Hypothesis Testing là gì? Kiểm định giả thuyết từng bước #29

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch.

Trả lời ngắn: Kiểm định giả thuyết (hypothesis testing) là quy trình dùng dữ liệu mẫu để đánh giá mức bằng chứng chống lại một tuyên bố mặc định. Ta đặt hai giả thuyết, khóa ngưỡng sai lầm, tính một thống kê và p-value, rồi bác bỏ hoặc không bác bỏ tuyên bố ấy trong các giả định đã nêu.

Đọc xong, bạn sẽ hiểu:

• Tách giả thuyết gốc, giả thuyết đối, mức ý nghĩa và p-value.
• Tính kiểm định t hai phía cho một trung bình bằng Google Sheets.
• Kết luận đúng mức, nhận ra nhiều phép thử và biết khi nào phải dừng.

Ở Confidence Interval #28, ta đặt trung bình mẫu vào một khoảng bất định. Giờ ta hỏi: dữ liệu có đủ mạnh để phản biện giá trị 0% hay chưa?

1. Kiểm định giả thuyết là gì? Phản biện một tuyên bố bằng dữ liệu

Phép kiểm định bắt đầu bằng giả thuyết gốc (H0), tức tuyên bố mặc định được thử thách. Giả thuyết đối (Ha) là khả năng đối nghịch cần tìm bằng chứng. Với câu hỏi “trung bình có khác 0% không?”:

• H0: μ=0%;
• Ha: μ≠0%.

Tổng thể là toàn bộ nhóm quan sát mà câu hỏi hướng tới; μ là trung bình của nhóm đó, không phải trung bình mẫu. Dấu ≠ chỉ kiểm định hai phía: lệch lên hoặc xuống đều chống lại H0. Kiểm định một phía chỉ xét một hướng đã khóa trước, chẳng hạn μ>0%.

H0 hơi giống trạng thái mặc định tại phiên toà: muốn đổi trạng thái phải có đủ bằng chứng. Ví von dừng ở đó; “chưa đủ bằng chứng” không chứng minh H0 đúng.

Trước khi nhìn kết quả, ta khóa mức ý nghĩa (alpha, ký hiệu α), ngưỡng kiểm soát nguy cơ bác bỏ H0 khi H0 đúng. Bài dùng α=0,05. Ngôn ngữ chuẩn là bác bỏ hoặc không bác bỏ, không “chấp nhận H0” (OpenStax — Null and Alternative Hypotheses).

Hình 1 — Với p bằng 0,195 lớn hơn 0,05, bằng chứng mẫu chưa đủ để bác bỏ H0.

2. Bảy mắt xích từ H0 đến kết luận

Một kiểm định dễ kiểm tra lại khi đi đủ bảy mắt xích:

1. Nêu câu hỏi và tổng thể.
2. Viết H0 cùng Ha.
3. Khóa alpha và chọn một phía hay hai phía trước khi xem kết quả.
4. Kiểm điều kiện của phép thử.
5. Tính thống kê kiểm định, con số chuẩn hoá mức lệch của mẫu khỏi H0.
6. Tính p-value, rồi so với alpha.
7. Viết quyết định thống kê và kết luận ngữ cảnh thành hai câu riêng.

Với một trung bình khi độ lệch chuẩn tổng thể chưa biết, ta có thể dùng kiểm định t một mẫu:

Sai số chuẩn (SE) = s / √n

t = (x̄ − μ0) / SE

Bậc tự do (df) = n − 1

x̄ là trung bình mẫu, μ0 là giá trị H0, s là độ lệch chuẩn mẫu, n là cỡ mẫu. Sai số chuẩn (SE) ước tính dao động của trung bình mẫu. Bậc tự do (df) là thông tin độc lập còn lại, ở đây bằng n−1 (NIST — One-Sample t-Test).

P-value là xác suất, nếu H0 đúng, thấy thống kê ít nhất cực đoan như quan sát. Kiểm định hai phía tính cả hai đuôi (NIST — p-values).

Hình 2 — P-value hai phía cộng xác suất ở cả hai vùng xa tâm ít nhất như trị tuyệt đối của t quan sát.

Quy tắc quyết định:

• p≤α: bác bỏ H0;
• p>α: không bác bỏ H0.

P-value không phải xác suất H0 đúng, không đo độ lớn hiệu ứng và không bảo đảm kết quả sẽ lặp lại.

