Đang tải bài học…

AP Statistics

kiểm định giả thuyết

hypothesis testing

Kiểm định giả thuyết (hypothesis testing) là cách dùng dữ liệu mẫu để quyết định bác bỏ hay không bác bỏ nhận định về tham số tổng thể.

Trong thống kê suy luận, kiểm định giả thuyết là cách chúng ta dùng thông tin từ mẫu để kiểm tra một tuyên bố về quần thể. Quy trình bắt đầu bằng cách đặt hai phát biểu đối lập: giả thuyết không ( $H_0$ ) và giả thuyết đối ( $H_a$ ). Giả thuyết không thường mang ý nghĩa "không có gì đặc biệt đang xảy ra", còn giả thuyết đối là điều người nghiên cứu muốn tìm bằng chứng ủng hộ. Cả hai phải viết về tham số tổng thể, ví dụ $\mu$ hay $p$ , chứ không bao giờ viết về giá trị mẫu như $\bar{x}$ hay $\hat{p}$ .

Sau khi thu thập mẫu, chúng ta tính một thống kê kiểm định (test statistic) để đo khoảng cách giữa kết quả quan sát được và giá trị được giả định trong $H_0$ . Thống kê này được chuẩn hóa theo sai số chuẩn để so sánh với một phân phối tham chiếu, thường là phân phối chuẩn hoặc phân phối $t$ . Dựa vào đó, ta tìm giá trị p (p-value), tức xác suất thu được kết quả bất lợi cho $H_0$ ít nhất là bằng kết quả quan sát, trong trường hợp $H_0$ đúng. Nếu giá trị p nhỏ hơn mức ý nghĩa $\alpha$ đã chọn trước, chúng ta bác bỏ giả thuyết không. Ngược lại, nếu giá trị p lớn hơn hoặc bằng $\alpha$ , chúng ta không bác bỏ giả thuyết không.

Điều quan trọng cần nhớ là kiểm định giả thuyết không chứng minh giả thuyết đối đúng, cũng như không chứng minh giả thuyết không đúng. Nó chỉ cho biết liệu dữ liệu mẫu có đủ bằng chứng chống lại $H_0$ hay không. Do đó, kết luận đúng trong AP Statistics luôn dùng ngôn ngữ "có đủ bằng chứng để bác bỏ" hoặc "không đủ bằng chứng để bác bỏ". Vì vậy, việc hiểu rõ ý nghĩa của giá trị p và tránh suy diễn quá mức là kỹ năng cốt lõi khi làm bài kiểm định.

Ký hiệu

• $H_0$ : giả thuyết không
• $H_a$ : giả thuyết đối
• $\alpha$ : mức ý nghĩa
•p-value: giá trị p

Trực giác: Kiểm định giả thuyết giống như một phiên tòa: giả thuyết không là bị cáo được coi là vô tội, còn dữ liệu mẫu là bằng chứng buộc tội; ta chỉ tuyên "có đủ bằng chứng kết tội" hay "chưa đủ bằng chứng", chứ không tuyên "vô tội".

Công thức

z = \htmlClass{fp-2}{\frac{\htmlClass{fp-0}{\bar{x} - \mu_0}}{\htmlClass{fp-1}{\sigma / \sqrt{n}}}}

Dùng khi kiểm định giả thuyết về trung bình tổng thể với độ lệch chuẩn tổng thể $\sigma$ đã biết và cỡ mẫu đủ lớn để định lý giới hạn trung tâm (central limit theorem) áp dụng được.

Trong đó

z

thống kê kiểm định chuẩn hóa

\bar{x}

trung bình mẫu

\mu_0

giá trị trung bình tổng thể theo giả thuyết không

\sigma

độ lệch chuẩn tổng thể

Khái niệm này sinh ra từ đâu

đầu thế kỷ 20Ronald FisherJerzy NeymanEgon PearsonJohn ArbuthnotPierre-Simon Laplace

Thử nghiệm tương tác

Rút 500 mẫu trong thế giới 'hãng kẹo nói thật' — rồi xem tỉ lệ 0,40 của bạn có lạ không

Hay hiểu sai

Giá trị p không phải xác suất giả thuyết không (null hypothesis) đúng.

Không bao giờ viết "chấp nhận giả thuyết không".

Giả thuyết phải viết về tham số tổng thể, không về thống kê mẫu.

Có ý nghĩa thống kê không có nghĩa là khác biệt lớn hay quan trọng.

