TÀI LIỆU THỰC HÀNH NHẬP MÔN THỐNG KÊ (MÃ MÔN HỌC: C03104) – TRƯỜNG ĐẠI HỌC TÔN ĐỨC THẮNG

Tổng quan về giáo trình

Tài liệu "Tài liệu thực hành Nhập môn Thống kê" (Mã môn học: C03104) do Thạc sĩ Bùi Thùy Trang biên soạn năm 2024, được lưu hành nội bộ tại Bộ môn Thống kê, Khoa Toán – Thống kê, Trường Đại học Tôn Đức Thắng (TP. Hồ Chí Minh). Học phần giữ vai trò nền tảng trong chương trình đào tạo khối ngành Toán ứng dụng, Thống kê và các ngành khoa học xã hội, kinh tế có sử dụng định lượng, trang bị kỹ năng tin học ứng dụng trong phân tích dữ liệu.

Mục tiêu đào tạo cốt lõi của tài liệu tập trung vào việc chuẩn hóa kỹ năng lập trình tính toán và phân tích thống kê mô tả thông qua ngôn ngữ R và giao diện tích hợp RStudio. Người học được trang bị năng lực làm chủ cú pháp R, hiểu rõ các cấu trúc dữ liệu nguyên tử đến đa chiều, thực hiện thành thạo quy trình trích xuất, làm sạch, biến đổi dữ liệu từ nhiều định dạng tập tin khác nhau, và áp dụng các phương pháp biểu diễn số liệu bằng bảng thống kê và biểu đồ đạt chuẩn báo cáo khoa học.

Cấu trúc tài liệu được thiết kế theo lộ trình thực hành tuyến tính gồm 4 chương logic: từ thiết lập môi trường vận hành, nắm bắt cấu trúc đối tượng và phép toán đại số/logic, đến kỹ thuật xử lý tệp dữ liệu thực tế và hoàn thiện bằng các công cụ thống kê mô tả. Cách tiếp cận của tài liệu dựa trên nguyên tắc "học qua mã lệnh thực thi" (syntax-driven execution), cung cấp từng cú pháp chi tiết, giải thích đối số, minh họa kết quả đầu ra trên Console và hệ thống bài tập thực hành gắn với dữ liệu thực nghiệm phong phú.

Nội dung kiến thức cốt lõi

Các chương và chủ đề chính

Tài liệu được phân định thành 4 khối kiến thức chuyên đề:

  1. Chương 1: Giới thiệu ngôn ngữ R Trình bày lịch sử phát triển của R do Ross Ihaka và Robert Gentleman khởi xướng năm 1993 tại Đại học Auckland, phát triển bởi "R Development Core Team" theo giấy phép GNU GPL. Phân tích các đặc tính kỹ thuật: phần mềm mã nguồn mở, năng lực tính toán ma trận, đồ họa chuẩn xuất bản khoa học, khả năng mở rộng qua CRAN (Comprehensive R Archive Network). Hướng dẫn cài đặt R, RStudio, thao tác trên Editor (Script), phím tắt Ctrl+Shift+N, Ctrl+Enter, các hàm trợ giúp (help(), ?, help.search(), help.start(), example(), demo()). Cung cấp kỹ thuật quản lý Workspace (ls(), objects(), rm()), kiểm soát thư mục làm việc (getwd(), setwd()) và cấu hình hệ thống (options()).

  2. Chương 2: Cấu trúc dữ liệu – Các tính toán Phân loại các kiểu dữ liệu cơ bản (numeric, character, logical) và các giá trị đặc biệt (NULL, NA, NaN, Inf). Định nghĩa và hướng dẫn khởi tạo, thao tác trên các lớp đối tượng: Vector (c(), seq(), rep()), Factor (dữ liệu định danh, thứ bậc qua factor(), ordered(), levels()), Array (mảng đa chiều), Matrix (ma trận 2 chiều, hàm matrix(), cbind(), rbind(), t(), diag()), List (danh sách hỗn hợp qua list(), unlist()) và Data Frame (data.frame(), toán tử truy xuất $, [,], hàm with()). Phần tính toán bao gồm hệ thống toán tử số học, đại số ma trận (det(), solve(), eigen()), toán tử quan hệ/logic (==, !=, &, |, !) và các quy tắc gán tên biến, từ khóa bảo lưu.

