Phân phối t là phân phối xác suất của thống kê t khi trung bình mẫu được chuẩn hoá bằng độ lệch chuẩn ước lượng từ chính mẫu thay vì độ lệch chuẩn thật của tổng thể. Nó đối xứng quanh 0 như phân phối chuẩn nhưng có đuôi dày hơn, mức dày phụ thuộc vào bậc tự do; bậc tự do càng lớn, phân phối t càng gần phân phối chuẩn.
Bài này kể ngắn gọn vì sao phân phối t ra đời, giải thích bậc tự do bằng trực giác, đưa một bảng giá trị tới hạn tính sẵn, hướng dẫn tra bảng để ước lượng giá trị p, và liệt kê các hàm tương ứng trong Excel, Google Sheets và R để bạn khỏi phải tra tay.
Vì sao cần phân phối t khi đã có phân phối chuẩn
Nếu biết độ lệch chuẩn σ của tổng thể, đại lượng (x̄ − μ) / (σ / √n) có phân phối chuẩn tắc khi dữ liệu chuẩn. Nhưng trong thực tế gần như không ai biết σ; bạn chỉ có s tính từ mẫu. Khi thay σ bằng s, mẫu số không còn là hằng số mà cũng dao động theo mẫu. Có mẫu tình cờ cho s nhỏ, làm t lớn bất thường; vì vậy giá trị t cực đoan xuất hiện thường hơn so với phân phối chuẩn.
Phân phối t mô tả chính xác mức "thường hơn" đó, với điều kiện dữ liệu gốc chuẩn. Nếu bạn dùng phân phối chuẩn thay cho phân phối t khi mẫu nhỏ, giá trị tới hạn quá nhỏ, khoảng tin cậy quá hẹp và tỷ lệ bác bỏ H0 sai cao hơn mức α đã chọn. Ví dụ với 5 bậc tự do, xác suất trị tuyệt đối của t vượt 3 là khoảng 3%, trong khi với phân phối chuẩn xác suất trị tuyệt đối vượt 3 chỉ khoảng 0,27%, nhỏ hơn hơn mười lần.
Khi mẫu lớn, s ước lượng σ rất sát, nên sự khác biệt mờ dần. Với 30 bậc tự do, xác suất vượt 3 còn khoảng 0,54%; với vài trăm bậc tự do thì gần như trùng phân phối chuẩn. Đó là lý do một số giáo trình cũ cho phép dùng z khi mẫu lớn. Ngày nay phần mềm tính phân phối t cho mọi bậc tự do, nên không cần chuyển đổi.
Gosset, nhà máy bia và bút danh Student
Phân phối t gắn với tên William Sealy Gosset, một nhà hoá học làm việc cho nhà máy bia Guinness ở Dublin đầu thế kỷ 20. Công việc kiểm soát chất lượng nguyên liệu như lúa mạch, hoa bia thường chỉ có vài mẫu thử, quá ít để dùng các phương pháp mẫu lớn thời đó. Gosset tìm cách tính đúng xác suất cho trung bình của mẫu nhỏ khi phải ước lượng độ lệch chuẩn từ chính mẫu.
Năm 1908, ông công bố kết quả trên tạp chí Biometrika trong bài "The probable error of a mean", ký bút danh "Student". Lý do thường được kể là công ty không muốn nhân viên công bố dưới tên thật. Cái tên "phân phối t của Student" ra đời từ đó, dù ký hiệu t và cách trình bày quen thuộc ngày nay chủ yếu đến từ Ronald Fisher, người đã chứng minh chặt chẽ và đưa phân phối này vào trung tâm của thống kê ứng dụng qua cuốn sách phương pháp thống kê cho người làm nghiên cứu năm 1925.
Câu chuyện có ý nghĩa với người làm luận văn hôm nay: phân phối t sinh ra đúng cho bài toán của bạn — ít dữ liệu, không biết độ biến động thật, cần quyết định có cơ sở. Nó không phải công cụ "dành cho mẫu nhỏ" một cách miễn cưỡng, mà là công cụ đúng cho mọi tình huống phải ước lượng phương sai từ mẫu, với mẫu nhỏ là nơi sự khác biệt rõ nhất.
