Font size
WorksheetsKiểm định giả thuyết thống kê
Total questions: 100
Worksheet time: 50mins
Đâu là khái niệm cơ bản được đề cập trong kiểm định giả thuyết thống kê?
Kiểm định giả thuyết thống kê
Kiểm định phương sai
Kiểm định tỉ lệ
Kiểm định trung bình
Tiêu chuẩn kiểm định và miền bác bỏ thường xuất hiện ở bước nào trong quy trình kiểm định giả thuyết thống kê?
Bước đầu tiên
Bước cuối cùng
Bước xác suất
Bước kiểm tra phương sai
Trong kiểm định giả thuyết về trung bình của một tổng thể chuẩn, trường hợp nào là đã biết phương sai tổng thể?
Trường hợp 1
Trường hợp 2
Trường hợp 3
Trường hợp 4
Khi so sánh hai trung bình chuẩn, trường hợp nào giả sử phương sai bằng nhau?
Trường hợp 2
Trường hợp 1
Trường hợp 3
Trường hợp 4
Kiểm định giả thuyết về phương sai bao gồm kiểm định phương sai của bao nhiêu tổng thể chuẩn?
Một hoặc hai
Ba
Bốn
Năm
Kiểm định giả thuyết về tỉ lệ gồm những nội dung nào?
Kiểm định tỉ lệ của một tổng thể và kiểm định so sánh hai tỉ lệ
Kiểm định trung bình và kiểm định phương sai
Kiểm định xác suất và kiểm định độ lệch chuẩn
Kiểm định tổng thể và kiểm định mẫu
Bài tập tổng hợp thường xuất hiện ở phần nào của tài liệu học?
Cuối tài liệu
Đầu tài liệu
Giữa tài liệu
Không xuất hiện
Định nghĩa nào sau đây đúng về giả thuyết thống kê?
Là một mệnh đề về tham số của tổng thể hoặc về quy luật phân phối của tổng thể đó.
Là một phương pháp tính toán xác suất.
Là một loại dữ liệu thống kê đặc biệt.
Là một công cụ để phân tích dữ liệu mẫu.
Giả thuyết không (H₀) thường mang ý nghĩa gì trong kiểm định giả thuyết thống kê?
Là giả thuyết mặc định, chỉ bị bác bỏ khi có bằng chứng.
Là giả thuyết đối lập với giả thuyết nghiên cứu.
Là giả thuyết luôn đúng trong mọi trường hợp.
Là giả thuyết không liên quan đến dữ liệu mẫu.
Trong kiểm định giả thuyết, đối thuyết (H₁) là gì?
Là mệnh đề đối lập với H₀, thường là khẳng định mà người nghiên cứu muốn chứng minh là đúng.
Là mệnh đề giống với H₀.
Là mệnh đề không liên quan đến kiểm định.
Là mệnh đề luôn bị bác bỏ.
Dạng kiểm định nào sau đây kiểm tra xem tham số θ có khác θ₀ hay không?
Kiểm định hai phía
Kiểm định phía phải
Kiểm định phía trái
Kiểm định một phía
Trong ví dụ về thiết lập giả thuyết kiểm tra trọng lượng bao xi măng, giả thuyết nghi ngờ là gì?
Trọng lượng trung bình nhỏ hơn 50kg.
Trọng lượng trung bình lớn hơn 50kg.
Trọng lượng trung bình bằng 50kg.
Trọng lượng trung bình không xác định.
Để đưa ra kết luận kiểm định, cần xây dựng quy tắc dựa trên mẫu ngẫu nhiên nào?
W = (X₁, X₂, ..., Xₙ)
W = (Y₁, Y₂, ..., Yₙ)
W = (Z₁, Z₂, ..., Zₙ)
W = (A₁, A₂, ..., Aₙ)
Giả sử bạn là nhà nghiên cứu, bạn nghi ngờ trọng lượng trung bình của bao xi măng thấp hơn quy định. Hãy thiết lập cặp giả thuyết kiểm định phù hợp.
