XSTK 8. (bản cũ) Lý thuyết kiểm định giả thuyết thống kê

[@EurekaUni]

25:55, 26:20 và 29:12 Cặp "bằng-khác" nên công thức p-value đúng phải là p-value = 2*P(Z>|Zqs|), và p-value = 2*P(T>|Tqs|). Trong video thiếu nhân 2. 25:40 Trong công thức tính beta phải là -z(alpha) XÁC SUẤT THỐNG KÊ - FULL VIDEO + Chương 1. Biến cố & Xác suất: eureka-uni.tiny.us/XSTKFull + Chương 2. Biến ngẫu nhiên 1 chiều: eureka-uni.tiny.us/XSTKC2 + Chương 3. Quy luật xác suất thông dụng: eureka-uni.tiny.us/XSTKC3 + Chương 4. Biến ngẫu nhiên 2 chiều: eureka-uni.tiny.us/XSTKC4 + Chương 5. Luật số lớn: eureka-uni.tiny.us/XSTKC5 + Chương 6. Lý thuyết mẫu: eureka-uni.tiny.us/XSTKC6 + Chương 7. Ước lượng tham số: eureka-uni.tiny.us/XSTKC7 + Chương 8. Kiểm định giả thuyết: eureka-uni.tiny.us/XSTKC8 + Chương 10. Hồi quy 2 biến: tinyurl.com/XSTKC10 + Thực hành trên Excel: eureka-uni.tiny.us/XSTKExcel + XSTK Hỏi đáp: eureka-uni.tiny.us/XSTKHoiDap DONATION: * Momo: 0986.960.312 - Hoang Ba Manh * Shopee: 0986.960.312 - Hoang Ba Manh * Vietinbank: 0986.960.312 - Hoang Ba Manh * Techcombank: 0986.960.312 - Hoang Ba Manh * VPbank: 0986.960.312 - Hoang Ba Manh

[@EurekaUni]

DONATION: * Momo: 0986.960.312 - Hoang Ba Manh * Shopee: 0986.960.312 - Hoang Ba Manh * Vietinbank: 0986.960.312 - Hoang Ba Manh * Techcombank: 0986.960.312 - Hoang Ba Manh * VPbank: 0986.960.312 - Hoang Ba Manh

[@EurekaUni]

* Kênh học online free Eureka! Uni: kzbin.info * Group Toán cao cấp: fb.com/groups/toancaocap.neu * Group Xác suất thống kê: fb.com/groups/xacsuatneu * Group Kinh tế lượng: fb.com/groups/kinhteluong.neu * Group Kinh tế vi mô: fb.com/groups/microeconomics.neu * Group Kinh tế vĩ mô: fb.com/groups/macroeconomics.neu

[@EurekaUni]

DONATION: * Momo: 0986.960.312 - Hoang Ba Manh * Shopee: 0986.960.312 - Hoang Ba Manh * Vietinbank: 0986.960.312 - Hoang Ba Manh * Techcombank: 0986.960.312 - Hoang Ba Manh * VPbank: 0986.960.312 - Hoang Ba Manh

[@EurekaUni]

* Fanpage của Eureka! Uni: fb.com/EurekaUni.Official * Fanpage của Eureka! Uni: fb.com/eureka.uni.vn * Website Eureka! Uni: eureka-uni.com

[@EurekaUni]

25:55 , 26:20 và 29:12 Cặp "bằng-khác" nên công thức p-value đúng phải là p-value = 2*P(Z>|Zs|), và p-value = 2*P(T>|Ts|). Trong video thiếu nhân 2. 25:40 Trong công thức tính beta phải là -z(alpha)

[@duyetgisngvan8713]

Thầy dạy hay quá 🎉🎉❤❤

[@EurekaUni]

Bản cũ này có 1 số lỗi đã đính chính ở bình luận được ghim, e chú ý nhé.

