Đang tải bài học…

AP Statistics

khảo sát

survey

Khảo sát (survey) là phương pháp thu thập dữ liệu bằng cách đặt câu hỏi cho một nhóm cá nhân và ghi lại câu trả lời của họ.

Khảo sát là công cụ thu thập dữ liệu phổ biến nhất trong thống kê học, đặc biệt khi đối tượng nghiên cứu là thái độ, quan điểm hoặc hành vi của con người. Thay vì quan sát trực tiếp hay tiến hành thực nghiệm, người nghiên cứu đặt câu hỏi — dưới dạng phỏng vấn, phiếu giấy, hoặc biểu mẫu trực tuyến — rồi tổng hợp câu trả lời để suy luận về tổng thể.

Để kết quả khảo sát có giá trị thống kê, mẫu được chọn phải đại diện cho tổng thể. Vì vậy, phương pháp chọn mẫu đóng vai trò then chốt: chọn mẫu ngẫu nhiên đơn giản, chọn mẫu phân tầng (stratified sampling) hay chọn mẫu cụm đều là những cách làm giảm sai lệch (bias). Ngược lại, các cách chọn không ngẫu nhiên — chẳng hạn chỉ khảo sát người tình nguyện tham gia — thường tạo ra sai lệch tự chọn, khiến kết quả không thể suy rộng được.

Ngoài cách chọn mẫu, chất lượng câu hỏi cũng ảnh hưởng trực tiếp đến độ tin cậy của dữ liệu. Câu hỏi dẫn dắt, từ ngữ mơ hồ, hoặc thứ tự câu hỏi không phù hợp đều có thể khiến người trả lời bị định hướng, từ đó tạo ra sai lệch phản hồi. Do đó, một khảo sát tốt cần chú ý đồng thời đến cả thiết kế mẫu lẫn thiết kế bộ câu hỏi.

Trực giác: Khảo sát giống như hỏi một nhóm người đại diện trong trường về giờ ngủ, rồi dùng câu trả lời đó để đoán thói quen của cả trường — miễn là nhóm được chọn thực sự ngẫu nhiên, không phải chỉ bạn bè thân thiết của bạn.

Khái niệm này sinh ra từ đâu

cuối thế kỷ 19 – đầu thế kỷ 20Anders Nicolai KiærCharles BoothSeebohm RowntreeArthur Lyon Bowley

Khảo sát theo nghĩa thống kê hiện đại hình thành ở châu Âu giai đoạn cuối thế kỷ 19 – đầu thế kỷ 20, khi Anders Nicolai Kiær, Charles Booth, Seebohm Rowntree và Arthur Lyon Bowley tìm cách đo đạc điều kiện sống của dân cư đô thị mà không phải đếm từng người.

Thử nghiệm tương tác

Phát phiếu khảo sát nhiều lần — xem con số chụm lại nhưng vẫn lệch

Hay hiểu sai

Mẫu lớn không sửa được thiên lệch nằm ở cách chọn mẫu.

Chọn ngẫu nhiên rồi vẫn phải kiểm tra điều kiện 10%: $n \le 0.10N$ .

Chỉ khái quát được cho đúng danh sách đã bốc thăm lấy mẫu ra.

Khảo sát chỉ cho thấy mối liên hệ, không kết luận được nhân quả.

Mẹo phòng thi

Ví dụ có lời giải

1Ví dụ 1/2

Một hội đồng nghệ thuật địa phương có 200 hội viên. Chủ tịch hội đồng muốn ước lượng tỉ lệ hội viên đã từng có kinh nghiệm viết hồ sơ xin tài trợ. Ông chọn ngẫu nhiên 30 hội viên và khảo sát nhóm được chọn về kinh nghiệm này. Trong 30 hội viên được chọn, có 12 người trả lời rằng họ đã từng viết hồ sơ xin tài trợ.

aXác định tổng thể, mẫu, tham số cần ước lượng và thống kê tính được từ cuộc khảo sát.
bCác điều kiện để suy luận bằng khoảng tin cậy $z$ một mẫu cho tỉ lệ đã được thỏa mãn hay chưa? Giải thích.