Bậc tự do và hình dạng của phân phối t
Bậc tự do là số mẩu thông tin độc lập còn lại để ước lượng độ biến động. Với một mẫu n quan sát, sau khi đã dùng dữ liệu để tính trung bình, chỉ còn n − 1 độ lệch "tự do": biết n − 1 độ lệch thì độ lệch cuối cùng bị xác định vì tổng các độ lệch phải bằng 0. Vì vậy kiểm định một mẫu và mẫu cặp có df = n − 1, hai mẫu độc lập gộp phương sai có df = n1 + n2 − 2.
Đối xứng quanh 0. Như phân phối chuẩn tắc, phân phối t có trung bình 0 (khi df lớn hơn 1) và đối xứng, nên xác suất ở đuôi trái bằng đuôi phải. Đây là lý do giá trị p hai phía bằng hai lần giá trị p một phía khi t nằm đúng chiều giả thuyết.
Đuôi dày hơn khi bậc tự do nhỏ. Phương sai của phân phối t bằng df / (df − 2) khi df lớn hơn 2: với df = 3 là 3, với df = 10 là 1,25, với df = 30 khoảng 1,07, tiến dần về 1 của phân phối chuẩn. Đuôi dày nghĩa là phải đi xa hơn khỏi 0 mới gom được 95% diện tích ở giữa.
Trường hợp cực đoan df = 1. Phân phối t với một bậc tự do là phân phối Cauchy, không có trung bình xác định. Giá trị tới hạn hai phía ở mức 5% lên tới khoảng 12,71. Đây là lời nhắc rằng kết luận từ hai quan sát gần như không có giá trị.
Tiến về phân phối chuẩn khi df tăng. Giá trị tới hạn hai phía 5% giảm từ 2,571 (df = 5) xuống 2,228 (df = 10), 2,042 (df = 30), 1,980 (df = 120) và tiến về 1,960 của phân phối chuẩn.
Bảng giá trị tới hạn của phân phối t
Các giá trị dưới đây được tính bằng phần mềm và làm tròn ba chữ số. Mức α là cho kiểm định hai phía; cột hai phía 0,10 cũng chính là giá trị tới hạn một phía ở mức 0,05.
| df | Hai phía α = 0,10 | Hai phía α = 0,05 | Hai phía α = 0,02 | Hai phía α = 0,01 |
|---|---|---|---|---|
| 1 | 6,314 | 12,706 | 31,821 | 63,657 |
| 2 | 2,920 | 4,303 | 6,965 | 9,925 |
| 3 | 2,353 | 3,182 | 4,541 | 5,841 |
| 4 | 2,132 | 2,776 | 3,747 | 4,604 |
| 5 | 2,015 | 2,571 | 3,365 | 4,032 |
| 8 | 1,860 | 2,306 | 2,896 | 3,355 |
| 9 | 1,833 | 2,262 | 2,821 | 3,250 |
| 10 | 1,812 | 2,228 | 2,764 | 3,169 |
| 15 | 1,753 | 2,131 | 2,602 | 2,947 |
| 20 | 1,725 | 2,086 | 2,528 | 2,845 |
| 30 | 1,697 | 2,042 | 2,457 | 2,750 |
| 60 | 1,671 | 2,000 | 2,390 | 2,660 |
| 120 | 1,658 | 1,980 | 2,358 | 2,617 |
| Vô cùng (phân phối chuẩn) | 1,645 | 1,960 | 2,326 | 2,576 |
Bảng in trong sách có thể ghi theo xác suất một đuôi thay vì hai phía, hoặc ghi theo mức tích luỹ như 0,975. Trước khi tra, hãy đọc kỹ dòng tiêu đề của bảng: giá trị 2,262 với df = 9 tương ứng diện tích 0,025 ở mỗi đuôi, tức 0,05 cho hai phía cộng lại.
