Bai Ging Mon Ly Thuyt Xac Sut Va THN PDF

BÀI GIẢNG MÔN
LÝ THUYẾT XÁC SUẤT

VÀ THỐNG KÊ TOÁN
Mai Cẩm Tú
Bộ môn Toán kinh tế
1
PHẦN THỨ NHẤT
LÝ THUYẾT XÁC SUẤT
CHƢƠNG 1
BIẾN CỐ NGẪU NHIÊN VÀ XÁC SUẤT
1. MỞ ĐẦU - Nội dung chương 1

• Các khái niệm nền tảng của xác suất
• Các định nghĩa xác suất
• Hai nguyên lý cơ bản của xác suất
• Các định lý XS dùng để tìm XS của biến cố phức hợp.
2
Chương 1 2. Phép thử, biến cố
2. PHÉP THỬ VÀ CÁC LOẠI BIẾN CỐ
2.1. Phép thử và biến cố
+ Việc thực hiện một nhóm các điều kiện cơ bản để quan
sát hiện tượng nào đó có xảy ra hay không được gọi là
thực hiện phép thử.
+ Hiện tượng có thể xảy ra (hoặc không xảy ra) trong kết
quả của phép thử gọi là biến cố.
Ví dụ 1.1. Tung 1 con xúc xắc cân đối, đồng chất trên mặt
phẳng cứng.
+ Phép thử: tung 1 con xúc xắc
+ Điều kiện cơ bản: …
+ Biến cố: A6 = “xuất hiện 6 chấm”;
B = “xuất hiện lẻ chấm” 3
Chương 1 2. Phép thử, biến cố
2. PHÉP THỬ VÀ CÁC LOẠI BIẾN CỐ
2.2. Các loại biến cố
+ Biến cố chắc chắn (U)
+ Biến cố không thể có (V)
+ Biến cố ngẫu nhiên (A, B, A1, A2,…)
Ví dụ 1.1. Tung 1 con xúc xắc
U = “xuất hiện số chấm nhỏ hơn 7”
V = “xuất hiện 7 chấm”
A6 = “xuất hiện 6 chấm” (b/c ngẫu nhiên)
B = “xuất hiện lẻ chấm” (-----------------)
4
Chương 1 3.Xác suất của biến cố
3. XÁC SUẤT CỦA BIẾN CỐ
Xác suất của một biến cố là một con số đặc trưng cho khả
năng khách quan xuất hiện biến cố đó khi thực hiện
phép thử.
Kí hiệu xác suất của biến cố A là P(A)
A6 = “xuất hiện 6 chấm” → P(A6) = 1/6
B = “xuất hiện lẻ chấm” → P(B) = 3/6 = 1/2 = 0,5
Theo khả năng tìm XS có thể chia biến cố thành 2 loại:
+ Biến cố đơn giản
+ Biến cố phức hợp
5
Chương 1 4. Định nghĩa cổ điển về XS
4. ĐỊNH NGHĨA CỔ ĐIỂN VỀ XÁC SUẤT
4.1. Thí dụ
4.2. Định nghĩa cổ điển về xác suất
Xác suất xuất hiện biến cố A trong 1 phép thử là tỷ số giữa
số kết cục thuận lợi cho A (kí hiệu: m) và tổng số các
kết cục duy nhất đồng khả năng có thể xảy ra khi thực
hiện phép thử đó (kí hiệu: n).
m
P( A) 
n
4.3. Các tính chất của xác suất
0 ≤ P(A) ≤ 1; P(U) = 1; P(V) = 0
6
4. ĐỊNH NGHĨA CỔ ĐIỂN VỀ XÁC SUẤT
4.4. Các phƣơng pháp tính xác suất bằng định nghĩa cổ
điển.
a. Phương pháp suy luận trực tiếp
Ví dụ 1.2. Hộp có 10 quả cầu gồm 3 quả trắng và 7 quả
đen. Lấy ngẫu nhiên từ hộp 1 quả cầu. Tìm xác suất
lấy được cầu trắng.
b. Phương pháp dùng sơ đồ
• Dùng sơ đồ cây
Ví dụ 1.3. Tung 1 đồng xu đối xứng, đồng chất trên mặt
phẳng cứng 3 lần. Tìm xác suất có đúng 1 lần xuất hiện
mặt sấp.
7
b. Phương pháp dùng sơ đồ
• Dùng sơ đồ dạng bảng
Ví dụ 1.4. Tung 1con xúc xắc cân đối, đồng chất trên mặt
phẳng cứng 2 lần. Tìm xác suất
a. Tổng số chấm xuất hiện là 8.
b. Tổng số chấm xuất hiện là 8 biết rằng có (ít nhất 1) lần
xuất hiện mặt 6 chấm
• Dùng sơ Venn
Ví dụ 1.5. Một lớp có 50 học sinh, trong đó có 30 học sinh
giỏi Toán, 20 học sinh giỏi Văn, 15 học sinh giỏi cả
Toán và Văn. Chọn ngẫu nhiên 1 học sinh. Tìm xác
suất chọn được học sinh không giỏi Toán và không
giỏi Văn. (không giỏi môn nào)
8
c. Phương pháp dùng công thức của giải tích tổ hợp
• Tổ hợp chập k của n phần tử: Cnk (0≤ k ≤ n)
• Chỉnh hợp chập k của n phần tử: Ank (0≤ k ≤ n)
• Hoán vị của k phần tử: Pk
k
• Chỉnh hợp lặp k của n phần tử: An (0≤ k ≤ n)
Quy ước: 0! = 1
Ví dụ 1.6. Một hộp có 10 sản phẩm (6 chính phẩm và 4

phế phẩm). Lấy đồng thời 2 sản phẩm. Tìm xác suất
a. Lấy được 2 chính phẩm.
b. Lấy được đúng 1 chính phẩm
9
c. Phương pháp dùng công thức của giải tích tổ hợp

Ví dụ 1.7. Một hộp có 10 sản phẩm (2 sản phẩm xanh, 3
màu đỏ, 5 màu vàng). Lấy đồng thời 4 sản phẩm. Tìm
xác suất
a. Lấy được 4 sản phẩm cùng màu.
b. Lấy được đủ 3 màu.
c. Lấy đồng thời 5 sản phẩm. Tìm XS lấy được đủ 3 màu.
4.5. Ƣu điểm và hạn chế của định nghĩa cổ điển
• Ưu điểm: Không cần thực hiện phép thử
• Hạn chế: + Đòi hỏi số kết cục hữu hạn.
+ Các kết cục phải thỏa mãn tính duy nhất,
đồng khả năng.
10
Chương 1 5. Định nghĩa thống kê về XS
5. ĐỊNH NGHĨA THỐNG KÊ VỀ XÁC SUẤT
5.1. Định nghĩa tần suất
Tần suất xuất hiện biến cố A trong n phép thử là tỷ số giữa
số phép thử trong đó biến cố xuất hiện (k) và tổng số
phép thử được thực hiện:
k
f ( A) 
n
5.2. Định nghĩa thống kê về xác suất
Xác suất xuất hiện biến cố A trong 1 phép thử là một số p
không đổi mà tần suất f xuất hiện biến cố đó trong n
phép thử sẽ dao động rất ít xung quanh nó khi số phép
thử tăng lên vô hạn.
11
Chương 1 6. Định nghĩa khác về XS
6. MỘT SỐ ĐỊNH NGHĨA KHÁC VỀ XÁC SUẤT
6.1. Định nghĩa hình học về xác suất
6.2. Định nghĩa chủ quan về xác suất
6.3. Định nghĩa tiên đề về xác suất
12
Chương 1 7. Nguyên lý xác suất
7. NGUYÊN LÝ XÁC SUẤT
7.1. Nguyên lý xác suất nhỏ
+ Nếu một biến cố có xác suất rất nhỏ thực tế có thể cho
rằng trong một phép thử biến cố đó sẽ không xảy ra.
+ Mức xác suất được coi là nhỏ tùy thuộc vào từng bài
toán và gọi là mức ý nghĩa.
+ Nguyên lý XS nhỏ là cơ sở của phương pháp kiểm định.
7.2. Nguyên lý xác suất lớn
+ Nếu một biến cố có xác suất rất lớn thực tế có thể cho
rằng trong một phép thử biến cố đó sẽ xảy ra.
+ Mức xác suất đủ lớn gọi là độ tin cậy.
+ Nguyên lý XS lớn là cơ sở của phương pháp ước lượng
bằng khoảng tin cậy.
13
Chương 1 8. Liên hệ giữa các biến cố
8. MỐI LIÊN HỆ GIỮA CÁC BIẾN CỐ
Định nghĩa 1. Biến cố A gọi là thuận lợi cho biến cố B, kí
hiệu A  B , nếu A xảy ra thì B cũng xảy ra.
Định nghĩa 2. Biến cố A gọi bằng biến cố B, kí hiệu A = B,
nếu A xảy ra thì B cũng xảy ra và ngược lại.
Ai = “xuất hiện i chấm” (i = 1,2,…, 6)
A = “xuất hiện 1, 3 hoặc 5 chấm”
B = “xuất hiện lẻ chấm”
→ A1  B
A=B
14
8.1. Tổng các biến cố
Định nghĩa 3. Biến cố C được gọi là tổng của 2 biến cố A
và B, kí hiệu C = A + B, nếu C chỉ xảy ra khi và chỉ khi
có ít nhất một trong hai biến cố A và B xảy ra.
Ví dụ 1.9. Mua lần lượt 2 sản phẩm cùng loại
Ai = “lần thứ i mua được chính phẩm” (i=1,2)
A = “mua được ít nhất 1 chính phẩm”
= “có mua được chính phẩm”
→ A = A1 + A2
15
Định nghĩa 4. Biến cố A được gọi là tổng của các biến cố
A1, A2,…, An nếu A xảy ra khi và chỉ khi có ít nhất một
trong n biến cố thành phần xảy ra.
Kí hiệu: n
A
i 1
i
Ví dụ 1.10. Xạ thủ bắn 4 viên đạn độc lập.

Ai = “xạ thủ bắn trúng viên thứ i” (1 = 1, 2, 3, 4)
A = “bia bị trúng đạn”
→ A = A1 + A2 + A3 + A4
16
8.2. Tích các biến cố
Định nghĩa 5. Biến cố C được gọi là tích của 2 biến cố A
và B, kí hiệu C = A.B, nếu C xảy ra khi và chỉ khi cả 2
biến cố A và B cùng xảy ra.
Ví dụ 1.11. Mua lần lượt 2 sản phẩm cùng loại

Ai = “lần thứ i mua được chính phẩm” (i=1,2)
B = “mua được 2 chính phẩm”
→ B = A1.A2
17
Định nghĩa 6. Biến cố A được gọi là tích của các biến cố
A1, A2,…, An nếu A xảy ra khi và chỉ khi tất cả n biến cố
thành phần xảy ra.
Kí hiệu: n
A
i 1
i
Ví dụ 1.12. Xạ thủ bắn 4 viên đạn độc lập.

Ai = “xạ thủ bắn trúng viên thứ i” (1 = 1, 2, 3, 4)
B = “xạ thủ bắn trúng cả 4 viên đạn”
→ B = A1.A2.A3.A4
18
8.3. Tính xung khắc của các biến cố
Định nghĩa 7. Hai biến cố A và B gọi là xung khắc với
nhau nếu chúng không thể đồng thời xảy ra trong kết
quả của một phép thử.
Trường hợp ngược lại gọi là không xung khắc.
Ví dụ 1.13. Hộp có 7 chính phẩm và 3 phế phẩm. Lấy 1
sản phẩm
A = “ lấy được chính phẩm”; B = “lấy được phế phẩm”
→ A và B xung khắc.
Ví dụ 1.14. Hộp có 7 chính phẩm và 3 phế phẩm. Lấy lần
lượt 2 sản phẩm. Ai = “lần thứ i lấy được chính phẩm”
→ A1 và A2 không xung khắc. 19
Định nghĩa 8. Nhóm n biến cố A1, A2,…, An được gọi là
xung khắc từng đôi nếu bất kì 2 biến cố nào trong nhóm
này cũng xung khắc với nhau.
Ví dụ 1.15. Xạ thủ bắn 4 viên đạn độc lập

Ai = “xạ thủ bắn trúng i viên” (i=0,1,…,4)
A = “bia bị trúng đạn”
A0,A1,…,A4 : xung khắc từng đôi

A, A0, A1 : không xung khắc từng đôi
20
8.4. Nhóm đầy đủ các biến cố
Định nghĩa 9. Nhóm n biến cố A1, A2,…, An được gọi là
nhóm đầy đủ các biến cố nếu trong kết quả của phép thử
sẽ xảy ra 1 và chỉ 1 trong các biến cố đó.
A1, A2,…, An là nhóm đầy đủ các biến cố
 A1  A2  ...  An  U

 A1 , A2 ,..., An xung khắc từng đôi

Ai = “xuất hiện i chấm” ; B = “xuất hiện lẻ chấm”
A1, A2, … , A6 : nhóm đầy đủ
A2, A4, A6, B: nhóm đầy đủ
21
Định nghĩa 10. Hai biến cố A và Ā gọi là đối lập nếu
chúng tạo thành nhóm đầy đủ các biến cố.

