Slide Chuong 9A

THỐNG KÊ ỨNG DỤNG
TRONG KINH TẾ VÀ KINH DOANH
Anderson Sweeney Williams

Slides by
John Loucks
St. Edward’s University
© 2011 Cengage Learning. All Rights Reserved. May not be scanned, copied
Slide
1
or duplicated, or posted to a publicly accessible website, in whole or in part.
Chương 9, Phần A
Kiểm định giả thuyết
 Phát triển giả thuyết không và giả thuyết đối
 Sai lầm loại I và loại II
 Trung bình tổng thể: s đã biết
 Trung bình tổng thể : s chưa biết
 Tỷ lệ tổng thể
Slide
2
Kiểm định giả thuyết
 Kiểm định giả thuyết có thể được sử dụng để xác định

xem khi nào một phát biểu về giá trị của một tham số
tổng thể nên hoặc không nên bị bác bỏ.
 Giả thuyết không, được ký hiệu là H0 , là một giả định
không chắc chắn về một tham số tổng thể.
 Giả thuyết đối được ký hiệu là Ha, mang nội dung đối
lập với giả thuyết không.
 Quy trình kiểm định giả thuyết sử dụng dữ liệu mẫu
để kiểm định hai phát biểu đối lập nhau được ký hiệu bởi
H0 và Ha.
Slide
3
Phát triển giả thuyết không và giả thuyết đối
• Cách thức thiết lập giả thuyết không và giả thuyết đối
có thể không hiển nhiên.
• Cần thận trọng khi thiết lập các giả thuyết một cách
hợp lý sao cho kết luận thu được của kiểm định cung
cấp thông tin mà người nghiên cứu hoặc người ra
ra quyết định yêu cầu.
• Bối cảnh của tình huống rất quan trọng trong việc
phát biểu các giả thuyết.
• Trong một số trường hợp, sẽ dễ dàng hơn nếu xác định
giả thuyết đối trước. Một số trường hợp khác, giả
thuyết không dễ xác định hơn.
• Để biết cách thiết lập giả thuyết đúng đắn cần
phải thực hành.
Slide
4
 Giả thuyết đối là giả thuyết nghiên cứu

• Nhiều ứng dụng của kiểm định giả thuyết liên quan
đến nỗ lực tìm kiếm các bằng chứng để ủng hộ cho
một giả thuyết nghiên cứu.
• Trong những trường hợp như vậy, sẽ là tốt nhất nếu
bắt đầu với việc đặt giả thuyết đối chứa kết luận mà
nhà nghiên cứu muốn ủng hộ.
• Giả thuyết nghiên cứu được kết luận là đúng nếu

dữ liệu mẫu cung cấp bằng chứng đủ để bác bỏ
giả thuyết không.
Slide
5

• Ví dụ:
Phương pháp giảng dạy mới đang được triển khai
được cho là tốt hơn phương pháp giảng dạy hiện tại.
• Giả thuyết đối:
Phương pháp giảng dạy mới tốt hơn.
• Giả thuyết không:
Phương pháp mới không tốt hơn phương pháp cũ.
Slide
6

• Ví dụ:
Một kế hoạch khuyến mại đang được triển khai để
làm tăng doanh số bán.
Kế hoạch khuyến mại làm tăng doanh số.
Kế hoạch khuyến mại không làm tăng doanh số.
Slide
7

• Ví dụ:
Một loại thuốc mới được phát triển với mục tiêu làm
giảm huyết áp hơn loại thuốc hiện hành.
Loại thuốc mới làm giảm huyết áp hơn loại thuốc
hiện hành.
Loại thuốc mới không làm giảm huyết áp hơn loại
thuốc hiện hành.
Slide
8
 Giả thuyết không chứa giả định bị nghi vấn

• Chúng ta có thể bắt đầu bằng sự tin tưởng hoặc giả định
rằng một phát biểu nào đó về giá trị của một tham số
tổng thể là đúng.
• Khi đó chúng ta kiểm định giả thuyết để xác định xem

có tìm được bằng chứng thống kê nào để có thể kết
luận rằng giả định là không đúng hay không.
• Trong những tình huống này, sẽ hữu ích nếu chúng ta

phát triển giả thuyết không trước.
Slide
9
 Giả thuyết không chứa giả định bị nghi vấn

