Đề thi, bài tập trắc nghiệm online Thống kê học – Đề 14

Giá trị P là xác suất quan sát được kết quả kiểm định (thống kê mẫu) hoặc một kết quả cực đoan hơn, giả sử rằng giả thuyết null là đúng. Nó không phải là xác suất giả thuyết null hoặc giả thuyết đối là đúng, mà là đo lường mức độ mâu thuẫn của dữ liệu mẫu với giả thuyết null.

Trong phân tích chuỗi thời gian (time series analysis), 'tính mùa vụ' (seasonality) đề cập đến mô hình biến động lặp lại trong một khoảng thời gian cố định, thường là một năm (ví dụ: doanh số bán lẻ tăng vào dịp lễ, nhiệt độ thay đổi theo mùa). Các thành phần khác của chuỗi thời gian bao gồm xu hướng (trend), tính chu kỳ (cyclical), và thành phần ngẫu nhiên (irregular/random).

Thống kê mô tả (descriptive statistics) được sử dụng để mô tả và tóm tắt các đặc điểm chính của một tập dữ liệu, bao gồm các biện pháp xu hướng trung tâm (trung bình, trung vị, mốt), độ phân tán (độ lệch chuẩn, phương sai, khoảng biến thiên), và hình dạng phân phối. Thống kê suy diễn (inferential statistics) được dùng để đưa ra kết luận về quần thể dựa trên mẫu.

Nghiên cứu когорт (cohort study) là một loại nghiên cứu quan sát dọc (longitudinal study) trong đó một nhóm người ( когорт) được theo dõi theo thời gian để xem sự phát triển của một bệnh hoặc tình trạng cụ thể và xác định các yếu tố nguy cơ hoặc yếu tố bảo vệ. Đây là một phương pháp quan trọng trong dịch tễ học và thống kê sinh học.

Trong hồi quy tuyến tính, hệ số chặn (intercept) là giá trị dự đoán của biến phụ thuộc (Y) khi tất cả các biến độc lập (X) bằng 0. Nó là điểm mà đường hồi quy cắt trục Y.

Phân phối chuẩn (phân phối Gaussian) là nền tảng cho nhiều kiểm định giả thuyết tham số do Định lý Giới hạn Trung tâm (Central Limit Theorem). Định lý này nói rằng phân phối của trung bình mẫu sẽ xấp xỉ phân phối chuẩn khi kích thước mẫu đủ lớn, bất kể phân phối gốc của quần thể là gì.

Lấy mẫu ngẫu nhiên đơn giản (Simple Random Sampling) là phương pháp mà mỗi thành viên trong quần thể có cơ hội được chọn vào mẫu như nhau. Các phương pháp khác như lấy mẫu phân tầng, cụm, và thuận tiện không đảm bảo tính chất này.

Hệ số tương quan (thường là Pearson correlation coefficient) đo lường độ mạnh và hướng của mối quan hệ tuyến tính giữa hai biến định lượng. Nó có giá trị từ -1 đến +1, với giá trị tuyệt đối càng lớn thể hiện mối quan hệ tuyến tính càng mạnh, và dấu thể hiện hướng (dương hoặc âm).

Ma trận hiệp phương sai (covariance matrix) là một ma trận vuông mô tả hiệp phương sai giữa mỗi cặp biến trong một tập hợp các biến. Các phần tử trên đường chéo chính là phương sai của từng biến, và các phần tử ngoài đường chéo là hiệp phương sai giữa các cặp biến tương ứng.

Biểu đồ tròn hoặc biểu đồ cột là thích hợp nhất để thể hiện tần số (hoặc tỷ lệ phần trăm) của dữ liệu định tính (dữ liệu phân loại). Biểu đồ histogram dùng cho dữ liệu định lượng liên tục, biểu đồ hộp cho dữ liệu định lượng để so sánh phân phối, và biểu đồ phân tán cho mối quan hệ giữa hai biến định lượng.

