Question 1

Giả thuyết không (H₀) trong kiểm định giả thuyết là gì?

Accepted Answer

Giả thuyết không (H₀) là tuyên bố mặc định giả định không có hiệu ứng hoặc khác biệt đáng kể nào tồn tại. Đây là giả thuyết mà chúng ta tìm cách bác bỏ hoặc không bác bỏ dựa trên dữ liệu thu thập được. Ví dụ, H₀ có thể nêu rằng một phương pháp điều trị mới không có hiệu quả so với giả dược. Kiểm định thống kê đánh giá liệu dữ liệu có cung cấp đủ bằng chứng để bác bỏ giả thuyết này ủng hộ giả thuyết thay thế (H₁) hay không.

Question 2

P-value đại diện cho điều gì trong một kiểm định thống kê?

Accepted Answer

P-value là xác suất nhận được kết quả ít nhất cực đoan như kết quả quan sát được, giả định rằng giả thuyết không là đúng. P-value thấp (thường < 0.05) cho thấy dữ liệu quan sát được khó xảy ra dưới H₀, dẫn đến việc bác bỏ. Lưu ý: p-value không phải là xác suất H₀ đúng, cũng không phải xác suất kết quả do ngẫu nhiên.

Question 3

Sai lầm loại I trong thống kê suy luận là gì?

Accepted Answer

Sai lầm loại I (dương tính giả) xảy ra khi chúng ta bác bỏ giả thuyết không trong khi nó thực sự đúng. Mức ý nghĩa α (thường là 0.05) đại diện cho xác suất tối đa có thể chấp nhận để mắc lỗi này. Ví dụ, kết luận rằng một loại thuốc có hiệu quả khi thực ra không phải là sai lầm loại I. Sai lầm này được kiểm soát bằng cách chọn mức ý nghĩa.

Thống kê suy luận

Giả thuyết không (H₀) trong kiểm định giả thuyết là gì?

Câu trả lời

P-value đại diện cho điều gì trong một kiểm định thống kê?

Câu trả lời

Sai lầm loại I trong thống kê suy luận là gì?

Câu trả lời

Sai lầm loại II trong thống kê suy luận là gì?

Khoảng tin cậy 95% đại diện cho điều gì?

Các chủ đề phỏng vấn Data Science & ML khác

Cơ bản về Python

Lập trình Hướng đối tượng Python

Cấu trúc dữ liệu Python

Kiến Thức Cơ Bản về Git

Cơ bản về SQL

Kiến thức cơ bản về NumPy

Cơ bản về Pandas

Jupyter & Google Colab

SQL Joins & Truy vấn nâng cao

Pandas nâng cao

Trực quan hóa với Matplotlib & Seaborn

Trực quan hóa tương tác với Plotly

Thống kê mô tả

Web Scraping

BigQuery & Cloud Data

Feature Engineering

ML Có Giám Sát: Hồi Quy

ML Có Giám Sát: Phân Loại

Cây Quyết định & Ensemble

ML Không Giám Sát

Pipeline ML & Xác thực

Chuỗi thời gian & Dự báo

Cơ Bản Về Deep Learning

TensorFlow & Keras

CNN và phân loại hình ảnh

RNN & Chuỗi

Transformers & Attention

NLP & Hugging Face

GenAI & LangChain

MLOps và Triển khai

Nắm vững Data Science & ML cho lần phỏng vấn tiếp theo