• Ví dụ:
Nhãn hiệu trên vỏ chai nước giải khát tuyên bố chai
nước có chứa 67.6 ounces chất lỏng.
Nhãn hiệu đúng. m > 67.6 ounces.
Nhãn hiệu không đúng. m < 67.6 ounces.
Slide
10
Tóm tắt các dạng giả thuyết không và giả thuyết
đối về trung bình tổng thể
 Đẳng thức luôn xuất hiện trong giả thuyết không.
 Tổng quát, kiểm định giả thuyết cho giá trị trung bình
tổng thể  có một trong ba dạng sau (trong đó 0 là
giá trị giả thuyết của trung bình tổng thể).
H 0 :   0 H 0 :   0 H 0 :   0
H a :   0 H a :   0 H a :   0
Một phía Một phía Hai phía

(phía trái) (phía phải)
Slide
11
Giả thuyết không và giả thuyết đối
 Ví dụ: Metro EMS

Một thành phố ở bờ biển phía Tây cung cấp một
trong những dịch vụ y tế khẩn cấp tốt nhất trên thế
giới. Vận hành trong một hệ thống bệnh viện đa
khoa với khoảng 20 đường dây khẩn cấp, mục tiêu
của dịch vụ là đáp ứng các tình huống khẩn cấp với
thời gian trung bình nhỏ hơn hoặc bằng 12 phút.
Giám đốc của dịch vụ y tế muốn trình bày một

kiểm định giả thuyết sử dụng một mẫu thời gian
đáp ứng các tình huống khẩn cấp để xác định xem
mục tiêu thời gian đáp ứng nhỏ hơn hoặc bằng 12
phút có đạt được hay không.
Slide
12
Giả thuyết không và giả thuyết đối
Dịch vụ khẩn cấp đạt được mục tiêu, không

H0: 
cần hành động tiếp theo sau.
Dịch vụ khẩn cấp không đạt được mục tiêu;

Ha:
Cần có hành động phù hợp tiếp theo.
Trong đó:  = thời gian phản hồi trung bình cho các yêu
cầu y khoa khẩn cấp tổng thể
Slide
13
Sai lầm loại I
 Bởi vì các kiểm định đều dựa trên dữ liệu mẫu,

chúng ta phải cho phép xảy ra các sai lầm.
 Sai lầm loại I là bác bỏ H0 khi nó đúng.
 Xác suất phạm phải sai lầm loại I khi giả thuyết không
là đúng với dấu đẳng thức được gọi là mức ý nghĩa.
 Các ứng dụng kiểm định giả thuyết trong đó chỉ kiểm
 soát sai lầm loại I được gọi là kiểm định mức ý nghĩa.
Slide
14
Sai lầm loại II
 Sai lầm loại II là chấp nhận H0 khi nó sai.
 Rất khó kiểm soát xác suất phạm phải sai lầm loại II.
 Các nhà thống kê tránh rủi ro phạm phải sai lầm loại II
bằng cách sử dụng “không bác bỏ H0” thay vì
“chấp nhận H0”.
Slide
15
Sai lầm loại I và loại II
Điều kiện tổng thể
H0 đúng H0 sai
Kết luận (m < 12) (m > 12)
chấp nhận H0
Kết luận đúng Sai lầm loại II
(Kết luận m < 12)
Bác bỏ H0
Sai lầm loại I Kết luận sai
(Kết luận m > 12)
Slide
16
Phương pháp p-Value để kiểm định giả thuyết
1 phía
 p-value là xác suất, được tính bằng cách sử dụng thống kê

kiểm định, dùng làm thước đo cho bằng chứng (hoặc
chống lại) giả thuyết không thu được từ mẫu.
 Nếu p-value nhỏ hơn hoặc bằng mức ý nghĩa ,

giá trị của thống kê kiểm định thuộc miền bác bỏ.
 Bác bỏ H0 nếu p-value <  .
Slide
17
Kiểm định phía trái cho trung bình tổng thể:
s Đã biết
 Phương pháp p-Value p-Value < a ,
Bác bỏ H0.
a = .10 Phân phối

