KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

Chia sẻ: Nguyen Van Sang | Ngày: | Loại File: PPT | Số trang:33

Thêm vào BST

Báo xấu

849
lượt xem 195
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Kiểm định giả thuyết nhằm xác định xem có đủ chứng cứ thống kê (statistical evidence) để tin tưởng vào một thông số nào đó không. – Trọng lượng trung bình của 1 sản phẩm sản xuất. – Thói quen, hành vi tiêu dùng của nhóm dân cư. – Thay đổi trước khi có dự án và sau khi có dự án.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ Tháng 10. 2009 1
Khái niệm kiểm định giả thuyết • Kiểm định giả thuyết nhằm xác định xem có đủ chứng cứ thống kê (statistical evidence) để tin tưởng vào một thông số nào đó không. – Trọng lượng trung bình của 1 sản phẩm sản xuất. – Thói quen, hành vi tiêu dùng của nhóm dân cư. – Thay đổi trước khi có dự án và sau khi có dự án. 2
Khái niệm kiểm định giả thuyết • Các loại giả thuyết – Hai loại giả thuyết • H0 - [ ví dụ: µ = 5] • H1 - [ µ > 5] Đây là điều ta muốn chứng minh – Giả định giả thuyết H0 là đúng µ =5 x 3
– Dựa trên kiểm định đưa ra 1 trong 2 quyết định sau: • Loại bỏ giả thuyết H0. • Không loại bỏ giả thuyết H0. – Hai loại sai lầm khi đưa ra quyết định Loại bỏ hay Không loại bỏ giả thuyết H0: • Sai lầm loại I - Loại bỏ giả thuyết H0 khi H0 đúng • Sai lầm loại II - Không loại bỏ giả thuyết H0 khi H0 sai 4
Kiểm định giả thuyết: Một tổng thể 5
Kiểm định trung bình tổng thể khi biết độ lệch chuẩn của tổng thể • Ví dụ – Hệ thống tính tiền mới của cửa hàng sẽ có hiệu quả khi giá trị bình quân của hóa đơn tính tiền lớn hơn $170. – Mẫu 400 hóa đơn có giá trị trung bình là $178. – Nếu giá trị các hóa đơn có phân phối chuẩn với σ = $65, ta có thể kết luận là hệ thống tính tiến mới sẽ có hiệu quả? 6
• Giải pháp – Tổng thể nghiên cứu là các hóa đơn tính tiền ở cửa hàng. – Chúng ta muốn chứng minh là giá trị các hóa đơn tính tiền trung bình lớn hơn 170 đồng. H1 : µ > 170 – Giả thuyết không phải bằng giá trị trung bình H0 : µ = 170 7
Trung bình của mẫu là 178 có đủ lớn hơn 170 để suy diễn/ kết luận rằng trung bình tổng thể lớn hơn 170 ? µ x = 170178 Nếu µ thật sự bằng 170 thì µx = 170 phân phối của trung bình mẫu như trên. 8
Miền bác bỏ Miền bác bỏ là khoảng giá trị mà nếu kiểm định thống kê rơi vào khoảng này, giả thuyết H0 sẽ bị bác bỏ và thay vào đó là H1 được ủng hộ Xác định giá tr ị x đ ủ lớn để bác bỏ giả thuyết H0 là xL. miền bác bỏ là : x≥ xL 9
Miền bác bỏ: x≥ xL x< xL xL x > xL Không bác bỏ Bác bỏ giả thuyết H0 giả thuyết H0 10
Miền bác x≥ xL bỏ: α 0.05 = xL − 170 µ x = 170 xL zα = 65 400 65 xL = 170 + zα . 400 Neu α = 0.05, z. = 1.645. Thi 11 65
Miền bác bỏ: x≥ xL Re ject the null hypothesis if x ≥ 175.34 α 0.05 = Kết luận Vì trung bình mẫu (178) lớn µ x = 170 hơn giá trị tới hạn XLlà xL = 17534 178 . 175.34, có đủ chứng cứ trong mẫu để bác bỏ H0 thay vào đó là H1, với mức12
Kiểm định thống kê chuẩn tắc. – Thay vì dùng giá x trị , ta c ó thể dùng g á trị z chuẩn tắc. x− µ z= σ n – Lúc này, miền bác bỏ là: Kiểm định 1 phía z ≥ zα 13
• Cách khác – Làm lại ví dụ và sử dụng kiểm định thống kê chuẩn tắc. H0: µ = 170 HA: µ > 170 – Kiểm định thống kê: − 170 x − µ 178 z= = = 2.46 σ n 65 400 – Miền bác bỏ: z > z.05 = 1.645. – Kết luận: Vì 2.46 > 1.645, bác bỏ giả 14 thuyết H0 thay vào đó là H1.
Phương pháp P-value – Giá trị p cung cấp thông tin về tổng các chứng cứ thống kê để ủng hộ giả thuyết H1 15
= P(x ≥ 178 ) 178− 170 = P(z ≥ ) 65 400 = P(z ≥ 2.4615 = .0069 ) µ x = 170 x = 178 p-value 16
• Mô tả giá trị p-value – Nếu p-value nhỏ hơn 1%, có chứng cứ rất mạnh để ủng hộ giả thuyết H1. – Nếu p-value trong khoảng từ 1% đến 5%, có chứng cứ mạnh để ủng hộ giả thuyết H1. . – Nếu p-value trong khoảng từ 5% đến 10%, có chứng cứ yếu để ủng hộ giả thuyết H1. – Nếu p-value hơn 10% không có chứng cứ để ủng hộ giả thuyết H1. 17
• Giá trị p và phương pháp miền bác bỏ: – Giá trị p có thể dùng khi ra quyết định dựa trên phương pháp miền bác bỏ như sau: • Xác định giả thuyết kiểm định, và đưa ra mức ý nghĩa α. • Thực hiện phương pháp chọn mẫu, tính kiểm định thống kê và giá trị p liên quan.. • So sánh giá trị p với α. Chỉ bác bỏ giả thuyết H0 nếu p
Kết luận về kiểm định giả thuyết – Nếu bác bỏ giả thuyết H0, ta kết luận có đủ chứng cứ thống kê để suy diễn giả thuyết H1 là đúng. – Nếu không bác bỏ giả thuyết H0, ta kết luận không đủ chứng cứ thống kê để suy diễn giả thuyết H1 là đúng. Giả thuyết H1 quan trọng h H1 là cái chúng ta điều tra 19
Kiểm định trung bình tổng thể khi không biết phương sai tổng thể σ 2 : • Khi biết σ, thống kê x −µ z= σ n theo phân phối chuẩn – Nếu mẫu được chọn từ tổng thể có phân phối chuẩn, hoặc – Nếu tổng thể không theo phân phối chuẩn thì mẫu phải đủ lớn. • Khi σ không biết, ta dùng ước lượng điểm s và 20 thay thế thống kê z bằng trị thống kê t.