Máy Tính Giá Trị Tới Hạn

Máy Tính Giá Trị Tới Hạn

Phổ biến AI Skill PRO

Nhập phép tính

Công thức

zα/2=Φ−1(1−α2)trong đóα=100−Mức tin cậy (%)100\begin{gathered} z_{\alpha/2} = \Phi^{-1}\!\left(1 - \tfrac{\alpha}{2}\right) \\[1.5em] \text{trong đó}\quad \alpha = \frac{100 - \text{Mức tin cậy (\%)}}{100} \end{gathered}
Thống kê sử dụng

Quảng cáo

Kết quả

Giá trị tới hạn
± 1,96
Mức tin cậy 95%
Loại phân phối Chuẩn (Z)
Bậc tự do 30
Alpha (α) 0,05

Báo lỗi nội dung trang này

Máy Tính Giá Trị Tới Hạn Giúp Bạn Làm Gì?

Công cụ này tìm ra giá trị tới hạn mà bạn cần cho một bài kiểm định giả thuyết thống kê hoặc khoảng tin cậy. Giá trị tới hạn chính là điểm ngưỡng trên một phân phối xác suất, ngăn cách vùng bác bỏ giả thuyết không (H₀) với vùng không bác bỏ. Thay vì phải tra cứu những bảng thống kê dày cộp và khó nhìn, bạn chỉ cần nhập vài thông số là có ngay con số chính xác cho phân phối chuẩn (Z), Student's t, chi bình phương (χ²) hay F.

Đường cong phân phối hình chuông với các vùng đuôi được tô màu, đánh dấu giá trị tới hạn và miền bác bỏ
Giá trị tới hạn đánh dấu ranh giới của miền bác bỏ ở các đuôi phân phối.

Giải Thích Các Thông Số Đầu Vào

  • Mức tin cậy (%) – ví dụ 95. Công cụ sẽ quy đổi sang mức ý nghĩa alpha theo công thức \( \alpha = \frac{100 - \text{mức tin cậy}}{100} \). Mức 95% cho ra \( \alpha = 0{,}05 \).
  • Loại phân phối – chọn Chuẩn (Z), Student's t, Chi bình phương (χ²) hoặc F.
  • Bậc tự do – bắt buộc với phân phối t, chi bình phương và F. Riêng với F, đây là bậc tự do của tử số.
  • Bậc tự do (mẫu số) – chỉ dùng cho phân phối F.

Công Thức Đằng Sau

Máy tính sử dụng hàm phân phối tích lũy nghịch đảo (hàm phân vị – quantile function) của phân phối mà bạn chọn:

  • Chuẩn & t (hai phía): giá trị tới hạn = \( \left| \text{inverseCDF}(\alpha / 2) \right| \). Alpha được chia đều cho hai đuôi. $$ z_{\alpha/2} = \Phi^{-1}\!\left(1 - \tfrac{\alpha}{2}\right) \quad\text{vài}\quad t_{\alpha/2,\,\nu} = F_{t}^{-1}\!\left(1 - \tfrac{\alpha}{2}; \; \nu\right) $$
  • Chi bình phương & F (đuôi phải): giá trị tới hạn = \( \text{inverseCDF}(1 - \alpha) \), toàn bộ alpha dồn vào đuôi phải. $$ \chi^{2}_{\alpha,\,\nu} = F_{\chi^2}^{-1}\!\left(1 - \alpha; \; \nu\right) \quad\text{vài}\quad F_{\alpha,\,d_1,\,d_2} = F_{F}^{-1}\!\left(1 - \alpha; \; d_1, d_2\right) $$
Quảng cáo
So sánh bốn dạng đường cong phân phối: chuẩn, t, chi bình phương và F
Mỗi phân phối kiểm định cho ra một dạng giá trị tới hạn khác nhau.

Ví Dụ Minh Họa

Giả sử bạn thực hiện một kiểm định t hai phía ở mức tin cậy 95% với 20 bậc tự do. Khi đó \( \alpha = \frac{100 - 95}{100} = 0{,}05 \), nên \( \alpha / 2 = 0{,}025 \). Máy tính lấy hàm CDF nghịch đảo của phân phối t với 20 bậc tự do tại 0,025 rồi trả về giá trị tuyệt đối, cho ra giá trị tới hạn xấp xỉ 2,086. Nếu thống kê kiểm định của bạn lớn hơn 2,086 về độ lớn, bạn bác bỏ giả thuyết không.

Với kiểm định chi bình phương ở mức 95% và 10 bậc tự do, máy tính cho ra \( \text{inverseCDF}(0{,}95) \approx \) 18,31.

Quảng cáo
Vùng tô màu của kiểm định một phía so với hai phía trên các đường cong hình chuông
Kiểm định một phía và hai phía phân bổ diện tích alpha theo cách khác nhau.

Giải thích Giá trị Tới hạn của Bạn

Giá trị tới hạn là ranh giới của vùng bác bỏ — điểm trên trục hoành của phân phối mà ngoài đó thống kê kiểm định được coi là quá cực đoan để được quy cho cơ hội ngẫu nhiên ở mức ý nghĩa được chọn \(\alpha\).

