TÀI LIỆU BỔ TRỢ (DEEP LEARNING)

(Tôi làm tài liệu này để ai muốn hiểu DEEP về phương

pháp Kiểm định giả thuyết t-test thì ngâm cứu thêm, còn
ai học cách ứng dụng thì học trên lớp là OK rồi)

(Part 3: Two tail (DIFF) T-test)

Viet Nguyen - ngvietlg@gmail.com

Mục đích bài này:

1. Pvalue của 2 tailed TEST là gì?
2. 95% Độ tin cậy là gì?
3. Khi làm 2 tailed Test khác với làm 1 tailed test như thế nào?

4. Sự linh hoạt trong ứng dụng T-Test với thực tế (khi thì cần H0, lúc thì cần H1, thích gì có đó)
Tôi có 1 cái thước Kẹp, và KHÁCH HÀNG YÊU CẦU CTY TÔI PHẢI ĐÁNH GIÁ BIAS của thước kẹp nà
Tôi đã được đào tạo về MSA nên tôi triển khai đánh giá như sau:
Các bạn tự viết quy trình vào ....
Step1:
Step2:
Step3:
Step4:
....
Kết quả đo được nhập vào cột reading dưới đây
Reading Ref Bias
11.996 12.01 -0.014 Phương pháp này là Áp dụng kỹ thuật phân tích T-TEST (One sample với 1 Tiêu chuẩn)
12.004 12.01 -0.006 Đặt giả thuyết:
12.006 12.01 -0.004 H0: Bias = 0
11.992 12.01 -0.018 H1: Bias <> 0
12 12.01 -0.01 Chọn độ tin cậy:
11.995 12.01 -0.015 95%
12.004 12.01 -0.006 Phân tích:
12.008 12.01 -0.002 Tự tưởng tượng rằng khi ta dùng cái thước này để đo trong cả năm thì kết quả đo c
12.024 12.01 0.014 Quần thể đó có trung bình của Bias là =0
11.996 12.01 -0.014 Tại Bias = 0 thì giá trị t = 0 tcurve(df=24)
11.99 12.01 -0.02
12.005 12.01 -0.005 Ta xác định các giá trị giới hạn của khoảng tin cậy 95% vã vẽ lên đường cong
12.009 12.01 -0.001
12.003 12.01 -0.007 Alpha = 1- Confident level
12.001 12.01 -0.009 Alpha = 1-0.95 0.05
12.015 12.01 0.005 Vì là ta quan tâm cả 2 phía NHỎ HƠN và LỚN HƠN nên chia ALPHA r
12.011 12.01 0.001 Left_Alpha = 0.025 2.50%
11.984 12.01 -0.026 Right_Alpha = 0.025 2.50%
12.003 12.01 -0.007
11.988 12.01 -0.022 Ta sẽ có 2.5% rủi ro để TA SAI khi bảo cái thước có BIAS là lệch về PHÍA TRÁI (LESS)
12.005 12.01 -0.005 Ta sẽ có 2.5% rủi ro để TA SAI khi bảo cái thước có BIAS là lệch về PHÍA PHẢI (GREA
11.966 12.01 -0.044 (phải chấp nhận thôi, vì đâu có gì là tuyệt đối)
11.984 12.01 -0.026
11.99 12.01 -0.02 Ta xác định t tại trái 2.5% và phải 2.5% xem nó ở đâu?
11.999 12.01 -0.011 t
L_alpha 0.025 -2.0555
R_Alpha 0.975 2.0555

Ta quy nó ra SÔ THỰC của BIAS XEM SAO

t
L_alpha 0.025 -2.0555
R_Alpha 0.975 2.0555
 x = mu + t*(s/sqrt(n))
mu = 0
s= 0.011759
n= 25

Nhận xét: Nếu kết quả tính mà BIAS nằm trong khoảng từ -0.0048 đến + 0.0048 thì
Còn nếu nằm ngoài vùng đó thì là BIAS <> 0

Vậy ta tính Bias trung bình xem nó nằm ở ĐÂU?

