Machine Translated by Google

Phần 8: Giả thuyết một mẫu

Kiểm tra

Thống kê cho doanh nghiệp

Tiến sĩ Lê Anh Tuấn

1
Machine Translated by Google

Nội dung

Giả thuyết và kiểm định giả thuyết

Kiểm định giả thuyết về ý nghĩa tổng thể !

Phương sai tổng thể đã biết
Phương sai tổng thể chưa xác định

Kiểm định giả thuyết về tỷ lệ dân số

2
Machine Translated by Google

Giả thuyết là gì?

Giả thuyết là một phát biểu (tuyên bố, giả định) về một
tham số tổng thể.

H0 :μ = 3 H0 : X = 3

Trung bình dân số

Tốc độ tăng trưởng doanh thu trung bình hàng năm là μ = 5%.

Cân nặng trung bình của học sinh là μ=60 kg.

Tỷ trọng dân số
Tỷ lệ sinh viên nữ tại trường đại học UEH là p =
0,68

Tỷ trọng doanh nghiệp nước ngoài là p = 25%.

3
Machine Translated by Google

Các bước kiểm tra giả thuyết

Bước 1: Nêu giả thuyết cần kiểm định.

Bước 2: Chỉ định mức độ nhất quán với dữ liệu sẽ dẫn đến việc bác

bỏ giả thuyết. Đây được gọi là quy tắc quyết định.

Bước 3: Thu thập số liệu và tính toán các số liệu thống kê cần thiết để

kiểm tra giả thuyết.

Bước 4: Ra quyết định. Giả thuyết có nên bị bác bỏ hay

không?

Bước 5: Thực hiện hành động dựa trên quyết định.

4
Machine Translated by Google

giả thuyết
Các giả thuyết là một cặp loại trừ lẫn nhau, gọi chung là
tuyên bố đầy đủ về một số thực tế về dân số.
Câu này hay câu kia đều phải đúng, nhưng không thể cả hai đều
đúng.

H0: Giả thuyết không

Đó là giả thuyết cần được kiểm định.
,
Luôn chứa dấu “=” “≤” hoặc “³”
H1: Giả thuyết thay thế
Đó là tuyên bố về những gì chúng tôi tin là đúng nếu chúng tôi

dữ liệu mẫu khiến chúng ta bác bỏ giả thuyết không.

Không bao giờ chứa “=” ,Dấu “<” hoặc “³”

Hai câu này là giả thuyết vì sự thật là

không xác định.

Chúng ta không thể chấp nhận một giả thuyết không, chúng ta chỉ có thể không bác bỏ

Nó.
5
Machine Translated by Google

Xác định lỗi Loại I, lỗi Loại II và nguồn điện.

Các loại lỗi:

Lỗi loại I: Bác bỏ giả thuyết không khi nó đúng. Điều này
xảy ra với xác suất α (mức ý nghĩa).

Được coi là một loại lỗi nghiêm trọng

Mức ý nghĩa α là xác suất bác bỏ giả thuyết không

đúng.
Các giá trị điển hình là .01, .05 hoặc .10

Nếu chúng ta chọn α = 0,05, chúng ta dự kiến sẽ

phạm lỗi Loại I khoảng năm lần trong 100 lần.

Lỗi loại II: Không bác bỏ giả thuyết không khi nó sai.
Điều này xảy ra với xác suất β.

6
Machine Translated by Google

Xác định lỗi Loại I, lỗi Loại II và nguồn điện.

7
Machine Translated by Google

Xác định lỗi Loại I, lỗi Loại II và nguồn điện.

Nếu H0 bị bác bỏ, chúng ta kết luận H1 đúng. Nếu H0 không bị

bác bỏ, chúng ta kết luận rằng H0 có thể đúng.

số 8
Machine Translated by Google

Xác định lỗi Loại I, lỗi Loại II và nguồn điện.

