Professional Documents
Culture Documents
Chương 4
Chương 4
2 Kiểm định giá trị trung bình của một tổng thể
3 Kiểm định (so sánh) giá trị trung bình của hai tổng thể
Trong nhiều lĩnh vực, chúng ta hay nêu ra các nhận xét khác nhau về
các đối tượng quan tâm. Những nhận xét như vậy thường được coi là
các giả thuyết, chúng có thể đúng và cũng có thể sai.
Trong nhiều lĩnh vực, chúng ta hay nêu ra các nhận xét khác nhau về
các đối tượng quan tâm. Những nhận xét như vậy thường được coi là
các giả thuyết, chúng có thể đúng và cũng có thể sai.
Vấn đề xác định đúng sai của một giả thuyết sẽ được gọi là kiểm định.
Trong nhiều lĩnh vực, chúng ta hay nêu ra các nhận xét khác nhau về
các đối tượng quan tâm. Những nhận xét như vậy thường được coi là
các giả thuyết, chúng có thể đúng và cũng có thể sai.
Vấn đề xác định đúng sai của một giả thuyết sẽ được gọi là kiểm định.
Trong thống kê, từ một mẫu (x1 , x2 , . . . , xn ) được chọn từ một tập
nền chưa biết phân phối hoặc có phân phối F (x, θ) nhưng chưa biết
tham số θ. Các nhận xét khác nhau về yếu tố chưa biết đó gọi là các
giả thuyết thống kê.
Ví dụ
Biết rằng tiền điện trung bình của các hộ gia đình tại một khu vực (gồm
khoảng 1 triệu hộ) trong tháng 5/2020 là 200 nghìn đồng. Khảo sát tiền
điện tháng 6/2020 của 200 hộ, ta thu được bảng số liệu như sau:
Ví dụ
Ví dụ
Mô hình hoá: Ta có thể giả sử tiền điện X của các hộ gia đình cá
nhân tháng 6/2020 tại khu vực trên có phân bố chuẩn với tham số
θ = (µ, σ 2 ).
Ví dụ
Mô hình hoá: Ta có thể giả sử tiền điện X của các hộ gia đình cá
nhân tháng 6/2020 tại khu vực trên có phân bố chuẩn với tham số
θ = (µ, σ 2 ).
Tham số µ là trung bình tổng thể (là tiền điện trung bình tháng
6/2020 của tất cả các hộ trong khu vực).
Ví dụ
Mô hình hoá: Ta có thể giả sử tiền điện X của các hộ gia đình cá
nhân tháng 6/2020 tại khu vực trên có phân bố chuẩn với tham số
θ = (µ, σ 2 ).
Tham số µ là trung bình tổng thể (là tiền điện trung bình tháng
6/2020 của tất cả các hộ trong khu vực).
Trung bình mẫu x̄ = 236.78 (tiền điện trung bình của 200 hộ được
quan sát là 236.78 nghìn đồng cao hơn trung bình trong tháng 5).
Ví dụ
Mô hình hoá: Ta có thể giả sử tiền điện X của các hộ gia đình cá
nhân tháng 6/2020 tại khu vực trên có phân bố chuẩn với tham số
θ = (µ, σ 2 ).
Tham số µ là trung bình tổng thể (là tiền điện trung bình tháng
6/2020 của tất cả các hộ trong khu vực).
Trung bình mẫu x̄ = 236.78 (tiền điện trung bình của 200 hộ được
quan sát là 236.78 nghìn đồng cao hơn trung bình trong tháng 5).
Câu hỏi: Ta có thể kết luận rằng tiền điện trung bình của tất cả các
hộ trong khu vực trên trong tháng 6 cao hơn tháng 5 hay không?
Ví dụ
Mô hình hoá: Ta có thể giả sử tiền điện X của các hộ gia đình cá
nhân tháng 6/2020 tại khu vực trên có phân bố chuẩn với tham số
θ = (µ, σ 2 ).
Tham số µ là trung bình tổng thể (là tiền điện trung bình tháng
6/2020 của tất cả các hộ trong khu vực).
Trung bình mẫu x̄ = 236.78 (tiền điện trung bình của 200 hộ được
quan sát là 236.78 nghìn đồng cao hơn trung bình trong tháng 5).
Câu hỏi: Ta có thể kết luận rằng tiền điện trung bình của tất cả các
hộ trong khu vực trên trong tháng 6 cao hơn tháng 5 hay không?
Tức là ta cần đưa ra quyết định có chấp nhận hay không chấp nhận
giả thuyết ”µ > 200”.
Giả thuyết nghiên cứu (research hypothesis): ”µ > 200” là giả thuyết
cần đưa ra quyết định có chấp nhận hay bác bỏ.