[@tran536]

dễ hiểu lắm ạ, cảm ơn thầy nhiều ạ

[@EurekaUni]

Có 1 số lỗi tôi đã note lại ở comment được ghim, em chú ý nhé.

[@tinhNguyen-jx4pp]

bài giảng hay lắm ạ

[@data-dynamo-guy]

Dạ em cám ơn thầy

[@florierend16]

mới update lại kiến thức mới hả anh nhưng mà rất dể hiểu. Em cảm ơn anh

[@EurekaUni]

Kiến thức vẫn thế mà e :v Nhưng lười, với nghĩ k ai xem lý thuyết, nên giờ a mới làm.

[@florierend16]

@@EurekaUni anh vừa cứu em đấy tuần sau em thi rồi may quá anh vẫn làm tới cùng 😙

[@locduongtan]

thầy có thể giải thích kĩ hơn tại sao Sai lầm loại 2 nguy hiểm hơn ạ?

[@EurekaUni]

Nếu chấp nhận giả thuyết thì sẽ dùng giả thuyết đó làm cơ sở để suy luận, giả thuyết sai -> sai lầm xuất hiện. Nếu k chấp nhận thì k dùng, k gây hậu quả gì.

[@idolart7005]

29:23 anh ơi ở vid 8.1 pvalue = 2P(T>|Tqs|) mà sao ở đây lại không nhân 2 vậy ạ

[@EurekaUni]

Ờ nhở. Phải nhân 2 vào mới đúng nha.

[@huyquang4016]

Thời gian đi từ nhà đến trường của sinh viên A là biến ngẫu nhiên có phân phối chuẩn với thời gian trung bình là 20 phút và độ lệch chuẩn là 5 phút. Sinh viên A cần xuất phát từ nhà trước giờ học là bao nhiêu phút để tỉ lệ ngày đi học muộn chỉ là 10%? hơi ngoài lề xíu nhưng anh cho em hỏi câu này hướng giải quyết mình như nào ạ

[@EurekaUni]

Cần xuất phát trước a phút, a phải thoả mãn: P(X>a) = 10%

[@NguyenThiThao13]

Dạ thầy cho em hỏi là ước tính độ đồng đều là ước tính phương sai hay ước tính độ lệch chuẩn ạ

[@EurekaUni]

Cái nào cũng được em. Nhưng độ lệch chuẩn thì có cùng đơn vị đo với biến ngẫu nhiên nên dùng nó có nhiều ý nghĩa hơn.

[@NguyenThiThao13]

@@EurekaUni e cảm ơn Thầy ạ

[@phuonghovan5892]

Dạ anh ơi, cho em hỏi là ở 10:55 câu b sao không phải là H1: xích ma A bình > xích ma B bình ạ

[@EurekaUni]

Thế thì nó lại thành giả thuyết "chi tiêu công nhân khu A phân tán hơn khu B". Đây không phải giả thuyết cần kiểm định.

[@needsbd1345]

@@EurekaUni nhưng e tưởng H1 là ghtuyet đối của gthuyet gốc Ho là B phân tán hơn A ạ

[@EurekaUni]

@@needsbd1345 Giả thuyết gốc (Null Hypothesis) là giả thuyết chứa dấu "=" B phân tán hơn A sigma(B) > sigma(A) hay sigma(A) < sigma(B) Không có dấu bằng => Đây là H1. H0 ngược lại với H1 => sigma(A) >= sigma(B)

[@Fur5]

Anh ơi cho e hỏi phân biệt khi biết muy, xích ma với ko biết là như nào vậy ạ Em vẫn bị tắc chỗ đấy ạ

[@EurekaUni]

Cái đó đề bài người ta sẽ cho em. Các bài toán mà biết 1 trong 2 tham số thường chỉ gặp ở nội dung lý thuyết, làm cơ sở để xây dựng công thức. Chủ yếu khi gặp bài tập đều là các trường hợp chưa biết cả muy và sigma. Như VD1 trong video thì nó chưa biết cả muy và sigma đấy.

