Công thức Giả thuyết Null là gì?
Giả thuyết Null cho rằng dữ liệu được lấy mẫu và dữ liệu dân số không có sự khác biệt hoặc nói một cách đơn giản, nó cho rằng tuyên bố của người có trên dữ liệu hoặc dân số là sự thật tuyệt đối và luôn đúng. Vì vậy, ngay cả khi một mẫu được lấy từ tổng thể, kết quả nhận được từ nghiên cứu mẫu sẽ giống như giả định.
Nó được ký hiệu là H 0 (phát âm là 'H not').
Làm thế nào nó hoạt động?
Trong khẳng định ban đầu của giả thuyết không, người ta cho rằng giả thiết là đúng. Ví dụ: giả sử rằng có một xác nhận quyền sở hữu nói rằng phải mất 30 ngày để hình thành bất kỳ thói quen nào. Do đó ở đây, người ta sẽ cho rằng nó đúng cho đến khi có một số ý nghĩa thống kê để chứng minh rằng giả định của chúng ta là sai và không mất 30 ngày để hình thành thói quen. Kiểm định giả thuyết là một dạng của mô hình toán học được sử dụng để chấp nhận hoặc bác bỏ giả thuyết trong một phạm vi mức độ tin cậy.
Có 4 bước cần được tuân theo trong mô hình này.
- Bước đầu tiên là nêu 2 giả thuyết, đó là giả thuyết vô hiệu và giả thuyết thay thế, để chỉ một trong số chúng đúng.
- Bước thứ hai liên quan đến một chiến lược nêu rõ các phương pháp khác nhau mà qua đó dữ liệu sẽ được phân tích.
- Bước thứ ba bao gồm thực sự phân tích tập dữ liệu cần thiết để đưa ra kết luận.
- Bước cuối cùng và thứ tư là phân tích kết quả và đưa ra quyết định chấp nhận hay bác bỏ giả thuyết.
Công thức giả thuyết Null
“ Công thức giả thuyết vô hiệu (H 0 ): Tham số = Giá trị”Ở đâu,
- Tham số là giả định hoặc tuyên bố của bên hoặc người có liên quan.
Một giả thuyết được kiểm tra thông qua mức độ ý nghĩa của dữ liệu quan sát được đối với việc tóm tắt dữ liệu lý thuyết. Để tính toán Độ lệch so với dữ liệu Đã yêu cầu, chúng ta có thể sử dụng công thức;
Tỷ lệ sai lệch = Sự khác biệt giữa dữ liệu quan sát và dữ liệu lý thuyết / dữ liệu lý thuyết.
Phép đo độ lệch chỉ là một công cụ đơn thuần để nghiên cứu mức độ ý nghĩa của các trạng thái được tuyên bố trong Thử nghiệm Giả thuyết Null.
Ví dụ về Kiểm tra Giả thuyết Null
Khái niệm 1: Giả thuyết Null phải có một dấu hiệu bình đẳng, hay nói cách khác, Giả thuyết này có nghĩa là giả định không có sự khác biệt.
Ví dụ 1
Một nhóm nghiên cứu đưa ra kết luận rằng nếu trẻ em dưới 12 tuổi tiêu thụ sản phẩm có tên 'ABC' thì khả năng tăng trưởng chiều cao của trẻ sẽ tăng thêm 10%. Nhưng bằng cách đánh giá tỷ lệ tăng trưởng mẫu được kiểm tra bằng cách chọn một số trẻ em đang tiêu thụ sản phẩm 'ABC' là 9,8%. Giải thích giả thuyết vô hiệu trong trường hợp đã cho.
Giải pháp: Trong trường hợp này, nếu sử dụng giả thiết giả thiết rỗng, thì kết quả được nhà nghiên cứu lựa chọn sẽ phù hợp với tiêu chí;
H 0 : Tham số = giá trị
Trường hợp tham số được nhà nghiên cứu lựa chọn là khi trẻ em dưới 12 tuổi tiêu thụ sản phẩm 'ABC', có khả năng tăng tỷ lệ tăng trưởng 10%.
