Baigiang 5 ppnckh new

Trang 1 Bài giảng # 5KIỂM ĐỊNH GIẢ THUYẾT VÀ SO SÁNH HAI TRUNG BÌNH NỘI DUNG CHÍNH▪ Kiểm định giả thiết hai trung bình tổng thể độc lập▪ Phương pháp PP so sánh hai g

9/26/2023 Bài giảng # KIỂM ĐỊNH GIẢ THUYẾT VÀ SO SÁNH HAI TRUNG BÌNH NỘI DUNG CHÍNH ▪ Kiểm định giả thiết hai trung bình tởng thể đợc lập ▪ Phương pháp (PP) so sánh hai giá trị trung bình mẫu đợc lập ▪ Sử dụng phần mềm vi tính để so sánh hai trung bình TS Nguyễn Tấn Chung - BM CNSHMT 9/26/2023 Nội dung # 1: KIỂM ĐỊNH GIẢ THIẾT CHO HAI TRUNG BÌNH CỦA HAI TỔNG THỂ KIỂM ĐỊNH GIẢ THIẾT CHO HAI TRUNG BÌNH CỦA HAI TỔNG THỂ • Chúng ta thực kiểm định giả thiết cho hai trung bình hai tổng thể • Mẫu phải ngẫu nhiên độc lập: Mẫu được xem độc lập việc lấy mẫu từ tổng thể không làm ảnh hưởng đến việc lấy mẫu từ tổng thể • Thực kiểm định giả thiết: Nhằm để đến kết luận có khác biệt hai trung bình hai tổng thể • Ví dụ: Dùng thuốc trừ sâu trùng (thiên địch) để phòng trị dịch sâu hại bắp Chúng ta đặt: - Tổng thể 1: Năng suất bắp trung bình (1) đạt được phun thuốc trừ sâu - Tổng thể 2: Năng suất bắp trung bình (2) đạt được thả trùng đực bất dục TS Nguyễn Tấn Chung - BM CNSHMT 9/26/2023 KIỂM ĐỊNH GIẢ THIẾT CHO HAI TRUNG BÌNH CỦA HAI TỔNG THỂ Năng suất (kg/lô) 40 lô bắp phun thuốc trừ sâu và 40 lô khác thả côn trùng đực bất dục (Thiên địch) 109 98 103 97 101 102 91 106 Phun thuốc trừ sâu 101 97 89 98 94 99 88 108 102 105 102 104 100 105 110 95 100 95 98 113 91 98 101 99 100 104 106 101 96 109 95 96 105 113 106 110 104 122 102 107 Thả côn trùng đực bất dục 109 110 118 109 111 111 99 112 117 99 107 119 111 103 110 108 102 111 114 114 117 101 109 109 109 103 109 106 107 111 128 109 Lúc muốn thực kiểm định giả thiết: • H0: 1 = 2 (Hai biện pháp cho suất trung bình bằng nhau) • Ha: 1  2 (Hai biện pháp cho suất trung bình khác nhau) - H0 (Giả thiết không – Null hypothesis): giả thiết được kiểm định Đây giả thiết mà ta nghi ngờ muốn bác bỏ - Ha (Giả thiết chọn lựa - Alternative hypothesis): Là giả thiết được xem chọn lựa giả thiết không; nghĩa giả thiết được chấp nhận H0 bị bác bỏ Để kiểm định giả thiết, lấy mẫu ngẫu nhiên từ tổng thể, tính trung bình mẫu tổng thể - Nếu - Nếu và khác nhau, thì loại giả thiết không (H0 ) và chọn giả thiết Ha và giống nhau, thì chọn giả thiết không (H0 ) và loại giả thiết Ha TS Nguyễn Tấn Chung - BM CNSHMT 9/26/2023 Câu hỏi được đặt khác biệt hai trung bình mẫu sai số lấy mẫu hay khác biệt đủ lớn để chứng tỏ hai tổng thể có trung bình khác SAI LẦM LOẠI I VÀ LOẠI II (TYPE I AND TYPE II ERRORS) - Bất cứ lúc sử dụng phương pháp thống kê suy luận, ln ln có khả kết luận đạt được khơng Điều có phần thông tin lấy từ mẫu được dùng để rút kết luận cho tổng thể - Việc định lựa chọn hai giả thiết: H0 Ha phạm phải hai loại sai lầm chính: • Sai lầm loại I: sai lầm bác bỏ giả thiết ‘khơng’ - H0 thật • Sai lầm loại II: Là sai lầm không bác bỏ giả thiết ‘khơng’ thật sai - Xác suất sai lầm loại I và II • Xác suất sai lầm loại I (): Là xác suất bác bỏ giả thiết khơng (H0) thật sự Xác suất sai lầm loại I được gọi mức ý nghĩa kiểm định • Xác suất sai lầm loại II (): Là xác suất không bác bỏ giả thiết H0 