AP Statistics

phân phối nullnull distribution

null distributionVietnamese: phân phối null

Còn gọi:Also called: null distribution

Định nghĩaIn short

Phân phối null là phân phối của một thống kê mẫu khi giả thuyết không (H0) đúng, dùng để tính giá trị p.A null distribution is the distribution of a sample statistic when the null hypothesis (H0H_0) is true; it is used to find the p-value.

Trực giác: Giống như tung một đồng xu công bằng hàng ngàn lần để xem kết quả thật của mình có bất thường so với thế giới 'công bằng' đó hay không.Intuition: It's like flipping a fair coin thousands of times to see whether your real result looks unusual in that "fair" world.

Công thức chínhKey formula

p^=1N∑i=1NI ⁣(∣θi∗∣≥∣θobs∣)\hat{p} = \frac{1}{N}\sum_{i=1}^{N} I\!\left(|\theta_i^{*}| \geq |\theta_{obs}|\right)
Định nghĩa đầy đủFull definition1 phút đọc1 min read

Phân phối null là phân phối xác suất của thống kê kiểm định qua các mẫu lặp lại khi H0H_0 được giả định đúng. Nó cho biết các giá trị thống kê có thể xuất hiện do biến động ngẫu nhiên trong điều kiện đó.

Phân phối được suy ra từ mô hình lý thuyết hoặc dựng bằng mô phỏng. Giá trị p là phần phân phối ít nhất cực đoan như thống kê quan sát, theo hướng của HaH_a. Đây là phân phối của thống kê mẫu, không phải dữ liệu gốc.

The null distribution is the probability distribution of a test statistic across repeated samples, assuming H0H_0 is true. It shows which values of the statistic can arise from random variation alone under that assumption.

This distribution can come from a theoretical model or be built by simulation. The p-value is the proportion of the distribution at least as extreme as the observed statistic, in the direction specified by HaH_a. Remember that it is a distribution of the sample statistic, not of the original data.

Ký hiệuNotation
H0, z, p0, p̂
H0, z, p0, p̂
Giải nghĩa công thứcFormula breakdown1 công thức1 formula
p^=1N∑i=1NI ⁣(∣θi∗∣≥∣θobs∣)\hat{p} = \htmlClass{fp-3}{\frac{1}{N}\htmlClass{fp-2}{\sum_{i=1}^{N} \htmlClass{fp-1}{I\!\left(\htmlClass{fp-0}{|\theta_i^{*}| \geq |\theta_{obs}|}\right)}}}
p^=1N∑i=1NI ⁣(∣θi∗∣≥∣θobs∣)\hat{p} = \htmlClass{fp-3}{\frac{1}{N}\htmlClass{fp-2}{\sum_{i=1}^{N} \htmlClass{fp-1}{I\!\left(\htmlClass{fp-0}{|\theta_i^{*}| \geq |\theta_{obs}|}\right)}}}

Dùng để ước lượng giá trị p hai phía từ mô phỏng dưới H0H_0 khi độ lớn tuyệt đối biểu thị mức cực đoan.Use this to estimate a two-sided p-value from a simulation under H0H_0 when absolute magnitude measures how extreme a result is.

Trong đóWhere

θi∗\theta_i^{*}thống kê mẫu tính được từ lần mô phỏng thứ ii, dưới giả định giả thuyết không H0H_0 đúngsample statistic computed from the iith simulation, assuming the null hypothesis H0H_0 is trueθobs\theta_{obs}thống kê mẫu tính được từ dữ liệu quan sát thực tếsample statistic computed from the actual observed dataNNtổng số lần mô phỏng đã thực hiện để dựng phân phối nulltotal number of simulations run to build the null distributionp^\hat{p}ước lượng của trị số p, tức xác suất quan sát được kết quả cực đoan như vậy nếu H0H_0 đúngestimated p-value, the probability of observing a result this extreme if H0H_0 is true
Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Với phân phối null của p^\hat p, tâm không theo thống kê quan sát hoặc mặc định bằng 0,500{,}50.

Tâm do p0p_0 quy định; 0,500{,}50 chỉ đúng khi p0=0,50p_0=0{,}50. Thống kê quan sát chỉ là mốc đối chiếu.