A = “xuất hiện chắn chấm”
→ Ā = “xuất hiện lẻ chấm”
22
Ví dụ 1.18. Đề thi có 3 câu hỏi.
Ai = “học sinh trả lời đúng câu thứ i” (i = 1, 2, 3)
Biểu diễn các biến cố sau qua A1, A2, A3
A = “học sinh trả lời đúng cả 3 câu”
B = “học sinh trả lời sai cả 3 câu”
C = “học sinh chỉ trả lời đúng câu 3”
D = “học sinh trả lời đúng 1 câu”
E = “học sinh có trả lời đúng”
Nếu trả lời đúng câu 1 được 4 điểm, các câu khác được 3
điểm, sai được 0 điểm.
G = “học sinh đạt 7 điểm trở lên”
23
8.5. Tính độc lập của các biến cố
Định nghĩa 11. Hai biến cố A và B gọi là độc lập với nhau
nếu việc xảy ra hay không xảy ra của biến cố này không
làm thay đổi xác suất xảy ra của biến cố kia và ngược
lại.
Hai biến cố không độc lập gọi phụ thuộc.
Ví dụ 1.19. Tung một con xúc xắc 2 lần
Ai = “ lần thứ i xuất hiện 6 chấm” → A1 và A2 độc lập.
lượt 2 sản phẩm theo phương thức không hoàn lại.
Ai = “ lần thứ i lấy được chính phẩm”
→ A1 và A2 phụ thuộc. 24
Định nghĩa 12. Nhóm n biến cố A1, A2,…, An gọi là độc
lập từng đôi với nhau nếu mỗi cặp 2 trong n biến cố đó
là độc lập với nhau.
Định nghĩa 13. Nhóm n biến cố A1, A2,…, An gọi là độc
lập toàn phần với nhau nêu mỗi biến cố độc lập với mọi
tổ hợp của các biến cố còn lại.
Chú ý: độc lập toàn phần → độc lập từng đôi
lượt có hoàn lại 4 sản phẩm.
Ai = “lần thứ I lấy được chính phẩm” (i = 1, 2, 3, 4)
A1,…,A4 độc lập toàn phần.
25
Một số chú ý:
1, A và B xung khắc → AB = V
2, Nếu P(A) > 0; P(B) > 0
+ A, B độc lập → A, B không xung khắc
+ A, B xung khắc → A, B không độc lập (phụ thuộc)
3, A, B độc lập ↔ A và B , Ā và B, Ā và B độc lập
4, Phép cộng các biến cố có tính chất giống hợp các tập
hợp, nhân các biến cố giống giao các tập hợp.
5, Quy tắc đối ngẫu De Morgan
A B  A.B; AB  A  B
26
8.6. Xác suất có điều kiện
Định nghĩa 14. Xác suất của biến cố A được tính với điều
kiện biến cố B đã xảy ra gọi là xác suất có điều kiện của
A.
Kí hiệu: P(A/B)
lượt 2 sản phẩm theo phương thức không hoàn lại.
Ai = “ lần thứ i lấy được chính phẩm”
→ P(A2 / A1) = 6 / 9
27
Chương 1 9. Định lý nhân xác suất
9. ĐỊNH LÝ NHÂN XÁC SUẤT
Định lý 1. Nếu A và B độc lập với nhau thì
P(AB) = P(A).P(B)
Hệ quả. Nếu A1, A2,…, An độc lập toàn phần với nhau thì
 n  n
P   Ai    P( Ai )
 i 1  i 1
Ví dụ 1.23. Xạ thủ bắn 4 viên đạn độc lập với XS trúng
đều là 0,8. Nếu trúng 2 viên liên tiếp hoặc hết đạn thì
dừng bắn. Tìm XS:
a, Xạ thủ dùng 2 viên đạn
b, Xạ thủ dùng 3 viên đạn 28
Định lý 2. Nếu A và B phụ thuộc nhau thì
P(AB) = P(A).P(B / A) = P(B).P(A / B)
Hệ quả 1. Nếu P(B) > 0 thì

P( AB)
P( A / B) 
P( B)
Nếu P(B) = 0 thì P(A/B) không xác định
Hệ quả 2. Nếu P(A1A2 … An-1) > 0 thì

P(A1A2 …An) = P(A1)P(A2 /A1)…P(An / A1A2 …An-1)
29
Ví dụ 1.24. Một hộp có 7 chính phẩm và 3 phế phẩm. Lấy
lần lượt 2 sản phẩm theo phương thức không hoàn lại.
Tìm XS lấy được 2 chính phẩm.
Ví dụ 1.25. Một người mua 3 sản phẩm cùng loại trên thị
trường. XS mua được chính phẩm ở lần đầu là 0,8. Nếu
lần trước mua được chính phẩm thì XS mua được chính
phẩm ở lần tiếp theo là 0,95. Nếu lần trước mua được
phế phẩm thì XS mua được chính phẩm ở lần tiếp theo
là 0,9. Tìm xác suất
a, Mua được 3 chính phẩm
b, Mua được 3 phế phẩm
30
Chú ý.
• Nếu bài toán cho biết số sản phẩm (ví dụ 7 cp và 3 pp)
thì phép lấy lần lượt không hoàn lại tương tự như lấy
cùng một lúc.
• Nếu bài toán không cho biết số sản phẩm mà cho tỷ lệ

(ví dụ 70% cp và 30% pp) thì XS để mỗi lần lấy được
chính phẩm hay phế phẩm là không thay đổi, không phụ
thuộc vào phương thức lấy (có hoàn lại hay không hoàn
lại)
31
Chương 1 10. Định lý cộng xác suất
10. ĐỊNH LÝ CỘNG XÁC SUẤT
Định lý 3. Nếu A và B xung khắc với nhau thì
P(A+B) = P(A) + P(B)
Hệ quả 1. Nếu A1, A2,…, An xung khắc từng đôi thì

 n  n
P   Ai    P( Ai )
 i 1  i 1
Hệ quả 2. A1, A2,…, An là nhóm đầy đủ các biến cố thì
n
 P( A )  1
i 1
i
Hệ quả 3. P(A) + P(Ā) = 1 → P(A) = 1 – P(Ā)

32
Ví dụ 1.26. Có 2 hộp sản phẩm
Hộp 1: 7 chính phẩm và 3 phế phẩm
Hộp 2: 5 chính phẩm và 3 phế phẩm
Lấy ở mỗi hộp 1 sản phẩm. Tìm xác suất lấy được 2 sản
phẩm cùng loại
Ví dụ 1.27. Trong hộp có 10 chi tiết, trong đó có 3 chi tiết

hỏng. Lấy ngẫu nhiên 5 chi tiết. Tìm xác suất lấy được
không quá 2 chi tiết hỏng.
33
Định lý 4. Nếu A và B không xung khắc với nhau thì
P(A+B) = P(A) + P(B) – P(AB)
Ví dụ 1.28 Mạch có 2 bóng điện mắc nối tiếp hoạt động

độc lập với nhau, với xác suất hỏng đều là 0,2. Tìm xác
suất mạch bị mất điện do bóng điện hỏng.
? Làm VD trên cho trường hợp 5 bóng điện mắc nối tiếp.
34
Ví dụ 1.29. Xạ thủ bắn 3 viên đạn độc lập với XS trúng
lần lượt là 0,6; 0,7; 0,8.
a, Tìm XS xạ thủ bắn trúng đúng 1 viên
b, Tìm XS xạ thủ bắn trúng viên thứ nhất biết rằng xạ thủ
bắn trúng đúng 1 viên.
Ví dụ 1.30. Trong một cuộc thi thí sinh phải thi 3 vòng với
quy định qua vòng trước mới được dự thi vòng sau. Tại
vòng 1, 2, 3 sẽ loại tương ứng 50%; 40%; 30% số thí
sinh tham gia vòng đó. Tìm
a, Tỷ lệ thí sinh bị loại.
b, Tỷ lệ thí sinh bị loại ở vòng 1 trong số những thí sinh bị
loại.
35
Chương 1 11. Các hệ quả
11. CÁC HỆ QUẢ CỦA ĐL CỘNG VÀ ĐL NHÂN
XÁC SUẤT
11.1. Công thức Bernoulli
a. Lược đồ Bernoulli
Bài toán được gọi là thỏa mãn lược đồ Bernoulli nếu thỏa
mãn các điều kiện sau:
+ Có n phép thử độc lập
+ Trong mỗi phép thử xác suất biến cố A xảy ra không
thay đổi là p.
36
b. Công thức Bernoulli
Nếu bài toán thỏa mãn lược đồ Bernoulli thì xác suất sau n
phép thử biến cố A xuất hiện đúng k lần là
k nk với k = 0, 1, 2, …, n
Pn (k )  Cn p q
k
q=1-p
Ví dụ 1.31. Một đề thi trắc nghiệm có 10 câu hỏi độc lập,

mỗi câu hỏi có 4 phương án trả lời trong đó chỉ có 1
phương án đúng. Một học sinh trả lời bằng cách chọn
ngẫu nhiên 1 trong 4 phương án. Tìm xác suất học sinh
đó được 5 điểm.
37
11.2. Công thức xác suất đầy đủ
H1, H,…, Hn là nhóm đầy đủ các biến cố.
A là biến cố có thể xảy ra đồng thời với 1 trong n biến cố
trên thì
n
P( A)   P( H i ) P( A / H i )
i 1
H1, H,…, Hn gọi là các giả thuyết

Ví dụ 1.32. Một lô hàng có 40% sản phẩm của nhà máy A,
35% sản phẩm của nhà máy B, còn lại là của nhà máy
C. Tỷ lệ phế phẩm của các nhà máy lần lượt là 3%; 4%;
5%. Tìm tỷ lệ phế phẩm của lô hàng. (↔ Lấy ngẫu
nhiên 1 sản phẩm, tìm XS lấy được phế phẩm)
38
11.3. Công thức Bayes
H1, H,…, Hn là nhóm đầy đủ các biến cố.
A là biến cố đã xảy ra (P(A) > 0) thì
P( H i ) P( A / H i )
P( H i / A)  n
 P( H
j 1
j ) P( A / H j )
P(Hi) là xác suất tiên nghiệm
P(Hi / A) là xác suất hậu nghiệm.
Chú ý: Sau khi tính được các XS P(Hi / A) thì có thể sử

dụng công thức đầy đủ lần thứ 2, 3, …
Ở đây chỉ yêu cầu sử dụng công thức đầy đủ 1 lần
39
Ví dụ 1.33. Một lô hàng có 40% sản phẩm của nhà máy
A, 35% sản phẩm của nhà máy B, còn lại là của nhà máy C.
Tỷ lệ phế phẩm của các nhà máy lần lượt là 3%; 4%; 5%.
Lấy ngẫu nhiên 1 sản phẩm thì được phế phẩm. Khả năng
phế phẩm đó của nhà máy nào là cao nhất?
Ví dụ 1.34. Một nhà máy có tỷ lệ phế phẩm là 10%. Sản phẩm

trước khi đưa ra thị trường phải được kiểm tra qua 1 máy tự
động. Máy kiểm tra có độ chính xác 90% đối với chính
phẩm và 95% đối với phế phẩm. Sản phẩm được kết luận là
chính phẩm thì được đưa ra thị trường.
a, Kiểm tra 6 sp. Tìm XS có 5 sp được đưa ra thị trường .
b, Tìm tỷ lệ phế phẩm trên thị trường.
c, Mua 6 sp trên thị trường. Tìm XS mua được 4 cp.
40
Ví dụ 1.35. Có 2 hộp sản phẩm với bề ngoài giống nhau
Hộp I: 6 chính phẩm, 4 phế phẩm
Hộp II: 3 chính phẩm, 7 phế phẩm
Lấy ngẫu nhiên 1 hộp và từ đó lấy 1 sản phẩm.
a, Tìm XS lấy được chính phẩm.
b, Biết rằng lấy được chính phẩm. Tìm XS sp đó của hộp I
? Làm bài toán trên cho trường hợp lô hàng có 2 hộp loại I
và 8 hộp loại II.
41
Chương 1 Bài tập
Bài tập dùng công thức cổ điển
8, 10, 15, 25, 28, 44, 51, 91, 99
Bài tập dùng ĐL cộng, nhân (trực tiếp)

39, 41, 46 → 50, 54, 55, 56, 69, 97, 112
Bài tập dùng CT Bernoulli

58 → 61
Bài tập dùng công thức đầy đủ, Bayes

63, 65, 70, 71, 93, 101 → 104
42
CHƢƠNG 2
BIẾN NGẪU NHIÊN VÀ QUY LUẬT
PHÂN PHỐI XÁC SUẤT

• Định nghĩa và phân loại biến ngẫu nhiên (bnn)
• Quy luật phân phối XS của biến ngẫu nhiên
• Các tham số đặc trưng của biến ngẫu nhiên.
43
Chương 2 2. Định nghĩa và phân loại bnn
2. ĐỊNH NGHĨA VÀ PHÂN LOẠI BIẾN NGẪU
NHIÊN
2.1. Định nghĩa
Một biến số được gọi là biến ngẫu nhiên nếu trong kết quả
của phép thử nó chỉ nhận 1 và chỉ 1 trong các giá trị có
thể có của nó tùy thuộc vào sự tác động của các nhân
tố ngẫu nhiên.
• Kí hiệu bnn là X, Y, X1, X2,…
• Giá trị có thể có của bnn là x, y, x1, x2,…
• (X = x1), (X = x2), … là các biến cố
• Nếu X chỉ nhận các giá trị x1,…, xn thì nhóm biến cố
(X = x1), …, (X = xn) là nhóm đầy đủ các biến cố. 44

Gọi X là số chấm xuất hiện → X là bnn
X có thể nhận 1, 2, 3, 4, 5, 6
Ví dụ 2.2. Gọi Y là số người đến đổ xăng tại 1 trạm xăng
dầu trong 1 ngày → Y là bnn
Y có thể nhận 0, 1, 2, …
Ví dụ 2.3. Gọi Z là khoảng cách từ điểm viên đạn chạm
bia đến tâm bia → Z là bnn
Z có thể nhận giá trị bất kì trong đoạn [0,R]
? Phân biệt khái niệm biến cố và biến ngẫu nhiên

45
2.2. Phân loại biến ngẫu nhiên
+ Bnn rời rạc: Nếu các giá trị của nó lập nên một tập hợp
hữu hạn hoặc đếm được.
Ví dụ: bnn X, Y trong ví dụ 2.1, 2.2
+ Bnn liên tục: nếu các giá trị có thể có của nó lấp đầy một
khoảng trên trục số.
Ví dụ: bnn Z trong ví dụ 2.3
46
Chương 2 3. Quy luật PPXS của bnn
3. QUY LUẬT PHÂN PHỐI XÁC SUẤT CỦA BIẾN
NGẪU NHIÊN
3.1. Định nghĩa
Quy luật phân phối xác suất của bnn là sự tương ứng giữa
các giá trị có thể có của nó và các xác suất tương ứng
với các giá trị đó.
3.2. Bảng PPXS – chỉ dùng cho bnn rời rạc
X x1 x2 … xk … xn
P p1 p2 … pk … pn
0  pi  1
 n

  pi  1
 i 1 47
Ví dụ 2.4. Hộp có 6 chính phẩm và 4 phế phẩm. Lấy đồng
thời 2 sản phẩm. Lập bảng ppxs của số chính phẩm lấy
được.
Ví dụ 2.5. Xạ thủ bắn 4 viên đạn độc lập với xác suất
trúng mỗi viên đều là 0,8. Nếu trúng 2 viên liên tiếp
hoặc hết đạn thì dừng bắn. Lập bảng ppxs của số viên
đạn được sử dụng
Ví dụ 2.6. Đề thi có 2 câu hỏi độc lập, mỗi câu 5 điểm.