mẫu của
x  0
z
/ n
p-value
72
z
z = -za = 0
-1.46 -1.28
Slide
18
Kiểm định phía phải cho trung bình tổng thể:
s đã biết
 Phương pháp p-Value p-Value < a ,
Bác bỏ H0.
Phân phối
mẫu của
x  0 a = 0.04
z
/ n
p-Value
011
z
0 za = z=
1.75 2.29
Slide
19
Phương pháp giá trị tới hạn để kiểm định giả
thuyết một phía
 Thống kê kiểm định z có phân phối xác suất chuẩn
chuẩn hóa.
 Chúng ta có thể sử dụng phân phối xác suất chuẩn
chuẩn hóa để tìm giá trị z tương ứng với phần diện
tích là a ở đuôi bên trái (hoặc bên phải) của
Giá trph
 phân ị cốủi.a thống kê kiểm định xác định biên của
miền bác bỏ được gọi là giá trị tới hạn của kiểm định.
 Quy tắc bác bỏ là:

• Phía bên trái: Bác bỏ H0 nếu z < -z
• Phía bên phải: Bác bỏ H0 nếu z > z
Slide
20
Kiểm định phía trái cho trung bình tổng thể:
s đã biết
 Phương pháp giá trị tới hạn
Phân phối
m ẫu c ủ a
x  0
z
Bác bỏ H0 / n
a 01
Không bác bỏ H0
z
-za = -1.28 0
Slide
21
Kiểm định phía phải cho trung bình tổng thể:
s đã biết
Phân phối
mẫu củ a
x  0
z
/ n Bác bỏ H0
0
Không bác bỏ H0
z
0 za = 1.645
Slide
22
Các bước kiểm định giả thuyết
Bước 1. Phát triển giả thuyết không và giả thuyết đối.

Bước 2. Xác định rõ mức ý nghĩa .
Bước 3. Thu thập dữ liệu mẫu và tính giá trị thống kê
kiểm định.
Phương pháp p-Value

Bước 4. Sử dụng giá trị của thống kê kiểm định để tính
p-value.
Bước 5. Bác bỏ H0 nếu p-value < a.
Slide
23
Các bước kiểm định giả thuyết
Phương pháp giá trị tới hạn

Bước 4. Sử dụng mức ý nghĩa để xác định giá trị tới
hạn và quy tắc bác bỏ.
Bước 5. Sử dụng giá trị của thống kê kiểm định và quy
quy tắc bác bỏ để xác định xem có bác bỏ H0 hay
không.
Slide
24
Kiểm định một phía cho trung bình tổng thể:
s Đã biết
 Ví dụ: Metro EMS
Thời gian đáp ứng của một mẫu ngẫu nhiên gồm
40 tình huống y khoa khẩn cấp được cho trong bảng.
Trung bình mẫu là 13.25 phút. Độ lệch chuẩn mẫu là
3.2 phút.
Giám đốc EMS muốn trình bày một kiểm định giả
thuyết thống kê, với mức ý nghĩa 0.05, để xác định
xem mục tiêu dịch vụ nhỏ hơn hoặc bằng 12 phút là
có đạt được hay không.
Slide
25
s Đã biết
 Phương pháp p -Value và phương pháp giá trị tới hạn
1. Phát triển giả thuyết. H0: 

Ha:
2. Xác định mức ý nghĩa. a = .05
3. Tính giá trị thống kê kiểm định.

x   13.25  12
z   2.47
 / n 3.2 / 40
Slide
26
s Đã biết
 Phương pháp p –Value
4. Tính p –value.
Với z = 2.47, xác suất tích lũy = 0.9932.

p–value = 1 - 0.9932 = 0.0068
5. Quyết định liệu có bác bỏ H0.

