CHƯƠNG 4.

ƯỚC LƯỢNG CHO MỘT THAM SỐ THỐNG KÊ

§1. KHÁI NIỆM CƠ BẢN VỀ ƯỚC LƯỢNG

Như đã nói ở chương trước, trong thực tế ta thường không biết các tham số của tổng
thể như trung bình𝜇, phương sai 𝜎 2 hay tỷ lệ 𝑝... nên phải dùng mẫu để phỏng đoán các giá trị
của chúng, việc này gọi là ước lượng. Để thuận tiện, ta ký hiệu chung cho các tham số này làθ.

Xét về miền giá trị của kết quả, ước lượng được chia làm hai dạng: ước lượng điểm cho
kết quả là một giá trị và ước lượng khoảng cho kết quả là một khoảng.
1. Ước lượng điểm
1.1. Mô tả phương pháp
Chọn thống kêG(X1, X2, … Xn) làm hàm ước lượng cho θ của tổng thể. Từ mẫu cụ thể (x1, x2,
… xn) ta tính giá trị thực nghiệm g của G, tức g = G(x1, x2, … xn) thì g là ước lượng điểm cho
θ.
Chẳng hạn để ước lượng cho trung bình 𝜇ta dùng hàm ước lượng là trung bình mẫu ngẫu nhiên
1
𝑋 = ∑𝑛𝑖=1 𝑋𝑖 , thì trung bình mẫu cụ thể𝑥 là một ước lượng điểm của 𝜇.
𝑛

1.2. Các tiêu chuẩn đánh giá ước lượng điểm

Có nhiều cách chọn hàm ước lượng cho một tham số θ. Vì vậy, cần đưa ra tiêu chuẩn để đánh
giá chất lượng của ước lượng để từ đó lựa chọn được một hàm ước lượng tốt nhất.
a) Ước lượng không chệch
Hàm ước lượng G được gọi là ước lượng không chệch của tham số θ nếu E(G) = θ. Ngược lại,
nếu E(G) ≠θ thì G được gọi là ước lượng chệch của θ .
b) Ước lượng hiệu quả
Hàm ước lượng G được gọi là một ước lượng hiệu quả của θ nếu nó là ước lượng không chệch
và có phương sai nhỏ nhất trong các ước lượng không chệch của θ.
c) Ước lượng vững
Hàm ước lượng G của θ được gọi là vững nếu mọi 𝜀> 0 bé tuỳ ý cho trước ta đều có:
𝑙𝑖𝑚 𝑃[|𝐺 − 𝜃| < 𝜀] = 1
𝑛→∞

1.3 Một số hàm ước lượng thường dùng

Một cách tự nhiên, có thể dùng các tham số tương ứng của mẫu để ước lượng cho tham số tổng
thể. Ta có một số kết quả sau:
i. 𝑋, 𝑆 2 , 𝐹tương ứng là ước lượng không chệch, vững cho 𝜇, 𝜎 2 , 𝑝ngoài ra nếu 𝑋 ∼
𝑁(𝜇, 𝜎 2 ) thì 𝑋 là ước lượng hiệu quả cho 𝜇 còn 𝑋 ∼ 𝐴(𝑝) thì F là ước lượng hiệu quả
cho p.
ii. 𝑆̂ 2 là ước lượng vững, chệch cho 𝜎 2 .
Ví dụ 1. Cân ngẫu nhiên 45 con heo 3 tháng tuổi trong một trại chăn nuôi, ta được kết quả
sau:
 X(kg) 35 37 39 41 43 45 47

ni 2 6 10 11 8 5 3

Khi đó ước lượng không chệch cho:

a) Trọng lượng trung bình của heo 3 tháng tuổi của trại chính là 𝑥 = 40,96.
b) Phương sai tổng thể heo 3 tháng tuổi của trại chính là 𝑠 2 =9,725
37
c) Tỷ lệ heo có trọng lượng không dưới 38kg chính là tỷ lệ mẫu 𝑓 = 45 = 82,2%