  3. Chương 3: Nhập, xuất và biên tập dữ liệu Khái quát khả năng đọc dữ liệu từ các hệ thống phần mềm thống kê (SAS, SPSS, Stata) và hệ cơ sở dữ liệu (MySQL, Oracle, Access). Hướng dẫn kỹ thuật nhập dữ liệu thủ công (c(), data.frame(), edit(), scan()), xuất và lưu trữ (save() với định dạng .rda, write.table() cho text, doc, excel). Trình bày phương pháp nhập dữ liệu gián tiếp từ các tệp .txt (read.table()), .csv/.xlsx (read.csv(), file.choose()), .sav/.dta (gói Hmisc với spss.get(), gói foreign với read.spss(), read.dta()), và trích xuất dữ liệu từ tệp .pdf bằng scan(). Kỹ thuật biên tập dữ liệu bao gồm sắp xếp thứ tự (sort(), order()), trích lọc phần tử và tập con (subset()), hợp nhất dữ liệu theo cột/dòng (merge(), rbind()), và mã hóa biến định tính/thứ bậc.

  4. Chương 4: Mô tả dữ liệu Phân hệ trực quan hóa dữ liệu đồ họa thông qua hệ thống hàm cơ bản và thư viện chuyên dụng: thiết lập môi trường đa khung hình (par(mfrow=...)), điều chỉnh thông số nhãn (xlab, ylab, main), giới hạn trục (xlim, ylim), ghi chú (legend(), mtext(), text(), cex). Hướng dẫn vẽ biểu đồ đường (plot(), lines()), biểu đồ cột (barplot()), biểu đồ tròn 2D/3D (pie(), pie3D() trong gói plotrix), biểu đồ thân-lá đơn và đối xứng (stem(), stem.leaf(), stem.backback() trong gói aplpack), biểu đồ phân bố tần số/tần suất (hist() kết hợp đường mật độ density()), và biểu đồ tán xạ (plot() kết hợp abline(lm(...)) và cor()). Phần mô tả bằng bảng triển khai lập bảng tần số, tần suất một chiều và hai chiều (table(), prop.table(), cumsum(), cut(), xtabs(), margin.table()). Khối thống kê tham số tập trung tính toán các đặc trưng: trung bình (mean()), trung vị (median()), phương sai (var()), độ lệch chuẩn (sd()), phân vị (quantile()), độ trải giữa (IQR()), giá trị cực trị (min(), max()), hàm tóm lược (summary()), cùng kỹ thuật vẽ biểu đồ hộp (boxplot(), boxplot.stats()) để định vị điểm dị biệt (outliers) theo tiêu chuẩn $Q_1 - 1.5 \times IQR$ và $Q_3 + 1.5 \times IQR$.

Kiến thức nền tảng được xây dựng

Tài liệu thiết lập hệ thống lý thuyết thực hành vững chắc xoay quanh ba trục:

  • Nguyên lý cấu trúc đối tượng: Xây dựng hiểu biết về cách R quản lý bộ nhớ, định kiểu dữ liệu từ vector nguyên tử đến các cấu trúc phức hợp như bảng dữ liệu (Data Frame) và danh sách lồng nhau (List).
  • Nền tảng đại số tuyến tính trong thống kê: Cung cấp cơ sở tính toán ma trận, định thức, nghịch đảo ma trận và trị riêng/vector riêng phục vụ việc biểu diễn và giải thuật toán thống kê nhiều chiều.
  • Lý thuyết thống kê mô tả chuẩn mực: Định nghĩa rõ ràng bản chất các thang đo dữ liệu (định danh - nominal, thứ bậc - ordinal, khoảng - interval, tỷ lệ - ratio), các chỉ số đo lường độ tập trung, độ phân tán và quy tắc Tukey trong phát hiện quan sát ngoại lai.