Xác suất học sinh trả lời đúng câu 1, 2 tương ứng là 0,6
và 0,7. Lập bảng ppxs của số điểm đạt được.
48
3.3. Hàm phân bố xác suất – dùng cho cả bnn rời rạc và
liên tục.
a. Định nghĩa
Hàm phân bố XS của bnn X, kí hiệu F(x), là XS để bnn X
nhận giá trị nhỏ hơn x, với x là số thực bất kì
F(x) = P(X < x)
Nếu X là bnn rời rạc thì
F ( x)  p
i:xi  x
i
49
Ví dụ 2.7. Cho bnn rời rạc X sau:
X 1 3 5
P 0,2 0,5 0,3
Tìm hàm phân bố XS của X và vẽ đồ thị của hàm đó.
Giải….
0 ; x 1
0, 2 ; 1  x  3

F ( x)  
0, 7 ; 3  x  5
1 ; 5  x
Đồ thị hàm F(x)

50
b. Tính chất
Tính chất 1: 0 ≤ F(x) ≤ 1
Tính chất 2: F(x) là hàm không giảm
Hệ quả 1: P(a ≤ X < b) = F(b) – F(a)
Hệ quả 2: Nếu X liên tục thì P(X = x) = 0
Hệ quả 3: Nếu X liên tục thì
P(a < X < b) = P(a ≤ X < b) = P(a < X ≤ b) = P(a ≤ X ≤ b)
Tính chất 3: F(-∞) = 0; F(+∞) = 1
Hệ quả 4: Nếu X chỉ nhận giá trị trên [a, b]
Với x ≤ a thì F(x) = 0
Với x > b thì F(x) = 1
51
Ví dụ 2.8. Cho bnn X có hàm phân bố XS như sau:
 0 ; x2
1

F ( x)   x  1 ; 2 x4
2
 1 ; 4 x
Tìm P(X < 3), P(X ≥ 2,4), P(2,4 ≤ X <3)
c. Ý nghĩa: Hàm phân bố xác suất F(x) phản ánh mức độ

tập trung xác suất ở bên trái điểm x.
52
3.4. Hàm mật độ xác suất – chỉ dùng cho bnn liên tục.
a. Định nghĩa
Hàm mật độ XS của bnn liên tục X, kí hiệu f(x), là đạo
hàm bậc nhất của hàm phân bố XS của bnn đó.
f(x) = F’(x)
b. Tính chất
Tính chất 1: f(x) ≥ 0 với mọi x

Tính chất 2:


f ( x)dx  1
Chú ý: nếu hàm số f(x) có t/c 1 và 2 thì nó là hàm mật độ

XS của một bnn nào đó. 53
Ví dụ 2.9. Cho bnn liên tục X có hàm mật độ XS:

 0 ; x  (0,10)
f ( x)  
k ; x  (0,10)
a, Tìm k.
x
Tính chất 3: F ( x)  

f ( x)dx
b
Tính chất 4: P(a  X  b)   f ( x) dx
a
54
Ví dụ 2.9. Cho bnn liên tục X có hàm mật độ XS:

 0 ; x  (0,10)
f ( x)  
k ; x  (0,10)
b, Xác định F(x)
c, Tìm P(5 < X < 6); P(6 < X < 7) ; …
c. Ý nghĩa: Hàm mật độ XS của bnn X tại mỗi điểm x cho

biết mức độ tập trung XS tại điểm đó.
55
Chương 2 4. Tham số đặc trưng của bnn
4. CÁC THAM SỐ ĐẶC TRƢNG CỦA BIẾN NGẪU
NHIÊN
4.1. Kì vọng toán
a. Định nghĩa
Kì vọng toán của bnn X, kí hiệu E(X), được xác định như
sau: n
+ Nếu X là bnn rời rạc thì E ( X )   xi pi
i 1

+ Nếu X là bnn liên tục thì E ( X )   xf ( x)dx


Chú ý: Đơn vị của E(X) trùng với đơn vị của X.

56
Ví dụ 2.10. Tìm kì vọng toán của bnn X
X 1 3 6 10
P 0,1 0,2 0,4 0,3
Ví dụ 2.11. Tìm kì vọng toán của bnn X

0 ; x  (0,1)
f ( x)  
2 x ; x  (0,1)
57
b. Tính chất
Tính chất 1: E(C) = C ; C là hằng số
Tính chất 2: E(CX) = C.E(X)
Tính chất 3: E(X + Y) = E(X) + E(Y)
Hệ quả 1:  n  n
E   X i    E( X i )
 i 1  i 1
Tính chất 4: Nếu X và Y độc lập thì E(XY) = E(X).E(Y)

Hệ quả 2:
 n  n
E   X i    E( X i )
 i 1  i 1
58
c, Bản chất , ý nghĩa và ứng dụng của kì vọng toán
Ví dụ 2.12. Nhu cầu hàng ngày về một loại thực phẩm tươi
sống ở một khu vực là bnn rời rạc X có bảng PPXS:
X (kg) 80 100 120 150
P 0,2 0,4 0,3 0,1
Giả sử ở khu vực này chỉ có 1 cửa hàng và mỗi ngày cửa
hàng nhập 100 kg thực phẩm.
Giá nhập là 40 nghìn đồng/kg, giá bán là 50 nghìn
đồng/kg, nếu thực phẩm không bán được trong ngày thì
phải bán với giá 20 nghìn đồng/ kg thì mới hết hàng.
Muốn có lãi trung bình cao hơn thì cửa hàng có nên nhập
thêm 20kg mỗi ngày hay không?
59
4.2. Trung vị md
Trung vị là giá trị nằm ở chính giữa tập hợp các giá trị có
thể có của bnn.
4.3. Mốt m0
Mốt là giá trị của bnn tương ứng với
+ XS lớn nhất nếu là bnn rời rạc
+ Cực đại của hàm mật độ XS nếu là bnn liên tục.
60
4.4. Phƣơng sai
a. Định nghĩa
Phương sai của bnn X, kí hiệu V(X), là kì vọng toán của
bình phương sai lệch của bnn so với kì vọng toán của nó
V(X) = E[X – E(X)]2
Biến đổi: V(X) = E(X2) – [E(X)]2

n 
E ( X 2 )   xi2 pi ; E( X 2 )   x 2 f ( x)dx
i 1 
Chú ý: V(X) ≥ 0
Đơn vị của V(X) trùng với đơn vị của X2.
61
Ví dụ 2.13. Tìm phương sai của bnn X
X 1 3 6 10
P 0,1 0,2 0,4 0,3
Ví dụ 2.14. Tìm phương sai của bnn X

0 ; x  (0,1)
f ( x)  
2 x ; x  (0,1)
62
b. Tính chất
Tính chất 1: V(C) = 0; C là hằng số
Tính chất 2: V(CX) = C2 V(X)
Tính chất 3: Nếu X và Y độc lập thì
V(X + Y) = V(X) + V(Y)
Hệ quả : X1, X2,…,Xn là các bnn độc lập thì
 n  n
V   X i   V ( X i )
 i 1  i 1
63
c, Bản chất , ý nghĩa và ứng dụng của phương sai
Phương sai đặc trưng cho mức độ rủi ro của các quyết
định.
Ví dụ 2.15. Tiền lãi sau 1 tháng đầu tư 1 tỷ đồng vào các
ngành A, B là các bnn độc lập X, Y
X 0 15 30 Y -2 15 35
P 0,3 0,5 0,2 P 0,3 0,5 0,2
a, Muốn lãi trung bình cao hơn thì đầu tư vào ngành nào?
b, Muốn rủi ro thấp hơn thì đầu tư vào ngành nào?
c, Muốn rủi ro thấp nhất thì chia vốn đầu tư theo tỷ lệ nào?
64
Ví dụ 2.15.
X 0 15 30 Y -2 15 35
P 0,3 0,5 0,2 P 0,3 0,5 0,2
d, Đầu tư a tỷ vào ngành A và b tỷ và ngành B trong 1

tháng. Tìm trung bình và phương sai của tổng tiền lãi
trong 1 tháng?
e, Đầu tư 2 tỷ vào ngành A trong 1 tháng, tìm trung bình
và phương sai của tiền lãi thu được?
g, Mỗi tháng đầu tư 1 tỷ vào ngành A, độc lập, tìm trung
bình và phương sai của tổng tiền lãi trong 2 tháng? Tìm
XS tổng tiền lãi không dưới 50 triệu.
h, Tìm XS đầu tư vào A được lãi cao hơn đầu tư vào B.
65
4.5. Độ lệch chuẩn
Độ lệch chuẩn của bnn X, kí hiệu σ(X), là căn bậc hai của
phương sai của bnn đó
 X   (X )  V (X )
Có đơn vị trùng với đơn vị của X.
Ứng dụng: khi cần đánh giá mức độ phân tán của bnn theo
đơn vị đo của nó thì dùng độ lệch chuẩn.
66
4.6. Hệ số biến thiên CV
X
CV  .100%
E( X )
4.7. Giá trị tới hạn xα

P(X > xα ) = α
4.8. Hệ số bất đối xứng α3
4.9. Hệ số nhọn α4
67
Bài tập về bnn rời rạc
1, 4, 5, 19→ 22, 30, 36, 37, 40, 41, 65, 67, 72, 77,82, 86
Bài tập bnn liên tục

9, 24, 83, 84
68
CHƢƠNG 3
MỘT SỐ QUY LUẬT PHÂN PHỐI XÁC
SUẤT THÔNG DỤNG

• Với bnn rời rạc: QL không – một, nhị thức, Poisson,
siêu bội.
• Với bnn liên tục: QL đều, lũy thừa, chuẩn, Student, Khi
– bình phương, Fisher – Snedercor.
69
Chương 3 2. QL không – một A(p)
2. QUY LUẬT KHÔNG – MỘT A(p)
2.1. Định nghĩa
Bnn rời rạc X nhận 1 trong 2 giá trị có thể có là 0, 1, với
các XS tương ứng được tính theo công thức
x 1 x
Px  P( P  x)  p q ; x  0,1; q  1  p
gọi là phân phối theo quy luật không – một với tham số p.
Kí hiệu: X ~ A(p)
Bảng ppxs X 0 1
P q p
2.2. Tham số đặc trƣng: E(X) = p; V(X) = pq
2.3. Ứng dụng
70
Chương 3 3. QL nhị thức B(n,p)
3. QUY LUẬT NHỊ THỨC B(n,p)
3.1. Định nghĩa
Bnn rời rạc X nhận 1 trong các giá trị có thể có là
0, 1,2,…,n với các XS tương ứng được tính theo công
thức
x n x
Px  P( P  x)  C p q
x
n ; x  0,1, 2,..., n; q  1  p
gọi là phân phối theo quy luật nhị thức với tham số n và p.
Kí hiệu: X ~ B(n, p)
Bảng ppxs
X 0 … x … n
P qn … x x n x … pn
C pq
n 71
Chú ý: Nếu bài toán thỏa mãn lược đồ Bernoulli với 2
tham số là n, p và X là số lần xuất hiện biến cố A sau n
phép thử thì X ~ B(n, p).
Công thức XS
P(a ≤ X ≤ a + h) = Pa + Pa+1 + …+ Pa+h
Ví dụ 3.1. Một phân xưởng có 10 máy hoạt động độc lập

với nhau. Xác suất để trong một ngày mỗi máy bị hỏng
đều là 0,1. Gọi X là số máy hỏng trong ngày.
a, X phân phối theo quy luật gì?
b, Tìm XS trong 1 ngày có từ 2 đến 4 máy hỏng.
72
3.2. Các tham số đặc trƣng của quy luật nhị thức
Nếu X ~ B(n, p) thì E(X) = np; V(X) = npq.
Mốt m0 là giá trị của X thỏa mãn
np + p – 1 = np –q ≤ m0 ≤ np + p
Ví dụ 3.2. Một tháng nhân viên chào hàng đi chào hàng 20

ngày với XS bán được hàng mỗi ngày đều là 0,7.
a, Trung bình trong 1 năm có bao nhiêu ngày người đó bán
được hàng? Tìm phương sai tương ứng.
b, Tìm số ngày bán được hàng có khả năng cao nhất trong
1 tháng và XS của giá trị đó.
73
Chú ý:
+ Nếu X1,…,Xn độc lập và Xi ~ A(p) thì
X1 + … + Xn ~ B(n, p)
+ Nếu X1 ~ B(n1, p); X2 ~ B(n2, p) và độc lập với nhau thì
X1 + X2 ~ B(n1 + n2, p)
3.3. Quy luật phân phối xác suất của tần suất
Gọi X là số lần xuất hiện biến cố A sau n phép thử. Tần
suất xuất hiện biến cố A là X
f 
n
f 0 … x/n … 1
P qn … x
C pq x n x … pn
n
74
Chương 3 4. QL Poisson P(λ)
4. QUY LUẬT POISSON P(λ)
4.1. Định nghĩa
Bnn rời rạc X nhận 1 trong các giá trị có thể có là 0, 1,2,…
với các XS tương ứng được tính theo công thức


x
Px  P( P  x)  e ; x  0,1, 2,...
x!
gọi là phân phối theo quy luật Poisson với tham số λ.
Kí hiệu: X ~ P(λ)
Chú ý: Nếu X ~ B(n, p) với n khá lớn, p khá nhỏ và
np ≈ npq thì coi như X ~ P(λ).
4.2. Các tham số đặc trƣng
Nếu X ~ P(λ) thì E(X) = λ; V(X) = λ; λ -1 ≤ m0 ≤ λ
75
Chương 3 5. QL siêu bội M(N, n)
5. QUY LUẬT SIÊU BỘI M(N, n)
5.1. Định nghĩa
Bnn rời rạc X nhận 1 trong các giá trị có thể có là 0,
1,2,…,n với các XS tương ứng được tính theo công
thức
CMx CNn xM
Px  P( P  x)  n
CN
gọi là phân phối theo quy luật siêu bội với tham số N và n.
Kí hiệu: X ~ M(N, n)
76
Chương 3 6. QLPP đều U(a, b)
6. QUY LUẬT PHÂN PHỐI ĐỀU U(a, b)
6.1. Định nghĩa
Bnn liên tục X gọi là phân phối theo quy luật đều trên
khoảng (a, b) nếu hàm mật độ XS của nó có dạng
 1
 ; x  ( a, b)
f ( x)   b  a