2. Ứớc lượng khoảng tin cậy

Ước lượng điểm tuy đơn giản nhưng có một số hạn chế, chẳng hạn nó không thích hợp với mẫu
kích thước nhỏ, không đánh giá được sai số (có thể rất lớn)… Để khắc phục, người ta đưa ra
phương pháp ước lượng khoảng tin cậy.
Ước lượng khoảng tin cậy nhằm chỉ ra một khoảng ngẫu nhiên (θ1, θ2) mà giá trị θ có thể rơi
vào với xác suất đủ lớn (đủ gần 1), ta gọi xác suất này là độ tin cậy của ước lượng và thường
ký hiệu là 1 − 𝛼 (với 𝛼 gần 0); khoảng (θ1, θ2) gọi là khoảng tin cậy cho θ với độ tin cậy 1 − 𝛼.
Phương pháp ước lượng khoảng tin cậy được mô tả như sau:
Chọn thống kê G(X1, X2, …Xn, θ) sao cho qui luật phân phối xác suất của G hoàn toàn xác định.
Do đó ta có thể tìm được hai số g1 và g2 sao cho:
𝑃(𝑔1 < 𝐺 < 𝑔2 ) = 1 − 𝛼 (1)
Biến đổi (1) về dạng 𝑃(𝜃1 < 𝜃 < 𝜃2 ) = 1 − 𝛼 với 𝜃1 = 𝜃1 (𝑋1 , . . . 𝑋2 ), 𝜃2 = 𝜃2 (𝑋1 , . . . 𝑋2 ) thì
khoảng (θ1, θ2) được gọi là khoảng tin cậy của θ với độ tin cậy 1 − 𝛼. Khoảng (θ1, θ2) là khoảng
ngẫu nhiên, nó thay đổi từ mẫu này qua mẫu khác.Trên mẫu cụ thể (x1, x2, … xn), θ nằm trong
khoảng θ1(x1,…,xn) <θ<θ2(x1,…,xn).
Phương pháp ước lượng khoảng có thể dùng cho mẫu kích thước nhỏ, đặc biệt ước lượng
khoảng còn cho phép đánh giá độ tin cậy.
 §2. ƯỚC LƯỢNG KHOẢNG CHO GIÁ TRỊ TRUNG BÌNH
1. Khoảng ước lượng của giá trị trung bình
1.1 Trường hợp đã biết 𝜎 2
(𝑋−𝜇)√𝑛
Thống kê 𝐺 = có phân phối chuẩn tắc (nếu X có phân phối chuẩn) hoặc xấp xỉ chuẩn
𝜎
tắc ( nếu X có phân phối bất kỳ và kích thước mẫu lớn) nên
(𝑋−𝜇)√𝑛 𝛼
𝑃 (−𝑧𝛼 < < 𝑧𝛼 ) = 2𝜑 (𝑧𝛼 ) = 2. (0,5 − 2 ) = 1 − 𝛼
2 𝜎 2 2

𝜎 𝜎
⇔ 𝑃 (𝑋 − 𝑧𝛼 . < 𝜇 < 𝑋 − 𝑧𝛼 . )=1−𝛼
2 √ 𝑛 2 √𝑛

trong đó 𝑧𝛼 là giá trị tới hạn chuẩn tắc

2

y
Diện tích

x
O

𝛼 𝛼
mức 2 , tức là 𝑃 (𝑍 > 𝑧𝛼 ) = 2 , với 𝑍 ∼ 𝑁(0,1).
2

Vậy với độ tin cậy 1 – α, khoảng tin cậy của 𝜇 là:

𝜎 𝜎
(𝑋 − 𝑧𝛼 ; 𝑋 + 𝑧𝛼 )
2 √𝑛 2 √𝑛
𝜎
Đặt 𝜀 = 𝑧𝛼 ; ta gọi ε độ chính xác hay còn gọi là sai số của ước lượng thì khoảng tin cậy
2 √𝑛
của 𝜇 có dạng (𝑥 − 𝜀; 𝑥 + 𝜀); đây là một khoảng đối xứng có tâm là 𝑥.
Đại lượng 𝑙 = 2𝜀là độ dài khoảng tin cậy đối xứng của 𝜇.
Theo cách xây dựng trên, (𝑔1 ; 𝑔2 ) được chọn bằng (−𝑧𝛼 ; 𝑧𝛼 ). Tất nhiên ta cũng có thể chọn
2 2
(𝑔1 ; 𝑔2 ) bằng các giá trị khác miễn sao vẫn đảm bảo 𝑃(𝑔1 < 𝐺 < 𝑔2 ) = 1 − 𝛼, chẳng hạn
(−∞, 𝑧𝛼 ); (−𝑧𝛼 , 𝑧2𝛼 ); (−𝑧𝛼 , +∞); . .. khi đó, ta sẽ thu được các khoảng tin cậy không đối xứng
3 3
của 𝜇. Trong tài liệu này khi ước lượng khoảng cho trung bình và tỷ lệ tổng thể, ta chỉ xét
khoảng đối xứng và khi chỉ nói khoảng tin cậy mà không chú thích gì thêm, ta hiểu đó là khoảng
đối xứng.
Quy tắc thực hành
 1−𝛼
• Với độ tin cậy 1 − 𝛼, ta có 𝜑(𝑧𝛼 ) = tra bảng Laplace ⇒ 𝑧𝛼
2 2 2
𝜎
• Tính độ chính xác của ước lượng 𝜀 = 𝑧𝛼 . .
2 √𝑛

• Khoảng tin cậy 1 − 𝛼 cho  là (𝑥̄ − 𝜀 ; 𝑥̄ + 𝜀).

Ví dụ 1.Trọng lượng của một loại sản phẩm sản xuất hàng loạt là một biến ngẫu nhiên có độ
lệch tiêu chuẩn là 𝜎 = 8 (g). Khảo sát một mẫu 100 sản phẩm thấy trung bình mẫu 𝑥 = 150
(g). Với độ tin cậy 95%, hãy ước lượng khoảng đối xứng cho trọng lượng trung bình 𝜇của loại
sản phẩm này.
Giải.
1−𝛼
Với độ tin cậy 1 − 𝛼 = 0,95, ta có 𝜑(𝑧𝛼 ) = = 0,475, tra bảng Laplace ⇒ 𝑧𝛼 = 1,96.
2 2 2

𝜎 8
Độ chính xác 𝜀 = 𝑧𝛼 . = 1,96 × = 1,568.
2 √𝑛 √100
Khoảng tin cậy 95% cho  là (𝑥̄ − 𝜀; 𝑥̄ + 𝜀) = (150 − 1,568; 150 + 1,568) =
(148,432; 151,568).

1.2. Trường hợp không biết  và kích thước mẫu 𝒏 ≥ 𝟑𝟎.

Vì kích thước mẫu lớn nên có thể dùng s2 để ước lượng cho σ2 chưa biết, tương tự 2.1, khoảng
tin cậy của 𝜇 với độ tin cậy 1 – α có dạng (𝑥̄ − 𝜀 ; 𝑥̄ + 𝜀); quy tắc thực hành giống như trường
hợp 1, chỉ thay 𝜎bởi 𝑠.
Ví dụ 2. Lượng xăng hao phí của một ô tô đi từ A đến B sau 150 lần chạy được khảo sát có giá
trị trung bình là 10,56 lít và độ lệch chuẩn hiệu chỉnh là 0,587 lít. Hãy ước lượng lượng xăng
hao phí trung bình của ô tô này khi đi từ A đến B với độ tin cậy 99%.