Ví dụ có lời giải

1Ví dụ 1/2

Một công ty giống cây trồng in trên bao bì rằng ít nhất 90% hạt của họ sẽ nảy mầm. Một trung tâm khảo nghiệm nghi ngờ con số này bị thổi phồng nên chọn ngẫu nhiên 200 hạt từ kho hàng khổng lồ của công ty, gieo trong cùng điều kiện chuẩn và ghi nhận có 171 hạt nảy mầm.

aPhát biểu giả thuyết không và giả thuyết đối cho kiểm định này, đồng thời kiểm tra các điều kiện cần thiết.
bTính thống kê kiểm định và giá trị p, rồi đưa ra kết luận ở mức ý nghĩa 0,05.
cMột học sinh viết trong bài: "Kiểm định đã chứng minh rằng tỉ lệ nảy mầm thật sự của công ty bằng 0,855." Hãy chỉ ra hai chỗ sai trong phát biểu đó.

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 “Thiết lập kiểm định cho tỉ lệ tổng thể” — khoá AP Statistics

Dẫn tớikiểm định t

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

khoảng tin cậyconfidence interval

Khác nhau ở đâuKiểm định giả thuyết trả lời câu hỏi có đủ bằng chứng bác bỏ một giá trị cụ thể không, còn khoảng tin cậy (confidence interval) ước lượng một dải giá trị hợp lý cho tham số

Hay nhầm khiđề yêu cầu 'kết luận về tham số' mà học sinh không phân biệt được khi nào dùng kiểm định, khi nào dùng ước lượng khoảng

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 545, 576.

t

hoặc

z

: thống kê kiểm định

Đơn vịKhông có

t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}

Dùng khi độ lệch chuẩn tổng thể $\sigma$ chưa biết và phải thay bằng độ lệch chuẩn mẫu $s$ ; thống kê kiểm định này theo phân phối $t$ với $n-1$ bậc tự do.

Trong đó

t

thống kê kiểm định theo phân phối t

\bar{x}

trung bình mẫu

\mu_0

giá trị trung bình tổng thể theo giả thuyết không

s

độ lệch chuẩn mẫu

n

cỡ mẫu

Kiểm định giả thuyết được định hình thành một quy trình thống kê chặt chẽ ở đầu thế kỷ 20, chủ yếu qua công trình của Ronald Fisher rồi đến Jerzy Neyman và Egon Pearson, nhằm trả lời câu hỏi: liệu dữ liệu quan sát được có thể chỉ do ngẫu nhiên mà có hay không. Những dạng sơ khai của nó đã xuất hiện từ thế kỷ 18 với John Arbuthnot và Pierre-Simon Laplace.

Ý tưởng cốt lõi xuất hiện rất sớm: năm 1710, John Arbuthnot dùng số liệu tỉ lệ giới tính lúc sinh để lập luận rằng chênh lệch giữa số bé trai và bé gái khó có thể là ngẫu nhiên, và đến thập niên 1770 Laplace lặp lại phân tích ấy trên số liệu sinh của nhiều thành phố châu Âu. Phải sang thế kỷ 20 quy trình mới được chuẩn hóa. Năm 1900 Karl Pearson công bố kiểm định khi bình phương, năm 1908 William Gosset xử lý bài toán trung bình với mẫu nhỏ, và trong một buổi trà chiều đầu thập niên 1920 tại một trạm nghiên cứu nông nghiệp ở Anh, Ronald Fisher nảy ra cách kiểm chứng lời khẳng định của bà Muriel Bristol rằng bà phân biệt được cốc trà rót sữa trước hay sau.

Vì sao mang đúng cái tên này? Cái tên nghe kỳ lạ ở chỗ ta "kiểm định" một giả thuyết nhưng lại hầu như không bao giờ chứng minh được nó đúng. Lý do nằm trong chính cách Fisher đặt vấn đề năm 1935 khi mô tả thí nghiệm nếm trà: thay vì cố chứng minh bà Bristol thật sự phân biệt được, ông chọn kiểm tra xem có thể bác bỏ giả thuyết rằng bà chỉ đoán mò hay không. Do đó, phát biểu được đem ra thử thách luôn là phát biểu "không có gì xảy ra" — giả thuyết không (null hypothesis) — và kết luận chỉ có thể là bác bỏ nó hoặc không đủ bằng chứng để bác bỏ. Fisher đóng góp thước đo mức độ bất thường của dữ liệu, tức giá trị p (p-value), nhưng ông không dùng và thậm chí phản đối khái niệm giả thuyết đối (alternative hypothesis). Chính Neyman và Pearson mới thêm giả thuyết đối như phần bù của giả thuyết không, kèm theo sai lầm loại I (type I error) và công suất của kiểm định. Vì vậy, dạng thức mà học sinh học ngày nay là sự hợp nhất từ khoảng thập niên 1960 của hai trường phái vốn tách rời nhau, và cũng vì thế mà thuật ngữ trong sách vở đôi khi mang dấu vết của cả hai cách nghĩ.

