CHƯƠNG 4

TÓM TẮT VÀ TRÌNH BÀY DỮ LIỆU

BẰNG ĐẠI LƯỢNG SỐ

ThS. Nguyễn Tiến Dũng

Bộ môn Quản trị Kinh doanh, Viện Kinh tế và Quản lý
Email: dung.nguyentien3@hust.edu.vn
MỤC TIÊU CỦA CHƯƠNG

● Sau khi kết thúc chương này, người học có thể:

● Kể tên và biết cách tính các đại lượng đặc trưng cho độ tập
trung: trung bình, trung vị, mốt, tứ phân vị, phân vị
● Nói tên và biết cách tính các đại lượng đặc trưng cho độ
phân tán của tập DL: khoảng biến thiên, độ trải giữa,
phương sai và độ lệch chuẩn
● Nắm được ý nghĩa của hệ số biến thiên
● Phát biểu được quy tắc thực nghiệm và quy tắc Chebysev
về quy luật phân phối của tập DL
● Biết cách vẽ và khám phá đặc điểm của tập DL qua biểu đồ
hộp và râu
● Phân biệt được các tham số tổng thể và tham số mẫu

© Nguyễn Tiến Dũng Thống kê ứng dụng 2

CÁC NỘI DUNG CHÍNH

4.1 Các đại lượng đo lường độ tập trung và

phương pháp mô tả hình dáng tập DL
4.2 Các đại lượng đo lường độ phân tán
4.3 Các đại lượng TK mô tả cho bảng tần số
4.4 Các đại lượng TK mô tả cho tổng thể
4.5 Khám phá DL qua biểu đồ hộp và râu (box
plot)
4.6 Sử dụng kết hợp TB và độ lệch chuẩn
4.7 Phân biệt một số cặp khái niệm
© Nguyễn Tiến Dũng Thống kê ứng dụng 3
4.1 CÁC ĐẠI LƯỢNG ĐO LƯỜNG ĐỘ TẬP TRUNG VÀ
PHƯƠNG PHÁP MÔ TẢ HÌNH DÁNG TẬP DỮ LIỆU

● 4.1.1 Các ĐL đo lường độ tập trung phổ biến

● 4.1.2 Sử dụng Excel để tính các ĐL TK mô tả
độ tập trung
● 4.1.3 Nhóm các ĐL khác mô tả sự phân bố
của tập DL
● 4.1.4 Hình dáng của phân phối

© Nguyễn Tiến Dũng Thống kê ứng dụng 4

4.1.1 Các ĐL đo lường độ tập trung phổ biến

● 4.1.1.1 Trung bình cộng (arithmetic mean)

● 4.1.1.2 Trung vị (Median)
● 4.1.1.3 Mốt (Mode)
● 4.1.1.4 Trung bình nhân (geometric mean)

© Nguyễn Tiến Dũng Thống kê ứng dụng 5

4.1.1.1 Trung bình cộng

● TB cộng đơn giản 1 n

x   xi
n i 1
● TD:
● Điểm của 3 HP gần đây (mỗi HP 3 tín
chỉ) là x1 = 6; x2 = 7; và x3= 9.
● Điểm TB của 3 HP nói trên

6  7  9 22
x   7,333
3 3

© Nguyễn Tiến Dũng Thống kê ứng dụng 6

Trung bình cộng (tiếp)

● Trung bình cộng có trọng số n

● TD: Điểm của 3 HP của 1 SV là

wx i i
x i 1
như sau: n
Học phần
Thống kê
Số tín chỉ
3
Điểm HP
6
w
i 1
i

Anh văn 2 7
Marketing 4 9

3  6  2  7  4  9 68
x   7,556
3 2  4 9

© Nguyễn Tiến Dũng Thống kê ứng dụng 7

4.1.1.2 Trung vị (Median)

● Giá trị của quan sát đứng giữa dãy

i xi
DL đã sắp xếp
● Thông thường: sắp xếp từ nhỏ tới lớn 1 10
(theo thứ tự tăng dần) 2 2
● x 1 x 2 … xn
3 4
● Me = x(n+1)/2
4 7
● n = 2k +1  Me = xk+1
● n = 2k  Me = 0,5.(xk + xk+1) 5 5
6 2
● TD:

© Nguyễn Tiến Dũng Thống kê ứng dụng 8

4.1.1.3 Mốt (Mode)

● Giá trị của quan sát có tần số lớn nhất

● TD
● 1 1 2 3 3 4 4 4 5 5 6 6  Mo = 4
● 1 1 2 3 4 4 4 5 5 6 6 6  Mo = 4; 6
● 1 1 2 2 3 3 4 4 5 5 6 6  Không có mode

● Số lượng mode của một tập DL: 1, nhiều

hoặc 0.