 0 ; x  ( a, b)
Kí hiệu: X ~ U(a,b)
? Vẽ đồ thị của f(x)
6.2. Tham số đặc trƣng ab (b  a) 2
E( X )  ; V (X ) 
2 12
77
Chương 3 7. QL lũy thừa E(λ)
7. QUY LUẬT LŨY THỪA E(λ)
7.1. Định nghĩa
Bnn liên tục X gọi là phân phối theo quy luật lũy thừa
(quy luật mũ) nếu hàm mật độ XS của nó có dạng
  e  x ; x0
f ( x)  
 0 ; x0
Trong đó λ là hằng số dương
Kí hiệu: X ~ E(λ)

78
Chương 3 7. QL lũy thừa E(λ)
Đồ thị hàm f(x) (ví dụ với λ = 0,8)
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
7.2. Tham số đặc trƣng

1 1
E( X )  ; V (X ) 
  2
79
Chương 3 8. QL Chuẩn N(μ, σ2)
8. QUY LUẬT CHUẨN N(μ, σ2)
8.1. Định nghĩa
Bnn liên tục X nhận giá trị trong khoảng (-∞,+∞) gọi là
phân phối theo quy luậtChuẩn với các tham số μ và σ2
nếu hàm mật độ XS của nó có dạng
( x   )2
1 
f ( x)  e 2 2
; xR
 2
Kí hiệu: X ~ N(μ, σ2)

80
Đồ thị hàm f(x) (ví dụ với μ = 2; σ= 0,8)
0,6
0,5
0,4
0,3
0,2
0,1
8.2. Tham số đặc trƣng

E(X) = μ ; V(X) = σ2
81
8.3. Quy luật phân phối Chuẩn hóa
a. Định nghĩa
Bnn liên tục U nhận giá trị trong khoảng (-∞,+∞) gọi là
phân phối theo quy luật Chuẩn hóa nếu hàm mật độ
XS của nó có dạng
u2
1 
 (u )  e 2
; uR
2
Kí hiệu: U ~ N(0, 1)
X 
Chú ý: Nếu X ~ N(μ, σ2) thì U   N (0, 1)

? Vẽ đồ thị của φ(u) 82
b. Các tham số đặc trưng
E(U) = 0; V(U) = 1
c. Hàm phân bố XS Ф(u) và hàm Ф0(u)
u 0 u
(u )    (t )dt    (t )dt    (t )dt 0, 5  
  0
0 (u )
Trong đó u
 0 (u )    (t )dt
0
Tính chất: + Ф0(-u) = - Ф0(u)

+ Với u ≥ 5 thì Ф0(u) = 0,5
Giá trị hàm này ở phụ lục 5 hoặc ở bảng số TKT
83
8.4. Giá trị tới hạn chuẩn: uα
Giá trị tới hạn chuẩn mức α, kí hiệu là uα là giá trị của
bnn U thỏa mãn điều kiện
P( U > uα) = α
↔ P( U < uα ) = 1 – α
Bảng giá trị tới hạn chuẩn: phụ lục 6 trang 952
Bảng số TKT: tra uα tại dòng ∞ của bảng giá trị tới hạn
Student.
84
8.5. Công thức xác suất
Nếu X ~ Nμ, σ2) thì
b  a 
P (a  X  b)   0    0  
     
b 
P ( X  b)   0    0,5
  
a 
P(a  X )  0,5   0  
  
 
P(| X   |  )  2 0  
 
85
Quy tắc hai sigma
 2 
P(| X   | 2 )  2 0    2 0 (2)  0,9544
 
Quy tắc ba sigma
 3 
P(| X   | 3 )  2 0    2 0 (3)  0,9973
 
Ứng dụng: Nếu QLPPXS của bnn thỏa mãn quy tắc hai
sigma và quy tắc ba sigma thì xem như bn đó phân
phối chuẩn.
86
Ví dụ 3.3. Trọng lượng sản phẩm là bnn phân phối chuẩn
với trung bình là 400g và phương sai là 400 g2.
a, Tìm tỷ lệ sản phẩm có trọng lượng từ 360g đến 440g
b, Tìm tỷ lệ sản phẩm nhẹ hơn 350g
c, Tìm tỷ lệ sản phẩm nặng hơn 360g
d, Sản phẩm đạt tiêu chuẩn nếu có trong lượng sai lệch so
vơi mức trung bình không quá 30g. Tìm tỷ lệ sản phẩm
đạt tiêu chuẩn.
87
Ví dụ 3.4. Tuổi thọ sản phẩm là bnn phân phối chuẩn với
trung bình là 3,6 năm và độ lệch chuẩn là 1,2 năm. Khi
bán được 1 sp thì cửa hàng lãi 70 nghìn đồng, nếu sp bị
hỏng trong thời gian bao hành thì cửa hàng phải chi
100 nghìn đồng cho việc bảo hành (chịu lỗ 30 nghìn
đồng). Quy định thời gian bảo hành là 1 năm.
a, Tìm tỷ lệ sản phẩm phải bảo hành.
b, Nếu muốn bảo hành cho 2,5% số sp thì quy định thời
gian bảo hành bao lâu?
c, Tìm tiền lãi trung bình trên mỗi sp bán ra.
d, Muốn tiền lãi trên mỗi sp bán ra là 65 nghìn đồng thì
quy định thời gian bảo hành bao lâu?
88
Ví dụ 3.5. Chiều dài sp được sản xuất tự động là bnn phân
phối chuẩn với trung bình là 60 cm. Biết rằng có 10%
số sp có chiều dài trên 63cm. Sản phẩm có chiều dài từ
55 cm trở lên thì đạt tiêu chuẩn.
a, Tìm phương sai về chiều dài sản phẩm.
b, Tìm tỷ lệ sản phẩm đạt tiêu chuẩn.
c, Tìm xs trong 10 sp có đúng 8 sp đạt tiêu chuẩn.
89
8.6. Phân phối xác suất của tổng các bnn độc lập cùng
tuân theo một quy luật
Nếu X1 ~ N(μ1, σ12) và X1 ~ N(μ2, σ22) và độc lập thì
X1 + X2 ~ N(μ1 + μ2, σ12 + σ22)
Ví dụ 3.6. Đầu tư 100 triệu vào ngành A thu được lãi là
X, đầu tư 100 triệu vào B thu được lãi là Y, X và Y độc
lập và X ~ N(10; 16); Y ~ N(9;9). (thời gian: 1 quý)
a, Nếu đầu tư 40 triệu vào A và 60 triệu vào B trong 1 quý
thì xs thu được lãi trên 10 triệu bằng bao nhiêu?
b, Tìm xs đầu tư vào A được lãi cao hơn đầu tư vào B.
90
8.7. Sự hội tụ của quy luật nhị thức và quy luật Poisson
về quy luật chuẩn
Nếu X ~ B(n, p) với n ≥ 5 và
p 1 p 1
  0, 3
1 p p n
Thì coi như X ~ N(μ = np, σ2 = npq)
Ví dụ 3.7. Người ta kiểm tra chất lượng 900 chi tiết. XS để

chi tiết đạt tiêu chuẩn là 0,9. Gọi X là số chi tiết đạt
tiêu chuẩn trong số 900 chi tiết được kiểm tra.
a, Có thể coi như X phân phối theo ql Chuẩn được không?
b, Tìm xs trong đó có từ 800 đến 850 chi tiết đạt t/c.
91
8.8. Ứng dụng của quy luật chuẩn
QL Chuẩn được áp dụng rộng rãi trong thực tế.
Lí do: Nếu bnn X là tổng của một số lớn các bnn độc lập
và giá trị của mỗi biến chỉ chiếm một vị trí nhỏ trong
tổng đó thì X sẽ có pp xấp xỉ chuẩn.
Ví dụ
+ Kích thước của chi tiết do 1 máy tự động sản xuất pp
Chuẩn.
+ Chiều cao, cân nặng, chỉ số thông minh, … của con
người pp Chuẩn.
+ Năng suất lao động pp Chuẩn.
…………… 92
Chương 3 9. QL Khi – bình phương χ2(n)
9. QUY LUẬT KHI – BÌNH PHƢƠNG χ2(n)
9.1. Định nghĩa
Quan tâm đến giá trị tới hạn khi – bình phương n bậc tự do

mức ý nghĩa α, kí hiệu là  2( n )
Tra bảng phụ lục 7 hoặc bảng của TKT

Sử dụng: Giả sử có các bnn Xi (i = 1, …, n) độc lập cùng
pp chuẩn hóa thì
n
   X   ( n)
2
i
2 2
i 1
93
Chương 3 10. QL Student T(n)
10. QUY LUẬT STUDENT T(n)
10.1. Định nghĩa
Quan tâm đến giá trị tới hạn student n bậc tự do mức ý
nghĩa α, kí hiệu là 
t (n)

Sử dụng: Giả sử có các bnn độc lập U và V với U ~ N(0,1)
và V ~ χ2(n) thì
U
T  T ( n)
V /n
94
Chương 3 11. QL Fisher F(n1, n2)
11. QUY LUẬT FISHER - SNEDECOR F(n1, n2)
11.1. Định nghĩa
Quan tâm đến giá trị tới hạn Fisher (n1, n2) bậc tự do mức ý
nghĩa α, kí hiệu là f( n ,n )1 2

Tính chất: 1
f1(n1 ,n2 ) 
f( n2 ,n1 )
Sử dụng: Giả sử có các bnn độc lập U và V với U ~ χ2(n1) và V
~ χ2(n2) thì
U / n1
F  F (n1 , n2 )
V / n2
95
Bài tập về bnn pp Nhị thức
5, 11, 18, 77
Bài tập bnn pp Chuẩn

41, 42, 44, 47, 78, 80, 81, 87,88, 89, 91, 93
Bài tập khác

22, 23, 25, 34, 36
96
CHƢƠNG 4
BIẾN NGẪU NHIÊN HAI CHIỀU

HÀM CÁC BIẾN NGẪU NHIÊN

• Khái niệm bnn nhiều chiều.
• Bnn 2 chiều rời rạc, bảng ppxs, các tham số đặc trưng.
• Bnn 2 chiều liên tục, hàm mật độ xs, các tham số.
• Hàm các bnn.
97
Chương 4 2. Khái niệm
2. KHÁI NIỆM VỀ BNN HAI CHIỀU
2.1. Định nghĩa
Hai bnn 1 chiều được xét một cách đồng thời tạo nên bnn
2 chiều.
Kí hiệu: (X, Y)
Ví dụ: thu nhập và tiêu dùng của 1 người.
chiều dài và chiều rộng của 1 sản phẩm.
2.2. Phân loại

+ Bnn 2 chiều rời rạc: nếu X, Y đều rời rạc
+ Bnn 2 chiều liên tục: nếu X, Y đều liên tục
98
Chương 4 3. Bảng ppxs
3. BẢNG PHÂN PHỐI XÁC SUẤT
3.1. Bảng phân phối xác suất đồng thời
X Y y1 … yj … ym
x1 P(x1, y1) … P(x1, yj) … P(x1, ym)
…
xi P(xi, y1) … P(xi, yj) … P(xi, ym)
…
xn P(xn, y1) … P(xn, yj) … P(xn, ym)
n m
Với 0 ≤ P(xi, yj) ≤ 1 và  P( x , y )  1
i 1 j 1
i j
99
Ví dụ 4.1. Một đề thi trắc nghiệm có 2 câu hỏi độc lập với
xs học sinh làm đúng đều là 0,2. Đúng câu 1 được 4
điểm, câu 2 được 6 điểm, sai được 0 điểm. Gọi X là số
câu trả lời đúng, Y là số điểm đạt được của học sinh.
Lập bảng ppxs đồng thời của bnn 2 chiều (X, Y).
Ta có bảng sau
X Y 0 4 6 10 Những ô có xs
bằng 0 ứng
0 ? 0 0 0 với các biến
1 0 ? ? 0 cố không thể
có.
2 0 0 0 ?
100
3.2. Bảng phân phối xác suất biên
a. Bảng pps biên của X
X Y y1 … yj … ym P(x)
x1 P(x1, y1) … P(x1, yj) … P(x1, ym) ∑ = P(x1)
… …
xi P(xi, y1) … P(xi, yj) … P(xi, ym) ∑ = P(xi)
… …
xn P(xn, y1) … P(xn, yj) … P(xn, ym) ∑ = P(xn)
Từ bảng trên ta có bảng ppxs biên của X như sau:
X x1 … xi … xn
P P(x1) … P(xi) … P(xn) 101
b. Bảng ppxs biên của Y
Tương tự như trên ta có bảng ppxs biên của Y như sau:
Y y1 … yj … ym
P P(y1) … P(yj) … P(ym)
Từ các bảng ppxs biên của X và Y ta có thể tìm được các

tham số đặc trưng của X, Y tương ứng
+ E(X), V(X), …
+ E(Y), V(Y), …
102
3.3. Bảng phân phối xác suất có điều kiện
a. Bảng ppxs có điều kiện của Y khi của X = xj
X Y y1 … yj … ym
x1 P(x1, y1) … P(x1, yj) … P(x1, ym)
…
xi P(xi, y1) … P(xi, yj) … P(xi, ym) ∑ = P(xi)
…
xn P(xn, y1) … P(xn, yj) … P(xn, ym)
Lấy từng xs tại dòng xi chia cho tổng của dòng ta có
P( xi , y j )
 P(Y  y j / X  xi ) : P ( y j / xi )
P( xi ) 103
Bảng ppxs có điều kiện của Y khi X = xi như sau:
Y/X=xi y1 … yj … ym
P P(y1/xi) … P(yj/xi) … P(ym/xi)
b. Tương tự ta có bảng ppxs có điều kiện của X khi Y = yj.
Từ các bảng ppxs có điều kiện của Xvà Y ta có thể tìm

