AP Statistics

mức ý nghĩasignificance level

significance levelVietnamese: mức ý nghĩa

Còn gọi:Also called: alpha · significance level alpha · mức alpha · mức ý nghĩa alpha · xác suất mắc sai lầm loại I · level of significance

Mức ý nghĩa là xác suất tối đa mà nhà nghiên cứu chấp nhận mắc sai lầm loại I — tức là bác bỏ giả thuyết không khi giả thuyết đó thực ra đúng.The significance level is the largest probability of a Type I error a researcher is willing to accept — rejecting the null hypothesis when it is actually true.

Trực giác: Chọn mức ý nghĩa giống như tự đặt cho mình một ngưỡng điểm tối thiểu trước khi chấm bài: nếu điểm bằng chứng không vượt qua ngưỡng đó, dù kết quả trông có vẻ khác lạ, ta vẫn chưa đủ cơ sở để kết luận.Intuition: Setting a significance level is like fixing a passing score before you grade: if the evidence doesn't clear that bar, the result may look unusual, but you still don't have enough grounds to conclude anything.

Công thức chínhKey formula

\alpha = P(\text{Type I error}) = P(\text{reject } H_0 \mid H_0 \text{ true})

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Mức ý nghĩa là ngưỡng xác suất ấn định trước cho kiểm định giả thuyết, ký hiệu $\alpha$ , biểu thị mức rủi ro tối đa được chấp nhận đối với sai lầm loại I: bác bỏ $H_0$ khi $H_0$ đúng. Nếu $p\le\alpha$ , bác bỏ $H_0$ ; nếu $p>\alpha$ , không bác bỏ. $\alpha$ nhỏ đặt tiêu chuẩn bác bỏ khắt khe hơn.

Trong kiểm định hai phía, giá trị giả thuyết ngoài khoảng tin cậy mức $(1-\alpha)\cdot100\%$ dẫn đến bác bỏ $H_0$ . $\alpha$ do nhà nghiên cứu chọn trước, không phải tính chất của dữ liệu.

The significance level, written $\alpha$ , is a probability threshold chosen in advance for a hypothesis test. It states the maximum acceptable risk of a Type I error: rejecting $H_0$ when $H_0$ is true. If $p\le\alpha$ , reject $H_0$ ; if $p>\alpha$ , do not reject it. A smaller $\alpha$ sets a stricter standard for rejection.

In a two-sided test, a hypothesized value that falls outside the $(1-\alpha)\cdot100\%$ confidence interval leads to rejecting $H_0$ . The researcher picks $\alpha$ beforehand; it is not a property of the data.

Ký hiệuNotation

• $\alpha$ — thường là $0{,}05$ , $0{,}01$ , hoặc $0{,}10$
•so sánh với giá trị p để ra quyết định: bác bỏ $H_0$ khi $p \leq \alpha$ .

• $\alpha$ — usually $0.05$ , $0.01$ , or $0.10$
•compare it with the p-value to make a decision: reject $H_0$ when $p \leq \alpha$ .

Giải nghĩa công thứcFormula breakdown1 công thức1 formula

\htmlClass{fp-0}{\alpha} = \htmlClass{fp-1}{P(\text{Type I error})} = \htmlClass{fp-2}{P(\text{reject } H_0 \mid H_0 \text{ true})}

\htmlClass{fp-0}{\alpha} = \htmlClass{fp-1}{P(\text{Type I error})} = \htmlClass{fp-2}{P(\text{reject } H_0 \mid H_0 \text{ true})}

Dùng khi diễn giải rủi ro loại I hoặc quyết định kiểm định bằng cách so sánh $p$ với $\alpha$ .Use this when interpreting Type I risk or deciding a test by comparing $p$ with $\alpha$ .

Trong đóWhere

\alpha

mức ý nghĩa, do người nghiên cứu chọn trước khi tiến hành kiểm địnhsignificance level, chosen by the researcher before conducting the test

H_0

giả thuyết không (null hypothesis) — phát biểu cần kiểm tranull hypothesis, the statement being tested

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

Không bác bỏ $H_0$ không có nghĩa $H_0$ đúng.

Khi $p>\alpha$ , dữ liệu chỉ chưa đủ bằng chứng cho giả thuyết đối; không được viết “chấp nhận $H_0$ ”.

Phải chọn mức ý nghĩa trước khi xem giá trị p.

Đổi $\alpha$ sau khi thấy kết quả làm sai lệch rủi ro loại I đã chấp nhận; hãy dùng mức đề cho.