Kỹ năng phát triển

  • Kỹ năng kỹ thuật (Technical Skills): Viết và tổ chức mã lệnh bằng R Script; thao tác thành thạo trên RStudio; cài đặt, nạp và giải phóng các gói thư viện (Hmisc, foreign, plotrix, aplpack, MASS, Matrix); xử lý đường dẫn và quản lý biến môi trường.
  • Kỹ năng phân tích (Analytical Skills): Phân tổ dữ liệu định lượng bằng các khoảng đóng/mở (cut()); xây dựng bảng phân phối chéo nhiều chiều (xtabs()); nhận diện hình dạng phân phối (đối xứng, lệch trái, lệch phải) thông qua sự tương quan giữa trung bình, trung vị và đồ thị histogram/box plot.
  • Kỹ năng thực hành dữ liệu (Practical Competencies): Đọc và làm sạch dữ liệu từ các định dạng phức tạp (Excel, SPSS, PDF); biến đổi, lọc và gộp dữ liệu nhiều bảng (merge()); tạo lập báo cáo thống kê trực quan chuẩn mực khoa học.

Phương pháp giảng dạy và học tập

Phương pháp tiếp cận sư phạm của tài liệu tuân thủ mô hình thực hành có hướng dẫn (guided lab exercises). Mỗi chủ đề bài giảng đều đi kèm cấu trúc ba bước: (1) Cung cấp cú pháp lệnh và giải thích tham số chức năng; (2) Trình bày đoạn mã mẫu (script demo) gắn với một tập dữ liệu cụ thể; (3) Cung cấp bài tập thực hành độc lập để người học tự kiểm tra và vận dụng.

Tài liệu tích hợp hệ thống dữ liệu thực nghiệm phong phú phục vụ nghiên cứu tình huống (case studies):

  • Lĩnh vực Y sinh – Sức khỏe: Bộ dữ liệu chỉ số tiểu đường (diabetes, nồng độ glucose huyết tương lúc đói của 18 bệnh nhân), chỉ số huyết áp và cholesterol (chol.txt với các biến BMI, HDL, LDL, Triglycerides), dữ liệu thời gian sống sót của 72 chuột lang tiêm trực khuẩn lao, số liệu cân nặng và tim mèo (cats trong gói MASS), tình trạng loãng xương và béo phì (Obesity.csv).
  • Lĩnh vực Kinh tế – Kinh doanh: Doanh thu sản phẩm tại các đô thị lớn (citysale.xls với các thành phố Seattle, London, Tokyo, Berlin, Mumbai), mức giá và thông số kỹ thuật ô tô (carprice.csv), lượng tiêu thụ hàng hóa và chi tiêu rượu bia dịp Tết.
  • Lĩnh vực Môi trường – Khoa học xã hội: Lượng mưa tại các thủ đô (cityrain.txt), thiệt hại do lốc xoáy tại các tiểu bang Mỹ (Tornado damage), phát thải khí carbonic (CO2), độ axit trong nước mưa (Acidity of rainwater), khảo sát thời gian tự học của sinh viên nam/nữ, tỷ lệ biết chữ (literacy rates.csv).

Hệ thống đánh giá được định hình qua năng lực thực thi trực tiếp trên máy tính: sinh viên phải viết được các đoạn script hoàn chỉnh, giải quyết bài toán phân tổ, hợp nhất dữ liệu, tính toán chính xác các hệ số phân vị, và cấu hình các biểu đồ phức hợp (như biểu đồ thân-lá đối xứng back-to-back stem plot hay biểu đồ Pareto).