Giải. Gọi X là lượng xăng hao phí của ô tô trong một lần đi từ A đến B,  là lượng xăng hao
phí trung bình của ô tô này khi đi từ A đến B.
Theo đề bài ta có 𝑛 = 150; 𝑥 = 10,56; 𝑠 = 0,587.
1−𝛼
Với độ tin cậy 1 − 𝛼 = 0,99 ta có𝜑(𝑧𝛼 ) = = 0,495, tra bảng Lalace ⇒ 𝑧𝛼 = 2,58.
2 2 2

𝑠 0,587
Độ chính xác 𝜀 = 𝑧𝛼 . = 2,58. = 0,124.
2 √ 𝑛 √150
Khoảng tin cậy 99% cho 𝜇 là
(𝑥̄ − 𝜀; 𝑥̄ + 𝜀) = (10,56 − 0,124; 10,56 + 0,124) = (10,436; 10,684) (lít)

1.3. Trường hợp không biết  và kích thước mẫu 𝒏 < 𝟑𝟎

(𝑋−𝜇)√𝑛
Thống kê𝐺 = có phân phối Student với n – 1 bậc tự do. Tương tự 2.1, khoảng tin cậy
𝑆
𝑠
của 𝜇 với độ tin cậy 1 – α có dạng (𝑥̄ − 𝜀 ; 𝑥̄ + 𝜀); độ chính xác 𝜀 = 𝑡𝛼 (𝑛 − 1). với 𝑡𝛼 (𝑛 −
2 √𝑛 2
𝛼
1) là giá trị tới hạn mức 2 của phân phối Student 𝑛 − 1 bậc tự do.
Ví dụ 3. Giá bán của một loại thiết bị (đv: USD) trên thị trường là biến ngẫu nhiên có phân
phối chuẩn. Một người định mua một thiết bị loại này, khảo sát ngẫu nhiên tại 8 cửa
hàng nhận thấy giá bán trung bình là 137,75 USD và độ lệch chuẩn hiệu chỉnh của mẫu
là 7,98 USD. Với độ tin cậy 90%, hãy ước lượng giá bán trung bình của thiết bị loại
này trên thị trường.

Giải. Gọi 𝑋là giá bán (USD) của một thiết bị loại này trên thị trường;𝜇là giá bán trung bình
của thiết bị loại này trên thị trường.
𝛼
Với độ tin cậy 1 − 𝛼 = 0,9 ⇒ 𝛼 = 0,1 ⇒ = 0,05và 𝑛 = 8 ⇒ 𝑛 − 1 = 7. Tra bảng giá trị tới
2
hạn Student (dòng 7, cột 0,05) ta được 𝑡𝛼 (𝑛 − 1) = 𝑡0,05 (7) = 1,895.
2

𝑠
Độ chính xác 𝜀 = 𝑡𝛼 (𝑛 − 1). = 5,3465.
2 √𝑛
Khoảng tin cậy 90% cho 𝜇 là ( x −  ; x +  ) = (132, 4035;143, 0965 ) (USD)

2. Xác định kích thước mẫu tối thiểu đối với ước lượng trung bình

Trongphần trên ta dựa vào mẫu điều tra để ước lượng khoảng tin cậy cho trung bình tổng thể
với độ tin cậy 1 − 𝛼, tức là biết cỡ mẫu 𝑛và độ tin cậy tìm độ chính xác 𝜀; phần này ta xét bài
toán ngược lại: biết độ chính xác 𝜀 và độ tin cậy 1 − 𝛼 tìm kích thước mẫu 𝑛. Độ chính xác
càng nhỏ thì khoảng ước lượng càng hẹp, kết quả càng có ý nghĩa. Muốn giảm độ chính xác
người ta tăng kích thước mẫu. Tuy nhiên,vì nhiều lí do chẳng hạn kinh phí, ta không thể muốn
tăng𝑛 lớn bao nhiêu cũng được có nghĩa không thể giảm độ chính xác nhỏ bao nhiêu cũng
được, vì vậy người ta thường yêu cầu độ chính xác nhỏ ở một giới hạn 𝜀0 nào đó. Để đảm bảo
yêu cầu này thì kích thước mẫu phải không nhỏ hơn một giá trị 𝑛𝑚𝑖𝑛 gọi là kích thước mẫu tối
thiểu.