Giá trị p không đếm vùng gần tâm hoặc mặc định cả hai đuôi.

Nó đếm phần ít nhất cực đoan như quan sát. Trong kiểm định tỉ lệ bằng p^\hat p, hướng đuôi theo dấu của HaH_a; chỉ kiểm định hai phía mới đếm hai đuôi.

Phân phối null là phân phối của thống kê, không phải dữ liệu gốc.

Mỗi điểm mô phỏng biểu diễn thống kê từ một mẫu. Với tỉ lệ mẫu, cỡ mẫu càng lớn thì phân phối càng co cụm quanh p0p_0.

The null distribution of p^\hat p is not centered at the observed statistic or automatically at 0.500.50.

Its center is set by p0p_0, so 0.500.50 applies only when p0=0.50p_0=0.50. The observed statistic serves only as a reference point for comparison.

The p-value does not count values near the center, and it is not automatically two-tailed.

It counts the portion at least as extreme as the observed value. In a proportion test using p^\hat p, the tail direction follows the sign in HaH_a; only a two-sided test counts both tails.

A null distribution shows the distribution of the statistic, not of the raw data.

Each simulated dot represents the statistic from one sample. For sample proportions, larger samples give a distribution more tightly clustered around p0p_0.

Mẹo phòng thiExam tips1 mẹo1 tip

Trình bày đầy đủ cách dựng và đọc mô phỏng null.

Nêu rằng thống kê được tạo dưới H0H_0, giữ nguyên cỡ mẫu và lặp nhiều lần. Khi ước lượng giá trị p, lấy số thống kê ít nhất cực đoan như quan sát chia cho tổng số lần lặp.

Describe fully how the null simulation is built and read.

State that each statistic is generated under H0H_0, that the sample size stays the same, and that the process repeats many times. To estimate the p-value, divide the number of simulated statistics at least as extreme as the observed one by the total number of repetitions.

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 FisherJohn ArbuthnotPierre-Simon LaplaceKarl PearsonWilliam Sealy Gosset

Đầu thế kỷ 20, Ronald Fisher phổ biến giả thuyết không; phân phối null dùng để đánh giá chênh lệch có đáng kể hay chỉ do dao động ngẫu nhiên.
In the early twentieth century, Ronald Fisher popularized the null hypothesis, and the null distribution became the tool for judging whether a difference is meaningful or merely random fluctuation.

Vì sao mang đúng cái tên này? Chữ "null" mang nghĩa "không có gì", tức giả định rằng không tồn tại hiệu ứng hay khác biệt nào — đây là trạng thái mặc định mà ta tạm chấp nhận cho đến khi dữ liệu buộc ta bác bỏ. Vì vậy "phân phối null" không phải tên một họ phân phối riêng như chuẩn hay nhị thức, mà là cách gọi theo vai trò: phân phối mà thống kê kiểm định (test statistic) tuân theo với điều kiện giả thuyết không đúng. Điều đáng chú ý là Fisher giới thiệu khái niệm giả thuyết không bằng ví dụ chứ không bằng một định nghĩa hình thức, nên cái tên lan ra từ thực hành thí nghiệm trước khi thành thuật ngữ sách giáo khoa. Do đó cùng một phân phối null có thể được suy ra chính xác, xấp xỉ tiệm cận, hoặc dựng bằng mô phỏng — tên gọi nói về chức năng, không nói về công thức.

