Statistics and Probability

សាកលវិទយល័យភូមិន្ទភ្នំេពញ
មហាវិទយល័យវិទយសា�ស្ត
េដបា៉តឺម៉ង់គណិតវិទយ
្រប�បាប៊ីលេី តនិងស្ថត
ិ ិ
មាស េឡន
ឆា្ន ំ ២០២៣
មាតិកា
1 េសចក្តេី ផ្តីម 1
1.1 េតអ ី ជាី្វ ស្ថត
ិ ?ិ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 ែមកធាងៃនស្ថិតិ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 ្របេភទទន ិ ្នន័យ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 វ ិធីសា�ស្ត្របមូលទិន្នន័យ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5 លំហគំរូ និងសាកល . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.6 លំហគំរូៃចដន្យ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 ការបងា្ហញទិន្នន័យ 9
2.1 ទនិ ្នន័យជា្របេភទ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 ទិន្នន័យជាេលខ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3 លំហាត់អនុវត្តន៍ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 ្រកាបបងា្ហញទន
ិ ្នន័យេផ្សងេទៀត . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3 ការបក្រសាយទិន្នន័យ 27
3.1 រងា្វស់ទំេនារកណា
្ត លៃនទន
ិ ្នន័យរាយ . . . . . . . . . . . . . . . . . . . . . . . . . 27
្ត លៃនទិន្នន័យជាថា្នក់ . . . . . . . . . . . . . . . . . . . . . . . 34
3.3 រងា្វស់គមា្លតៃនទន
ិ ្នន័យរាយ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.4 រងា្វស់គមា្លតៃនទិន្នន័យជាថា្នក់ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5 រងា្វស់ទតា
ី ងំ ៃនទន
ិ ្នន័យរាយ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.6 រងា្វស់ទីតាង
ំ ៃនទិន្នន័យជាថា្នក់ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4 ្រប�បាប៊ីលីេត 57
4.1 លំហគំរូ នងិ ្រពត
ឹ កា
ិ្ត រណ៍ៃចដន្យ . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 ្រប�បាប៊ីលេី តៃន្រពត
ឹ កា
ិ្ត រណ៍ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.3 ្រប�បាប៊ីលេី តនង
ិ របាប់ចំនួន . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.4 ្រពឹតិកា
្ត រណ៍មិនអា្រស័យគា្ន . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 ្រប�បាប៊ល ី ីេតមានលក្ខខណ្ឌ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.6 ្រទស ឹ ប ី្ត ទេបេយស . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5 អេថរៃចដន្យដាច់ 83
5.1 អេថរៃចដន្យ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.2 អេថរៃចដន្យដាច់ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.3 អេថរៃចដន្យដាច់សំខាន់ៗ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
ii
iii
5.3.1 អេថរៃចដន្យអ៊ុយនីហម ្វ ដាច់ . . . . . . . . . . . . . . . . . . . . . . . . . 91

5.3.2 អេថរៃចដន្យែប៊រនូយី . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.3.3 អេថរៃចដន្យេទ្វធា . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.3.4 អេថរៃចដន្យព័រសុង . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.3.5 អេថរៃចដន្យធរណីមា្រត . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.3.6 អេថរៃចដន្យេទ្វធាអវ ិជ្ជមាន . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.3.7 អេថរៃចដន្យអុែី ពរធរណីមា្រត . . . . . . . . . . . . . . . . . . . . . . . . 122
6 អេថរៃចដន្យជាប់ 131
6.1 អនុគមន៍ដងស ់ ុីេត្រប�បាប៊ីលីេត . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
6.2 អេថរៃចដន្យជាប់សំខាន់ៗ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
6.2.1 អេថរៃចដន្យអ៊ុយនីហម ្វ េលីចេនា្លះ . . . . . . . . . . . . . . . . . . . . . . 141
6.2.2 អេថរៃចដន្យអុច ិ ស៉្បូណងែ់ ស្យល . . . . . . . . . . . . . . . . . . . . . . . 144
6.2.3 អេថរៃចដន្យហា្កមា . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
6.2.4 អេថរៃចដន្យេបតា . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.2.5 អេថរៃចដន្យេវប៊ូល . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
6.3 អេថរៃចដន្យនរមា៉ល់ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
6.3.1 អេថរៃចដន្យនរមា៉ល់ស្តង់ដា . . . . . . . . . . . . . . . . . . . . . . . . . 168
6.3.2 ្រប�បាប៊ីលីេតទាក់ទងនឹងអេថរៃចដន្យនរមា៉ល់ . . . . . . . . . . . . . . . . . 170
7 អនុគមន៍ៃនអេថរៃចដន្យ 179
7.1 អនុគមន៍ៃនអេថរៃចដន្យ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
7.2 អនុគមន៍បេង្កីតម៉ូម៉ង់ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
7.2.1 អនុគមន៍បេង្កីតម៉ូម៉ង់ស្រមាប់អេថរៃចដន្យដាច់ . . . . . . . . . . . . . . . . 186
7.2.2 អនុគមន៍បេង្កត ់ ្រមាប់អេថរៃចដន្យជាប់ . . .
ី ម៉ូម៉ងស . . . . . . . . . . . . . 188
7.3 ពហុអេថរៃចដន្យ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
7.4 អនុគមន៍ៃនពហុអេថរៃចដន្យ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
7.5 ផលបូកៃនអេថរៃចដន្យមិនអា្រស័យគា្ន . . . . . . . . . . . . . . . . . . . . . . . . 208
8 បំែនងែចកលំហគំរូៃចដន្យ 213
8.1 សាកល នង ិ លំហគំរូ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
8.2 បំែនងែចកមធ្យមលំហគំរូេពលសា្គល់ σ . . . . . . . . . . . . . . . . . . . . . . . . 214
8.3 ្រទស
ឹ បី្ត ទលមី ត
ី ផ្ចិត . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
8.4 បា៉ន់សា្មនបំែនងែចកេទ្វធាេដាយេ្របីបំែនងែចកនរមា៉ល់ . . . . . . . . . . . . . . . . 228
8.5 បំែនងែចកមធ្យមលំហគំរូពសា ី កលនរមា៉ល់េពលមន ិ សា្គល់ σ . . . . . . . . . . . . . . 232
9 ការបា៉ន់សា្មនបា៉រា៉ ែម៉្រត 245

9.1 ចំនុចបា៉ន់សា្មន . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
9.1.1 អ្នកបា៉ន់សា្មនមិនលេម្អ�ង . . . . . . . . . . . . . . . . . . . . . . . . . . 246
9.1.2 ្របសទ
ិ ្ធភាពៃនអ្នកបា៉ន់សា្មន . . . . . . . . . . . . . . . . . . . . . . . . . 248
9.1.3 ភាពមិនែ្រប្រប�លៃនអ្នកបា៉ន់សា្មន . . . . . . . . . . . . . . . . . . . . . . 248
iv
9.1.4 វ ិធសា ៉ ៉ង់ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250

ី �ស្តមូម
9.1.5 វ ិធសា
ី �ស្តឱកាសអតប
ិ រមា . . . . . . . . . . . . . . . . . . . . . . . . . . 252
9.2 ចេនា្លះេជឿជាក់ស្រមាប់លំហគំរូមួយ . . . . . . . . . . . . . . . . . . . . . . . . . . 258
9.2.1 ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមេពលសា្គល់វា៉ដ្យង់ . . . . . . . . . . . . . . . . 258
9.2.2 ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមេពលមិនសា្គល់វា៉ដ្យង់ . . . . . . . . . . . . . . 265
9.2.3 ចេនា្លះេជឿជាក់ស្រមាប់សមាមា្រត . . . . . . . . . . . . . . . . . . . . . . . 270
9.2.4 ចេនា្លះេជឿជាក់ស្រមាប់វា៉ដ្យង់នង
ិ គមា្លតស្តង់ដា . . . . . . . . . . . . . . . . 273
10 េតស្តសម្មតិកម្មលំហគំរូមួយ 279
10.1 េតអ
ី ជា
ី្វ ការេធ្វេី តស្តសម្មតក
ិ ម្ម? . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
10.2 េតស្តលំហគំរូមួយស្រមាប់មធ្យមេពលសា្គល់ σ . . . . . . . . . . . . . . . . . . . . 285
10.3 េតស្តលំហគំរូមួយស្រមាប់មធ្យមេពលមិនសា្គល់ σ . . . . . . . . . . . . . . . . . . . 292
10.4 េតស្តសម្មតក ិ ម្មលំហគំរូមួយស្រមាប់សមាមា្រត . . . . . . . . . . . . . . . . . . . . 299
10.5 េតស្តសម្មតិកម្មលំហគំរូមួយស្រមាប់វា៉ដ្យង់ . . . . . . . . . . . . . . . . . . . . . . 303
11 េតស្តសម្មតក
ិ ម្មលំហគំរូពរី 311
11.1 េតស្តសម្មតិកម្មលំហគំរូពីរស្រមាប់មធ្យមៈលំហគំរូមិនអា្រស័យគា្ន . . . . . . . . . . . . 311
11.2 េតស្តសម្មតក ិ ម្មលំហគំរូពរី ស្រមាប់មធ្យមៈលំហគំរូអា្រស័យគា្ន . . . . . . . . . . . . . 327
11.3 េតស្តសម្មតិកម្មលំហគំរូពីរស្រមាប់វា៉ដ្យង់ . . . . . . . . . . . . . . . . . . . . . . . 330
11.4 េតស្តសម្មតក ិ ម្មលំហគំរូពរី ស្រមាប់សមាមា្រត . . . . . . . . . . . . . . . . . . . . . 337
11.5 វ ិភាគវា៉ដ្យងអ ់ េថរមិនអា្រស័យមួយ . . . . . . . . . . . . . . . . . . . . . . . . . . 342
12 តែ្រមត្រមង់លីេនែអ៊រ 357
12.1 តែ្រមត្រមងល់ េី នែអ៊រ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
12.1.1 វ ិធីសា�ស្តកាេរខ្លីបំផុត . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
12.1.2 លក្ខណៈៃនអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត . . . . . . . . . . . . . . . . . . . . . 362
12.1.3 អ្នកបា៉ន់សា្មនៃន σ2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
12.1.4 ករណីេល្អ�ងមានបំែនងែចកនរមា៉ល់ . . . . . . . . . . . . . . . . . . . . . 369
12.1.5 អ្នកបា៉ន់សា្មនឱកាសអតប ិ រមា . . . . . . . . . . . . . . . . . . . . . . . . 369
12.2 បំែនងែចកៃន S S E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372
12.3 ចេនា្លះេជឿជាក់េនក្នុងតែ្រមត្រមង់លេី នែអ៊រ . . . . . . . . . . . . . . . . . . . . . . 376
12.4 េតស្តសម្មតិកម្មេនក្នុងតែ្រមត្រមង់លីេនែអ៊រ . . . . . . . . . . . . . . . . . . . . . . 380
12.5 េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់ . . . . . . . . . . . . . . . . . . . . . . . . . . 383
12.5.1 េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់េ្របីេតស្តសិត ្ថ ិ t . . . . . . . . . . . . . . . 383
12.5.2 េតស្តភាពសំខាន់ៃនតែ្រមត្រមងេ់ ្របេី តស្តសត
ិ្ថ ិ F . . . . . . . . . . . . . . . . 386
12.6 ចេនា្លះេជឿជាក់ៃនមធ្យមៃនអេថរេឆ្លយ
ី តប . . . . . . . . . . . . . . . . . . . . . . . 391
12.7 ពយករណ៍អេង្កតថ្មី . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 393
12.8 ភាព្រគប់្រគាន់ៃនគំរូតែ្រមត្រមង់ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395
12.9 តែ្រមត្រមងល់ េី នែអ៊រករណី X ជាអេថរៃចដន្យ . . . . . . . . . . . . . . . . . . . . . 412
12.9.1 គំរូតែ្រមត្រមងល ់ ីេនែអ៊រ . . . . . . . . . . . . . . . . . . . . . . . . . . . 412
12.9.2 វ ិធសា
ី �ស្តកាេរខ្លប
ី ំផុត . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413
12.9.3 វ ិធសា ៉ ៉ង់ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414
12.9.4 លក្ខណៈៃនអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត . . . . . . . . . . . . . . . . . . . . . 415
់ េី នែអ៊រក្នុងទ្រមង់មា៉្រទស
12.10តែ្រមត្រមងល ី . . . . . . . . . . . . . . . . . . . . . . . . 420
12.11មា្រតដា្ឋននិងរងា្វស់ឯកតាក្នុងតែ្រមត្រមង់លីេនែអ៊រ . . . . . . . . . . . . . . . . . . . 423
12.12ការសន្មត់េនក្នុងគំរូតែ្រមត្រមង់លេី នែអ៊រ . . . . . . . . . . . . . . . . . . . . . . . 424
12.13្រទឹសីប
្ត ទ Gauss-Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
12.14តែ្រមត្រមង់លេី នែអ៊រកាត់តាមគល់តំរុយ . . . . . . . . . . . . . . . . . . . . . . . . 433
13 តែ្រមត្រមង់ពហុលីេនែអ៊រ 451
់ ហុលេី នែអ៊រ . . . . . . . . . . . . . .
13.1 គំរូតែ្រមត្រមងព . . . . . . . . . . . . . . . 451
13.2 ការបា៉ន់សា្មនបា៉រា៉ ែម៉្រតៃនគំរូតែ្រមត្រមងព ់ ហុលីេនែអ៊រ . . . . . . . . . . . . . . . . . 452
13.2.1 អ្នកបា៉ន់សា្មនកាេរខ្លប ី ំផុត . . . . . . . . . . . . . . . . . . . . . . . . . . 452
13.3 គំរូតែ្រមត្រមងព់ ហុលីេនែអ៊រក្នុងទ្រមងមា ់ ៉ ្រទីស . . . . . . . . . . . . . . . . . . . . . 454
13.3.1 លក្ខណៈៃនអ្នកបា៉ន់សា្មនកាេរខ្លប ី ំផុត . . . . . . . . . . . . . . . . . . . . . 459
13.3.2 អ្នកបា៉ន់សា្មនឱកាសអតិបរមា . . . . . . . . . . . . . . . . . . . . . . . . 467
13.4 េតស្តសម្មតកិ ម្មកុ ងគំ ់ ហុលេី នែអ៊រ . . . . . . . . . . . . . . . . . . . . 473
្ន រូតែ្រមត្រមងព
13.4.1 េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់ . . . . . . . . . . . . . . . . . . . . . . . 478
13.4.2 េតស្តេលេី មគុណតែ្រមត្រមងន ់ ម
ី ួយៗ . . . . . . . . . . . . . . . . . . . . . 481
13.4.3 េតស្តេលីសំនុំរងៃនេមគុណតែ្រមត្រមង់ . . . . . . . . . . . . . . . . . . . . 483
13.4.4 េតស្តលេី នែអ៊រទូេទៃនេមគុណបា៉រា៉ ែម៉្រត . . . . . . . . . . . . . . . . . . . 488
្ន រូតែ្រមត្រមង់ពហុលេី នែអ៊រ . . . . . . . . . . . . . . . . . . . . . 492
13.5 ចេនា្លះេជឿជាក់កុ ងគំ
13.5.1 ចេនា្លះេជឿជាក់ស្រមាប់េមគុណតែ្រមត្រមង់នីមួយៗ . . . . . . . . . . . . . . 492
13.5.2 ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមេឆ្លីយតប . . . . . . . . . . . . . . . . . . . . 492
13.6 ពយករណ៍អេង្កតថ្មីៃនគំរូតែ្រមត្រមង់ពហុលីេនែអ៊រ . . . . . . . . . . . . . . . . . . . 494
13.7 ការេ្រជីសេរសគំ
ី រូ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 495
13.8 ពហុកូលេី នែអ៊រ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 499
13.9 វ ិធសា
ី ំផុតទូេទ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 503
ឯកសារេយាង 513
v
vi
អារម្ភកថា
ី ជាសា្ពនចម្លងរវាងមុខវ ិជា្ជ្រប�បាប៊ីលីេតនិងស្ថិតថា
េសៀវេភេនះ្រត�វបានេរៀបេរៀងេឡង ិ ្ន ក់បរញ
ិ ញ ប្រត និងថា្នក់
បរញ
ិ ញ ប្រតជាន់ខ្ពស់ ស្រមាប់ នស
ិ ្សត
ិ ែផ្នក វ ិទយសា�ស្ត វ ិស្វកម្ម នង
ិ គណិតវ ិទយែដលមានចំណាប់ អារម្មណ៍
្រសាវ្រជាវែផ្នក ្រប�បាប៊ីលេី តនង
ិ ស្ថត
ិ ។ិ ្រប�បាប៊ីលេី តនង
ិ ស្ថត
ិ ិ ្រត�វ បានេ្រប្រី បាស់ យា៉ងទូលំទូលាយស្រមាប់
ការ្រសាវ្រជាវនានាេនក្នុងវ ិទយសា�ស្តទិន្នន័យ េសដ្ឋកិច្ច សង្គម វ ិស្វកម្ម េវជ្ជសា�ស្ត បរសា
ិ ្ថ ន ជាេដីម។
ខ្លឹមសារេគាលក្នុងេសៀវេភេនះមាន៖ ែផ្នកទីមួយេផា្តតជាសំខាន់េទេលស
ី ិត
្ថ ែិ ផ្នកពណ៌នាែដលរួមមាន
ការេរៀបចំទិន្នន័យ ការបងា្ហញទិន្នន័យ និងការបក្រសាយទិន្នន័យ។ ែផ្នកទីពីរេផា្តតេទេលម
ី ូលដា្ឋន្រគឹះៃន្រទឹ
ី ំេនីប្រប�បាប៊ីលីេតែដលមានលំហ្រប�បាប៊ីលីេត តាមរយៈស្វ័យសត្យ្រប�បាប៊ីលីេត អេថរៃចដន្យ អនុគមន៍
ស្តទ
អេថរៃចដន្យ ភាពមន ិ អា្រស័យគា្នៃនអេថរៃចដន្យ សង្ឃម
ឹ គណិតៃនអេថរៃចដន្យ ជាពេិ សសផលបូកៃនអេថរ
ៃចដន្យមិនអា្រស័យគា្នគឺជាអេថរៃចដន្យែដលជាថ្មវា
ី ក៏ជាអេថរៃចដន្យែដលវាេដីរតួនាទស
ី ំខាន់េនក្នុងែផ្នកបំ
ែនងែចកមធ្យមលំហគំរូ នង ិ វា៉ដ្យងល ់ ំហគំរូ។ ែផ្នកទប ី ប
ី ងា្ហញអំពសី ត
ិ្ថ ែិ បបសន្នដា
ិ ្ឋ នែដលជាទូេទមានបញ្ហ
សំខាន់ៗដូចជាការបា៉ន់សា្មនបា៉រា៉ ែម៉្រត ការេធ្វីេតស្តសម្មតិកម្ម និងវ ិភាគតែ្រមត្រមង។ ់
េសៀវេភេនះ្រត�វបានេរៀបេរៀងេដាយ្រក�មឯកសារគាំ្រទគណិតវ ិទយែដលមានទស
ិ េដស្នូលក្នុងការ
េរៀបេរៀងឯកសារគណិតវ ិទយស្រមាប់ថា្នក់េ្រកាយបរញញ ិ ប្រត អនុវត្តឱ្យបានជាអតិបរមានូវេគាលការណ៍បួន
ចំនុច មុង
ឺ មា៉ត់ ម៉ត់ចត់ ចបស់លាស់ នង
ិ ្រគប់្រជ�ងេ្រជាយ ្រពមទាំង ែចករ ំែលក្របកបេដាយេសរភាពី នង
ិ
សមធម៌ ដល់ អ្នក ទាំងឡាយណាែដលមាននស
ិ ្ស ័យនង
ឹ គណិតវ ិទយ។ េយង
ី រ ំពង
ឹ ថាអាចរួម ចំែនកេនក្នុង
ការេលីកតេម្កីង និងផ្សព្វផ�យវ ិស័យគណិតវ ិទយឱ្យមានវ ិសាលភាពកាន់ែតទូលំទូលាយ និងរកស្គ
ី ុ ះសា្គយ
េនក្នុងសង្គមកម្ពុជាេយង
ី ។
ៃថ្ង្រពហស្បតិ៍ ១២េកីត ែខមាឃ ឆា្នខាំ ល ចតា្វស័ក ព.ស. ២៥៦៦

រាជធានភី ្នំេពញ ៃថ្ងទី ០២ ែខកុម្ភៈ ឆា្ន ំ ២០២៣
មាស េឡន
vii
viii
ជំពូកទី1
េសចក្តីេផ្តើម
េនក្នុងជំពូក េនះេយង
ី នឹង សិក�ែស្វងយល់ ពី ធម្មជាតិ ៃនស្ថិតិ ែដល្រត�វ បានេ្របី្របាស់ េនក្នុងការ្រសាវ្រជាវ
នានា។ ធាតុផ្សំសខា
ំ ន់ៗែដលអ្នកស្ថត
ិ េិ ្របមា
ី នដូចជាសាកល លំហគំរូ វ ិធសា
ី �ស្តេ្រជស
ី េរសលំ
ី ហគំរូ។ េយង
ី
ក៏នឹងបងា្ហញអំពីែមកធាងៃនស្ថិតិ និង្របេភទេផ្សងៗៃនទិន្នន័យ។
1.1 េតើអ្វីជាស្ថត
ិ ិ?
ស្ថត
ិ ្រិ ត�វបានេ្រប្រី បាស់េនក្នុងេស្ទរី ្រគប់វ ិស័យទាំងអស់។ ជាឧទាហរណ៍េនក្នុងកឡា
ី អ្នកស្ថត
ិ អា
ិ ចកត់្រតានូវ
ចមា្ងយរត់េនកំឡុងេពល្របកួតបាល់ទាត់ឬចំនួន្រគាប់ែដលអ្នកេលងទាត់បញ្ចូ លទី។ េនក្នុងវ ិស័យសុខភាព
សាធារណៈែផ្នករដ្ឋបាលអាចចាប់អារម្មណ៍នង
ឹ ចំនួនមនុស្សែដលពាក់ព័ន្ធនង
ឹ ជម្ងឺផា្តសាយ្របេភទថ្មីេនក្នុង
ឆា្ន ណា
ំ មួយ។ េនក្នុងវ ិស័យ អប់រ ំអ្នក្រសាវ្រជាវអាចចង់ ដឹង ថាេតី វ ិធីសា�ស្ត បេ្រងៀនថ្មី ្របេសីរ ជាងវ ិធីសា�ស្ត
បេ្រងៀនចាស់។ ទាំងេនះ្រគាន់ែតជាឧទាហរណ៍ខ្លះៗៃនការេ្រប្រី បាស់សិត
្ថ េិ នក្នុងវស័
ិ យេផ្សងៗ។ បែន្ថមពីេលី
ិ ្រិ ត�វបានេ្របេី ដីម្បវី ិភាគលទ្ធផលៃនការស្ទង់មតន
េនះស្ថត ិ ង
ិ ជាឧបករណ៍េនក្នុងការ្រសាវ្រជាវវ ិទយសា�ស្តេដីម្បី
េធ្វីការសំេរចចិត្ត ការបា៉ន់សា្មន និងពយករណ៍េដាយទុកចិត្តបាន។
និយមន័យ 1.1.1. ស្ថត

ិ ជា
ិ មុខវ ិជា្ជវ ិទយសា�ស្តមួយែដលសក
ិ �អំពកា
ី រ្របមូល ការេរៀបចំ ការសេង្ខប ការវ ិភាគ
និងទាញសន្និដា្ឋនេចញពីទិន្នន័យ។
វាមានេហតុផលជាេ្រចីនែដលេយង
ី គួរសិក�ស្ថិតិ៖
1. ដូច អ្នកជំនាញេយង
ី ្រត�វែតអាចអាន និង យល់ ការសិក�ែបបស្ថិតិ េនក្នុងវ ិស័យ របស់ េយង
ី ។ េដីម្បី
យល់បាន េយង ី ្រត�វមានចំេនះដឹងអំពីពាក្យបេច្ចកេទស នម
ិ ត ិ ដំេនីរការែបបស្ថត
ិ ្តសញញ បញញតិ នង ិ ិ
ែដលបានេ្របីេនក្នុងការសិក�ទាំងេនះ។
2. េយង
ី អាច្រត�វេធ្វកា ី េ្រពាះដំេនរី ការែបបស្ថត
ី រ្រសាវ្រជាវេនក្នុងវ ិស័យរបស់េយង ិ ជា
ិ ្រគះឹ ៃនការ្រសាវ្រជាវ។
េដម
ី ្បីសំេរចកិច្ចការេនះ េយង
ី ្រត�វែតអាចេរៀបចំ ពិេសាធន៍ ្របមូល េរៀបចំ វ ិភាគ និង សេង្ខប ទិន្នន័យ
េហយី អាចពយករណ៍បានេដាយទុកចត ិ ្តបាន។
3. េយងី អាចេ្របច
ី េំ នះដឹងែដលបានមកពកា ី រសក ិ �ស្ថត
ិ ឱិ ្យកា្លយជាអតថ
ិ ិជនឬពលរដ្ឋែដល្របេសរី ជាង
មុន េពាលគេឺ យង ី អាចេធ្វកា
ី រសំេរចចត
ិ ដ ៏ ្ល សៃវអំពផ
្ត ឈា ី លត ិ ផល្របេភទណាេដីម្បទ
ី ញ
ិ េដាយែផ្អកេលី
ការសិក�របស់អ្នកេ្របី្របាស់ជាេដីម។
1
1.2 ែមកធាងៃនស្ថត
ិ ិ
ស្ថិតិ្រត�វបានែចកជាពីរែផ្នកសំខាន់គឺ
• ស្ថិតិែបបពណ៌នា រួមមានការ្របមូល ការេរៀបចំ ការសង្ខប និងការបងា្ហញទិន្នន័យ។
• ស្ថត
ិ ិែបបសន្និដា្ឋនរួមមានការទាញសន្និដា្ឋនពីលំហគំរូេទសាកល ការបា៉ន់សា្មននិងេតស្តសម្មតិកម្ម
កំនត់ទំនាក់ទំនងរវាងអេថរ នង ិ ពយករណ៍។
1.3 ្របេភទទិន្នន័យ
និយមន័យ 1.3.1. • អេថរជាលក្ខណៈែដលអាចែ្រប្រប�លតាមេពលេវលា ឬពម

ី នុស្សមា្នក់េទមនុស្សមា្នក់
ឬពីវត្ថុមួយេទវត្ថុមួយេទៀត។
• ទិន្នន័យជាតៃម្លែដលអេថរអាចយកបាន។
ឧទាហរណ៍ 1.3.1. • សត
ី ុណ្ហភាពរាងកាយជាអេថរែដលែ្រប្រប�លតាមេពលេវលាេនក្នុងខ្លួនមនុស្ស
មា្នក់ វាក៏ែ្រប្រប�លពីមនុស្សមា្នក់េទមនុស្សមា្នក់េទៀត។
• ជំេនឿសាសនា ្របាក់ចំនូល កម្ពស់ អាយុ នង

ិ ចំនួនកូន សុទ្ធែតជាអេថរ។
អេថរអាច្រត�វបានែបងែចកជាអេថរគុណភាព និងអេថរបរមាណ
ិ
• អេថរគុណភាពជាអេថរែដលវាស់ពីគុណភាពឬលក្ខណៈ។
ឧទាហរណ៍ 1.3.2. ជំេនឿសាសនា ទីតាង

ំ ភូមិសា�ស្ត េភទ មុខវ ិជា្ជ ជាេដីម
– អេថរគុណភាពមានលំដាប់ៈ លំដាប់ពិនុ ្ទ (A, B, C, D, F) ទំហៃំ នេភសជ្ជៈ (តូច មធ្យម ធំ)
– អេថរគុណភាពមន
ិ មានលំដាប់ៈ េភទ សាសនា សា្ថនភាព្រគ�សារ
• អេថរបរមាណជាអេថរែដលវាស់
ិ ពីបរមាណឬជាអេថរែដលអាចរាប់
ិ បាន។
ី ុណ្ហភាពរាងកាយ ចំណុះ ចំនួនអ្នកដំេណីរ ជាេដម

ឧទាហរណ៍ 1.3.3. អាយុ កម្ពស់ ទម្ងន់ សត ី
– អេថរបរមាណដាច់
ិ ៈ អាចយកតៃម្លមានចំនួនកំនត់ឬរាប់បាន។
ឧទាហរណ៍ 1.3.4. ចំនួនកូន ចំនួនអ្នកដំេណីរ
– អេថរបរមាណជាប់
ិ ៈ អាចយក្រគប់តៃម្លេនចេនា្លះណាមួយ។
ឧទាហរណ៍ 1.3.5. អាយុ កម្ពស់ ទម្ងន់ សីតុណ្ហភាពរាងកាយ ចំណុះ
បែន្ថមេទេលកា ី រែបងែចកជាគុណភាពឬបរមាណ ិ អេថរអាច្រត�វបានែបងែចកតាមរេបៀបែដលពួកវា្រត�វបាន

ចាត់ជាថា្នក់ រាប់ ឬវាស់។ ជាធម្មតាមានក្រមត ិ រងា្វស់បួន៖
1. ក្រមត
ិ រងា្វស់ធម្មតា (nominal) ែបងែចកទិន្នន័យជា្រក�មដាច់ៗគា្នេដាយមន
ិ គត
ិ អំពល
ី ំដាប់។
ឧទាហរណ៍ 1.3.6. • េភទៈ ្រប�ស ឬ្រសី
• សា្ថនភាព្រគ�សារៈ លីវ ឬេរៀបអាពាហ៍ពិពាហ៍
2
• សាសនាៈ្រពះពុទ្ធ អុីសា្លម ឬ្រគឹស្តសាសនា
2. ក្រមត
ិ រងា្វស់លំដាប់ (ordinal) ែបងែចកទិន្នន័យជា្រក�មែដលអាចេរៀបជាលំដាប់ ប៉ុែន្តភាពខុសគា្ន
ចបស់លាស់ៃនលំដាប់គម ឺ ន
ិ មាន។
ឧទាហរណ៍ 1.3.7. • លំដាប់ពន
ិ ុ ៈ្ទ A, B, C, D, F
• លំេនដា្ឋនៈ តូច មធ្យម ឬធំ
3. ក្រមិត រងា្វស់ ជា ចេនា្លះ (interval) េរៀបទិន្នន័យ តាមលំដាប់ និង មានភាពខុសគា្ន ចបស់លាស់ រវាង
ឯកតារងា្វស់ ប៉ុែន្តសូន្យមន ិ មានន័យ។
ឧទាហរណ៍ 1.3.8. • IQ: ភាពខុសគា្ន 1 ពន
ិ ុ រវាង
្ទ IQ 109 នង
ិ IQ 110 គមា
ឺ នន័យ។
• សត
ី ុណ្ហភាពៈ ភាពខុសគា្ន 1 C រវាង 29 C នង
◦ ◦
ិ 30 C គមា
◦
ឺ នន័យ។
4. ក្រមត
ិ រងា្វស់ផលេធៀប (ratio) មានលក្ខណៈទាំងអស់ៃនក្រមត
ិ រងា្វស់ជាចេនា្លះ នង
ិ សូន្យមានន័យ។
ឧទាហរណ៍ 1.3.9. • កម្ពស់
• ទម្ងន់
• េពលេវលា
• អាយុ
1.4 វិធីសា�ស្ត្របមូលទិន្នន័យ
េនក្នុងការ្រសាវ្រជាវទិន្នន័យ អាច្រត�វ បានេ្របី តាមវ ិធី េផ្សងៗគា្ន។ ឧទាហរណ៍ អ្នក ផលិត អាចចង់ ដឹង អំពី
អតិថិជនែដលនឹងទិញផលិតផលរបស់ខួ នដូ
្ល ចេនះគាត់អាចេធ្វគ
ី ំេរាងយុទសា ៏ ន្របសិទ្ធភាព។
្ធ �ស្តទីផ�រដមា
ី រស្ទង់មតប
ែផ្នក្រគប់្រគងេនក្នុង្រក�មហ៊ុនអាចេធ្វកា ិ ុគ្គលក
ិ របស់ខួ នអំ
្ល ពត
ី ្រម�វការរបស់ពួកេគេដម
ី ្បច
ី ចារកុង្រតា
ថ្មជា
ី មួយសហជីព។ ទន
ិ ្នន័យអាច្រត�វបានេ្របេី ដីម្បក
ី ំនត់ថាេតច
ី ក្ខុវ ិស័យអប់រ ំៃនសាលាមួយឈានេទដល់ឬ
អត់។ ននា
ិ ្ន ការេនក្នុងវ ិស័យេផ្សងៗដូចជាទផ
ី �រភាគហ៊ុន អាច្រត�វបានវ ិភាគែដលជួយឱ្យអ្នកទញ
ិ សំេរចចត
ិ ្ត
េដាយភាពឈា្លសៃវអំពី ហ៊ុន ែដលនឹង ទិញ។ ឧទាហរណ៍ ទាំងេនះបញ្ជក់ ្របាប់ េយង
ី ថាការ្របមូល ទិន្នន័យ
នងឹ ជួយេយង
ី េនក្នុងការេធ្វកា
ី រសំេរចចត
ិ ្តណាមួយមុននង
ឹ េធ្វ។
ី
ទិន្នន័យអាច្រត�វបាន្របមូលតាមវ ិធីេផ្សងៗ៖
• ការស្ទង់មតិ
– តាមរយៈទូរសព្ទ
– តាមរយៈប៉ុស្តិ៍ៃ្របសណីយ៍
– តាមការេធ្វីសមា្ភសេដាយផា្ទល់
• កំណត់្រតាទន
ិ ្នន័យែដលមាន្រសាប់
• ការអេង្កតេដាយផា្ទល់
3
1.5 លំហគំរ ូ និងសាកល
និយមន័យ 1.5.1. • សាកលជាសំនៃុំ នមនុស្សឬវត្ថទាំ

ុ ងអស់ែដលពាក់ព័នេ្ធ ទនឹងការអេង្កតណាមួយ។
• លំហគំរូជាសំនុំរងៃនសាកល។
ឧទាហរណ៍ 1.5.1. និស្សត

ិ 5 នាក់្រត�វបានេ្រជីសេរសេចញព
ី ន
ី ិស្សត
ិ បរញ
ិ ញ ប្រតទាំងអស់ៃនសាកលវ ិទយល័យ
ធំមួយេដីម្បអ
ី េង្កតេទេលី GPA។
• អេថរៈ GPA
• លំហគំរូៈ នស
ិ ្សត
ិ ទាំង 5 នាក់
• សាកលៈ និស្សត
ិ បរញ
ិ ញ ប្រតទាំងអស់ៃនសាកលវ ិទយល័យ។
សមា្គល់ 1.5.1. ភាគេ្រចីនេដាយសារកតា្តេពេវលា ការចំណាយ ទំហៃំ នសាកល វាមិនអាចេនាះេទេនក្នុង
ការេ្រប្រី បាស់សាកលទាំងមូលេដីម្បស
ី ក
ិ �ែបបស្ថត
ិ ិ ដូចេនះអ្នក្រសាវ្រជាវេ្របល
ី ំហគំរូ។ េបល
ី ំហគំរ្រូ ត�វបាន
េ្រជីសេរសេដាយ្រត
ី ឹម្រត�វេនាះវានឹងតំណាងឱ្យសាកលទាំងមូល។
1.6 លំហគំរ ូៃចដន្យ
អ្នក្រសាវ្រជាវេ្របល
ី ំហគំរេូ ដីម្ប្រី បមូលទន
ិ ្នន័យនង
ិ ពត៌មានអំពអ
ី េថរជាក់លាក់មួយេចញពសា
ី កល។ ការេ្របី
្របាស់លំហគំរូចំេនញទាំងេពលេវលានិងថវ ិកា េហយ
ី ក្នុងករណីខ្លះអ្នក្រសាវ្រជាវអាចទទួលពត៌មានលម្អិត
អំពី អេថរជាក់លាក់ មួយ។ កត់សមា្គល់ ផងែដរថាលំហ គំរូ មន
ិ ែមន្រត�វ បានេ្រជស
ី េរសេដាយ្របថុ
ី យ្របថាន
េ្រសចែតចត
ិ ្តេនាះេទេ្រពាះពត៌មានែដលទទួលបានអាចនង
ឹ េល្អ�ង។ ជាឧទាហរណ៍សមា្ភសមនុស្សេនតាម
ដងផ្លូវកំឡុងេពលៃថ្ង នឹង មិន មានចេម្លីយ ពី មនុស្សែដលេធ្វីការការយាល័
ិ យ េនេពលេនាះ ឬពី មុន ស្សែដល
ចូលេរៀនេនសាលាដូចេនះមានន័យថាមន
ិ ែមន្រគប់គា្នេនក្នុងសាកលជាក់លាក់ណាមួយមានឱកាសែដល
្រត�វេ្រជីសយក។ េដីម្បទ
ី ទួលបានលំហគំរែូ ដលមិនលេម្អ�ងមានន័យថាផ្តលឱ
់ ្យនូវមា្នក់ៗេនក្នុងសាកលឱកា
សេស្មៗ
ី គា្ន ែដល្រត�វ បានេ្រជស
ី យក អ្នក ស្ថត
ិ ិ េ្របី វ ិធី សា�ស្ត េគាលបួន ក្នុងការេ្រជស
ី យកលំហ គំរូ៖ លំហ គំរូ
ៃចដន្យ លំហគំរូជា្របព័ន្ធ លំហគំរូ stratified និងលំហគំរូ cluster។
និយមន័យ 1.6.1 (លំហគំរ ូៃចដន្យ). លំហគំរៃូ ចដន្យជាលំហគំរែូ ដលសមាជិកនម

ី ួយៗេនក្នុងសាកល
គឺមានឱកាសេស្មីៗគា្នែដល្រត�វបានេ្រជីសយក។
លំហគំរៃូ ចដន្យគ្រឺ ត�វបានេ្រជីសេរសេដាយវ

ី ិធចា
ី ប់េឆា្នត ឬេលខៃចដន្យ។ វ ិធម
ី ួយគដា
ឺ ក់េលខេរៀងមនុស្ស
មា្ន ក់ៗ េនក្នុងសាកល បនា្ទប់មកដាក់ កាតេលខេរៀងេនក្នុង្របអប់ មួយ ្រកឡុកឱ្យសព្វ រួច េ្រជីស យកកាត
តាមចំនួន្រត�វការ។ មនុស្សែដលមានេលខកាត្រត�វបានេ្រជស
ី េរសបេង្ក
ី ត
ី បានជាលំហគំរូ។ េដាយសារការ្រក
ឡុកឱ្យសព្វមានភាពលំបាកែដលមានឱកាសទទួលបានលំហគំរូែដលេល្អ�ង ដូចេនះអ្នកស្ថត
ិ ិេ្របីវ ិធីេផ្សង
មួយេទៀតគឺការបេង្កីតេលខៃចដន្យេដាយេ្របីកុំព្យូទ័រ។
និយមន័យ 1.6.2 (លំហគំរ ូជា្របព័ន្ធ). លំហគំរូ ជា្របព័ន្ធជា លំហគំរូ ែដលទទួលបានពីការេ្រជីសេរស

ី
រាល់អ្នកទី k េនក្នុងសាកល។
4
អ្នក្រសាវ្រជាវទទួលបានលំហគំរជា
ូ ្របព័នេ្ធ ដាយដាក់េលខេរៀងមនុស្សមា្នក់ៗេនក្នុងសាកល រួចេ្រជីសេរស
ី
រាល់អ្នកទី k បនា្ទប់ពីអ្នកទីមួយ្រត�វបានេ្រជីសេរសេដាយៃចដន្យ។
ី
ឧទាហរណ៍ 1.6.1. ឧបមាថាមានមនុស្ស 2000 នាក់េនក្នុងសាកលេហយ

ី េយង
ី ្រត�វការលំហគំរែូ ដលមាន
មនុស្ស 50 នាក់។ េដាយសារ 2000/50 = 40 េនាះ k = 40 និងរាល់មនុស្សទី 40 ្រត�វបានេ្រជីសេរសបនា
ី ្ទ ប់ពី
អ្នកទីមួយ (មានេលខេរៀងចេនា្លះពី 1 ដល់ 40) ្រត�វបានេ្រជីសេរសេដាយៃចដន្យ។
ី សន្មត់ថាមនុស្សទី 12
ជាអ្នកទីមួយ្រត�វបានេ្រជីសេរសេនាះលំ
ី ហគំរមា
ូ នមនុស្សែដលមានេលខ 12, 52, 92, .... រហូតដល់អ្នកទី 50
។
និយមន័យ 1.6.3 (លំហគំរ ូ stratified). លំហគំរូ stratified ជាលំហគំរែូ ដលទទួលបានពកា

ី រែចកសាកល
ជា្រក�មតូចៗ ែដលេហថា strata តាមរយៈលក្ខណៈែដលពាក់ព័នន
្ធ ឹងការសិក�។ បនា្ទប់មកមនុស្ស្រត�វបាន
េ្រជីសេរសេដាយៃចដន្យេចញព
ី ី្រក�មនីមួយៗ។
ឧទាហរណ៍ 1.6.2. នាយកសាលាែដលមានឆា្ន ំសក ់ ឹងថាេតស

ិ � ៤ ឆា្ន ំចងដ ី ស
ិ ្សមានអារម្មណ៍យា៉ងដូចេម្តច
ចំេពាះបញ្ហ ណាមួយ។ បែន្ថម ពីេនះគាត់ ចង់ ដឹង ថាេតី េយាបល់ ៃនសិស្សឆា្ន ន
ំ ី មួយ ៗ ខុសគា្ន ដូចេម្តច េនាះ
នាយកសាលានឹងេ្រជីសយកសិស្សេដាយៃចដន្យេចញពីឆា្នស
ំ ិក�នីមួយៗេដីម្បប
ី េង្កីតជាលំហគំរូ។
និយមន័យ 1.6.4 (លំហគំរ ូ cluster). លំហគំរូ cluster ជាលំហគំរែូ ដលទទួលបានពកា

ី រែចកសាកលជា
្រក�មៗ ែដលេហថា cluster បនា្ទប់មកេ្រជីសយក្រក�មមួយឬេ្រចន
ី េដាយៃចដន្យ នង
ិ េ្របីមនុស្សទាំងអស់
េនក្នុង្រក�មជាលំហគំរូ។
ឧទាហរណ៍ 1.6.3. ឧបមាអ្នក្រសាវ្រជាវចង់ស្ទង់មតិអ្នករស់េនអាផាតមិនក្នុងទី្រក�ងធំមួយ។ េបីមាន 10
អាផាតមន
ិ ក្នុងទ្រី ក�ង អ្នក្រសាវ្រជាវអាចេ្រជស
ី េរសេដាយៃចដន្យនូ
ី វអាគារចំនួន 2 េចញអាគារចំនួន10 រួច
េធ្វីសមា្ភស្រគប់មនុស្សរស់េនក្នុងអាគារទាំងេនះ។
សមា្គល់ 1.6.1. េទាះបីជាលំហគំរូ stratified និង លំហគំរូ cluster ែចកសាកលជា្រក�មតូចៗក៏េដាយ ភាព

ខុសគា្នរវាងលំហគំរទា
ូ ងំ ពរី គធា
ឺ តុេនក្នុង្រក�មចំេពាះលំហគំរូ stratified មានលក្ខណៈ្រសេដៀងគា្នរឯចំ
ី េពាះ
លំហគំរូ cluster មានលក្ខណៈខុសគា្ន។
ី ្នក្រសាវ្រជាវចងេ់ ្របថា
ឧទាហរណ៍ 1.6.4. េបអ ី ្ន ក់និស្សត
ិ ឆា្នទ
ំ ម
ី ួយេនសាកលវ ិទយល័យជាសាកល គាត់អាច
េ្របថា
ី ្ន ក់មួយៃននិស្សត
ិ ឆា្នទ
ំ ម
ី ួយជាលំហគំរូ cluster។ េបអ
ី ្នក្រសាវ្រជាវេ្របីលំហគំរូ stratified គាត់អាច្រត�វ
ែចកនិស្សត
ិ ឆា្នទ
ំ ីមួយជា្រក�មេយាងេទតាមមុខវ ិជា្ជេគាល េភទ ឬអាយុជាេដីមេចញពី្រក�មនីមួយៗ។
លំហាត់អនុវត្តន៍
លំហាត់ 1.6.1. កំនត់ថាេតីអេថរជាបរមាណឬគុ

ិ ណភាព
1. ទំហៃំ នភីស� (តូច មធ្យម និងធំ)
2. បរមាណកូ
ិ េឡស្តរូល
៉ ស្រមាប់មនុស្សមា្នក់ៗ
3. ចំនួនវា៉ត់ៃនមា៉សុន
ី កេម្ត
4. ពណ៌ៃនបាល់េនក្នុងហាង
5
5. រយៈេពលចំណាយេដីម្បកា
ី ត់េស្ម
លំហាត់ 1.6.2. កំនត់ថាេតអ

ី េថរជាដាច់ឬជាប់
1. ចំនួនដូណាត់មួយៃថ្ងៗ
2. សត
ី ុណ្ហភាពទក
ឹ េនក្នុងអាងែហលទក
ឹ
3. ទម្ងន់ឆា្មេនកែន្លងចិញ្ចឹម
4. ចំនួនេសៀវេភេនេលេី ធ្នី
5. រយៈេពលគត
ិ ជាេមា៉ងៃនថ្មពល
ិ
លំហាត់ 1.6.3. កំនត់វ ិធីសា�ស្តេ្រជីសយកលំហគំរូែដលបានេ្របី
1. េដម
ី ្បីពិនិត្យភាព្រតឹម្រត�វ ៃនមា៉សុីន កិន កាេហ្វ រាល់ ែពងទី 5 ្រត�វ បានេ្រជីសេរសរួ
ី ច េគវាស់ បរមាណ
ិ
កាេហ្វេនក្នុងែពង។
2. េដីម្បក
ី ំនត់រយៈេពលែដលមនុស្សហាត់កឡា
ី អ្នក្រសាវ្រជាវសមា្ភសមនុស្ស 5 នាក់ែដល្រត�វបានេ្រជីស
េចញពីថា្នក់យូ ហា
៉ ្ក 5 នាក់្រត�វបានេ្រជីសេចញពីថា្នក់េលីកទម្ងន់ 5 នាក់្រត�វបានេ្រជីសេចញពីថា្នក់រា ំ
នងិ 5 នាក់្រត�វបានេ្រជសី េចញពថា ី ្ន ក់ែហលទក
ឹ ។
3. េនក្នុងការសិក�ែបបេវជ្ជសា�ស្ត អ្នក្រសាវ្រជាវេ្រជីសយកមន្ទីរេពទ្យមួយរួចសមា្ភស្រគប់អ្នកជម្ងទា
ឺ ង ំ អស់
េនៃថ្ងេនាះ។
4. េនក្នុងសាលាធំ មួយ អ្នក្រសាវ្រជាវដាក់េលខេរៀង្រគ�បេ្រងៀនេពញេមា៉ងទាំងអស់ េហយ

ី បនា្ទប់មក
េ្រជីសេរស្រគ�
ី 30 នាក់េដាយៃចដន្យេដីម្បស
ី មា្ភស។
លំហាត់ 1.6.4. កំនត់ថាេតីសំេណីនីមួយៗខាងេ្រកាម្រត�វ ឬខុស។ ពន្យល់មូលេហតុ
1. ្រប�បាប៊ីលេី ត្រត�វបានេ្របជា
ី មូលដា្ឋនស្រមាប់សត
ិ្ថ ែិ បបសន្នដា
ិ ្ឋ ន។
2. អេថរសត
ី ុណ្ហភាពជាឧទាហរណ៍ៃនអេថរបរមាណ។
ិ
3. កំពស់ៃនអ្នកេលងបាល់េបាះ្រត�វបានចាត់ទុកជាអេថរជាប់។
4. េនេពលែដលសាកលៃនសា�សា្តចារ្យសាកលវ ិទយល័យ្រត�វបានែចកជា្រក�មតាមលំដាប់ងារ (សា�សា្ត

ចារ្យជំនួយ សា�សា្តចារ្យរង នង
ិ សា�សា្តចារ្យ) រួចជាេ្រចន
ី នាក់្រត�វបានេ្រជីសេរសេចញព
ី ី្រក�មនីមួយ
ៗេដីម្បប
ី េង្កីតជាលំហគំរូ។ លំហគំរូេនះេហថាលំហគំរូ cluster។
លំហាត់ 1.6.5. េ្រជីសេរសចេម្ល

ី ីយែដលល្អបំផុត
1. ចំនួនផ�យពាណិជ្ជកម្មតាមកម្មវ ិធីទូរទស្សន៍មួយេមា៉ងគឺ្របេភទអេថរអ្វី?
(a) អេថរគុណភាព
(b) អេថរដាច់
6
(c) អេថរជាប់
2. អ្នក្រសាវ្រជាវែចកសាកលជាពីរ្រក�មអា្រស័យនឹងេភទរួចេ្រជីសេរសមនុ
ី ស្សេចញព្រី ក�មនម
ី ួយៗេដីម្បី
បេង្កត
ី ជាលំហគំរូ។ េតវី ិធសា
ី យកលំហគំរូអែី្វ ដលអ្នក្រសាវ្រជាវេ្រប?
ី
(a) លំហគំរូ Cluster

(b) លំហគំរូៃចដន្យ
(c) លំហគំរូជា្របព័ន្ធ
(d) លំហគំរូ Stratified
3. អ្នកេធ្វកា
ី រទាំងអស់ េនហាងអាហាររហ័ស មួយ ែដល្រត�វ បានេ្រជីសេរសេដាយៃចដន្យេចញព
ី ី ហាង
អាហាររហ័សទាំងអស់្រត�វបានេ្រជីសេរសន
ី ិងសួរអំពច
ី ំនួនេមា៉ងក្នុងមួយសបា្តហ៍ែដលពួកេគេធ្វីការ។
េតវី ិធសា
ី យកលំហគំរូអែី្វ ដលអ្នក្រសាវ្រជាវេ្រប?
ី
(a) លំហគំរូ Cluster

(b) លំហគំរូៃចដន្យ
(c) លំហគំរូជា្របព័ន្ធ
(d) លំហគំរូ Stratified
7
8
ការបងា្ហញទិន្នន័យ
េនក្នុងជំពូកេនះេយង
ី នង
ឹ េផា្តតជាសំខាន់េទេលីការេរៀបចំទិន្នន័យជា្របេភទ និងទិន្នន័យជាេលខេនក្នុង
តារាងបំែនងែចកេ្របកង់ នង ិ ការសង្រ់ កាបេផ្សងៗេដីម្បប
ី ងា្ហញទនិ ្នន័យេនក្នុងស្ថត
ិ ។ិ
េនេពលែដលេធ្វីការសិក�ែបបស្ថិតិ អ្នក្រសាវ្រជាវ្រត�វ ្របមូល ទិន្នន័យ ទាក់ទងនឹង អេថរណាមួយ ែដល
្រត�វសិក�។ ឧទាហរណ៍េបីអ្នក្រសាវ្រជាវចង់សិក�អំពីចំនួនមនុស្សែដល្រត�វបានពស់ពិសខាំេនក្នុងតំបន់
ណាមួយេនក្នុងរយៈេពលប៉ុនា្មនឆា្នច
ំ ុងេ្រកាយ គាត់្រត�វ្របមូលទិន្នន័យពីេវជ្ជបណិ្ឌ ត មន្ទីរេពទ្យ ឬមណ្ឌល
សុខភាពេផ្សងៗ។ េដីម្បប ី ក្រសាយសា្ថនភាព ទាញសន្និដា្ឋន អ្នក្រសាវ្រជាវ្រត�វេរៀបចំទិន្នន័យតាមវ ិធីែដល
មានន័យ េហយ ិ ្នន័យ គឺ ការសង់ តា រាងបំ ែនងែចកេ្របកង់។
ី វ ិធី មួយ ែដលងាយ្រស�ល បំផុត ក្នុងការេរៀបចំ ទន
បនា្ទប់ពេី រៀបចំទន
ិ ្នន័យអ្នក្រសាវ្រជាវ្រត�វបងា្ហញតាមរយៈ្រកាបេផ្សងៗេនក្នុងស្ថត
ិ ។ិ
និយមន័យ 2.0.1. បំែនងែចកេ្របកង់គឺជាការេរៀបចំទិន្នន័យេនក្នុងតារាងែដលមានថា្នក់ និងេ្របកង់។
បំែនងែចកេ្របកង់ពរី ្របេភទែដល្រត�វបានេ្រប្រី បាស់ញឹកញាប់គឺ
• បំែនងែចកេ្របកង់ជា្របេភទៈ ស្រមាប់ទិន្នន័យជា្របេភទទាំងមានលំដាប់ និងមិនមានលំដាប់។
• បំែនងែចកេ្របកង់ជា្រក�មៈ ស្រមាប់ទិន្នន័យជាេលខែដលមានរង៉ ់ធំ។
2.1 ទិន្នន័យជា្របេភទ
សង់តារាង្របកង់
ឧទាហរណ៍ 2.1.1. អ្នកចូលេធ្វទា

ី ហាន 25 នាក់្រត�វបានេធ្វេី តស្តឈាមេដីម្បក
ី ំនត់្របេភទឈាមមានបងា្ហញ
ដូចទិន្នន័យខាងេ្រកាម៖
A B B AB O
O O B AB B
B B O A O
A O O O AB
AB A O B A
សង់បំែនងែចកេ្របកង់ចំេពាះទិន្នន័យេនះ
ចេម្លើយ. បំែនងែចកេ្របកង់
9
ថា្នក់ របាប់ចំនួន េ្របកង់ ( f ) ភាគរយ
A //Z
Z // 5 20
B //Z
Z // // 7 28
O //Z
Z // //// 9 36
AB //// 4 16
n = 25 100%
សង់្រកាបសសរ
្រកាបែដលេពញនយ ិ មជាងេគបងា្ហញទន ិ ្នន័យ ជា្របេភទគឺ ្រកាបសសរ។ ជាញឹកញាប់ អ័ក្សេដកបងា្ហញអំពី

អេថរែដលចាប់អារម្មណ៍ នងិ អ័ក្សឈរបងា្ហញអំពេី ្របកងឬ់ េ្របកងេ់ ធៀបៃនថា្នក់នម
ី ួយៗ។ លក្ខណៈសមា្គល់
ៃន្រកាបសសរគឺ មានចេនា្លះរវាងសសរនី មួយ ៗេ្រពាះអេថរែដលចាប់ អា រម្ម េណ៍ ជាអេថរជា្របេភទ។ ដូេច្នះ
្រកាបសសរជា្រកាបែដលបងា្ហញតារាងេ្របកងេ់ ដាយេ្របស ី សរែដលកំពស់ៃនសសរជាេ្របកងៃ់ នថា្នក់នម ី ួយ
ៗ។
និយមន័យ 2.1.1. ្រកាបសសរជា្រកាបបងា្ហញថា្នក់ៃនទន

ិ ្នន័យជា្របេភទេនេលអ ិ ្របកងៃ់ នថា្នក់
ី ័ក្សេដក នង
េនេលីអ័ក្សឈរ។ េ្របកង់ៃនថា្នក់នីមួយៗគឺសមាមា្រតេទនឹងកំពស់ៃនសសរ។
ឧទាហរណ៍ 2.1.2. សង់្រកាបសសរៃនទិន្នន័យ្របេភទឈាម
សង់ដយ្រកាមផ្លិត
្រកាបមួយេទៀតែដលបងា្ហញទនិ ្នន័យជា្របេភទគឺដយ្រកាមផ្លត ិ រង្វង់មួយ្រត�វបានែចក

ិ ។ េនក្នុងដយ្រកាមផ្លត
ជាចំណិតតូចៗអា្រស័យនឹងភាគរយៃនថា្នក់នម ី ួយៗ។ មុៃំ នចំណិតនម ី ួយៗគទ ឺ ទួលបានេដាយយក (េ្របកង់
ថា្នក់នីមួយៗ/ ចំនួនទិន្នន័យសរុប)×360◦ = េ្របកង់េធៀប ×360◦ ។
់ ួយែដល្រត�វបានែចកជាចំណិតតូចៗអា្រស័យនឹងភាគរយៃនថា្នក់
និយមន័យ 2.1.2. ដយ្រកាមផ្លិតជារង្ចងម
នីមួយៗេនក្នុងតារាងបំែនងែចកេ្របកង់។
ឧទាហរណ៍ 2.1.3. សង់ដយ្រកាមផ្លិតៃនទិន្នន័យ្របេភទឈាម
10
ថា្នក់ េ្របកង់ ( f ) ភាគរយ (%) ដឺេ្រក (◦ )
A 5 20 72
B 7 28 100.8
O 9 36 129.6
AB 4 16 57.6
n = 25 100% 360◦
លំហាត់ 2.1.1. ទិន្នន័យ ខាងេ្រកាមបងា្ហញពី រេបៀបែដលបុគ្គល មា្ន ក់ៗ ទទួល ពត៌មាន្របចាំៃថ្ង ែដលមាន
មនុស្ស 50 នាក់ ែដល្រត�វ បានេ្រជស
ី េរសេដាយៃចដន្យ។
ី ពួកេគមា្ន ក់ៗ អាចទទួលតាមរយៈកាែសត (N)
ទូរទស្សន៍ (T) វ ិទ្យុ (R) និងអុីនធរេណត (I)
N N T T T I R R I T
I N R R I N N I T N
I R T T T T N R R I
R R I N T R T I I T
T I N T T I R N R T
1. សង់តារាងបំែនងែចកេ្របកង់
2. សង់្រកាបសសរ
3. សង់ដយ្រកាមផ្លិត
2.2 ទិន្នន័យជាេលខ
សង់តារាង្របកង់
ដំេណីរការសង់តារាងេ្របកង់ស្រមាប់ទិន្នន័យជាេលខ៖
11
1. កំនត់ចំនួនថា្នក់៖ ចំនួនថា្នក់គឺចាប់ពី 5 េទ 20 ថា្នក់។ េដីម្បក
ី ំនត់ចំនួនថា្នក់គឺេយង
ី អាចេ្រជីសយក
k តូចបំផុតែដល 2k > n។ អ្វែី ដលសំខាន់បំផុតគេឺ យង
ី ្រត�វមានចំនួនថា្នក់្រគប់្រគាន់េដីម្បផ
ី ុ កទ
្ទ ិន្នន័យ
ទាំងអស់។
2. កំនត់ទទង
ឹ ថា្នក់៖
ទន
ិ ្នន័យធំជាងេគ − ទន
ិ ្នន័យតូចជាងេគ
ទទឹងថា្នក់ =
ចំនួនថា្នក់
3. បេង្កីតថា្នក់ែដលមន
ិ ្រត�តគា្នមានន័យថាទន
ិ ្នន័យមួយមន
ិ អាចេនក្នុងថា្នក់ពរី េផ្សងគា្ន
4. បេង្កីតថា្នក់ជាប់ៗគា្នេទាះបជា
ី មន
ិ មានទន
ិ ្នន័យេនក្នុងថា្នក់ណាមួយក៏្រត�វបញ្ចូ លថា្នក់េនក្នុងតារាង
េ្របកង់ែដរ។
5. បេង្កីតថា្នក់ែដលមានទទឹងេស្មីៗគា្ន។
ឧទាហរណ៍ 2.2.1. ទិន្នន័យៃនសីតុណ្ហភាព (◦ F) ៃនរដ្ឋទាង

ំ 50 មានបងា្ហញដូចខាងេ្រកាម៖
112 100 127 120 134 118 105 110 109 112
110 118 117 116 118 122 114 114 105 109
107 112 114 115 118 117 118 122 106 110
116 108 110 121 113 120 119 111 104 111
120 113 120 117 105 110 118 112 114 114
សង់តារាងេ្របកង់ែដលមាន 7 ថា្នក់
ចេម្លើយ. • ជំហានទ១
ី ៖ កំនត់ថា្នក់
ទិន្នន័យធំជាងេគ xmax = 134 និងទិន្នន័យតូចជាងេគ xmin = 100
រង៉ ់ៃនទន
ិ ្នន័យ
R = xmax − xmin = 134 − 100 = 34
ចំនួនថា្នក់េស្មីនឹង 7
xmax − xmin R 34
ទទឹងថា្នក់ = = = = 4.9
7 7 7
បង្គត់េឡង
ី េនាះេយង
ី យកទទង
ឹ ថា្នក់េស្មន
ី ង
ឹ 5
េ្រជីសេរសចំ
ី នុចចាប់េផ្តីមៃនថា្នក់តូចជាងេគ៖ វាអាចជាទិន្នន័យតូចជាងេគឬក៏េលខែដលល្អមួយែដល
តូចជាងទិន្នន័យ តូចជាងេគ។ េនក្នុងករណីេនះគឺ ទិន្នន័យ 100 រួច បូក ែថមទទឹង ថា្នក់ ជាបន្តបនា្ទប់
េយង
ី បានលម
ី ត
ី ថា្នក់ ខាងេ្រកាម 100, 105, 110, 115, 120, 125, 130។ េដីម្បីទទួល បានលម
ី ត
ី ថា្នក់
ខាងេលី ៃនថា្នក់ទីមួយ េយងី យក 105 − 1 = 104 រូច បូក ែថមទទឹង ថា្នក់ បន្តបនា្ទប់ េដីម្បីទទួល បាន
លីមីតថា្នក់ខាងេលីៃនថា្នក់េផ្សងេទៀត។
• ជំហានទី២៖ រាប់ទិន្នន័យេនក្នុងថា្នក់នីមួយៗ
• ជំហានទី៣៖ បេង្កីតតារាងេ្របកង់
12
ថា្នក់ របាប់ េ្របកង់ ( f )
100 − 104 // 2
105 − 109 Z//Z
///// 8
110 − 114 Z
//Z
//Z //Z
//Z //Z
///// 18
115 − 119 Z //Z
//Z //Z
///// 13
120 − 124 //Z
Z //// 7
125 − 129 / 1
130 − 134 / 1
តារាងេ្របកង់បងា្ហញថាថា្នក់ 110 − 114 ផ្ទុកនូវចំនួនសត

ី ុណ្ហភាពេ្រចន
ី ជាងេគ 18 សត
ី ុណ្ហភាពបនា្ទប់មក
ថា្នក់ 115 − 119 ែដលមាន 13 សីតុណ្ហភាព។ ដូចេនះសីតុណ្ហភាពភាគេ្រចីន (ចំនួន 31) េនចេនា្លះពី
110◦ F េទ 119◦ F។
និយមន័យ 2.2.1. បំែនងែចកេ្របកងេ់ កីនជាបំែនងែចកែដលបងា្ហញចំនួនទិន្នន័យតូចជាងេលខជាក់លាក់
ណាមួយ។
ី ុណ្ហភាពតារាងបំែនងែចកេ្របកង់េកន
ឧទាហរណ៍ 2.2.2. េនក្នុងឧទាហរណ៍សត ី គដ
ឺ ូចខាងេ្រកាម
េ្របកងេ់ កន
ី
តូចជាង 100 0
តារាងេនះបងា្ហញថាមានសត ី ុណ្ហភាពចំនួនទាំងអស់ 28 ែដលតូចជាងឬេស្មន

ី ងឹ 114 F។ មានសត
◦
ី ុណ្ហភាព
ចំនួនទាំងអស់ 48 ែដលតូចជាងឬេស្មីនឹង 124◦ F។
ឧទាហរណ៍ 2.2.3. ទន ិ ជានាទីៃនការេធ្វីដំេនរី េទមករវាងផ្ទះនង
ិ ្នន័យខាងេ្រកាមបងា្ហញអំពីរយៈេពលគត ិ
កែន្លងេធ្វីការៃនអ្នកេធ្វីការ 25 នាក់
28 25 48 37 41
19 32 26 16 23
23 29 36 31 26
21 32 25 31 43
35 42 38 33 28
សង់តារាងបំែនងែចកេ្របកង់
ចេម្លើយ. • កំនត់ចំនួនថា្នក់៖ េយង
ី េ្របីក្បូន 2 មានន័យថាេយង
k
ី រក k តូចបំផុតែដល 2 > n។ េយង
k
ី
មាន n = 25 េនាះេយង ី អាចយក k = 5 េ្រពាះ 2 = 16 < n = 25 < 2 = 32។ ដូចេនះេយង
4 5
ី កំនត់
ចំនួនថា្នក់េស្មន
ី ងឹ 5។
• កំនត់ទទឹងថា្នក់៖
ទន
ិ ្នន័យធំជាងេគ − ទន
ិ ្នន័យតូចជាងេគ 48 − 16
ទទឹងថា្នក់ = = = 6.4
ចំនួនថា្នក់ 5
េយង
ី យកទទឹងថា្នក់េស្មីនឹង 7
13
• កំនត់លីមីតថា្នក់៖ េយង
ី យកលីមីតេ្រកាមៃនថា្នក់ទីមួយ 16 រួចបូកែថមទទឹងថា្នក់ជាបន្តបនា្ទប់េយង
ី
បានលីមីត ថា្នក់ ខាងេ្រកាម 16, 23, 30, 37, 44។ េដីម្បី ទទួល បានលីមីត ថា្នក់ ខាងេលី ៃនថា្នក់ទីមួយ
េយង
ី យក 23 − 1 = 22 រួចបូកែថមទទង ឹ ថា្នក់បន្តបនា្ទប់េដីម្បទ
ី ទួលបានលម
ី តី ថា្នក់ខាងេលីៃនថា្នក់
េផ្សងេទៀត។
តារាងបំែនងែចកេ្របកង់

16 − 22 /// 3
23 − 29 Z
//Z
////// 9
30 − 36 //Z
Z //// 7
37 − 43 Z//Z
// 5
44 − 50 / 1
តារាងបំែនងែចកេ្របកង់េកីន
ី
េនេពលែដលរង៉ ៃ់ នទិន្នន័យតូចតារាងបំែនងែចកេ្របកងអា
់ ច្រត�វបានសងេ់ ដាយេ្របទ
ី ិន្នន័យមួយស្រមាប់
ថា្នក់មួយ។
ឧទាហរណ៍ 2.2.4. ទិន្នន័យខាងេ្រកាមបងា្ហញអំពីចំនួនេមា៉ងេគងេនេពលយប់ៃនសិស្ស 30 នាក់
8 6 6 8 5 7
7 8 7 6 6 7
9 7 7 6 8 10
6 7 6 7 8 7
7 8 7 8 9 8
សង់តារាងបំែនងែចកេ្របកង់
៉ ់ៃនទន
ចេម្លើយ. េដាយសាររង ិ ្នន័យតូច (10 − 5 = 5) េនាះេយង
ី េ្របទ
ី ន
ិ ្នន័យមួយស្រមាប់ថា្នក់មួយ។

5 / 1
6 Z//Z
//// 7
7 //Z
Z //Z
//Z
/// 11
8 //Z
Z ///// 8
9 // 2
10 / 1
េនក្នុងករណីេនះមានសសិ ្ស 11 នាក់េគង 7 េមា៉ងេនេពលយប់។ សស

ិ ្សភាគេ្រចន
ី េគងចេនា្លះពី 6 េទ 8
េមា៉ង។ តារាងបំែនងែចកេ្របកងេ់ កីន
14
ី
តារាងេនះបងា្ហញថាមានសិស្សចំនួន 19 នាក់ែដលេគងតិចជាង 8 េមា៉ង។
សមា្គល់ 2.2.1. េនេពលសង់ តារាងេ្របកង់ េយង

ី គួរែតេគារពតាមការែណនាំជា ជំ ហានៗខាងេលី។ ប៉ុែន្ត
េយង ់ រាងែដលខុសគា្នតច
ី ក៏អាចសងតា ិ តួចពេី នះេហយ
ី ែដល្រតម
ឹ ្រត�វផងែដរចំេពាះទន
ិ ្នន័យដូចគា្នេនះេដាយ
េ្របីទទឹងថា្នក់ ចំនួនថា្នក់ ឬក៏ចំនុចចាប់េផ្តីមៃនថា្នក់ទីមួយេផ្សងពីេនះ។ េទាះយា៉ងណាក៏េដាយ ថា្នក់គួរែត
មន
ិ ្រត�តសុគា
ី ្ន ជាប់ៗគា្ន អាចផ្ទុកទន
ិ ្នន័យទាំងអស់ នង
ិ មានទទង
ឹ េស្មៗ
ី គា្ន។
សរុបមកវ ិញេនក្នុងែផ្នកេនះេយង
ី បាន
• សង់តារាងេ្របកង់ចំេពាះទន
ិ ្នន័យជា្របេភទ
• សង់តារាងេ្របកង់ចំេពាះទន
ិ ្នន័យជាេលខេនេពលែដលរង៉ ់ៃនទន
ិ ្នន័យធំ
• សង់តារាងេ្របកង់ចំេពាះទិន្នន័យជាេលខេនេពលែដលរង៉ ់ៃនទិន្នន័យតូច
េគាលបំណងៃនការសង់តារាងេ្របកង់
1. េដីម្បេី រៀបចំទិន្នន័យឱ្យមានសណា
្ត ប់ធា្នប់
2. េដីម្បអា
ី ចកំនត់រាងៃនបំែនងែចក
3. េដម
ី ្បស
ី ្រម�លដល់ការគណនាមធ្យមនង
ិ គមា្លតទន
ិ ្នន័យ
ី ចសង់្រកាបបងា្ហញទិន្នន័យ
4. េដីម្បអា
5. េដម
ី ្បអា
ី ចេ្របៀបេធៀបរវាងទន
ិ ្នន័យេផ្សងៗគា្ន។
សង់អុីស្រកាម
្តូ
បនា្ទប់ពេី យង
ី េរៀបចំទន
ិ ្នន័យេយង
ី អាចបងា្ហញទន
ិ ្នន័យតាមរយៈ្រកាបេផ្សងៗដូចជា
1. អុីសូ្រកាម
្ត
2. ពហុេកាណេ្របកង់
3. ្រកាបេ្របកង់េកីន
និយមន័យ 2.2.2. អុស

