Đang tải bài học…

AP Statistics

có ý nghĩa thống kê

statistically significant

Còn gọi: ý nghĩa thống kê · statistical significance · khác biệt có ý nghĩa thống kê

Có ý nghĩa thống kê (statistically significant) chỉ kết quả khó xảy ra do ngẫu nhiên đến mức xác suất đó nhỏ hơn mức ý nghĩa alpha chọn trước.

Trong kiểm định giả thuyết (hypothesis testing), nhà thống kê luôn đặt câu hỏi: liệu sự khác biệt quan sát được có phản ánh một hiệu ứng thực trong tổng thể, hay chỉ là biến động ngẫu nhiên của mẫu? Để trả lời, người ta tính giá trị p (p-value) — xác suất thu được một kết quả ít nhất cực đoan bằng kết quả quan sát, giả sử giả thuyết không ( $H_0$ ) là đúng. Vì vậy, nếu giá trị p đủ nhỏ, bằng chứng chống lại $H_0$ được coi là thuyết phục.

Mức ý nghĩa $\alpha$ là ngưỡng được chọn trước khi thu thập dữ liệu (data), thường là $0{,}05$ hoặc $0{,}01$ . Quy tắc quyết định được phát biểu gọn là: nếu $p < \alpha$ thì bác bỏ $H_0$ và kết luận kết quả có ý nghĩa thống kê; ngược lại, không đủ bằng chứng để bác bỏ $H_0$ . Điều quan trọng cần nhớ là $\alpha$ không phải xác suất $H_0$ đúng — nó là xác suất phạm sai lầm loại I (bác bỏ $H_0$ khi $H_0$ thật ra đúng) mà người nghiên cứu chấp nhận.

Tuy nhiên, có ý nghĩa thống kê không đồng nghĩa với có ý nghĩa thực tiễn. Với cỡ mẫu rất lớn, một hiệu ứng cực kỳ nhỏ — chẳng hạn GPA tăng 0,002 điểm mỗi giờ học thêm — vẫn có thể cho giá trị p rất thấp và bị tuyên bố là có ý nghĩa thống kê. Do đó, khi trình bày kết luận, cần kèm theo độ lớn của hiệu ứng và bối cảnh thực tế, không chỉ dựa vào việc $p < \alpha$ .

Ký hiệu

p < \alpha

: điều kiện để kết luận có ý nghĩa thống kê, trong đó

p

là giá trị p tính từ dữ liệu và

\alpha

là mức ý nghĩa chọn trước.

Trực giác: Giống như tung đồng xu: nếu bạn tung 10 lần mà được 7 mặt ngửa, điều đó vẫn có thể xảy ra hoàn toàn do may mắn — nhưng nếu bạn tung 1000 lần mà được 700 mặt ngửa, gần như chắc chắn đồng xu bị gian lận.

Khái niệm này sinh ra từ đâu

1925John ArbuthnotPierre-Simon LaplaceSiméon-Denis PoissonRonald A. Fisher

Ý tưởng dùng xác suất rất nhỏ làm bằng chứng bác bỏ ngẫu nhiên đã xuất hiện từ thế kỷ 18 với John Arbuthnot và Pierre-Simon Laplace, nhưng khái niệm "có ý nghĩa thống kê" theo nghĩa hiện đại được Ronald A. Fisher định hình vào những năm 1920, khi ông chọn mốc

p = 0{,}05

năm 1925 làm ranh giới thuận tiện để phán xét một sai lệch.

Thử nghiệm tương tác

Rút mẫu trong thế giới thuốc vô tác dụng — xem kết quả 'hiếm' vẫn xảy ra bao nhiêu lần

Hay hiểu sai

Có ý nghĩa thống kê không có nghĩa là hiệu ứng lớn hay quan trọng trong thực tế.

Giá trị $p$ không phải xác suất giả thuyết không đúng.

Kiểm định nhiều biến cùng lúc thì vài kết quả "có ý nghĩa" có thể chỉ do ngẫu nhiên.

Không bác bỏ giả thuyết không không có nghĩa là đã chứng minh nó đúng.

