Giáo trình The Basic Practice of Statistics 9th Edition - David S. Moore

Giáo trình The Basic Practice of Statistics - Moore cung cấp kiến thức thống kê cơ bản, phương pháp phân tích dữ liệu và ứng dụng thực tế cho sinh viên.

• Tác giả: David S. Moore
• Chuyên ngành: Thống kê
• Đề tài: Thực hành cơ bản của thống kê
• Loại tài liệu: Giáo trình
• Năm xuất bản: 2021
• Địa điểm: New York

Tóm tắt

I. Tổng quan về giáo trình The Basic Practice of Statistics 9e

The Basic Practice of Statistics 9e là giáo trình thống kê hàng đầu do David S. Moore và William I. Notz biên soạn, xuất bản năm 2021 bởi W. H. Freeman and Company. Đây là phiên bản thứ chín, liên tục cải tiến qua nhiều thập kỷ để phù hợp với nhu cầu giảng dạy thống kê đại học. Giáo trình tập trung vào tư duy thống kê thay vì chỉ truyền đạt công thức. Phương pháp giải quyết vấn đề bốn bước — State, Plan, Solve, Conclude — xuyên suốt toàn bộ nội dung. Cách tiếp cận này giúp sinh viên phát triển khả năng phân tích dữ liệu thực tế. Dữ liệu trong sách được lấy từ nghiên cứu khoa học, kinh tế, y tế và xã hội học. Mỗi ví dụ đều phản ánh bối cảnh thực tế, không dùng dữ liệu giả tạo. Phiên bản thứ chín tích hợp thêm nền tảng học trực tuyến Achieve của Macmillan, cung cấp công cụ hỗ trợ học tập trước, trong và sau giờ học. Giáo trình phù hợp với các khóa thống kê nhập môn ở bậc đại học, không yêu cầu kiến thức toán học nâng cao.

1.1. Tác giả và xuất xứ của giáo trình Moore Statistics

David S. Moore là giáo sư thống kê tại Đại học Purdue, người đặt nền móng cho phong trào cải cách giảng dạy thống kê tại Hoa Kỳ. William I. Notz đến từ Đại học Ohio State, đóng góp kinh nghiệm giảng dạy thực tiễn phong phú. Cả hai tác giả đều nhấn mạnh tầm quan trọng của dữ liệu thực và ngữ cảnh ứng dụng trong việc giảng dạy thống kê. Giáo trình ra đời lần đầu vào thập niên 1990 và trở thành tài liệu chuẩn mực tại hàng nghìn trường đại học trên thế giới. Phiên bản 9e được xuất bản năm 2021 với ISBN 978-1-319-38369-5 dạng ePub.

1.2. Phiên bản 9e cải tiến những điểm gì so với bản trước

Phiên bản 9e bổ sung tích hợp với nền tảng Achieve, hỗ trợ phân tích hiệu suất lớp học theo thời gian thực. Bộ dữ liệu được cập nhật đến năm 2019, bao gồm dữ liệu giá xăng, kinh tế toàn cầu và y tế công cộng. Các bài tập Apply Your Knowledge cuối mỗi phần được mở rộng, tập trung vào ứng dụng tư duy thống kê. Phương pháp trình bày trực quan hơn với biểu đồ và bảng số liệu cập nhật. Nội dung về đạo đức dữ liệu được đặt thành chương riêng (Chương 10), phản ánh xu hướng nghiên cứu khoa học hiện đại.

II. Phân tích cấu trúc nội dung của Basic Practice of Statistics 9e Moore

Giáo trình được chia thành năm phần chính, mỗi phần giải quyết một khía cạnh cốt lõi của thống kê ứng dụng. Phần I — Exploring Data — bao gồm các chương từ 1 đến 7, tập trung vào mô tả và trực quan hóa dữ liệu. Sinh viên học cách vẽ biểu đồ, tính toán các chỉ số mô tả và hiểu phân phối chuẩn. Phần II — Producing Data — hướng dẫn thiết kế lấy mẫu và thực nghiệm. Đây là nền tảng để thu thập dữ liệu đáng tin cậy. Phần III giới thiệu xác suất và phân phối lấy mẫu, chuẩn bị cho suy luận thống kê. Phần IV và V đi sâu vào kiểm định giả thuyết và ước lượng khoảng tin cậy cho cả biến định lượng lẫn định tính. Cấu trúc năm phần này tạo ra lộ trình học tập tuần tự, hợp lý. Mỗi phần kết thúc bằng chương ôn tập tổng hợp, giúp củng cố kiến thức trước khi chuyển sang giai đoạn tiếp theo. Toàn bộ 24 chương được thiết kế để hoàn thành trong một học kỳ.

2.1. Năm phần cốt lõi và mục tiêu học tập tương ứng

Phần I dạy đọc và mô tả dữ liệu qua biểu đồ, bảng tần suất và các đại lượng thống kê cơ bản. Phần II giải thích sự khác biệt giữa nghiên cứu quan sát và thực nghiệm có kiểm soát — một kỹ năng phán đoán nghiên cứu khoa học quan trọng. Phần III xây dựng nền tảng xác suất tối thiểu cần thiết để hiểu suy luận. Phần IV tập trung vào kiểm định trung bình và tỷ lệ quần thể. Phần V mở rộng sang phân tích mối quan hệ giữa các biến. Mỗi phần được tách biệt rõ ràng nhưng kết nối logic với nhau.

2.2. Phương pháp bốn bước State Plan Solve Conclude trong thực hành

Phương pháp bốn bước là xương sống của toàn bộ giáo trình. Bước State yêu cầu xác định câu hỏi nghiên cứu và bối cảnh dữ liệu. Bước Plan chọn phương pháp thống kê phù hợp. Bước Solve thực hiện tính toán và phân tích. Bước Conclude diễn giải kết quả bằng ngôn ngữ bối cảnh ban đầu, không chỉ báo cáo số liệu. Quy trình này được áp dụng nhất quán trong mọi ví dụ và bài tập. Sinh viên dần hình thành thói quen tư duy có hệ thống khi xử lý bài toán thực tế.