ី ្រកាមជា្រកាបបងា
ូ ្ត ្ហ ញទន
ិ ្នន័យេដាយេ្របស
ី សរបញ្ឈរជាប់ៗគា្នែដលមានកំពស់េផ្សង
ៗគា្នតំណាងឱ្យេ្របកង់ៃនថា្នក់នីមួយៗ។
15
ឧទាហរណ៍ 2.2.5. សង់អុស
ី ូ្រកាមចំ
្ត េពាះទន
ិ ្នន័យសត
ី ុណ្ហភាព
ថា្នក់ ្រពំែដនថា្នក់ េ្របកង់ ( f )

100 − 104 99.5 − 104.5 2
105 − 109 104.5 − 109.5 8
110 − 114 109.5 − 114.5 18
115 − 119 114.5 − 119.5 13
120 − 124 119.5 − 124.5 7
125 − 129 124.5 − 129.5 1
130 − 134 129.5 − 134.5 1
េយង ី ង់អុីសូ ្រកាមេ្រពាះវាជាេលខែដលែញកថា

ី េ្របី្រពំែដនថា្នក់េដីម្បស ្ត ្ន ក់នីមួយៗេដាយមិនមានចេនា្លះេន
ក្នុងបំែនងែចកេ្របកង់។
រូប 2.1: អុីសូ្រកាម

្ត
និយមន័យ 2.2.3. ពហុេកាណេ្របកង់ជា្រកាបបងា្ហញទិន្នន័យេដាយេ្របីបនា្ទត់ភា្ជប់ចំនុចែដលបានមកពី

េ្របកង់េនចំនុចកណា ី ួយៗ។ េ្របកង់គត
្ត លថា្នក់នម ឺ ំណាងេដាយកំពស់ៃនចំនុច។
ឧទាហរណ៍ 2.2.6. សង់ពហុេកាណេ្របកង់ចំេពាះទិន្នន័យសីតុណ្ហភាព
ថា្នក់ ចំនុចកណា្ត លថា្នក់ េ្របកង់ ( f )

100 − 104 102 2
105 − 109 107 8
110 − 114 112 18
115 − 119 117 13
120 − 124 122 7
125 − 129 127 1
130 − 134 132 1
និយមន័យ 2.2.4. ្រកាបេ្របកង់េកីនជា្រកាបបងា្ហញទិន្នន័យេដាយេ្របីេ្របកង់េកីនស្រមាប់ថា្នក់នីមួយៗ

េនក្នុងតារាងបំែនងែចកេ្របកង់។
16
រូប 2.2: ពហុេកាណេ្របកង់
ឧទាហរណ៍ 2.2.7. សង់្រកាបេ្របកង់េកីនស្រមាប់ទិន្នន័យសីតុណ្ហភាព
ី
រូប 2.3: ្រកាបេ្របកង់េកីន
17
លំហាត់ 2.2.1. ទិន្នន័យខាងេ្រកាមបងា្ហញអំពច
ី ំនួនដងែដលអតិថិជនេទហាងទំនិញក្នុងកំឡុងេពលមួយ
ែខៃនអតថ
ិ ជ
ិ ន 50 នាក់
5 3 3 1 4 4 5 6 4 2
6 6 6 7 1 1 14 1 2 4
4 4 5 6 3 5 3 4 5 6
8 4 7 6 5 9 11 3 12 4
7 6 5 15 1 10 8 9 2 12
1. សង់តារាងបំែនងែចកេ្របកង់ែដលមាន 5 ថា្នក់
2. សង់តារាងបំែនងែចកេ្របកង់េកន
ី
3. សង់អុីសូ្រកាម
្ត
4. សង់ពហុេកាណេ្របកង់
5. សង់្រកាបេ្របកង់េកីន
្រកាបេ្របកង់េធៀប
េយង ់ ុស
ី អាចសងអ ី ្រកាម
ូ ្ត ពហុេកាណេ្របកង់ នង
ិ ្រកាបេ្របកងេ់ កន
ី េដាយេ្របេី ្របកងេ់ ធៀបជំនួសឱ្យេ្របកង់។
ឧទាហរណ៍ 2.2.8. េគឱ្យតារាងបំែនងែចកេ្របកង់ៃនអាយុអភិបាល្រក�ងដូចខាងេ្រកាម
្រពំែដនថា្នក់ េ្របកង់ ( f )
42.5 − 47.5 4
47.5 − 52.5 4
52.5 − 57.5 11
57.5 − 62.5 14
62.5 − 67.5 9
67.5 − 72.5 5
72.5 − 77.5 3
ចេម្លើយ. េយង ្ត លថា្នក់ និងេ្របកង់េធៀប

ី បេង្កីតតារាងថ្មីែដលមានចំនុចកណា
្រពំែដនថា្នក់ ្ត លថា្នក់ េ្របកង់េធៀប

ចំនុចកណា
42.5 − 47.5 45 4
50
= 0.08
47.5 − 52.5 50 4
50
= 0.08
52.5 − 57.5 55 11
50
= 0.22
57.5 − 62.5 60 14
50
= 0.28
62.5 − 67.5 65 9
50
= 0.18
67.5 − 72.5 70 5
50
= 0.10
72.5 − 77.5 75 3
50
= 0.06
18
រូប 2.4: អុីសូ្រកាម
្ត
រូប 2.5: ពហុេកាណេ្របកង់
និងតារាង្របកង់េធៀបេកីន
េ្របកង់េកីន េ្របកង់េធៀបេកីន
តូចជាង 42.5 0 0.00
តូចជាង 47.5 4 0.08
តូចជាង 52.5 8 0.16
តូចជាង 57.5 19 0.38
តូចជាង 62.5 33 0.66
តូចជាង 67.5 42 0.84
តូចជាង 72.5 47 0.94
តូចជាង 77.5 50 1.00
19
រូប 2.6: ្រកាបេ្របកង់េធៀបេកីន
រ ូបរាងបំែនងែចក
បំែនងែចកអាចមានរូបរាងជាេ្រចន
ី េហយ
ី វ ិធសា
ី �ស្តមួយៃនការវភាគបំ
ិ ែនងែចកគកា ់ ស
ឺ រសងអ ុី ្រកាមឬពហុ
ូ ្ត េកាណ
េ្របកង់។ រូបរាងជាេ្រចន
ី ៃនបំែនងែចកមាន៖ រាងជាកណឹ្ត ង រាងអ៊ុយនហ
ី ម
្វ រាងអក្សរ J រាងអក្សរ J ប�ញ្ចស់
រាងេទរេនខាងសា្ត ំ រាងេទរេនខាងេឆ្វង រាងម៉ូដពីរ រាងអក្សរ U។
2.3 លំហាត់អនុវត្តន៍
លំហាត់ 2.3.1. បរមាណ្រប�

ិ េតអុន
ី គត
ិ ជា្រកាមេនក្នុងសាំងវុ ិចេផ្សងៗមានបងា្ហញខាងេ្រកាម
23 30 20 27 44 26 35 20 29 29
25 15 18 27 19 22 12 26 34 15
27 35 26 43 35 14 24 12 23 31
40 35 38 57 22 42 24 21 27 33
2. សង់អុស
ី ូ្រកាម
្ត ពហុេកាណេ្របកង់ នង
ិ ្រកាបេ្របកង់េកន
ី េដាយេ្របេី ្របកង់េធៀប
3. បក្រសាយរូបរាងៃនអុស
ី ូ្រកាម
្ត
លំហាត់ 2.3.2. ទិន្នន័យខាងេ្រកាមបងា្ហញអំពីេល្ប�នខ្យល់អតិបរមាគិតជាមា៉យន៍កុ ងមួ

្ន យេមា៉ង
59 78 62 72 67
76 92 77 64 83
64 70 67 75 75
78 75 71 72 93
68 69 76 72 85
64 70 77 74 72
53 67 48 76 59
87 53 77 70 63
20
រូប 2.7: រូបរាងៃនបំែនងែចក
2. សង់អុីសូ្រកាម
្ត ពហុេកាណេ្របកង់ និង្រកាបេ្របកង់េកីន េដាយេ្របីេ្របកង់េធៀប
3. បក្រសាយរូបរាងៃនអុីសូ្រកាម
្ត
2.4 ្រកាបបងា្ហញទិន្នន័យេផ្សងេទៀត
និយមន័យ 2.4.1 (្រកាបេស៊រ ីេពលេវលា). ្រកាបេស៊រេពលេវលាជា្រកាបបងា

ី ្ហ ញទិន្នន័យែដលេកីតេឡង
ី
េនក្នុងរយៈេពលជាក់លាក់ណាមួយ។
ឧទាហរណ៍ 2.4.1. ទិន្នន័យខាងេ្រកាមបងា្ហញអំពីតៃម្លជាមធ្យមគិតជាលានដុលា្លរៃនការផ្សព្វផ�យតាម

ទូរទស្សន៍រយៈេពល 30 វ ិនាទៃី នកម្មវ ិធពា
ី នរងា្វន់បណិ្ឌ តសភា្របចាំឆា្ន ំ
ឆា្ន ំ 2010 2011 2012 2013 2014 2015

តៃម្ល 1.40 1.55 1.61 1.65 1.78 1.90
្រកាបេនះបងា្ហញថាតៃម្លផ្សព្វផ�យមានការេកីនេឡង
ី ជាេរៀងរាល់ឆា្ន។
ំ តៃម្លេកីនេឡង
ី ខា្លង
ំ បំផុតគេឺ នឆា្ន ំ
2011 បនា្ទប់មកេនឆា្ន ំ 2014។
សមា្គល់ 2.4.1. េនេពលែដលេយង
ី វ ិភាគ្រកាបេស៊រេពលេវលា
ី េយង
ី ពិនិត្យេមីលគំរែូ ដលេកីតេឡង
ី េនចេនា្លះ
េពលណាមួយ ពន ិ ត
ិ ្យេមល
ី ភាពេកន
ី ឬចុះៃនបនា្ទត់ នង
ិ ពន
ិ ត
ិ ្យេមល
ី េមគុណ្របាប់ទស
ិ ។ េមគុណ្របាប់ទស
ិ
ធំេនចេនា្លះេពលណាមួយបញ្ជក់ពីការេកីនេឡង ី ឬថយចុះរហ័សេនចេនា្លះេពលេនាះ។
21
រូប 2.8: ្រកាបេស៊រេពលេវលា
ី
និយមន័យ 2.4.2 (្រកាបចំនុច). ្រកាបចំនុចជា្រកាបែដលេ្របីចំនុចេនខាងេលីអ័ក្សអាប់សុស

ី តំណាង
ឱ្យទិន្នន័យ។
ឧទាហរណ៍ 2.4.2. ទិន្នន័យ ខាងេ្រកាមបងា្ហញពី ចំ នួន ឈា្មះព្យុះស្រមាប់ ឆា្ន ំនី មួយ ៗរយៈេពល 40 ឆា្ន ំ
ចុងេ្រកាយ
19 9 16 15 10 28 15 16 12 15
15 12 14 8 13 19 7 8 7 8
14 11 12 7 6 11 13 4 6 12
11 9 12 6 10 9 11 8 7 13
រូប 2.9: ្រកាបចំនុច
និយមន័យ 2.4.3 (្រកាប Stem និង Leaf). ្រកាប Stem និង Leaf ជា្រកាបបងា្ហញទិន្នន័យ ែដលេ្របី
មួយែផ្នកៃនទិន្នន័យជា Stem និងមួយែផ្នកេទៀតជា Leaf េដីម្បប
ី េង្កីតជា្រក�មឬថា្នក់។
22
ឧទាហរណ៍ 2.4.3. សង្រ់ កាប Stem នង
ិ Leaf ចំេពាះទន
ិ ្នន័យៃនចំនួនអ្នកេធ្វកា
ី រពនិ ត
ិ ្យចងា្វក់េបះដូងេន
មណ្ឌលពិនិត្យេនៃថ្ងនីមួយៗរយៈេពល 20 ៃថ្ង
25 31 20 32 13
14 43 02 57 23
36 32 33 32 44
32 52 44 51 45
ចេម្លើយ. • តំេរៀបទិន្នន័យតាមលំដាប់
02, 13, 14, 20, 23, 25, 31, 32, 32, 32, 32, 33, 36, 43, 44, 44, 45, 51, 52, 57
• បំែបកទិន្នន័យតាមខ្ទង់ទីមួយ
02, 13, 14, 20, 23, 25, 31, 32, 32, 32, 32, 33, 36,
43, 44, 44, 45, 51, 52, 57
• េ្របីេលខនាំមុខជា Stem និងេលខេនេ្រកាយជា Leaf
0 2
1 3 4
2 0 3 5
3 1 2 2 2 2 3 6
4 3 4 4 5
5 1 2 7
ី រស្ទង់មតេិ ទេលច
ឧទាហរណ៍ 2.4.4. អ្នក្រសាវ្រជាវ្រក�មហ៊ុនធានារា៉ ប់រងេធ្វកា ី ំនួនឡានែដល្រត�វបានលួច
េនក្នុងទី្រក�ងធំមួយស្រមាប់រយៈេពល 30 ៃថ្ងដូចមានបងា្ហញខាងេ្រកាម
52 62 51 50 69
58 77 66 53 57
75 56 55 67 73
79 59 68 65 72
57 51 63 69 75
65 53 78 66 55
សង់្រកាប Stem និង Leaf េដាយេ្របីថា្នក់ 50 − 54, 55 − 59, 60 − 64, 65 − 69, 70 − 74 និង 75 − 79
ចេម្លើយ. តំេរៀបទិន្នន័យតាមលំដាប់
50, 51, 51, 52, 53, 53, 55, 55, 56, 57, 57, 58, 59 62, 63
65, 65, 66, 66, 67, 68, 69, 69, 72, 73, 75, 75, , 77, 78, 79
េយង
ី បាន
5 0 1 1 2 3 3
5 5 5 6 7 7 8 9
6 2 3
6 5 5 6 6 7 8 9 9
7 2 3
7 5 5 7 8 9
23
ឧទាហរណ៍ 2.4.5. ទន
ិ ្នន័យខាងេ្រកាមបងា្ហញអំពព
ី ន
ិ ុ គណ
្ទ ិ តវ ិទយ នង
ិ ការអានេនក្នុងការ្របលងមួយ
គណិត ការអាន
52 66 69 62 61 65 76 76 66 67
63 57 59 59 55 71 70 70 66 61
55 59 74 72 73 61 69 78 76 77
68 76 73 77 77 80
សង់្រកាប Stem នង
ិ Leaf
9 9 9 7 5 5 2 5
9 8 6 3 2 1 6 1 1 5 6 6 7 9
6 4 3 3 2 7 0 0 1 6 6 6 7 7 7 8
8 0
ឧទាហរណ៍ 2.4.6. សង្រ់ កាបសសរេភា្លះចំេពាះទិន្នន័យៃនចំនួនយុវជនគិតជាលាននាក់ែដលមិនេរៀបការ

េនសហរដ្ឋអាេមរច
ិ
ឆា្ន ំ ្រប�ស ្រសី

1960 15.3 12.3
1980 24.2 20.2
2000 32.3 27.8
2010 40.2 34.0
រូប 2.10: ្រកាបសសរេភា្លះ
លំហាត់ 2.4.1. សិស្ស 50 នាក់្រត�វបានសួរអំពរី យៈេពលែដលពួកេគេធ្វីដំេណីរេទសាលា។ រយៈេពលគិតជា

នាទីមានបងា្ហញដូចខាងេ្រកាម៖
23 22 29 19 12 18 17 30 11 27
11 18 26 25 20 25 15 24 21 31
29 14 22 25 29 24 12 30 27 21
27 25 21 14 28 17 17 24 20 26
13 20 27 26 17 18 25 21 33 29
សង់្រកាបចំនុចនិងបក្រសាយទិន្នន័យ
24
លំហាត់ 2.4.2. សង់្រកាប Stem នង
ិ Leaf ចំេពាះទន
ិ ្នន័យខាងេ្រកាម
50 51 52 54 59 51
54 50 58 51 54 53
56 58 56 70 54 52
58 54 64 52 73 57
50 60 56 50 66 54
52 51 58 63 57 52
51 50 61 52 65 50
លំហាត់ 2.4.3. សង់ដយ្រកាមផ្លិតចំេពាះទន

ិ ្នន័យពណ៌រថយន្ត្រត�វបានបងា្ហញ
ស 19%
ទឹក្របាក់ 18%
េខ្ម 16%
្រកហម 13%
េខៀវ 12%
្របេផះ 12%
េផ្សងៗ 10%
25
26
ការបក្រសាយទិន្នន័យ
េនក្នុងជំពូកមុនេយង
ី បានេរៀបចំទិន្នន័យជា្របេភទេដាយេ្របីតារាងេ្របកង់ និងបានបងា្ហញទិន្នន័យេដាយ
ការសង្រ់ កាបសសរ ដយ្រកាមផ្លត
ិ ។ ដូចគា្នែដរេយង
ី ក៏បានេរៀបចំទន ី រាងេ្របកង់ នង
ិ ្នន័យជាេលខេដាយេ្របតា ិ
សងអ់ ស
ុី ្រកាម
ូ ្ត ពហុេកាណេ្របកង់ និង្រកាបេ្របកងេ់ កីន។ េនក្នុងជំពូកេនះេយងី នឹងសិក�អំពកា
ី របក្រសាយ
ទន
ិ ្នន័យជាេលខេដាយការគណនា
• រងា្វស់ទំេនារកណា
្ត លៃនទិន្នន័យ
• រងា្វស់គមា្លតៃនទិន្នន័យ
• រងា្វស់ទតា
ិ ្នន័យ
្ត លៃនទិន្នន័យរាយ
អ្នកស្ថិតិេ្របីលំហគំរូែដលយកេចញពីសាកលប៉ុែន្តេនេពលែដលសាកលមានទំហត
ំ ូច វាមិនចាំបាច់េនក្នុង
ការេ្របី លំហ គំរូ េទេដាយសារសាកលទាំងមូល អាច្រត�វ បានេ្របី េដីម្បី ទាញយកពត៌មាន។ ជាឧទាហរណ៍
់ ឹងពកា
ឧបមាថាអ្នក្រគប់្រគង្រក�មហ៊ុនធានារា៉ ប់រងចងដ ី រលក់្របចាំសបា្តហ៍ជាមធ្យមៃនតំណាងលក់្រក�មហ៊ុន
ទាំងអស់។ េបី្រក�មហ៊ុនជួលតំណាងលក់េ្រចីនអាចថាទូទាង ំ ្របេទសេនាះេគ្រត�វេ្របីលំហគំរូេដីម្បស
ី ន្និដា្ឋន
េទេលី ការលក់ ទាងំ អស់។ ែតេបី ្រក�មហ៊ុន ជួល តំណាងលក់ មនិ េ្រចន
ី េទអាចថា 50 នាក់ េនាះេគអាចេ្របី
តំណាងលក់ទាង
ំ អស់ែដលេនះមានន័យថាេ្របីសាកលទាំងមូលេដីម្បស
ី ន្និដា្ឋនេទេលីការលក់ទាង
ំ អស់។
និយមន័យ 3.1.1. • ស្ថត
ិ ជា
ិ រងា្វស់ែដលទទួលបានេដាយការេ្របទ
ី ន
ិ ្នន័យទាំងអស់េនក្នុងលំហគំរូ។
• បា៉រា៉ ែម៉្រតជារងា្វស់ែដលទទួលបានេដាយការេ្របីទិន្នន័យទាំងអស់េនក្នុងសាកល។
រងា្វស់ទំេនារកណា
ិ ្នន័យែដល្រត�វបានេ្រប្រី បាស់ទូេទមាន
1. មធ្យម ឬមធ្យមនព្វន្ធ
2. េមដយន
3. ម៉ូដ
មធ្យមសាកល
េនក្នុងការសិក�មួយចំនួនេគេ្របទ
ី ិន្នន័យទាំងអស់េនក្នុងសាកល។ ចំេពាះទិន្នន័យរាយ មធ្យមសាកលគឺជា
ផលបូកៃនទន
ិ ្នន័យទាំងអស់េនក្នុងសាកលែចកេដាយចំនួនទន
ិ ្នន័យេនក្នុងសាកល។
ិ ្នន័យទាំងអស់េនក្នុងសាកល
មធ្យមសាកល =
ចំនួនទន
ិ ្នន័យេនក្នុងសាកល
27
រូបមន្តមធ្យមសាកល P
x
µ=
N
ែដល
• µ : មធ្យមសាកល
• N : ចំនួនទន
ិ ្នន័យក្នុងសាកល
• x : ទន
ិ ្នន័យនម
ី ួយៗ
P
• x : ផលបូកទន
ិ ្នន័យទាំងអស់កុ ងសាកល
្ន
ឧទាហរណ៍ 3.1.1. វាមាន្រចកេចញចំនួន 42 េនតាមបណា

្ត យផ្លូវឆ្លងរដ្ឋកាត់តាមរដ្ឋឃន
ិ ធុ គីសហរដ្ឋអា
េមរច។
ិ ទិន្នន័យខាងេ្រកាមបងា្ហញអំពីចមា្ងយរវាង្រចកេចញនីមួយៗគិតជាមា៉យ
11 4 10 4 9 3 8 10 3 14 1 10 3 5
2 2 5 6 1 2 2 3 7 1 3 7 8 10
1 4 7 5 2 2 5 1 1 3 3 1 2 1
គណនាមធ្យមៃនចមា្ងយរវាង្រចកេចញនម ី ួយៗ។ សមា្គល់ថាេនះជាសាកលេ្រពាះេយង ី េ្រប្រី ចកេចញទាំងអស់

េនតាមបណា
្ត យផ្លូវឆ្លងរដ្ឋកាត់តាមរដ្ឋឃន ិ ធុគី។ ដូចេនះមធ្យមៃនចមា្ងយរវាង្រចកេចញនីមួយៗគឺ
P
x 11 + 4 + 10 + · · · + 1 192
µ= = = = 4.57
N 42 42
មធ្យមលំហគំរ ូ
េនក្នុងការសិក�ភាគេ្រចីនេគេ្រជីសេរសលំ
ី ហគំរេូ ចញពសា
ី កលេ្រពាះវាចំណាយថវ ិកា និងេពលេវលាេ្រចីន
េដីម្បស
ី ក
ិ �សាកលទាំងមូលេបីវាមានទំហធ ំ ំ។ ចំេពាះទន ិ ្នន័យរាយ មធ្យមលំហគំរូគជា
ឺ ផលបូកៃនទន
ិ ្នន័យ
ទាំងអស់េនក្នុងលំហគំរូែចកេដាយចំនួនទិន្នន័យេនក្នុងលំហគំរូ។
ិ ្នន័យទាំងអស់េនក្នុងលំហគំរូ
មធ្យមលំហគំរូ =
ិ ្នន័យេនក្នុងលំហគំរូ
រូបមន្តមធ្យមលំហគំរូ P
x
x̄ =
n
ែដល
• x̄ : មធ្យមលំហគំរូ
• n : ចំនួនទន
ិ ្នន័យក្នុងលំហគំរូ
• x : ទន
ី ួយៗ
P
• x : ផលបូកទន
ិ ្នន័យទាំងអស់កុ ងលំ
្ន ហគំរូ
28
ឧទាហរណ៍ 3.1.2. ្រក�មហ៊ុនកំពុងសិក�អំពច
ី ំនួននាទ្រី បចាំែខែដលបានេ្របី្របាស់េដាយអតិថិជនេនក្នុង
គេ្រមាងអា្រតាទូរសព្ទៃដមួយ។ លំហគំរូៃចដន្យៃនអតថ
ិ ជ
ិ ន 12 នាក់បងា្ហញចំនួននាទីែដលបានេ្រប្រី បាស់
កាលពីែខមុនដូចខាងេ្រកាម
90 77 94 89 119 112 91 110 92 100 113 83
េតម
ី ធ្យមៃនចំនួននាទែី ដលបានេ្រប្រី បាស់កាលពែី ខមុនេស្មន
ី ង
ឹ ប៉ុនា្មន? មធ្យមៃនចំនួននាទគ
ី ឺ
P
x 90 + 77 + · · · + 83 1170
x̄ = = = = 97.5
n 12 12
លក្ខណៈ 3.1.1. 1. មធ្យមគមា
ឺ នែតមួយគត់
2. ផលបូកៃនគមា្លតទិន្នន័យនីមួយៗេចញពីតៃម្លមធ្យមេស្មីនឹងសូន្យ
X
(x − x̄) = 0
តាមពត
ិ េទេបល
ី ំហគំរូមាន n ទន
ិ ្នន័យ x1 , x2 , . . . , xn េនាះ
Xn Xn
(xi − x̄) = xi − n x̄
i=1 i=1
= n x̄ − n x̄
=0
ឧទាហរណ៍ 3.1.3. ពន
ិ ុស
្ទ ស
ិ ្សៃនេតស្តទាង
ំ 5 គឺ 42, 60, 70, 75, 78 េនាះពន
ិ ុ ជាមធ្យមរបស់
្ទ គាត់គឺ
P
x 42 + 60 + 70 + 75 + 78 325
x̄ = = = = 65
n 5 5
េយង
ី ពន
ិ ត
ិ ្យ
X
n
(xi − x̄) = (42 − 65) + (60 − 65) + (70 − 65) + (75 − 65) + (78 − 65)
i=1
= (−23) + (−5) + (5) + (10) + (13) = −28 + 28 = 0
លំហាត់ 3.1.1. 1. សស ិ ្ស 6 នាក់ េនក្នុងថា្នក់ វ ិទយសា�ស្ត កុំព្យូទ័រ ជាសាកល។ ពន

ិ ុ ្ទ បញ្ច ប់ មុខវ ិជា្ជ របស់
ពួកេគគឺ 92, 96, 61, 86, 79, 84
(a) សេសររូបមន្តស្រមាប់គណនាមធ្យមសាកល
(b) គណនាមធ្យមៃនពន
ិ ុ ្ទ
(c) េតម
ី ធ្យមែដលបានគណនាជាស្ថត
ិ ិ ឬបា៉រា៉ ែម៉្រត? េហតុអ?
ី្វ
2. ្របាក់ចំណូល្របចាំឆា្ន ំៃនលំហគំរៃូ នបុគ្គលិក្រគប់្រគងក្នុង្រក�មហ៊ុនមួយគឺ 6290$, 6910$, 5830$, 7680$
(a) សេសររូបមន្តស្រមាប់គណនាមធ្យមលំហគំរូ
(b) គណនាមធ្យមលំហគំរូ
(c) េតម
ី ធ្យមែដលបានគណនាជាស្ថត ិ ិ ឬបា៉រា៉ ែម៉្រត? េហតុអ?
ី្វ
P
(d) េផ្ទ�ងផា្ទត់ថា (x − x̄) = 0
3. សន្មត់ ថា អ្នក េទ ហាងទំនញ

ិ េហយ
ី ចំណាយ អស់ 61.85$ ស្រមាប់ ទញ
ិ ទំនញ
ិ 14 មុខ។ េតី តៃម្ល
ជាមធ្យមស្រមាប់មុខទំនិញនីមួយៗេស្មីនឹងប៉ុនា្មន?
29
េមដយន
និយមន័យ 3.1.2. េមដយនគឺជាចំនុចកណា

្ត លៃនទិន្នន័យែដលតំេរៀបតាមលំដាប់។
េដីម្បរី កេមដយនេយង
ី ្រត�វ
1. តំេរៀបទិន្នន័យតាមលំដាប់េកីន
2. កំនត់ចំនួនទិន្នន័យ n
3. េបី n េសស េយង

ី េ្រជីសយកទិន្នន័យែដលេនកណា
្ត លជាេមដយន។
4. េបី n គូ េយង
ី រកមធ្យមៃនទិន្នន័យពីរែដលេនកណា
្ត លេនាះតៃម្លែដលទទួលបានជាេមដយន។
មានន័យថា
តាង x(i) ជាទន
ិ ្នន័យទី i តូចបំផុត
x1 , x2 , . . . , xn → x(1) ≤ x(2) ≤ . . . ≤ x(n)
2. េបី n េសសេនាះេមដយនេស្មន
ី ងឹ
MD = x( n+1
2 )
3. េបី n គូេនាះេមដយនេស្មីនឹង
x( n2 ) + x( n2 +1)
MD =
2
ឧទាហរណ៍ 3.1.4. រកេមដយនៃនទិន្នន័យ
15 17 12 32 21 11
តំេរៀបទិន្នន័យតាមលំដាប់េកីន
11 12 15 17 21 32
េដាយសារ n = 6 េនាះេមដយន
x(3) + x(4) 15 + 17
MD = = = 16
2 2
ឧទាហរណ៍ 3.1.5. រកេមដយនៃនទន

ិ ្នន័យ
23 12 23 27 34 41 25
តំេរៀបទិន្នន័យតាមលំដាប់េកីន
12 23 23 25 27 34 41
េដាយសារ n = 7 េនាះេមដយន
MD = x(4) = 25
សមា្គល់ 3.1.1. េមដយនគឺ មន
ិ រងផលប៉ះពាល់ េដាយតៃម្ល ទន
ិ ្នន័យ ធំ េពកឬតូច េពកេនាះេទ រឯមធ្យមគ
ី ឺ រង
ផលប៉ះពាល់េដាយតៃម្លទិន្នន័យធំេពកឬតូចេពក។
30
• មធ្យមគឺធំជាងេមដយនេបីបំែនងែចកេទរេទខាងសា្ត ំ
• មធ្យមគឺតូចជាងេមដយនេបីបំែនងែចកេទរេទខាងេឆ្វង
• មធ្យមេស្មន
ី ងឹ េមដយនេបប
ី ំែនងែចកគស
ឺ ុម
ី ្រី ទ។
ី
ដូចេនះ មធ្យម ជា រងា្វស់ ទំេនារ កណា

្ត ល ែដល សម្រសប ចំេពាះ ទិន្នន័យ ែដល មា នបំ ែនង ែចក សុី មី ្រទី រ ឯ
ី
េមដយនសម្រសបចំេពាះទន
ិ ្នន័យែដលេទរ។ វាមន
ិ ែមនចាំបាច់ដាច់ខាតែដលគត
ិ ថាពាក់កណា
ិ ្នន័យ
គឺ តូចជាងេមដយនេនាះេទ។ ជាឧទាហរណ៍ ចំេពាះទិន្នន័យ ពិនុ ្ទ 51 66 71 78 78 78 81 82 82 91 99។
េមដយនគឺ 78 ប៉ុែន្តមានទន
ិ ្នន័យែត 3 ែដលតូចជាង 78 នង ិ មានទន
ិ ្នន័យ 5 ធំជាង 78។ វាបញ្ជក់ថាេមដយនគឺ
មិនពុះែចកទិន្នន័យ “50 − 50“ ឥតេខា្ចះេនាះេទេនក្នុងករណីេនះ។ សា្ថនភាពេនះមិនែមនជាភាពមិនធម្មតា
ិ ្នន័យែដលមានតៃម្លដូចៗគា្ន្របមូលផ្តុំេនកណា
េនាះេទចំេពាះទន ្ត ល។
លំហាត់ 3.1.2. េហ្វសប៊ក

ុ គជា
ឺ េវបសាយបណា ៏ ន្របជា្របយ
្ត ញសង្គមដមា ិ ភាព។ អ្នកេ្រប្រី បាស់អាចទទួលមត
ិ ្ត
េផ្ញីសារ និងេធ្វីបច្ចុប្បន្នភាពពត៌មានផា្ទល់ខួ ន ័
្ល និងសកម្មភាពពួកេគេផ្សងេទៀត។ លំហគំរូៃចដន្យៃនយុវវយ
10 នាក់បានបងា្ហញថាពួកេគចំណាយេពលជាេ្រចន
ី េមា៉ងេទេលីការេ្របី្របាស់េហ្វសប៊ុកកាលពីែខមុនដូច
ខាងេ្រកាម
3 5 7 5 9 1 3 9 17 10
រកេមដយនៃនចំនួនេមា៉ង។
ម៉ូដ
និយមន័យ 3.1.3. ម៉ូដគឺជាទិន្នន័យែដលេកីតេឡង

ី ញឹកញាប់ជាងេគ។
• េបមា ិ ្នន័យែតមួយមានេ្របកង់ធំជាងេគេនាះេយង
ី នទន ី ថាវាជាឯកម៉ូដ
• េបីមានទិន្នន័យែតពីរមានេ្របកង់ធំជាងេគេនាះេយង
ី ថាវាជាេទ្វមូដ
៉
• េបីមានទិន្នន័យេ្រចីនជាងពីរមានេ្របកង់ធំជាងេគេនាះេយង
ី ថាវាជាពហុមូដ
៉
• េនេពលែដលមិនមានទិន្នន័យណាេកីតេឡង
ី េ្រចីនជាងមួយដងេនាះេយង
ី ថាវាគា្មនម៉ូដ។
ឧទាហរណ៍ 3.1.6. រកម៉ូដៃនទិន្នន័យខាងេ្រកាម
114 77 21 101 311 77 159 382
េដាយសារ 77 េកត
ី េឡង
ី 2 ដងេនាះម៉ូដគឺ 77
104 104 104 104 104

107 109 109 109 110
109 111 112 111 109
េដាយសារ 104 នង
ិ 109 េកត
ី េឡង
ី 5 ដងដូចគា្នេនាះម៉ូដគឺ 104 នង
ិ 109
61 48 28 25 24
េដាយសារទិន្នន័យនីមួយៗេកីតេឡង
ី ែតម្តងដូចៗគា្នេនាះវាគា្មនម៉ូដ។
31
លំហាត់ 3.1.3. 1. េគឱ្យទិន្នន័យដូចខាងេ្រកាម
58 75 31 58 46 65 60 71 45 58 80
រកមធ្យម េមដយន និងម៉ូដ
2. ទន
ិ ្នន័យខាងេ្រកាមបងា្ហញអំពក
ី ំពស់ៃនរថេភ្លង
ី េហាះចំនួន 14 គត
ិ ជាហ្វត
ី ដូចខាងេ្រកាម
95 105 50 125 102 120 160

102 118 91 160 95 50 84
រកមធ្យម េមដយន នង
ិ ម៉ូដ
ទីតា ំងេធៀបៃនមធ្យម េមដយន និងម៉ូដ
ី ែំ នងែចកេ្របកងេ់ ទរេទខាងសា្ត ំមានន័យថាទិន្នន័យភាគេ្រចីន្របមូលផ្តេុ ំ នខាងេឆ្វង និងទិន្នន័យតិចតួច

េបប
េនខាងសា្ត។ ិ េមដយនធំជាងម៉ូដ េបីបំែនងែចកេ្របកង់រាងសុីមី
ំ េនក្នុងករណីេនះមធ្យមធំជាងេមដយន នង
ី នន័យថាទិន្នន័យេស្មីគា្ន្របមូលផ្តុេំ នខាងេឆ្វង និងេនខាងសា្ត។

្រទមា ំ េនក្នុងករណីេនះមធ្យម េមដយន និង
ម៉ូដ្រត�តសុគា
ី ្ន
េបីបំែនងែចកេ្របកង់េទរេទខាងេឆ្វងមានន័យថាទន ី ្របមូលផ្តុំេនខាងសា្ត ំ នង
ិ ្នន័យភាគេ្រចន ិ ទន
ិ ្នន័យ
តច
ិ តួចេនខាងេឆ្វង។ េនក្នុងករណីេនះម៉ូដធំជាងេមដយន នង
ិ េមដយនធំជាងមធ្យម
32
មធ្យមទម្ងន់
មធ្យមទម្ងន់ ជា វ ិធី ងាយ្រស�ល ក្នុងការគណនាមធ្យមេនេពលែដលមានទិន្នន័យ ជាេ្រចីន ដូចគា្ន។ ឧបមាថា

ហាងមួយ បានលក់ េភសជ្ជៈ ខា្នតតូច ខា្នតមធ្យម នង
ិ ខា្នតធំ កុ ងតៃម្ល
្ន 1.84$, 2.07$ នង
ិ 2.40$ េរៀងគា្ន។
េនក្នុងចំេណាមេភសជ្ជៈចំនួន 10 ែដលបានលក់ចុងេ្រកាយមានខា្នតតូចចំនួន 3 ខា្នតមធ្យមចំនួន 4 នង ិ
ខា្នតធំ ចំនួន 3 រកមធ្យមៃនតៃម្ល ៃនេភសជ្ជៈ ចំនួន 10 ែដលបានលក់ ចុងេ្រកាយ។ េយង ី អាចរកមធ្យមតាម
រូបមន្ត
P
x
x̄ =
n
1.84 + 1.84 + 1.84 + 2.07 + 2.07 + 2.07 + 2.07 + 2.40 + 2.40 + 2.40
=
10
21
= = 2.10
10
វ ិធងា
ី យជាងេនះេដីម្បរី កមធ្យមៃនតៃម្លគក
ឺ ំនត់មធ្យមទម្ងនមា
់ នន័យថាេយង
ី គុណទន
ី ួយៗនង
ឹ ចំនួន
ដងែដលវាេកត ី េឡង
ី ។ តាងមធ្យមទម្ងន់េដាយ x̄w
3(1.84) + 4(2.07) + 3(2.40) 21
x̄w = = = 2.10
10 10
េនក្នុងករណីេនះទម្ងនជា
់ ចំនួនដងៃនទន
ិ ្នន័យែដលេកត
ី េឡង
ី ប៉ុែន្តទម្ងនអា
់ ចជារងា្វស់ចាបា
ំ ច់េផ្សងេទៀត។
ជាទូេទមធ្យមទម្ងន់ៃន x1 , x2 , . . . , xn ែដលមានទម្ងន់េរៀងគា្ន w1 , w2 , . . . , wn អាចគណនាេដាយ
និយមន័យ 3.1.4 (មធ្យមទម្ងន់).

P
w1 x1 + w2 x2 + · · · + wn xn wi xi
x̄w = = P
w1 + w2 + · · · + wn wi
ែដល w1 , w2 , . . . , wn ជាទម្ងន់េរៀងគា្នៃន x1 , x2 , . . . , xn ។
់ ួយេអាយ្របាក់េមា៉ងបុគ្គលិកខ្លួន 16.50$, 19.00$ ឬ 25.00$ ក្នុង

ឧទាហរណ៍ 3.1.9. ្រក�មហ៊ុនសាងសងម
មួយេមា៉ង។ វាមានបុគ្គលិកចំនួន 26 នាក់ែដល្រត�វផ្តល្រ់ បាក់េមា៉ងែដលក្នុងេនាះមាន 14 នាក់ែដល្រត�វផ្តល់
្របាក់េមា៉ងេដាយអា្រតា 16.50$ នងិ 10 នាក់េដាយអា្រតា 19.00$ នង ិ 2 នាក់េទៀតេដាយអា្រតា 25.00$។
េតីមធ្យមៃនអា្រតាក្នុងមួយេមា៉ងែដលផ្តល់ដល់បុគ្គលិក 26 នាក់េស្មីនឹងប៉ុនា្មន?
14(16.50) + 10(19.00) + 2(25.00) 471

x̄w = = = 18.1154
14 + 10 + 2 26
33
ដូចេនះមធ្យមៃនអា្រតា្របាក់េមា៉ងគឺ 18.12$
ឧទាហរណ៍ 3.1.10 (GPA). សិស្សមា្នក់ទទួលបាន A េទេលីមុខវ ិជា្ជែតងេសចក្តីអង់េគ្លស (3 េ្រកឌីត)
បាន C េទេលចី ិត្តវ ិទយ (3 េ្រកឌីត) បាន B េទេលជ ី ីវវ ិទយ (4 េ្រកឌីត) និងបាន D េទេលរី ូបវ ិទយ (2 េ្រក
ឌីត)។ សន្មត់ថា A = 4 ពិនុ ្ទ B = 3 ពិនុ ្ទ C = 2 ពិនុ ្ទ D = 1 ពិនុ ្ទ និង F = 0 ពិនុ ។
្ទ រក GPA របស់សិស្ស
មា្នក់េនាះ។
មុខវ ិជា្ជ េ្រកឌីត(w) ពិនុ ្ទ (x)

ែតងេសចក្តីអង់េគ្លស 3 A(4)
ចត
ិ ្តវ ិទយ 3 C(2)
ជីវវ ិទយ 4 B(3)
រូបវ ិទយ 2 D(1)
P
wx 3.4 + 3.2 + 4.3 + 2.1 32
x̄w = P = = = 2.7
w 3+3+4+2 12
ដូចេនះ GPA របស់សិស្សមា្នក់េនាះគឺ 2.7
លំហាត់ 3.1.4. 1. ្រគ� មា្នក់ ដាក់ ពន
ិ ុ ្ទ សស
ិ ្សេដាយកច
ិ ្ចការ្រសាវ្រជាវ 20% ្របលងពាក់កណា
្ត លឆមាស
30% និង ្របលងបញ្ច ប់ ឆមាស 50%។ េបី សិស្សមា្នក់ ទទួល បានពិនុ ្ទ 83, 72 និង 90 េរៀងគា្ន េទេលី
កច
ិ ្ចការ្រសាវ្រជាវ ្របលងពាក់កណា
្ត លឆមាស នង
ិ ្របលងបញ្ច ប់ឆមាស។ រកមធ្យមភាគពន
ិ ុៃនស
្ទ ស
ិ ្ស
មា្នក់េនាះេដាយេ្របីមធ្យមទម្ងន់។
2. ្រគ�មា្នក់េទៀតដាក់ពិនុ ស
្ទ ិស្សេដាយការ្របលងរយៈេពលមួយេមា៉ងចំនួន 4 និងការ្របលងបញ្ច ប់ចំនួន
1 ែដលេស្មន
ី ងឹ ការ្របលងរយៈេពលមួយេមា៉ងចំនួន 2។ រកមធ្យមភាគពន
ិ ុៃនស
្ទ ិស្សេបគា
ី ត់ទទួលបាន
62, 83, 97 និង 90 េទេលីការ្របលងរយៈេពលមួយេមា៉ង និង 82 េទេលីការ្របលងបញ្ច ប់។
្ត លៃនទិន្នន័យជាថា្នក់
មធ្យមៃនទិន្នន័យជាថា្នក់
េដីម្បី រកមធ្យមស្រមាប់ ទិន្នន័យ ជាថា្នក់ ឬ ្រក�ម េយង

ី សន្មត់ ថា មធ្យមៃនទិន្នន័យ ទាំងអស់ េនក្នុងថា្នក់ មួយ
េស្មីនឹង ចំនុច កណា
្ត លថា្នក់។ ជាការពិត ការសន្ម ត់ េនះមិន ពិត េទេ្រពាះមធ្យមៃនទិន្នន័យ រាយេនក្នុងថា្នក់
្ត លថា្នក់េនាះេទ។ ប៉ុែន្តដំេណីរការេនះនឹងផ្តលកា
មួយជាធម្មតានឹងមិនេស្មីនឹងចំនុចកណា ់ របា៉ន់សា្មនសមរម្យ
ស្រមាប់មធ្យមេ្រពាះមានទន
ិ ្នន័យខ្លះេនេលច
ី ំនុចកណា
្ត លថា្នក់ នង
ិ មានទន
ិ ្នន័យខ្លះេនេ្រកាមចំនុចកណា
្ត ល
ថា្នក់ េនាះចំនុចកណា
្ត លថា្នក់តំណាងឱ្យការបា៉ន់សា្មនៃន្រគប់ទិន្នន័យទាំងអស់េនក្នុងថា្នក់។ រូបមន្តមធ្យម
ស្រមាប់ទិន្នន័យជាថា្នក់គឺឱ្យេដាយ P
f.Xm
X̄ =
n
ែដល
• f ជាេ្របកង់កុ ងថា
្ន ្ន ក់នីមួយៗ
• Xm ជាចំនុចកណា
្ត លថា្នក់នីមួយៗ
34
• n ជាេ្របកង់សរុប
់ ងា្ហញអំព្រី បាក់ែខ (គិតជាលានដុលា្លរ) ស្រមាប់មួយឆា្ន ំ

ឧទាហរណ៍ 3.2.1. េគឱ្យតារាងបំែនងែចកេ្របកងប
ៃននាយក្របតប
ិ ត្តក
ិ ំពូលទាំង 25 នាក់េនសហរដ្ឋអាេមរកដូ
ិ ចខាងេ្រកាម
្រពំែដនថា្នក់ េ្របកង់
15.5 − 20.5 13
20.5 − 25.5 6
25.5 − 30.5 4
30.5 − 35.5 1
35.5 − 40.5 1
n = 25
គណនាមធ្យមៃនទិន្នន័យ
ចេម្លើយ. េយង
ី បេង្កីតតារាង
្រពំែដនថា្នក់ េ្របកង់ ចំនុចកណា

្ត លថា្នក់ Xm f.Xm
15.5 − 20.5 13 18 234
20.5 − 25.5 6 23 138
25.5 − 30.5 4 28 112
30.5 − 35.5 1 33 33
35.5 − 40.5 1 38 38
P
n = 25 f.Xm = 555
េយង
ី បាន P
f.Xm 555
X̄ = = = 22.2
n 25
ដូចេនះ្របាក់ែខជាមធ្យមគឺ 22.2 លានដុលា្លរ។
លំហាត់ 3.2.1. េគឱ្យតារាងបំែនងែចកេ្របកង់ដូចខាងេ្រកាម
0.5 − 19.5 12
19.5 − 38.5 7
38.5 − 57.5 5
57.5 − 76.5 3
76.5 − 95.5 3
n = 30
គណនាមធ្យមៃនទិន្នន័យ
េមដយនៃនទិន្នន័យជាថា្នក់
ី អាចបា៉ន់សា្មនេមដយនស្រមាប់ទិន្នន័យែដលតំេរៀបជាតារាងេ្របកង់។ ដំបូងេយង
េយង ី រកថា្នក់េមដយនែដល
ជាថា្នក់ផុ ្ទកេមដយនមានន័យថាជាថា្នក់ែដលផ្ទុកទន
ិ ្នន័យទី 2 ។ បនា្ទប់មកេយង
n
ី គណនាេមដយនតាមរូបមន្ត
n/2 − cf
MD = Lm + (w)
f
ែដល
35
• cf ជាេ្របកង់េកីនៃនថា្នក់មុនថា្នក់េមដយនមួយថា្នក់
• w ជា្របែវងថា្នក់េមដយន
• f ជាេ្របកង់ថា្នក់េមដយន
• Lm ជា្រពំែដនថា្នក់ខាងេ្រកាមថា្នក់េមដយន
ឧទាហរណ៍ 3.2.2. េគឱ្យតារាងេ្របកង់បងា្ហញអំពីរយៈេពលេធ្វីដំេណីរេទេធ្វីការគិតជានាទីៃនមនុស្ស 50

នាក់
0.5 − 10.5 8
10.5 − 20.5 14
20.5 − 30.5 12
30.5 − 40.5 9
40.5 − 50.5 7
n = 50
គណនាេមដយនៃនទិន្នន័យ
ចេម្លើយ. សង់តារាងេ្របកង់េកន
ី
្រពំែដនថា្នក់ េ្របកង់ េ្របកង់េកីន
0.5 − 10.5 8 8
10.5 − 20.5 14 22
20.5 − 30.5 12 34
30.5 − 40.5 9 43
40.5 − 50.5 7 50
េដាយសារ n
2
= 50
2
= 25 េនាះថា្នក់េមដយនគឺ 20.5 − 30.5។ ដូចេនះ
Lm = 20.5, f = 12, c f = 22, w = 10
នាំឱ្យ
n/2 − cf 25 − 22
MD = Lm + (w) = 20.5 + (10) = 23
f 12
ដូេច្នះមនុស្ស 25 នាក់ចំណាយេពលតច
ិ ជាង 23 នាទីេដីម្បេី ធ្វដ ី ំេណីរេទេធ្វកា
ី រ នង
ិ មនុស្ស 25 នាក់េទៀត
ចំណាយេពលេ្រចីនជាង 23 នាទីេដីម្បេី ធ្វីដេំ ណីរេទេធ្វីការ។
13.5 − 20.5 10
20.5 − 27.5 11
27.5 − 34.5 6
34.5 − 41.5 8
41.5 − 48.5 4
48.5 − 55.5 1
គណនាេមដយនៃនទិន្នន័យ
36
ម៉ូដៃនទិន្នន័យជាថា្នក់
៉ ជាថា្នក់ែដលមានេ្របកង់េ្រចីនជាងេគ។ េយង
ចំេពាះទិន្នន័យជាថា្នក់ ថា្នក់មូដ ី អាចរកម៉ូដតាមរូបមន្ត
!
f1 − f0
Mode = Lmo + (w)
( f1 − f0 ) + ( f1 − f2 )
ែដល
• Lmo ជា្រពំែដនថា្នក់ខាងេ្រកាមថា្នក់មូដ
៉
• f1 ជាេ្របកង់ថា្នក់មូដ
៉
• f0 ជាេ្របកង់ៃនថា្នក់មុនថា្នក់មូដ
៉ មួយថា្នក់
• f2 ជាេ្របកង់ៃនថា្នក់េ្រកាយថា្នក់មូដ
៉ មួយថា្នក់
• w ជា្របែវងថា្នក់មូដ
៉
ឧទាហរណ៍ 3.2.3. េគឱ្យតារាងេ្របកង់បងា្ហញអំពីរយៈេពលេធ្វដ

ី ំេណីរេទេធ្វកា
ី រគត
ិ ជានាទីៃនមនុស្ស 50
នាក់
0.5 − 10.5 8
10.5 − 20.5 14
20.5 − 30.5 12
30.5 − 40.5 9
40.5 − 50.5 7
n = 50
គណនាម៉ូដទន
ិ ្នន័យ
ចេម្លើយ. តាមតារាងេយង
ី បានថា្នក់មូដ
៉ គឺ 10.5 − 20.5។ ដូចេនះ
Lmo = 10.5, f1 = 14, f0 = 8, f2 = 12, w = 10
នាំឱ្យ
!
f1 − f0
Mode = Lmo + (w)
( f1 − f0 ) + ( f1 − f2 )
!
6
= 10.5 + (10) = 18
6+2
149.5 − 158.5 5
158.5 − 167.5 16
167.5 − 176.5 20
176.5 − 185.5 21
185.5 − 194.5 20
194.5 − 203.5 15
203.5 − 212.5 3
គណនាមធ្យម េមដយន ម៉ូដៃនទិន្នន័យ
37
3.3 រងា្វស់គមា្លតៃនទិន្នន័យរាយ
ពិនិត្យេមីលទិន្នន័យខាងេ្រកាមែដលបងា្ហញអំពីរយៈេពលគិតជាែខៃនថា្នលា
ំ បពីរ្របេភទ
A 10 60 50 30 40 20
B 35 45 30 35 40 25
ទន
ិ ្នន័យ ទាំងពរី មានមធ្យមេស្មន
ី ងឹ 35 ែខដូចគា្ន េតី េយង
ី អាចសន្នដា
ិ ្ឋ នថាថា្នលា
ំ ប្របេភទទាំងពរី េ្របី បាន
រយៈេពលដូចគា្នឬយា៉ងណា? តាមពិតេទទិន្នន័យទាំងពីរមិនដូចគា្នេទេទាះបីជាមានមធ្យមដូចគា្នែតគមា្លត
គខ
ឺ ុសគា្ន។ ក្នុងស្ថិតេិ ដីម្បប
ី ក្រសាយទិន្នន័យឱ្យបាន្រតឹម្រត�វអ្នកស្ថិត្រិ ត�វដឹងេ្រចីនជាងរងា្វស់ទំេនារកណា
្ត ល
ៃនទន
ិ ្នន័យ។ េយង
ី នង
ឹ សក
ិ �អំពរី ងា្វស់គមា្លតៃនទន
ិ ្នន័យ៖
1. រង៉ ់
2. វា៉ដ្យង់
3. គមា្លតស្តង់ដា
សមា្គល់ 3.3.1. • រង៉ ់អា្រស័យនង

ឹ ទន
ិ ្នន័យធំជាងេគនង
ិ ទន
ិ ្នន័យតូចជាងេគមានន័យថាមានតៃម្លែតពរី
េទែដល្រត�វបានពិនិត្យ។
• វា៉ដ្យង់និងគមា្លតស្តង់ដាេ្របីទិន្នន័យទាំងអស់និងអា្រស័យេលីគមា្លតេចញពីមធ្យម។
រ ៉ង់
រងា្វស់គមា្លតដ៏សាមញញបំផុតគឺ រង៉ ់ែដលជាផលដករវាងទិន្នន័យធំជាងេគនិងទិន្នន័យតូចជាងេគ។
និយមន័យ 3.3.1.
រង៉ ់ = ទិន្នន័យធំជាងេគ − ទិន្នន័យតូចជាងេគ
េនក្នុងឧទាហរណ៍ខាងេលី
រង៉ ៃ់ នទន
ិ ្នន័យ A គឺ
រង៉ ់ = 60 − 10 = 50
រង៉ ់ៃនទន
ិ ្នន័យ B គឺ
រង៉ ់ = 45 − 25 = 20
វា៉ដ្យង់និងគមា្លតស្តង់ដា
និយមន័យ 3.3.2. វា៉ដ្យង់សាកល σ2 គឺជាមធ្យមៃនកាេរៃនចមា្ងយទិន្នន័យនីមួយៗេចញពីតៃម្លមធ្យម

PN
i=1 (xi − µ)2
σ =
2
N
ែដល
• xi ជាទិន្នន័យនីមួយៗ
• µ ជាមធ្យមសាកល
38
• N ជាទំហសា
ំ កល
់ សាកលគឺជាឬសកាេរៃនវា៉ដ្យង់
និយមន័យ 3.3.3. គមា្លតស្តងដា
s
√ PN
i=1 (xi − µ)2
σ= σ2 =
N
សមា្គល់ 3.3.2. • ឯកតាេនក្នុងវា៉ដ្យង់ជាឯកតាកាេរនង

ិ ទន
ិ ្នន័យេដីមគជា
ឺ ឯកតាធម្មតា។
់ គដ
• ឯកតាេនក្នុងគមា្លតស្តងដា ឺ ូចគា្ននង ិ ្នន័យេដីម េ្រពាះការបំពាក់ឬសកាេរៃនវា៉ដ្យង់
ឹ ឯកតាេនក្នុងទន
សាកលេយង
ី អាចបែម្លងឯកតាឱ្យដូចនឹងឯកតាែដលេ្របីកុ ងទ
្ន ិន្នន័យេដីម។
ដំេណីរការក្នុងការរកវា៉ដ្យង់នង
ិ គមា្លតស្តង់ដាសាកល
1. រកមធ្យមសាកល
PN
xi
µ= i=1
N
2. រកគមា្លតស្រមាប់ទិន្នន័យនីមួយៗ xi − µ
3. េលីកគមា្លតនីមួយៗជាកាេរ (xi − µ)2

PN
4. រកផលបូកៃនកាេរ i=1 (xi − µ)2
ី ទួលបានវា៉ដ្យង់
5. ែចកនឹង N េដីម្បទ
PN
i=1 (xi − µ)2
σ =
2
N
ី ទួលបានគមា្លតស្តង់ដា
6. បំពាក់ឫសកាេរេដីម្បទ
s
PN
i=1 (xi − µ)2
σ=
N
សមា្គល់ 3.3.3. • ឬសកាេរៃនវា៉ដ្យង់ផ្តល់នូវគមា្លតស្តង់ដានង

ិ ្រចាស់មកវ ិញកាេរៃនគមា្លតស្តង់ដាផ្តល់
នូវវា៉ដ្យង់។
់ មពិតេទជាមធ្យមៃនកាេរចមា្ងយរវាងទិន្នន័យនម
• វា៉ដ្យងតា ី ួយៗពម ី ធ្យម។ ដូចេនះេបទ
ី ិន្នន័យេនែក្បរ
មធ្យមេនាះវា៉ដ្យង់តូចែតេបីទិន្នន័យេនឆា្ងយពីមធ្យមេនាះវា៉ដ្យង់នឹងធំ។
• មូលេហតុែដលេគេ្របីកាេរៃនចមា្ងយជំនួសឱ្យចមា្ងយធម្មតាេ្រពាះផលបូកៃនចមា្ងយេស្មីនឹងសូន្យ។
• វា៉ដ្យង់និងគមា្លតស្តង់ដាៃនទិន្នន័យគឺជាេលខមិនអវ ិជ្ជមាន។
ឧទាហរណ៍ 3.3.1. ចាត់ទុកទិន្នន័យខាងេ្រកាមជាសាកល
10 60 50 30 40 20
គណនាវា៉ដ្យង់ និងគមា្លតស្តង់ដា
39
ី មានមធ្យមសាកល
P
x 10 + 60 + 50 + 30 + 40 + 20 210
µ= = = = 35
N 6 6
xi xi − µ (xi − µ)2
10 −25 625
60 25 625
50 15 225
30 −5 25
40 5 25
20 −15 225
P
(xi − µ)2 = 1750
ដូចេនះវា៉ដ្យង់សាកល
P
(xi − µ)2 1750
σ =
2
= = 291.7
N 6
និងគមា្លតស្តង់ដាសាកល
rP
(xi − µ)2 √
σ= = 291.7 = 17.1
N
លំហាត់ 3.3.1. 1. ចាត់ទុកទិន្នន័យទាំង 6 ជាសាកលៈ 13 3 8 10 8 6
(a) គណនាមធ្យមសាកល
(b) គណនាវា៉ដ្យង់សាកល
2. ្របាក់ចំណូល្របចាំឆា្នៃំ នអនុ្របធាន 5 រូបេនក្នុងឧស�ហកម្មមួយគឺ

125000$, 128000$, 122000$, 133000$, 140000$។ ចាត់ទុកថាេនះជាសាកល
(a) េតីរង៉ ់េស្មីនឹងប៉ុនា្មន?

(b) េតីមធ្យមៃន្របាក់ចំណូលេស្មីនឹងប៉ុនា្មន?
(c) េតីវា៉ដ្យង់សាកលេស្មីនឹងប៉ុនា្មន? គមា្លតស្តង់ដាសាកលេស្មីនឹងប៉ុនា្មន?
វា៉ដ្យង់លហ
ំ គំរ ូ
រូបមន្តវា៉ដ្យង់លំហគំរូ
Pn
− x̄)2
i=1 (xi
s =2
n−1
ែដល
• s2 ជាវា៉ដ្យង់លំហគំរូ
• xi ជាទន
ី ួយៗេនក្នុងលំហគំរូ
• x̄ ជាមធ្យមលំហគំរូ
• n ជាចំនួនទន
40
រូបមន្តគមា្លតស្តង់ដាលំហគំរូ
rP
n
− x̄)2
i=1 (xi
s=
n−1
ែដល
• s ជាគមា្លតស្តង់ដាលំហគំរូ
• xi ជាទិន្នន័យនម
ី ួយៗេនក្នុងលំហគំរូ
• n ជាចំនួនទន
សមា្គល់ 3.3.4. េនេពលែដលគណនាវា៉ដ្យង់លំហគំរូេយង

ី រ ំពឹងរូបមន្តខាងេ្រកាម្រត�វបានេ្របី្របាស់
P
(xi − x̄)2
n
ែដល x̄ ជាមធ្យមលំហគំរូ នង
ិ n ជាទំហល
ំ ំហគំរូ។ ប៉ុែន្តរូបមន្តមន
ិ ្រត�វបានេ្រប្រី បាស់េទពេី ្រពាះេនក្នុងករណី
ភាគេ្រចីនេគាលបំណងៃនការគណនាស្ថិតិគឺេដីម្បីបា៉ន់សា្មនបា៉រា៉ ែម៉្រតែដល្រត�វគា្ន។ ជាឧទាហរណ៍មធ្យម
លំហគំរូ x̄ គឺ្រត�វបានេ្របីេដីម្បបា
ី ៉ ន់សា្មនមធ្យមសាកល µ ។ ចំេពាះរូបមន្ត
P
(xi − x̄)2
n
មិនផ្តលន ់ ូវការបា៉ន់សា្មនដល៏ ប ់ កលេនាះេទពេី ្រពាះេនេពលែដលសាកលធំ និងលំហ

្អ ំផុតស្រមាប់វា៉ដ្យងសា
ូ ូច (ជាធម្មតាតិចជាង 30) េនាះវា៉ដ្យងែ់ ដលគណនាេចញពរី ូបមន្តេនះផ្តលត
គំរត ់ ៃម្លបា៉ន់សា្មនតិចជាងវា៉ដ្យង់
សាកល។ ដូេច្នះជន ំ ួសឱ្យការែចកេដាយ n េយង ់ ំហគំរេូ ដាយការែចកនង
ី រកវា៉ដ្យងល ឹ n − 1 ែដលផ្តលឱ ់ ្យនូវ
ី វាជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃនវា៉ដ្យង់សាកល។ ដូចេនះ
តៃម្លធំជាងមុនេហយ
Pn
i=1 (xi− x̄)2
s =
2
n−1
ជាអ្នកបា៉ន់សា្មនដ៏លប
្អ ំផុតៃនវា៉ដ្យង់សាកល σ2 ។
ឧទាហរណ៍ 3.3.2. ្របាក់េមា៉ងស្រមាប់លំហគំរូៃនបុគ្គលិកេធ្វីការេ្រកេមា៉ងេនក្នុងហាងមួយគឺ
12$, 20$, 16$, 18$, 19$
េតីវា៉ដ្យង់លំហគំរូេស្មីនឹងប៉ុនា្មន? េតីគមា្លតស្តង់ដាលំហគំរូេស្មីនឹងប៉ុនា្មន?
ី មាន Pn
xi 85
x̄ = i=1
= = 17
n 5
xi xi − x̄ (xi − x̄)2
12 −5 25
20 3 9
16 −1 1
18 1 1
19 2 4
P
(xi − x̄)2 = 40
41
ដូចេនះវា៉ដ្យង់លំហគំរូ
Pn
− x̄)2
i=1 (xi 40
s =
2
= = 10
n−1 5−1
និងគមា្លតស្តង់ដាលំហគំរូ
rP
n
− x̄)2 √
i=1 (xi
s= = 10 = 3.16
n−1
សមា្គល់៖ វា៉ដ្យង់លំហគំរូគឺគិតជាដុលា្លរកាេរ ($2 ) រឯគមា
ី ្ល តស្តង់ដាលំហគំរូគឺគិតជាដុលា្លរ ($) ។
ី ្ដ ទ 3.3.1. វា៉ដ្យង់លំហគំរូអាចសេសរជាទ្រមង់
្រទឹសប
Pn P
n i=1 xi2 − ni=1 xi 2
s =
2
n(n − 1)
គមា្លតស្តង់ដាលំហគំរូអាចសេសរជាទ្រមង់
s
Pn P
n i=1 xi2 − ni=1 xi 2
s=
n(n − 1)
ស្រមាយបញ្ជ ក់.
Pn
i=1 (xi− x̄)2
s =
2
Pn n −2 1
i=1 (xi − 2xi x̄ + x̄ )
2
=
Pn 2 n − 1Pn
i=1 xi − 2 x̄ i=1 xi + n x̄
2
=
Pn 2 n −21
i=1 xi − 2n x̄ + n x̄
2
=
Pn 2 n − 12
i=1 xi − n x̄
=
n−1
Pn 2 Pn 2
i=1 xi − i=1 xi /n
=
n−1
Pn 2 Pn
n i=1 xi − i=1 xi 2
=
n(n − 1)
□
ឧទាហរណ៍ 3.3.3. រកវា៉ដ្យង់លំហគំរូ នង
ិ គមា្លតស្តង់ដាលំហគំរូៃនទន
6 12 6 6 4 8
ី មាន
xi xi2
6 36
12 144
6 36
6 36
4 16
8 64
P P 2
xi = 42 xi = 332
42
ដូចេនះវា៉ដ្យង់លំហគំរូគឺ
Pn P
nxi2 − ni=1 xi 2
i=1
s =
2
n(n − 1)
6(332) − (42)2
= = 7.6
6(6 − 1)
និងគមា្លតស្តង់ដាលំហគំរូគឺ
s
Pn P
n i=1 xi2 − ni=1 xi 2
s=
n(n − 1)
√
= 7.6 = 2.76
លំហាត់ 3.3.2. 1. រកវា៉ដ្យង់លំហគំរូ នង

ិ គមា្លតស្តង់ដាលំហគំរូៃនទន
ិ ្នន័យ
7 2 6 2 3
2. េគឱ្យលំហគំរូៃនរយៈេពលតេម្លង
ី ទា្វរស្វ័យ្របវត្តហា
ិ ្ក រា៉ ស់គត
ិ ជានាទដ
ី ូចខាងេ្រកាម
28 32 24 46 44 40 54 38 32 42
រកវា៉ដ្យង់លំហគំរូ និងគមា្លតស្តង់ដាលំហគំរូ
3. ទនិ ្នន័យបងា្ហញអំពីការចំណាយរបស់អ្នកេធ្វីដំេណីរគត
ិ ជាពាន់លានដុលា្លរស្រមាប់ឆា្នថ
ំ ី្មៗៃនលំហគំរូ
ៃនរដ្ឋទាងំ 10
20.1 33.5 21.7 58.4 23.2 110.8 30.9 24.0 74.8 60.0
រកវា៉ដ្យង់លំហគំរូ នង
ិ គមា្លតស្តង់ដាលំហគំរូ
្រទឹសប
ី ្ត ទ Chebyshev
វា៉ដ្យង់នង
ិ គមា្លតស្តង់ដាជារងា្វស់គមា្លតៃនទន ិ ្នន័យជុំវ ិញមធ្យម។ គមា្លតស្តង់ដាតូចបញ្ជក់ថាទន ិ ្នន័យគឺេន
ែក្បរតៃម្ល មធ្យម រ ឯគមា
ី ្ល តស្តង់ ដា ធំ បងា្ហញថាទិន្នន័យ េនឆា្ងយពី តៃម្ល មធ្យម។ ្រទឹសីប
្ត ទ Chebyshev ជា
្រទស
ឹ ប
ី្ត ទែដលែចងអំពីភាគរយអប្បបរមាៃនទន ិ េនក្នុងចំនួនគមា្លតស្តង់ដាជាក់លាក់មួយពី
ិ ្នន័យែដលស្ថត
តៃម្លមធ្យម។
ី ្ដ ទ 3.3.2 (Chebyshev). ចំ េពាះបំ ែនងែចកទូេទ ភាគរយៃនទិន្នន័យ ែដលស្ថិតេនក្នុង k គមា្លត

្រទឹសប
ស្តង់ដាពត
ី ៃម្លមធ្យមគយា
ឺ ៉ ងេហាចណាស់ 1 −
1
k2
ែដល k > 1 (k មន
ិ ចាំបាច់ជាចំនួនគត់េនាះេទ)។
្ត ទេនះែចងថាចំេពាះលំហគំរូែដលមានមធ្យម x̄ និងគមា្លតស្តង់ដា s
្រទឹសីប
• k = 2 យា៉ងេហាចណាស់ 75% ៃនទន

ិ ្នន័យស្ថត
ិ េនចេនា្លះ x̄ ± 2s
• k = 3 យា៉ងេហាចណាស់ 88.89% ៃនទិន្នន័យស្ថិតេនចេនា្លះ x̄ ± 3s
• k = 4 យា៉ងេហាចណាស់ 93.8% ៃនទិន្នន័យស្ថិតេនចេនា្លះ x̄ ± 4s
43
ឧទាហរណ៍ 3.3.4. លំហគំរែូ ដលមានមធ្យម x̄ = 70 នង ់ s = 1.5 េនាះតាម្រទស
ិ គមា្លតស្តងដា ឹ ប
ី្ត ទ Cheby-
shev មានយា៉ងេហាចណាស់ 75% ៃនទិន្នន័យ ស្ថិតេនចេនា្លះ 67 និង 73 និង មានយា៉ងេហាចណាស់
88.89% ៃនទន
ិ េនចេនា្លះ 65.5 នង
ិ 74.5 ។
ឧទាហរណ៍ 3.3.5. ការស្ទង់មតៃិ ន្រក�មហ៊ុនក្នុង្រស�កបានបងា្ហញថា្របាក់ឧបត្ថមេ្ភ លកា
ី រេធ្វីដំេណីរស្រមាប់
ដឹកជញ្ជូ នសំបុ្រតជាមធ្យមគឺ 0.25$ ក្នុងមួយគឡ ិ គមា្លតស្តង់ដាលំហគំរូគឺ 0.02$។ េ្របី្រទស
ី ូែម៉្រត នង ឹ ប
ី្ត ទ
Chebyshev រកភាគរយអប្បបរមាៃនទិន្នន័យែដលស្ថិតេនចេនា្លះ 0.20$ និង 0.30$
េយង
ី មាន
0.30 − 0.25
k= = 2.5
0.02
ដូចេនះតាម្រទឹសីប
្ត ទ Chebyshev
1 1
1− = 1 − = 1 − 0.16 = 0.84
k2 2.52
ដូេច្នះមានយា៉ងេហាចណាស់ 84% ៃនទន
ិ ្នន័យែដលស្ថត
ិ េនចេនា្លះ 0.20$ នង
ិ 0.30$។
បំែនងែចកសុម
ី ី្រទី
្រទស
ឹ បី្ត ទ Chebyshev េ្របបា
ី នចំេពាះ្រគប់បែំ នងែចកទាំងអស់។ ប៉ុែន្តេនេពលែដលបំែនងែចកមានរាងជា
កណឹ្ត ងឬសុីមី្រទីេនាះក្បននរមា
ួ ៉ ល់ែចងថា
• ≈ 68% ៃនទិន្នន័យស្ថិតេនក្នុង 1 គមា្លតស្តង់ដាពីមធ្យម
• ≈ 95% ៃនទិន្នន័យស្ថិតេនក្នុង 2 គមា្លតស្តង់ដាពីមធ្យម
• ≈ 99.7% ៃនទន ិ េនក្នុង 3 គមា្លតស្តង់ដាពម

