Chương 3 - Bài Toán Kiểm Định Giả Thuyết

CHƯƠNG III
BÀI TOÁN KIỂM ĐỊNH GIẢ THUYẾT
Khoa Toán - Tin

Trường Đại học Sư Phạm Hà Nội
Khoa Toán - Tin BÀI TOÁN KIỂM ĐỊNH GIẢ thuyết Năm học 2023-2024 1 / 61
3.1. Giới thiệu bài toán kiểm định giả thuyết
Mô hình bài toán kiểm định giả thuyết
Định nghĩa
Xét một biến ngẫu nhiên X có hàm mật độ f (x; θ) trong đó tham số
θ ∈ Θ chưa biết.
Giả sử ta nghi ngờ, dựa trên lý thuyết hoặc một thí nghiệm ban đầu, rằng
θ ∈ Θ0 hoặc θ ∈ Θ1 trong đó Θ0 và Θ1 là các tập con rời nhau của Θ và
Θ0 ∪ Θ1 = Θ.
Khi đó, ta đặt giả thuyết như sau:
H0 : θ ∈ Θ0 và H1 : θ ∈ Θ1 .
H0 được gọi là giả thuyết không;

H1 được gọi là đối thuyết.
Mô hình bài toán kiểm định giả thuyết...
Định nghĩa
Một giả thuyết có dạng θ = θ0 được gọi là một giả thuyết đơn.
Một bài toán kiểm định có dạng
H0 : θ = θ 0 và H1 : θ 6= θ0
được gọi là bài toán kiểm định hai phía.
Định nghĩa
Một giả thuyết có dạng θ > θ0 hoặc θ < θ0 được gọi là một giả thuyết
hợp.
Một bài toán kiểm định có dạng
H 0 : θ ≤ θ0 và H1 : θ > θ0 ,
hoặc
H0 : θ ≥ θ0 và H1 : θ < θ0
được gọi là bài toán kiểm định một phía.
Thông thường, giả thuyết không biểu diễn sự không thay đổi hoặc sự
không phân biệt từ quá khứ trong khi đối thuyết biểu diễn sự thay đổi hoặc
sự phân biệt. Đối thuyết thường là giả thuyết của những nhà nghiên cứu.
Việc quyết định lấy H0 hay H1 sẽ dựa trên một mẫu ngẫu nhiên
(X1 , . . . , Xn ) quan sát được từ phân phối của X và do đó, quyết định đấy
có thể đúng hoặc sai. Khi đó, có hai loại sai lầm ta thường gặp phải:
Bác bỏ H0 khi H0 đúng: sai lầm loại 1;
Chấp nhận H0 khi H0 sai: sai lầm loại 2.
Bảng: Quy tắc quyết định cho một kiểm định giả thuyết
Quyết định H0 đúng H1 đúng

Bác bỏ H0 Sai lầm loại 1 Quyết định đúng
Chấp nhận H0 Quyết định đúng Sai lầm loại 2
Định nghĩa
Kí hiệu D là không gian mẫu. Việc kiểm định H0 đúng hay sai được dựa
trên một tập con C của D. Tập C được gọi là miền bác bỏ của bài toán
kiểm định và nguyên tắc quyết định tương ứng với tập C là:
Bác bỏ H0 (Chấp nhận H1 ) nếu (X1 , . . . , Xn ) ∈ C ;
Chấp nhận H0 (Bác bỏ H1 ) nếu (X1 , . . . , Xn ) 6∈ C .
Ý tưởng
Để giải quyết bài toán, ta cần chọn một miền bác bỏ mà làm cực tiểu xác
suất mắc hai loại sai lầm.
Tuy nhiên, ta không thể làm cực tiểu xác suất mắc sai lầm loại 1 và 2
cùng lúc được bởi vì: nếu lấy C = ∅ thì H0 không bao giờ bị bác bỏ do đó
xác suất mắc sai lầm loại 1 bằng 0, nhưng sai lầm loại 2 xảy ra với xác
suất bằng 1.
Vì sai lầm loại 1 luôn xấu hơn sai lầm loại 2 nên ta sẽ chọn một miền bác
bỏ sao cho
cố định xác suất mắc sai lầm loại 1 tại một mức nào đó;
cực tiểu xác suất xảy ra sai lầm loại 2.
Định nghĩa
Một miền bác bỏ C được gọi là có mức α nếu
α = max Pθ [(X1 , . . . , Xn ) ∈ C ].
θ∈Θ0
α được gọi là mức ý nghĩa của bài toán kiểm định với miền bác bỏ C .
Định nghĩa
Trong tất cả các miền bác bỏ có mức α, ta sẽ tìm miền có xác suất mắc
sai lầm loại 2 nhỏ nhất. Nghĩa là, với θ ∈ Θ1 , ta cần tìm cực đại của
1 − Pθ [Sai lầm loại 2] = Pθ [(X1 , . . . , Xn ) ∈ C ].
Xác suất ở vế phải được gọi là lực lượng của kiểm định tại θ. Do đó, ta
cần tìm trong số tất cả các miền bác bỏ có mức α miền nào có lực lượng
cao nhất.
Khi đó, hàm lực lượng của một miền bác bỏ xác định bởi
γC (θ) = Pθ [(X1 , . . . , Xn ) ∈ C ], θ ∈ Θ1 .
Ví dụ
Giả sử (X1 , . . . , Xn ) là một mẫu ngẫu nhiên quan sát được từ phân phối
chuẩn N (µ, 1) với tham số µ chưa biết.
Xét bài toán kiểm định
H0 : µ = µ 0 và H1 : µ = µ1 ,
trong đó µ0 < µ1 đã được xác định.

