[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_ph%C6%B0%C6%A1ng%20ph%C3%A1p%20phi%20tham%20s%E1%BB%91{\"limit\":5}":3,"_public_topic_byId_ph%C6%B0%C6%A1ng%20ph%C3%A1p%20phi%20tham%20s%E1%BB%91":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":17,"englishTitle":18,"synonyms":19,"definition":23,"discipline":24,"references":25,"faqs":57,"createUser":70,"publishUser":74,"keywords":78,"keywordCount":10,"enrichTopicLink":79,"status":80,"createTime":81,"updateTime":82,"publishTime":83,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":84,"wikidataId":10,"relateTopics":85},"phương pháp phi tham số","Phương pháp phi tham số là gì? Các bài nghiên cứu khoa học","Phương pháp phi tham số là kỹ thuật thống kê không dựa vào giả định phân phối cụ thể của dữ liệu, thích hợp với dữ liệu phi chuẩn và cỡ mẫu nhỏ. Khác với phương pháp tham số, chúng sử dụng thứ hạng, khoảng cách hoặc mật độ thực nghiệm để đưa ra suy luận mà không cần ước lượng tham số cố định. ","\u003Cp>Phương pháp phi tham số (nonparametric methods) là tập hợp các kỹ thuật thống kê và suy luận dữ liệu không đòi hỏi dữ liệu mẫu phải tuân theo các giả định nghiêm ngặt về một phân phối xác suất xác định trước (như phân phối chuẩn). Phương pháp này đặc biệt hữu ích khi xử lý dữ liệu định danh, dữ liệu thứ bậc, cỡ mẫu nhỏ hoặc các phân phối có độ lệch lớn và chứa nhiều giá trị ngoại lai. Bằng cách dựa trên thứ bậc hoặc các hàm phi tham số, phương pháp phi tham số cung cấp công cụ phân tích tin cậy và linh hoạt cho nhiều bài toán nghiên cứu thực nghiệm.\u003C\u002Fp>\n\n\u003Ch2>Bản chất lý thuyết và nền tảng toán học của thống kê phi tham số\u003C\u002Fh2>\n\u003Cp>Trong lý thuyết thống kê cổ điển, các phương pháp tham số (parametric methods) giả định rằng quần thể nghiên cứu tuân theo một hàm mật độ xác suất cụ thể được đặc trưng bởi các tham số hữu hạn như kỳ vọng toán học (mean, μ) và phương sai (variance, σ²). Khi các giả định này bị vi phạm nghiêm trọng (ví dụ: dữ liệu có phân phối bất đối xứng mạnh hoặc phân phối đuôi nặng), các ước lượng và kiểm định tham số như Student's t-test hoặc ANOVA sẽ mất đi tính vững (robustness), dẫn đến sai số loại I hoặc loại II tăng cao.\u003C\u002Fp>\n\u003Cp>Ngược lại, các phương pháp phi tham số — còn được gọi là phương pháp phân phối tự do (distribution-free methods) — không cố định cấu trúc dạng hàm của phân phối quần thể. Thay vì tính toán trực tiếp trên các giá trị số thô, hầu hết các kiểm định phi tham số chuyển đổi dữ liệu gốc thành các giá trị thứ bậc (ranks). Phân phối xác suất của các thống kê thứ bậc này dưới giả thuyết không (H₀) hoàn toàn độc lập với phân phối thực tế của tổng thể, từ đó bảo toàn tính chính xác của mức ý nghĩa thống kê.\u003C\u002Fp>\n\n\u003Ch2>Phân loại các kiểm định phi tham số phổ biến\u003C\u002Fh2>\n\u003Cp>Các kiểm định giả thuyết phi tham số được phát triển tương ứng để thay thế cho từng kiểm định tham số truyền thống khi các điều kiện chuẩn không được thỏa mãn:\u003C\u002Fp>\n\n\u003Ch3>1. So sánh hai mẫu độc lập\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>\u003Cstrong>Kiểm định Mann-Whitney U (Wilcoxon Rank-Sum Test):\u003C\u002Fstrong> Phương pháp thay thế phi tham số cho kiểm định t hai mẫu độc lập. Thuật toán gộp chung dữ liệu từ cả hai nhóm, xếp thứ bậc từ nhỏ đến lớn, sau đó so sánh tổng thứ bậc giữa hai nhóm để kiểm tra xem hai quần thể có cùng phân bố trung vị hay không.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Kiểm định Kolmogorov-Smirnov hai mẫu:\u003C\u002Fstrong> Đánh giá mức độ sai biệt cực đại giữa hai hàm phân phối tích lũy thực nghiệm (ECDF), giúp phát hiện sự khác biệt về cả vị trí, độ tán xạ và hình dạng phân phối giữa hai nhóm mẫu.