ិ ្នន័យស្ថត ី ធ្យម
ឧទាហរណ៍ 3.3.6. សន្មត់ថា ពិនុ ្ទ្របលងថា្នក់ ជាតិមានមធ្យមេស្មីនឹង 480 និងគមា្លតស្តង់ដាេស្មីនឹង 90 ។

េបីពិនុ មានបំ
្ទ ែនងែចករាងសុីមី្រទីេនាះ
• ≈ 68% ៃនទិន្នន័យស្ថិតេនចេនា្លះពី 390 េទ 570
• ≈ 95% ៃនទិន្នន័យស្ថិតេនចេនា្លះពី 300 េទ 660
• ≈ 99.7% ៃនទិន្នន័យស្ថិតេនចេនា្លះពី 210 េទ 750
3.4 រងា្វស់គមា្លតៃនទិន្នន័យជាថា្នក់
រូបមន្តវា៉ដ្យង់លំហគំរូ P P
n f.Xm2 − ( f.Xm )2
s2 =
n(n − 1)
គមា្លតស្តង់ដាលំហគំរូ
s
P P
n f.Xm2 − ( f.Xm )2
s=
n(n − 1)
ែដល
44
• Xm ជាចំនុចកណា
្ត លថា្នក់នីមួយៗ
• f ជាេ្របកង់ៃនថា្នក់នម
ី ួយៗ
់ ំហគំរូ និងគមា្លតស្តងដា
ឧទាហរណ៍ 3.4.1. រកវា៉ដ្យងល ់ លំហគំរច ់ ងេ្រកាមែដលបងា្ហញ
ូ ំេពាះតារាងេ្របកងខា
អំពីចំនួនមា៉យល៍ែដលអ្នករត់ 20 នាក់បានរត់កុ ងមួ
្ន យសបា្តហ៍
5.5 − 10.5 1
10.5 − 15.5 2
15.5 − 20.5 3
20.5 − 25.5 5
25.5 − 30.5 4
30.5 − 35.5 3
35.5 − 40.5 2
ី មាន
្រពំែដនថា្នក់ េ្របកង់ Xm f.Xm f.Xm2

5.5 − 10.5 1 8 8 64
10.5 − 15.5 2 13 26 338
15.5 − 20.5 3 18 54 972
20.5 − 25.5 5 23 115 2645
25.5 − 30.5 4 28 112 3136
30.5 − 35.5 3 33 99 3267
35.5 − 40.5 2 38 76 2888
P P
n = 20 f.Xm = 490 f.Xm2 = 13310
ដូចេនះ
P P
n f.Xm2 − ( f.Xm )2 20(13310) − 4902
s =
2
= = 68.7
n(n − 1) 20(20 − 1)
√
s= 68.7 = 8.3
់ ន
លំហាត់ 3.4.1. េគឱ្យតារាងេ្របកងទ ិ ្នន័យៃនរយៈេពល្របតក
ិ ម្មគត
ិ ជាវ ិនាទេី នក្នុងការសក
ិ �ែបបជីវវ ិទយ
មួយ
លម ី ថា្នក់ េ្របកង់
ី ត
2.1 − 2.7 12
2.8 − 3.4 13
3.5 − 4.1 7
4.2 − 4.8 5
4.9 − 5.5 2
5.6 − 6.2 1
រកវា៉ដ្យង់លំហគំរូ និងគមា្លតស្តង់ដាលំហគំរូ
45
3.5 រងា្វស់ទីតា ំងៃនទិន្នន័យរាយ
រងា្វស់ទតា
ិ ្នន័យ្រត�វបានេ្របេី ដីម្បរី កទតា
ិ ្នន័យេធៀបនង
ឹ ទន
ិ ្នន័យេផ្សងេទៀត។ រងា្វស់ទាង
ំ េនាះ
មាន
• ពិនុ ្ទ z
• ែពរសង់ទល
ី (Percentiles)
• េដសុីល (Deciles)
• កាទីល (Quartiles)
ជាឧទាហរណ៍េបីទិន្នន័យមួយេនែពរសង់ទីលទី 80 មានន័យថា 80% ៃនទិន្នន័យស្ថិតេនេ្រកាមវាេនក្នុង

បំែនងែចកនង
ិ 20% ៃនទន
ិ េនេលវា
ី ។
ពិនុ្ទ z
ឧបមាថាសស
ិ ្សមា្នក់បានពន
ិ ុ ្ទ 90 េទេលកា
ី រេធ្វេី តស្តត�ន្តី នង ី រ្របលងអង់េគ្លស។ ការេ្របៀបេធៀប
ិ 45 េទេលកា
ពិនុ ្ទទាំងពីរេនះេដាយផា្ទល់គឺមិនអាចេទរួចេ្រពាះការ្របលងអាចមិនសមមូលគា្នស្រមាប់ចំនួនសំនួរ ឬពិនុ ្ទ
ស្រមាប់សំនួរនម
ី ួយៗជាេដីម។ ប៉ុែន្តេយង
ី អាចេ្របៀបេធៀបេដាយរកទតា
ី ងំ េធៀបៃនពន
ិ ុ ទាំ
្ទ ងពរី េដាយេ្របព
ី ន
ិ ុ ្ទ
z។
និយមន័យ 3.5.1. ពិនុ ្ទ z ៃនទិន្នន័យមួយគឺកំនត់េដាយ
ទន
ិ ្នន័យ − មធ្យម
z=
គមា្លតស្តង់ដា
ពន
ិ ុ ្ទ z ស្រមាប់លំហគំរូ
x − x̄
z=
s
ពន
ិ ុ ្ទ z ស្រមាប់សាកល
x−µ
z=
σ
ពិនុ ្ទ z ្របាប់ពច ់ ែដលទិន្នន័យមួយគេឺ នេលី ឬេនេ្រកាមតៃម្លមធ្យមៃនទិន្នន័យ។ េនក្នុង

ី ំនួនគមា្លតស្តងដា
ែផ្នកេនះេយង
ី នឹងសន្មត់ថាទិន្នន័យទទួលបានជាលំហគំរូ។
ី ុខវ ិជា្ជអង់េគ្លសែដលមធ្យមពិនុៃនស
ឧទាហរណ៍ 3.5.1. សិស្សមា្នក់ទទួលបានពិនុ ្ទ 85 េទេលម ្ទ ិស្សទាំងអស់
គឺ 76 នង ់ គឺ 4 ។ គាត់កទ
ិ គមា្លតស្តងដា ៏ ទួលបានពន
ិ ុ ្ទ 42 េទេលម
ី ុខវ ិជា្ជបារា ំងែដលមធ្យមពន
ិ ុ េនក្ន
្ទ ុ ងថា្នក់គឺ
ិ គមា្លតស្តង់ដាគឺ 3។ េ្របៀបេធៀបទតា
36 នង ី ងំ េធៀបៃនពន
ិ ុ េល
្ទ េី តស្តទាង
ំ ពរី ។
ចេម្លើយ. ពិនុ ្ទ z ស្រមាប់េតស្តអង់េគ្លស
x − x̄ 85 − 76
z= = = 2.25
s 4
46
ពិនុ ្ទ z ស្រមាប់េតស្តបារា ំង
x − x̄ 42 − 36
z= = = 2.00
s 3
ិ ុ ្ទ z ស្រមាប់េតស្តអង់េគ្លសធំជាងពន
េដាយសារពន ិ ុ ្ទ z ស្រមាប់េតស្តបារា ំងេនាះមានន័យថាទតា
ី ងំ េធៀបៃនពន
ិ ុ ្ទ
គាត់ថា្នក់អង់េគ្លសគឺខ្ពស់ជាងទីតាង
ំ េធៀបៃនពិនុ គាត់
្ទ ថា្នក់បារា ំង។
សមា្គល់ 3.5.1. • េបីពិនុ ្ទ z វ ិជ្ជមានេនាះពិនុ េនេល

្ទ ីមធ្យម
• េបព
ី ន
ិ ុ ្ទ z េស្មស
ី ូន្យេនាះពន
ិ ុគ
្ទ ជា
ឺ មធ្យម
• េបព
ី ន
ិ ុ ្ទ z អវ ិជ្ជមានេនាះពន
ិ ុ េនេ្រកាមមធ្យម
្ទ
លំហាត់ 3.5.1. េតីពិនុ មួ

្ទ យណាែដលបញ្ជក់ទីតាង
ំ េធៀបខ្ពស់ជាងេគ?
1. ពន
ិ ុ ្ទ 3.2 េលេី តស្តែដលមាន x̄ = 4.6 នង
ិ s = 1.5
2. ពិនុ ្ទ 630 េលីេតស្តែដលមាន x̄ = 800 និង s = 200
3. ពិនុ ្ទ 43 េលីេតស្តែដលមាន x̄ = 50 និង s = 5
ែពរសង់ទីល
ែពរសង់ទីលជារងា្វស់ទីតាង
ំ ែដល្រត�វបានេ្របីេនក្នុងវ ិស័យអប់រ ំ និងវ ិស័យសុខាភិបាល។
និយមន័យ 3.5.2. ែពរសង់ទីលជារងា្វស់ទីតាង

ំ ៃនទិន្នន័យែដលែចកទិន្នន័យជា 100 ចំែនកេស្មីៗគា្ន។
ែពរសង់ទល
ី តាងេដាយ
P1 , P2 , P3 , . . . , P99
ចំេពាះចំនួន p េនចេនា្លះពី 1 េទ 99 ែពរសង់ ទលី ទី p គជាឺ តៃម្ល ែដលែចកយា៉ងេហាចណាស់ p% ៃន
ទិន្នន័យតូចជាងឬេស្មីនឹងតៃម្លេនះ និង (100 − p)% ៃនទិន្នន័យធំជាងឬេស្មីនឹងតៃម្លេនះ។
រូបមន្តែពរសង់ទីល៖ ែពរសង់ទីល្រត�វនឹងតៃម្លែដលសា្គល់ x អាចគណនាតាមរូបមន្តខាងេ្រកាម
ចំនួនទិន្នន័យតូចជាង x + 0.5
p= .100
ិ ្នន័យសរុប
ឧទាហរណ៍ 3.5.2. ចំនួនបទេល្មស

ី ចរាចរណ៍ែដល្រត�វបានកត់្រតាេដាយស្នងការប៉ល
ូ ស
ី ស្រមាប់រយៈេពល
10 ៃថ្ងមានបងា្ហញដូចខាងេ្រកាម
22 19 25 24 18 15 9 12 16 20
47
• រកែពរសង់ទល
ី ែដល្រត�វនង
ឹ 16
• រកែពរសង់ទល
ឹ 24
ចេម្លើយ. • តំេរៀបទន
ិ ្នន័យតាមលំដាប់េកន
ី
9 12 15 16 18 19 20 22 24 25
• ែពរសង់ទីលែដល្រត�វនឹង x = 16
p= .100
ចំនួនទនិ ្នន័យសរុប
3 + 0.5
= .100
10
= 35
ដូចេនះតៃម្ល 16 ្រត�វនង ់ ល
ឹ ែពរសងទ ី ទី 35 មានន័យថាតៃម្ល 16 គធ
ឺ ំជាង 35% ៃនទន
ិ ្នន័យទាំងអស់។
• ែពរសង់ទល
ឹ x = 24
p= .100
ចំនួនទិន្នន័យសរុប
8 + 0.5
= .100
10
= 85
់ ីលទី 85 មានន័យថាតៃម្ល 24 គធ
ដូចេនះតៃម្ល 24 ្រត�វនឹងែពរសងទ ឺ ំជាង 85% ៃនទិន្នន័យទាំងអស់។
សមា្គល់ 3.5.2. រូបមន្តេនះេ្របេី ដីម្បបា ់ ីល។ រូបមន្តេនះផ្តលន
ី ៉ ន់សា្មនែពរសងទ ់ ូវលទ្ធផលកាន់ែត្របេសីរេពល
ែដលចំនួនៃនទន
ិ ្នន័យេ្រចន
ី ជាងឬេស្មន
ី ងឹ 100 ។
រកតៃម្លទន ឹ ែពរសង់ទល
ិ ្នន័យែដល្រត�វនង ី ែដលសា្គល់៖
1. តំេរៀបទន
ី
2. គណនាទីតាង
ំ
np
c=
100
ែដល n ជាចំនួនទិន្នន័យសរុប និង p ជាែពរសង់ទីលែដលសា្គល់
3. េបី c មិនែមនជាចំនួនគត់េនាះេយង ី បង្គតេ់ ឡង

ី េទេលខគត់បនា្ទប់។ េចញពទ
ី ិន្នន័យតូចជាងេគេយង
ី
រាប់រហូតដល់តៃម្លែដល្រត�វនឹងទីតាងំ c ែដលបានបង្គត់េឡង ី ។
4. េបី c ជាចំនួនគត់េនាះេយង ី េ្របីមធ្យមៃនទិន្នន័យែដលស្ថិតេនទីតាង

ំ ទី c និង c + 1 េនេពលែដល
េយង ី រាប់ពទ
ី ន
ិ ្នន័យតូចជាងេគ។

ូ ស
22 19 25 24 18 15 9 12 16 20
48
ឹ ែពរសង់ទល
• រកតៃម្លែដល្រត�វនង ី ទី 65
• រកតៃម្លែដល្រត�វនង ី ទី 30
ី
9 12 15 16 18 19 20 22 24 25
• គណនាទតា
ី ងំ
np
c=
100
ែដល n ជាចំនួនទន ិ p ជាែពរសង់ទល
ិ ្នន័យសរុប នង ី ែដលសា្គល់។ ដូចេនះក្នុងករណីែដល p = 65
េយង
ី បាន
(10)(65)
c= = 6.5
100
េដាយសារ c មន ិ ែមនជាេលខគត់ េយង ី បង្គត់ េឡងី យក c = 7។ េចញពី ទន ិ ្នន័យ តូចជាងេគរួច រាប់
រហូតដល់ទន
ិ ្នន័យទី 7 ែដល្រត�វនង ឹ ែពរសង់ទល
ឹ តៃម្ល 20 ។ ដូេច្នះតៃម្ល 20 ្រត�វនង ី ទី 65 ។
ក្នុងករណីែដល p = 30 េយង ី បាន
(10)(30)
c= =3
100
េដាយសារ c ជាេលខគត់េយង
ី េ្របម
ី ធ្យមៃនទិន្នន័យែដលស្ថិតេនទីតាង
ំ ទី 3 និង 4 េនេពលែដលេយង
ី រាប់ពី
ទន
ិ ្នន័យតូចជាងេគ។ េនក្នុងករណីេនះទន
ិ ្នន័យេនទតា
ី ងំ ទី 3 គឺ 15 នង
ិ ទន
ី ងំ ទី 4 គឺ 16 េនាះ
មធ្យមៃនទិន្នន័យទាំងពីរគឺ 15.5 ។ ដូេច្នះតៃម្ល 15.5 ្រត�វនឹងែពរសង់ទីលទី 30 ។
កាទីល
និយមន័យ 3.5.3. កាទល

ី ជារងា្វស់ទតា
ិ ្នន័យែដលែចកទន
ិ ្នន័យជាបួនចំែនកេស្មីៗគា្នតាងេដាយ
Q1 , Q2 , Q3
សមា្គល់ 3.5.3. • Q1 ជាែពរសង់ទីលទី 25
• Q2 ជាែពរសង់ទល
ី ទី 50
• Q3 ជាែពរសង់ទីលទី 75
េយង
ី អាចគណនាកាទល
ី តាមរូបមន្តែដលេយង ី ្រមាប់គណនាែពរសង់ទល
ី បានេ្របស ី ៖
• ស្រមាប់ Q1 េ្របី p = 25
49

ូ ស
22 19 25 24 18 15 9 12 16 20
រក Q1 , Q2 , Q3
ចេម្លើយ. • តំេរៀបទិន្នន័យតាមលំដាប់េកីន
9 12 15 16 18 19 20 22 24 25
• គណនាទតា
ី ងំ
np
c=
100
ែដល n ជាចំនួនទិន្នន័យសរុប និង p ជាែពរសង់ទីលែដលសា្គល់។ ស្រមាប់ Q1 េយង
ី បាន
(10)(25)
c= = 2.5
100
េដាយសារ c មន ិ ែមនជាេលខគត់ េយង ី បង្គត់ េឡងី យក c = 3។ េចញពី ទន
ិ ្នន័យ តូចជាងេគរួច រាប់
រហូតដល់ទិន្នន័យទី 3 ែដល្រត�វនឹងតៃម្ល 15 ។ ដូេច្នះ Q1 = 15។
• ស្រមាប់ Q2 េយង
ី មាន
(10)(50)
c= =5
100
េដាយសារ c ជាេលខគត់ េយង ី េ្របី មធ្យមៃនទិន្នន័យ ែដលស្ថិតេនទីតាង ំ ទី 5 និង 6 េនេពលែដល
េយងី រាប់ពទ
ី ន
ិ ្នន័យតូចជាងេគ។ េនក្នុងករណីេនះទន ិ ្នន័យេនទតា
ី ងំ ទី 5 គឺ 18 នង
ិ ទន
ី ងំ
ទី 6 គឺ 19 េនាះមធ្យមៃនទិន្នន័យទាំងពីរគឺ 18.5 ។ ដូេច្នះ Q2 = 18.5។
• ស្រមាប់ Q3 េយង
ី មាន
(10)(75)
c= = 7.5
100
េដាយសារ c មិនែមនជាេលខគត់ េយង ី បង្គត់ េឡងី យក c = 8។ េចញពី ទិន្នន័យ តូចជាងេគរួច រាប់
រហូតដល់ទន
ិ ្នន័យទី 8 ែដល្រត�វនង
ឹ តៃម្ល 22 ។ ដូេច្នះ Q3 = 22។
វ ិធីសា�ស្តេមដយន៖ េយង
ី អាចរកកាទីលតាមវ ិធីសា�ស្តេមដយន
2. រកេមដយនៃនទិន្នន័យ។ វាគឺជា Q2 ។
3. រកេមដយនៃនទិន្នន័យែដលតូចជាង Q2 ។ វាគឺជា Q1 ។
4. រកេមដយនៃនទន
ិ ្នន័យែដលធំជាង Q2 ។ វាគជា
ឺ Q3 ។
ឧទាហរណ៍ 3.5.5. ចំនួនបទេល្មីសចរាចរណ៍ែដល្រត�វបានកត់្រតាេដាយស្នងការប៉ល
ូ ស
22 19 25 24 18 15 9 12 16 20
រក Q1 , Q2 , Q3
50
ី
9 12 15 16 18 19 20 22 24 25
• េមដយនគឺ
18 + 19
MD = = 18.5 = Q2
2
• រកេមដយនៃនទន
ិ ្នន័យែដលតូចជាង 18.5
9 12 15 16 18
ដូចេនះ
Q1 = 15
• រកេមដយនៃនទន
ិ ្នន័យែដលធំជាង 18.5
19 20 22 24 25
ដូចេនះ
Q3 = 22
េដសុល
ី
និយមន័យ 3.5.4. េដសុីលជារងា្វស់ទីតាង

ំ ៃនទិន្នន័យែដលែចកទិន្នន័យជាដប់ចំែនកេស្មីៗគា្នតាងេដាយ
D1 , D2 , . . . , D9
សមា្គល់ 3.5.4. ឹ ែពរសង់ទល

• D1 , D2 , . . . , D9 ្រត�វនង ី ទី 10, 20, . . . , 90 េរៀងគា្ន
• Q1 , Q2 , Q3 ្រត�វនង ី ទី 25, 50, 75 េរៀងគា្ន
• េមដយនគជា
ឺ P50 , Q2 , D5
លំហាត់ 3.5.2. េគឱ្យទន

ិ ្នន័យដូចខាងេ្រកាម
12 28 35 42 47 49 50
1. រកែពរសង់ទីលែដល្រត�វនឹងទិន្នន័យនីមួយៗ
2. រកតៃម្លែដល្រត�វនង ី ទី 60
3. រកកាទីល Q1 , Q2 , Q3
51
ទិន្នន័យធំេពកឬតូចេពក (Outliers)
និយមន័យ 3.5.5. Outlier ជាទន

ិ ្នន័យែដលធំេពកឬតូចេពកេធៀបនង
ឹ ទន
ិ ្នន័យេផ្សងេទៀត។
់ ៃនទិន្នន័យ។ ជាឧទាហរណ៍េបអ
សមា្គល់ 3.5.5. Outlier ជះឥទ្ធិពលដល់មធ្យមនិងគមា្លតស្តងដា ី ្នក្រសាវ្រជាវ
កត់្រតាេដាយអេចតនានូវតៃម្លទិន្នន័យធំេពកមួយ។ តៃម្លេនះនឹងេធ្វីឱ្យមធ្យមនិងគមា្លតស្តង់ដាៃនទិន្នន័យ
ធំជាងតៃម្លពត
ិ ្របាកដរបស់វា។ ដូចេនះចំេពាះទន
ិ ្នន័យែដលឱ្យគួរែត្រត�វបានពន
ិ ត
ិ ្យរកទន
ិ ្នន័យធំេពកឬតូច
េពក។
េដីម្បរី ក Outlier េយង
ី ្រត�វ៖
1. តំេរៀបទន
ី នង
ិ រក Q1 នង
ិ Q3
2. រកអាំងែទរកាទីល IQR = Q3 − Q1
3. គុណ IQR នង
ឹ 1.5
4. រក Q1 − 1.5(IQR) និង Q3 + 1.5(IQR)
ិ ្នន័យែដលតូចជាង Q1 − 1.5(IQR) ឬធំជាង Q3 + 1.5(IQR)

5. Outlier ជាទន
ឧទាហរណ៍ 3.5.6. រក Outlier ៃនទិន្នន័យខាងេ្រកាម
5 6 12 13 15 18 22 50
ចេម្លើយ. 1. រក Q1 នង
ិ Q3
6 + 12 18 + 22
Q1 = = 9, Q3 = = 20
2 2
2. រកអាំងែទរកាទល
ី
IQR = Q3 − Q1 = 20 − 9 = 11
3. គុណ IQR នឹង 1.5

(1.5)(11) = 16.5
4. រក
Q1 − 1.5(IQR) = 9 − 16.5 = −7.5, Q3 + 1.5(IQR) = 20 + 16.5 = 36.5
5. ទិន្នន័យ 50 ធំជាង 36.5 ដូចេនះ 50 ជា Outlier។

លំហាត់ 3.5.3. េគឱ្យទន
13 15 32 36 11 24 6 25 11 71
1. រកកាទីល Q1 និង Q3
2. រកអាំងែទរកាទីល IQR
3. រក Outlier
លំហាត់ 3.5.4. េគឱ្យទិន្នន័យខាងេ្រកាម
79 82 77 84 80 89 60 79 91 93 88
សង់្រកាប្របអប់ៃនទិន្នន័យ និង្របាប់ពីរូបរាងៃនបំែនងែចក។
52
3.6 រងា្វស់ទីតា ំងៃនទិន្នន័យជាថា្នក់
្រកាបែពរសង់ទីល
ឧទាហរណ៍ 3.6.1. េគឱ្យតារាងេ្របកង់ែដលបងា្ហញអំពីរងា្វស់សំពាធឈាម (គិតជាមីលីែម៉្រតបារត) ៃន

សស
ិ ្ស 200 នាក់ែដល្រត�វបានេ្រជីសេរសេដាយៃចដន្យដូ
ី ចខាងេ្រកាម
89.5 − 104.5 24
104.5 − 119.5 62
119.5 − 134.5 72
134.5 − 149.5 26
149.5 − 164.5 12
164.5 − 179.5 4
n = 200
គណនា Q1 , Q2 , Q3
ី មាន
្រពំែដនថា្នក់ េ្របកង់ ( f ) េ្របកង់េកន

ី េ្របកង់េកន
ី (%)
89.5 − 104.5 24 24 12
104.5 − 119.5 62 86 43
119.5 − 134.5 72 158 79
134.5 − 149.5 26 184 92
149.5 − 164.5 12 196 98
164.5 − 179.5 4 200 100
n = 200
តាម្រកាបែពរសង់ទីលេយង
ី ទទួលបានតៃម្លបា៉ន់សា្មនស្រមាប់កាទីលនីមួយៗ
Q1 = 110, Q2 = 123, Q3 = 133
េ្របើរ ូបមន្តបា៉ន់សា្មន
1. រកថា្នក់កាទល
ី Qi , i = 1, 2, 3
• ថា្នក់កាទល
ី Q1 ជាថា្នក់ែដលផ្ទុកទន
ិ ្នន័យទី n/4
• ថា្នក់កាទីល Q2 ជាថា្នក់ែដលផ្ទុកទិន្នន័យទី 2n/4
• ថា្នក់កាទល
ី Q3 ជាថា្នក់ែដលផ្ទុកទន
ិ ្នន័យទី 3n/4
2. រូបមន្តកាទីល
in/4 − cf
Qi = Li + (w), i = 1, 2, 3
fi
ែដល
53
• cf ជាេ្របកង់េកន
ី ៃនថា្នក់មុនថា្នក់កាទល
ី Qi មួយថា្នក់
• w ជា្របែវងថា្នក់កាទល
ី Qi
• fi ជាេ្របកង់ថា្នក់កាទល
ី Qi
• Li ជា្រពំែដនថា្នក់ខាងេ្រកាមថា្នក់កាទីល Qi
ឧទាហរណ៍ 3.6.2. េគឱ្យតារាងេ្របកង់ែដលបងា្ហញអំពីរងា្វស់សំពាធឈាម (គិតជាមីលីែម៉្រតបារត) ៃន

សិស្ស 200 នាក់ែដល្រត�វបានេ្រជីសេរសេដាយៃចដន្យដូ
ី ចខាងេ្រកាម
89.5 − 104.5 24
104.5 − 119.5 62
119.5 − 134.5 72
134.5 − 149.5 26
149.5 − 164.5 12
164.5 − 179.5 4
n = 200
ី មាន
្រពំែដនថា្នក់ េ្របកង់ ( f ) េ្របកង់េកន

ី
89.5 − 104.5 24 24
104.5 − 119.5 62 86
119.5 − 134.5 72 158
134.5 − 149.5 26 184
149.5 − 164.5 12 196
164.5 − 179.5 4 200
n = 200
• កាទល
ី Q1 ៖ េដាយសារ n/4 = 200/4 = 50 េនាះថា្នក់កាទល
ី Q1 គឺ 104.5 − 119.5។ េយង
ី មាន
L1 = 104.5, cf = 24, f1 = 62, w = 15
54
ដូចេនះ
n/4 − cf 50 − 24
Q1 = L1 + (w) = 104.5 + (15) = 110.79
f1 62
• កាទល
ី Q2 ៖ េដាយសារ 2n/4 = 100 េនាះថា្នក់កាទល
ី Q2 គឺ 119.5 − 134.5។ េយង
ី មាន
L2 = 119.5, cf = 86, f2 = 72, w = 15
ដូចេនះ
2n/4 − cf 100 − 86
Q 2 = L2 + (w) = 119.5 + (15) = 122.41
f2 72
• កាទីល Q3 ៖ េដាយសារ 3n/4 = 150 េនាះថា្នក់កាទីល Q3 គឺ 119.5 − 134.5។ េយង

ី មាន
L3 = 119.5, cf = 86, f3 = 72, w = 15
ដូចេនះ
3n/4 − cf 150 − 86
Q3 = L3 + (w) = 119.5 + (15) = 132.8
f3 72
់ ិន្នន័យៃនរយៈេពល្របតិកម្មគិតជាវ ិនាទេី នក្នុងការសិក�ែបបជីវវ ិទយ

លំហាត់ 3.6.1. េគឱ្យតារាងេ្របកងទ
មួយ
2.05 − 2.75 12
2.75 − 3.45 13
3.45 − 4.15 7
4.15 − 4.85 5
4.85 − 5.55 2
5.55 − 6.25 1
រកកាទល
ី Q1 , Q2 , Q3 េដាយេ្របី
1. ្រកាបែពរសង់ទល
ី
2. រូបមន្តបា៉ន់សា្មនកាទល
ី
55
56
្រប�បាប៊ីលេី ត
េនក្នុងជំពូកេនះេយង ី ូលដា្ឋន្រគឹះៃន្រប�បាប៊ីលីេតដូចជា៖ ពិេសាធន៍ៃចដន្យ ឬេហថាពិេសាធន៍

ី នឹងសិក�អំពម
្រប�បាប៊ីលីេត លំហគំរូ ្រពឹតកា
ិ្ត រណ៍ ្រប�បាប៊ីលីេតៃន្រពឹតកា
ិ្ត រណ៍ណាមួយ។ េយង
ី ក៏នឹងសិក�អំពកា
ី រលក្ខណៈ
ៃន្រប�បាប៊ីលីេត ការគណនា្រប�បាប៊ីលីេតេដាយេ្របីេគាលការណ៍្រគឹះៃនរបាប់ ចមា្លស់ បន្សំ ្រពឹតិ្តការណ៍មិន
អា្រស័យគា្ន ្រប�បាប៊ីលេី តមានលក្ខខណ្ឌ នង
ិ ចុងេ្រកាយគរឺ ូបមន្តេបេយស។
4.1 លំហគំរ ូ និង្រពឹត្តិការណ៍ៃចដន្យ
្រប�បាប៊ីលីេតជាបញញ តិ ទូេទែដលអាចកំនត់ ជា ឱកាសេកីតេឡង

ី ៃន្រពឹតិ្ត ការណ៍ ណាមួយ។ មនុស្សជាេ្រចីន
សា្គល់ ្រប�បាប៊ីលីេតពី ការអេង្កត ឬការេលងែល្បងៃនឱកាសដូចជាែល្បងេបៀរ កាក់ ្រគាប់ឡុកឡាក់ ឬឡូតូ
ី ។ បែន្ថម ពីេនះ្រប�បាប៊ីលីេត្រត�វ បានេ្របី េនក្នុងវ ិស័យ េផ្សងេទៀតដូចជាធានារា៉ ប់រង វ ិនិេយាគ និង
ជាេដម
ពយករណ៍ធាតុអាកាសជាេដីម។ ្រប�បាប៊ីលីេតក៏ជា្រគឹះយា៉ងសំខាន់ៃនស្ថិតែិ បបសន្និដា្ឋន ជាឧទាហរណ៍ការ
ពយករ និងការេធ្វីេតស្តសម្មតិកម្មែផ្អកេទេលី្រប�បាប៊ីលីេត។
េនក្នុងែផ្នកេនះេយង
ី នង
ឹ ែស្វងយល់អំពប
ី ញញតស ំ ន់ៗៃន្រប�បាប៊ីលេី ត លក្ខណៈរបស់វា នង
ិ ខា ិ ក្បនគណនា
ួ
្រប�បាប៊ីលេី ត។ េយង ី តុសំខាន់ៗេនក្នុងបញ្ហែបប្រប�បាប៊ីលេី តដូចខាងេ្រកាម៖
ី េផ្តីមែស្វងយល់អំពធា
1. ពេិ សាធន៍្រប�បាប៊ីលីេតជាពិេសាធន៍ែដលលទ្ធផលរបស់វាមិនអាច្រត�វបាន្របាប់ទុកជាមុនេដាយភាព
្របាកដ្របជា។
ី ទាំងអស់េនក្នុងពិេសាធន៍្រប�បាប៊ីលីេត។
2. លំហគំរូជាសំនុំៃនករណីែដលអាចេកីតមានេឡង
3. ្រពឹតិកា
្ត រណ៍ជាសំនុំរងៃនលំហគំរូ។
ឧទាហរណ៍ 4.1.1. ខាងេ្រកាមជាឧទាហរណ៍សាមញញៗេនក្នុង្រប�បាប៊ីលេី ត
ពេិ សាធន៍្រប�បាប៊ីលីេត លំហគំរូ Ω ្រពត

ឹ ិកា
្ត រណ៍
េបាះកាក់ ១ ម្តង H, T A = {H}
េបាះ្រគាប់ឡុកឡាក់១ ម្តង 1, 2, 3, 4, 5, 6 A = {2, 4, 6}
េឆ្លយ
ី សំនួរ ្រត�វ/ខុស ម្តង T/F A = {F}
េបាះកាក់ ២ ម្តង HH, HT, T H, T T A = {HH, HT }
ែស្វងយល់អំពី្រពឹត្តិការណ៍
តាង A នង
ិ B ជា្រពត
ឹ កា
ិ្ត រណ៍ពរី េនក្នុងលំហគំរូ Ω.
57
1. ្រពឹតកា
ិ្ត រណ៍បំេពញៃន A តាងេដាយ Ā គឺជា្រពឹតកា
ិ្ត រណ៍ែដលផ្ទុកលទ្ធផលទាំងអស់កុ ង
្ន Ω ែដលមិន
េនក្នុង A ។
ិ្ត រណ៍ A ្របជុំ B តាងេដាយ A ∪ B គឺជា្រពឹតកា

2. ្រពឹតកា ិ្ត រណ៍ែដលផ្ទុកលទ្ធផលទាំងអស់កុ ង
្ន A ឬ B ឬ
ទាំងពរី ។
3. ្រពត
ឹ ិ្តការណ៍ A ្របសព្វ B តាងេដាយ A ∩ B គជា
ឺ ្រពត
ឹ ិ្តការណ៍ែដលផ្ទុកលទ្ធផលទាំងអស់កុ ង
្ន A នង
ិ
B ្រពមគា្ន។
4. A និង B មិនមានធាតុរម
ួ តាងេដាយ A ∩ B = ∅ ជា្រពឹតិកា
្ត រណ៍ដាច់គា្ន។
5. A1 , A2 , . . . , Ak ជា្រពត
ឹ កា
ិ្ត រណ៍ដាច់គា្នពរី ៗមានន័យថា Ai ∩ A j = ∅, i , j ។
6. A1 , A2 , . . . , Ak ជាបំែនកៃន Ω េបី Ai ∩ A j = ∅, i , j នង
ិ A1 ∪ A2 ∪ · · · ∪ Ak = Ω ។
4.2 ្រប�បាប៊ីលេី តៃន្រពឹត្តិការណ៍
និយមន័យ 4.2.1. ្រប�បាប៊ីលីេតគឺជាអនុគមន៍ចំនួនពិត P ែដលផ្តល់ឱ្យ្រគប់្រពឹតិ្តការណ៍ A េនក្នុងលំហ
គំរូ Ω នូវតៃម្លេលខ P(A) (េហថា្រប�បាប៊ីលីេតៃន្រពឹតិកា

្ត រណ៍ A) ែដលេផ្ទ�ងផា្ទត់ស្វ័យសត្យខាងេ្រកាម៖
1. 0 ≤ P(A) ≤ 1,
2. P(Ω) = 1,
3. េបី A1 , A2 , A3 , . . . ជា្រពឹតិកា
្ត រណ៍មានចំនួនរាប់បានែដល Ai ∩ A j = ∅, i , j េនាះ
∞ 
[  X∞
 
P  An  = P(An ).
n=1 n=1
សមា្គល់ 4.2.1. 1. ស្វ័យសត្យទី១ែចងថា្រប�បាប៊ីលីេតៃន្រពឹតិ្ត ការណ៍ ណាមួយ ែដលនឹង េកីតេឡង

ី ជា
េលខេនចេនា្លះ 0 និង 1។
2. ស្វ័យសត្យទី២ែចងថា្រប�បាប៊ីលីេតៃនលំហគំរនូ ឹងេកីតេឡងី េដាយ្រប�បាប៊ីលីេតមួយេ្រពាះលំហគំរជា

ូ
្រពតឹ កា
ិ្ត រណ៍ែដលផ្ទុកនូវលទ្ធផលែដលអាចេកត
ី មានេឡង ី ទាំងអស់។
3. ស្វ័យសត្យទី៣ែចងថាចំេពាះ្រពឹតិ្តការណ៍ដាច់គា្នរាប់បាន ្រប�បាប៊ីលីេតែដលយា៉ងេហាចណាស់្រពឹតិ្ត
ការណ៍មួយនង
ឹ េកត ី ជាផលបូកៃន្រប�បាប៊ីលេី តៃន្រពត
ី េឡង ឹ កា
ិ្ត រណ៍នម
ី ួយៗ។
លក្ខណៈៃន្រប�បាប៊ីលេី ត
1. ចំេពាះ្រពឹតិកា
្ត រណ៍ A េយង
ី មាន
P(A) = 1 − P(Ā).
ស្រមាយបញ្ជ ក់. េយង

ី មាន Ω = A ∪ Ā នង
ិ A ∩ Ā = ∅ េនាះេយង
ី បាន
1 = P(A) + P(Ā)
58
ដូចេនះ
P(A) = 1 − P(Ā).
□
2. P(∅) = 0.

ី មាន Ω = ∅ ∪ Ω នង
ិ ∅ ∩ Ω = ∅ េនាះេយង
ី បាន
P(∅) = 1 − P(Ω) = 1 − 1 = 0.
3. េបី A និង B ជា្រពឹតិកា

្ត រណ៍ែដល A ⊂ B េនាះ P(A) ≤ P(B).

ី មាន B = A ∪ (B ∩ Ā) នង
ិ A ∩ (B ∩ Ā) = ∅ េនាះេយង
ី បាន
P(B) = P(A) + P(B ∩ Ā) ≥ P(A)
េ្រពាះ
P(B ∩ Ā) ≥ 0
□
4. េបី A និង B ជា្រពឹតិកា

្ត រណ៍ពីរេនាះ
P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
ស្រមាយបញ ី មាន A ∪ B = A ∪ (Ā ∩ B) ជា្របជុំដាច់គា្ន េនាះេយង

្ជ ក់. េយង ី បាន
P(A ∪ B) = P(A) + P(Ā ∩ B).
ី មាន B = (A ∩ B) ∪ (Ā ∩ B) ជា្របជុំដាច់គា្ន េនាះេយង

ប៉ុែន្តេយង ី បាន
P(B) = P(A ∩ B) + P(Ā ∩ B)
ដូចេនះ
P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
□
5. េបី A, B និង C ជា្រពឹតិកា

្ត រណ៍បីេនាះ
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C).
ស្រមាយបញ្ជ ក់. សេសរ

A ∪ B ∪ C = A ∪ (B ∪ C).
ដូចេនះ
P(A ∪ B ∪ C) = P(A ∪ (B ∪ C))

= P(A) + P(B ∪ C) − P(A ∩ (B ∪ C))
= P(A) + P(B) + P(C) − P(B ∩ C) − P((A ∩ B) ∪ (A ∩ C))
= P(A) + P(B) + P(C) − P(B ∩ C) − P(A ∩ B) − P(A ∩ C) + P(A ∩ B ∩ C)
59
6. ចំេពាះ n ្រពឹតិកា
្ត រណ៍ទូេទ A1 , A2 , . . . , An
X
n X
P(A1 ∪ A2 ∪ · · · ∪ An ) = P(Ai ) − P(Ai1 ∩ Ai2 ) + · · ·
i=1 1≤i1 <i2 ≤n
X
+ (−1)r+1 P(Ai1 ∩ Ai2 ∩ · · · ∩ Air ) + · · ·
1≤i1 <i2 <···<ir ≤n
+ (−1) P(A1 ∩ A2
n+1
∩ · · · ∩ An )
P n
ែដលផលបូក P(Ai1 ∩Ai2 ∩· · ·∩Air ) គច
ឺ ំេពាះ្រគប់ r សំនរុំ ងទំហំ r ៃនសំនុំ {1, 2, . . . , n}.
1≤i1 <i2 <···<ir ≤n

ី ្រសាយបញ្ជក់តាមវចារកំ
ិ េនន
ី គណិតវ ិទយៈ ចំេពាះ n = 2 វាពត
ិ ដូចស្រមាយ
Sn
បញ្ជក់ខាងេលី។ សន្មតថា
់ វាពិតចំេពាះ n ្រពឹតកា
ិ្ត រណ៍ A1 , A2 , . . . , An និងតាង B = i=1 Ai ។ េយង
ី
នង
ឹ ្រសាយថាវាពត
ិ ចំេពាះ n + 1 ្រពត
ឹ កា
ិ្ត រណ៍
P(A1 ∪ A2 ∪ · · · ∪ An+1 ) = P(B ∪ An+1 )
= P(B) + P(An+1 ) − P(An+1 ∩ B)
 n   n 
[  [ 
= P  Ai  + P(An+1 ) − P  (Ai ∩ An+1 )
i=1 i=1
X
n X X
= P(Ai ) − P(Ai1 ∩ Ai2 ) + P(Ai1 ∩ Ai2 ∩ Ai3 ) − · · ·
i=1 1≤i1 <i2 ≤n 1≤i1 <i2 <i3 ≤n
X
+ (−1)r+1 P(Ai1 ∩ Ai2 ∩ · · · ∩ Air ) + · · ·
1≤i1 <i2 <···<ir ≤n
+ (−1)n+1 P(A1 ∩ A2 ∩ · · · ∩ An )
X X
+ P(An+1 ) − P(Ai ∩ An+1 ) + P(Ai1 ∩ Ai2 ∩ An+1 ) − · · ·
1≤i≤n 1≤i1 <i2 ≤n
X
− (−1) r
P(Ai1 ∩ Ai2 ∩ Air−1 ∩ An+1 ) + · · ·
1≤i1 <i2 <···<ir−1 ≤n
− (−1) P(A1 ∩ A2 ∩
n+1
· · · ∩ An ∩ An+1 )
X
n+1 X X
= P(Ai ) − P(Ai1 ∩ Ai2 ) + P(Ai1 ∩ Ai2 ∩ Ai3 ) − · · ·
i=1 1≤i1 <i2 ≤n+1 1≤i1 <i2 <i3 ≤n+1
X
+ (−1) r+1
P(Ai1 ∩ Ai2 ∩ · · · ∩ Air ) + · · ·
1≤i1 <i2 <···<ir ≤n+1
+ (−1) n+2
P(A1 ∩ A2 ∩ · · · ∩ An ∩ An+1 ).
□
7. ចំេពាះ្រពឹតិកា
្ត រណ៍ដាច់គា្នរាប់អស់េនាះ
 k 
[  X k
P  An  = P(An ).
n=1 n=1
ស្រមាយបញ្ជ ក់. សន្មត់ថា A1 , A2 , . . . , Ak ជា្រពត

ឹ ិ្តការណ៍ដាច់គា្នេនាះតាមស្វ័យសត្យទ៣
ី េដាយ
យក Ak+1 = ∅, Ak+2 = ∅, Ak+3 = ∅, . . . េយងី បាន
 k  ∞ 
[  [  X∞ X
k
  
P  An  = P  An  = P(An ) = P(An ).
n=1 n=1 n=1 n=1
60
□
អត្ថន័យៃន្រប�បាប៊ីលេី ត
1. ្រប�បាប៊ីលេី តធម្ម តាៈ សន្មត់ ថា លទ្ធផលទាំងអស់ េនក្នុងលំហ គំរូ មានឱកាសេកត

ី េឡង
ី េស្មី ៗ គា្ន។
្រប�បាប៊ីលីេតៃន្រពឹតិកា
្ត រណ៍ A គឺ
n(A) ចំនួនករណី្រសប
P(A) = =
n(Ω) ចំនួនករណីអាច
2. ្រប�បាប៊ីលីេតែបបេ្របកង់ េធៀបៈ ែផ្អកេលី ទិន្នន័យ អេង្កត ជាក់ែស្តង។ ្រប�បាប៊ីលីេតៃន្រពឹតិ្ត ការណ៍ A

េនក្នុងថា្នក់ណាមួយៃនតារាងេ្របកង់គឺ
f េ្របកង់កុ ងថា
្ន ្ន ក់
P(A) = =
n េ្របកង់សរុប
3. ្រប�បាប៊ីលីេតែបបអត្តេនាម័តៈ ែផ្អកេលីការបា៉ន់សា្មនតាមបទពិេសាធន៍ឬតាមគំនិតផា្ទល់ខួ ន។
្ល
សមា្គល់ 4.2.2. និយមន័យ 4.2.1 េដាយេ្របីស្វ័យសត្យគឺេ្របីបានទូេទចំេពាះលំហគំរូ Ω ជាសំនុំរាប់អស់

សំនុរា
ំ ប់បាន ឬសំនុរា ី ិយមន័យ្រប�បាប៊ីលីេតធម្មតាេ្របបា
ំ ប់មិនបាន រឯន ី នែតេនក្នុងករណីែដលលំហគំរូ Ω
ជាសំនុំរាប់អស់និងេនេពលែដលលទ្ធផលនីមួយៗក្នុងលំហគំរូមានឱកាសេកីតេឡង
ី េស្មីៗគា្ន។
4.3 ្រប�បាប៊ីលេី តនិងរបាប់ចំនួន
េនក្នុងែផ្នកេនះេយងី សន្មត់ថាលំហគំរូ Ω ជាសំនុំរាប់អស់និងេនេពលែដលលទ្ធផលនីមួយៗក្នុងលំហគំរូ

មានឱកាសេកត ី េឡងី េស្មៗ
ី គា្ន។
្រប�បាប៊ីលេី តករណីឱកាសេកើតេឡើងេស្មៗ
ើ គា្ន
្រប�បាប៊ីលីេតៃន្រពឹតិកា
្ត រណ៍ A គឺ
n(A) ចំនួនករណី្រសប
P(A) = =
n(Ω) ចំនួនករណីអាច
ី ្បីគណនា្រប�បាប៊ីលេី តេនះេយង
េដម ី ្រត�វ ដង
ឹ ចំនួន ករណី ែដលអាចេកត
ី មានេឡង
ី ទាំងអស់ ស្រមាប់ សុ ត
ី្វ ៃន
្រពឹតិកា
្ត រណ៍។ េដីម្បក
ី ំនត់ចំនួនេនះេយង
ី េ្របីក្បន
ួ
• េគាលការណ៍្រគឹះៃនរបាប់
• ចមា្លស់ (Permutation)
• បន្សំ (Combination)
61
េគាលការណ៍្រគឹះៃនរបាប់
េនក្នុងស្វុត
ី ៃន k ពេិ សាធន៍ ែដលពេិ សាធន៍ ទី 1 មាន n1 ករណី នង
ិ ពេិ សាធន៍ ទី 2 មាន n2 ករណី នង
ិ
ពិេសាធន៍ទី 3 មាន n3 ករណី និងជាបន្តបនា្ទប់រហូតដល់ពិេសាធន៍ទី k មាន nk ករណីេនាះ ចំនួនលទ្ធផល
សរុបៃនស្វុីតៃន k ពិេសាធន៍គឺ
n1 .n2 . . . . .nk ករណី
ឧទាហរណ៍ 4.3.1. កាក់មួយ និង្រគាប់ឡុកឡាក់មួយ្រគាប់្រត�វបានេបាះម្តង។ រកចំនួនលទ្ធផលសរុបៃន

ស្វុត
ី ៃន្រពឹតិកា
្ត រណ៍េនះ។
ចេម្លើយ. េដាយសារការេបាះកាក់មួយ 1 ដងមាន n1 = 2 ករណី នង

ិ ការេបាះ្រគាប់ឡុកឡាក់មួយ្រគាប់ 1
ដងមាន n2 = 6 ករណី ដូចេនះចំនួនលទ្ធផលសរុបគឺ n1 .n2 = 2.6 = 12 ករណី។
សមា្គល់ 4.3.1. លទ្ធផលទាំងេនះមាន
(H, 1), (H, 2), (H, 3), (H, 4), (H, 5), (H, 6),
(T, 1), (T, 2), (T, 3), (T, 4), (T, 5), (T, 6)
ឧទាហរណ៍ 4.3.2. ការរចនាេវបសាយមួយគមា

ឺ នពណ៌ចំនួន 4 មានពុម្ពអក្សរចំនួន 3 នង
ិ មានទតា
ី ងំ រូបភាព
ចំនួន 3 ។ តាមេគាលការណ៍្រគឹះៃនរបាប់វាមាន 4 × 3 × 3 = 36 ការរចនាេផ្សងគា្នែដលអាចេកីតេឡង
ី ។
ចមា្លស់ (Permutation)
និយមន័យ 4.3.1. ចមា្លស់ៃនធាតុជាតំេរៀបមានលំដាប់ៃនធាតុ។
ឧទាហរណ៍ 4.3.3. យក S = {a, b, c} េនាះ abc, acb, bac, bca, cab នង

ិ cba គឺ ជាចមា្លស់ ទាង
ំ អស់ៃន
ធាតុៃន S ។
និយមន័យ 4.3.2. ចំនួនចមា្លស់ៃន n ធាតុេផ្សងគា្នគឺ n! ែដល
n! = n(n − 1)(n − 2) · · · (2)(1)
តាមពតិ េទេយងី មាន n ជេ្រមសី ស្រមាប់ទតា ី ងំ ទី 1 នង

ិ មាន n − 1 ជេ្រមសី ស្រមាប់ទតា
ី ង
ំ ទី 2 នង
ិ មាន
n − 2 ជេ្រមីស ស្រមាប់ ទីតាង
ំ ទី 3 រហូតដល់ 1 ជេ្រមីស ស្រមាប់ ទីតាង ំ ទី n េនាះតាមេគាលការណ៍ ្រគឹះ ៃន
របាប់េយងី មាន n(n − 1)(n − 2) · · · (2)(1) = n! ករណីែដលអាចេកត ី មានេឡង ី ។ សមា្គល់៖ធាតុ នីមួយៗ
េ្របបា
ី នែតម្តង។
ឧទាហរណ៍ 4.3.4. មនុស្សមា្នក់បេង្កីតេលខកូដ 4 ខ្ទងេ់ ដីម្បេី បក

ី េសារទា្វរហា្ករា៉ សេដាយេ្របី 4 េលខេផ្សងគា្ន
េចញពីេលខ 0 ដល់ 3។ េតីមានប៉ុនា្មនរេបៀបែដលអាចបេង្កីតេលខកូដេនះបាន?
ី មាន 4 ជេ្រមីសស្រមាប់ខ្ទង់ទីមួយ 3 ជេ្រមីសស្រមាប់ខ្ទង់ទីពីរ 2 ជេ្រមស

ចេម្លើយ. េយង ី ស្រមាប់ខ្ទង់ទីបី 1
ី ស្រមាប់ខ្ទង់ទប
ជេ្រមស ី ួន។ ដូចេនះ
4! = 4.3.2.1 = 24
េយង
ី មាន 24 រេបៀបេផ្សងគា្នែដលអាចបេង្កីតេលខកូដបាន។
62
ករណីមិនដាក់ចូលវិញ
ករណីមិនដាក់ចូលវ ិញគឺេនេពលែដល
• េយង
ី េ្រជីសយក r ធាតុេចញពី n ធាតុេផ្សងគា្ន
• េយង
ី តំេរៀបតាមលំដាប់ជាស្វុីត
• ធាតុមួយមិន្រត�វបានដាក់ចូលវ ិញបនា្ទប់ពី្រត�វបានេ្រជីសេរស។
ី
និយមន័យ 4.3.3 (ករណីមិនដាក់ចូលវិញ). ចំ នួន ចមា្លស់ ៃនសំណុំ រងៃន r ធាតុ យកេចញពី សំណុំ
ែដលមាន n ធាតុេផ្សងគា្នគឺ
n Pr = n(n − 1)(n − 2) · · · (n − r + 1)
n!
=
(n − r)!
តាមពត ិ េទេយង
ី មាន n ជេ្រមីស ស្រមាប់ ទីតាង ំ ទី 1 និង មាន n − 1 ជេ្រមីស ស្រមាប់ ទីតាង
ំ ទី 2 និង មាន
n − 2 ជេ្រមីសស្រមាប់ទីតាងំ ទី 3 រហូតដល់ n − r + 1 ជេ្រមីសស្រមាប់ទីតាង ំ ទី r េនាះតាមេគាលការណ៍
្រគឹះៃនរបាប់េយងី មាន n(n − 1)(n − 2) · · · (n − r + 1) ករណីែដលអាចេកីតមានេឡង ី ។
ឧទាហរណ៍ 4.3.5. ពិធីករកម្មវ ិធផ
ី �យផា្ទល់តាមវ ិទ្យអាចេ្រជ
ុ ីសេរសេភ្ញ
ី �វពិេសស 3 នាក់កុ ងចំ
្ន េនាម 6 នាក់
េនក្នុងកម្មវ ិធរី បស់គាត់។ េបល
ី ំដាប់ៃនេភ្ញ�វមា្នក់ៗគស
ឺ ំខាន់ េតមា
ី នប៉ុនា្មនរេបៀបេផ្សងគា្នែដលអាចេធ្វបា
ី ន?
ចេម្លើយ. េដាយសារលំដាប់ៃនេភ្ញ�វមា្នក់ៗេនក្នុងការផ�យផា្ទល់គស
ឺ ំខាន់េនាះេយង
ី មាន 6 P3 រេបៀបក្នុងការ
េ្រជីសេរសេភ្ញ
ី �វ
6! 6! 6.5.4.3!
6 P3 = = = = 120
(6 − 3)! 3! 3!
ដូចេនះេយង
ី មាន 120 រេបៀបេផ្សងគា្នេដីម្បេី ្រជីសេរសេភ្ញ
ី �វ 3 នាក់េដាយបងា្ហញពួកេគតាមកម្មវ ិធតា
ី មលំដាប់
ជាក់លាក់មួយ។
ឺ ៉ង់។ េដបា៉តម
ឧទាហរណ៍ 4.3.6. ឧបមាថាមហាវ ិទយល័យវ ិស្វកម្មមាន 7 េដបា៉តម ់ ម
ឺ ៉ងន ី ួយៗមានអ្នកតំណាង
មា្នក់េន្រក�ម្របក
ឹ �នស
ិ ្សត
ិ របស់មហាវ ិទយល័យ។ ក្នុងចំេណាមអ្នកតំណាងទាំង 7 នាក់ មានមា្នក់ជា្របធាន
មា្នក់ជាអនុ្របធាន នង
ិ មា្នក់េទៀតជាេលខា។ េតមា
ី នប៉ុនា្មនរេបៀបែដលេគអាចេ្រជីសេរសែបបេនះ?
ី
ចេម្លើយ. វាជាចំនួនចមា្លស់ៃនសំណុំ 3 នាក់េចញពីសំណុំអ្នកតំណាង 7 នាក់។
7! 7! 7.6.5.4!
7 P3 = = = = 210
(7 − 3)! 4! 4!
ដូចេនះវាមាន 210 រេបៀបេផ្សងគា្ន េដីម្បី េ្រជីសេរស

ី 3 នាក់ េចញពី អ្នកតំណាង 7 នាក់ េដាយមានមា្នក់ ជា
្របធាន មា្នក់ជាអនុ្របធាន នង
ិ មា្នក់េទៀតជាេលខា។
ករណីដាក់ចូលវិញ
ករណីដាក់ចូលវ ិញគឺេនេពលែដល
• េយង
ី េ្រជីសយក r ធាតុេចញពី n ធាតុេផ្សងគា្ន
63
• េយង
ី តំេរៀបតាមលំដាប់ជាស្វុត
ី
• ធាតុមួយ្រត�វបានដាក់ចូលវ ិញបនា្ទប់ព្រី ត�វបានេ្រជីសេរស។

ី
និយមន័យ 4.3.4 (ករណីដាក់ចូលវិញ). ចំនួនចមា្លស់ៃនសំណុំរងៃន r ធាតុ យកេចញពីសំណុំែដល

មាន n ធាតុេផ្សងគា្នគឺ nr
តាមពត ិ េទេយង ី មាន n ជេ្រមស ី ស្រមាប់ ទតា

ី ងំ ទី 1 នង
ិ មាន n ជេ្រមស ី ស្រមាប់ ទតា
ី ងំ ទី 2 នង
ិ មាន n
ជេ្រមីសស្រមាប់ទីតាង ំ ទី 3 រហូតដល់ n ជេ្រមីសស្រមាប់ទីតាងំ ទី r េនាះតាមេគាលការណ៍្រគឹះៃនរបាប់េយង ី
មាន n.n.n · · · n = n ករណីែដលអាចេកត
r
ី មានេឡង ី ។
ឧទាហរណ៍ 4.3.7. មនុស្សមា្នក់បេង្កីតេលខកូដ 3 ខ្ទង់េដីម្បេី បក
ី េសារទា្វរហា្ករា៉ សេដាយេ្របី 4 េលខែដល
អាចេ្របីេលខដូចគា្នបានេចញពីេលខ 0 ដល់ 3។ េតីមានប៉ុនា្មនរេបៀបែដលអាចបេង្កីតេលខកូដេនះបាន?
ចេម្លើយ. េយង ់ ីមួយ 4 ជេ្រមីសស្រមាប់ខ្ទងទ
ី មាន 4 ជេ្រមីសស្រមាប់ខ្ទងទ ់ ីពីរ 4 ជេ្រមីសស្រមាប់ខ្ទងទ
់ ីបី ។
ដូចេនះ
43 = 64
េយង
ី មាន 64 រេបៀបេផ្សងគា្នែដលអាចបេង្កីតេលខកូដបាន។
ឧទាហរណ៍ 4.3.8. េតីមានប៉ុនា្មនរេបៀបែដលអាចបេង្កីតផា្លកេលខ 6 ខ្ទង់ែដលមាន 2 ខ្ទង់ដំបូងជាអក្សរ
ិ 4 ខ្ទង់ចុងេ្រកាយជាេលខ េបអា
ឡាតាំង នង ី ចេ្របអ
ី ក្សរឬេលខដូចគា្នបាន?
ចេម្លើយ. • េយង
ី េ្រជីសេរស
ី 2 អក្សរេដាយដាក់ចូលវ ិញេនាះវាមាន (26) ករណី។
2
• េយងី េ្រជីសេរស
ី 4 េលខេដាយដាក់ចូលវ ិញេនាះវាមាន (10) ករណី។
4
តាមេគាលការណ៍្រគឹះៃនរបាប់ចំនួនផា្លកេលខសរុបគឺ
(26)2 .(10)4 = 6760000
ចមា្លស់មានធាតុដូចគា្ន
និយមន័យ 4.3.5. ចំនួនចមា្លស់ៃន n = n1 + n2 + · · · + nr វត្ថុែដលមាន n1 វត្ថុដូចគា្នស្រមាប់្របេភទទី 1,

n2 វត្ថុដូចគា្នស្រមាប់្របេភទទី 2, …, nr វត្ថុដូចគា្នស្រមាប់្របេភទទី r គឺ
n!
n1 !n2 ! . . . nr !
េនក្នុងករណីែដលវត្ថុទាំងអស់ខុសគា្នេយង
ី មាន n1 = n2 = . . . = nr = 1 េនាះចំនួនចមា្លស់គឺ
n! n!
= = n!
n1 !n2 ! . . . nr ! 1!1! . . . 1!
ឧទាហរណ៍ 4.3.9. េតមា

ី នប៉ុនា្មនចមា្លស់ៃនអក្សរែដលបេង្កត
ី េចញពពា
ី ក្យ S T AT IS T ICS ?
ចេម្លើយ. េនក្នុងពាក្យ S T AT IS T ICS មាន S ចំនួន 3, T ចំនួន 3, I ចំនួន 2, A ចំនួន 1 និង C ចំនួន
1 េនាះចំនួនចមា្លស់គឺ
10!
= 50400
3!3!2!1!1!
ដូចេនះវាមាន 50400 ចមា្លស់ៃនអក្សរែដលបេង្កីតេចញពីពាក្យ S T AT IS T ICS
64
ី នប៉ុនា្មនរេបៀបេផ្សងគា្នែដលេគអាចតំេរៀបេសៀវេភពុមគ
្ព ណិតវ ិទយ 6 កបលដូច
ៗគា្ន េសៀវេភពុម្ពរូបវ ិទយ 3 កបលដូចៗគា្ន និងេសៀវេភពុម្ពអក្សរសា�ស្តែខ្មរ 3 កបលដូចៗគា្ន េនេលីេធ្នីរ
េសៀវេភក្នុងបណា្ណគារ?
ចេម្លើយ. េដាយសារេសៀវេភទាំងអស់ មានចំនួន 12 កបលែដលក្នុងេនាះមានេសៀវេភពុម្ព គណិតវ ិទយ 6
កបលដូចៗគា្ន េសៀវេភពុមរ្ព ូបវ ិទយ 3 កបលដូចៗគា្ន និងេសៀវេភពុមអ

្ព ក្សរសា�ស្តែខ្មរ 3 កបលដូចៗគា្នេនាះ
ចំនួនចមា្លស់គឺ
12!
= 18480
6!3!3!
បន្ស ំ (Combination)
និយមន័យ 4.3.6. េនេពលលំដាប់មិនសំខាន់ ការេ្រជីសេរសសំ

ី ណុំៃន r ធាតុេចញពស
ី ំណុំ n ធាតុេហថា
បន្សំ ។

ី នប៉ុនា្មនរេបៀបែដលេយង
ី អាចេ្រជីសេរសសំ
ី ណុំ 2 ធាតុ េចញពី សំណុំ 4 ធាតុ
{1, 2, 3, 4} ?
ី មាន
(1, 2), (2, 1), (1, 3), (3, 1), (1, 4), (4, 1), (2, 3), (3, 2), (2, 4), (4, 2), (3, 4), (4, 3)
េនក្នុងចមា្លស់ (1, 2) ខុសពី (2, 1) ប៉ុែន្ត េនក្នុងបន្សំ (1, 2) ដូចគា្ននង
ឹ (2, 1) េ្រពាះលំដាប់ ៃនធាតុ គឺ មន
ិ
សំខាន់េនក្នុងបន្សំ។ ដូចេនះេយង ី បាន
(1, 2), (1, 3), (1, 4), (2, 3), (2, 4), (3, 4)
ជាបន្សំៃនសំណុំ 2 ធាតុេចញពស
ី ំណុំ 4 ធាតុ។
និយមន័យ 4.3.7 (ករណីមិនដាក់ចូលវិញ). ចំនួនបន្សំៃនសំណុំ r ធាតុ ែដលេ្រជស
ី េចញពីសំណុំ n
ធាតុគឺ !
n n!
nC r = =
r r!(n − r)!
សមា្គល់ 4.3.2. • េយង ី បេង្កីតចមា្លស់ r ធាតុេចញពស
ី នំ ុំ n ធាតុជាពរី ជំហាន៖ ដំបូងេ្រជីសបន្សំ r ធាតុ
គឺ nCr ករណី បនា្ទប់មករកចមា្លស់ៃនបន្សំ r ធាតុគឺ r!។ េយង ី ទាញបាន
n Pr = r!nCr
េនាះ
n Pr
nC r =
r!
n!
=
r!(n − r)!
• េយង
ី អាចគណនាបន្សំតាមរូបមន្តខាងេ្រកាម
n! n(n − 1) · · · (n − r + 1)(n − r)!
nC r = =
r!(n − r)! r!(n − r)!
n(n − 1) · · · (n − r + 1)
=
r!
សមា្គល់ថាមាន r កតា្តេនភាគយក និងភាគែបង។
65
• រូបមន្តគណនាបន្សំមួយេទៀត
n! n!
nC r = = = nCn−r .
r!(n − r)! (n − r)!(n − (n − r))!
ឧទាហរណ៍ 4.3.12. េតីមានប៉ុនា្មនរេបៀបែដលអ្នក្រគប់្រគងអាចេ្រជីសេរសភាពយន្ត

ី 4 េចញពី ភាពយន្ត
ចំនួន 10 េដម
ី ្បប
ី ញ្ចង
ំ (លំដាប់ៃនេរឿងមន
ិ សំខាន់)?
ចេម្លើយ. ចំនួនរេបៀបេផ្សងគា្នគឱ
ឺ ្យេដាយ
10! 10!
10C 4 = = = 210
(10 − 4)!4! 6!4!
ដូចេនះអ្នក្រគប់្រគងមាន 210 រេបៀបេផ្សងគា្នេដីម្បេី ្រជីសេរសភាពយន្ត

ី 4 េចញពីភាពយន្តចំនួន 10។
ឧទាហរណ៍ 4.3.13. េនក្នុងថា្នក់ែដលមាន្រសី 7 នាក់ នង
ិ បុរស 5 នាក់។ គណៈកម្មការែដលមានសមាជិក
5 នឹង្រត�វេ្រជីសេរស។
ី េតីមានប៉ុនា្មនរេបៀបែដលេគអាចេ្រជីសេរស
ី
1. គណៈកម្មការែដលមាន្រសី 3 នាក់និងបុរស 2 នាក់
2. គណៈកម្មការែដលមាន្រសី 2 នាក់និងបុរស 3 នាក់
3. គណៈកម្មការែដលមាន្រសទា
ី ងំ 5 នាក់
4. គណៈកម្មការែដលមាន្រប�សទាំង 5 នាក់
ចេម្លើយ. 1. េគ្រត�វេ្រជស
ី េរស្រស
ី ី 3 នាក់េចញព្រី សី 7 នាក់ែដលអាចេធ្វបា
ី នក្នុង 7C3 រេបៀប។ បនា្ទប់មក
េគ្រត�វេ្រជីសេរសបុ
ី រស 2 នាក់េចញពប
ី ុរស 5 នាក់ែដលអាចេធ្វបា
ី នក្នុង 5C2 រេបៀប។ តាមេគាលការណ៍
្រគឹះៃនរបាប់ចំនួនរេបៀបសរុបគឺ
7! 5!
7 C 3 .5 C 2 = . = 350
(7 − 3)!3! (5 − 2)!2!
2. េគ្រត�វេ្រជីសេរស្រស
ី ី 2 នាក់េចញពី្រសី 7 នាក់ែដលអាចេធ្វីបានក្នុង 7C2 រេបៀប។ បនា្ទប់មកេគ្រត�វ
េ្រជីសេរសបុ
ី រស 3 នាក់េចញពប
ី ុរស 5 នាក់ែដលអាចេធ្វបា
ី នក្នុង 5C3 រេបៀប។ តាមេគាលការណ៍្រគឹះ
ៃនរបាប់ចំនួនរេបៀបសរុបគឺ
7! 5!
7 C 2 .5 C 3 = . = 210
(7 − 2)!2! (5 − 3)!3!
3. ចំនួនរេបៀបៃនេ្រជីសេរស្រស
ី ី 5 នាក់េចញព្រី សី 7 នាក់គឺ
7!
7C 5 = = 21
5!(7 − 5)!
4. ចំនួនរេបៀបៃនេ្រជីសេរស្រប�
ី ស 5 នាក់េចញពី្រប�ស 5 នាក់គឺ
5!
5C 5 = =1
5!(5 − 5)!
66
បន្ស ំ (ករណីដាក់ចូលវិញ)
ការេ្រជីសេរសី r ធាតុ េចញពី សំ នុំ n ធាតុ ែដលធាតុ មួយ អាច្រត�វ បានេ្រជីសេរសេ្រច

ី ីនជាងមួយដងេហថា
បន្សំៃន r ធាតុយកេចញពស ី ំនុំ n េដាយភាព្រចំែដល។
ឧទាហរណ៍ 4.3.14. បន្សំៃន 3 អក្សរក្នុងចំេនាម a, b, c, d េដាយភាព្រចំែដលគឺ
aaa, aab, aac, aad, abb, abc, abd, acc, acd, add, bbb, bbc, bbd, bcc, bcd, bdd, ccc, ccd, cdd, ddd
សមា្គល់ 4.3.3. បន្សំ្រចំែដលពីរចាត់ទុកថាដូចគា្នេបវា

ី មានធាតុដូចគា្នែដលេកីតេឡង
ី ្រចំែដលក្នុងចំនួនដង
ដូចគា្នេដាយមន
ិ គត
ិ ពល
ី ំដាប់។
សមា្គល់ 4.3.4. ករណីខាងេ្រកាមគឺសមមូលគា្ន
1. ចំនួនៃនបន្សំៃន r ធាតុយកេចញពស
ី ំនុំ n ធាតុេដាយភាព្រចំែដល
2. ចំនួនរេបៀបែដល r វត្ថុដូចៗគា្នអាច្រត�វបានែបងែចកក្នុងចំេណាម n ្របអប់េផ្សងគា្ន
3. ចំនួនៃនចេម្លយ
ី គត់មន
ិ អវ ិជ្ជមានៃនសមកា
ី រ
x1 + x2 + · · · + xn = r
និយមន័យ 4.3.8 (ករណីដាក់ចូលវិញ). ចំនួនបន្សំៃនសំណុំ r ធាតុែដលេ្រជីសេចញពស

ី ំណុំ n ធាតុ
គឺ !
n+r−1 (n + r − 1)!
=
r r!(n − 1)!
ឧទាហរណ៍ 4.3.15. េនក្នុងហាងកាេរមមួ

៉ យមានរសជាតកា
ិ េរម៉ 8 មុខេផ្សងគា្ន។ េតីមានប៉ុនា្មនរេបៀបែដល
េយង
ី អាចេ្រជីសយក 5 រសជាតេិ ចញពី 8 រសជាតេិ បរី សជាតម
ិ ួយអាច្រត�វបានេ្រជីសេរសេ្រច
ី ន
ី ដង?
ី មាន
• ចំនួនរសជាតកា
ិ េរមសរុ
៉ បn=8
• ចំនួនរសជាតិកាេរមែដល្រត�
៉ វេ្រជីសេរស
ី r=5
ដូចេនះចំនួនរេបៀបែដលេយង
ី អាចេ្រជីសយក 5 រសជាតិេចញពី 8 រសជាតិគឺ
!
n+r−1 (n + r − 1)! (8 + 5 − 1)! 12!
= = = = 792
r r!(n − 1)! 5!(8 − 1)! 5!7!
ឧទាហរណ៍ 4.3.16. េលាក កមានេខ្មៃដ 5 ែដលមានពណ៌េផ្សងគា្ន។ េតមា

ី នប៉ុនា្មនរេបៀបែដលគាត់អាច
េ្រជីសេខ្មៃដ 3 េចញពេី ខ្មៃដ 5 េបេី ខ្មៃដអាច្រត�វបានេ្រជីសេរសេ្រច
ី ន
ី ដង?
ី មាន
• ចំនួនេខ្មៃដសរុប n = 5
• ចំនួនេខ្មៃដែដល្រត�វេ្រជីសេរស
ី r=3
67
ដូចេនះចំនួនរេបៀបែដលគាត់អាចេ្រជីសេខ្មៃដ 3 េចញពេី ខ្មៃដ 5 គឺ
!
n+r−1 (n + r − 1)! (5 + 3 − 1)! 7!
= = = = 35
r r!(n − 1)! 3!(5 − 1)! 3!4!