Giả thuyết nghiên cứu (research hypothesis): ”µ > 200” là giả thuyết
cần đưa ra quyết định có chấp nhận hay bác bỏ.
Ta xây dựng giả thuyết trái với giả thuyết nghiên cứu gọi là giả
thuyết không (hay giả thuyết đảo: null hypothesis), kí hiệu là
H0 : µ ≤ 200 (tiền điện trung bình của tất cả các hộ trong khu vực
trên trong tháng 6 không cao hơn tháng 5).
Giả thuyết nghiên cứu (research hypothesis): ”µ > 200” là giả thuyết
cần đưa ra quyết định có chấp nhận hay bác bỏ.
Ta xây dựng giả thuyết trái với giả thuyết nghiên cứu gọi là giả
thuyết không (hay giả thuyết đảo: null hypothesis), kí hiệu là
H0 : µ ≤ 200 (tiền điện trung bình của tất cả các hộ trong khu vực
trên trong tháng 6 không cao hơn tháng 5).
Để đưa ra quyết định chấp nhận giả thuyết nghiên cứu, ta đi kiểm
định xem thông tin từ mẫu là "bằng chứng" có đủ "mạnh" để bác bỏ
giả thuyết đảo H0 hay không.
Giả thuyết nghiên cứu (research hypothesis): ”µ > 200” là giả thuyết
cần đưa ra quyết định có chấp nhận hay bác bỏ.
Ta xây dựng giả thuyết trái với giả thuyết nghiên cứu gọi là giả
thuyết không (hay giả thuyết đảo: null hypothesis), kí hiệu là
H0 : µ ≤ 200 (tiền điện trung bình của tất cả các hộ trong khu vực
trên trong tháng 6 không cao hơn tháng 5).
Để đưa ra quyết định chấp nhận giả thuyết nghiên cứu, ta đi kiểm
định xem thông tin từ mẫu là "bằng chứng" có đủ "mạnh" để bác bỏ
giả thuyết đảo H0 hay không.
Đối thuyết (alternative hypothesis) H1 : là giả thuyết nghiên cứu
(µ > 200).
Giả thuyết nghiên cứu (research hypothesis): ”µ > 200” là giả thuyết
cần đưa ra quyết định có chấp nhận hay bác bỏ.
Ta xây dựng giả thuyết trái với giả thuyết nghiên cứu gọi là giả
thuyết không (hay giả thuyết đảo: null hypothesis), kí hiệu là
H0 : µ ≤ 200 (tiền điện trung bình của tất cả các hộ trong khu vực
trên trong tháng 6 không cao hơn tháng 5).
Để đưa ra quyết định chấp nhận giả thuyết nghiên cứu, ta đi kiểm
định xem thông tin từ mẫu là "bằng chứng" có đủ "mạnh" để bác bỏ
giả thuyết đảo H0 hay không.
Đối thuyết (alternative hypothesis) H1 : là giả thuyết nghiên cứu
(µ > 200).
Kiểm định giả thuyết H0 : µ ≤ 200 với đối thuyết H1 : µ > 200.
Bài toán kiểm định: kiểm định giả thuyết H0 : µ ≤ 200 với đối thuyết
H1 : µ > 200.
Các khả năng của bài toán kiểm định:
Bài toán kiểm định: kiểm định giả thuyết H0 : µ ≤ 200 với đối thuyết
H1 : µ > 200.
Các khả năng của bài toán kiểm định:
Sai lầm loai I (Type I error): Ta kết luận tiền điện tháng 6 cao hơn
tháng 5 nhưng thực tế không phải vậy.
Bài toán kiểm định: kiểm định giả thuyết H0 : µ ≤ 200 với đối thuyết
H1 : µ > 200.
Các khả năng của bài toán kiểm định:
Sai lầm loai II (Type II error): Ta kết luận tiền điện tháng 6 không
cao hơn tháng 5 nhưng thực tế không phải vậy.
Bài toán kiểm định: kiểm định giả thuyết H0 : µ ≤ 200 với đối thuyết
H1 : µ > 200.
Các khả năng của bài toán kiểm định:
Bài toán kiểm định: kiểm định giả thuyết H0 : µ ≤ 200 với đối thuyết
H1 : µ > 200.
Các khả năng của bài toán kiểm định:
Kiểm định mức ý nghĩa (test of significance) ở mức α(= 5%) là bài
toán kiểm định sao cho xác suất sai lầm loại I không lớn hơn α (và α
gọi là mức ý nghĩa).
K = K (x1 , x2 , . . . , xn )
K = K (x1 , x2 , . . . , xn )
Nguyên tắc chung của kiểm định giả thuyết thống kê là dựa trên
nguyên lý xác suất nhỏ: một sự kiện có xác suất xuất hiện khá bé thì
có thể coi rằng nó không xảy ra khi thực hiện một phép thử có liên
quan đến sự kiện đó.