thật sự sai TS Nguyễn Tấn Chung - BM CNSHMT 9/26/2023 CÁC THUẬT NGỮ ĐƯỢC DÙNG TRONG KIỂM ĐỊNH GIẢ THIẾT • Vùng bác bỏ (Rejection region) giá trị số thống kê kiểm định dẫn đến việc loại bỏ giả thiết khơng • Vùng khơng bác bỏ vùng chấp nhận (Acceptance region) giá trị số thống kê kiểm định dẫn đến không bác bỏ giả thiết không • Giá trị tới hạn (Critical values) giá trị số thống kê kiểm định phân chia vùng bác bỏ không bác bỏ CÁC BƯỚC TIẾN HÀNH VÀ KẾT LUẬN CHO MỘT KIỂM ĐỊNH GIẢ THIẾT ➢ Các bước tiến hành cho một kiểm định giả thiết thống kê: • Đặt giả thiết H0 Ha • Định rõ mức ý nghĩa  • Tính giá trị số thống kê kiểm định • Tìm giá trị chuẩn mức ý nghĩa  định • So sánh giá trị của số thống kê kiểm định “giá trị tới hạn” để đến định chấp nhận hay bác bỏ giả thiết H0, tùy theo giá trị số thống kê kiểm định rơi vào vùng chấp nhận hay vùng bác bỏ • Rút kết luận ➢ Hai kết luận có thể xảy cho mợt kiểm định giả thiết: • Nếu giả thiết “khơng -Null” bị loại, kết luận có lẽ giả thiết chọn lựa • Nếu giả thiết “khơng-Null” khơng bị loại, kết luận rằng số liệu không cung cấp đủ dẫn chứng để ủng hộ giả thiết chọn lựa TS Nguyễn Tấn Chung - BM CNSHMT 9/26/2023 GIÁ TRỊ XÁC SUẤT P (P-VALUE) • Trong thống kê cổ điển, để kiểm định giả thiết thì mức ý nghĩa thường được định trước dựa theo để kết luận dạng bác bỏ hay chấp nhận giả thiết “khơng” • PP khơng cho phép nhà nghiên cứu tự đánh giá kết theo mức ý nghĩa mà họ muốn không cung cấp cho đọc giả mức ý nghĩa thật kiểm định • Để khắc phục nhược điểm này, nhiều nhà nghiên cứu hầu hết phần mềm thống kê ghi nhận giá trị P kiểm định giả thiết báo cáo • Giá trị P kiểm định giả thiết được xem mức ý nghĩa quan sát, đó xác suất sai lầm loại I giá trị quan sát số thống kê kiểm định • Tiêu chuẩn định cho kiểm định giả thiết sử dụng giá trị P-value: - Nếu giá trị P nhỏ bằng với mức ý nghĩa định (), lúc loại giả thiết “không-Null”; ngược lại, không loại giả thiết “không – Null” - Giá trị P nhỏ, dẫn chứng chống lại giả thiết “không-Null” mạnh GIÁ TRỊ XÁC SUẤT P (P-VALUE) • Một kiểm định giả thiết được gọi có ý nghĩa giá trị P (p-value) đủ nhỏ để bảo đảm loại bỏ giả thiết H0 Nhà thống kê học, Ronald Fisher, đề nghị giá trị P bằng 0,05 ranh giới để loại hay không loại giả thiết H0; nghĩa là, mức có ý nghĩa khơng có ý nghĩa kiểm định giả thiết Ngày nay, hầu hết nhà nghiên cứu vẫn trung thành với đề nghị • Ưu điểm việc sử dụng giá trị P cho phép khoảng rộng kết luận có cho kiểm định giả thiết vừa mức để không loại bỏ loại bỏ giả thiết H0 Nghĩa là, cho biểu mức độ tin tưởng khơng tin tưởng giả thiết H0 • Bảng hướng dẫn nguyên tắc để giải thích giá trị P kiểm định giả thiết Giá trị P nhỏ, mức ý nghĩa mạnh tin tưởng giả thiết H0 TS Nguyễn Tấn Chung - BM CNSHMT 9/26/2023 GIÁ TRỊ XÁC SUẤT P (P-VALUE) Giá trị P > 0,05 Giữa 0,05 0,01 Giữa 0,01 0,001 < 0,001 Mức quan trọng dẫn chứng bác bỏ H0 Rất yếu Nhẹ Đáng kể Mạnh Giải thích kết quả (Ký hiệu) Không ý nghĩa (ns) Có ý nghĩa mức 5% (*) Có ý nghĩa mức 1% (**) Có ý nghĩa mức 1‰ (***) Nội dung # 2: SO SÁNH HAI TRUNG BÌNH MẪU ĐỢC LẬP TS Ngũn Tấn Chung - BM CNSHMT 9/26/2023 SO SÁNH HAI TRUNG BÌNH VỚI LƯỢNG MẪU LỚN (n1 = n2 > = 