Giới thiệu & Điều kiện kiểm định

Tổng hợp Pre-conditions, các giả định (Assumptions) và lưu ý quan trọng cho 8 loại kiểm định & công cụ thống kê:

1. Sample Size Calculator

Pre-conditions

• Xác định rõ tổng quần thể (N) nếu là quần thể hữu hạn (hoặc mặc định quần thể lớn N > 10,000).
• Chọn mức độ tin cậy mong muốn (Confidence Level: 90%, 95%, 99%).
• Chọn sai số cho phép (Margin of Error, ví dụ: ±5%).
• Ước tính tỷ lệ biến đổi giả định p (mặc định chọn p = 50% để bảo đảm cỡ mẫu tối ưu nhất).

Assumptions

• Phương pháp lấy mẫu: Giả định mẫu được chọn theo phương pháp lấy mẫu ngẫu nhiên đơn giản (Simple Random Sampling) đại diện tốt cho quần thể.
• Tính độc lập: Giả định các quan sát độc lập với nhau.
• Quần thể: Sử dụng hiệu chỉnh quần thể hữu hạn (Finite Population Correction) khi N nhỏ.

Ghi chú

• Tỷ lệ p = 50% là mức tính toán bảo thủ nhất (cho kích thước mẫu lớn nhất). Nếu đã có dữ liệu lịch sử (ví dụ p = 10%), cỡ mẫu cần thiết sẽ nhỏ hơn.
• Kích thước mẫu tính ra là số lượng trả lời hoàn chỉnh (completed responses). Thực tế cần cộng thêm 10% – 30% số lượng phát ra để bù đắp tỷ lệ hao hụt (drop-out rate / non-response).

Ví dụ

Khảo sát ý kiến toàn bộ 5,000 nhân viên trong công ty với độ tin cậy 95% và sai số 5%, bạn cần thu thập tối thiểu 357 mẫu khảo sát hoàn chỉnh.

2. One Sample t-Test

Pre-conditions

• Biến phụ thuộc phải là biến định lượng liên tục (ví dụ: thời gian hoàn thành nhiệm vụ, điểm số hài lòng, tuổi, doanh số).
• Đã có một giá trị trung bình lý thuyết hoặc chuẩn đối chiếu cụ thể (μ₀).
• Cỡ mẫu tối thiểu n ≥ 2.

Assumptions

• Tính độc lập: Các quan sát được thu thập ngẫu nhiên và độc lập với nhau.
• Phân phối chuẩn: Dữ liệu mẫu tuân theo phân phối chuẩn (Normal Distribution). Nếu n ≥ 30, kiểm định t tương đối vững (robust) nhờ Định lý Giới hạn Trung tâm (CLT).
• Không có giá trị ngoại lệ cực đoan (Outliers): Mẫu không chứa các giá trị dị biệt gây méo lệch trung bình và độ lệch chuẩn.

Ghi chú

• Nếu cỡ mẫu nhỏ (n < 30) và dữ liệu lệch nặng hoặc có giá trị ngoại lệ, nên cân nhắc sử dụng kiểm định phi tham số thế thế (Wilcoxon Signed-Rank Test).
• Kiểm định t một mẫu chỉ so sánh trung bình mẫu với 1 hằng số μ₀, không so sánh giữa 2 nhóm dữ liệu.

Ví dụ

Đo thời gian hoàn thành quy trình đăng ký của 25 người dùng mới để kiểm tra xem thời gian trung bình có khác biệt có ý nghĩa so với KPI chuẩn là 60 giây hay không.

3. Two Sample t-Test

Pre-conditions

• Hai nhóm dữ liệu độc lập hoàn toàn (ví dụ: Nhóm A sử dụng giao diện cũ, Nhóm B sử dụng giao diện mới).
• Biến đo lường là biến định lượng liên tục.
• Mỗi nhóm có tối thiểu n₁ ≥ 2, n₂ ≥ 2.