Nguyên tắc chung của kiểm định giả thuyết thống kê là dựa trên
nguyên lý xác suất nhỏ: một sự kiện có xác suất xuất hiện khá bé thì
có thể coi rằng nó không xảy ra khi thực hiện một phép thử có liên
quan đến sự kiện đó.
Quy tắc kiểm định: Ta thành tìm cách chia miền xác định của tiêu
chuẩn K thành hai miền Bα và B̄α sao cho:
trong đó Ktn là giá trị của thống kê K trên mẫu cụ thể đang xét.
Mô hình tham số: xét mẫu ngẫu nhiên (X1 , X2 , . . . , Xn ) lấy từ tổng
thể X có phân bố f (x, θ) với tham số θ thuộc một không gian hữu
hạn chiều, ta biết thông tin về dạng phân bố f của tổng thể X . Kiểm
định về tham số θ hay về phân bố f là kiểm định tham số (parametric
test).
Mô hình tham số: xét mẫu ngẫu nhiên (X1 , X2 , . . . , Xn ) lấy từ tổng
thể X có phân bố f (x, θ) với tham số θ thuộc một không gian hữu
hạn chiều, ta biết thông tin về dạng phân bố f của tổng thể X . Kiểm
định về tham số θ hay về phân bố f là kiểm định tham số (parametric
test).
Mô hình phi tham số: xét mẫu ngẫu nhiên (X1 , X2 , . . . , Xn ) lấy từ
tổng thể X có phân bố f (x) thuộc một lớp không gian các hàm có số
chiều vô hạn (ta biết thông tin về dạng phân bố f của tổng thể X ).
Kiểm định về phân bố f là kiểm định phi tham số (nonparametric
test).
Kiểm định giá trị trung bình của một tổng thể (ta quan sát được một
mẫu): t-test (kiểm định tham số: phân bố chuẩn)
Kiểm định giá trị trung bình của một tổng thể (ta quan sát được một
mẫu): t-test (kiểm định tham số: phân bố chuẩn)
Kiểm định (so sánh) giá trị trung bình của hai một tổng thể (ta quan
sát được hai mẫu): t-test (kiểm định tham số: phân bố chuẩn),
mann-whitney-wilcoxon test (kiểm định phi tham số)
Kiểm định giá trị trung bình của một tổng thể (ta quan sát được một
mẫu): t-test (kiểm định tham số: phân bố chuẩn)
Kiểm định (so sánh) giá trị trung bình của hai một tổng thể (ta quan
sát được hai mẫu): t-test (kiểm định tham số: phân bố chuẩn),
mann-whitney-wilcoxon test (kiểm định phi tham số)
Kiểm định (so sánh) giá trị trung bình của nhiều hơn hai một tổng
thể (ta quan sát được nhiều hơn mẫu): mô hình ANOVA (kiểm định
tham số), kruskal wallis test (kiểm định phi tham số)
Kiểm định giá trị trung bình của một tổng thể
Kiểm định giá trị trung bình của một tổng thể
Kiểm định giá trị trung bình của một tổng thể
Kiểm định giá trị trung bình của một tổng thể
Kiểm định giá trị trung bình của một tổng thể
x̄−µ
√0 .
Tiêu chuẩn của bài toán kiểm định là K = σ/ n
Nếu H0 đúng thì K
có phân bố chuẩn tắc N(0, 1) (đối xứng qua gốc toạ độ O).
x̄−µ
√0 .
Tiêu chuẩn của bài toán kiểm định là K = σ/ n
Nếu H0 đúng thì K
có phân bố chuẩn tắc N(0, 1) (đối xứng qua gốc toạ độ O).
Miền tới hạn (miền bác bỏ H0 ): xét đối thuyết 1 phía bên phải
H1 : µ > µ0 :
Ta bác bỏ H0 , chấp nhận H1 nếu x̄ đủ lớn hơn µ0 (x̄ >> µ0 ), hay tiêu
x̄−µ
chuẩn K = σ/ √ 0 > z, với điểm tới hạn z nào đó.
n
x̄−µ
√0 .
Tiêu chuẩn của bài toán kiểm định là K = σ/ n
Nếu H0 đúng thì K
có phân bố chuẩn tắc N(0, 1) (đối xứng qua gốc toạ độ O).
Miền tới hạn (miền bác bỏ H0 ): xét đối thuyết 1 phía bên phải
H1 : µ > µ0 :
Ta bác bỏ H0 , chấp nhận H1 nếu x̄ đủ lớn hơn µ0 (x̄ >> µ0 ), hay tiêu
x̄−µ
chuẩn K = σ/ √ 0 > z, với điểm tới hạn z nào đó.
n
Từ điều kiện P(Ktn ∈ Bα |H0 đúng) = P(K > z|K ∼ N(0, 1)) = α, ta
suy ra z = Z1−α với φ(Z1−α ) = 1 − α
x̄−µ
√0 .