được các tham số đặc trưng tương ứng
+ E(Y/X=xi), E(X/Y=yj): các kì vọng toán có điều kiện
+ V(Y/X=xi), V(X/Y=yj): các phương sai có điều kiện
104
Chương 4 4. Tham số
4. CÁC THAM SỐ ĐẶC TRƢNG
4.1. Kì vọng toán
Từ các bảng ppxs biên ta tìm được các kì vọng toán sau:
n n m
E ( X )   xi P( xi )   xi P( xi , y j )
i 1 i 1 j 1
m m n
E (Y )   y j P( y j )   y j P( xi , y j )
j 1 j 1 i 1
Các kì vọng toán trên phản ánh giá trị trung bình của mỗi
thành phần.
105
4.2. Phƣơng sai
Từ các bảng ppxs biên ta tìm được các phương sai sau:
n m
V ( X )   xi2 P( xi , y j )  [E ( X )]2
i 1 j 1
m n
V (Y )   y 2j P( xi , y j )  [E (Y )]2
j 1 i 1
Các kì vọng toán trên phản ánh mức độ phân tán của các
giá trị của mỗi thành phần so với giá trị trung bình của
thành phần đó.
106
4.3. Hiệp phƣơng sai
Hiệp phương sai của các bnn X và Y, kí hiệu cov(X,Y), là
kì vọng toán của tích các sai lệch của các bnn đó với kì
vọng toán của chúng.
Cov( X , Y )  E{[X  E ( X )][Y  E (Y )]}
 E ( XY )  E ( X ) E (Y )
Đối với các bnn rời rạc thì tính như sau:
n m
Cov( X , Y )   xi y j P( xi , y j )  E ( X ) E (Y )
i 1 j 1
Hiệp phương sai đo mức độ chặt chẽ của sự phụ thuộc

giữa X và Y. Đơn vị của cov(X,Y) là tích các đơn vị của
X và Y. 107
4.4. Hệ số tƣơng quan
Hệ số tương quan của các bnn X và Y, kí hiệu ρXY, là tỷ số
giữa hiệp phương sai và tích các độ lệch chuẩn của các
bnn đó.
cov( X , Y ) cov( X ,Y )
 XY  
 XY V ( X ) V (Y )
Chú ý:
+ Hệ số tương quan không có đơn vị đo
+ ρXY = ρYX
+ -1 ≤ ρXY ≤ 1
+ Nếu X và Y độc lập thì ρXY = 0
+ Nếu ρXY = ± 1 thì X và Y phụ thuộc hàm số với nhau.
108
Ý nghĩa: Hệ số tương quan của X và Y dùng để đặc trưng
cho mức độ chặt chẽ của sự phụ thuộc giữa hai bnn X
và Y.
Nhận xét về ρXY
+ ρXY ≠ 0 thì X và Y phụ thuộc.
+ ρXY > 0 thì X và Y đồng biến (cùng chiều)
ρXY < 0 thì X và Y nghịch biến (ngược chiều)
+ |ρXY| càng gần 1 thì X và X phụ thuộc càng chặt chẽ.
109
Khái niệm
+ X và Y là (có) tương quan với nhau nếu cov(X, Y) ≠ 0
(hoặc ρXY ≠ 0).
+ X và Y là không tương quan với nhau nếu cov(X,Y) = 0
(hoặc ρXY = 0).
+X và Y tương quan → X và Y phụ thuộc
Công thức
Nếu X và Y phụ thuộc thì
V(aX + bY) = a2V(X) + b2V(Y) + 2ab.cov(X,Y)
Áp dụng: chia vốn như thế nào để rủi ro là thấp nhấp
110
4.5. Kì vọng có điều kiện
Kì vọng có điều kiện của bnn Y với điều kiện X = xi tính
theo công thức sau:
m
E (Y / xi )  E (Y / X  xi )   y j P( y j / xi )
j 1
Có thể lập bảng ppxs có điều kiện rồi tính kì vọng toán.
Tương tự có công thức tính E(X/yj)
111
4.6. Hàm hồi quy
Hàm hồi quy của Y đối với X là kì vọng có điều kiện của
bnn Y đối với X
g1 ( x)  E (Y / x)
Tương tự có hàm hồi quy của X đối với Y
g2 ( y)  E ( X / y)
Các hàm hồi quy cho biết trung bình của bnn này phụ
thuộc vào bnn kia như thế nào.
112
Chương 4 4. Tham số đặc trưng
Ví dụ 4.2. Cho biết X là thu nhập của vợ, Y là thu nhập
của chồng trong 1 gia đình (đơn vị: nghìn USD). Bnn 2
chiều (X, Y) có bảng ppxs như sau:
X Y 10 20 30 50
0 0,1 0,1 0,05 0,05
15 0,05 0,15 0,15 a
30 0 0,05 0,1 b
a. Tìm a, b biết thu nhập trung bình của vợ là 14,25

nghìn USD
b. Thu nhập của vợ và của chồng có độc lập với nhau
không? 113
Chương 4 4. Tham số đặc trưng
c. Tìm thu nhập trung bình của chồng.
d. Tìm thu nhập trung bình của chồng khi vợ thu nhập 20
nghìn USD.
e. So sánh thu nhập trung bình của vợ ứng với các mức
thu nhập khác nhau của vợ. Vẽ đồ thị.
g. Thu nhập của vợ và của chồng biến đổi cùng chiều
hay ngược chiều, mức độ phụ thuộc chặt chẽ thế nào?
h. Tính trung bình và phương sai của tổng thu nhập của
vợ và chồng. (làm bằng 2 cách)
Bài tập
46, 47, 49, 50, 51, 52, 53, 55, 56, 58, 59, 60, 64, 65
114
CHƢƠNG 5
CÁC ĐỊNH LÝ GIỚI HẠN

• Bất đẳng thức Trêbưsép.
• Định lý Trêbưsép.
• Định lý Bernoulli.
• Định lý giới hạn trung tâm Linderberg - Lewi.
115
Chương 5 2. Bđt Trêbưsép
2. BẤT ĐẲNG THỨC TRÊBƢSÉP
Nếu X là biến ngẫu nhiên có kì vọng toán và phương sai
hữu hạn thì với mọi số dương ε tùy ý ta đều có
V (X )
P(| X  E ( X ) |  )  1  2

V (X )
 P(| X  E ( X ) |  ) 
2
Trường hợp ε2 ≤ V(X) thì bất đẳng thức trên vô nghĩa.
116
Chương 5 3. ĐL Trêbưsép
3. ĐỊNH LÝ TRÊBƢSÉP
Các biến ngẫu nhiên X1, X2, …, Xn, … độc lập từng đôi,
có kì vọng toán hữu hạn và các phương sai đều bị chặn
bởi hằng số c (nghĩ là V(Xi) ≤ c với mọi i) thì với mọi
ε dương bé tùy ý ta có:
 X1  ...  X n E ( X 1 )  ...  E ( X n ) 
lim P      1
n 
 n n 
Định lý Trêbưsép là cơ sở của phép đo lường trong thực

tế. Nó cũng là cơ sở của phương pháp mẫu trong thống
kê.
117
Chương 5 3. ĐL Trêbưsép
Bất đẳng thức Trêbƣsép (trường hợp riêng của định lý
Trêbưsép)
Các biến ngẫu nhiên X1, X2, …, Xn, … độc lập từng
đôi, có các kì vọng toán E(Xi) = m (i = 1, 2, …) và các
phương sai đều bị chặn bởi hằng số c (nghĩa là V(Xi) ≤
c với mọi i) thì với mọi ε dương bé tùy ý ta có:
 X1  ...  X n 
lim P   m    1
n 
 n 
118
Chương 5 4. ĐL Bernoulli
4. ĐỊNH LÝ BERNOULLI
f là tần suất xuất hiện biến cố A trong n phép thử độc lập
và p là xác suất xuất hiện biến cố đó trong mỗi phép
thử thì với mọi ε dương bé tùy ý ta có:
lim P  f  p     1
n 
ĐL này còn gọi là luật số lớn Bernoulli

Định lý Bernoulli là cơ sở lý thuyết cho định nghĩ thống
kê về xác suất, do đó nó cũng là cơ sở cho mọi ứng
dụng của định lý thống kê về xác suất trong thực tế.
119
Chương 5 5. ĐL giới hạn trung tâm
5. ĐỊNH LÝGIỚI HẠN TRUNG TÂM
Nếu X1, X2, …, Xn, … là các biến ngẫu nhiên độc lập
cùng tuân theo một quy luật ppxs nào đó với kì vọng
toán và phương sai hữu hạn
E(Xk) =a; V(Xk) = σ2 với mọi k
thì qlppxs của bnn:
U n  E (U n ) với n
Un 
c
Un   Xi
V (U n ) i 1
sẽ hội tụ khi n → ∞ tới qlpp chuẩn hóa N(0,1).
120
PHẦN THỨ HAI
THỐNG KÊ TOÁN
CHƢƠNG 6
CƠ SỞ LÝ THUYẾT MẪU

• Tổng thể
• Mẫu ngẫu nhiên và mẫu cụ thể
• Thống kê
• Quy luật PPXS của một số thống kê và ứng dụng.
121
Chương 6 2. Khái niệm phương pháp mẫu
2. KHÁI NIỆM VỀ PHƢƠNG PHÁP MẪU
Để nghiên cứu một tập hợp có thể sử dụng các phương
pháp nghiên cứu sau:
2.1. Nghiên cứu toàn bộ thống kê toàn bộ tập hợp đó và
phần tích từng phần tử của nó theo dấu hiệu nghiên
cứu.
Khó khăn:
+ Quy mô của tập hợp quá lớn thì khó điều tra toàn bộ.
+ Có nhiều trường hợp các đơn vị điều tra bị phá hủy ngay
trong quá trình điều tra.
+Trong nhiều trường hợp không thể có được danh sách
của tổng thể
122
Chương 6 2. Khái niệm phương pháp mẫu
2.2. Nghiên cứu mẫu
+ Từ tổng thể rút ra một mẫu có kích thước n.
+ Xác định các tham số đặc trưng của mẫu.
+ Xác định quy luật phân phối xác suất của các tham số
đặc trưng mẫu.
+ Từ các tham số đặc trưng mẫu rút ra kết luận về tổng
thể.
123
Chương 6 3. Tổng thể nghiên cứu
3. TỔNG THỂ NGHIÊN CỨU
3.1. Định nghĩa
Toàn bộ tập hợp các phần tử đồng nhất theo một dấu hiệu
nghiên cứu định tính hay định lượng nào đó được gọi
là tổng thể nghiên cứu hay tổng thể.
Số lượng phần tử của tổng thể gọi là kích thước tổng thể,
kí hiệu N.
Dấu hiệu nghiên cứu, kí hiệu χ, có thể là định tính hay
định lượng.
Biến ngẫu nhiên gốc X là biến ngẫu nhiên đại diện và

lượng hóa cho dấu hiệu nghiên cứu của tổng thể
124
3.2. Các phƣơng pháp mô tả tổng thể
a. Bảng phân phối tần số
Giả sử trong tổng thể, dấu hiệu nghiên cứu χ nhận các giá
trị x1, x2,…, xk với các tần số tương ứng N1, N2,…, Nk
Khi đó ta có bảng phân phối tần số như sau:
Giá trị của χ x1 … xi … xk
Tần số Ni N1 … Ni … Nk
Điều kiện0  Ni  N ; i
k

 N i  N
 i 1
125
b. Bảng phân phối tần suất
Kí hiệu pi là tần suất của giá trị xi trong tổng thể.
Ni
pi 
N
Khi đó ta có bảng phân phối tần suất như sau:
Tần suất pi p1 … pi … pk
Điều kiện 0  pi  1; i
k

 pi  1
 i 1
126
3.3. Các tham số đặc trƣng của tổng thể
a. Trung bình tổng thể
Trung bình tổng thể, kí hiệu m, là trung bình số học của
các giá trị của dấu hiệu nghiên cứu trong tổng thể.
1 k
Với bảng phân phối tần số như trên thì m   Ni xi
N i 1
Nếu X là biến ngẫu nhiên gốc thì m = E(X).
Thực tế người ta còn tính các loại trung bình sau:
+ Trung bình nhân
+ Trung bình điều hòa
127
b. Phương sai tổng thể
Phương sai tổng thể, kí hiệu σ2, được tính như sau
k
1
   Ni ( xi  m)
2 2
N i 1
Nếu X là biến ngẫu nhiên gốc thì σ2 = V(X).
Phương sai tổng thể phản ánh mức độ phân tán của các giá
trị của dấu hiệu χ xung quanh trung bình tổng thể.
Độ lệch chuẩn của tổng thể là:
  2
128
c. Tần suất tổng thể
Nếu tổng thể nghiên cứu có kích thước N, trong đó có M
phần tử mang dấu hiệu nghiên cứu thì tần suất tổng
thể, kí hiệu p, được xác định bởi công thức
M
p
N
Thực chất tần suất tổng thể p là trường hợp riêng của trung
bình tổng thể m và phản ánh cơ cấu tổng thể theo dấu
hiệu nghiên cứu χ.
129
Chương 6 4. Mẫu
4. MẪU
4.1. Định nghĩa
+ Mẫu ngẫu nhiên kích thước n là tập hợp của n biến
ngẫu nhiên độc lập X1, X2, …, Xn được thành lập từ
biến ngẫu nhiên gốc X trong tổng thể nghiên cứu và có
cùng quy luật phân phối xác suất với X.
W = (X1, X2,…, Xn) là mẫu ngẫu nhiên thì
- X1, X2, …, Xn độc lập
- X1, X2, …, Xn có cùng quy luật ppxs với X, khi đó
E(Xi) = E(X) = m; V(Xi) = V(X) = σ2
+ Mẫu cụ thể: khi thực hiện phép thử đối với mẫu ngẫu
nhiên thì thu được mẫu cụ thể là w = (x1, x2,…,xn)
130
Chương 6 4. Mẫu
4.2. Các phƣơng pháp chọn mẫu
a. Mẫu đơn giản
b. Mẫu thống kê.
c. Mẫu chùm.
d. Mẫu phân tổ.
e. Mẫu nhiều cấp.
4.3. Thang đo các giá trị mẫu
a. Thang định danh.
b. Thang thứ bậc.
c. Thang đo khoảng.
d. Thang đo tỷ lệ
131
Chương 6 4. Mẫu
4.4. Các phƣơng pháp mô tả số liệu mẫu
Xét mẫu cụ thể w = (x1, x2,…, xn)
a. Bảng phân phối tần số
Sắp xếp các số liệu mẫu theo thứ tự tăng dần.
+ Nếu mẫu có n giá trị khác nhau thì tần suất mỗi giá trị
bằng 1.
+ Nếu mẫu có k giá trị khác nhau với tần số tương ứng thì
có bảng phân phối tần số như sau:
Tần số ni n1 … ni … nk
Với n1 + n2 + … + nk = n
132
Chương 6 4. Mẫu
Ví dụ 6.1. Cân một số sản phẩm cùng loại thì có bảng sau:
Trọng lượng (kg) 5 6 7 8
Số sản phẩm 2 12 7 4
Ví dụ 6.2. Theo dõi thời gian hoàn thành của một số sản
phẩm thì có bảng sau:
Thời gian hoàn thành (phút) 10 - 12 12 - 14 14 - 16 16 - 18
Số sản phẩm 10 40 30 20
133
Chương 6 4. Mẫu
b. Bảng phân phối tần suất
Kí hiệu fi = ni / n là tần suất xuất hiện giá trị xi của mẫu.
Có bảng phân phối tần suất như sau:
Tần suất fi f1 … fi … fk
Với f1 + f2 + … + fk = 1
134
Chương 6 5. Thống kê
5. THỐNG KÊ
5.1. Định nghĩa
Tổng thể có biến ngẫu nhiên gốc X
Mẫu ngẫu nhiên W = (X1, X2,…, Xn)
Thống kê là hàm của các biến ngẫu nhiên X1, X2,…, Xn,
kí hiệu là G
G = f(X1, X2, …, Xn)
Bản chất: thống kê G là biến ngẫu nhiên.
Khi mẫu ngẫu nhiên W nhận w = (x1, x2,…,xn) thì G nhận
giá trị cụ thể là
g = f(x1, x2,…,xn)
135
5.2. Một số thống kê đặc trƣng mẫu
Mẫu ngẫu nhiên W = (X1, X2,…, Xn)
a. Trung bình mẫu là một thống kê, kí hiệu X, và là trung
bình số học của các giá trị mẫu
1 n 1 k
X   Xi; x   ni xi
n i 1 n i 1
2 
Tính chất: E ( X )  m; V ( X )  ; Se( X ) 
n n
BT: chứng minh các tính chất trên.
136
b. Phương sai mẫu là một thống kê, kí hiệu S2, được tính
theo công thức sau:
S 
2 n
n 1
 2
X X ;
2
 s 
2 n
n 1

x x
2 2

Trong đó n k
1 1
X 2   Xi; x 2   ni xi
n i 1 n i 1
Tính chất: E(S2) = σ2

BT: chứng minh tính chất trên.
Độ lệch chuẩn mẫu: S  S 2
137
Ví dụ 6.3. Cân một số sản phẩm cùng loại thì có bảng sau:
Trọng lượng (kg) 5 6 7 8
Số sản phẩm 2 12 7 4
Tính trung bình mẫu và phương sai mẫu.
Số sản phẩm 10 40 30 20
Tính trung bình mẫu và phương sai mẫu.

