Khi nào thì sử dụng kiểm định t (t-test) cho hai mẫu độc lập?

• A. Để so sánh giá trị trung bình của hai mẫu độc lập.
• B. Để so sánh giá trị trung bình của hai mẫu phụ thuộc.
• C. Để phân tích phương sai của dữ liệu.
• D. Để đánh giá mối quan hệ giữa hai biến định tính.

Trong phân tích dữ liệu, mục đích của việc sử dụng các phương pháp giảm chiều (dimensionality reduction) là gì?

• A. Để tăng số lượng biến trong mô hình.
• B. Để giảm số lượng biến, loại bỏ nhiễu và tăng hiệu quả tính toán.
• C. Để tăng độ phức tạp của mô hình.
• D. Để làm giảm độ chính xác của mô hình.

Trong phân tích phương sai (ANOVA) hai chiều, các yếu tố chính được kiểm định là gì?

• A. Chỉ các yếu tố chính.
• B. Chỉ các tương tác giữa các yếu tố.
• C. Cả yếu tố chính và tương tác giữa chúng.
• D. Không có yếu tố nào được kiểm định.

Trong phân tích dữ liệu, mục đích của việc sử dụng các biểu đồ phân tán (scatter plots) là gì?

• A. Để hiển thị phân phối của một biến.
• B. Để trực quan hóa mối quan hệ giữa hai biến.
• C. Để so sánh giá trị trung bình của nhiều nhóm.
• D. Để kiểm tra tính đồng nhất phương sai.

Ý nghĩa của hệ số chặn (intercept) trong một mô hình hồi quy tuyến tính là gì?

• A. Giá trị của biến phụ thuộc khi tất cả các biến độc lập bằng 0.
• B. Độ dốc của đường hồi quy.
• C. Mức độ phù hợp của mô hình.
• D. Mối quan hệ giữa các biến độc lập.

Trong một phân tích hồi quy đa biến, việc đưa thêm các biến độc lập vào mô hình có thể dẫn đến điều gì?

• A. Luôn làm tăng giá trị R-squared.
• B. Luôn làm giảm giá trị R-squared.
• C. Có thể làm tăng hoặc giảm giá trị R-squared.
• D. Không ảnh hưởng đến giá trị R-squared.

Trong một mô hình hồi quy, hiện tượng đa cộng tuyến (multicollinearity) xảy ra khi nào?

• A. Khi các biến độc lập có mối tương quan cao với nhau.
• B. Khi có quá ít biến độc lập trong mô hình.
• C. Khi biến phụ thuộc có mối quan hệ phi tuyến tính với các biến độc lập.
• D. Khi các sai số không tuân theo phân phối chuẩn.

Trong phân tích hồi quy, điều gì xảy ra nếu có sự hiện diện của các giá trị ngoại lai (outliers)?

• A. Giá trị R-squared sẽ luôn tăng.
• B. Các ước lượng hệ số có thể bị ảnh hưởng đáng kể.
• C. Mô hình sẽ trở nên chính xác hơn.
• D. Không có ảnh hưởng đến kết quả phân tích.

Trong phân tích chuỗi thời gian, ý nghĩa của việc sử dụng các phương pháp làm trơn (smoothing) là gì?

• A. Để tăng độ biến động của dữ liệu.
• B. Để làm nổi bật các xu hướng và loại bỏ nhiễu.
• C. Để giảm độ chính xác của dữ liệu.
• D. Để tăng độ phức tạp của dữ liệu.

Trong phân tích hồi quy, hiện tượng tự tương quan (autocorrelation) của sai số có nghĩa là gì?

• A. Các sai số không có mối quan hệ với nhau.
• B. Các sai số có mối quan hệ với nhau, đặc biệt là theo thời gian.
• C. Các sai số tuân theo phân phối chuẩn.
• D. Các sai số có phương sai không đổi.

Trong phân tích dữ liệu, mục đích của việc sử dụng các phương pháp bootstrapping là gì?