Tiêu chuẩn của bài toán kiểm định là K = σ/ n
Nếu H0 đúng thì K
có phân bố chuẩn tắc N(0, 1) (đối xứng qua gốc toạ độ O).
Miền tới hạn (miền bác bỏ H0 ): xét đối thuyết 1 phía bên phải
H1 : µ > µ0 :
Ta bác bỏ H0 , chấp nhận H1 nếu x̄ đủ lớn hơn µ0 (x̄ >> µ0 ), hay tiêu
x̄−µ
chuẩn K = σ/ √ 0 > z, với điểm tới hạn z nào đó.
n
Từ điều kiện P(Ktn ∈ Bα |H0 đúng) = P(K > z|K ∼ N(0, 1)) = α, ta
suy ra z = Z1−α với φ(Z1−α ) = 1 − α
Miền tới hạn là Bα = (Z1−α , +∞): ta bác bỏ H0 , chấp nhận H1 nếu
Ktn > Z1−α .
Miền tới hạn (miền bác bỏ H0 ): tương tự với đối thuyết 1 phía bên
trái H1 : µ < µ0 :
Ta bác bỏ H0 , chấp nhận H1 nếu x̄ đủ nhỏ hơn µ0 (x̄ << µ0 ), hay tiêu
x̄−µ
chuẩn K = σ/ √ 0 < z, với điểm tới hạn z nào đó.
n
Miền tới hạn (miền bác bỏ H0 ): tương tự với đối thuyết 1 phía bên
trái H1 : µ < µ0 :
Ta bác bỏ H0 , chấp nhận H1 nếu x̄ đủ nhỏ hơn µ0 (x̄ << µ0 ), hay tiêu
x̄−µ
chuẩn K = σ/ √ 0 < z, với điểm tới hạn z nào đó.
n
Từ điều kiện P(Ktn ∈ Bα |H0 đúng) = P(K < z|K ∼ N(0, 1)) = α, ta
suy ra z = Zα với φ(Zα ) = α
Miền tới hạn (miền bác bỏ H0 ): tương tự với đối thuyết 1 phía bên
trái H1 : µ < µ0 :
Ta bác bỏ H0 , chấp nhận H1 nếu x̄ đủ nhỏ hơn µ0 (x̄ << µ0 ), hay tiêu
x̄−µ
chuẩn K = σ/ √ 0 < z, với điểm tới hạn z nào đó.
n
Từ điều kiện P(Ktn ∈ Bα |H0 đúng) = P(K < z|K ∼ N(0, 1)) = α, ta
suy ra z = Zα với φ(Zα ) = α
Miền tới hạn là Bα = (−∞, Zα ): ta bác bỏ H0 , chấp nhận H1 nếu
Ktn < Zα = −Z1−α .
Miền tới hạn (miền bác bỏ H0 ): tương tự với đối thuyết 2 phía
H1 : µ 6= µ0 :
Ta bác bỏ H0 , chấp nhận H1 nếu x̄ đủ khác µ0 (|x̄µ0 | đủ lớn hơn 0),
hay tiêu chuẩn |K | = |x̄−µ |
√ 0 > z, với điểm tới hạn z > 0 nào đó.
σ/ n
Miền tới hạn (miền bác bỏ H0 ): tương tự với đối thuyết 2 phía
H1 : µ 6= µ0 :
Ta bác bỏ H0 , chấp nhận H1 nếu x̄ đủ khác µ0 (|x̄µ0 | đủ lớn hơn 0),
hay tiêu chuẩn |K | = |x̄−µ |
√ 0 > z, với điểm tới hạn z > 0 nào đó.
σ/ n
Từ điều kiện P(Ktn ∈ Bα |H0 đúng) = P(|K | > z|K ∼ N(0, 1)) = α, ta
suy ra z = Z1−α/2 với φ(Z1−α/2 ) = 1 − α/2
Miền tới hạn (miền bác bỏ H0 ): tương tự với đối thuyết 2 phía
H1 : µ 6= µ0 :
Ta bác bỏ H0 , chấp nhận H1 nếu x̄ đủ khác µ0 (|x̄µ0 | đủ lớn hơn 0),
hay tiêu chuẩn |K | = |x̄−µ |
√ 0 > z, với điểm tới hạn z > 0 nào đó.
σ/ n
Từ điều kiện P(Ktn ∈ Bα |H0 đúng) = P(|K | > z|K ∼ N(0, 1)) = α, ta
suy ra z = Z1−α/2 với φ(Z1−α/2 ) = 1 − α/2
Miền tới hạn là Bα = (−∞, −Z1−α/2 ) ∪ (Z1−α/2 , +∞): ta bác bỏ H0 ,
chấp nhận H1 nếu |Ktn | > Z1−α/2 .