9
Machine Translated by Google

Mối quan hệ lỗi loại I & II

Lỗi loại I và loại II không thể xảy ra cùng lúc

Lỗi loại I chỉ có thể xảy ra nếu H0 đúng
Lỗi loại II chỉ có thể xảy ra nếu H0 sai

β không thể chọn trước vì nó phụ thuộc vào α

và kích thước mẫu.

Nếu xác suất lỗi Loại I tăng thì xác suất lỗi Loại II sẽ
giảm.

Cả α và β nhỏ đều được mong muốn, các giá trị khác bằng nhau.

Cả α và β chỉ có thể được khử đồng thời bằng cách

tăng kích thước mẫu.
10
Machine Translated by Google

Sức mạnh của bài kiểm tra

Sức mạnh của phép kiểm định là xác suất mà một giả thuyết sai sẽ
bị từ chối.

Công suất bằng 1 β và là phần bù của sai số Loại II.

Giảm β sẽ tăng sức mạnh tương ứng
(thường được thực hiện bằng cách tăng cỡ mẫu).

Mẫu lớn hơn dẫn đến công suất tăng lên.

11
Machine Translated by Google

Kiểm định giả thuyết về ý nghĩa của tổng thể !

Kiểm định hai đuôi: chúng ta muốn kiểm tra xem giá

trị trung bình của tổng thể có khác 3 không

Kiểm định một phía (phải): chúng ta muốn kiểm tra

xem giá trị trung bình của tổng thể có lớn hơn
3 hay không

Kiểm tra một đầu (trái): chúng tôi muốn kiểm tra

xem trung bình của tổng thể có nhỏ hơn 3 không

12
Machine Translated by Google

Quy tắc quyết định

Một thống kê kiểm tra cho thấy ước tính mẫu cách xa giá
trị kỳ vọng của nó bao xa, xét theo tiêu chuẩn riêng của nó
lỗi.

Quy tắc quyết định sử dụng mẫu đã biết

phân phối thống kê kiểm tra để thiết lập giá trị tới hạn

chia phân bố lấy mẫu thành hai vùng.

Bác bỏ H0 nếu thống kê kiểm định nằm trong sự bác bỏ

vùng đất.

13
Machine Translated by Google

Kiểm định giả thuyết về giá trị trung bình μ:

Kiểm định giả thuyết về ý nghĩa của tổng thể !
Khi giá trị của samplesize (n):

Cỡ mẫu

dân số là bình thường hoặc không bình thường dân số ở mức bình thường

( n ≥ 30 ) (n< 30)

σ đã biết σ chưa được biết σ đã biết σ chưa được biết

X - µ
X - µ0 X - µ X - µ
Z =
0 Z = Z =
0
T %$ 0 '0
S S
S
N = "= S
N N )/ +N
thử nghiệm thống kê

14
Machine Translated by Google

Kiểm định giả thuyết về ý nghĩa của tổng thể !

KIỂM TRA ĐUÔI PHẢI

15
Machine Translated by Google

Quy tắc quyết định cho bài kiểm tra đuôi phải (! "#$%#)

Xét giả thuyết:

Chúng tôi giả sử rằng * ≤ *0 trừ
khi '0: * ≤ *0
trung bình mẫu cao hơn nhiều so với *0
'1: * > *0
Quy tắc quyết định là:

Một

Không bác bỏ H0 Từ chối H0

Z 0 zα

x μ0 + 0 μz α
σ

Giá trị tới hạn xc

Khi sự khác biệt giữa dữ liệu và giả thuyết là nhỏ so với sai số
chuẩn, chúng ta nhận được giá trị 0 và quyết định z thống kê gần

của chúng ta là “không bác bỏ”. H 0”.