Xét một miền bác bỏ C có dạng
n
( )
1X
C= xn = xi > k .
n
i=1
Ví dụ
1
Vì X n ∼ N µ, nên mức ý nghĩa của miền bác bỏ là
n
h i √
α = Pµ0 X n > k = 1 − Φ n(k − µ0 ) .
Hàm lực lượng của miền tới hạn C là

h i √
γC (µ1 ) = Pµ1 X n > k = 1 − Φ n(k − µ1 ) .
Khi đó, nếu µ0 = 0, µ1 = 1, n = 100 thì tại mức ý nghĩa 5%, ta sẽ bác bỏ
H0 ủng hộ H1 nếu X n > 0.1965 và lực lượng của kiểm định là
1 − Φ(−8.135) = 0.9999.
Ví dụ
Cho (X1 , . . . , Xn ) là một mẫu ngẫu nhiên quan sát được từ phân phối của
X với kì vọng µ và phương sai σ 2 hữu hạn. Ta muốn kiểm định giả thuyết
H0 : µ = µ 0 và H1 : µ > µ0
trong đó µ0 là hằng số xác định.

P
Vì X n → µ nên một nguyên tắc quyết định cho bài toán kiểm định là
"Bác bỏ H0 , chấp nhận H1 nếu X n đủ lớn so với µ0 ".
Để tìm miền bác bỏ cho bài toán, ta sẽ sử dụng định lý giới hạn trung tâm.
Ví dụ
Ta có
Xn − µ d
√ → N (0, 1),
s/ n
Suy ra, một kiểm định với mức ý nghĩa α là:
X n − µ0
"Bác bỏ H0 , chấp nhận H1 nếu √ ≥ zα ."
s/ n
Mặt khác, lực lượng của kiểm định cũng được xấp xỉ bằng định lý giới hạn
trung tâm
√
σ n(µ0 − µ)
γ(µ) = P X n ≥ µ0 + zα √ ≈ Φ − zα − .
n σ
Ví dụ
Do đó, nếu ta có thông tin nào đó chấp nhận được về giá trị của σ, ta có
thể tính được xấp xỉ cho hàm lực lượng.
Xn − µ
Chú ý, nếu X có phân phối chuẩn thì √ có phân phối Student t với
s/ n
bậc tự do n − 1. Do đó, ta có một kiểm định với mức ý nghĩa α là:
Xn − µ
"Bác bỏ H0 , chấp nhận H1 nếu T = √ ≥ tα,n−1 ”,
s/ n
trong đó tα,n−1 là phân vị mức α trên của phân phối Student t với bậc tự
do n − 1.
Định nghĩa
P-value là mức ý nghĩa nhỏ nhất làm bác bỏ giả thuyết không H0 với dữ
liệu cho trước.
Nhận xét
Nếu α > P−value, ta sẽ bác bỏ H0 chấp nhận H1 , ngược lại nếu
α < P−value, ta sẽ chấp nhận H0 bác bỏ H1 .
3.2. Các phương pháp kiểm định
Phương pháp kiểm định tỉ số hợp lý
Định nghĩa
Cho L(x; θ) là hàm hợp lý của mẫu ngẫu nhiên (X1 , . . . , Xn ) quan sát được
từ một phân phối có hàm mật độ f (x; θ).
Xét bài toán kiểm định giả thuyết
H0 : θ ∈ Θ0 và H1 : θ ∈ Θ1 .
Thống kê kiểm định tỉ số hợp lý của bài toán kiểm định là:
supθ∈Θ0 L(X; θ)
λ(X) = .
supθ∈Θ L(X; θ)
Khi đó, kiểm định tỉ số hợp lý là một kiểm định mà miền bác bỏ có dạng:
C = {x = (x1 , ..., xn ) : λ(x) ≤ c} với c ∈ [0, 1].
Phương pháp kiểm định tỉ số hợp lý...
Ví dụ
Cho (X1 , . . . , Xn ) là một mẫu ngẫu nhiên quan sát được từ phân phối mũ
Exp(θ), trong đó θ > 0 chưa biết.
Xét bài toán kiểm định giả thuyết:
H0 : θ = θ0 và H1 : θ 6= θ0
trong đó, θ0 > 0 là một giá trị đã xác định.