Rút 500 mẫu trong thế giới 'hãng kẹo nói thật' — rồi xem tỉ lệ 0,40 của bạn có lạ không

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

Tạo tài khoản miễn phí

Mẹo phòng thi

Viết đủ bốn phần: giả thuyết, tên kiểm định kèm điều kiện, tính toán, kết luận có ngữ cảnh.

Câu kết luận bắt buộc có ba thành phần: so sánh p với $\alpha$ , quyết định, và ngữ cảnh.

Quyết định một phía hay hai phía dựa vào câu hỏi của đề, không dựa vào hướng của dữ liệu.

Tần suất trong đề AP StatisticsThường xuyên

Bước 1: Xác định tham số và viết giả thuyết. Gọi

p

là tỉ lệ nảy mầm thật sự của toàn bộ hạt giống mà công ty sản xuất — đây là một đặc trưng của tổng thể, không phải của 200 hạt đã gieo. Vì trung tâm nghi ngờ công ty nói quá, ta đặt giả thuyết không (null hypothesis)

H_0: p = 0{,}90

và giả thuyết đối (alternative hypothesis)

H_a: p < 0{,}90

. Kiểm định một phía được chọn từ trước khi nhìn số liệu, dựa trên mối nghi ngờ ban đầu chứ không dựa trên việc thấy

\hat{p}

nhỏ hơn 0,90.

2Bước 2: Kiểm tra điều kiện. Mẫu gồm 200 hạt được chọn ngẫu nhiên nên thỏa điều kiện ngẫu nhiên. Kho hàng của công ty rất lớn, chắc chắn nhiều hơn

10 \times 200 = 2000

hạt, nên điều kiện độc lập (mẫu không quá 10% tổng thể) được đáp ứng. Cuối cùng,

np_0 = 200(0{,}90) = 180 \ge 10

và

n(1-p_0) = 200(0{,}10) = 20 \ge 10

, do đó phân phối mẫu của

\hat{p}

xấp xỉ chuẩn và ta được phép dùng kiểm định

z

cho một tỉ lệ.

3Bước 3: Tính thống kê kiểm định (test statistic). Tỉ lệ mẫu là

\hat{p} = 171/200 = 0{,}855

. Độ lệch chuẩn (standard deviation) của phân phối mẫu khi

H_0

đúng là

\sqrt{\dfrac{p_0(1-p_0)}{n}} = \sqrt{\dfrac{(0{,}90)(0{,}10)}{200}} = \sqrt{0{,}00045} \approx 0{,}0212

. Từ đó

z = \frac{\hat{p}-p_0}{\sqrt{p_0(1-p_0)/n}} = \frac{0{,}855-0{,}900}{0{,}0212} \approx -2{,}12.

Con số này cho biết tỉ lệ quan sát được nằm thấp hơn giá trị 0,90 khoảng 2,12 độ lệch chuẩn.

4Bước 4: Tìm giá trị p (p-value) và kết luận. Vì đây là kiểm định một phía bên trái,

P(Z < -2{,}12) \approx 0{,}017

. Nghĩa là nếu tỉ lệ nảy mầm thật sự đúng bằng 0,90 thì chỉ khoảng 1,7% số mẫu cỡ 200 cho kết quả thấp bằng hoặc thấp hơn 0,855. Do

0{,}017 < 0{,}05

, ta bác bỏ

H_0

ở mức ý nghĩa (significance level)

\alpha = 0{,}05

5Bước 5: Sửa hai lỗi ở ý (c). Thứ nhất, kiểm định không bao giờ "chứng minh" điều gì: nó chỉ cân nhắc xem bằng chứng có đủ mạnh để bác bỏ

H_0

hay không, và kết luận luôn kèm khả năng sai lầm. Thứ hai, con số 0,855 là tỉ lệ của mẫu, còn giả thuyết lại nói về tỉ lệ của tổng thể; bác bỏ

H_0

chỉ cho phép nói rằng

p

nhỏ hơn 0,90 chứ không định vị được

p

tại đúng một điểm — muốn ước lượng

p

thì phải dùng khoảng tin cậy.

Ở mức ý nghĩa 0,05, vì giá trị p $\approx 0{,}017 < 0{,}05$ nên ta bác bỏ $H_0$ : có bằng chứng thuyết phục cho thấy tỉ lệ nảy mầm thật sự của toàn bộ hạt giống công ty này sản xuất nhỏ hơn 90% như quảng cáo. Cần nhấn mạnh rằng kết luận nói về tổng thể hạt giống chứ không nói về 200 hạt đã gieo, và nó không khẳng định tỉ lệ đó bằng 0,855.