Ví dụ 1
Ví dụ 1: Một máy tiện sản xuất ra một loại chi tiết có đưòng kính trung
bình là 1,5 cm (giả sử đường kính đó tuân theo luật chuẩn), biết rằng độ
lệch chuẩn của toàn bộ số chi tiết sản xuất ra là 0,01 cm. Người ta chọn
ngẫu nhiên ra 25 chi tiết thì thấy đường kính trung bình là 1,505cm. Ở
mức ý nghĩa 0.05, có thể cho rằng máy tiện trên không đạt yêu cầu hay
không?
Ví dụ 1
Ví dụ 1: Một máy tiện sản xuất ra một loại chi tiết có đưòng kính trung
bình là 1,5 cm (giả sử đường kính đó tuân theo luật chuẩn), biết rằng độ
lệch chuẩn của toàn bộ số chi tiết sản xuất ra là 0,01 cm. Người ta chọn
ngẫu nhiên ra 25 chi tiết thì thấy đường kính trung bình là 1,505cm. Ở
mức ý nghĩa 0.05, có thể cho rằng máy tiện trên không đạt yêu cầu hay
không?
Bước 1: Giả thiết: đường kính của các chi tiết máy tuân theo luật
chuẩn với kỳ vọng µ và độ lệch chuẩn σ = 0, 01.
Ví dụ 1
Ví dụ 1: Một máy tiện sản xuất ra một loại chi tiết có đưòng kính trung
bình là 1,5 cm (giả sử đường kính đó tuân theo luật chuẩn), biết rằng độ
lệch chuẩn của toàn bộ số chi tiết sản xuất ra là 0,01 cm. Người ta chọn
ngẫu nhiên ra 25 chi tiết thì thấy đường kính trung bình là 1,505cm. Ở
mức ý nghĩa 0.05, có thể cho rằng máy tiện trên không đạt yêu cầu hay
không?
Bước 1: Giả thiết: đường kính của các chi tiết máy tuân theo luật
chuẩn với kỳ vọng µ và độ lệch chuẩn σ = 0, 01.
Bước 2: Xây dựng cặp giả thuyết - đối thuyết: H0 : µ = 1, 5 với đối
thuyết 2 phía H1 : µ 6= 1, 5.
Ví dụ 1
Ví dụ 1: Một máy tiện sản xuất ra một loại chi tiết có đưòng kính trung
bình là 1,5 cm (giả sử đường kính đó tuân theo luật chuẩn), biết rằng độ
lệch chuẩn của toàn bộ số chi tiết sản xuất ra là 0,01 cm. Người ta chọn
ngẫu nhiên ra 25 chi tiết thì thấy đường kính trung bình là 1,505cm. Ở
mức ý nghĩa 0.05, có thể cho rằng máy tiện trên không đạt yêu cầu hay
không?
Bước 1: Giả thiết: đường kính của các chi tiết máy tuân theo luật
chuẩn với kỳ vọng µ và độ lệch chuẩn σ = 0, 01.
Bước 2: Xây dựng cặp giả thuyết - đối thuyết: H0 : µ = 1, 5 với đối
thuyết 2 phía H1 : µ 6= 1, 5.
Bước 3: Tiêu chuẩn kiểm định:
x̄ − µ0 1, 505 − 1, 5
Ktn = √ = √ = 2.5
σ/ n 0, 01/ 25
Ví dụ 1
Ví dụ 1: Một máy tiện sản xuất ra một loại chi tiết có đưòng kính trung
bình là 1,5 cm (giả sử đường kính đó tuân theo luật chuẩn), biết rằng độ
lệch chuẩn của toàn bộ số chi tiết sản xuất ra là 0,01 cm. Người ta chọn
ngẫu nhiên ra 25 chi tiết thì thấy đường kính trung bình là 1,505cm. Ở
mức ý nghĩa 0.05, có thể cho rằng máy tiện trên không đạt yêu cầu hay
không?
Bước 3: Tiêu chuẩn kiểm định: Ktn = 2.5 và điểm tới hạn
z = Z1−α/2 = Z0,975 = 1, 96.
Ví dụ 1
Ví dụ 1: Một máy tiện sản xuất ra một loại chi tiết có đưòng kính trung
bình là 1,5 cm (giả sử đường kính đó tuân theo luật chuẩn), biết rằng độ
lệch chuẩn của toàn bộ số chi tiết sản xuất ra là 0,01 cm. Người ta chọn
ngẫu nhiên ra 25 chi tiết thì thấy đường kính trung bình là 1,505cm. Ở
mức ý nghĩa 0.05, có thể cho rằng máy tiện trên không đạt yêu cầu hay
không?
