ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA KHOA HỌC & KỸ THUẬT MÁY TÍNH CẤU TRÚC RỜI RẠC CHO KHMT (CO1007) Ứng dụng thống kê khảo sát kết quả của kiểm tra môn Cấu trúc rời rạc GVHD: Huỳnh Tường Nguyên Nguyễn Ngọc Lễ SV thực hiện: Phan Hải Hà (Nhóm trưởng) – 2011134 Huỳnh Lâm Minh Đức – 2010228 Đoàn Tiến Thông – 1915352 Phan Thị Quỳnh Như –2011780 Nguyễn Thanh Trúc – 2010747 Thái Tăng Huy – 2013329 Tp. Hồ Chí Minh, Tháng 05/2021 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính Mục lục 1 Đề tài bài tập lớn môn Cấu trúc rời rạc 2 2 Mục tiêu của bài toán 2 3 Phương pháp giải quyết vấn đề 2 3.1 Giới thiệu về ngôn ngữ R .2 Cơ sở lý thuyết giải quyết bài toán. 2 4 Mô tả dữ liệu 2 5 Bài giải 3 Tài liệu 62 Đề bài tập lớn môn Cấu trúc Rời rạc cho KHMT (CO1007) - Niên khóa 2020-2021 Trang 1/62 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính 1 Đề tài bài tập lớn môn Cấu trúc rời rạc Sơ lược về đề tài: Dùng các kiến thức đã được học từ đầu học kì để giải các câu i, ii, iii, v, và các câu hỏi nhỏ 1, 4, 5 của câu v theo cách giải truyền thống và bổ trợ bởi ngôn ngữ R. 2 Mục tiêu của bài toán Khai phá dữ liệu từ các bài thi giữa kỳ, cuối kỳ có ý nghĩa quan trọng trong việc đánh giá chất lượng của sinh viên.
Ngoài ra, những đánh giá kết quả thi cử của từng sinh viên, hay từng câu hỏi sẽ góp phần xác định những điểm mạnh, điểm yếu của sinh viên để giáo viên có phương pháp phù hợp trong việc cải thiện kỹ năng của sinh viên. Trong bài tập lớn này, các sinh viên sẽ bắt đầu với các bài toán thống kê đơn giản từ những dữ liệu được cung cấp. Qua đó, các em sẽ tìm ra những con số thú vị, có ý nghĩa đối với các dữ liệu thực tế trong quá khứ của hệ thống chấm bài online. Những kết quả mà các em tìm ra sẽ là bước khởi đầu cho việc khai phá nguồn dữ liệu của hệ thống sau này, nhằm đạt tới mục tiêu nâng cao kỹ năng lập trình, kỹ năng giải quyết vấn đề cho người học cũng như hướng tới mục tiêu cao hơn khi tích hợp với các hệ thống quản lý và cải thiện chất lượng dạy và học.
3 Phương pháp giải quyết vấn đề 3.1 Giới thiệu về ngôn ngữ R Ta cần phải phân tích dữ liệu để cung cấp các thông tin xác thực, trực quan, mô tả cụ thể, dễ hiểu vấn đề đang phân tích để phục vụ nghiên cứu khoa học. Đặc biệt trong các vấn đề kinh tế-xã hội và khi nghiên cứu số lớn chúng ta cần phải quan tâm đến các công cụ kỹ thuật về phân tích số liệu và biểu đồ. Phân tích số liệu và biểu đồ thường được tiến hành bằng các phần mềm thông dụng như SAS, SPSS, Stata, Statistica, và S-Plus. Đây là những phần mềm được các công ti phần mềm phát triển và giới thiệu trên thị trường khoảng ba thập niên qua, và đã được các trường đại học, các trung tâm nghiên cứu và công ti kĩ nghệ trên toàn thếgiới sửdụng cho giảng dạy và nghiên cứu.
Nhưng vì chi phí để sửdụng các phần mềm này tuơng đối đắt tiền (có khi lên đến hàng trăm ngàn đô-la mỗi năm). Do đó, các nhà nghiên cứu thống kê trên thế giới đã hợp tác với nhau để phát triển một phần mềm mới, với chủ trương mã nguồn mở, sao cho tất cảcác thành viên trong ngành thống kê học và toán học trên thế giới có thể sử dụng một cách thống nhất và hoàn toàn miễn phí. Năm 1996, trong một bài báo quan trọng về tính toán thống kê, hai nhà thống kê học Ross Ihaka và Robert Gentleman [lúc đó] thuộc Trường đại học Auckland, New Zealand phát hoạ một ngôn ngữmới cho phân tích thống kê mà họ đặt tên là R. Nói một cách ngắn gọn, R là một phần mềm sử dụng cho phân tích thống kê và vẽ biểu đồ.
Thật ra, về bản chất, R là ngôn ngữ máy tính đa năng, có thể sửdụng cho nhiều mục tiêu khác nhau, từ tính toán đơn giản, toán học giải trí (recreational mathematics), tính toán ma trận (matrix), đến các phân tích thống kê phức tạp. Vì là một ngôn ngữ, cho nên người ta có thể sử dụng R để phát triển thành các phần mềm chuyên môn cho một vấn đề tính toán cá biệt.2 Cơ sở lý thuyết giải quyết bài toán Vận dụng các kiến thức đã được học trong chương trình môn Cấu trúc rời rạc (CO1007) với các kiến thức về các dạng biểu đồ phổ, biểu đồ tần xuất và các cách lập trình ngôn ngữ R để xử lí số liệu là điểm của các sinh viên từ bảng dữ liệu. 4 Mô tả dữ liệu Đính kèm đề bài tập lớn là files “201_CO1007.xlsx” trong đó chứa thông tin về kết quả trả lời các câu hỏi kỳ thi giữa kỳ và cuối kỳ gồm có các sheets: 1. Sheet CDR: chứa thông tin các chuẩn đầu ra môn học, mỗi câu hỏi trong đề thi có 1 chuẩn tương ứng.