H₀: μ = 50; H₁: μ < 50
H₀: μ < 50; H₁: μ = 50
H₀: μ > 50; H₁: μ = 50
H₀: μ = 50; H₁: μ > 50
Định nghĩa nào sau đây mô tả đúng về "Tiêu chuẩn kiểm định" (Test Statistic)?
Là một thống kê mà quy luật phân phối xác suất của nó hoàn toàn xác định khi H0 đúng.
Là tập hợp các giá trị của tiêu chuẩn kiểm định khiến ta bác bỏ giả thuyết H0.
Là xác suất mắc sai lầm loại I trong kiểm định giả thuyết.
Là đại lượng dùng để đo lường lực kiểm định.
Miền bác bỏ (Critical Region) là gì trong kiểm định giả thuyết thống kê?
Là tập hợp các giá trị của tiêu chuẩn kiểm định khiến ta bác bỏ giả thuyết H0.
Là xác suất mắc sai lầm loại II trong kiểm định giả thuyết.
Là đại lượng dùng để đo lường lực kiểm định.
Là mức ý nghĩa của kiểm định.
Sai lầm loại I trong kiểm định giả thuyết thống kê là gì?
Bác bỏ H0 khi H0 đúng.
Chấp nhận H0 khi H0 sai.
Chọn mức ý nghĩa α quá lớn.
Không xác định được miền bác bỏ.
Mức ý nghĩa của kiểm định (thường chọn 0.05, 0.01) được ký hiệu là gì?
α
β
γ
δ
Sai lầm loại II trong kiểm định giả thuyết thống kê là gì?
Chấp nhận H0 khi H0 sai (tức là H1 đúng).
Bác bỏ H0 khi H0 đúng.
Chọn mức ý nghĩa α quá nhỏ.
Không xác định được lực kiểm định.
Lực kiểm định (Power of the test) được xác định bằng công thức nào?
1 - β
α
β
1 - α
Theo lưu ý trong thực tế, tại sao ta thường định mức ý nghĩa α ở mức nhỏ cho phép?
Để giảm xác suất mắc sai lầm loại I và chọn tiêu chuẩn kiểm định sao cho sai lầm loại II là bé nhất.
Để tăng xác suất mắc sai lầm loại II.
Để tăng lực kiểm định lên tối đa.
Để miền bác bỏ rộng hơn.
Trong ví dụ về xét xử tại tòa án, giả thuyết H0 là gì?
Bị cáo có tội.
Bị cáo vô tội.
Bị cáo bị phạt tiền.
Bị cáo được tha bổng.
Sai lầm loại I trong kiểm định giả thuyết thống kê là gì?
Kết án một người vô tội.
Tha bổng một người có tội.
Chấp nhận H0 dù H0 sai.
Bác bỏ H0 dù H0 sai.
Bước đầu tiên trong quy trình kiểm định giả thuyết thống kê là gì?
Chọn mức ý nghĩa α.
Xây dựng cặp giả thuyết H0 và H1.
So sánh Gqs với Wa.
Xác định miền bác bỏ Wa.
P-value là gì theo định nghĩa trong tài liệu?
Xác suất lớn nhất để chấp nhận H0 với giá trị quan sát được.
Xác suất nhỏ nhất để bác bỏ H0 với giá trị quan sát được.
Xác suất để chấp nhận H1 với giá trị quan sát được.
Xác suất để bác bỏ H1 với giá trị quan sát được.
Theo quy tắc quyết định dùng P-value, khi nào bác bỏ H0?
Khi P-value > α.
Khi P-value ≤ α.
Khi P-value = 1.
Khi P-value < 0.
Hệ thống pháp luật thường thiết kế để tối thiểu hóa sai lầm loại nào?
Sai lầm loại I.
Sai lầm loại II.
Cả hai loại sai lầm.
Không loại nào.
Giả sử bạn đang kiểm định trọng lượng đóng gói đường với quy định là 1kg. Hãy nêu ví dụ về cách thiết lập H0 và H1 cho bài toán này.
H0: Trọng lượng trung bình = 1kg; H1: Trọng lượng trung bình ≠ 1kg.
H0: Trọng lượng trung bình > 1kg; H1: Trọng lượng trung bình < 1kg.
H0: Trọng lượng trung bình < 1kg; H1: Trọng lượng trung bình = 1kg.