Bởi vì p–value = 0.0068 < a = 0.05, bác bỏ H0.
Có bằng chứng thống kê đủ để suy ra rằng Metro

EMS không đạt được mục tiêu 12 phút.
Slide
27
s Đã biết
Phân phối
mẫu của
a = .05
x  0
z
/ n
p-value

z
0 za = z=
1.645 2.47
Slide
28
s Đã biết
4. Xác định giá trị tới hạn và quy tắc bác bỏ.
Với a = 0.05, z.05 = 1.645

Bác bỏ H0 nếu z > 1.645

Bởi vì 2.47 > 1.645, chúng ta bác bỏ H0.
Có bằng chứng thống kê đủ để suy ra rằng Metro

EMS không đạt được mục tiêu 12 phút.
Slide
29
Phương pháp p-Value để kiểm định giả thuyết
hai phía
 Tính giá trị p-value bằng cách sử dụng ba bước sau:
1. Tính giá trị thống kê kiểm định z.
2. Nếu z thuộc đuôi bên phải (z > 0), tìm phần diện
tích dưới đường cong phân phối chuẩn chuẩn hóa
bên phải của z.
Nếu z thuộc đuôi bên trái (z < 0), tìm phần diện tích
dưới đường cong phân phối chuẩn chuẩn hóa bên
trái của z.
3. Nhân đôi phần diện tích thu được ở bước 2, ta được giá
trị p –value.
 Quy tắc bác bỏ:
Bác bỏ H0 nếu p-value <  .
Slide
30
Phương pháp giá trị tới hạn để kiểm định giả
thuyết hai phía
 Các giá trị tới hạn sẽ xuất hiện ở cả phía bên trái và phía
bên phải của đường cong phân phối chuẩn chuẩn hóa
 Sử dụng bảng phân phối xác suất chuẩn chuẩn hóa
để tìm z/2 (giá trị z tương ứng với phần diện tích
 a/2
Quyở tphía
ắc bácphbảỏi clà:
ủa phân phối).
Bác bỏ H0 nếu z < -z/2 hoặc z > z/2.
Slide
31
Kiểm định hai phía cho trung bình tổng thể:
s đã biết
 Ví dụ: Kem đánh răng Glow
Dây chuyền sản xuất kem đánh răng Glow được
thiết kế để làm đầy ống kem với khối lượng trung
bình là 6 oz. Theo định kỳ, một mẫu gồm 30 ống
kem sẽ được chọn để kiểm tra quy trình này.
Các quy trình đảm bảo chất lượng cho phép quá
trình tiếp tục nếu các kết quả từ mẫu là vững với giả
định rằng khối lượng trung bình của các ống kem
trong tổng thể là 6 oz; nếu không thì quá trình sẽ bị
điều chỉnh.
Slide
32
s đã biết
 Ví dụ: Kem đánh răng Glow
Giả sử rằng một mẫu gồm 30 ống kem đánh răng
có trung bình mẫu bằng 6.1 oz. Độ lệch chuẩn tổng
thể được tin là bằng 0.2 oz.
Thực hiện một kiểm định giả thuyết, tại mức ý
nghĩa 0.03, để giúp xác định xem liệu quy trình nên
được tiếp tục vận hành hay phải tạm dừng để điều
chỉnh.
Slide
33
s đã biết
 Phương pháp p –Value và phương pháp giá trị tới hạn
1. Phát triển giả thuyết. H0: = 6

H : 6
a
2. Xác định mức ý nghĩa. a = 0.03

x  0 6.1  6
z   2.74
 / n 0.2 / 30
Slide
34
s đã biết
4. Tính giá trị p –value.
Với z = 2.74, xác suất tích lũy = .9969

p–value = 2(1 - .9969) = .0062

Bởi vì p–value = .0062 < a = .03, bác bỏ H0.
Có bằng chứng thống kê đủ để suy ra rằng giả thuyết đối là
đúng (nghĩa là khối lượng trung bình không phải 6 ounces).
Slide
35
s đã biết
 Phương pháp p-Value
1/2 1/2
p -value p -value
= 0.0031 = 0.0031
a/2 = a/2 =
0.015 0.015
z
z = -2.74 0 z = 2.74
-za/2 = -2.17 za/2 = 2.17
Slide
36
s đã biết
4. Xác định giá trị tới hạn và quy tắc bác bỏ
Với a/2 = 0.03/2 = 0.015, z0.015 = 2.17