Nếu bậc tự do của bạn không có trong bảng, ví dụ df = 45, thông lệ thận trọng là dùng dòng bậc tự do nhỏ hơn gần nhất (40 hoặc 30, tuỳ bảng), vì giá trị tới hạn lớn hơn sẽ cho kết luận dè dặt hơn. Phần mềm thì tính được chính xác cho mọi df, kể cả số lẻ.
Tra bảng để ước lượng giá trị p từng bước
Ví dụ giả định: kiểm định t một mẫu với 10 quan sát cho t = −2,449. Bạn chỉ có bảng in và muốn biết p hai phía nằm trong khoảng nào.
- Xác định bậc tự do: df = 10 − 1 = 9.
- Lấy trị tuyệt đối của t: 2,449. Với kiểm định hai phía, dấu âm chỉ cho biết chiều, không ảnh hưởng tới việc tra.
- Trên dòng df = 9, tìm hai giá trị kẹp 2,449: nó lớn hơn 2,262 (cột 0,05) và nhỏ hơn 2,821 (cột 0,02).
- Suy ra giá trị p hai phía nằm giữa 0,02 và 0,05. Phần mềm cho giá trị chính xác khoảng 0,037, đúng trong khoảng này.
- So với α = 0,05 đã chọn: p nhỏ hơn 0,05 nên bác bỏ H0. Với α = 0,01 thì không bác bỏ.
- Nếu đây là kiểm định một phía và t nằm đúng chiều giả thuyết, giá trị p một phía bằng một nửa, tức giữa 0,01 và 0,025.
Tra bảng chỉ cho một khoảng, đủ để ra quyết định nhưng không đủ để báo cáo. Trong luận văn, nên báo giá trị p chính xác do phần mềm tính, trừ khi p rất nhỏ thì ghi nhỏ hơn 0,001.
Các hàm phân phối t trong Excel, Google Sheets và R
Tên hàm dưới đây là tên thường gặp trong các phiên bản hiện hành; hãy kiểm tài liệu của phiên bản bạn dùng, và lưu ý dấu phân cách đối số có thể là dấu phẩy hay chấm phẩy tuỳ cài đặt vùng.
- Excel và Google Sheets, giá trị p hai phía: T.DIST.2T với trị tuyệt đối của t và bậc tự do. Ví dụ với t = 2,449 và df = 9 cho khoảng 0,037.
- Excel và Google Sheets, giá trị p đuôi phải: T.DIST.RT với t và bậc tự do; dùng cho kiểm định một phía khi H1 là "lớn hơn".
- Excel và Google Sheets, hàm tích luỹ: T.DIST với đối số cuối là TRUE cho xác suất bên trái của t; dùng khi H1 là "nhỏ hơn" và t âm.
- Excel và Google Sheets, giá trị tới hạn hai phía: T.INV.2T với mức α và bậc tự do, ví dụ T.INV.2T(0,05; 9) cho khoảng 2,262.
- Excel và Google Sheets, phân vị bên trái: T.INV với xác suất tích luỹ và bậc tự do, ví dụ xác suất 0,975 với df = 9 cũng cho 2,262.
- R: pt(q, df) trả xác suất tích luỹ bên trái; p hai phía tính bằng 2 nhân pt(−|t|, df). qt(p, df) trả phân vị, ví dụ qt(0.975, 9) cho 2,262; trong R số thập phân viết bằng dấu chấm và đối số ngăn bằng dấu phẩy.
- Các hàm cũ hơn như TDIST, TINV của Excel vẫn còn để tương thích nhưng quy ước đối số khác, dễ nhầm giữa một phía và hai phía. Nên dùng nhóm hàm có dấu chấm trong tên.
Cách tự kiểm nhanh: với df rất lớn, T.INV.2T(0,05; df) phải gần 1,96; với df = 1 phải khoảng 12,71. Nếu hàm trả về giá trị khác xa, có thể bạn đã nhập nhầm α một phía và hai phía.