H0: Trọng lượng trung bình ≠ 1kg; H1: Trọng lượng trung bình = 1kg.
Trong kiểm định giả thuyết, ký hiệu H₀ thường dùng để chỉ điều gì?
Giả thuyết thay thế
Giả thuyết không
Giá trị trung bình mẫu
Sai số chuẩn
Khi kiểm định giả thuyết H₀: μ = 10 với mẫu kích thước n = 25, nếu H₀ đúng thì phân phối của trung bình mẫu X̄ là gì?
N(10, 16)
N(10, 16/25)
N(0, 1)
N(25, 10)
Sai lầm loại I (α) trong kiểm định giả thuyết là gì?
Bác bỏ H₀ khi H₀ đúng
Chấp nhận H₀ khi H₀ sai
Chấp nhận H₁ khi H₀ đúng
Bác bỏ H₁ khi H₀ sai
Cho biết α = P(Z > 2.5) ≈ 0.0062. Điều này có nghĩa gì về xác suất sai lầm loại I?
Xác suất sai lầm loại I là 0.62%
Xác suất sai lầm loại I là 6.2%
Xác suất sai lầm loại I là 0.0062%
Xác suất sai lầm loại I là 62%
Trong bài toán tính lực kiểm định, nếu H₀: μ = 50 và H₁: μ > 50, sử dụng mẫu kích thước n = 25, độ lệch chuẩn của trung bình mẫu X̄ là bao nhiêu?
2
4
5
10
Nếu miền bác bỏ được chọn là C = {x̄ | x̄ > 53.29}, giá trị tới hạn Z₀.₀₅ là bao nhiêu?
1.96
2.5
1.645
0.05
Giả sử giá trị thực sự của trung bình là μ = 55, lực kiểm định (1 - β) sẽ cho biết điều gì?
Xác suất bác bỏ H₀ khi H₀ đúng
Xác suất bác bỏ H₀ khi H₀ sai
Xác suất chấp nhận H₀ khi H₀ sai
Xác suất chấp nhận H₀ khi H₀ đúng
Hãy giải thích tại sao khi kiểm định H₀: μ = 10, ta chuyển về kiểm định Z với Z = (X̄ - 10)/(4/5)?
Để chuẩn hóa phân phối về N(0,1)
Để tính giá trị trung bình mẫu
Để xác định miền bác bỏ
Để tính sai số chuẩn
Nếu α = 0.05, điều này có nghĩa gì về mức ý nghĩa của kiểm định?
Kiểm định có xác suất sai lầm loại I là 5%
Kiểm định có xác suất sai lầm loại II là 5%
Kiểm định có xác suất đúng là 5%
Kiểm định có xác suất sai lầm loại I là 0.5%
Khi kiểm định giả thuyết, tại sao cần tính lực kiểm định (Power of Test)?
Để biết xác suất bác bỏ H₀ khi H₀ đúng
Để biết xác suất bác bỏ H₀ khi H₀ sai
Để biết xác suất chấp nhận H₀ khi H₀ đúng
Để biết xác suất chấp nhận H₀ khi H₀ sai
Độ mạnh của kiểm định (power) trong ví dụ khi μ = 55 được tính bằng công thức nào sau đây?
Power = 1 - β
Power = β
Power = 1 + β
Power = β - 1
Khi xác suất mắc sai lầm loại II (β) là 0.1963, thì độ mạnh của kiểm định (power) là bao nhiêu?
0.8037
0.1963
0.5000
0.9000
Sai lầm loại II xảy ra khi nào trong kiểm định giả thuyết thống kê?
Khi chấp nhận H₀ trong khi H₁ đúng
Khi bác bỏ H₀ trong khi H₀ đúng
Khi chấp nhận H₁ trong khi H₀ đúng
Khi bác bỏ H₁ trong khi H₁ đúng
Ý nghĩa của độ mạnh kiểm định 0.8037 trong ví dụ là gì?
