AP Statistics

kiểm định chi bình phương về tính độc lậpchi-square test for independence

chi-square test for independenceVietnamese: kiểm định chi bình phương về tính độc lập

Còn gọi:Also called: chi-square test for independence

Định nghĩaIn short

Kiểm định chi bình phương về tính độc lập là phép kiểm định xem hai biến phân loại trên cùng một tổng thể có liên hệ với nhau hay không.The chi-square test for independence tests whether two categorical variables measured on the same population are associated.

Trực giác: Giống như kiểm tra xem sở thích màu áo có ăn nhập gì với giới tính hay không, bằng cách xem số người thực tế mỗi ô lệch bao xa so với con số ta chờ đợi nếu hai chuyện đó chẳng liên quan gì đến nhau.Intuition: It's like checking whether shirt-color preference has anything to do with gender: you look at how far the actual number of people in each cell falls from the number you'd expect if the two had nothing to do with each other.

Công thức chínhKey formula

Eij=RiCjnE_{ij}=\frac{R_i C_j}{n}
Định nghĩa đầy đủFull definition1 phút đọc1 min read

Kiểm định chi bình phương về tính độc lập so sánh số đếm quan sát với số đếm kỳ vọng trong bảng chéo để xét H0H_0: hai biến phân loại của một tổng thể độc lập. χ² càng lớn, bằng chứng chống H0H_0 càng mạnh.

Điều kiện gồm mẫu ngẫu nhiên, quan sát độc lập, điều kiện 10% khi lấy không hoàn lại và số đếm kỳ vọng ít nhất bằng 5. Khác với kiểm định tính đồng nhất—so sánh một biến giữa nhiều tổng thể—kiểm định này xét hai biến trong một tổng thể.

The chi-square test for independence compares observed counts with expected counts in a two-way table to test H0H_0: the two categorical variables in a single population are independent. The larger the χ² value, the stronger the evidence against H0H_0.

The conditions are a random sample, independent observations, the 10% condition when sampling without replacement, and expected counts of at least 5. Unlike the test for homogeneity, which compares one variable across several populations, this test examines two variables within one population.

Ký hiệuNotation
χ2=∑(O−E)2E\chi^2 = \sum \frac{(O-E)^2}{E}, df=(r−1)(c−1)df=(r-1)(c-1), H0H_0: hai biến độc lập
χ2=∑(O−E)2E\chi^2 = \sum \frac{(O-E)^2}{E}, df=(r−1)(c−1)df=(r-1)(c-1), H0H_0: the two variables are independent
Công thức chi tiếtFormula details3 công thức3 formulas
Eij=RiCjnE_{ij}=\htmlClass{fp-0}{\frac{\htmlClass{fp-1}{R_i C_j}}{\htmlClass{fp-2}{n}}}
Eij=RiCjnE_{ij}=\htmlClass{fp-0}{\frac{\htmlClass{fp-1}{R_i C_j}}{\htmlClass{fp-2}{n}}}

Dùng để tính số đếm kỳ vọng của từng ô từ tổng hàng, tổng cột và cỡ mẫu.Use this to find the expected count for each cell from the row total, the column total, and the sample size.

Trong đóWhere

EijE_{ij}số đếm kỳ vọng ở ô hàng ii, cột jjexpected count in row ii, column jjRiR_itổng số quan sát trên hàng iitotal number of observations in row iiCjC_jtổng số quan sát trên cột jjtotal number of observations in column jjnntổng số quan sát trong toàn bảngtotal number of observations in the entire table
χ2=∑i,j(Oij−Eij)2Eij\chi^2=\htmlClass{fp-3}{\sum_{i,j}\htmlClass{fp-2}{\frac{\htmlClass{fp-1}{\htmlClass{fp-0}{(O_{ij}-E_{ij})}^2}}{E_{ij}}}}
χ2=∑i,j(Oij−Eij)2Eij\chi^2=\htmlClass{fp-3}{\sum_{i,j}\htmlClass{fp-2}{\frac{\htmlClass{fp-1}{\htmlClass{fp-0}{(O_{ij}-E_{ij})}^2}}{E_{ij}}}}

Dùng để đo tổng độ lệch giữa số đếm quan sát và kỳ vọng khi H0H_0 cho rằng hai biến độc lập.Use this to measure the total discrepancy between observed and expected counts when H0H_0 says the two variables are independent.