30) • Với ví dụ phòng trị dịch sâu hại bắp trên, muốn biết mức ý nghĩa  = 5%, số liệu ghi nhận được đủ để chứng minh có khác biệt suất trung bình giữa: phun thuốc trừ sâu thả trùng đực bất dục hay khơng? • Vì hai mẫu lớn (n1 = n2 = 40) độc lập; đó, áp dụng phân bố sai biệt hai trung bình lấy mẫu để thực kiểm định giả thiết • Các bước thực sau: ➢ Đặt giả thiết: - H0: 1 = 2 (hai biện pháp cho suất trung bình bằng nhau) - Ha: 1  2 (hai biện pháp cho suất trung bình khác nhau) ➢ Chọn mức ý nghĩa 5% để kiểm định giả thiết ( = 0,05) • Vì  = 0,05, bảng z “Phụ lục A1” tìm được giá trị tới hạn (hai đuôi)  z/2 =  z0,05/2 =  z0,025 =  1,96 Năng suất (kg/lô) 40 lô bắp phun thuốc trừ sâu và 40 lô khác thả côn trùng đực bất dục (Thiên địch) 109 98 103 97 101 102 91 106 Phun thuốc trừ 101 97 98 94 88 108 105 102 100 105 95 100 98 113 98 101 sâu 89 99 102 104 110 95 91 99 TS Nguyễn Tấn Chung - BM CNSHMT 100 104 106 101 96 109 95 96 105 113 106 110 104 122 102 107 Thả côn trùng 109 110 111 111 117 99 111 103 102 111 117 101 109 103 107 111 đực bất dục 118 109 99 112 107 119 110 108 114 114 109 109 109 106 128 109 9/26/2023 SO SÁNH HAI TRUNG BÌNH VỚI LƯỢNG MẪU NHỎ (n1 = n2< 30) TS Nguyễn Tấn Chung - BM CNSHMT 9/26/2023 TS Nguyễn Tấn Chung - BM CNSHMT 10 9/26/2023 Nội dung # 3: SỬ DỤNG PHẦN MỀM MINITAB ĐỂ SO SÁNH HAI TRUNG BÌNH MẪU DÙNG MINITAB SO SÁNH HAI TRUNG BÌNH MẪU - Bước 1: Kiểm tra sự phân bố chuẩn với NPP plot - Bước 2: Tiến hành phân tích 2-sample t test - Bước 3: Kết luận dựa vào phân tích 2-sample t test TS Nguyễn Tấn Chung - BM CNSHMT 11 9/26/2023 DÙNG MINITAB SO SÁNH HAI TRUNG BÌNH MẪU Bước 1: Kiểm tra sự phân bố chuẩn với NPP plot Copy data from Excel into worksheet of Minitab Variable in DÙNG MINITAB SO SÁNH HAI TRUNG BÌNH MẪU Bước 1: Kiểm tra sự phân bớ chuẩn với NPP plot Copy data from Excel into worksheet of Minitab Variable in TS Nguyễn Tấn Chung - BM CNSHMT 12 9/26/2023 Copy data from Excel into worksheet of Minitab DÙNG MINITAB SO SÁNH HAI TRUNG BÌNH MẪU Bước 2: Tiến hành phân tích 2-sample t test Two-Sample T-Test and CI: TL-Không bổ sung Vitami, TLCó bổ sung Vitamin Variable Variable Two-sample T for TL-Không bổ sung Vitamin (kg) vs TLCó bổ sung Vitamin (kg) SE N Mean StDev Mean TL-Không bổ sung Vitami 14 187.6 38.1 10 TL-Có bổ sung Vitamin 14 235.9 54.3 15 Difference = mu (TL-Không bổ sung Vitamin (kg)) - mu (TL-Có bổ sung Vitamin kg)) Estimate for difference: -48.3 T-Test of difference = (vs not =): T-Value = -2.72 P-Value = 0.011 DF = 26 Both use Pooled StDev = 46.8960 TS Nguyễn Tấn Chung - BM CNSHMT 13 9/26/2023 DÙNG MINITAB SO SÁNH HAI TRUNG BÌNH MẪU BTVN: Dùng dữ liệu bên để so sánh TB tổng thể Năng suất (kg/lô) 40 lô bắp phun thuốc trừ sâu và 40 lô khác thả côn trùng đực bất dục (Thiên địch) 109 98 103 97 101 102 91 106 Phun thuốc trừ sâu 101 97 89 98 94 99 88 108 102 105 102 104 100 105 110 95 100 95 98 113 91 98 101 99 TS Nguyễn Tấn Chung - BM CNSHMT 100 104 106 101 96 109 95 96 105 113 106 110 104 122 102 107 Thả côn trùng đực bất dục 109 110 118 109 111 111 99 112 117 99 107 119 111 103 110 108 102 111 114 114 117 101 109 109 109 103 109 106 107 111 128 109 14