Có khoảng 80.37% khả năng phát hiện ra sự thật rằng trung bình là 55 chứ không phải 50
Có khoảng 19.63% khả năng phát hiện ra sự thật rằng trung bình là 55 chứ không phải 50
Có khoảng 80.37% khả năng mắc sai lầm loại II
Có khoảng 19.63% khả năng mắc sai lầm loại I
Trong kiểm định giả thuyết về trung bình của một tổng thể chuẩn, giả thuyết H0 thường là gì?
μ = μ0
μ ≠ μ0
μ > μ0
μ < μ0
Tiêu chuẩn kiểm định Z được sử dụng khi nào?
Khi đã biết phương sai tổng thể (σ²)
Khi chưa biết phương sai tổng thể
Khi tổng thể không phân phối chuẩn
Khi mẫu có kích thước nhỏ
Công thức tính thống kê kiểm định Z là gì?
Z = (X̄ - μ0) / (σ / √n)
Z = (X̄ - μ0) / (s / √n)
Z = (X̄ - μ0) / σ
Z = (X̄ - μ0) / n
Miền bác bỏ Wα cho kiểm định hai phía (μ ≠ μ0) là gì?
{|Z| > zα/2}
{Z > zα}
{Z < -zα}
{|Z| < zα/2}
Nếu giả thuyết thay thế là H1: μ > μ0, miền bác bỏ Wα sẽ là gì?
{Z > zα}
{Z < -zα}
{|Z| > zα/2}
{Z < zα}
Phân vị chuẩn mức α (zα) được dùng để làm gì trong kiểm định Z?
Xác định miền bác bỏ
Tính giá trị trung bình mẫu
Tính phương sai tổng thể
Tính kích thước mẫu
Giả sử bạn kiểm định H1: μ < μ0, miền bác bỏ Wα sẽ là gì?
{Z < -zα}
{Z > zα}
{|Z| > zα/2}
{Z < zα}
Với mức ý nghĩa α = 0.05, giá trị tới hạn z_{0.025} dùng để xác định miền bác bỏ trong kiểm định hai phía là bao nhiêu?
1.96
1.67
2.33
2.58
Trong ví dụ kiểm định hai phía về tín hiệu truyền tin, giá trị trung bình mẫu thu được là bao nhiêu?
9.5
8.5
8
7
Kết luận nào đúng khi |1.677| < 1.96 trong kiểm định giả thuyết về tín hiệu truyền tin?
Chưa đủ cơ sở bác bỏ H₀, chấp nhận trung bình tín hiệu là 8
Bác bỏ H₀, trung bình tín hiệu khác 8
Chưa đủ cơ sở bác bỏ H₁, chấp nhận trung bình tín hiệu là 7
Bác bỏ H₀, trung bình tín hiệu là 9.5
Trong ví dụ kiểm định phía phải về trọng lượng sản phẩm, giả thuyết H₀ là gì?
μ = 500
μ > 500
μ < 500
μ ≠ 500
Với α = 0.01, giá trị tới hạn z_{0.01} dùng để xác định miền bác bỏ trong kiểm định phía phải là bao nhiêu?
2.33
1.96
2.58
1.67
Kết luận nào đúng khi Z_{qs} = 1.8 < 2.33 trong kiểm định nghi ngờ máy đóng gói làm sản phẩm nặng hơn?
Chưa đủ bằng chứng để khẳng định máy làm sản phẩm nặng hơn ở mức ý nghĩa 1%
Đủ bằng chứng để khẳng định máy làm sản phẩm nặng hơn ở mức ý nghĩa 1%
Chưa đủ bằng chứng để khẳng định máy làm sản phẩm nhẹ hơn ở mức ý nghĩa 1%
Đủ bằng chứng để khẳng định máy làm sản phẩm nhẹ hơn ở mức ý nghĩa 1%
Khi chưa biết phương sai tổng thể σ², ta nên sử dụng gì để ước lượng?
Phương sai mẫu hiệu chỉnh S²
Trung bình mẫu
Độ lệch chuẩn tổng thể
Giá trị tới hạn z
Định nghĩa kiểm định T (Student) được sử dụng để kiểm định giả thuyết về trung bình tổng thể khi nào?