Thử nghiệm tương tácInteractive explorer

Bấm chạy 2000 mẫu — nhìn đống chấm dồn lại quanh đúng giá trị giả thuyết

Bấm chạy 2000 mẫu — nhìn đống chấm dồn lại quanh đúng giá trị giả thuyết

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 example2 phút đọc2 min read
Một nhóm nghiên cứu tin rằng 35% học sinh của một tỉnh có đăng ký học thêm môn Toán. Để hình dung tỉ lệ mẫu (sample proportion) dao động ra sao khi giả thuyết không (null hypothesis) H0:p=0.35H_0: p = 0.35 là đúng, nhóm dùng máy tính mô phỏng 2,0002{,}000 mẫu ngẫu nhiên, mỗi mẫu gồm n=250n = 250 học sinh, rồi vẽ histogram của 2,0002{,}000 giá trị p^\hat p thu được. Histogram này chính là phân phối null.
  1. aTâm của histogram nằm gần giá trị nào? Giải thích vì sao.
  2. bƯớc lượng độ phân tán của histogram và cho biết khoảng giá trị nào của p^\hat p được coi là "bình thường" dưới H0H_0.
1Bước 1: Nhận ra mô phỏng được chạy với giá trị nào. Máy tính không hề biết tỉ lệ thật của tỉnh; nó chỉ được lệnh rút mẫu từ một tổng thể có p=0.35p = 0.35. Vì vậy mọi giá trị p^\hat p trong histogram đều sinh ra từ thế giới giả định mà H0H_0 đúng, và tâm của chúng phải nằm quanh chính con số đã đặt vào máy.
2Bước 2: Trả lời ý (a): tâm của phân phối null nằm gần 0.350.35. Lý do lý thuyết là kỳ vọng của tỉ lệ mẫu bằng tỉ lệ tổng thể, μp^=p=0.35\mu_{\hat p} = p = 0.35. Một sai lầm rất hay gặp là trả lời bằng tỉ lệ quan sát được trong dữ liệu thật; nhưng dữ liệu thật chưa từng tham gia vào mô phỏng này.
3Bước 3: Ý (b): tính độ lệch chuẩn (standard deviation) của phân phối null bằng công thức σp^=p(1−p)n\sigma_{\hat p} = \sqrt{\dfrac{p(1-p)}{n}}. Thay số: (0.35)(0.65)250=0.2275250=0.00091≈0.030\sqrt{\dfrac{(0.35)(0.65)}{250}} = \sqrt{\dfrac{0.2275}{250}} = \sqrt{0.00091} \approx 0.030. Con số này nói rằng các giá trị p^\hat p mô phỏng thường lệch khỏi 0.350.35 chừng ba phần trăm.
4Bước 4: Vì np=250(0.35)=87.5≥10np = 250(0.35) = 87.5 \ge 10 và n(1−p)=250(0.65)=162.5≥10n(1-p) = 250(0.65) = 162.5 \ge 10, histogram có dạng gần đối xứng hình chuông. Do đó khoảng hai độ lệch chuẩn quanh tâm, tức 0.35±2(0.030)0.35 \pm 2(0.030), cho khoảng 0.290.29 đến 0.410.41, chứa khoảng 95% số giá trị mô phỏng.

Histogram của 2,0002{,}000 giá trị p^\hat p có tâm gần 0.350.35 — đúng bằng tỉ lệ đã giả định trong H0H_0 — và độ lệch chuẩn khoảng 0.0300.030. Nhờ đó, một mẫu 250250 học sinh cho p^\hat p nằm trong khoảng chừng 0.290.29 đến 0.410.41 là hoàn toàn bình thường nếu tỉ lệ thật của tỉnh đúng là 35%.

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 termGiá trị pSuy 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 một trung bình hoặc trung bình hiệuSuy luận cho trung bình (dữ liệu định lượng), khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termƯớc lượng xác suất bằng mô phỏngXác suất, biến ngẫu nhiên & phân phối xác suất, khoácourse AP Statistics
Dẫn tớiLeads top-valuep-value
Liên quanRelatedmô phỏngsimulation
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

phân phối mẫu (của một thống kê)sampling distribution of a statistic
Khác nhau ở đâuHow they differPhân phối mẫu mô tả biến thiên của một thống kê quanh giá trị tham số thật, dù tham số đó là bao nhiêu. Phân phối null là phân phối mẫu riêng cho trường hợp giá trị trong giả thuyết không là đúng.
Hay nhầm khiMixed up whenKhi đề hỏi tâm của phân phối nằm ở đâu: tâm phân phối null đặt tại giá trị giả định, còn tâm phân phối mẫu đặt tại tham số thật của tổng thể.
p-valuep-value
Khác nhau ở đâuHow they differPhân phối null là toàn bộ mô hình xác suất dùng làm mốc so sánh. p-value chỉ là một con số đo diện tích đuôi lấy ra từ mô hình đó.
Hay nhầm khiMixed up whenKhi câu hỏi yêu cầu vẽ hình rồi tô miền: hình vẽ là phân phối null, phần tô đậm mới là p-value.

Cùng chủ đềSame topic

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