AP Statistics

cụm (trong phân phối dữ liệu)cluster

clusterVietnamese: cụm (trong phân phối dữ liệu)

Còn gọi:Also called: cluster

Định nghĩaIn short

Cụm là một nhóm giá trị trong phân phối dữ liệu tụ lại gần nhau, tách biệt hẳn khỏi các nhóm giá trị khác bởi một khoảng trống ở giữa.A cluster is a group of values in a distribution that bunch together and are separated from other groups of values by a gap.

Trực giác: Giống như nhìn một bãi đậu xe thấy xe không nằm rải đều mà tụ thành hai ba đám riêng, mỗi đám cách nhau một khoảng trống.Intuition: Picture a parking lot where the cars aren't spread out evenly but sit in two or three separate bunches, with empty space between them.

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Cụm trong phân phối dữ liệu là một nhóm quan sát tập trung trong một vùng và tách khỏi nhóm khác bởi khoảng gần như không có dữ liệu. Trên đồ thị chấm hoặc biểu đồ tần số, cụm có thể gợi ý dữ liệu gồm nhiều nhóm con khác nhau.

Biểu đồ hộp khó thể hiện cụm vì chỉ dùng năm giá trị tóm tắt; các phân phối có cấu trúc khác nhau vẫn có thể cho cùng biểu đồ hộp.

A cluster in a data distribution is a group of observations concentrated in one region and separated from other groups by an interval with almost no data. On a dotplot or histogram, clusters can suggest that the data come from several distinct subgroups.

Boxplots hide clusters because they show only the five-number summary; distributions with very different structure can produce identical boxplots.

Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Không dùng định nghĩa cụm dữ liệu cho chọn mẫu theo cụm.

Trong phân phối, cụm gồm các giá trị tập trung; trong chọn mẫu theo cụm, cụm là nhóm đơn vị có sẵn được chọn nguyên khối.

Hai đỉnh chưa chắc tạo thành hai cụm.

Phân phối hai đỉnh có thể vẫn liền mạch; hãy kiểm tra xem các vùng tập trung có tách nhau bằng khoảng trống hay không.

Một cụm nhỏ không phải là một giá trị ngoại lai.

Giá trị ngoại lai là điểm riêng lẻ nằm xa phần còn lại; cụm gồm nhiều điểm gần nhau nhưng tách khỏi nhóm lớn.

Don't confuse a cluster in a distribution with a cluster in cluster sampling.

In a distribution, a cluster is a set of values crowded together; in cluster sampling, a cluster is a pre-existing group of units selected as a whole.

Two peaks do not automatically mean two clusters.

A bimodal distribution can still be continuous across its middle, so check whether the concentrated regions are actually separated by a gap.

A small cluster is not an outlier.

An outlier is a single point far from the rest of the data, while a cluster is several points close to each other but set apart from the main group.

Mẹo phòng thiExam tips2 mẹo2 tips

Đưa cụm vào phần đặc điểm bất thường.

Nếu đồ thị cho thấy dữ liệu tách nhóm, hãy nêu khoảng trống và các vùng giá trị mà nó phân chia, thay vì chỉ viết “có cụm”.

Dùng biểu đồ thứ hai để giải thích cụm.

Biểu đồ tần số cho thấy cụm; biểu đồ phân tán có thể cho biết cụm gắn với giá trị nào của biến giải thích. Hãy nối hai thông tin trong một câu.

Report clusters under unusual features.

If the graph shows the data breaking into groups, describe the gap and the ranges of values it separates instead of just writing "there are clusters."

Use a second display to explain the clusters.

A histogram reveals the clusters; a scatterplot can show which values of the explanatory variable they correspond to. Combine the two pieces of information in one sentence.

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsHay gặpCommon
Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

1932Harold DriverAlfred KroeberJoseph ZubinRobert TryonRaymond CattellStuart Lloyd

Chữ "cụm" bắt nguồn từ một từ cổ trong tiếng Anh chỉ một nhóm người hay vật nằm sát nhau, còn cách dùng nó như một thuật ngữ thống kê hình thành từ năm 1932, khi Driver và Kroeber đưa phân tích cụm (cluster analysis) vào ngành nhân học để gom các nền văn hóa và cá nhân thành nhóm.
The word "cluster" comes from an old English term for a group of people or things packed closely together. Its statistical use dates to 1932, when Driver and Kroeber introduced cluster analysis in anthropology to group cultures and individuals.

