Là gì
Hypothesis Testing (Kiểm định giả thuyết) là cách dùng một mẫu nhỏ để quyết định xem điều ta nghi ngờ về cả tập hợp lớn có đáng tin hay không. Ta không đo được mọi hồ sơ, mọi sản phẩm, mọi khách hàng, chỉ đo một phần. Mà một phần thì luôn có may rủi: lần lấy mẫu này trung bình thấp hơn một chút, lần khác cao hơn một chút. Kiểm định giả thuyết giúp trả lời: chênh lệch tôi thấy trong mẫu là một thay đổi thật, hay chỉ là may rủi của việc lấy mẫu? Câu hỏi được đặt theo kiểu: nếu chỉ có may rủi tác động thì xác suất thấy kết quả như thế này là bao nhiêu. Cách nói "xác suất kết quả là do ngẫu nhiên" dễ bị hiểu ngược, xem mục Cách đọc kết quả.
Cách nghĩ dễ nhớ nhất là một phiên tòa: giả thuyết không giống nguyên tắc bị cáo được coi là vô tội cho đến khi có bằng chứng. Bảng dưới ghép từng phần của phiên tòa với kiểm định.
| Trong phiên tòa | Trong kiểm định giả thuyết |
|---|---|
| Bị cáo được coi là vô tội cho đến khi chứng minh được điều ngược lại | Giả thuyết không (null hypothesis, ký hiệu H0): mặc định "không có gì thay đổi, không có khác biệt" |
| Lời buộc tội của công tố | Giả thuyết đối (alternative hypothesis, ký hiệu H1): điều ta nghi là có thật, ví dụ "cách làm mới nhanh hơn" |
| Chứng cứ thu được | Dữ liệu trong mẫu |
| Chứng cứ này lạ lùng đến đâu nếu bị cáo thật sự vô tội | Giá trị p (p-value) |
| Mức nghi ngờ hợp lý mà tòa đòi hỏi trước khi kết án | Mức ý nghĩa α (alpha), tiếng Anh là significance level, thường chọn 5% |
| Tuyên bị cáo có tội | Bác bỏ giả thuyết không |
| Tuyên không đủ chứng cứ kết tội | Không bác bỏ giả thuyết không |
| Kết án oan người vô tội | Sai lầm loại I |
| Tha bổng người thực ra có tội | Sai lầm loại II |
Một điểm tinh tế: "không đủ chứng cứ để kết tội" khác với "chứng minh được vô tội". Với giả thuyết không cũng vậy, ta chỉ có thể bác bỏ nó hoặc không bác bỏ nó, chứ không bao giờ "chứng minh nó đúng". Lưu ý từ "vô tội" không nên dùng cho giả thuyết không; phép so sánh chỉ để hiểu nguyên tắc.
Vì sao cần
Quyết định trong cải tiến thường dựa trên mẫu: sau khi đổi quy trình, vài chục kết quả đầu có tốt hơn không, hai nhà cung cấp có khác nhau thật không, tỷ lệ lỗi có thật sự giảm không. Nếu chỉ nhìn bằng mắt, ta dễ tin vào may rủi và triển khai rộng một thay đổi chẳng có tác dụng, hoặc ngược lại, bỏ một thay đổi tốt chỉ vì lần thử đầu chưa đủ rõ. Bài này nắm các khái niệm chung để đọc đúng kết quả của mọi phép kiểm định cụ thể sau đó (kiểm định t, kiểm định tỷ lệ, chi-bình phương, phân tích phương sai). Máy tính làm được phần tính toán, nhưng hiểu khái niệm thì mới chọn đúng phép kiểm và đọc đúng kết quả.
Phần còn lại dành cho thành viên
Đang kiểm tra quyền xem của bạn…