ី នចេម្លយ
ី គត់មន
ិ អវ ិជ្ជមានប៉ុនា្មនៃនសមកា
ី រ
x1 + x2 + x3 = 11
ចេម្លើយ. ចំនួនៃនចេម្លយ
ី គត់មន
ិ អវ ិជ្ជមានគជា
ឺ បន្សំ្រចំែដលៃនការេ្រជីសេរស
ី 11 ធាតុេចញពស
ី ំណុំ {x1 , x2 , x3 }
ែដលមាន 3 ្របេភទេផ្សងគា្ន។ េនក្នុងករណីេនះ n = 3, r = 11 ដូចេនះចំនួនៃនចេម្លីយគត់មិនអវ ិជ្ជមានគឺ
!
n+r−1 (n + r − 1)! (3 + 11 − 1)! 13!
= = = = 78
r r!(n − 1)! 11!(3 − 1)! 11!2!
សរុបមកវ ិញចំនួនរេបៀបៃនការេ្រជីសេរស
ី r ធាតុេចញពស
ី ំណុំ n ធាតុ
មិនដាក់ចូលវ ិញ ដាក់ចូលវ ិញ
គត
ិ លំដាប់ n Pr = n!
(n−r)!
nr
n+r−1
មិនគិតលំដាប់ nC r = n!
r!(n−r)! r
= (n+r−1)!
r!(n−1)!
លំហាត់ 4.3.1. 1. េតមា

ី នកាតសមា្គល់ខួ នប៉ ី នេលខ 6 ខ្ទងេ់ ន
្ល ុនា្មនេផ្សងគា្នែដលអាចបេង្កីតបានេបមា
េលកា
ី តនង
ិ មន
ិ មានេលខណាមួយ្រត�វបានេ្របេី ្រចន
ី ជាងមួយដង? (151200)
2. េតីមានប៉ុនា្មនរេបៀបែដល្រគ�ដឹកនាំអាចេ្រជីសេរសស ី ិស្ស 4 នាក់ េចញពីថា្នក់ែដលមាន 12 នាក់េបី

សិស្សមា្ន ក់ៗ ទទួល កិច្ច ការដូច ៗគា្ន? េតីមានប៉ុនា្មនរេបៀបែដល្រគ�ដឹកនាំអាចេ្រជីសេរសស
ី ិស្សេបី
សិស្សមា្នក់ៗទទួលកិច្ចការេផ្សងៗគា្ន?(495, 11880)
ី នប៉ុនា្មនរេបៀបេផ្សងគា្នែដលេគអាចតំេរៀបទង់ជាតច
3. េតមា ិ ំនួន 7 ែដលក្នុងេនាះមានទង់ជាតព
ិ ណ៌្រកហម
3 ដូចគា្ន េខៀវ 2 ដូចគា្ន និងស 2 ដូចគា្ន? (210)
4. េនហាងកាេហ្វមួយមានបេ្រមកា
ី េហ្វ 12 ្របេភទេផ្សងគា្ន។ េតមា
ី នប៉ុនា្មនរេបៀបែដលកាេហ្វ 4 ្របេភទ
េផ្សងគា្នអាច្រត�វបានេ្រជីសេរស?
ី (495)
5. េតមា
ី នប៉ុនា្មនរេបៀបែដលេគអាចេ្រជីសេរសកាេរ
ី ម៉ 3 ្របេភទនង
ិ ្រគម
ី ខាងេលី 2 ្របេភទពប
ី ែង្អមប៊ូេហ្វ
ែដលមានកាេរម៉ 10 ្របេភទនិង្រគីមខាងេលី 6 ្របេភទ? (1800)
ឧទាហរណ៍ 4.3.18. េនក្នុង្របអប់មួយមានអំពូល 24 ែដលក្នុងេនាះមានអំពូលខូច 4។ េបីអំពូល 4 ្រត�វ
បានលក់េដាយៃចដន្យ រក្រប�បាប៊ីលេី តែដល
1. មានអំពូលខូច 2
2. មិនមានអំពូលខូច
3. ទាំងអស់ជាអំពូលខូច
68
4. យា៉ងេហាចណាស់មានអំពូល 1 ខូច
ចេម្លើយ. ចំនួនករណីអាច៖ េយង

ី មាន 24C 4 រេបៀបក្នុងការេ្រជីសេរសអំ
ី ពូល 4 េចញពអ
ី ំពូល 24 ។
1. ចំនួន ករណី ្រសប៖ េយង

ី មាន 4C2 រេបៀបក្នុងការេ្រជស
ី េរសអំ
ី ពូល ខូច 2 េចញពី អំពូល ខូច 4 នង
ិ
20C 2 រេបៀបក្នុងការេ្រជីសេរសអំ
ី ពូលល្អ 2 េចញពីអំពូលល្អ 20។ ដូចេនះ
4C 2 .20C 2 1140
P(មានអំពូលខូច 2) = = = 0.1073
24C 4 10626
2. ចំនួនករណី្រសប៖ ចំនួនរេបៀបេដីម្បេី ្រជីសេរសអំ

ី ពូលមិនខូចទាំងអស់គឺ 20C4 ។ ដូចេនះ
20C 4 4845
P(មន
ិ មានអំពូលខូច ) = = = 0.4559
24C 4 10626
3. ចំនួនករណី្រសប៖ ចំនួនរេបៀបេដីម្បេី ្រជីសេរសអំ

ី ពូលខូចទាំងអស់គឺ 4C4 ។ ដូចេនះ
4C 4 1
P(អំពូលខូចទាំងអស់ ) = = = 0.00009
24C 4 10626
4.
P(យា៉ងេហាចណាស់មានអំពូល 1 ខូច ) = 1 − P(មិនមានអំពូលខូច )

20C 4
=1−
24C 4
= 1 − 0.4559
= 0.5441
ឧទាហរណ៍ 4.3.19. សិស្សមា្នក់្រត�វេ្រជីសេរស្របធានបទព

ី ីរេដីម្បស
ី េសររបាយការណ៍បញ្ច ប់ឆមាសចំនួន
ពរី ។ វាមាន្របធានបទ 8 េនក្នុងេសដ្ឋកច
ិ ន ិ 11 េនក្នុងវ ិទយសា�ស្ត។ រក្រប�បាប៊ីលេី តែដលគាត់េ្រជស
្ច ង ី េរស
ី
្របធានបទមួយក្នុងេសដ្ឋកិច្ចនិង្របធានបទមួយក្នុងវ ិទយសា�ស្តេដីម្បប
ី ញ្ច ប់កិច្ចការ្រសាវ្រជាវរបស់គាត់។
ចេម្លើយ. • ចំនួនករណីអាច៖ េយង

ី មាន 19C2 រេបៀបក្នុងការេ្រជីសេរស្របធានបទ
ី 2 េចញព្រី បធានបទ
ទាំងអស់ 19 ។
• ចំនួនករណី្រសប៖ េយង
ី មាន 8C1 រេបៀបក្នុងការេ្រជីសេរស្របធានបទ
ី 1 ក្នុងេសដ្ឋកិចេ្ច ចញព្រី បធានបទ
េសដ្ឋកច
ិ ្ចទាង
ំ 8 នង
ិ 11C 1 រេបៀបក្នុងការេ្រជីសេរស្របធានបទ
ី 1 ក្នុងវ ិទយសា�ស្តេចញពី្របធានបទ
វ ិទយសា�ស្តទាង
ំ 11។
ដូចេនះ
8C 1 · 11C1 88
P(េសដ្ឋកិច្ច 1 និងវ ិទយសា�ស្ត 1) = = = 0.515
19C 2 171
លំហាត់ 4.3.2. 1. រក្រប�បាប៊ីលីេតែដលេ្រជីសបានេសៀវេភវ ិទយសា�ស្ត 3 កបលនិងេសៀវេភគណិតវ ិទយ

4 កបលេចញពីេសៀវេភវ ិទយសា�ស្ត 8 កបលនង
ិ េសៀវេភគណិតវ ិទយ 9 កបលេបីេសៀវេភ្រត�វបាន
េ្រជីសេរសេដាយៃចដន្យ។
ី
69
2. កាត្រកហមនង
ិ កាតេខ្មែដលនម ់ ួយ។ កាត 4 ្រត�វ
ី ួយៗចុះេលខពី 2 ដល់ 9 ្រត�វបានដាក់ចូលក្នុងថងម
បានេ្រជីសេរសេដាយៃចដន្យេដាយម
ី ិនដាក់ចូលវ ិញ។ រក្រប�បាប៊ីលីេតែដល
(a) កាតទាំង 4 មានពណ៌្រកហម

(b) កាត្រកហម 2 នង
ិ កាតេខ្ម 2
(c) យា៉ងេហាចណាស់កាត្រកហម 1
(d) កាតទាំង 4 មានពណ៌េខ្ម
3. េនក្នុងថតតុ មួយ មានេ្រសាមេជីង ្រកហមដូច ៗគា្ន ចំនួន 11 និង េ្រសាមេជីង េខ្ម ដូច ៗគា្ន ចំនួន 8 ។
ឧបមាអ្នកេ្រជស
ី េរសេ្រសាមេជ
ី ង
ី 2 េដាយៃចដន្យេនេពលងងត
ឹ
(a) េត្រី ប�បាប៊ីលីេតែដលអ្នកចាប់បានេ្រសាមេជីង្រកហម 1 គូ?
(b) េតី្រប�បាប៊ីលីេតែដលអ្នកចាប់បានេ្រសាមេជីងេខ្ម 1 គូ?
(c) េតី្រប�បាប៊ីលីេតែដលអ្នកចាប់បានេ្រសាមេជីង 2 ែដលមានពណ៌ខុសគា្ន?

(d) េតីេ្រសាមេជីង្រកហមមួយេទៀតបាត់េទណា?
4. ្រក�មបាល់ទាត់មួយ្រក�មមាននិស្សត
ិ ឆា្នទ
ំ ម
ី ួយ 20 នាក់ និស្សត
ិ ឆា្នទ
ំ ព
ី ីរ 20 នាក់ និស្សត
ិ ឆា្នទ
ំ ប
ី ី 15 នាក់
នង ិ នស
ិ ្សត
ិ ឆា្នទ
ំ ី បួន 10 នាក់។ កឡា
ី ករ 4 នាក់ ្រត�វ បានេ្រជស
ី េរសេដាយៃចដន្យេដ
ី ម
ី ្បីេធ្វជា
ី ្របធាន
្រក�ម។ រក្រប�បាប៊ីលេី តែដល
(a) ទាំង 4 នាក់ជានស

ិ ្សត
ិ ឆា្នទ
ំ ប
ី ួន
(b) មាន 1 នាក់ពីឆា្នស
ំ ិក�នីមួយៗ
(c) មាន 2 ជានស
ិ ្សត
ិ ឆា្នទ
ំ ព
ី រី នង
ិ 2 នាក់ជានស
ិ ្សត
ិ ឆា្នទ
ំ ម
ី ួយ
(d) យា៉ងេហាចណាស់ 1 នាក់ជានិស្សត
ិ ឆា្នទ
ំ ីបួន
4.4 ្រពឹត្តិការណ៍មិនអា្រស័យគា្ន
ក្បនផលគុ
ួ ណ
ក្បនផលគុ
ួ ណអាច្រត�វបានេ្របេី ដីម្បរី ក្រប�បាប៊ីលីេតៃន្រពឹតកា
ិ្ត រណ៍ពីរឬេ្រចីនែដលេកីតេឡង
ី បន្តបនា្ទប់គា្ន។
ជាឧទាហរណ៍េបេី យង ី អាចរក្រប�បាប៊ីលីេតែដលទទួល
ី េបាះកាក់មួយរួចេបាះ្រគាប់ឡុកឡាក់មួយ្រគាប់ េយង
បាន H េលកា
ី ក់នង
ិ 4 េនេល្រី គាប់ឡុកឡាក់។ ្រពត
ឹ កា
ិ្ត រណ៍ទាំងពរី េនះមន
ិ អា្រស័យគា្នេ្រពាះលទ្ធផលៃន្រពត
ឹ ិ្ត
ការណ៍ទីមួយ (េបាះកាក់មួយ) មិនប៉ះពាល់ដល់ឱកាសេកីតេឡង
ី ៃន្រពឹតកា
ិ្ត រណ៍ទីពីរ (េបាះ្រគាប់ឡុកឡាក់
មួយ្រគាប់)។
និយមន័យ 4.4.1. ្រពឹតកា

ិ្ត រណ៍ពីរ A និង B ជា្រពឹតកា
ិ្ត រណ៍មិនអា្រស័យគា្នេបកា
ី រេកីតេឡង
ី ៃន្រពឹតកា
ិ្ត រណ៍
A មិនប៉ះពាល់ដល់ឱកាសេកីតេឡង
ី ៃន្រពឹតិកា
្ត រណ៍ B ។
ឧទាហរណ៍ 4.4.1. ឧទាហរណ៍ៃន្រពឹតិកា

្ត រណ៍មិនអា្រស័យគា្ន
• េបាះកាក់មួយេហយ
ី ទទួលបាន H រួចេបាះ្រគាប់ឡុកឡាក់មួយ្រគាប់េហយ
ី ទទួលបាន 1
70
• េបាះ្រគាប់ឡុកឡាក់មួយ្រគាប់េហយ
ី ទទួលបាន 6 រួចបនា្ទប់មកេបាះ្រគាប់ឡុកឡាក់ទីពីរេហយ
ី ទទួល
បាន 3
• ហូតេបៀរមួយសន្លឹកេចញពីហ៊ូេហយ
ី ទទួលបានសន្លឹក្រកមុំ ដាក់ចូលវ ិញរួចហូតយកេបៀរសន្លឹកទីពីរ
េហយ
ី ទទួលបានសន្លក ឹ ្រកមុំ
េដីម្បរី ក្រប�បាប៊ីលីេតៃន្រពឹតកា
ិ្ត រណ៍ពីរមិនអា្រស័យគា្នែដលេកីតេឡង ី ្រត�វរក្រប�បាប៊ីលីេត
ី បន្តបនា្ទប់ េយង
ៃន្រពឹតិ្ត ការណ៍ នី មួយ ៗរួច គុណ ចូលគា្ន។ ជាឧទាហរណ៍ េបី កាក់ មួយ ្រត�វ បានេបាះពីរ ដង េនាះ្រប�បាប៊ីលីេត
ែដលទទួល បាន H ពីរ គឺ 21 . 12 = 14 ។ លទ្ធផលេនះអាច្រត�វ បានេផ្ទ�ងផា្ទត់ េដាយពិនិត្យេលី លំហ គំរូ Ω =
{HH, HT, T H, T T } េនាះ P(HH) = 14 ។
សំេណើ 4.4.1. េពលែដល្រពឹតិ្តការណ៍ពីរមិនអា្រស័យគា្នេនាះ្រប�បាប៊ីលីេតៃនការេកីតេឡង

ី ៃន្រពឹតិ្តការណ៍
ទាំងពរី គឺ
P(A ∩ B) = P(A)P(B)
ិ ្រគាប់ឡុកឡាក់មួយ្រត�វបានេបាះម្តង។ រក្រប�បាប៊ីលេី តែដលទទួលបាន

ឧទាហរណ៍ 4.4.2. កាក់មួយ នង
H េលីកាក់និងេលខ 4 េលី្រគាប់ឡុកឡាក់។
េដាយសារ្រពឹតិកា
្ត រណ៍េបាះកាក់មួយ និង្រគាប់ឡុកឡាក់មួយជា្រពឹតិកា
្ត រណ៍មិនអា្រស័យគា្នេនាះ
P(H ∩ {4}) = P(H).P({4})

1 1 1
= . =
2 6 12
= 0.083
ឧទាហរណ៍ 4.4.3. េនក្នុងថង់មួយមានបាល់្រកហម 2 បាល់េខៀវ 5 និងបាល់ស 3។ បាល់មួយ្រត�វបាន
ចាប់យករួចកត់្រតាពណ៌របស់វាបនា្ទប់មកដាក់ចូលវ ិញ។ បាល់ទព

ី រី ្រត�វបានចាប់យករួចកត់្រតាពណ៌របស់
វា។ រក្រប�បាប៊ីលេី តៃន្រពត
ឹ កា
ិ្ត រណ៍ែដល
1. ចាប់បានបាល់េខៀវ 2
2. ចាប់បានបាល់ស 1 និងបនា្ទប់មកបាល់្រកហម 1
3. ចាប់បានបាល់េខៀវ 1 នង
ិ បនា្ទប់មកបាល់ស 1
ចេម្លើយ. តាង B : ជា្រពឹតិ្តការណ៍ចាប់បានបាល់េខៀវ, W : ជា្រពត

ឹ ិ្តការណ៍ចាប់បានបាល់ស, R : ជា្រពឹតិ្ត
ការណ៍ចាប់បានបាល់្រកហម
1.
5 5
P(B ∩ B) = P(B).P(B) = . = 0.25
10 10
2.
3 2
P(W ∩ R) = P(W).P(R) = . = 0.06
10 10
3.
5 3
P(B ∩ W) = P(B).P(W) = . = 0.15
10 10
71
សមា្គល់ 4.4.1. ក្បនផលគុ
ួ ណអាចេ្របីបានចំេពាះ្រពឹតិកា
្ត រណ៍មិនអា្រស័យគា្នបីឬេ្រចីនេដាយេ្របីរូបមន្ត
P(A1 ∩ A2 ∩ . . . ∩ An ) = P(A1 ).P(A2 ) . . . P(An )
ឧទាហរណ៍ 4.4.4. ្រគាប់ឡុកឡាក់មួយ្រគាប់្រត�វបានេបាះ 6 ដងមន

ិ អា្រស័យគា្ន។ តាង Ai ជា្រពត
ឹ កា
ិ្ត រណ៍
ែដលមុខ i េចញេនការេបាះទី i ែដល i = 1, 2, . . . , 6។ ដូចេនះ P(Ai ) =
និង P(Āi ) = 1 − 61 = 56 ។ េបី
1
6
េយង
ី តាង B ជា្រពត
ឹ កា
ិ្ត រណ៍ែដលយា៉ងេហាចណាស់មានមុខ i េចញេនការេបាះទី i េនាះ B̄ ជា្រពតឹ កា
ិ្ត រណ៍
ែដលមិនមានមុខ i េចញេនការេបាះទី i។ ដូេច្នះ
P(B) = 1 − P( B̄) = 1 − P(Ā1 ∩ Ā2 ∩ . . . ∩ Ār6 )

!6
5
=1− = 0.6651
6
លំហាត់ 4.4.1. ់ ួយមានបាល់្រកហម 9 បាល់ស 8 នង

1. េនក្នុងថងម ិ បាល់េខៀវ 6។ េគេ្រជស
ី យកបាល់
2 េដាយៃចដន្យម្តងមួយរួចដាក់ចូលវ ិញ។ រក្រប�បាប៊ីលេី តែដល
(a) បាល់ទីមួយមានពណ៌្រកហមនិងបាល់ទីពីរមានពណ៌ស
(b) បាល់ទាង
ំ ពីរមានពណ៌ដូចគា្ន
(c) បាល់ទីពីរមានពណ៌េខៀវ
2. ពល
ិ មួយមានថ្ម 6 ្រគាប់ែដលក្នុងចំេនាមេនាះមាន 2 ្រគាប់ជាថ្មខូច។ េបថ
ី ្ម 2 ្រគាប់្រត�វបានេ្រជីសេរស
ី
េដាយៃចដន្យម្តងមួយរួចដាក់ចូលវ ិញ រក្រប�បាប៊ីលីេតែដលថ្មទាង
ំ ពីរជាថ្មខូច។
4.5 ្រប�បាប៊ីលេី តមានលក្ខខណ្ឌ
េនេពលែដលការេកត ី េឡង ី ៃន្រពត ឹ ិ្ត ការណ៍ ទម

ី ួយ េធ្វី ឱ្យែ្រប្រប�ល ដល់ ឱកាសេកត
ី េឡង
ី ៃន្រពត
ឹ ិ្ត ការណ៍ ទព
ី រី
េនាះ្រពត
ឹ ិ្ត ការណ៍ ទាំងពរី ជា្រពត
ឹ ិ្ត ការណ៍ អា្រស័យ គា្ន។ ជាឧទាហរណ៍ ឧបមាថាេបៀរមួយ សន្លក ឹ ្រត�វ បានហូត
េចញពហ
ី រ៊ូ ច
ួ មន
ិ ដាក់ចូលវ ិញ បនា្ទប់មកេបៀរសន្លក
ឹ ទពី រី ្រត�វបានហូត។ េត្រី ប�បាប៊ីលេី តែដលហូតសន្លក ឹ ទម ី ួយ
បានសន្លឹកអាត់និងសន្លឹកទីពីរបានសន្លឹកេស្តច? មុននឹងេឆ្លីយសំនួរេនះេយង ី សេង្កតេឃញី ថា្រពឹតិ្តការណ៍
ិ្ត រណ៍អា្រស័យគា្ន។ ្រប�បាប៊ីលីេតែដលហូតបានសន្លឹកទីមួយជាសន្លឹកអាត់គឺ
ទាំងពីរគឺជា្រពឹតកា ។ េបេី បៀរ
4
52
មិន្រត�វបានដាក់ចូលវ ិញ េនាះ្រប�បាប៊ីលីេតែដលហូតបានសន្លឹកទីពីរជាសន្លឹកេស្តចគឺ 4
51
េ្រពាះមានសន្លឹក
េស្តចមាន 4 សន្លឹក និងេបៀរេនសល់មាន 51 សន្លឹក។
និយមន័យ 4.5.1. ្រពឹតិ្ត ការណ៍ ពីរ អា្រស័យ គា្ន េបី ការេកីតេឡង

ី ៃន្រពឹតិ្ត ការណ៍ ទីមួយ េធ្វី ឱ្យែ្រប្រប�ល ដល់
ឱកាសេកត
ី េឡង
ឹ កា
ិ្ត រណ៍ទព
ី រី ។
ឧទាហរណ៍ 4.5.1. ឧទាហរណ៍ៃន្រពត

ឹ កា
ិ្ត រណ៍អា្រស័យគា្ន
• ហូតេបៀរមួយសន្លឹកេចញពីហ៊ូ មិនដាក់ចូលវ ិញ រួចហូតសន្លក

ឹ ទីពីរ
ី ង់ មន
• ចាប់យកបាល់មួយពថ ិ ដាក់ចូលវ ិញ រួចចាប់យកបាល់ទព
ី រី
• ទទួលបានពន
ិ ុ ខ្ព
្ទ ស់ នង
ិ ទទួលបានអាហារូបករណ៍
72
• ចតេនកែន្លងហាមចត និងទទួលលិខិតផាកពិន័យ
និយមន័យ 4.5.2 (្រប�បាប៊ីលេី តមានលក្ខខណ្ឌ). េគឱ្យ្រពត

ឹ កា
ិ្ត រណ៍ពីរ A នង
ិ B ែដល P(A) > 0 េនាះ
្រប�បាប៊ីលេី តមានលក្ខខណ្ឌៃន្រពត
ឹ កា
ិ្ត រណ៍ B េដាយដងឹ ថា្រពត
ឹ កា
ិ្ត រណ៍ A េកត
ី េឡង
ី តាងេដាយ P(B|A) ែដល
កំនត់េដាយ
P(A ∩ B)
P(B|A) =
P(A)
តាមនយិ មន័យេនះ េនេពលែដល្រពត ិ្ត រណ៍ពរី អា្រស័យគា្នេនាះ្រប�បាប៊ីលេី តៃនការេកត

ឹ កា ី េឡង
ី ្រពត
ឹ កា
ិ្ត រណ៍
ទាំងពីរគឺ
P(A ∩ B) = P(A).P(B|A)
ឧទាហរណ៍ 4.5.2. េបៀរមួយសន្លឹក្រត�វបានហូតេចញពីហ៊ូរច

ួ មិនដាក់ចូលវ ិញ បនា្ទប់មកេបៀរសន្លឹកទីពីរ
្រត�វបានហូត។ េត្រី ប�បាប៊ីលីេតែដលហូតសន្លឹកទីមួយបានសន្លឹកអាត់និងសន្លឹកទីពីរបានសន្លឹកេស្តចេស្មីនឹង
ប៉ុនា្មន?
ចេម្លើយ. តាង A ជា្រពឹតកា
ិ្ត រណ៍ហូតបានសន្លឹកអាត់មួយសន្លឹក និង K ជា្រពឹតកា
ិ្ត រណ៍ហូតបានសន្លឹកេស្តច
មួយសន្លឹក។ ្រប�បាប៊ីលីេតៃន្រពឹតកា
ិ្ត រណ៍ែដលហូតសន្លឹកទីពីរបានសន្លឹកេស្តចេដាយដឹងថាសន្លឹកទីមួយហូត
ឹ អាត់ជា្រប�បាប៊ីលេី តមានលក្ខខណ្ឌ P(K|A)។ េយង
បានសន្លក ី មាន
4 4
P(A) = , P(K|A) =
52 51
ដូចេនះ
4 4
P(A ∩ K) = P(A).P(K|A) = . = 0.006
52 51
ឧទាហរណ៍ 4.5.3. ្របអប់ ទី 1 មានបាល់ ្រកហម 2 និង បាល់ េខៀវ 1។ ្របអប់ ទី 2 មានបាល់ ្រកហម 1
និងបាល់េខៀវ 3។ កាក់មួយ្រត�វបានេបាះេបីកាក់េចញ H ្របអប់ទី 1 ្រត�វបានេ្រជីសេរស
ី េហយ
ី បាល់មួយ
្រត�វបានចាប់យក។ េបីកាក់េចញ T ្របអប់ទី 2 ្រត�វបានេ្រជស
ី េរសេហ
ី យ
ី បាល់មួយ្រត�វបានចាប់យក។ រក
្រប�បាប៊ីលេី តែដលចាប់បានបាល់្រកហមមួយ។
ចេម្លើយ. តាង B1 :ជា្រពត

ឹ ិ្តការណ៍ែដលេ្រជីស្របអប់ទី 1, B2 : ជា្រពត
ឹ ិ្តការណ៍ែដលេ្រជីស្របអប់ទី 2, R :
ជា្រពត ឹ កា
ិ្ត រណ៍ចាប់បានបាល់្រកហម, B : ជា្រពត
ឹ កា
ិ្ត រណ៍ចាប់បានបាល់េខៀវ
្រពឹតកា
ិ្ត រណ៍ែដលចាប់បានបាល់្រកហមមួយមានន័យថាបាល់្រកហមមួយែដលអាចេ្រជីសេចញព្រី បអប់ទី 1
ឬ្របអប់ទី 2។ េយង ី មាន
1 1 2 1 1 3
P(B1 ) = , P(B2 ) = , P(R|B1 ) = , P(B|B1 ) = , P(R|B2 ) = , P(B|B2 ) =
2 2 3 3 4 4
ដូចេនះ
P(R) = P((R ∩ B1 ) ∪ (R ∩ B2 ))
= P(R ∩ B1 ) + P(R ∩ B2 )
= P(B1 )P(R|B1 ) + P(B2 )P(R|B2 )
1 2 1 1
= . + .
2 3 2 4
2 1 11
= + =
6 8 24
73
លក្ខណៈៃន្រប�បាប៊ីលេី តមានលក្ខខណ្ឌ
1. 0 ≤ P(B|A) ≤ 1
2. P(Ω|A) = 1
3. េបី B1 , B2 , . . . , Bn ជា្រពឹតិកា
្ត រណ៍ែដល Bi ∩ B j = ∅, i , j េនាះចំេពាះ្រគប់ចំនួនគត់វ ិជ្ជមាន n
P(B1 ∪ B2 ∪ . . . ∪ Bn |A) = P(B1 |A) + P(B2 |A) + · · · + P(Bn |A).
ជាទូេទ
∞ 
[  X
∞
 
P  Bn A = P(Bn |A).
n=1 n=1
ស្រមាយបញ្ជ ក់. 1. េដាយសារ A∩ B ⊆ A េនាះ P(A∩ B) ≤ P(A) និង P(A∩ B) ≥ 0 និង P(A) ≥ 0
ដូចេនះ
P(A ∩ B)
0 ≤ P(B|A) = ≤ 1.
P(A)
2.
P(Ω ∩ A) P(A)
P(Ω|A) = = = 1.
P(A) P(A)
3. េបី B1 , B2 , . . . ជា្រពត
ឹ កា
ិ្ត រណ៍ដាច់គា្នេនាះ A ∩ B1 , A ∩ B2 , . . . ក៏ជា្រពត
ឹ កា
ិ្ត រណ៍ដាច់គា្នែដរ។ ដូចេនះ
េយង ី បាន
∞  S∞
[  P Bn ∩ A
P  Bn A = n=1
P(A)
n=1
S∞
P n=1 (Bn ∩ A)
=
P(A)
P∞
P(Bn ∩ A)
= n=1
P(A)
X P(A ∩ Bn )
∞
=
n=1
P(A)
X∞
= P(Bn |A).
n=1
សមា្គល់ 4.5.1. តាមនិយមន័យ ្រប�បាប៊ីលីេតមាន លក្ខខណ្ឌ េយង

ី ទាញបានក្បនផលគុ
ួ ណ ស្រមាប់ ្រពឹតិ្ត
ការណ៍ែដលអា្រស័យគា្ន
• P(A ∩ B) = P(A|B).P(B) េបី P(B) > 0
• P(A ∩ B) = P(B|A).P(A) េបី P(A) > 0
• ជាទូេទ
P(A1 ∩ A2 ∩ · · · ∩ An ) = P(A1 )P(A2 |A1 )P(A3 |A1 ∩ A2 ) · · · P(An |A1 ∩ · · · An−1 ).
74
្រពឹត្តិការណ៍មិនអា្រស័យគា្ន
្រពឹតិ្តការណ៍ A និង B ជា្រពត ឹ ិ្តការណ៍មិនអា្រស័យគា្នេបីការេកីតេឡង

ី ៃន្រពឹតិ្តការណ៍មួយមិនប៉ះពាល់ដល់
ឱកាសេកីតេឡង ី ៃន្រពឹតិកា
្ត រណ៍មួយេទៀតមានន័យថា
P(B|A) = P(B) ឬ P(A|B) = P(A)
េបី P(A) > 0 ឬក្នុងករណីទព ិ មន័យ្រប�បាប៊ីលេី តមានលក្ខខណ្ឌេយង

ី រី P(B) > 0 ។ តាមនយ ី បាន
P(A ∩ B) = P(A)P(B|A) = P(A)P(B)
ឬ
P(A ∩ B) = P(B)P(A|B) = P(B)P(A)
និយមន័យ 4.5.3. ្រពត

ឹ កា
ិ្ត រណ៍ A នង
ឹ កា
ិ្ត រណ៍មន
ិ អា្រស័យគា្នលុះ្រតាែត
P(A ∩ B) = P(A)P(B)
េបម
ី ន
ិ អញ្ច ឹងេទ្រពត
ឹ កា
ឹ កា
ិ្ត រណ៍អា្រស័យគា្ន។
សមា្គល់ 4.5.2. នយ
ិ មន័យ េនះក៏ េនែតពត
ិ េបី P(A) = 0 ឬ P(B) = 0 េ្រពាះេយង
ី មាន P(A ∩ B) = 0
េដាយសារ (A ∩ B) ⊂ A និង (A ∩ B) ⊂ B។ ដូចេនះអង្គទាង
ំ សងខាងៃន P(A ∩ B) = P(A)P(B) គេឺ ស្មីនឹង
សូន្យដូចគា្នេហយ
ី ដូេច្នះវាេស្មគា
ី ្ន ។
ឧទាហរណ៍ 4.5.4. េបាះកាក់េស្មសា
ី ច់មួយពីរដង។ តាង A ជា្រពឹតកា
ិ្ត រណ៍ែដលទទួលបាន H េលកា
ី រេបាះ
កាក់េលក
ី ទម
ី ួយ B ជា្រពត
ឹ កា
ិ្ត រណ៍ែដលទទួលបាន T េលកា
ី រេបាះកាក់េលក
ី ទព
ី រី នង
ិ C ជា្រពត
ឹ កា
ិ្ត រណ៍ែដល
ទទួលបាន T េលីការេបាះកាក់ទាង ំ ពីរេលីក។
1. េតី A និង B ជា្រពឹតិកា

្ត រណ៍មិនអា្រស័យគា្នឬេទ?
2. េតី B និង C ជា្រពឹតិកា

ចេម្លើយ. លំហគំរូ
Ω = {HH, HT, T H, T T }
្រពត
ឹ កា
ិ្ត រណ៍
A = {HH, HT }, B = {HT, T T }, C = {T T }
A ∩ B = {HT }, B ∩ C = {T T }
េនាះេយង
ី បាន
2 2 1
P(A) = , P(B) = , P(C) =
4 4 4
1 1
P(A ∩ B) = , P(B ∩ C) =
4 4
1. េយង
ី មាន
1 2 2
P(A ∩ B) = = . = P(A)P(B)
4 4 4
ដូចេនះ A និង B ជា្រពឹតិកា
្ត រណ៍មិនអា្រស័យគា្ន។
75
2. េយង
ី មាន
1 2 1
P(B ∩ C) = , . = P(B)P(C)
4 4 4
ដូចេនះ B និង C ជា្រពឹតិកា
្ត រណ៍អា្រស័យគា្ន។
ី ្ដ ទ 4.5.1. េបី A និង B ជា្រពឹតកា

្រទឹសប ិ្ត រណ៍មិនអា្រស័យគា្នេនាះគូៃន្រពឹតកា
ិ្ត រណ៍ខាងេ្រកាមក៏មិនអា្រស័យ
គា្នែដរ
1. A និង B̄
2. Ā នង
ិ B
3. Ā នង
ិ B̄
ស្រមាយបញ្ជ ក់. ី អាចសេសរ A ជា្របជុំដាច់គា្នៃន A ∩ B និង A ∩ B̄
1. េយង
A = (A ∩ B) ∪ (A ∩ B̄)
ដូចេនះ
P(A) = P(A ∩ B) + P(A ∩ B̄)

P(A ∩ B̄) = P(A) − P(A ∩ B)
= P(A) − P(A).P(B)
= P(A)(1 − P(B))
= P(A).P( B̄)
ី អាចសេសរ B ជា្របជុំដាច់គា្នៃន A ∩ B នង
2. េយង ិ Ā ∩ B
B = (A ∩ B) ∪ (Ā ∩ B)
ដូចេនះ
P(B) = P(A ∩ B) + P(Ā ∩ B)

P(Ā ∩ B) = P(B) − P(A ∩ B)
= P(B) − P(A).P(B)
= P(B)(1 − P(A))
= P(Ā).P(B).
3.
P(Ā ∩ B̄) = P(A ∪¯ B) = 1 − P(A ∪ B)

= 1 − P(A) − P(B) + P(A ∩ B)
= 1 − P(A) − P(B) + P(A).P(B)
= (1 − P(A))(1 − P(B))
= P(Ā).P( B̄).
76
1. ្រពឹតិកា
្ត រណ៍ (Ai )i∈I ជា្រពឹតិកា
្ត រណ៍មិនអា្រស័យគា្នេបី ∀J ⊂ I សំណុំរាប់អស់ៃន I េយង
ី មាន
 
\  Y
P  Ai  = P(Ai )
i∈J i∈J
2. ្រពត
ឹ ិ្តការណ៍ (Ai )i∈I ជា្រពត
ឹ ិ្តការណ៍មន
ិ អា្រស័យគា្នពរី ៗេបី Ai នង
ិ A j ជា្រពត
ឹ ិ្តការណ៍មន
ិ អា្រស័យគា្ន
ចំេពាះ្រគប់ i, j, i , j មានន័យថា
P(Ai ∩ A j ) = P(Ai )P(A j ), ∀i , j
ឧទាហរណ៍ 4.5.5. យក Ω = {1, 2, 3, 4} នង

ិ p(i) = 4 , i = 1, 2, 3, 4។ តាង A = {1, 2}, B = {1, 3}, C =
1
{1, 4} េនាះ
2 1
P(A) = P(B) = P(C) = =
4 2
នង
ិ
1
P(A ∩ B) = P(A ∩ C) = P(B ∩ C) =
4
ដូចេនះ
1 1 1
P(A ∩ B) = = . = P(A).P(B)
4 2 2
1 1 1
P(A ∩ C) = = . = P(A).P(C)
4 2 2
1 1 1
P(B ∩ C) = = . = P(B).P(C)
4 2 2
ដូេច្នះ A, B, C ជា្រពត
ឹ កា
ិ អា្រស័យគា្នពរី ៗ ប៉ុែន្ត A ∩ B ∩ C = {1} េនាះ
1 1
P(A ∩ B ∩ C) = , = P(A).P(B).P(C)
4 8
ដូេច្នះ A, B, C ជា្រពឹតិកា
្ត រណ៍អា្រស័យគា្ន។
លំហាត់ 4.5.1. 1. េនក្នុងថង់មួយមានបាល់្រកហម 9 បាល់ស 8 នង
ិ បាល់េខៀវ 6។ េ្រជស
ី យកបាល់
ិ ដាក់ចូលវ ិញ។ រក្រប�បាប៊ីលេី តែដល

2 េដាយៃចដន្យម្តងមួយេដាយមន
(a) បាល់ទម
ី ួយមានពណ៌្រកហមនង
ិ បាល់ទព
ី រី មានពណ៌ស
(b) បាល់ទាង
ំ ពីរមានពណ៌ដូចគា្ន
(c) បាល់ទីពីរមានពណ៌េខៀវ
2. ពិលមួយមានថ្ម 6 ្រគាប់ែដលក្នុងចំេនាមេនាះមាន 2 ្រគាប់ជាថ្មខូច។ េបថ

ី ្ម 2 ្រគាប់្រត�វបានេ្រជីសេរស
ី
េដាយៃចដន្យម្តងមួយេដាយមិនដាក់ចូលវ ិញ រក្រប�បាប៊ីលីេតែដលថ្មទាង
ំ ពីរជាថ្មខូច។
3. ្រគាប់ ឡុកឡាក់ ្រកហមមួយ ្រគាប់ នង

ិ សមួយ ្រគាប់ ្រត�វ បានេបាះម្តង។ តាង A ជា្រពត
ឹ ិ្ត ការណ៍ ែដល
បានមុខេលខ 4 េនេល្រី គាប់ឡុកឡាក់្រកហម B ជា្រពឹតកា
ិ្ត រណ៍ែដលផលបូកមុខេល្រី គាប់ឡុកឡាក់
ទាំងពរី ជាេលខេសស C ជា្រពត
ឹ ិ្តការណ៍ែដលបានមុខេលខ 5 េនេលី្រគាប់ឡុកឡាក់្រកហម នង
ិ D
ជា្រពត
ឹ កា
ិ្ត រណ៍ែដលផលបូកមុខេល្រី គាប់ឡុកឡាក់ទាង
ំ ពរី េស្មន
ី ង
ឹ 11។
77
(a) េតី A និង B ជា្រពឹតិកា
(b) េតី C និង D ជា្រពឹតិកា
4. ក្នុង្រគ�សារែដលមានកូនពីរនាក់។ សន្មតថា
់ ឱកាសមានកូន្រប�ស ឬកូន្រសគ ី េឺ ស្មីគា្ន។ តាង A ជា្រពឹតិ្ត
ការណ៍ែដល្រគ�សារមួយមានយា៉ងេ្រចីនកូន្រសីមា្នក់ និង B ជា្រពឹតិកា
្ត រណ៍ែដល្រគ�សារមួយមានកូន
មានេភទដូចគា្ន
(a) េតី្រពឹតិកា
្ត រណ៍ A និង B មិនអា្រស័យគា្នឬេទ?
(b) ចុះេប្រី គ�សារែដលមានកូនបនា
ី ក់វ ិញ េត្រី ពត
ឹ កា
ិ B មន
ិ អា្រស័យគា្នឬេទ?
5. សន្មត់ថាកាក់េស្មសា
ី ច់មួយ្រត�វបានេបាះ 2 ដង។ កំនត់្រពត
ឹ កា
ិ្ត រណ៍ដូចខាងេ្រកាម
• A : កាក់េចញ H េនការេបាះេលក
ី ទ១
ី
• B : កាក់េចញ H េនការេបាះេលីកទី២
• C : កាក់េចញលទ្ធផលដូចគា្នេនការេបាះទាំង ២ េលក
ី
េតី A, B នង
ិ C មន
ិ អា្រស័យគា្នែដរឬេទ?
4.6 ្រទឹសប
ី ្ត ទេបេយស
ី ្ដ ទ 4.6.1 (រ ូបមន្ត្រប�បាប៊ីលេី តសរ ុប). េបី A1 , A2 , . . . , Ak ជាបំែនកៃនលំហគំរូ Ω មានន័យថា

្រទឹសប
Sk
Ai ∩ A j = ∅, ∀i , j និង i=1 Ai = Ω។ េបី P(Ai ) > 0 ចំេពាះ្រគប់ i េនាះចំេពាះ្រពឹតិកា
្ត រណ៍ B
P(B) = P(B|A1 )P(A1 ) + · · · + P(B|Ak )P(Ak )

Xk
= P(B|Ai )P(Ai )
i=1

ី មាន
B = (A1 ∩ B) ∪ . . . ∪ (Ak ∩ B)
[k
= (Ai ∩ B)
i=1
ែដលជា្របជុំដាច់គា្នេ្រពាះ A1 , A2 , . . . , Ak ជាបំែនកៃនលំហគំរូ Ω។ ដូេច្នះ
X
k
P(B) = P(Ai ∩ B)
i=1
Xk
= P(B|Ai )P(Ai )
i=1
□
ី ្ដ ទ 4.6.2 (េបេយស). េបី A1 , A2 , . . . , Ak ជាបំ ែនកៃនលំហ គំរូ Ω។ តាង B ជា្រពឹតិ្ត ការណ៍ មួយ
្រទឹសប
េនាះ
P(B|A j )P(A j )
P(A j |B) = Pk , 1≤ j≤k
i=1 P(B|Ai )P(Ai )
78
ស្រមាយបញ ិ មន័យៃន្រប�បាប៊ីលេី តមានលក្ខខណ្ឌ
្ជ ក់. តាមនយ
P(A j ∩ B)
P(A j |B) =
P(B)
P(B|A j )P(A j )
= Pk
i=1 P(B|Ai )P(Ai )
□
ឧទាហរណ៍ 4.6.1. ្របអប់ទី 1 មានបាល់្រកហម 2 និងបាល់េខៀវ 1។ ្របអប់ទី 2 មានបាល់្រកហម 1 និង
បាល់េខៀវ 3។ កាក់មួយ ្រត�វ បានេបាះេបី កាក់េចញ H ្របអប់ទី 1 ្រត�វបានេ្រជីសេរស
ី េហយ
ី បាល់ មួយ ្រត�វ
បានចាប់យក។ េបីកាក់េចញ T ្របអប់ទី 2 ្រត�វបានេ្រជីសេរសេហី យ
ី បាល់មួយ្រត�វបានចាប់យក។ េដាយ
ដឹងថាបាល់មួយែដលចាប់បានជាបាល់្រកហមរក្រប�បាប៊ីលេី តែដលបាល់េនាះ្រត�វបានចាប់េចញពី្របអប់ទី
1។
ចេម្លើយ. តាង B1 :ជា្រពត
ឹ ិ្តការណ៍ែដលេ្រជីស្របអប់ទី 1, B2 : ជា្រពត
ឹ ិ្តការណ៍ែដលេ្រជីស្របអប់ទី 2, R :
ជា្រពឹតិកា
្ត រណ៍ចាប់បានបាល់្រកហម, B : ជា្រពឹតិកា
្ត រណ៍ចាប់បានបាល់េខៀវ ។ េយង
ី បាន
P(R|B1 )P(B1 )
P(B1 |R) =
P(R|B1 )P(B1 ) + P(R|B2 )P(B2 )
.
2 1
8
= 2 13 21 1 =
. + 4 . 2 11
3 2
ឧទាហរណ៍ 4.6.2. អ្នកេបីកបរមា្នក់ មានផ្លូវ 3 េដីម្បី េចញពី ទី្រក�ង មួយ េទទី្រក�ង មួយេទៀត។ តាមផ្លូវទី
1 មានឱកាស 80% ែដលអាចជួប្របទះការកកស្ទះ ចរាចរណ៍។ តាមផ្លូវទី 2 មានឱកាស 60% ែដលអាច
ជួប្របទះការកកស្ទះចរាចរណ៍។ តាមផ្លូវទី 3 មានឱកាស 30% ែដលអាចជួប្របទះការកកស្ទះចរាចរណ៍។
េដាយសារកតា្តេផ្សងៗដូចជាចមា្ងយ និងេល្ប�នកំនត់ អ្នកេបីកបរេ្របី្របាស់ផូ ្លវទី1 50% ៃនេពលសរុបនិង
ផ្លូវទី 2 នង
ិ 3 នម
ី ួយៗ 25% ៃនេពលសរុប។
1. រក្រប�បាប៊ីលេី តែដលអ្នកេបក
ី បរជួប្របទះការកកស្ទះចរាចរណ៍។
ី ្នកេបីកបរទូរសព្ទមកកែន្លង្រគប់្រគងចរាចរណ៍ថាគាត់េនក្នុងការកកស្ទះចរាចរណ៍ រក្រប�បាប៊ីលីេត
2. េបអ
ែដលគាត់បានេ្រជីសយកផ្លូវទី 1 ។
ចេម្លើយ. តាង R1 ជា្រពត ិ្ត រណ៍េ្រជីសយកផ្លូវទី 1, R2 ជា្រពត

ឹ កា ិ្ត រណ៍េ្រជីសយកផ្លូវទី 2, R3 ជា្រពត
ឹ កា ឹ កា
ិ្ត រណ៍
េ្រជីសយកផ្លូវទី 3, J ជា្រពឹតិកា
្ត រណ៍ជួប្របទះការកកស្ទះចរាចរណ៍
1.
P(J) = P(J ∩ R1 ) + P(J ∩ R2 ) + P(J ∩ R3 )
= P(R1 )P(J|R1 ) + P(R2 )P(J|R2 ) + P(R3 )P(J|R3 )
= (0.5)(0.8) + (0.25)(0.6) + (0.25)(0.3)
= 0.625
2.
P(R1 )P(J|R1 )
P(R1 |J) =
P(R1 )P(J|R1 ) + P(R2 )P(J|R2 ) + P(R3 )P(J|R3 )
(0.5)(0.8)
= = 0.64
0.625
79
ឧទាហរណ៍ 4.6.3. សន្មតថា
់ ចំនួនករណីជម្ងក
ឺ វូ ីត ១៩ េនក្នុងទ្រី ក�ងគឺ 6% ៃនចំនួន្របជាជន។ ការេធ្វេី តស្ត
PCR រកជម្ងឺកូវ ីត ១៩ មានអា្រតាវ ិជ្ជមានខុស 0.5% និងអា្រតាអវ ិជ្ជមានខុស 20%។
1. េត្រី ប�បាប៊ីលេី តែដលមនុស្សមា្នក់មានជម្ងេឺ ដាយដង

ឹ ថាគាត់បានេធ្វេី តស្តវ ិជ្ជមាន?
2. េតី្រប�បាប៊ីលីេតែដលមនុស្សមា្នក់មានជម្ងឺេដាយដឹងថាគាត់បានេធ្វីេតស្តអវ ិជ្ជមាន?
ចេម្លើយ. 1. តាង D ជា្រពឹតិ្ត ការណ៍ ែដលមនុស្សមា្នក់ មានកូ វ ីត១៩ និង តាង Y ជា្រពឹតិ្ត ការណ៍ ែដល
មនុស្សមា្នក់េតស្តវ ិជ្ជមាន។ សំនួរែដលសួរគឺ P(D|Y)។ េយង
ី មាន
• ្រប�បាប៊ីលីេតែដលមានជម្ងឺកូវ ីត១៩ គឺ P(D) = 6

100
• ការេធ្វេី តស្តមានអា្រតាវ ិជ្ជមានខុស 0.5% មានន័យថា P(Y|D̄) = 5

1000
• ការេធ្វេី តស្តមានអា្រតាអវ ិជ្ជមានខុស 20% មានន័យថា P(Y|D) = 80

100
ដូេច្នះ
P(D)P(Y|D)
P(D|Y) =
P(D)P(Y|D) + P(D̄)P(Y|D̄)
6 80
= 100 100
6 80
100 100
+ 100
94 5
1000
480
= = 0.91
527
2. សំនួរែដលសួរគឺ P(D|Ȳ)។ េយង

ី មាន
527 9473
P(Ȳ) = 1 − P(Y) = 1 − =
10000 10000
និង
80 20
P(Ȳ|D) = 1 − P(Y|D) = 1 − =
100 100
P(D)P(Ȳ|D)
P(D|Ȳ) =
P(Ȳ)
6 20
= 100 100
9473
10000
120
= = 0.0126
9473
លំហាត់ 4.6.1. 1. ក្នុងថង់ ទី1 មានបាល់ ្រកហម 5 និង បាល់ េខ្ម 3។ ក្នុងថង់ ទី2 មានបាល់ ្រកហម 3
ិ បាល់ េខ្ម 1។ ក្នុងថង់ ទ3

នង ី មានបាល់ ្រកហម 4 នងិ បាល់ េខ្ម 2។ េបី ថង់ មួយ ្រត�វ បានេ្រជីសេរស
ី
ិ បាល់មួយ្រត�វបានចាប់យកេដាយៃចដន្យ រក្រប�បាប៊ីលេី តែដលបាល់េនាះមានពណ៌្រកហម។
េដាយៃចដន្យនង
2. ការដឹកជញ្ជូ ន្របអប់ ពរី ែដលនី មួយ ៗមានទូរសព្ទ 6 េ្រគឿង្រត�វ បានទទួល េដាយហាងលក់។ ្របអប់
ទ១
ី មានទូរសព្ទខូច១ នងិ ្របអប់ទ២
ី មានទូរសព្ទខូច២។ បនា្ទប់ព្រី បអប់ទាង
ំ ពរី ្រត�វបានេបក
ី ទូរសព្ទ
មួយ្រត�វបានេ្រជស
ី យកេដាយៃចដន្យេហយ ី រកេឃញ ី ថាវាខូច។ រក្រប�បាប៊ីលេី តែដលវាេចញព្រី បអប់
ទី២។
80
3. ហាងទំនញ
ិ មួយទញ
ិ មួកពីេរាងច្រក 3 េផ្សងគា្ន។ េនក្នុង្របអប់របស់េរាងច្រក A មានមួកេខៀវ 12,
មួក្រកហម 6 និងមួកៃបតង 6។ េនក្នុង្របអប់របស់េរាងច្រក B មានមួកេខៀវ 10, មួក្រកហម 10 និង
មួកៃបតង 4។ េនក្នុង្របអប់របស់េរាងច្រក C មានមួកេខៀវ 8, មួក្រកហម 8 និងមួកៃបតង 8។ េបី
្របអប់មួយ្រត�វបានេ្រជីសេរសេហ
ី យី មួកមួយ្រត�វបានេ្រជីសេរសេដាយៃចដន្យេចញព
ី ្រី បអប់។
(a) េបីមួកមួយេនាះជាមួក្រកហម រក្រប�បាប៊ីលីេតែដលវាេចញពី្របអប់របស់េរាងច្រក A។
(b) េបីមួកមួយេនាះជាមួកៃបតង រក្រប�បាប៊ីលីេតែដលវាេចញពី្របអប់របស់េរាងច្រក B។
4. ្រក�មហ៊ុនមានវ ិធីសា�ស្តបេី ដីម្បប

ី ំប៉នបុគ្គលិកខ្លួន។ េដាយសារកតា្តេពលេវលា បរយាកាស
ិ និងទីតាង
ំ
្រក�មហ៊ុនបញ្ជូ ន 20% ៃនបុគ្គលក
ិ ខ្លួនេទទតា
ី ងំ A, 35% ៃនបុគ្គលក
ិ ខ្លួនេទទតា
ី ងំ B នង
ិ 45% ៃន
បុគ្គលិកខ្លួនេទទីតាង
ំ C ។ េនទីតាង
ំ A មានអា្រតា្របលងជាប់ 80% ទីតាង
ំ B មានអា្រតា្របលង
ជាប់ 75% និងទីតាង
ំ C មានអា្រតា្របលងជាប់ 60%។
(a) េបប ិ មា្នក់បាន្របលងជាប់ រក្រប�បាប៊ីលេី តែដលគាត់បានេទទតា

ី ុគ្គលក ី ងំ B
(b) េបប ិ មា្នក់បាន្របលងធា្លក់ រក្រប�បាប៊ីលេី តែដលគាត់បានេទទតា

ី ុគ្គលក ី ងំ C
81
82
អេថរៃចដន្យដាច់
េនក្នុងជំពូកេនះេយង ី នឹងពិភាក�អំព្រី គឹះៃនអេថរៃចដន្យជាពិេសសគអ ឺ េថរៃចដន្យដាច់ សង្ឃម ឹ គណិត និង

វា៉ដ្យងរ់ បស់វា។ េយង
ី នងឹ សកិ �អេថរៃចដន្យដាច់សខា ំ ន់ៗដូចជា៖ ែប៊រនូយី េទ្វធា ព័រសុង ធរណីមា្រត េទ្វធា
អវ ិជ្ជមាន អុីែពរធរណីមា្រត។
5.1 អេថរៃចដន្យ
ី ពី មូលដា្ឋន្រគឹះ ៃន្រប�បាប៊ីលីេត។ អេថរៃចដន្យគឺជា ស្នូលៃនការេ្របី

េគាលគំនិត ៃនអេថរៃចដន្យបេង្កីត េឡង
្របាស់ៃន្រប�បាប៊ីលីេតេនក្នុងការអនុវត្ត។ វា្រត�វបានេ្របី្របាស់ស្រមាប់សា្ថនភាពៃចដន្យជាពិេសសវា្រត�វបាន
េ្រប្រី បាស់ យា៉ងទូលំទូលាយេនក្នុងែមកធាងជាេ្រចន
ី ៃនការ្រសាវ្រជាវវ ិទយសា�ស្តរម
ួ មានកសក
ិ ម្ម ជវី សា�ស្ត
េអកូឡូសុី េសដ្ឋកច
ិ ្ច ឱសថសា�ស្ត ពយករណ៍ ធាតុអាកាស រូបវ ិទយ ចត
ិ ្តវ ិទយ នង
ិ ែផ្នក េផ្សងេទៀត។ អេថរ
ៃចដន្យផ្តល់ នូវ ទ្រមង់ ៃនការេធ្វីការសន្និដា្ឋន េនេពលែដលេយង ី មិន អាចវាស់ អីម
្វ ួយ េដាយភាពជាក់លាក់
េបីនយា
ិ យេទេយង ី គំរូៃនលទ្ធផលៃនដេំ ណីរការែដលមន
ី េ្របីវាេធ្វជា ិ អាចពយករណ៍ទុកជាមុនបាន។ អេថរ
ៃចដន្យជាអេថរែដលតៃម្លរបស់វាកំនត់េដាយលទ្ធផលៃនពិេសាធន៍ៃចដន្យ។
និយមន័យ 5.1.1. អេថរៃចដន្យ X គជា

ឺ អនុគមន៍ចំនួនពត
ិ េលល
ី ំហគំរូ Ω
X : Ω → R.
សមា្គល់ 5.1.1 (និមិត្តសញញ ). • តាង X, Y, Z ជាអេថរៃចដន្យនង

ិ តៃម្លែដលវាយកតាងេដាយ x, y, z
េរៀងគា្ន។
• X(ω) = x មានន័យថា x ជាតៃម្លែដល្រត�វនង

ឹ លទ្ធផល ω េដាយអេថរៃចដន្យ X ។
ឧទាហរណ៍ 5.1.1. • យក X ជាលទ្ធផលៃនការេបាះ្រគាប់ឡុកឡាក់មួយ្រគាប់ម្តងេនាះតៃម្លែដល X
អាចយកបានគឺ 1, 2, 3, 4, 5, 6 ។
• យក Y ជាចំនួនមុខ H ែដលេចញេនក្នុងការេបាះកាក់មួយពរី ដងេនាះតៃម្លែដល Y អាចយកបានគឺ

0, 1, 2
• យក U ជាចំនួនដងែដលមនុស្សមា្នក់ផា្លស់ទីលំេនេនាះ U អាចយកតៃម្ល 0, 1, 2, . . .
• H ជាកំពស់ៃនសិស្សមា្នក់កុ ងថា
្ន ្ន ក់ែដលេ្រជីសេរសេដាយៃចដន្យ
ី េនាះ H មានតៃម្លវ ិជ្ជមាន
• េ្រជីសេរសចំ
ី នុច ៃចដន្យេនក្នុងកាេរឯកតា {(x, y) : 0 ≤ x, y ≤ 1} និង យក X ជាចមា្ងយរបស់ វា
េចញពគ
ី ល់ O េនាះ X ជាអេថរៃចដន្យមានតៃម្លវ ិជ្ជមាន។
អេថរៃចដន្យមានពីរ្របេភទសំខាន់ៗ
83
1. អេថរៃចដន្យដាច់៖ ជាអេថរៃចដន្យែដលយកតៃម្លមានចំនួនកំនត់ឬរាប់បាន។
2. អេថរៃចដន្យជាប់៖ ជាអេថរៃចដន្យែដលអាចយកតៃម្លេនក្នុងចេនា្លះណាមួយ។
ឧទាហរណ៍ 5.1.2. កាក់េស្មីសាច់មួយ្រត�វបានបង្វិលបញ្ឈរេនេលីៃផ្ទរាបមួយ។
• តាង X ជាចំនួន H ែដលេចញេនេពលកាក់ឈប់េស្ង�មេនាះ X យកតៃម្ល 0 េបកា

ី ក់េចញ T ឬ 1 េបី
កាក់េចញ H
• តាង Y ជារយៈេពលរវាងការចាប់េផ្តម
ី បង្វល
ិ រហូតដល់កាក់ឈប់េស្ង�ម (គត
ិ ជាវ ិនាទ)
ី
េនក្នុងករណីេនះ X ជាអេថរៃចដន្យដាច់នង
ិ Y ជាអេថរៃចដន្យជាប់។
លំហាត់ 5.1.1. កំនត់ថាេតីវាជាអេថរៃចដន្យដាច់ ឬអេថរៃចដន្យជាប់
1. សីតុណ្ហភាពជាមធ្យមេនរាជធានីភ្នំេពញេនៃថ្ងែស្អក
2. ចំនួនការេហចូលទូរសព្ទែដលខ្ញុំនឹងទទួលេនែថ្ងែស្អក
3. កំពស់ៃនសិស្សមា្នក់ែដលេ្រជីសេរសេដាយៃចដន្យេនក្ន
ី ុ ងថា្នក់
4. ចំនួនេ្រគាះថា្នក់ចរាចរណ៍ក្នុង្របេទសកម្ពុជាេនឆា្នេំ ្រកាយ
5. ចំនួនអ្នកឆ្លងជម្ងឺកូវ ីត១៩ េនែថ្ងែស្អក
6. រយៈេពលរង់ចាចា
ំ ក់វា៉ក់សាង
ំ ការពារជម្ងក
ឺ ូវ ីត១៩
5.2 អេថរៃចដន្យដាច់
និយមន័យ 5.2.1 (អេថរៃចដន្យដាច់). អេថរៃចដន្យ X ជាអេថរៃចដន្យដាច់េបីតៃម្លែដលវាអាចយក

មានចំនួនកំនត់ ឬរាប់បាន។ អនុគមន៍មា៉ស្រប�បាប៊ីលីេតៃន X ែដលតាងេដាយ p(x) ផ្តល្រ់ ប�បាប៊ីលីេតចំេពាះ
្រគប់តៃម្ល x េផ្ទ�ងផា្ទត់ៈ
1. p(x) ≥ 0
P
2. p(x) = 1
x
3. P(X = x) = p(x)
តារាងបំែនងែចក្រប�បាប៊ីលេី តៃនអេថរៃចដន្យដាច់ X
X x1 x2 x3 ··· xk
p(x) p1 p2 p3 ··· pk
ែដល 0 ≤ pi ≤ 1 និង p1 + p2 + · · · + pk = 1
ឧទាហរណ៍ 5.2.1. េបាះកាក់េស្មីសាច់មួយ 3 ដង។ តាង X ជាចំនួនមុខ H ែដលេចញេនាះតៃម្លែដល X
អាចយកបានគឺ 0, 1, 2, 3 ។
84
1. េតីតៃម្ល X េស្មីនឹងប៉ុនា្មនស្រមាប់លទ្ធផល
• TTT?
• HHT ?
2. េតីអីជា
្វ ្រពឹតិកា
្ត រណ៍ X = 2?
3. េតី្រប�បាប៊ីលីេត P(X = 2) េស្មីនឹងប៉ុនា្មន?
សំនួរទាំងេនះអាចេឆ្លយ
ី បានតាមតារាងខាងេ្រកាម
X=x លទ្ធផល P(X = x)
X=0 {T T T } 1
8
X=1 {HT T, T HT, T T H} 3

8
X = 2 {HHT, HT H, T HH} 3
8
X=3 {HHH} 1
8
ដូចេនះ X ជាអេថរៃចដន្យដាច់ែដលមានតារាងបំែនងែចក្រប�បាប៊ីលីេតៈ
x 0 1 2 3
1 3 3 1
p(x) 8 8 8 8
p(x) ជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេតេ្រពាះ
1.
p(x) ≥ 0, ∀x = 0, 1, 2, 3.
2. X 1 3 3 1
p(x) = + + + = 1.
x
8 8 8 8
ឧទាហរណ៍ 5.2.2. ្រគាប់ឡុកឡាក់េស្មសា

ី ច់មួយ្រគាប់្រត�វបានេបាះម្តង។ តាង X ជាចំនួន្រគាប់ែដលេចញ
េនេលី មុខ ្រគាប់ ឡុកឡាក់។ តៃម្លែដល X អាចយកបានគឺ 1, 2, 3, 4, 5, 6 េហយ
ី នី មួយៗេកីតេឡង
ី េដាយ
្រប�បាប៊ីលីេត 16 ។ ដូចេនះ X ជាអេថរៃចដន្យដាច់ែដលមានតារាងបំែនងែចក្រប�បាប៊ីលីេតដូចខាងេ្រកាម
x 1 2 3 4 5 6
1 1 1 1 1 1
p(x) 6 6 6 6 6 6
p(x) ជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេតេ្រពាះ
1.
p(x) ≥ 0, ∀x = 1, 2, 3, 4, 5, 6.
2. X 1 1 1 1 1 1
p(x) = + + + + + = 1.
x
6 6 6 6 6 6
85
ឧទាហរណ៍ 5.2.3. កាក់ េស្មី សាច់ មួយ ្រត�វ បានេបាះរហូត ដល់ បាន H ទី១។ តាង X ជាចំនួន ដងៃនការ
េបាះកាក់រហូតដល់បាន H ទ១ ។ តៃម្លែដល X អាចយកបានគឺ 1, 2, 3, 4, . . .។ ដូចេនះ X ជាអេថរៃចដន្យ
ី n
ដាច់ែដលមាន P(X = n) = 2 , n = 1, 2, 3, 4, . . .
1
n 1 2 3 ...
p(n) 1
2
1
4
1
8
...
p(n) ជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេតេ្រពាះ
1.
p(n) ≥ 0, ∀n = 1, 2, 3, 4, . . .
2. !2 !3
X 1 1 1 1 1 1
1
p(n) = + + + · · · = + + + ··· = 2
= 1.
n
2 4 8 2 2 2 1− 1
2
បំែនងែចក្រប�បាប៊ីលេី ត
និយមន័យ 5.2.2 (អនុគមន៍បំែនងែចក). អនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃនអេថរៃចដន្យ X គឺ

X
F(x) = P(X ≤ x) = p(y)
y≤x
ចំេពាះ្រគប់ចំនួនពត
ិ x
លក្ខណៈៃន F
1. lim F(x) = 0,
x→−∞
2. lim F(x) = 1,
x→∞
3. F ជាអនុគមន៍េកន
ី
4. F ជាអនុគមន៍ជាប់ខាងសា្ត ំ

ី ច់មួយ 3 ដង។ តាង X ជាចំនួនមុខ H ែដលេចញ េនាះតៃម្លែដល X
អាចយកបានគឺ 0, 1, 2, 3 ។ តាមឧទាហរណ៍ខាងេលី X ជាអេថរៃចដន្យដាច់ែដលមានតារាងបំែនងែចក្រប�
បាប៊ីលេី តៈ
x 0 1 2 3
1 3 3 1
p(x) 8 8 8 8
ដូចេនះអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃនអេថរៃចដន្យ X គឺ



 0, x < 0






1
, 0≤x<1


 84
F(x) = 
 , 1≤x<2



8



7
, 2≤x<3



8
1, x ≥ 3
86
ឧទាហរណ៍ 5.2.5. ្រគាប់ឡុកឡាក់េស្មសា
ី ច់មួយ្រគប់្រត�វបានេបាះម្តង។ តាង X ជាចំនួន្រគាប់ែដលេចញ
ី មានតារាងបំែនងែចក្រប�បាប៊ីលីេតដូចខាងេ្រកាម
េនេលីមុខ្រគាប់ឡុកឡាក់។ េយង
x 1 2 3 4 5 6
1 1 1 1 1 1
p(x) 6 6 6 6 6 6
ដូចេនះអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃនអេថរៃចដន្យ X គឺ



0, x < 1






1
, 1≤x<2



6



2
, 2≤x<3


 63
F(x) = 
 , 3≤x<4



6



4
, 4≤x<5



6



5
, 5≤x<6


 6
1, x ≥ 6
ឧទាហរណ៍ 5.2.6. េបាះកាក់មួយរហូតដល់ទទួលបាន H េលក ី ួយែដល្រប�បាប៊ីលេី តែដលទទួលបាន

ី ទម
H េនការេបាះមួយេលក ី ៗគឺ p, 0 < p < 1 ។ តាង X ជាចំនួនដងៃនការេបាះកាក់ែដលចាំបាច់េដីម្បទ
ី ទួល
បាន H េលក ី ទម
ី ួយ។
លំហគំរូគឺ
Ω = {H, T H, T T H, T T T H, T T T T H, . . .}
ែដល្រប�បាប៊ីលេី តៃនលទ្ធផលទ១ី គឺ p, លទ្ធផលទ២
ី គឺ (1 − p)p, លទ្ធផលទី៣ គឺ (1 − p) p ជាេដីម។
2
ដូចេនះអនុគមន៍មា៉ស្រប�បាប៊ីលេី តៃន X គឺ
p(x) = P(X = x) = (1 − p) x−1 p, x = 1, 2, . . .
នង
ិ 0 េផ្សងពេី នះ។
អនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃន X គឺ
X
x
F(x) = P(X ≤ x) = p(i)
i=1
X
⌊x⌋
= (1 − p)i−1 p
i=1
" #
1 − (1 − p)⌊x⌋
=p
1 − (1 − p)
= 1 − (1 − p)⌊x⌋
ី នុគមន៍េនះេផ្ទ�ងផា្ទត់លក្ខណៈៃនអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី ត?
េតអ
1. lim F(x) = 0 េ្រពាះ F(x) = 0 ចំេពាះ x ≤ 0 និង

x→−∞

lim F(x) = lim 1 − (1 − p)⌊x⌋ = 1 − 0 = 1
x→∞ x→∞
េ្រពាះ 0 0 េនាះ

lim+ F(x + ε) = lim+ 1 − (1 − p)⌊x⌋+ε
ε→0 ε→0

= 1 − lim+ (1 − p)⌊x⌋+ε
ε→0
= 1 − (1 − p)⌊x⌋ .
មធ្យមៃនអេថរៃចដន្យ
និយមន័យ 5.2.3. េបី X ជាអេថរៃចដន្យដាច់ែដលមានអនុគមន៍មា៉ស្រប�បាប៊ីលីេត p(x) េនាះមធ្យម ឬ

សង្ឃម
ឹ គណិតៃន X ែដលតាងេដាយ E[X] គក
ឺ ំនត់េដាយ
X
E[X] = xp(x)
x
ែដលផលបូកេទេលី្រគប់តៃម្ល x ែដល X អាចយកបាន។
េយង
ី អាចនយា
ិ យមយ៉ងេទៀតថាសង្ឃម
ឹ គណិតៃនអេថរៃចដន្យ X គជា
ឺ មធ្យមមានទម្ងនៃ់ នតៃម្លែដលអេថរ
ី ួយៗែដលជា្រប�បាប៊ីលេី តរបស់វា។
ៃចដន្យ X អាចយកបានេដាយទម្ងន់ៃនតៃម្លនម
ឧទាហរណ៍ 5.2.7. រកមធ្យមៃនចំនួន ្រគាប់ ែដលេចញេនេលី មុខ ្រគាប់ ឡុកឡាក់ េស្មី សាច់ មួយ ែដល្រត�វ
បានេបាះ។ េយង ី េី តៃនការេបាះ្រគាប់ឡុកឡាក់មួយ្រគាប់