Vì sao mang đúng cái tên này? Từ "cluster" đi ra từ chữ "clustor" trong tiếng Anh cổ, nghĩa là một nhóm người hoặc vật gắn với nhau, và có họ với từ "kluftr" trong tiếng Bắc Âu cổ dùng để chỉ một toán lính. Cái lõi nghĩa ấy — nhiều đơn vị riêng lẻ nhưng đứng chụm lại thành một khối nhận ra được — chính là thứ được giữ nguyên khi thống kê mượn từ này: một cụm trên biểu đồ là những giá trị dồn về cùng một vùng, tách khỏi phần còn lại bởi các khoảng trống. Thú vị hơn, phân tích cụm từng có một tên gọi khác là "botryology", dựng từ chữ βότρυς trong tiếng Hy Lạp nghĩa là chùm nho, cho thấy người đặt tên nghĩ đến đúng hình ảnh các quả mọc túm tụm quanh một cuống. Ngày nay trong khai phá dữ liệu (data mining), các thuật toán như K trung bình (K-means) do Stuart Lloyd đề xuất năm 1957 hay phân cụm phân cấp (hierarchical clustering) năm 1963 vẫn đi tìm đúng những túm ấy, chỉ khác là bằng máy tính thay vì bằng mắt.

Thử nghiệm tương tácInteractive explorer

Kéo độ rộng nhóm — nhìn khoảng trống giữa hai cụm hiện ra rồi biến mất

Kéo độ rộng nhóm — nhìn khoảng trống giữa hai cụm hiện ra rồi biến mất

Kéo tham số, thấy khái niệm chuyển động — đăng nhập để mở.Drag the parameters and watch the concept move — sign in to open.

Tạo tài khoảnCreate an account
Ví dụ có lời giảiWorked example3 phút đọc3 min read
Một trường trung học khảo sát 30 học sinh khối 11 về thời gian di chuyển từ nhà đến trường vào buổi sáng (đơn vị: phút). Kết quả được ghép nhóm với độ rộng mỗi nhóm là 5 phút như sau: [5, 10): 4 học sinh; [10, 15): 7 học sinh; [15, 20): 5 học sinh; [20, 25): 1 học sinh; [25, 30): 0 học sinh; [30, 35): 0 học sinh; [35, 40): 3 học sinh; [40, 45): 6 học sinh; [45, 50): 4 học sinh. Nhà trường muốn dùng số liệu này để lên kế hoạch cho xe đưa đón.
  1. aMô tả phân phối của thời gian di chuyển, có nêu rõ đặc điểm bất thường nếu có.
  2. bHiệu trưởng báo cáo rằng "thời gian di chuyển trung bình của học sinh là khoảng 26 phút". Hãy tính lại con số này từ bảng tần số và giải thích vì sao nó dễ gây hiểu lầm.
1Bước 1: Hình dung dạng biểu đồ tần số trước khi mô tả. Cột cao dần từ nhóm [5, 10) lên đỉnh ở nhóm [10, 15) rồi thấp dần xuống 1 học sinh ở nhóm [20, 25); sau đó hai nhóm [25, 30) và [30, 35) hoàn toàn trống; tiếp theo các cột lại dựng lên với đỉnh thứ hai ở nhóm [40, 45). Như vậy biểu đồ có hai vùng dày số liệu tách rời nhau chứ không phải một khối liền mạch.
2Bước 2: Đặt tên cho các đặc điểm vừa thấy. Hai vùng dày số liệu chính là hai cụm: cụm thứ nhất trải từ 5 đến 25 phút và chứa 4+7+5+1=174+7+5+1=17 học sinh, cụm thứ hai trải từ 35 đến 50 phút và chứa 3+6+4=133+6+4=13 học sinh. Giữa hai cụm là một khoảng trống (gap) rộng 10 phút, từ 25 đến 35 phút, nơi không có học sinh nào. Vì có hai đỉnh nên phân phối được gọi là phân phối hai đỉnh (bimodal), và ở đây không có giá trị ngoại lai (outlier) nào tách hẳn khỏi cả hai cụm.
3Bước 3: Trả lời ý (a) bằng một câu mô tả đầy đủ và gắn với ngữ cảnh: phân phối thời gian di chuyển của 30 học sinh có hai cụm, một cụm khoảng 5–25 phút với 17 học sinh và một cụm khoảng 35–50 phút với 13 học sinh, ngăn cách bởi khoảng trống 25–35 phút; hình dạng tổng thể là hai đỉnh, độ phân tán lớn (trải từ 5 đến 50 phút) và không có giá trị ngoại lai. Một cách giải thích hợp lý là cụm gần gồm học sinh đi bộ hoặc đi xe đạp trong nội thành, còn cụm xa gồm học sinh ở các xã lân cận.
4Bước 4: Tính trung bình xấp xỉ từ bảng tần số bằng điểm giữa mim_i của mỗi nhóm nhân với tần số fif_i: ∑mifi=7,5(4)+12,5(7)+17,5(5)+22,5(1)+37,5(3)+42,5(6)+47,5(4)=785\sum m_i f_i = 7{,}5(4)+12{,}5(7)+17{,}5(5)+22{,}5(1)+37{,}5(3)+42{,}5(6)+47{,}5(4)=785. Do đó xˉ≈∑mifin=78530≈26,2.\bar{x}\approx\frac{\sum m_i f_i}{n}=\frac{785}{30}\approx 26{,}2. Con số này nói rằng nếu chia đều tổng thời gian di chuyển cho 30 học sinh thì mỗi em được khoảng 26,2 phút.
5Bước 5: Đối chiếu giá trị vừa tính với hình dạng phân phối để trả lời ý (b). Giá trị 26,2 phút rơi đúng vào khoảng trống giữa hai cụm, nghĩa là trên thực tế không có học sinh nào mất khoảng chừng ấy thời gian. Khi dữ liệu tách thành hai cụm, trung bình bị kéo về vùng ở giữa và không đại diện cho bất kỳ nhóm nào; vì vậy báo cáo nên nêu riêng hai mức tiêu biểu, chẳng hạn khoảng 13 phút cho nhóm gần và khoảng 43 phút cho nhóm xa.