1Bước 1: Trước hết phải tách bạch bốn khái niệm mà đề gộp chung trong một đoạn văn. Tổng thể (population) ở đây là toàn bộ 200 hội viên của hội đồng nghệ thuật, còn mẫu là 30 hội viên được chọn ngẫu nhiên để khảo sát. Đại lượng ta muốn biết nhưng không quan sát được là tham số

p

, tức tỉ lệ trong cả 200 hội viên đã từng viết hồ sơ xin tài trợ. Đại lượng ta thực sự tính được từ dữ liệu là thống kê

\hat p = 12/30 = 0{,}4

, nghĩa là 40% số người được khảo sát trả lời có kinh nghiệm.

Bạn nắm chắc chưa?

Quiz câu thật từ ngân hàng đề

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.

Tạo tài khoản miễn phí

Học tiếp từ đây

Bài học chứa thuật ngữ nàyDữ liệu một biến & thu thập dữ liệu · bài “Câu hỏi nghiên cứu & thu thập dữ liệu” — khoá AP Statistics

Cần trướcquần thể (tổng thể)

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

thí nghiệm (thực nghiệm)experiment

Khác nhau ở đâuKhảo sát chỉ ghi nhận thông tin hiện có mà không can thiệp, còn thí nghiệm chủ động áp đặt một xử lý lên đơn vị thí nghiệm

Hay nhầm khiđề mô tả nhà nghiên cứu hỏi thói quen của người dân — đây là khảo sát, không phải thí nghiệm, dù cả hai đều thu thập dữ liệu

tổng điều tracensus

Khác nhau ở đâuKhảo sát thường chỉ thu thập dữ liệu từ một mẫu, trong khi tổng điều tra thu thập từ toàn bộ quần thể

Hay nhầm khiđề hỏi liệu một cuộc thu thập thông tin có thể hiện sai số chọn mẫu hay không — tổng điều tra không có sai số này, còn khảo sát mẫu thì có

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 101, 224, 230.

Cuối thế kỷ 19, các thành phố công nghiệp phình to và câu hỏi "bao nhiêu phần trăm dân số đang sống trong nghèo khổ" trở thành vấn đề chính trị cấp bách. Charles Booth trả lời bằng công trình "Life and Labour of the People in London" (1889–1903), còn Seebohm Rowntree bằng "Poverty, A Study of Town Life" (1901); cả hai đều là những cuộc điều tra xã hội quy mô lớn. Nhưng bước ngoặt kỹ thuật đến từ nơi khác: năm 1895, Anders Nicolai Kiær người Na Uy đưa ra ý tưởng chọn mẫu phân tầng (stratified sampling), và năm 1906 Arthur Lyon Bowley bổ sung các phương pháp lấy mẫu mới. Đóng góp then chốt của Bowley là dùng kỹ thuật chọn mẫu ngẫu nhiên (random sampling), kết tinh trong "New Survey of London Life and Labour".

Vì sao mang đúng cái tên này? Cái tên gắn liền với truyền thống thu thập dữ liệu phục vụ nhà nước, cũng chính là gốc rễ của từ "thống kê". Chữ statistics bắt nguồn từ statisticum collegium trong tiếng Latinh mới (nghĩa là "hội đồng nhà nước") và statista trong tiếng Ý ("chính khách"); thuật ngữ Statistik do Gottfried Achenwall đưa ra năm 1749 ban đầu chỉ việc phân tích dữ liệu về nhà nước, tức "khoa học về nhà nước". Sang đầu thế kỷ 19 nó mới mang nghĩa rộng là thu thập và phân loại dữ liệu nói chung, sau khi Sir John Sinclair đưa vào tiếng Anh năm 1791 với bộ "Statistical Account of Scotland". Bản thân chữ survey xuất hiện trong đúng mạch ấy: năm 1787, E. A. W. Zimmermann công bố "A political survey of the present state of Europe", nơi từ này còn giữ nghĩa "bản nhìn tổng quan tình hình" — và nghĩa gốc đó vẫn còn nguyên trong cách chúng ta dùng hôm nay, khi một cuộc khảo sát là cách nhìn bao quát toàn bộ tổng thể (population) thông qua một mẫu.

Phát phiếu khảo sát nhiều lần — xem con số chụm lại nhưng vẫn lệch

Kéo tham số, thấy khái niệm chuyển động — mở khoá bằng tài khoản 0đ.