3. Ví dụ từng bước: lợi suất trung bình có khác 0% không?

Xét mẫu giả định gồm 25 mức lợi suất cùng đơn vị thời gian:

• H0: μ=0%;
• Ha: μ≠0%;
• n=25, x̄=0,40%, s=1,50%;
• α=0,05, kiểm định hai phía.

SE = 1,50% / √25 = 1,50% / 5 = 0,30%

t = (0,40% − 0%) / 0,30% = 1,333

df = 25 − 1 = 24

=T.DIST.2T(ABS(1.333333333),24)

Kết quả p≈0,19494. Vì 0,19494 lớn hơn 0,05, quyết định là không bác bỏ H0. Câu kết luận ngữ cảnh: mẫu giả định này chưa cho đủ bằng chứng ở mức ý nghĩa 5% để nói trung bình tổng thể khác 0%.

Không được đổi thành “trung bình tổng thể bằng 0%”. Mức lệch mẫu 0,40% chỉ chưa đủ lớn so với nhiễu và cỡ mẫu.

Khoảng tin cậy 95% cùng dữ liệu là [-0,219%; 1,019%], chứa 0%. Với kiểm định hai phía alpha 5% và cùng giả định, điều này nhất quán với không bác bỏ H0 (NIST — Confidence Limits for the Mean).

Thử độ nhạy số học, không phải dữ liệu mới: giữ n=25, s=1,50%, μ0=0%, đổi x̄=0,80%:

t = 0,80% / 0,30% = 2,667

p≈0,01350

Vì 0,01350<0,05, ta bác bỏ H0. Kết quả chưa chứng minh nguyên nhân, độ bền hay lợi nhuận sau phí.

4. Sai lầm loại I, loại II và ý nghĩa thực tế

Quyết định từ mẫu có thể sai theo hai hướng:

• Sai lầm loại I: bác bỏ H0 khi H0 đúng; alpha kiểm soát nguy cơ này.
• Sai lầm loại II: không bác bỏ H0 khi Ha đúng; xác suất thường ký hiệu β.
• Lực kiểm định: xác suất phát hiện hiệu ứng khi nó tồn tại, bằng 1−β.

Hình 3 — Loại I là báo có khi không có; loại II là bỏ sót khi hiệu ứng thật sự tồn tại.

Máy dò khói cho trực giác: ngưỡng quá nhạy tăng báo giả; quá lì tăng bỏ sót. Trong thống kê, nguy cơ còn phụ thuộc cỡ mẫu, nhiễu, hiệu ứng và thiết kế.

P nhỏ chưa nói chênh lệch đáng quan tâm. Độ lớn hiệu ứng là mức chênh có ý nghĩa thực tế. Mẫu rất lớn có thể làm chênh lệch nhỏ đạt ý nghĩa thống kê nhưng vẫn thua phí; mẫu quá ít có thể bỏ sót hiệu ứng lớn.

Báo cáo cần độ lớn ước lượng, khoảng bất định, p-value, alpha và điều kiện dữ liệu; “có bằng chứng” không đồng nghĩa “đáng giao dịch”.

5. Sáu lỗi phổ biến, giới hạn và điểm phải dừng

Lỗi 1 — Đọc p-value là xác suất H0 đúng. P-value đặt điều kiện H0 đúng; nó không trả lời chiều ngược lại.

Lỗi 2 — Viết “chấp nhận H0”. p>α chỉ nghĩa bằng chứng chưa đủ; mẫu nhỏ hoặc nhiễu cao có thể che hiệu ứng.

Lỗi 3 — Chọn một phía sau khi thấy kết quả. Đó là đổi luật giữa trận; hướng kiểm định phải khóa trước.

Lỗi 4 — Chỉ khoe p nhỏ. Nhiều phép thử tăng cơ hội thấy kết quả hấp dẫn do chọn lọc. Giống mua nhiều vé rồi chỉ kể vé trúng; đây chỉ là trực giác vì các phép kiểm định có thể phụ thuộc.

Lỗi 5 — Bỏ qua thứ tự thời gian. Quan sát độc lập nghĩa là một quan sát không quyết định máy móc quan sát khác; 25 dòng lợi suất liên tiếp chưa chắc là 25 quan sát độc lập.

Lỗi 6 — Nhầm ý nghĩa thống kê với lợi ích kinh tế. Bác bỏ H0 không chứng minh lợi nhuận sau phí.