III. Phương pháp học hiệu quả với giáo trình Moore Statistics 9e

Học hiệu quả với The Basic Practice of Statistics 9e đòi hỏi chiến lược đọc chủ động và thực hành thường xuyên. Mỗi chương nên được đọc cùng với bút và giấy — ghi lại định nghĩa, vẽ lại biểu đồ, tự tính toán ví dụ. Phần Apply Your Knowledge sau mỗi phần không phải tùy chọn. Đây là kiểm tra nhanh giúp phát hiện ngay lỗ hổng kiến thức. Nên hoàn thành trước khi đọc tiếp. Các ví dụ four-step trong sách cần được phân tích từng bước, không đọc lướt. Đặc biệt, bước Conclude thường bị bỏ qua nhưng lại là kỹ năng quan trọng nhất trong thực tế. Dữ liệu thực trong sách nên được tra cứu thêm để hiểu ngữ cảnh. Ví dụ, dữ liệu giá xăng từ 1990 đến 2019 kể câu chuyện kinh tế và địa chính trị phong phú. Nền tảng Achieve cung cấp bài tập tương tác và phản hồi tức thì, nên sử dụng song song với sách in để tối ưu kết quả học tập.

3.1. Cách tiếp cận từng chương và bài tập cuối chương

Mỗi chương trong BPS 9e bắt đầu bằng một câu hỏi thực tế, tạo động lực học tập. Nên đọc câu hỏi đó trước khi vào nội dung chính. Trong khi đọc, dừng lại ở mỗi ví dụ và tự giải trước khi xem đáp án. Bài tập cuối chương chia thành nhiều mức độ — từ cơ bản đến ứng dụng và suy luận phê phán. Không nên chỉ làm bài tập lẻ số hoặc chẵn số. Nên làm ít nhất một bài từ mỗi nhóm kỹ năng. Các bài có ký hiệu (*) là nội dung nâng cao, dành cho lớp học chuyên sâu hơn.

3.2. Sử dụng nền tảng Achieve và tài nguyên kỹ thuật số kèm theo

Achieve là nền tảng học trực tuyến đi kèm với BPS 9e, cung cấp bài đọc tương tác, video hướng dẫn và bài kiểm tra thích ứng. Công cụ phân tích lớp học trong Achieve giúp giảng viên nhận diện sinh viên gặp khó khăn trước khi thi. Với sinh viên tự học, phần Learning Curve trong Achieve cung cấp lộ trình ôn tập cá nhân hóa dựa trên kết quả làm bài. StatBoards — các bảng tương tác giải thích khái niệm trực quan — đặc biệt hữu ích cho nội dung phân phối xác suất và kiểm định giả thuyết. Nên kết hợp Achieve ít nhất ba buổi mỗi tuần để duy trì tiến độ học.

IV. Ứng dụng thực tiễn và giá trị học thuật của BPS 9e Moore

The Basic Practice of Statistics 9e không chỉ là giáo trình dạy công thức — đây là sách dạy tư duy dữ liệu. Kỹ năng đọc hiểu nghiên cứu khoa học, phân biệt tương quan và nhân quả, nhận biết thiên lệch lấy mẫu đều được rèn luyện qua các ví dụ thực. Chương về đạo đức dữ liệu (Chương 10) là điểm nổi bật đặc biệt, dạy cách đánh giá tính hợp lệ của nghiên cứu. Sinh viên ngành y tế, xã hội học, kinh tế học, giáo dục và tâm lý học đều tìm thấy ví dụ liên quan trực tiếp đến lĩnh vực của mình. Giáo trình cũng chuẩn bị nền tảng vững chắc cho các khóa thống kê nâng cao. Người học tiếp tục với hồi quy đa biến, phân tích phương sai hay mô hình hóa thống kê sẽ nhận ra rằng BPS 9e đã cung cấp đủ tư duy cốt lõi. Trong bối cảnh kinh tế dữ liệu hiện nay, khả năng đặt câu hỏi đúng với dữ liệu và kết luận có cơ sở là kỹ năng thiết yếu. BPS 9e đặt nền móng cho kỹ năng đó.

4.1. Ứng dụng trong nghiên cứu khoa học và ra quyết định

Kiến thức từ BPS 9e có thể áp dụng ngay vào đọc báo cáo nghiên cứu. Hiểu được khoảng tin cậy và p-value giúp đánh giá mức độ tin cậy của kết luận khoa học. Kỹ năng nhận biết thiết kế thực nghiệm tốt xấu hỗ trợ phán đoán nghiên cứu y học và xã hội học. Phân tích hồi quy tuyến tính trong Chương 5 ứng dụng trực tiếp vào dự báo kinh tế, đánh giá chính sách và phân tích thị trường. Các chuyên gia phân tích dữ liệu, nhà nghiên cứu và nhà quản lý đều cần nền tảng tư duy thống kê mà BPS 9e xây dựng.

4.2. Vị trí của BPS 9e trong chương trình đào tạo đại học

BPS 9e được sử dụng rộng rãi tại các trường đại học Hoa Kỳ và nhiều quốc gia khác làm giáo trình thống kê nhập môn không chuyên. Môn học thường mang 3 tín chỉ và phục vụ sinh viên từ nhiều ngành khác nhau. Giáo trình phù hợp với lớp học có quy mô lớn do có hệ thống bài tập phong phú và tích hợp công nghệ. Sau khi hoàn thành khóa học dựa trên BPS 9e, sinh viên có đủ nền tảng để học các phần mềm thống kê như R, SPSS hoặc JMP ở cấp độ ứng dụng. Đây là bước đệm quan trọng trong hành trình nghiên cứu học thuật.