16
Machine Translated by Google

Ví dụ

Một nhà quản lý ngành điện thoại cho rằng hóa đơn điện thoại
di động hàng tháng của khách hàng đã tăng lên và trung
bình trên 52 USD mỗi tháng.
Anh ta thu thập một mẫu ngẫu nhiên với n = 64, "̅= 53.1
Công ty muốn kiểm tra tuyên bố này. Giả sử độ lệch chuẩn
của tổng thể là 10.
Các giải pháp

Bước 1:

17
Machine Translated by Google

Ví dụ
Bước 2: chọn mức ý nghĩa, ! = 5%, giá trị tới hạn là %&.&( = ).

*+(

Từ chối H0

Một = 0,05

Không bác bỏ H0 Từ chối H0

0
1.645

Bước 3: tính toán thống kê kiểm định. Bởi vì , đã

được biết. Chúng tôi sử dụng điểm z:

- 53,1 -52
x μ 0
z = = = 0,88
σ 10
N 64
18
Machine Translated by Google

Ví dụ
Bước 4: Đưa ra quyết định. Bởi vì ! < !#.#%, chúng ta không
bác bỏ H0
' = ). ** không lớn hơn 1.645 nên không bác bỏ H0

Từ chối H0

Một = 0,05

Không bác bỏ H0 Từ chối H0

0
1.645
52
Do đó, không có đủ bằng chứng cho thấy hóa đơn trung bình
trên 52 đô la.
19
Machine Translated by Google

Phương pháp giá trị P

20
Machine Translated by Google

giá trị P

p-value: Xác suất đạt được thống kê kiểm định cực đoan
hơn ( ≤ hoặc ≥ ) so với giá trị mẫu được quan sát cho
trước H0 là đúng

Còn gọi là mức ý nghĩa quan sát được

Giá trị nhỏ nhất của # mà H0 có thể bị bác bỏ

Đối với bài kiểm tra phần đuôi trên:

21
Machine Translated by Google

giá trị P

Quy tắc quyết định: so sánh giá trị p với mức ý nghĩa
!

Nếu giá trị p < !, bác bỏ giả thuyết không.

Nếu giá trị p ≥ !, không bác bỏ giả thuyết không.

Giá trị p lớn (gần 1,00) có xu hướng ủng hộ H0, trong khi
giá trị p nhỏ (gần 0,00) có xu hướng mâu thuẫn với H0.

22
Machine Translated by Google

Ví dụ Ví

dụ về hóa đơn điện thoại di

động: Giả thuyết H1, ! >
52 n = 64, &̅=
53,1 ' = 10

Giá trị p thể hiện xác suất đạt được giá trị trung bình
mẫu là 53,1 hoặc cao hơn nếu giá trị trung bình thực của
tổng thể là 52.
01.2304
+ &̅> 53.1 = + ./̅
> 56 = + ./̅
> 0,88 =
78
1 0,8106 = 0,1894

23
Machine Translated by Google

Ví dụ

Giá trị P= 0,1894

Từ chối H0

Một = 0,05

Không bác bỏ H0 Từ chối H0

0 1.645

Giá trị P > ! = #. #% => '( )(* +,-,.* /#

24
Machine Translated by Google

Kiểm định giả thuyết về ý nghĩa của tổng thể !

KIỂM TRA ĐUÔI TRÁI

25
Machine Translated by Google

Quy tắc quyết định cho bài kiểm tra đuôi trái (! "#$%#)

Xét giả thuyết:

Chúng tôi giả định rằng * ≥ *0 trừ
khi giá trị
trung bình mẫu '0: * ≥ * 0 thấp hơn nhiều so với
*0 '1: * < *0

Quy tắc quyết định là:

Một

Bác bỏ H0 nếu

z < -./ Từ chối Không bác bỏ H0

Z
H0 -za 0

μ x
Giá trị tới hạn xc

26
Machine Translated by Google

Kiểm định giả thuyết về ý nghĩa của tổng thể !