Khi mẫu có kích thước nhỏ và độ lệch chuẩn chưa biết
Khi mẫu có kích thước lớn và độ lệch chuẩn đã biết
Khi kiểm định về phương sai tổng thể
Khi kiểm định về tỷ lệ tổng thể
Công thức tính thống kê kiểm định T (Student) là gì?
T = (X̄ - μ0) / (S/√n)
T = (X̄ - μ0) / S
T = (X̄ - μ0) / n
T = (X̄ - μ0) / (S*n)
Khi n ≥ 30, có thể dùng giá trị tới hạn nào thay cho t_{α,n-1} trong kiểm định T?
z_α
t_α
χ²_α
F_α
Trong ví dụ về lượng nước tiêu thụ, giá trị thống kê kiểm định T được tính là bao nhiêu?
0.998
2.093
1.998
3.093
Theo ví dụ 2.3, kết luận nào được đưa ra về báo cáo trung bình 350 gallon nước/ngày?
Chấp nhận H₀, báo cáo phù hợp với dữ liệu
Bác bỏ H₀, báo cáo không phù hợp với dữ liệu
Không thể kết luận do thiếu dữ liệu
Chấp nhận H₁, báo cáo không phù hợp với dữ liệu
Giả sử bạn có mẫu ngẫu nhiên với n = 20, x̄ = 354.8, s = 21.5, μ₀ = 350. Nếu mức ý nghĩa α = 0.05, miền bác bỏ sẽ là gì?
{|T| > 2.093}
{|T| > 1.96}
{|T| > 1.645}
{|T| > 2.58}
Nếu giá trị |T| nhỏ hơn giá trị tới hạn trong kiểm định T, ta sẽ làm gì với giả thuyết H₀?
Chấp nhận H₀
Bác bỏ H₀
Không thể kết luận
Chấp nhận H₁
Hãy giải thích tại sao khi n ≥ 30, phân phối Student xấp xỉ phân phối chuẩn tắc.
Vì khi kích thước mẫu lớn, định lý giới hạn trung tâm áp dụng
Vì khi kích thước mẫu nhỏ, phân phối Student không còn phù hợp
Vì khi n nhỏ, phân phối chuẩn tắc không áp dụng
Vì khi n lớn, độ lệch chuẩn mẫu bằng độ lệch chuẩn tổng thể
Trong ví dụ về năng suất lúa, giả thuyết H0 và H1 được đặt ra như thế nào?
H0: μ = 50; H1: μ > 50
H0: μ > 50; H1: μ = 50
H0: μ < 50; H1: μ = 50
H0: μ = 52; H1: μ > 52
Khi kiểm định giả thuyết về năng suất lúa, giá trị thống kê kiểm định Tqs được tính là bao nhiêu?
2.21
1.76
0.903
3.5
Theo ví dụ về năng suất lúa, nếu Tqs = 2.21 và giá trị tới hạn t0.05,14 = 1.761, kết luận nào là đúng?
Bác bỏ H0, chấp nhận H1
Chấp nhận H0, bác bỏ H1
Không thể kết luận
Cần kiểm tra lại dữ liệu
Trong bài toán về tuổi thọ bóng đèn, độ lệch chuẩn của tuổi thọ bóng đèn là bao nhiêu?
60 giờ
36 giờ
100 giờ
10 giờ
Khi kiểm định tuổi thọ bóng đèn, nếu mẫu trung bình nhỏ hơn 980 giờ thì quyết định gì được đưa ra?
Bác bỏ tuyên bố của công ty
Chấp nhận tuyên bố của công ty
Không thể kết luận
Tăng kích thước mẫu
Tính xác suất mắc sai lầm loại II (β) nếu tuổi thọ thực sự của bóng đèn là 970 giờ. Giá trị β là bao nhiêu?
0.1587
0.0228
0.8413
1.761
Giả sử tuổi thọ trung bình bóng đèn là 1000 giờ, xác suất α để bác bỏ H0 khi H0 đúng là bao nhiêu?
0.0228
0.1587
0.8413
1.761
Giải thích ý nghĩa của mức ý nghĩa α trong kiểm định giả thuyết thống kê.