Mẹo phòng thi

Ví dụ có lời giải

1Ví dụ 1/2

Một thử nghiệm lâm sàng quy mô lớn được thiết kế để xem một loại vitamin có cải thiện sức khỏe tổng quát của người trưởng thành hay không. Nhóm nghiên cứu chọn ra 85 biến đo các khía cạnh khác nhau của sức khỏe. Mỗi người tham gia tự làm đối chứng cho chính mình: cả 85 biến đều được đo trước khi uống vitamin và đo lại sau ba tháng uống vitamin. Với mỗi biến, nhóm nghiên cứu thực hiện một kiểm định ở mức ý nghĩa (significance level)

\alpha = 0{,}05

. Kết quả: 3 trong số 85 biến cho thấy sự cải thiện có ý nghĩa thống kê, và nhóm nghiên cứu công bố rằng vitamin này có tác dụng.

aNếu thật sự vitamin không có tác dụng gì lên bất kỳ biến nào trong 85 biến, hãy tính số biến mà ta kỳ vọng sẽ cho kết quả "có ý nghĩa thống kê" chỉ do ngẫu nhiên.
bTính xác suất có ít nhất một biến cho kết quả có ý nghĩa thống kê một cách sai lầm, giả sử 85 kiểm định là độc lập và vitamin hoàn toàn không có tác dụng.
c

Bạn nắm chắc chưa?

Quiz câu thật từ ngân hàng đề

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.

Tạo tài khoản miễn phí

Học tiếp từ đây

Bài học chứa thuật ngữ nàySuy luận cho tỉ lệ (dữ liệu phân loại) · bài “Giá trị p (p-value)” — khoá AP Statistics

Cần trướcp-value

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

sai lầm loại Itype I error

Khác nhau ở đâuKết quả có ý nghĩa thống kê là kết luận đúng quy trình, còn sai lầm loại I xảy ra khi kết luận đó sai vì giả thuyết không thực ra đúng

Hay nhầm khiđề hỏi 'nếu α = 0,05 thì xác suất kết luận nhầm là bao nhiêu' — thí sinh hay nghĩ 'có ý nghĩa' đã loại trừ khả năng sai lầm loại I

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 57, 257–258.

Bài toán khởi nguồn không đến từ phòng thí nghiệm mà từ sổ rửa tội ở London. Arbuthnot, một thầy thuốc kiêm nhà toán học người Scotland, xem xét 82 năm liên tiếp và thấy năm nào số bé trai cũng nhiều hơn bé gái; ông tính xác suất của một chuỗi như vậy nếu mọi thứ chỉ do may rủi và thu được con số nhỏ đến mức không thể tin nổi, nên kết luận nguyên nhân phải nằm ngoài sự ngẫu nhiên. Cùng lối lập luận ấy, năm 1781 Laplace bác bỏ một xác suất cỡ 1 trên 100 để khẳng định tỉ lệ giới tính khi sinh ở Paris khác Naples, còn Poisson năm 1837 coi khả năng 1 trên 213 là đủ để xem như chắc chắn. Đến đầu thế kỷ 20, khi Fisher làm việc với dữ liệu nông nghiệp ở Anh, nhu cầu có một quy tắc chung để nói "kết quả này không phải do may rủi" trở nên cấp thiết, và ngưỡng $0{,}05$ ra đời từ đó.

Vì sao mang đúng cái tên này? Chữ "significant" trong tiếng Anh đời thường có nghĩa là "quan trọng", và đây chính là nguồn gốc của vô số hiểu lầm. Trong thống kê, từ này giữ nghĩa gốc hơn: kết quả "signifies" — nó chỉ báo, nó ra hiệu rằng có điều gì đó khác giả thuyết không (null hypothesis), chứ không hề khẳng định điều đó lớn hay đáng để bận tâm trong thực tế. Fisher dùng từ này để mô tả một sai lệch đủ lớn khiến ta không nên tiếp tục quy cho ngẫu nhiên; ông cũng thừa nhận rằng ngưỡng $0{,}05$ chỉ là điểm thuận tiện chứ không thiêng liêng, và có thể thay đổi tùy yêu cầu chặt chẽ của từng bài toán. Vì vậy "có ý nghĩa thống kê" hoàn toàn khác với ý nghĩa thực tiễn (practical significance) hay ý nghĩa lâm sàng (clinical significance) — cái sau mới nói về tầm quan trọng thật sự của một hiệu ứng. Các khái niệm đi kèm cũng dần được bổ sung về sau: mức ý nghĩa (significance level) $\alpha$ gắn với sai lầm loại I (type I error), còn khoảng tin cậy (confidence interval) được Neyman đưa ra năm 1937.

