Đề thi, bài tập trắc nghiệm online Thống kê trong kinh tế và kinh doanh – Đề 1

Biểu đồ phân tán (scatter plot) là một công cụ trực quan hóa dữ liệu hiệu quả để khám phá mối quan hệ giữa hai biến định lượng. Mỗi điểm trên biểu đồ đại diện cho một quan sát, với vị trí được xác định bởi giá trị của hai biến. Biểu đồ phân tán giúp nhận biết hình dạng, hướng và sức mạnh của mối quan hệ (ví dụ: tuyến tính, phi tuyến tính, dương, âm, mạnh, yếu).

Thành phần mùa vụ (seasonal component) trong phân tích chuỗi thời gian thể hiện sự biến động lặp đi lặp lại trong một khoảng thời gian cố định, thường là hàng năm (ví dụ: doanh số bán lẻ tăng cao vào dịp lễ Tết), hàng quý hoặc hàng tháng (ví dụ: doanh thu du lịch theo mùa). Thành phần mùa vụ có thể dự đoán được và thường liên quan đến các yếu tố thời tiết, văn hóa, hoặc quy định.

Giá trị P (P-value) là xác suất quan sát được kết quả mẫu, hoặc kết quả cực đoan hơn, nếu giả thuyết rỗng là đúng. Giá trị P càng nhỏ, bằng chứng chống lại giả thuyết rỗng càng mạnh. Nếu P-value nhỏ hơn mức ý nghĩa (alpha), ta bác bỏ giả thuyết rỗng.

Trong thống kê và nghiên cứu, 'độ tin cậy' (reliability) của một thước đo đề cập đến tính nhất quán và ổn định của thước đo khi được sử dụng lặp lại để đo lường cùng một khái niệm hoặc hiện tượng. Một thước đo có độ tin cậy cao sẽ cho kết quả tương tự nhau trong các lần đo khác nhau, nếu khái niệm được đo không thay đổi.

Hệ số xác định R-squared (R²) trong phân tích hồi quy đa biến (multiple regression) đo lường tỷ lệ phương sai của biến phụ thuộc (Y) được giải thích bởi các biến độc lập (X) trong mô hình hồi quy. R² có giá trị từ 0 đến 1, giá trị càng cao cho thấy mô hình càng phù hợp với dữ liệu.

Phân phối chuẩn (Normal Distribution), còn gọi là phân phối Gaussian, là một phân phối xác suất liên tục đối xứng, có hình dạng chuông. Nó được xác định hoàn toàn bởi hai tham số: trung bình (μ) và độ lệch chuẩn (σ). Nhiều hiện tượng tự nhiên và kinh tế có xu hướng tuân theo phân phối chuẩn.

Giá trị trung bình cộng được tính bằng tổng tất cả các giá trị chia cho số lượng giá trị. Do đó, một giá trị ngoại lai (quá lớn hoặc quá nhỏ so với phần lớn dữ liệu) sẽ kéo giá trị trung bình cộng về phía nó, làm cho nó ít đại diện hơn cho trung tâm của dữ liệu.

Phương pháp trung bình trượt (moving average) là một kỹ thuật làm mịn chuỗi thời gian (time series smoothing) phổ biến. Nó được sử dụng để loại bỏ các biến động ngắn hạn và nhiễu ngẫu nhiên trong chuỗi thời gian, giúp làm nổi bật xu hướng và các mô hình dài hạn hơn. Bằng cách tính trung bình của một số quan sát liên tiếp, phương pháp này giảm bớt sự biến động và làm cho chuỗi thời gian trở nên mượt mà hơn.

Làm sạch dữ liệu (data cleaning) là một bước quan trọng trong quy trình phân tích dữ liệu. Nó bao gồm việc xử lý và sửa lỗi dữ liệu (ví dụ: lỗi nhập liệu, dữ liệu không nhất quán), loại bỏ dữ liệu không hợp lệ hoặc thiếu sót, và chuyển đổi dữ liệu sang định dạng phù hợp cho phân tích. Dữ liệu sạch đảm bảo kết quả phân tích chính xác và đáng tin cậy hơn.

Sai số loại II (Type II error), còn gọi là lỗi beta (β), xảy ra khi chúng ta không bác bỏ giả thuyết rỗng (H0) mặc dù trên thực tế nó là sai. Nói cách khác, chúng ta bỏ lỡ việc phát hiện ra một hiệu ứng hoặc mối quan hệ thực sự tồn tại.

