Toán học lớp 7 · KNTT · Chương 5
Lý thuyết Toán 7 Bài 17: Thu thập và phân loại dữ liệu
Tóm tắt lý thuyết Toán 7 Bài 17: Thu thập và phân loại dữ liệu theo chương trình SGK Kết nối tri thức với cuộc sống. Hệ thống hoá lý thuyết định nghĩa, định lí, tính chất hình học và đại số, phương pháp giải, hình vẽ minh hoạ, bảng tổng hợp và câu hỏi ôn tập có đáp án chi tiết.
I. Thu thập và phân loại dữ liệu
• Dữ liệu được phân loại theo sơ đồ sau:
• Dữ liệu là số còn gọi là dữ liệu định lượng.
Ví dụ: Cân nặng (đơn vị ki-lô-gam) của các thành viên trong gia đình: 72; 43; 47; 51.
• Dữ liệu không là số còn gọi là dữ liệu định tính.
Ví dụ: Vật nuôi yêu thích của các bạn tổ 1: chó, mèo, gà, chuột, chim.
Chú ý:
Chú ý:
• Dữ liệu không là số có thể phân thành hai loại:
+ Loại không thể sắp thứ tự (chẳng hạn dữ liệu về tên các nước: Việt Nam, Lào, Thái Lan, …).
+ Loại có thể sắp xếp thứ tự (chẳng hạn dữ liệu về xếp loại học lực của học sinh: Giỏi, Khá, Trung bình, Yếu, Kém).
II. Tính đại diện của dữ liệu
• Để có thể đưa ra các kết luận hợp lí, dữ liệu thu được phải đảm bảo tính đại diện cho toàn bộ đối tượng đang được quan tâm.
Ví dụ:
Ví dụ:
+ Muốn tìm hiểu về mức độ thường xuyên lên thư viện của các bạn học sinh trong trường. Khi đó đối tượng quan tâm là toàn thể học sinh thì không thể chỉ lấy ý kiến của các bạn lên thư viện trường trong một tuần, … mà phải lấy ý kiến của các học sinh ở các lớp được chọn một cách ngẫu nhiên.
III. Bảng phân loại dữ liệu định lượng và dữ liệu định tính
| Nội dung trọng tâm | Công thức / Kí hiệu | Quy tắc / Định nghĩa | Ví dụ minh họa |
|---|---|---|---|
| Dữ liệu định lượng (Số) | Biểu thị bằng các con số thực | Có thể thực hiện các phép tính số học (cộng, trừ, trung bình) | Chiều cao (), điểm số (), nhiệt độ () |
| Dữ liệu định tính (Không số) | Biểu thị bằng chữ, kí hiệu hoặc danh mục | Không thực hiện được các phép tính số học trực tiếp | Màu sắc, giới tính, quê quán, xếp loại học lực |
| Định tính không thứ tự | Không thể so sánh hơn kém, xếp hạng | Chỉ mang tính chất phân loại danh xưng | Nơi sinh: Hà Nội, Huế, TP.HCM; Nhóm máu |
| Định tính có thứ tự | Có thể xếp hạng theo cấp bậc tăng/giảm | Thể hiện mức độ đánh giá | Mức độ hài lòng: Rất tốt, Tốt, Trung bình, Yếu |
| Tính đại diện & hợp lí | Mẫu thu thập phải đủ lớn và đúng thực tế | Loại bỏ các dữ liệu vô lí (như tuổi âm, điểm ) | Đảm bảo độ tin cậy của báo cáo thống kê |
IV. Ghi nhớ trọng tâm "Em đã học"
📌 Các điểm then chốt cần ghi nhớ:
- Kiến thức then chốt 1: Thu thập dữ liệu: Có thể thu thập dữ liệu bằng nhiều cách như trực tiếp quan sát, làm thí nghiệm, phỏng vấn, lập phiếu điều tra, hoặc gián tiếp qua internet, sách báo, cơ quan thống kê.
- Kiến thức then chốt 2: Phân loại dữ liệu: Dữ liệu được chia thành hai loại lớn: Dữ liệu là số (dữ liệu định lượng, ví dụ số điểm, chiều cao, số bàn thắng) và dữ liệu không là số (dữ liệu định tính, ví dụ màu sắc, xếp loại hạnh kiểm).
- Kiến thức then chốt 3: Phân nhánh dữ liệu định tính: Gồm loại không thể sắp thứ tự (như giới tính, nơi sinh) và loại có thể sắp thứ tự (như mức độ hài lòng: rất tốt, tốt, trung bình).
- Kiến thức then chốt 4: Tính hợp lí của dữ liệu: Dữ liệu thu thập phải có ý nghĩa thực tế, đúng định dạng và nằm trong khoảng giá trị hợp lí (ví dụ điểm kiểm tra hệ số 10 không thể âm hoặc lớn hơn 10).
- Kiến thức then chốt 5: Tính đại diện của dữ liệu: Để có kết luận chính xác, mẫu thu thập phải có quy mô đủ lớn và mang tính đại diện cho toàn bộ đối tượng cần nghiên cứu.
🌟 Em đã học (Ghi nhớ kiến thức trọng tâm)
- Thu thập dữ liệu: Có thể thu thập dữ liệu bằng nhiều cách như trực tiếp quan sát, làm thí nghiệm, phỏng vấn, lập phiếu điều tra, hoặc gián tiếp qua internet, sách báo, cơ quan thống kê.
- Phân loại dữ liệu: Dữ liệu được chia thành hai loại lớn: Dữ liệu là số (dữ liệu định lượng, ví dụ số điểm, chiều cao, số bàn thắng) và dữ liệu không là số (dữ liệu định tính, ví dụ màu sắc, xếp loại hạnh kiểm).
- Phân nhánh dữ liệu định tính: Gồm loại không thể sắp thứ tự (như giới tính, nơi sinh) và loại có thể sắp thứ tự (như mức độ hài lòng: rất tốt, tốt, trung bình).
- Tính hợp lí của dữ liệu: Dữ liệu thu thập phải có ý nghĩa thực tế, đúng định dạng và nằm trong khoảng giá trị hợp lí (ví dụ điểm kiểm tra hệ số 10 không thể âm hoặc lớn hơn 10).
- Tính đại diện của dữ liệu: Để có kết luận chính xác, mẫu thu thập phải có quy mô đủ lớn và mang tính đại diện cho toàn bộ đối tượng cần nghiên cứu.