Khi đó, thống kê kiểm định tỉ số hợp lý là:
n
n Xn
λ(X) = e e −nX n /θ0 .
θ0
Ví dụ
Quy tắc quyết định bác bỏ H0 là:
λ(X) ≤ c khi và chỉ khi X n ≤ c1 θ0 hoặc X n ≥ c2 θ0 ,
với các hằng số dương c1 , c2 nào đó.

n
2 X
Chú ý: dưới giả thuyết H0 , thống kê Xi có phân phối khi bình
θ0
i=1
phương χ2 với bậc tự do 2n.
Ví dụ
Do đó, với mức ý nghĩa α, quy tắc quyết định của bài toán là:
n n
2 X 2 2 X
"Bác bỏ H0 nếu Xi ≤ χ1−α/2 (2n) hoặc Xi ≥ χ2α/2 (2n)"
θ0 θ0
i=1 i=1
trong đó, χ21−α/2 (2n) là phân vị mức α/2 dưới của phân phối χ2 với bậc
tự do 2n và χ2α/2 (2n) là phân vị mức α/2 trên của phân phối χ2 với bậc
tự do 2n.
Chú ý
Nếu ϕ(X) là một thống kê đủ cho θ với hàm mật độ g (t; θ) thì ta có thể
xem xét việc xây dựng một kiểm định tỉ số hợp lý dựa trên ϕ và hàm hợp
lý của nó L∗ (t; θ) = g (t; θ) hơn là dựa trên mẫu X và hàm hợp lý của nó
L(x; θ).
Định lý
Nếu T (X) là một thống kê đủ cho θ và λ∗ (t) và λ(x) lần lượt là các
thống kê tỉ số hợp lý dựa trên ϕ và X thì λ∗ (T (x)) = λ(x) với mọi x
thuộc không gian mẫu.
Chứng minh
Vì T (X) là một thống kê đủ nên theo tiêu chuẩn Neyman, hàm mật độ
của mẫu ngẫu nhiên X có thể được biểu diễn thành
f (x; θ) = g (T (x); θ)h(x)
trong đó, g (t; θ) là hàm mật độ của T và h(x) không phụ thuộc vào θ.
Do đó,
supΘ0 L(x; θ) supΘ0 f (x; θ) supΘ0 g (T (x); θ)h(x)
λ(x) = = =
supΘ L(x; θ) supΘ f (x; θ) supΘ g (T (x); θ)h(x)
∗
supΘ0 L (T (x); θ)
= = λ∗ (T (x)).
supΘ L∗ (x; θ)
Phương pháp tiêu chuẩn đánh giá
Định nghĩa
Giả sử X = (X1 , . . . , Xn ) là một mẫu ngẫu nhiên quan sát được từ phân
phối của X có hàm mật độ f (x; θ), trong đó θ ∈ Θ = {θ0 ; θ1 }.
Xét bài toán kiểm định giả thuyết:
H0 : θ = θ0 và H1 : θ = θ1
Một tập con C của không gian mẫu được gọi là một miền bác bỏ tốt nhất
với mức ý nghĩa α cho bài toán kiểm định nếu:
Pθ0 [X ∈ C ] = α;
Với mọi tập con A của không gian mẫu
Pθ0 [X ∈ A] = α suy ra Pθ1 [X ∈ C ] ≥ Pθ1 [X ∈ A].
Phương pháp tiêu chuẩn đánh giá...
Định lý Neyman và Pearson