Mức ý nghĩa (significance level) alpha (α), thường được chọn là 0.05 (hoặc 5%), là xác suất tối đa mà chúng ta sẵn sàng chấp nhận mắc sai số loại I (Type I error). Sai số loại I xảy ra khi chúng ta bác bỏ giả thuyết rỗng (H0) mặc dù trên thực tế nó là đúng. Vì vậy, alpha = 0.05 có nghĩa là chúng ta chấp nhận 5% rủi ro bác bỏ H0 khi H0 thực sự đúng.

Kiểm định phi tham số (non-parametric test) được sử dụng khi các giả định của kiểm định tham số (parametric test), chẳng hạn như dữ liệu tuân theo phân phối chuẩn hoặc phương sai đồng nhất, không được đáp ứng. Kiểm định phi tham số ít phụ thuộc vào các giả định về phân phối và thường phù hợp hơn với dữ liệu thứ bậc hoặc dữ liệu không tuân theo phân phối chuẩn.

Phương pháp lấy mẫu ngẫu nhiên phân tầng (stratified random sampling) hiệu quả khi tổng thể có thể được chia thành các nhóm (strata) đồng nhất bên trong (ví dụ: theo độ tuổi, thu nhập, khu vực địa lý) nhưng khác biệt giữa các nhóm. Bằng cách lấy mẫu ngẫu nhiên từ mỗi tầng, chúng ta có thể đảm bảo tính đại diện của mẫu cho từng nhóm và tăng độ chính xác của ước lượng tổng thể.

Thống kê mô tả là ngành thống kê tập trung vào việc mô tả các đặc điểm chính của dữ liệu bằng cách tóm tắt và trình bày dữ liệu đó một cách có ý nghĩa. Các phương pháp thống kê mô tả bao gồm tính toán các số đo trung tâm, số đo phân tán và trình bày dữ liệu bằng biểu đồ, bảng biểu.

Hệ số tương quan (Correlation coefficient), thường ký hiệu là r, đo lường sức mạnh 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 +1 cho thấy mối quan hệ tuyến tính dương mạnh, gần -1 cho thấy mối quan hệ tuyến tính âm mạnh, và gần 0 cho thấy mối quan hệ tuyến tính yếu hoặc không có.

Biểu đồ hộp (Box plot), hay còn gọi là biểu đồ hộp và râu, là một công cụ trực quan hóa dữ liệu hữu ích để tóm tắt và so sánh phân phối của một hoặc nhiều bộ dữ liệu. Nó hiển thị các tứ phân vị (quartiles), giá trị trung vị (median), và các giá trị ngoại lai (outliers), giúp nhận biết hình dạng phân phối, độ lệch và sự phân tán của dữ liệu.

Thống kê là công cụ quan trọng cho mọi loại hình doanh nghiệp, không phân biệt quy mô lớn hay nhỏ. Doanh nghiệp nhỏ cũng có thể sử dụng thống kê để phân tích dữ liệu bán hàng, khách hàng, chi phí,... để đưa ra quyết định kinh doanh hiệu quả hơn. Phát biểu 3 là sai vì thống kê hữu ích cho cả doanh nghiệp lớn và nhỏ.

Biến định tính được chia thành hai loại chính: biến định danh (nominal) và biến thứ bậc (ordinal). Biến định danh chỉ phân loại đối tượng vào các nhóm khác nhau mà không có thứ tự (ví dụ: giới tính, màu sắc). Biến thứ bậc phân loại đối tượng vào các nhóm có thứ tự (ví dụ: mức độ hài lòng, trình độ học vấn).

Trong phân tích chuỗi thời gian (time series analysis), thành phần xu hướng (trend) thể hiện sự biến động dài hạn và có hệ thống của chuỗi thời gian theo thời gian. Xu hướng có thể là tăng, giảm hoặc đi ngang và phản ánh các yếu tố cơ bản ảnh hưởng đến chuỗi thời gian trong dài hạn.

Độ lệch chuẩn (Standard Deviation) là một thước đo sự phân tán của một tập dữ liệu. Nó cho biết dữ liệu phân tán rộng hay hẹp xung quanh giá trị trung bình. Độ lệch chuẩn càng lớn, dữ liệu càng phân tán rộng hơn.