Trong thống kê Bayesian, 'prior' (tiền nghiệm) là phân phối xác suất biểu thị niềm tin hoặc thông tin ban đầu của chúng ta về tham số quần thể trước khi thu thập và xem xét dữ liệu mẫu. Sau khi có dữ liệu mẫu, prior được cập nhật để tạo ra 'posterior' (hậu nghiệm) thông qua định lý Bayes.

Kỹ thuật 'bootstrap' là một phương pháp lấy mẫu lại (resampling) trong thống kê. Nó cho phép ước tính phân phối lấy mẫu của một thống kê (ví dụ: trung bình, trung vị, độ lệch chuẩn) bằng cách lấy mẫu lặp đi lặp lại có hoàn lại từ mẫu dữ liệu gốc. Bootstrap thường được sử dụng để ước tính sai số chuẩn, xây dựng khoảng tin cậy, và thực hiện kiểm định giả thuyết, đặc biệt khi các giả định tham số không được đáp ứng hoặc khi phân phối lấy mẫu không rõ.

Cronbach's Alpha là một hệ số thường được sử dụng để đánh giá độ tin cậy nội tại (internal consistency reliability) của một thang đo hoặc một tập hợp các mục đo lường cùng một khái niệm. Nó đánh giá mức độ tương quan giữa các mục trong thang đo. Các phương pháp khác đánh giá các loại độ tin cậy khác nhau (test-retest: ổn định theo thời gian, inter-rater: sự đồng thuận giữa các người đánh giá).

Hàm Kaplan-Meier (Kaplan-Meier estimator) là một phương pháp phi tham số được sử dụng trong phân tích sống sót (survival analysis) để ước tính hàm sống sót (survival function). Hàm sống sót cho biết xác suất một đối tượng sẽ sống sót qua một thời điểm cụ thể. Nó đặc biệt hữu ích khi có dữ liệu bị kiểm duyệt (censored data), tức là khi thời gian sự kiện không được quan sát cho tất cả các đối tượng.

Giá trị ngoại lệ (outlier) là một giá trị trong tập dữ liệu mà khác biệt đáng kể so với các giá trị khác, thường nằm rất xa so với phần lớn dữ liệu. Chúng có thể gây ảnh hưởng lớn đến các thống kê mô tả như trung bình và độ lệch chuẩn.

Phân phối Poisson được sử dụng để mô hình hóa số lần xuất hiện của một sự kiện hiếm gặp trong một khoảng thời gian hoặc không gian cố định. Phân phối nhị thức dùng cho số lần thành công trong một số lần thử cố định, phân phối chuẩn cho nhiều hiện tượng tự nhiên, và phân phối đều khi mọi kết quả có khả năng như nhau.

Trọng số (weights) được sử dụng trong thống kê để điều chỉnh cho sự khác biệt về tầm quan trọng hoặc tần suất xuất hiện của các quan sát trong mẫu. Điều này đặc biệt quan trọng trong các khảo sát hoặc nghiên cứu khi mẫu không hoàn toàn đại diện cho quần thể, ví dụ, do lấy mẫu không cân bằng hoặc tỷ lệ phản hồi khác nhau giữa các nhóm.

Apache Hadoop là một framework phần mềm mã nguồn mở được sử dụng để lưu trữ và xử lý các tập dữ liệu lớn một cách phân tán trên các cụm máy tính. Nó bao gồm Hadoop Distributed File System (HDFS) để lưu trữ và MapReduce để xử lý song song dữ liệu.

Độ mạnh kiểm định (statistical power) là xác suất bác bỏ đúng giả thuyết null (H0) khi nó thực sự sai. Nói cách khác, nó là khả năng kiểm định phát hiện ra một hiệu ứng thực sự tồn tại trong quần thể (nếu có). Độ mạnh kiểm định thường được biểu diễn là 1 - β, trong đó β là xác suất mắc sai lầm Loại II.

Sai số chuẩn (standard error) của trung bình mẫu đo lường độ biến động hoặc độ không chắc chắn của trung bình mẫu. Nó ước tính độ lệch chuẩn của phân phối lấy mẫu của trung bình mẫu, tức là mức độ mà trung bình mẫu có thể thay đổi từ mẫu này sang mẫu khác nếu chúng ta lấy nhiều mẫu từ cùng một quần thể.

