nghiên cứu marketing phần 8 potx

Nếu H 1 đúng tức µ x - µ y > D 0 , khi đó W α : T s s btd y y x x nn Dyx T α > + −− = 2 , 2 , 0 Nếu H 1 đúng tức µ x - µ y < D 0 , khi đó W α : btd y y x x T n s n s Dyx T α −< + −− = 2 ' 2 ' 0 Nếu H 1 đúng tức µ x - µ y ≠ D 0 , khi đó W α : btd y y x x T n s n s Dyx T 2 2 ' 2 ' 0 α −< + −− = Tính hệ số quan sát, so sánh với W α và kết luận .  Ví dụ: Kiểm tra chiều dài trung bình của một chi tiết được chế tạo từ hai thiết bị khác nhau một cách ngẫu nhiên, ta có : mẫu ngẫu nhiên 15 chi tiết của thiết bị thứ nhất có chiều dài trung bình là 100 cm và độ lệch chuẩn hiệu chỉnh là 5 cm ; mẫu ngẫu nhiên 10 chi tiết của thiết bị thứ hai có chiều daì trung bình là 110 cm và độ lệch chuẩn hiệu chỉnh là 3cm. Với mức ý nghĩa α = 0,05, hãy kết luận xem kích thước trung bình của chi tiết trên được chế tạo ở hai thiết bị trên có như nhau hay không. Biết chiều dài trung bình của chi tiết trên là đại lượng ngẫu nhiên phân phối chuẩn. Giải: Áp dụng phương pháp kiểm định sự khác biệt giữa hai trung bình tổng thể theo luật phân phối chuẩn (chưa biết σ và n x , n y <30). Gọi chiều dài trung bình của chi tiết được chế tạo trên hai thiết bị lần lượt là µ x , µ y với µ x , µ y là các đại lượng ngẫu nhiên phân phối chuẩn. Theo đề bài, chúng ta cần phải kiểm tra xem kích thước của chi tiết được chế tạo trên hai thiết bị có như nhau hay không. B1. Giả thiết và đối thiết: H 0 : µ x - µ y = 0 H 1 : µ x - µ y ≠ 0 B2. Chọn mức ý nghĩa α B3. Xác định phương pháp kiểm định: Phương pháp kiểm định sự khác biệt tham số trung bình giữa hai mẫu (độc lập), σ chưa biết. B4. Tiêu chuẩn kiểm định: 074,2 22 025,0 2 2 ' 2 ' 0 ==≥ + −− = TT n s n s Dyx T btd y y x x α Trong đó bậc tự do được xác định theo công thức : 144 84,22 9 ) 10 9 ( 14 ) 15 25 ( ) 10 9 15 25 ( 22 2 = + + =btd Minh họa bằng hình vẽ: Miền bác bỏMiền bác bỏ -6,242 2 , 074-2 , 074 Kết luận: k qs ∈ W α , ta bác bỏ giả thiết H 0 và chấp nhận đối thuyết H 1 , nghĩa là chiều dài trung bình của chi tiết được chế tạo ở hai thiết bị trên là khác nhau. Hai biến (mẫu) phối hợp từng cặp Điều kiện áp dụng: Khi tiến hình so sánh sự khác nhau giữa trung bình hai tổng thể, hai mẫu cần thỏa mãn điều kiện là dữ liệu phải tuân theo quy luật phân phối chuẩn và phương sai của hai mẫu phải bằng nhau. B1. Giả thuyết và đối thuyết: Đối x ứng Phải Trái Giả thiết H 0 : µ x - µ y = D 0 H 1 : µ x - µ y ≤ D 0 H 0 : µ x - µ y ≥ D 0 Đối thiết H 1 : µ x - µ y ≠ D 0 H 1 : µ x - µ y > D 0 H 1 : µ x - µ y < D 0 B2. Lựa chọn mức ý nghĩa α B3. Lựa chọn phương pháp kiểm định: Phương pháp kiểm định sự khác nhau trung bình của hai tổng thể (mẫu phối hợp từng cặp), chúng ta dùng bảng phân phối chuẩn (nếu mẫu lớn hơn hoặc bằng 30) hay phân phối T-student (nếu mẫu nhỏ hơn 30) B4. Tiêu chuẩn kiểm định d s nDx DK ' )( 0 − =≡ với x và s’ d là trung bình và độ lệch chuẩn của n khác biệt. B5. Miền bác bỏ với α cho