ី មានតារាងបំែនងែចក្រប�បាប៊ល
x 1 2 3 4 5 6
1 1 1 1 1 1
p(x) 6 6 6 6 6 6
X ! ! ! ! ! !
1 1 1 1 1 1 7
E[X] = xp(x) = 1 +2 +3 +4 +5 +6 = = 3.5
x
6 6 6 6 6 6 2
ឧទាហរណ៍ 5.2.8. សាលាមួយមាន 3 ថា្នក់ែដលនីមួយៗមានសិស្ស 5, 10 និង 150 នាក់។ សិស្សមា្នក់ៗ

ស្ថិតេនក្នុងថា្នក់ែតមួយៃនថា្នក់ទាង
ំ បី។ េបេី យង ី ្ន ក់មួយេដាយៃចដន្យេដាយ្រប�បាប៊ីលីេតេស្មីគា្ន
ី េ្រជីសេរសថា
និងតាង X ជាទំហៃំ នថា្នក់ែដលបានេ្រជីសយក
! ! !
1 1 1 165
E[X] = 5 + 10 + 150 = = 55
3 3 3 3
ប៉ុែន្ត េបី េយង

ី េ្រជីសេរសស
ី ិ ្សមា្នក់ េដាយៃចដន្យេដាយ្រប�បាប៊ីលេី តេស្មគា
ស ី ្ន នង
ិ តាង Y ជាទំហំៃនថា្នក់ ែដល
សស ិ ្សេនក្នុង
! ! !
5 10 150 22635
E[Y] = 5 + 10 + 150 = ≈ 137
165 165 165 165
ី ្ដ ទ 5.2.1. េបី X ជាអេថរៃចដន្យដាច់ែដលមានអនុគមន៍មា៉ស្រប�បាប៊ីលេី ត p(x) នង

្រទឹសប ិ g(x) ជាអនុគមន៍
ចំនួនពត
ិ េនាះ X
E[g(X)] = g(x)p(x).
x
88
ស្រមាយបញ្ជ ក់. តាង Y = g(X) ែដល g ជាអនុគមន៍ចំនួនពិត
X
E[g(X)] = E[Y] = y j p(y j )
j
X X
= yj p(xi )
j i:g(xi )=y j
X
= g(xi )p(xi ).
i
ិ 1 ែដលមាន្រប�បាប៊ីលេី តេរៀងគា្ន
ឧទាហរណ៍ 5.2.9. យក X ជាអេថរៃចដន្យែដលអាចយកតៃម្ល −1, 0 នង
P(X = −1) = 0.2, P(X = 0) = 0.5, P(X = 1) = 0.3
គណនា E[X 2 ]
ចេម្លើយ. ជាដំបូងេយង
ី នឹងគណនា E[X ] េដាយេ្របីជំហានែដលេយង
2
ី បានេ្របីេនក្នុងស្រមាយបញ្ជក់៖
តាង Y = X 2 េនាះអនុគមន៍មា៉ស្រប�បាប៊ីលីេតៃន Y គឺឱ្យេដាយ
P(Y = 1) = P(X = −1) + P(X = 1) = 0.5

P(Y = 0) = P(X = 0) = 0.5
E[X 2 ] = E[Y] = 1(0.5) + 0(0.5) = 0.5
េដីម្បេី ផ្ទ�ងផា្ទត់លទ្ធផលេយង
ី េ្របី្រទឹសីប
្ត ទ
E[X 2 ] = (−1)2 (0.2) + 02 (0.5) + 12 (0.5)

= 1(0.2 + 0.3) + 0(0.5) = 0.5
កូរែលរ
៉ូ 5.2.1 (លក្ខណៈលីេនែអ៊រ). េបី a និង b ជាចំនួនេថរេនាះ
E[aX + b] = aE[X] + b
X
E[aX + b] = (ax + b)p(x)
X
x
X
=a xp(x) + b p(x)
x x
= aE[X] + b
វា៉ដ្យង់ៃនអេថរៃចដន្យ
និយមន័យ 5.2.4. េបី X ជាអេថរៃចដន្យែដលមានមធ្យម µ េនាះវា៉ ដ្យង់ ៃន X តាងេដាយ V(X) កំនត់

េដាយ
V(X) = E[(X − µ)2 ]
89
ី អាចគណនាវា៉ដ្យង់ V(X) តាមរូបមន្តខាងេ្រកាម
េយង
V(X) = E[(X − µ)2 ]

X
= (x − µ)2 p(x)
X
x
= (x2 − 2µx + µ2 )p(x)

X
x
X X
= x2 p(x) − 2µ xp(x) + µ2 p(x)
x x x
= E[X 2 ] − 2µ2 + µ2
= E[X 2 ] − µ2
V(X) = E[X 2 ] − (E[X])2
និយមន័យ 5.2.5. គមា្លតស្តង់ដាគឺជាឬសកាេរៃនវា៉ដ្យង់

p
SD(X) = V(X).
សំេណើ 5.2.1. េបី a និង b ជាចំនួនេថរេនាះ
V(aX + b) = a2 V(X)
ស្រមាយបញ្ជ ក់. តាង µ = E[X]។ េយង

ី មានតាមលក្ខណៈលីេនែអ៊រ ៃនសង្ឃម
ឹ គណិត E[aX + b] =
aµ + b។ ដូេច្នះ
V(aX + b) = E[(aX + b − aµ − b)2 ]

= E[a2 (X − µ)2 ]
= a2 E[(X − µ)2 ]
= a2 V(X)
ឧទាហរណ៍ 5.2.10. គណនា V(X) េបី X ជាចំនួន ្រគាប់ ែដលេចញេនេលី មុខ ្រគាប់ ឡុកឡាក់ េស្មី សាច់
មួយែដល្រត�វបានេបាះ។
ី មាន E[X] =
7
2
និង
! ! ! ! ! !
1 2 1 2 1 2 1 2 1 2 1 91
E[X 2 ] = 12 +2 +3 +4 +5 +6 =
6 6 6 6 6 6 6
!2
91 7 35
V(X) = E[X ] − (E[X]) =
2
− 2
= = 2.917
6 2 12
ឧទាហរណ៍ 5.2.11. យក X ជាអេថរៃចដន្យែដលមានតារាងបំែនងែចក្រប�បាប៊ីលេី ត
x 1 2 5 9
p(x) 0.3 0.4 0.2 0.1
90
គណនាមធ្យម វា៉ដ្យង់ នង
ិ គមា្លតស្តង់ដាៃន X
ចេម្លើយ.
X
E[X] = xp(x) = 1(0.3) + 2(0.4) + 5(0.2) + 9(0.1) = 3
X
x
E[X ] =
2
x2 p(x) = 12 (0.3) + 22 (0.4) + 52 (0.2) + 92 (0.1) = 15
x
V(X) = E[X 2 ] − (E[X])2 = 15 − 32 = 6
p √
SD(X) = Var(X) = 6 = 2.45
លំហាត់ 5.2.1. 1. យក X ជាអេថរៃចដន្យែដលមានតារាងបំែនងែចក្រប�បាប៊ីលីេត
x 0 1 2 3
p(x) 0.2 0.3 0.4 0.1
(a) បងា្ហញថា p(x) ពិតជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេត
(b) រកអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃន X
ិ វា៉ដ្យង់ V[X] ៃនអេថរៃចដន្យ X

(c) រកមធ្យម E[X] នង
2. យកអេថរៃចដន្យ X ជាចំនួនអ្នកដំេណីរេដាយមន
ិ រាប់បញ្ចូ លអ្នកេបក
ី បរេនក្នុងឡានមួយេនេពល
ចរាចរណ៍ចេង្អ�តមានតារាងបំែនងែចក្រប�បាប៊ីលេី តដូចខាងេ្រកាម
x 0 1 2 3 4
p(x) 0.7 p2 0.1 0.05 0.05
(a) រក p2
(b) េតី្រប�បាប៊ីលីេតែដលចំនួនអ្នកដំេណីរយា៉ងេហាចណាស់ 2 នាក់េស្មីនឹងប៉ុនា្មន?
(c) រកអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន X
(d) កំនត់ P(X > 2)
(e) េតី្រប�បាប៊ីលីេតែដលមិនមានអ្នកដំេណីរេនក្នុងឡានេស្មីនឹងប៉ុនា្មន?
(f) កំនត់តៃម្ល k តូចបំផុតែដល P(X < k) > 0.85

(g) គណនា P(X ≤ k) ចំេពាះ k = −12, 0, 0.5, 2.4, 103
5.3 អេថរៃចដន្យដាច់សខា
ំ ន់ៗ
5.3.1 អេថរៃចដន្យអ៊ុយនីហ្វមដាច់
និយមន័យ 5.3.1. អេថរៃចដន្យ X ជាអេថរៃចដន្យអ៊ុយនីហម

្វ ដាច់ែដលមានបា៉រា៉ ែម៉្រត n េបីវាអនុគមន៍
មា៉ស្រប�បាប៊ីលីេត
1
P(X = k) = , k = 1, 2, . . . , n
n
91
មានន័យថានីមួយៗៃន n លទ្ធផលមានឱកាសេកីតេឡង
ី េស្មីៗគា្ន។ េយង
ី កំនត់សេសរេដាយ X ∼ U(n)
តាមពិតេទ p(k) = P(X = k) ជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេតេ្រពាះ
X
n X
n
1
p(k) = =1
k=1 k=1
n
អនុគមន៍បំែនងែចក្រប�បាប៊ីលេី ត



0, x<1


k
F(x) = 
 , k ≤ x < k + 1, k ∈ {1, 2, . . . , n − 1}



n
1, x≥n
សំេណើ 5.3.1. េបី X ∼ U(n) េនាះ
• E[X] = n+1
2
• V(X) = n2 −1
12
X !
X
n
1
E[X] = kp(k) = k
k k=1
n
1X
n
1 n(n + 1)
= k=
n k=1 n 2
n+1
=
2
X Xn !
2 1
E[X ] =
2
k p(k) =
2
k
k k=1
n
1 X 2 1 n(n + 1)(2n + 1)
n
= k =
n k=1 n 6
(n + 1)(2n + 1)
=
6
V(X) = E[X 2 ] − (E[X])2
(n + 1)(2n + 1) (n + 1)2
= −
6 4
2(2n2 + 3n + 1) − 3(n2 + 2n + 1)
=
12
n2 − 1
=
12
□
ឧទាហរណ៍ 5.3.1. អេថរៃចដន្យ X ែដលជាចំនួន្រគាប់ែដលេចញេនេលម

ី ុខ្រគាប់ឡុកឡាក់េស្មសា
ី ច់មួយ
ែដល្រត�វបានេបាះជាអេថរៃចដន្យអ៊ុយនីហម
្វ ែដលមានបា៉រា៉ ែម៉្រត n = 6
1
p(k) = , k = 1, 2, 3, 4, 5, 6
6
92
ដូចេនះ
n+1 6+1 7
E[X] = = =
2 2 2
n − 1 6 − 1 35
2 2
V(X) = = =
12 12 12
សមា្គល់ថាលទ្ធផលេនះគដ
ឺ ូចគា្ននង
ឹ អ្វែី ដលេយង
ី បានគណនាពម
ី ុន។
ឧទាហរណ៍ 5.3.2. េលខទូរសព្ទមួយ្រត�វបានេ្រជីសេរសេដាយៃចដន្យេចញព
ី េី សៀវេភទូរសព្ទ។ តាង X ជា
េលខចុងេ្រកាយៃនេលខទូរសព្ទែដល្រត�វបានេ្រជីសេរស។
ី រក្រប�បាប៊ីលេី តែដលេលខចុងេ្រកាយៃនេលខទូរសព្ទ
ែដល្រត�វបានេ្រជីសេរសគ
ី ឺ
1. េលខ 6
2. េលខតូចជាង 3
3. េលខធំជាងឬេស្មីនឹង 8
ចេម្លើយ. តាងអេថរៃចដន្យ X ជាេលខចុងេ្រកាយៃនេលខទូរសព្ទ ែដល្រត�វ បានេ្រជីសេរសេនាះតៃម្ល

ី ែដល
វាអាចយកបានគឺ 0, 1, 2, . . . , 9។ េលខទាំងអស់ 0, 1, 2, . . . , 9 មានឱកាសេកីត េឡង
ី េស្មី ៗ គា្ន ដូចេនះ
X ∼ U(0, 9) ។ អនុគមន៍មា៉ស្រប�បាប៊ីលីេតៃន X គឺ
1
P(X = k) = , k = 0, 1, 2, . . . , 9
10
1. ្រប�បាប៊ីលីេតែដលេលខចុងេ្រកាយៃនេលខទូរសព្ទែដល្រត�វបានេ្រជីសេរសគ
ី ឺេលខ 6
1
P(X = 6) = = 0.1
10
2. ្រប�បាប៊ីលីេតែដលេលខចុងេ្រកាយៃនេលខទូរសព្ទែដល្រត�វបានេ្រជីសេរសគ
ី ឺេលខតូចជាង 3
P(X < 3) = P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2)

1 1 1 3
= + + = = 0.3
10 10 10 10
3. ្រប�បាប៊ីលេី តែដលេលខចុងេ្រកាយៃនេលខទូរសព្ទែដល្រត�វបានេ្រជីសេរសគ
ី េឺ លខធំជាងឬេស្មន
ី ងឹ 8
1 1 2
P(X ≥ 8) = P(X = 8) + P(X = 9) = + = = 0.2
10 10 10
លំហាត់ 5.3.1 (អេថរៃចដន្យអ៊ុយនីហ្វមទូេទ). យក a និង b ជាចំនួនគត់ ែដល a < b។ អេថរ

ៃចដន្យ U េហថាអេថរៃចដន្យអ៊ុយនីហម្វ ដាច់េបីអនុគមន៍មា៉ស្រប�បាប៊ីលីេតៃន U គឺឱ្យេដាយ



 b+a−1 , k = a, a + 1, a + 2, . . . , b
1
p(k) = 

0, េផ្សងពេី នះ
បងា្ហញថា
93
1. អនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃន U



0, x < a,


 [x]−a+1
F(x) =   , x = a, a + 1, a + 2, . . . , b,



b−a+1
1, x>b
ែដល [x] ជាែផ្នកគត់ៃន x
2. មធ្យមៃន U
a+b
E[U] =
2
3. វា៉ដ្យង់ៃន U
(b − a + 1)2 − 1
V(U) =
12
5.3.2 អេថរៃចដន្យែប៊រនូយ ី
ី . ពេិ សាធន៍ែប៊រនូយជា
និយមន័យ 5.3.2 (ពិេសាធន៍ែប៊រនូយ) ី ពេិ សាធន៍ែដល
• មានលទ្ធផលែតពរី េជាគជ័យ នង
ិ បរាជ័យ
• ្រប�បាប៊ីលីេតែដលទទួលបានេជាគជ័យេស្មីនឹង p, 0 < p < 1
ី . េនក្នុងពិេសាធន៍ែប៊រនូយែី ដលលទ្ធផលមួយជាេជាគជ័យ
និយមន័យ 5.3.3 (អេថរៃចដន្យែប៊រនូយ)
នងិ មួយេទៀតជាបរាជ័យ។ យក p, 0 < p < 1 ជា្រប�បាប៊ីលីេតែដលទទួល បានេជាគជ័យ។ កំនត់ អេថរ

ៃចដន្យ X ែដល 


0 េបល
 ី ទ្ធផលជាបរាជ័យ
X= 

1 េបល ី ទ្ធផលជាេជាគជ័យ
េនាះ X អេថរៃចដន្យែប៊រនូយែី ដលមានអនុគមន៍មា៉ស្រប�បាប៊ីលីេត




1 − p, x = 0
p(x) = P(X = x) = 

 p, x=1
ឬ
p(x) = p x (1 − p)1−x , x = 0, 1
នម
ិ ត
ិ ្តសញញៈ X ∼ Ber(p) មានន័យថា X អេថរៃចដន្យែប៊រនូយែី ដលមានបា៉រា៉ ែម៉្រត p ។
េបី X ∼ Ber(p) េនាះអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន X គឺ




0, x<0



F(x) = 1 − p, 0 ≤ x < 1,



1, x≥1
សំេណើ 5.3.2. េបី X ∼ Ber(p) េនាះ
• E[X] = p
94
• V(X) = p(1 − p)
X
1
E[X] = xp(x) = 0.(1 − p) + 1.p = p
x=0
X1
E[X 2 ] = x2 p(x) = 02 .(1 − p) + 12 .p = p
x=0
V(X) = E[X 2 ] − (E[X])2 = p − p2 = p(1 − p).
□
ឧទាហរណ៍ 5.3.3. 1. េបាះកាក់េស្មីសាច់មួយ 1 ដង។ កំនត់អេថរៃចដន្យ X1 ែដល X1 = 1 េបីកាក់

េចញ H និង X1 = 0 េបីកាក់េចញ T េនាះ X1 ∼ Ber 21
2. េបាះ្រគាប់ឡុកឡាក់េស្មីសាច់ 1 ដង។ កំនត់អេថរៃចដន្យ X2 ែដល X2 = 1 េបី្រគាប់ឡុកឡាក់េចញ

េលខធំជាង 4 នង ិ X2 = 0 េផ្សងពេី នះ េនាះ X ∼ Ber 3
1
ឧទាហរណ៍ 5.3.4. សន្មត់ ថា ថា្នក់ មួយ ្របលងជាប់ និេទ្ទស C ឬ្រគាន់េបី ជាងេនះកាលពី ការ្របលងេលីក
មុនេដាយ្រប�បាប៊ីលេី ត 0.75។ តាង X ជាអេថរៃចដន្យែដល X = 1 េបីសិស្សមា្នក់្របលងជាប់នង
ិ X=0
េបីសិស្សមា្នក់្របលងធា្លក់េនាះ
X ∼ Ber(0.75)
និង
E[X] = p = 0.75
V(X) = p(1 − p) = (0.75)(0.25) = 0.1875
5.3.3 អេថរៃចដន្យេទ្វធា
និយមន័យ 5.3.4 (ពិេសាធន៍េទ្វធា). ពេិ សាធន៍េទ្វធាជាពេិ សាធន៍ែដល
• ចំនួនពេិ សាធន៍ជាចំនួនកំនត់ n
• ពិេសាធន៍នីមួយៗមានលទ្ធផលែតពីរ៖ េជាគជ័យ និងបរាជ័យ
• ពិេសាធន៍នីមួយៗមន
• ្រប�បាប៊ីលេី តទទួលបានេជាគជ័យក្នុងពេិ សាធន៍នម

ី ួយៗេស្មន
ី ងឹ p, 0 < p < 1
និយមន័យ 5.3.5 (អេថរៃចដន្យេទ្វធា). អេថរៃចដន្យ X ែដលតាងេអាយចំនួន េជាគជ័យ េនក្នុង n

ពិេសាធន៍ជាអេថរៃចដន្យេទ្វធាែដលមានបា៉រា៉ ែម៉្រត n និង p។
នមិ ត
ិ ្តសញញៈ X ∼ B(n, p) មានន័យថា X ជាអេថរៃចដន្យេទ្វធាែដលមានបា៉រា៉ ែម៉្រត n នង
ិ p។
ឧទាហរណ៍ 5.3.5. 1. េបាះកាក់េស្មីសាច់មួយ 4 ដង នង

ិ តាង X ជាចំនួន H ែដលទទួលបាន។ វាជា
ពិេសាធន៍េទ្វធាេ្រពាះ
• ចំនួនពិេសាធន៍ n = 4
95
• ពិេសាធន៍នីមួយៗមានលទ្ធផលែតពីរ៖ H និង T
• ពេិ សាធន៍នម
ី ួយៗមន
• ្រប�បាប៊ីលីេតទទួលបាន H ក្នុងពិេសាធន៍នីមួយៗេស្មីនឹង 1
2
អេថរៃចដន្យ X ែដលជាចំនួន H ទទួល បានជាអេថរៃចដន្យេទ្វធា ែដលមានបា៉រា៉ ែម៉្រត n = 4 នង

ិ

p = 21 ែដលេយង
ី េ្របន ម
ី ិ ិ ត ស
្ត ញញ ៈ X ∼ B 4, 1
2
2. េនក្នុងសំនួរពហុេ្រជស
ី េរសែដលមាន
ី 10 សំនួរនង
ិ មាន 3 ចេម្លយ
ី េនក្នុងមួយសំនួរ។ ចំេពាះសំនួរនី
មួយៗមានចេម្លយ
ី ្រត�វមួយ។ េបស
ី ិស្សមន
ិ បានេរៀនស្រមាប់េធ្វេី តស្តេហយ
ី សស
ិ ្សេ្រជីសេរសយកចេម្ល
ី យ
ី
េដាយៃចដន្យ។ តាង X ជាចំនួនចេម្លីយែដលសិស្សេនាះេឆ្លីយ្រត�វ។ វាជាពិេសាធន៍េទ្វធាេ្រពាះ
ី ួយៗមានលទ្ធផលែតពរី ៖ ចេម្លយ
ី ្រត�វ នង
ិ ចេម្លយ
ី ខុស
• ពិេសាធន៍នីមួយៗមិនអា្រស័យគា្ន
• ្រប�បាប៊ីលេី តទទួលបានចេម្លយ
ី ្រត�វក្នុងពេិ សាធន៍នម
ី ងឹ
1
3
អេថរៃចដន្យ X ែដលជាចំនួនចេម្លយ ី ្រត�វ ទទួលបានជាអេថរៃចដន្យេទ្វ ធាែដលមានបា៉រា៉ ែម៉្រត n = 10

និង p = 31 ែដលេយង
ី េ្របីនិមិត្តសញញៈ X ∼ B 10, 3
1
ឧទាហរណ៍ 5.3.6. 1. េនក្នុងថង់ មួយ មានបាល់ ្រកហម 6 និង បាល់ េខៀវ 4។ បាល់ 5 ្រត�វ បានចាប់
េចញពថ ់ ្តងមួយេដាយមិនដាក់ចូលវ ិញនិងចំនួនបាល់្រកហម្រត�វបានកត់្រតា។ េយង
ី ងម ី អាចចាត់ទុក
ពេិ សាធន៍ ទេី នះជាការចាប់ បាល់ មួយ េចញពី ថង់ នង
ិ េជាគជ័យ គឺ ទទួល បានបាល់ ្រកហម។ ប៉ុែន្ត
េនះមិនែមនជាពិេសាធន៍េទ្វធាេទេ្រពាះពិេសាធន៍នីមួយៗមិនែមនជាពិេសាធន៍មិនអា្រស័យគា្នេនាះ
ួ មិនដាក់ចូលវ ិញ) និង្រប�បាប៊ីលីេតែដលទទួលបានេជាគជ័យ និងបរាជ័យែ្រប្រប�ល
េទ(ចាប់បាល់រច
ពីពិេសាធន៍មួយេទពិេសាធន៍មួយេទៀត។
់ ួយមានបាល់្រកហម 6 នង
2. េនក្នុងថងម ិ បាល់េខៀវ 4។ បាល់ 5 ្រត�វបានចាប់េចញពថ ់ ្តងមួយេដាយ
ី ងម
ដាក់ចូលវ ិញនិងចំនួនបាល់្រកហម្រត�វបានកត់្រតា។ វាជាពិេសាធន៍េទ្វធាេ្រពាះ
• ពិេសាធន៍នីមួយៗមានលទ្ធផលែតពីរ៖ បាល់្រកហម និងបាល់េខៀវ
• ្រប�បាប៊ីលីេតទទួល បានបាល់ ្រកហមក្នុងពិេសាធន៍ នី មួយ ៗេស្មីនឹង 6

10
(េដាយសារេយង
ី ដាក់
បាល់ចូលវ ិញបនា្ទប់ពចា
ី ប់ម្តង)
អេថរៃចដន្យ X ែដលជាចំនួនបាល់្រកហម ចាប់បានជាអេថរៃចដន្យេទ្វធាែដលមានបា៉រា៉ ែម៉្រត n = 5

និង p = 106 ែដលេយង
ី េ្របីនិមិត្តសញញៈ X ∼ B 5, 10
6
96
ការគណនា្រប�បាប៊ីលេី ត
េបី X ∼ B(n, p) េតី P(X = x), x = 0, 1, 2, . . . , n េស្មន

ី ងឹ ប៉ុនា្មន? េយង
ី ចាប់េផ្តម
ី េចញពី ឧទាហរណ៍
េបាះកាក់េស្មសា
ី ច់ 5 ដង។ េយង ី ចាប់អារម្មណ៍នង ឹ ្រប�បាប៊ីលេី តែដលទទួលបាន H 3 ដង មានន័យថាេយង ី
្រត�វ ទទួល បាន H 3 ដងនិង T 2 ដងគត់ េទាះបីជា H 3 ដងនិង T 2 ដងេនក្នុងលំដាប់ ណា ក៏បាន។
្រប�បាប៊ីលីេតែដលទទួលបាន H 3 ដំបូងនិង T 2 ចុងេ្រកាយៃនការេបាះកាក់គឺ
P(HHHT T ) = P(H).P(H).P(H).P(T ).P(T )
!3 !2
1 1
= . = 0.0313
2 2
តាមពត ិ េទមាន 10 រេបៀបេផ្សងគា្នេដម

ី ្បទ
ី ទួលបាន H 3 ដងនង
ិ T 2 ដងេនក្នុងលំដាប់ណាក៏បានដូច
T T HHH HT HT H
T HT HH HT HHT
T HHT H HHT T H
T HHHT HHT HT
HT T HH HHHT T
េយង
ី អាចរាប់ចំនួនទាំង 10 រេបៀបេដាយេ្របី
! !
ចំនួនដងៃនការេបាះកាក់ 5
=
ចំនួន H 3
5!
=
3!(5 − 3)!
5.4.3.2.1
=
3.2.1.2.1
= 10
សមា្គល់ថាលទ្ធផលនមី ួយៗៃនលទ្ធផលទាំង 10 ៃនការទទួលបាន H 3 ដងនង ី េី ត

ិ T 2 ដងមាន្រប�បាប៊ល
ដូចៗគា្ន។ ជាឧទាហរណ៍
P(HHT HT ) = P(H).P(H).P(T ).P(H).P(T )
! ! ! ! !
1 1 1 1 1
= . . . .
2 2 2 2 2
!3 !2
1 1
= .
2 2
ដូចេនះ្រប�បាប៊ីលីេតែដលទទួលបាន H 3 ដងេនក្នុងការេបាះកាក់ 5 ដងគឺ

!3 !2 !3 !2 !3 !2
1 1 1 1 1 1
P(HHHT T ឬ HHT HT ឬ . . . , ឬ T T HHH) = . + . + ··· + .
2 2 2 2 2 2
| {z }
10 ដង
!3 !2
1 1
= 10 .
2 2
= 0.3125
97
ឬសេសរជាទ្រមង់
! !3 !2
5 1 1
P H3 នង
ិ T2 = .
3 2 2
ជាទូេទេបីេយង ី េបាះកាក់េស្មីសាច់ n ដងេនាះ្រប�បាប៊ីលីេតែដលទទួលបាន H m ដង( ដូចេនះ T n − m
ដង) គឱ ឺ ្យេដាយ
! !m !n−m
n 1 1
P Hm នងិ T (n − m) = .
m 2 2
ពិនិត្យេមីលពិេសាធន៍េបាះ្រគាប់ឡុកឡាក់េស្មសា ី ចាប់អារម្មណ៍នឹង្រប�បាប៊ីលីេតែដលទទួល
ី ច់ 5 ដង។ េយង
បានេលខ១ 3 ដង។ វាជាពេិ សាធន៍េទ្វធាេ្រពាះ
ី ួយៗមានលទ្ធផលែតពរី ៖ មុខេលខ១ នង
ិ មុខមន
ិ ែមនេលខ១
• ្រប�បាប៊ីលីេតទទួលបានមុខេលខ១ក្នុងពិេសាធន៍នីមួយៗេស្មន
ី ឹង
1
6
្រប�បាប៊ីលីេតែដលទទួលមុខេលខ១ 3 ដងដំបូងនិងមុខមិនែមនេលខ១ 2 ដងចុងេ្រកាយ

P(១១១ ∗ ∗) = P(១).P(១).P(១).P(∗).P(∗)
! ! ! ! !
1 1 1 5 5
= . . . .
6 6 6 6 6
!3 !2
1 5
= .
6 6
= 0.0032
តាមពត
ិ េទមាន 10 រេបៀបេផ្សងគា្នេដម
ី ្បទ
ី ទួលបានមុខេលខ១ 3 ដងនង
ិ មុខមន
ិ ែមនេលខ១ 2 ដងេនក្នុង
លំដាប់ណាក៏បានដូចខាងេ្រកាម
១១១ ∗ ∗ ១ ∗ ១ ∗ ១
១១ ∗ ១∗ ∗១១ ∗ ១
១ ∗ ១១∗ ១ ∗ ∗១១
∗១១១∗ ∗១ ∗ ១១
១១ ∗ ∗១ ∗ ∗ ១១១
េយង
ី អាចរាប់ចំនួនទាំង 10 រេបៀបេដាយេ្របី
ចំនួនដងៃនការេបាះឡុកឡាក់! 5
!
5!
= = = 10
ចំនួនមុខេលខ១ 3 3!(5 − 3)!
សមា្គល់ថាលទ្ធផលនីមួយៗៃនលទ្ធផលទាំង 10 ៃនការទទួលមុខេលខ១ 3 ដងនិងមុខមិនែមនេលខ១ 2

ដងមាន្រប�បាប៊ីលីេតដូចៗគា្ន។ ជាឧទាហរណ៍
P(១១ ∗ ១∗) = P(១).P(១).P(∗).P(១).P(∗)
! ! ! ! !
1 1 5 1 5
= . . . .
6 6 6 6 6
!3 !2
1 5
= .
6 6
98
ដូចេនះ្រប�បាប៊ីលេី តែដលទទួលបាន H 3 ដងេនក្នុងការេបាះកាក់ 5 ដងគឺ
!3 !2 !3 !2 !3 !2
1 5 1 5 1 5
P(១១១ ∗ ∗ ឬ ១១ ∗ ១ ∗ ឬ . . . , ឬ ∗ ∗១១១) = . + . + ··· + .
6 6 6 6 6 6
| {z }
10 ដង
!3 !2
1 5
= 10 .
6 6
! !3 !2
5 1 5
= .
3 6 6
= 0.0322
ជាទូេទេបេី យង ី ច់ n ដងេនាះ្រប�បាប៊ីលីេតែដលទទួលបានមុខេលខ១ m ដង(

ី េបាះ្រគាប់ឡុកឡាល់េស្មសា
ដូចេនះ មុខមន
ិ ែមនេលខ១ n − m ដង) គឱ
! !m !n−m
n 1 1
P ១m នង
ិ ∗ (n − m) = . 1−
m 6 6
ី ណនា្រប�បាប៊ីលីេតស្រមាប់បំែនងែចកេទ្វធាេយង
សមា្គល់ 5.3.1. េដីម្បគ ី េ្របី្របមាណវ ិធីសំខាន់ៗ
1. េយង
ី ចាប់អារម្មណ៍នឹងពិេសាធន៍ែដលមានលទ្ធផលែតពីរ
ី គុណ្រប�បាប៊ីលេី តេយង
2. េនេពលែដលេយង ី សន្មត់ថាពេិ សាធន៍នម
ី ួយៗមន
3. ្រប�បាប៊ីលេី តែដលទទួលបានេជាគជ័យគម
ឺ ន
ិ ែ្រប្រប�លពព
ី េិ សាធន៍មួយេទពេិ សាធន៍មួយេទៀត
4. េយង
ី ចាប់អារម្មណ៍នឹងចំនួនពិេសាធន៍ែដលមានចំនួនកំនត់
ជាទូេទ្រពឹតិ្ត ការណ៍ X = x ជា្រពឹតិ្ត ការណ៍ ែដលទទួល បាន x េជាគជ័យ និង n − x បរាជ័យ េនក្នុង
ចំ េនាម n ពិេសាធន៍។ េជាគជ័យ នី មួយ ៗេកីតេឡង ី េដាយ្រប�បាប៊ីលីេត p និង ្រប�បាប៊ីលីេតបរាជ័យ នី មួយ
ៗេកីតេឡង ី េដាយ្រប�បាប៊ីលីេត 1 − p េនាះ្រប�បាប៊ីលីេតែដលទទួលបាន x េជាគជ័យ និង n − x បរាជ័យ
n
េនក្នុងចំេណាម n ពិេសាធន៍គឺ p x (1 − p)n−x ។ េយង ី ដឹងថាមាន x រេបៀបេដីម្បីទទួលបាន x េជាគជ័យ
នង ័ េនក្នុងចំេណាម n ពេិ សាធន៍។
ិ n − x បរាជយ
ដូេច្នះ្រប�បាប៊ីលេី តែដល X = x គឺេស្មន
ី ងឹ p (1 − p) គុណនង ឹ ចំនួនរេបៀបែដលមានេជាគជ័យចំនួន x
x n−x
ក្នុង n ពិេសាធន៍(េដាយមិនគិតលំដាប់)ែដលឱ្យេដាយ
!
n n!
=
x x!(n − x)!
ែដល n! = n.(n − 1).(n − 2). . . . .2.1 នង
ិ 0! = 1។ ដូចេនះ
!
n x
P(X = x) = p (1 − p)n−x , x = 0, 1, 2, . . . , n
x
តាមពិតេទ p(x) = P(X = x) ជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេតេ្រពាះ

Xn Xn !
n x
P(X = x) = p (1 − p)n−x
x=0 x=0
x
= (p + 1 − p)n
= 1.
99
សមា្គល់ 5.3.2. ្រទស
ឹ ប
ី្ត ទេទ្វធាៈ យក a នង
ិ b ជាចំនួនពត
ិ នង
ិ n ជាចំនួនគត់វ ិជ្ជមានេនាះ
Xn !
n k n−k
(a + b) =
n
ab .
k=0
k
ឧទាហរណ៍ 5.3.7.
X5 ! ! x !5−x ! !0 !5 ! !1 !4 ! !2 !3 ! !3 !2
5 1 1 5 1 1 5 1 1 5 1 1 5 1 1
= + + +
x=0
x 2 2 0 2 2 1 2 2 2 2 2 3 2 2
! !4 !1 ! !5 !0
5 1 1 5 1 1
+ +
4 2 2 5 2 2
1 5 10 10 5 1
= + + + + +
32 32 32 32 32 32
= 1.
សំេណើ 5.3.3. េបី X ∼ B(n, p) េនាះអនុគមន៍មា៉ស្រប�បាប៊ីលីេតគឺឱ្យេដាយ

!
n x
P(X = x) = p (1 − p)n−x , x = 0, 1, 2, . . . , n
x
អនុគមន៍បំែនងែចកៃន X ∼ B(n, p) គឺ
Xx !
n y
F(x) = P(X ≤ x) = p (1 − p)n−y , x = 0, 1, . . . , n
y=0
y
កូដ R ស្រមាប់ P(X ≤ x) គឺ pbinom(x,n,p)

សំេណើ 5.3.4. េបី X ∼ B(n, p) េនាះ
• E[X] = np
• V(X) = np(1 − p)
X
n
E[X] = xP(X = x)
x=0
Xn !
n x
= x p (1 − p)n−x
x=0
x
X
n
n!
= x p x (1 − p)n−x
x=1
x!(n − x)!
Xn
(n − 1)!
= np p x−1 (1 − p)n−x
x=1
(x − 1)!(n − x)!
Xn !
n − 1 x−1
= np p (1 − p)n−x
x=1
x − 1
X n − 1!
n−1
= np p j (1 − p)n−1− j , ( j = x − 1)
j=0
j
= np (p + 1 − p)n−1
E[X] = np.
100
X
n
E[X ] =
2
x2 P(X = x)
x=0
X
n !
n x
= x2
p (1 − p)n−x
x=0
x
X
n
n!
= x2 p x (1 − p)n−x
x=0
x!(n − x)!
Xn
(n − 1)!
= np x p x−1 (1 − p)n−x
x=0
(x − 1)!(n − x)!
Xn !
n − 1 x−1
= np x p (1 − p)n−x
x=1
x−1
X
n−1 !
n−1 j
= np ( j + 1) p (1 − p)n−1− j , ( j = x − 1)
j=0
j
X
n−1 ! X
n−1 !
n−1 j n−1 j
= np j p (1 − p) n−1− j
+ np p (1 − p)n−1− j
j=0
j j=0
j
= np(n − 1)p + np
V(X) = E[X 2 ] − (E[X])2
= np(n − 1)p + np − (np)2
= np(1 − p).
ឧទាហរណ៍ 5.3.8. េបាះកាក់េស្មីសាច់មួយ 3 ដង។ រក្រប�បាប៊ីលីេតែដលទទួលបានមុខ H ពីរ។
ចេម្លើយ. វាជាពេិ សាធន៍េទ្វធាេ្រពាះ
• ចំនួនពេិ សាធន៍ n = 3
ី ួយៗមានលទ្ធផលែតពរី ៖ H នង
ិ T
ី ួយៗមន
• ្រប�បាប៊ីលីេតទទួលបាន H ក្នុងពិេសាធន៍នីមួយៗេស្មីនឹង 1
2
តាង X ជាចំនួន H ែដលទទួលបាន។ ដូចេនះ

! !2 !1
3 1 1
P(X = 2) = = 0.375
2 2 2
ឧទាហរណ៍ 5.3.9. េរាងច្រកឧស�ហកម្ម មួយ ផ្គត់ផ្គង់ សារជាតិ គីមី មួយ ្របេភទដល់ ្រក�មហ៊ុន ចំនួន 10។
់ ុ ងៃថ្ង
្រប�បាប៊ីលីេតែដល្រក�មហ៊ុនមួយនឹងទូរសព្ទមកកុម្ម៉ងក ្ន ណាមួយេស្មីនឹង 0.2 ។ ្រប�បាប៊ីលីេតេនះគដ
ឺ ូចៗ
គា្នចំេពាះ្រក�មហ៊ុនទាំង 10 ។ រក្រប�បាប៊ីលេី តែដលេនក្នុងៃថ្ងណាមួយចំនួន្រក�មហ៊ុនែដលទូរសព្ទមកកុម្ម៉ង់
1. យា៉ងេ្រចីន 3
2. យា៉ងេហាចណាស់ 3
101
3. មានចំនួន 3
់ ុ ងៃថ្ង
ចេម្លើយ. តាង X ជាចំនួន្រក�មហ៊ុនែដលទូរសព្ទមកកុម្ម៉ងក ្ន ី រកុម្ម៉ងៃ់ ន្រក�មហ៊ុននម
ណាមួយ។ េបកា ី ួយ
ៗមនិ អា្រស័យគា្នេនាះ X ∼ B(n, p) ែដល n = 10, p = 0.2។
េយង
ី មាន X ∼ B(10, 0.2) ដូចេនះេយង ី បាន
X3 !
10
P(X ≤ 3) = (0.2) x (0.8)10−x = 0.879
x=0
x
P(X ≥ 3) = 1 − P(X ≤ 2)
X2 !
10
=1− (0.2) x (0.8)10−x
x=0
x
= 1 − 0.678 = 0.322
!
10
P(X = 3) = (0.2)3 (0.8)10−3 = 0.201
3
ឧទាហរណ៍ 5.3.10. េបាះ្រគាប់ឡុកឡាក់េស្មីសាច់មួយ 480 ដង។ រកមធ្យម វា៉ដ្យង់និងគមា្លតស្តង់ដាៃន

ចំនួនមុខេលខ 3 ែដលេចញ។
ចេម្លើយ. តាង X ជាចំនួនមុខេលខ 3 ែដលេចញេនាះ X ∼ B(n, p) ែដល n = 480, p = 16 ។ ដូចេនះ
!
1
E[X] = np = 480 = 80
6
! !
1 5
V(X) = np(1 − p) = 480 = 66.67
6 6
√
SD(X) = 66.67 = 8.16
ឧទាហរណ៍ 5.3.11. សិស្សមា្នក់ េធ្វីេតស្ត សាកល្បងនូវ សំនួរ ពហុ េ្រជីសេរសែដលមាន

ី 10 សំនួរ បនា្ទប់ពី
មន
ិ បានចូលេរៀនអស់េពលមួយសបា្តហ៍។ សំនួរនីមួយៗមាន 5 ជេ្រមស
ី ែដលសស
ិ ្សអាចេ្រជីសេរសចេម្ល
ី យ
ី
ី គា្ន។ េត្រី ប�បាប៊ីលេី តែដលសស
មួយេដាយឱកាសេស្មៗ ិ ្សេនាះ្របលងជាប់េស្មន
ី ងឹ ប៉ុនា្មនេបព
ី ន
ិ ុ ្របលងជាប់
្ទ គឺ
េឆ្លីយ្រត�វយា៉ងេហាចណាស់ 60%?
ចេម្លើយ. តាង X ជាចំនួនចេម្លយ
ី ្រត�វែដលសស
ិ ្សទទួលបានេនាះ X ∼ B(n, p) ែដល n = 10 នង
ិ p = 0.2។
ដូចេនះ្រប�បាប៊ីលេី តែដលសស
ិ ្សេនាះ្របលងជាប់
P(X ≥ 6) = 1 − P(X ≤ 5)
X5 !
10
=1− (0.2) x (0.8)5−x
x=0
x
= 1 − 0.9936 = 0.0064

លំហាត់ 5.3.2. 1. េបី X ∼ B 6, 13 រក
(a) P(X = 2)
(b) P(X < 2)
(c) P(X ≥ 1)
102
ី ច់មួយ្រត�វបានេបាះ 10 ដង។ រក្រប�បាប៊ីលេី តែដលទទួលបាន H
2. កាក់េស្មសា
(a) យា៉ងេហាចណាស់ 7 ដង
(b) 7 ដង
(c) យា៉ងេ្រចីន 7 ដង
3. េនក្នុង្របអប់មួយែដលមាននាឡកា
ិ ៃដ 100 ែដលេនក្នុងេនាះមាននាឡកា
ិ ៃដ 20 ជានាឡកា
ិ ែដល
ខូច។ េបនា
ី ឡកា
ិ ៃដ 10 ្រត�វបានេ្រជីសេរសេដាយៃចដន្យ
ី រក្រប�បាប៊ីលេី តែដលនាឡកា
ិ ៃដ
(a) ទាំង 10 ជានាឡកា

ិ ខូច
(b) ទាំង 10 ជានាឡកា
ិ ល្អ
(c) យា៉ងេហាចណាស់ 1 ជានាឡកា
ិ ខូច
(d) យា៉ងេ្រចន
ី 3 ជានាឡកា
ិ ខូច
4. េបអ ិ វា៉ដ្យង់ 4.2 ។ រក P(X ≤ 6) ។

ី េថរៃចដន្យ X ជាអេថរៃចដន្យេទ្វធាែដលមានមធ្យម 6 នង
5. េបអ
ី េថរៃចដន្យ X ជាអេថរៃចដន្យេទ្វធា B(11, p) ។ េបី P(X = 8) = P(X = 7) រកតៃម្លៃន p ។
6. េតស្តពហុេ្រជីសេរសមាន
ី 20 សំនួរនិងមាន 5 ចេម្លីយស្រមាប់សំនួរនម
ី ួយៗែដលមានចេម្លីយ្រតឹម្រត�វ
ែតមួយគត់។ េបី X ជាចំនួនសំនួរែដលេឆ្លីយ្រត�វ
(a) េតី X ជាអេថរៃចដន្យអ្វី?

(b) រកមធ្យម និងវា៉ដ្យង់ៃន X
(c) រក្រប�បាប៊ីលេី តែដលសស

ិ ្សមា្នក់ទទួលបានចេម្លយ
ី ្រត�វេ្រចន
ី ជាងឬេស្មន
ី ងឹ 10 េដាយការទាយ
េដាយៃចដន្យ។
7. សិស្សមា្នក់្របលងវ ិញញសាសំនួរ្រត�វ/ខុសចំនួន 20 េដាយេធ្វីការទស្សន៍ទាយេទេលីសំនួរនីមួយៗ។

រក្រប�បាប៊ីលីេតែដលគាត់្របលងជាប់េបីពិនុ ្ទជាប់ទាបបំផុតគឺេឆ្លីយ្រត�វ 15 ក្នុងចំេណាម 20 សំនួរ។
េតអ
ី ្នកគត
ិ ថា្រពត
ឹ កា
ិ្ត រណ៍េនះអាចេកត
ី េឡង
ី ឬេទ?
8. សស
ិ ្សមា្នក់ ្របលងវ ិញញសាសំនួរ ពហុ េ្រជស
ី េរសចំ
ី នួន 20 ែដលមាន 5 ជេ្រមស
ី សំរាប់ សំនួរ នី មួយ ៗ
េដាយេធ្វកា
ី រទស្សន៍ទាយេទេលស ី ួយៗ។ រក្រប�បាប៊ីលេី តែដលគាត់េឆ្លយ
ី ំនួរនម ី ្រត�វយា៉ងេហាចណាស់
15 ក្នុងចំេណាម 20 សំនួរ។ េតីអ្នកគិតថា្រពឹតិកា
្ត រណ៍េនះអាចេកីតេឡង ី ឬេទ?
5.3.4 អេថរៃចដន្យព័រសុង
អេថរៃចដន្យព័រសុងជាអេថរៃចដន្យដាច់េ្របស
ី ំរាប់រាប់ចំនួន្រពត
ឹ កា
ិ្ត រណ៍ែដលេកត
ី េឡង
ី េដាយៃចដន្យេនចេនា្លះ
ី េថរៃចដន្យេទ្វធាេនក្នុងន័យថាេទ្វធារាប់ចំនួនេជាគជ័យនង
េពលណាមួយឬលំហណាមួយ។ វាខុសពអ ិ ចំនួន
័ រឯេនក្ន
បរាជយ ី ុ ងអេថរៃចដន្យព័រសុងចំនួនមធ្យមៃនេជាគជ័យ្រត�វបានផ្តល់ឱ្យេនក្នុងឯកតាេពល ឬលំហ
ណាមួយ។ េបតា
ី ង X ជាចំនួនៃន្រពត
ឹ កា
ិ្ត រណ៍េនចេនា្លះណាមួយនង
ិ េបច
ី ំនួនមធ្យមៃន្រពត
ឹ កា
ិ្ត រណ៍េនចេនា្លះ
ណាមួយគឺ λ េនាះ្រប�បាប៊ីលេី តែដលមាន x ្រពត
ឹ ិ្តការណ៍េនចេនា្លះណាមួយឱ្យេដាយអេថរៃចដន្យព័រសុង
ដូចខាងេ្រកាម
103
និយមន័យ 5.3.6 (អេថរៃចដន្យព័រសុង). អេថរៃចដន្យ X ែដលអាចយកតៃម្ល 0, 1, 2, 3, . . . េហថា
អេថរៃចដន្យព័រសុងែដលមានបា៉រា៉ ែម៉្រត λ > 0 េបីវាមានអនុគមន៍មា៉ស្រប�បាប៊ីលីេត
λx
P(X = x) = e−λ , x = 0, 1, 2, 3, . . .
x!
និមិត្តសញញៈ X ∼ P(λ) មានន័យថា X ជាអេថរៃចដន្យព័រសុងែដលមានបា៉រា៉ ែម៉្រត λ > 0។
បំែនងែចកព័រសុងគឺជាករណីលីមីតៃនបំែនងែចកេទ្វធាេ្រកាមលក្ខខណ្ឌ
1. ចំនួនពិេសាធន៍ n → ∞
2. ្រប�បាប៊ីលេី តែដលទទួលបានេជាគជ័យ p ចំេពាះពេិ សាធន៍នម

ី ួយៗតូច p → 0
3. np = λ ជាចំនួនេថរកំនត់
ឧទាហរណ៍ 5.3.12. េនក្នុងទ្រី ក�ង ធំ មួយ ទូរសព្ទ េទកាន់ េលខទូរសព្ទ ទាន់ េហតុការណ៍ ពី វ ីរុស កូ វ ីត១៩
ជាមធ្យម 7 ការេហចូលេរៀងរាល់មួយេមា៉ង។ គណនា្រប�បាប៊ីលេី តែដលមានការេហចូលែត 1 ដងេទកាន់

េលខទូរសព្ទទាន់េហតុការណ៍េនេមា៉ងេនះ។
ចេម្លើយ. េនក្នុងសំនួរេនះេគ្រគាន់ែត្របាប់ថាមធ្យមគឺ 7។ េយង
ី ្រត�វសន្មត់បែន្ថម
• ែចករយៈេពល 1 េមា៉ងជា 12 ចេនា្លះរងែដលមាន្របែវងេស្មគា

ី ្ន
• សន្មត់ចំេពាះចេនា្លះរងនីមួយៗមានការេហចូលទូរសព្ទយា៉ងេ្រចីនមួយ
• ចំនួនការេហចូលទូរសព្ទេនក្នុងចេនា្លះរងនីមួយៗជាពិេសាធន៍ែប៊រនូយែី ដលមាន p = 7
12
(មានន័យថា្រប�បាប៊ីលីេត p េបមា
ី នការេហទូរសព្ទចូល និង្រប�បាប៊ីលីេត 1 − p េបមី ិនមានការេហ
ទូរសព្ទចូល )

តាង X ជាចំនួនការេហទូរសព្ទចូលេនក្នុង 1 េមា៉ងេនាះ X ∼ B n = 12, p = 127 ។ ដូចេនះ
! !1 !11
12 7 5
P(X = 1) = = 0.00046
1 12 12
ឥឡូវេយង
ី សន្មត់
• ែចករយៈេពល 1 េមា៉ងជា 120 ចេនា្លះរងែដលមាន្របែវងេស្មគា

ី ្ន
• សន្មត់ចំេពាះចេនា្លះរងនម
ី ួយៗមានការេហចូលទូរសព្ទយា៉ងេ្រចន
ី មួយ
• ចំនួនការេហចូលទូរសព្ទេនក្នុងចេនា្លះរងនម
ី ួយៗជាពេិ សាធន៍ែប៊រនូយែី ដលមាន p =
7
120

តាមការសន្មត់េនះ X ∼ B n = 120, p = 7
120
។ ដូចេនះ
! !1 !11
120 7 113
P(X = 1) = = 0.0054
1 120 120
េហតុអ្វីេយង
ី ឈប់្រតឹម 120 ចេនា្លះរង?
104
• សន្មត់ថាឥឡូវមាន n ចេនា្លះរងែដលមាន្របែវងេស្មីៗគា្ន
• ចំនួនការេហចូលទូរសព្ទកុ ងចេនា
្ន ្ល ះរងនីមួយៗជាពិេសាធន៍ែប៊រនូយែី ដលមាន p = 7
n

តាមការសន្មត់េនះ X ∼ B n, p = 7n ។ ដូចេនះ
! !1 !n−1 !n−1
n 7 7 7
P(X = 1) = 1− =7 1−
1 n n n
• ចំេពាះ n = 1000 េនាះ P(X = 1) ≈ 0.00627
• ចំេពាះ n = 10000 េនាះ P(X = 1) ≈ 0.00637
• ចំេពាះ n = 100000 េនាះ P(X = 1) ≈ 0.00638
យក n → ∞ េនាះ្រប�បាប៊ីលីេតែដល X = 1 គឺ
!n−1 !n !−1
7 7 7
P(X = 1) = lim 7 1 − = lim 7 1 − 1− = 7e−7 ≈ 0.00638
n→∞ n n→∞ n n
ឥឡូវេយង ី គណនា្រប�បាប៊ីលីេតែដលចំនួនការេហចូលទូរសព្ទកុ ង
្ន 1 េមា៉ងេស្មីនឹង x, (x ≥ 0)។ េយង
ី យក

ការសន្មត់ដូចមុន X ∼ B n, p = n7 ។ ដូចេនះ
! !x !n−x
n 7 7
P(X = x) = 1−
x n n
េពល n → ∞ េនាះ
!x !n−x
n! 7 7
P(X = x) = lim 1−
n→∞ x!(n − x)! n n
!n−x
n(n − 1) . . . (n − x + 1) 7 x 7
= lim 1−
n→∞ nx x! n
!n !−x
7 nn−1
x
n−x+1 7 7
= lim ... 1− 1−
n→∞ x! n n n n n
7x
= 1.1 . . . .1.e−7 .1
x!
x
−7 7
=e
x!
ជាទូេទអេថរៃចដន្យព័រសុងជាលីមីតៃនអេថរៃចដន្យេទ្វធាេពល n → ∞ ។ េយង ី សេង្កតលីមីតៃនបំែនង

ែចក្រប�បាប៊ីលេី តេទ្វធាេពល n → ∞ នង
ិ p → 0 ែដល np ជាចំនួនសមរម្យមួយ។ តាង λ = np េនាះ
n!
P(X = x) = p x (1 − p)n−x
(n − x)!x!
n! λ x λ n−x
= 1−
(n − x)!x! n n
n
x 1− λ
n(n − 1) · · · (n − x + 1) λ n
=
n x x! 1 − x
λ
n
105
េយង
ី មាន
n(n − 1) · · · (n − x + 1) n n−1 n−x+1
lim x
= lim . .··· . = 1,
n→∞ n n→∞ n n n

λ n
lim 1 − = e−λ ,
n→∞ n
λ x
lim 1 − = 1.
n→∞ n
ដូចេនះ

λ n
n(n − 1) · · · (n − x + 1) λ −
−λ λ
1 n
x x
lim P(X = x) = lim = e
n→∞ n→∞ nx x! 1 − λ x x!
n
តាមពិតេទ p(x) = P(X = x) ជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេតៃន X ∼ P(λ) េ្រពាះ

X
∞ X
∞
λx
P(X = x) = e−λ = e−λ eλ = 1.
x=0 x=0
x!
សមា្គល់ 5.3.3. េស៊រអុ

ី ិចស្បូណង
៉ ់ែស្យល
x2 x3 X xk ∞
ex = 1 + x + + + ··· =
2! 3! k=0
k!
អនុគមន៍បំែនងែចកៃន X ∼ P(λ) គឺ
X
x
−λ λ
y
F(x) = P(X ≤ x) = e , x = 0, 1, 2, . . .
y=0
y!
កូដ R ស្រមាប់ P(X ≤ x) គឺ ppois(x,λ) ឬស្រមាប់ P(X ≥ x + 1) គឺ ppois(x,λ,F)
សំេណើ 5.3.5. េបី X ជាអេថរៃចដន្យព័រសុងែដលមានបា៉រា៉ ែម៉្រត λ េនាះ
• E[X] = λ
• V(X) = λ
X
∞
E[X] = xP(X = x)
x=0
X
∞
λx
= xe−λ
x=0
x!
X∞
λ x−1
=λ e−λ
x=1
(x − 1)!
X
∞
λj
=λ e−λ , ( j = x − 1)
j=0
j!
= λe−λ eλ
= λ.
106
X
∞
E[X ] =
2
x2 P(X = x)
x=0
X
∞
λx
= x2 e−λ
x=0
x!
X∞
λ x−1
−λ
=λ xe
x=1
(x − 1)!
X
∞
λj
=λ ( j + 1)e−λ , ( j = x − 1)
j=0
j!
= λ(λ + 1).
V(X) = E[X 2 ] − (E[X])2
= λ(λ + 1) − λ2
= λ.
ការេ្របើ្របាស់ៃនអេថរៃចដន្យព័រសុង
ុ ងទឹកមួយសង់ទីែម៉្រតគូប
• រាប់ចំនួនវត្ថុេនក្នងៃផ្ទឬមាឌ៖ចំនួនបាក់េតរេនក្ន
ី
• រាប់ចំនួនដងែដលមា៉សុីនមិនដំេនីរការក្នុងៃថ្ងណាមួយ
• រាប់ចំនួនកំហុសេនក្នុងទំព័រណាមួយ
• រាប់ចំនួនអតថ
ិ ិជនែដលចូលេទក្នុងហាងក្នុងរយៈេពលណាមួយ
• រាប់ចំនួនេ្រគាះថា្នក់ចរាចរណ៍េនែផ្នកណាមួយៃនវ ិថី
• ជាទូេទ រាប់ចំនួនដងៃនការេកត
ី េឡង
ឹ កា
ិ្ត រណ៍មួយក្នុងចេនា្លះណាមួយ(្របែវង ែផ្ទមាឌ ឬចេនា្លះ
េពល) ែដលការេកត
ី េឡង
ី គេឺ ដាយៃចដន្យ មន
ិ អា្រស័យគា្ន នង
ិ សា្គល់ចំនួនមធ្យមៃនការេកត
ី េឡង
ី ក្នុង
ចេនា្លះេនាះ។
ឧទាហរណ៍ 5.3.13. េបមា

ី នកំហុសក្នុងការវាយអត្ថបទចំនួន 200 ែដលេនរាយបា៉យេដាយៃចដន្យេនក្នុង
ព្រងាងឯកសារ 500 ទំព័រ។ រក្រប�បាប៊ីលីេតែដលេនក្នុងទំព័រណាមួយមានកំហុសចំនួន 3 ។
ចេម្លើយ. ចំនួនកំហុសជាមធ្យមក្នុងមួយទំព័រគឱ
200
λ= = 0.4
500
តាង X ជាចំនួនកំហុសក្នុងមួយទំព័រេនាះ X ∼ P(λ) ែដល λ = 0.4។ ដូចេនះ
(0.4)3
P(X = 3) = e−0.4 = 0.0072
3!
ឧទាហរណ៍ 5.3.14. ែផ្នកលក់ៃន្រក�មហ៊ុនមួយទទួលការេហចូលទូរសព្ទជាមធ្យម 3 ក្នុងមួយេមា៉ងតាម
្របព័នទ ្ទ ិនគិតៃថ្ល។ ចំេពាះមួយេមា៉ងណាមួយ រក្រប�បាប៊ីលីេតែដលេគនឹងទទួលការេហចូលទូរសព្ទ

្ធ ូរស័ពម
107
1. យា៉ងេ្រចីន 3
2. យា៉ងេហាចណាស់ 3
3. មានចំនួន 5 ឬេ្រចីនជាង
ចេម្លើយ. តាង X ជាចំនួនេហចូលទូរសព្ទែដលទទួលក្នុងេមា៉ងណាមួយេនាះ X ∼ P(λ) ែដល λ = 3។

ី បាន
X
3
3x
P(X ≤ 3) = e−3 = 0.6472
x=0
x!
P(X ≥ 3) = 1 − P(X ≤ 2)
X2
3x
=1− e−3
x=0
x!
= 1 − 0.4232 = 0.5768
P(X ≥ 5) = 1 − P(X ≤ 4)
X4
3x
=1− e−3
x=0
x!
= 1 − 0.8152 = 0.1848
ឧទាហរណ៍ 5.3.15. ែផ្អកេលកា

ី រអេង្កតអា្រតាវ ិជ្ជមាន 7 ក្នុងចំេនាម 1000 នាក់េនក្នុងអាគារសិក�មួយគឺ
ឆ្លងជម្ងក
ឺ ូវ ីត១៩។
1. េនក្នុងមួយៃថ្ង ណាមួយ េតី មនុស្សប៉ុនា្មននាក់ កុ ង

្ន 1000 នាក់ ែដលរ ំពឹង ថានឹង មានការឆ្លង ជម្ងឺ កូ
វ ីត១៩?
2. េនក្នុងមួយៃថ្ងណាមួយ េត្រី ប�បាប៊ីលីេតែដលមានមនុស្សយា៉ងេហាចណាស់ 10 នាក់កុ ង

្ន 1000 ឆ្លង
ជម្ងក
ឺ ូវ ីត១៩?
ចេម្លើយ. តាង X ជាចំនួន មនុស្សែដលឆ្លង ជម្ងឺ កូ វ ីត១៩ ក្នុងចំ េនាម 1000 នាក់ េនាះ X ∼ P(λ) ែដល
λ = 7។
1. តាមពត
ិ សំនួរេនះសួររកមធ្យមគឺ λ = 7
2. ្រប�បាប៊ីលេី តែដលមានមនុស្សយា៉ងេហាចណាស់ 10 នាក់ ឆ្លងជម្ងក

ឺ ូវ ីត១៩ គឹ
P(X ≥ 10) = 1 − P(X ≤ 9)
X9
7x
−7
=1−e
x=0
x!
= 1 − 0.8305 = 0.1695
កូដ R ស្រមាប់ P(X ≤ 9) គឺ ppois(9,7) ឬស្រមាប់ P(X ≥ 10) គឺ ppois(9,7,F)
លំហាត់ 5.3.3. ិ េដាយ្រក�ម ហ៊ុន មួយ ជាអំពូល ខូច។ រក្រប�បាប៊ីលេី ត

1. េបី 2% ៃនអំពូល ែដលផលត
ែដលក្នុងចំេនាមអំពូល 200 ែដល
108
(a) មានអំពូលខូច 2
(b) មានអំពូលខូចេ្រចន
ី ជាង 2
(c) មានអំពូលខូចយា៉ងេ្រចីន 2
2. មា៉សុីនកូពម
ី ួយកូពេី ចញេដាយៃចដន្យនូវ្រកដាសសចំនួន 10 សន្លឹកក្នុងចំេនាម 500 សន្លឹកែដលបាន
កូពី។ រក្រប�បាប៊ីលីេតែដលក្នុងចំេនាម 300 សន្លឹកែដលបានកូពីមាន 5 សន្លឹកជា្រកដាសស។
3. េនក្នុងព្រងាងេសៀវេភែដលមាន 400 ទំព័រមានកំហុសចំនួន 200 ែដលេនរាយបា៉យេដាយៃចដន្យ។

េបីសិនជាទំព័រមួយ្រត�វបានេ្រជីសេរសេដាយៃចដន្យ
ី រក្រប�បាប៊ីលីេតែដលវាមានកំហុសមួយ។
4. ចំនួនអង្គធាតុវ ិទ្យុសកម្មែដលបេញ្ច ញេដាយអាចម៍ផា្កយ្រត�វបានកត់្រតា។ ចំនួនមធ្យមៃនអង្គធាតុ្រត�វ

បានរកេឃញ
ី ថាេស្មន
ី ង ី រក្រប�បាប៊ីលេី តែដលក្នុងមួយនាទណា
ឹ 3.5 ក្នុងមួយនាទ។ ី មួយ
(a) មិនមានអង្គធាតុ
(b) មានអង្គធាតុ 2
(c) យា៉ងេហាចណាស់មាន 5 អង្គធាតុ
5. បាក់េតរស្ថ
ី ត
ិ េនរាយបា៉យមន
ិ អា្រស័យគា្នេនក្នុងសូលុយស្យុងនង
ិ េគដង
ឹ ថាចំនួនបាក់េតរក្ន
ី ុ ងមួយមី
លល ី េគារពតាមបំែនងែចកព័រសុងែដលមានមធ្យម 2.9 ។ រក្រប�បាប៊ីលេី តែដលសំណាក 1 មល
ី ត ី ល
ី ី
តៃនសូលុយស្យុងមានបាក់េតរ ី
(ក) 0 (ខ) 1 (គ) 2 (ឃ) 3 (ង) េ្រចីនជាង 3
5.3.5 អេថរៃចដន្យធរណីមា្រត
និយមន័យ 5.3.7 (ពិេសាធន៍ធរណីមា្រត). ពិេសាធន៍ធរណីមា្រតជាពិេសាធន៍ែដល
ិ អា្រស័យគា្នបន្តបនា្ទប់គា្នរហូតដល់េជាគជ័យទី១ េកត
• មន ី េឡង
ី
ី ួយៗមានលទ្ធផលែតពរី ៖ េជាគជ័យ នង
• ែដលពេិ សាធន៍នម ិ បរាជ័យ
• ្រប�បាប៊ីលីេតទទួលបានេជាគជ័យក្នុងពិេសាធន៍នីមួយៗេស្មីនឹង p, 0 < p < 1
និយមន័យ 5.3.8 ( អេថរៃចដន្យធរណីមា្រត). អេថរៃចដន្យ X ែដលតាងេអាយចំនួនពេិ សាធន៍រហូតដល់

េជាគជ័យទី ១ េកត
ី េឡង
ី ជាអេថរៃចដន្យធរណីមា្រតែដលមានបា៉រា៉ ែម៉្រត p ។
និមិត្តសញញៈ X ∼ G(p) មានន័យថា X ជាអេថរៃចដន្យធរណីមា្រតែដលមានបា៉រា៉ ែម៉្រត p។

ឧទាហរណ៍ 5.3.16. 1. ចំនួនដងៃនេបាះកាក់មួយបន្តបនា្ទប់គា្នរហូតទទួលបាន H ទីមួយេនការេបាះ
េលីកទី 5 ែដល្រប�បាប៊ីលីេតេចញ H គឺ p
2. ចំនួនដងៃនការេបាះ្រគាប់ឡុកឡាក់មួយេស្មសា
ី ច់បន្តបនា្ទប់គា្នរហូតទទួលបានមុខេលខ៦ ទម
ី ួយេន
ការេបាះេលីកទី 10 ។
3. ចំនួនអតិថិជនែដល្រត�វបានេធ្វីទំនាក់ទំនងរហូតដល់ការលក់េលីកទីមួយ្រត�វបានេធ្វីេឡង
ី ។
109
4. ចំនួនឆា្នែំ ដលទំនប់ទក
ឹ អាចេ្រប្រី បាស់បានរហូតដល់េពលវាេហៀរទក
ឹ ។
5. ចំនួន រថយន្ត ែដលឆ្លងកាត់ កែន្លង រា៉ ដា្រត�តពន

ិ ត
ិ ្យរហូតដល់ េពលែដលរថយន្ត ទម
ី ួយ េបក
ី បរេលស
ី
េល្ប�ន្រត�វបានរកេឃញ
ី ។
េបី X ∼ G(p) េតី P(X = n), n = 1, 2, 3, . . . េស្មីនឹងប៉ុនា្មន? េយង

ី ចាប់េផ្តីមពីការេបាះកាក់េស្មីសាច់មួយ
បន្តបនា្ទប់រហូតទទួលបាន H េលីកទីមួយ។ េយង ី ចងគ ់ ណនា្រប�បាប៊ីលីេតែដលទទួលបាន H េលីកទម ី ួយ
េនការេបាះកាក់េលក ី ទី 5។ េបីេយង
ី តាង X ជាចំនួនដងៃនការេបាះកាក់រហូតទទួលបាន H េលក ី ទម
ី ួយ

េនាះ X ∼ G p = 2 ។ ្រពឹតិ្តការណ៍ X = 5 មានន័យថា H េលីកទីមួយេកីតេឡង
1
ី េនការេបាះកាក់េលីកទី
5 េនាះ
P(X = 5) = P(T T T T H) = P(T ).P(T ).P(T ).P(T ).P(H)

! ! ! ! ! !5
1 1 1 1 1 1
= . . . . =
2 2 2 2 2 2
ជាទូេទេបីេយងី េបាះកាក់េស្មីសាច់មួយបន្តបនា្ទប់េនាះ្រប�បាប៊ីលីេតែដលទទួលបាន H េលីកទីមួយេនការ

េបាះកាក់េលកី ទី n គឺ !n
1
P(X = n) =
2
ពន
ិ ត
ិ ្យេមល
ី ពេិ សាធន៍េបាះ្រគាប់ឡុកឡាក់មួយបន្តបនា្ទប់គា្នរហូតទទួលបានមុខេលខ ៦។ េយង ់ ណនា
ី ចងគ
្រប�បាប៊ីលេី តែដលទទួល បានមុន េលខ៦ េលក ី ទម
ី ួយ េនការេបាះេលក
ី ទី 5។ តាង X ជាចំនួន ដងៃនការ

េបាះ្រគាប់ ឡុកឡាក់ រហូត ទទួល បានមុខ េលខ៦ េលីកទីមួយ េនាះ X ∼ G p = 16 ។ ្រពឹតិ្ត ការណ៍ X = 5
មានន័យថាមុខេលខ៦ េលីកទីមួយេកីតេឡង
ី េនការេបាះេលីកទី 5 េនាះ
P(X = 5) = P(∗ ∗ ∗ ∗ ៦) = P(∗).P(∗).P(∗).P(∗).P(៦)
! ! ! ! !
5 5 5 5 1
= . . . .
6 6 6 6 6
!4 !
5 1
= .
6 6
េបេី យង ី ច់មួយបន្តបនា្ទប់គា្នេនាះ្រប�បាប៊ីលីេតែដលទទួលបានមុខេលខ៦ េលីកទីមួយ

ី េបាះ្រគាប់ឡុកឡាក់េស្មសា
េនការេបាះេលក
ី ទី n គឺ !n−1 !
1 1
P(X = n) = 1 − .
6 6
ជាទូេទេបី X ∼ G(p) េនាះ្រប�បាប៊ីលីេតែដលទទួលបានេជាគជ័យទីមួយេនពិេសាធន៍ទី n គឺ

័
P(X = n) = P េជាគជយទី ១ េកីតេឡង ី េនពិេសាធន៍ទី n

= P បរាជ័យេន n − 1 ពេិ សាធន៍ដំបូង នង ិ េជាគជ ័ យ ទី ១ េក ត
ី េឡ ង
ី េនព េ
ិ សាធន៍ ទី n

= P បរាជ័យេន n − 1 ពេិ សាធន៍ដំបូង .P េជាគជ័យទ១ ី េក ត
ី េឡ ង
ី េនព េ
ិ សាធន៍ ទ ី n
= (1 − p)n−1 p.
110
សំេណើ 5.3.6. េបី X ∼ G(p) េនាះអនុគមន៍មា៉ស្រប�បាប៊ីលេី តរបស់វាគឱ
P(X = n) = (1 − p)n−1 p, n = 1, 2, 3, . . . .
តាមពិតេទ p(n) = P(X = n) ជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេតេ្រពាះ
• p(n) > 0 េដាយសារវាជាផលគុណៃនេលខវ ិជ្ជមាន (0 < p < 1) និង p(n) ≤ 1 េ្រពាះវាជាផលគុណ

