Đề thi, bài tập trắc nghiệm online Thống kê trong kinh tế và kinh doanh – Đề 6

Phát biểu sai là: 'Giả thuyết null luôn là giả thuyết mà nhà nghiên cứu muốn chứng minh là đúng.' Trên thực tế, giả thuyết null (H0) thường là giả thuyết về 'không có hiệu ứng' hoặc 'không có sự khác biệt', và nhà nghiên cứu thường muốn tìm bằng chứng để bác bỏ H0, ủng hộ giả thuyết đối (H1) - giả thuyết nghiên cứu.

Sai số loại I (Type I error), còn gọi là sai số α, xảy ra khi chúng ta bác bỏ giả thuyết null (H0) trong khi nó thực sự đúng. Nói cách khác, chúng ta kết luận có bằng chứng chống lại H0 khi trên thực tế không có.

Khi kích thước mẫu (n) tăng lên, sai số chuẩn của trung bình mẫu (SEM) giảm xuống (vì SEM = độ lệch chuẩn / căn bậc hai của n). Sai số chuẩn nhỏ hơn dẫn đến khoảng tin cậy hẹp hơn. Điều này có nghĩa là ước lượng trung bình tổng thể trở nên chính xác hơn khi kích thước mẫu tăng lên.

Hồi quy logistic được sử dụng khi biến phụ thuộc là biến định tính nhị phân, tức là biến chỉ có hai giá trị có thể (ví dụ: thành công/thất bại, có/không, mua/không mua). Hồi quy logistic mô hình hóa xác suất của một trong hai kết quả này dựa trên các biến độc lập.

R bình phương (R²) thể hiện tỷ lệ phần trăm phương sai trong biến phụ thuộc có thể dự đoán được từ biến độc lập (hoặc các biến độc lập trong hồi quy đa biến). Nó cho biết mô hình hồi quy phù hợp với dữ liệu tốt như thế nào.

Phân tích SWOT (Strengths, Weaknesses, Opportunities, Threats) là một khuôn khổ phân tích chiến lược được sử dụng để đánh giá các yếu tố bên trong (Điểm mạnh và Điểm yếu) và bên ngoài (Cơ hội và Thách thức) của một tổ chức hoặc dự án. Mặc dù không phải là một phương pháp thống kê định lượng truyền thống, nó là một công cụ phân tích quan trọng trong kinh doanh và quản lý chiến lược, thường kết hợp với dữ liệu thống kê để đưa ra quyết định.

Độ lệch chuẩn là thước đo mức độ phân tán của một tập dữ liệu. Nó cho biết các giá trị trong tập dữ liệu phân tán rộng rãi như thế nào xung quanh giá trị trung bình của chúng.

Phân tích chuỗi thời gian là một tập hợp các kỹ thuật thống kê được sử dụng để phân tích dữ liệu được thu thập theo thời gian. Mục tiêu chính là nhận diện các mẫu hình, xu hướng, tính mùa vụ và dự báo các giá trị tương lai dựa trên dữ liệu quá khứ.

Trong một phân phối lệch phải (skewed to the right), đuôi phân phối kéo dài về phía bên phải. Điều này kéo giá trị trung bình về phía bên phải, làm cho trung bình lớn hơn trung vị, và trung vị thường lớn hơn mốt. Do đó, thứ tự thường là: Mốt < Trung vị < Trung bình, hoặc Trung bình > Trung vị > Mốt.

Giá trị p (p-value) là xác suất quan sát được kết quả mẫu (hoặc kết quả cực đoan hơn) nếu giả thuyết null (H0) là đúng. Giá trị p nhỏ cho thấy bằng chứng mạnh mẽ chống lại H0.

Phân tích phương sai (ANOVA) là một phương pháp thống kê được sử dụng để so sánh trung bình của ba nhóm hoặc nhiều hơn. Nó kiểm tra xem có sự khác biệt đáng kể về thống kê giữa trung bình của các nhóm này hay không.

Mức ý nghĩa (α), thường là 0.05, là xác suất tối đa mà chúng ta sẵn sàng chấp nhận để mắc sai số loại I (bác bỏ giả thuyết null khi nó đúng). Nói cách khác, nếu chúng ta thực hiện kiểm định nhiều lần, khoảng 5% số lần chúng ta sẽ bác bỏ H0 khi H0 thực sự đúng.

Lấy mẫu phân tầng (stratified sampling) là phương pháp lấy mẫu xác suất mà trong đó tổng thể được chia thành các nhóm con (strata) dựa trên một hoặc nhiều đặc điểm chung. Sau đó, mẫu ngẫu nhiên đơn giản được lấy từ mỗi strata. Phương pháp này hiệu quả khi có sự biến động lớn giữa các nhóm nhưng ít biến động trong mỗi nhóm, giúp tăng tính đại diện của mẫu.

Thống kê suy luận là lĩnh vực thống kê sử dụng dữ liệu mẫu để đưa ra suy luận hoặc kết luận về tổng thể mà mẫu được lấy ra. Các phương pháp thống kê suy luận bao gồm kiểm định giả thuyết, ước lượng khoảng tin cậy và phân tích hồi quy.

Thang đo thứ tự (ordinal scale) và thang đo định danh (nominal scale) đều là loại thang đo định tính. Điểm khác biệt chính là ở thang đo thứ tự, các giá trị có thể được sắp xếp theo thứ tự có ý nghĩa (ví dụ: xếp hạng hài lòng: rất hài lòng, hài lòng, trung bình, không hài lòng), trong khi thang đo định danh thì không có thứ tự tự nhiên (ví dụ: màu sắc, loại sản phẩm).

