Đang tải bài học…

AP Statistics

thống kê mô tả

descriptive statistics

Thống kê mô tả là nhánh thống kê thu thập, tóm tắt và trình bày dữ liệu để mô tả đặc trưng của tập số liệu, không suy rộng ra tổng thể.

Thống kê mô tả đặt nền tảng cho toàn bộ quá trình phân tích dữ liệu bằng cách biến một tập số liệu thô thành những đại lượng và hình ảnh có thể đọc được. Trước khi tính toán bất kỳ chỉ số nào, người phân tích cần xác định loại biến — phân loại hay biến định lượng — vì lựa chọn đó quyết định cả công cụ đồ thị lẫn số đo phù hợp.

Khi mô tả phân phối của một biến định lượng, bốn khía cạnh cần đề cập là hình dạng, trung tâm, độ phân tán, và các đặc điểm bất thường. Trung tâm thường được đo bằng giá trị trung bình $\bar{x} = \dfrac{1}{n}\sum_{i=1}^{n} x_i$ hoặc trung vị; trong đó $\bar{x}$ là trung bình mẫu, $n$ là cỡ mẫu, và $x_i$ là từng quan sát. Trung vị được ưa dùng khi dữ liệu có giá trị ngoại lai, vì nó không bị kéo lệch bởi những quan sát cực đoan. Ngược lại, độ phân tán thường được đo bằng độ lệch chuẩn (standard deviation) hoặc khoảng tứ phân vị, tùy theo việc người phân tích chọn trung bình hay trung vị làm đại lượng trung tâm.

Khi so sánh hai phân phối, ngôn ngữ mô tả cần mang tính đối chiếu trực tiếp thay vì liệt kê riêng lẻ từng phân phối. Do đó, ngữ cảnh của dữ liệu — đơn vị, đối tượng đo, thời điểm thu thập — phải luôn xuất hiện trong câu kết luận; một nhận xét thiếu ngữ cảnh, dù đúng về mặt số học, vẫn bị coi là chưa hoàn chỉnh trong kỳ thi AP. Vì vậy, thống kê mô tả không chỉ là tính toán, mà còn là kỹ năng diễn giải số liệu bằng ngôn ngữ có ý nghĩa thực tiễn.

Trực giác: Thống kê mô tả giống như tóm tắt học bạ cả lớp thành điểm trung bình, điểm cao nhất, thấp nhất và biểu đồ phân bố — ai đọc cũng hình dung được bức tranh chung mà không cần lật từng tờ điểm.

Khái niệm này sinh ra từ đâu

thế kỷ 17John GrauntWilliam PettyAdolphe QueteletGottfried AchenwallGirolamo Ghilini

Thử nghiệm tương tác

Kéo một chấm điểm ra xa — xem con số nào chạy theo, con số nào đứng yên

Hay hiểu sai

Thống kê mô tả chỉ tóm tắt dữ liệu đã có, không kết luận cho tổng thể.

Điểm chuẩn hóa âm chỉ nghĩa là dưới trung bình, không phải điểm số âm.

Đọc nhầm cột trong bảng tóm tắt máy tính là lỗi mất điểm phổ biến nhất.

Trung bình và độ lệch chuẩn không phù hợp với phân bố lệch mạnh hoặc có ngoại lai.

Mẹo phòng thi

Ví dụ có lời giải

1Ví dụ 1/2

Một giáo viên nhập điểm bài kiểm tra giữa kỳ của 40 học sinh vào phần mềm và nhận được bảng tóm tắt sau (đây chính là phần thống kê mô tả mà đề AP hay in ở đầu câu hỏi):

N = 40,\quad \bar{x} = 72.4,\quad s = 8.5

\text{Min} = 52,\quad Q_1 = 66,\quad M = 73,\quad Q_3 = 79,\quad \text{Max} = 88

Một học sinh trong lớp có điểm chuẩn hóa (standardized score) là

z = -1.2

aHọc sinh đó được bao nhiêu điểm trong bài kiểm tra này?
bDùng quy tắc 1.5 lần khoảng tứ phân vị để xét xem bộ điểm này có giá trị ngoại lai hay không.
cDựa vào các số liệu đã cho, hãy nhận xét về hình dạng của phân bố điểm.

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 “Mô tả phân phối của một biến định lượng” — khoá AP Statistics

Dẫn tớitóm tắt năm số histogram

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

thống kê suy luậninferential statistics

Khác nhau ở đâuThống kê mô tả chỉ tóm tắt dữ liệu đã có, trong khi thống kê suy luận dùng dữ liệu mẫu để rút ra kết luận về quần thể

Hay nhầm khiđề hỏi liệu một phát biểu là mô tả hay suy luận — nếu câu chỉ nói về chính tập dữ liệu đó thì là mô tả, nếu câu kết luận vượt ra ngoài mẫu thì là suy luận

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 22, 27, 111.

Thống kê mô tả hình thành từ thế kỷ 17, khi John Graunt và William Petty bắt đầu tóm tắt các bảng số liệu về dân số và tử vong của nước Anh; chính cái tên "statistics" cũng ra đời từ nhu cầu mô tả tình hình một quốc gia.