• A. Để tăng kích thước mẫu.
• B. Để ước lượng độ không chắc chắn của các thống kê.
• C. Để loại bỏ các giá trị ngoại lai.
• D. Để thay đổi phân phối của dữ liệu.

Trong kiểm định giả thuyết, mức ý nghĩa (significance level) alpha (α) được sử dụng để làm gì?

• A. Để xác định giá trị trung bình của mẫu.
• B. Để xác định xác suất bác bỏ giả thuyết null khi nó đúng.
• C. Để xác định độ lệch chuẩn của mẫu.
• D. Để đo lường mức độ tương quan giữa các biến.

Khi nào thì sử dụng kiểm định Wilcoxon rank-sum test?

• A. Khi dữ liệu không tuân theo phân phối chuẩn và cần so sánh hai mẫu độc lập.
• B. Khi dữ liệu tuân theo phân phối chuẩn và cần so sánh hai mẫu độc lập.
• C. Khi dữ liệu không tuân theo phân phối chuẩn và cần so sánh hai mẫu phụ thuộc.
• D. Khi dữ liệu tuân theo phân phối chuẩn và cần so sánh hai mẫu phụ thuộc.

Giả sử một nhà nghiên cứu muốn kiểm định xem thu nhập có ảnh hưởng đến chi tiêu của hộ gia đình hay không. Biến độc lập và biến phụ thuộc trong trường hợp này là gì?

• A. Biến độc lập: Chi tiêu; Biến phụ thuộc: Thu nhập.
• B. Biến độc lập: Thu nhập; Biến phụ thuộc: Chi tiêu.
• C. Cả hai đều là biến độc lập.
• D. Cả hai đều là biến phụ thuộc.

Trong kiểm định Chi-square, giả thuyết null thường là gì?

• A. Có mối quan hệ giữa các biến.
• B. Không có mối quan hệ giữa các biến.
• C. Các biến có phân phối chuẩn.
• D. Các biến có phương sai bằng nhau.

Trong kiểm định giả thuyết, giá trị p (p-value) có ý nghĩa như thế nào?

• A. Xác suất bác bỏ giả thuyết null khi nó đúng.
• B. Xác suất chấp nhận giả thuyết null khi nó sai.
• C. Xác suất quan sát được dữ liệu (hoặc dữ liệu cực đoan hơn) nếu giả thuyết null là đúng.
• D. Xác suất giả thuyết null là đúng.

Mục tiêu chính của phân tích phương sai (ANOVA) là gì?

• A. So sánh giá trị trung bình của hai nhóm.
• B. Xác định mối quan hệ giữa hai biến định lượng.
• C. So sánh giá trị trung bình của ba nhóm trở lên.
• D. Đánh giá mức độ tương quan giữa các biến.

Trong phân tích hồi quy tuyến tính, hệ số xác định (R-squared) đo lường điều gì?

• A. Mức độ phù hợp của mô hình với dữ liệu, thể hiện tỷ lệ phương sai của biến phụ thuộc được giải thích bởi biến độc lập.
• B. Giá trị trung bình của biến phụ thuộc.
• C. Độ lệch chuẩn của các hệ số hồi quy.
• D. Mức độ tương quan giữa các biến độc lập.

Trong kiểm định giả thuyết, sai lầm loại II (Type II error) xảy ra khi nào?

• A. Bác bỏ giả thuyết null khi nó đúng.
• B. Chấp nhận giả thuyết null khi nó sai.
• C. Bác bỏ giả thuyết null khi nó sai.
• D. Chấp nhận giả thuyết null khi nó đúng.

Trong phân tích hồi quy, điều gì có thể xảy ra nếu mô hình bị sai sót trong việc xác định dạng hàm (functional form) của mối quan hệ giữa các biến?

• A. Ước lượng hệ số sẽ luôn chính xác.
• B. Giá trị R-squared sẽ luôn bằng 1.
• C. Ước lượng hệ số có thể bị sai lệch (biased).
• D. Kiểm định giả thuyết sẽ không bị ảnh hưởng.