[@Fur5]

@@EurekaUni nhưng mà e chưa phân biệt rõ được ấy ạ biết muy và biết xích ma là như nào

[@Fur5]

A ấy nói rõ rồi khi so sánh với giá trị trung bình thì dùng muy, còn khi kiểm định độ phân tán giữa hai đối tượng thì dùng độ lệch chuẩn xichma. Đọc lại khái niệm xem

[@EurekaUni]

E nhìn trong thống kê kiểm định Z, thấy có cả muy và sigma. Đây là 2 tham số tổng thể. Ta có các trường hợp sau: + Nếu cả muy và sigma đều biết trước thì không cần kiểm định hay ước lượng nữa. + Nếu 1 trong 2 chưa biết => cần ước lượng/kiểm định cho tham số chưa biết. + Nếu cả 2 đều chưa biết => cần ước lượng/kiểm định cho tham số chưa biết. Như vậy: + Nếu cần ước lượng/kiểm định cho muy, ta quan tâm tới việc sigma đã biết hay chưa để chọn thống kê (công thức) cho phù hợp. + Tương tự, nếu ước lượng/kiểm định cho sigma^2, ta quan tâm xem muy đã biết hay chưa để dùng công thức tương ứng.

[@kiemtientemu]

khi nào biết tra bảng T khi nào tra z vậy thầy

[@EurekaUni]

Cần dùng student thì tra student, cần dùng z thì tra bảng z. K có bảng z thì có thể tra ở bảng student dòng n=vô cực.

[@leloan5150]

Ở chỗ tính p-value (29:57), nếu mình dùng hàm TDIST(1.43,24,2) thì ra kết quả là 0.166. Bạn dùng hàm T.DIST.RT lại ra kết quả là 0.083 tức là 1 tail. Nhưng giả thuyết này đang là 2 tails. Bạn giải thích dùm mình chỗ này rõ hơn được ko? Cảm ơn bạn

[@EurekaUni]

Bạn đọc lại 3 thứ: 1) Định nghĩa và biểu thức xác định t critical value. 2) Định nghĩa, công dụng và đối số của 2 hàm TDIST và T.DIST.RT trong excel. Còn miền bác bỏ trong lý thuyết kiểm định tôi đã nêu trong video này rồi.

[@leloan5150]

@@EurekaUni Theo mình hiểu bài này là 2 tail nên công thức excel cần dùng để tính p-value là TDIST. Mặt khác, hàm T.DIST.RT dùng để tính 1 tail bên phải nên sẽ không phù hợp với bài này. Hơn nữa, trong pinned comment, mình thấy bạn có edit p-value = 2*P(Z>|Zqs|). Như vậy, nếu bạn dùng T.DIST.RT cho ra kết quả p-value = 0.083, vậy p-value đúng ra phải là 2*0.083 = 0.166. Nếu có chỗ nào chưa đúng mong được bạn giải thích cụ thể hơn ạ. Mình đã coi hết video chương 8 và chỉ thắc mắc chỗ này.

[@EurekaUni]

Chỗ 29:57 là tôi dùng Excel để tính mức alpha của t(24, alpha) thỏa mãn = 1.43 Nếu bạn không quan tâm đến t-critical mà chỉ quan tâm đến p-value thì dùng hàm TDIST.