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>2. So sánh hai mẫu cặp đôi (phụ thuộc)\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>\u003Cstrong>Kiểm định dấu Wilcoxon (Wilcoxon Signed-Rank Test):\u003C\u002Fstrong> Phương pháp thay thế cho kiểm định t cặp đôi. Thuật toán tính độ chênh lệch giữa các cặp quan sát, loại bỏ các hiệu số bằng 0, xếp thứ bậc các giá trị tuyệt đối của hiệu số và gắn lại dấu ban đầu để kiểm tra sự dịch chuyển vị trí trung vị của quần thể.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Kiểm định dấu (Sign Test):\u003C\u002Fstrong> Phiên bản đơn giản hơn chỉ dựa trên dấu (+ hoặc -) của các hiệu số mà không xét đến độ lớn, có tính vững rất cao trước các giá trị dị biệt cực đoan.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>3. So sánh từ ba nhóm trở lên\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>\u003Cstrong>Kiểm định Kruskal-Wallis:\u003C\u002Fstrong> Phương pháp phi tham số mở rộng của ANOVA một yếu tố cho k nhóm độc lập. Dữ liệu từ tất cả các nhóm được xếp hạng chung, và thống kê kiểm định H dựa trên sự biến thiên của tổng thứ bậc giữa các nhóm so với kỳ vọng lý thuyết.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Kiểm định Friedman:\u003C\u002Fstrong> Phương pháp thay thế cho ANOVA đo lường lặp lại (Repeated Measures ANOVA) hoặc thiết kế khối ngẫu nhiên hoàn chỉnh. Phép kiểm định xếp hạng các điều kiện điều trị bên trong từng đối tượng hoặc từng khối một cách độc lập.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>4. Phân tích mối liên hệ và tương quan\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>\u003Cstrong>Hệ số tương quan thứ bậc Spearman (Spearman's Rho):\u003C\u002Fstrong> Đo lường mức độ tương quan đơn điệu (monotonic relationship) giữa hai biến số bằng cách tính hệ số tương quan Pearson trên các giá trị thứ bậc của biến.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Hệ số tương quan Kendall's Tau:\u003C\u002Fstrong> Dựa trên số lượng các cặp quan sát thuận chiều (concordant) và nghịch chiều (discordant), đặc biệt hiệu quả khi cỡ mẫu nhỏ hoặc dữ liệu có nhiều thứ bậc trùng lặp (tied ranks).\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Ước lượng phi tham số và học máy phi tham số\u003C\u002Fh2>\n\u003Cp>Bên cạnh các kiểm định giả thuyết, phương pháp phi tham số còn bao gồm các kỹ thuật ước lượng hàm mật độ và mô hình dự báo tiên tiến:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Ước lượng mật độ hạt nhân (Kernel Density Estimation - KDE):\u003C\u002Fstrong> Phương pháp ước lượng hàm mật độ xác suất liên tục f(x) của biến ngẫu nhiên mà không cần giả định dạng hàm tham số, bằng cách đặt một hàm hạt nhân (như hạt nhân Gauss, Epanechnikov) tại mỗi điểm dữ liệu và cộng dồn các đóng góp cục bộ.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Hồi quy phi tham số và làm mịn cục bộ (LOESS \u002F LOWESS):\u003C\u002Fstrong> Mô hình hồi quy phi tuyến tính cục bộ điều chỉnh đường cong dự báo linh hoạt theo xu hướng thực tế của dữ liệu mà không bị giới hạn bởi phương trình hồi quy cố định.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Thuật toán k láng giềng gần nhất (k-Nearest Neighbors - kNN):\u003C\u002Fstrong> Thuật toán học máy phi tham số kinh điển trong phân loại và hồi quy, quyết định nhãn của một điểm dữ liệu mới dựa hoàn toàn vào khoảng cách tới k mẫu huấn luyện gần nhất trong không gian đặc trưng.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Cây quyết định và Rừng ngẫu nhiên (Decision Trees & Random Forests):\u003C\u002Fstrong> Các mô hình cây phân chia không gian đặc trưng thành các siêu hình chữ nhật trực giao mà không đòi hỏi bất kỳ giả định nào về phân phối của biến đầu vào.