© Nguyễn Tiến Dũng Thống kê ứng dụng 9

4.1.1.4 Trung bình nhân

x n x1 x2 ...xn 1 xn
● Ứng dụng: tính tốc độ phát triển bình quân
● TD: Doanh thu của một DN
t 0 1 2 3
(2011) (2012) (2013) (2014)
Dt 100 110 140 145
xt - 1,100 1,273 1,036

x 3 x1 x2 x3  3 1,100  1, 273  1, 036  1,132

© Nguyễn Tiến Dũng Thống kê ứng dụng 10

4.1.2 Sử dụng Excel để tính các đại lượng TK mô tả độ
tập trung
Mean 26,933 ● Dùng hàm trực tiếp
Standard Error 0,927 trong Excel:
Median 27 ● Data Analysis 
Mode 21 Descriptive Statistics
Standard Deviation 5,078 ● Dùng MegaStat
Sample Variance 25,789
Kurtosis -0,127
Skewness 0,533
Range 20
Minimum 19
Maximum 39
Sum 808
Count 30
Confidence Level(95,0%) 1,896

© Nguyễn Tiến Dũng Thống kê ứng dụng 11

Độ lệch (Skewness) và Độ nhọn (Kurtosis) của phân
phối

Lệch trái Đối xứng Lệch phải

Xẹp Chuẩn Nhọn

© Nguyễn Tiến Dũng Applied Statistics for Business 12
4.1.3 Nhóm các đại lượng khác mô tả sự phân bố của
tập dữ liệu
● 4.1.3.1 Tứ phân vị (quartiles)
● Dãy DL đã sắp xếp tăng dần: x1 < x2 < … < xn

© Nguyễn Tiến Dũng Thống kê ứng dụng 13

Tính các tứ phân vị: BT tại lớp

● Theo SGK i xi
● Q1 = xq1 q1 = (n+1)/4 1 2
● Q2 = xq2 q2 = (n+1)/2 2 2
● Q3 = xq3 q3 = 3.(n+1)/4
3 4
4 5
● Theo GV và Excel 5 7
● Q1 = xq1 q1 = (n+3)/4 6 10
● Q2 = xq2 q2 = (n+1)/2
● Q3 = xq3 q3 = (3n+1)/4

© Nguyễn Tiến Dũng Thống kê ứng dụng 14

4.1.3.2 Phân vị / Bách phân vị (percentiles)
● Dãy DL đã sắp xếp tăng dần: x1 ≤ x2 ≤ … ≤ xn
● Phân vị thứ K (PK): giá trị của quan sát thứ k, mà chia dãy DL làm
2 phần, trong đó có K% quan sát đứng phía dưới của phân vị này
● PK = xk
● Theo SGK:  K 
k    ( n  1)
 100 
● Theo GV và Excel:

● Thí dụ: Tính  K 

● Phân vị thứ 25: P25 = Q1 = ? k    ( n  1)  1
● Phân vị thứ 50: P50 = Q2 = ?  100 
● Phân vị thứ 75: P75 = Q3 = ?
● Phân vị thứ 60: P60 = ?

© Nguyễn Tiến Dũng Thống kê ứng dụng 15

4.2 CÁC ĐẠI LƯỢNG ĐO LƯỜNG ĐỘ PHÂN TÁN

● 4.2.1 Khoảng biến thiên (Range): R = xmax - xmin

● 4.2.2 Độ trải giữa (InterQuartile Range) IQR = Q3 –
Q1
● 4.2.3 Phương sai và độ lệch chuẩn của mẫu
n n

 i
( x  x ) 2
 i
( x  x ) 2

s2  i 1
s  s2  i 1
n 1 n 1

© Nguyễn Tiến Dũng Thống kê ứng dụng 16

4.3 CÁC ĐẠI LƯỢNG TK MÔ TẢ CHO BẢNG TẦN SỐ
(DỮ LIỆU ĐÃ PHÂN TỔ)
● 4.3.1 Trung bình cộng
● 4.3.2 Trung vị
● 4.3.3 Mốt
● 4.3.4 Phương sai và độ lệch chuẩn

● Tính tương tự công thức lý thuyết đối với DL không

phân tổ
● Lưu ý về tần số và giá trị đại diện của mỗi tổ
● TD: Quay lại TD về tính tuổi của 30 SV -> tính GTTB
theo 2 cách: Cách 1 là tính từ tập DL gốc. Cách 2 là
tính dựa trên DL đã phân thành 4 tổ. So sánh kết
quả
© Nguyễn Tiến Dũng Thống kê ứng dụng 17
4.4 CÁC ĐẠI LƯỢNG TK MÔ TẢ CHO TỔNG THỂ