Giá trị của tham số là @ 10%
Do đó, khi đặt giả thuyết rỗng, nhà nghiên cứu sẽ lấy giá trị của tham số @ 10% như giả thiết đã được thực hiện.
Khái niệm 2: Mức ý nghĩa, như đã đề cập trong định nghĩa, là việc đo lường độ tin cậy của dữ liệu thực tế so với dữ liệu được giả định hoặc tuyên bố trong tuyên bố được đưa ra.
Mức độ ý nghĩa có thể được kiểm tra thông qua việc đánh giá độ lệch trong dữ liệu quan sát và dữ liệu lý thuyết.
Ví dụ số 2
Trong một nghiên cứu của cơ quan có thẩm quyền của một ngành, họ tuyên bố rằng trung bình sản xuất 100 hàng hóa, khả năng sản phẩm bị lỗi là 1,5%. Nhưng trong quá trình nghiên cứu mẫu được lấy, khả năng sản phẩm bị lỗi là gần 1,55%. Nhận xét về tình huống sau.
Giải pháp
Trong trường hợp Kiểm tra giả thuyết vô hiệu, thực tế giả định là thế giới đúng là tuyên bố của cơ quan có thẩm quyền rằng xác suất sản xuất hàng hóa bị lỗi là 1,5% đối với việc sản xuất cứ 100 hàng hóa.
Trong trường hợp này, mức ý nghĩa có thể được đo lường thông qua độ lệch.
Tính toán tỷ lệ sai lệch có thể được thực hiện như sau,
- = (1,55% -1,50%) * 100 / 1,50%
Tỷ lệ sai lệch sẽ là -
- Tỷ lệ sai lệch = 3,33%
Giải trình
Trong ví dụ này, độ lệch so với tham số giả định là 3,33%, nằm trong phạm vi chấp nhận được, tức là 1% đến 5%. Do đó, Giả thuyết Null có thể được chấp nhận ngay cả khi định giá thực tế khác với giả định. Nhưng trong trường hợp, độ lệch như vậy sẽ vượt quá 5% hoặc hơn (khác nhau giữa các điều kiện), giả thuyết cần được bác bỏ vì giả định được đưa ra sẽ không có căn cứ để biện minh.
Khái niệm 3: Có nhiều cách khác nhau để xác minh tuyên bố được cho là trong trường hợp 'giả thuyết vô hiệu', một trong những phương pháp là so sánh Trung bình của mẫu được lấy với Trung bình của tổng thể. Trong đó thuật ngữ 'Trung bình' có thể được xác định là giá trị trung bình của giá trị của tham số được lấy cho số lượng dữ liệu được chọn.
Ví dụ # 3
Một tổ chức gồm các chuyên gia sau khi nghiên cứu của họ đã tuyên bố rằng thời gian làm việc trung bình của một nhân viên làm việc trong ngành sản xuất là 9,50 giờ mỗi ngày để hoàn thành công việc đúng cách. Nhưng một công ty sản xuất tên là XYZ Inc. đã tuyên bố rằng số giờ làm việc trung bình của nhân viên của họ là ít hơn 9,50 giờ mỗi ngày. Để nghiên cứu yêu cầu này, một mẫu gồm 10 nhân viên đã được thực hiện và giờ làm việc hàng ngày của họ được ghi lại bên dưới. Trung bình của dữ liệu mẫu được chọn là 9,34 giờ mỗi ngày - nhận xét về khiếu nại của XYZ Inc.
Giải pháp
Hãy sử dụng công thức Giả thuyết Vô hiệu để phân tích tình huống.
H 0 : Tham số = giá trị tức là,
Ở đâu,
- Tham số được các chuyên gia lấy là 'giờ làm việc trung bình của nhân viên làm việc trong một công ty sản xuất.'
Giá trị được các chuyên gia thực hiện là 9,50 giờ mỗi ngày.