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Bảng đối chiếu toàn diện giữa phương pháp tham số và phi tham số\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Bài toán thống kê\u003C\u002Fth>\n\u003Cth>Kiểm định tham số tương ứng\u003C\u002Fth>\n\u003Cth>Kiểm định phi tham số thay thế\u003C\u002Fth>\n\u003Cth>Thước đo vị trí trung tâm\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>So sánh 2 mẫu độc lập\u003C\u002Ftd>\n\u003Ctd>Student's t-test (độc lập)\u003C\u002Ftd>\n\u003Ctd>Mann-Whitney U test\u003C\u002Ftd>\n\u003Ctd>Trung vị (Median)\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>So sánh 2 mẫu phụ thuộc (cặp đôi)\u003C\u002Ftd>\n\u003Ctd>Paired Student's t-test\u003C\u002Ftd>\n\u003Ctd>Wilcoxon signed-rank test\u003C\u002Ftd>\n\u003Ctd>Trung vị của hiệu số\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>So sánh ≥ 3 mẫu độc lập\u003C\u002Ftd>\n\u003Ctd>ANOVA một yếu tố (One-way ANOVA)\u003C\u002Ftd>\n\u003Ctd>Kruskal-Wallis H test\u003C\u002Ftd>\n\u003Ctd>Tổng thứ bậc trung bình\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>So sánh ≥ 3 mẫu lặp lại\u003C\u002Ftd>\n\u003Ctd>Repeated Measures ANOVA\u003C\u002Ftd>\n\u003Ctd>Friedman test\u003C\u002Ftd>\n\u003Ctd>Thứ bậc trong khối\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Đo lường tương quan 2 biến\u003C\u002Ftd>\n\u003Ctd>Hệ số tương quan Pearson (r)\u003C\u002Ftd>\n\u003Ctd>Spearman rho \u002F Kendall tau\u003C\u002Ftd>\n\u003Ctd>Mối quan hệ đơn điệu\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>So sánh tần số quan sát\u003C\u002Ftd>\n\u003Ctd>Kiểm định Chi-bình phương (χ²)\u003C\u002Ftd>\n\u003Ctd>Kiểm định chính xác Fisher (Fisher's exact test)\u003C\u002Ftd>\n\u003Ctd>Tỷ lệ chính xác\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Ưu điểm, hạn chế và ứng dụng thực tiễn trong nghiên cứu\u003C\u002Fh2>\n\u003Cp>Phương pháp phi tham số mang lại nhiều ưu điểm vượt trội trong phân tích dữ liệu thực nghiệm:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Tính linh hoạt cao:\u003C\u002Fstrong> Áp dụng hiệu quả cho dữ liệu thang đo định danh, thứ bậc (thang đo Likert trong khảo sát xã hội học) và dữ liệu có phân phối lệch chuẩn nghiêm trọng.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Độ vững chắc (Robustness):\u003C\u002Fstrong> Ít bị ảnh hưởng bởi các giá trị ngoại lai (outliers) hoặc hiện tượng đuôi dài so với các phép tính dựa trên giá trị trung bình cộng và độ lệch chuẩn.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Dễ tính toán và trực quan:\u003C\u002Fstrong> Cơ chế dựa trên thứ bậc giúp việc diễn giải kết quả trở nên rõ ràng và dễ tiếp cận đối với các nhà nghiên cứu đa ngành.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Tuy nhiên, phương pháp phi tham số cũng có một số hạn chế nhất định. Khi dữ liệu thực tế thực sự tuân theo phân phối chuẩn, các kiểm định phi tham số có công suất thống kê (statistical power) thấp hơn một chút so với kiểm định tham số tương ứng (thường đạt khoảng 95% hiệu quả tiệm cận), đòi hỏi cỡ mẫu lớn hơn một chút để phát hiện cùng một độ lớn hiệu ứng. Ngoài ra, việc kiểm định các hiệu ứng tương tác phức tạp trong các mô hình đa nhân tố bằng kỹ thuật phi tham số thường khó khăn hơn so với mô hình tuyến tính tổng quát.\u003C\u002Fp>\n\u003Cp>Tại Việt Nam, phương pháp phi tham số được ứng dụng sâu rộng trong nghiên cứu y sinh học lâm sàng (so sánh hiệu quả điều trị trên các nhóm bệnh nhân hiếm gặp), nghiên cứu khoa học giáo dục và xã hội học (phân tích bảng hỏi điều tra ý kiến), cũng như trong phân tích dữ liệu tài chính và chuỗi thời gian khí tượng thủy văn.