Hoàn thành các bước sau để diễn giải kiểm định Z 1 mẫu. Đầu ra chính bao gồm ước tính giá trị trung bình, khoảng tin cậy, giá trị p và một số biểu đồ.
Trong chủ đề này
- Bước 1: Xác định khoảng tin cậy cho giá trị trung bình của quần thể
- Bước 2: Xác định xem kết quả thử nghiệm có ý nghĩa thống kê hay không
- Bước 3: Kiểm tra dữ liệu của bạn xem có vấn đề gì không
Bước 1: Xác định khoảng tin cậy cho giá trị trung bình của quần thể
Đầu tiên, hãy xem xét giá trị trung bình của mẫu, sau đó kiểm tra khoảng tin cậy.
Giá trị trung bình của dữ liệu mẫu là ước lượng của giá trị trung bình quần thể. Vì giá trị trung bình dựa trên dữ liệu mẫu chứ không phải toàn bộ quần thể, nên giá trị trung bình mẫu khó có thể bằng giá trị trung bình quần thể. Để ước tính giá trị trung bình quần thể tốt hơn, hãy sử dụng khoảng tin cậy.
Khoảng tin cậy cung cấp một phạm vi các giá trị có khả năng xảy ra cho giá trị trung bình của quần thể. Ví dụ, mức tin cậy 95% cho biết nếu bạn lấy 100 mẫu ngẫu nhiên từ quần thể, bạn có thể kỳ vọng khoảng 95 mẫu trong số đó tạo ra các khoảng chứa giá trị trung bình của quần thể. Khoảng tin cậy giúp bạn đánh giá ý nghĩa thực tế của kết quả. Hãy sử dụng kiến thức chuyên môn của bạn để xác định xem khoảng tin cậy có bao gồm các giá trị có ý nghĩa thực tế đối với tình huống của bạn hay không. Nếu khoảng tin cậy quá rộng, hãy cân nhắc tăng kích thước mẫu. Để biết thêm thông tin, hãy xem Cách để có được khoảng tin cậy chính xác hơn .
Thống kê mô tả
| N | Nghĩa là | StDev | SE trung bình | 95% CI cho μ |
|---|---|---|---|---|
| 20 | 16.460 | 2.258 | 0,581 | (15.321, 17.599) |
Kết quả chính: Trung bình, 95% CI
Trong những kết quả này, ước tính về tỷ lệ mỡ trung bình của dân số là 16,46%. Bạn có thể tin tưởng 95% rằng tỷ lệ mỡ trung bình của dân số nằm trong khoảng từ 15,321% đến 17,599%.
Bước 2: Xác định xem kết quả thử nghiệm có ý nghĩa thống kê hay không
- Giá trị P ≤ α: Sự khác biệt giữa các giá trị trung bình có ý nghĩa thống kê (Bác bỏ H 0 )
- Nếu giá trị p nhỏ hơn hoặc bằng mức ý nghĩa, quyết định là bác bỏ giả thuyết vô hiệu. Bạn có thể kết luận rằng sự khác biệt giữa trung bình tổng thể và trung bình giả thuyết là có ý nghĩa thống kê. Hãy sử dụng kiến thức chuyên môn của bạn để xác định xem sự khác biệt này có ý nghĩa thực tiễn hay không. Để biết thêm thông tin, hãy xem mục Ý nghĩa thống kê và thực tiễn .
- Giá trị P > α: Sự khác biệt giữa các giá trị trung bình không có ý nghĩa thống kê (Không bác bỏ H 0 )
- Nếu giá trị p lớn hơn mức ý nghĩa, quyết định là không bác bỏ giả thuyết vô hiệu. Bạn không có đủ bằng chứng để kết luận rằng sự khác biệt giữa trung bình tổng thể và trung bình giả thuyết là có ý nghĩa thống kê. Bạn nên đảm bảo rằng kiểm định của mình có đủ lực để phát hiện ra sự khác biệt có ý nghĩa thực tế. Để biết thêm thông tin, hãy xem Lực và Kích thước Mẫu cho 1-Mẫu Z.
Thống kê mô tả
| N | Nghĩa là | StDev | SE trung bình | 95% CI cho μ |
|---|---|---|---|---|
| 20 | 16.460 | 2.258 | 0,581 | (15.321, 17.599) |
Bài kiểm tra
| Giả thuyết không | H₀: μ = 15 |
|---|---|
| Giả thuyết thay thế | H₁: μ ≠ 15 |
| Giá trị Z | Giá trị P |
|---|---|
| 2,51 | 0,012 |
Kết quả chính: Giá trị P
Trong những kết quả này, giả thuyết không nêu rằng tỷ lệ mỡ trung bình là 15%. Vì giá trị p là 0,012, thấp hơn mức ý nghĩa 0,05 nên quyết định là bác bỏ giả thuyết không và kết luận rằng tỷ lệ mỡ trung bình của quần thể khác với 15%.
Bước 3: Kiểm tra dữ liệu của bạn xem có vấn đề gì không
Các vấn đề về dữ liệu, chẳng hạn như độ lệch và giá trị ngoại lai, có thể ảnh hưởng tiêu cực đến kết quả. Hãy sử dụng biểu đồ để tìm kiếm độ lệch và xác định các giá trị ngoại lai tiềm ẩn.
Kiểm tra mức độ phân tán của dữ liệu để xác định xem dữ liệu của bạn có bị lệch hay không.
Khi dữ liệu bị lệch, phần lớn dữ liệu nằm ở phía cao hoặc thấp của biểu đồ. Độ lệch thường dễ phát hiện nhất bằng biểu đồ histogram hoặc biểu đồ hộp.
lệch phải
lệch trái
Biểu đồ histogram với dữ liệu lệch phải thể hiện thời gian chờ. Hầu hết thời gian chờ tương đối ngắn, chỉ một số ít là dài. Biểu đồ histogram với dữ liệu lệch trái thể hiện dữ liệu thời gian lỗi. Một số mục lỗi ngay lập tức, và nhiều mục lỗi sau đó.
Dữ liệu bị lệch nghiêm trọng có thể ảnh hưởng đến tính hợp lệ của giá trị p nếu mẫu của bạn nhỏ (ít hơn 20 giá trị). Nếu dữ liệu bị lệch nghiêm trọng và mẫu của bạn nhỏ, hãy cân nhắc tăng kích thước mẫu.
Trong biểu đồ này, dữ liệu dường như không bị lệch quá nhiều.
Xác định các giá trị ngoại lệ
Giá trị ngoại lệ, tức là các giá trị dữ liệu cách xa các giá trị dữ liệu khác, có thể ảnh hưởng mạnh đến kết quả phân tích của bạn. Thông thường, giá trị ngoại lệ dễ xác định nhất trên biểu đồ hộp.
Trên biểu đồ hộp, dấu hoa thị (*) biểu thị giá trị ngoại lai.
Cố gắng xác định nguyên nhân của bất kỳ giá trị ngoại lệ nào. Sửa bất kỳ lỗi nhập dữ liệu hoặc lỗi đo lường nào. Cân nhắc loại bỏ các giá trị dữ liệu cho các sự kiện bất thường, xảy ra một lần (còn gọi là nguyên nhân đặc biệt). Sau đó, lặp lại quá trình phân tích. Để biết thêm thông tin, hãy xem Xác định giá trị ngoại lệ .