trước: Nếu H 0 : µ x - µ y > D 0 , khi đó W α : T d s nDx ' )( 0 − = > U 1-α (hoặc -T (n-1);α nếu n<30) Nếu H 0 : µ x - µ y < D 0 , khi đó W α : T d s nDx ' )( 0 − = < U 1-α (hoặc -T (n-1);α nếu n<30) Nếu H 0 : µ x - µ y ≠ D 0 , khi đó W α : ⏐T⏐ d s nDx ' )( 0 − = ≥ U 1-α/2 (hoặc T (n-1);α/2 nếu n<30) Tính hệ số quan sát k qs để so sánh với miền bác bỏ và kết luận. Mô hình của bài toán kiểm định sự khác biệt giữa hai tham số trung bình có thể tóm lược ở biểu sau: 145  Ví dụ: Một công ty hóa mỹ phẩm đã tiến hành một chiến dịch khuyến mãi nhằm mục đích tăng doanh số. Để đánh giá xem việc khuyến mãi có thực sự làm tăng doanh số hay không, công ty đã chọn ngẫu nhiên 15 cửa hàng trong hệ thống phân phối sản phẩm của mình và khảo sát sự khác biệt về doanh số bán trong tuần lễ trước và sau chiến dịch khuyến mãi. Số liệu thu thập được thể hiện trong bảng sau: Doanh số trong tuần (triệu đồng) Cửa hàng Trước khuyến mãi Sau khuyến mãi d i =(x i -y i ) (di- x ) 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 57 61 12 38 12 69 5 69 88 9 92 26 14 70 22 60 54 20 35 21 70 1 65 79 10 90 32 19 77 29 -3 7 -8 3 -9 -1 4 4 9 -1 2 -6 -5 -7 -7 3,24 67,24 46,24 17,64 60,84 0,04 27,04 27,04 104,04 0,04 10,24 23,04 14,44 33,64 33,64 -18 468,40 x =-1.2 s’ d= 5,78 KIỂM ĐỊNH THAM SỰ KHÁC NHAU HAI TRUNG BÌNH TỔNG THỂ (dựa trên sự phân phối từng cặp) 1. Giả thiết và đối thiết: Đối xứng Phải Trái Giả thiết H 0 : µ x - µ y =D 0 H 0 : µ x - µ y ≤ D 0 H 0 : µ x - µ y ≥ D 0 Đối thiết H 1 : µ x - µ y ≠ D 0 H 1 : µ x - µ y > D 0 H 1 : µ x - µ y < D 0 2. Xác định mức ý nghĩa 3. Phương pháp kiểm nghiệm sự khác nhau của hai trung bình tổng thể - Bảng phân phối chuẩn hoặc T-student (nếu n<30) 4. Tiểu chuẩn kiểm định T hoặc U: x và s’ d là trung bình và độ lệch chuẩn điều chỉnh của n khác biệt 5. Điểm tới hạn và miền bác bỏ: Đối xứng Phải Trái Điểm tới hạn - T (n-1);1-α/2 và T (n-1);1- α/2 T (n-1);1-α - T (n-1);1-α Miền bác bỏ D<- T (n-1);1-α/2 và D>T (n-1);1-α/2 D>T (n-1);1-α D<-T (n-1);1-α Mô hình BB CN BB -T (n-1);1-α/2 T (n- BB -T (n-1);1-α BB T (n-1);1-α d qs s nDx Tk ' )( 0 − =≡ 146 Với mức ý nghĩa α =0,05, có thể kết luận chiến dịch khuyến mãi đã làm tăng doanh số hay không? Giải: Gọi µ x , µ y lần lượt là doanh số trung bình sau và trước khi thực hiện chiến dịch khuyến mãi, µ x , µ y là đại lượng ngẫu nhiên tuân theo quy luật phân phối T-student (vì n=15<30) B1. Giả thiết và đối thiết: H 0 : µ x - µ y ≤ 0 H 1 : µ x - µ y > 0 B2. Mức ý nghĩa α =0,05. B3. Phương pháp kiểm định: Kiểm định sự khác nhau giữa hai trung bình của tổng thể (hai mẫu phối hợp từng cặp). B4. Tính giá trị kiểm định: d qs s nDx Dk ' )( 0 − =≡ với x và s’ d là trung bình và độ lệch chuẩn của n khác biệt. Từ số liệu trên, ta tính được x =-1,2 và s’ d = 5,78. Khi đó K qs sẽ là: 803,0 78,5 152,1 )( ' 0 −= − = − = d qs s nDx k B4. Miền bác bỏ và kết luận: Với H 1 : µ x - µ y > 0, khi đó W α : T d 0 's n)Dx( − = >T (n-1); α = T (14),0,05 = 1,761 Minh họa bằng hình vẽ: Miền bác bỏ 1,761 -0,803 Kết luận: vì k qs không thuộc W α nên chưa có cơ sở để bác bỏ giả thiết H 0 và chấp nhận giả thuyết đối H 1 ở mức ý nghĩa α =0,05, hay chiến dịch khuyến mãi của công ty vẫn chưa làm tăng doanh số. Kiểm định sự khác nhau giữa trung bình từ hai mẫu trở lên – Phân tích ANOVA (Gồm một biến định lượng và một biến phân loại (biến định tính)) Mục tiêu của phân tích phương sai là so sánh trung bình của nhiều tổng thể dựa trên các trung bình mẫu, đây là hình thức mở rộng của kiểm định T-student. Trong trường hợp biến phân loại có nhiều hơn 2, chúng ta th ường sử dụng phân tích phương sai (ANOVA – Analysis of variance). Tại sao vây?, bởi vì khi sử dụng kiểm định t đối với hai mẫu độc lập, trong trường hợp biến phân loại có 3 hoặc nhiều hơn 3 nhóm, chúng ta phải thực hiện rất nhiều cặp (k) so sánh lẫn nhau từng đôi một, điều này dẫn đến một tình trạng là sai số của kiểm định sẽ lớn hơn rất nhiều so với mong muốn ban đầu. Ví dụ, mỗi một kiểm định Z hay t (kiểm định sự khác nhau tham số trung bình giữa hai mẫu độc lập) chứa đựng một sai số dạng I, tổng sai số của dạng I đối với k đôi giá trị trung bình bằng I=1-(1 - α) k . Trong một trường hợp cụ thể, giả sử chúng ta có một biến phân loại 147 với 5 giá trị lựa chọn và α = 0,05, khi đó chúng ta sẽ có 10 so sánh nếu chúng ta dùng phương pháp kiểm định t. Sai số dạng I của kiểm định t khi đó sẽ là: I =1 – (1- α) k = 1- (1-0,05) = 1-(0,95) 10 = 0.40 Trong trường hợp này, sai số để chúng ta bác bỏ giả thuyết H 0 về bằng nhau của các giá trị trung bình ngay cả khi H 0 đúng là 40% chứ không phải là 5% như ban đầu. Các điều kiện sử dụng: Các mẫu được rút ra theo cách ngẫu nhiên và độc lập (điều kiện này phải được đảm bảo), các tổng thể có phân phối chuẩn (hoặc gần phân phối chuẩn) và các tổng thể có cùng phương sai. Phân tích phương sai một chiều: (One-Way Analysis of Variance) Phân tích phương sai một chiều là phân tích dựa trên ảnh hưởng của một nhân tố định lượng đế n một nhân tố định tính (dạng phân loại). Giả sử từ một biến phân loại, chúng ta có thể chia tổng thể thành k nhóm tuân theo quy luật phân phối chuẩn và có phương sai bằng nhau dựa trên k mẫu ngẫu nhiên độc lập gồm n 1 , n 2 , , n k quan sát. Gọi x ij là giá trị của biến định lượng đang nghiên cứu tại quan sát thứ j của nhóm thứ I, khi đó, 1 x , 2 x ,…, k x là giá trị trung bình của các nhóm, x là trung bình chung của tất cả các nhóm theo biến định lượng đang nghiên cứu. Gọi giá trị trung bình của các nhóm trong tổng thể là µ 1 , µ 2 ,…, µ k thì phương pháp phân tích phương sai sẽ cho phép chúng ta so sánh sự khác nhau giữa tham số trung bình của 2 hay nhiều nhóm có trong mẫu để suy rộng lên tổng thể. B1. Giả thiết và đối thiết trong phân tích phương sai một chiều được phát biểu như sau: H 0 : µ 1 = µ 2 =… = µ k H 1 : Tồn tại ít nhất