Nội dung chính

Tổng quan về giáo trình

Giáo trình The Basic Practice of Statistics (Ấn bản lần thứ 9, ISBN: 978-1-319-38369-5) do David S. Moore (Đại học Purdue) và William I. Notz (Đại học Bang Ohio) biên soạn, được xuất bản bởi Macmillan Learning / W. H. Freeman and Company vào năm 2021. Trong chương trình đào tạo bậc đại học, tác phẩm giữ vai trò là giáo trình chuẩn cho học phần Nhập môn Thống kê Ứng dụng, phục vụ sinh viên thuộc các khối ngành Khoa học Xã hội, Kinh doanh, Y sinh và Kỹ thuật mà không yêu cầu kiến thức giải tích nâng cao.

Mục tiêu học tập trọng tâm của giáo trình bao gồm:

• Xây dựng tư duy thống kê (statistical thinking) như một quy trình điều tra giải quyết vấn đề và ra quyết định.
• Trang bị năng lực phân tích dữ liệu đa biến thông qua các phương pháp thăm dò trực quan và số học.
• Phát triển hiểu biết sâu sắc về bản chất của tính biến thiên (variation), các quy tắc xác suất và suy luận thống kê.
• Rèn luyện kỹ năng sử dụng công nghệ tính toán để xử lý và diễn giải các bộ dữ liệu thực tế.

Cấu trúc giáo trình được tổ chức thành Chương 0 (Getting Started) cùng 6 phần chính gồm 32 chương (trong đó các chương 28 đến 32 là tài liệu trực tuyến mở rộng). Cách tiếp cận sư phạm đi từ phân tích dữ liệu thăm dò (Data Exploration), thiết kế sản xuất dữ liệu (Producing Data) đến xác suất và suy luận thống kê (Statistical Inference).

Điểm đặc sắc của giáo trình nằm ở việc bám sát toàn diện 6 khuyến nghị của Báo cáo Hướng dẫn Đánh giá và Giảng dạy Thống kê bậc Đại học (GAISE). Nội dung đặt trọng tâm vào bản chất dữ liệu, tách biệt giai đoạn mô tả dữ liệu khỏi suy luận tham số theo quan điểm phân tích dữ liệu của John Tukey, đồng thời chuẩn hóa quy trình giải quyết bài toán qua khung 4 bước (State, Plan, Solve, Conclude).

---

Nội dung kiến thức cốt lõi

Các chương/chủ đề chính

Giáo trình bao quát toàn diện tiến trình xử lý dữ liệu từ mô tả đến suy luận chuyên sâu:

• Chương 1 đến Chương 3 (Mô tả phân phối đơn biến): Tập trung vào việc biểu diễn dữ liệu định tính và định lượng qua biểu đồ cột, biểu đồ tròn, histogram và stemplot; định lượng tâm và độ biến thiên qua số trung bình (mean), trung vị (median), tứ phân vị (quartiles), độ lệch chuẩn (standard deviation); mô tả đường cong mật độ và phân phối chuẩn (Normal distribution).
• Chương 4 đến Chương 6 (Khám phá mối quan hệ hai biến): Giới thiệu biểu đồ phân tán (scatterplot), hệ số tương quan tuyến tính ($r$), đường hồi quy bình phương tối thiểu (least-squares regression), bảng hai chiều (two-way tables) và nguyên lý quan hệ tương quan không đồng nghĩa với quan hệ nhân quả.
• Chương 8 đến Chương 10 (Sản xuất dữ liệu và Đạo đức nghiên cứu): Phân định ranh giới giữa nghiên cứu quan sát và thực nghiệm đối chứng ngẫu nhiên; thiết kế mẫu ngẫu nhiên đơn giản (SRS); kiểm soát biến ẩn (lurking variables); các nguyên tắc đạo đức với Hội đồng Đánh giá Đạo đức Thể chế (IRB).
• Chương 12 đến Chương 15 (Xác suất và Phân phối chọn mẫu): Trình bày mô hình xác suất rời rạc/liên tục, phân phối nhị thức, quy luật số lớn (Law of Large Numbers) và Định lý Giới hạn Trung tâm (Central Limit Theorem) cho trung bình mẫu $\bar{x}$.
• Chương 16 đến Chương 18 & 20 đến 21 (Nền tảng suy luận và suy luận về trung bình): Xây dựng khoảng tin cậy, kiểm định ý nghĩa thống kê (P-value), thủ tục $z$ trong điều kiện lý tưởng và chuyển tiếp sang quy trình $t$ một mẫu, hai mẫu độc lập, dữ liệu ghép cặp (matched pairs).
• Chương 22 đến 27 (Suy luận về tỷ lệ và mối quan hệ nâng cao): Cung cấp các kiểm định tham số cho tỷ lệ $p$, kiểm định Chi-square ($\chi^2$) cho tính độc lập/tính đồng nhất, suy luận cho hệ số góc hồi quy và phân tích phương sai một yếu tố (One-Way ANOVA) kèm so sánh bội Tukey.
• Chương 28 đến 32 (Các chuyên đề nâng cao tùy chọn trực tuyến): Mở rộng sang kiểm định phi tham số (Wilcoxon, Kruskal–Wallis), hồi quy bội, ANOVA hai yếu tố, kiểm soát quy trình thống kê (SPC) với biểu đồ $\bar{x}, s, p$, và kỹ thuật tái chọn mẫu (resampling: bootstrap, permutation tests).

Logic tiến trình được thiết kế nhất quán: bắt đầu từ trực quan hóa dữ liệu đơn biến và hai biến, chuyển sang phương pháp luận thu thập số liệu có kiểm soát, tạo nền tảng xác suất và phân phối mẫu, sau đó triển khai các kỹ thuật suy luận từ đơn giản ($z, t, p$) đến các mô hình đa biến phức tạp ($\chi^2$, ANOVA, Multiple Regression).