- Trung bình (trung bình) số giờ làm việc của dân số = 9,50 giờ mỗi ngày
- Số giờ làm việc trung bình (trung bình) của mẫu = 9,34 giờ mỗi ngày
Tính toán tỷ lệ sai lệch có thể được thực hiện như sau,
- = (9,50-9,34) * 100% / 9,50
Tỷ lệ sai lệch sẽ là -
- Tỷ lệ sai lệch = 1,68%
Giải trình
Trong ví dụ trên, tuyên bố của các chuyên gia cho rằng giờ làm việc trung bình của một nhân viên làm việc trong ngành sản xuất là 9,50 giờ mỗi ngày. Trong khi trong nghiên cứu về mẫu được lấy, số giờ làm việc trung bình là 9,34 giờ mỗi ngày. Trong trường hợp 'giả thuyết vô hiệu', tuyên bố được sử dụng hoặc tuyên bố của các chuyên gia được coi là tham số và giá trị của tham số cũng được cho là 9,50 giờ mỗi ngày, như tuyên bố khẳng định . Nhưng chúng ta có thể thấy rằng sau khi nghiên cứu mẫu, giờ trung bình xuất hiện ít hơn số giờ được yêu cầu. Trong trường hợp giả định như vậy, một giả thuyết như vậy được gọi là 'Giả thuyết thay thế.'
Ưu điểm
- Nó cung cấp một khung logic để kiểm tra ý nghĩa thống kê: Nó giúp kiểm tra các giả thuyết nhất định với sự trợ giúp của số liệu thống kê.
- Kỹ thuật được thử và thử nghiệm: Phương pháp này đã được thử nghiệm trong thời gian gần đây và nó giúp chứng minh một số giả định nhất định.
- Giả thuyết thay thế, ngược lại với Giả thuyết không, có thể là Mơ hồ: Vì vậy, ví dụ, nếu điều này nói rằng lợi nhuận của quỹ tương hỗ là 8%, thì giả thuyết thay thế sẽ là lợi nhuận của quỹ tương hỗ không bằng 8%. Trong thử nghiệm hai phía, lợi nhuận có thể được chứng minh là lớn hơn hoặc nhỏ hơn 8%.
- Nó phản ánh cùng một lý luận thống kê cơ bản giống như khoảng tin cậy: Giá trị P trong excel được sử dụng để kiểm tra khoảng tin cậy.
Nhược điểm
- Nó thường bị hiểu nhầm và hiểu sai: Đôi khi, rất khó để nêu giả thuyết vô hiệu và giả thuyết thay thế thích hợp. Đây là bước đầu tiên, và nếu nó không thành công, thì toàn bộ thí nghiệm phân tích giả thuyết sẽ sai.
- Kiểm tra giá trị P không đồng nhất so với khoảng tin cậy: Khoảng tin cậy 5% có thể không đáng kể trong hầu hết thời gian.
- Điều này Gần như luôn luôn Sai: Gần như luôn luôn, chúng tôi cố gắng chứng minh rằng có ý nghĩa thống kê để bác bỏ giả thuyết vô hiệu. Trong rất ít trường hợp, giả thuyết này được chấp nhận.
Liên quan và Sử dụng
Giả thuyết Null chủ yếu được sử dụng để xác minh mức độ liên quan của dữ liệu Thống kê được lấy làm mẫu so với các đặc điểm của toàn bộ dân số mà từ đó mẫu đó được lấy. Nói một cách đơn giản, nếu bất kỳ giả định nào đã được đưa ra đối với tổng thể thông qua dữ liệu mẫu được chọn, thì giả thuyết rỗng được sử dụng để xác minh các giả định đó và đánh giá mức độ quan trọng của mẫu.
Giả thuyết không cũng thường được sử dụng để xác minh sự khác biệt giữa các thủ tục thay thế. Ví dụ, giả sử có hai cách để điều trị bệnh, và người ta khẳng định rằng một cách có nhiều tác dụng hơn cách kia. Nhưng giả thuyết vô hiệu cho rằng tác dụng của cả hai phương pháp điều trị là như nhau, và sau đó nghiên cứu đang được thực hiện để tìm ra ý nghĩa của giả định đó và phương sai của giả định đó.