ៃនេលខេនចេនា្លះ 0 នង
ិ 1
•
X
∞ X
∞
P(X = n) = (1 − p)n−1 p
n=1 n=1
1
= p.
1 − (1 − p)
=1
សមា្គល់ 5.3.4. េស៊រធរណ

ី ី មា្រត
X
∞
1
an = 1 + a + a2 + a3 + · · · = , |a| < 1.
n=0
1−a
សំេណើ 5.3.7. េបី X ∼ G(p) េនាះចំេពាះ្រគប់ចំនួនគត់មន

ិ អវ ិជ្ជមាន k,
• P(X > k) = (1 − p)k ,
• P(X ≤ k) = 1 − (1 − p)k .
P(X > k) = P(X = k + 1) + P(X = k + 2) + P(X = k + 3) + · · ·

= (1 − p)k p + (1 − p)k+1 p + (1 − p)k+2 p + · · ·
= p(1 − p)k [1 + (1 − p) + (1 − p)2 + · · · ]
1
= p(1 − p)k
1 − (1 − p)
= (1 − p)k
P(X ≤ k) = 1 − P(X > k)

= 1 − (1 − p)k .
អនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃន X គឱ
F(x) = P(X ≤ x) = 1 − (1 − p)⌊x⌋ .
សំេណើ 5.3.8. េបី X ∼ G(p) េនាះ
• E[X] = 1
p
• V(X) = 1−p
p2
.
111
X
∞
E[X] = nP(X = n)
n=1
X
∞
= n(1 − p)n−1 p
n=1
X
∞
= (n − 1 + 1)(1 − p)n−1 p
n=1
X
∞ X
∞
= (n − 1)(1 − p) n−1
p+ (1 − p)n−1 p
n=1 n=1
X
∞
= j(1 − p) j p + 1, ( j = n − 1)
j=0
X
∞
= (1 − p) j(1 − p) j−1 p + 1
j=1
= (1 − p)E[X] + 1
1
E[X] =
p
X∞
E[X ] =
2
n2 P(X = n)
n=1
X
∞
= n2 (1 − p)n−1 p
n=1
X
∞
= (n − 1 + 1)2 (1 − p)n−1 p
n=1
X
∞ X
∞ X
∞
= (n − 1) (1 − p)
2 n−1
p+ 2(n − 1)(1 − p) n−1
p+ (1 − p)n−1 p.
n=1 n=1 n=1
X∞ X
∞
= j2 (1 − p) j p + 2 j(1 − p) j p + 1, ( j = n − 1)
j=0 j=0
X
∞ X
∞
= (1 − p) j2 (1 − p) j−1 p + 2(1 − p) j(1 − p) j−1 p + 1
j=1 j=1
= (1 − p)E[X ] + 2(1 − p)E[X] + 1

2
2− p
E[X 2 ] =
p2
V(X) = E[X 2 ] − (E[X])2
2− p 1
= 2
− 2
p p
1− p
V(X) = .
p2
□
ី ដង។ រក្រប�បាប៊ីលេី តែដលេចញេលខ២

ឧទាហរណ៍ 5.3.17. ្រគាប់ឡុកឡាក់មួយ្រគាប់្រត�វបានេបាះេ្រចន
ដំបូងេនការេបាះេលីកទី 3។
112
ចេម្លើយ. វាជាពិេសាធន៍ធរណីមា្រតេ្រពាះ
• ជាពិេសាធន៍មិនអា្រស័យគា្នបន្តបនា្ទប់គា្នរហូតទទួលបានមុខេលខ២
• លទ្ធផលមានែតពីរៈ មុខេលខ២ និងមុខមិនែមនេលខ២
• ្រប�បាប៊ីលេី តទទួលបានមុខេលខ២ គឺ 16 .
តាង X ជាចំនួនដងៃនការេបាះ្រគាប់ឡុកឡាក់រហូត ទទួលបានមុខេលខ២ េលីកទីមួយេនាះ្រប�បាប៊ីលីេត

ី ចង់គណនាគឱ
ែដលេយង ឺ ្យេដាយ
!3−1 !2
1 1 1 5 25
P(X = 3) = 1− = = .
6 6 6 6 216
ឧទាហរណ៍ 5.3.18. ផលត

ិ ផលែដលផលត
ិ េដាយមា៉សុន
ី មាន 3% ជាផលត
ិ ផលខូច។
1. រក្រប�បាប៊ីលីេតែដលវត្ថុខូចទីមួយ្រត�វបានរកេឃញ
ី េនវត្ថុទី 5 ែដលអេង្កត
2. រក្រប�បាប៊ីលេី តែដលវត្ថុខូចទម ី េនក្នុងចំេណាមវត្ថុ 5 ដំបូងែដលអេង្កត

ី ួយ្រត�វបានរកេឃញ
ិ វា៉ដ្យង់ៃនចំនួនអេង្កតេដីម្បទ
3. រកមធ្យម នង ី ទួលបានវត្ថុទម
ី ួយែដលខូច
សមា្គល់ 5.3.5 (ព្រងាងគំនិត). • េតីអីខ

្វ ្លះជាសម្មតិកម្ម?
• េតីវាជាពិេសាធន៍ែបបអ្វី? េតីេ្របីអេថរៃចដន្យអ្វី?
• េតីដឹងអ្វីខ្លះទាក់ទងនឹងអេថរៃចដន្យេនះ?
ចេម្លើយ. តាង X ជាចំនួនអេង្កតរហូតទទួលបានវត្ថុទីមួយខូចេនាះ X ជាអេថរៃចដន្យធរណីមា្រតែដលមាន
បា៉រា៉ ែម៉្រត p = 0.03។
1.
P(X = 5) = (0.97)4 (0.03) = 0.026
2.
P(X ≤ 5) = 1 − P(X > 5)

= 1 − (0.97)5 = 0.141
3.
1 1
E[X] = = = 33.33,
p 0.03
1− p 0.97
V(X) = 2
= = 1077,
p (0.03)2
√
SD(X) = 1077 = 32.8
ឧទាហរណ៍ 5.3.19. តាង X ជាចំនួន មនុស្សែដល្រត�វ េ្រជស

ី េរសេដាយៃចដន្យែដលអ្ន
ី ក ្រត�វ សួរ េដម
ី ្បីរក
មនុស្សទីមួយែដលមានៃថ្ងកំេណីតដូចអ្នក។ សន្មត់ថាមួយឆា្នមា
ំ ន 365 ។
113
ិ វា៉ដ្យង់ៃន X
1. រកមធ្យម នង
2. រក P(X > 400)
3. រក P(X < 300)
សមា្គល់ 5.3.6 (ព្រងាងគំនិត). • េតអ

ី ខ
ី្វ ្លះជាសម្មតក
ិ ម្ម?
• េតដ
ី ឹងអ្វខ
ី ្លះទាក់ទងនង
ឹ អេថរៃចដន្យេនះ?
ី មាន X ជាអេថរៃចដន្យធរណីមា្រតែដលមានបា៉រា៉ ែម៉្រត p =
1
365
ី បាន
1
E[X] = = 365
p
1− p
V(X) = = (364)(365) = 132860
p2
េយង
ី េ្របីលក្ខណៈទូេទៃនអេថរៃចដន្យធរណីមា្រត X ∼ G(p), P(X > k) = (1 − p) , k = 0, 1, 2, . . .
k
!400
364
P(X > 400) = = 0.33
365
P(X < 300) = P(X ≤ 299) = 1 − P(X > 299)
!299
364
=1− = 0.55
365
សមា្គល់ 5.3.7. ទ្រមង់មួយេទៀតៃនអេថរៃចដន្យធរណីមា្រត៖ ពិនិត្យេមីលពិេសាធន៍ែប៊រនូ យប

ី ន្តបនា្ទប់គា្ន
និងតាង Y ជាចំនួនបរាជ័យមុនេពលទទួលបានេជាគជ័យលីកទីមួយេនាះេយង
ី បាន
X =Y +1 ឬ Y = X−1
ដូចេនះ
1. អនុគមន៍មា៉ស្រប�បាប៊ីលេី ត
pY (y) = p(1 − p)y , y = 0, 1, 2, . . .
2. មធ្យម
1 1− p
E[Y] = E[X − 1] = E[X] − 1 = −1=
p p
1− p
V(Y) = V(X − 1) = V(X) =
p2
លំហាត់ 5.3.4. 1. យក s និង t ជាចំនួនគត់ពីរែដល s > t និង X ∼ G(p) បងា្ហញថា
P(X > s|X > t) = P(X > s − t)
114
2. យក X ជាអេថរៃចដន្យដាច់ែដលមានអនុគមន៍មា៉ស្រប�បាប៊ីលេី ត
! x−1
2 1
p(x) = , x = 1, 2, 3, . . .
3 3
(a) បងា្ហញថា p(x) ពិតជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេត
(b) រកអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេត F(x) ៃន X
(c) រក្រប�បាប៊ីលេី ត P(X > 30)
ិ វា៉ដ្យង់ V(X) ៃនអេថរៃចដន្យ X

(d) រកមធ្យម E[X] នង
3. សន្មត់ថាេលាក ក មានអំពូលែដលផលត
ិ េដាយ្រក�មហ៊ុនមួយ នង
ិ កំនត់ថាអំពូល 3 ក្នុងចំេនាម 75
ជាអំពូលខូច។
(a) េតី ្រប�បាប៊ីលេី តែដលេលាក ក នង

ឹ រកេឃញ
ី អំពូល ខូច ទី 1 េនអំពូល ទី 6 ែដលគាត់ េធ្វេី តស្ត
េស្មីនឹងប៉ុនា្មន?
(b) េត្រី ប�បាប៊ីលីេតែដលេលាក ក នឹងេធ្វីេតស្តយា៉ងេហាចណាស់ 6 អំពូលរហូតដល់រកេឃញ

ី អំពូល
ខូចទី 1 េស្មន ី ង
ឹ ប៉ុនា្មន?
ិ គមា្លតស្តង់ដាៃនចំនួនអំពូលេលាក ក នង
(c) រកមធ្យម នង ឹ េធ្វេី តស្តរហូតដល់រកេឃញ
ី អំពូលខូច
ទី 1 ?
4. អ្នកេលងបាល់េបាះមា្នក់េបាះបាល់េដាយេសរេទក្ន
ី ី ៗមាន្រប�បាប៊ីលេី ត
ុ ងក�ន្តកែ់ ដលការេបាះមួយេលក
េជាគជ័យ p = 0.7។
(a) េត្រី ប�បាប៊ីលេី តែដលគាត់នង

ឹ េបាះយា៉ងេហាចណាស់ 3 ដងរហូតដល់េបាះចូលក�ន្តកេ់ លក
ី ទម
ី ួយ
េស្មន
ី ងឹ ប៉ុនា្មន?
(b) េត្រី ប�បាប៊ីលីេតែដលគាត់នឹងេបាះតិចជាង 3 ដងរហូតដល់េបាះចូលក�ន្តកេ់ លីកទីមួយេស្មីនឹង
5.3.6 អេថរៃចដន្យេទ្វធាអវិជ្ជមាន
និយមន័យ 5.3.9 (ពិេសាធន៍េទ្វធាអវិជ្ជមាន). ពិេសាធន៍េទ្វធាអវ ិជ្ជមានជាពិេសាធន៍
ិ អា្រស័យគា្នបន្តបនា្ទប់គា្នរហូតដល់េជាគជ័យទី r េកត
• មន ី េឡង
ី (r ជាចំនួនគត់វ ិជ្ជមានែដលឱ្យ)
• ែដលពិេសាធន៍នីមួយៗមានលទ្ធផលែតពីរ៖ េជាគជ័យ និងបរាជ័យ
• ្រប�បាប៊ីលីេតទទួលបានេជាគជ័យក្នុងពិេសាធន៍នីមួយៗេស្មីនឹង p, 0 < p < 1
និយមន័យ 5.3.10 ( អេថរៃចដន្យេទ្វធាអវិជ្ជមាន). អេថរៃចដន្យ X ែដលតាងេអាយចំនួនពិេសាធន៍

រហូតដល់េជាគជ័យទី r េកត
ី េឡង
ី ជាអេថរៃចដន្យេទ្វធាអវ ិជ្ជមានែដលមានបា៉រា៉ ែម៉្រត r នង
ិ p។
នម
ិ ិតស
្ត ញញៈ X ∼ Neg(r, p) មានន័យថា X ជាអេថរៃចដន្យេទ្វធាអវ ិជ្ជមានែដលមានបា៉រា៉ ែម៉្រត r និង p ។
115
សមា្គល់ 5.3.8. លក្ខខណ្ឌបក
ី ុ ងចំ
្ន េនាមលក្ខខណ្ឌបួនស្រមាប់ពេិ សាធន៍េទ្វធាអវ ិជ្ជមានែដលដូចគា្ននង
ឹ ពេិ សាធន៍
េទ្វធា
• ភាពមន
ិ អា្រស័យគា្នៃនពេិ សាធន៍នម
ី ួយៗ
ី ួយៗមានែតពីរ៖ េជាគជ័យនង
• លទ្ធផលៃនពេិ សាធន៍នម ិ បរាជ័យ
• ្រប�បាប៊ីលីេតេជាគជ័យ p គឺដូចៗគា្នចំេពាះពិេសាធន៍នីមួយៗ
ភាពខុសគា្នគឺ
• ស្រមាប់អេថរៃចដន្យេទ្វធា ចំនួនពិេសាធន៍ n ្រត�វបានកំនត់ទុកជាមុន
ី អេថរៃចដន្យេទ្វធាអវ ិជ្ជមាន ចំនួនេជាគជ័យ r ្រត�វបានកំនត់ទុកជាមុននង

• រឯស្រមាប់ ិ ចំនួនពេិ សាធន៍
n គឺៃចដន្យ។
ឧទាហរណ៍ 5.3.20. 1. ចំនួនដងៃនេបាះកាក់េស្មីសាច់មួយបន្តបនា្ទប់គា្នរហូតទទួលបាន H ទី 3 េន

ការេបាះេលីកទី 5 ។
2. ចំនួនដងៃនការេបាះ្រគាប់ឡុកឡាក់េស្មីសាច់បន្តបនា្ទប់គា្នរហូតទទួលបានមុខេលខ៦ ទី 5 េនការ
េបាះេលីកទី 10។
3. ចំនួនអតិថិជនែដល្រត�វបានេធ្វីទំនាក់ទំនងរហូតដល់ការលក់េលីកទី 2 ្រត�វបានេធ្វីេឡង
ី ។
4. ចំនួនរថយន្តែដលឆ្លងកាត់កែន្លងរា៉ ដា្រត�តពិនិត្យរហូតដល់េពលែដលរថយន្តទី 3 េបីកបរេលីសេល្ប�ន

្រត�វបានរកេឃញ
ី ។
េបី X ∼ Neg(r, p) េតី P(X = n), n = 1, 2, 3, . . . េស្មីនឹង ប៉ុនា្មន? េយង ី ចាប់េផ្តីម ពី ការេបាះកាក់ េស្មី
សាច់ បន្តបនា្ទប់ រហូត ទទួល បាន H េលក ី ចង់ គណនា្រប�បាប៊ីលេី តែដលទទួល បាន H េលក
ី ទី 3។ េយង ី
ទី 3 េនការេបាះកាក់េលីកទី 5។ តាង X ជាចំនួនដងៃនការេបាះកាក់រហូតទទួលបាន H េលីកទី 3 េនាះ

X ∼ Neg r = 3, p = 21 ។ ្រពត ឹ ិ្តការណ៍ X = 5 មានន័យថា H េលក ី ទី 3 េកត
ី េឡង
ី េនការេបាះកាក់េលក ី
ទី 5 និង H 2 េលីកដំបូងេកីតេឡង
ី េនក្នុងចំេណាមការេបាះកាក់ 4 េលីកដំបូងេនាះ្រប�បាប៊ីលីេតគឺ
! ! ! ! ! !3 !2
1 1 1 1 1 1 1
P(HT HT H) = P(H).P(T ).P(H).P(T ).P(H) = . . . . = .
2 2 2 2 2 2 2
4
តាមពត
ិ េទវាមាន 2
= 6 រេបៀបេផ្សងគា្នេដម
ី ្បទ ី ដំបូងេកត
ី ទួលបាន H 2 េលក ី េឡង
ី េនក្នុងចំេណាមការ
េបាះកាក់ 4 េលីកដំបូងក្នុងលំដាប់ណាក៏បាន
HT HT H T HT HH
HT T HH T T HHH
HHT T H T HHT H
116
សមា្គល់លទ្ធផលនម ី េី តដូចៗគា្ន។ ដូចេនះ្រប�បាប៊ីលេី តែដលទទួលបាន H េលក
ី ួយៗមាន្រប�បាប៊ល ី ទី 3 េន
ការេបាះកាក់េលីកទី 5 គឺ
P(X = 5) = P(HT HT H ឬ T HT HH ឬ . . . , ឬ T HHT H)

!3 !2 !3 !2 !3 !2
1 1 1 1 1 1
= . + . + ··· + .
2 2 2 2 2 2
| {z }
6 ដង
!5 ! !5
1 4 1
=6 = = 0.1875
2 2 2
ជាទូេទេបេី យង ី ច់មួយបន្តបនា្ទប់គា្នេនាះ្រប�បាប៊ីលីេតែដលទទួលបាន H េលីកទី r េនការ

ី េបាះកាក់េស្មសា
េបាះកាក់េលីកទី n គឺ
! !n
n−1 1
P(X = n) =
r−1 2
ពន
ិ ត
ិ ្យេមល
ី ពេិ សាធន៍េបាះ្រគាប់ឡុកឡាក់មួយបន្តបនា្ទប់គា្នរហូតទទួលមានមុខេលខ ៦។ េយង ់ ណនា
ី ចងគ
្រប�បាប៊ីលេី តែដលទទួលបានមុនេលខ៦ េលក
ី ទី 3 េនការេបាះេលក
ី ទី 5។ តាង X ជាចំ នួនដងៃនការេបាះ

្រគាប់ឡុកឡាក់រហូតទទួលបានមុខេលខ៦ េលីកទី 3 េនាះ X ∼ Neg r = 3, p = 6 ។ ្រពឹតកា
1
ិ្ត រណ៍ X = 5
មានន័យថាមុខ េលខ៦ េលក ី ទី 3 េកត
ី េឡងី េនការេបាះេលក ិ មុខ េលខ៦ 2 ដងដំបូង េកត
ី ទី 5 នង ី េឡង
ី
េនក្នុងចំេណាមការេបាះ 4 េលកី ដំបូងេនាះ្រប�បាប៊ីលេី តគឺ
! ! ! ! ! !3 !2
1 5 5 1 1 1 5
P(៦៦ ∗ ∗៦) = P(៦).P(៦).P(∗).P(∗).P(៦) = . . . . = .
6 6 6 6 6 6 6
4
តាមពិតេទវាមាន 2 ី លបានមុខេលខ៦ 2 េលីកដំបូងេកីតេឡង
= 6 រេបៀបេផ្សងគា្នេដីម្បទទួ ី េនក្នុងចំេណាម
ី ដំបូងក្នុងលំដាប់ណាក៏បាន
ការេបាះ 4 េលក
៦ ∗ ៦ ∗ ៦ ∗៦ ∗ ៦៦
៦ ∗ ∗៦៦ ∗ ∗ ៦៦៦
៦៦ ∗ ∗៦ ∗៦៦ ∗ ៦
សមា្គល់លទ្ធផលនម ី េី តដូចៗគា្ន។ ដូចេនះ្រប�បាប៊ីលេី តែដលទទួលបានមុខេលខ៦ េលក

ី ួយៗមាន្រប�បាប៊ល ី
ទី 3 េនការេបាះកាក់េលីកទី 5 គឺ
P(X = 5) = P(៦ ∗ ៦ ∗ ៦ ឬ ∗ ៦ ∗ ៦៦ ឬ . . . , ឬ ∗ ៦៦ ∗ ៦)
!3 !2 !3 !2 !3 !2
1 5 1 5 1 5
= . + . + ··· + .
6 6 6 6 6 6
| {z }
6 ដង
!3 !2
1 5
=6
6 6
! !3 !2
4 1 5
=
2 6 6
= 0.0192
117
ី េបាះ្រគាប់ឡុកឡាក់េស្មីសាច់មួយបន្តបនា្ទប់គា្នេនាះ្រប�បាប៊ីលេី តែដលទទួលបានមុខេលខ៦ េលក
េបីេយង ី
ទី r េនការេបាះេលីកទី n គឺ
! !r !n−r
n−1 1 1
P(X = n) = 1− .
r−1 6 6
ជាទូេទេបី X ∼ Neg(r, p) េនាះ្រប�បាប៊ីលីេតែដលទទួលបានេជាគជ័យទី r េនពិេសាធន៍ទី n គឺ

័
P(X = n) = P េជាគជយទី r េកីតេឡង ី េនពិេសាធន៍ទី n

័ ំ ័
= P r − 1 េជាគជយេន n − 1 ពិេសាធន៍ដបូងនិងេជាគជយទី r េនពិេសាធន៍ទី n

= P r − 1 េជាគជ័យេន n − 1 ពេិ សាធន៍ដំបូង .P េជាគជ័យទី r េនពេិ សាធន៍ទី n
!
n − 1 r−1
= p (1 − p)n−1−(r−1) p
r−1
!
n−1 r
= p (1 − p)n−r , n = r, r + 1, . . .
r−1
សំេណើ 5.3.9. េបី X ∼ Neg(r, p) េនាះអនុគមន៍មា៉ស្រប�បាប៊ីលីេតរបស់វាគឺឱ្យេដាយ

!
n−1 r
P(X = n) = p (1 − p)n−r , n = r, r + 1, . . .
r−1
P
∞
េយង
ី នឹងបងា្ហញថា P(X = n) = 1
n=r
X
∞ X∞ !
n−1 r
P(X = n) = p (1 − p)n−r
n=r n=r
r−1
X k + r − 1!
∞
= pr (1 − p)k , (k = n − r)
k=0
r − 1
X ∞ !
k+r−1
=p r
(1 − p)k
k=0
r−1
−r
= pr 1 − (1 − p) , (∗)
=1
សមា្គល់ 5.3.9. េយង

ី បានេ្របី្របាស់ (∗) ែដលជាេស៊រេទ្វ
ី ធាអវ ិជ្ជមានខាងេ្រកាមៈ
X ! !
−r k X k + r − 1 k
∞ ∞
−r
(1 − x) = k
(−1) x = x , |x| < 1.
k=0
k k=0
r−1
េ្រពាះ
!
k+r−1 (r + k − 1)(r + k − 2) · · · r
=
r−1 k!
(−r − (k − 1))(−r − (k − 2)) · · · (−r)
= (−1)k
k!
(−r)(−r − 1) · · · (−r − (k − 1))
= (−1)k
! k!
−r
= (−1)k .
k
118
អនុគមន៍បំែនងែចកៃន X ∼ Neg(r, p) គឺឱ្យេដាយ
Xx !
n−1 r
F(x) = P(X ≤ x) = p (1 − p)n−r
n=r
r−1
កូដ R ស្រមាប់ P(Y = r + x), x = 0, 1, 2, . . . គឺ dnbinom(x,r,p) នង

ិ ស្រមាប់ P(Y ≤ r + x), x =
0, 1, 2, . . . គឺ pnbinom(x,r,p) ែដល x ទីេនះជាចំនួនបរាជ័យមុនេពលេជាគជ័យទី r េកីតេឡង ី ។
ឧទាហរណ៍ 5.3.21. េបី Y ∼ Neg(5, 0.4) េនាះ
• dnbinom(6,5,0.4) ផ្តល់តៃម្ល 0.1003291 ស្រមាប់ P(Y = 11)
• pnbinom(15,5,0.4) ផ្តល់តៃម្ល 0.949048 ស្រមាប់ P(Y ≤ 20)

សំេណើ 5.3.10. េបី X ជាអេថរៃចដន្យេទ្វធាអវ ិជ្ជមានែដលមានបា៉រា៉ ែម៉្រត r និង p េនាះ
• E[X] = r
p
• V(X) = r(1−p)
p2
.
X
∞
E[X] = nP(X = n)
n=r
X∞ !
n−1 r
= n p (1 − p)n−r
n=r
r−1
X
∞
(n − 1)!
= n pr (1 − p)n−r
n=r
(r − 1)!(n − r)!
X∞
n!
=r pr (1 − p)n−r
n=r
r!(n − r)!
X∞ !
n
= rp r
(1 − p)n−r
n=r
r
X k + r!
∞
= rp r
(1 − p)k , (k = n − r)
k=0
r
= rpr (1 − (1 − p))−(r+1)
r
E[X] = .
p
X∞
E[X 2 ] = n2 P(X = n)
n=r
X
∞ !
n−1 r
= n 2
p (1 − p)n−r
n=r
r − 1
X∞ !
n−1 r
= [n(n + 1) − n] p (1 − p)n−r
n=r
r − 1
X∞ X∞ !
(n − 1)! n−1 r
= n(n + 1) p (1 − p) −
r n−r
n p (1 − p)n−r
n=r
(r − 1)!(n − r)! n=r
r−1
X∞ !
n+1 r r
= r(r + 1) p (1 − p)n−r −
n=r
r+1 p
119
X∞ !
n+1 r
E[X ] = r(r + 1)p
2 r
(1 − p)n−r −
n=r
r+1 p
X k+r+1
∞ !
r
= r(r + 1)pr (1 − p)k − , (k = n − r)
k=0
r+1 p
r
= r(r + 1)pr (1 − (1 − p))−(r+2) −
p
r(r + 1) r
= − .
p2 p
V(X) = E[X ] − (E[X])2
2
r(r + 1) r r2
= − − 2
p2 p p
r(1 − p)
= .
p2
□
សមា្គល់ 5.3.10. ករណី r = 1 េនាះ X ជាអេថរៃចដន្យធរណីមា្រត
ឧទាហរណ៍ 5.3.22 (េបាះកាក់). េបាះកាក់ មួយ បន្តបនា្ទប់ រហូត ទទួល បាន H 5 ដង។ វាជាពិេសាធន៍
េទ្វធាអវ ិជ្ជមានេ្រពាះ
• ជាពិេសាធន៍មិនអា្រស័យគា្នបន្តបនា្ទប់គា្នរហូតទទួលបាន H 5 ដង
• លទ្ធផលមានែតពីរៈ H និង T
• ្រប�បាប៊ីលេី តទទួលបាន H គឺ 12 .
រក្រប�បាប៊ីលេី តទទួលបាន H ទី 5 េនការេបាះកាក់េលក

ី ទី 11។

ចេម្លើយ. តាង X ជាចំនួនដងៃនការេបាះកាក់រហូតទទួលបាន H 5 ដងេនាះ X ∼ Neg r = 5, p = 1
2
។
ដូចេនះ
! !5 !6
11 − 1 1 1
P(X = 11) = = 0.102
5−1 2 2
ឧទាហរណ៍ 5.3.23. ្រប�បាប៊ីលេី តែដលអ្នកេបក

ី បរមា្នក់្របលងជាប់វ ិញញសាសេសរ សំរាប់បណ្ណ េបក
ី បរគឺ
0.75 ។ េត្រី ប�បាប៊ីលេី តែដលមនុស្សមា្នក់នង
ឹ ធា្លក់េនការេធ្វេី តស្តេលក
ី ទម
ី ួយ នង
ិ ជាប់េនេតស្តេលក
ី ទព
ី រី ?
ចេម្លើយ. តាង X ចំនួន េតស្ត ែដល្រត�វ េធ្វី រហូតដល់ ជាប់ការ្របលងេនាះ X ∼ Neg(r = 1, p = 0.75)។
ដូចេនះ
!
2−1
P(X = 2) = (0.75)(0.25) = 0.187
1−1
ឧទាហរណ៍ 5.3.24. ក្នុងចំេណាមសំបកកង់ជាេ្រចន

ី មាន 5% ជាសំបកកង់ខូច។ េ្រជីសេរសសំ
ី បកកង់ 4
េដាយៃចដន្យេដីម្បប
ី ូ រកង
្ត ់រថយន្តមួយ។
1. រក្រប�បាប៊ីលីេតែដលទទួលបានសំបកកង់លទ
្អ ី 4 េនការេ្រជីសេរសទ
ី ី6
2. រកមធ្យម និងវា៉ដ្យង់ៃនចំនួនសំបកកង់ែដល្រត�វេ្រជីសេរសរហូ
ី តទទួលបានសំបកកង់លប
្អ ួន
120
សមា្គល់ 5.3.11 (ព្រងាងគំនិត). • េតីអីខ
្វ ្លះជាសម្មតិកម្ម?
• េតីដឹងអ្វីខ្លះទាក់ទងនឹងអេថរៃចដន្យេនះ?
ចេម្លើយ. តាង X ចំនួនសំបកកងែ់ ដល្រត�វេ្រជីសេរសរហូ
ី ់ ប
តទទួលបានសំបកកងល ្អ ួនេនាះេយង
ី មាន X ∼
Neg(r = 4, p = 0.95) ។ ដូចេនះ
!
6−1
P(X = 6) = (0.95)4 (0.05)2 = 0.02
4−1
r 4 80
E[X] = = =
p 0.95 19
r(1 − p) 4(1 − 0.95) 80
V(X) = 2
= 2
= .
p 0.95 361
ី បាប៊ីលីេតែដល
ឧទាហរណ៍ 5.3.25. េនក្នុង្រក�មហ៊ុនមួយមាន 5% ៃនផលិតផលជាផលិតផលខូច។ េត្រប�
យា៉ងេហាចណាស់ផលត
ិ ផល 5 ែដល្រត�វ្រត�តពន
ិ ត
ិ ្យេដីម្បរី កេឃញ
ី ផលត
ិ ផលខូចទី 3?
ចេម្លើយ. តាង X ជាចំនួនផលិតផលែដល្រត�វ្រត�តពិនិត្យរហូតដល់រកេឃញ
ី ផលិតផលខូចទី 3 េនាះេយង
ី
មាន X ∼ Neg(r = 3, p = 0.05)។ ដូចេនះ
P(X ≥ 5) = 1 − P(X < 5)

= 1 − P(X = 3) − P(X = 4)
! !
2 3
= 1 − (0.05) (0.95) − (0.05)3 (0.95)1
3 0
2 2
= 0.9995.
់ ួយេទៀតៃនអេថរៃចដន្យេទ្វធាអវ ិជ្ជមាន៖ ពិនិត្យេមីលពិេសាធន៍ែប៊រនូយប

សមា្គល់ 5.3.12. ទ្រមងម ី ន្តបនា្ទប់
ិ តាង Y ជាចំនួនបរាជ័យមុនេពលទទួលបានេជាគជ័យលក
គា្ននង ី ទី r េនាះេយង
ី បាន
X =Y +r ឬ Y = X−r
ដូចេនះ
1. អនុគមន៍មា៉ស្រប�បាប៊ីលេី ត
!
r+y−1 r
pY (y) = p (1 − p)y , y = 0, 1, 2, . . .
y
2. មធ្យម
r 1− p
E[Y] = E[X − r] = E[X] − r = −r =r
p p
r(1 − p)
V(Y) = V(X − r) = V(X) =
p2
លំហាត់ 5.3.5. 1. េប្រី ប�បាប៊ីលីេតែដលមនុស្សមា្នក់ែដលពាក់ព័នជ

្ធ ម្ងក
ឺ ូវ ីត១៩ នឹងឆ្លងជម្ងេឺ នះគឺ 0.3។
រក្រប�បាប៊ីលីេតែដលមនុស្ស 8 នាក់ែដលពាក់ព័ន្ធជម្ងឺកូវ ីត១៩នឹងជាមនុស្សទី 4 ែដលឆ្លងជម្ងឺ។
121
2. េបី្រប�បាប៊ីលេី តែដលមនុស្សមា្នក់នង
ឹ េជឿពាក្យចចាមអារាមគឺ 0.6។ រក្រប�បាប៊ីលេី តែដលមនុស្ស 10
នាក់ែដលលពា ឺ ក្យចចាមអារាមនង ឹ ជាមនុស្សទី 3 ែដលេជឿ។
3. េយាងតាមការសិក�បានបងា្ហញថា 30% ៃនកុំព្យូទ័ររងការវាយ្របហារេដាយវ ីរុសកុំព្យូទ័រ។ សន្មតថា

់
អ្នកជំនាញជួសជុលពន
ិ ត
ិ ្យ្រគប់មា៉សុន
ី ែដលទុកជួសជុលក្នុងហាងរបស់គាត់។
(a) រក្រប�បាប៊ីលេី តែដលកំព្យូទ័រ ទម

ី ួយ ែដលមានវ ីរុស ្រត�វ បានរកេឃញ
ី េនកុំព្យូទ័រ ទព
ី រី ែដលបាន
ពន
ិ ត
ិ ្យ។
(b) រក្រប�បាប៊ីលីេតែដលកំព្យូទ័រ ទីបី ែដលមានវ ីរុស ្រត�វ បានរកេឃញ
ី េនកុំព្យូទ័រ ទី ្របាំ ែដលបាន
ពិនិត្យ។
4. សន្មតថា
់ េលាក ក មានអំពូលែដលផលិតេដាយ្រក�មហ៊ុនមួយនិងកំនត់ថាអំពូល 3 ក្នុងចំេនាម 75 ជា
អំពូលខូច។
(a) េតី្រប�បាប៊ីលីេតែដលេលាក ក នឹងរកេឃញ

ី អំពូលខូចទី 3 េនអំពូលទី 10 ែដលគាត់េធ្វីេតស្ត
េស្មនី ង
(b) េតី ្រប�បាប៊ីលីេតែដលេលាក ក នឹង េធ្វីេតស្ត យា៉ងេហាចណាស់ 10 អំពូល រហូតដល់ រកេឃញ
ី
អំពូលខូចទី 3 េស្មន ី ង
ិ គមា្លតស្តង់ដាៃនចំនួនអំពូលេលាក ក នង
(c) រកមធ្យម នង ឹ េធ្វេី តស្តរហូតដល់រកេឃញ
ី អំពូលខូច
ទី 3 ?
់ 10% ៃនមា៉សុីនែដលផលិតេដាយ្រក�មហ៊ុនមួយជាមា៉សុីនខូច។ េបមា
ី ៉ សុីន្រត�វបានេ្រជីសេរស
ី
េដាយៃចដន្យម្តងមួយរួចេធ្វេី តស្ត។
(a) េត្រី ប�បាប៊ីលេី តែដលមា៉សុន

ី ល្អទី 1 ្រត�វបានរកេឃញ
ី េនការេធ្វេី តស្តទី 2េស្មន
(b) េត្រី ប�បាប៊ីលីេតែដលមា៉សុីនល្អទី 3 ្រត�វបានរកេឃញ
ី េនការេធ្វីេតស្តទី 5េស្មីនឹងប៉ុនា្មន?
(c) េតី្រប�បាប៊ីលីេតែដលមា៉សុីនល្អទី 3 ្រត�វបានរកេឃញ
ី េនមុនឬេតស្តទី 5េស្មីនឹងប៉ុនា្មន?
(d) រកមធ្យម និងវា៉ដ្យង់ៃនចំនួនៃនការេធ្វីេតស្តរហូតដល់រកេឃញ
ី មា៉សុីនល្អទី 1។
(e) រកមធ្យម និងវា៉ដ្យង់ៃនចំនួនៃនការេធ្វីេតស្តរហូតដល់រកេឃញ
ី មា៉សុីនល្អទី 3 ។
5.3.7 អេថរៃចដន្យអុីែពរធរណីមា្រត
បំែនងែចកេទ្វធាែដលេយង ិ ក�េនក្នុងជំពូកេនះែផ្អកេទេលីពេិ សាធន៍ែប៊រនូ យីែដលមន

ី បានពភា ិ អា្រស័យ
គា្ន។ េដីម្បទ
ី ទួលបានរូបមន្ត្រសេដៀងគា្ននឹងបំែនងែចកេទ្វធាែដលេ្របច
ី ំេពាះលំហគំរេូ ដាយមិនដាក់ចូលវ ិញ
ែដលេនក្នុងករណីេនះពេិ សាធន៍នម
ី ួយៗគអា
ឺ ្រស័យគា្ន។ េយង
ី ពន
ិ ត
ិ ្យេមល
ី សំនុែំ ដលមាន N ធាតុែដលក្នុង
េនាះមាន M េជាគជ័យ នង
ិ N − M បរាជ័យ។ េយង ់ ណនា្រប�បាប៊ីលេី តែដលទទួលបាន x េជាគជ័យ
ី ចងគ
ក្នុង n ពិេសាធន៍បុែ៉ ន្តឥឡូវេយង
ី េ្រជីសេរសេដាយម
ី ិនដាក់ចូលវ ិញនូវ n ធាតុពីសំនុំ N ធាតុ។ េយង
ី មាន
M
• x
រេបៀបក្នុងការេ្រជស ី x េជាគជ័យេចញពី M េជាគជ័យ នង
ី េរស ិ
122
N−M
• រេបៀបក្នុងការេ្រជីសេរស
n−x ី n − x បរាជ័យេចញពី N − M បរាជយ ័

• ដូចេនះ Mx N−M
n−x ី x េជាគជ័យ នង
រេបៀបក្នុងការេ្រជីសេរស ិ n − x បរាជ័យ
N
• េដាយសារមាន n
រេបៀបការេ្រជីសេរស
ី n ធាតុេចញពស
ី ន
ំ ុំ N ធាតុ (និងេយង
ី សន្មតកា
់ រេ្រជីសេរស
ី
េកត
ី េឡងី េដាយៃចដន្យែដលមានន័យវាមានឱកាសេកត ី េឡង ី គា្ន) េនាះ្រប�បាប៊ីលេី តែដលទទួល
ី េស្មៗ
បាន x េជាគជ័យក្នុង n ពិេសាធន៍គឺ
MN−M
x n−x
N
n
ី មានអនុគមន៍មា៉ស្រប�បាប៊ីលីេត
និយមន័យ 5.3.11. អេថរៃចដន្យ X ជាអេថរៃចដន្យអុីែពរធរណីមា្រតេបវា
ឱ្យេដាយ MN−M
x n−x
P(X = x) = N
n
ចំេពាះ x = 0, 1, 2, . . . , n, x ≤ M នង
ិ n − x ≤ N − M.
ូ ិនដាក់ចូលវ ិញ ចំនួនេជាគជ័យេនក្នុង n ពិេសាធន៍ជាអេថរៃចដន្យអុីែពរធរណីមា្រត
ដូេច្នះស្រមាប់លំហគំរម
ែដលមានបា៉រា៉ ែម៉្រត n, N នង
ិ M ែដលេយង ី កំនត់សេសរេដាយ X ∼ Hyp(N, M, n)។
P
n
េយង
ី នង
ឹ បងា្ហញថា P(X = x) = 1។ េយង ី មាន
x=0
MN−M
Xn Xn
x n−x
P(X = x) = N
x=0 x=0 n
! !
1 X M N−M
n
= N
x n−x
n x=0
!
1 N
= N
n
n
=1

ី េ្របីលក្ខណៈភាព Vandermonde
! X k ! !
n+m n m
=
k i=0
i k−i
តាមពតិ េទ
• ចំនួនរេបៀបែដលេគអាចេ្រជស ី េរស ី k សិស្សនាក់េចញពថា ី ្ន ក់ែដលមានសិស្ស្រប�ស n នាក់និងសិស្ស
n+m
្រសី m គឺ k រេបៀប។ មយ៉ងេទៀតចំនួនេនះអាច្រត�វបានរកេដាយការេ្រជីសេរសស ី ិស្ស្រប�ស i នាក់
n
េចញពីសិស្ស្រប�ស n នាក់ (ែដលអាចេធ្វីបានក្នុង i រេបៀប) និង k − i នាក់េចញពីសិស្ស្រសី m
m
នាក់(ែដលអាចេធ្វបា ី នក្នុង k−i រេបៀប)។ តាមក្បនផលគុួ ណចំេពាះ i េននឹងេនាះចំនួនរេបៀបែដល
n m
សស ិ ្ស្រប�ស i នាក់នងិ សស
ិ ្ស្រសី k − i នាក់អាច្រត�វបានេ្រជីសេរសគ ី ឺ i k−i រេបៀប។ ដូចេនះការបូក
i = 0 ដល់ k ផ្តល់នូវ
X k ! !
n m
i=0
i k−i
123
• តាម្រទឹសីប
្ត ទេទ្វធា
X
n+m !
n+m k
x = (1 + x)n+m = (1 + x)n (1 + x)m
k=0
k
 n !  m !  X  k ! !
X n i  X m 

n+m X
 n m  k
=  x   x  =
j   x .
i=0
i j=0
j k=0 i=0
i k − i
េបី X ∼ Hyp(N, M, n) េនាះអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតគឺ

MN−M
X x
k n−x
F(x) = P(X ≤ x) = N
k=0 n
កូដ R
• ស្រមាប់ P(X = x) គឺ dhyper(x, M, N-M, n)
• ស្រមាប់ P(X ≤ x) គឺ phyper(x, M, N-M, n)
ឧទាហរណ៍ 5.3.26. • dhyper(4,30,30, 10) ផ្តល់នូវតៃម្ល 0.2158315 ស្រមាប់ P(X = 4)
• phyper(7,30,30,10) ផ្តល់នូវតៃម្ល 0.960139 ស្រមាប់ P(X ≤ 7)
សំេណើ 5.3.11. េបី X ∼ Hyp(N, M, n) េនាះ

• E[X] = n M
N

• V(X) = n M
N
1− M
N
N−n
N−1
X
n
E[X] = xP(X = x)
x=0
MN−M
X
n
x n−x
= x N
x=0 n
Xn !
M! n!(N − n)! N − M
= x
x=1
x!(M − x)! N! n−x
X
n !
M(M − 1)! n(n − 1)!(N − n)! N − M
=
x=1
(x − 1)!(M − x)! N(N − 1)! n−x
M−1N−M
nM X x−1 n−x
n
= N−1
N x=1
n−1
! !
nM 1 X M − 1 N − M
n
=
N N−1 x=1 x − 1 n − x
n−1
124
! !
nM 1 X M − 1 N − M
n−1
=
N N−1 x=0 x n−1−x
n−1
!
nM 1 N − 1
=
N N−1 n − 1
n−1
nM
= .
N
Xn
E[X ] =
2
x2 P(X = x)
x=0
MN−M
X
n
x n−x
= x2 N
x=0 n
MN−M
X
n
x n−x
= [x(x − 1) + x] N
x=1 n
MN−M MN−M
X
n
x n−x
X
n
x n−x
= x(x − 1) N + x N
x=1 n x=1 n
Xn !
M(M − 1)(M − 2)! n(n − 1)(n − 2)!(N − n)! N − M nM
= x(x − 1) +
x=2
x(x − 1)(x − 2)!(M − x)! N(N − 1)(N − 2)! n−x N
M−2N−M
Xn
M(M − 1)n(n − 1) x−2 n−x nM
= N−2 +
x=2
N(N − 1) N
n−2
! !
M(M − 1)n(n − 1) 1 X M − 2 N − M
n
nM
= N−2 +
N(N − 1) x−2 n−x N
n−2 x=2
! !
M(M − 1)n(n − 1) 1 X M − 2 N − M
n−2
nM
= N−2 +
N(N − 1) x n−2−x N
n−2 x=0
N−2
M(M − 1)n(n − 1) n−2 nM
= N−2 +
N(N − 1) N
n−2
M(M − 1)n(n − 1) nM
= +
N(N − 1) N
V(X) = E[X ] − (E[X])
2 2
M(M − 1)n(n − 1) nM n2 M 2
= + −
N(N − 1) N N2
" #
nM (M − 1)(n − 1) nM
= +1−
N N−1 N
" #
nM N(M − 1)(n − 1) + N(N − 1) − nM(N − 1)
=
N N(N − 1)
" 2 #
nM N − Nn − N M + nM
=
N N(N − 1)
nM (N − M)(N − n)
=
N N(N − 1)
nM M N − n
= 1−
N N N−1
125
□
ឧទាហរណ៍ 5.3.27. េនក្នុងថា្នក់ែដលមានសិស្ស 40 នាក់មានសិស្ស 30 នាក់េ្របៃី ដសា្តន
ំ ិងសិស្ស 10 នាក់
េ្របៃី ដេឆ្វង។ សស
ិ ្ស 4 នាក់្រត�វបានេ្រជីសេរស(េដាយម
ី ិ ដាក់ចូលវ ិញ)េដាយៃចដន្យ។ រក្រប�បាប៊ីលេី តែដល
ន
1. សស
ិ ្សទាំង 4 េ្របៃី ដេឆ្វង
2. សស
ិ ្ស 1 នាក់ៃដសា្តន
ំ ង
ិ 3 នាក់ៃដេឆ្វង
3. សិស្ស 2 នាក់ៃដសា្តន
ំ ិង 2 នាក់ៃដេឆ្វង
4. សិស្ស 3 នាក់ៃដសា្តន
ំ ិង 1 នាក់ៃដេឆ្វង
5. សិស្សទាំង 4 េ្របីៃដសា្ត ំ
ចេម្លើយ. តាង X ជាចំនួនសិស្សេ្របៃី ដសា្តេំ នក្នុងចំេនាមសិស្សទាំង 4 នាក់ែដលបានេ្រជីសេរសេនាះេយ

ី ងី
បាន X ∼ Hyp(40, 30, 4)។ ដូចេនះ
1. 3010
0 4
P(X = 0) = 40 = 0.002
4
2. 3010
1 3
P(X = 1) = 40 = 0.039
4
3. 3010
2 2
P(X = 2) = 40 = 0.214
4
4. 3010
3 1
P(X = 3) = 40 = 0.444
4
5. 3010
4 0
P(X = 4) = 40 = 0.299
4
ឧទាហរណ៍ 5.3.28. ្រក�មហ៊ុន មួយ េ្រជីសេរស

ី ការងារ 2 កែន្លង។ បុរស 10 នាក់ នង
ិ �ស្តី 5 នាក់ បាន
ដាក់ពាក្យសុំ េធ្វកា
ី រេនក្នុង្រក�មហ៊ុន េនះេហយ
ី ពួកេគមានសមត្ថ ភាពដូច ៗគា្ន ចំេពាះមុខ ងារទាំងពរី េនះ។
អ្នក្រគប់្រគងជួលមនុស្ស 2 នាក់េដាយៃចដន្យេចញពីអ្នកែដលបានដាក់ពាក្យេដីម្បប
ី ំេពញមុខងារេនះ។ េតី
្រប�បាប៊ីលីេតែដលបុរសមា្នក់និង�ស្តី្រត�វបានេ្រជីសេរសេស្ម
ី ីនឹងប៉ុនា្មន?
ចេម្លើយ. តាង X ជាចំនួនបុរសែដល្រត�វបានេ្រជីសេរសេនាះ

ី X ∼ Hyp(15, 10, 2)។ ដូចេនះ្រប�បាប៊ីលីេត
ែដល្រត�វការគឺ 105
1 1 10
P(X = 1) = 15 = = 0.476
21
2
126
ឧទាហរណ៍ 5.3.29. េនក្នុងែផ្នកតេម្លីងៃនឧស�ហកម្មផលត
ិ រូប៉ ត
ូ ្របអប់េលខនម
ី ួយៗអាច្រត�វបានតេម្លីង
ក្នុងេពល 1 នាទេី បរី ន្ធរបស់វា្រត�វបានខួងេដាយ្រតម
ឹ ្រត�វេនក្នុង្របអប់នង
ិ ក្នុងេពល 10 នាទេី បរី ន្ធរបស់វា្រត�វ
បានខួងេឡង
ី វ ិញ។ េនក្នុងស្តុកមាន្របអប់េលខ 20 និង 2 ក្នុងចំេនាមេនះមានរន្ធែដលខួងមិនបាន្រតឹម្រត�វ។
ក្នុងចំេណាម្របអប់េលខ 20 ែដលមាន្របអប់េលខ 5 ្រត�វបានេ្រជីសេរសេដាយៃចដន្យេដ
ី ីម្បត
ី េម្លង
ី េនការ
តេម្លីងរូប៉ ូត 5 បនា្ទប់។
1. រក្រប�បាប៊ីលីេតែដល្របអប់េលខទាំង 5 មានភាពសុីគា្ន្រតឹម្រត�វល្អ
2. រកមធ្យម វា៉ដ្យង់ និងគមា្លតស្តង់ដាៃនរយៈេពលែដល្រត�វការេដីម្បត

ី េម្លីង្របអប់េលខទាំង ទាំង 5
ចេម្លើយ. តាង X ជាចំនួន្របអប់េលខមានរន្ធខួងមិនបាន្រតឹម្រត�វេនក្នុងចំេនាម្របអប់េលខទាំង 5 េនាះ

េយង
ី បាន X ∼ Hyp(20, 2, 5)។
1. ្រប�បាប៊ីលីេតែដល្របអប់េលខទាំង 5 មានភាពសុីគា្ន្រតឹម្រត�វល្អគឺ
218
0 5
P(X = 0) = 20 = 0.55
5
2. រយៈេពលសរុប T េដីម្បត
ី េម្លីង្របអប់េលខ(គិតជានាទី) គឺ
T = 10X + (5 − X)
= 9X + 5
េ្រពាះស្រមាប់ X នម
ី ួយែដលរន្ធខួងមន ិ បាន្រតម
ឹ ្រត�វ ្រត�វេ្របេី ពល 10 នាទេី ដីម្បត
ី េម្លង
ី នងិ េផ្សងេទៀត
្រត�វការេពល 1 នាទីេដីម្បត
ី េម្លីង។ ដូចេនះេដីម្បរី ក E[T ] និង V(T ) េយង ី គណនា E[X] និង V(X)
ជាមុន។ េយង ី មាន
M !
2
E[X] = n =5 = 0.5
N 20
M M N − n
V(X) = n 1−
N N N − 1!
20 − 5
= 5(0.1)(1 − 0.1)
20 − 1
= 0.355
ដូេច្នះេយង
ី ទាញបាន
E[T ] = 9E[X] + 5 = 9(0.5) + 5 = 9.5

V(T ) = (9)2 V(X) = 81(0.355) = 28.755
√
SD(T ) = 28.755 = 5.4
លំហាត់ 5.3.6. 1. បាល់ 2 ្រត�វបានេ្រជីសេរសេដាយៃចដន្យេដាយម

ី ិនដាក់ចូលវ ិញេចញពី្របអប់មួយ
ែដលមានបាល់ស 5 និងបាល់្រកហម 4។ រក្រប�បាប៊ីលីេតែដល
(a) បាល់សែតមួយគត់្រត�វបានេ្រជីសេរស
ី
127
(b) យា៉ងេហាចណាស់បាល់ស 1 ្រត�វបានេ្រជីសេរស
ី
(c) បាល់ស 2 ្រត�វបានេ្រជីសេរសេដាយដ
ី ឹងថាបាល់សយា៉ងេហាចណាស់ 1 ្រត�វបានេ្រជីសេរស
ី
(d) បាល់ទព
ី រី ែដល្រត�វបានេ្រជស
ី េរសជាបាល់
ី ស
2. ្រក�មហ៊ុនតូចមួយមានបុគ្គលក
ិ 25 នាក់ែដលក្នុងេនាះមានអ្នកេនលវី 8 នាក់នង
ិ 17 នាក់េផ្សងេទៀត
មាន្រគ�សារ។ មា្ចស់្រក�មហ៊ុនកំពុងគិតគូរផា្លស់បូ រការ្រគបដណ
្ត ្ត ប់ៃនការធានារា៉ ប់រងេហយ
ី គាត់េ្រជីសេរស
ី
មនុស្ស 5 នាក់េដម
ី ្បទ
ី ទួលយកនូវគំនត
ិ របស់ពួកេគ។
(a) េត្រី ប�បាប៊ីលេី តែដលគាត់នយា

ិ យេទកាន់ែតអ្នកេនលវី េស្មន
ី ង
(b) េតី្រប�បាប៊ីលីេតែដលគាត់និយាយេទកាន់ែតអ្នកមាន្រគ�សារេស្មីនឹងប៉ុនា្មន?
(c) េត្រី ប�បាប៊ីលីេតែដលគាត់និយាយេទកាន់អ្នកេនលីវ 2 នាក់និងអ្នកមាន្រគ�សារ 3 នាក់េស្មីនឹង

3. សិស្សមា្នក់មានថតតុមួយែដលមានថ្ម AA ចំនួន 20 ប៉ុែន្តសិស្សេនាះមិនបានដឹងថាថ្ម 3 ក្នុងចំេណាម

ថ្មទាង
ំ េនះគមឺ ិនដំេនរី ការេនាះេទ។ គាត់ដឹងថាថ្មមា៉សុីនគិតេលខរបស់គាត់គអ ឺ ស់ថេ្ម ហយី គាត់្របញាប់
េដីម្បេទ្របលង។
ី គាត់ចាប់យកថ្ម 2 េចញពថ ី តតុេដាយៃចដន្យេដីម្បជ ំ ួសថ្ម 2 េនក្នុងមា៉សុន
ី ន ី គត
ិ េលខ
ី ីេតែដលគាត់នឹងទទួលបានថ្ម 2 ែដលល្អេដីម្បឱ
របស់គាត់។ េតី្រប�បាប៊ល ី ្យយមា៉សុីនគិតេលខរបស់
គាត់ដំេណីរការេនក្នុងេពល្របលងេស្មីនឹងប៉ុនា្មន?
4. មនុស្សមួយ្រក�មែដលមានបុរស 4 នាក់និង�ស្តី 6 នាក់្របឈមនឹងការងារែដលលំបាកនិងមិនេពញចិត្ត

ែដល្រត�វការមនុស្ស 3 នាក់។ ពួកេគសេ្រមចចត ្ត ូតបំពង់បត
ិ ហ ឺ េដម
ី ្បយកមនុ
ី ស្សែដល្រត�វបំេពញការងារ
េនះ។ បំពងប ់ ឺតែវង 8 និងបំពងប
់ ឺតខ្លី 2 ្រត�វបានបេង្កីតេឡង ី ។ មនុស្សមា្នក់ែដលមិនែមនេនក្នុង្រក�ម
ជាអ្នកកាន់បំពង់បឺតទាំងេនាះរួចមនុស្សមា្នក់ៗេនក្នុង្រក�មេ្រជីសយកទុេយាមួយេដាយៃចដន្យ។ រក
្រប�បាប៊ីលេី តែដល
(a) បំពង់បឺតខ្លីទាង
ំ 2 ្រត�វបានេ្រជីសយកេដាយបុរស
(b) បំពង់បត
ឺ ខ្លទា
ី ង ំ 2 ្រត�វបានេ្រជីសយកេដាយ�ស្តី
(c) បំពង់បឺតខ្លីទាង
ំ 2 ្រត�វបានេ្រជីសយកេដាយបុរសនិង�ស្តីមា្នក់មួយ
5. បងា្ហញថាអនុគមន៍មា៉ស់្រប�បាប៊ីលីេតៃនអេថរៃចដន្យអុីែពរធរណីមា្រតរួមេទរកអនុគមន៍មា៉ស់
្រប�បាប៊ីលីេតៃនអេថរៃចដន្យេទ្វធាេពល N → ∞ និង p = M/N ជាចំនួនេថរមានន័យថាបងា្ហញថា
MN−M !
x n−x n x
lim N = p (1 − p)n−x
N→∞
M→∞
x
n
ែដល p = M/N
128
តារាងសេង្ខបៃនអេថរៃចដន្យដាច់
អេថរៃចដន្យ អនុគមន៍មា៉ស្រប�បាប៊ីលីេត មធ្យម វា៉ដ្យង់
X ∼ Ber(p) p x (1 − p)1−x , x = 0, 1 p p(1 − p)
n
X ∼ B(n, p) x
p x (1 − p)n−x , x = 0, 1, . . . , n np np(1 − p)
e−λ λx! , x = 0, 1, . . .
x
X ∼ P(λ) λ λ
X ∼ G(p) (1 − p)n−1 p, n = 1, 2, . . . 1
p
1−p
p2
n−1
X ∼ Neg(r, p) r−1
pr (1 − p)n−r , n = r, r + 1, . . . r
p
r(1−p)
p2
(Mx)(N−M
n−x )
X ∼ Hyp(N, M, n) (Nn ) , x = 0, 1, . . . , n n M
N
n M
N
1− M
N
N−n
N−1
129
130
អេថរៃចដន្យជាប់
ី នឹង ពិភាក�អំពី ធាតុ សំ ខាន់ ៗ ៃនអេថរៃចដន្យជាប់ សង្ឃម ឹ គណិត និង វា៉ ដ្យង់ របស់
វា។ អេថរៃចដន្យជាប់បក្រសាយលទ្ធផលៃចដន្យែដលតៃម្លែដលបរមាណមួ ិ យអាចយកបានស្ថត ិ េនចេនា្លះ
ណាមួយ ៃនចំនួនពិត។ វាជាទូេទកម្ម ៃនអេថរៃចដន្យដាច់ េទសំ នុំ ៃនលទ្ធផលែដលជាសំ នុំ រាប់ មិនបាន។
េយងី នង ឹ សកិ �អេថរៃចដន្យជាប់សខា
ំ ន់ៗដូចជា៖ អ៊ុយនហ ី ម
្វ អុច
ិ ស្បូណង
៉ ែ់ ស្យល ហា្កមា េបតា េវប៊ូល នរ
មា៉ល់។
6.1 អនុគមន៍ដង់សេី ុ ត្រប�បាប៊ីលេី ត
និយមន័យ 6.1.1. អេថរៃចដន្យ X ជាអេថរៃចដន្យជាប់ េបី វា អាចយក្រគប់ តៃម្ល េនចេនា្លះណាមួយ ៃន

ចំនួនពត
ិ នង
ិ មានអនុគមន៍មានអាំងេត្រកាល f (x) ែដលេផ្ទ�ងផា្ទត់
1. f (x) ≥ 0 ចំេពាះ្រគប់ x
R∞
2. −∞ f (x)dx = 1,
Rb
3. P(a ≤ X ≤ b) = a
f (x)dx.
អនុគមន៍ f េហថាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត។
ី ងា្ហញថាអនុគមន៍ f េហថាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត រឯលក្ខ

លក្ខខណ្ឌទី 1 និងទី 2 េ្របេី ដីម្បប ី ខណ្ឌ
ទី 3 ្របាប់អំពរី េបៀបេ្របីអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតគណនា្រប�បាប៊ីលីេតស្រមាប់អេថរៃចដន្យ X ។
សមា្គល់ 6.1.1.
• ចំេពាះេថរៃចដន្យជាប់ X េយង
ី មាន
Z a
P(X = a) = f (x)dx = 0
a
• ចំេពាះេថរៃចដន្យជាប់ X នង
ិ ចំនួនេថរ a នង
ិ b ែដល a < b
Z b
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a < X < b) = f (x)dx
a
• ្រប�បាប៊ីលីេត P(a ≤ X ≤ b) គឺជា ្រកលាៃផ្ទ េនខាងេ្រកាមែខ្សេកាងអនុគមន៍ ដង់សុីេត្រប�បាប៊ីលីេត

េនចេនា្លះ a និង b ។
131
ី ្រត�វ្របយ័តេ្ន នេពលគណនា្រប�បាប៊ីលេី តេនក្នុងចេនា្លះណាមួយេដាយ
• ស្រមាប់អេថរៃចដន្យដាច់េយង
ី ំនុចចុងអង្កត្រ់ ត�វបានរួមបញ្ចូ លឬអត់ ប៉ុែន្តស្រមាប់អេថរៃចដន្យជាប់្រប�បាប៊ីលេី តេន្រតង់

បញ្ជក់ថាេតច
ី ្រប�បាប៊ីលីេតវ ិជ្ជមានគេឺ នក្នុងចេនា្លះណាមួយ។ ដូចេនះ្រប�បាប៊ីលីេត

ចំនុចណាមួយេស្មីនឹងសូន្យេហយ
ៃនចេនា្លះមន
ិ អា្រស័យេលថា
ី េតច
ី ំនុចចុងអង្កត់្រត�វបានរួមបញ្ចូ លឬអត់។
ឧទាហរណ៍ 6.1.1. ខាងេ្រកាមេនះជាឧទាហរណ៍ៃនអេថរៃចដន្យជាប់
1. កំរាស់ៃនវត្ថុគិតជាសង់ទីែម៉្រត
2. រយៈេពលបំេពញការងារគិតជានាទី
3. កំពស់គិតជាសង់ទីែម៉្រត
4. សីតុណ្ហភាពៃនសូលុយស្យុងគិតជាដឺេ្រកែសលសុីស
5. ទម្ងន់គិតជាគីឡូ្រកាម
ឧទាហរណ៍ 6.1.2. េគឱ្យអនុគមន៍




6x(1 − x), 0≤x≤1
f (x) = 

0, េផ្សងពីេនះ
បងា្ហញថា f ជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត។
ចេម្លើយ. f ជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តេបវា

ី េផ្ទ�ងផា្ទត់លក្ខខណ្ឌខាងេ្រកាម
R∞
2. −∞ f (x)dx = 1
េនក្នុងករណីេនះេយង
ី មាន
2.
Z ∞ Z 1 Z 1 " #1 !
x2 x3 1 1
f (x)dx = 6x(1 − x)dx = 6 (x − x )dx = 6
2
− =6 − =1
−∞ 0 0 2 3 0 2 3
ដូចេនះ f ជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត។
និយមន័យ 6.1.2. អនុ គមន៍បំែនងែចក្រប�បាប៊ីលេី តៃនអេថរៃចដន្យជាប់ X ែដលមានអនុគមន៍ដង់សុេី ត

្រប�បាប៊ីលេី ត f គឱ
Z x
F(x) = P(X ≤ x) = f (t)dt, −∞ < x < ∞.
−∞
132
លក្ខណៈៃន F
1. lim F(x) = 0,
x→−∞
2. lim F(x) = 1,
x→∞
3. F ជាអនុគមន៍េកន
ី
4. F ជាអនុគមន៍ជាប់
សមា្គល់ 6.1.2. • ចំេពាះ្រគប់ x, F(x) គឺជា ្រកលាៃផ្ទ េនេ្រកាមែខ្សេកាងដង់សុីេត្រប�បាប៊ីលីេតេទ

ខាងេឆ្វងៃន x
• ្រប�បាប៊ីលីេត
P(a ≤ X ≤ b) = F(b) − F(a).
• ចំេពាះ្រគប់ x ែដលេដរេវី F ′ (x) អត្ថិភាព េយង

ី មាន F (x) = f (x)
′
• េបី F មន
ិ មានេដរេវ្រតង
ី ់ x េយង
ី អាចកំនត់តៃម្លៃន f (x) េស្មន
ី ងឹ តៃម្លណាក៏បាន (ជាទូេទកំនត់េស្មី
0)។
ឧទាហរណ៍ 6.1.3. ចំេពាះ β > 0 ពន
ិ ត
ិ ្យអនុគមន៍ F(x) = 1 − e β ចំេពាះ x > 0 នង
−
ិ 0 េផ្សងពេី នះ។ េតី
x
F(x) ជាអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តឬេទ?
ី ្រត�វបងា្ហញថា F(x) េផ្ទ�ងផា្ទត់លក្ខណៈៃនអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេត

1. lim F(x) = 0 េ្រពាះ F(x) = 0 ចំេពាះ្រគប់ x ≤ 0

x→−∞
2. x
lim F(x) = lim 1 − e− β = 1 − lim e− β = 1 − 0 = 1
x
x→∞ x→∞ x→∞
3. អនុគមន៍ e− β > 0 និងជាអនុគមន៍ចុះដូេច្នះ F(x) = 1 − e− β ជាអនុគមន៍េកីនចំេពាះ x > 0

x x
4. េដាយសារអនុគមន៍ e− β ជាអនុគមន៍ជាប់េនាះ F(x) = 1 − e− β ជាអនុគមន៍ជាប់។

x x
ឧទាហរណ៍ 6.1.4. េគឱ្យអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃនអេថរៃចដន្យ X ដូចខាងេ្រកាម




0, x<0


1 2
F(x) = 
 x, 0≤x≤2



4
1, x>2
េយង
ី សេង្កតេឃញ
ី ថា F មានេដរេវ្រតង
ី ្រ់ គប់ចំនុច x េលីកែលងែត្រតង់ x = 2 ។ ដូចេនះអនុគមន៍ដង់សុីេត
្រប�បាប៊ីលីេតអាចទទួលបានេដាយការេធ្វីេដរេវៃនអនុ
ី គមន៍បំែនងែចក្រប�បាប៊ីលីេតែដលផ្តល់ឱ្យ



 2 x, 0 < x < 2
1
f (x) = 

F មិនមានេដរេវេន្រតង
ី ់ x = 2 េយង
ី កំនត់យក f (2) = 0 ។
133
ឧទាហរណ៍ 6.1.5. យក X ជាអេថរៃចដន្យជាប់ែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត



2x, 0<x<1
f (x) = 

0, x < (0, 1)
ិ ជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត
1. បងា្ហញថា f ពត
2. រកអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃនX

3. រក្រប�បាប៊ីលីេត P 1
2
<X≤ 3
4
ចេម្លើយ. 1. f ជាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតេ្រពាះ f (x) ≥ 0, ∀x ∈ R និង

Z ∞ Z 1 h i1
f (x)dx = 2xdx = x2 = 1.
0
−∞ 0
2. េយង ី មាន ៣ ករណី៖

េបី x ≤ 0 េនាះ F(x) = 0 េ្រពាះក្នុងករណីេនះ f (x) = 0
េបី 0 < x < 1 េនាះ Z x Z x
F(x) = f (t)dt = 2tdt = x2
0 0
េបី x ≥ 1 េនាះ Z Z
x 1
F(x) = f (t)dt = 2tdt = 1
−∞ 0
េ្រពាះក្នុងករណីេនះ f មន
ិ សូន្យេនចេនា្លះ (0, 1) ។
3. ! Z 3 ! ! !2 !2
1 3 4 3 1 3 1 5
P <X≤ = f (x)dx = F −F = − = .
2 4 1
2
4 2 4 2 16
មធ្យមៃនអេថរៃចដន្យ
និយមន័យ 6.1.3. ចំេពាះអេថរៃចដន្យជាប់ X ែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត f (x) េនាះមធ្យម

ឬសង្ឃម
ឹ គណិតៃន X ែដលតាងេដាយ E[X] គឺកំនត់េដាយ
Z ∞
E[X] = x f (x)dx
−∞
ែឡម 6.1.3.1. ចំេពាះអេថរៃចដន្យជាប់មិនអវ ិជ្ជមាន Y,

Z ∞
E[Y] = P(Y > y)dy
0
ស្រមាយបញ្ជ ក់. ចំេពាះ Y ជាអេថរៃចដន្យជាប់ែដលមានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត fY េយង

ី មាន
Z ∞ Z ∞ Z ∞
P(Y > y)dy = fY (x)dxdy
0 0 y
134
ប្តូរលំដាប់ៃនអាំងេត្រកាលេយង
ី បាន
Z ∞ Z ∞ Z x !
P(Y > y)dy = dy fY (x)dx
0
Z 0
∞
0
= x fY (x)dx
0
= E[Y]
ែឡម 6.1.3.2. ចំេពាះអេថរៃចដន្យជាប់ Y,
Z ∞ Z ∞
E[Y] = P(Y > y)dy − P(Y < −y)dy
0 0
ស្រមាយបញ្ជ ក់. ចំេពាះ Y ជាអេថរៃចដន្យជាប់ែដលមានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត fY េយង

ី មាន
Z ∞ Z ∞ Z ∞
P(Y > y)dy = fY (x)dxdy
0 0 y
Z ∞ Z x
= fY (x)dydx
Z0 ∞ 0
=
x fY (x)dx
Z ∞ Z0
∞ Z −y
P(Y < −y)dy = fY (x)dxdy
0 0 −∞
Z 0 Z −x
= fY (x)dydx
−∞ 0
Z 0
=− x fY (x)dx
−∞
ី បាន
Z ∞ Z ∞ Z ∞ Z 0
P(Y > y)dy − P(Y < −y)dy = x fY (x)dx + x fY (x)dx
−∞
0 0
Z 0
∞
= x fY (x)dx
−∞
= E[Y]
ី ្ដ ទ 6.1.1. េបី X ជាអេថរៃចដន្យជាប់ ែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត f (x) នង

្រទឹសប ិ g(x) ជា
អនុគមន៍ចំនួនពិតេនាះ
Z ∞
E[g(X)] = g(x) f (x)dx
−∞
135
ស្រមាយបញ្ជ ក់. ជាដំបូងេយង
ី ្រសាយបញ្ជក់ចំេពាះអនុគមន៍ g ែដល g(x) ≥ 0,
Z ∞
E[g(X)] = P(g(X) > y)dy
Z0 ∞ Z
= f (x)dxdy
0 x:g(x)>y
Z Z g(x)
= dy f (x)dx
Z x:g(x)>0 0
= g(x) f (x)dx
x:g(x)>0
ចុងេ្រកាយេយង
ី ្រសាយបញ្ជក់កុ ងករណ
្ន ី g ទូេទ
Z ∞ Z ∞
E[g(X)] = P(g(X) > y)dy − P(g(X) < −y)dy
Z ∞Z
0 0
Z ∞Z
= f (x)dxdy − f (x)dxdy
0 x:g(x)>y 0 x:g(x)<−y
Z Z g(x) Z Z −g(x)
= dy f (x)dx − dy f (x)dx
Z x:g(x)>0 0
Z x:−g(x)>0 0
= g(x) f (x)dx + g(x) f (x)dx

x:g(x)>0 x:g(x)<0
Z ∞
= g(x) f (x)dx
−∞
ស្រមាយបញ្ជ ក់េផ្សងេទៀតក្នងករណ
ុ ី ពិេសស. សន្មត់ ថា g មានេដរេវែដល
ី g′ (x) > 0 ។ េនក្នុង
ករណីេនះ g ជាអនុគមន៍េកីននិងមានច្រមាស់ g−1 ែដលមានេដរេវឱ្យេដាយ
ី
d −1 1 1
[g (y)] = ′ = ′ −1
dy g (x) g (g (y))
ែដលេយង ី បានកំនត់ y = g(x) ឬ Y = g(X)។ សន្មត់ថាតៃម្លៃន X គឺចាប់ពី −∞ េទ ∞ និងតៃម្លៃន Y គឺ

ចាប់ពី −∞ េទ ∞ េនាះេយង ី បាន
Z ∞ Z ∞
1
g(x) fX (x)dx = y fX (g−1 (y)). ′ −1 dy,
−∞ −∞ g (g (y))
េដាយសារ x = g−1 (y) និងដូេច្នះ
d −1 1
dx = [g (y)] = ′ −1 dy.
dy g (g (y))
មយ៉ងេទៀត
FY (y) = P(Y ≤ y) = P(g(X) ≤ y) = P(X ≤ g−1 (y)) = F X (g−1 (y))
តាមវ ិធាន្រចវា៉ក់េយង
ី បាន
1
fY (y) = fX (g−1 (y)) .
g′ (g−1 (y))
136
ដូេច្នះ Z Z
∞ ∞
y fY (y)dy = g(x) fX (x)dx
−∞ −∞
ឬ Z ∞
E[Y] = g(x) fX (x)dx
−∞
□
ឧទាហរណ៍ 6.1.6. អនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន X ឱ្យេដាយ




1, 0 ≤ x ≤ 1
f (x) = 

h i
រកសង្ឃម
ឹ គណិ ត E eX ៃន eX ។
ចេម្លើយ. តាង Y = eX ។ ជាដំបូងេយង

ី កំនត់ FY អនុគមន៍បែំ នងែចក្រប�បាប៊ីលីេតៃន Y។ ចំេពាះ 1 ≤ x ≤ e
េយង
ី មាន
FY (x) = P(Y ≤ x)
= P(eX ≤ x)
= P(X ≤ ln x)
Z ln x
= f (y)dy
0
= ln x
េដរេវី FY (x) េធៀបនង ី ទទួលបានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃន Y

ឹ x េនាះេយង
1
fY (x) = , 1≤x≤e
x
ដូេច្នះ Z Z
h i ∞ e
E e = E[Y] =
X
x fY (x)dx = dx = e − 1
−∞ 1
ឬមយ៉ងេទៀតេយង
ី េ្របី្រទឹសីប
្ត ទ 6.1.1 េនាះ
h i Z ∞ Z 1
E e =
X
e f (x)dx =
x
e x dx = e − 1
−∞ 0
កូរែលរ
៉ូ 6.1.1. េបី a និង b ជាចំនួនេថរេនាះ
E[aX + b] = aE[X] + b
Z ∞
E[aX + b] = (ax + b) f (x)dx
−∞
Z ∞ Z ∞
=a x f (x)dx + b f (x)dx
−∞ −∞
= aE[X] + b
137
វា៉ដ្យង់ៃនអេថរៃចដន្យ
និយមន័យ 6.1.4. េបី X ជាអេថរៃចដន្យែដលមានមធ្យម µ = E[X] េនាះវា៉ដ្យង់ៃន X តាងេដាយ V(X)

កំនត់េដាយ
V(X) = E[(X − µ)2 ]
ី អាចគណនាវា៉ដ្យង់ V(X) តាមរូបមន្តខាងេ្រកាម

េយង
V(X) = E[(X − µ)2 ]

Z ∞
= (x − µ)2 f (x)dx
−∞
Z ∞
= (x2 − 2µx + µ2 ) f (x)dx
Z−∞
∞ Z ∞ Z ∞
= x f (x)dx − 2µ
2
x f (x)dx + µ2
f (x)dx
−∞ −∞ −∞
= E[X ] − 2µ2 + µ2
2
= E[X 2 ] − µ2
V(X) = E[X 2 ] − (E[X])2
និយមន័យ 6.1.5. គមា្លតស្តង់ដាគឺជាឬសកាេរៃនវា៉ដ្យង់

p
SD(X) = V(X).
សំេណើ 6.1.1. េបី a និង b ជាចំនួនេថរេនាះ
V(aX + b) = a2 V(X)
ស្រមាយបញ្ជ ក់. តាង µ = E[X]។ តាមកូរូែ៉ លរ 6.1.1 េយង

ី បាន
E[aX + b] = aµ + b

V(aX + b) = E (aX + b − aµ − b)2
= E[a2 (X − µ)2 ]
= a2 E[(X − µ)2 ]
= a2 V(X)
ឧទាហរណ៍ 6.1.7. សន្មត់ថា X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត




3x2 , 0 ≤ x ≤ 1
f (x) = 

រកមធ្យម E[X] និងវា៉ដ្យង់ V(X) ៃនអេថរៃចដន្យ X ។
138
Z ∞ Z 1 Z 1#1 "
x4 3
E[X] = x f (x)dx = x(3x )dx = 2
3x dx = 3 =
3
−∞ 0 0 4 0 4
Z ∞ Z 1 Z 1 " 5 #1
x 3
E[X ] =
2
x f (x)dx =
2
x (3x )dx =
2 2
3x dx = 3
4
=
−∞ 0 0 5 0 5
!2
3 3
V(X) = E[X 2 ] − (E[X])2 = − = 0.0375
5 4
ឧទាហរណ៍ 6.1.8. យក X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត




 2 e− 2 , x > 0
1 x
f (x) = 

1. បងា្ហញថា f ពិតជាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត
2. រកអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន X
3. រក្រប�បាប៊ីលីេត P(X > 3)
4. រកមធ្យម E[X] និងវា៉ដ្យង់ V(X) ៃនអេថរៃចដន្យ X

ចេម្លើយ. 1. េយង
ី មាន
• f (x) ≥ 0, ∀x
• Z Z
∞ ∞
1 − 2x h i
x ∞
f (x)dx = e dx = −e− 2 = 1
−∞ 0 2 0
ដូចេនះ f ជាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត។
2. អនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន X គឺ
• េបី x ≤ 0 េនាះ F(x) = 0 េ្រពាះ f (x) = 0

• េបី x > 0 េនាះ
Z x h i
1 − 2t t x
e dt = −e− 2 = 1 − e− 2
x
F(x) = P(X ≤ x) =
0 2 0
3. ្រប�បាប៊ីលីេតគឺ Z ∞
1 − 2x h i
x ∞
e dx = −e− 2 = e− 2 = 0.223
3
P(X > 3) =
3 2 3
4. មធ្យម E[X] និងវា៉ដ្យង់ V(X) ៃនអេថរៃចដន្យ X គឺ

Z ∞ Z ∞ ! Z
1 − 2x 1 ∞ − 2x 1h i
x ∞
E[X] = x f (x)dx = x e dx = xe dx = −(2x + 4)e− 2 = 2
−∞ 2 2 0 2 0
Z ∞
0
Z ∞ ! Z ∞
1 x 1
x2 e− 2 dx = x2 e− 2 dx
x
E[X 2 ] = x2 f (x)dx =
−∞ 0 2 2 0
1 h i
x ∞
= (−2x2 − 8x − 16)e− 2 = 8
2 0
V(X) = E[X ] − (E[X]) = 8 − 2 = 4

2 2 2
139
លំហាត់ 6.1.1. 1. េគឱ្យ X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត



c(1 − x2 ), −1 < x < 1
f (x) = 

0, េផ្យងពេី នះ
(a) េតីតៃម្ល c េស្មីនឹងប៉ុនា្មន?