𝜎 (ℎ𝑜ặ𝑐𝑠) 2
𝜎 (ℎ𝑜ặ𝑐𝑠)
Để tìm 𝑛𝑚𝑖𝑛 ta biến đổi 𝜀 = 𝑧𝛼 .   0  n  (𝑧𝛼 . 𝜀0
) = 𝑛0 ; nếu 𝑛0 ∈ ℤ thì ta lấy
2 √𝑛 2

𝑛0𝑚𝑖𝑛 còn nếu 𝑛0 ∉ ℤ thì ta lấy 𝑛0𝑚𝑖𝑛 .

Ví dụ 4. Lượng xăng hao phí của một ô tô đi từ A đến B sau 150 lần chạy được khảo sát có giá
trị trung bình là 10,56 lít và độ lệch chuẩn hiệu chỉnh là 0,587 lít. Để phép ước lượng lượng
xăng hao phí trung bình của ô tô này khi đi từ A đến B đảm bảo độ chính xác 0,08 lít với độ
tin cậy 95% thì cần khảo sát ít nhất bao nhiêu lần chạy từ A đến B của ô tô này?

Giải. Từ độ tin cậy 1 − 𝛼 = 0,95 ⇒ 𝑧𝛼 = 1,96.

2
𝑠 𝑠 0,587 2
Ta có 𝜀 = 𝑧𝛼 . ≤ 𝜀0 ⇔ 𝑛 ≥ (𝑧𝛼 . 𝜀 )2 = (1,96. ) = 206,8 ⇒ 𝑛𝑚𝑖𝑛 .
2 √ 𝑛 2 0 0,08
Vậy cần khảo sát ít nhất 207 lần chạy từ A đến B của ô tô này.
3. Tính độ tin cậy đối với ước lượng trung bình

Bài toán: Cho biết kích thước mẫu 𝑛, độ chính xác 𝜀; tìm độ tin cậy 1 − 𝛼.

𝑠 𝜀0 √ 𝑛 𝐿𝑎𝑝𝑙𝑎𝑐𝑒
Hướng dẫn: 𝜀0 = 𝑧𝛼 . ⇔ 𝑧𝛼 = → 𝜑(𝑧𝛼 ) ⇒ 1 − 𝛼 = 2𝜑(𝑧𝛼 ).
2 √ 𝑛 2 𝑠 2 2

Ví dụ 5. Lượng xăng hao phí của một ô tô đi từ A đến B sau 150 lần chạy được khảo sát có giá
trị trung bình là 10,56 lít và độ lệch chuẩn hiệu chỉnh là 0,587 lít. Biết rằng phép ước lượng
lượng xăng hao phí trung bình của ô tô này khi đi từ A đến B đạt độ chính xác là 0,1 lít, hỏi độ
tin cậy của phép ước lượng đó là bao nhiêu?

𝑠 𝜀0 √ 𝑛 0,1.√150
Giải. 𝜀0 = 𝑧𝛼 . ⇔ 𝑧𝛼 = = = 2,09.
2 √𝑛 2 𝑠 0,587

Tra bảng Laplace ⇒ 𝜑(𝑧𝛼 ) = 𝜑(2,09) = 0,48169.

2
⇒ 1 − 𝛼 = 2𝜑(𝑧𝛼 ) = 2.0,48169 = 0,96338.
2

Vậy độ tin cậy của phép ước lượng trên là 96,338%.