Xác suất bác bỏ H0 khi H0 đúng
Xác suất chấp nhận H0 khi H1 đúng
Xác suất lấy mẫu sai
Xác suất chọn sai độ lệch chuẩn
Khi tính xác suất mắc sai lầm loại II (β), ta cần xác định điều kiện nào?
H1 đúng
H0 đúng
Cả H0 và H1 đều đúng
Không cần điều kiện
Trong ví dụ về bóng đèn, phân phối của X khi H0 đúng là gì?
N(1000, 100)
N(970, 100)
N(980, 10)
N(1000, 60)
Mức ý nghĩa α trong bài toán kiểm định giả thuyết thống kê thường được chọn là bao nhiêu?
0.01
0.05
0.10
0.20
Nếu giá trị thực tế μ = 105, xác suất mắc sai lầm loại II (β) phải nhỏ hơn hoặc bằng bao nhiêu để lực kiểm định ≥ 0.90?
0.05
0.10
0.15
0.20
Trong bài toán kiểm định giả thuyết H0: μ = 100 và H1: μ > 100 với σ = 15, kích thước mẫu tối thiểu cần lấy là bao nhiêu?
50
60
78
100
Khi kiểm định giả thuyết H0: μ = 9.5 với H1: μ ≠ 9.5 bằng phương pháp P-value, nếu P-value > 0.05 thì kết luận nào sau đây là đúng?
Bác bỏ H0
Chấp nhận H0
Không thể kết luận
Chấp nhận H1
Cho mẫu ngẫu nhiên X1,...,X16 từ tổng thể N(μ,σ²) với σ chưa biết, x̄ = 10.5, s = 2. Khi kiểm định H0: μ = 9.5, giá trị thống kê T là bao nhiêu?
1.5
2
2.5
3
Hãy giải thích mối liên hệ giữa P-value và khoảng tin cậy trong kiểm định giả thuyết thống kê. (DoK 3)
P-value càng nhỏ thì khoảng tin cậy càng rộng.
Nếu giá trị kiểm định nằm trong khoảng tin cậy thì P-value > mức ý nghĩa, chấp nhận H0.
P-value không liên quan đến khoảng tin cậy.
Khoảng tin cậy chỉ dùng cho ước lượng, không dùng cho kiểm định.
Khoảng tin cậy 95% cho giá trị trung bình μ được tính bằng công thức nào sau đây?
μ ∈ (10.5 – 2.131 × 0.5; 10.5 + 2.131 × 0.5)
μ ∈ (10.5 – 1.96 × 0.5; 10.5 + 1.96 × 0.5)
μ ∈ (10.5 – 2.58 × 0.5; 10.5 + 2.58 × 0.5)
μ ∈ (10.5 – 1.645 × 0.5; 10.5 + 1.645 × 0.5)
Nếu giá trị kiểm định nằm ngoài khoảng tin cậy 95%, ta sẽ thực hiện hành động nào đối với giả thuyết H₀?
Bác bỏ H₀
Chấp nhận H₀
Không thay đổi H₀
Tăng mức ý nghĩa lên 10%
Giá trị μ₀ = 9.5 nằm trong khoảng tin cậy 95% thì điều này tương đương với việc gì ở mức ý nghĩa 5%?
Chấp nhận H₀
Bác bỏ H₀
Tăng mức ý nghĩa lên 10%
Giảm mức ý nghĩa xuống 1%
[DoK 1] Định nghĩa kiểm định Z (2 mẫu) dùng để kiểm định điều gì?
So sánh hai trung bình chuẩn của hai tổng thể độc lập
Tính phương sai của một mẫu
Tính giá trị trung bình của một tổng thể
Kiểm tra sự đồng nhất của hai mẫu
[DoK 1] Công thức tính thống kê kiểm định Z (2 mẫu) là gì?
Z = (X̄ - Ȳ - (μ₁ - μ₂)₀) / sqrt(σ₁²/n₁ + σ₂²/n₂)
Z = (X̄ + Ȳ) / sqrt(σ₁² + σ₂²)
Z = (X̄ - Ȳ) / (σ₁ + σ₂)
Z = (μ₁ - μ₂) / sqrt(n₁ + n₂)
[DoK 2] Khi kiểm định giả thuyết H₀: μ₁ = μ₂, nếu giá trị Z lớn hơn giá trị tới hạn zₐ, ta kết luận như thế nào?