một giá trị trung bình của nhóm thứ I (µ i ) khác với ít nhất một giá trị trung bình của nhóm còn lại. B2. Lựa chọn mức ý nghĩa α B3. Bài toán phân tích phương sai một chiều (One-way ANOVA). B4. Tính tiêu chuẩn kiểm định Để tính tiêu chuẩn kiểm định trong phân tích phương sai (ANOVA), chúng ta cần tiến hành tính các chỉ tiêu sau: - Tổng độ lệch bình phương giữa các nhóm (Sum of squares between groups): phản ánh biến thiên của biến định lượng đánh nghiên cứu do tác động của biến phân loại đang xem xét ∑ = −= k i i xxSSG 1 2 )( - Tổng độ lệch bình phương trong nội bộ nhóm (Sum of squares within groups) phản ánh biến thiên ngẫu nhiên do ảnh hưởng của các yếu tố khác không xem xét ở mẫu. ∑∑ == −= k i n j i ij i xxSSW 11 2 )( - Tổng các độ lệch bình phương toàn bộ (Total sum of squares): phản ánh toàn bộ biến thiên của biến định lượng đang nghiên cứu. 148 ∑∑ == −= k i n j ij i xxSST 11 2 )( hay SST = SSW + SSG. - Phương sai giữa các nhóm (Mean squares between groups): 1− = k SSG MSG - Phương sai trong nội bộ các nhóm (Mean squares within groups): k n SSW MSW − = Lúc đó tiêu chuẩn kiểm định F (Fisher) được tính bằng: M SW MSG F = Chúng ta có thể tóm gọn cách tính thông qua bảng sau: ANOVA Sum of Squares df Mean Square F Sig. Between Groups ∑ = −= k i i xxSSG 1 2 )( k-1 1− = k SSG MSG M SW MSG F = P(F) Within Groups ∑∑ == −= k i n j i ij i xxSSW 11 2 )( n-1 k n SSW MSW − = Total ∑∑ == −= k i n j ij i xxSST 11 2 )( (SST=SSG+SSW) B5. Miền bác bỏ: Với α cho trước, chúng ta bác bỏ H 0 nếu F>F k-1,n-k,α với k-1 là bậc tự do của tử số và n-k là bậc tự do của mẫu số.  Ví dụ: Công ty A là công ty chuyên phân phối bột giặt cho thị trường Thành phố Đà Nẵng, hiện tại công ty phân phối đến khách hàng thông qua 4 của hàng 1, 2, 3, 4. Để đưa ra những quyết định marketing phù hợp, công ty muốn xem xét có sự khác nhau trong doanh số bán của các cửa hàng hay không, số liệu thu thập trong một năm tại các cửa hàng được thể hiện ở bảng sau: ĐVT: triệu đồng Cửa hàng số 1 Cửa hàng số 2 Cửa hàng số 3 Cửa hàng số 4 Tháng 1 120 123 112 119 Tháng 2 123 143 127 134 Tháng 3 134 132 156 245 Tháng 4 123 153 176 256 Tháng 5 132 143 145 364 Tháng 6 111 164 204 373 Tháng 7 176 174 275 367 Tháng 8 192 184 284 283 149 150 Tháng 9 145 142 195 293 Tháng 10 133 165 143 274 Tháng 11 126 102 134 246 Tháng 12 138 123 127 234 B1. Giả thuyết và đối thiết: H 0 : Doanh số bán trung bình hàng tháng của các cửa hàng là bằng nhau ( µ 1 = µ 2 = µ 3 = µ k ) H 1 : Tồn tại ít nhất một cửa hàng có doanh số bán khác với ít nhất một cửa hàng còn lại. B2. Mức ý nghĩa α =0,05 B3. Phương pháp kiểm định : Thực hiện phương pháp phân tích phương sai một chiều. B4. Tính tiêu chuẩn kiểm định : - Doanh số trung bình của cửa hàng số 1: 137,75 triệu - Doanh số trung bình của cửa hàng số 2: 145,67 triệu - Doanh số trung bình của cửa hàng số 3: 173,17 triệu - Doanh số trung bình của cửa hàng số 4: 