138
Liên quan đến S2 còn có các khái niệm sau:
+ Tổng bình phương các sai lệch: SS
n
SS   ( X i  X )2
i 1
+ Độ lệch bình phương trung bình: MS

1 n
MS   ( X i  X )  X  X
2 2 2
n i 1
SS n
Liên hệ: S 
2
 MS
n 1 n 1
139
Phương sai S*2
Nếu đã biết trung bình tổng thể m thì tính được phương sai
S*2
n
1
S *2   ( X i  m) 2
n i 1
Tính chất: E(S*2) = σ2
140
c. Tần suất mẫu là một thống kê, kí hiệu f, được tính theo
công thức sau:
Y
f 
n
Trong đó Y là (biến đếm) số phần tử mang dấu hiệu
nghiên cứu trong mẫu.
Tính chất: với p là tần suất tổng thể của dấu hiệu nghiên
cứu thì
p(1  p) p(1  p)
E ( f )  p; V ( f )  ; Se( f ) 
n n
Với X là số phần tử mang dấu hiệu nghiên cứu trong 1 phần tử của
tổng thể thì X là bnn gốc và X ~ A(p)
141
Ví dụ 6.5. Kiểm tra 100 sản phẩm của lô hàng thì có 10
phế phẩm. Khi đó tỷ lệ phế phẩm trên mẫu là
10
f   0,1
100
Số sản phẩm 10 40 30 20
Tìm tỷ lệ sản phẩm có thời gian hoàn thành lâu hơn 14

phút.
142
Chương 6 6. Mẫu hai chiều
6. MẪU NGẪU NHIÊN HAI CHIỀU
6.1. Định nghĩa
6.2. Phƣơng pháp mô tả mẫu ngẫu nhiên hai chiều
143
Chương 6 7. Quy luật PPXS
7. QUY LUẬT PHÂN PHỐI XÁC SUẤT CỦA MỘT
SỐ THỐNG KÊ ĐẶC TRƢNG MẪU
7.1. Trƣờng hợp tổng thể có bnn gốc X ~ N(μ, σ2)
Với W = (X1, X2, …, Xn) là mẫu ngẫu nhiên thì
+ X1, X2,…, Xn là các bnn độc lập
+ Xi có cùng quy luật ppxs với X, suy ra
E(Xi) = E(X) = μ; V(Xi) = V(X) = σ2
Ta chứng minh được các kết luận sau:
144
1 n
  
2
(1) X   X i  N  ; 
n i 1  n 
Áp dụng: + Tính xs P(a  X  b)  ?

+ Tìm a, b sao cho P(a  X  b)  1  

với trung bình là 15 kg và độ lệch chuẩn là 3 kg.
a. Tìm xác suất để trọng lượng trung bình của 25 sp từ 14
kg đến 16 kg.
b. Với mức xác suất 0,9 thì trọng lượng trung bình của 25
sp tối đa là bao nhiêu?
145
X   ( X  ) n
(2) U   N (0,1)
Se( X ) 
(n) S *2
(3) 2    2 ( n)
 2
(n  1) S 2
(4)   2
  (n  1)
2
 2
( X  ) n
(5) T  T (n  1)
S
146
(n  1) S 2
(4)  
2
  2 (n  1)
2
Áp dụng: + Tính xs P ( a  S 2
 b)  ?
+ Tìm a, b sao cho P ( a  S 2
 b)  1  

với trung bình là 15 kg và độ lệch chuẩn là 3 kg.
a. Tìm xác suất để phương sai về trọng lượng của 25 sp
nhỏ hơn 5,2 kg2.
b. Với mức xác suất 0,9 thì độ lệch chuẩn về trọng lượng
của 25 sp tối đa là bao nhiêu kg?
147
7.2. Trƣờng hợp có 2 tổng thể với các bnn gốc X1 ~
N(μ1, σ12) và X2 ~ N(μ2, σ22)
Rút ra 2 mẫu ngẫu nhiên độc lập
W1 = (X11 , X12, …, X1n1) kích thước n1
W2 = (X21 , X22, …, X2n2) kích thước n2
Các trung bình mẫu sẽ độc lập với nhau
Các phương sai mẫu độc lập với nhau
Ta có các kết luận sau:
  12  22 
(6) X1  X 2  N  1  2 ;  
 n1 n2 
148
( X 1  X 2 )  ( 1   2 )
(7) U   N (0,1)
 12  22

n1 n2
(n1  1) S12 (n2  1) S22
(8)  2     2 (n1  n2  2)
 12  22
(9) Khi  12   22   2
( X 1  X 2 )  ( 1  2 )
T  T (n1  n2  2)
(n1  1) S12  (n2  1) S 22 1 1

n1  n2  2 n1 n2
Nếu n1 > 30 và n2 > 30 thì T ≈ N(0,1) 149

(10) Khi  12   22
( X 1  X 2 )  ( 1  2 )
T  T (k )
S12 / n1  S22 / n2
(n1  1)(n2  1) S12 / n1
k ;C  2
(n2  1)C  (n1  1)(1  C )
2 2
S1 / n1  S 22 / n2
Nếu n1 > 30 và n2 > 30 thì T ≈ N(0,1)

12
S12 /  12 n1  1
(11) F  2   F (n1  1, n2  1)
S2 /  2 2
22
n2  1 150
7.3. Trƣờng hợp tổng thể có bnn gốc X ~ A(p)
+ Với p là tần suất tổng thể của dấu hiệu nghiên cứu
X là số phần tử mang dấu hiệu nghiên cứu trong 1 phần
tử của tổng thể thì X ~ A(p) là bnn gốc.
+ f là tần suất mẫu của dấu hiệu nghiên cứu
Với mẫu có kích thước n ≥ 100 ta có các kết luận sau:
 p(1  p) 
(12) f  N  p, 
 n 
( f  p) n
(13) U  N (0,1)
p(1  p)
151
Áp dụng (12): + Tính xs P(a < f < b)
+ Tìm a, b sao cho P(a < f < b) = 1 - α
Ví dụ 6.9. Biết rằng tỷ lệ phế phẩm của lô hàng là 10%.
a. Tìm xác suất khi kiểm tra (mẫu) 100 sản phẩm của lô hàng
thì tỷ lệ phế phẩm trên mẫu lớn hơn 13%.
b. Tìm xác suất khi kiểm tra 100 sản phẩm của lô hàng thì có
tối thiểu là 6 phế phẩm.
c. Với mức xác suất 0,9 nếu kiểm tra 200 sản phẩm của lô
hàng thì tỷ lệ phế phẩm tối đa là bao nhiêu? Có tối đa bao
nhiêu phế phẩm?
Ví dụ 6.10. Trọng lượng sản phẩm là bnn phân phối chuẩn với
trung bình là 15 kg và độ lệch chuẩn là 3 kg. Tìm xác suất
trong 100 sản phẩm có ít hơn 20 sản phẩm nhẹ hơn 12 kg. 152
7.4. Trƣờng hợp có 2 tổng thể với các bnn gốc X1 ~
A(p1 ) và X2 ~ A(p2)
+ Với p1, p2 là các tần suất tổng thể của dấu hiệu nghiên
cứu
+ f1, f2 là các tần suất mẫu của dấu hiệu nghiên cứu
Với các mẫu có kích thước ≥ 100 ta có các kết luận sau:
 p1 (1  p1 ) p2 (1  p2 ) 
(14) f1  f 2  N  p1  p2 ,  
 n1 n2 
( f1  f 2 )  ( p1  p2 )
(15) U   N (0,1)
p1 (1  p1 ) p2 (1  p2 )

n1 n2
153
CHƢƠNG 7
ƢỚC LƢỢNG CÁC THAM SỐ CỦA

BIẾN NGẪU NHIÊN

• Phương pháp ước lượng điểm.
• Phương pháp ước lượng bằng khoảng tin cậy.
Bài toán ước lượng: Cho biến ngẫu nhiên gốc X với quy
luật phân phối xác suất đã biết xong chưa biết tham số θ
nào đó của nó. Phải ước lượng (xác định một cách gần
đúng) giá trị của θ.
154
Chương 7 2. PP Ước lượng điểm
2. PHƢƠNG PHÁP ƢỚC LƢỢNG ĐIỂM
2.1. Phƣơng pháp hàm ƣớc lƣợng
a. Khái niệm
Giả sử cần ước lượng tham số θ.
Lập mẫu ngẫu nhiên W = (X1, X2, …, Xn)
Chọn lập thống kê   f ( X1 , X 2 ,..., X n ) (dựa vào

chương 6).
Lập mẫu cụ thể w và tính được giá trị cụ thể của thống kê
đó là   f ( x , x ,..., x ) chính là ước lượng điểm của θ.
1 2 n
 là hàm của các bnn Xi nên gọi là pp hàm ước lượng.

155
Ví dụ 7.2. Cho tổng thể với bnn gốc X. Lập mẫu ngẫu
nhiên W = (X1, X2, X3) và các ước lượng sau:
X1  X 2 1X1  2 X 2  3 X 3 1 1
G1  ; G2  ; G3  X1  X 2  X 3
2 6 2 3
Trong 3 ước lượng trên, ước lượng nào là không chệch,
ước lượng nào là hiệu quả nhất của trung bình tổng thể
Chú ý:
+ Trường hợp tổng quát: trung bình tổng thể là E(X) = m
+ Nếu bnn gốc X pp chuẩn: trung bình tổng thể là E(X) =μ
+ Nếu bnn gốc X pp A(p): trung bình tổng thể là E(X) = p
W là mnn nên các Xi độc lập, E(Xi) =E(X), V(Xi) = V(X)
156
b. Các tiêu chuẩn lựa chọn hàm ước lượng
 Ước lượng không chệch
Thống kê  của mẫu là ước lượng không chệch của
tham số θ nếu
E ( )  
? Công thức tính độ chệch
Ví dụ 7.1.
E( X )  m
(chứng minh)
E( f )  p
E (S 2 )   2
 X , f , S 2 là các ước lượng không chệch của m, p, σ2
157
 Ước lượng hiệu quả
• Thống kê  của mẫu là ước lượng hiệu quả (nhất) của
tham số θ nếu nó là ước lượng không chệch và có
phương sai nhỏ nhất so với các ước lượng không chệch
khác được xây dựng trên cùng mẫu đó.
• Nếu 1 ,2 là các ước lượng không chệch của θ và

V (1 )  V (2 ) thì 1 là hiệu quả hơn 2
? Công thức tính độ hiệu quả
158
Ví dụ 7.3. Cho tổng thể với bnn gốc X. Lập 2 mẫu ngẫu
nhiên độc lập với kích thước n1, n2 và các trung bình
mẫu tương ứng. Xét họ ước lượng
G   X1  (1   ) X 2 ; 0    1
Chứng minh Gα là ước lượng không chệch của trung bình
tổng thể (m). Với α = ? thì Gα là hiệu quả nhất của m.
Nếu X pp chuẩn thì m = μ.

