Biểu đồ tần suất là gì? Hướng dẫn toàn diện cho người mới bắt đầu

Biểu đồ tần suất thường được dùng trong phân tích dữ liệu để biểu diễn trực quan phân phối của một tập dữ liệu. Nó cho phép chúng ta hình dung cách dữ liệu trải rộng theo các giá trị khác nhau, giúp khám phá các mẫu, xu hướng và điểm bất thường.

Bài viết này giới thiệu về biểu đồ tần suất và hướng dẫn bạn tạo chúng từng bước. Chúng ta cũng sẽ tìm hiểu các loại biểu đồ khác nhau, một số công nghệ phổ biến để tạo biểu đồ, những lỗi thường gặp cần tránh và thực tiễn tốt nhất nên áp dụng.

Biểu đồ tần suất là gì?

Biểu đồ tần suất là cách biểu diễn đồ họa của phân phối một tập dữ liệu. Một biểu đồ tần suất được tạo từ một loạt các “bin”, về bản chất là các khoảng bao phủ phạm vi dữ liệu. Mỗi bin có một tần suất, tức số lượng điểm dữ liệu nằm trong khoảng đó. Các bin được vẽ trên trục ngang, còn tần suất trên trục dọc, tạo thành biểu diễn giống biểu đồ cột. Chiều cao mỗi cột tương ứng với tần suất điểm dữ liệu trong bin đó.

Biểu đồ tần suất phổ biến vì chúng phục vụ nhiều mục đích quan trọng trong phân tích dữ liệu:

• Tóm tắt tập dữ liệu lớn: Khi làm việc với lượng dữ liệu lớn, biểu đồ tần suất mang đến bản tóm tắt rõ ràng, cô đọng, giúp nhanh chóng nắm được phân phối tổng thể mà không bị lạc trong từng điểm dữ liệu riêng lẻ.
• Phát hiện ngoại lệ: Biểu đồ tần suất trực quan hóa phân phối dữ liệu và giúp dễ dàng phát hiện các ngoại lệ—những điểm dữ liệu lệch nhiều so với phần còn lại. Các ngoại lệ này có thể chỉ ra lỗi, bất thường, hoặc những hiện tượng đáng chú ý cần được xem xét thêm.
• Hiểu các mẫu phân phối dữ liệu: Biểu đồ tần suất giúp nhận diện các mẫu như độ lệch (bất đối xứng của phân phối), tính đa đỉnh (số đỉnh trong phân phối), và độ phân tán (khoảng trải dữ liệu). Hiểu những điều này rất quan trọng cho mô hình thống kê vì nó định hướng lựa chọn mô hình và giả định.
• Phân tích so sánh: Biểu đồ tần suất cũng hữu ích để so sánh các tập dữ liệu khác nhau. Bằng cách đặt các biểu đồ cạnh nhau, chúng ta có thể so sánh trực quan phân phối của chúng, làm lộ ra những điểm tương đồng và khác biệt mà dữ liệu thô khó thể hiện.

Vì đã hiểu biểu đồ tần suất và mục đích của chúng trong phân tích dữ liệu, hãy cùng học cách tạo một biểu đồ qua ví dụ.

Cách tạo biểu đồ tần suất

Giả sử bạn, với vai trò nhà phân tích dữ liệu, được giao phân tích dữ liệu doanh số bán hàng theo ngày của một cửa hàng bán lẻ trong tháng vừa qua. 

Mục tiêu của bạn là hiểu phân phối doanh số theo ngày để xác định các mẫu, đánh giá hiệu suất và cung cấp insight hỗ trợ quản lý tồn kho và chiến lược bán hàng. Là một phần của phân tích, bạn quyết định rằng biểu đồ tần suất có thể giúp rút ra insight. 

Dưới đây là các bước bạn có thể làm theo để tạo biểu đồ tần suất:

Bước 1: Thu thập tập dữ liệu của bạn 

Giả sử bạn đã liên hệ với đội dữ liệu của tổ chức và truy xuất dữ liệu từ các cơ sở dữ liệu bán hàng. Bạn đã sắp xếp dữ liệu theo dạng bảng như dưới đây:

Tập dữ liệu bán hàng. Hình: Tác giả.

Bước 2: Xác định các bin

Tiếp theo, chọn các bin phù hợp dựa trên phạm vi và phân phối của dữ liệu. 