Đăng ký trước là khóa giả thuyết, dữ liệu, alpha và cách phân tích trước khi xem kết quả.

Checklist trước khi kết luận

1. Tổng thể, biến và đơn vị thời gian đã rõ chưa?
2. H0, Ha, một/hai phía và alpha đã khóa trước chưa?
3. Cách lấy mẫu và giả định của phép kiểm định có phù hợp không?
4. Có bao nhiêu giả thuyết đã thử, kể cả kết quả không đẹp?
5. Ước lượng, khoảng bất định và độ lớn thực tế nói gì?
6. Có thể viết câu làm kết quả sai: dữ liệu mới, cửa sổ khác hoặc giả định hỏng?

Hình 4 — Chỉ diễn giải p-value sau khi câu hỏi, luật thử, dữ liệu và điểm dừng đều rõ.

Điểm dừng: chưa biết tổng thể; đổi phép kiểm định sau khi nhìn dữ liệu; không đếm số lần thử; chuỗi phụ thuộc chưa xử lý; hoặc không có lý do dùng kiểm định t.

6. Bắt đầu từ đâu? Bài Google Sheets 15 phút

Dùng Google Sheets miễn phí và số giả định; chưa giao dịch tiền thật. Tạo cột A là nhãn, cột B là giá trị:

Nếu Sheets ngăn tham số bằng dấu chấm phẩy, đổi dấu phẩy trong hàm IF.

Mẫu đối chiếu đã điền

Việc 15 phút:

1. Nhập dòng gốc và đối chiếu đủ năm kết quả.
2. Chỉ đổi x̄ thành 0,80%, giữ n và s như cũ.
3. Viết hai câu cho mỗi dòng: quyết định thống kê; kết luận trong ngữ cảnh.
4. Thêm điểm dừng: “Kết quả mất giá trị nếu quan sát không độc lập hoặc phép kiểm định được chọn sau khi xem dữ liệu.”

Phép nhạy chỉ minh hoạ cơ chế, không phải dữ liệu mới hay tín hiệu mua bán.

7. Tổng kết và bài tiếp theo

a. Năm ý chính

• Kiểm định bắt đầu từ H0, Ha và alpha được khóa trước khi xem kết quả.
• P-value là xác suất có điều kiện dưới H0, không phải xác suất H0 đúng.
• p≤α dẫn tới bác bỏ H0; p>α dẫn tới không bác bỏ, không phải chấp nhận H0.
• Ý nghĩa thống kê phải đi cùng độ lớn hiệu ứng, khoảng bất định và giả định dữ liệu.
• Nhiều phép thử, sai thứ tự thời gian hoặc đổi luật sau khi xem kết quả là điểm phải dừng.

b. Câu hỏi tự kiểm tra

• Vì sao “không bác bỏ H0” không có nghĩa “H0 đúng”?
• Với n=25, x̄=0,40%, s=1,50%, μ0=0%, t bằng bao nhiêu?
• P-value 0,19494 và alpha 0,05 dẫn tới quyết định nào?
• Vì sao p nhỏ chưa đủ để nói một chiến lược đáng triển khai?

c. Gợi ý đáp án

Xem gợi ý câu 1

Dữ liệu có thể chưa đủ mạnh vì mẫu ít hoặc nhiễu cao; quyết định chỉ là chưa đủ bằng chứng chống H0. → xem mục 1 và 5.

Xem gợi ý câu 2

`SE=0,30%`, nên `t=(0,40%−0%)/0,30%=1,333`. → xem mục 3.

Xem gợi ý câu 3

Vì `0,19494>0,05`, ta không bác bỏ H0. → xem mục 2–3.

Xem gợi ý câu 4

P nhỏ không đo độ lớn, chi phí, tính bền hoặc quan hệ nhân quả. → xem mục 4–5.

d. Thuật ngữ cần nhớ

e. Nguồn tham khảo

• OpenStax — Null and Alternative Hypotheses
• OpenStax — Rare Events, the Sample, Decision and Conclusion
• OpenStax — Full Hypothesis Test Examples
• NIST — One-Sample t-Test
• NIST — p-values
• NIST — Confidence Limits for the Mean

Bài trước: Confidence Interval #28. Bài tiếp theo: Probability Framework #30, nơi ta hệ thống hoá biến cố, xác suất và cách nối chúng thành một khung suy luận. Xem toàn bộ lộ trình tại Quantitative Finance Zero to Hero.

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Mọi thị trường đều có rủi ro mất vốn.