Cho (X1 , . . . , Xn ) là một mẫu ngẫu nhiên quan sát được từ một phân phối
có hàm mật độ f (x; θ), trong đó Θ = {θ0 , θ1 } và k là một số dương. Gọi
C là một tập con của không gian mẫu sao cho
L(x; θ0 )
a ≤ k với mỗi x ∈ C ;
L(x; θ1 )
L(x; θ0 )
b ≥ k với mỗi x ∈ D\C ;
L(x; θ1 )
c α = Pθ0 [X ∈ C ].
Khi đó, C là miền bác bỏ tốt nhất với mức ý nghĩa α cho bài toán kiểm
định giả thuyết
H0 : θ = θ0 và H1 : θ = θ1 .
Chứng minh
Giả sử A là một miền bác bỏ với mức ý nghĩa α khác, ta sẽ chứng minh:
Z Z
L(x; θ1 )dx ≥ L(x; θ1 )dx.
C A
Ta có:
C = (C ∩ A) ∪ (C ∩ Ac ) và A = (A ∩ C ) ∪ (A ∩ C c ).
Khi đó,
Z Z Z Z
L(x; θ1 )dx − L(x; θ1 )dx = L(x; θ1 )dx − L(x; θ1 )dx
C A ∩Ac
CZ A∩CZc
1 1
≥ L(x; θ0 )dx − L(x; θ0 )dx.
k C ∩Ac k A∩C c
Chứng minh
Hơn nữa, ta có
Z Z Z Z
L(x; θ0 )dx − L(x; θ0 )dx = L(x; θ0 )dx − L(x; θ0 )dx
C ∩Ac A∩C c C A
= α − α = 0.
Ta có điều phải chứng minh.
Ví dụ
Cho X = (X1 , . . . , Xn ) là một mẫu ngẫu nhiên quan sát được từ phân phối
N (θ, 1).
Xét bài toán kiểm định giả thuyết đơn
H0 : θ = 0 và H1 : θ = 1.
Tìm miền bác bỏ tốt nhất cho bài toán kiểm định với mức ý nghĩa α.
Định nghĩa
Một miền bác bỏ C được gọi là miền bác bỏ mạnh đều nhất với mức ý
nghĩa α cho bài toán kiểm định giả thuyết đơn H0 với đối thuyết hợp H1
nếu tập C là một miền bác bỏ tốt nhất với mức ý nghĩa α cho bài toán
kiểm định giả thuyết đơn H0 với mỗi đối thuyết đơn trong H1 .
Một kiểm định được xác định bởi miền bác bỏ C được gọi là một kiểm
định mạnh đều nhất với mức ý nghĩa α cho bài toán kiểm định giả thuyết
đơn H0 với đối thuyết hợp H1 .
Ví dụ
Cho (X1 , X2 , . . . , Xn ) là một mẫu ngẫu nhiên từ phân phối N (0, θ), trong
đó phương sai θ là một số dương chưa biết. Ta sẽ chỉ ra rằng tồn tại một
tiêu chuẩn mạnh đều nhất với mức ý nghĩa α cho kiểm định
H0 : θ = θ 0 và H1 : θ > θ 0 .
Ví dụ
Cho (X1 , . . . , Xn ) là một mẫu ngẫu nhiên từ phân phối chuẩn N (a, 1),
trong đó a chưa biết. Ta sẽ chỉ ra rằng không tồn tại tiêu chuẩn mạnh đều
nhất của bài toán kiểm định
H0 : a = a0 và H1 : a 6= a0 .
Phương pháp kiểm định tỉ số hợp lý đơn điệu
Xét bài toán kiểm định giả thuyết một phía có dạng
H 0 : θ ≤ θ0 và H1 : θ > θ0 .
Định nghĩa
Cho X = (X1 , . . . , Xn ) là một mẫu ngẫu nhiên quan sát được từ hàm mật
Yn
độ f (x; θ), θ ∈ Θ. Hàm hợp lý L(x; θ) = f (xi ; θ) được gọi là có tỉ số
i=1
hợp lý đơn điệu theo thống kê Y = u(X) nếu với mọi θ1 < θ2 , tỉ số
L(x; θ1 )
L(x; θ2 )
là một hàm đơn điệu đối với hàm u(x).