Bước 3: Tiêu chuẩn kiểm định: Ktn = 2.5 và điểm tới hạn
z = Z1−α/2 = Z0,975 = 1, 96.
Bước 4: Vì |Ktn | > Z1−α/2 nên ta bác bỏ H0 , chấp nhận H1 .
Ví dụ 1
Ví dụ 1: Một máy tiện sản xuất ra một loại chi tiết có đưòng kính trung
bình là 1,5 cm (giả sử đường kính đó tuân theo luật chuẩn), biết rằng độ
lệch chuẩn của toàn bộ số chi tiết sản xuất ra là 0,01 cm. Người ta chọn
ngẫu nhiên ra 25 chi tiết thì thấy đường kính trung bình là 1,505cm. Ở
mức ý nghĩa 0.05, có thể cho rằng máy tiện trên không đạt yêu cầu hay
không?
Bước 3: Tiêu chuẩn kiểm định: Ktn = 2.5 và điểm tới hạn
z = Z1−α/2 = Z0,975 = 1, 96.
Bước 4: Vì |Ktn | > Z1−α/2 nên ta bác bỏ H0 , chấp nhận H1 .
Bước 5: Kết luận: Có đủ cơ sở thống kê để có thể cho rằng máy tiện
trên không đạt yêu cầu ở mức ý nghĩa 0,05.
Miền bác bỏ H0 (miền tới hạn): Đặt các điểm tới hạn tn−1,1−α và
tn−1,1−α/2 sao cho: P(tn−1 < tn−1,1−α ) = 1 − α và
P(tn−1 < tn−1,1−α/2 ) = 1 − α/2
Với đối thuyết H1 : µ > µ0 : thì miền tới hạn là Bα = (tn−1;1−α ; +∞)
Miền bác bỏ H0 (miền tới hạn): Đặt các điểm tới hạn tn−1,1−α và
tn−1,1−α/2 sao cho: P(tn−1 < tn−1,1−α ) = 1 − α và
P(tn−1 < tn−1,1−α/2 ) = 1 − α/2
Với đối thuyết H1 : µ > µ0 : thì miền tới hạn là Bα = (tn−1;1−α ; +∞)
Với đối thuyết H1 : µ < µ0 : thì miền tới hạn là Bα = (−∞; −tn−1;1−α )
Miền bác bỏ H0 (miền tới hạn): Đặt các điểm tới hạn tn−1,1−α và
tn−1,1−α/2 sao cho: P(tn−1 < tn−1,1−α ) = 1 − α và
P(tn−1 < tn−1,1−α/2 ) = 1 − α/2
Với đối thuyết H1 : µ > µ0 : thì miền tới hạn là Bα = (tn−1;1−α ; +∞)
Với đối thuyết H1 : µ < µ0 : thì miền tới hạn là Bα = (−∞; −tn−1;1−α )
Với đối thuyết H1 : µ 6= µ0 : thì miền tới hạn là
Bα = (−∞; −tn−1;1−α/2 ) ∪ (tn−1;1−α/2 ; +∞)
Ví dụ 2
Ví dụ 2: Một nhà nhân chủng học cho rằng chiều cao trung bình của một
bộ tộc người thiểu số lớn hơn 160 cm. Người ta chọn ngẫu nhiên ra 16
người của bộ tộc người đó thì thấy chiều cao trung bình là 164,25 cm với
độ lệch chuẩn mẫu hiệu chỉnh là 6,25 cm. Có thể cho rằng bộ tộc người
đó có chiều cao trung bình lớn hơn 160 cm hay không (giả sử chiều cao
tuân theo luật phân phối chuẩn và chọn α bằng 0,05)?
Ví dụ 2
Ví dụ 2: Một nhà nhân chủng học cho rằng chiều cao trung bình của một
bộ tộc người thiểu số lớn hơn 160 cm. Người ta chọn ngẫu nhiên ra 16
người của bộ tộc người đó thì thấy chiều cao trung bình là 164,25 cm với
độ lệch chuẩn mẫu hiệu chỉnh là 6,25 cm. Có thể cho rằng bộ tộc người
đó có chiều cao trung bình lớn hơn 160 cm hay không (giả sử chiều cao
tuân theo luật phân phối chuẩn và chọn α bằng 0,05)?
Bước 1: Giả thiết: chiều cao của bộ tộc người thiểu số này tuân theo
luật chuẩn với kỳ vọng µ và độ lệch chuẩn σ không biết.
