Big Data
- Đặc điểm: 5V – Volume (khối lượng), Velocity (tốc độ), Variety (đa dạng), Value (giá trị), Veracity (độ tin cậy).
- Các loại big data: Structured (có cấu trúc), Semi-structured (bán cấu trúc), Unstructured (phi cấu trúc).
- Ứng dụng: phân tích xu hướng, hiểu khách hàng, ra quyết định nhanh, dự báo, tạo mô hình dự đoán.
Dữ liệu nhóm và không nhóm
- Ungrouped data: dữ liệu rời rạc, tần suất theo từng giá trị cụ thể.
- Grouped data: dữ liệu gom nhóm theo khoảng (ví dụ: 0–100, 101–200).
- Biểu đồ tần suất: dùng để thể hiện dữ liệu xuất hiện nhiều lần, dễ so sánh.
Số trung bình (Averages)
3.1 Arithmetic Mean (Trung bình cộng)
- Công thức:
Ví dụ: Nhu cầu sản phẩm trong 20 ngày, tổng cộng 185 đơn vị → Mean = 185/20 = 9.25.
3.2 Mode (Trung vị)
- Là giá trị xuất hiện nhiều nhất.
- Ví dụ: Khảo sát số ổ bánh mì cần mua, kết quả Mode = 4 ổ.
3.3 Median (Số trung vị)
- Giá trị chính giữa khi sắp xếp dữ liệu.
- Nếu số quan sát chẵn → lấy trung bình của 2 giá trị giữa.
- Ví dụ: Dãy số 11, 15, 17, 17, 17, 18, 20, 20, 21, 21, … (18 số) → Median = (21+21)/2 = 21 phút.
Độ phân tán (Dispersion)
4.1 Standard Deviation (Độ lệch chuẩn)
- Đo độ phân tán dữ liệu quanh Mean.
Công thức (cho ungrouped):
4.2 Coefficient of Variation (Hệ số biến thiên)
- So sánh độ phân tán của 2 phân phối.
Công thức:
CV càng lớn → dữ liệu càng phân tán.
Giá trị kỳ vọng (Expected Values)
5.1 Khái niệm
- Là trung bình có trọng số, dựa trên xác suất.
- Công thức:
5.2 Ví dụ
- Phương án A và B với các xác suất lợi nhuận khác nhau.
- Tính toán cho thấy EV(A) = 5,200$, EV(B) = 5,800$ → chọn B (cao hơn).
5.3 Giới hạn của EV
- Dựa trên kết quả dài hạn → không thích hợp cho quyết định một lần.
- Phụ thuộc vào ước lượng xác suất.
- Không phản ánh mức độ rủi ro (biến động).
Phân phối Chuẩn (Normal Distribution)
6.1 Đặc điểm
- Đồ thị hình chuông (bell curve).
- Trung bình = median = mode.
- Đối xứng quanh mean.
- Tổng diện tích dưới đường cong = 1 (100%).
- 50% dữ liệu nằm bên trái Mean, 50% bên phải
6.2 Công cụ tính
- Z-score:
Dùng bảng phân phối chuẩn để tính xác suất.
6.3 Ví dụ
- Lương trung bình = 14,000, SD = 2,700.
- Xác suất lương < 12,000 → Z = -0.74 → P = 22.96%.
- Xác suất 11,000 < lương < 19,000 → P = 83.43%.
6.4 Ý nghĩa
- Hữu ích trong dự báo và ra quyết định.
- 95% dữ liệu nằm trong khoảng ±1.96 SD quanh Mean.
Đơn vị đào tạo ACCA, Thi tuyển dụng Kiểm toán, tư vấn tài chính Big4, Nonbig và Tiếng Anh giao tiếp, Ielts.
Với đội ngũ giảng viên là 100% ACCA Members cùng kinh nghiệm thực chiến trong lĩnh vực kế toán – kiểm toán và tài chính, KLE không chỉ mang đến kiến thức nền tảng vững chắc mà còn giúp học viên phát triển kỹ năng ứng dụng thực tế. Không chỉ là chương trình đào tạo truyền thống, KLE tạo ra một môi trường học tập thực tiễn, nơi mối quan hệ giữa người học và giảng viên không dừng lại ở giảng dạy kiến thức mà còn phát triển sâu hơn thành mối quan hệ Mentee – Mentor.