Phân phối thời gian di chuyển có hai cụm rõ rệt — khoảng 5–25 phút (17 học sinh) và khoảng 35–50 phút (13 học sinh) — cách nhau bởi khoảng trống 25–35 phút, hình dạng hai đỉnh và không có giá trị ngoại lai. Trung bình xấp xỉ 26,226{,}2 phút nằm ngay trong khoảng trống đó nên không mô tả đúng học sinh nào cả; nhà trường cần lập kế hoạch xe đưa đón theo từng cụm thay vì theo một con số trung bình chung.

Bạn nắm chắc chưa?Check your understanding

Quiz câu thật từ ngân hàng đềReal exam questions from our question bank

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.A few real questions on exactly this concept, graded instantly with an explanation for every choice — the system remembers how well you know it.

Tạo tài khoảnCreate an account

Học tiếp từ đâyKeep learning

Bài học chứa thuật ngữ nàyLesson that uses this termMô tả phân phối của một biến định lượngDữ liệu một biến & thu thập dữ liệu, khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termBiểu diễn các số đặc trưng bằng biểu đồDữ liệu một biến & thu thập dữ liệu, khoácourse AP Statistics
Mục tiêu và lộ trình unit ai cũng xem được — làm bài tập và lưu tiến độ thì cần đăng nhập.Anyone can view a unit's goals and roadmap — sign in to do the exercises and save your progress.

Hay nhầm vớiOften confused with

Khác nhau ở đâuHow they differCụm là một nhóm giá trị nằm sát nhau trên trục số. Khoảng trống là khoảng không có quan sát nào, chính nó tách các cụm ra.
Hay nhầm khiMixed up whenKhi mô tả histogram có hai vùng cột cách xa nhau, thí sinh gọi tên nhầm giữa phần có dữ liệu và phần trống ở giữa.
Khác nhau ở đâuHow they differCụm ở đây là đặc điểm hình dạng đọc được trên biểu đồ. Mẫu cụm là một cách chọn mẫu: chia tổng thể thành nhóm rồi bốc ngẫu nhiên vài nhóm.
Hay nhầm khiMixed up whenGặp chữ cluster trong đề, thí sinh hay trả lời về thiết kế chọn mẫu trong khi câu hỏi chỉ yêu cầu mô tả phân phối.

Cùng chủ đềSame topic

Nguồn tham khảoReferences

  1. [1]Barron_AP_Stat_2026. tr. 22–23, 48.

Biên soạn bởi DucklingStudy, bản quyền thuộc DucklingStudy.Written by DucklingStudy. © DucklingStudy. Xuất bảnPublished .