Những hiểu lầm hay gặp về phân phối t
Hiểu lầm thứ nhất: dữ liệu phải có phân phối t. Phân phối t là phân phối của thống kê kiểm định (một đại lượng tính từ cả mẫu), không phải của từng quan sát. Dữ liệu gốc được giả định chuẩn (hoặc đủ gần chuẩn với mẫu đủ lớn) để thống kê t có phân phối t.
Hiểu lầm thứ hai: mẫu từ 30 trở lên thì phải chuyển sang kiểm định z. Không có lý do gì phải chuyển. Khi chưa biết σ, phân phối t là phân phối đúng cho mọi cỡ mẫu; với mẫu lớn nó gần trùng phân phối chuẩn, nên dùng t không bao giờ thiệt. Mốc 30 sinh ra từ thời phải tra bảng in và bảng chỉ in tới khoảng 30 dòng.
Hiểu lầm thứ ba: bậc tự do lớn là "tốt hơn" theo nghĩa kết quả đáng tin hơn về mọi mặt. Bậc tự do lớn giúp ước lượng phương sai chính xác hơn, nhưng không sửa được thiết kế sai, mẫu không đại diện hay quan sát không độc lập. Một mẫu 1.000 người lấy thuận tiện vẫn có thể cho kết luận lệch.
Hiểu lầm thứ tư: giá trị tới hạn 1,96 là "con số của thống kê". Nó chỉ là giá trị tới hạn hai phía 5% của phân phối chuẩn. Với kiểm định t, giá trị tới hạn luôn lớn hơn 1,96 và phụ thuộc bậc tự do; dùng 1,96 cho mẫu nhỏ làm khoảng tin cậy hẹp quá mức thật.
Câu hỏi thường gặp
Phân phối t và phân phối chuẩn khác nhau rõ nhất ở đâu?
Ở hai đuôi. Phần giữa hai phân phối trông khá giống nhau, nhưng phân phối t có nhiều xác suất hơn ở các giá trị xa 0, nhất là khi bậc tự do nhỏ. Vì vậy giá trị tới hạn của t lớn hơn của phân phối chuẩn, và khoảng tin cậy dựa trên t rộng hơn.
Vì sao bậc tự do của kiểm định một mẫu là n − 1 mà không phải n?
Vì để tính độ lệch chuẩn mẫu, bạn phải dùng trung bình mẫu, và tổng các độ lệch so với trung bình luôn bằng 0. Khi biết n − 1 độ lệch, độ lệch cuối cùng đã bị xác định, nên chỉ còn n − 1 mẩu thông tin độc lập về độ biến động.
Gosset có phải là người đặt tên phân phối t không?
Gosset công bố kết quả năm 1908 dưới bút danh Student. Ký hiệu t và dạng trình bày được dùng phổ biến ngày nay phần lớn do Ronald Fisher phát triển trong những năm sau đó. Vì vậy tên gọi phân phối t của Student phản ánh cả hai người, dù chỉ có bút danh của Gosset trong tên.
Có thể dùng bảng t cho bậc tự do lẻ như 13,29 trong kiểm định Welch không?
Bảng in chỉ có bậc tự do nguyên, nên cách thận trọng là làm tròn xuống, ví dụ dùng dòng 13. Cách tốt hơn là để phần mềm thống kê tính trực tiếp: R và các gói thống kê nhận bậc tự do không nguyên, còn các hàm phân phối t của Excel theo tài liệu sẽ cắt bậc tự do về số nguyên, nên kết quả tính tay bằng Excel có thể lệch chút ít.
Phân phối t có dùng cho thứ gì khác ngoài kiểm định t không?
Có. Phân phối t xuất hiện trong khoảng tin cậy của trung bình, trong kiểm định từng hệ số hồi quy, trong khoảng dự báo, và trong nhiều phương pháp khác có ước lượng phương sai từ mẫu. Bình phương của một biến t với df bậc tự do có phân phối F với bậc tự do 1 và df.