Nâng caoNâng cao·14 min

Kiểm định giả thuyết với Độ lệch chuẩn

Q: How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Q: Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

Q: What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Q: Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Q: Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Tìm hiểu cách độ lệch chuẩn được sử dụng trong kiểm định giả thuyết. Hiểu kiểm định t, kiểm định z và cách xác định ý nghĩa thống kê.

Tổng quan

Kiểm định giả thuyết là phương pháp thống kê dùng để đưa ra quyết định về tổng thể dựa trên dữ liệu mẫu. Độ lệch chuẩn đóng vai trò quan trọng trong việc xác định liệu sự khác biệt quan sát được có ý nghĩa thống kê hay chỉ do ngẫu nhiên.

Phát biểu giả thuyết

Phát biểu giả thuyết không (H₀) và giả thuyết đối (H₁)

Chọn mức ý nghĩa

Chọn mức ý nghĩa (α), thường là 0,05

Tính thống kê kiểm định

Tính thống kê kiểm định sử dụng độ lệch chuẩn

So sánh với giá trị tới hạn

So sánh với giá trị tới hạn hoặc tính giá trị p

Đưa ra quyết định

Đưa ra quyết định: bác bỏ hoặc không bác bỏ H₀

Kiểm định Z

Sử dụng kiểm định Z khi bạn biết độ lệch chuẩn tổng thể (σ) và có kích thước mẫu lớn (n ≥ 30).

Thống kê kiểm định Z

z = (x̄ - μ₀) / (σ / √n)

Ví dụ

Nhà sản xuất tuyên bố pin có tuổi thọ trung bình 100 giờ (μ₀ = 100). Bạn kiểm tra 36 pin và tìm thấy x̄ = 98 giờ. Nếu σ = 12 giờ: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Với z = -1 và α = 0,05 (hai phía), chúng ta không bác bỏ H₀. Sự khác biệt không có ý nghĩa thống kê.

Kiểm định T

Sử dụng kiểm định t khi bạn không biết độ lệch chuẩn tổng thể và phải ước lượng từ mẫu (sử dụng s thay vì σ).

Thống kê kiểm định T

t = (x̄ - μ₀) / (s / √n)

Khi nào dùng kiểm định T và Z

- Kiểm định Z: σ đã biết, n ≥ 30 - Kiểm định T: σ chưa biết (dùng s), mọi kích thước mẫu Trong thực tế, kiểm định t phổ biến hơn nhiều vì chúng ta hiếm khi biết σ tổng thể thực sự.

Sai số chuẩn

Sai số chuẩn (SE) đo lường mức độ biến thiên của trung bình mẫu so với trung bình tổng thể. Đây là mắt xích quan trọng giữa độ lệch chuẩn và kiểm định giả thuyết.

Sai số chuẩn của trung bình

SE = σ / √n (hoặc s / √n khi dùng SD mẫu)

Sai số chuẩn giảm khi kích thước mẫu tăng. Mẫu lớn hơn cho ước lượng chính xác hơn và dễ phát hiện sự khác biệt thực hơn.

Ý nghĩa thống kê

Kết quả có ý nghĩa thống kê khi xác suất quan sát được nó do ngẫu nhiên (giá trị p) thấp hơn ngưỡng đã chọn (α).

Nếu giá trị p < α

Bác bỏ H₀. Kết quả có ý nghĩa thống kê.

Nếu giá trị p ≥ α

Không bác bỏ H₀. Kết quả có thể do ngẫu nhiên.

Ý nghĩa thống kê và ý nghĩa thực tiễn

Kết quả có ý nghĩa thống kê không nhất thiết quan trọng trong thực tế. Với mẫu rất lớn, những khác biệt nhỏ có thể “có ý nghĩa” nhưng vô nghĩa trong thực tiễn. Luôn xem xét độ lớn hiệu ứng cùng với giá trị p.

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?