Trong đóWhere

OijO_{ij}số đếm quan sát ở ô hàng ii, cột jjobserved count in row ii, column jjEijE_{ij}số đếm kỳ vọng ở ô hàng ii, cột jj khi H0H_0 đúngexpected count in row ii, column jj when H0H_0 is true
df=(r−1)(c−1)df=\htmlClass{fp-0}{(r-1)}\htmlClass{fp-1}{(c-1)}
df=(r−1)(c−1)df=\htmlClass{fp-0}{(r-1)}\htmlClass{fp-1}{(c-1)}

Dùng để chọn phân phối chi bình phương tham chiếu khi tính giá trị pp cho bảng có rr hàng và cc cột.Use this to choose the reference chi-square distribution for the pp-value when the table has rr rows and cc columns.

Trong đóWhere

rrsố hàng của bảng tiếp liênnumber of rows in the contingency tableccsố cột của bảng tiếp liênnumber of columns in the contingency table
Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Điều kiện cỡ mẫu xét số đếm kỳ vọng, không phải số đếm quan sát.

Phải kiểm tra toàn bộ ô; chỉ một ô kỳ vọng không đạt ngưỡng cũng khiến điều kiện bị vi phạm.

Không bác bỏ H0H_0 không chứng minh hai biến độc lập.

Kết quả chỉ cho thấy chưa đủ bằng chứng về mối liên hệ. Bác bỏ H0H_0 cho thấy có liên hệ, không chứng minh quan hệ nhân quả.

Kiểm định tính độc lập dùng một mẫu được phân loại theo hai biến.

Nếu lấy nhiều mẫu từ các nhóm định sẵn để so sánh một biến, đó là kiểm định chi bình phương về tính đồng nhất; hai phép kiểm định dùng cùng công thức.

The sample-size condition applies to expected counts, not observed counts.

Check every cell; a single expected count below the threshold violates the condition.

Failing to reject H0H_0 does not prove the two variables are independent.

It only shows there isn't enough evidence of an association. Rejecting H0H_0 shows an association, but not causation.

The test for independence uses one sample classified by two variables.

If separate samples are drawn from predetermined groups to compare one variable, that is the chi-square test for homogeneity; both tests use the same formula.

Mẹo phòng thiExam tips2 mẹo2 tips

Kiểm tra từng điều kiện bằng dữ liệu của đề.

Nêu tính ngẫu nhiên và độc lập, điều kiện 10% khi lấy không hoàn lại, cùng số đếm kỳ vọng. Nếu một ô không đạt ngưỡng, chỉ rõ ô đó và không kết luận như thể điều kiện đã thỏa.

Kết luận theo ba bước và đúng ngữ cảnh.

So sánh giá trị pp với α, quyết định về H0H_0, rồi nêu có hay không bằng chứng về mối liên hệ giữa hai biến trong đề.

Check each condition using the data in the problem.

Address randomness and independence, the 10% condition when sampling without replacement, and the expected counts. If a cell falls below the threshold, name that cell and don't conclude as if the condition were met.

Write a three-part conclusion in context.

Compare the pp-value to α, make a decision about H0H_0, and state whether there is evidence of an association between the two variables in the problem.

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsThường xuyênVery common
Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

1900Karl Pearson

Năm 1900, Karl Pearson đưa ra tiêu chí đo độ lệch giữa số đếm quan sát và lý thuyết để kiểm tra mức độ phù hợp.
In 1900, Karl Pearson introduced a criterion measuring the discrepancy between observed and theoretical counts as a way to assess goodness of fit.

Vì sao mang đúng cái tên này? Tên gọi đến từ chữ cái Hy Lạp chi, viết là χ\chi, mà Pearson dùng để ký hiệu đại lượng của mình; vì đại lượng đó là tổng của các độ chênh bình phương nên nó mang số mũ hai, thành χ2\chi^2 — đọc là "chi bình phương". Phần "về tính độc lập" thì đến từ giả thuyết không của bài toán: biến hàng và biến cột độc lập với nhau, và bác bỏ giả thuyết này nghĩa là hai biến có liên hệ nào đó mà kiểm định không chỉ rõ hình dạng. Chính vì công đầu thuộc về Pearson mà tài liệu tiếng Anh thường gọi kèm tên ông, "Pearson's chi-square", để phân biệt với những biến thể ra đời sau này.

