Відео

Đồ thị này sử dụng 3 yếu tố được k ạ

Dạ nếu p nhỏ hơn 0.05 mà lớn hơn 0.001 thì vẫn được xem là có ý nghĩa thống kê không ạ

ở phần cuối e có thấy thầy nói về mối quan hệ giữa các phương pháp chọn mẫu và phân phối chuẩn. Em vẫn chưa gain được kiến thức của phần này. Thầy đưa ra kết luận giúp em với ạ

ad ơi dạy về số học, tổ hợp đi ạ

Thầy cho em hỏi tại sao trong công thức tính z lại chia cho độ lệch chuẩn ạ?

Bài giảng dễ hiểu lắm ạ. Em cảm ơn ạ.

Thầy cho em hỏi mô hình hồi quy và mô hình hàm cầu có chung phương trình kh ạ. Em cảm ơn

em tưởng chỉ khi phân phối chuẩn thì mình mới đưa về phân phối Z ( chuẩn tắc ) ạ

Bài giảng rất hay giúp em lấy lại căn bản. Ở phần R studio có 1 chỗ đúng nhưng em thấy chưa được tổng quát lắm là chỗ yếu vị thầy xài hàm which thì nó chỉ trả về một giá trị, lỡ x có nhiều yếu vị như lí thuyết thì kết quả sẽ thiếu. Em cũng không rành về Rcode nên có tham khảo chat GPT fix lại chỗ yếu vị như sau mọi người có thể tham khảo: getmode <- function(x) { uniqx <- unique(x) freq <- tabulate(match(x, uniqx)) uniqx[freq == max(freq)] }

Cảm ơn thầy đã chia sẻ video thú vị về phương pháp Kendall. Như vậy phương pháp Kendall này có thể phân tích tương quan của biến không tuân theo quy luật phân phối chuẩn phải không ạ? Xin cảm ơn thầy

Dạ SD mình tính sao ạ

Hồi quy là mình giải làm sao mà bác bỏ đc H0 là đúng phải không ạ

dạ cho em hỏi là nếu trong trường hợp Bậc tự do Df=8 ,T=1.6 thì tính như thế nào ạ. Do trong bảng phân phối t không có giá trị T=1.6 mà chỉ có 1.638 thôi à

thank you, boss.

Những kiến thức này có áp dụng được vào ngành Digital Marketing không ạ. Mong a trả lời 💖

Cảm ơn anh đã giải thích một cách trực quan, ví dụ cụ thể, dễ hiểu.

Hay quá ạ

Cảm ơn thầy giáo, nếu chúng ta gặp bộ số liệu ngẫu nhiên k theo luật phân phối chuẩn, có cách nào để chúng ta lọc các số liệu outliners ra không ạ? Xin cảm ơn