Phương pháp kiểm định tỉ số hợp lý đơn điệu...
Định lý
Giả sử rằng L(x; θ) có một tỉ số hợp lý đơn điệu giảm theo thống kê
Y = u(X). Tiêu chuẩn mạnh đều nhất mức α cho bài toán kiểm định giả
thuyết
H0 : θ ≤ θ0 và H1 : θ > θ0
là:
”Bác bỏ H0 nếu u(x) ≥ c, ”
trong đó c được xác định bởi α = Pθ0 [u(X) ≥ c].
Nhận xét
Trong trường hợp L(x; θ) có một tỉ số hợp lý đơn điệu tăng theo thống kê
Y = u(x), ta có thể xây dựng một tiêu chuẩn mạnh đều nhất một cách
tương tự.
Ví dụ
Cho X1 , . . . , Xn là một mẫu ngẫu nhiên quan sát được từ một phân phối
Bernoulli với tham số p = θ, trong đó 0 < θ < 1. Giả sử θ0 < θ1 . Xét tỉ số
hợp lý: P
L(x1 , . . . , xn ; θ0 ) θ0 (1 − θ1 ) xi 1 − θ0 n
= .
L(x1 , . . . , xn ; θ1 ) θ1 (1 − θ0 ) 1 − θ1
θ0 (1 − θ1 )
Bởi vì < 1 nên tỉ số trên là một hàm không giảm của
Xθ1 (1 − θ0 )
y= xi . Do đó, ta có một tỉ số hợp lý đơn điệu theo thống kê
X
Y = Xi .
Ví dụ
Cho X1 , . . . , Xn là một mẫu ngẫu nhiên quan sát được từ một phân phối
Bernoulli với tham số p = θ, trong đó 0 < θ < 1. Giả sử θ0 < θ1 . Xét tỉ số
hợp lý: P
L(x1 , . . . , xn ; θ0 ) θ0 (1 − θ1 ) xi 1 − θ0 n
= .
L(x1 , . . . , xn ; θ1 ) θ1 (1 − θ0 ) 1 − θ1
θ0 (1 − θ1 )
Bởi vì < 1 nên tỉ số trên là một hàm không giảm của
Xθ1 (1 − θ0 )
y= xi . Do đó, ta có một tỉ số hợp lý đơn điệu theo thống kê
X
Y = Xi .
Ví dụ
Xét bài toán
H0 : θ < θ 0 và H1 : θ > θ 0 .
Quy tắc quyết định mạnh đều nhất mức α được xác định bởi
n
X
Bác bỏ H0 nếu Y = Xi ≥ c,
i=1
trong đó c là hằng số sao cho α = Pθ0 [Y ≥ c].
3.3. Một số bài toán kiểm định
một tham số thường gặp
Bài toán kiểm định giả thuyết cho giá trị trung bình
Bài toán 1: Kiểm định giả thuyết cho giá trị trung bình với phương sai σ 2
đã biết
Giả sử quần thể X có phân phối chuẩn N (µ, σ 2 ) với σ 2 đã biết.
đã biết
Giả thuyết H0 : µ = µ0 .
đã biết
x − µ0
Thống kê kiểm định: Z0 = √
σ/ n
đã biết
x − µ0
σ/ n
Đối thuyết Tiêu chuẩn bác bỏ H0 Miền tiêu chuẩn
ở mức ý nghĩa α
H1 : µ 6= µ0 |Z0 | > zα/2 S = (−∞; −zα/2 ) ∪ (zα/2 ; +∞)
H1 : µ > µ0 Z0 > z α S = (zα ; +∞)
H1 : µ < µ0 Z0 < −zα S = (−∞; −zα )
Bài toán kiểm định giả thuyết cho giá trị trung bình...
Bài toán 2: Kiểm định giả thuyết cho giá trị trung bình với mẫu cỡ lớn
Giả sử mẫu ngẫu nhiên có cỡ mẫu n ≥ 30.
x − µ0
s/ n
x − µ0
s/ n
Đối thuyết Tiêu chuẩn bác bỏ H0 Miền tiêu chuẩn
H1 : µ 6= µ0 |Z0 | > zα/2 S = (−∞; zα/2 ) ∪ (zα/2 ; +∞)
H1 : µ > µ0 Z0 > z α S = (zα ; +∞)
H1 : µ < µ0 Z0 < −zα S = (−∞; −zα )
Bài toán 3: Kiểm định giả thuyết cho giá trị trung bình với mẫu cỡ nhỏ
Giả sử quần thể X có phân phối chuẩn N (µ, σ 2 ) với σ 2 chưa biết. Mẫu số
liệu mà ta thu được có cỡ nhỏ (n ≤ 30).
x − µ0
Thống kê kiểm định: T0 = √
s/ n
x − µ0
Thống kê kiểm định: T0 = √
s/ n
Đối thuyết Tiêu chuẩn bác bỏ H0 Miền tiêu chuẩn S
H1 : µ 6= µ0 |T0 | > tα/2;n−1 S = (−∞; −tα/2;n−1 ) ∪ (tα/2;n−
H1 : µ > µ0 T0 > tα;n−1 S(tα;n−1 ; +∞)
H1 : µ < µ0 T0 < −tα;n−1 S = (−∞; −tα;n−1 )
Bài toán kiểm định giả thuyết cho tỉ lệ
Giả sử ta cần quan tâm đến p là tỉ lệ số phần tử có cùng tính chất A nào
đó của quần thể X .
Cụ thể, ta cần so sánh p với số p0 cho trước.
Giả thuyết H0 : p = p0 .
(fn − p0 ) √
Thống kê kiểm định: Z0 = p n
p0 (1 − p0 )
(fn − p0 ) √
p0 (1 − p0 )
nA
trong đó, fn = là tần suất của số phần tử có cùng tính chất A
n
trong mẫu.
(fn − p0 ) √
p0 (1 − p0 )
nA
trong đó, fn = là tần suất của số phần tử có cùng tính chất A
n
trong mẫu.
Đối thuyết Tiêu chuẩn bác bỏ Miền tiêu chuẩn S
H1 : p 6= p0 |Z0 | > zα/2 S = (−∞; −zα/2 ) ∪ (zα/2 ; +∞)
H1 : p > p 0 Z0 > zα S = (zα ; +∞)
H1 : p < p 0 Z0 < −zα S = (−∞; −zα )
Bài toán kiểm định giả thuyết cho hiệu hai giá trị trung
bình
Bài toán 1: Kiểm định giả thuyết cho hiệu hai giá trị trung bình của phân
phối chuẩn với phương sai đã biết
Giả sử ta cần kiểm định giả thuyết cho hiệu hai giá trị trung bình
(µX − µY ) của hai phân phối chuẩn, trong đó hai phương sai σX2 và σY2 đã
biết. Khi đó, các bài toán kiểm định giả thuyết cho hiệu hai giá trị trung
bình (µX − µY ) như sau:
bình
phối chuẩn với phương sai đã biết
(µX − µY ) của hai phân phối chuẩn, trong đó hai phương sai σX2 và σY2 đã
biết. Khi đó, các bài toán kiểm định giả thuyết cho hiệu hai giá trị trung
bình (µX − µY ) như sau:
giả thuyết H0 : µX − µY = ∆0 .
(x − y ) − ∆0
Thống kê kiểm định: Z = q 2
σX σY2
nX + nY
Đối thuyết Tiêu chuẩn bác bỏ

