Đề thi, bài tập trắc nghiệm online Thống kê trong kinh tế và kinh doanh – Đề 15

Kiểm định Chi-bình phương (Chi-squared test) được sử dụng để kiểm tra tính độc lập giữa hai biến định tính. Nó so sánh tần số quan sát được trong bảng chéo (contingency table) với tần số kỳ vọng nếu hai biến độc lập nhau.

Phân phối Poisson thường được sử dụng để mô hình hóa số lần xuất hiện của một sự kiện hiếm trong một khoảng thời gian hoặc không gian nhất định. Trong phân tích rủi ro, nó có thể mô hình hóa tần suất các sự cố, lỗi, hoặc sự kiện bất thường khác.

Chỉ số giá tiêu dùng (CPI) là một số chỉ số tổng hợp gia quyền, đo lường sự thay đổi giá cả trung bình của một giỏ hàng hóa và dịch vụ tiêu dùng theo thời gian, với trọng số được xác định bởi tỷ trọng chi tiêu của người tiêu dùng cho từng mặt hàng.

Giá trị trung bình cộng rất nhạy cảm với các giá trị ngoại lệ vì nó được tính bằng tổng tất cả các giá trị chia cho số lượng giá trị. Các giá trị quá lớn hoặc quá nhỏ (outliers) có thể kéo trung bình cộng lên hoặc xuống đáng kể, không phản ánh đúng bản chất của phần lớn dữ liệu.

Độ lệch chuẩn (standard deviation) là một thước đo độ phân tán, cho biết mức độ các giá trị dữ liệu phân tán xung quanh giá trị trung bình của chúng. Độ lệch chuẩn càng lớn, dữ liệu càng phân tán rộng hơn.

Giá trị p (p-value) là xác suất để thu được kết quả mẫu quan sát được (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, dẫn đến việc bác bỏ H0.

Lấy mẫu thuận tiện (convenience sampling) là một kỹ thuật lấy mẫu phi xác suất, dựa trên việc chọn mẫu dễ dàng tiếp cận nhất. Các phương pháp lấy mẫu xác suất (ngẫu nhiên đơn giản, phân tầng, cụm) đảm bảo mọi đơn vị trong tổng thể có cơ hội được chọn vào mẫu.

Hiện tượng đa cộng tuyến (multicollinearity) trong kinh tế lượng xảy ra khi có mối tương quan cao giữa hai hoặc nhiều biến độc lập trong mô hình hồi quy. Đa cộng tuyến có thể làm cho các ước lượng hệ số hồi quy không ổn định và khó diễn giải ý nghĩa kinh tế.

Phân tích phương sai (ANOVA) được sử dụng để kiểm tra xem có sự khác biệt đáng kể về trung bình giữa ba hoặc nhiều nhóm (tổng thể) hay không. ANOVA phân tích sự biến thiên tổng thể thành các thành phần khác nhau để xác định nguồn gốc của sự khác biệt.

Kiểm định t (t-test) được sử dụng khi cỡ mẫu nhỏ (thường n < 30) và phương sai tổng thể không được biết. Trong trường hợp này, phương sai mẫu được sử dụng để ước tính phương sai tổng thể, và phân phối t-Student được sử dụng thay vì phân phối chuẩn. Kiểm định z (z-test) thường dùng khi cỡ mẫu lớn hoặc khi phương sai tổng thể đã biết.

Sai số loại I (Type I error), còn gọi là lỗi 'bác bỏ đúng', xảy ra khi chúng ta kết luận có bằng chứng chống lại giả thuyết null (H0) và bác bỏ nó, trong khi thực tế H0 là đúng. Ngược lại, sai số loại II là không bác bỏ H0 khi nó sai.

Thống kê suy diễn (inferential statistics) sử dụng dữ liệu mẫu để đưa ra các suy luận, ước lượng hoặc quyết định về tổng thể mà mẫu được rút ra. Các kỹ thuật như kiểm định giả thuyết và ước lượng khoảng tin cậy là cốt lõi của thống kê suy diễn.

Biểu đồ histogram là biểu đồ cột đặc biệt được sử dụng để hiển thị phân phối tần suất của dữ liệu định lượng liên tục. Histogram chia dữ liệu thành các khoảng (bins) và thể hiện tần số (hoặc tần suất tương đối) của dữ liệu trong mỗi khoảng bằng chiều cao của cột.

Việc giữ nguyên dữ liệu bị thiếu (missing data) và tiến hành phân tích thường không phải là một phương pháp xử lý phù hợp. Dữ liệu bị thiếu có thể gây ra sai lệch trong phân tích và làm giảm độ chính xác của kết quả. Các phương pháp khác (loại bỏ quan sát, thay thế bằng giá trị trung bình, thay thế bằng giá trị ngẫu nhiên - cần cẩn trọng) là các cách tiếp cận để xử lý dữ liệu bị thiếu, mặc dù mỗi phương pháp có ưu và nhược điểm riêng.

Hệ số góc trong hồi quy tuyến tính đơn đo lường sự thay đổi trung bình của biến phụ thuộc (Y) khi biến độc lập (X) tăng lên một đơn vị. Nó thể hiện độ dốc của đường hồi quy.