Hướng dẫn tự học tập trung vào việc tận dụng tối đa hệ thống tài liệu trợ giúp nội trang của R thông qua cú pháp help(tên_hàm) hoặc ?tên_hàm, tra cứu gói lệnh qua CRAN Task Views, và kiểm soát luồng dữ liệu phiên làm việc bằng các hàm ls(), rm(), str().

Điểm nổi bật và cập nhật

Tài liệu thực hành biên soạn năm 2024 mang tính cập nhật kỹ thuật cao, tương thích hoàn toàn với nền tảng R phiên bản 4.x và môi trường làm việc RStudio hiện đại. Giáo trình chuyển đổi phương thức giảng dạy thống kê từ xử lý công thức thủ công sang tự động hóa quy trình phân tích trên máy tính.

Tiêu chí Giáo trình lý thuyết truyền thống Tài liệu thực hành C03104 (2024)
Công cụ tiếp cận Bảng tính, máy tính cầm tay, tính tay Ngôn ngữ lập trình R và IDE RStudio
Xử lý dữ liệu Dữ liệu mẫu quy mô nhỏ (n < 30) Tệp dữ liệu đa định dạng (.csv, .sav, .dta, .pdf)
Trực quan hóa Vẽ đồ thị tĩnh cơ bản Đồ thị nâng cao (3D pie, back-to-back stem, density hist)
Đại số ma trận Tính toán ma trận cấp thấp bằng tay Giải thuật tự động: solve(), det(), eigen()
Mở rộng chức năng Giới hạn trong nội dung in ấn Tích hợp thư viện CRAN (Hmisc, plotrix, aplpack)

Tính ứng dụng thực tế được thể hiện qua việc tích hợp các gói lệnh chuyên ngành:

  • Gói Hmisc và foreign: Cho phép chuyển đổi liền mạch tệp tin từ các phần mềm thương mại phổ biến như SPSS (.sav) và Stata (.dta).
  • Gói plotrix: Hỗ trợ biểu diễn trực quan nâng cao với biểu đồ tròn không gian ba chiều (pie3D()).
  • Gói aplpack: Hỗ trợ vẽ biểu đồ thân-lá đối xứng (stem.backback()), cho phép so sánh trực quan hai phân phối độc lập trên cùng một trục thân.
  • Gói MASS và Matrix: Hỗ trợ truy xuất tập dữ liệu chuẩn mực và tối ưu hóa các phép toán ma trận phức tạp.

Đối tượng sử dụng giáo trình

Tài liệu được biên soạn phục vụ các nhóm đối tượng cụ thể trong môi trường học thuật đại học:

  1. Sinh viên đại học:

    • Sinh viên năm thứ nhất và năm thứ hai theo học môn Nhập môn Thống kê (Mã môn học: C03104) thuộc Khoa Toán – Thống kê, Trường Đại học Tôn Đức Thắng.
    • Sinh viên các ngành Kinh tế, Quản trị kinh doanh, Tài chính – Ngân hàng, Xã hội học, Công nghệ sinh học và Khoa học dữ liệu cần kỹ năng phân tích định lượng và xử lý số liệu sơ cấp.

  2. Yêu cầu điều kiện tiên quyết (Prerequisites):

    • Người học cần nắm các kiến thức toán học cơ bản (đại số ma trận, giải tích sơ cấp) và lý thuyết xác suất thống kê đại cương (các khái niệm trung bình, độ lệch chuẩn, phân phối chuẩn, kiểm định cơ bản).
    • Kiến thức tin học căn bản về thao tác tệp, quản lý thư mục trên các hệ điều hành (Windows, Linux, macOS).

  3. Giảng viên và nghiên cứu viên:

    • Làm đề cương bài giảng thực hành tại phòng máy tính, chuẩn hóa các bài lab phân tích số liệu.
    • Sử dụng hệ thống bài tập phong phú (từ Bài tập 2.1 đến 4.16) làm nguồn đề thi, bài kiểm tra đánh giá quá trình và dự án môn học.