Avg Bias = -0.01088 Vậy là NÓ NẰM NGOÀI VÙNG 95% độ tin c

Để biểu thị nó TRÊN BIỂU ĐỒ, tính thêm giá trị t TẠI Bias = - 0.011
t_bias = -4.62620047

Vẽ lên biểu đồ thì KHÁ RÕ RỒI, NÓ NẰM TRONG VÙNG B1

Tính như thế này ĐÃ RẤT LÀ RÕ NGÔ RÕ KHOAI RỒI, nhưng vì ĐỂ HIỂU KẾT QUẢ TH
và lại PHẢI HIỂU VỀ QUY ĐỔI TỪ giá trị t sang giá trị THỰC
Do vậy để đơn giản hơn, CÁC LÃNH ĐẠO CỦA NGÀNH THỐNG KÊ THẾ GIỚI ĐÃ ĐƯA
ĐƠN GIẢN, KHÔNG CẦN HIỂU KỸ VỀ THỦ THUẬT ĐẰNG SAU NÓ.

Vậy là chỉ số Pvalue ra đời, tính trong tình huống này ra sao????

Sẽ có 2 giá trị P value, dù ta nhìn trên biểu đồ ta Biết là Bias lệch về PHÍA NÀO, như
do vậy phải tính cả 2 giá trị Pvalue

Pvalue_left 4.50825E-05
Pvalue_right 0.9999549175 => sao NHIỀU THẾ NHỈ?
Quên mất là hàm T.DIST nó quét từ ÂM VÔ CÙNG lên
Mà cái ta cần là PHÍA LỚN HƠN NÊN
Pvalue_right 4.50825E-05
Pvalue_tổng 9.016499E-05 QUÁ BÉ
KẾT LUẬN:
Pvalue = 0.00009 < 0.05 , Reject H0
Ta có thể nói BIAS LÀ KHÔNG = 0

NGHE NÓI LÀ T-TEST CÓ THỂ ƯỚC TÍNH KHOẢNG 95% ĐỘ TIN CẬY CỦA BIAS nữa, H

CÔNG THỨC THEO SÁCH MSA đây, TỰ TÍNH NHÉ

Zero là 0 (có vẻ không cần dịch zero là 0)

Bias là trung bình Bias thực tế của Mẫu
tv: là giá trị T value tại alpha/2
Sigmab: là s/sqrt(n) Sai số chuẩn, độ lệch chuẩn của Mean
GIÁ BIAS của thước kẹp này theo phương pháp của MSA.

sample với 1 Tiêu chuẩn)

đo trong cả năm thì kết quả đo của nó sẽ tạo thành 1 QUẦN THỂ dữ liệu

tcurve(df=24)

95% vã vẽ lên đường cong

N và LỚN HƠN nên chia ALPHA ra làm 2 phần bằng nhau

ó BIAS là lệch về PHÍA TRÁI (LESS) khi mà nó KHÔNG LỆCH TRÁI

ó BIAS là lệch về PHÍA PHẢI (GREATER) khi mà nó KHÔNG LỆCH PHẢI

Mô tả lên biểu đồ Pvalue left

(chỉ xem t thôi)
t= -4.6
bias = -0.011
x
bias
-0.0048
0.0048
oảng từ -0.0048 đến + 0.0048 thì tức là BIAS là không khác biệt so với 0, hay nói cách khác là BIAS = 0

NẰM NGOÀI VÙNG 95% độ tin cậy , Vậy là BIAS <> 0.

ẠI Bias = - 0.011

ỒI, nhưng vì ĐỂ HIỂU KẾT QUẢ THÌ PHẢI HIỂU VỀ CÁC CÔNG THỨC TÍNH

ÀNH THỐNG KÊ THẾ GIỚI ĐÃ ĐƯA RA CHỈ SỐ P-VALUE để NGƯỜI DÙNG QUYẾT ĐỊNH THEO CHỈ SỐ NÀY
ĐẰNG SAU NÓ.

này ra sao????

iết là Bias lệch về PHÍA NÀO, nhưng số Học nó không hiểu được vậy, vì nó không nhìn mà nó chỉ NGHĨ

DIST nó quét từ ÂM VÔ CÙNG lên tới giá trị t = 4.626

A LỚN HƠN NÊN
95% ĐỘ TIN CẬY CỦA BIAS nữa, HOW?

h chuẩn của Mean

 A
B1 B2

t= 0 Pvalue right
t= -4.6
bias = -0.011 t= 4.6
t= -2.05 t= 2.05

bias = -0.0048 bias = 0.0048

Bias : là Avg Bias -0.01088
sigmab: = s/sqrt(n) 0.002351822
tv,1-alpha/2 = (R_Alpha_t) 2.0555294386

95% độ tin CẬY của Bias của Gage

Lower_bound -0.0157142393
Upper_bound -0.0060457607

Hàm mới trong gói SSV 1.0.9

gagebias(data, ref)
hàm cũ
gbias(data, ref)