\u003C\u002Fp>","Phương pháp phi tham số","nonparametric methods",[20,21,22],"thống kê phi tham số","kiểm định phi tham số","nonparametric statistics","Phương pháp phi tham số (nonparametric methods) là tập hợp các kỹ thuật thống kê và suy luận dữ liệu không đòi hỏi dữ liệu mẫu phải tuân theo các giả định nghiêm ngặt về một phân phối xác suất xác định trước (như phân phối chuẩn).","NATURAL_SCIENCES",[26,34,41,49],{"citationText":27,"title":28,"authors":29,"source":30,"year":31,"doi":32,"url":33},"Conover, W. J. (1999). Practical Nonparametric Statistics (3rd ed.). John Wiley & Sons.","Practical Nonparametric Statistics","Conover, W. J.","John Wiley & Sons",1999,"10.1002\u002F0471725315","https:\u002F\u002Fwww.wiley.com\u002Fen-us\u002FPractical+Nonparametric+Statistics%2C+3rd+Edition-p-9780471160687",{"citationText":35,"title":36,"authors":37,"source":30,"year":38,"doi":39,"url":40},"Hollander, M., Wolfe, D. A., & Chicken, E. (2013). Nonparametric Statistical Methods (3rd ed.). John Wiley & Sons.","Nonparametric Statistical Methods","Hollander, M., Wolfe, D. A., & Chicken, E.",2013,"10.1002\u002F9781118553299","https:\u002F\u002Fonlinelibrary.wiley.com\u002Fdoi\u002Fbook\u002F10.1002\u002F9781118553299",{"citationText":42,"title":43,"authors":44,"source":45,"year":46,"doi":47,"url":48},"Wasserman, L. (2006). All of Nonparametric Statistics. Springer Science & Business Media.","All of Nonparametric Statistics","Wasserman, L.","Springer Science & Business Media",2006,"10.1007\u002F0-387-30623-4","https:\u002F\u002Flink.springer.com\u002Fbook\u002F10.1007\u002F0-387-30623-4",{"citationText":50,"title":51,"authors":52,"source":53,"year":54,"doi":55,"url":56},"Gibbons, J. D., & Chakraborti, S. (2011). Nonparametric Statistical Inference (5th ed.). Chapman and Hall\u002FCRC.","Nonparametric Statistical Inference","Gibbons, J. D., & Chakraborti, S.","Chapman and Hall\u002FCRC",2011,"10.1201\u002Fb10857","https:\u002F\u002Fwww.taylorfrancis.com\u002Fbooks\u002Fmono\u002F10.1201\u002Fb10857\u002Fnonparametric-statistical-inference-jean-dickinson-gibbons-subhabrata-chakraborti",[58,61,64,67],{"question":59,"answer":60},"Khi nào nhà nghiên cứu bắt buộc phải sử dụng phương pháp phi tham số thay cho phương pháp tham số?","Nhà nghiên cứu nên sử dụng phương pháp phi tham số khi dữ liệu thu thập thuộc thang đo thứ bậc (như thang điểm Likert), cỡ mẫu nhỏ không đủ chứng minh phân phối chuẩn, hoặc khi các kiểm định tính chuẩn (như Shapiro-Wilk) bị bác bỏ do dữ liệu lệch hoặc có nhiều giá trị ngoại lai.",{"question":62,"answer":63},"Kiểm định Mann-Whitney U so sánh giá trị trung bình hay trung vị giữa hai nhóm?","Kiểm định Mann-Whitney U so sánh phân phối tổng thể và thứ bậc giữa hai nhóm; nếu giả định hình dạng phân phối của hai nhóm tương đồng, kiểm định này được xem là so sánh giá trị trung vị (median) của hai nhóm chứ không so sánh giá trị trung bình (mean).",{"question":65,"answer":66},"Phương pháp phi tham số có nhược điểm gì so với phương pháp tham số?","Nhược điểm chính là công suất thống kê thấp hơn khoảng 5% khi dữ liệu thực sự chuẩn, đồng thời việc mô hình hóa các tương tác phức tạp và suy diễn tham số định lượng trực tiếp khó khăn hơn so với mô hình tham số.",{"question":68,"answer":69},"Ước lượng mật độ hạt nhân (KDE) là gì trong thống kê phi tham số?","KDE là một phương pháp phi tham số giúp ước lượng liên tục và mượt mà hàm mật độ xác suất của một biến ngẫu nhiên từ dữ liệu quan sát mà không cần giả định biến đó theo phân phối Gauss hay phân phối cụ thể nào.",{"id":71,"researcherId":10,"name":72,"imageUrl":73},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":75,"researcherId":10,"name":76,"imageUrl":77},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[13],false,"PUBLISHED","2025-07-04T09:36:07.365+00:00","2026-08-22T11:15:03.573+00:00","2025-07-06T16:55:45.900+00:00",305,[86,96,100,105,110,115,120,125,130,135],{"id":87,"title":88,"term":89,"englishTitle":90,"definition":91,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"dữ liệu thứ tự","Dữ liệu thứ tự (Ordinal data) là gì? Thang đo và phân tích","Dữ liệu thứ tự","ordinal data","Dữ liệu thứ tự là một dạng dữ liệu định tính phân loại trong đó các giá trị có một trật tự xếp hạng hoặc thứ bậc tự nhiên rõ ràng nhưng khoảng cách định lượng