  4. Học viên tự học và người làm việc với dữ liệu:

    • Cung cấp tài liệu tra cứu nhanh (cheat-sheet) về các cú pháp lập trình thống kê căn bản trên R, chuyển đổi từ các công cụ như Excel/SPSS sang ngôn ngữ R.

Câu hỏi thường gặp

1. Giáo trình này phù hợp nhất với ai?

Tài liệu được thiết kế chuyên biệt cho sinh viên đại học theo học môn Nhập môn Thống kê (mã môn C03104), đặc biệt là sinh viên Khoa Toán – Thống kê và các khối ngành cần công cụ xử lý số liệu định lượng. Ngoài ra, tài liệu phù hợp cho người bắt đầu làm quen với lập trình phân tích dữ liệu trên R từ con số 0.

2. Cần chuẩn bị kiến thức nền tảng nào trước khi học?

Người học chỉ cần kiến thức toán đại cương và hiểu biết cơ bản về các khái niệm thống kê mô tả (như giá trị trung bình, tần số, tỉ lệ). Không đòi hỏi phải có nền tảng lập trình chuyên sâu từ trước, vì tài liệu hướng dẫn chi tiết từ cách cài đặt phần mềm, gán biến đến từng toán tử số học.

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

Tài liệu tập trung 100% vào năng lực thực hành và giải quyết bài toán dữ liệu qua mã lệnh (command-driven), loại bỏ việc tính toán công thức phức tạp bằng tay. Toàn bộ các thao tác từ xử lý dữ liệu thô, phân tổ, ghép bảng đến vẽ đồ thị đều được tự động hóa bằng ngôn ngữ R, tương thích chuẩn định dạng của các phần mềm chuyên dụng như SPSS, Stata.

4. Làm thế nào để tự học và thực hành hiệu quả theo tài liệu?

Người học nên cài đặt đồng thời R và RStudio theo hướng dẫn ở Chương 1, mở cửa sổ R Script (Ctrl+Shift+N) và trực tiếp gõ từng dòng lệnh thay vì sao chép. Đồng thời, cần khai thác hệ sinh thái trợ giúp nội bộ bằng lệnh help(), ?, kết hợp giải quyết toàn bộ hệ thống bài tập tình huống gắn với các bộ dữ liệu đi kèm ở cuối mỗi chương.

5. Có những gói thư viện (packages) nào cần cài đặt khi học giáo trình?

Bên cạnh hệ thống thư viện nền tảng (base), tài liệu yêu cầu cài đặt và sử dụng các gói mở rộng trên CRAN gồm: Hmisc (nhập số liệu SPSS), foreign (đọc dữ liệu Stata/SPSS), plotrix (vẽ đồ thị 3D), aplpack (vẽ đồ thị thân-lá chuyên sâu), MASS (tập dữ liệu chuẩn) và Matrix (xử lý đại số ma trận).

Kết luận

Tài liệu "Tài liệu thực hành Nhập môn Thống kê" (MãMH: C03104) của Khoa Toán – Thống kê, Trường Đại học Tôn Đức Thắng là công trình học liệu thực hành có tính hệ thống, gắn kết giữa lý thuyết thống kê mô tả và năng lực lập trình trên môi trường R/RStudio. Với cấu trúc 4 chương mạch lạc, tài liệu thiết lập một lộ trình học tập chuẩn mực: từ nắm vững cú pháp nền tảng, quản lý cấu trúc dữ liệu đa chiều, làm chủ kỹ thuật tiền xử lý dữ liệu đa định dạng, đến thành thạo trực quan hóa và tóm tắt đặc trưng thống kê. Đây là tài liệu học tập thiết yếu, chuẩn bị nền tảng kỹ thuật vững chắc để người học tiếp tục nâng cao trong các học phần thống kê suy diễn, kinh tế lượng và mô hình hóa dữ liệu chuyên sâu.