CODE VÀ ĐƯƠNG LINK DỮ LIỆU # ĐỊNH LÝ GIỚI HẠN TRUNG TÂM # Nhập dữ liệu setwd("/Users/Data") df<-read.csv("Nang suat lua mi hai yeu to v2.csv",header = TRUE) df # Khai biến Giong<-factor(df$Giong) BonP<-factor(df$BonP) Nangsuat<-df$Nangsuat # Vẽ histogram cho toàn dữ liệu par(mar=c(5, 4.5, 2, 1)) #dieu chinh le par(mfrow=c(1,1)) hist(Nangsuat, xlab="Năng suất", ylab="Tần suất", main="Tổng thể", border="black", col="lightgreen", cex.lab=1.5) abline(v=17.1,col="red",lty=1) ## Tính trung bình, sd mean(Nangsuat) sd(Nangsuat) sd.p<-sd(Nangsuat)*(sqrt((length(Nangsuat)-1)/length(Nangsuat))) sd.p # Vẽ histogram của lấy mẫu par(mar=c(5, 4.5, 1, 1)) #Dieu chinh le par(mfrow=c(2,2)) # 2 cot x 2 hang # Co mau n=2 s2<-c() n=5000 for (i in 1:n) { s2[i] = mean(sample(df$Nangsuat,2, replace = TRUE))} hist(s2, col ="lightgreen", main="Cỡ mẫu = 2",xlab = "Năng suất", xlim=c(12, 24), ylab="Tần suất") abline(v = mean(s2), col = "Red") abline(v = 17.1, col = "blue") ## Tính trung bình, sd mean(s2) sd(s2) sd.p<-sd(s2)*(sqrt((n-1)/n)) sd.p # Co mau n=5 s5<-c() n=5000 for (i in 1:n) { s5[i] = mean(sample(df$Nangsuat,5, replace = TRUE))} hist(s5, col ="lightgreen", main="Cỡ mẫu = 5",xlab = "Năng suất", xlim=c(12, 24), ylab="Tần suất") abline(v = mean(s5), col = "Red") abline(v = 17.1, col = "blue") ## Tính trung bình, sd mean(s5) sd(s5) sd.p<-sd(s5)*(sqrt((n-1)/n)) sd.p # Co mau n=10 s10<-c() n=5000 for (i in 1:n) { s10[i] = mean(sample(df$Nangsuat,10, replace = TRUE))} hist(s10, col ="lightgreen", main="Cỡ mẫu = 10",xlab = "Năng suất", xlim=c(12, 24), ylab="Tần suất") abline(v = mean(s10), col = "Red") abline(v = 17.1, col = "blue") ## Tính trung bình, sd mean(s10) sd(s10) sd.p<-sd(s10)*(sqrt((n-1)/n)) sd.p # Co mau n=30 s30<-c() n=5000 for (i in 1:n) { s30[i] = mean(sample(df$Nangsuat,30, replace = TRUE))} hist(s30, col ="lightgreen", main="Cỡ mẫu = 30",xlab = "Năng suất", xlim=c(12, 24), ylab="Tần suất") abline(v = mean(s30), col = "Red") abline(v = 17.1, col = "blue") ## Tính trung bình, sd mean(s30) sd(s30) sd.p<-sd(s30)*(sqrt((n-1)/n)) sd.p # Link dữ liệu: drive.google.com/file/d/1l-q1VIdNja4uAoATzcN2Qq7DqVopUanx/view?usp=drive_link

dạ thầy cho em hỏi với ạ, sô quan sát trong mỗi hóm có khác nhau được hong ạ?

dạ thầy còn giữ cái code R không ạ em muốn xin tham khảo ạ

em cảm ơn thầy

em cảm ơn thầy

can I get your excel data file please? I just need to populate mine with similar number of variables

cảm ơn thầy đã chia sẻ.

Thanks man!

Cảm ơn ạ! Video rất trực quan, dễ hiểu!

Hjx van chua hieu a :((

em cám ơn thầy nhiều ạ

Nay mình ko có video tiếg việt hả ad ơi😢😢😢😢

😊🤎💯💯

wonderful!

Thầy ơi cho em hỏi, slide phút 7:40 ấy ạ, sao SSb là 24,12 ở trên mà thay vào phương trình ở dưới thì là 24,23 dạ thầy?

cảm ơn thầy

Video rất bổ ích ạ

Có bài giảng Hồi quy logistic với hồi quy logistic đa biến ko thầy

Hello. Can you attach the Script

Công thức tổ hợp về cuối bạn viết nhầm rồi , phải là chia cho k! chứ không phải n!

Cám ơn anh.

dấu %>% ý nghĩa là gì thế ad?

Cảm ơn tác giả. 😍

anh ơi cho em hỏi là vậy khoảng tin cậy và độ tin cậy khác nhau như thế nào v anh

cảm ơn anh, video rất hay ạ !

Very helpful, great tutorial, thank you for sharing. Following this, I have made a similar histogram but with the datapoints visible (I have added the "point" variable in the "add" command. Is there any way to change specifically the aspect of the datapoints and to make them different than the error bars (size) ? Thanks a lot.

Có thể lưu ảnh dạng khác được không bạn? Dạng TIFF mình thấy khá lạ.

Mình xem có đoạn nếu p > 0.05 và r < 0 thì 2 biến tương quan nghịch. Nhưng theo mình hiểu nếu p > 0.05 thì có nghĩa là không có ý nghĩa thống kê rồi chứ nhỉ?

Thầy ơi nếu bây giờ hoán vị khi các phần tử giống nhau và được sắp thành một vòng tròn thì tính kiểu gì ạ. Em cảm ơn thầy.

Thầy ơi cho em hỏi: 1. Vậy trong trường hợp này, mình đã làm đủ phân tích để có thể chọn Giống B là giống cho năng suất cao nhất rồi đúng không? (Dựa theo giá trị Trung bình) 2. Giả sử có sự khác biệt giữa A vs B và B vs C, thì lúc này mình nên làm gì nữa để có thể biết được Giống nào tối ưu ạ ? Em cảm ơn

trên macbook thì sao a