Bác bỏ H0 nếu z < -2.17 hoặc z > 2.17

Bởi vì 2.74 > 2.17, bác bỏ H0.
Có bằng chứng thống kê đủ để suy ra rằng giả thuyết đối là
đúng (nghĩa là khối lượng trung bình không phải 6 ounces).
Slide
37
s đã biết
Phân phối mẫu của
x  0
z
/ n
Bác bỏ H0 Không bác bỏ H0 Bác bỏ H0

a/2 = 0.015 a/2 = 0.015
z
-2.17 0 2.17
Slide
38
Phương pháp khoảng tin cậy để kiểm định hai
phía cho trung bình tổng thể
 Chọn một mẫu ngẫu nhiên từ tổng thể và sử dụng giá trị
trung bình mẫu x để tìm khoảng tin cậy cho trung
bình tổng thể .
(Khoảng tin cậy đã được trình bày ở Chương 8.)
 Nếu khoảng tin cậy chứa giá trị 0, không bác bỏ H0.
Ngược lại, bác bỏ H0.
(Thậm chí, H0 nên bị bác bỏ nếu 0 bằng một trong
hai điểm đầu mút của khoảng tin cậy.)
Slide
39
Phương pháp khoảng tin cậy để kiểm định hai
phía cho trung bình tổng thể
Khoảng tin cậy 97% cho  là

x  z / 2  6.1  2.17(.2 30)  6.1  .07924
n
hoặc từ 6.02076 tới 6.17924
Bởi vì giá trị giả định cho trung bình
tổng thể, 0 = 6, không nằm trong khoảng này,
giả thuyết không H0:  = 6, có thể bị bác bỏ.
Slide
40
Kiểm định giả thuyết cho trung bình tổng thể:
s chưa biết
 Thống kê kiểm định
x  0
t
s/ n
Thống kê kiểm định này có phân phối t với n - 1

bậc tự do.
Slide
41
Kiểm định giả thuyết cho trung bình tổng thể:
s chưa biết
 Quy tắc bác bỏ: Phương pháp p -Value
Bác bỏ H0 nếu p –value < a
 Quy tắc bác bỏ: Phương pháp giá trị tới hạn
H0:  Bác bỏ H0 nếu t < -t
H0:  Bác bỏ H0 nếu t > t
H0:  Bác bỏ H0 nếu t < - t hoặc t > t
Slide
42
Giá trị p -Value và phân phối t
 Cấu trúc của bảng phân phối t được cung cấp trong hầu
hết các sách thống kê đều không có đủ thông tin để xác
định giá trị p-value chính xác cho một kiểm định.
 Tuy nhiên, chúng ta vẫn có thể sử dụng bảng phân phối
t để giới hạn miền giá trị cho p-value.
 Điểm thuận lợi của các phần mềm là kết quả đầu ra
cung cấp sẵn giá trị p-value cho phân phối t.
Slide
43
Ví dụ: Tuần tra đường cao tốc
 Kiểm định một phía cho trung bình tổng thể: s chưa biết
Đội tuần tra đường cao tốc của bang thường định
kỳ lấy mẫu vận tốc xe tại nhiều khu vực khác nhau
trên một con đường cụ thể. Mẫu đo vận tốc xe được
sử dụng để kiểm định giả thuyết H0: m < 65
Những khu vực mà H0 bị bác bỏ được cho là khu

vực tốt nhất để đặt radar. Tại khu vực F, một mẫu
gồm 64 chiếc xe với vận tốc trung bình là 66.2
mph với độ lệch chuẩn mẫu 4.2 mph. Sử dụng a
= 0.05 để kiểm định giả thuyết.
Slide
44
s chưa biết
 Phương pháp p –Value và phương pháp giá trị tới hạn
1. Xác định giả thuyết. H0:  < 65

Ha: m > 65
2. Xác định mức ý nghĩa. a = 0.05

x  0 66.2  65
t   2.286
s / n 4.2 / 64
Slide
45
s chưa biết
4. Tính giá trị p –value.
Với t = 2.286, p–value phải nhỏ hơn hoặc bằng 0.025

(với t = 1.998) và lớn hơn 0.01 (với t = 2.387).
0.01 < p–value < 0.025

Bởi vì p–value < a = 0.05, bác bỏ H0.
Chúng ta tự tin ít nhất 95% rằng vận tốc xe trung
bình tại khu vực F lớn hơn 65 mph.
Slide
46
s chưa biết
4. Xác định giá trị tới hạn và quy tắc bác bỏ.
Với a = 0.05 và d.f. = 64 – 1 = 63, t.05 = 1.669