giữa các bậc liên tiếp là không xác định hoặc không bằng nhau.","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":97,"title":98,"term":97,"englishTitle":97,"definition":99,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"proton","Proton là gì? Cấu trúc và ứng dụng của Proton","Proton là một hạt hạ nguyên tử bền vững thuộc nhóm baryon cấu tạo từ hai quark lên và một quark xuống, mang điện tích nguyên tố dương và có khối lượng nghỉ xấp xỉ 1.6726 x 10^-27 kg nằm trong hạt nhân nguyên tử.",{"id":101,"title":102,"term":101,"englishTitle":103,"definition":104,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"nhiệt độ nóng chảy","Nhiệt độ nóng chảy là gì? Các nghiên cứu khoa học liên quan","nhiet do nong chay","khái niệm và đối tượng nghiên cứu cơ bản trong khoa học tự nhiên, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.",{"id":106,"title":107,"term":106,"englishTitle":108,"definition":109,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"hằng số tốc độ","Hằng số tốc độ là gì? Các bài nghiên cứu khoa học liên quan","rate constant","Hằng số tốc độ (Reaction Rate Constant, ký hiệu k) là một hệ số tỷ lệ đặc trưng trong phương trình động học biểu thị tốc độ của phản ứng hóa học khi nồng độ của tất cả các chất phản ứng bằng đơn vị.",{"id":111,"title":112,"term":111,"englishTitle":113,"definition":114,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"động vật linh trưởng","Động vật linh trưởng là gì? Tiến hóa Perelman, giải phẫu Fleagle và Estrada","primates","Động vật linh trưởng là một bộ thú có vú bậc cao đặc trưng bởi bàn tay ngón cái đối diện, thị giác lập thể 3D và vỏ não phát triển, tiến hóa qua các nhánh Mũi ướt và Mũi khô theo nghiên cứu Perelman-Fleagle.",{"id":116,"title":117,"term":116,"englishTitle":118,"definition":119,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"đồng vị","Đồng vị là gì? Phân loại và ứng dụng trong khoa học hiện đại","isotope","Đồng vị là các biến thể của cùng một nguyên tố hóa học có cùng số proton trong hạt nhân nhưng khác nhau về số neutron, dẫn đến khối lượng nguyên tử khác nhau.",{"id":121,"title":122,"term":121,"englishTitle":123,"definition":124,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"chu trình sinh địa hóa","Chu trình sinh địa hóa: Khái niệm, nguyên lý và ứng dụng","Biogeochemical cycle","Chu trình sinh địa hóa là một thuật ngữ và phạm trù học thuật then chốt trong lĩnh vực natural sciences, phản ánh các nguyên lý, cơ chế và phương pháp luận chuyên sâu đã được chuẩn hóa trong nghiên cứu và ứng dụng thực tiễn.",{"id":126,"title":127,"term":126,"englishTitle":128,"definition":129,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"ethylene","Ethylene là gì? Cấu trúc hóa học, vai trò sinh học và ứng dụng","Ethylene","Ethylene (ethene, công thức hóa học C2H4) là một hydrocarbon không no thuộc nhóm anken đơn giản nhất, tồn tại ở thể khí không màu, đồng thời là một phytohormone dạng khí điều hòa sự chín và rụng ở thực vật.",{"id":131,"title":132,"term":131,"englishTitle":133,"definition":134,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"không khí ẩm","Không khí ẩm là gì? Các công bố khoa học về Không khí ẩm","moist air","Không khí ẩm là hỗn hợp nhiệt động học giữa không khí khô và hơi nước, có các thông số đặc trưng gồm độ ẩm tương đối, độ ẩm tuyệt đối và nhiệt độ điểm sương.",{"id":136,"title":137,"term":136,"englishTitle":138,"definition":139,"discipline":24,"disciplineCode":92,"disciplineLabel":93,"disciplineColor":94,"disciplineIcon":95},"hệ số phân bố","Hệ số phân bố là gì? Ý nghĩa trong hóa học và dược lý","Partition Coefficient","Hệ số phân bố (partition coefficient, ký hiệu P hoặc log P) là đại lượng nhiệt động học biểu thị tỷ lệ nồng độ cân bằng của một chất tan không phân ly giữa hai dung môi không trộn lẫn (thường là 1-octanol và nước)."]