H1 : µX − µY 6= ∆0 |z| > zα/2
H1 : µ X − µ Y > ∆ 0 z > zα
Khoa Toán - Tin
− TOÁN
H1 : µX BÀI µY < ∆0 GIẢ thuyếtz < −zα Năm học 2023-2024
KIỂM ĐỊNH 43 / 61
3.4. Một số bài toán kiểm định hai tham số thường gặp
bình...
bình...
phối chuẩn với phương sai chưa biết
(µX − µY ) của hai phân phối chuẩn, trong đó hai phương sai
σX2 = σY2 = σ 2 chưa biết. Khi đó, các bài toán kiểm định giả thuyết cho
hiệu hai giá trị trung bình (µX − µY ) như sau:
bình...
phối chuẩn với phương sai chưa biết
(µX − µY ) của hai phân phối chuẩn, trong đó hai phương sai
σX2 = σY2 = σ 2 chưa biết. Khi đó, các bài toán kiểm định giả thuyết cho
hiệu hai giá trị trung bình (µX − µY ) như sau:
Giả thuyết H0 : µX − µY = ∆0 .
(x − y ) − ∆0
Thống kê kiểm định: T = q .
(nX −1)sX2 +(nY −1)sY2
q
1 1
nX +nY −2 nX + nY

H1 : µX − µY 6= ∆0 |T | > tα/2,nX +nY −2
H1 : µ X − µ Y > ∆ 0 T > tα,nX +nY −2
Khoa Toán - Tin −µ
H1 : µX BÀI TOÁN< ∆ 0
Y KIỂM ĐỊNH T < −tα,nX +nYNăm
GIẢ thuyết −2 học 2023-2024 45 / 61
bình...
Bài toán 3: Kiểm định giả thuyết cho hiệu hai giá trị trung bình của mẫu
ghép cặp
(µX − µY ) của cặp quần thể (X ; Y ). Khi đó, các bài toán kiểm định giả
thuyết cho hiệu hai giá trị trung bình (µX − µY ) như sau:
bình...
Bài toán 3: Kiểm định giả thuyết cho hiệu hai giá trị trung bình của mẫu
ghép cặp
(µX − µY ) của cặp quần thể (X ; Y ). Khi đó, các bài toán kiểm định giả
thuyết cho hiệu hai giá trị trung bình (µX − µY ) như sau:
Giả thuyết H0 : µX − µY = ∆0 .
Đặt Dj = Xj − Yj , j = 1, 2, . . . n.
D − ∆0
Thống kê kiểm định: T = √ .
sD / n
H1 : µD 6= ∆0 |T | > tα/2,n−1
H1 : µ D > ∆ 0 T > tα,n−1
H1 : µ D < ∆ 0 T < −tα,n−1
Bài toán kiểm định giả thuyết cho hiệu hai tỉ lệ
Giả sử ta cần kiểm định giả thuyết cho (pX − pY ) là hiệu hai tỉ lệ của số
phần tử có cùng tính chất A nào đó của hai quần thể X và Y . Giả sử
pbX , pbY là tỉ lệ số phần tử có cùng tính chất A trong hai mẫu. Khi đó, các
bài toán kiểm định giả thuyết cho hiệu hai tỉ lệ (pX − pY ) như sau:
Giả sử ta cần kiểm định giả thuyết cho (pX − pY ) là hiệu hai tỉ lệ của số
phần tử có cùng tính chất A nào đó của hai quần thể X và Y . Giả sử
pbX , pbY là tỉ lệ số phần tử có cùng tính chất A trong hai mẫu. Khi đó, các
bài toán kiểm định giả thuyết cho hiệu hai tỉ lệ (pX − pY ) như sau:
Giả thuyết H0 : pX = pY .
pbX − pbY
Thống kê kiểm định: Z = s với
nX + nY
pb(1 − pb)
nX nY
kX + kY
pb = .
nX + nY
H1 : pX 6= pY |z| > zα/2
H1 : pX > pY z > zα
H1 : pX < pY z < −zα
3.5. Một số bài toán kiểm định phi tham số
Bài toán kiểm định tính phù hợp
Tình huống thực tế

Số lỗi trong in ấn có phải là một ĐLNN có phân phối Poisson không?

Chỉ số IQ của người có phải là ĐLNN có phân phối chuẩn hay không?