[Khám phá dữ liệu: Biến đơn & Hai biến] (Chương 1-7)
[Thiết kế sản xuất dữ liệu: Mẫu & Thực nghiệm] (Chương 8-11)
[Nền tảng Xác suất & Phân phối chọn mẫu] (Chương 12-15)
[Nguyên lý Suy luận thống kê: Khoảng tin cậy & P-value] (Chương 16-19)
[Suy luận Tham số: Trung bình & Tỷ lệ] (Chương 20-24)
[Suy luận Quan hệ: Chi-square, Hồi quy, ANOVA & Chuyên đề nâng cao] (Chương 25-32)

Kiến thức nền tảng được xây dựng

Giáo trình thiết lập các trụ cột lý thuyết và nguyên lý cốt lõi:

• Lý thuyết nền tảng: Định lý Giới hạn Trung tâm (CLT), Quy luật số lớn, các mô hình phân phối xác suất ($Z, t, \chi^2, F, \text{Binomial}$).
• Nguyên lý cốt lõi: Bản chất của sự biến thiên hiện diện trong mọi phép đo ("Variation is everywhere"); dữ liệu là những con số đi kèm ngữ cảnh xác định ("Numbers with a context"); sự phân định giữa mối liên hệ thống kê và mối quan hệ nhân quả (Association does not imply causation); nguyên tắc ngẫu nhiên hóa trong gán nghiệm thức và chọn mẫu.
• Khung phương pháp luận: Khung quy trình 4 bước chuẩn mực: Xác định bài toán (State) $\rightarrow$ Lập kế hoạch phân tích (Plan) $\rightarrow$ Thực thi tính toán và đồ thị (Solve) $\rightarrow$ Đưa ra kết luận thực tiễn (Conclude).

Kỹ năng phát triển

• Kỹ năng kỹ thuật (Technical skills): Vẽ và đọc biểu đồ phân phối; tính toán các đại lượng đo lường trung tâm và độ phân tán; sử dụng các bảng giá trị tới hạn (Bảng A, B, C, D, E); đọc hiểu kết quả đầu ra (output) từ các phần mềm chuyên dụng như Minitab, Excel, JMP, R, CrunchIt! và máy tính cầm tay TI-83/TI-84.
• Kỹ năng phân tích (Analytical skills): Phân biệt biến giải thích (explanatory) và biến phản hồi (response); nhận diện sai số chọn mẫu và thiên vị (bias); kiểm tra các điều kiện giả định trước khi thực hiện suy luận (conditions for inference, tính vững robustness); phân tích bảng chéo và phân tích phương sai.
• Năng lực thực hành (Practical competencies): Chuyển dịch các câu hỏi thực tế trong đời sống, y tế, kinh doanh thành bài toán thống kê; đánh giá mức độ tin cậy của các báo cáo điều tra; ra quyết định định lượng dựa trên mức ý nghĩa và khoảng tin cậy.

---

Phương pháp giảng dạy và học tập

Giáo trình triển khai phương pháp tiếp cận sư phạm định hướng thực hành và bám sát các khuyến nghị của GAISE:

• Phương pháp tiếp cận sư phạm: Giảng dạy tư duy thống kê thông qua quá trình điều tra dữ liệu. Tác giả giảm tải các chứng minh toán học thuần túy, thay vào đó nhấn mạnh vào việc hiểu khái niệm và ứng dụng mô hình vào ngữ cảnh thực nghiệm. Khung giải quyết bài toán 4 bước (State, Plan, Solve, Conclude) được lặp lại có hệ thống trong các ví dụ mẫu và bài tập nhằm chuẩn hóa tư duy giải quyết vấn đề cho người học.

• Hệ thống bài tập và nghiên cứu tình huống: Ngay sau mỗi đơn vị kiến thức mới, mục "Apply Your Knowledge" cung cấp bài tập áp dụng nhanh để củng cố lý thuyết. Cuối các chương có hệ thống bài tập đa dạng, bài tập web (Web Exercises) yêu cầu sinh viên tìm kiếm số liệu trực tuyến để phân tích. Các tình huống nghiên cứu (case studies) sử dụng dữ liệu thực tế như: vụ tranh chấp phiếu bầu cánh bướm (butterfly ballot) tại hạt Palm Beach trong cuộc bầu cử Tổng thống Mỹ năm 2000; nghiên cứu y khoa về liệu pháp thay thế hormone (HRT); khảo sát ý kiến độc giả của Ann Landers/Dear Abby; dữ liệu theo dõi giá xăng từ 1990 đến 2019.

• Phương pháp đánh giá và nền tảng số: Tích hợp cùng hệ thống học tập số Achieve của Macmillan Learning. Nền tảng cung cấp hơn 3.000 câu hỏi đánh giá kèm phản hồi gợi mở kiểu Socratic; hệ thống câu đố thích ứng LearningCurve điều chỉnh mức độ câu hỏi dựa trên năng lực sinh viên; ngân hàng đề thi (Test Bank) và câu hỏi tương tác trên lớp (Clicker Questions).

• Hướng dẫn tự học: Cuối mỗi phần đều có chương ôn tập kỹ năng (Part Skills Review) tổng hợp các mục tiêu học tập đối chiếu với các phần trong sách; hệ thống câu hỏi "Test Yourself" giúp sinh viên tự đánh giá trước kỳ thi; các công cụ Applet tương tác (trên nền tảng Desmos) giúp trực quan hóa cơ chế vận hành của hồi quy, khoảng tin cậy và P-value; chuỗi Video Technology Manuals hướng dẫn từng bước xử lý dữ liệu trên các phần mềm.