Rút mẫu trong thế giới thuốc vô tác dụng — xem kết quả 'hiếm' vẫn xảy ra bao nhiêu lần

Kéo tham số, thấy khái niệm chuyển động — mở khoá bằng tài khoản 0đ.

Tạo tài khoản miễn phí

Kết luận cần đủ ba phần: so sánh $p$ với $\alpha$ , quyết định, và trả lời theo ngữ cảnh.

Chỉ kết luận nhân quả khi đó là thí nghiệm có phân nhóm ngẫu nhiên.

Đề nêu nhiều biến hoặc nhiều kiểm định, hãy viết ra số kết quả sai kỳ vọng.

Tần suất trong đề AP StatisticsThường xuyên

Dựa vào hai kết quả trên, hãy bình luận về kết luận mà nhóm nghiên cứu đưa ra.

1Bước 1: Trước hết cần hiểu con số

\alpha = 0{,}05

nói gì. Với mỗi biến, giả thuyết không là "vitamin không làm thay đổi biến đó"; mức ý nghĩa

0{,}05

có nghĩa là ngay cả khi giả thuyết không đúng, ta vẫn có xác suất

0{,}05

bác bỏ nhầm nó. Sai lầm này gọi là sai lầm loại I (Type I error), và nó không phải là lỗi của người làm mà là cái giá cố hữu của việc kết luận từ dữ liệu ngẫu nhiên.

2Bước 2 (ý a): Xem mỗi kiểm định như một phép thử có xác suất "báo động giả" bằng

0{,}05

, số biến báo động giả tuân theo phân phối nhị thức với

n = 85

và

p = 0{,}05

. Kỳ vọng của nó là

\mu = np = 85(0{,}05) = 4{,}25.

Nghĩa là dù vitamin hoàn toàn vô dụng, trung bình vẫn có khoảng

4{,}25

biến trong 85 biến tự nhiên rơi vào vùng bác bỏ.

3Bước 3 (ý b): Xác suất một biến cụ thể KHÔNG bị báo động giả là

1 - 0{,}05 = 0{,}95

. Vì 85 kiểm định được giả sử độc lập, xác suất cả 85 biến đều "im lặng" là

(0{,}95)^{85}

, nên

P(\text{ít nhất 1}) = 1 - (0{,}95)^{85} \approx 1 - 0{,}0128 = 0{,}987.

Xác suất này lên tới khoảng

98{,}7\%

: khi ta hỏi cùng lúc quá nhiều câu hỏi, việc thu được ít nhất một kết quả "có ý nghĩa" gần như là điều chắc chắn xảy ra.

4Bước 4 (ý c): Bây giờ đối chiếu với dữ liệu thật. Nhóm nghiên cứu tìm được 3 biến có ý nghĩa thống kê, trong khi chỉ riêng may rủi đã đủ tạo ra trung bình

4{,}25

biến như vậy. Con số 3 thậm chí còn thấp hơn mức kỳ vọng của trường hợp vitamin vô dụng, nên nó không hề mâu thuẫn với giả thuyết "vitamin không có tác dụng". Hiện tượng này gọi là vấn đề so sánh bội (multiple comparisons); cách khắc phục là hạ mức ý nghĩa cho từng kiểm định, hoặc chọn trước một số ít biến trọng yếu rồi kiểm chứng lại 3 biến kia trên một mẫu mới, độc lập.

Nếu vitamin thật sự vô tác dụng thì trung bình vẫn có khoảng $4{,}25$ trong 85 biến cho kết quả có ý nghĩa thống kê, và xác suất có ít nhất một kết quả như vậy lên tới khoảng $0{,}987$ . Vì nhóm nghiên cứu chỉ tìm được 3 biến — còn ít hơn mức mà may rủi tự sinh ra — kết quả này hoàn toàn phù hợp với việc vitamin không có tác dụng nào. Do đó kết luận "vitamin cải thiện sức khỏe" là không chính đáng; ba biến kia chỉ nên được xem là giả thuyết cần kiểm chứng lại bằng một nghiên cứu mới.

