng một máy, cùng một đề vẫn cho các số khác nhau.

  • Thống kê mô tả tóm tắt đúng bộ số đang có bằng cỡ, trung bình, nhỏ nhất, lớn nhất.

  • Thống kê suy diễn dùng một mẫu để nói về tổng thể lớn hơn, nên phải tính tới biến động.

  • Hai nhóm nhỏ lấy từ cùng một nguồn vẫn có trung bình khác nhau; một khoảng chênh chưa đủ để kết luận.

  • Trên bảng mỗi hàng một nhóm, mean(axis=1) cho một số mỗi nhóm; quên axis thì nhận một số cho cả bảng.

Câu hỏi thường gặp

Xác suất thống kê là gì, khác thống kê ở đâu?

Xác suất thống kê là tên môn học ở đại học, gồm hai phần nối nhau. Xác suất tính khả năng của một kết quả khi đã biết cách nó sinh ra, còn thống kê đi ngược lại, từ dữ liệu đoán cách nó sinh ra. Tutorial này đi qua cả hai, bắt đầu từ mô tả, rồi tới tổng thể và mẫu.

Statistics là gì trong tiếng Việt?

Statistics là thống kê. Trong tài liệu tiếng Anh, "a statistic" còn chỉ một con số tính từ mẫu, như trung bình của mười em. Bài tổng thể và mẫu gọi nó là thống kê, để phân biệt với tham số của tổng thể.

Thống kê suy diễn và thống kê suy luận có khác nhau không?

Không, đó là hai cách dịch của cùng thuật ngữ inferential statistics. Tutorial này dùng "thống kê suy diễn". Công cụ chính của nó là khoảng tin cậy và kiểm định giả thuyết.

Học thống kê cần giỏi toán không?

Cần phép cộng, trừ, nhân, chia, lũy thừa, căn bậc hai và đọc được ký hiệu tổng Σ. Phần còn lại, mỗi công thức có một bảng tính tay trên vài con số và một ô code để kiểm, nên bạn tự thấy công thức làm gì.

Chủ đề

thống kê là gì

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