Tạo tài khoản miễn phí

Viết hẳn phép tính điều kiện 10% ra giấy, đừng chỉ nói đã chọn ngẫu nhiên.

Gọi đúng tên phương pháp lấy mẫu, đừng viết chung chung là bị thiên lệch.

Phân biệt chọn ngẫu nhiên và phân bổ ngẫu nhiên trước khi viết câu kết luận.

Tần suất trong đề AP StatisticsThường xuyên

2Bước 2: Điều kiện thứ nhất là tính ngẫu nhiên, và điều kiện này được thỏa mãn vì đề nói rõ chủ tịch đã chọn ngẫu nhiên 30 hội viên. Nhờ có bước chọn ngẫu nhiên, mẫu không bị lệch một cách hệ thống về phía những người hay đi họp hoặc những người thân quen với ban chấp hành. Đây cũng chính là điều kiện quan trọng nhất: nếu cuộc khảo sát chỉ hỏi những ai tự nguyện trả lời thì mọi tính toán phía sau đều mất ý nghĩa.

3Bước 3: Điều kiện thứ hai là điều kiện 10% (10% condition), đòi hỏi cỡ mẫu không vượt quá một phần mười tổng thể khi lấy mẫu không hoàn lại. Ta so sánh

n = 30

với

0{,}10N = 0{,}10 \times 200 = 20

, và thấy ngay

30 > 20

. Vì mẫu chiếm tới

30/200 = 15\%

tổng thể nên các quan sát không còn gần độc lập nữa, do đó công thức sai số chuẩn thông thường sẽ ước lượng độ biến động cao hơn thực tế. Điều kiện này bị vi phạm.

4Bước 4: Điều kiện thứ ba là điều kiện số đếm lớn, yêu cầu

n\hat p \ge 10

và

n(1-\hat p) \ge 10

. Ở đây

n\hat p = 30 \times 0{,}4 = 12

và

n(1-\hat p) = 30 \times 0{,}6 = 18

, cả hai đều lớn hơn hoặc bằng 10. Vì vậy riêng điều kiện này được thỏa mãn: phân bố mẫu của

\hat p

đủ gần với phân bố chuẩn để dùng giá trị tới hạn

z

5Bước 5: Tổng kết lại, hai trong ba điều kiện đạt còn một điều kiện hỏng, mà quy tắc suy luận đòi hỏi cả ba phải cùng đạt. Tuy phép tính vẫn chạy được và cho khoảng tin cậy (confidence interval) 95% là

0{,}4 \pm 1{,}96\sqrt{\dfrac{0{,}4 \times 0{,}6}{30}} \approx 0{,}4 \pm 0{,}175

, con số này không đáng tin vì độ rộng của nó được tính từ một công thức không còn phù hợp. Khi gặp câu hỏi dạng này trong bài thi, học sinh phải kiểm tra đủ ba điều kiện rồi mới kết luận, chứ không được dừng lại ngay khi thấy có chữ "chọn ngẫu nhiên".

Các điều kiện chưa được thỏa mãn. Mẫu đúng là được chọn ngẫu nhiên và các số đếm $n\hat p = 12$ , $n(1-\hat p) = 18$ đều lớn hơn 10, nhưng 30 hội viên được khảo sát chiếm 15% của tổng thể 200 hội viên, vượt quá ngưỡng 10%. Do đó chủ tịch hội đồng không nên dùng khoảng tin cậy $z$ một mẫu để ước lượng tỉ lệ hội viên có kinh nghiệm viết hồ sơ xin tài trợ.

2Ví dụ 2/2

Một công ty bán thức ăn cho trẻ nhỏ muốn tìm hiểu sở thích về thức ăn của tất cả các gia đình có con nhỏ trong một thành phố. Đại diện công ty dựng một quầy khảo sát tại một siêu thị duy nhất trong thành phố và mời những người có con nhỏ đi ngang qua quầy điền phiếu khảo sát. Sau một ngày, 80 người đã điền phiếu, trong đó 52 người cho biết họ ưu tiên chọn loại thức ăn hữu cơ.

aMô tả phương pháp lấy mẫu mà đại diện công ty đã dùng và chỉ ra nguồn thiên lệch của nó.
bKết quả khảo sát có thể khái quát cho tổng thể nào? Đề xuất một cách cải thiện thiết kế khảo sát.

