PHƯƠNG PHÁP THỐNG KÊ PHI THAM SỐ
Giảng viên
Giới thiệu khóa học
Dưới đây là kế hoạch học tập 15 tuần môn "Phương pháp thống kê phi tham số", trình bày đúng mẫu bạn yêu cầu:
Tóm tắt giới thiệu môn học
Môn "Phương pháp thống kê phi tham số" là một nhánh quan trọng của thống kê, không yêu cầu giả định phân phối chuẩn hoặc phân phối xác định cho tổng thể. Thay vào đó, các phương pháp phi tham số sử dụng thứ hạng, dấu hiệu và các công cụ thống kê linh hoạt khác để phân tích dữ liệu.
Môn học cung cấp cho sinh viên kiến thức và kỹ năng để áp dụng các phương pháp thống kê phi tham số trong các tình huống mà giả định phân phối không được đảm bảo – đặc biệt trong nghiên cứu khoa học xã hội, y sinh, tâm lý học, và cả các ngành kỹ thuật.
Chú thích: Đây là môn học nền tảng cho những ai muốn mở rộng tư duy thống kê ngoài các kỹ thuật truyền thống, giúp đánh giá dữ liệu thực nghiệm một cách chính xác và linh hoạt hơn.
Mục tiêu môn học
Hiểu nguyên lý của thống kê phi tham số: Sinh viên hiểu được sự khác biệt giữa phương pháp tham số và phi tham số, và khi nào nên sử dụng.
Thực hiện các kiểm định phi tham số: Thành thạo các kiểm định như kiểm định dấu, Wilcoxon, Kruskal-Wallis, Mann-Whitney U, Friedman,...
Áp dụng thống kê phi tham số cho dữ liệu thực tế: Biết cách xử lý và phân tích dữ liệu không tuân theo phân phối chuẩn.
Sử dụng phần mềm thống kê: Biết cách sử dụng R, SPSS hoặc Python để thực hiện các phân tích phi tham số.
Chú thích: Môn học không chỉ chú trọng vào lý thuyết mà còn hướng tới ứng dụng trong nghiên cứu định lượng, đặc biệt khi dữ liệu không chuẩn.
Kiến thức tiên quyết
Xác suất – thống kê cơ bản: Khái niệm mẫu, biến ngẫu nhiên, phân phối xác suất, kiểm định giả thuyết.
Thống kê mô tả và suy luận: Ước lượng, khoảng tin cậy, kiểm định tham số (t-test, ANOVA…).
Kỹ năng sử dụng phần mềm thống kê: Biết thao tác cơ bản trên R, Python hoặc SPSS sẽ rất hữu ích.
Chú thích: Những kiến thức cơ bản này giúp sinh viên dễ dàng chuyển đổi tư duy từ thống kê tham số sang phi tham số.
Kế hoạch học tập 15 tuần môn "Phương pháp thống kê phi tham số"
| Tuần | Nội dung học tập | Mục tiêu cụ thể / Ghi chú |
|---|---|---|
| Tuần 1 | Giới thiệu thống kê phi tham số | Phân biệt tham số vs. phi tham số, khi nào dùng phi tham số |
| Tuần 2 | Kiểm định dấu (Sign test) và kiểm định trung vị | Ứng dụng cho bài toán so sánh trung vị với giả định yếu |
| Tuần 3 | Kiểm định Wilcoxon cho mẫu ghép | So sánh 2 mẫu phụ thuộc (paired samples) không cần giả định phân phối |
| Tuần 4 | Kiểm định Mann-Whitney U (Wilcoxon Rank-Sum) | Thay thế t-test độc lập khi dữ liệu không chuẩn |
| Tuần 5 | Kiểm định Kruskal-Wallis cho nhiều nhóm độc lập | Thay thế ANOVA một chiều |
| Tuần 6 | Kiểm định Friedman cho dữ liệu lặp đo (Repeated Measures) | Phân tích dữ liệu lặp lại từ cùng một đối tượng |
| Tuần 7 | Ước lượng phi tham số: Khoảng tin cậy bằng thứ hạng và phân vị | Ước lượng trung vị, phần trăm vị trí và các thống kê trung tâm không phụ thuộc phân phối |
| Tuần 8 | Phân tích tương quan phi tham số (Spearman, Kendall Tau) | Thay thế hệ số tương quan Pearson cho dữ liệu không tuyến tính hoặc thứ hạng |
| Tuần 9 | Phân tích phương sai phi tham số – Permutation test | Kỹ thuật tái mẫu – không cần giả định phân phối cụ thể |
| Tuần 10 | Bootstrap và ứng dụng trong ước lượng thống kê | Tái lấy mẫu để tạo khoảng tin cậy và phân phối giả định cho tham số |
| Tuần 11 | Thống kê kiểm định với bảng tần số – Kiểm định Chi bình phương | Phân tích dữ liệu phân loại, bảng chéo |
| Tuần 12 | Thống kê phi tham số đa biến cơ bản | Tổng quan về các kỹ thuật như multidimensional scaling, NMDS… |
| Tuần 13 | Ứng dụng trên phần mềm R hoặc Python | Hướng dẫn sử dụng gói stats, coin, scipy.stats, pingouin, v.v. |
| Tuần 14 | Bài tập lớn / Dự án thực hành phân tích dữ liệu không chuẩn | Sinh viên chọn bộ dữ liệu thực tế, thực hiện các kiểm định phi tham số |
| Tuần 15 | Trình bày kết quả và kiểm tra cuối kỳ | Trình bày báo cáo bài tập lớn, kiểm tra lý thuyết – thực hành |
Chú thích cuối cùng
Môn học trang bị tư duy phân tích linh hoạt, giúp sinh viên xử lý dữ liệu thực tế không chuẩn một cách chính xác. Đây là kỹ năng không thể thiếu trong nghiên cứu thực nghiệm, khoa học xã hội, y sinh học, và nhiều ngành dữ liệu hiện đại.
Nếu bạn cần thêm:
Slide bài giảng
Bài tập mẫu có lời giải
Code R hoặc Python cho các kiểm định
Bài thi mẫu cuối kỳ
Mình có thể hỗ trợ tiếp. Bạn muốn đi theo hướng học lý thuyết hay thực hành với phần mềm?