Sau khi phân tích dữ liệu, bạn nhận ra giá trị nhỏ nhất là 20, lớn nhất là 135, và bạn có 30 quan sát. Dùng quy tắc căn bậc hai (chúng ta sẽ tìm hiểu thêm sau), √30 ≈ 5,5, bạn có thể dùng sáu bin. Ta cần chia phạm vi 115 thành sáu bin, dẫn đến độ rộng bin xấp xỉ 19 đơn vị.

Để đơn giản, hãy dùng các bin có độ rộng 20 đơn vị: 

• 20–39
• 40–59
• 60–79
• 80–99
• 100–119
• 120–139

Bước 3: Tính tần suất trong mỗi bin

Hãy đếm số quan sát trong mỗi khoảng và lập bảng như dưới đây:

Tính tần suất trong mỗi bin. Hình: Tác giả.

Bước 4: Vẽ biểu đồ

Vẽ một đường ngang (trục x) cho các bin và một đường dọc (trục y) cho tần suất. Với mỗi bin, vẽ một cột có chiều cao tương ứng với tần suất.

Biểu đồ của bạn sẽ trông như sau:

Vẽ biểu đồ tần suất. Hình: Tác giả.

Bước 5: Gắn nhãn và định dạng

Gắn nhãn trục x là “Units Sold” và trục y là “Frequency”. Thêm tiêu đề như “Histogram of Daily Sales Data”. Đảm bảo các cột được giãn cách đều và rõ ràng để trực quan dễ nhìn.

Sơ đồ hoàn chỉnh sẽ như sau:

Gắn nhãn và định dạng biểu đồ tần suất. Hình: Tác giả.

Vậy là xong! Bạn đã tạo được biểu đồ tần suất cho phân tích của mình.

Các loại biểu đồ tần suất

Có nhiều loại biểu đồ tần suất khác nhau, mỗi loại có đôi chút khác biệt trong cách biểu diễn dữ liệu.

• Biểu đồ tần suất (Frequency Histogram): Dạng truyền thống hiển thị tần suất tuyệt đối của các điểm dữ liệu trong các bin xác định. Như đã thấy ở trên, nó giúp hiểu phân phối và mức độ tập trung của điểm dữ liệu, đồng thời là loại biểu đồ được dùng phổ biến nhất.
• Biểu đồ tần suất tương đối (Relative Frequency Histogram): Hiển thị tần suất tương đối (tỷ lệ) của các điểm dữ liệu trong các bin thay vì số đếm tuyệt đối. Loại này đặc biệt hữu ích để so sánh các tập dữ liệu khác nhau vì nó chuẩn hóa dữ liệu, giúp dễ so sánh các phân phối có tổng số quan sát khác nhau.
• Biểu đồ tần suất tích lũy (Cumulative Frequency Histogram): Hiển thị tổng tích lũy, giúp hiểu cách tần suất cộng dồn trên toàn phạm vi dữ liệu. Nó hữu ích để xác định các phân vị và hiểu tác động tích lũy.

Những biến thể này cho phép bạn khám phá các insight khác nhau tùy theo bối cảnh trong dự án phân tích; vì vậy, biết các loại này tồn tại sẽ rất hữu ích.

Công nghệ phù hợp để tạo biểu đồ tần suất

Mặc dù ở trên chúng ta học cách tạo thủ công, bạn có thể tạo biểu đồ tần suất bằng nhiều công cụ và công nghệ, mỗi công cụ có tính năng và khả năng khác nhau. 

Dưới đây là một số công nghệ phổ biến để tạo biểu đồ:

• Microsoft Excel hoặc Google Sheets: Microsoft Excel là ứng dụng bảng tính được dùng rộng rãi với công cụ biểu đồ tích hợp. Google Sheets là ứng dụng bảng tính trên nền tảng đám mây có khả năng vẽ biểu đồ tương tự Excel. Cả hai thường được dùng trong các dự án phân tích và hỗ trợ tạo biểu đồ tần suất. Bạn có thể học cách tạo biểu đồ trong hướng dẫn trực quan hóa dữ liệu bằng Excel của chúng tôi.
• PowerBI: PowerBI là công cụ BI giúp người dùng trực quan hóa dữ liệu và chia sẻ insight trong tổ chức. Biểu đồ tần suất nằm trong bộ tính năng trực quan hóa của nó. Khóa học Phân tích dữ liệu thăm dò với PowerBI có thể giúp bạn học cách tạo biểu đồ tương tác và thực hiện các tác vụ phân tích khác.
• Python: Python, một ngôn ngữ lập trình phổ biến, cung cấp nhiều thư viện trực quan hóa như matplotlib, seaborn, plotly và nhiều thư viện khác có thể tạo biểu đồ tần suất. Khóa học Nhập môn Khoa học dữ liệu với Python đi sâu thực hành tạo biểu đồ tần suất (và các trực quan khác).
• R: R là một ngôn ngữ khoa học dữ liệu phổ biến khác, rất phù hợp để tạo biểu đồ tần suất nhờ khả năng phân tích dữ liệu nâng cao và các thư viện trực quan hóa phong phú như ggplot2. Hướng dẫn R gồm sáu bước này sẽ dạy bạn cách tạo biểu đồ.
• Tableau: Tableau là phần mềm BI khác giúp người dùng biến dữ liệu thô thành bảng điều khiển tương tác, có thể chia sẻ và dùng để tạo biểu đồ tần suất. Khóa học Phân tích dữ liệu với Tableau trình bày chi tiết quy trình tạo biểu đồ.

Tất nhiên, danh sách này không đầy đủ; có rất nhiều công cụ trực tuyến khác để tạo biểu đồ tần suất. Hãy thoải mái sử dụng và chọn công cụ phù hợp nhất với nhu cầu dự án phân tích của bạn.

Lỗi thường gặp và thực tiễn tốt nhất

Vì biểu đồ tần suất được xem là một sơ đồ phân tích cơ bản, chúng ta thường không học bài bản, dẫn đến lỗi khi tạo. Dưới đây là một số lỗi phổ biến và thực tiễn tốt nhất để tránh:

1. Chọn độ rộng bin (và số lượng bin)

Chọn độ rộng bin không phù hợp có thể ảnh hưởng lớn đến diện mạo và độ chính xác của biểu đồ. 

Bin quá rộng có thể đơn giản hóa quá mức bằng cách gom quá nhiều điểm dữ liệu lại với nhau, che mờ những mẫu và biến thiên quan trọng. Điều này khiến khó thấy các chi tiết tinh tế trong phân phối. 

Ngược lại, bin quá hẹp nghĩa là mỗi bin bao phủ một phạm vi rất nhỏ, có thể dẫn tới nhiều bin chỉ có rất ít điểm dữ liệu. Mức chi tiết này có thể không cần thiết và làm người xem bị quá tải, khó phát hiện các mẫu hay xu hướng có ý nghĩa.

Kích thước bin không đồng nhất sẽ tạo trực quan gây hiểu lầm và làm khó diễn giải biểu đồ.

Thực tiễn tốt nhất

Trước hết, đảm bảo tất cả các bin trong biểu đồ có cùng độ rộng. Tính nhất quán này cho phép so sánh trực tiếp tần suất giữa các khoảng. 

Có một số hướng dẫn giúp xác định độ rộng bin (và số bin) phù hợp:

• Quy tắc căn bậc hai: Quy tắc này gợi ý sử dụng căn bậc hai của số điểm dữ liệu làm số bin. Ví dụ, nếu có 100 điểm dữ liệu, bạn sẽ dùng √100 = 10 bin. Cách này đơn giản và thường hiệu quả để quyết định độ rộng bin.
• Công thức Sturges: Công thức này tính số bin có xét đến số điểm dữ liệu. Phương pháp này đặc biệt hữu ích cho tập dữ liệu lớn, tạo sự cân bằng giữa quá ít và quá nhiều bin.

Quy tắc Sturges. Nguồn: Wikipedia

Trên thực tế, độ rộng bin tốt nhất thường tìm được bằng cách điều chỉnh lặp. Bắt đầu với độ rộng dựa trên hướng dẫn, sau đó tăng hoặc giảm trong khi đánh giá biểu đồ thu được về độ rõ ràng và tính thông tin.

2. Gắn nhãn và tỷ lệ

Một lỗi phổ biến là chỉ tập trung vào sơ đồ mà không chú ý nhiều đến nhãn và thang đo.