265,67 triệu - Doanh số trung bình của hàng tháng của công ty là 180,56 triệu - Tham số SSG = 124176,56 - Tham số SSW = 121275,25 - Bậc tự do k-1=3 - Bậc tự do n-k = 44 - Tham số MSG = 41392,18 - Tham số MSW= 2756,25 - Hệ số Fisher (F) = 15,01 B5. Miền bác bỏ và kết luận: - Ta có F k-1;n-k; α = F 3;47;0,05 = 2,816 - Vì F = 15,01 > 2,816 nên chúng ta bác bỏ H 0 , chấp nhận H 1 có nghĩa là tồn tại ít nhất một của hàng có doanh số bán khác với doanh số bán của ít nhất một của hàng còn lại. Hồi quy tương quan (mối quan hệ giữa hai hay nhiều biến định lượng) Khi nghiên cứu mối quan hệ giữa hai hay nhiều biến định lượng, chúng ta có thể sử dụng phương pháp hồi quy, trong đói có một biến nguyên nhân (biến độc lập) và một biến kết quả (biến phụ thuộc). Trong phương pháp này người ta có thể tìm ra được mối quan hệ và mức độ tác động của biến nguyên nhân đến biến kết quả như thế nào. Giả sử chúng ta kiểm tra mối quan hệ tuyến tính giữa số năm làm việc trong doanh nghiệp với thu nhập. Khi đó, ta có thể thấy rằng biến phụ thuộc là biến thu nhập (biến Y) và biến độc lập là biến số năm làm việc (biế n X) Điều kiên ứng dụng - Giá trị của biến X là hoàn toàn độc lập so với biến Y - Sai số trong mô hình phải tuân theo quy luật phân phối chuẩn - Trung bình các sai số của mô hình phải bằng không - Phương sai của sai số là một hằng số và độc lập với giá trị X Đồ thị Trước khi xem xét mối quan hệ tương quan giữa hai biến này, chúng ta cần phải xây dựng đồ thị giữa hai biến số để chúng ta có thể dự đoán hàm số thích hợp để mô tả mối quan hệ. Qua đồ thị, chúng ta có thể dự đoán được, có thể dùng phương trình đường thẳng để mô tả mố i quan hệ giữa hai biến X, Y. Khi đó, mô hình hồi quy giản đơn trên tổng thể có thể được biểu hiện như sau: Y i = β 0 + β 1 X i + ε i (1) Trong đó: X i là số năm làm việc của người thứ i Y i là thu nhập hàng năm của người thứ i β 0 giá trị của mô hình (giá trị của biến Y) khi giá trị của biến độc lập X bằng 0 β 1 đo lường mức độ thay đổi của biến Y khi biến X thay đổi một đơn vị Nam lam viec 20181614121086 Thu nhap nam (trieu) 100000 80000 60000 40000 20000 0 Kiểm tra sự phù hợp của mô hình Phân tích phương - ANOVA (kiểm tra sự tồn tại mối quan hệ trong mô hình) Một mô hình tuyến tính được xây dựng khi nó tồn tại mối quan hệ giữa biến độc lập và biến phụ thuộc, phân tích phương sai sẽ cho phép kiểm định mối quan hệ tuyến tính giữa hai biến. - Gọi SST là tổng bình phương các biến động (giữa giá trị thực tế và giá trị trung bình của biến y). Khi đó ta có: ∑ = −= n i i yySST 1 2 )( - Gọi SSR là tổng bình phương hồi quy, là đại lượng biến động của giá trị thực tế y i được giải thích bởi giá trị hồi quy, ∑ = −= n i i yySSR 1 2 ) ˆ ( 151 - Gọi SSE là tổng bình phương biến động giữa giá trị thực tế và giá trị hồi quy, khi đó ta có thể tính được ∑ = −= n i ii yySSE 1 2 ) ˆ ( Khi đó trung bình bình phương hồi quy sẽ là k SSR =MSR với