(b) រកអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន X
2. េគឱ្យ X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត




Cxe− 2 , x > 0
x
f (x) = 

0, x≤0
េត្រី ប�បាប៊ីលេី ត P(X ≥ 5) េស្មន

3. អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃន X ឱ្យេដាយ




ax + bx2 , 0≤x≤1
f (x) = 

េបី E[X] = 1
9
រក a និង b ។
4. អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃន X ឱ្យេដាយ




ax + bx2 , 0<x<1
f (x) = 

េបី E[X] = 0.6

(a) រក P(X < 12 )
(b) រក Var(X)
5. េគឱ្យ X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត



kx, 0 < x < 4
f (x) = 

(a) រកតៃម្ល X
(b) រកអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន X
(c) រក្រប�បាប៊ីលេី ត P(X < 1 ឬ X > 3)

(d) រក្រប�បាប៊ីលេី ត P 12 < X ≤ 5
(e) រក្រប�បាប៊ីលីេត P(X > 2)
ិ វា៉ដ្យង់ V(X) ៃនអេថរៃចដន្យ X

(f) រកមធ្យម E[X] នង
6. ចំេពាះអេថរៃចដន្យមន
ិ អវ ិជ្ជមាន X បងា្ហញថា
Z ∞
E [X ] =
n
nxn−1 P(X > x)dx
0
140
6.2 អេថរៃចដន្យជាប់សខា
ំ ន់ៗ
6.2.1 អេថរៃចដន្យអ៊ុយនីហ្វមេលើចេនា្លះ
ពន
ិ ត
ិ ្យេមល
ី ពេិ សាធន៍រម
ួ មានការអេង្កត្រពត
ឹ កា
ិ្ត រណ៍េនេពលជាក់លាក់មួយដូចជាការមកដល់ៃនរថយន្ត្រក�ង
ឬការេហចូលទូរសព្ទេនក្នុងកំឡុងេពលណាមួយ។ សន្មត់ថាេយង ី ដឹងថាមាន្រពឹតិ្តការណ៍ដូេច្នះមួយបាន
េកតី េឡង ី េនចេនា្លះេពល (a, b): រថយន្តមួយមកដល់រវាងេមា៉ង 8 : 00 នង ី ចងរ់ កបំែនងែចក
ិ 8 : 10។ េយង
្រប�បាប៊ីលេី តៃនរយៈេពលជាក់លាក់ៃនការេកត ី េឡង ី ៃន្រពតឹ កា
ិ្ត រណ៍េ្រកាមការអេង្កតែដលតាងេដាយ X។ គំរូ
សាមញញសន្មតថា ់ X មានឱកាសេស្មីៗគា្នស្ថិតេនក្នុងចេនា្លះរងតូចនម ី ួយៗែដលមាន្របែវង d េទាះបីជាចេនា្លះ
រងេនាះស្ថិតេនទីតាង ី មានបំ ែនងែចក្រប�បាប៊ីលីេត
ំ ណាក៏េដាយេនក្នុង (a, b)។ ការសន្ម ត់ េនះនាំឱ្យេយង
អ៊ុយនីហម
្វ ។
អនុគមន៍ដង់សេី ុ ត្រប�បាប៊ីលេី ត
យក a នង ិ b ជាចំនួនពត ិ ពរី ែដល a < b។ តាង X ជាអេថរៃចដន្យែដលចំេពាះ្រគប់ ចេនា្លះរងៃន (a, b)

្រប�បាប៊ីលេី តែដល X ជារបស់ចេនា្លះរងេនាះគស ឺ មមា្រតនង
ឹ ្របែវងៃនចេនា្លះរងេនាះ។ អេថរៃចដន្យ X េហថា
អេថរៃចដន្យអ៊ុយនីហម ្វ េលីចេនា្លះ (a, b)។
និយមន័យ 6.2.1. អេថរៃចដន្យអ៊ុយ នី ហ្វមេលី ចេនា្លះ (a, b) ជាេថរៃចដន្យែដលមានអនុគមន៍ ដង់សុីេត

្រប�បាប៊ីលីេត



 b−a ,
1
a≤x≤b
f (x) = 

នម
ិ ត
ិ ្តសញញ X ∼ U(a, b) មានន័យថា X ជាអេថរៃចដន្យអ៊ុយនហ ី ម
្វ េលច
ី េនា្លះ (a, b)។
តាមពត ់ ុេី ត្រប�បាប៊ីលេី តេ្រពាះ
ិ េទ f ជាអនុគមន៍ដងស
• f (x) ≥ 0, ∀x ∈ R
•
Z ∞ Z b x b
1
f (x)dx = dx = =1
−∞ a b−a b−a a
អនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃនអេថរៃចដន្យអ៊ុយនីហម
្វ គឺឱ្យេដាយ



0, x<a

R x

F(x) = 

1
dt = x−a
, a≤x≤b



a b−a b−a
1, x > b.
141
្រប�បាប៊ីលេី ត
េបី (c, c + d) ⊂ (a, b) េនាះ

P(c ≤ X ≤ c + d) = P(X ≤ c + d) − P(X ≤ c)
= F(c + d) − F(c)
(c + d) − a c − a
= −
b−a b−a
d
=
b−a
សមា្គល់ែដរថា្រប�បាប៊ីលីេតេនះមិនអា្រស័យេទេលទ
ី ីតាង
ំ ៃនចេនា្លះរងែដលផ្ទុក c េទប៉ុែន្តវាអា្រស័យេទ្របែវង
d របស់វា។
សមា្គល់ 6.2.1. វាមានទំនាក់ទំនងរវាងអេថរៃចដន្យអ៊ុយ នី ហ្វមនង
ិ អេថរៃចដន្យព័រសុង។ សន្មត់ ថា ចំនួន
្រពឹតិ្ត ការណ៍ ែដលេកីតេឡង ី េនចេនា្លះ (0, t) មានបំ ែនងែចកព័រសុង។ េបីសិនជាមាន្រពឹតិ្ត ការណ៍ ែតមួយ
េនក្នុងចំេណាម្រពឹតកាិ្ត រណ៍ទាំងេនះបានេកីតេឡង ី េនចេនា្លះ (a, b) ែដល a ≥ 0 និង b ≤ t េនាះ្រប�បាប៊ីលីេត
មានលក្ខខណ្ឌៃនរយៈេពលេកត
ី េឡង
ឹ ិ្តការណ៍េនះេដាយដឹងថាវាបានេកត
ី េឡង
ី ជាបំែនងែចកអ៊ុយនី
ហ្វមេលី (a, b) ។
សំេណើ 6.2.1. យក X ∼ U(a, b) េនាះេយង

ី បាន
a+b
E[X] =
2
(b − a)2
V(X) =
12
Z ∞ Z
x b
1 b2 − a2 a + b
E[X] = x f (x)dx = dx = = .
−∞ a b−a b−a 2 2
Z ∞ Z b 2
x 1 b3 − a3 b2 + ab + a2
E[X ] =
2
x f (x)dx =
2
dx = = .
−∞ a b−a b−a 3 3
!2
b2 + ab + a2 a+b (b − a)2
V(X) = E[X ] − (E[X]) =
2 2
− = .
3 2 12
□
ឧទាហរណ៍ 6.2.1. សាលសន្និសិទ មួយ ក្នុង្រក�មហ៊ុន មួយ អាច្រត�វ បានេ្របី្របាស់ មិន េលីស ពី 4 េមា៉ង។
រយៈេពលែដលសន្នស
ិ ទិ មួយ្រប្រពត
ឹ ្តេទជាអេថរៃចដន្យអ៊ុយនហ
ី ម
្វ េលច
ី េនា្លះ (0, 4) ។
្វ អនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត?
2. រក្រប�បាប៊ីលីេតែដលសន្និសិទមួយ្រប្រពឹត្តេទយា៉ងេហាចណាស់ 3 េមា៉ង។
សមា្គល់ 6.2.2 (ជំនួយគំនិត). តាង X ជារយៈេពលែដលសន្នស

ិ ទិ មួយ្រប្រពឹត្តេទេនាះ X ជាអេថរៃចដន្យ
អ៊ុយនហ
ី ម
្វ េលច
ី េនា្លះ (0, 4) េ្រពាះសន្នស
ឹ ្តេទេនេពលណាមួយេនចេនា្លះពី 0 េទ 4 េមា៉ង។
ចេម្លើយ. 1. អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃន X ∼ U(0, 4) គឺ



4, 0 ≤ x ≤ 4
1
f (x) = 

142
2. ្រប�បាប៊ីលេី តែដលសន្នស
ឹ ្តេទយា៉ងេហាចណាស់ 3 េមា៉ងគឺ
Z 4
1 1
P(X ≥ 3) = dx = .
3 4 4
ឧទាហរណ៍ 6.2.2. រថយន្ត្រក�ងមួយមកដល់ចំណតេនេពលណាមួយចេនា្លះពេី មា៉ង 13 : 30 េទ 13 : 45។

រក្រប�បាប៊ីលីេតែដលរថយន្ត្រក�ងមកដល់មុនេមា៉ង 13 : 35។
ចេម្លើយ. តាង X ជារយៈេពលែដលរថយន្ត្រក�ងមកដល់េនាះ X ∼ U(0, 15)។ ដូចេនះ្រប�បាប៊ីលីេតែដល
រថយន្ត្រក�ងមកដល់មុនេមា៉ង 13 : 35 គឺ
Z 5
1 5 1
P(X < 5) = dx = = .
0 15 15 3
ឧទាហរណ៍ 6.2.3. ភាពយន្ត មួយ ចាប់េផ្តីម បញ្ចង

ំ េនេមា៉ង 5 : 00, 5 : 15, 5 : 30 េហយ
ី អ្នក េទដល់
េរាងភាពយន្តេដាយៃចដន្យរវាងេមា៉ង 5 : 00 និង 5 : 30។ រក្រប�បាប៊ីលីេតែដលអ្នក្រត�វរង់ចាយា
ំ ៉ ងយូរ 5
នាទីមុនេពលភាពយន្តមួយចាប់េផ្តីមបញ្ចងំ ។
សមា្គល់ 6.2.3 (ព្រងាងគំនិត). • តាង X ជារយៈេពលអ្នកមកដល់េរាងភាពយន្តេនាះ X ∼ U(0, 30)
• អ្នក ្រត�វ រង់ចា ំយា៉ងយូរ 5 នាទី មុន េពលភាពយន្ត មួយ ចាប់េផ្តីម បញ្ចង
ំ មានន័យថាអ្នក មកដល់ រវាង
េមា៉ង 5 : 10 នង ិ 5 : 15 ឬ រវាងេមា៉ង 5 : 25 នង
ិ 5 : 30
ចេម្លើយ. តាង X ជារយៈេពលែដលអ្នកមកដល់េរាងភាពយន្តេនាះ X ∼ U(0, 30)។ ដូចេនះរក្រប�បាប៊ីលីេត
ែដលអ្នក្រត�វរង់ចាយា
ំ ៉ ងយូរ 5 នាទីមុនេពលភាពយន្តមួយចាប់េផ្តីមបញ្ចង
ំ គឺ
Z 15 1 Z 30
1 10 1
P ចាំយា៉ងយូរ 5 នាទី = dx + dx = = .
10 30 25 30 30 3
ឧទាហរណ៍ 6.2.4. េលាក ក នង

ឹ ្រត�វេទដល់កែន្លងេធ្វកា
ី រេលាក ខ េនេមា៉ង 6 : 30 តាមការណាត់។ តាម
បទពិេសាធន៍េលាក ខ ដឹងថាេលាក ក នឹងមកយត
ឺ រហូតដល់ 20 នាទេហ
ី យី គាត់អាចមកដល់កុ ងេពលណា
្ន
មួយក្នុងេពលរហូតដល់ 20 នាទប
ី នា្ទប់ពេី ពលណាត់ជួប។
1. រក្រប�បាប៊ីលីេតែដលេលាក ក មកយត
ឺ ជាង 15 នាទី
2. រកមធ្យម និងគមា្លតស្តង់ដាៃនរយៈេពលែដលេលាក ខ រង់ចា ំ េលាក ក
ចេម្លើយ. តាង X ជារយៈេពលែដលេលាក ក មកយត

ឺ េនាះ X ∼ U(0, 20)។
1. ្រប�បាប៊ីលីេតែដលេលាក ក មកយត ឺ ជាង 15 នាទីគឺ

Z 20 x 20
1
P(X > 15) = dx = = 0.25
15 20 20 15
2. មធ្យម និងគមា្លតស្តង់ដាៃនរយៈេពលែដលេលាក ខ រង់ចាេំ លាក ក គឺ

0 + 20
E[X] = = 10
2
(20 − 0)2
V(X) = = 33.33
√ 12
SD(X) = 33.33 = 5.77
143
លំហាត់ 6.2.1. 1. សន្មត់ថា X ជាអេថរៃចដន្យជាប់អុយ ិ វា៉ដ្យង់ 3 ។ េតី
៊ នីហ្វមែដលមានមធ្យម 1 នង 4
្រប�បាប៊ីលេី ត P(X < 0) េស្មន

2. រយៈេពលគត ិ ជានាទែី ដលមនុស្សមា្នក់រង់ចារំ ថយន្ត្រក�ងមកដល់ជាអេថរៃចដន្យអ៊ុយនហ

ី ម
្វ េនចេនា្លះ
0 និង 15 នាទី។
(a) េត្រី ប�បាប៊ីលេី តែដលមនុស្សមា្នក់រង់ចាត

ំ ច
ិ ជាង 12.5 នាទេី ស្មន
(b) េតរី យៈេពលជាមធ្យមប៉ុនា្មនែដលមនុស្សមា្នក់្រត�វរង់ចា? ិ គមា្លតស្តង់ដា។
ំ រកមធ្យម នង
(c) រកតៃម្ល k ែដល P(X < k) = 0.90
3. រថយន្ត្រក�ងមកដល់ចំណតេនេរៀងរាល់ចេនា្លះេពល 15 នាទីចាប់េផ្តីមេនេមា៉ង 7 a.m. មានន័យថា

វាមកដល់េនេមា៉ង 7, 7 : 15, 7 : 30, 7 : 45 ជាេដីម។ េបីអ្នកដំេនីរមកដល់ចំណតេនេមា៉ងែដលមា
្វ រវាងេមា៉ង 7 និង 7 : 30 រក្រប�បាប៊ីលីេតែដលគាត់រង់ចា ំ
នបំែនងែចកអ៊ុយនីហម
(a) តិចជាង 5 នាទីស្រមាប់រថយន្ត្រក�ង

(b) េ្រចីនជាង 10 នាទីស្រមាប់រថយន្ត្រក�ង
ំ ្រមាប់រថយន្តដឹកសុម
4. រយៈេពលវ ិលជុស ់ េ៍ ទកាន់កែន្លងសាងសងផ
ី ៉ងត ់ ូ វេល្ប�នេលឿនជាបំ
្ល ែនងែចកអ៊ុយ
នហ
ី ម
្វ េនចេនា្លះពី 50 េទ 70 នាទ។
ី
(a) រកមធ្យមនិងវា៉ដ្យង់ៃនរយៈេពលវ ិលជុំ
(b) េតរី ថយន្តដឹកសុម ់ ប

ី ៉ងត ៍ ុនា
៉ ្ម នេ្រគឿងែដលគួរែតេ្រតៀមទុកស្រមាប់ការងារេនះេដីម្បឱ
ី ្យរថយន្តដឹក
ី ៉ង់ត៍អាចចាក់េនកែន្លងសាងសង់េរៀងរាល់ 15 នាទ?
សុម ី
5. សន្មត់ថា X ∼ U(a, b)
(a) រក P(X > c) ចំេពាះ c ∈ (a, b)

(b) េបី a ≤ c ≤ d ≤ b រក P(X > d | X > c)
6.2.2 អេថរៃចដន្យអុិចស៉្បណង់
ូ ែស្យល
អេថរៃចដន្យអុច
ិ ស្បណង
ូ៉ ែ់ ស្យលជាអេថរៃចដន្យជាប់ែដល្រត�វបានេ្របស
ី ្រមាប់គំររូ ង់ចារំ ហូតដល់្រពត
ឹ កា
ិ្ត រណ៍
ទម
ី ួយេកត
ី េឡង
ី ។
និយមន័យ 6.2.2. អេថរៃចដន្យ X ជាអេថរៃចដន្យអុិ ច ស្បូ ណង

៉ ់ ែស្យលមានបា៉ រា៉ ែម៉្រត β > 0 េបី វា មាន
អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត
 −x

 β e β , េបី x ≥ 0
 1
f (x) = 

0 េផ្សងពេី នះ
នម
ិ ត
ិ ្តសញញ X ∼ E(β) មានន័យថា X ជាអេថរៃចដន្យអុច
៉ ់ែស្យលែដលមានបា៉រា៉ ែម៉្រត β
144
ិ េទ f ជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តេ្រពាះ
តាមពត
• f (x) ≥ 0, ∀x
• Z Z
∞ ∞
1 − βx h x i∞
f (x)dx = e dx = −e− β = 1.
−∞ 0 β 0
េបី X ∼ E(β) េនាះអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតឱ្យេដាយ
• េបី x ≥ 0 េនាះ Z x
1 − βt h t ix
e dt = −e− β = 1 − e− β .
x
F(x) = P(X ≤ x) =
0 β 0
• េបី x < 0 េនាះ F(x) = 0 េ្រពាះ f (x) = 0
អនុគមន៍ហា្កមា
ការគណនាមធ្យមៃនអេថរៃចដន្យអុិចស្បូ ណង
៉ ់ែស្យលនឹងមានភាពងាយ្រស�លេបីេយង
ី យល់ពីលក្ខណៈៃន
អនុគមន៍ហា្កមាដូចខាងេ្រកាម៖
និយមន័យ 6.2.3. អនុគមន៍ Γ(α) ្រត�វបានកំណត់េដាយ៖ ចំេពាះ α > 0

Z ∞
Γ(α) = xα−1 e−x dx.
0
R∞
ី ្ដ ទ 6.2.1. ចំេពាះ α > 0 អាំងេត្រកាល Γ(α) =
្រទឹសប 0
xα−1 e−x dx ជាអាំងេត្រកាលរួម
ស្រមាយបញ្ជ ក់. ចំេពាះ n ∈ N េយង

ី មាន
xn−1
lim x =0
x→∞ e2
េនាះយក ε = 1 មាន M > 0 ែដល្រគប់ x ≥ M េយង

ី មាន
xn−1
x <ε=1
e2
ដូេច្នះចំេពាះ្រគប់ x ≥ M, េយង
ី មាន x
0 ≤ xn−1 ≤ e 2
េយង
0 ≤ e−x xn−1 ≤ e−x .e 2

x
0 ≤ e−x xn−1 ≤ e− 2
x
R∞
េដាយសារ e− 2 dx < ∞ េនាះ
x
0
Z ∞
e−x xn−1 dx < ∞, ∀n ∈ N
0
145
ឥឡូវយក α ≥ 1 ជាចំនួនពិត។ អនុគមន៍ ⌊α⌋ ជាចំនួនគត់ ធំ បំផុត ែដល ⌊α⌋ ≤ α ≤ ⌊α⌋ + 1។ ដូចេនះ
ស្រមាប់ x ≥ 0 េយង
ី មាន
0 ≤ e−x xα−1 ≤ e−x x⌊α⌋
េដាយសារ Z ∞
e−x x⌊α⌋ dx < ∞
0
ី បាន Z ∞
e−x xα−1 dx < ∞, ∀α ∈ R, α ≥ 1
0
ចំេពាះ 0 < α < 1 េយង

ី ដឹងថា
1 xα−1 x
x ≤ x ≤ x, x≥1
e2 e2 e2
េដាយសារ
x 1
lim x = lim x = 0
x→∞ e 2 x→∞ e 2
ី បាន
xα−1
lim x = 0
x→∞ e 2
0 ≤ e−x xα−1 ≤ e− 2 , x ≥ 1
x
R∞
េដាយសារ e− 2 dx < ∞ េនាះ
x
1 Z ∞
e−x xα−1 dx < ∞
1
ចំេពាះ 0 ≤ x ≤ 1 េយង
ី មាន e ≤ 1 នង
−x
ិ
Z Z " #1
1
−x α−1
1
α−1 xα 1
e x dx ≤ 1.x dx = =
0 0 α 0 α
លក្ខណៈៃនអនុគមន៍ហា្កមា
• Γ(1) = 1
• Γ(α + 1) = αΓ(α)
• Γ(n + 1) = n!, n∈N

√
• Γ 12 = π
ស្រមាយបញ្ជ ក់. • យក α = 1 េយង

ី បាន
Z ∞
Γ(1) = e−x dx = [−e−x ]∞
0 = 1
0
146
• េយង
ី មាន Z ∞
Γ(α + 1) = xα e−x dx
0
េ្របីអាង
ំ េត្រកាលេដាយែផ្នកេដាយតាង
u = xα , dv = e−x dx
du = αxα−1 , v = −e−x
ី បាន
Z ∞
α −x ∞
Γ(α + 1) = −x e 0 + αxα−1 e−x dx
Z ∞ 0
=α xα−1 e−x dx
0
=αΓ(α).
• េបី n ∈ N, េនាះ
Γ(n + 1) = nΓ(n) = n(n − 1)Γ(n − 1) = · · · = n(n − 1)(n − 2) · · · 2.1.Γ(1) = n!
• េយង
ី មាន ! Z ∞
1
x− 2 e−x dx
1
Γ =
2 0
តាង x = u2
2
េនាះ dx = udu េយង
ី បាន
!
1 √ Z ∞ − u2
Γ = 2 e 2 du
2 0
√ Z ∞
2 u2
= e− 2 du
2 −∞
ដូចេនះ
!2 √ Z ∞  √ Z ∞ 
1  2   2 
e 2 dv
u2 v2
− −
Γ =  e 2 du . 
2 2 −∞ 2 −∞
Z ∞Z ∞
1 u2 +v2
= e− 2 dudv
2 −∞ −∞
ប្តូរចូលកូអរេដាេនប៉ូែលរ u = r cos θ, v = r sin θ, dudv = rdrdθ េយង

ី បាន
!2 Z Z
1 1 ∞ 2π − r22
Γ = re dθdr
2 2 0
Z ∞ 0
1 r2
= (2π) re− 2 dr
2
r2
∞
0
−2
= π −e
0
=π

េដាយសារ Γ 1
≥ 0 ដូេច្នះ
2 !
1 √
Γ = π
2
□
147
េយង
ី សេង្កតេមីលអាំងេត្រកាល Z ∞
xα−1 e− β dx
x
ែដល α, β > 0 ។ អាំងេត្រកាលេនះអាចគណនាបានេដាយតាង y = x/β ឬ x = βy ែដល dx = βdy។

ដូចេនះេយងី បាន
Z ∞ Z ∞
α−1 − βx
x e dx = (βy)α−1 e−y (βdy)
0 0
Z ∞
α
=β yα−1 e−y dy
0
= βα Γ(α).
សំេណើ 6.2.2. េបី X ∼ E(β) េនាះ
E[X] = β
V(X) = β2
Z ∞
E[X] = x f (x)dx
Z−∞
∞
1 x
= x e− β dx
β
0
Z
1 ∞ − βx
= xe dx
β 0
1
= β2 Γ(2)
β
= β.
Z ∞
E[X ] =
2
x2 f (x)dx
Z−∞
∞
1 x
= x2 e− β dx
β
0
Z
1 ∞ 2 − βx
= x e dx
β 0
1
= β3 Γ(3)
β
= 2β2 .
V(X) = E[X 2 ] − (E[X])2
= 2β2 − β2
= β2 .
ការេ្របើ្របាស់អេថរៃចដន្យអុិចស្បណង់
ូ៉ ែស្យល
អេថរៃចដន្យអុច
៉ ់ែស្យល្រត�វបានេ្រប្រី បាស់កុ ងគំ
្ន រូគណិតវ ិទយដូចជា៖
148
• រយៈេពលរង់ចាគ
ំ ត
ិ លុយតាមផ�រទំេនប
ី
• រយៈេពលរហូតដល់ឧបករណ៍មួយខូច
• រយៈេពលរហូតដល់មានការរញ្ជួ យដីម្តងេកត
ី េឡង
ី
• ជាទូេទរយៈេពលរង់ចារំ ហូតដល់្រពត
ឹ កា
ិ្ត រណ៍ទម
ី ួយេកត
ី េឡង
ី ។
ឧទាហរណ៍ 6.2.5. សន្មត់ថាអតថ

ិ ជ
ិ នមកដល់ហាងជាមធ្យម 30 នាក់កុ ងមួ
្ន យេមា៉ងេហយ
ី រយៈេពលរវាង
ការមកដល់ៃនអតថ
ិ ិជននម
ី ួយៗជាបំែនងែចកអុច
ិ ស្បណង
ូ៉ ែ់ ស្យល។ េបអ ិ ិជនមា្នក់មកដល់រក្រប�បាប៊ីលេី ត
ី តថ
ែដល
1. អតិថិជនបនា្ទប់មកដល់កុ ងរយៈេពលត
្ន ិចជាង 1 នាទី
2. អតិថិជនបនា្ទប់មកដល់កុ ងរយៈេពលេ្រច
្ន ីនជាង 5 នាទី
សមា្គល់ 6.2.4 (ព្រងាងគំនិត). • តាង X ជារយៈេពល(គិតជានាទី) រហូតដល់អតិថិជនបនា្ទប់មក

ដល់
• អតិថិជនមកដល់ហាងជាមធ្យម 30 នាក់កុ ងមួ

្ន យេមា៉ងេនាះមានន័យថាជាមធ្យមអតិថិជនមា្នក់មកដល់
ក្នុងរយៈេពល 2 នាទី េនាះ X ∼ E(β) ែដល β = 2
ចេម្លើយ. តាង X ជារយៈេពល(គិតជានាទី) រហូតដល់ អតិថិជនបនា្ទប់មកដល់ េនាះ X ∼ E(β) ែដល

β = 2។ េយង
ី បាន
1. ្រប�បាប៊ីលេី តែដលអតថ
ិ ជ
ិ នបនា្ទប់មកដល់កុ ងរយៈេពលត
្ន ច
ិ ជាង 1 នាទគ
ី ឺ
Z 1 h i
1 − 2x x 1
e dx = −e− 2 = 1 − e− 2 = 0.3935
1
P(X < 1) =
0 2 0
2. ្រប�បាប៊ីលេី តែដលអតថ
ិ ិជនបនា្ទប់មកដល់កុ ងរយៈេពលេ្រច
្ន ន
ី ជាង 5 នាទី
Z ∞ h i
1 − 2x x ∞
e dx = −e− 2 = e− 2 = 0.0821
5
P(X > 5) =
5 2 5
ឧទាហរណ៍ 6.2.6. សន្មត់ថាេនែផ្នកមួយៃនមហាវ ិថីមានរថយន្តឆ្លងកាត់ជាមធ្យម 5 េ្រគឿងក្នុង 1 នាទ។

ី
េបីរថយន្តមួយបានឆ្លងកាត់រក្រប�បាប៊ីលីេតែដល
1. រថយន្តបនា្ទប់នង
ឹ ឆ្លងកាត់កុ ងរយៈេពលត
្ន ច
ិ ជាង 20 វ ិនាទី
2. រថយន្តបនា្ទប់នង
ឹ ឆ្លងកាត់កុ ងរយៈេពលយា
្ន ៉ ងេហាចណាស់ 15 វ ិនាទី
សមា្គល់ 6.2.5 (ព្រងាងគំនិត). • តាង X ជារយៈេពល(គត

ី រហូតដល់រថយន្តបនា្ទប់ឆ្លងកាត់
• រថយន្តឆ្លងកាត់ជាមធ្យម 5 េ្រគឿងក្នុង 1 នាទី េនាះមានន័យថាជាមធ្យម 1 េ្រគឿងក្នុងេពល 12 វ ិនាទី

េនាះ X ∼ E(β) ែដល β = 12
149
ចេម្លើយ. តាង X ជារយៈេពល(គត
ី រហូតដល់រថយន្តបនា្ទប់ឆ្លងកាត់េនាះ X ∼ E(β) ែដល β =
12។ េយង
ី បាន
1. ្រប�បាប៊ីលេី តែដលរថយន្តបនា្ទប់នង
ឹ ឆ្លងកាត់កុ ងរយៈេពលត
្ន ច
ិ ជាង 20 វ ិនាទគ
ី ឺ
Z 20 h i
1 − 12x x 20
e dx = −e− 12 = 1 − e− 12 = 0.8111
20
P(X < 20) =
0 12 0
2. ្រប�បាប៊ីលេី តែដលរថយន្តបនា្ទប់នង
ឹ ឆ្លងកាត់កុ ងរយៈេពលយា
្ន ៉ ងេហាចណាស់ 15 វ ិនាទគ
ី ឺ
Z ∞ h i
1 − 12x x ∞
e dx = −e− 12 = e− 12 = 0.2865
15
P(X ≥ 15) =
15 12 15
ឧទាហរណ៍ 6.2.7. សន្មត់ថាអតថ

ិ ជ
ិ នមកដល់កែន្លងគត
ិ លុយជាមធ្យម 2 នាក់កុ ង
្ន 1 នាទ។
ី
ី តិថិជនមា្នក់បានមកដល់កែន្លងគិតលុយ រក្រប�បាប៊ីលីេតែដលអតិថិជនបនា្ទប់នឹងមកដល់កុ ងរយៈេពល

1. េបអ ្ន
យា៉ងេហាចណាស់ 4 នាទ។
ី
2. េបអី ្នកគិតលុយចំណាយេពល 3 នាទេី ដីម្បផ
ី ្តលេ់ សវាដល់អតិថិជនទីមួយែដលបានមកដល់បញ្ជ រ រក
្រប�បាប៊ីលេី តែដលមានអតថ ិ នយា៉ងេហាចណាស់មា្នក់រង់ចាក
ិ ជ ំ ុ ងជួ
្ន រចាំគត
ិ លុយ។
ចេម្លើយ. តាង X ជារយៈេពល(គិតជានាទី) រហូតដល់ អតិថិជនបនា្ទប់មកដល់ េនាះ X ∼ E(β) ែដល

β = 21 ។ េយង
ី បាន
1. Z ∞ h i∞
P(X ≥ 4) = 2e−2x dx = −e−2x = e−8 = 0.00035
4
4
2. Z 3 h i3
P(X ≤ 3) = 2e−2x dx = −e−2x = 1 − e−6 = 0.9975
0
0
ឧទាហរណ៍ 6.2.8. សន្មត់ថាអាយុកាលៃនអាយហ្វូនមានបំែនងែចកអុិចស្បូ ណង

៉ ់ែស្យលែដលមានមធ្យម
3 ឆា្ន។
ំ
1. េត្រី ប�បាប៊ីលេី តែដលអាយហ្វូននង

ឹ ខូចក្នុងរយៈេពល 1 ឆា្នប
ំ នា្ទប់ពទ
ី ញ
ិ េស្មន
2. េតី្រប�បាប៊ីលីេតែដលអាយហ្វូននឹងេ្របី្របាស់បានេលីសពី 3 ឆា្នេំ ស្មីនឹងប៉ុនា្មន?
ចេម្លើយ. តាង X ជាអាយុកាលៃនអាយហ្វូនេនាះ X ∼ E(β) ែដល β = 3។ េយង

ី បាន
1. Z 1
1 − 3x h i
x 1
e dx = −e− 3 = 1 − e− 3 = 0.2834
1
P(X ≤ 1) =
0 3 0
2. Z ∞
1 − 3x h i
x ∞
P(X > 3) = e dx = −e− 3 = e−1 = 0.3678
3 3 3
150
អេថរៃចដន្យអុិចស្បណង់
ូ៉ ែស្យលនិងព័រសុង
វាមានទំនាក់ទំនងរវាងបំែនងែចកអុិចស្បូ ណង
៉ ់ែស្យលនិងបំែនងែចកព័រសុង។ សន្មត់ថា្រពឹតិ្តការណ៍កំពុង
េកត
ី េឡង
ី តាមបំែនងែចកព័រសុងែដលមានមធ្យម λ ្រពត
ឹ ិ្តការណ៍ក្នុង 1 េមា៉ង។ ដូចេនះេនក្នុងរយៈេពល t
េមា៉ងចំនួនៃន្រពឹតិ្តការណ៍ Y មានបំែនងែចកព័រសុងែដលមានមធ្យម λt។សន្មត់ថាេយង ី ចាប់េផ្តីមេនេពល
t = 0 រួចេយង
ី សួរសំនួរថាេតីេយង ី ្រត�វរង់ចារំ យៈេពលប៉ុនា្មនរហូតដល់្រពឹត្តការណ៍ទីមួយេកីតេឡង ី ? តាង
X ជារយៈេពលរង់ចារំ ហូតដល់្រពត
ឹ កា
ិ្ត រណ៍ទម
ី ួយេនាះ

P(X > t) = P Y = 0 េនចេនា្លះ (0, t)
(λt)0
= e−λt
0!
= e−λt
និង
P(X ≤ t) = 1 − P(X > t) = 1 − e−λt
េយង
ី េឃញ ់ បំែនងែចក្រប�បាប៊ល
ី ថាអនុគមន៍បែំ នងែចក្រប�បាប៊ីលីេតៃន X, F(t) = P(X ≤ t) មានទ្រមងជា ី ី
េតអុច
៉ ែ់ ស្យលែដលមាន λ = β1 ។ គណនាេដរេវេយ
ី ង ី ថាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន X
ី េឃញ
គឱ
dF(t) d(1 − e−λt ) 1 t
f (t) = = = λe−λt = e− β , t>0
dt dt β
េហយ
ី X មានបំែនងែចកអុច
ិ ស្បណង
ូ៉ ែ់ ស្យល។ តាមពត
ិ េទេយង
ី មន
ិ ចាំបាច់ចាប់េផ្តីមេនខណៈ t = 0 ក៏បាន
ជាទូេទរយៈេពលរងព ់ កា
ី រេកីតេឡងី ៃន្រពឹតកា
ិ្ត រណ៍រហូតដល់ការេកីតេឡងី ៃន្រពឹតកា
ិ្ត រណ៍បនា្ទប់មានបំែនង
ែចកអុចិ ស្បូណង
៉ ែ់ ស្យលចំេពាះការេកតី េឡង ី ៃន្រពត
ឹ កា
ិ្ត រណ៍ែដលមានបំែនងែចកព័រសុង។
លំហាត់ 6.2.2. 1. េបី X ∼ E(β) បងា្ហញថា
P(X > s + t | X > t) = P(X > s), ∀s, t ≥ 0.
2. េបី X ∼ E(β) បងា្ហញថា

E[X k ] = k! βk , k ∈ N.
3. េរាងច្រកច្រមាញ់ ស្ករសមានែផ្នកដំេនរី ការ 3 ែផ្នកែដលនម

ី ួយៗទទួលស្ករេឆជាេ្រចន
ី ។ បរមាណស្ក
ិ រ
ែដលែផ្នកមួយអាចដំេនរី ការក្នុងមួយៃថ្ងមានបំែនងែចកអុច ិ ស្បូណង
៉ ែ់ ស្យលែដលមានមធ្យម 4 េតាន
ស្រមាប់ែផ្នកនម
ី ួយៗៃនែផ្នកទាំង 3។ េបែី ផ្នកនមី ួយៗដំេនរី ការេដាយមិនអា្រស័យគា្ន រក្រប�បាប៊ីលីេត
ែដលមានែផ្នក 2 ក្នុងចំេនាមែផ្នកទាំង 3 នងឹ ដេំ នរី ការេ្រចន
ី ជាង 4 េតានេនក្នុងៃថ្ងណាមួយ។ េតសី ្ករ
េឆប៉ុនា្មនែដលគួរែតស្តុកទុកស្រមាប់ែផ្នកមួយក្នុងៃថ្ងនម
ី ួយៗេដីម្បឱ
ី ្យឱកាសែដលអស់វត្ថុធាតុេដីមគឺ
0.05 ?
4. រយៈេពលផ្តល់េសវាេដាយម�ន្តីធនាគារេនតាមបញ្ជ រមានបំែនងែចកអុិចស្បូ ណង
៉ ់ែស្យលែដលមាន
មធ្យម 3.4 នាទី។ អតិថិជនមា្នក់មកដល់បញ្ជ រេនេមា៉ង 4 : 00 p.m
(a) រក្រប�បាប៊ីលីេតែដលគាត់នង
ឹ េនបញ្ជ រេនាះដែដលេនេមា៉ង 4 : 02 p.m
151
(b) រក្រប�បាប៊ីលេី តែដលគាត់នង ឹ េនបញ្ជ រេនាះដែដលេនេមា៉ង 4 : 04 p.m េដាយដង
ឹ ថាគាត់បាន
េនបញ្ជ រេនាះេនេមា៉ង 4 : 02 p.m
5. េនក្នុងការសំេរចចិត្ត ថា េតី អ្នកតំណាងេសវាអតិថិជនប៉ុនា្មននាក់ ែដល្រត�វ ជួល និង ក្នុងគេ្រមាងការ

វ ិភាគរបស់ពួកេគ ្រក�មហ៊ុនផលត
ិ មា៉សុន
ី កាត់េស្មសក
ិ �អំពីរយៈេពលជួសជុលមា៉សុន
ី ។ ការសក
ិ �
ែបបេនះមួយ បងា្ហញថារយៈេពលជួសជុល មានបំ ែនងែចកអុិ ច ស្បូ ណង ៉ ់ ែស្យលែដលមានមធ្យម 36
នាទី
(a) រក្រប�បាប៊ីលីេតែដលរយៈេពលជួសជុលែដល្រត�វបានេ្រជីសេរសេដាយៃចដន្យន
ី ឹងតិចជាង 10
នាទី
(b) តៃម្លជួសជុលមា៉សុន
ី កាត់េស្មគឺ 60 $ ស្រមាប់ពលកម្មកន្លះេមា៉ង(ឬមួយែផ្នកៃនកន្លះេមា៉ង)។
េត្រី ប�បាប៊ីលេី តែដលការងារជួសជុលនង
ឹ ចំនាយស្រមាប់ៃថ្លពលកម្មអស់ 120 $?
(c) េនក្នុងការេធ្វកា
ី លវ ិភាគ េតរី យៈេពលប៉ុនា្មនែដល្រក�មហ៊ុនអនុញញតស្រមាប់ការជួសជុលនម
ី ួយ
ៗេដីម្បធា
ី នាថាឱកាសែដលរយៈេពលជួសជុលមួយេលីកេលីសពរី យៈេពលែដលបានអនុញញត
គឺ 0.01?
6.2.3 អេថរៃចដន្យហា្កមា
និយមន័យ 6.2.4. អេថរៃចដន្យ X ជាអេថរៃចដន្យហា្កមាមានបា៉រា៉ ែម៉្រត α > 0, β > 0 េបវា

ី មានអនុគមន៍
ដង់សុីេត្រប�បាប៊ីលីេតែដលឱ្យេដាយ


 −x
 βα Γ(α) xα−1 e β ,
1
េបី x ≥ 0
f (x) = 

នម
ិ ត
ិ ្តសញញ X ∼ Gamma(α, β) មានន័យថា X ជាអេថរៃចដន្យហា្កមាមានបា៉រា៉ ែម៉្រត α, β ។
សមា្គល់ 6.2.6. • េបី α = 1 េនាះ X ∼ E(β)
• អេថរៃចដន្យហា្កមា្រត�វបានេ្របី្របាស់កុ ្នងគំរូគណិតវ ិទយ៖ រយៈេពលរង់ចារំ ហូតដល់្រពឹតិ្តការណ៍ទី α

េកីតេឡង
ី ។
f ជាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតេ្រពាះ
• f (x) ≥ 0, ∀x
•
Z ∞ Z ∞
1
xα−1 e− β dx
x
f (x)dx =
−∞ βα Γ(α)
0
Z ∞
1
xα−1 e− β dx
x
= α
β Γ(α) 0
1
= α βα Γ(α)
β Γ(α)
=1
152
េបី X ∼ Gamma(α, β) េនាះអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន X គឺ

• េបី x ≥ 0 េនាះ Z x
1
tα−1 e− β dt
t
F(x) = P(X ≤ x) =
0 βα Γ(α)

កូដ R ស្រមាប់
• P(X ≤ x) គឺ pgamma(x, shape=alpha,rate=1/beta)
• P(X > x) គឺ 1 − pgamma(x, shape=alpha,rate=1/beta)

ឧទាហរណ៍ 6.2.9. េបី X ∼ Gamma(α = 2, β = 3) េនាះ
• pgamma(5, shape=2,rate=1/3) = 0.4963317 ផ្តល់នូវ P(X ≤ 5)
• 1 − pgamma(10, shape=2,rate=1/3) = 0.1545873 ផ្តល់នូវ P(X > 10)
• pgamma(8,shape=2,rate=1/3)-pgamma(5,shape=2,rate=1/3) = 0.2488956 ផ្តល់នូវ

P(5 < X < 8)
សំេណើ 6.2.3. េបី X ∼ Gamma(α, β) េនាះ
E[X] = αβ
V(X) = αβ2
Z ∞
E[X] = x f (x)dx
Z−∞
∞
1
xα−1 e− β dx
x
= x
βα Γ(α)
0
Z ∞
1
xα e− β dx
x
= α
β Γ(α) 0
1
= α βα+1 Γ(α + 1)
β Γ(α)
= αβ.
Z ∞
E[X ] =
2
x2 f (x)dx
Z−∞∞
1
xα−1 e− β dx
x
= x2 α
β Γ(α)
0
Z ∞
1
xα+1 e− β dx
x
= α
β Γ(α) 0
1
= α βα+2 Γ(α + 2)
β Γ(α)
= α(α + 1)β2 .
V(X) = E[X 2 ] − (E[X])2
= α(α + 1)β2 − α2 β2
= αβ2 .
153
□
ឧទាហរណ៍ 6.2.10. សន្មត់ ថា ការេហទូរសព្ទ ចូលក្នុង្របព័ន្ធ មួយ ជាមធ្យមមាន 5 ដងក្នុង 1 នាទី។ រក
្រប�បាប៊ីលេី តែដលក្នុងរយៈេពលយា៉ងេ្រចន
ី មួយនាទមា
ី នការេហទូរសព្ទ 2 ដងចូលក្នុង្របព័ន្ធ។
សមា្គល់ 6.2.7 (ព្រងាងគំនិត). • តាង X ជារយៈេពល (គិតជានាទី) រហូតដល់ការេហចូលទូរសព្ទ

ទី 2
• ការេហទូរសព្ទ ចូល ជាមធ្យម 5 ដងក្នុង 1 នាទី មានន័យថាជាមធ្យមក្នុងេពល 1

5
នាទី មានការេហ
ទូរសព្ទចូលម្តង េនាះ X ∼ Gamma(α, β) ែដល α = 2, β = 15
ចេម្លើយ. តាង X ជារយៈេពល (គត
ិ ជានាទ)
ី រហូតដល់ការេហចូលទូរសព្ទទី 2 េនាះ X ∼ Gamma(α, β)
ែដល α = 2, β = ី ចង់គណនាគឺ
។ ដូចេនះ្រប�បាប៊ីលេី តែដលេយង
1
5
Z 1
1 − βx
P(X ≤ 1) = xe dx
0 β
2
Z 1
= 25 xe−5x dx
0
= 1 − 6e−5
= 0.96
្ន 1 នាទី។ រកមធ្យម និងវា៉ដ្យងៃ់ នរយៈេពល

ឧទាហរណ៍ 6.2.11. អតិថិជនមកដល់បញ្ជ រជាមធ្យម 2 នាក់កុ ង
រង់ចាចា
ំ ប់ពកា
ី រេបក
ី បញ្ជ ររហូតដល់
1. ការមកដល់ៃនអតថ
ិ ិជនទព
ី រី
2. ការមកដល់ៃនអតថ
ិ ជ
ិ នទប
ី ី
សមា្គល់ 6.2.8 (ព្រងាងគំនិត). • តាង X ជារយៈេពលរង់ចារំ ហូតដល់អតិថិជនទី α មកដល់េនាះ
• X ∼ Gamma(α, β)
• E[X] = αβ, V(X) = αβ2

ចេម្លើយ. 1. តាង X ជារយៈេពលរង់ចា ំរហូតដល់អតថ
ិ ជ
ិ នទី 2 មកដល់
េ នាះ X ∼ Gamma α = 2, β = 1
2
។
ី បាន
!
1
E[X] = αβ = 2 =1
2
!2
1
V(X) = αβ = 2
2
= 0.5
2

2. តាង X ជារយៈេពលរង់ចា ំរហូតដល់ អតថ
ិ ជ
ិ នទី 3 មកដល់ េ នាះ X ∼ Gamma α = 3, β = 1
2
។
ី បាន
!
1
E[X] = αβ = 3 = 1.5
2
!2
1
V(X) = αβ = 3
2
= 0.75
2
154
ឧទាហរណ៍ 6.2.12. អាយុកាលគិតជាសបា្តហ៍ ៃន្រតង់សុីស្ទរមួយ្របេភទមានបំែនងែចកហា្កមាែដលមាន
√
ិ គមា្លតស្តង់ដា
មធ្យម 10 សបា្តហ៍ នង 50 សបា្តហ៍។ រក្រប�បាប៊ីលេី តែដល្រតង់សុស
ី ្ទរ្របេភទេនះ
1. នឹងេ្របីបានយា៉ងេ្រចីន 50 សបា្តហ៍
2. នឹងខូចក្នុងរយៈេពល 10 សបា្តហ៍ដំបូង។
ី មាន
E[X] = αβ = 10,
√ √
SD = αβ = 50
េនាះ α = 2, β = 5 ដូចេនះអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃន X គឺ
1 − 5x
f (x) = xe
52 Γ(2)
ី ចង់គណនាគឺ
្រប�បាប៊ីលេី តែដលេយង
1.
Z 50
1 − 5x
P(X ≤ 50) = xe dx
52 Γ(2)
0
Z ∞
1
xe− 5
x
=
25 0
1 h i
x 50
= (−5x − 25)e− 5
25 0
−10
= 1 − 11e
= 0.9995
2.
Z 10
1
xe− 5 dx
x
P(X ≤ 10) =
52 Γ(2)
0
Z ∞
1
xe− 5
x
=
25 0
1 h i
x 10
= (−5x − 25)e− 5
25 0
−2
= 1 − 3e
= 0.5940
លំហាត់ 6.2.3. 1. េបី X ∼ Gamma(α, β) បងា្ហញថាចំេពាះ k ∈ N,
E[X k ] = (α + k − 1)(α + k − 2) · · · αβk
2. េបី X ∼ Gamma(α, β) ែដល α ជាចំនួនគត់និង Y ∼ P (α/β) បងា្ហញថា
P(X ≤ x) = P(Y ≥ α)
155
់ រយៈេពលរង់ចាជ
3. សន្មតថា ិ វា៉ដ្យង់
ំ ួសជុលរថយន្ត X ជាអេថរៃចដន្យហា្កមាែដលមានមធ្យម 2 េមា៉ងនង
2 (េមា៉ងកាេរ)។
(a) រក α, β
(b) រកអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត
(c) េតី្រប�បាប៊ីលីេតែដលរយៈេពលរង់ចាយា
ំ ៉ ងេ្រចីន 4.5 េមា៉ងេស្មីនឹងប៉ុនា្មន?
(d) េតី្រប�បាប៊ីលីេតែដលរយៈេពលរង់ចាេំ ្រចីនជាង 3.1 េមា៉ងេស្មីនឹងប៉ុនា្មន?
(e) រក k ែដល P(X < k) = 0.90
4. សន្មត់ថា X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតឱ្យេដាយ



kx3 e− 2 , x ≥ 0
x
f (x) = 

0, x<0
(a) រកតៃម្ល k ែដលេធ្វីឱ្យ f ជាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត
(b) រកមធ្យម នង
5. េនក្នុងទី្រក�ង មួយ ការេ្របី ្របាស់ ថាមពលអគ្គីសនី ្របចាំៃថ្ង គិតជាលានគីឡូវា៉ត់ េមា៉ងអាចចាត់ទុកថា

ជាអេថរៃចដន្យហា្កមាែដលមាន α = 3 នង ិ β = 2។ េបេី រាងច្រកអគ្គស ី នៃី នទ្រី ក�ងេនះមានលទ្ធភាព
ផលត
ិ បាន 12 លានគឡ ់ គ្គស
ី ូវា៉ត់េមា៉ង្របចាំៃថ្ង េត្រី ប�បាប៊ីលេី តែដលការផ្គត់ផ្គងអ ី ននី ង
ឹ មន
ិ ្រគប់្រគាន់
េនក្នុងៃថ្ងមួយេស្មីនឹងប៉ុនា្មន?
6. េនក្នុងទី្រក�ង មួយ ការេ្របី ្របាស់ ថាមពលអគ្គីសនី ្របចាំៃថ្ង គិតជាលានគីឡូវា៉ត់ េមា៉ងអាចចាត់ទុកថា

ជាអេថរៃចដន្យហា្កមាែដលមានមធ្យម 6 និងវា៉ដ្យង់ 12 ។
(a) រកតៃម្ល α នង
ិ β
ី ូវា៉ត់េមា៉ងេនចេនា្លះ 4 នង
(b) េត្រី ប�បាប៊ីលេី តែដលចំនួនគឡ ិ 8 េស្មន
(c) េបស
ី ន
ិ ជាមួយែខមាន 31 ៃថ្ង េតេី យង
ី រ ំពង
ឹ ថាទ្រី ក�ងនង
ឹ េ្រប្រី បាស់អស់បុនា ី ូវា៉ត់េមា៉ងក្នុង
៉ ្ម នគឡ
កំឡុងេពលមួយែខ?
6.2.4 អេថរៃចដន្យេបតា
អនុគមន៍េបតា
និយមន័យ 6.2.5. អនុគមន៍េបតា B(α, β) ្រត�វបានកំនត់េដាយ៖ ចំេពាះ α > 0, β > 0

Z 1
B(α, β) = xα−1 (1 − x)β−1 dx
0

ី មាន
B(α, β) = B(β, α)
តាមពត
ិ េទតាង t = 1 − x េនាះ dt = −dx េយងី បាន
Z 1 Z 0 Z 1
α−1 β−1 α−1 β−1
B(α, β) = x (1 − x) dx = − (1 − t) t dt = tβ−1 (1 − t)α−1 dt = B(β, α)
0 1 0
156
សំេណើ 6.2.4.
Γ(α)Γ(β)
B(α, β) =
Γ(α + β)
ស្រមាយបញ្ជ ក់. េដីម្ប្រី សាយបញ្ជក់លក្ខណៈេនះេយង

ី េ្របន
ី យ
ិ មន័យៃនអនុគមន៍ហា្កមា
Z ∞ Z ∞
α−1 −t
Γ(α)Γ(β) = t e dt sβ−1 e−s ds
Z0 ∞ Z ∞ 0
= tα−1 sβ−1 e−(t+s) dtds

0 0
េយង
ី ប្តូរអេថរ t = xy និង s = x(1 − y) ចំេពាះអាំងេត្រកាលពីរ ជាន់ េនះ។ សមា្គល់ថា t + s = x និង
0 < t < ∞ និង 0 < s < ∞ េនាះ 0 < x < ∞ និង 0 < y < 1។ Jacobian ៃនការប្តូរអេថរេនះគឺ
∂(t, s) y x
= = −xy − x + xy = −x
∂(x, y) 1 − y −x
េដាយសារ x > 0 េនាះ dtds = ∂(t,s)

∂(x,y)
dxdy = xdxdy។ ដូេច្នះេយង
ី បាន
Z 1Z ∞
Γ(α)Γ(β) = xα−1 yα−1 xβ−1 (1 − y)β−1 e−x xdxdy
0 0
Z ∞ Z 1
α+β−1 −x
= x e dx yα−1 (1 − y)β−1 dy
0 0
= Γ(α + β)B(α, β)
□
អេថរៃចដន្យេបតា
និយមន័យ 6.2.6. អេថរៃចដន្យ X ជាអេថរៃចដន្យេបតាែដលមានបា៉រា៉ ែម៉្រត α > 0, β > 0 េបី វា មាន

អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តឱ្យេដាយ


 1 α−1 β−1
 B(α,β) x (1 − x) , 0<x<1
f (x) = 

ែដល Z 1
B(α, β) = xα−1 (1 − x)β−1 dx
0
សមា្គល់ 6.2.10. • អនុគមន៍ដង់សុីេត្រប�បាប៊ល ី េី តេបតាអាចសេសរជាទ្រមង់

 Γ(α+β)

 α−1 β−1
 Γ(α)Γ(β) x (1 − x) , 0 < x < 1
f (x) = 

• អេថរៃចដន្យេបតា្រត�វបានេ្របីស្រមាប់គំរូ្រប�បាប៊ីលីេតៃនអេថរៃចដន្យែដលមានតៃម្លសិត
្ថ េនចេនា្លះ
(0, 1) ឬជាទូេទេលច
ី េនា្លះកំនត់ដូចជាសមាមា្រតជាេដីម។
• េពលែដល α = β េនាះអនុគមន៍ ដង់សុេី ត្រប�បាប៊ីលេី តេបតាឆ្លុះគា្ន េធៀបនង

ឹ 2 ។ េពលែដល α =
1
្វ េលី (0, 1) ។ េពលែដល β > α អនុគមន៍ដង់សុីេត

β = 1 បំែនងែចកេបតាជាបំែនងែចកអ៊ុយនីហម
្រប�បាប៊ីលីេតេទរេនខាងេឆ្វង និងេពលែដល α > β អនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតេទរេនខាងសា្ត។
ំ
157
នម
ិ តិ ្តសញញ X ∼ Beta(α, β) មានន័យថា X ជាអេថរៃចដន្យេបតាែដលមានបា៉រា៉ ែម៉្រត α, β។
េយងី បងា្ហញថាេបី X ∼ Beta(α, β) េនាះ f ពិតជាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត។ េយង
ី មាន
• f (x) ≥ 0, ∀x
•
Z ∞ Z
Γ(α + β) α−1
1
f (x)dx = x (1 − x)β−1 dx
−∞ 0 Γ(α)Γ(β)
Z
Γ(α + β) 1 α−1
= x (1 − x)β−1 dx
Γ(α)Γ(β) 0
Γ(α + β)
= B(α, β)
Γ(α)Γ(β)
=1
េបី X ∼ Beta(α, β) េនាះអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន X គឺ
• េបី x ∈ (0, 1) េនាះ

Z x
Γ(α + β) α−1
F(x) = P(X ≤ x) = t (1 − t)β−1 dt
0 Γ(α)Γ(β)
• េបី x < (0, 1) េនាះ F(x) = 0 េ្រពាះ f (x) = 0
កូដ R ស្រមាប់
• P(X ≤ x) គឺ pbeta(x, shape1=alpha,shape2=beta)
• P(X > x) គឺ 1-pbeta(x, shape1=alpha,shape2=beta)
ឧទាហរណ៍ 6.2.13. េបី X ∼ Beta(α = 4, β = 2) េនាះ
• pbeta(0.9, shape1=4,shape2=2) = 0.91854 ផ្តល់នូវ P(X ≤ 0.9)
• 1 − pbeta(0.9, shape1=4,shape2=2) = 0.08146 ផ្តល់នូវ P(X > 0.9)
• pbeta(0.9,shape1=4,shape2=2)-pbeta(0.5,shape1=4,shape2=2) = 0.73104 ផ្តល់នូវ

P(0.5 < X < 0.9)
សំេណើ 6.2.5. េបី X ∼ Beta(α, β) េនាះ
α
E[X] =
α+β
αβ
V(X) =
(α + β)2 (α + β + 1)
158
Z ∞
E[X] = x f (x)dx
−∞
Z 1
Γ(α + β) α−1
= x x (1 − x)β−1 dx
0 Γ(α)Γ(β)
Z
Γ(α + β) 1 α
= x (1 − x)β−1 dx
Γ(α)Γ(β) 0
Γ(α + β)
= B(α + 1, β)
Γ(α)Γ(β)
Γ(α + β) Γ(α + 1)Γ(β)
=
Γ(α)Γ(β) Γ(α + β + 1)
α
=
α+β
Z ∞
E[X 2 ] = x2 f (x)dx
−∞
Z 1
Γ(α + β) α−1
= x2 x (1 − x)β−1 dx
0 Γ(α)Γ(β)
Z
Γ(α + β) 1 α+1
= x (1 − x)β−1 dx
Γ(α)Γ(β) 0
Γ(α + β)
= B(α + 2, β)
Γ(α)Γ(β)
Γ(α + β) Γ(α + 2)Γ(β)
=
Γ(α)Γ(β) Γ(α + β + 2)
(α + 1)α
=
(α + β + 1)(α + β)
V(X) = E[X 2 ] − (E[X])2
(α + 1)α α2
= −
(α + β + 1)(α + β) (α + β)2
αβ
=
(α + β)2 (α + β + 1)
□
ឧទាហរណ៍ 6.2.14. អ្នកែចកចាយេ្របងឥន្ទនៈេ្របអា ់ ក់លាក់មួយ។

ី ងស្តុកេ្របងធំមួយស្រមាប់ការផ្គត់ផ្គងជា
អាងស្តុក្រត�វបានបំេពញេរៀងរាល់ែថ្ងចន្ទ។ អ្វែី ដលអ្នកែចកចាយចាប់អារម្មណ៍គឺជាសមាមា្រតការផ្គត់ផ្គងែ់ ដល
បានលក់ កុ ងេពលមួ
្ន យ សបា្តហ៍។ រយៈេពលេ្រចន ី សបា្តហ៍ សមាមា្រតេនះ្រត�វ បានអេង្កត ថាជាអេថរៃចដន្យ
េបតាែដលមាន α = 4 នង
ិ β = 2។
1. រកមធ្យមៃនសមាមា្រតេនះ
2. េតី ្រប�បាប៊ីលីេតែដលអ្នក ែចកចាយនឹង លក់ យា៉ងេហាចណាស់ 90% ៃនស្តុកេនក្នុងសបា្តហ៍ មួយ

ចេម្លើយ. តាង X ជាសមាមា្រតៃនការផ្គត់ផ្គង់សរុបែដលបានលក់េនក្នុងមួយសបា្តហ៍ េនាះេយង

ី បាន X ∼
Beta(α = 4, β = 2)
159
1. មធ្យមៃនសមាមា្រតគឺ
α 4 2
E[X] = = =
α+β 4+2 3
2. ្រប�បាប៊ីលីេតែដលេយង
Z
Γ(4 + 2) 3
1
P(X ≥ 0.9) = x (1 − x)dx
0.9 Γ(4)Γ(2)
Z 1
= 20 (x3 − x4 )dx
0.9
= 20(0.004) = 0.08
ឧទាហរណ៍ 6.2.15. េសវាកម្មែផ្នកមួយៃនេ្រគឿងមា៉សុីនរថយន្តត្រម�វការរុះេរ ី ការផា្លស់បូ រ្ត និងការតេម្លីង។

សន្មតថា
់ សមាមា្រតៃនរយៈេពលេសវាកម្មសរុបស្រមាប់ការរុះេរេគារពតាមបំ
ី ែនងែចកេបតាែដលមាន α = 2.5
និង β = 1។ េតី្រប�បាប៊ីលីេតែដលសមាមា្រតៃនរយៈេពលស្រមាប់ការរុះេរេល
ី ីសពី 0.70 េស្មីនឹងប៉ុនា្មន?
ចេម្លើយ. តាង X ជាសមាមា្រតៃនរយៈេពលេសវាកម្មស្រមាប់ការរុះេរេនាះ
ី X ∼ Beta(α = 2.5, β = 1)។
ដូចេនះ្រប�បាប៊ីលីេតែដលេយង
Z 1
Γ(α + β) α−1
P(X > 0.7) = x (1 − x)β−1 dx
0.7 Γ(α)Γ(β)
Z 1
Γ(3.5) 1.5
= x dx
0.7 Γ(2.5)Γ(1)
√ " #1
(2.5)(1.5)(0.5) π x2.5
= √
(1.5)(0.5) π 2.5 0.7
= 1 − 0.72.5 = 0.59
ឧទាហរណ៍ 6.2.16. យក X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តឱ្យេដាយ




kx3 (1 − x)2 , 0 < x < 1
f (x) = 

ី ្យយ f ជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត

1. កំនត់តៃម្ល k ែដលេធ្វឱ
2. រកមធ្យម E[X] និងវា៉ដ្យង់ V(X) ៃន X

R∞
ចេម្លើយ. 1. f ជាអនុគមន៍ ដង់សុេី ត្រប�បាប៊ីលេី តេបី f (x) ≥ 0, ∀x នង
ិ −∞
f (x)dx = 1។ តាម
លក្ខខណ្ឌទី១ េយង
ី មាន k ≥ 0 និងតាមលក្ខខណ្ឌទី២
Z ∞ Z 1
f (x)dx = k x3 (1 − x)2 dx = kB(4, 3) = 1
−∞ 0
ដូចេនះ
1 Γ(4 + 3) 6!
k= = = = 60
B(4, 3) Γ(4)Γ(3) 3!2!
160
2. អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃន X គឺ



60x3 (1 − x)2 , 0 < x < 1
f (x) = 

ដូេច្នះ X ∼ Beta(α = 4, β = 3) និង
α 4 4
E[X] = = =
α+β 4+3 7
αβ 12 3
V(X) = = 2 =
(α + β) (α + β + 1) (7 )(8) 98
2
លំហាត់ 6.2.4. 1. យក X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តឱ្យេដាយ




kx4 (1 − x)2 , 0 < x < 1
f (x) = 

ី ្យ f ជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត
(a) កំនត់តៃម្ល k ែដលេធ្វឱ
ិ វា៉ដ្យង់ V(X) ៃន X
(b) រកមធ្យម E[X] នង
2. េនសា្ថនយ
ី ឥ
៍ ន្ទនៈមួយសមាមា្រតៃនអតថ
ិ ិជនែដលទញ
ិ ឥន្ទនៈែដលមានក្រមត
ិ អុកតានខ្ពស់េនក្នុង
សបា្តហ៍មួយជាអេថរៃចដន្យេបតាែដលមាន α = 1 និង β = 4។
(a) េបសា
ី ្ថ នីយឥ
៍ ន្ទនៈផ្តលេ់ សវាដល់អតិថិជនជាមធ្យម 850 នាក់េរៀងរាល់សបា្តហ៍ េតីមានអតិថិជន
ជាមធ្យមប៉ុនា្មននាក់ែដលនឹងទិញឥន្ទនៈែដលមានក្រមិតអុកតានខ្ពស់េនសបា្តហ៍េ្រកាយ?
(b) េត្រី ប�បាប៊ីលីេតែដលមានអតិថិជនេ្រចីនជាង 25% នឹងទិញឥន្ទនៈែដលមានក្រមិតអុកតានខ្ពស់