Đề bài tập lớn môn Cấu trúc Rời rạc cho KHMT (CO1007) - Niên khóa 2020-2021 Trang 2/62 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính 2. Sheet GK, CK : thể hiện cho giữa kỳ, cuối kỳ • { A, B, C, D}: Các câu trả lời của sinh viên tương ứng cho các câu hỏi • {0, 1}: Kết quả đúng sai tương ứng cho mỗi câu hỏi. Nó được dẫn ra từ đáp án được cung cấp trong sheet. Sheet GK _0, CK _0 cung cấp thông tin về lời giải, chuẩn đầu ra, chương liên quan cho mỗi câu hỏi trong từng mã đề thi.Xác định số lượng sinh viên trong tập mẫu Số lượng sinh viên trong tập mẫu là max chiều dài cột No giữa hai sheet GK và CK Hình 1: Code R và kết quả bài i Đề bài tập lớn môn Cấu trúc Rời rạc cho KHMT (CO1007) - Niên khóa 2020-2021 Trang 3/62 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính ii.Nhóm câu hỏi liên quan đến số câu của các sinh viên 1) Tính tổng các câu đúng của mỗi sinh viên trong tập mẫu 2) Tính tổng các câu sai của mỗi sinh viên trong tập mẫu 3) Xác định số câu đúng nhiều nhất và thấp nhất trong tập mẫu 4) Vẽ biểu đồ phổ cho tổng số các câu đúng của sinh viên ứng với từng mã đề lần lượt trong tập mẫu giữa kỳ và cuối kỳ 5) Vẽ biểu đồ phổ cho tổng số các câu sai của sinh viên ứng với từng mã đề lần lượt trong tập mẫu giữa kỳ và cuối kỳ Bài giải: Câu ii.1,2: Hình 2: Code R câu ii.1,2 Đề bài tập lớn môn Cấu trúc Rời rạc cho KHMT (CO1007) - Niên khóa 2020-2021 Trang 4/62 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính Hình 3: Kết quả câu ii.1,2 Đề bài tập lớn môn Cấu trúc Rời rạc cho KHMT (CO1007) - Niên khóa 2020-2021 Trang 5/62 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính Câu ii.3: Hình 4: Code R và kết quẩ câu ii.3 Đề bài tập lớn môn Cấu trúc Rời rạc cho KHMT (CO1007) - Niên khóa 2020-2021 Trang 6/62 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính Câu ii.4,5: Đề bài tập lớn môn Cấu trúc Rời rạc cho KHMT (CO1007) - Niên khóa 2020-2021 Trang 7/62 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính Hình 5: Code R câu ii.4+5 Kết quả: Câu ii.4: Hình 6: Kết quả ii.4 Đề bài tập lớn môn Cấu trúc Rời rạc cho KHMT (CO1007) - Niên khóa 2020-2021 Trang 8/62 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính Câu ii.5: Hình 7: Ket qua ii.5 Đề bài tập lớn môn Cấu trúc Rời rạc cho KHMT (CO1007) - Niên khóa 2020-2021 Trang 9/62 0 0 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học & Kỹ Thuật Máy Tính iii.Nhóm câu hỏi liên quan đến điểm của các sinh viên a.
Điểm được tính bằng cách lấy tổng số câu đúng chia cho tổng số câu ứng với mỗi kỳ thi, rồi lấy kết quả nhân 10 và làm tròn đến 2 số thập phân. Điểm tổng kết tính bằng cách lấy tổng 40% điểm giữa kỳ và 60% điểm cuối kỳ. 1) Tính trung vị mẫu, cực đại mẫu, cực tiểu mẫu giữa kỳ và mẫu cuối kỳ 2) Đếm các sinh viên mà điểm của mỗi sinh viên trong tập mẫu giữa kỳ và mẫu cuối kỳ lớn hơn hoặc bằng 9 3) Đếm các sinh viên mà điểm của mỗi sinh viên trong tập mẫu giữa kỳ và mẫu cuối kỳ lớn hơn hoặc bằng 7 4) Đếm các sinh viên mà điểm của mỗi sinh viên trong tập mẫu giữa kỳ và mẫu cuối kỳ lớn hơn hoặc bằng 5 5) Đếm các sinh viên mà điểm của mỗi sinh viên trong tập mẫu nhỏ hơn 5 6) Vẽ biểu đồ phổ điểm của sinh viên trong tập mẫu giữa kỳ và mẫu cuối kỳ 7) Xác định danh sách sinh viên gồm số thứ tự (No), mã nhóm và tổ có điểm số lớn nhất trong tập mẫu giữa kỳ và mẫu cuối kỳ 8) Xác định danh sách sinh viên gồm số thứ tự (No), mã nhóm và tổ có điểm số nhỏ nhất trong tập mẫu giữa kỳ và mẫu cuối kỳ 9) Xác định điểm số trung bình của của các sinh viên trong mẫu trong tập mẫu giữa kỳ và mẫu cuối kỳ 10) Xác định số lượng sinh viên có điểm số trung bình 11) Hãy đo mức độ phân tán của điểm số (xung quanh giá trị trung bình) của mẫu giữa kỳ và mẫu cuối kỳ. 12) Tính độ méo lệch (skewness), và độ nhọn (kurtosis) của dữ liệu trong mẫu giữa kỳ và mẫu cuối kỳ.
13) Tính tứ phân vị (quartile) thứ nhất (Q1 ) và thứ ba (Q3 ) của giữa kỳ và mẫu cuối kỳ.