Bác bỏ H0 nếu t > 1.669

Bởi vì 2.286 > 1.669, bác bỏ H0.
Chúng ta tự tin ít nhất 95% rằng vận tốc xe trung
bình tại khu vực F lớn hơn 65 mph.
Khu vực F là một nơi tốt để đặt radar.
Slide
47
s chưa biết
Bác bỏ H0
Không bác bỏ H0 0
t
0 ta =
1.669
Slide
48
Hết Chương 9, Phần A
Slide
49

Slide Chuong 9A

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

Slide Chuong 9A

Uploaded by

Copyright:

Available Formats

THỐNG KÊ ỨNG DỤNG

TRONG KINH TẾ VÀ KINH DOANH

Anderson Sweeney Williams

 Kiểm định giả thuyết có thể được sử dụng để xác định

 Giả thuyết đối là giả thuyết nghiên cứu

• Giả thuyết nghiên cứu được kết luận là đúng nếu

 Giả thuyết đối là giả thuyết nghiên cứu

 Giả thuyết đối là giả thuyết nghiên cứu

 Giả thuyết đối là giả thuyết nghiên cứu

 Giả thuyết không chứa giả định bị nghi vấn

• Khi đó chúng ta kiểm định giả thuyết để xác định xem

• Trong những tình huống này, sẽ hữu ích nếu chúng ta

 Giả thuyết không chứa giả định bị nghi vấn

Một phía Một phía Hai phía

 Ví dụ: Metro EMS

Giám đốc của dịch vụ y tế muốn trình bày một

Dịch vụ khẩn cấp đạt được mục tiêu, không

Dịch vụ khẩn cấp không đạt được mục tiêu;

 Bởi vì các kiểm định đều dựa trên dữ liệu mẫu,

 Sai lầm loại II là chấp nhận H0 khi nó sai.

Điều kiện tổng thể

 p-value là xác suất, được tính bằng cách sử dụng thống kê

 Nếu p-value nhỏ hơn hoặc bằng mức ý nghĩa ,

 Bác bỏ H0 nếu p-value <  .

a = .10 Phân phối

 Quy tắc bác bỏ là:

Bước 1. Phát triển giả thuyết không và giả thuyết đối.

Phương pháp p-Value

Phương pháp giá trị tới hạn

1. Phát triển giả thuyết. H0: 

2. Xác định mức ý nghĩa. a = .05

3. Tính giá trị thống kê kiểm định.

Với z = 2.47, xác suất tích lũy = 0.9932.

5. Quyết định liệu có bác bỏ H0.

Có bằng chứng thống kê đủ để suy ra rằng Metro

Với a = 0.05, z.05 = 1.645

5. Quyết định liệu có bác bỏ H0.

Có bằng chứng thống kê đủ để suy ra rằng Metro

1. Phát triển giả thuyết. H0: = 6

2. Xác định mức ý nghĩa. a = 0.03

3. Tính giá trị thống kê kiểm định.

4. Tính giá trị p –value.

Với z = 2.74, xác suất tích lũy = .9969

5. Quyết định liệu có bác bỏ H0.

4. Xác định giá trị tới hạn và quy tắc bác bỏ

Với a/2 = 0.03/2 = 0.015, z0.015 = 2.17

5. Quyết định liệu có bác bỏ H0.

Phân phối mẫu của

Bác bỏ H0 Không bác bỏ H0 Bác bỏ H0

Thống kê kiểm định này có phân phối t với n - 1

H0:  Bác bỏ H0 nếu t > t

H0:  Bác bỏ H0 nếu t < - t hoặc t > t

Những khu vực mà H0 bị bác bỏ được cho là khu

1. Xác định giả thuyết. H0:  < 65

2. Xác định mức ý nghĩa. a = 0.05

3. Tính giá trị thống kê kiểm định.

4. Tính giá trị p –value.

Với t = 2.286, p–value phải nhỏ hơn hoặc bằng 0.025

5. Quyết định liệu có bác bỏ H0.

Với a = 0.05 và d.f. = 64 – 1 = 63, t.05 = 1.669

5. Quyết định liệu có bác bỏ H0.

You might also like