KIỂM TRA HAI Đuôi

27
Machine Translated by Google

KIỂM TRA GIẢ THUYẾT HAI Đuôi

Xét giả thuyết: !0:

$ = $0 !
1: $
$0 Bác bỏ H0 nếu |(| > |(+/-|

một/2 một/2

3 x
Từ chối H0 Không bác bỏ H0 Từ chối H0

-za/2 0 +za/2 z

Giá trị Giá

tới hạn thấp hơn trị tới hạn trên

28
Machine Translated by Google

Ví dụ
Kiểm tra khẳng định rằng số máy tính trung bình thực sự trong

lớp học bằng 3.

Giả sử một mẫu ngẫu nhiên gồm 100 phòng học có giá trị trung bình

là 2,84. SD dân số là 0,8.

Các giải pháp

Bước 1: Giả thuyết

H0: μ = 3 , H1: μ 3 (Đây là phép thử hai đuôi)

Bước 2: chọn mức ý nghĩa

!=5% => giá trị tới hạn |z0,025|=1,96

Bước 3: tính toán thống kê kiểm định. Bởi vì " đã được

biết. Chúng tôi sử dụng điểm z:

29
Machine Translated by Google

Ví dụ
Bước 4: Đưa ra quyết định
Vì |z|>|z0.025| bác bỏ H0. Có đủ
bằng chứng cho thấy số lượng TV trung bình trong các gia đình ở Mỹ là

không bằng 3.

a = 0,05/2 a = 0,05/2

Từ chối H0 Không bác bỏ H0 Từ chối H0

-z = -1,96 0 +z = +1,96

Ở đây, z = -2,0 < -1,96, do đó

thống kê kiểm tra nằm trong vùng
bác bỏ
30
Machine Translated by Google

Sử dụng giá trị p

p-value = .0456
Mức ý nghĩa != .05 Vì
.0456 < .05 nên chúng tôi bác bỏ giả thuyết khống

31
Machine Translated by Google

t Kiểm định giả thuyết về giá trị trung bình (σ Unknown)

32
Machine Translated by Google

t Kiểm định giả thuyết về giá trị trung bình

(σ Không rõ)

Nếu phương sai tổng thể σ2 phải được ước tính từ mẫu
thì quy trình kiểm định giả thuyết sẽ được sửa
đổi. Tuy nhiên, các bước kiểm tra giả thuyết cơ bản đều
giống nhau.

Khi độ lệch chuẩn của tổng thể σ là

chưa biết và dân số có thể được coi là bình
thường, thống kê kiểm tra tuân theo phân phối t
của Sinh viên với n – 1 bậc tự do.

33
Machine Translated by Google

t Kiểm định giả thuyết về giá trị trung bình

(σ Unknown) - Kiểm tra một phía

x thống kê kiểm định t

n Chuyển đổi kết quả mẫu ( ) thành

giả thuyết
Kiểm tra µ

σ Đã biết σ Không rõ

Hãy xem xét bài kiểm tra

Nguyên tắc quyết định là:

HH0
0:μ0
: =! ≤ !#
-
x μ
HH1
1:µ0
: >! > !# Bác bỏ H 0nếu t =
S
0 > t
n-1, α

(Giả sử dân số là bình thường) N

H0: ! ≥ !# )*+,
Bác bỏ H0 nếu ' > '/*1,3
H1: ! < !# = -/ /

34
Machine Translated by Google

ví dụ 1
Một công ty bảo hiểm báo cáo chi phí trung bình cho
xử lý yêu cầu bồi thường là $60. Một so sánh trong ngành
cho thấy số tiền này lớn hơn hầu hết các công ty bảo
hiểm khác, vì vậy công ty đã đưa ra các biện pháp cắt
giảm chi phí. Để đánh giá hiệu quả của các biện pháp
cắt giảm chi phí, Người giám sát của Phòng Yêu cầu bồi
thường đã chọn một mẫu ngẫu nhiên gồm 26 yêu cầu bồi
thường được xử lý vào tháng trước. Thông ,"! = 56,42 ,S

tin mẫu là n = 26 = 10,04. Ở mức ý nghĩa 1%, có hợp lý

không khi yêu cầu bồi thường hiện dưới 60 USD?