Ví dụ 2
Ví dụ 2: Một nhà nhân chủng học cho rằng chiều cao trung bình của một
bộ tộc người thiểu số lớn hơn 160 cm. Người ta chọn ngẫu nhiên ra 16
người của bộ tộc người đó thì thấy chiều cao trung bình là 164,25 cm với
độ lệch chuẩn mẫu hiệu chỉnh là 6,25 cm. Có thể cho rằng bộ tộc người
đó có chiều cao trung bình lớn hơn 160 cm hay không (giả sử chiều cao
tuân theo luật phân phối chuẩn và chọn α bằng 0,05)?
Bước 1: Giả thiết: chiều cao của bộ tộc người thiểu số này tuân theo
luật chuẩn với kỳ vọng µ và độ lệch chuẩn σ không biết.
Bước 2: Xây dựng cặp giả thuyết - đối thuyết: H0 : µ = 160 với đối
thuyết 1 phía H1 : µ > 160.
Ví dụ 2
Ví dụ 2: Một nhà nhân chủng học cho rằng chiều cao trung bình của một
bộ tộc người thiểu số lớn hơn 160 cm. Người ta chọn ngẫu nhiên ra 16
người của bộ tộc người đó thì thấy chiều cao trung bình là 164,25 cm với
độ lệch chuẩn mẫu hiệu chỉnh là 6,25 cm. Có thể cho rằng bộ tộc người
đó có chiều cao trung bình lớn hơn 160 cm hay không (giả sử chiều cao
tuân theo luật phân phối chuẩn và chọn α bằng 0,05)?
Bước 1: Giả thiết: chiều cao của bộ tộc người thiểu số này tuân theo
luật chuẩn với kỳ vọng µ và độ lệch chuẩn σ không biết.
Bước 2: Xây dựng cặp giả thuyết - đối thuyết: H0 : µ = 160 với đối
thuyết 1 phía H1 : µ > 160.
Bước 3: Tiêu chuẩn kiểm định:
x̄ − µ0 164, 25 − 160
Ktn = √ = √ = 1, 36
s/ n 6, 25/ 16
Ví dụ 2
Ví dụ 2
Ví dụ 2
phối chuẩn tắc N(0, 1). Khi đó ta so sánh Ktn với phân vị của phân
phối chuẩn tắc để có được quy tắc kiểm định.
phối chuẩn tắc N(0, 1). Khi đó ta so sánh Ktn với phân vị của phân
phối chuẩn tắc để có được quy tắc kiểm định.
Miền tới hạn (miền bác bỏ H0 ):
Đối thuyết H1 : µ1 − µ2 > 0: thì Bα = (Z1−α ; +∞)
phối chuẩn tắc N(0, 1). Khi đó ta so sánh Ktn với phân vị của phân
phối chuẩn tắc để có được quy tắc kiểm định.
Miền tới hạn (miền bác bỏ H0 ):
Đối thuyết H1 : µ1 − µ2 > 0: thì Bα = (Z1−α ; +∞)
Đối thuyết H1 : µ1 − µ2 : thì Bα = (−∞; −Z1−α )
phối chuẩn tắc N(0, 1). Khi đó ta so sánh Ktn với phân vị của phân
phối chuẩn tắc để có được quy tắc kiểm định.
Miền tới hạn (miền bác bỏ H0 ):
Đối thuyết H1 : µ1 − µ2 > 0: thì Bα = (Z1−α ; +∞)
Đối thuyết H1 : µ1 − µ2 : thì Bα = (−∞; −Z1−α )
Đối thuyết H1 : µ1 − µ2 6= 0: thì
Bα = (−∞; −Z1−α/2 ) ∪ (Z1−α/2 ; +∞)
Trường hợp 2: ta không biết 2 phương sai tổng thể σ12 , σ22 nhưng kích
thước 2 mẫu đủ lớn (n, m > 30).
Tiêu chuẩn kiểm định là K = rx̄−ȳ , với s12 và s22 lần lượt là phương
s2 s2
1+ 2
n m
Trường hợp 2: ta không biết 2 phương sai tổng thể σ12 , σ22 nhưng kích
thước 2 mẫu đủ lớn (n, m > 30).