Thử nghiệm tương tácInteractive explorer

Gạt sang "số kỳ vọng" — xem ô 191 vượt mức 148,5 bao nhiêu

Gạt sang "số kỳ vọng" — xem ô 191 vượt mức 148,5 bao nhiêu

Kéo tham số, thấy khái niệm chuyển động — đăng nhập để mở.Drag the parameters and watch the concept move — sign in to open.

Tạo tài khoảnCreate an account
Ví dụ có lời giảiWorked example4 phút đọc4 min read
Một trường liên cấp có khoảng 5 000 học sinh. Ban giám hiệu chọn ngẫu nhiên đơn giản 200 học sinh và ghi lại hai đặc điểm của mỗi em: khối lớp (10, 11, 12) và việc em đó có đi làm thêm ngoài giờ học hay không. Kết quả được tóm tắt trong bảng hai chiều sau (số quan sát được): Khối lớpCó làm thêmKhông làm thêmTổngLớp 10125870Lớp 11204565Lớp 12283765Tổng60140200 Ban giám hiệu muốn biết liệu khối lớp và việc đi làm thêm có liên hệ với nhau trong toàn trường hay không, ở mức ý nghĩa α=0,05\alpha = 0{,}05.
  1. aPhát biểu cặp giả thuyết và kiểm tra các điều kiện cần thiết cho kiểm định.
  2. bTính bảng giá trị kỳ vọng, thống kê kiểm định, bậc tự do và giá trị pp.
  3. cNêu kết luận trong ngữ cảnh và cho biết loại sai lầm nào có thể đã mắc phải.
1Bước 1: Vì chỉ có một mẫu duy nhất gồm 200 học sinh và mỗi em được phân loại theo hai biến định tính, đây đúng là tình huống của kiểm định về tính độc lập chứ không phải kiểm định về tính đồng nhất. Cặp giả thuyết phải nói về mối liên hệ giữa hai biến trong cùng một tổng thể: H0H_0 — khối lớp và việc đi làm thêm là độc lập với nhau đối với học sinh của trường; HaH_a — khối lớp và việc đi làm thêm không độc lập, tức là có mối liên hệ (association) giữa hai biến này.
2Bước 2: Kiểm tra ba điều kiện. Mẫu là mẫu ngẫu nhiên đơn giản nên điều kiện ngẫu nhiên thỏa mãn. Việc lấy mẫu là không hoàn lại, nhưng 200<0,1×5 000=500200 < 0{,}1 \times 5\,000 = 500 nên điều kiện 10% cũng thỏa mãn, các quan sát coi như độc lập. Điều kiện cuối cùng về cỡ mẫu lớn sẽ được xác nhận ngay sau khi tính xong bảng giá trị kỳ vọng (expected counts) ở bước dưới.
3Bước 3: Mỗi giá trị kỳ vọng được tính từ tổng dòng, tổng cột và cỡ mẫu theo công thức Eij=Ri⋅Cjn.E_{ij} = \frac{R_i \cdot C_j}{n}. Ví dụ ô "Lớp 10 – có làm thêm" cho E=70×60200=21E = \dfrac{70 \times 60}{200} = 21. Làm tương tự cho năm ô còn lại, ta được bảng: lớp 10 là 2121 và 4949; lớp 11 là 65×60200=19,5\dfrac{65 \times 60}{200} = 19{,}5 và 45,545{,}5; lớp 12 cũng là 19,519{,}5 và 45,545{,}5. Giá trị kỳ vọng nhỏ nhất là 19,5>519{,}5 > 5, do đó điều kiện cỡ mẫu lớn được thỏa mãn và phân phối chi bình phương dùng được làm xấp xỉ.
4Bước 4: Cộng đóng góp của sáu ô theo công thức χ2=∑(O−E)2E,\chi^2 = \sum \frac{(O-E)^2}{E}, trong đó OO là số quan sát được còn EE là giá trị kỳ vọng tương ứng. Cụ thể: (12−21)221=3,857\dfrac{(12-21)^2}{21} = 3{,}857; (58−49)249=1,653\dfrac{(58-49)^2}{49} = 1{,}653; (20−19,5)219,5=0,013\dfrac{(20-19{,}5)^2}{19{,}5} = 0{,}013; (45−45,5)245,5=0,005\dfrac{(45-45{,}5)^2}{45{,}5} = 0{,}005; (28−19,5)219,5=3,705\dfrac{(28-19{,}5)^2}{19{,}5} = 3{,}705; (37−45,5)245,5=1,588\dfrac{(37-45{,}5)^2}{45{,}5} = 1{,}588. Tổng lại được χ2≈10,82\chi^2 \approx 10{,}82, và có thể thấy ngay hai ô của lớp 10 và lớp 12 đóng góp gần như toàn bộ giá trị này.
5Bước 5: Bảng có 3 dòng và 2 cột nên bậc tự do (degrees of freedom) là df=(3−1)(2−1)=2df = (3-1)(2-1) = 2. Tra máy tính, χ2cdf(10,82, 1000, 2)≈0,0045\chi^2\text{cdf}(10{,}82,\ 1000,\ 2) \approx 0{,}0045. Vậy giá trị p≈0,0045p \approx 0{,}0045: nếu hai biến thực sự độc lập thì xác suất thu được một thống kê kiểm định lớn cỡ 10,8210{,}82 trở lên chỉ do biến thiên ngẫu nhiên của mẫu 200 học sinh là khoảng 0,45%.
6Bước 6: So sánh với mức ý nghĩa: vì p≈0,0045<0,05=αp \approx 0{,}0045 < 0{,}05 = \alpha, ta bác bỏ giả thuyết không (null hypothesis). Do đã bác bỏ H0H_0, sai lầm duy nhất còn có thể mắc là sai lầm loại I (Type I error), tức là kết luận có mối liên hệ trong khi thực ra khối lớp và việc đi làm thêm hoàn toàn độc lập. Hậu quả thực tế là nhà trường có thể tốn công xây dựng chương trình hỗ trợ riêng cho học sinh lớp 12 dựa trên một mối liên hệ không có thật.