§3. ƯỚC LƯỢNG KHOẢNG CHO TỶ LỆ

1. Khoảng tin cậy cho tỷ lệ tổng thể p

𝑝(1−𝑝)
Nếu 𝑛𝑝 ≥ 5, 𝑛(1 − 𝑝) ≥ 5 thì tỷ lệ mẫu có phân phối xấp xỉ chuẩn 𝐹 ≃ 𝑁 (𝑝, )⇒
𝑛
(𝐹−𝑝)√𝑛
≃ 𝑁(0,1), tuy nhiên chưa biết p nên có thể thay 𝑝(1 − 𝑝) bởi 𝐹(1 − 𝐹) . Do đó 𝐺 =
√𝑝(1−𝑝)
(𝐹−𝑝)√𝑛
≃ 𝑁(0,1), từ đó suy ra
√𝐹(1−𝐹)

(𝐹−𝑝)√𝑛
𝑃 (−𝑧𝛼 < < 𝑧𝛼 ) = 1 − 𝛼
2 √𝐹(1−𝐹) 2

𝐹(1−𝐹) 𝐹(1−𝐹)
⇔ 𝑃 (𝐹 − 𝑧𝛼 √ < 𝑝 < 𝐹 + 𝑧𝛼 √ )=1−𝛼
2 𝑛 2 𝑛

𝐹(1−𝐹) 𝐹(1−𝐹)
Vậy khoảng tin cậy đối xứng của p là (𝐹 − 𝑧𝛼 √ ; 𝐹 + 𝑧𝛼 √ )
2 𝑛 2 𝑛

√𝑓(1−𝑓)
Với mẫu cụ thể ta có khoảng tin cậy của 𝑝là (𝑓 − 𝜀; 𝑓 + 𝜀) với độ chính xác 𝜀 = 𝑧𝛼 . .
2 √𝑛

Ta có quy tắc thực hành tìm khoảng tin cậy 1 − 𝛼 cho tỷ lệ𝑝
1−𝛼 𝐿𝑎𝑝𝑙𝑎𝑐𝑒
• Với độ tin cậy 1 − 𝛼, ta có 𝜑(𝑧𝛼 ) = → 𝑧𝛼 .
2 2 2

√𝑓(1−𝑓)
• Tính độ chính xác 𝜀 = 𝑧𝛼 . .
2 √𝑛

• Khoảng tin cậy 1 − 𝛼 cho p là (𝑓 − 𝜀 ; 𝑓 + 𝜀).

Ví dụ 1. Quan sát ngẫu nhiên 200 lọ thuốc trong một lô hàng rất nhiều, có 17 lọ không đạt tiêu
chuẩn. Với độ tin cậy 95%, hãy ước lượng tỉ lệ thuốc không đạt tiêu chuẩn.

Giải. Gọi 𝑝là tỉ lệ thuốc không đạt tiêu chuẩn.

𝑚 17
Tỷ lệ mẫu 𝑓 = = 200 = 0,085
𝑛

1−𝛼 Laplace
Với độ tin cậy 1 − 𝛼 = 0,95, ta có 𝜑(𝑧𝛼 ) = = 0,475 → 𝑧𝛼 = 1,96.
2 2 2
√𝑓(1−𝑓) √0,085.(1−0,085)
Độ chính xác 𝜀 = 𝑧𝛼 . = 1,96. = 0,0387.
2 √𝑛 √200
Khoảng tin cậy 95% cho p là
(𝑓 − 𝜀; 𝑓 + 𝜀) = (0,085 − 0,0387; 0,085 + 0,0387) = (0,0463; 0,1237) =
(4,63%; 12,37%).

2. Xác định kích thước mẫu đối với ước lượng tỉ lệ

Bài toán. Biết tỷ lệ mẫu sơ bộ f và độ tin cậy 1 − 𝛼. Để ước lượng tỉ lệ của tổng thể đảm bảo
độ chính xác 𝜀0 cho trước thì cần khảo sát ít nhất bao nhiêu phần tử?