---

Điểm nổi bật và cập nhật

Ấn bản thứ 9 của The Basic Practice of Statistics mang các điểm cập nhật và cải tiến học thuật:

• Tích hợp nền tảng kỹ thuật số Achieve: Toàn bộ học liệu, sách điện tử, ngân hàng bài tập và công cụ quản lý lớp học được hợp nhất trên nền tảng Achieve. Các applet thống kê trực quan do David Moore khởi xướng được nâng cấp và tối ưu hóa trên nền tảng Desmos.
• Cập nhật dữ liệu và bối cảnh thực tế: Các ví dụ và bộ dữ liệu được cập nhật nhằm phản ánh các vấn đề đương đại, chẳng hạn như hành vi sử dụng mạng xã hội, dữ liệu giá năng lượng toàn cầu và các nghiên cứu y tế công cộng mới.
• Cấu trúc sư phạm tinh gọn: Phần tóm tắt chương (Chapter Summaries) được chuyển đổi sang dạng danh mục cô đọng; mục Skills Reviews trong các chương ôn tập liên kết trực tiếp với các tiểu mục lý thuyết tương ứng; các thuật ngữ trọng tâm được in đậm và định nghĩa rõ ràng ngay trong văn bản hoặc tại lề trang.
• Tích hợp các xu hướng phân tích hiện đại: Bổ sung nội dung thảo luận về mối quan hệ giữa tương quan, dự báo và Dữ liệu lớn (Big Data) trong Chương 5; mở rộng các phương pháp phân tích phi tham số và tái chọn mẫu (resampling: permutation tests, bootstrap) ở các chương chuyên đề trực tuyến.
• Gắn kết thực tiễn ngành nghề: Giáo trình sử dụng số liệu từ các tổ chức và hệ thống thực tế như: hệ thống theo dõi doanh số âm nhạc SoundScan (cung cấp số liệu cho Billboard, MTV), nghiên cứu thị trường của Arthur Nielsen, dữ liệu việc làm từ Cục Thống kê Lao động Hoa Kỳ (BLS) và các mô hình khí hậu toàn cầu.

---

Đối tượng sử dụng giáo trình

• Sinh viên mục tiêu: Giáo trình được thiết kế cho sinh viên đại học năm nhất hoặc năm hai thuộc các chuyên ngành Khoa học Xã hội, Kinh tế, Quản trị Kinh doanh, Nông nghiệp, Y sinh học, Môi trường và các ngành khoa học tổng quát cần hoàn thành học phần Thống kê cơ sở.
• Yêu cầu kiến thức nền tảng (Prerequisites): Yêu cầu duy nhất là kiến thức Đại số đại học cơ bản (College algebra). Sinh viên chỉ cần nắm vững kỹ năng đọc hiểu và thao tác trên các phương trình toán học đơn giản, biết cách đọc đồ thị tọa độ; không yêu cầu kiến thức về giải tích vi phân hay tích phân.
• Giảng viên và phương thức triển khai: Giảng viên có thể linh hoạt cấu trúc lộ trình môn học: bắt đầu từ Khám phá dữ liệu (Phần I) hoặc từ Sản xuất dữ liệu (Phần II) mà không làm gián đoạn tính logic. Các chương và mục có gắn dấu sao (*) là nội dung tùy chọn, cho phép lược bỏ để phù hợp với thời lượng tín chỉ của từng khoa/viện. Đội ngũ giảng viên được hỗ trợ bởi hệ thống tài nguyên gồm:
  • Sách hướng dẫn giảng viên (Instructor's Guide) biên soạn bởi Michelle Duda và Karen Starin.
  • Slide bài giảng điện tử (Lecture Slides) và bài kiểm tra thực hành do Mark Gebert hiệu chỉnh.
  • Ngân hàng câu hỏi trắc nghiệm (Test Bank) và câu hỏi tương tác (Clicker Questions) biên soạn bởi Nicole Dalzell và Terri Rizzo.
  • Sách giải bài tập chi tiết (Instructor Solutions Manual) do Jack Miller, Mark McKibben và John Samons thẩm định.
• Người tự học và tham khảo: Phù hợp cho các nhà nghiên cứu, chuyên viên phân tích dữ liệu sơ cấp cần củng cố kiến thức nền tảng về phương pháp luận thống kê thực nghiệm thông qua hệ thống bài tập có lời giải chọn lọc và tài liệu hướng dẫn phần mềm.

---

Câu hỏi thường gặp

1. Giáo trình này phù hợp với ai?

Giáo trình phù hợp với sinh viên bậc đại học, cao học và người học tự do thuộc các khối ngành không chuyên Toán (như kinh doanh, khoa học xã hội, y tế, sinh học) cần trang bị kỹ năng phân tích và suy luận thống kê ứng dụng trong công việc thực tế.

2. Cần kiến thức nền nào để học?

Người học chỉ cần kiến thức đại số cơ bản bậc trung học/đại số đại học (college algebra) để xử lý các phép tính số học, đọc phương trình đường thẳng và hiểu các ký hiệu toán học căn bản. Toàn bộ các công cụ thống kê chuyên sâu đều được diễn giải thông qua trực quan và ví dụ ngữ cảnh.

3. Điểm khác biệt của giáo trình so với các tài liệu thống kê truyền thống?

Khác với các tài liệu nặng về toán lý thuyết, giáo trình triển khai theo triết lý thực hành dữ liệu:

• Giới thiệu phân phối chuẩn, hệ số tương quan và hồi quy tuyến tính ngay trong phần mô tả dữ liệu ban đầu thay vì đẩy xuống cuối khóa học.
• Khởi đầu suy luận tham số bằng thủ tục $z$ cho trung bình để làm rõ bản chất logic suy luận trước khi đi vào các thủ tục $t$ phức tạp hơn.
• Chuẩn hóa phương pháp tiếp cận qua quy trình 4 bước (State, Plan, Solve, Conclude).