Với χ2≈10,82\chi^2 \approx 10{,}82, df=2df = 2 và p≈0,0045<0,05p \approx 0{,}0045 < 0{,}05, ta bác bỏ H0H_0. Có bằng chứng thuyết phục rằng khối lớp và việc đi làm thêm không độc lập với nhau đối với học sinh của trường; số liệu cho thấy tỉ lệ đi làm thêm tăng dần theo khối lớp (lớp 10 quan sát được ít hơn kỳ vọng, lớp 12 nhiều hơn kỳ vọng). Vì đã bác bỏ H0H_0 nên loại sai lầm có thể mắc là sai lầm loại I.

Bạn nắm chắc chưa?Check your understanding

Quiz câu thật từ ngân hàng đềReal exam questions from our question bank

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.A few real questions on exactly this concept, graded instantly with an explanation for every choice — the system remembers how well you know it.

Tạo tài khoảnCreate an account

Học tiếp từ đâyKeep learning

Bài học chứa thuật ngữ nàyLesson that uses this termThống kê mô tả cho hai biến phân loạiXác suất, biến ngẫu nhiên & phân phối xác suất, khoácourse AP Statistics
Mục tiêu và lộ trình unit ai cũng xem được — làm bài tập và lưu tiến độ thì cần đăng nhập.Anyone can view a unit's goals and roadmap — sign in to do the exercises and save your progress.

Hay nhầm vớiOften confused with

Khác nhau ở đâuHow they differKiểm định tính độc lập lấy một mẫu duy nhất rồi phân loại theo hai biến. Kiểm định tính đồng nhất lấy nhiều mẫu riêng từ các tổng thể khác nhau.
Hay nhầm khiMixed up whenĐề mô tả cách thu thập dữ liệu rồi hỏi tên kiểm định; hai kiểm định có cùng công thức nên chỉ phân biệt được qua thiết kế lấy mẫu.
Khác nhau ở đâuHow they differKiểm định độ phù hợp xét một biến phân loại so với bộ tỉ lệ lý thuyết. Kiểm định tính độc lập xét liên hệ giữa hai biến trong bảng hai chiều.
Hay nhầm khiMixed up whenKhi bảng dữ liệu chỉ có một hàng, thí sinh hay chọn nhầm kiểm định tính độc lập và tính sai bậc tự do.

Cùng chủ đềSame topic

Nguồn tham khảoReferences

  1. [1]Barron_AP_Stat_2026. tr. 14, 435, 440.

Biên soạn bởi DucklingStudy, bản quyền thuộc DucklingStudy.Written by DucklingStudy. © DucklingStudy. Xuất bảnPublished .