Trong phân tích hồi quy, làm thế nào để kiểm tra tính đồng nhất phương sai (homoscedasticity) của sai số?

• A. Sử dụng kiểm định Durbin-Watson.
• B. Sử dụng kiểm định Breusch-Pagan.
• C. Kiểm định Shapiro-Wilk.
• D. Kiểm định t-test.

Trong phân tích phương sai (ANOVA) một chiều, giả thuyết null thường phát biểu điều gì?

• A. Ít nhất một trong các nhóm có giá trị trung bình khác biệt đáng kể so với các nhóm còn lại.
• B. Giá trị trung bình của tất cả các nhóm là như nhau.
• C. Các nhóm có phương sai khác nhau.
• D. Không có sự khác biệt giữa các nhóm.

Trong phân tích dữ liệu, khái niệm về 'outlier' (giá trị ngoại lai) ám chỉ điều gì?

• A. Các giá trị nằm gần giá trị trung bình.
• B. Các giá trị nằm ngoài phạm vi bình thường của dữ liệu.
• C. Các giá trị bằng 0.
• D. Các giá trị bị thiếu.

Trong phân tích hồi quy, việc sử dụng các biến tương tác (interaction terms) cho phép mô hình làm gì?

• A. Đánh giá hiệu ứng riêng biệt của từng biến độc lập.
• B. Đánh giá hiệu ứng của sự kết hợp giữa các biến độc lập lên biến phụ thuộc.
• C. Loại bỏ hiện tượng đa cộng tuyến.
• D. Giảm độ phức tạp của mô hình.

Trong phân tích dữ liệu, khi nào thì sử dụng kiểm định Kolmogorov-Smirnov?

• A. Để kiểm tra xem một mẫu có tuân theo phân phối chuẩn hay không.
• B. Để so sánh giá trị trung bình của hai mẫu độc lập.
• C. Để phân tích phương sai của dữ liệu.
• D. Để đánh giá mối quan hệ giữa hai biến định tính.

Trong phân tích dữ liệu, ý nghĩa của việc sử dụng các khoảng tin cậy (confidence intervals) là gì?

• A. Để ước lượng một điểm duy nhất cho tham số.
• B. Để cung cấp một khoảng giá trị có khả năng chứa tham số thực tế.
• C. Để bác bỏ giả thuyết null.
• D. Để đánh giá mức độ tương quan giữa các biến.

Trong phân tích dữ liệu, ý nghĩa của việc chuẩn hóa dữ liệu (data normalization) là gì?

• A. Để tăng độ lệch chuẩn của dữ liệu.
• B. Để giảm độ lệch chuẩn của dữ liệu.
• C. Để đưa dữ liệu về một thang đo chung, giúp so sánh dễ dàng hơn.
• D. Để loại bỏ các giá trị ngoại lai.

Trong phân tích hồi quy, việc kiểm tra các giả định về phần dư (residuals) là cần thiết để làm gì?

• A. Để đảm bảo các ước lượng hệ số là không thiên lệch và hiệu quả.
• B. Để tăng giá trị R-squared.
• C. Để giảm độ phức tạp của mô hình.
• D. Để loại bỏ các giá trị ngoại lai.

Trong phân tích hồi quy, điều gì xảy ra nếu các giả định về sai số (residuals) không được thỏa mãn?

• A. Các ước lượng hệ số có thể không còn là ước lượng tốt nhất và không còn tuyến tính.
• B. Giá trị R-squared sẽ luôn bằng 1.
• C. Mô hình sẽ luôn chính xác.
• D. Kiểm định giả thuyết sẽ không bị ảnh hưởng.

Trong phân tích hồi quy, điều gì xảy ra nếu các biến độc lập có tương quan hoàn hảo với nhau?

• A. Mô hình sẽ trở nên chính xác hơn.
• B. Các hệ số hồi quy không thể ước lượng được.
• C. Giá trị R-squared sẽ bằng 0.
• D. Kiểm định giả thuyết sẽ bị ảnh hưởng.