1Bước 1: Hãy bắt đầu bằng câu hỏi: ai có cơ hội lọt vào mẫu và ai thì không? Chỉ những gia đình đi siêu thị đó, vào đúng ngày đó, đi ngang qua đúng cái quầy đó, rồi lại còn đồng ý dừng chân điền phiếu, mới có mặt trong dữ liệu. Những gia đình mua hàng ở siêu thị khác, mua trực tuyến, hoặc bận rộn đến mức không dừng lại đều bị loại khỏi mẫu ngay từ đầu. Nói cách khác, xác suất được chọn không hề bằng nhau và cũng không hề được biết trước.

2Bước 2: Phương pháp này được gọi là mẫu tiện lợi (convenience sample), vì người điều tra chỉ lấy những đối tượng dễ tiếp cận nhất chứ không dùng bất kỳ cơ chế ngẫu nhiên nào. Nó khác hẳn mẫu ngẫu nhiên đơn giản, nơi mỗi nhóm cùng cỡ trong tổng thể đều có cơ hội được chọn như nhau. Vì không có bước chọn ngẫu nhiên, ta không có cách nào lượng hóa được sai số lấy mẫu, nên mọi khoảng tin cậy tính từ dữ liệu này đều vô nghĩa.

3Bước 3: Ngoài ra còn một tầng thiên lệch thứ hai: người trả lời là người tự quyết định dừng lại, tức là có thiên lệch do tự nguyện trả lời (voluntary response bias). Những người có ý kiến mạnh mẽ về thức ăn hữu cơ thường sẵn lòng bỏ thời gian điền phiếu hơn người thờ ơ, nên tỉ lệ quan sát được

\hat p = 52/80 = 0{,}65

nhiều khả năng cao hơn tỉ lệ thật của toàn thành phố. Hai tầng thiên lệch này cộng dồn theo cùng một hướng chứ không triệt tiêu nhau, và điều đáng lo là tăng cỡ mẫu cũng không sửa được: khảo sát 800 người theo cách đó vẫn cho ước lượng lệch y như vậy, chỉ lệch một cách chắc chắn hơn.

4Bước 4: Từ đó suy ra phạm vi khái quát rất hẹp. Kết quả 65% chỉ có thể mô tả những người có con nhỏ đã đi ngang qua quầy trong hôm đó và đồng ý trả lời, chứ không đại diện cho khách hàng của siêu thị nói chung, càng không đại diện cho tất cả gia đình có con nhỏ trong thành phố. Khi bài thi hỏi "kết quả khái quát được cho tổng thể nào", câu trả lời phải bám sát đúng nhóm người thực sự đã được khảo sát chứ đừng nới rộng thêm.

5Bước 5: Muốn kết luận vươn tới toàn thành phố thì phải thay khâu chọn mẫu chứ không phải thay khâu tính toán. Công ty nên lấy danh sách các gia đình có con nhỏ, chẳng hạn từ hồ sơ đăng ký nhà trẻ hoặc trạm y tế phường, rồi chọn ngẫu nhiên các gia đình từ danh sách đó và liên hệ trực tiếp. Nếu nghi ngờ các quận có mức thu nhập khác nhau sẽ có sở thích khác nhau, có thể chia thành phố theo quận rồi lấy mẫu ngẫu nhiên phân tầng (stratified random sample) để mỗi quận đều có tiếng nói trong mẫu.

Đại diện công ty đã dùng mẫu tiện lợi kết hợp với việc để người qua đường tự nguyện trả lời, nên mẫu 80 người này không đại diện cho tổng thể mà công ty quan tâm. Con số 65% ưu tiên thức ăn hữu cơ chỉ mô tả những người có con nhỏ đã đi ngang quầy hôm đó và chịu điền phiếu; nó không thể khái quát cho tất cả các gia đình có con nhỏ trong thành phố. Để kết luận có giá trị, công ty cần chọn ngẫu nhiên các gia đình từ một danh sách bao phủ cả thành phố, chẳng hạn bằng cách lấy mẫu phân tầng theo quận.

Mục tiêu và lộ trình unit xem miễn phí — làm bài tập và lưu tiến độ cần tài khoản 0đ.