4. Làm sao để tự học hiệu quả với giáo trình?

Người học nên đọc kỹ các ví dụ mẫu có áp dụng quy trình 4 bước, hoàn thành các bài tập "Apply Your Knowledge" sau từng mục, sử dụng các applet Desmos để trực quan hóa khái niệm, và tự kiểm tra năng lực qua các bài đánh giá "Test Yourself" tại các chương ôn tập kỹ năng (Review Chapters).

5. Có tài liệu bổ trợ nào kèm theo giáo trình?

Giáo trình đi kèm hệ thống bảng tra số học (Bảng A, B, C, D, E), đáp án bài tập chọn lọc ở cuối sách, 5 chương chuyên đề nâng cao trực tuyến (Chương 28-32), chuỗi video hướng dẫn công nghệ (Video Technology Manuals) và hệ sinh thái học tập số Achieve.

---

Kết luận

Giáo trình The Basic Practice of Statistics (Ấn bản lần thứ 9) của David S. Moore và William I. Notz cung cấp một hệ thống kiến thức thống kê ứng dụng hoàn chỉnh, chuẩn mực theo định hướng GAISE. Tác phẩm cân bằng giữa bản chất lý thuyết, trực quan hóa dữ liệu và kỹ năng diễn giải thực nghiệm, giúp người học hình thành tư duy định lượng vững chắc.

Lộ trình học tập đề xuất:

1. Giai đoạn 1 (Chương 0–7): Nắm vững các công cụ khám phá, trực quan hóa và mô tả dữ liệu đơn biến và hai biến.
2. Giai đoạn 2 (Chương 8–11): Nắm vững phương pháp luận thiết kế mẫu và thực nghiệm đối chứng ngẫu nhiên.
3. Giai đoạn 3 (Chương 12–19): Xây dựng nền tảng xác suất, phân phối chọn mẫu và logic suy luận thống kê (khoảng tin cậy, kiểm định ý nghĩa).
4. Giai đoạn 4 (Chương 20–27): Thực hành các kỹ thuật suy luận tham số cho trung bình, tỷ lệ, bảng hai chiều, hồi quy và ANOVA.
5. Giai đoạn 5 (Chương 28–32): Nghiên cứu mở rộng các chuyên đề trực tuyến (phi tham số, hồi quy bội, SPC, bootstrap) theo nhu cầu chuyên môn.

Người học có thể khai thác bổ sung nền tảng số Achieve, hệ thống câu hỏi thích ứng LearningCurve và các công cụ mô phỏng Desmos để tối ưu hóa hiệu quả tiếp thu kiến thức.

Trích đoạn nội dung tài liệu

The Basic Practice of Statistics The Basic Practice of Statistics Ninth Edition David S. Moore Purdue University William I. Notz The Ohio State University Senior Vice President, STEM: Daryl Fox Program Director, Math, Statistics, Earth Sciences, and Environmental Science: Andrew Dunaway Program Manager: Sarah Seymour Executive Content Development Manager, STEM: Debbie Hardin Development Editor: David Dietz Executive Project Manager, Content, STEM: Katrina Mangold Director of Content, Math and Statistics: Daniel Lauve Executive Media Editor: Catriona Kaplan Associate Editor: Andy Newton Assistant Editor: Justin Jones Marketing Manager: Leah Christians Marketing Assistant: Morgan Psiuk Director of Content Management Enhancement: Tracey Kuehn Senior Managing Editor: Lisa Kinne Senior Content Project Manager: Edward Dionne Project Manager: Heidi Allgair, SPi Global Senior Workflow Project Manager: Paul Rohloff Production Supervisor: Robert Cherry Director of Design, Content Management: Diana Blume Design Services Manager: Natasha Wolfe Cover Design: Laura de Grasse Interior Design: Vicki Tomaselli Art Manager: Matthew McAdams Director of Digital Production: Keri deManigold Media Project Manager: Hanna Squire Executive Permissions Editor: Cecilia Varas Rights and Billing Editor: Alexis Gargin Composition: SPi Global Printing and Binding: LSC Communications ISBN 978-1-319-38369-5 (ePub) © 2021, 2018, 2015, 2012 by W. Freeman and Company All rights reserved.

Printed in the United States of America 1 2 3 4 5 6 25 24 23 22 21 20 Macmillan Learning One New York Plaza Suite 4600 New York, NY 10004-1562 www.com BRIEF CONTENTS Chapter 0 Getting Started Part I Exploring Data EXPLORING DATA: Variables and Distributions Chapter 1 Picturing Distributions with Graphs Chapter 2 Describing Distributions with Numbers Chapter 3 The Normal Distributions EXPLORING DATA: Relationships Chapter 4 Scatterplots and Correlation Chapter 5 Regression Chapter 6 Two-Way Tables* Chapter 7 Exploring Data: Part I Review Part II Producing Data PRODUCING DATA Chapter 8 Producing Data: Sampling Chapter 9 Producing Data: Experiments Chapter 10 Data Ethics* Chapter 11 Producing Data: Part II Review Part III From Data Production to Inference PROBABILITY AND SAMPLING DISTRIBUTIONS Chapter 12 Introducing Probability Chapter 13 General Rules of Probability* Chapter 14 Binomial Distributions* Chapter 15 Sampling Distributions FOUNDATIONS OF INFERENCE Chapter 16 Confidence Intervals: The Basics Chapter 17 Tests of Significance: The Basics Chapter 18 Inference in Practice Chapter 19 From Data Production to Inference: Part III Review Part IV Inference about Variables QUANTITATIVE RESPONSE VARIABLE Chapter 20 Inference about a Population Mean Chapter 21 Comparing Two Means CATEGORICAL RESPONSE VARIABLE Chapter 22 Inference about a Population Proportion Chapter 23 Comparing Two Proportions Chapter 24 Inference about Variables: Part IV Review Part V Inference about Relationships INFERENCE ABOUT RELATIONSHIPS Chapter 25 Two Categorical Variables: The Chi-Square Test Chapter 26 Inference for Regression Chapter 27 One-Way Analysis of Variance: Comparing Several Means Part VI Optional Companion Chapters (Available Online) Chapter 28 Nonparametric Tests Chapter 29 Multiple Regression* Chapter 30 Two-Way Analysis of Variance Chapter 31 Statistical Process Control Chapter 32 Resampling: Permutation Tests and the Bootstrap *Starred material is optional and can be skipped without loss of continuity. Why Did You Do That? 2. About the Authors 5. Chapter 0 Getting Started 1.1 How the Data Were Obtained Matters 2.2 Always Look at the Data 3.3 Variation Is Everywhere 4.4 What Lies Ahead in This Book 6.