35
Machine Translated by Google

ví dụ 1
Bước 1: Giả thuyết
H0: μ ≥ 60 , H1: μ < 60
Bước 2: chọn mức ý nghĩa

%=1% => giá trị tới hạn t25,0,01=2,485

Bước 3: tính toán thống kê kiểm định. Bởi vì & không phải
được biết đến. Chúng tôi sử dụng thống kê t:

*̅ ,- 56,42 60
' = = = 1,82
./ 0 26/10
Bước 4: Đưa ra quyết định

Vì t > t25,0,01 không bác bỏ được H0. Do đó, chúng tôi có

không có đủ bằng chứng cho thấy các biện pháp cắt giảm chi phí
đã giảm chi phí trung bình cho mỗi yêu cầu bồi thường xuống dưới 60 USD.

36
Machine Translated by Google

ví dụ 1
t-statistics=-1,82 lớn hơn -2,485 nên không thể bác bỏ H0

a=0,01

Từ chối H0 Không bác bỏ H0

-t25,0,01 0

=-2,485
μ

Giá trị tới hạn

37
Machine Translated by Google

Ví dụ 2
Một công ty bảo hiểm báo cáo chi phí trung bình cho
xử lý yêu cầu bồi thường là $60. Một so sánh trong ngành
cho thấy số tiền này lớn hơn hầu hết các công ty bảo
hiểm khác, vì vậy công ty đã đưa ra các biện pháp cắt
giảm chi phí. Để đánh giá hiệu quả của các biện pháp
cắt giảm chi phí, Người giám sát của Phòng Yêu cầu bồi
thường đã chọn một mẫu ngẫu nhiên gồm 26 yêu cầu bồi
thường được xử lý vào tháng trước. Thông ,"! = 56,42 ,S

tin mẫu là n = 26 = 10,04. Ở mức ý nghĩa 1%, có hợp lý

không khi yêu cầu bồi thường hiện dưới 60 USD?

38
Machine Translated by Google

t Kiểm định giả thuyết về giá trị trung

bình (σ Chưa xác định) (kiểm định hai mặt)

Hoặc Bác bỏ H0 nếu |t|> tn-1,α/2

39
Machine Translated by Google

Ví dụ
Chi phí trung bình của một phòng khách sạn ở Chicago được
cho là $168 một đêm. Một mẫu ngẫu nhiên gồm 25 khách
sạn cho kết quả x = $172,50 và s = $15,40. Kiểm định

giả thuyết ở mức ý nghĩa 5%. Giả sử phân bố dân số là

chuẩn)
Các giải pháp

Bước 1: Giả thuyết

H0: μ = 168 , H1: μ 168
Bước 2: chọn mức ý nghĩa

!=5% => giá trị tới hạn t24,0,025=2,064

Bước 3: tính toán thống kê kiểm định. Bởi vì " không được biết
đến. Chúng tôi sử dụng thống kê t:

&̅ () 172,50 168

# = = = 1,46
40 */ , 15,4/ 25
Machine Translated by Google

Ví dụ
Bước 4: Đưa ra quyết định

Bởi vì |t| < t24,0.025 không bác bỏ được H0. Do đó, chúng
tôi không có đủ bằng chứng cho thấy chi phí trung bình

thực sự khác với $168

a/2=.025 a/2=.025

Bác bỏ H0 Không bác bỏ H0 Từ chối H0

-t
n-1,α/2 0 t n-1,α/2

-2.0639 2,0639
2,064
-2.064 1,46

41
Machine Translated by Google

Ví dụ

42
Machine Translated by Google

Ví dụ

43
Machine Translated by Google

Khoảng tin cậy so với kiểm tra giả thuyết

Kiểm định giả thuyết hai đuôi ở mức 5%

mức ý nghĩa (α = 0,05) tương đương với khoảng tin cậy
95% hai phía cho giá trị trung bình.
Nếu khoảng tin cậy không bao gồm giá trị trung

bình được đưa ra thì chúng ta bác bỏ giả

thuyết không.
Khoảng tin cậy 95% cho giá trị trung bình được đưa ra
Kế tiếp.
(

"̅± $%/2 hoặc 172,50 ± 2,064* 15,4/ 25

)