Vào thế kỷ 17, các nhà nước châu Âu cần biết dân mình sống chết ra sao để định chính sách, nên số liệu khai tử của giáo xứ được gom lại thành bảng. John Graunt là người đầu tiên biến đống sổ sách đó thành tri thức: ông lập bảng tử vong năm 1662, công bố khảo cứu về các bảng khai tử năm 1663 và tính tuổi thọ trung bình năm 1666, còn William Petty mở rộng cách làm sang kinh tế. Nhờ vậy, việc tổ chức và tóm tắt dữ liệu trở thành một công việc riêng. Đến thập niên 1830, Adolphe Quetelet đẩy xa hơn với ý niệm "con người trung bình", và về sau Galton cùng Pearson bổ sung các công cụ đo lường.

Vì sao mang đúng cái tên này? Chữ "statistics" bắt nguồn từ tiếng Latin "status", nghĩa là nhà nước hay chính quyền, vì buổi đầu môn học này chỉ nhằm mô tả tình hình một quốc gia. Học giả người Ý Girolamo Ghilini dùng từ "statistic" từ năm 1589 để chỉ tập hợp các sự kiện và thông tin về một nhà nước, còn người Đức Gottfried Achenwall năm 1749 mới dùng nó theo nghĩa hiện đại là tập hợp thông tin định lượng. Tính từ "mô tả" được thêm vào để phân biệt với nhánh thống kê suy luận (inferential statistics): thống kê mô tả chỉ tóm tắt đặc trưng của chính mẫu (sample) đang có trong tay, chứ không nhằm rút ra kết luận về tổng thể.

Kéo một chấm điểm ra xa — xem con số nào chạy theo, con số nào đứng yên

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

Tạo tài khoản miễn phí

Mô tả một phân bố phải nêu đủ bốn ý: hình dạng, tâm, độ phân tán và điểm bất thường.

Với câu hỏi điểm chuẩn hóa, hãy viết công thức ra giấy trước khi thay số.

So sánh hai nhóm thì phải dùng từ so sánh trực tiếp, không kể riêng từng nhóm.

Tần suất trong đề AP StatisticsThường xuyên

Bước 1: Nhắc lại ý nghĩa của điểm chuẩn hóa: nó cho biết một giá trị nằm cách trung bình bao nhiêu lần độ lệch chuẩn (standard deviation), theo công thức

z = \dfrac{x - \bar{x}}{s}

. Vì đề đã cho

z

và muốn tìm

x

, ta chỉ cần biến đổi ngược lại thành

x = \bar{x} + z\cdot s

. Nói cách khác, ta đi từ vị trí tương đối trở về thang điểm gốc của bài kiểm tra.

2Bước 2: Thay số vào:

x = 72.4 + (-1.2)(8.5) = 72.4 - 10.2 = 62.2

. Dấu âm của

z

báo rằng học sinh này nằm dưới trung bình, và kết quả

62.2 < 72.4

đúng như dự đoán, nên phép tính hợp lý.

3Bước 3: Sang ý (b), trước hết tính khoảng tứ phân vị (interquartile range):

IQR = Q_3 - Q_1 = 79 - 66 = 13

. Ngưỡng dùng để dò giá trị ngoại lai (outlier) là

1.5 \times 13 = 19.5

, từ đó hai hàng rào là

Q_1 - 19.5 = 66 - 19.5 = 46.5

và

Q_3 + 19.5 = 79 + 19.5 = 98.5

4Bước 4: So sánh hai đầu mút của dữ liệu với hai hàng rào vừa tìm:

\text{Min} = 52 > 46.5

và

\text{Max} = 88 < 98.5

. Không có giá trị nào rơi ra ngoài, do đó theo quy tắc này bộ điểm không có giá trị ngoại lai. Lưu ý rằng tóm tắt năm số (five-number summary) chỉ cho ta biết vậy là đủ, ta không cần đến từng điểm riêng lẻ.

5Bước 5: Với ý (c), hãy đối chiếu trung bình và trung vị:

\bar{x} = 72.4

nhỏ hơn

M = 73

đúng

0.6

điểm, một khoảng chênh rất nhỏ so với

s = 8.5

. Thêm vào đó, khoảng cách từ trung vị xuống giá trị nhỏ nhất là

73 - 52 = 21

, còn lên giá trị lớn nhất chỉ là

88 - 73 = 15

, nghĩa là đuôi bên trái dài hơn một chút. Vì vậy phân bố gần đối xứng, có xu hướng lệch trái nhẹ.

Học sinh có $z = -1.2$ đạt $62.2$ điểm, tức là thấp hơn trung bình lớp khoảng $1.2$ độ lệch chuẩn. Bộ điểm không chứa giá trị ngoại lai vì mọi quan sát đều nằm trong khoảng từ $46.5$ đến $98.5$ , và phân bố điểm gần đối xứng với chút lệch trái, do một vài học sinh làm bài yếu kéo đuôi dưới dài hơn đuôi trên. Khi trả lời trên giấy thi, nhớ viết kết luận kèm ngữ cảnh là điểm kiểm tra chứ đừng chỉ ghi con số trơ trọi.

