AP Statistics

kiểm định giả thuyếthypothesis testing

hypothesis testingVietnamese: kiểm định giả thuyết

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.Hypothesis testing uses sample data to decide whether to reject or fail to reject a claim about a population parameter.

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".Intuition: A hypothesis test works like a trial: the null hypothesis is the defendant, presumed innocent, and the sample data is the evidence for the prosecution. The verdict is either "the evidence is strong enough to convict" or "the evidence is not strong enough" — never "innocent."

Công thức chínhKey formula

z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Kiểm định giả thuyết là quy trình thống kê suy luận đánh giá một phát biểu về tham số tổng thể bằng dữ liệu mẫu. Quy trình đặt hai phát biểu đối lập, $H_0$ và $H_a$ , rồi tính giá trị p: xác suất có kết quả ít nhất cực đoan như quan sát khi $H_0$ đúng.

Nếu giá trị p nhỏ hơn $\alpha$ đã chọn, bác bỏ $H_0$ ; nếu không, không bác bỏ $H_0$ . Kết luận không chứng minh giả thuyết nào đúng. Giả thuyết phải nói về tham số tổng thể, không phải thống kê mẫu.

Hypothesis testing is an inferential procedure that evaluates a claim about a population parameter using sample data. It sets up two competing statements, $H_0$ and $H_a$ , and then computes a p-value: the probability of getting a result at least as extreme as the one observed, assuming $H_0$ is true.

If the p-value is less than the chosen significance level $\alpha$ , reject $H_0$ ; otherwise, fail to reject $H_0$ . Neither conclusion proves that a hypothesis is true, and the hypotheses must be statements about a population parameter, not about a sample statistic.

Ký hiệuNotation

• $H_0$ : giả thuyết không
• $H_a$ : giả thuyết đối
• $\alpha$ : mức ý nghĩa
•p-value: giá trị p
• $t$ hoặc $z$ : thống kê kiểm định

• $H_0$ : null hypothesis
• $H_a$ : alternative hypothesis
• $\alpha$ : significance level
•p-value: p-value
• $t$ or $z$ : test statistic

Đơn vịUnitsKhông cóNone

Công thức chi tiếtFormula details2 công thức2 formulas

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

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

Dùng để kiểm định trung bình khi biết $\sigma$ và cỡ mẫu đủ lớn để định lý giới hạn trung tâm áp dụng.Used to test a mean when $\sigma$ is known and the sample is large enough for the central limit theorem to apply.

Trong đóWhere

z

thống kê kiểm định chuẩn hóastandardized test statistic

\bar{x}

trung bình mẫusample mean

\mu_0

giá trị trung bình tổng thể theo giả thuyết khôngpopulation mean under the null hypothesis

\sigma

độ lệch chuẩn tổng thểpopulation standard deviation

n

cỡ mẫusample size

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

Dùng kiểm định trung bình khi chưa biết $\sigma$ , thay bằng $s$ ; thống kê theo phân phối $t$ với $n-1$ bậc tự do.Used to test a mean when $\sigma$ is unknown and is replaced by $s$ ; the statistic follows a $t$ distribution with $n-1$ degrees of freedom.

Trong đóWhere

t

thống kê kiểm định theo phân phối ttest statistic from the t-distribution

\bar{x}

trung bình mẫusample mean

\mu_0

giá trị trung bình tổng thể theo giả thuyết khôngpopulation mean under the null hypothesis

s

độ lệch chuẩn mẫusample standard deviation

n

cỡ mẫusample size

Hay hiểu saiCommon misconceptions3 ý · 1 phút đọc3 points · 1 min read

Giá trị p không phải xác suất $H_0$ đúng.

Nó là xác suất thu được kết quả ít nhất cực đoan như quan sát khi giả định $H_0$ đúng; không được đảo điều kiện để suy ra xác suất $H_0$ đúng từ dữ liệu.

Không bác bỏ không có nghĩa là chấp nhận $H_0$ .

Giá trị p lớn chỉ cho thấy dữ liệu chưa đủ bằng chứng chống lại $H_0$ , không chứng minh giả thuyết này đúng.

Ý nghĩa thống kê không đồng nghĩa với ý nghĩa thực tiễn.

Mẫu lớn có thể khiến chênh lệch nhỏ cho giá trị p thấp; hãy xét độ lớn chênh lệch và khoảng tin cậy.

A p-value is not the probability that $H_0$ is true.

It is the probability of a result at least as extreme as the one observed, computed assuming $H_0$ is true; you cannot flip that conditional to get the probability of $H_0$ given the data.

Failing to reject $H_0$ is not the same as accepting it.

A large p-value only shows the data provide too little evidence against $H_0$ ; it never proves that $H_0$ is true.

Statistical significance does not mean practical importance.

With a large sample, even a tiny difference can produce a small p-value, so also consider the size of the difference and a confidence interval.

Mẹo phòng thiExam tips2 mẹo2 tips

Trình bày đủ bốn phần của bài kiểm định.

Viết giả thuyết; nêu tên kiểm định và kiểm tra điều kiện bằng dữ liệu đề; tính toán; kết luận trong ngữ cảnh.

Chọn $H_a$ một phía hay hai phía trước khi xem kết quả.

Dựa vào câu hỏi của đề, không dựa vào hướng dữ liệu; dùng đúng giá trị p tương ứng.

Show all four parts of a test for full credit.

State the hypotheses; name the test and check its conditions using the data given; carry out the computation; then state a conclusion in context.

Decide on a one-sided or two-sided $H_a$ before you look at the results.

Let the question being asked determine the direction, not the direction of the data, and use the matching p-value.

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

đầu thế kỷ 20Ronald FisherJerzy NeymanEgon PearsonJohn ArbuthnotPierre-Simon LaplaceKarl PearsonWilliam Gosset

Đầu thế kỷ 20, Ronald Fisher, Jerzy Neyman và Egon Pearson định hình quy trình nhằm đánh giá liệu dữ liệu quan sát có thể chỉ do ngẫu nhiên.

In the early twentieth century, Ronald Fisher, Jerzy Neyman, and Egon Pearson shaped this procedure as a way to judge whether observed data could be due to chance alone.

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.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

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

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

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 termThiết lập kiểm định cho tỉ lệ tổng thểSuy luận cho tỉ lệ (dữ liệu phân loại) · khoácourse AP Statistics

Bài học chứa thuật ngữ nàyLesson that uses this termGiá trị p (p-value)Suy luận cho tỉ lệ (dữ liệu phân loại) · khoácourse AP Statistics

Bài học chứa thuật ngữ nàyLesson that uses this termSai lầm loại I & II khi kiểm địnhSuy luận cho tỉ lệ (dữ liệu phân loại) · khoácourse AP Statistics

Dẫn tớiLeads tokiểm định tt test

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

Thuật ngữTermKhác nhau ở đâuHow they differHay nhầm khiMixed up when

khoảng tin cậyconfidence interval

Khác nhau ở đâuHow they differKiểm 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 khiMixed up whenđề 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

Cùng chủ đềSame topic

Nguồn tham khảoReferences

[1]Barron_AP_Stat_2026. tr. 545, 576.