Phân tích tần suất là một kỹ thuật thống kê mô tả được sử dụng để tóm tắt dữ liệu định tính (hoặc định lượng rời rạc). Nó đếm số lần xuất hiện (tần số) của mỗi giá trị hoặc danh mục trong một biến và thường được trình bày dưới dạng bảng tần số hoặc biểu đồ tần số.

Khoảng tin cậy (CI) là một khoảng giá trị được tính toán từ dữ liệu mẫu, được sử dụng để ước lượng một tham số tổng thể (ví dụ: trung bình tổng thể). CI cung cấp một phạm vi mà trong đó chúng ta tin rằng tham số tổng thể thực sự nằm trong, với một mức độ tin cậy xác định (ví dụ: 95%).

Phương pháp bootstrap là một kỹ thuật lấy mẫu lại (resampling) được sử dụng để ước lượng phân phối lấy mẫu của một thống kê bằng cách lấy mẫu lại có hoàn lại từ dữ liệu mẫu ban đầu. Bootstrap đặc biệt hữu ích khi không có giả định về phân phối của tổng thể hoặc khi kích thước mẫu nhỏ, giúp xây dựng khoảng tin cậy và thực hiện kiểm định giả thuyết.

Biểu đồ hộp (box plot) là một công cụ trực quan hóa dữ liệu hiệu quả để mô tả phân phối của một biến định lượng. Nó hiển thị trung vị, các tứ phân vị, khoảng tứ phân vị (IQR), và các giá trị ngoại lệ (outliers). Biểu đồ hộp giúp nhận biết độ lệch, độ phân tán và tính đối xứng của dữ liệu.

Đa cộng tuyến (multicollinearity) là hiện tượng xảy ra trong hồi quy đa biến khi có mối tương quan tuyến tính cao giữa hai hoặc nhiều biến độc lập. Đa cộng tuyến có thể làm cho các hệ số hồi quy không ổn định và khó diễn giải.

Lấy mẫu ngẫu nhiên đơn giản là phương pháp chọn mẫu mà ở đó mỗi phần tử trong tổng thể có cơ hội được chọn vào mẫu là bằng nhau và độc lập với các phần tử khác. Điều này giúp giảm thiểu thiên vị và tăng tính đại diện của mẫu.

Giá trị ngoại lệ (outlier) là một điểm dữ liệu khác biệt đáng kể so với các điểm dữ liệu khác trong tập dữ liệu. Outliers có thể do lỗi đo lường, sự kiện bất thường hoặc đơn giản là biến động tự nhiên, và cần được xem xét cẩn thận trong phân tích.

Hồi quy tuyến tính đơn là một kỹ thuật thống kê được sử dụng để mô hình hóa mối quan hệ tuyến tính giữa một biến phụ thuộc (Y) và một biến độc lập (X). Mục tiêu là tìm đường thẳng phù hợp nhất với dữ liệu và sử dụng nó để dự đoán giá trị của Y dựa trên X.

Hệ số tương quan Pearson (r) đo lường mức độ và hướng của mối quan hệ tuyến tính giữa hai biến định lượng. Giá trị của r nằm trong khoảng từ -1 đến +1. Giá trị gần 0 cho thấy mối quan hệ tuyến tính yếu hoặc không có, giá trị gần -1 hoặc +1 cho thấy mối quan hệ tuyến tính mạnh.

Thống kê mô tả là lĩnh vực thống kê liên quan đến việc tóm tắt và mô tả các đặc điểm nổi bật của một tập dữ liệu, thường thông qua các biện pháp như trung bình, trung vị, độ lệch chuẩn và biểu đồ.

Kiểm định t (t-test) được sử dụng thay cho kiểm định z (z-test) khi phương sai tổng thể không được biết và phải ước lượng từ mẫu. Thông thường, kiểm định t được sử dụng khi kích thước mẫu nhỏ (n < 30) hoặc khi không chắc chắn về phân phối chuẩn của tổng thể (đặc biệt với mẫu nhỏ).

Phân phối chuẩn (còn gọi là phân phối Gaussian) là một phân phối xác suất liên tục đối xứng xung quanh giá trị trung bình của nó, có dạng hình chuông. Nó rất quan trọng trong thống kê vì nhiều hiện tượng tự nhiên và kinh tế xã hội tuân theo hoặc xấp xỉ phân phối này.

Tính mùa vụ (seasonality) trong chuỗi thời gian đề cập đến các mô hình biến động lặp đi lặp lại và có thể dự đoán được xảy ra trong khoảng thời gian cố định, thường là hàng năm (ví dụ: doanh số bán lẻ tăng cao vào dịp lễ tết) hoặc hàng quý (ví dụ: doanh thu du lịch theo mùa).

Biến định tính hay biến phân loại là biến mà giá trị của nó thuộc về một tập hợp hữu hạn các danh mục hoặc nhóm rời rạc, ví dụ như màu sắc, giới tính, hoặc loại sản phẩm.

Sai số chuẩn của trung bình mẫu (SEM) là độ lệch chuẩn của phân phối lấy mẫu của trung bình mẫu. Nó đo lường mức độ biến động của trung bình mẫu từ mẫu này sang mẫu khác, và cho biết độ chính xác của trung bình mẫu như một ước lượng cho trung bình tổng thể.