Industrial Knowledget-test là gì? t-test 1 mẫu, 2 mẫu và t-test cặp | Ví dụ tính từng bước
Nội dung bài viết 9 mục
“Lô sơn mới có làm lớp phủ dày hơn chuẩn không?”, “Nhà cung cấp A có cho thép bền hơn B không?”, “Sau khi đổi đồ gá, độ đảo có giảm thật không?” - ba câu hỏi này đều so sánh giá trị trung bình, và công cụ để trả lời là t-test. Đây là phép kiểm định được dùng nhiều nhất trong giai đoạn Analyze và Improve của DMAIC.
Tóm tắt nhanh
- t-test so sánh trung bình khi độ lệch chuẩn tổng thể chưa biết: t = chênh lệch quan sát / sai số chuẩn.
- Ba loại: 1 mẫu (so với μ0), 2 mẫu độc lập (Welch hoặc phương sai gộp), t-test cặp (trước/sau).
- Phải kiểm tra giả định và đọc cả độ lớn chênh lệch, khoảng tin cậy chứ không chỉ p-value.
- Lỗi lớn: dùng 2 mẫu độc lập cho dữ liệu cặp, chạy nhiều t-test cho 3+ nhóm (3 cặp ở α = 0,05 ≈ 14% sai lầm) thay vì ANOVA.
t-test là gì?
t-test (kiểm định t của Student) là phép kiểm định giả thuyết so sánh trung bình khi độ lệch chuẩn tổng thể chưa biết và phải ước lượng từ mẫu. Thống kê t có dạng chung:
t = (chênh lệch quan sát được) / (sai số chuẩn của chênh lệch đó)
t càng lớn (về trị tuyệt đối) thì chênh lệch càng khó là do ngẫu nhiên. So t với phân phối t có bậc tự do (df) tương ứng để ra p-value. Nếu chưa vững H0, H1, α, p-value, hãy đọc trước kiểm định giả thuyết cơ bản.
| Loại t-test | Câu hỏi | Công thức | Bậc tự do |
|---|---|---|---|
| 1 mẫu | Trung bình có khác giá trị chuẩn μ0? | t = (x̄ − μ0) / (s/√n) | n − 1 |
| 2 mẫu độc lập (Welch) | Trung bình nhóm 1 có khác nhóm 2? | t = (x̄1 − x̄2) / √(s1²/n1 + s2²/n2) | công thức Welch (≈) |
| 2 mẫu, phương sai gộp | Như trên, khi s1 ≈ s2 | t = (x̄1 − x̄2) / (sp·√(1/n1 + 1/n2)) | n1 + n2 − 2 |
| Cặp (paired) | Chênh lệch trước/sau trên cùng đối tượng có khác 0? | t = d̄ / (sd/√n) | n − 1 |
Giả định cần kiểm tra
- Dữ liệu liên tục (đo được: mm, MPa, µm, giây).
- Mẫu ngẫu nhiên, quan sát độc lập - không lấy 10 sản phẩm liên tiếp cùng một khoảnh khắc rồi coi là đại diện cả ca.
- Gần phân phối chuẩn: kiểm tra bằng Anderson-Darling hoặc biểu đồ xác suất (phân phối chuẩn và kiểm định chuẩn). Với n ≥ 30, nhờ định lý giới hạn trung tâm t-test khá “chịu đựng” sai lệch chuẩn.
- Với 2 mẫu: xét phương sai bằng nhau hay không (F-test/Levene). Khi không chắc, dùng Welch - an toàn hơn và là mặc định của Minitab.
- Hệ thống đo đạt (MSA) - nếu sai số đo lớn, t-test chỉ đang kiểm định thiết bị đo.
Dữ liệu lệch nặng, có ngoại lai, n nhỏ: chuyển sang kiểm định phi tham số.
Ví dụ 1 - t-test 1 mẫu: độ dày lớp sơn
Xưởng sơn tĩnh điện ở Bình Dương có chuẩn độ dày 50 µm. Đo 10 tấm (minh hoạ): 51,2; 49,8; 52,1; 50,6; 51,5; 50,9; 52,4; 49,9; 51,8; 51,0.
- H0: μ = 50; H1: μ ≠ 50; α = 0,05.
- x̄ = 51,12 µm; s = 0,868 µm.
- Sai số chuẩn SE = s/√n = 0,868/√10 = 0,274.
- t = (51,12 − 50)/0,274 = 4,08; df = 9; t tới hạn (2 phía) = 2,262.
- |t| > 2,262 → p = 0,0028 < 0,05 → bác bỏ H0.
Kết luận thực tế: lớp sơn dày hơn chuẩn khoảng 1,1 µm - có ý nghĩa thống kê. Câu hỏi tiếp theo là ý nghĩa kinh tế: dư 1,1 µm × sản lượng năm tốn bao nhiêu bột sơn? Đó mới là lý do để chỉnh súng phun. Khoảng tin cậy 95% của μ là 51,12 ± 2,262 × 0,274 = 50,50 đến 51,74 µm (xem khoảng tin cậy).
