AP Statistics

kiểm định thống kêstatistical test

statistical testVietnamese: kiểm định thống kê

Kiểm định thống kê là quy trình sử dụng dữ liệu mẫu để quyết định xem có đủ bằng chứng bác bỏ giả thuyết không hay không.A statistical test is a procedure that uses sample data to decide whether there is enough evidence to reject the null hypothesis.

Trực giác: Hãy tưởng tượng bạn là trọng tài xem lại băng hình phạt đền: bằng chứng trên màn hình đủ rõ thì bạn thổi còi, chưa đủ rõ thì cho trận đấu tiếp tục — nhưng dù cẩn thận đến đâu vẫn có lúc bạn quyết định sai.Intuition: Think of a referee reviewing video of a possible penalty: if the footage is clear enough, you blow the whistle; if not, you let play continue — and no matter how careful you are, some calls will still be wrong.

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Kiểm định thống kê là khung quy tắc dùng dữ liệu mẫu để quyết định bác bỏ giả thuyết không $H_0$ hay chưa đủ bằng chứng bác bỏ. Ta tính thống kê kiểm định, đối chiếu với phân phối tương ứng để tìm giá trị $p$ , rồi bác bỏ $H_0$ khi $p<α$ , với $α$ được chọn trước. Quyết định có thể mắc sai lầm loại I khi bác bỏ $H_0$ đúng, hoặc loại II khi không bác bỏ $H_0$ sai; không bác bỏ không đồng nghĩa chấp nhận $H_0$ .

A statistical test is a rule-based framework that uses sample data to decide whether to reject the null hypothesis $H_0$ or to conclude that the evidence is insufficient. You compute a test statistic, compare it to the appropriate distribution to find a $p$ -value, and reject $H_0$ when $p<α$ , where $α$ is chosen in advance. The decision can go wrong in two ways: a Type I error rejects a true $H_0$ , and a Type II error fails to reject a false $H_0$ . Failing to reject is not the same as accepting $H_0$ .

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

Giá trị $p$ lớn không chứng minh $H_0$ đúng.

Giá trị $p$ là xác suất thu được kết quả ít nhất cực đoan như quan sát, giả sử $H_0$ đúng. Vì vậy, hãy nói “không đủ bằng chứng để bác bỏ”, không nói “chấp nhận $H_0$ ”.

Mức ý nghĩa phải được chọn trước khi xem dữ liệu.

Chọn $α$ sau khi biết $p$ để đạt kết luận mong muốn làm sai lệch kiểm định; $α$ biểu thị mức chấp nhận sai lầm loại I.

Giả thuyết phải viết bằng tham số tổng thể.

Trung bình mẫu đã quan sát không phải đại lượng cần kiểm định; với hai trung bình, dùng $\mu_1,\mu_2$ và định nghĩa chúng theo ngữ cảnh.

A large $p$ -value does not prove that $H_0$ is true.

The $p$ -value is the probability of getting a result at least as extreme as the one observed, assuming $H_0$ is true. So say "not enough evidence to reject," never "accept $H_0$ ."

The significance level must be chosen before looking at the data.

Picking $α$ after seeing $p$ to get the conclusion you want invalidates the test; $α$ states how much Type I error risk you are willing to accept.

Hypotheses must be written about population parameters.

The observed sample mean is not the quantity being tested; for two means, use $\mu_1,\mu_2$ and define each one in context.

Mẹo phòng thiExam tips2 mẹo2 tips

Trình bày đủ bốn bước của bài kiểm định.

Nêu giả thuyết và tham số; chọn kiểm định, kiểm tra điều kiện bằng dữ kiện; tính thống kê kiểm định và $p$ ; kết luận trong ngữ cảnh.

Kết luận phải có so sánh, quyết định và ngữ cảnh.

So sánh $p$ với $α$ , nêu bác bỏ hay không bác bỏ $H_0$ , rồi diễn giải theo câu hỏi; không viết “chấp nhận $H_0$ ”.

Show all four steps of a hypothesis test.

State the hypotheses and parameters; name the test and check its conditions using the given information; compute the test statistic and $p$ -value; then conclude in context.

A conclusion needs a comparison, a decision, and context.

Compare $p$ with $α$ , state whether you reject or fail to reject $H_0$ , and answer the question asked — never write "accept $H_0$ ."

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 from2 phút đọc1 min read

1908–1925William Sealy GossetRonald FisherKarl PearsonGottfried AchenwallJohn Sinclair

Năm 1908, William Sealy Gosset công bố kiểm định

t

do cần suy luận từ các mẻ ủ bia nhỏ; Ronald Fisher hệ thống hóa vào thập niên 1920.

In 1908, William Sealy Gosset published the

t

test because he needed to draw conclusions from small batches of brewing beer; Ronald Fisher systematized the approach in the 1920s.

Vì sao mang đúng cái tên này? Phần "thống kê" trong tên gọi có gốc rất xa với chuyện kiểm định giả thuyết. Từ tiếng Anh bắt nguồn từ tiếng Latin mới statisticum collegium ("hội đồng nhà nước") và tiếng Ý statista ("chính khách"); dạng tiếng Đức Statistik do Gottfried Achenwall đưa ra năm 1749 ban đầu chỉ việc phân tích số liệu về nhà nước, tức "khoa học về quốc gia", còn tiếng Anh khi đó gọi là political arithmetic. Mãi đến đầu thế kỷ 19 từ này mới mang nghĩa thu thập và phân loại dữ liệu nói chung, sau khi John Sinclair đưa nó vào tiếng Anh năm 1791 với bộ Statistical Account of Scotland. Vì vậy, khi các phép kiểm định ra đời hơn một thế kỷ sau, chúng thừa hưởng một cái tên vốn nói về việc đếm dân và đo của cải, chứ không phải về việc bác bỏ giả thuyết. Tên riêng của từng phép kiểm định lại có lý do lịch sử riêng, và trường hợp nổi tiếng nhất là kiểm định $t$ của Student (Student's t test). Guinness chỉ cho phép Gosset công bố nghiên cứu với điều kiện ông dùng bút danh, vì hãng không muốn đối thủ biết mình đang dùng phương pháp thống kê nào để kiểm soát chất lượng. Gosset chọn bút danh "Student", nên phương pháp đi vào sách giáo khoa dưới tên người học trò vô danh chứ không mang tên tác giả thật. Nhờ đó mà đến nay đề thi vẫn viết "Student's t", một cái tên nghe như tên bài tập nhưng thật ra là dấu vết của một điều khoản bảo mật thương mại.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

Rút mẫu trong thế giới H₀ đúng — xem chênh lệch quan sát có hiếm 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 termThiết lập kiểm định trung bình và trung bình của hiệuSuy luận cho trung bình (dữ liệu định lượng) · 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

Cần trướcLearn firstthống kê kiểm địnhtest statistic

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 thống kê trả lời câu hỏi có đủ bằng chứng bác bỏ một giá trị giả định hay không, còn khoảng tin cậy ước lượng phạm vi giá trị hợp lý của tham số

Hay nhầm khiMixed up whenđề hỏi 'có bằng chứng cho thấy tỉ lệ khác 0,5 không' thì dùng kiểm định; hỏi 'tỉ lệ thật nằm trong khoảng nào' thì dùng khoảng tin cậy

Cùng chủ đềSame topic

Nguồn tham khảoReferences

[1]Barron_AP_Stat_2026. tr. 39, 62.