Ví dụ 7.4. Cho tổng thể với bnn gốc X pp A(p). Lập 2 mẫu
ngẫu nhiên độc lập với kích thước n1, n2 và các tần suất
mẫu f1, f2. Xét họ ước lượng fα = αf1 + (1-α)f2. Với α =
? thì fα là ước lượng hiệu quả nhất của p.
159
• Bất đẳng thức Cramer – Rao: Nếu biến ngẫu nhiên gốc X
có hàm mật độ xác suất f(x, θ) thỏa mãn một số điều kiện
nhất định và θ* là một ước lượng không chệch bất kì của θ
1
V ( *) 
  ln f ( x, ) 
2
nE  
 
Ví dụ 7.5. Cho tổng thể với bnn gốc X pp chuẩn. Chứng minh
rằng trung bình mẫu là ước lượng hiệu quả nhất của trung
bình tổng thể.
Ví dụ 7.6. Chứng minh rằng tần suất mẫu f là ước lượng hiệu
quả nhất của tần suất tổng thể p.
160
 Ước lượng vững
Thống kê  của mẫu lượngvững của tham số θ nếu nó hội
tụ theo xác suất đến θ khi n → ∞.
Nghĩa là với mọi ε > 0 ta có
 
lim P |    |   1
n 
Ví dụ 7.7. Cho tổng thể với bnn gốc X pp chuẩn. Chứng minh
rằng trung bình mẫu là ước lượng vững của trung bình tổng
thể.
Ví dụ 7.8. Chứng minh rằng tần suất mẫu là ước lượng vững
của tần suất tổng thể.
 Ước lượng đủ
161
c. Một số kết luận
• Trung bình mẫu là ước lượng không chệch, hiệu quả nhất
và vững của trung bình tổng thể và đồng thời là ước lượng
tuyến tính không chệch tốt nhất, do đó nếu chưa biết trung
bình tổng thể thì có thể dùng trung bình mẫu để ước lượng
nó.
• Tần suất mẫu là ước lượng không chệch, hiệu quả nhất và
vững của tần suất tổng thể và đồng thời là ước lượng tuyến
tính không chệch tốt nhất, do đó nếu chưa biết tần suất
tổng thể thì có thể dùng tần suất mẫu để ước lượng nó.
• Có E(S2) = E(S*2) = σ2 nên có thể dùng 1 trong 2 thống kê
này để ước lượng phương sai tổng thể.
162
2.2. Phƣơng pháp ƣớc lƣợng hợp lý tối đa
Cần ước lượng tham số θ bằng pp ước lượng hợp lý tối đa.
Biết hàm mật độ xác suất f(x, θ) của bnn gốc X.
Lập mẫu ngẫu nhiên W = (X1, X2, …, Xn)
Ta xây dựng hàm hợp lý L của tham số θ như sau:
L(θ) = L(x1, x2,…,xn, θ) = f(x1 , θ).f(x2, θ) … f(xn, θ)
trong đó w (x1 , x2 ,…, xn ) là giá trị cụ thể bất kì của mẫu.
Giá trị cụ thể của thống kê  trên mẫu w gọi là ước lượng
hợp lý tối đa của θ nếu ứng với giá trị đó hàm hợp lý
đạt cực đại.
Khi thay w bởi W thì ta có hàm (ƯL) hợp lý tối đa của θ.
163
Các bước tìm ước lượng hợp lý tối đa
Vì L và lnL đạt cực đại tại cùng một giá trị của θ nên ta sẽ
tìm θ để lnL đạt cực đại như sau:
+ Tìm L và lnL, rút gọn.
+ Tìm đạo hàm bậc nhất và bậc hai của lnL theo θ.
+ Tìm nghiệm của đạo hàm bậc nhất, kí hiệu là .
2
+ Chứng minh d ln L
0
d  
2


Khi đó  g ( x1 , x2 ,..., xn ) là ước lượng điểm hợp lý tối
đa của θ
  g ( X1 ,..., X n ) là hàm ước lượng hợp lý tối đa của θ.
164
Ví dụ 7.9. Cho tổng thể với bnn gốc X pp chuẩn. Tìm
ước lượng hợp lý tối đa của trung bình tổng thể.
Bài tập.
+ Tổng thể có bnn gốc X ~ A(p). Tìm ước lượng hợp lý tối
đa của tham số p.
+ Tổng thể có bnn gốc X ~ P(λ). Tìm ước lượng hợp lý tối
đa của tham số λ.
+ Tổng thể có bnn gốc X ~ E(λ). Tìm ước lượng hợp lý tối
đa của tham số λ.
165
Chương 7 3. PP Ước lượng khoảng
3. PHƢƠNG PHÁP ƢỚC LƢỢNG BẰNG KHOẢNG
TIN CẬY
3.1. Khái niệm
Khoảng (G1, G2) được gọi là khoảng tin cậy của tham số θ
với độ tin cậy (1 – α) cho trước nếu thỏa mãn
P(G1 < θ < G2 ) = 1 – α
I = G2 – G1 gọi là độ dài khoảng tin cậy.
Cơ sở của phương pháp ước lượng bằng khoảng tin cậy là
nguyên lý xác suất lớn.
166
Các bước tìm khoảng G1, G2)
• Lập mẫu ngẫu nhiên W = (X1, X2, …, Xn) và xây dựng
thống kê G = f(X1, X2, …, Xn, θ) (dựa vào chương 6)
sao cho quy luật phân phối xác suất của G là àn toàn
xác định và không phụ thuộc và các đối số của nó.
• Với độ tin cậy (1 – α) cho trước tìm được cặp giá trị
không âm α1, α2 sao cho α1 + α2 = α. Từ đó tìm được
cặp giá trị tới hạn g1-α1 và gα2 thỏa mãn
P( g11  G  g2 )  1  (1   2 )  1  
• Biến đổi tương đương ta có
P(G1    G2 )  1  
167
• Thực tế thường yêu cầu độ tin cậy (1 – α) khá lớn nên
theo nguyên lý xác suất lớn, biến cố (G1 < θ < G2) sẽ
xảy ra khi thực hiện một phép thử cụ thể.
Thực hiện 1 phép thử thì có mẫu cụ thể w và tìm được
các giá trị cụ thể của Gi là gi
• Kết luận: Với độ tin cậy (1 – α).100% , từ mẫu cụ thể
đã cho ta ước lượng được tham số θ nằm trong khoảng
(g1, g2)
• Các khoảng tin cậy thường dùng
+ KTC 2 phía (đặc biệt: đối xứng)
+ KTC bên trái: ước lượng giá trị tối đa
+ KTC bên phải: ước lượng giá trị tối thiểu.
168
3.2. Ƣớc lƣợng kì vọng toán của bnn phân phối chuẩn (ƣớc
lƣợng trung bình tổng thể μ)
a. Nếu đã biết phương sai σ2
Chọn thống kê
( X  ) n
U  N (0,1)

Với độ tin cậy (1 – α) ta tìm được 2 giá trị α1 + α2 = α và 2 giá
trị tới hạn chuẩn là u1-α1 và uα2 thỏa mãn
P(u1-α1 < U < uα2) = 1 – α
Thay công thức của U rồi biến đổi tương đương ta có
   
P X  u2    X  u1   (1   )
 n n 
169
b. Nếu chưa biết phương sai σ2
Chọn thống kê
( X  ) n
T  T (n  1)
S
Tương tự phần (a) ta có

 S ( n1) S ( n1) 
P X  t2    X  t1   (1   )
 n n 
Khoảng tin cậy ngẫu nhiên của μ là
 S ( n 1) S ( n 1) 
X  t2 ; X  t1 
 n n 
Với mẫu cụ thể ta có khoảng tin cậy cụ thể của μ.
170
Các trường hợp thường dùng
+ KTC đối xứng: α1 = α2 = α/2 (t.bình thuộc khoảng nào)
S ( n1) S ( n1)
X t /2    X  t /2
n n
+ KTC để ước lượng giá trị tối đa: α1 = α, α2 = 0
S ( n 1)
    X  t
n
+ KTC để ước lượng giá trị tối thiểu: α1 =0, α2 = α
S ( n 1)
X t    
n
Với mẫu cụ thể ta có khoảng tin cậy cụ thể của μ.
171
S ( n1)
+ Với KTC đối xứng, ta có độ dài KTC là I  2 t /2
n
I S ( n 1)
Sai số của ước lượng là    t /2
2 n
+ Muốn có KTC với độ tin cậy (1 – α) mà độ dài KTC

không vượt quá I0 cho trước thì phải điều tra mẫu có
kích thước n’ thỏa mãn
4S 2 ( n 1) 2
n '  2  t /2 
I0
S2
Tương tự, muốn ε ≤ ε0 thì n ' 
 2 t 
( n 1) 2
 /2
0
172
Ví dụ 7.10. Biết thời gian gia công 1 chi tiết máy (phút)
phân phối chuẩn. Cho số liệu sau:
Thời gian gia công (phút) 8 9 10
Số chi tiết 4 10 6
a. Với độ tin cậy 0,95 hãy ước lượng thời gian trung bình
để gia công chi tiết đó (bằng KTC đối xứng)
b. Muốn giữ nguyên độ tin cậy 0,95 mà độ chính xác của
ước lượng tăng gấp đôi thì phải điều tra thêm bao
nhiêu chi tiết.
c. Cho biết thời gian trung bình để gia công chi tiết tối đa
là bao nhiêu? Lấy α = 0,05.
173
Ví dụ 7.11. Điều tra thu nhập của 40 nhân viên công ty A
thấy trung bình (mẫu) là 5,5 triệu đồng/tháng và độ
lệch chuẩn mẫu là 0,8 triệu đồng/tháng. Với độ tin cậy
95% hãy cho biết thu nhập trung bình tối thiểu của
nhân viên công ty này.
174
3.3. Ƣớc lƣợng phƣơng sai của bnn phân phối chuẩn (ƣớc
lƣợng phƣơng sai tổng thể σ2)
a. Nếu đã biết trung bình μ
b. Nếu chưa biết trung bình μ
Khoảng tin cậy ngẫu nhiên của σ2 là
(n  1) S 2 (n  1) S 2
2 
2( n 1)
2
12(n 1)
1
Các trường hợp thường dùng

+ Khoảng tin cậy hai phía của σ2 là
(n  1) S 2 (n  1) S 2
2 
2(/2n1) 12(n/21)
175
+ Khoảng tin cậy để ước lượng giá trị tối đa của σ2 là
( n  1) S 2
0   2  2( n1)
1
+ Khoảng tin cậy để ước lượng giá trị tối thiểu của σ2 là
(n  1) S 2
  2  
2( n1)
Ví dụ 7.12. Điều tra thu nhập của 40 nhân viên công ty A thấy trung
bình (mẫu) là 5,5 triệu đồng/tháng và độ lệch chuẩn mẫu là 0,8
triệu đồng/tháng. Với độ tin cậy 95% hãy cho biết phương sai
về thu nhập của nhân viên công ty này nằm trong khoảng nào?
176
Ví dụ 7.13. (tiếp 7.10) Biết thời gian gia công 1 chi tiết
máy (phút) phân phối chuẩn. Cho số liệu sau:
a. Với độ tin cậy 0,95 hãy ước lượng phương sai về thời
gian gia công chi tiết đó.
b. Cho biết độ lệch chuẩn về thời gian gia công chi tiết
tối đa là bao nhiêu? Lấy α = 0,05.
177
3.4. Ƣớc lƣợng xác suất p của bnn phân phối không – một
(ƣớc lƣợng tần suất tổng thể p)
Với p là tần suất tổng thể của dấu hiệu nghiên cứu (p = M/N)
f là tần suất mẫu của dấu hiệu nghiên cứu
a. Nếu mẫu có kích thước nhỏ (tự đọc)
b. Nếu mẫu có kích thước lớn (n ≥ 100)
Khoảng tin cậy của p với độ tin cậy (1 – α) là
f (1  f ) f (1  f )
f u2  p  f  u1
n n
? Hãy viết khoảng tin cậy để ước lượng giá trị tối đa, giá trị tối
thiểu của p.
178
+ Khoảng tin cậy đối xứng của p là
f (1  f ) f (1  f )
f u /2  p  f  u /2
n n
Độ dài KTC và sai số của ước lượng là

f (1  f ) f (1  f )
I 2 u /2 ;  u /2
n n
+ Muốn có khoảng tin cậy với độ tin cậy ( 1 – α) mà
4 f (1  f ) 2
I  I0  n '  u /2
2
I0 (n’ là kích thước mẫu mới)
f (1  f )
  0  n '  u2 /2
 02
179
Ví dụ 7.14. Kiểm tra 200 sản phẩm của một lô hàng thì có
20 phế phẩm. Lấy α = 0,05 cho các câu hỏi sau:
a. Hãy ước lượng tỷ lệ phế phẩm tối đa của lô hàng.
b. Muốn có khoảng tin cậy 95% mà độ dài khoảng tin cậy
không vượt quá 2% thì phải kiểm tra thêm bao nhiêu
sản phẩm nữa?
Ví dụ 7.15. Điều tra 500 hộ gia đình ở một thành phố thì
có 400 hộ dùng bếp ga, trong đó có 100 hộ dùng bếp
ga của hãng A. Giả sử mỗi hộ dùng 1 bếp ga. α = 0,05.
a. Ước lượng tỷ lệ hộ dùng bếp ga ở TP này.
b. Biết hãng A đã bán 15000 bếp ga ở TP này. Hãy ước
lượng tối đa số hộ gia đình dùng bếp ga ở TP này.
180
CHƢƠNG 8
KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ

• Khái niệm.
• Kiểm định giả thuyết về tham số của 1 biến ngẫu nhiên.
• Kiểm định giả thuyết về tham số của 1 biến ngẫu nhiên.
181
2. KHÁI NIỆM
2.1. Giả thuyết thống kê
 Giả thuyết thống kê là giả thuyết về:
+ Các tham số đặc trưng của biến ngẫu nhiên,
+ Dạng phân phối XS của biến ngẫu nhiên,
+ Sự độc lập của các biến ngẫu nhiên.
 Kí hiệu: H0 là giả thuyết gốc
H1 là giả thuyết đối
Ở đây chỉ xét H0 là giả thuyết đơn (dạng θ = θ0)
H1 là giả thuyết kép
182
 Những phát biểu có chứa dấu bằng (=, ≥, ≤) là H0
Những phát biểu không chứa dấu bằng (≠, <, >) là H1
Ví dụ 8.1. Viết cặp giả thuyết H0 , H1 cho các câu hỏi sau:
a) Có thể cho rằng tỷ lệ nam của Việt Nam là 50% hay
không?
b) Có thể cho rằng trọng lượng trung bình của sản phẩm
lớn hơn 6 kg hay không?
c) Có thể cho rằng mức độ phân tán về tiền lương không
vượt quá 1,5 triệu đồng/tháng được không?
d) Có thể cho rằng ở VN tỷ lệ sinh viên nam bằng tỷ lệ
sinh viên nữ hay không?
183
 Phương pháp chung để kiểm định
+ Giả sử H0 đúng, dựa vào thông tin của mẫu rút ra một
biến cố A nào đó sao cho P(A) = α bé đến mức có thể
coi biến cố A không xảy ra trong 1 phép thử cụ thể
(theo nguyên lý XS bé)
+ Thực hiện 1 phép thử đối với mẫu ngẫu nhiên (nghĩa là
xét trên 1 mẫu cụ thể).
Nếu A xảy ra thì H0 sai và bác bỏ nó
Nếu A không xảy ra thì chưa có cơ sở để bác bỏ H0
184
2.2. Tiêu chuẩn kiểm định giả thuyết thống kê
 Với mẫu ngẫu nhiên W, chọn thống kê
G = f( X1, X2 , …, Xn, θ0)
sao cho nếu H0 đúng thì quy luật PPXS của G là hoàn
toàn xác định. (θ0 là tham số liên quan đến giả thuyết
cần kiểm định)
 Trên mẫu cụ thể, G nhận giá trị cụ thể là
Gqs = f(x1, x2,…,xn, θ0)
185
2.5. Sai lầm khi kiểm định
a. Sai lầm loại 1: bác bỏ giả thuyết H0 trong khi H0 đúng
XS mắc sai lầm loại 1 là: P(G  W / H0 )  
b. Sai lầm loại 2: thừa nhận giả thuyết H0 trong khi H0 sai
XS mắc sai lầm loại 2 là: P(G  W / H1 )  
(1 – β) là lực kiểm định
Nếu α giảm thì β tăng và ngược lại.
2.6. Thủ tục kiểm định giả thuyết thống kê
186
2.3. Miền bác bỏ giả thuyết H0 với mức ý nghĩa α là Wα
 W  R