2Ví dụ 2/2

Một trường tổ chức cùng một câu đố logic cho hai câu lạc bộ. Thời gian giải (đơn vị: giây) của 9 học sinh mỗi nhóm đã được sắp xếp tăng dần như sau. Nhóm A: 12, 14, 15, 15, 16, 18, 19, 21, 30. Nhóm B: 10, 13, 16, 17, 19, 20, 22, 23, 24.

aMô tả phân bố thời gian giải của nhóm A theo hình dạng, trung tâm, độ biến thiên và những đặc điểm bất thường.
bSo sánh phân bố của hai nhóm A và B.
cVới nhóm A, nên báo cáo trung bình hay trung vị làm số đo trung tâm? Giải thích.

1Bước 1: Vì mỗi nhóm có

n = 9

giá trị đã sắp xếp, trung vị là giá trị thứ 5. Với nhóm A ta được

M_A = 16

; tứ phân vị dưới là trung vị của bốn số đầu

(12, 14, 15, 15)

nên

Q_1 = \dfrac{14+15}{2} = 14.5

, còn tứ phân vị trên là trung vị của bốn số cuối

(18, 19, 21, 30)

nên

Q_3 = \dfrac{19+21}{2} = 20

. Do đó

IQR_A = 20 - 14.5 = 5.5

2Bước 2: Kiểm tra đặc điểm bất thường của nhóm A: hàng rào trên là

20 + 1.5(5.5) = 20 + 8.25 = 28.25

và hàng rào dưới là

14.5 - 8.25 = 6.25

. Giá trị

30

vượt quá

28.25

nên đó là một giá trị ngoại lai, trong khi

12

vẫn nằm trong hàng rào dưới. Chính quan sát này kéo trung bình lên:

\bar{x}_A = \dfrac{160}{9} \approx 17.8

giây, cao hơn hẳn trung vị

16

giây.

3Bước 3: Làm tương tự với nhóm B:

M_B = 19

Q_1 = \dfrac{13+16}{2} = 14.5

... thực ra bốn số đầu là

(10, 13, 16, 17)

nên

Q_1 = \dfrac{13+16}{2} = 14.5

, và bốn số cuối là

(20, 22, 23, 24)

nên

Q_3 = \dfrac{22+23}{2} = 22.5

, suy ra

IQR_B = 8

. Hàng rào là

14.5 - 12 = 2.5

và

22.5 + 12 = 34.5

, nên nhóm B không có giá trị ngoại lai. Trung bình

\bar{x}_B = \dfrac{164}{9} \approx 18.2

giây, khá sát trung vị

19

giây.

4Bước 4: Bây giờ mới viết lời mô tả cho ý (a). Phân bố thời gian của nhóm A lệch phải, với trung vị

16

giây và khoảng tứ phân vị

5.5

giây; điểm bất thường đáng chú ý là một học sinh mất tới

30

giây, đủ xa để bị xem là giá trị ngoại lai. Hãy dùng ngôn ngữ dè dặt kiểu "gần đối xứng" hay "có xu hướng lệch phải" thay vì khẳng định tuyệt đối, và luôn gắn số liệu với ngữ cảnh là thời gian giải câu đố.

5Bước 5: Sang ý (b), điều quan trọng là so sánh chứ không liệt kê hai danh sách rời nhau. Về trung tâm, nhóm A giải nhanh hơn vì

M_A = 16

giây nhỏ hơn

M_B = 19

giây. Về độ biến thiên, phần giữa dữ liệu của A gọn hơn (

IQR_A = 5.5

so với

IQR_B = 8

), nhưng toàn dải của A lại rộng hơn (

30 - 12 = 18

so với

24 - 10 = 14

) chỉ vì một quan sát cực đoan. Về hình dạng, A lệch phải và có giá trị ngoại lai, còn B gần đối xứng và không có điểm bất thường nào.

6Bước 6: Với ý (c), nhớ rằng trung vị không bị ảnh hưởng bởi việc giá trị lớn nhất lớn đến đâu, còn trung bình thì bị kéo theo. Ở đây quan sát

30

giây đã đẩy

\bar{x}_A

lên gần

2

giây so với trung vị, khiến con số ấy không còn đại diện cho một học sinh điển hình của nhóm. Vì vậy trung vị là số đo trung tâm phù hợp hơn.

Nhóm A có thời gian giải lệch phải quanh trung vị $16$ giây với $IQR = 5.5$ giây và một giá trị ngoại lai ở $30$ giây; nhóm B gần đối xứng quanh trung vị $19$ giây với $IQR = 8$ giây và không có điểm bất thường. Nói gọn lại, học sinh nhóm A thường giải nhanh hơn và phần lõi dữ liệu của họ tập trung hơn, nhưng nhóm A lại chứa một trường hợp chậm bất thường làm dải giá trị bị kéo dài. Cũng vì trường hợp đó, khi báo cáo trung tâm của nhóm A nên dùng trung vị thay cho trung bình.

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