k là số biến (trong trường hợp này k=1) và trung bình bình phương phân dư k n SSE − =MSE Giá trị kiểm định F = MSE MSR có phân phối F (Phân phối Fisherr) dùng để kiểm định ý nghĩa của mô hình hồi quy, do vậy, giá trị F càng lớn (hay P(F) càng nhỏ hơn α) thì mô hình càng có ý nghĩa. Hệ số R 2 (s-square) Hệ số R 2 dùng để đo lường sự phù hợp của mô hình tuyến tính và nó thường gọi là hệ số xác định (coefficient of determination). Hệ số này biểu hiện tỷ lệ phần trăm biến đội của biến y được giải thích bởi các biến x. Khi đó SST SSE SST SSR R −== 1 2 . Tuy nhiên, R 2 của mẫu có khuynh hướng là ước lượng lạc quan của thước đo sự phù hợp của mô hình đối với tổng thể. Do vậy, R 2 a (gọi là R 2 điều chỉnh) được sử dụng để phản ánh chính xác hơn sự phù hợn của mô hình với tổng thể và: 1 )1( 2 22 −− − −= kn Rk RR a Tính các hệ số trong mô hình Ở phương trình (1) chúng ta quan tâm chú ý đến hai hệ số β 0 và β 1 , yêu cầu của mô hình hồi quy là làm nhu thế nào để tìm được các hệ số này, chúng ta có thể thể tính toán các giá trị tương ứng của β 0 và β 1 là b 0 và b 1 trên mẫu để ứng lượng lên tổng thể. Đặt (x 1 , y 1 ), (x 2 , y 2 ), , (x n ,y n ) là mẫu gồm n cặp quan sát trên đường hồi qui tổng thể có dạng: y i = b 0 + b 1 xi + e i Theo phương pháp bình phơng bé nhất, ta có thể ước lượng các hệ số β 0 và β 1 từ các hệ số b 0 và tham số b 1 của mẫu sao cho tổng bình phương sai số của phương trình sau đây là bé nhất: ∑∑ == −−== n i n i iii xbbyeSSE 11 2 10 2 )( Khi đó các giá trị b 0 và b 1 được tính như sau: ∑∑ ∑∑∑ == === − − = n i n i ii n i n i i n i iii xxn yxyxn b 11 22 111 1 )( )()( và xbyb i0 −= Với n y y n i i ∑ = = 1 và n x x n i i ∑ = = 1 152 Hệ số hồi quy chuẩn hóa (standardized regression coefficient) Hệ số hồi quy chuẩn hóa, kí hiệu là Beta biểu hiện độ dốc của đường thẳng (tìm được theo phương pháp bình phương bé nhất) khi cả hai biến X và Y được biểu diễn bằng thang đo chuẩn hóa, nó được tính bằng: y x s s Beta 1 β = với s x và s y là độ lệch chuẩn của biến X và biến Y. Ước lượng các tham số của tổng thể Phân tích hồi quy không chỉ mô tả các dữ kiện quan sat được mà công cho phép suy rộng các kết luận về mối quan hệ trong mẫu lên tổng thể. Suy rộng các kết quả của mẫu cho các giá trị của tổng thể dựa vào các giả định sau: - Với bất kì một giá trị X nào thì phân phối chuẩn của biến Y phải là phân phối chuẩn - Các giá trị Y độc lập đối với nhau tức là quan sát này không bị ảnh hưởng bởi các quan sát khác. - Tất cả các trị trung bình µ y khi X xảy ra đều nằm trên một đường thẳng – đó là đường hồi quy tổng thể. Khi chúng ta biết các giá trị b 0 và b 1 trên mẫu, chúng ta sẽ suy rộng giá trị này lên tổng thể cho các giá trị β 0 và β 1 . Nếu đặt σ 2 e và s 2 e là phương sai của sai số của mẫu (e) và tổng thể (ε), ta có: 12 1 2 2 − = − = ∑ = n SSE n e s n i i e Nếu đặt β 1 là giá trị ước lượng của b 1 trên tổng thể thì phương sai của b 1 sẽ là: ∑∑ == − = − = n i i e n i i e b xnx s xx s s 1 2 2 2 1 2 2 2 )( 1 Khi đó độ lệch chuẩn của sai số sẽ là: ∑ = − == n i i e bb xnx s ss 1 2 2 2 2 11 Suy ra ước lượng không chệch của σ 2 b1 sẽ được xác định: ∑ = − = n i i e b xnx s 1 2 2 2 2 1 σ Giả sử t sai số hồi quy (e i ) tuân theo quy luật phân phối chuẩn thì biến ngẫu nhiên (t) là giá trị dùng để kiểm định: 1 11 b s b T β − = 153 [...]