Assumptions

• Tính độc lập: Các quan sát trong từng nhóm và giữa hai nhóm phải độc lập tuyệt đối (không có đối tượng nào xuất hiện ở cả 2 nhóm).
• Phân phối chuẩn: Dữ liệu của cả hai nhóm tuân theo phân phối chuẩn (hoặc n₁, n₂ đủ lớn ≥ 30).
• Không bắt buộc đồng nhất phương sai: Công cụ sử dụng công thức Welch's t-test, do đó KHÔNG cần giả định phương sai hai nhóm bằng nhau (σ₁² = σ₂²), giúp kết quả chính xác và an toàn hơn Student's t-test truyền thống.

Ghi chú

• Welch's t-test xử lý rất tốt trường hợp kích thước mẫu 2 nhóm không bằng nhau (n₁ ≠ n₂).
• Nếu dữ liệu bị lệch nặng, có nhiều ngoại lệ và cỡ mẫu nhỏ, hãy cân nhắc sử dụng Kruskal-Wallis Test hoặc Mann-Whitney U Test.

Ví dụ

So sánh điểm đánh giá trải nghiệm (CSAT từ 1-100) giữa 50 người dùng iOS và 45 người dùng Android để xem nhóm nào có mức độ hài lòng cao hơn.

4. Paired Sample t-Test

Pre-conditions

• Dữ liệu thu thập theo cặp (Paired/Matched Data): hai lần đo trên cùng một đối tượng (Trước vs Sau khi đổi UI), hoặc hai điều kiện thử nghiệm đối chứng trên cùng một người dùng.
• Hai tập dữ liệu phải có số lượng quan sát bằng nhau tuyệt đối (n₁ = n₂) và được sắp xếp đúng thứ tự tương ứng theo từng cặp đối tượng.

Assumptions

• Tính độc lập giữa các cặp: Mỗi cặp quan sát (đối tượng) độc lập với các cặp khác.
• Phân phối chuẩn của hiệu số: Hiệu số chênh lệch d = (X - Y) giữa các cặp dữ liệu tuân theo phân phối chuẩn.
• Dữ liệu đo lường là biến định lượng liên tục.

Ghi chú

• Kiểm định t mẫu cặp phân tích bản chất sự thay đổi (hiệu số d) trên từng cá thể, có sức mạnh thống kê (statistical power) cao hơn hai mẫu độc lập khi thiết kế bài test phù hợp.
• Nếu số lượng mẫu không bằng nhau hoặc thứ tự dữ liệu bị xáo trộn, kết quả sẽ bị sai lệch hoàn toàn.

Ví dụ

Đo thời gian thực hiện thao tác thanh toán của 30 khách hàng trước và sau khi tối ưu hóa biểu mẫu để đánh giá hiệu quả của thiết kế mới.

5. Chi-squared Test

Pre-conditions

• Cả biến hàng và biến cột đều thuộc dạng phân loại / định danh (Categorical Data, ví dụ: Giới tính, Loại thiết bị, Gói dịch vụ đăng ký).
• Dữ liệu đầu vào dưới dạng bảng tần số quan sát (Contingency Table) với các số nguyên không âm (≥ 0).

Assumptions

• Tính độc lập: Mỗi đối tượng quan sát chỉ thuộc về đúng một ô (cell) duy nhất trong bảng chéo.
• Tần số kỳ vọng đủ lớn (Expected Frequencies): Tất cả các ô trong bảng kỳ vọng phải có giá trị > 1, và ít nhất 80% số ô phải có tần số kỳ vọng Eij ≥ 5.

Ghi chú

• KHÔNG dùng Chi-squared test cho dữ liệu đo lường lặp lại (ví dụ: 1 người dùng chọn nhiều phương án hoặc được đo nhiều lần).
• Trong bảng 2x2 nếu tần số kỳ vọng có ô < 5, nên sử dụng kiểm định chính xác Fisher (Fisher's Exact Test).

Ví dụ

Kiểm tra xem sự lựa chọn phương thức thanh toán (MoMo, ZaloPay, Thẻ tín dụng) có độc lập với độ tuổi người dùng (Dưới 25, 25-35, Trên 35) hay không.

6. Kruskal-Wallis Test

Pre-conditions

• So sánh k ≥ 2 nhóm độc lập với nhau.
• Biến phụ thuộc là biến thứ tự (Ordinal, ví dụ: Thang đo Likert 1-5, thứ hạng) hoặc biến liên tục nhưng không tuân theo phân phối chuẩn.