 P(G  W / H 0 )  
Miền còn lại trên trục số gọi là miền thừa nhận H0

Điểm ngăn cách giữa miền bác bỏ và miền thừa nhận gọi
là điểm tới hạn.
2.4. Quy tắc kiểm định giả thuyết thống kê

+ Nếu Gqs  W thì bác bỏ H0, thừa nhận H1
+ Nếu Gqs  W thì chưa có cơ sở để bác bỏ H0
187
Chương 8 3. KĐ một tham số
3. KIỂM ĐỊNH GIẢ THUYẾT VỀ MỘT TỔNG THỂ
3.1. Kiểm định giả thuyết về kì vọng toán của biến
ngẫu nhiên phân phối chuẩn (KĐ trung bình)
a. Khi đã biết phương sai (tự đọc)
b. Khi chưa biết phương sai
H0 và tiêu chuẩn H1 Miền bác bỏ H0
H0 : μ = μ0 μ ≠ μ0 W  T :| T | t( n/21) 
( X  0 ) n
T μ > μ0 W  T : T  t( n1) 
S
μ < μ0 W  T : T  t( n1) 
188
Ví dụ 8.2. Biết thời gian gia công 1 chi tiết máy (phút)
phân phối chuẩn. Cho số liệu sau:
Với mức ý nghĩa 5% có thể cho rằng thời gian trung bình
để gia công chi tiết đó là 9 phút được không?
Ví dụ 8.3. Điều tra thu nhập của 40 nhân viên công ty A
thấy trung bình là 5,5 triệu đồng/tháng và độ lệch
chuẩn là 0,8 triệu đồng/tháng. Với mức ý nghĩa 5% có
thể cho rằng thu nhập trung bình của nhân viên công ty
này không dưới 6 triệu/tháng được không?
189
3.2. Kiểm định giả thuyết về phƣơng sai của biến ngẫu
nhiên phân phối chuẩn (KĐ phƣơng sai)
H0 : σ2 = σ20 σ2 ≠ σ20 
 2   2
  2( n 1)
 /2


W    :  2 2( n 1) 
(n  1) S 2 
    1 /2  
2 
 02 σ2 > σ20 W   2 :  2  2(n1) 
σ2 < σ20 W   2 :  2  12(n1) 
Chú ý: + Đơn vị đo
+ Phân biệt chiều biến đổi của độ phân tán (độ dao
động,…) với độ ổn định (độ đồng đều,.. .).
190
Ví dụ 8.4. (tiếp 8.2) Biết thời gian gia công 1 chi tiết máy
(phút) phân phối chuẩn. Cho số liệu sau:
Với mức ý nghĩa 5% có thể cho rằng phương sai về thời

gian gia công chi tiết đó là 2 phút2 được không?
Ví dụ 8.5. (tiếp 8.3) Điều tra thu nhập của 40 nhân viên
công ty A thấy trung bình là 5,5 triệu đồng/tháng và độ
lệch chuẩn là 0,8 triệu đồng/tháng. Với mức ý nghĩa
5% có thể cho rằng độ phân tán về thu nhập của nhân
viên công ty này không quá 0,5 (triệu/tháng) được
không? 191
3.3. Kiểm định giả thuyết về xác suất p của biến ngẫu
nhiên phân phối không – một (KĐ tần suất)
H 0 : p = p0 p ≠ p0 W  U :| U | u /2 
( f  p0 ) n
U p > p0 W  U : U  u 
p0 (1  p0 )
p < p0 W  U : U  u 
Ví dụ 8.6. Kiểm tra 200 sản phẩm của một nhà máy thì có
20 phế phẩm. Với mức ý nghĩa 5% có thể cho rằng tỷ
lệ phế phẩm của nhà máy nhỏ hơn 15% hay không?
192
Ví dụ 8.7. Điều tra 200 công nhân thì có 110 nam và 90 nữ.
Lấy α = 0,05 cho các câu hỏi sau:
a. Có thể cho rằng tỷ lệ công nhân nam cao hơn tỷ lệ công
nhân nữ hay không?
b. Cho biết tỷ lệ công nhân nam thuộc khoảng nào?
Ví dụ 8.8. Điều tra 500 hộ gia đình ở một thành phố thì có 400
hộ dùng bếp ga, trong đó có 100 hộ dùng bếp ga của hãng
A. Giả sử mỗi hộ dùng 1 bếp ga. α = 0,05 .
a. Có thể cho rằng tỷ lệ hộ dùng bếp ga của hãng A ở TP này
không vượt quá 15% hay không?
b. Biết hãng A đã bán 20.000 bếp ga ở TP này. Có thể cho
rằng số hộ gia đình dùng bếp ga ở TP này nhỏ hơn 100.000
hộ được không?
193
Chương 8 4. KĐ hai tham số
4 KIỂM ĐỊNH GIẢ THUYẾT VỀ HAI TỔNG THỂ
Chỉ kết luận là kiểm định 2 tham số khi có 2 mẫu độc lập
4.1. Kiểm định giả thuyết về hai kì vọng toán của hai
biến ngẫu nhiên phân phối chuẩn
a. Khi đã biết phương sai (tự đọc)
b. Khi chưa biết cả hai phương sai

H0 : μ1 = μ2 μ1 ≠ μ2 W  T :| T | u /2 
X1  X 2
T μ1 > μ2 W  T : T  u 
2 2
S S

W  T : T  u 
1 2
n1 n2 μ1 < μ2
194
4.2. Kiểm định giả thuyết về hai phƣơng sai của hai
biến ngẫu nhiên phân phối chuẩn
H 0 : σ 12 = σ 2 2 σ12 ≠ σ22 
  F  f ( n1 1, n2 1)
 /2


2 W   F :  ( n1 1, n2 1) 
F
S 1   F  f1 /2
 

2
S 2 σ12 > σ22 W  F : F  f( n1 1,n2 1) 
1
T /c: f ( n1 , n2 )

W  F : F  f1(n1 1,n2 1) 
1
f( n2 ,n1 ) σ12 < σ22
Chú ý: Phân biệt chiều biến đổi của độ phân tán (độ dao
động,…) với độ ổn định (độ đồng đều,.. .).
195
Ví dụ 8.9. Cân 25 sản phẩm loại A thì thấy trong lượng
trung bình là 2,6 kg và độ lệch chuẩn là 0,4 kg. Cân 40
sản phẩm loại B thì thấy trung bình là 2,3 kg và độ
lệch chuẩn là 0,6 kg.
Lấy α = 0,05 cho các câu hỏi sau:
a. Có thể cho rằng trọng lượng trung bình của sản phẩm
loại A và loại B là như nhau hay không?
b. Có thể cho rằng trọng lượng sản phẩm loại A ổn định
hơn loại B hay không?
196
4.3. Kiểm định giả thuyết về hai xác suất của hai biến
ngẫu nhiên phân phối không – một
W  U :| U | u /2 
H0 : p1 = p2 p 1 ≠ p2
f1  f 2
U
1 1
f (1  f )   
 n1 n2 
p1 > p2 W  U : U  u 
n1 f1  n2 f 2
f 
W  U : U | u 
n1  n2 p1 < p2
197
CHƢƠNG 9
KIỂM ĐỊNH PHI THAM SỐ

• Kiểm định giả thuyết về sự độc lập của 2 dấu hiệu định
tính.
• Kiểm định Jarque – Bera về biến ngẫu nhiên phân phối
chuẩn.
198
Chương 9 1. KĐ sự độc lập …
1. KĐGT về sự độc lập của 2 dấu hiệu định tính
H0: dấu hiệu A và dấu hiệu B độc lập với nhau
H1: dấu hiệu A và dấu hiệu B phụ thuộc nhau
Bảng số liệu
A B B1 B2 … Bk Tổng
A1 n11 n12 … n1k n1
A2 n21 n22 … n2k n2
… … … … … …
Ah nh1 nh2 … nhk nh
Tổng m1 m2 … mk n
199
Chương 9 1. KĐ sự độc lập …
 h k n 2

Tiêu chuẩn KĐ:   n    1
2 ij
n m 
 i 1 j  1 i j 
Miền bác bỏ: W   2 :  2  2[( h 1)( k 1)] 
Ví dụ 9.1. Có ý kiến cho rằng giới tính và mức lương của

công nhân là phụ thuộc nhau. Người ta điều tra một số
công nhân và có số liệu sau:
Giới tính Lương Cao Trung bình Thấp
Nam 15 35 10
Nữ 5 30 5
Với mức ý nghĩa 5% hãy kết luận về ý kiến trên. 200

Chương 9 2. KĐ phân phối chuẩn
1. KĐ Jarque – Bera về biến ngẫu nhiên phân phối chuẩn
H0: biến ngẫu nhiên X phân phối chuẩn
H1: biến ngẫu nhiên X không phân phối chuẩn
Với a3 là hệ số bất đối xứng, a4 là hệ số nhọn
 a32 (a4  3)2 
Tiêu chuẩn KĐ: JB  n   
 6 24 
Miền bác bỏ: W   JB : JB  2(2) 
Ví dụ 9.2. Có ý kiến cho rằng điểm thi tốt nghiệp môn Toán
của học sinh lớp 12 không phân phối chuẩn. Điêu tra điểm
thi của 40 học sinh thì thấy hệ số bất đối xứng là 0,4; hệ số
nhọn là 2,5. Với mức ý nghĩa 5% hãy kết luận về ý kiến
trên.
201
Thống kê Bài tập
Bài tập chương 6
58, 62, 63, 65, 67

77, 78, 80, 83, 84, 85, 90, 91

65, 66, 67, 69, 70, 71, 76, 77, 79, 80, 82, 83

1, 2, 3, 4, 5, 6
202

Bai Ging Mon Ly Thuyt Xac Sut Va THN PDF

Uploaded by

Copyright:

Available Formats

You might also like

Bai Ging Mon Ly Thuyt Xac Sut Va THN PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Bai Ging Mon Ly Thuyt Xac Sut Va THN PDF

Uploaded by

Copyright:

Available Formats

BÀI GIẢNG MÔN

LÝ THUYẾT XÁC SUẤT

1. MỞ ĐẦU - Nội dung chương 1

Ví dụ 1.6. Một hộp có 10 sản phẩm (6 chính phẩm và 4

c. Phương pháp dùng công thức của giải tích tổ hợp

6.1. Định nghĩa hình học về xác suất

6.2. Định nghĩa chủ quan về xác suất

6.3. Định nghĩa tiên đề về xác suất

Ví dụ 1.10. Xạ thủ bắn 4 viên đạn độc lập.

Ví dụ 1.11. Mua lần lượt 2 sản phẩm cùng loại

Ví dụ 1.12. Xạ thủ bắn 4 viên đạn độc lập.

Ví dụ 1.15. Xạ thủ bắn 4 viên đạn độc lập

A0,A1,…,A4 : xung khắc từng đôi

Ví dụ 1.16. Tung 1 con xúc xắc

Ví dụ 1.17. Tung 1 con xúc xắc

Hệ quả 1. Nếu P(B) > 0 thì

Hệ quả 2. Nếu P(A1A2 … An-1) > 0 thì

• Nếu bài toán không cho biết số sản phẩm mà cho tỷ lệ

Hệ quả 1. Nếu A1, A2,…, An xung khắc từng đôi thì

Hệ quả 3. P(A) + P(Ā) = 1 → P(A) = 1 – P(Ā)

Ví dụ 1.27. Trong hộp có 10 chi tiết, trong đó có 3 chi tiết

Ví dụ 1.28 Mạch có 2 bóng điện mắc nối tiếp hoạt động

Ví dụ 1.31. Một đề thi trắc nghiệm có 10 câu hỏi độc lập,

H1, H,…, Hn gọi là các giả thuyết

Chú ý: Sau khi tính được các XS P(Hi / A) thì có thể sử

Ví dụ 1.34. Một nhà máy có tỷ lệ phế phẩm là 10%. Sản phẩm

Bài tập dùng ĐL cộng, nhân (trực tiếp)

Bài tập dùng CT Bernoulli

Bài tập dùng công thức đầy đủ, Bayes

1. MỞ ĐẦU - Nội dung chương 2

Ví dụ 2.1. Tung 1 con xúc xắc

? Phân biệt khái niệm biến cố và biến ngẫu nhiên

Ví dụ 2.6. Đề thi có 2 câu hỏi độc lập, mỗi câu 5 điểm.

Đồ thị hàm F(x)

Tìm P(X < 3), P(X ≥ 2,4), P(2,4 ≤ X <3)

c. Ý nghĩa: Hàm phân bố xác suất F(x) phản ánh mức độ

Chú ý: nếu hàm số f(x) có t/c 1 và 2 thì nó là hàm mật độ

Ví dụ 2.9. Cho bnn liên tục X có hàm mật độ XS:

Ví dụ 2.9. Cho bnn liên tục X có hàm mật độ XS:

c. Ý nghĩa: Hàm mật độ XS của bnn X tại mỗi điểm x cho

+ Nếu X là bnn liên tục thì E ( X )   xf ( x)dx

Chú ý: Đơn vị của E(X) trùng với đơn vị của X.

Ví dụ 2.10. Tìm kì vọng toán của bnn X

Ví dụ 2.11. Tìm kì vọng toán của bnn X

Tính chất 4: Nếu X và Y độc lập thì E(XY) = E(X).E(Y)

Biến đổi: V(X) = E(X2) – [E(X)]2

Ví dụ 2.13. Tìm phương sai của bnn X

Ví dụ 2.14. Tìm phương sai của bnn X

d, Đầu tư a tỷ vào ngành A và b tỷ và ngành B trong 1

4.7. Giá trị tới hạn xα

4.8. Hệ số bất đối xứng α3

Bài tập bnn liên tục

1. MỞ ĐẦU - Nội dung chương 3

Ví dụ 3.1. Một phân xưởng có 10 máy hoạt động độc lập

Ví dụ 3.2. Một tháng nhân viên chào hàng đi chào hàng 20

5.2. Các tham số đặc trƣng

? Vẽ đồ thị của f(x)

7.2. Tham số đặc trƣng