[@leloan5150]

@@EurekaUni Cảm ơn bạn đã phản hồi. Mình cho là bạn chưa hiểu câu hỏi của mình, hoặc mình chưa hiểu câu trả lời của bạn nên mình vẫn còn những thắc mắc sau: 1. Hàm TDIST hay T.DIST.RT thì đều cần nhập giá trị t-critical để tìm ra p-value -> mình chưa hiểu ý bạn ở câu "không quan tâm đến t-critical mà chỉ quan tâm đến p-value thì dùng hàm TDIST". 2. Theo mình tìm hiểu thì T.DIST.RT tương đương với việc gọi công thức TDIST với đuôi = 1. Như vậy 2 hàm này chỉ khác nhau ở số đuôi. 3. Câu hỏi ban đầu của mình là: tại sao bạn lại dùng hàm T.DIST.RT (trả về hàm phân phối Student đuôi phải, tương đương với 1 tail), trong khi bài toán đang được nhắc đến là kiểm định 1 tham số 2 tail.

[@EurekaUni]

@@leloan5150 Rất xin lỗi bạn vì nay tôi mới thấy phản hồi gần nhất của bạn. Có lẽ chúng ta chỉ cần làm rõ ý số 3 là đủ. Theo cách bạn dùng, chúng ta sẽ nhận ngay được kết quả p-value cần tính: p-value (two-tails) = TDIST(1.43,24,2) Khi thực hành sẽ rất thuận tiện. Tuy nhiên trong video, ở bước tính p-value, tôi đang hướng bạn học dùng công thức: p-value (two-tails) = 2*P(T > 1.43) và để giải quyết xác suất P(T > 1.43), tôi sử dụng hàm T.DIST.RT theo định nghĩa P(T>t(n,α)) = α Cách tôi làm lòng vòng hơn nhưng lại là hướng phải đi khi trình bày tự luận.

[@duongtudung9089]

nếu Tqs ≤ z(α) thì tra bảng student còn Tqs ≥ Z(α) thì tra gauss đúng ko anh

[@EurekaUni]

n>30 thì tra bảng z n

[@sangoan7467]

Dạ thầy ơi, em đang tìm hiểu về tương quan Pearson (H0: 2 biến không có tương quan). Khi sử dụng các hàm, lệnh trong python thì trả về 2 giá trị, thứ 1 nhất là hệ số tương quan r gần 0, thứ 2 là p-value < 0.05. Nếu p-value < 0.05 thì bác bỏ giả thuyết H0, nghĩa là có sự tương quan tuyến tính giữa 2 biến, nhưng hệ số r gần 0 thì không có sự tương quan tuyến tính giữa 2 biến. Em thấy nó cấn cấn sao ấy ạ. Mong thầy giải ngố dùm em ạ.

[@EurekaUni]

Bằng 0 thì mới kết luận là k có tương quan. Khác 0, dù là nhỏ, thì vẫn có tương quan, chỉ là tương quan bị yếu thôi.

[@sangoan7467]

Dạ em cảm ơn thầy@@EurekaUni

[@needsbd1345]

thầy ơi cho e hỏi ở ví dụ 13:27 sao k lấy gthuyet Ho gốc theo đề là kiểm định sữa bị đóng thiếu luôn ạ

[@EurekaUni]

H0 luôn chứa dấu "=" Câu hỏi là dấu "

[@duckmansmemories]

khi đề bài hỏi kiểm định cho muy thì: n , 30 thì tính z = ((X trung bình) - muy0) / (độ lêch chuẩn σ / √n) rồi so sánh với z(alpha/2 hay alpha tùy theo != hay >,

[@EurekaUni]

Sai. S là S, sigma là sigma, không đồng nhất được. Giả sử cho sigma đã biết thì dùng sigma, nếu không luôn luôn dùng S. n>30 hay n

[@HoangViet-d2e]

Ở 31:12 em tính phải là -0.7931 chứ nhỉ sao lại là -5.08

[@EurekaUni]

Ừm chỗ đó tôi tính sai. -0.7931 là kết quả đúng.

[@tungpham7257]

anh ơi ở đoạn 31:05 sao lại ra được -5,08 ạ?

[@EurekaUni]

Thay số vào em

[@EurekaUni]

2.064-2/(3.5/5)

[@tungpham7257]

@@EurekaUni em ra -0.79 ạ