2Ví dụ 2/2

Một nhà máy nước đóng chai đặt máy rót ở mức trung bình 26 gam đường cho mỗi chai nước giải khát. Kỹ sư kiểm tra chất lượng lo rằng máy đã lệch khỏi mức cài đặt theo bất kỳ hướng nào, nên lấy ngẫu nhiên 12 chai trong ca sản xuất và đo lượng đường. Mẫu cho trung bình

\bar{x} = 24{,}6

gam và độ lệch chuẩn mẫu

s = 3{,}2

gam. Biểu đồ chấm của 12 giá trị này có một đỉnh, không có giá trị ngoại lai (outlier) và không lệch mạnh.

aViết giả thuyết và giải thích vì sao cỡ mẫu chỉ 12 vẫn cho phép tiến hành kiểm định t.
bTính thống kê kiểm định, tìm giá trị p và kết luận ở mức ý nghĩa 0,05.
cGiải thích ý nghĩa của giá trị p trong ngữ cảnh bài toán.

1Bước 1: Đặt giả thuyết cho tham số của tổng thể. Gọi

\mu

là lượng đường trung bình thật sự của mọi chai do máy rót ra trong ca sản xuất đó. Kỹ sư quan tâm đến sai lệch theo cả hai hướng nên dùng kiểm định hai phía:

H_0: \mu = 26

và

H_a: \mu \ne 26

. Vì độ lệch chuẩn của tổng thể không được biết mà phải ước lượng bằng

s

, ta dùng phân phối

t

chứ không dùng

z

2Bước 2: Kiểm tra điều kiện. Mẫu được lấy ngẫu nhiên và số chai nhà máy sản xuất trong một ca chắc chắn vượt quá

10 \times 12 = 120

, nên các quan sát coi như độc lập. Với

n = 12 < 30

, định lý giới hạn trung tâm (central limit theorem) chưa bảo đảm được điều gì; một mẫu hữu hạn cũng không bao giờ "có phân phối chuẩn". Tuy nhiên, biểu đồ chấm một đỉnh, không có giá trị ngoại lai và không lệch mạnh khiến giả thiết "mẫu này đến từ một tổng thể xấp xỉ chuẩn" là không vô lý, và đó chính là điều ta cần ghi rõ trong bài.

3Bước 3: Tính thống kê kiểm định. Sai số chuẩn của trung bình mẫu là

\dfrac{s}{\sqrt{n}} = \dfrac{3{,}2}{\sqrt{12}} = \dfrac{3{,}2}{3{,}464} \approx 0{,}924

. Do đó

t = \frac{\bar{x}-\mu_0}{s/\sqrt{n}} = \frac{24{,}6-26}{0{,}924} \approx -1{,}52,

với bậc tự do

df = n - 1 = 11

. Trung bình mẫu thấp hơn mức cài đặt khoảng 1,52 sai số chuẩn, một khoảng cách chưa thật sự lớn.

4Bước 4: Tìm giá trị p và kết luận. Vì kiểm định hai phía, ta lấy

2 \times P(T_{11} < -1{,}52) \approx 2(0{,}079) \approx 0{,}158

. Giá trị này lớn hơn hẳn

\alpha = 0{,}05

, nên ta không bác bỏ

H_0

. Lưu ý cách diễn đạt: kết luận là "không đủ bằng chứng để bác bỏ

H_0

", tuyệt đối không được viết "chấp nhận

H_0

" hay "máy đang rót đúng 26 gam", bởi kiểm định chưa bao giờ chứng minh giả thuyết không là đúng.

5Bước 5: Diễn giải giá trị p ở ý (c). Giá trị p luôn được đọc như một xác suất có điều kiện dựa trên việc

H_0

đúng. Ở đây: nếu máy thật sự rót trung bình 26 gam thì khoảng 15,8% số mẫu ngẫu nhiên gồm 12 chai sẽ cho trung bình lệch khỏi 26 gam ít nhất 1,4 gam theo hướng này hay hướng kia. Vì kết quả quan sát được chẳng có gì bất thường trong giả định đó, ta không có lý do để nghi ngờ mức cài đặt của máy.

Với $t \approx -1{,}52$ , $df = 11$ và giá trị p $\approx 0{,}158 > 0{,}05$ , ta không bác bỏ $H_0$ : không đủ bằng chứng thuyết phục để kết luận rằng lượng đường trung bình thật sự của các chai trong ca sản xuất khác 26 gam. Điều này không có nghĩa máy chắc chắn đúng chuẩn — với cỡ mẫu chỉ 12 chai, kiểm định có thể chưa đủ mạnh để phát hiện một sai lệch nhỏ.

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