Part I Exploring Data 1. Chapter 1 Picturing Distributions with Graphs 1.1 Individuals and Variables 2.2 Categorical Variables: Pie Charts and Bar Graphs 3.3 Quantitative Variables: Histograms 4.5 Quantitative Variables: Stemplots 6. Chapter 2 Describing Distributions with Numbers 1.1 Measuring Center: The Mean 2.2 Measuring Center: The Median 3.3 Comparing the Mean and the Median 4.4 Measuring Variability: The Quartiles 5.5 The Five-Number Summary and Boxplots 6.6 Spotting Suspected Outliers and Modified Boxplots* 7.7 Measuring Variability: The Standard Deviation 8.8 Choosing Measures of Center and Variability 9.9 Examples of Technology 10.10 Organizing a Statistical Problem 3. Chapter 3 The Normal Distributions 1.2 Describing Density Curves 3.5 The Standard Normal Distribution 6.6 Finding Normal Proportions 7.7 Using the Standard Normal Table 8.8 Finding a Value Given a Proportion 4.

Chapter 4 Scatterplots and Correlation 1.1 Explanatory and Response Variables 2.2 Displaying Relationships: Scatterplots 3.4 Adding Categorical Variables to Scatterplots 5.5 Measuring Linear Association: Correlation 6.6 Facts about Correlation 5.2 The Least-Squares Regression Line 3.3 Examples of Technology 4.4 Facts about Least-Squares Regression 5.7 Cautions about Correlation and Regression 8.8 Association Does Not Imply Causation 9.9 Correlation, Prediction, and Big Data* 6. Chapter 6 Two-Way Tables* 1. Chapter 7 Exploring Data: Part I Review 1. Part I Skills Review 2.

Online Data for Additional Analyses 7. Part II Producing Data 1. Chapter 8 Producing Data: Sampling 1.1 Population versus Sample 2.2 How to Sample Badly 3.3 Simple Random Samples 4.4 Trustworthiness of Inference from Samples 5.5 Other Sampling Designs 6.6 Cautions about Sample Surveys 7.7 The Impact of Technology 2. Chapter 9 Producing Data: Experiments 1.1 Observation Versus Experiment 2.2 Subjects, Factors, and Treatments 3.3 How to Experiment Badly 4.4 Randomized Comparative Experiments 5.5 The Logic of Randomized Comparative Experiments 6.6 Cautions About Experimentation 7.7 Matched Pairs and Other Block Designs 3.

Chapter 10 Data Ethics* 1.1 Institutional Review Boards 2.5 Behavioral and Social Science Experiments 4. Chapter 11 Producing Data: Part II Review 1. Part II Skills Review 2. Part III From Data Production to Inference 1.

Chapter 12 Introducing Probability 1.1 The Idea of Probability 2.2 The Search for Randomness* 3.5 Finite Probability Models 6.6 Continuous Probability Models 7. Chapter 13 General Rules of Probability* 1.1 The General Addition Rule 2.2 Independence and the Multiplication Rule 3.4 The General Multiplication Rule 5.5 Showing That Events Are Independent 6. Chapter 14 Binomial Distributions* 1.1 The Binomial Setting and Binomial Distributions 2.2 Binomial Distributions in Statistical Sampling 3.4 Examples of Technology 5.5 Binomial Mean and Standard Deviation 6.6 The Normal Approximation to Binomial Distributions 4. Chapter 15 Sampling Distributions 1.1 Parameters and Statistics 2.2 Statistical Estimation and the Law of Large Numbers 3.4 The Sampling Distribution of x¯ 5.5 The Central Limit Theorem 6.6 Sampling Distributions and Statistical Significance* 5.

Chapter 16 Confidence Intervals: The Basics 1.1 The Reasoning of Statistical Estimation 2.2 Margin of Error and Confidence Level 3.3 Confidence Intervals for a Population Mean 4.4 How Confidence Intervals Behave 6. Chapter 17 Tests of Significance: The Basics 1.1 The Reasoning of Tests of Significance 2.3 P-Value and Statistical Significance 4.4 Tests for a Population Mean 5.5 Significance from a Table* 7. Chapter 18 Inference in Practice 1.1 Conditions for Inference in Practice 2.2 Cautions about Confidence Intervals 3.3 Cautions about Significance Tests 4.4 Planning Studies: Sample Size for Confidence Intervals 5.5 Planning Studies: The Power of a Statistical Test of Significance* 8. Chapter 19 From Data Production to Inference: Part III Review 1.

Part III Skills Review 2. Part IV Inference about Variables 1. Chapter 20 Inference about a Population Mean 1.1 Conditions for Inference about a Mean 2.3 The One-Sample t Confidence Interval 4.4 The One-Sample t Test 5.5 Examples of Technology 6.6 Matched Pairs t Procedures 7.7 Robustness of t Procedures 2. Chapter 21 Comparing Two Means 1.1 Two-Sample Problems 2.2 Comparing Two Population Means 3.3 Two-Sample t Procedures 4.4 Examples of Technology 5.6 Details of the t Approximation* 7.7 Avoid the Pooled Two-Sample t Procedures* 8.8 Avoid Inference about Standard Deviations* 3.