Phân tích chuỗi thời gian là một tập hợp các kỹ thuật thống kê được sử dụng để phân tích dữ liệu theo thời gian và dự báo các giá trị tương lai. Trong kinh doanh, phân tích chuỗi thời gian rất hữu ích để dự báo doanh số, nhu cầu, và các chỉ số kinh tế khác dựa trên các mẫu hình lịch sử.

Biến định tính (qualitative variable) hay biến phân loại, mô tả các đặc điểm hoặc thuộc tính không đo lường được bằng số, mà được phân loại vào các nhóm hoặc danh mục. Màu sắc sản phẩm (ví dụ: đỏ, xanh, vàng) là một biến định tính. Các lựa chọn khác là biến định lượng (quantitative variable).

Thống kê phi tham số (non-parametric statistics) có ưu điểm chính là ít phụ thuộc vào các giả định về phân phối dữ liệu so với thống kê tham số. Chúng thường được sử dụng khi dữ liệu không tuân theo phân phối chuẩn hoặc khi cỡ mẫu nhỏ, nơi các giả định của thống kê tham số có thể không được đáp ứng.

Phân tích hồi quy tuyến tính đa biến (multiple linear regression) là phương pháp thống kê phù hợp để mô hình hóa và khám phá mối quan hệ giữa một biến phụ thuộc định lượng và nhiều biến độc lập. Nó cho phép xem xét ảnh hưởng đồng thời của nhiều yếu tố đến biến phụ thuộc.

Lấy mẫu thuận tiện (convenience sampling) thường dễ dẫn đến sai lệch chọn mẫu nhất vì nó không đảm bảo tính đại diện của mẫu cho tổng thể. Việc phỏng vấn khách hàng tại cửa hàng vào giờ cao điểm có thể bỏ qua ý kiến của những khách hàng mua sắm vào thời điểm khác hoặc mua hàng trực tuyến, do đó không phản ánh đúng mức độ hài lòng của toàn bộ khách hàng.

Hệ số xác định R-squared (R²) đo lường tỷ lệ phần trăm biến thiên của biến phụ thuộc được giải thích bởi mô hình hồi quy. R² = 0.85 nghĩa là 85% sự biến động của biến phụ thuộc có thể được giải thích bằng các biến độc lập trong mô hình.

Biểu đồ tròn (pie chart) được thiết kế để hiển thị tỷ lệ phần trăm của các phần so với tổng thể, mỗi phần tương ứng với một 'miếng bánh' trên hình tròn. Các biểu đồ khác có mục đích sử dụng khác nhau.

Phân tích chuỗi thời gian thường phân tách dữ liệu thành các thành phần chính như xu hướng (trend), tính mùa vụ (seasonality), tính chu kỳ (cyclicality), và tính ngẫu nhiên (randomness). 'Tính đồng nhất' không phải là một thành phần truyền thống trong phân tích chuỗi thời gian.

Thống kê mô tả tập trung vào việc mô tả các đặc điểm chính của dữ liệu thông qua các phương pháp như bảng, biểu đồ và các số đo tóm tắt (ví dụ: trung bình, độ lệch chuẩn). Các lựa chọn khác thuộc về thống kê suy diễn.

Khi cỡ mẫu (n) tăng, sai số chuẩn của trung bình mẫu (σ/√n) giảm. Vì độ rộng của khoảng tin cậy tỷ lệ thuận với sai số chuẩn, nên độ rộng của khoảng tin cậy sẽ giảm khi cỡ mẫu tăng, giữ cho độ tin cậy không đổi, do ước lượng trung bình tổng thể trở nên chính xác hơn.

Hệ số tương quan Pearson (r) đo lường độ mạnh và hướng của mối quan hệ tuyến tính giữa hai biến định lượng. Giá trị của r nằm trong khoảng [-1, 1], với giá trị gần 1 hoặc -1 biểu thị mối quan hệ tuyến tính mạnh, và giá trị gần 0 biểu thị mối quan hệ tuyến tính yếu hoặc không có.

Độ co giãn (elasticity) trong kinh tế học đo lường mức độ phản ứng (độ nhạy) của một biến kinh tế (ví dụ: cầu) đối với sự thay đổi của một biến kinh tế khác (ví dụ: giá). Nó thường được biểu diễn dưới dạng tỷ lệ phần trăm thay đổi.

Trung vị (median) ít bị ảnh hưởng bởi các giá trị ngoại lệ (outliers) hơn so với trung bình cộng (mean). Khi dữ liệu có các giá trị cực đoan, trung vị thường phản ánh xu hướng trung tâm của phần lớn dữ liệu tốt hơn trung bình cộng. Trong trường hợp dữ liệu phân phối chuẩn hoặc không có outliers, trung bình cộng thường được ưa chuộng.

Dữ liệu chuỗi thời gian là dữ liệu được thu thập theo thời gian, ví dụ như GDP hàng năm, tỷ lệ lạm phát hàng tháng, giá cổ phiếu hàng ngày. Dữ liệu kinh tế thường xuyên được theo dõi và ghi lại theo thời gian để phân tích xu hướng và biến động.

Biến giả (dummy variable) là biến định lượng được sử dụng để biểu diễn các biến định tính trong mô hình hồi quy. Ví dụ, biến 'giới tính' (nam/nữ) có thể được mã hóa bằng biến giả (ví dụ: 1 cho nam, 0 cho nữ) để đưa vào mô hình hồi quy.