Cho Người Mới Bắt Đầu
Trong thống kê, chúng ta thường đối mặt với một vấn đề cốt lõi: chúng ta muốn hiểu rõ về một nhóm rất lớn (gọi là quần thể) nhưng hiếm khi có thể nghiên cứu toàn bộ thành viên của nhóm đó.
Để giải quyết vấn đề này, các nhà khoa học lấy một nhóm nhỏ hơn, đại diện từ quần thể đó (gọi là mẫu). Sau đó, họ phân tích mẫu này để rút ra kết luận về toàn bộ quần thể. Sự phân biệt giữa các đặc điểm của "toàn thể" và các đặc điểm của "bộ phận" này là nền tảng của suy luận thống kê.
Một cách đơn giản, tham số là một thuộc tính số của toàn bộ quần thể. Nó đại diện cho sự thật "tuyệt đối" mà chúng ta đang cố gắng tìm hiểu.
Tham số: \(p_o\) (xác suất sự cố do lỗi vận hành).
Đây là thuộc tính của tất cả các sự cố có thể xảy ra. Chúng ta không biết giá trị chính xác của nó.
Tham số: \(\mu\) (trung bình) và \(\sigma^2\) (phương sai).
Mô tả tỷ lệ phế liệu của toàn bộ quy trình. Đây là những giá trị cố định nhưng ẩn giấu.
Một thống kê là một thuộc tính số được tính toán trực tiếp từ một mẫu dữ liệu. Nó là những gì chúng ta có thể quan sát và đo lường được.
Thống kê: Tỷ lệ mẫu \(\hat{p}_o = 13/46 = 0.28\).
Đây là con số cụ thể tính được từ 46 sự cố đã ghi nhận.
Thống kê: Trung bình mẫu \(\bar{x} = 20.81\).
Tính được từ một mẫu gồm 95 quan sát.
| Tiêu chí | Tham Số (Parameter) | Thống Kê (Statistic) |
|---|---|---|
| Nguồn gốc | Toàn bộ quần thể. | Một mẫu dữ liệu. |
| Giá trị | Cố định, Không xác định. | Đã biết, Tính toán được. |
| Mục đích | Mục tiêu cần tìm hiểu. | Dùng để ước tính tham số. |
| Ví dụ | \(\mu, \sigma^2, p\) | \(\bar{x}, s^2, \hat{p}\) |
Sự phân biệt này là nền tảng của suy luận thống kê.
Chúng ta có
Thống Kê
(Từ Mẫu)
Dùng để ước tính
Tham Số
(Của Quần thể)
Thống kê từ mẫu chính là "phỏng đoán tốt nhất" (best guess) có cơ sở của chúng ta về tham số của quần thể.
Để không bao giờ nhầm lẫn, hãy sử dụng quy tắc ghi nhớ đơn giản sau (PP - SS):