● 4.4.1 TB cộng của tổng

N
1
 x i
thể N i 1

● 4.4.2 Phương sai và độ  i

( x   ) 2

2  i 1

lệch chuẩn của tổng thể N

● Phương sai tổng thể
N

● Độ lệch chuẩn tổng thể  i

( x   ) 2

  2  i 1

© Nguyễn Tiến Dũng Thống kê ứng dụng 18

4.5 KHÁM PHÁ DL QUA BIỂU ĐỒ HỘP VÀ RÂU
(BOX-AND-WHISKER PLOT)
● Bước 1: Vẽ hộp
● Xác định Q1, Q2, Q3
● Vẽ hình hộp xung quanh
● Vẽ đường qua trung vị
● Bước 2: Vẽ râu trên
● Nếu xmax – Q3 ≤ 1,5.IQR, thì râu trên = xmax
● Nếu xmax – Q3 > 1,5.IQR, thì râu trên = Q3+1,5.IQR và
vẽ 1 dấu chấm/sao ở vị trí xmax
● Bước 3: Vẽ râu dưới
● Nếu Q1 - xmin ≤ 1,5.IQR, thì râu dưới = xmin
● Nếu Q1 - xmin > 1,5.IQR, thì râu dưới = Q1 – 1,5.IQR và
vẽ thêm 1 dấu chấm/sao ở vị trí xmin
● Giá trị ngoại lệ: cách mép trên (Q3) hoặc mép dưới
(Q1) hộp hơn 1,5 IQR
● Giá trị cực đoan: cách mép trên (Q3) hoặc mép dưới
(Q1) hộp hơn 3.IQR
© Nguyễn Tiến Dũng Thống kê ứng dụng 19
Biểu đồ hộp và râu: So sánh lương khởi điểm của
những người mới ra trường

© Nguyễn Tiến Dũng Thống kê ứng dụng 20

4.6 SỬ DỤNG KẾT HỢP GIÁ TRỊ TRUNG BÌNH VÀ
ĐỘ LỆCH CHUẨN

● 4.6.1 Hệ số biến thiên CV

● 4.6.2 Quy tắc thực nghiệm
● 4.6.3 Quy tắc Chebysev
● 4.6.4 Chuẩn hoá dữ liệu

© Nguyễn Tiến Dũng Thống kê ứng dụng 21

4.6.1 Hệ số biến thiên CV

● Thước đo mức độ phân tán tương đối của

một tập dữ liệu
 s
CV   100% hoặc CV   100%
 x

● Thí dụ Trang 95
● 2 danh mục đầu tư / cổ phiếu
● Cổ phiếu A: µA = 16%; A = 4%
● Cổ phiếu B: µB =9%; B =3%
● Cổ phiếu nào có sự biến thiên về tỷ suất lợi nhuận nhiều
hơn?

© Nguyễn Tiến Dũng Thống kê ứng dụng 22

4.6.2 Quy tắc thực nghiệm

● Với phân phối đối xứng, có khoảng

● 68% quan sát (điểm dữ liệu) rơi vào µ±
● 95% quan sát (điểm dữ liệu) rơi vào µ± 2
● 99,7% quan sát (điểm dữ liệu) rơi vào µ± 3

© Nguyễn Tiến Dũng Thống kê ứng dụng 23

4.6.3 Quy tắc Chebysev
● Với một phân phối bất kỳ, luôn có ít nhất
(1-1/k2).100% quan sát rơi vào khoảng µ± k. (k>1)
1821 - 1894

© Nguyễn Tiến Dũng Thống kê ứng dụng 24

4.6.4 Chuẩn hoá dữ liệu

● Biến X ~ N(µ; 2)  Z ~ N(0; 12) xi  

zi 

hoặc

● Biến X ~ N(𝑥; 𝑠2) Z ~ N(0; 12) xi  x

zi 
s
● z-score:
● lệch mấy lần độ lệch chuẩn tính
từ GT TB

© Nguyễn Tiến Dũng Thống kê ứng dụng 25

4.7 PHÂN BIỆT MỘT SỐ CẶP KHÁI NIỆM

● Tham số tổng thể và tham số mẫu

● Tham số tổng thể: µ, 2, , p
● Tham số mẫu: 𝑥, s2, s, ps

● Biến thiên và độ lệch chuẩn

● Biến thiên: sự sai lệch giữa giá trị quan sát với TB
● ĐLC: thước đo tổng hợp về sự biến thiên

© Nguyễn Tiến Dũng Thống kê ứng dụng 26