Tiêu chuẩn kiểm định là K = rx̄−ȳ , với s12 và s22 lần lượt là phương
s2 s2
1+ 2
n m
Trường hợp 3: ta không biết 2 phương sai tổng thể σ12 , σ22 và n, m khá bé
nhưng giả thiết 2 phương sai bằng nhau (σ12 = σ22 )
(n−1)s12 +(m−1)s22
Tiêu chuẩn kiểm định là K = q x̄−ȳ , với s 2 = n+m−2
s 2 n1 + m
1
Trường hợp 3: ta không biết 2 phương sai tổng thể σ12 , σ22 và n, m khá bé
nhưng giả thiết 2 phương sai bằng nhau (σ12 = σ22 )
(n−1)s12 +(m−1)s22
Tiêu chuẩn kiểm định là K = q x̄−ȳ , với s 2 = n+m−2
s 2 n1 + m
1
Trường hợp 3: ta không biết 2 phương sai tổng thể σ12 , σ22 và n, m khá bé
nhưng giả thiết 2 phương sai bằng nhau (σ12 = σ22 )
(n−1)s12 +(m−1)s22
Tiêu chuẩn kiểm định là K = q x̄−ȳ , với s 2 = n+m−2
s 2 n1 + m
1
Trường hợp 3: ta không biết 2 phương sai tổng thể σ12 , σ22 và n, m khá bé
nhưng giả thiết 2 phương sai bằng nhau (σ12 = σ22 )
(n−1)s12 +(m−1)s22
Tiêu chuẩn kiểm định là K = q x̄−ȳ , với s 2 = n+m−2
s 2 n1 + m
1
Ví dụ 3
Người ta muốn nghiên cứu xem cách thiết kế công việc (đề cập đến các
chuyển động của công nhân) có ảnh hưởng đến năng suất của công nhân
hay không. Hai thiết kế công việc đang được xem xét để sản xuất bàn máy
tính mới. Hai mẫu được chọn ngẫu nhiên và độc lập: mẫu gồm 25 công
nhân lắp ráp bàn theo thiết kế A và mẫu gồm 25 công nhân lắp ráp bàn
theo thiết kế B. Thời gian lắp ráp được ghi lại. Hỏi rằng thời gian lắp ráp
trung bình theo hai thiết kế có khác nhau ở mức ý nghĩa α = 5% không?
Ví dụ 3
Gọi µ1 , µ2 lần lượt là thời gian lắp ráp trung bình theo hai thiết kế A
và B. Ta kiểm định cặp giả thuyết - đối thuyết: H0 : µ1 − µ2 = 0 với
H1 : µ1 − µ2 6= 0
Ví dụ 3
Gọi µ1 , µ2 lần lượt là thời gian lắp ráp trung bình theo hai thiết kế A
và B. Ta kiểm định cặp giả thuyết - đối thuyết: H0 : µ1 − µ2 = 0 với
H1 : µ1 − µ2 6= 0
Ta có n = m = 25 chưa đủ lớn;
x̄ = 6.288; ȳ = 6.016; s12 = 0.814; s22 = 1.251
Ví dụ 3
Gọi µ1 , µ2 lần lượt là thời gian lắp ráp trung bình theo hai thiết kế A
và B. Ta kiểm định cặp giả thuyết - đối thuyết: H0 : µ1 − µ2 = 0 với
H1 : µ1 − µ2 6= 0
Ta có n = m = 25 chưa đủ lớn;
x̄ = 6.288; ȳ = 6.016; s12 = 0.814; s22 = 1.251
Ta có thể giả sử 2 phương sai của tổng thể bằng nhau, nên ta tính
phương sai chung là
(n − 1)s12 + (m − 1)s22
s2 = = 1.0324
n+m−2
Ví dụ 3
Gọi µ1 , µ2 lần lượt là thời gian lắp ráp trung bình theo hai thiết kế A
và B. Ta kiểm định cặp giả thuyết - đối thuyết: H0 : µ1 − µ2 = 0 với
H1 : µ1 − µ2 6= 0
Ta có n = m = 25 chưa đủ lớn;
x̄ = 6.288; ȳ = 6.016; s12 = 0.814; s22 = 1.251
Ta có thể giả sử 2 phương sai của tổng thể bằng nhau, nên ta tính
phương sai chung là
(n − 1)s12 + (m − 1)s22
s2 = = 1.0324
n+m−2
Ví dụ 3
Ví dụ 3
Ví dụ 3
Chú ý:
Nếu kích thước 2 mẫu đủ lớn (n, m>30), ta có thể bỏ giả thiết chuẩn
của đầu bài.
Chú ý:
Nếu kích thước 2 mẫu đủ lớn (n, m>30), ta có thể bỏ giả thiết chuẩn
của đầu bài.
Để ý là hai đối thuyết µ1 < µ2 và µ1 > µ2 dễ dàng chuyển đổi cho
nhau bằng cách thay đổi thứ tự của hai mẫu.
Chú ý:
Nếu kích thước 2 mẫu đủ lớn (n, m>30), ta có thể bỏ giả thiết chuẩn
của đầu bài.
Để ý là hai đối thuyết µ1 < µ2 và µ1 > µ2 dễ dàng chuyển đổi cho
nhau bằng cách thay đổi thứ tự của hai mẫu.
Nếu 2 mẫu phụ thuộc được lấy theo cặp (xi , yi ) thì ta thiết lập hiệu
zi = xi − yi và đưa về kiểm định một giá trị trung bình với
H0 : µ = E (Z ) = 0. Trường hợp này gọi là so sánh cặp đôi.