Người xem có thể không hiểu biểu đồ biểu diễn điều gì nếu trục được gắn nhãn sai hoặc không đầy đủ. 

Khi so sánh nhiều biểu đồ, việc dùng thang đo trục y không nhất quán có thể làm sai lệch so sánh. Giả sử một biểu đồ dùng thang 0 đến 100 còn biểu đồ khác dùng 0 đến 50; chiều cao cột sẽ không so sánh trực tiếp được. Sự không nhất quán này có thể đánh lừa người xem về những khác biệt hoặc tương đồng không thực sự tồn tại.

Sự không nhất quán trong cùng một biểu đồ cũng có thể làm sai lệch dữ liệu. Nếu trục y bắt đầu từ một số khác 0 hoặc dùng khoảng cách không đều, nó có thể phóng đại hoặc làm giảm khác biệt giữa tần suất các bin, dẫn tới kết luận sai về phân phối.

Thực tiễn tốt nhất

Luôn gắn nhãn trục x và trục y rõ ràng, chính xác. Nêu rõ mỗi trục biểu diễn gì và kèm đơn vị đo nếu có. Bao gồm một tiêu đề mô tả để cung cấp ngữ cảnh cho biểu đồ.

Dùng thang đo trục y nhất quán, đặc biệt khi so sánh nhiều biểu đồ. Điều này đảm bảo chiều cao cột phản ánh chính xác tần suất hoặc tần suất tương đối và cho phép so sánh có ý nghĩa. Đảm bảo trục y bắt đầu từ 0 để phản ánh trung thực phân phối. Nếu không thể bắt đầu từ 0, hãy chỉ rõ điểm bắt đầu và dùng khoảng cách đều.

3. Xử lý ngoại lệ

Ngoại lệ là những điểm dữ liệu nằm xa đáng kể so với cụm dữ liệu chính, ảnh hưởng đến hình dạng phân phối. Một lỗi thường gặp là đơn giản loại bỏ và bỏ qua ngoại lệ.

Loại bỏ chúng có thể che giấu bản chất thật của phân phối, như sự hiện diện của một đuôi dài hoặc độ lệch. Một tập dữ liệu có vài giá trị cực cao có thể cho thấy phân phối lệch nếu giữ ngoại lệ, nhưng sẽ trông cân đối hơn nếu loại bỏ chúng.

Đôi khi ngoại lệ biểu thị hiện tượng quan trọng hoặc insight đáng chú ý. Ví dụ, trong dữ liệu bán hàng, một ngoại lệ có thể là một đơn hàng lớn bất thường—có thể cho thấy một chiến dịch marketing thành công hoặc một đơn đặt hàng số lượng lớn. Bỏ qua những điểm như vậy có thể khiến bỏ lỡ thông tin giá trị.

Thực tiễn tốt nhất

Bao gồm ngoại lệ trong biểu đồ để trình bày đầy đủ phân phối dữ liệu. Đảm bảo thang trục y bao quát được các ngoại lệ này mà không nén quá mức phần dữ liệu chính.

Nếu loại trừ ngoại lệ vì lý do cụ thể (ví dụ: lỗi, giá trị cực đoan không liên quan), hãy giải thích rõ trong phần văn bản kèm theo hoặc chú giải. Điều này đảm bảo tính minh bạch và giúp người xem hiểu lý do loại trừ.

Tuân theo các thực tiễn tốt nhất này sẽ giúp biểu đồ của bạn truyền tải đúng insight đến người xem và hỗ trợ các bước phân tích dữ liệu tiếp theo trong dự án.

Kết luận

Bài viết đã giới thiệu bạn về biểu đồ tần suất, các loại của chúng và tầm quan trọng trong phân tích dữ liệu. Sau khi tạo biểu đồ thủ công, chúng ta đã liệt kê một số công cụ và công nghệ phổ biến để tạo biểu đồ. Chúng ta cũng học những lỗi thường gặp cần tránh và các thực tiễn tốt nhất nên theo.

Chúng tôi khuyến khích bạn rèn luyện bằng cách tạo và diễn giải biểu đồ từ nhiều tập dữ liệu để nâng cao thành thạo. Thực hành các tác vụ phân tích và xem xét kết quả sẽ giúp bạn trở nên vững vàng trong phân tích dữ liệu.

Chúc bạn học tốt!