Chỉ so sánh giá trị p với mức ý nghĩa.

Trong cách ra quyết định bằng giá trị p, thống kê kiểm định dùng để tính p, không so sánh trực tiếp với $\alpha$ .

Failing to reject $H_0$ does not mean $H_0$ is true.

When $p>\alpha$ , the data simply give too little evidence for the alternative, so never write "accept $H_0$ ."

Choose the significance level before you look at the p-value.

Changing $\alpha$ after seeing the result distorts the Type I risk you agreed to accept, so use the level the problem gives.

Compare only the p-value with the significance level.

In the p-value approach the test statistic is used to find $p$ ; it is never compared directly with $\alpha$ .

Mẹo phòng thiExam tips2 mẹo2 tips

Viết kết luận theo ba bước.

So sánh $p$ với $\alpha$ , nêu quyết định về $H_0$ , rồi diễn giải kết quả cho tổng thể trong ngữ cảnh bài toán.

Nhớ chiều đánh đổi khi giảm mức ý nghĩa.

Giảm $\alpha$ làm giảm rủi ro loại I nhưng tăng rủi ro loại II và giảm năng lực kiểm định.

Write the conclusion in three steps.

Compare $p$ with $\alpha$ , state the decision about $H_0$ , then interpret the result for the population in context.

Know which way the trade-off goes when you lower the significance level.

A smaller $\alpha$ reduces Type I risk but raises Type II risk and lowers the power of the test.

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

1925John ArbuthnotRonald FisherJerzy Neyman

Năm 1925, Ronald Fisher nêu tiêu chuẩn 0,05 để tạo quy tắc chung đánh giá liệu kết quả có thể chỉ do ngẫu nhiên.

In 1925, Ronald Fisher proposed the 0.05 standard as a common rule for judging whether a result could be due to chance alone.

Vì sao mang đúng cái tên này? Trong tiếng Anh, "significant" mang nghĩa đáng kể, báo hiệu một điều gì đó — kết quả được gọi là có ý nghĩa khi nó đủ khác thường để ta không còn tin rằng ngẫu nhiên một mình có thể tạo ra. Cái tên gắn liền với cách vận hành của phép kiểm định: ta bác bỏ giả thuyết không (null hypothesis) khi giá trị p (p-value) nhỏ hơn một ngưỡng $\alpha$ định trước. Điểm mấu chốt nằm ở chữ "định trước": $\alpha$ không rút ra từ dữ liệu mà do người nghiên cứu ấn định trước khi nhìn số liệu. Jerzy Neyman mô tả $\alpha$ như con số được ấn định sẵn để chặn xác suất mắc sai lầm loại I (error of the first kind), chẳng hạn $\alpha = 0{,}05$ hay $0{,}01$ , và gọi thẳng nó là "level of significance" — mức ý nghĩa. Vì vậy tên gọi không nói về tầm quan trọng thực tiễn của kết quả, mà nói về mức rủi ro sai lầm mà ta chấp nhận từ đầu.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

Rút hàng trăm mẫu khi H₀ đúng — đếm số lần bác bỏ nhầm

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 termSai lầm loại I & II khi kiểm địnhSuy luận cho tỉ lệ (dữ liệu phân loại) · khoácourse AP Statistics

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

Dẫn tớiLeads tokiểm định giả thuyếthypothesis testing

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

độ tin cậyconfidence level

Khác nhau ở đâuHow they differMức ý nghĩa

\alpha

là ngưỡng bác bỏ trong kiểm định giả thuyết, còn độ tin cậy

(1-\alpha)

là mức độ chắc chắn trong ước lượng khoảng — hai mặt của cùng một xác suất nhưng dùng trong hai ngữ cảnh khác nhau

Hay nhầm khiMixed up whenđề cho khoảng tin cậy 95% rồi hỏi mức ý nghĩa tương ứng, thí sinh hay nhầm ghi

\alpha = 0{,}95

thay vì

\alpha = 0{,}05

p-valuep-value

Khác nhau ở đâuHow they differMức ý nghĩa là ngưỡng do người nghiên cứu đặt trước khi thu thập dữ liệu, còn p-value là xác suất tính được từ dữ liệu thực tế sau khi có mẫu

Hay nhầm khiMixed up whenthí sinh hay đọc p-value = 0,03 rồi nói 'mức ý nghĩa là 3%' thay vì so sánh p-value với mức ý nghĩa đã chọn để kết luận

Cùng chủ đềSame topic

Nguồn tham khảoReferences

[1]Barron_AP_Stat_2026. tr. 33, 60, 63.