Bác bỏ H₀, chấp nhận H₁
Chấp nhận H₀, bác bỏ H₁
Không thể kết luận gì
Phải kiểm tra lại dữ liệu
[DoK 2] Trong ví dụ so sánh hai dây chuyền sản xuất, giá trị Z được tính ra là bao nhiêu?
2.42
1.645
0.3
49.9
[DoK 3] Nếu trong ví dụ 3.1, độ lệch chuẩn của dây chuyền 2 tăng lên thành 0.6kg, các thông số khác giữ nguyên, giá trị Z sẽ thay đổi như thế nào?
Giá trị Z sẽ giảm
Giá trị Z sẽ tăng
Giá trị Z không thay đổi
Không thể xác định
Trong ví dụ 3.2, giả thuyết H0 về năng suất của hai giống lúa A và B là gì?
Hai giống lúa có năng suất bằng nhau (μA = μB)
Hai giống lúa có năng suất khác nhau (μA ≠ μB)
Giống lúa A có năng suất lớn hơn giống lúa B (μA > μB)
Giống lúa B có năng suất lớn hơn giống lúa A (μB > μA)
Kết quả kiểm định trong ví dụ 3.2 cho thấy điều gì về năng suất của hai giống lúa?
Có sự khác biệt về năng suất giữa hai giống lúa
Không có sự khác biệt về năng suất giữa hai giống lúa
Giống lúa A vượt trội hơn giống lúa B
Giống lúa B vượt trội hơn giống lúa A
Khi so sánh hai nhóm có cùng đặc tính phân tán nhưng chưa biết giá trị phương sai cụ thể, ta sử dụng phương pháp nào?
Phương sai chung (Pooled Variance)
Phương sai riêng
Kiểm định Z
Kiểm định F
Công thức ước lượng phương sai chung (Pooled Variance) là gì?
Sp2=[(n1−1)S12+(n2−1)S22]/(n1+n2−2)
Sp2=(S12+S22)/2
Sp2=(n1S12+n2S22)/(n1+n2)
Sp2=(n1−n2)(S12−S22)
Ở định nghĩa 3.2, thống kê kiểm định T được tính như thế nào?
T = [(X̄ - Ȳ) - Δ0] / [Sp√(1/n1 + 1/n2)]
T = (X̄ - Ȳ) / Sp
T = (X̄ + Ȳ) / Sp
T = (X̄ - Ȳ) / (S1 + S2)
Khi sử dụng kiểm định T với phương sai chung, phân phối của thống kê kiểm định là gì?
Phân phối t với bậc tự do n1 + n2 - 2
Phân phối chuẩn
Phân phối F
Phân phối Poisson
Trong ví dụ 3.3, giả thuyết kiểm định được đặt ra là gì?
H0: μA = μB; H1: μA > μB
H0: μA ≠ μB; H1: μA = μB
H0: μA < μB; H1: μA > μB
H0: μA = μB; H1: μA < μB
Theo ví dụ 3.3, kết luận nào được đưa ra về thời gian tác dụng của thuốc A so với thuốc B?
Thuốc A có thời gian tác dụng lâu hơn
Thuốc B có thời gian tác dụng lâu hơn
Hai loại thuốc có thời gian tác dụng như nhau
Không đủ dữ liệu để kết luận
Trong ví dụ 3.4, giá trị trung bình lương của nhân viên nam là bao nhiêu?
10 triệu/tháng
9 triệu/tháng
12 triệu/tháng
8 triệu/tháng
Theo ví dụ 3.4, kết luận nào được đưa ra về sự khác biệt lương giữa nhân viên nam và nữ?
Chưa đủ bằng chứng kết luận có sự khác biệt
Có sự khác biệt rõ rệt
Lương nữ cao hơn lương nam
Lương nam thấp hơn lương nữ
Trong ví dụ 3.3, giá trị thống kê T được tính là bao nhiêu?
2.21
1.21
1.725
2.048
Trong ví dụ 3.4, giá trị thống kê T được tính là bao nhiêu?
1.21
2.21
1.725
2.048