Các quy tắc quyết định

  1. Kiểm định Z hoặc t hai phía. Bác bỏ giả thuyết không \(H_0\) khi \(|\text{thống kê kiểm định}| \ge\) giá trị tới hạn; nếu không, không bác bỏ. Vùng bác bỏ ở cả hai đuôi, mỗi cái chứa diện tích \(\alpha/2\).
  2. Kiểm định Z hoặc t một phía. Đối với giả thuyết thay thế phía phải, bác bỏ khi thống kê \(\ge +\) giá trị tới hạn; đối với giả thuyết thay thế phía trái, bác bỏ khi thống kê \(\le -\) giá trị tới hạn. Đuôi đơn chứa toàn bộ diện tích \(\alpha\).
  3. Kiểm định chi-bình phương và F. Chúng được sử dụng như các kiểm định đuôi trên: bác bỏ \(H_0\) khi thống kê vượt quá giá trị tới hạn trên, nếu không, không bác bỏ. Cả hai thống kê đều không âm, và các giá trị lớn hơn có nghĩa là sự lệch khác lớn hơn so với giả thuyết không.

Quy tắc p-giá trị tương đương

So sánh thống kê với giá trị tới hạn và so sánh p-giá trị với \(\alpha\) là hai cách mô tả quyết định tương tự nhau, và chúng luôn đồng ý:

$$\text{bác bỏ } H_0 \iff |T| \ge c_{\alpha} \iff p \le \alpha$$

Điều này đúng vì giá trị tới hạn \(c_{\alpha}\) được định nghĩa là thống kê có xác suất đuôi chính xác bằng \(\alpha\). Ở \(T = c_{\alpha}\) p-giá trị bằng \(\alpha\) chính xác; thống kê lệch xa hơn vào đuôi có p-giá trị nhỏ hơn, và cái gần tâm hơn có p-giá trị lớn hơn. Ví dụ, với kiểm định z hai phía ở mức tin cậy 95%, \(z = 2.30\) vượt quá 1.960 và p-giá trị hai phía của nó là khoảng 0.021, thấp hơn 0.05 — cùng một cách bác bỏ ở cả hai cách.

Giá trị tới hạn lớn bao nhiêu cho bạn biết

  • Giá trị tới hạn lớn hơn có nghĩa là kiểm định nghiêm ngặt hơn. Nâng mức tin cậy hạ thấp \(\alpha\) và đẩy ranh giới ra ngoài: 2.576 ở mức 99% so với 1.960 ở 95%. Thống kê 2.10 bác bỏ ở 95% nhưng không ở 99%, vì vậy mức ý nghĩa phải được xác định trước khi nhìn vào dữ liệu.
  • Giá trị tới hạn t co lại về Z khi df tăng. Với ít bậc tự do, sai số chuẩn chính nó được ước lượng kém, vì vậy phân phối t có đuôi nặng hơn và đòi hỏi bằng chứng nhiều hơn: 2.571 ở df = 5 so với 2.042 ở df = 30 và 1.960 ở giới hạn.
  • Điểm cắt chi-bình phương và F phụ thuộc vào df theo chiều ngược lại đối với chi-bình phương — chúng tăng lên với df vì thống kê cộng lại nhiều số hạng hơn, vì vậy chi-bình phương 20 là cực đoan ở df = 5 (điểm cắt 11.070) nhưng không ở df = 20 (điểm cắt 31.410).

Không bác bỏ có ý nghĩa gì và không có ý nghĩa gì

Không bác bỏ \(H_0\) không phải là bằng chứng rằng \(H_0\) đúng. Nó có nghĩa là dữ liệu không cung cấp đủ bằng chứng chống lại nó ở \(\alpha\) được chọn — một kết quả nhất quán như nhau với giả thuyết không đúng, với hiệu ứng thực tế quá nhỏ để phát hiện, hoặc với mẫu quá nhỏ để có đủ năng lực. Kiểm định chỉ có thể bác bỏ hoặc không bác bỏ; nó không bao giờ xác nhận.

Liên kết đến khoảng tin cậy

Giá trị tới hạn tương tự xác định vùng bác bỏ cũng đặt chiều rộng của khoảng tin cậy phù hợp:

$$\text{ước lượng} \pm c_{\alpha} \times \text{sai số chuẩn}$$

Kiểm định hai phía ở mức \(\alpha\) bác bỏ \(H_0: \mu = \mu_0\) chính xác khi khoảng tin cậy \(100(1-\alpha)\%\) loại trừ \(\mu_0\). Với trung bình mẫu 52.0, sai số chuẩn 1.5 và \(z_{\alpha/2} = 1.960\), khoảng 95% là \(52.0 \pm 1.960 \times 1.5 = 52.0 \pm 2.94\), tức là 49.06 đến 54.94 — vì vậy giá trị không đúng 50 sẽ không bị bác bỏ, trong khi giá trị không đúng 48 sẽ bị bác bỏ.

Câu Hỏi Thường Gặp

Vì sao kết quả Z/t lại là hai phía? Công cụ chia alpha cho hai đối với phân phối chuẩn và t, phản ánh kiểm định hai phía tiêu chuẩn. Nếu cần kiểm định một phía, hãy điều chỉnh mức tin cậy cho phù hợp (ví dụ dùng 90% để mô phỏng ngưỡng một phía ở mức 95%).

Phân phối chuẩn có cần bậc tự do không? Không. Giá trị tới hạn Z chỉ phụ thuộc vào mức tin cậy. Bậc tự do chỉ quan trọng với t, chi bình phương và F.

Khi nào tôi cần nhập bậc tự do mẫu số? Chỉ với phân phối F, vốn cần cả bậc tự do tử số lẫn mẫu số (thường gặp trong phân tích phương sai ANOVA và so sánh phương sai).

Cập nhật lần cuối:

Phổ biến nhất trong Toán học và Thống kê

Xem tất cả máy tính Toán học và Thống kê