Assumptions

• Kiểm định Phi tham số (Non-parametric): KHÔNG yêu cầu dữ liệu tuân theo phân phối chuẩn.
• Tính độc lập: Các quan sát trong từng nhóm và giữa các nhóm phải độc lập ngẫu nhiên.
• Hình dạng phân phối tương đồng: Nếu các nhóm có hình dạng phân phối (shape & scale) tương tự nhau, kiểm định so sánh Trung vị (Medians). Nếu hình dạng khác nhau, kiểm định so sánh phân bố hạng trung bình (Mean Ranks).

Ghi chú

• Kruskal-Wallis là giải pháp thay thế phi tham số cho One-Way ANOVA.
• Kiểm định chỉ cho biết "có ít nhất 1 nhóm khác biệt", nhưng không chỉ rõ cụ thể nhóm nào khác nhóm nào. Cần làm thêm Post-hoc test (như Dunn's test) nếu p-value có ý nghĩa thống kê.

Ví dụ

So sánh điểm đánh giá mức độ dễ sử dụng (thang điểm Likert từ 1 đến 5) giữa 3 nhóm người dùng thuộc 3 độ tuổi khác nhau.

7. Z-Test for Two Proportions

Pre-conditions

• So sánh tỷ lệ phần trăm (Proportion / Conversion Rate) giữa 2 nhóm độc lập.
• Nhập số sự kiện thành công (x₁, x₂) và tổng số mẫu thử nghiệm (n₁, n₂) cho từng nhóm (với x ≤ n).

Assumptions

• Tính độc lập: Hai mẫu độc lập ngẫu nhiên với nhau.
• Điều kiện cỡ mẫu đủ lớn (Success-Failure Condition): Số lần thành công và thất bại ở mỗi nhóm đều phải ≥ 5 (tức n₁p₁ ≥ 5, n₁(1-p₁) ≥ 5, n₂p₂ ≥ 5, n₂(1-p₂) ≥ 5) để đảm bảo phân phối tỷ lệ xấp xỉ phân phối chuẩn Z.

Ghi chú

• Công cụ rất phù hợp cho bài toán A/B Testing so sánh tỷ lệ chuyển đổi (Click-through rate, Conversion rate, Sign-up rate).
• Nếu số lượng sự kiện quá ít (< 5), xấp xỉ chuẩn Z không còn chính xác, nên dùng Fisher's Exact Test.

Ví dụ

So sánh tỷ lệ nhấp nút "Mua ngay" của 1,000 người xem phiên bản nút màu xanh (Nhóm A) và 1,000 người xem phiên bản nút màu đỏ (Nhóm B).

8. Bootstrap for Quantiles

Pre-conditions

• So sánh khác biệt phân vị (Quantile/Percentile, ví dụ: P50/Trung vị, P90, P95) giữa 2 nhóm độc lập.
• Nhập danh sách giá trị số liên tục cho cả 2 nhóm. Cỡ mẫu tối thiểu nên n ≥ 20 cho mỗi nhóm để phép lấy mẫu lại (resampling) đạt độ tin cậy.

Assumptions

• Phương pháp lấy mẫu lại phi tham số (Non-parametric Resampling): KHÔNG giả định bất kỳ phân phối lý thuyết nào (không cần chuẩn).
• Mẫu đại diện tốt cho quần thể: Giả định dữ liệu mẫu hiện tại phản ánh trung thực hình dạng phân phối gốc của quần thể.
• Tính độc lập: Các điểm dữ liệu trong mẫu ngẫu nhiên và độc lập với nhau.

Ghi chú

• Phương pháp này đặc biệt hữu ích khi phân tích các chỉ số hiệu năng UX có độ lệch lớn (skewed data) như thời gian phản hồi ứng dụng P95/P99, latency, thời gian tương tác.
• Kết quả sử dụng mô phỏng ngẫu nhiên (1,000 vòng lặp bootstrap), p-value có thể có dao động nhẹ giữa các lần tính toán nếu cỡ mẫu nhỏ.

Ví dụ

So sánh thời gian phản hồi hệ thống ở mốc phân vị 95 (P95 latency) giữa máy chủ phiên bản v1 và máy chủ phiên bản v2 để đảm bảo 95% người dùng không bị giật lag.