Ví dụ 2 - t-test 2 mẫu độc lập: độ bền kéo thép A và B
Bộ phận mua hàng muốn biết thép nhà cung cấp A có bền hơn B. Mỗi bên thử 8 mẫu (MPa, minh hoạ):
| Dữ liệu | x̄ | s | |
|---|---|---|---|
| A | 412, 405, 418, 409, 415, 411, 408, 414 | 411,5 | 4,17 |
| B | 401, 407, 399, 404, 398, 406, 402, 403 | 402,5 | 3,16 |
- H0: μA = μB; H1: μA ≠ μB.
- SE = √(4,17²/8 + 3,16²/8) = √(2,179 + 1,250) = 1,852.
- t = (411,5 − 402,5)/1,852 = 4,86; df Welch ≈ 13,0.
- p = 0,0003 → khác biệt có ý nghĩa; A bền hơn B trung bình 9 MPa.
Nếu dùng phương sai gộp (df = 14), t vẫn là 4,86 (vì n1 = n2) và p = 0,00025 - kết luận không đổi.
Ví dụ 3 - t-test cặp: độ đảo trước và sau đổi đồ gá
Đo độ đảo (µm) của cùng 8 trục trên đồ gá cũ và đồ gá mới:
| Trục | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| Cũ | 3,8 | 4,2 | 3,5 | 4,6 | 4,0 | 3,9 | 4,4 | 3,7 |
| Mới | 3,1 | 3,6 | 3,2 | 3,9 | 3,5 | 3,0 | 3,8 | 3,4 |
| d = Cũ − Mới | 0,7 | 0,6 | 0,3 | 0,7 | 0,5 | 0,9 | 0,6 | 0,3 |
- d̄ = 0,575; sd = 0,205; SE = 0,205/√8 = 0,0726.
- t = 0,575/0,0726 = 7,92; df = 7; t tới hạn = 2,365; p ≈ 0,0001.
Nếu ai đó (sai) dùng t-test 2 mẫu độc lập cho dữ liệu này, t chỉ còn 3,31 - vì biến động giữa các trục “nhấn chìm” hiệu ứng đồ gá. Ở đây vẫn có ý nghĩa, nhưng với hiệu ứng nhỏ hơn, phân tích sai cách sẽ bỏ sót cải tiến có thật. Cùng đối tượng đo hai lần → luôn dùng t-test cặp.
Làm t-test trong Excel và Minitab
Excel:
- Hàm
=T.TEST(vùng1; vùng2; tails; type)trả về p-value:tails= 1 hoặc 2;type= 1 (cặp), 2 (2 mẫu phương sai bằng nhau), 3 (Welch). - t-test 1 mẫu: không có hàm riêng - tính
t = (AVERAGE(x)-50)/(STDEV.S(x)/SQRT(COUNT(x))), rồi=T.DIST.2T(ABS(t); COUNT(x)-1). - Data → Data Analysis → t-Test: Paired Two Sample for Means / Two-Sample Assuming Equal (Unequal) Variances (cần bật Analysis ToolPak).
Minitab:
- Stat → Basic Statistics → 1-Sample t (tick Perform hypothesis test, nhập 50).
- Stat → Basic Statistics → 2-Sample t (Options: bỏ/tick Assume equal variances).
- Stat → Basic Statistics → Paired t.
- Trước đó: Stat → Basic Statistics → Normality Test; Graph → Boxplot / Individual Value Plot để nhìn dữ liệu.
Lỗi thường gặp
- Dùng 2 mẫu độc lập cho dữ liệu cặp (hoặc ngược lại) - sai bản chất thí nghiệm.
- Chỉ đọc p-value, không nhìn độ lớn chênh lệch và khoảng tin cậy. p nhỏ với chênh 0,1 µm có thể vô nghĩa về kỹ thuật.
- Chạy nhiều t-test cho 3+ nhóm → sai lầm loại I cộng dồn (3 cặp ở α = 0,05 ≈ 14%). Dùng ANOVA một yếu tố.
- Cỡ mẫu quá nhỏ → “không có ý nghĩa” chỉ vì thiếu power. Tính trước bằng cỡ mẫu.
- Chọn 1 phía sau khi xem dữ liệu để p nhỏ hơn - phải xác định H1 trước khi lấy mẫu.
Câu hỏi thường gặp
t-test và Z-test khác gì? Z-test dùng khi biết σ tổng thể (hiếm trong thực tế) hoặc n rất lớn; t-test dùng s của mẫu. Với n > 30 hai kết quả gần như trùng nhau.
Không chuẩn thì có dùng được t-test không? Lệch nhẹ và n ≥ 20-30: thường vẫn ổn. Lệch nặng/ngoại lai với n nhỏ: dùng Mann-Whitney (thay 2 mẫu) hoặc Wilcoxon (thay 1 mẫu/cặp).
Nên dùng 1 phía hay 2 phía? Mặc định 2 phía. Chỉ dùng 1 phía khi chiều ngược lại không có ý nghĩa hành động và đã chốt từ trước (ví dụ “chỉ quan tâm vật liệu mới có bền hơn không”).
Bước tiếp theo
- So sánh 3 nhóm trở lên: ANOVA một yếu tố.
- Dữ liệu đếm OK/NG: kiểm định Chi-bình phương.
- Muốn tìm mối quan hệ X-Y liên tục: tương quan và hồi quy.