Chỉ số IQ của người có phải là ĐLNN có phân phối chuẩn hay không?
Phân phối chuẩn có phù hợp để mô hình hóa việc nghiên cứu sai số
trong đo đạc thiên văn hay không?
Bài toán kiểm định tính phù hợp...
Mô hình bài toán

Cho một BNN X có hàm phân phối F (x) chưa biết. Khi đó, ta có bài toán
kiểm định tính phù hợp về phân phối của X như sau:
Mô hình bài toán

Cho một BNN X có hàm phân phối F (x) chưa biết. Khi đó, ta có bài toán
kiểm định tính phù hợp về phân phối của X như sau:
Giả thuyết H0 : BNN X có phân phối F0 (x);
Đối thuyết H1 : BNN X không có phân phối F0 (x).
1 Điều tra một mẫu ngẫu nhiên x1 , x2 , ..., xn quan sát được từ BNN X .
Chia miền giá trị của X thành k khoảng không giao nhau
S1 , S2 , ..., Sk . Kí hiệu ni là số giá trị của mẫu thuộc vào khoảng Si .
2 Nếu giả thuyết H0 là đúng thì khi đó X có phân phối F0 , từ đó ta
tính được các xác suất:
pi = P[X ∈ Si ] i = 1, 2, ..., k.
pi = P[X ∈ Si ] i = 1, 2, ..., k.
k
X
2(ni − npi )2
3 Thống kê kiểm định: χ =
npi
i=1
pi = P[X ∈ Si ] i = 1, 2, ..., k.
k
X (ni − npi )2
2
3 Thống kê kiểm định: χ =
npi
i=1
4 Tiêu chuẩn bác bỏ:

Nếu χ2 > χ2α,k−1 thì bác bỏ H0 , chấp nhận H1 ;
Nếu χ2 < χ2α,k−1 thì chấp nhận H0 , bác bỏ H1 .
Ví dụ
Gieo đồng thời hai xúc xắc 216 lần và đếm số các mặt 6 chấm xuất hiện
trong từng lần gieo. Kết quả thu được như sau:
Số mặt 6 chấm 0 1 2
Tần số 130 76 10
Với mức ý nghĩa 5%, hãy kiểm định giả thuyết: số mặt sáu chấm xuất hiện
1
ở mỗi lần gieo có phân phối nhị thức B(n = 2; p = ).
6
Lời giải
1 Bài toán cần kiểm định:
1
H0 : Số mặt sáu chấm xuất hiện ở mỗi lần gieo có phân phối B(2; ),
6
H1 : Số mặt sáu chấm xuất hiện ở mỗi lần gieo không có phân phối
1
B(2; ).
6
Lời giải
1
H0 : Số mặt sáu chấm xuất hiện ở mỗi lần gieo có phân phối B(2; ),
6
H1 : Số mặt sáu chấm xuất hiện ở mỗi lần gieo không có phân phối
1
B(2; ).
6
2 Theo đề bài, cỡ mẫu n = 216 và X (Ω) = {0, 1, 2}. Khi đó, nếu
1
X ∼ B(2; ) thì ta có:
6
25 10 1
p1 = P[X = 0] = ; p2 = P[X = 1] = ; p3 = P[X = 2] =
36 36 36
3 Thống kê kiểm định:

25 2 10 2 1 2

130 − 216. 76 − 216. 10 − 216.
36 36 36
χ2 = + + = 9, 6
25 10 1
216. 216. 216.
36 36 36
4 Mức ý nghĩa α = 5% nên χ2α;k−1 = χ20,05;2 = 5, 991.
5 Vì χ2 > χ20,05;2 nên ta bác bỏ H0 để ủng hộ H1 .
Vậy, ta có đủ căn cứ để kết luận số mặt sáu chấm xuất hiện ở mỗi lần
1
gieo không có phân phối B(2; ).
6
Bài toán kiểm định tính độc lập, phụ thuộc

Chiều cao của bố mẹ có ảnh hưởng đến chiều cao của con cái hay
không?

không?
Tỉ lệ thất nghiệp của sinh viên mới ra trường có liên quan đến trường
ĐH mà sinh viên đó theo học hay không?

không?
Tỉ lệ thất nghiệp của sinh viên mới ra trường có liên quan đến trường
ĐH mà sinh viên đó theo học hay không?
Phương pháp dạy học khác nhau có ảnh hưởng đến kết quả của học
sinh hay không?
Bài toán kiểm định tính độc lập, phụ thuộc...
Giả sử mỗi phần tử trong quần thể có thể được phân loại theo hai đặc
tính khác nhau, gọi là đặc tính X và Y, và ta muốn kiểm tra xem hai đặc
tính này có độc lập hay không. Giả sử mẫu dữ liệu được cho bởi bảng sau:
Y X
1 2 ... n
X
1 N11 N12 ... N1n N10
2 N21 N22 ... N2n N20
... ... ... ... ... ...
m Nm1 Nm2 ... Nmn Nm0
X
N01 N02 ... N0n N
Bài toán
Khi đó, bài toán kiểm định tính độc lập như sau:
Giả thuyết H0 : X , Y độc lập.
Ni0 N0j 2