... Hóng ch to B C 181 65 142 82 60 45 192 383 A 157 126 58 341 D 10 46 28 84 Tng ct j (cj) 413 396 191 1000 Nh vy cỏc giỏ tr thc t quan sỏt c v giỏ tr lý thuyt nh sau: Loi xe A Nh Trung bỡnh Ln Tng hng i (ri) 157 (140 ,83 3) 126 (135,036) 58 (65,131) 341 Hóng ch to B C 181 65 (79,296) (1 58, 179) 142 82 (76,032) (151,6 68) 60 45 (73,153) (36,672) 192 383 D 10 (34,692) 46 (33,264) 28 (16,044) 84 Tng ct j (cj)... Lớ thuyt 0,6*200 = 120 0,4*200 = 80 Thc t 105 95 B3 Chn phng phỏp kim nh =0,05 B3 Xỏc nh phng phỏp kim nh: Phng phỏp kim nh s phự hp Chi bỡnh phng Vỡ (2df ); = (21 ); 0 , 05 = 3 ,84 3 df= k-1= 2-1= 1 nờn vi tin cy 95% ta cú B4 Tớnh tiờu chun kim nh 2 df = (105 120 ) 2 ( 95 80 ) 2 + = 1 ,88 + 2 ,81 = 4 , 69 120 80 Minh ha bng hỡnh v BB 3 ,84 3 4,69 Kt lun: Vỡ 4,69 > 3 ,84 3 nờn bỏc b H0 mc ý ngha 0,05... bỡnh phng v mi quan h gia hai bin 2 = (O ij E ij ) 2 ij E ij = 45 ,81 B4 Tớnh tiờu chun kim nh B5 Kt lun : Vỡ df= (r-1)*(c-1)=(3-1)*(4-1)=6 nờn (26 ); 0 ,05 = 12 ,5916 2 = 45 ,81 > (26 ); 0 , 05 = 12 ,5916 Vy ta bỏc b gi thit H0 tc l kớch c xe v hóng sn xut xe do khỏch hng chn la l nhng nhng bin ph thuc ln nhau ch khụng phi c lp 1 58 CC PHNG PHP KIM NH PHI THAM S Kim nh phim tham s l cỏc loi kim nh... thoi ban u, kt qu thu c nh sau: Descriptive Statistics N Thu nhap nam (trieu) Valid N (listwise) 200 200 Minimum 10750 Maximum 82 500 Mean 33224.00 Std Deviation 12932.72 One-Sample Statistics N Thu nhap nam (trieu) 200 Mean 33224.00 Std Deviation 12932.72 Std Error Mean 914. 48 163 ... kt lun Vớ d: Mu 9 khỏch hng c chn ngu nhiờn v yờu cu h cho bit s thớch ca h v hai loi kem ỏnh rng A, B khỏc nhau thụng qua mt thang im t 1 (rt khụng thớch) n 5 (rt thớch) Kt qu nh sau: KH 1 2 3 4 5 6 7 8 9 Kem A 4 5 2 3 3 1 3 2 2 Kem B 3 5 5 2 5 5 3 5 5 Ch lch 1 0 -3 1 -2 -4 0 -3 -3 Hng TQ 1,5 5 1,5 3 7 Hng (+) 1,5 Hng (-) 5 1,5 3 7 5 5 3 5 5 25 ỏnh giỏ xem cú hay khụng mc a chung gia hai loi kem ỏnh . Trung bình 157 (14 (7 9 181 (15 10 (3 9 Lớn 0 ,83 3) 126 (135,036) 58 (65,131) 65 9,2 6) 82 (76,032) 45 (36,672) 8, 179) 142 (151,6 68) 60 (73,153) 4,6 2) 46 (33,264) 28 (16,044) 413 396. Tổng cột j B C (cj) Nhỏ Trung bình 157 Lớn 126 58 65 82 45 181 142 60 10 46 28 413 396 191 Tổ i) ng i (rhàng 341 192 383 84 1000 Nh hực tế sát đượ giá trị lý thuyết như sa ư. Tính tiêu chuẩn kiểm định Minh họa bằng hình vẽ 69, 481 , 288 ,1 80 )80 95( 120 )120105( 22 2 =+= − + − = df χ 156 Kết luận: Vì 4,69 > 3 ,84 3 nên bác bỏ H 0 ở mức ý nghĩa 0,05 và kết quả thi