Kiểm định chéo (cross-validation) là một kỹ thuật được sử dụng trong học máy để đánh giá hiệu suất của mô hình trên dữ liệu chưa từng thấy và ước tính khả năng tổng quát hóa của mô hình. Nó giúp phát hiện và tránh hiện tượng quá khớp (overfitting), khi mô hình hoạt động tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới.

Kiểm định Chi-bình phương (Chi-square test) là một phương pháp thống kê được sử dụng để phân tích dữ liệu phân loại và kiểm tra mối quan hệ (tính độc lập hoặc sự liên kết) giữa hai hoặc nhiều biến phân loại. Các phương pháp khác như hồi quy tuyến tính và ANOVA thường dành cho dữ liệu định lượng, và tương quan Pearson đo lường mối quan hệ tuyến tính giữa các biến định lượng.

Phân tích phương sai (ANOVA - Analysis of Variance) là một phương pháp thống kê được sử dụng để kiểm tra xem có sự khác biệt đáng kể về trung bình giữa ba nhóm hoặc nhiều hơn hay không. Kiểm định t-test được dùng cho hai nhóm, tương quan và hồi quy đo lường mối quan hệ giữa các biến, và thống kê mô tả tóm tắt một biến.

Biến định lượng (quantitative variable) là biến có giá trị là số và có thể đo lường được (ví dụ: chiều cao, cân nặng, nhiệt độ). Biến định tính (qualitative variable) hay biến phân loại (categorical variable) là biến có giá trị là các danh mục hoặc nhóm (ví dụ: màu sắc, giới tính, nghề nghiệp).

Kiểm định phi tham số (non-parametric test) được sử dụng khi các giả định của kiểm định tham số (parametric test), như dữ liệu tuân theo phân phối chuẩn hoặc yêu cầu về phương sai đồng nhất, không được đáp ứng. Chúng cũng phù hợp khi kích thước mẫu nhỏ hoặc khi làm việc với dữ liệu thứ bậc hoặc thứ tự.

Phân tích thành phần chính (PCA - Principal Component Analysis) là một phương pháp giảm số chiều dữ liệu phổ biến. Nó biến đổi dữ liệu thành một tập hợp các biến mới gọi là thành phần chính, mà mỗi thành phần chính là tổ hợp tuyến tính của các biến gốc và được sắp xếp theo thứ tự giảm dần của phương sai mà chúng giải thích được. Các phương pháp khác không trực tiếp hướng đến giảm số chiều.

Chuẩn hóa dữ liệu (data normalization) là quá trình chuyển đổi dữ liệu về cùng một thang đo (ví dụ: thang từ 0 đến 1 hoặc phân phối chuẩn hóa), thường được thực hiện để các biến có đơn vị đo khác nhau hoặc thang đo khác nhau có thể được so sánh và phân tích một cách công bằng. Nó không phải để loại bỏ ngoại lệ, thay đổi phân phối thành chuẩn, hay tăng kích thước mẫu.

Sai lầm Loại I (sai lầm α) xảy ra khi chúng ta bác bỏ giả thuyết null (H0) mặc dù nó thực sự đúng trong quần thể. Điều này còn được gọi là 'dương tính giả'.

Độ tin cậy (confidence level) của một khoảng tin cậy thể hiện tỷ lệ phần trăm các khoảng tin cậy được xây dựng từ các mẫu khác nhau (cùng kích thước, lấy từ cùng quần thể) mà chứa giá trị tham số quần thể thực sự. Ví dụ, độ tin cậy 95% nghĩa là nếu lặp lại quá trình lấy mẫu và xây dựng khoảng tin cậy nhiều lần, khoảng 95% các khoảng tin cậy sẽ chứa tham số quần thể thực.

Độ lệch chuẩn là thước đo mức độ phân tán của một tập dữ liệu xung quanh giá trị trung bình của nó. Các đại lượng khác như trung vị, trung bình và mốt là các thước đo xu hướng trung tâm, không phải độ phân tán.