2Ví dụ 2/2

Một chuyên viên tư vấn học đường muốn biết số giờ tự học mỗi tuần có liên hệ tuyến tính có ý nghĩa thống kê với điểm trung bình (GPA) của học sinh hay không. Cô lấy một mẫu ngẫu nhiên gồm 25 học sinh và ghi lại số giờ tự học cùng GPA của từng em qua một khảo sát ẩn danh. Phần mềm cho kết quả hồi quy: hệ số góc ước lượng

b = 0{,}0512

, sai số chuẩn của hệ số góc

SE_b = 0{,}0184

. Các điều kiện cho suy luận về hệ số góc đều đã được kiểm tra và thỏa mãn.

aThực hiện kiểm định giả thuyết ở mức $\alpha = 0{,}05$ để xem liên hệ tuyến tính có ý nghĩa thống kê hay không.
bGiải thích cụm "có ý nghĩa thống kê" trong kết luận ở ý (a) thực chất nói lên điều gì, và có thể kết luận rằng học nhiều giờ hơn làm GPA tăng lên hay không.

1Bước 1: Đặt

\beta

là hệ số góc của đường hồi quy đúng trong tổng thể học sinh. Cặp giả thuyết là

H_0: \beta = 0

(không có liên hệ tuyến tính) đối lại

H_a: \beta \neq 0

. Kiểm định phù hợp là kiểm định

t

cho hệ số góc, với bậc tự do

df = n - 2 = 25 - 2 = 23

2Bước 2: Thống kê kiểm định đo xem hệ số góc quan sát được cách 0 bao nhiêu sai số chuẩn:

t = \frac{b - 0}{SE_b} = \frac{0{,}0512}{0{,}0184} \approx 2{,}78.

Hệ số góc mẫu nằm cách giá trị 0 khoảng

2{,}78

sai số chuẩn, tức là khá xa về phía dương.

3Bước 3: Với

df = 23

, giá trị p (p-value) hai phía ứng với

t \approx 2{,}78

là

2P(T_{23} > 2{,}78) \approx 0{,}011

. Ta so sánh:

0{,}011 < 0{,}05

, nên bác bỏ

H_0

. Nói cách khác, nếu thật sự không có liên hệ tuyến tính nào thì chỉ khoảng

1{,}1\%

số mẫu cỡ 25 mới cho hệ số góc lệch khỏi 0 nhiều đến thế — một kết quả hiếm đến mức khó quy cho may rủi.

4Bước 4 (ý b): Cần tách bạch hai chuyện. "Có ý nghĩa thống kê" chỉ nói rằng độ lớn quan sát được khó xảy ra nếu chỉ do biến thiên ngẫu nhiên của việc lấy mẫu, chứ tuyệt nhiên không nói rằng hiệu ứng đó lớn hay quan trọng; điều sau mới là có ý nghĩa thực tiễn (practical significance). Ở đây mỗi giờ tự học thêm chỉ ứng với mức tăng dự đoán

0{,}0512

điểm GPA, nên phải học thêm gần 10 giờ mỗi tuần mới nhích được khoảng nửa điểm.

5Bước 5: Về nhân quả, dữ liệu đến từ một khảo sát trên mẫu ngẫu nhiên chứ không phải từ thí nghiệm có phân nhóm ngẫu nhiên. Vì vậy các biến gây nhiễu — chẳng hạn động lực học tập hay điều kiện gia đình — vừa có thể khiến học sinh học nhiều hơn, vừa có thể tự nó nâng GPA. Ta chỉ được kết luận về liên hệ, không được kết luận rằng tăng giờ học sẽ làm GPA tăng.

Vì $t \approx 2{,}78$ với $df = 23$ cho giá trị p khoảng $0{,}011 < 0{,}05$ , ta bác bỏ $H_0$ và kết luận có bằng chứng thuyết phục rằng tồn tại liên hệ tuyến tính giữa số giờ tự học mỗi tuần và GPA của học sinh ở trường này. Tuy nhiên, "có ý nghĩa thống kê" ở đây chỉ có nghĩa là hệ số góc quan sát được quá khó giải thích bằng may rủi; bản thân hiệu ứng khá nhỏ về mặt thực tiễn. Và vì đây là nghiên cứu quan sát chứ không phải thí nghiệm, ta không thể kết luận rằng học thêm giờ sẽ khiến GPA tăng.

Mục tiêu và lộ trình unit xem miễn phí — làm bài tập và lưu tiến độ cần tài khoản 0đ.