Số liệu được trình bày bằng bảng 2 × 2; sẽ phù hợp trong thiết kế nghiên cứu là:

Câu hỏi này kiểm tra kiến thức về việc lựa chọn test thống kê phù hợp cho bảng 2x2.

* r (Hệ số tương quan Pearson): Thường được sử dụng để đo lường mối quan hệ tuyến tính giữa hai biến liên tục, không phù hợp cho bảng 2x2.
* t (Kiểm định t): Sử dụng để so sánh trung bình của hai nhóm. Có thể sử dụng cho bảng 2x2 nếu một biến là biến định lượng và biến kia là biến định tính có hai mức. Tuy nhiên, kiểm định Chi bình phương thường được ưu tiên hơn.
* Z (Kiểm định Z): Tương tự như kiểm định t, nhưng thường dùng khi cỡ mẫu lớn (n > 30).
* \({\chi ^2}\) (Kiểm định Chi bình phương): Là test thống kê phù hợp nhất cho bảng 2x2 để kiểm tra sự độc lập giữa hai biến định tính. Bảng 2x2 thể hiện tần số của hai biến định tính, mỗi biến có hai mức.

Vậy, đáp án đúng là kiểm định Chi bình phương.

Câu hỏi yêu cầu tìm ra điều gì cho thấy nhận định của nhà chức trách ("Càng nhiều năm kinh nghiệm càng làm cho người lái xe chủ quan, bất cẩn") là không đúng. Nhận định này được đưa ra dựa trên tỷ lệ tai nạn giao thông liên quan đến các nhóm lái xe có kinh nghiệm khác nhau.

* Phương án 1: Các tỷ lệ chưa được chuẩn hóa theo tuổi: Tuổi tác có thể ảnh hưởng đến khả năng lái xe và sự cẩn trọng. Việc không chuẩn hóa theo tuổi có thể làm sai lệch kết luận về kinh nghiệm lái xe. Ví dụ, nếu nhóm lái xe trên 10 năm kinh nghiệm có độ tuổi trung bình cao hơn, họ có thể dễ gặp tai nạn hơn do các vấn đề sức khỏe liên quan đến tuổi tác, chứ không hẳn do chủ quan vì kinh nghiệm.
* Phương án 2: Số liệu trên chưa đầy đủ vì có những vụ tai nạn chưa được ghi nhận: Việc thiếu dữ liệu có thể ảnh hưởng đến kết quả, nhưng nó không trực tiếp chỉ ra rằng kết luận về kinh nghiệm lái xe là sai. Nó chỉ đơn giản là làm giảm độ tin cậy của toàn bộ nghiên cứu.
* Phương án 3: Phải làm một so sánh với những người lái xe không liên quan tới tai nạn: Đây là một điểm quan trọng. Nếu không so sánh tỷ lệ tai nạn với tỷ lệ người lái xe trong từng nhóm kinh nghiệm (ví dụ: nếu phần lớn người lái xe có bằng lái trên 10 năm, thì việc họ gây ra nhiều tai nạn hơn không nhất thiết có nghĩa là họ chủ quan hơn), thì không thể kết luận kinh nghiệm gây ra sự chủ quan.
* Phương án 4: Chưa có test thống kê: Việc thiếu kiểm định thống kê có thể làm giảm độ tin cậy của kết quả, nhưng không trực tiếp chứng minh kết luận là sai. Nó chỉ ra rằng kết quả có thể không có ý nghĩa thống kê.

Do đó, phương án 3 nêu rõ nhất việc kết luận của nhà chức trách là không đúng vì nó chỉ ra sự thiếu sót trong phương pháp luận nghiên cứu, khi không so sánh với nhóm đối chứng (những người lái xe không gây tai nạn).

Trong nghiên cứu bệnh chứng, Odds Ratio (OR) được tính bằng công thức: OR = (a x d) / (b x c), trong đó:

* a = số người bệnh có phơi nhiễm
* b = số người bệnh không có phơi nhiễm
* c = số người chứng có phơi nhiễm
* d = số người chứng không có phơi nhiễm

Dựa vào bảng số liệu:

* a = 138 (số người bệnh có hút thuốc)
* b = 129 (số người bệnh không hút thuốc)
* c = 94 (số người chứng có hút thuốc)
* d = 173 (số người chứng không hút thuốc)

Vậy, OR = (138 x 173) / (94 x 129).

Trong nghiên cứu, có nhiều loại mẫu được sử dụng tùy thuộc vào mục đích và phương pháp nghiên cứu.

- Mẫu ngẫu nhiên: Là mẫu mà mỗi thành viên của quần thể có cơ hội được chọn như nhau. Đây là một phương pháp phổ biến để đảm bảo tính đại diện của mẫu.
- Mẫu hệ thống: Là mẫu mà các thành viên được chọn theo một quy tắc nhất định, ví dụ cứ mỗi 10 người thì chọn 1 người. Phương pháp này đơn giản nhưng có thể không đại diện nếu có chu kỳ trong quần thể.
- Mẫu thích hợp (hay còn gọi là mẫu thuận tiện): Là mẫu được chọn dựa trên sự thuận tiện cho nhà nghiên cứu. Mặc dù dễ thực hiện, nhưng mẫu này thường không đại diện cho quần thể.
- Mẫu cố định: Không phải là một loại mẫu được sử dụng phổ biến trong nghiên cứu. Có thể là một cách diễn đạt khác nhưng không thông dụng bằng các loại mẫu kể trên.

Như vậy, mẫu ngẫu nhiên, mẫu hệ thống và mẫu thích hợp là những loại mẫu thường được sử dụng trong nghiên cứu, nhưng mẫu ngẫu nhiên và mẫu hệ thống phổ biến hơn để đảm bảo tính đại diện. Mẫu thích hợp tuy dễ thực hiện nhưng lại ít được ưu tiên khi cần độ chính xác cao. Vì câu hỏi không chỉ rõ tiêu chí chọn mẫu nên các đáp án mẫu ngẫu nhiên, mẫu hệ thống và mẫu thích hợp đều có thể đúng. Tuy nhiên, mẫu ngẫu nhiên thường được ưu tiên hơn do tính đại diện cao. Mẫu cố định không phải là thuật ngữ thông dụng trong nghiên cứu.

Bảng số ngẫu nhiên được sử dụng để đảm bảo tính ngẫu nhiên trong việc chọn mẫu. Việc sử dụng bảng số ngẫu nhiên giúp tránh được sự thiên vị chủ quan của người chọn mẫu, từ đó làm cho mẫu được chọn đại diện hơn cho tổng thể và giảm thiểu sai số mẫu. Các yếu tố như giá rẻ hay dễ thực hiện không phải là lý do chính, và bảng số ngẫu nhiên không ảnh hưởng trực tiếp đến sai số đo lường.