√𝑓(1−𝑓) 𝑧𝛼/2 2
Hướng dẫn: 𝜀 = 𝑧𝛼 . ≤ 𝜀0 ⇔ 𝑛 ≥ 𝑓(1 − 𝑓) ( ) ⇒ 𝑛𝑚𝑖𝑛 .
2 √𝑛 𝜀0
Ví dụ 2. Khảo sát ngẫu nhiên 200 người ở vùng đồng bằng sông Cửu Long thấy có 24 người
mắc bệnh sốt rét. Với độ tin cậy 95%, để ước lượng tỉ lệ bệnh sốt rét ở vùng đồng bằng sông
Cửu Long đảm bảo độ chính xác 2% thì cần khảo sát ít nhất bao nhiêu người?

1−𝛼 Laplace
Giải.Với độ tin cậy 1 − 𝛼 = 0,95, ta có 𝜑(𝑧𝛼 ) = = 0,475 → 𝑧𝛼 = 1,96.
2 2 2
𝑚 24
Tỷ lệ mẫu sơ bộ 𝑓 = = 200 = 0,12 .
𝑛
√𝑓(1 − 𝑓) 𝑧𝛼/2 2 1,96 2
𝜀 = 𝑧𝛼 . ≤ 𝜀0 ⇔ 𝑛 ≥ 𝑓(1 − 𝑓) ( ) = 0,12. (1 − 0,12). ( )
2 √𝑛 𝜀0 0,02
= 1014,18
⇒ 𝑛𝑚𝑖𝑛
Vậy: Cần khảo sát ít nhất 1015 người.
Lưu ý: Trường hợp cần xác định số người khảo sát thêm ít nhất bao nhiêu nữa thì kết luận sẽ
là 1015-200=815 người.

3. Tính độ tin cậy đối với ước lượng tỉ lệ

Bài toán. Biết kích thước mẫu n, tỷ lệ mẫufvà độ chính xác 𝜀0 , tìm độ tin cậy

√𝑓(1−𝑓) 𝜀0 √ 𝑛 𝐿𝑎𝑝𝑙𝑎𝑐𝑒
Hướng dẫn:𝜀0 = 𝑧𝛼 . ⇔ 𝑧𝛼 = → 𝜑(𝑧𝛼 ) ⇒ 1 − 𝛼 = 2𝜑(𝑧𝛼 )
2 √𝑛 2 √𝑓(1−𝑓) 2 2

Ví dụ 3. Khảo sát ngẫu nhiên 300 sản phẩm của một loại mặt hàng A do một công ty sản xuất,
ta nhận thấy có 24 phế phẩm. Cho biết độ chính xác của phép ước lượng tỉ lệ phế phẩm của
mặt hàng A của công ty trên là 4%, hỏi độ tin cậy của phép ước lượng trên là bao nhiêu?
 √𝑓(1−𝑓) 𝜀0 √ 𝑛 0,04.√300
Giải. 𝜀0 = 𝑧𝛼 . ⇔ 𝑧𝛼 = = = 2,55.
2 √𝑛 2 √𝑓(1−𝑓) √0,08.(1−0,08)

𝐿𝑎𝑝𝑙𝑎𝑐𝑒
𝑧𝛼 = 2,55 → 𝜑(𝑧𝛼 ) = 0,49461.
2 2
1 − 𝛼 = 2𝜑(𝑧𝛼 ) = 0,98922 = 98,922%.
2

Vậy độ tin cậy của phép ước lượng trên là 98,922%.

TÓM TẮT: Khoảng tin cậy cho  là 𝜃̂ − 𝜖 ≤ 𝜃 ≤ 𝜃̂ + 𝜖; (𝜃̂ là 𝑥 hoặc 𝑓)

𝝈 đã biết 𝝈 chưa biết, n lớn 𝝈 chưa biết, n nhỏ

𝝈 𝒔 𝒔
ƯLK cho  𝜺 = 𝒛𝜶 . 𝜺 = 𝒛𝜶 . 𝜺 = 𝒕𝜶 (𝒏 − 𝟏).
𝟐 √𝒏 𝟐 √𝒏 𝟐 √𝒏

√𝑓(1 − 𝑓)
ƯLK cho 𝑓 𝜀 = 𝑧𝛼 .
2 √𝑛