m X n N ij −
X N
Thống kê kiểm định: χ2 = .
Ni0 N0j
i=1 j=1
N
Tiêu chuẩn bác bỏ:
Nếu χ2 > χ2α,(n−1)(m−1) thì bác bỏ H0 : độc lập, chấp nhận H1 : phụ
thuộc.
Nếu χ2 < χ2α,(n−1)(m−1) thì chấp nhận H0 : độc lập, bác bỏ H1 : phụ
thuộc.
Ví dụ
Nghiên cứu tình trạng hôn nhân trước ngày cưới của 542 cặp vợ chồng, ta
có bảng dữ liệu sau:
Vợ
Chưa kết hôn Ly hôn Góa
Chồng
Chưa kết hôn 180 34 36
Ly hôn 58 76 54
Góa 43 34 27
Với mức ý nghĩa 5%, có thể cho rằng tình trạng hôn nhân của vợ và
chồng là độc lập với nhau hay không?
Lời giải
Theo đề bài, ta có:
Vợ X
Chưa kết hôn Ly hôn Góa
Chồng
Chưa kết hôn 180 34 36 250
Ly hôn 58 76 54 188
Góa 43 34 27 104
X
281 144 117 542
H0 : Tình trạng hôn nhân của vợ và chồng là độc lập.
H1 : Tình trạng hôn nhân của vợ và chồng là không độc lập.
H0 : Tình trạng hôn nhân của vợ và chồng là độc lập.
H1 : Tình trạng hôn nhân của vợ và chồng là không độc lập.
2 Thống kê kiểm định:
250.281 2 250.144 2 250.117 2

180 − 34 − 36 −
542 542 542
χ2 = + +
250.281 250.144 250.117
542 542 542
188.281 2 188.144 2 188.117 2

58 − 76 − 54 −
542 542 542
+ + +
188.281 188.144 188.117
542 542 542
2 2
104.117 2

104.281 104.144
43 − 34 − 27 −
542 542 542
+ + + = 80
104.281 104.144 104.117
Khoa Toán - Tin 542 542
BÀI TOÁN KIỂM ĐỊNH GIẢ thuyết 542
Năm học 2023-2024 60 / 61
3 Mức ý nghĩa α = 5% nên
χ2α;(m−1)(n−1) = χ20,05;(3−1)(3−1) = χ20,05;4 = 9, 48.
4 Vì χ2 > χ20,05;4 nên ta bác bỏ H0 để ủng hộ H1 .

Vậy, ta có đủ căn cứ để kết luận tình trạng hôn nhân của vợ và chồng là
không độc lập.

Chương 3 - Bài Toán Kiểm Định Giả Thuyết

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chương 3 - Bài Toán Kiểm Định Giả Thuyết

Uploaded by

Copyright:

Available Formats

CHƯƠNG III

BÀI TOÁN KIỂM ĐỊNH GIẢ THUYẾT

Khoa Toán - Tin

H0 được gọi là giả thuyết không;

được gọi là bài toán kiểm định hai phía.

Quyết định H0 đúng H1 đúng

1 − Pθ [Sai lầm loại 2] = Pθ [(X1 , . . . , Xn ) ∈ C ].

trong đó µ0 < µ1 đã được xác định.

Hàm lực lượng của miền tới hạn C là

trong đó µ0 là hằng số xác định.

"Bác bỏ H0 , chấp nhận H1 nếu X n đủ lớn so với µ0 ".

C = {x = (x1 , ..., xn ) : λ(x) ≤ c} với c ∈ [0, 1].

trong đó, θ0 > 0 là một giá trị đã xác định.

λ(X) ≤ c khi và chỉ khi X n ≤ c1 θ0 hoặc X n ≥ c2 θ0 ,

với các hằng số dương c1 , c2 nào đó.

f (x; θ) = g (T (x); θ)h(x)

Pθ0 [X ∈ A] = α suy ra Pθ1 [X ∈ C ] ≥ Pθ1 [X ∈ A].

Định lý Neyman và Pearson

Ta có điều phải chứng minh.

là một hàm đơn điệu đối với hàm u(x).

trong đó c là hằng số sao cho α = Pθ0 [Y ≥ c].

Đối thuyết Tiêu chuẩn bác bỏ

Đối thuyết Tiêu chuẩn bác bỏ

Tình huống thực tế

Tình huống thực tế

Tình huống thực tế

Mô hình bài toán

Mô hình bài toán

4 Tiêu chuẩn bác bỏ:

3 Thống kê kiểm định:

Tình huống thực tế

Tình huống thực tế

Tình huống thực tế

3 Mức ý nghĩa α = 5% nên

χ2α;(m−1)(n−1) = χ20,05;(3−1)(3−1) = χ20,05;4 = 9, 48.

4 Vì χ2 > χ20,05;4 nên ta bác bỏ H0 để ủng hộ H1 .

You might also like