Chapter 22 Inference about a Population Proportion 1.1 The Sample Proportion p^ 2.2 Large-Sample Confidence Intervals for a Proportion 3.3 Choosing the Sample Size 4.4 Significance Tests for a Proportion 5.5 Plus Four Confidence Intervals for a Proportion* 4. Chapter 23 Comparing Two Proportions 1.1 Two-Sample Problems: Proportions 2.2 The Sampling Distribution of a Difference between Proportions 3.3 Large-Sample Confidence Intervals for Comparing Proportions 4.4 Examples of Technology 5.5 Significance Tests for Comparing Proportions 6.6 Plus Four Confidence Intervals for Comparing Proportions* 5. Chapter 24 Inference about Variables: Part IV Review 1. Part IV Skills Review 2.

Part V Inference about Relationships 1. Chapter 25 Two Categorical Variables: The Chi-Square Test 1.1 Two-Way Tables 2.2 The Problem of Multiple Comparisons 3.3 Expected Counts in Two-Way Tables 4.4 The Chi-Square Statistic 5.5 Examples of Technology 6.6 The Chi-Square Distributions 7.7 Cell Counts Required for the Chi-Square Test 8.8 Uses of the Chi-Square Test: Independence and Homogeneity 9.9 The Chi-Square Test for Goodness of Fit* 2. Chapter 26 Inference for Regression 1.1 Conditions for Regression Inference 2.2 Estimating the Parameters 3.3 Examples of Technology 4.4 Testing the Hypothesis of No Linear Relationship 5.5 Testing Lack of Correlation 6.6 Confidence Intervals for the Regression Slope 7.7 Inference about Prediction 8.8 Checking the Conditions for Inference 3. Chapter 27 One-Way Analysis of Variance: Comparing Several Means 1.1 Comparing Several Means 2.2 The Analysis of Variance F Test 3.4 The Idea of Analysis of Variance 5.5 Conditions for ANOVA 6.6 F Distributions and Degrees of Freedom 7.7 Follow-up Analysis: Tukey Pairwise Multiple Comparisons 8.8 Some Details of ANOVA* 11.

Notes and Data Sources 12. Tables TABLE A Standard Normal Cumulative Proportions TABLE B Random Digits TABLE C t Distribution Critical Values TABLE D Chi-Square Distribution Critical Values TABLE E Critical Values of the Correlation r 13. Answers to Selected Exercises 14. Part VI Optional Companion Chapters (Available Online) 1.

Chapter 28 Nonparametric Tests 1.1 Comparing Two Samples: The Wilcoxon Rank Sum Test 2.2 The Normal Approximation for W 3.3 Examples of Technology 4.4 What Hypotheses Does Wilcoxon Test? 5.5 Dealing with Ties in Rank Tests 6.6 Matched Pairs: The Wilcoxon Signed Rank Test 7.7 The Normal Approximation for W+ 8.8 Dealing with Ties in the Signed Rank Test 9.9 Comparing Several Samples: The Kruskal–Wallis Test 10.10 Hypotheses and Conditions for the Kruskal–Wallis Test 11.11 The Kruskal–Wallis Test Statistic 2. Chapter 29 Multiple Regression* 1.1 Adding a Categorical Variable in Regression 2.3 Examples of Technology 4.4 Inference for Multiple Regression 5.6 A Model with Two Regression Lines 7.7 The General Multiple Linear Regression Model 8.8 Correlations between Explanatory Variables 9.9 A Case Study for Multiple Regression 10.10 Inference for Regression Parameters 11.11 Checking the Conditions for Inference 3. Chapter 30 Two-Way Analysis of Variance 1.1 Beyond One-Way ANOVA 2.2 Two-Way ANOVA: Conditions, Main Effects, and Interaction 3.3 Inference for Two-Way ANOVA 4.4 Some Details of Two-Way ANOVA* 4. Chapter 31 Statistical Process Control 1.3 The Idea of Statistical Process Control 4.4 x¯ Charts for Process Monitoring 5.5 s Charts for Process Monitoring 6.6 Using Control Charts 7.7 Setting Up Control Charts 8.8 Comments on Statistical Control 9.9 Don’t Confuse Control with Capability 10.10 Control Charts for Sample Proportions 11.11 Control Limits for p Charts 5.

Chapter 32 Resampling: Permutation Tests and the Bootstrap 1.1 Randomization in Experiments as a Basis for Inference 2.2 Permutation Tests for Two Treatments with Software 3.3 Generating Bootstrap Samples 4.4 Bootstrap Standard Errors and Confidence Intervals *Starred material is optional and can be skipped without loss of continuity. WHY DID YOU DO THAT? The Authors Answer Questions about The Basic Practice of Statistics Welcome to the ninth edition of The Basic Practice of Statistics. As the title suggests, this text provides an introduction to the practice of statistics that aims to equip students to carry out common statistical procedures and to follow statistical reasoning in their fields of study and in their future employment. There is no single best way to organize our presentation of statistics to beginners.

That said, our choices reflect thinking about both content and pedagogy. Here are comments on several frequently asked questions about the order and selection of material in The Basic Practice of Statistics. Why Did You Write The Basic Practice of Statistics? Several factors influenced the writing of The Basic Practice of Statistics. Easy-to-use statistical software with graphical tools made it possible for students to explore and analyze data on their own.

Statistics educators recognized that actually doing statistics—exploring data, analyzing data, thinking about what the data are telling us, and assessing the validity of the conclusions we make from data— is an effective way to learn statistics. Teachers also recognized the importance of using real data from actual studies to reinforce the fact that statistics is invaluable for answering real-world questions.