=(166,14,178,85)
Vì μ = 168 nằm trong khoảng tin cậy 95 phần trăm
(166,14.178,85), chúng ta không thể bác bỏ giả
thuyết H0: μ = 168 tại α = 0,05 trong thử nghiệm hai phía
44
Machine Translated by Google

Các xét nghiệm về tỷ lệ dân số

45
Machine Translated by Google

Các xét nghiệm về tỷ lệ dân số

Sử dụng để kiểm định giả thuyết về tỷ lệ dân số.
Dữ liệu tỷ lệ tuân theo phân phối nhị thức, có thể xấp xỉ
bằng phân phối chuẩn nếu:
!" ≥ 10 &!' ! 1 " ≥ 10
Trong đó p là xác suất thành công trong quần
thể
n=cỡ mẫu.
Tỷ lệ mẫu trong hạng mục thành công được biểu thị
qua
Giá trị trung bình và độ lệch chuẩn của "̂is

"(1 ")
*+̂ = ", .+̂ = !

46
Machine Translated by Google

Các xét nghiệm về tỷ lệ dân số

Thống kê z-test cho kiểm định giả thuyết cho
tỷ lệ:
$̂ $0
! =
$0(1 $0)
*
$̂= tỷ lệ mẫu
$0 = tỷ lệ dân số, được giả định là
đúng trong giả thuyết không.
n = cỡ mẫu

47
Machine Translated by Google

Ví dụ
Một nam sinh cho biết anh nhận được 8% phản hồi từ khảo
sát trực tuyến của mình. Để kiểm tra tuyên bố này, một
mẫu ngẫu nhiên gồm 500 người đã được khảo sát với 25 câu
trả lời. Kiểm định ở mức ý nghĩa 5%.
Các giải pháp:

Kiểm tra: Ước tính gần đúng của chúng tôi cho "̂is = 25/500 = 0,05

#" = 500 0,08 = 40 > 10

# 1 " = 500 .92 = 460 > 10
Chúng ta có thể kiểm định giả thuyết về tỷ lệ dân số bằng
phân phối chuẩn.

48
Machine Translated by Google

Ví dụ

Thử nghiệm thống kê:

H0: p0 = 0,08
ˆ
- 0,05- 0,08
H1: p0 ¹ 0,08 p P 0
z= = = - 2,47
- -
a = 0,05 P0 (1 P0 ) 0,08(1 ,08)
N 500
n = 500, P = 0,05
Giá trị tới hạn: ± 1,96 Phán quyết:

Từ chối Từ chối Bác bỏ H0 tại a = 0,05

Phần kết luận:

0,025 0,025
Có đủ bằng chứng

0
z để bác bỏ tuyên bố
-1,96 1,96
-2,47 của công ty về tỷ lệ
phản hồi 8%.

49
Machine Translated by Google

giá trị P

Tính giá trị p và so sánh với a

(Đối với thử nghiệm hai mặt, giá trị p luôn là hai mặt)

Không bác bỏ H0
Từ chối H0 Từ chối H0 giá trị p = 0,0136:

a/2 = 0,025 a/2 = 0,025

P(Z £2,47)
- ³ + 2,47)
P(Z
.0068 .0068
= 2(0,0068)
= 0,0136

-1,96 0 1,96

Z = -2,47 Z = 2,47

Bác bỏ H0 vì giá trị p = 0,0136 < a = 0,05

50
Machine Translated by Google

Bài tập

Ôn tập Buổi 8, Trắc nghiệm trực tuyến.

Bài tập

Đọc Chương 12, 13. Hồi quy đơn giản và đa biến

Người mẫu

51