Ưu điểm lớn nhất của việc sử dụng dữ liệu thứ cấp (secondary data) là chi phí thu thập thường thấp hơn nhiều so với dữ liệu sơ cấp, và thời gian thu thập cũng nhanh chóng hơn đáng kể vì dữ liệu đã có sẵn. Tuy nhiên, dữ liệu thứ cấp có thể không hoàn toàn phù hợp với mục tiêu nghiên cứu cụ thể và có thể cần đánh giá cẩn thận về độ tin cậy và tính phù hợp.

Trong mô hình hồi quy tuyến tính đơn giản, hệ số góc (slope coefficient) đo lường sự thay đổi trung bình của biến phụ thuộc (Y) khi biến độc lập (X) tăng lên một đơn vị, giữ các yếu tố khác không đổi. Nó thể hiện độ dốc của đường hồi quy.

Phân tích phương sai (ANOVA - Analysis of Variance) là một phương pháp thống kê được sử dụng để so sánh trung bình của ba hoặc nhiều hơn các nhóm (tổng thể). ANOVA kiểm tra xem có sự khác biệt đáng kể về mặt thống kê giữa các trung bình nhóm hay không bằng cách phân tích phương sai trong và giữa các nhóm.

Dữ liệu sơ cấp là dữ liệu được thu thập trực tiếp từ nguồn gốc ban đầu cho mục đích nghiên cứu cụ thể. Các phương pháp phỏng vấn, khảo sát, quan sát đều là các phương pháp thu thập dữ liệu sơ cấp. Nghiên cứu tài liệu đã công bố sử dụng dữ liệu thứ cấp (dữ liệu đã được thu thập và công bố trước đó).

Khi biến phụ thuộc là biến định tính nhị phân (binary) (chỉ có hai giá trị, ví dụ: 0/1, có/không, thành công/thất bại), hồi quy Logistic (Logistic Regression) là phương pháp hồi quy phù hợp nhất. Hồi quy Logistic mô hình hóa xác suất xảy ra một sự kiện (ví dụ: xác suất khách hàng mua sản phẩm) dựa trên các biến độc lập.

Khoảng tin cậy (Confidence Interval) là một khoảng giá trị được xây dựng từ dữ liệu mẫu, được sử dụng để ước lượng giá trị thực của tham số tổng thể. Khoảng tin cậy đi kèm với một mức độ tin cậy (ví dụ: 95%), thể hiện tỷ lệ các khoảng tin cậy được xây dựng theo cách này chứa tham số tổng thể thực sự trong dài hạn.

Kiểm định Chi bình phương (Chi-square test) là một kiểm định thống kê thường được sử dụng để kiểm định sự độc lập giữa hai biến định tính. Kiểm định này so sánh tần số quan sát được với tần số kỳ vọng (nếu hai biến độc lập) để xác định xem có mối liên hệ đáng kể giữa chúng hay không.

Kiểm định giả thuyết thống kê là một quy trình sử dụng dữ liệu mẫu để đánh giá bằng chứng chống lại giả thuyết rỗng. Mục tiêu là đưa ra quyết định (bác bỏ hoặc không bác bỏ giả thuyết rỗng) dựa trên xác suất quan sát được dữ liệu mẫu nếu giả thuyết rỗng là đúng.

Khi kích thước mẫu (sample size) tăng lên, độ rộng của khoảng tin cậy (Confidence Interval) thường giảm xuống. Điều này là do kích thước mẫu lớn hơn cung cấp nhiều thông tin hơn về tổng thể, dẫn đến ước lượng tham số tổng thể chính xác hơn và khoảng tin cậy hẹp hơn. Khoảng tin cậy hẹp hơn cho thấy chúng ta có độ tin cậy cao hơn rằng tham số tổng thể thực sự nằm trong khoảng ước lượng.

Sai số chuẩn của trung bình mẫu (Standard Error of the Mean) đo lường mức độ biến động của trung bình mẫu từ mẫu này sang mẫu khác. Nó tỷ lệ nghịch với căn bậc hai của kích thước mẫu (n). Do đó, khi kích thước mẫu tăng lên, sai số chuẩn của trung bình mẫu giảm xuống, nghĩa là ước lượng trung bình tổng thể trở nên chính xác hơn.