េនសបា្តហ៍េ្រកាយ?
3. សមាមា្រតៃនេ្រគឿងេអឡច
ិ ្រត� និច ខូច េនក្នុងដឹកជញ្ជូ នតាមកបា៉ល់ ជា អេថរៃចដន្យេបតាែដលមាន
α = 2 និង β = 3 ។
(a) រកសមាមា្រតមធ្យមៃនេ្រគឿងេអឡច
ិ ្រត�និចខូច
(b) រក្រប�បាប៊ីលេី តែដលយា៉ងេហាចណាស់ 20% ៃនេ្រគឿងេអឡច
ិ ្រត�នច
ិ ែដលដឹកជញ្ជូ នជាេ្រគឿង
េអឡច
ិ ្រត�នច
ិ ខូច
(c) រក្រប�បាប៊ីលីេតែដលការដឹកជញ្ជូ នមានេ្រគឿងេអឡច
ិ ្រត�និចខូចពី 10% េទ 25%
4. តៃម្លជួសជុល X (ក្នុង 100$) ្របចាំសបា្តហ៍ៃនមា៉សុីនមួយមានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតែដល

ឱ្យេដាយ 

cx(1 − x), 0 < x < 1

f (x) = 

(a) េតី X ជាអេថរៃចដន្យអ្វី?
(b) រកតៃម្ល c ែដលេធ្វីឱ្យ f ជាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត
161
(c) េត្រី ប�បាប៊ីលេី តែដលតៃម្លជួសជុលនង
ឹ េលស
ី 75$ ក្នុងសបា្តហ៍មួយេស្មន
ី ង
5. សមាមា្រតៃនជាតព
ិ ុលក្នុងមួយកញ្ច ប់ៃន្របេភទមួយេនក្នុងឧស�ហកម្មគម
ី ជា
ី អេថរៃចដន្យ X ែដល
មានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតែដលឱ្យេដាយ



20x3 (1 − x), 0<x<1
f (x) = 

់ កញ្ច ប់ែដលមានធាតុពុលេ្រចីនជាង 30% មិនអាចលក់េចញ។ េត្រី ប�បាប៊ីលីេតេស្មីនឹង

(a) សន្មតថា
ប៉ុនា្មនែដលកញ្ច ប់មួយែដល្រត�វបានេ្រជីសេរសេដាយៃចដន្យម
ី ិនអាចលក់េចញេដាយេហតុផល
េនះ?
(b) សន្មតថា ់ តៃម្លគត
ិ ជាដុលា្លរៃនកញ្ច ប់នម
ី ួយៗគឱ
ឺ ្យេដាយ V = 10 − 0.75X។ រកមធ្យម E[V] នង
ិ
វា៉ដ្យង់ V(V) ៃន V
6.2.5 អេថរៃចដន្យេវប៊ូល
អេថរៃចដន្យេវប៊ូលជាអេថរៃចដន្យជាប់្រត�វបានេ្របីស្រមាប់គំរូគណិតវ ិទយៃនអាយុកាល ដូចជាអាយុកាល

ៃនការដាំបេងា្គលេធ្មញ ឬរយៈេពលរហូតដល់បរាជ័យ។
និយមន័យ 6.2.7. អេថរៃចដន្យ X ជាអេថរៃចដន្យេវប៊ូល ែដលមានបា៉រា៉ ែម៉្រត γ > 0, β > 0 េបី វា មាន
γ γ

 −x
 β xγ−1 e β , x≥0
f (x) = 

នម
ិ ត
ិ ្តសញញ X ∼ Weibull(γ, β) មានន័យថា X ជាអេថរៃចដន្យេវប៊ូលែដលមានបា៉រា៉ ែម៉្រត γ, β ។
សមា្គល់ 6.2.11. • េបី γ = 1 េនាះវាជាអេថរៃចដន្យអុច
៉ ់ែស្យល
• េបី γ > 1 េនាះអនុគមន៍ ដង់សុេី ត្រប�បាប៊ីលេី ត្រសេដៀងគា្ន នង

ឹ អនុ គ មន៍ហា្ក មាប៉ុែន្ត មានលក្ខណៈ
គណិតវ ិទយខុសគា្ន។
េយង ិ ជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត។ េយង

ី បងា្ហញថា f ពត ី មាន
• f (x) ≥ 0, ∀x
•
Z ∞ Z ∞
γ γ−1 − xβγ
f (x)dx = x e dx
−∞ β
Z ∞
0
1 − βy
= e dy, (y = xγ )
β
h 0 − y i∞
= −e β
0
=1
162
េបី X ∼ Weibull(γ, β) េនាះអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតគឺ
• េបី x ≥ 0 េនាះ
F(x) = P(X ≤ x)
Z x
γ γ−1 − tβγ
= t e dt
0 β
γ x

− tβ
= −e
0
γ
− xβ
=1−e
សំេណើ 6.2.6. េបី X ∼ Weibull(γ, β) េនាះ Y = X γ ∼ E(β)
ស្រមាយបញ ី មានអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃន Y

្ជ ក់. េយង
FY (y) = P(Y ≤ y)
= P(X γ ≤ y)
1
= P(X ≤ y γ )
1
= FX y γ
1 γ
− y γ /β
=1−e
y
= 1 − e− β , y>0
dFY (y) 1 − βy
fY (y) = = e , y>0
dy β
□
សំេណើ 6.2.7. េបី X ∼ Weibull(γ, β) េនាះ
!
1 1
E[X] = β Γ 1 +γ
γ
 ! " !#2 

2 
 2 1 


V(X) = β γ 
Γ 1 + − Γ 1 + 
 γ γ  
Z ∞
E[X] = x f (x)dx
Z−∞
∞
γ γ − xβγ
= x e dx
β
0
Z
1 ∞ γ1 − βy
= y e dy, y = xγ , dy = γxα−1 dx
β 0
!
1 1+ γ1 1
= β Γ 1+
β γ
163
Z ∞
E[X ] =2
x2 f (x)dx
Z−∞
∞
γ γ+1 − xβα
= x e dx
β
Z 0

1 ∞ γ2 − βy
= y e dy, y = xγ , dy = γxα−1 dx
β 0
!
1 1+ β2 2
= β Γ 1+
β γ
!
2 2
= βγ Γ 1 +
γ
V(X) = E[X ] − (E[X])2
2
! " !#2
2 2 2 1
= βγ Γ 1 + − βγ Γ 1 +
γ γ
 ! " !#2 

2 
 2 1 


= βγ  Γ 1 + − Γ 1 + 
 γ γ  
□
ឧទាហរណ៍ 6.2.17. អាយុកាល(គិតជាពាន់េមា៉ង)ៃនែទម៉ូែម៉្រតមួយ្របេភទេគារពតាមបំែនងែចកេវប៊ូល
ែដលមាន γ = 2 នង
ិ β = 50 ។
1. រក្រប�បាប៊ីលីេតែដលែទម៉ូ ែម៉្រតមួយ ែដលតេម្លីង ក្នុង្របព័ន្ធ ៃថ្ងេនះនឹង ដំេនី រការល្អេ្រចីនជាង 10000

េមា៉ង។
2. រកអាយុកាលជាមធ្យមស្រមាប់ែទម៉ូែម៉្រត្របេភទេនះ
ចេម្លើយ. តាង X ជាអាយុកាលៃនែទម៉ូែម៉្រតមួយ្របេភទេនាះ X ∼ Weibull(γ = 2, β = 50)។ ដូចេនះ
1.
h i
P(X > 10) = 1 − P(X ≤ 10) = 1 − 1 − e−(10) /50 = e−(10) /50 = e−2 = 0.14
2 2
2.
! ! ! ! !
1 1 1 3 1 1 1 1 1 √
E[X] = β Γ 1 +
γ = (50) 2 Γ = (50) 2 Γ = (50) 2 π = 6.27
γ 2 2 2 2
លំហាត់ 6.2.5. 1. អាយុកាល(គត

ិ ជារយេមា៉ង)ៃនបាដាងមួយ្របេភទមានបំែនងែចកេវប៊ូលែដលមាន
γ = 2 នង
ិ β=4
(a) រក្រប�បាប៊ីលេី តែដលបាដាងមួយ្រត�វបានេ្រជស

ី េរសេដាយៃចដន្យន
ី ង
ឹ ខូចេនក្នុងេពលតច
ិ ជាង
200 េមា៉ង។
(b) រកអាយុកាលជាមធ្យមៃនបាដាង្របេភទេនះ។
2. េរសុី ស្ទ័ រែដលេ្របី កុ ង្របព័

្ន ន្ធ នា ំផូ វយន្ត
្ល េហាះមានអាយុកាលេគារពតាមបំ ែនងែចកេវប៊ូល ែដលមាន
γ = 2 នង
ិ β = 10 (គត
ិ ជាពាន់េមា៉ង)
(a) រក្រប�បាប៊ីលេី តែដលេរសុស

ី រ្ទ័ ្របេភទេនះមួយែដល្រត�វបានេ្រជស
ី េរសេដាយៃចដន្យ
ី មានអាយុកាល
េលស ី ពី 5000 េមា៉ង
164
ី រ្ទ័ ្របេភទេនះដំេនរី ការេដាយមន
(b) េបេី រសុស ិ អា្រស័យគា្ន រក្រប�បាប៊ីលេី តែដលមានេរសុស
ី រ្ទ័ មួយក្នុង
ចំេនាមេរសុីស្ទ័របីនឹងខូចមុន 5000 េមា៉ង
(c) រកមធ្យម និងវា៉ដ្យង់ៃនអាយុកាលៃនេរសុីស្ទ័រ្របេភទេនះ។
6.3 អេថរៃចដន្យនរមា៉ល់
និយមន័យ 6.3.1. អេថរៃចដន្យជាប់ X ជាអេថរៃចដន្យនរមា៉ល់ែដលមានបា៉រា៉ ែម៉្រត µ និង σ2 េបីវាមាន

1 (x−µ)2
f (x) = √ e− 2σ2 , −∞ < x < ∞.
σ 2π
ែដល π = 3.14159 . . . , e = 2.71828 . . .
នម
ិ ត
ិ ្តសញញ X ∼ N(µ, σ ) មានន័យថា X ជាអេថរៃចដន្យនរមា៉ល់ែដលមានបា៉រា៉ ែម៉្រត µ នង
2
ិ σ ។
2
លក្ខណៈៃនែខ្សេកាងនរមា៉ល់
• f (x) គឺឆុ ះគា

្ល ្ន េធៀបនឹង x = µ
• តៃម្លអតិបរមាៃន f (x) េកីតេឡង

ី េនចំនុច x = µ
រូប 6.1: ែខ្សេកាងនរមា៉ល់
ី ងា្ហញថា f ជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តេយង

េដីម្បប ី ្រត�វបងា្ហញថា
Z ∞
1 (x−µ)2
√ e− 2σ2 dx = 1
σ 2π −∞
តាង y = (x − µ)/σ េនាះេយង

ី បាន
Z ∞ Z ∞
1 − (x−µ)2
2
1 y2
√ e 2σ dx = √ e− 2 dy
σ 2π −∞ 2π −∞
165
ី ្រត�វ្រសាយថា
Z ∞ √
y2
I= e− 2 dy = 2π
−∞
R∞
ដំបូងេយង
ី បងា្ហញថា I = e− 2 dy ជាអាំងេត្រកាលរួម៖ េយងី មាន
y2
−∞
Z ∞ 2 Z 1 2 Z ∞ 2 !
− y2 − y2 y
I=2 e dy = 2 e dy + e− 2 dy
0 0 1
អាំងេត្រកាលទមី ួយេនខាងសា្តៃំ ដជាអាំងេត្រកាលកំនត់ធម្មតា។ ចំេពាះអាំងេត្រកាលទព

ី រី ៖ េបី y ≥ 1 េនាះ
−y2 ≤ −y និង e−y /2 ≤ e−y/2 េយងី បាន
2
Z ∞ 2 Z ∞
− y2 y
e dy ≤ e− 2 dy = 2e−1/2 < ∞
1 1
ដូេច្នះ I ជាអាំងេត្រកាលរួម។ បនា្ទប់មកេយង ី គណនា

Z ∞ Z ∞ 2
2 y
− x2
I =
2
e dx e− 2 dy
Z−∞
∞Z ∞
−∞
(x2 +y2 )
= e− 2 dxdy
−∞ −∞
ប្តូរចូលកូរអេដាេនប៉ូែលរ x = r cos θ, y = r sin θ, dxdy = rdrdθ េនាះ

Z ∞ Z 2π
r2
I =
2
e− 2 rdθdr
0
Z ∞0
r2
= 2π re− 2 dr
0 r2 ∞
= 2π −e− 2
0
= 2π
េដាយសារ I ≥ 0 េនាះ √
I= 2π
សំេណើ 6.3.1.
X−µ
X ∼ N(µ, σ2 ) លុះ្រតាែត Z = ∼ N(0, 1)
σ
ស្រមាយបញ្ជ ក់. • សន្មត់ថា X ∼ N(µ, σ2 ) េយង ី នងឹ ្រសាយថា Z ∼ N(0, 1)។ តាង FZ , F X ជា
អនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃន Z នងិ X េរៀងគា្នេនាះ
X − µ
FZ (x) = P (Z ≤ x) = P ≤ x = P (X ≤ σx + µ) = F X (σx + µ)
σ
េដរេវេធៀបន
ី ឹ x េនាះអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃន Z គឺ
ង
d d
fZ (x) = FZ (x) = F X (σx + µ) = σ fX (σx + µ)
dx dx
ដូចេនះ
1 x2
fZ (x) = √ e− 2
2π
ែដលជាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃនអេថរៃចដន្យនរមា៉ល់មានបា៉រា៉ ែម៉្រត µ = 0, σ2 = 1 ែដល
បងា្ហញថា Z ∼ N(0, 1)
166
• សន្មត់ថា Z ∼ N(0, 1) េយង ី នឹង្រសាយថា X ∼ N(µ, σ )។ េយង
2
ី មាន
x−µ x − µ
F X (x) = P (σZ + µ ≤ x) = P Z ≤ = FZ
σ σ
េដរេវេធៀបន
ី ឹ x េនាះអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃន X គឺ
ង
d d x − µ 1 x − µ
fX (x) = F X (x) = FZ = fZ
dx dx σ σ σ
1 (x−µ)2
= √ e− 2σ2
σ 2π
ែដលបងា្ហញថា X ∼ N(µ, σ2 )
□
សំេណើ 6.3.2. េបី X ∼ N(µ, σ2 ) េនាះចំេពាះ្រគប់ចំនួនេថរ a, b (b , 0) អេថរៃចដន្យ
Y = a + bX ∼ N(a + bµ, b2 σ2 )
ស្រមាយបញ្ជ ក់. តាង FY (y) ជាអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃន Y។ ចំេពាះ b > 0 េនាះ

FY (y) = P(Y ≤ y)
= P(a + bX ≤ y)
y − a
=P X≤
y − ab
= FX
b
ែដល F X ជាអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន X។ ដូចគា្នែដរេបី b < 0 េនាះ
FY (y) = P(a + bX ≤ y)
y − a
=P X≥
yb− a
= 1 − FX
b
ី ល់នូវអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន Y
ការគណនាេដរេវផ្ត
 y−a


 b fX b , b > 0
1
fY (y) = 

− 1 fX y−a , b < 0
b b
ែដលអាចសេសរជាទ្រមង់
1 y − a
fY (y) = fX
|b| b
1 y−a 2
√ e−( b −µ) /2σ
2
=
σ|b| 2π
1
√ e−(y−a−bµ) /2b σ
2 2 2
=
σ|b| 2π
ែដលបងា្ហញថា Y = a + bX ∼ N(a + bµ, b2 σ2 ) ែដលមានមធ្យម
E[Y] = E[a + bX] = a + bE[X] = a + bµ
និងវា៉ដ្យង់
V(Y) = V(aX + b) = b2 V(X) = b2 σ2
□
167
6.3.1 អេថរៃចដន្យនរមា៉ល់សង
្ត ់ដា
់ ែដលអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត
និយមន័យ 6.3.2. Z ∼ N(0, 1) េហថាអេថរៃចដន្យនរមា៉ល់ស្តងដា
ឱ្យេដាយ
1 z2
f (z) = √ e− 2 , −∞ < z < ∞
2π
សំេណើ 6.3.3. េបី Z ∼ N(0, 1) េនាះ
E[Z] = 0
V(Z) = 1
Z ∞
E[Z] = z f (z)dz
Z−∞
∞
1 z2
= z √ e− 2 dz
−∞ 2π
1
2 ∞
− z2
= √ −e
2π −∞
=0
Z ∞
E[Z ] =
2
z2 f (z)dz
−∞
Z ∞
1 z2
= √ z2 e− 2 dz
2π −∞
Z ∞ 2 !
1 − z22 ∞ z2
e− 2 dz , (u = z, dv = ze− 2 dz)
z
= √ −ze +
2π Z −∞ −∞
∞
1 2
e− 2 dz
z
= √
2π −∞
1 √
= √ 2π = 1
2π
V(Z) = E[Z 2 ] − (E[Z])2 = 1
សំេណើ 6.3.4. េបី X ∼ N(µ, σ2 ) េនាះ
E[X] = µ
V(X) = σ2
ស្រមាយបញ្ជ ក់. ចំេពាះ X ∼ N(µ, σ2 ) េបតា

ី ងZ= េនាះ Z ∼ N(0, 1) ។ េយង
ី បាន X = σZ + µ
X−µ
σ
នង
ិ
E[X] = E[σZ + µ] = σE[Z] + µ = µ

V(X) = V(σZ + µ) = σ2 V(Z) = σ2
168
អនុគមន៍បំែនងែចក្រប�បាប៊ីលីេតៃន Z គឺ
Z z
1 t2
Φ(z) = P(Z ≤ z) = √ e− 2 dt
2π −∞
មានន័យថា Φ(z) ជា្រកលាៃផ្ទេនខាងេ្រកាមែខ្សេកាងនរមា៉ល់ែផ្នកខាងេឆ្វងៃន z ។
លក្ខណៈៃន Φ
1.
lim Φ(z) = 0, lim Φ(z) = 1
z→−∞ z→∞
2.
1
Φ(0) =
2
3.
Φ(−z) = 1 − Φ(z), −∞ < z < ∞
តាមពត
ិ េទ
Z z
1 t2
1 − Φ(z) = 1 − √ e− 2 dt
Z2π∞ −∞ Z z
1 − t2
2 1 t2
= √ e dt − √ e− 2 dt
2π Z−∞ 2π Z−∞ Z z
z ∞
1 2
− t2 1 2
− t2 1 t2
= √ e dt + √ e dt − √ e− 2 dt
2π Z−∞ 2π z 2π −∞
∞
1 2
e− 2 dt
t
= √
2π z
Z −z
1 u2
= √ e− 2 du, (u = −t)
2π −∞
= Φ(−z).
សមា្គល់ 6.3.1. • ការគណនាអាំងេត្រកាលៃន Φ(z) េដាយការរក្រពម

ី ទ
ី ីវរបស់វាគម
ឺ ិនអាចេទរួចេនាះ
េទ ប៉ុែន្តវ ិធីសា�ស្តេលខស្រមាប់អាង
ំ េត្រកាលេនះ្រត�វបានេ្របីេដីម្បីបេង្កីតតារាងបំែនងែចកនរមា៉ល់
ស្តង់ដា។
ី ្រី ទៃី នអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត

• លក្ខណៈ Φ(−z) = 1−Φ(z), −∞ < z < ∞ េហថាលក្ខណៈសុម
់ ។ លក្ខណៈេនះមានន័យថា
នរមា៉ល់ស្តងដា
P(Z ≤ −z) = P(Z > z)
េបី X ∼ N(µ, σ2 ) េនាះអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃន X គឺ

Z x
1 − (t−µ)
2
F(x) = P(X ≤ x) = √ e 2σ2 dt
−∞ σ 2π
េបី X ∼ N(µ, σ2 ) កូដ R
169
• pnorm(x,µ, σ) ស្រមាប់ P(X ≤ x)
• q=qnorm(p,µ, σ) ស្រមាប់ P(X ≤ q) = p
េបី Z ∼ N(0, 1) កូដ R ស្រមាប់
• P(Z ≤ z) គឺ pnorm(z)
• P(Z ≤ q) = p គឺ qnorm(p)
ឧទាហរណ៍ 6.3.1. យក Z ∼ N(0, 1) ។
• តាមតារាងបំែនងែចកនរមា៉ល់ស្តង់ដាេយង
ី បាន P(Z ≤ 1.96) = Φ(1.96) = 0.9750
• តាមកូដ R េយង
ី មាន pnorm(1.96)=0.9750 ផ្តល់នូវ P(Z ≤ 1.96)
ឧទាហរណ៍ 6.3.2. េបី X ∼ N(µ = 70, σ2 = 42 ) កូដ R
• pnorm(74,70,4)=0.8413447 ផ្តល់នូវ P(X ≤ 74)
• 1-pnorm(72,70,4)=0.3085375 ផ្តល់នូវ P(X > 72)
• pnorm(71,70,4)-pnorm(67,70,4)=0.372079 ផ្តល់នូវ P(67 < X < 71)
6.3.2 ្រប�បាប៊ីលេី តទាក់ទងនឹងអេថរៃចដន្យនរមា៉ល់
យក Z ∼ N(0, 1) េនាះ្រប�បាប៊ីលេី តែដល Z េនចេនា្លះ a នងិ b ; P(a < Z < b) គជា

ឺ ្រកលាៃផ្ទខាងេ្រកាម
ែខ្សេកាងនរមា៉ល់ស្តង់ដាេនចេនា្លះ a និង b។ េយង
ី អាចេ្របីតារាងបំែនងែចកនរមា៉ល់ស្តង់ដាេដីម្បគ
ី ណនា
្រប�បាប៊ីលីេត្របេភទេនះ។ [េមីលេសចក្តីបែន្ថមក្នុង ១]
z 0.00 0.01 0.02 0.03 ··· 0.09
0.0 0.5000 0.5040

..
.
1.1 0.8643 0.8665
1.2 0.8849 0.8869 0.8888
តាមតារាងេនះេយង
ី បាន
P(Z < 1.22) = 0.8888
លក្ខណៈ 6.3.1. 1.
P(a ≤ Z ≤ b) = P(a < Z < b) = P(Z < b) − P(Z < a)
2.
P(Z < −a) = P(Z > a) = 1 − P(Z < a)
170
3.
P(|Z| > a) = P(Z > a) + P(Z < −a) = 2P(Z > a)
ឧទាហរណ៍ 6.3.3. តាមតារាងបំែនងែចកនរមា៉ល់ស្តង់ដា
1. P(Z < 1.5) = 0.9332

2. P(Z ≥ 0.8) = 1 − P(Z < 0.8) = 1 − 0.7881 = 0.2119
3. P(1 < Z < 2) = P(Z < 2) − P(Z < 1) = 0.9772 − 0.8413 = 0.1359
4. P(|Z| > 1.8) = 2P(Z > 1.8) = 2(1 − P(Z ≤ 1.8)) = 2(1 − 0.9641) = 0.0718
្រប�បាប៊ីលេី តៃន X ∼ N(µ, σ2 )
េដាយសារ Z = X−µ
σ
∼ N(0, 1) េនេពលែដល X ∼ N(µ, σ2 ) េនាះេយង
ី បាន
•
X − µ a − µ a − µ a − µ
P(X < a) = P < =P Z< =Φ
σ σ σ σ
•
!
a−µ X−µ b−µ
P(a < X < b) = P < <
σ σ σ
!
a−µ b−µ
=P <Z<
σ σ
!
b−µ a − µ
=P Z< −P Z <
σ σ
!
b−µ a−µ
=Φ −Φ
σ σ
•
!
X−µ b−µ
P(X > b) = P >
σ σ
!
b−µ
=P Z>
σ
!
b−µ
=1−P Z ≤
σ
!
b−µ
=1−Φ
σ
ី ែតងែតអាចបែម្លង អេថរៃចដន្យនរមា៉ល់ ទូេទ េទជាអេថរៃចដន្យនរមា៉ល់ ស្តង់ ដា

តាមរយៈទំនាក់ទំនង
X−µ
Z=
σ
ឧទាហរណ៍ 6.3.4. េបី X ∼ N(µ = 3, σ2 = 16) េនាះ
1.
!
X − 3 11 − 3
P(X < 11) = P < = Φ(2) = 0.9772
4 4
171
2.
!
X − 3 −1 − 3
P(X > −1) = P > = P(Z > −1) = P(Z < 1) = Φ(1) = 0.8413
4 4
3.
! 1
2−3 X−3 7−3
P(2 < X < 7) = P < < = Φ(1) − Φ − = 0.8413 − 0.4013 = 0.4400
4 4 4 4
ឧទាហរណ៍ 6.3.5. យក X ∼ N(µ, σ2 )។ រក្រប�បាប៊ីលីេត
1. P(|X − µ| > σ)
2. P(|X − µ| > 2σ)
3. P(|X − µ| > 3σ)
ី មាន
|X − µ| > aσ ⇐⇒ |Z| > a
1.
P(|X − µ| > σ) = P(|Z| > 1) = 2P(Z > 1) = 2(1 − P(Z ≤ 1)) = 2(1 − 0.8413) = 0.3174
2.
P(|X − µ| > 2σ) = P(|Z| > 2) = 2P(Z > 2) = 2(1 − P(Z ≤ 2)) = 2(1 − 0.9772) = 0.0456
3.
P(|X − µ| > 3σ) = P(|Z| > 3) = 2P(Z > 3) = 2(1 − P(Z ≤ 3)) = 2(1 − 0.9987) = 0.0026
ឧទាហរណ៍ 6.3.6. ពិនុ្របលង

្ទ IQ ៃនសិស្សថា្នក់ទី៦ជាបំែនងែចកនរមា៉ល់ែដលមានមធ្យម 100 និងគមា្លត
ស្តង់ដា 14.2
1. េតី ្រប�បាប៊ីលីេតែដលសិស្សថា្នក់ ទី៦មា្នក់ ្រត�វ បានេ្រជីសេរសេដាយៃចដន្យមានព

ី ិនុ ្ទ េ្រចីនជាង 130
2. េតី ្រប�បាប៊ីលេី តែដលសស

ិ ្សថា្នក់ ទ៦
ី មា្នក់ ្រត�វ បានេ្រជីសេរសេដាយៃចដន្យមានព
ី ន
ិ ុ ្ទ ចេនា្លះពី 90 េទ
115 េស្មីនឹងប៉ុនា្មន?
ចេម្លើយ. តាង X ជាពិនុ ៃនស

្ទ ិស្សមា្នក់ែដល្រត�វបានេ្រជីសេរសេនាះ
ី X ∼ N(100, 14.22 )
1.
!
X − 100 130 − 100
P(X > 130) = P >
14.2 14.2
= P(Z > 2.11)
= 1 − P(Z ≤ 2.11)
= 1 − 0.9826 = 0.0174
172
2.
!
90 − 100 X − 100 115 − 100
P(90 ≤ X ≤ 115) = P ≤ ≤
14.2 14.2 14.2
= P(−0.70 ≤ Z ≤ 1.05)
= P(Z ≤ 1.05) − P(Z ≤ −0.70)
= 0.8531 − 0.2420 = 0.6111
ឧទាហរណ៍ 6.3.7. ចំេពាះមនុស្សមួយ្រក�មចងា្វក់េបះដូងជាមធ្យមគឺ 72 ដងក្នុងមួយនាទ។

ី សន្មតថា
់ ចងា្វក់
េបះដូងជាអេថរៃចដន្យនរមា៉ល់េហយ ់ គឺ 3 ដងក្នុងមួយនាទី។ េបម
ី គមា្លតស្តងដា ី នុស្សមា្នក់្រត�វបានេ្រជីសេរស
ី
េដាយៃចដន្យ រក្រប�បាប៊ីលីេតែដលគាត់មានចងា្វក់េបះដូង
1. ចេនា្លះពី 68 េទ 74 ដងក្នុងមួយនាទី
2. េ្រចីនជាង 70 ដងក្នុងមួយនាទី
3. តិចជាង 75 ដងក្នុងមួយនាទី
ចេម្លើយ. តាង X ជាចងា្វក់េបះដូងមនុស្សក្នុងមួយនាទេី នាះ X ∼ N(72, 32 )
1.
!
68 − 72 X − 72 74 − 72
P(68 ≤ X ≤ 74) = P ≤ ≤
3 3 3
= P(−1.34 ≤ Z ≤ 0.67)
= P(Z ≤ 0.67) − P(Z ≤ −1.34)
= 0.7486 − 0.0901 = 0.6585
2.
!
X − 72 70 − 72
P(X > 70) = P >
3 3
= P(Z > −0.67)
= 1 − P(Z ≤ −0.67)
= 1 − 0.2514 = 0.7486
3.
!
X − 72 75 − 72
P(X < 75) = P <
3 3
= P(Z < 1)
= 0.8413
ី ំេណីរេទេធ្វកា
ឧទាហរណ៍ 6.3.8. សន្មត់ ថា រយៈេពលេធ្វដ ី រជាអេថរៃចដន្យនរមា៉ល់ ែដលមានមធ្យម 25
ិ គមា្លតស្តង់ ដា 6.1 នាទ។
នាទី នង ី រក្រប�បាប៊ីលេី តែដលអ្នកេធ្វី ដំេណីរេទេធ្វកា
ី រមា្នក់ ្រត�វ បានេ្រជស
ី េរស
ី
េដាយៃចដន្យចំណាយេពលេទេធ្វីការ
173
1. េ្រចីនជាង 30 នាទី
2. តិចជាង 18 នាទី
ចេម្លើយ. តាង X ជារយៈេពលេធ្វីដំេណីរេទេធ្វីការេនាះ X ∼ N(25, 6.12 )
1.
!
X − 25 30 − 25
P(X > 30) = P >
6.1 6.1
= P(Z > 0.82)
= 1 − P(Z ≤ 0.82)
= 1 − 0.7939 = 0.2061
2.
!
X − 25 18 − 25
P(X < 18) = P <
6.1 6.1
= P(Z < −1.15) = 0.1251
ែពរសង់ទីលៃនអេថរៃចដន្យនរមា៉ល់
ចំេពាះ 0 < α < 1 េយង

ី កំនត់ zα ជាតៃម្លែដល
P(Z > zα ) = α
មានន័យថា្រប�បាប៊ីលេី តែដលអេថរៃចដន្យនរមា៉ល់ស្តងដា ់ ធំជាង zα េស្មន

ី ងឹ α ឬ្រកលាៃផ្ទេនេ្រកាមែខ្សេកាង
់ េនខាងសា្តៃំ ន zα េស្មន
នរមា៉ល់ស្តងដា ី ងឹ α ។ ដូចេនះ
P(Z < zα ) = 1 − α
់ ីលៃនអេថរៃចដន្យនរមា៉ល់ស្តងដា
zα េហថា100(1 − α)% ែពរសងទ ់ ។ េយង
ី អាចកំនត់ zα េដាយេ្របតា
ី រាង
បំែនងែចកនរមា៉ល់ស្តង់ដា។

ី នឹង េ្របី ែផ្នក េនះេនេពលេយង
ី សិក�អំពី ចេនា្លះេជឿជាក់ និង េតស្ត សម្មតិកម្ម េនក្នុង
ស្ថិតិសន្និដា្ឋន។
ឧទាហរណ៍ 6.3.9. រក z0.025
P(Z < z0.025 ) = 1 − P(Z > z0.025 ) = 0.975
េហយ
ី 0.975 ជាតៃម្លកុ ងតារាងបំ
្ន ែនងែចកនរមា៉ល់ស្តង់ដាេនជួរេដកែដល្រត�វនង
ឹ 1.9 នង
ិ ជួរឈរ 0.06 ។
z 0.00 0.01 ··· 0.06 ··· 0.09
0.0
..
.
1.9 0.975
174
ដូចេនះ
z0.025 = 1.96
សមា្គល់ 6.3.4. • េបស
ី ន
ិ ជាតៃម្លេនាះមន
ិ មានក្នុងតារាងេនាះេយង
ី េ្របត
ី ៃម្លែដលេគៀកជាងេគ។
z0.10 = 1.28
P(Z < z0.10 ) = 1 − P(Z > z0.10 ) = 0.90
េហយ ់ េន
ី 0.90 ជាតៃម្លែដលេនចេនា្លះ 0.8997 និង 0.9015 េនក្នុងតារាងបំែនងែចកនរមា៉ល់ស្តងដា
ជួរេដកែដល្រត�វនឹង 1.2 និងជួរឈរេរៀងគា្ន 0.08 និង 0.09
z 0.00 0.01 · · · 0.08 0.09
0.0
..
.
1.2 0.8997 0.9015
• េបីសិនជាតៃម្លេនាះេនចេនា្លះកណា
្ត លពីរេលខក្នុងតារាងេនាះេយង
ី យកតៃម្លធំជាងេគរវាងតៃម្លទាង
ំ ពីរ។
z0.05 = 1.65
P(Z < z0.05 ) = 1 − P(Z > z0.05 ) = 0.95
េហយ
ី 0.95 ជាតៃម្លែដលេនចេនា្លះ 0.9495 នង ់ េន
ិ 0.9505 េនក្នុងតារាងបំែនងែចកនរមា៉ល់ស្តងដា
ជួរេដកែដល្រត�វនឹង 1.6 និងជួរឈរេរៀងគា្ន 0.04 និង 0.05
z 0.00 0.04 0.05 ··· 0.09
0.0
..
.
1.6 0.9495 0.9505
សមា្គល់ 6.3.5. • តៃម្លសខា

ំ ន់ៗែដលេ្របក
ី ុ ងចេនា
្ន ្ល ះេជឿជាក់នង
ិ េតស្តសម្មតក
ិ ម្មេនក្នុងស្ថត
ិ សិ ន្នដា
ិ ្ឋ ន៖
z0.10 = 1.28, z0.05 = 1.65, z0.025 = 1.96, z0.01 = 2.33, z0.005 = 2.58
់ ីលៃនអេថរៃចដន្យនរមា៉ល់ស្តង់ដា។
• កូដ R qnorm(1-α) ផ្តល់នូវ 100(1 − α)% ែពរសងទ
1. qnorm(0.90)=1.281552 ផ្តល់នូវ z0.10
175
2. qnorm(0.95)= 1.644854 ផ្តល់នូវ z0.05
3. qnorm(0.9750)=1.959964 ផ្តល់នូវ z0.025
4. qnorm(0.99)=2.326348 ផ្តល់នូវ z0.01
5. qnorm(0.995)= 2.575829 ផ្តល់នូវ z0.005
• 100(1 − α)% ែពរសង់ទល

ី xα ៃនអេថរៃចដន្យនរមា៉ល់ N(µ, σ ) គឺ
2
xα = µ + σ.zα
ែដល zα ជា 100(1 − α)% ែពរសង់ទីលៃនអេថរៃចដន្យនរមា៉ល់ស្តង់ដា។

លំហាត់ 6.3.1. 1. េបី X ∼ N(µ, σ2 ) រក b ែដល
X−µ
P −b < < b = 0.90
σ
2. េបី X ∼ N(µ, σ2 ) បងា្ហញថា

r
2
E |X − µ| = σ
π
3. បងា្ហញថា !
1 √
Γ = π
2
4. េគឱ្យ X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុីេត



x2
 √2π e− 2 ,
2
0<x<∞
f (x) = 

រកមធ្យម E[X] និងវា៉ដ្យង់ V(X) ៃន X
5. យក Z ∼ N(0, 1) បងា្ហញថាចំេពាះ k = 1, 2, 3, . . . .
h i (2k)!
E Z 2k = k
h i 2 k!
E Z 2k+1
=0
6. េបី X ∼ N(µ, σ2 ) បងា្ហញថាចំេពាះ n = 1, 2, 3, . . .

X 2kn µn−2k σ2k (2k)!
[n/2]
E [X n ] =
k=0
2k k!
ែដល [n/2] ជាចំនួនគត់ ធំជាងេគែដលតូចជាងឬេស្មី n/2 ។ េផ្ទ�ងផា្ទត់ ចេម្លយ

ី ចំេពាះ n = 1 នង
ិ
n=2។
7. រយៈេពលែដលអ្នកេបីកបរ្របតិកម្មេទនឹងេភ្លីង�ហា្វង
ំ េដីម្បប
ី ន្ថយេល្ប�នរថយន្តេគារពតាមបំែនងែចក
នរមា៉ល់ែដលមានមធ្យម 1.25 វ ិនាទីនិងគមា្លតស្តង់ដា 0.46 វ ិនាទី។ េតី្រប�បាប៊ីលីេតែដលរយៈេពល
្របតិកម្ម
176
(a) េនចេនា្លះពី 1 វ ិនាទីនង
ិ 1.75 វ ិនាទេី ស្មន
(b) េលីសពី 2 វ ិនាទីេស្មីនឹងប៉ុនា្មន?
8. េបីអាយុកាលៃននាឡកា ិ ៃដជាអេថរៃចដន្យនរមា៉ល់ែដលមានមធ្យម 25 ែខនង ិ គមា្លតស្តង់ដា 5 ែខ។

េតីរយៈេពលប៉ុនា្មនែខែដលគួរែតធានាេបីអ្នកផលិតមិនចង់បូ រនាឡ
្ត កា
ិ េ្រចីនជាង 10% ?
9. រយៈេពលជាមធ្យមៃនការចូលស្រមាកេនមន្ទរី េពទ្យស្រមាប់ការពយបាលគឺ 4.8 ៃថ្ង ។ េបេី យង

់
រយៈេពលស្រមាកេនមន្ទរី េពទ្យមានបំែនងែចកនរមា៉ល់ែដលមានវា៉ដ្យង់ 2.1 េតី 10% ៃនការស្រមាក
េនមន្ទីរេពទ្យគឺេ្រចីនជាងប៉ុនា្មនៃថ្ង? េតី 30% ៃនការស្រមាកេនមន្ទីរេពទ្យគឺតិចជាងប៉ុនា្មនៃថ្ង?
10. េនក្នុងដំេនីរការសាងសង់ផូ វសុ

្ល ីម៉ង់ត៍្រត�វបានដឹកជញ្ជូ នេដាយរថយន្តដឹកសុីម៉ង់ត៍ពីកែន្លងលាយេទ
ការដា្ឋន។ រយៈេពលដឹកជញ្ជូ នជាអេថរៃចដន្យែដលមានមធ្យម 8.46 នាទីនង ិ គមា្លតស្តង់ដា 0.913
នាទី។
(a) េតី ្រប�បាប៊ីលីេតែដលរយៈេពលដឹកជញ្ជូ នយា៉ងេហាចណាស់ 10 នាទី េស្មីនឹង ប៉ុនា្មន? េលីស

10 នាទេី ស្មន
(b) េត្រី ប�បាប៊ីលេី តែដលរយៈេពលដក
ឹ ជញ្ជូ នេលស
ី 15 នាទេី ស្មន
(c) េតី្រប�បាប៊ីលីេតែដលរយៈេពលដឹកជញ្ជូ នេនចេនា្លះពី 8 នាទីេទ 10 នាទីេស្មីនឹងប៉ុនា្មន?
(d) េតត ឹ ជញ្ជូ នេនចេនា្លះពី 8.46−c េទ 8.46+c េស្មន

ី ៃម្ល c ែដល 98% ៃនរយៈេពលដក ី ងឹ ប៉ុនា្មន?
(e) េបរី យៈេពលដក

ឹ ជញ្ជូ ន 4 ្រត�វបានេ្រជស
ី េរសេដាយៃចដន្យម
ី ិ អា្រស័យគា្ន េត្រី ប�បាប៊ីលេី តែដល
ន
ី ឹងប៉ុនា្មន? (ជំនួយគំនិតៈ េ្របីបំែនងែចកេទ្វធាែដល
មួយក្នុងចំេនាម 4 េលីសពី 10 នាទីេស្មន
n = 4 និង្រប�បាប៊ីលីេតេជាគជ័យជា្រប�បាប៊ីលីេតែដលរយៈេពលដឹកជញ្ជូ នេលីស 10 នាទី)
177
តារាងសេង្ខបៃនអេថរៃចដន្យជាប់
អេថរៃចដន្យ អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត មធ្យម វា៉ដ្យង់

(b−a)2
X ∼ U(a, b) f (x) = 1
b−a
,a ≤x≤b a+b
2 12
f (x) = β1 e− β , x ≥ 0
x
X ∼ E(β) β β2
X ∼ Gamma(α, β) xα−1 e− β ,
x
f (x) = 1
βα Γ(α)
x≥0 αβ αβ2
X ∼ Beta(α, β) f (x) = Γ(α+β) α−1

Γ(α)Γ(β)
x (1 − x)β−1 , 0 < x < 1 α
α+β
αβ
(α+β)2 (α+β+1)
γ h i
X ∼ Weibull(γ, β) γ γ−1 − xβ 1 2
1 2
f (x) = β
x e ,x≥0 β Γ 1 + γ1
γ β Γ 1+ γ − Γ 1+ γ
γ 2
(x−µ) 2
X ∼ N(µ, σ2 ) f (x) = 1
√
σ 2π
e− 2σ2 , −∞ < x < ∞ µ σ2
178
អនុគមន៍ៃនអេថរៃចដន្យ
ជំពូកេនះេផា្តតជាសំខាន់េទេលអ ឹ គណិត និងវា៉ដ្យង់

ី នុគមន៍ៃនអេថរៃចដន្យ បំែនងែចក្រប�បាប៊ីលីេត សង្ឃម
របស់វា តិចនិចក្នុងការរកបំែនងែចក្រប�បាប៊ីលីេត។ េយង
ី ក៏នឹងសិក�េទេលព
ី ហុអេថរៃចដន្យ អនុគមន៍ៃន
ឹ គណិត កូវា៉ដ្យង់ និងកូរេឡស
ពហុអេថរៃចដន្យ បំែនងែចក្រប�បាប៊ីលីេត សង្ឃម ី ិនរបស់វា ភាពមិនអា្រស័យ
គា្នៃនអេថរៃចដន្យ នង
ិ ផលបូកៃនអេថរៃចដន្យមន
ិ អា្រស័យគា្ន។
7.1 អនុគមន៍ៃនអេថរៃចដន្យ
េនក្នុងែផ្នកេនះេយង ិ �អនុគមន៍ៃនអេថរៃចដន្យែដលមានទ្រមង់ g(X) មានន័យថា g ជាអនុគមន៍ៃន

ី សក
អេថរៃចដន្យ X ។
និយមន័យ 7.1.1. េនេលី លំហ គំរូ Ω ចំេពាះអេថរៃចដន្យ X និង អនុគមន៍ g : R → R, g(X) ជាអេថរ
ៃចដន្យែដលបញ្ជូ ន ω េទ g(X(ω)) ស្រមាប់្រគប់ ω ∈ Ω។
េដាយសា្គល់បំែនងែចក្រប�បាប៊ីលេី តៃន X
្វ បំែនងែចក្រប�បាប៊ីលីេតៃន g(X) ? ឬេតី g(X) ជាអេថរៃចដន្យអ្វី?

្វ សង្ឃម
ឹ គណិតៃន g(X) ?
្វ វា៉ដ្យង់ៃន g(X) ?
បំែនងែចក្រប�បាប៊ីលេី តៃន g(X)
អនុគមន៍ៃនអេថរៃចដន្យជាអេថរៃចដន្យ។ g(X) ជាបណា ្ត ក់ៃនអនុគមន៍ X នងិ g (ដំបូងេ្របី X បនា្ទប់មក

េ្របី g)។ ជាឧទាហរណ៍េបី X ជាអេថរៃចដន្យេនាះ X 2 , eX នងិ sin X ក៏ជាអេថរៃចដន្យែដរ។ េយង ី នង
ឹ សក ិ �
តិចនិចេផ្សងៗេនក្នុងការរកបំែនងែចក្រប�បាប៊ីលីេតៃន g(X)។ តិចនិចទាំងេនាះរួមមាន
1. តច ិ អនុគមន៍បំែនងែចក្រប�បាប៊ីលេី ត
ិ នច
2. តិចនិចប្តូរអេថរ
3. តិចនិចអនុគមន៍បេង្កីតម៉ូម៉ង់
តិចនិចអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី ត (ករណីអេថរៃចដន្យដាច់)
េគឱ្យអេថរៃចដន្យដាច់ X ែដលមានអនុគមន៍មា៉ស្រប�បាប៊ីលីេតែដលសា្គល់ េតីេយង

ី អាចរកអនុគមន៍មា៉ស
្រប�បាប៊ីលីេតៃន Y = g(X) យា៉ងដូចេម្តច?
179
ករណី g ជាអនុគមន៍មួយទល់មួយ
េនក្នុងករណីែដល g ជាអនុគមន៍មួយទល់មួយេនាះទ្រមៃន Y ជាសំនុៃំ ន្រគប់ g(x) ែដល x េនក្នុងទ្រមៃន

X នង
ិ
P(Y = g(x)) = P(g(X) = g(x)) = P(X = x).
x P(X = x) y P(Y = y)
x1 p1 g(x1 ) p1
x2 p2 g(x2 ) p2
x3 p3 g(x3 ) p3
.. .. .. ..
. . . .
េបី g មន
ិ ែមនជាអនុគមន៍ មួយ ទល់ មួយ េទេនាះចំេពាះ y មួយ អាចមានតៃម្ល x ជាេ្រចន ី ែដល g(x) = y។
ី ណនា្រប�បាប៊ីលីេត P(g(X) = y) េយង
ដូចេនះេដីម្បគ ី ្រត�វបូក្រប�បាប៊ីលេី តៃន X ែដលយកតៃម្ល x ទាំងឡាយ
ណាែដល g(x) = y។
អនុគមន៍មា៉ស្រប�បាប៊ីលេី តៃន g(X)
េគឱ្យ X ជាអេថរៃចដន្យដាច់ និង g : R → R េនាះទ្រមៃន g(X) ជាសំនៃុំ ន y ទាំងឡាយណាែដល g(x) = y

ិ អនុគមន៍មា៉ស្រប�បាប៊ីលេី តៃន g(X) គឱ
ចំេពាះយា៉ងេហាចណាស់ x មួយេនក្នុងទ្រមៃន X នង ឺ ្យេដាយ
X
P(g(X) = y) = P(X = x),
x:g(x)=y
ចំេពាះ្រគប់ y េនក្នុងទ្រមៃន g(X)។
ឧទាហរណ៍ 7.1.1. េគឱ្យ X ជាអេថរៃចដន្យដាច់ែដលមានអនុគមន៍មា៉ស្រប�បាប៊ីលីេត
pX (−1) = 0.2, pX (0) = 0.5, pX (1) = 0.3
តាង Y = X 2 រកអនុគមន៍មា៉ស្រប�បាប៊ីលេី តៃន Y។
អនុគមន៍មា៉ស្រប�បាប៊ីលេី តៃន Y គឱ
pY (0) = P(Y = 0) = P(X = 0) = 0.5

pY (1) = P(Y = 1) = P(X 2 = 1) = P(X = −1 ឬ X = 1)
= P(X = −1) + P(X = 1) = 0.2 + 0.3 = 0.5
ឧទាហរណ៍ 7.1.2. េគឱ្យ X ជាអេថរៃចដន្យដាច់ែដលមានអនុគមន៍មា៉ស្រប�បាប៊ីលីេត pX (x) = 1

5
ចំេពាះ
x = −1, 0, 1, 2, 3។ តាង Y = 2|X| រកអនុគមន៍មា៉ស្រប�បាប៊ីលីេតៃន Y។
180
េយង
ី ថាតៃម្លែដល Y អាចយកបានគឺ {0, 2, 4, 6} េនាះ
1
pY (0) = P(Y = 0) = P(2|X| = 0) = P(X = 0) =
5
pY (2) = P(Y = 2) = P(2|X| = 2) = P(X = −1 ឬ X = 1)
2
= P(X = −1) + P(X = 1) =
5
pY (4) = P(Y = 4) = P(2|X| = 4) = P(X = −2 ឬ X = 2)
1
= P(X = 2) =
5
pY (6) = P(Y = 6) = P(2|X| = 6) = P(X = −3 ឬ X = 3)
1
= P(X = 3) =
5
តិចនិចអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី ត (ករណីអេថរៃចដន្យជាប់)
សន្មត់ ថា X ជាអេថរៃចដន្យជាប់ ែដលមានអនុគមន៍ ដង់សុីេត្រប�បាប៊ីលីេត fX (x) េនាះ Y = g(X) ក៏ ជា

អេថរៃចដន្យជាប់ែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តផា្ទល់ខួ នរបស់
្ល វា។ េយង ឹ រកអនុគមន៍ដង់សុេី ត
ី នង
្រប�បាប៊ីលេី តៃន Y តាមតច ិ អនុគមន៍បំែនងែចក្រប�បាប៊ីលេី ត។
ិ នច
តិចនិចអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី ត
1. រកអនុគមន៍បំែនងែចក្រប�បាប៊ីលីេត
FY (y) = P(Y ≤ y)
េដាយេធ្វអា
ី ងំ េត្រកាលអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត fX (x) េលែី ដន {x : g(x) ≤ y}
2. រកអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត fY (y) េដាយេធ្វីេដរេវេល

ី ី FY (y) មានន័យថា
fY (y) = FY′ (y).
ឧទាហរណ៍ 7.1.3. េគឱ្យអេថរៃចដន្យ X ែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត
f (x) = 3x2 , 0 < x < 1
្វ អនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន Y = X 2 ?
េតីអីជា
េយង
ី មានចំេពាះ 0 < y < 1
√
FY (y) = P(Y ≤ y) = P(X 2 ≤ y) = P(0 ≤ X ≤ y)
Z √y
√y
= 3t2 dt = t3 0 = y3/2
0
ដូចេនះចំេពាះ 0 < y < 1

3
fY (y) = FY′ (y) = y1/2
2
181
ឧទាហរណ៍ 7.1.4. េគឱ្យ X ∼ N(0, 1)។ េតអ ី្វ អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត ៃន Y = X ?
ី ជា
2
សមា្គល់ថាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន X គឺឱ្យេដាយ
1 x2
f (x) = √ e− 2 , −∞ < x < ∞.
2π
េយង
ី មានចំេពាះ y ≥ 0
√ √
FY (y) = P(Y ≤ y) = P(X 2 ≤ y) = P(− y ≤ X ≤ y)
Z √y Z √y
1 − x22 1 x2
= √ √ e dx = 2 √ e− 2 dx.
− y 2π 0 2π
ដូចេនះ
2 1
fY (y) = FY′ (y) = √ e−y/2 √ , 0 < y < ∞.
2π 2 y
លំហាត់ 7.1.1. 1. េគឱ្យ U ∼ U(0, 1)។

តាង
X = − ln(1 − U)
រកអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន X។
2. េគឱ្យ U ∼ U(0, 1)។

តាង
X = eU
រកអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន X។
វិធីសា�ស្តបរអេថរ
ូ្ត
េនក្នុងករណីអេថរៃចដន្យជាប់ វ ិធីសា�ស្តែដលេយង
ី បានេ្របគ ី នុគមន៍បែំ នងែចក្រប�បាប៊ីលីេត
ី េឺ ផ្តីមេចញពអ
ៃន g(X) រួច េយងី បែម្លង ្រពត
ឹ ិ្ត ការណ៍ {g(X) ≤ y} េទជា្រពត
ឹ ិ្ត ការណ៍ សមមូល ពាក់ព័ន្ធ នង
ឹ X ។ ស្រមាប់
g ទូេទដេំ ណីរការេនះវាមិនងាយ្រស�លេពកេនាះេទ ប៉ុែន្តេនេពលែដល g ជាអនុគមន៍មានេដរេវន ី ិងេកីន
ដាច់ខាតេនាះវាមានភាពងាយ្រស�ល េនក្នុងការបែម្លង៖ ករណីេនះ {g(X) ≤ y} ដូចគា្ននង ឹ {X ≥ g (y)}
−1
ដូចេនះ
Fg(X) (y) = P(g(X) ≤ y) = P(X ≤ g−1 (y)) = F X (g−1 (y))
បនា្ទប់មកេធ្វីេដរេវេធៀបន
ី ី ទួលបានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន g(X)។
ឹង y េដីម្បទ
ី ្ដ ទ 7.1.1. េគឱ្យ X ជាអេថរៃចដន្យជាប់ែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត fX នង

្រទឹសប ិ តាង Y =
g(X) ែដល g ជាអនុគមន៍មានេដរេវន
ី ង
ិ េកន ី ដាច់ខាត (ឬចុះដាច់ខាត) េនាះអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត
ៃន Y គឱឺ ្យេដាយ
d
fY (y) = fX (g−1 (y)) g−1 (y) .
dy
ទ្រមៃន Y គ្រឺ គប់ g(x) ែដល x ស្ថត

ិ េនក្នុងទ្រមៃន X ។
182
តាមពត ី ដាច់ខាតេនាះអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តៃន Y គឺ
ិ េទេបី g ជាអនុគមន៍េកន
Fg(X) (y) = P(g(X) ≤ y) = P(X ≤ g−1 (y)) = F X (g−1 (y))
ដូចេនះតាមវ ិធាន្រចវា៉ក់អនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន Y គឺ
d −1
fY (y) = fX (g−1 (y)) g (y).
dy
ឺ ូចគា្ន។ ក្នុងករណីេនះអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តគឱ

េបី g ជាអនុគមន៍ចុះដាច់ខាតគដ ឺ ្យេដាយ − fX (x) dy g (y)
d −1
ែដលមិនអវ ិជ្ជមានេ្រពាះ d −1
dy
g (y) < 0 េបី g ជាអនុគមន៍ចុះដាច់ខាត។
សមា្គល់ 7.1.1. រូបមន្តបូ រអេថរគ

្ត ឺងាយ្រស�លចាំេនេពលែដលសេសរជាទ្រមង់ (ករណី g េកីនដាច់ខាត)
fY (y)dy = fX (x)dx
ែដល x = g−1 (y) ។
ឧទាហរណ៍ 7.1.5. េគឱ្យ X ∼ N(0, 1) រកអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃន Y = eX ។
េនទេី នះ g(x) = e x ដូចេនះ g−1 (y) = ln(y)។ ដូេច្នះ
d −1 1
g (y) =
dy y
េយង
ី មាន
1 x2
fX (x) = √ e− 2 , −∞ < x < ∞
2π
ដូេច្នះអនុគមន៍ដង់សុេី តៃន Y គឱ




[ln y]2
 y √2π e− 2 , y>0
1
fY (y) = 


7.2 អនុគមន៍បេង្កើតម៉ូម៉ង់
និយមន័យ 7.2.1. េគឱ្យ X ជាអេថរៃចដន្យ។ អនុគមន៍បេង្កីតម៉ូម៉ងៃ់ ន X គឺជាអនុគមន៍ MX : R → [0, ∞)

កំនត់េដាយ h i
MX (t) = E etX ,
ចំេពាះតៃម្ល t ែដលេធ្វឱ
ី ្យសង្ឃម
ឹ គណិតកំនត់បាន។
សមា្គល់ 7.2.1. 1. ចំេពាះ t = 0 អនុគមន៍បេង្កីតម៉ូម៉ង់អត្ថិភាពេ្រពាះ MX (0) = 1 មានន័យថា t = 0

ែតងែតស្ថត
ិ េនក្នុងែដនៃនភាពរួមៃន MX (t) ។
2. េនក្នុងករណី ខ្លះ អត្ថិភាពៃន MX (t) អាចជាបញ្ហ ចំេពាះ t មិន សូន្យដូចេនះេយង

ី សន្មត់ ថា MX (t)
អត្ថភា ័ ណា
ិ ពេនក្នុងវរសុ ី ៃនសូន្យ −h < t < h, h > 0 ។
183
3.
h i
MX (t) = E etX


P

 x etx p(x), េបី X ជាអេថរៃចដន្យដាច់ែដលមានអនុគមន៍មា៉ស្រប�បាប៊ីលេី ត p(x)
=R∞

 etx f (x)dx, េបី X ជាអេថរៃចដន្យជាប់ែដលមានអនុគមន៍ដង់សុីេត f (x)
−∞
សំេណើ 7.2.1. េបី MX (t) អត្ថភា

ិ ពេនាះ
1. h i
E X k = MX(k) (0)
ែដល
dk
MX(k) (0) = MX (t)|t=0
dtk
2. h i
X
∞ E Xk
MX (t) = tk
k=0
k!
ស្រមាយបញ្ជ ក់. 1. េបី MX (t) អត្ថភា

ិ ពេនាះវាមានេដរេវេនក្ន
ី ័ ីណាៃនសូន្យ t = 0 េហយ
ុ ងវរសុ ី េដរេវី
អាច្រត�វបានប្តូរនង
ឹ សង្ឃម
ឹ គណិត។ ដូេច្នះ
" #
dMX (t) d h tX i d tX h i
MX′ (t) = = E e =E e = E XetX
dt dt dt
កំនត់ t = 0 េយង
ី មាន
MX′ (0) = E[X]
េដរេវទ
ី ី២ " #
d ′ d h tX i d h i
MX′′ (t) = MX (t) = E Xe = E (Xe ) = E X 2 etX
tX
dt dt dt
កំនត់ t = 0 េយង
ី មាន
MX′′ (0) = E[X 2 ]
MX(k) (0) = E[X k ]
2. តាមេស៊រតាយល័
ី រៃនអនុគមន៍អុិចស្បូណង
៉ ់ែស្យលេយង
ី បាន
h i
MX (t) = E etX
∞ 
X (tX)k 
= E  
k=0
k!
h i
X∞ E Xk
= tk .
k=0
k!
□
៉ ៉ង់ ៃន X អាចទទួល បានេដាយការគណនាេដរេវបន្ត
សមា្គល់ 7.2.2. ្រគប់ មូម ី បនា្ទប់ ៃន MX (t) រួច គណនា
្រតង់ t = 0 ។
184
លក្ខណៈ 7.2.1. 1. េបី Y = X + a េនាះ MY (t) = eat MX (t).
2. េបី Y = bX េនាះ MY (t) = MX (bt).
3. េបី Y = X−µ
σ
េនាះ MY (t) = e−µt/σ MX (t/σ).
ស្រមាយបញ្ជ ក់. 1.
h i h i h i h i
MY (t) = E etY = E et(X+a) = E etX eat = eat E etX = eat MX (t).
2. h i h i
MY (t) = E etY = E e(tb)X = MX (bt).
3. h i X−µ h i
MY (t) = E etY = E et σ = E etX/σ e−µt/σ = e−µt/σ MX (t/σ).
□
្រទឹសប ់ ំនត់បែំ នងែចក្រប�បាប៊ីលេី តែតមួយគត់មានន័យថាេបអ
ី ្ដ ទ 7.2.1. អនុគមន៍បេង្កីតម៉ូម៉ងក ី េថរៃចដន្យ
ពីរ X1 និង X2 មានអនុគមន៍បេង្កីតម៉ូម៉ង់ដូចគា្ន
MX1 (t) = MX2 (t), ∀t
េនាះ X1 នង
ិ X2 មានបំែនងែចកដូចគា្ន។
ស្រមាយបញ្ជ ក់. ស្រមាយបញ្ជក់ស្រមាប់អេថរៃចដន្យទូេទ្រត�វការ្រទឹសីប

្ត ទរងា្វស់ឬវ ិភាគកុំផិច
្ល ដូចេនះ
ទីេនះេយង
ី នឹង្រសាយែតករណីអេថរៃចដន្យដាច់ែដលអាចយកតៃម្ល {0, 1, 2, . . .}។ សន្មតថា
់ X1 និង X2 ជា
អេថរៃចដន្យដាច់ែដលអាចយកតៃម្ល {0, 1, 2, . . .}។ េយង
ី សន្មត់េទៀតថា
MX1 (t) = MX2 (t)
មានន័យថា្រគប់ t ∈ R,
X
∞ X
∞
etx pX1 (x) = ety pX2 (y)
x=0 y=0
េនាះ
X
∞ X
∞
etx pX1 (x) − ety pX2 (y) = 0
x=0 y=0
ឬ
X
∞ X
∞
etx pX1 (x) − etx pX2 (x) = 0
x=0 x=0
X∞

etx pX1 (x) − etx pX2 (x) = 0
x=0
X
∞
x
et pX1 (x) − pX2 (x) = 0
x=0
េនះគជាឺ េស៊រស្វ
ី ័យគុណែដលមានេមគុណ pX1 (x) − pX2 (x) ។ េស៊រស្វ ី ័យគុណេនះេស្មីនឹងសូន្យេនាះេមគុណ
នមី ួយៗេស្មន
ី ងឹ សូន្យ។ ដូេច្នះ
pX1 (x) = pX2 (x), x = 0, 1, 2, . . .
□
185
7.2.1 អនុគមន៍បេង្កើតម៉ូម៉ង់ស្រមាប់អេថរៃចដន្យដាច់
េបី X ជាអេថរៃចដន្យដាច់ែដលមានអនុគមន៍មា៉ស្រប�បាប៊ីលេី ត p(x) េនាះអនុគមន៍បេង្កីតម៉ូម៉ងៃ់ ន X គឱ

ឺ ្យ
េដាយ h i X
MX (t) = E etX = etx p(x).
x
ឧទាហរណ៍ 7.2.1. េបី X ∼ B(n, p) េនាះ

h i
MX (t) = E etX
Xn !
tx n x
= e p (1 − p)n−x
x=0
x
Xn !
n
= (pet ) x (1 − p)n−x
x=0
x
n
= pet + 1 − p .
n−1
M ′ (t) = n pet + 1 − p pet
n−2 n−1 t
M ′′ (t) = n(n − 1) pet + 1 − p (pet )2 + n pet + 1 − p pe .
េយង
ី បាន
E(X) = M ′ (0) = np,
E(X 2 ) = M ′′ (0) = n(n − 1)p2 + np,
V(X) = E[X 2 ] − (E[X])2
= np(1 − p).
ឧទាហរណ៍ 7.2.2. េបី X ∼ P(λ) េនាះ

h i
MX (t) = E etX
X∞
tx −λ λ
x
= e e
x=0
x!
X (λet ) x
∞
= e−λ
x=0
x!
= eλ(e −1) .
t
M ′ (t) = λet eλ(e −1) ,

t
M ′′ (t) = (λet )2 eλ(e −1) + λet eλ(e −1)

t t
េយង
ី បាន
E(X) = M ′ (0) = λ,
E(X 2 ) = M ′′ (0) = λ2 + λ,
V(X) = E[X 2 ] − (E[X])2
= λ.
186
ឧទាហរណ៍ 7.2.3. េបី X ∼ G(p) េនាះ
h i
MX (t) = E etX
X∞
= etx (1 − p) x−1 p
x=1
X
∞
x−1
= pet (1 − p)et
x=1
pet
= េបី (1 − p)et < 1.
1 − (1 − p)et
pet
M ′ (t) = ,
(1 − (1 − p)et )2
pet (1 − (1 − p)et ) + 2p(1 − p)e2t
M ′′ (t) =
(1 − (1 − p)et )3
េយង
ី បាន
1
E(X) = M ′ (0) = ,
p
2− p
E(X 2 ) = M ′′ (0) = ,
p2
V(X) = E[X 2 ] − (E[X])2
1− p
= .
p2
ឧទាហរណ៍ 7.2.4. េបី X ∼ Neg(r, p) េនាះ

h i
MX (t) = E etX
X∞ !
tx x − 1 r
= e p (1 − p) x−r
x=r
r−1
X x − 1!
∞
= (pe )
t r
((1 − p)et ) x−r
x=r
r − 1
X∞ !
y+r−1
= (pe )
t r
((1 − p)et )y
y=0
r−1
X∞ !
y+r−1
= (pe )
t r
((1 − p)et )y
y=0
y
X∞ !
y −r
= (pe )
t r
(−1) ((1 − p)et )y
y=0
y
= (pet )r (1 − (1 − p)et )−r េបី (1 − p)et < 1.


1 − (1 − p)et r r(pet )r−1 pet − (pet )r r 1 − (1 − p)et r−1 (−(1 − p)et )
MX′ (t) =
1 − (1 − p)et 2r
−r−2 −r−1
MX′′ (t) = r(pet )r (−r − 1) 1 − (1 − p)et −(1 − p)et + r2 (pet )r−1 (pet ) 1 − (1 − p)et
187
េយង
ី បាន

′ 1 − (1 − p) r r(p)r−1 p − (p)r r 1 − (1 − p) r−1 (−(1 − p))
E[X] = M (0) =
1 − (1 − p) 2r
pr rpr p−1 p + pr rpr p−1 (1 − p)
=
p2r
r −1
p rp p (p + 1 − p)
r
=
p2r
r
= .
p

E[X ] = MX (0) = r(p)r (−r − 1) 1 − (1 − p) −r−2 −(1 − p) + r2 (p)r−1 (p) 1 − (1 − p) −r−1
2 ′′
= rpr (r + 1)p−r−2 (1 − p) + r2 pr−1 pp−r−1

= rp−2 (r + 1)(1 − p) + r2 p−1
= rp−2 (r + 1 − p)
V(X) = E[X 2 ] − (E[X])2
r(r + 1 − p) r2
= − 2
p2 p
r(1 − p)
= .
p2
តារាងសេង្ខប
អេថរៃចដន្យ ី ម៉ូម៉ង់
អនុគមន៍បេង្កត មធ្យម វា៉ដ្យង់
n
X ∼ B(n, p) pet + 1 − p np np(1 − p)
X ∼ P(λ) eλ(e −1) λ λ

t
pet
X ∼ G(p) 1−(1−p)et
, (1 − p)et < 1 1
p
1−p
p2
h pet
ir
X ∼ Neg(r, p) 1−(1−p)e t , (1 − p)et < 1 r
p
r(1−p)
p2
7.2.2 អនុគមន៍បេង្កើតម៉ូម៉ង់ស្រមាប់អេថរៃចដន្យជាប់
េបី X ជាអេថរៃចដន្យជាប់ែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី ត f (x) េនាះអនុគមន៍បេង្កត

ី ម៉ូម៉ង់ៃន X
គឺឱ្យេដាយ
h i Z ∞
MX (t) = E etX = etx f (x)dx.
−∞
188
ឧទាហរណ៍ 7.2.5. េបី X ∼ U(a, b) េនាះ
h i
MX (t) = E etX
Z ∞
= etx f (x)dx
−∞
Z b
1
= etx dx
b−a a
etb − eta
= , (t , 0).
t(b − a)
ដូចេនះ
" #
1 1 bt 1 bt
MX′ (t) = (be − ae ) − 2 (e − e )
at at
b−a t t
e (bt − 1) − e (at − 1)
bt at
=
(b − a)t2
អនុគមន៍បេង្កីតម៉ូម៉ងេ់ នះមិនមានេដរេវ្រតង
ី ់ t = 0 េទ។ េយង
ី អាចរកម៉ូម៉ងរ់ បស់វាតាមការពនា្លតេស៊រអុី ច
ិ ស្បូ ៉
ណង់ែស្យល
1 bt 1 X 1 n n 1 X bi+1 ti
∞ ∞
e = bt = +
t t n=0 n! t i=0 (i + 1) i!
1 at 1 X 1 n n 1 X ai+1 ti
∞ ∞
e = at = +
t t n=0 n! t i=0 (i + 1) i!
េធ្វីផលដកកេន�មទាំងពីរេនាះតួ 1
t
អាចស្រម�លបាត់េនាះេយង
ី ទទួលបាន
X∞
tn bn+1 − an+1
MX (t) =
n=0
n! (n + 1)(b − a)
េ្របៀបេធៀបស្វ័យគុណៃន tn នឹងទ្រមង់ទូេទៃនអនុគមន៍បេង្កីតម៉ូម៉ង់េយង
ី បាន
bn+1 − an+1
E[X n ] =
(n + 1)(b − a)
ដូចេនះ
b2 − a2 (b − a)(b + a) b + a
E[X] = = =
2(b − a) 2(b − a) 2
b −a
3 3
(b − a)(b + ab + a ) b2 + ab + a2
2 2
E[X 2 ] = = =
3(b − a) 3(b − a) 3
V(X) = E[X ] − (E[X])
2 2
b2 + ab + a2 (b + a)2 (b − a)2
= − = .
3 4 12
189
ឧទាហរណ៍ 7.2.6. េបី X ∼ E(β) េនាះ
h i
MX (t) = E etX
Z ∞
= etx f (x)dx
Z−∞ ∞
1 x
= etx e− β dx
β
0
Z ∞
1
= e−x(1−βt)/β dx
β 0
1 β
=
β (1 − βt)
= (1 − βt)−1 , េបី βt < 1.
ដូចេនះ
MX′ (t) = −(1 − βt)−2 (−β) = β(1 − βt)−2
MX′′ (t) = (−2)β(1 − βt)−3 (−β) = 2β2 (1 − βt)−3
េយង
ី បាន
E[X] = MX′ (0) = β
E[X 2 ] = MX′′ (0) = 2β2
V(X) = E[X 2 ] − (E[X])2
= β2 .
ឧទាហរណ៍ 7.2.7. េបី X ∼ Gamma(α, β) េនាះ

h i
MX (t) = E etX
Z ∞
= etx f (x)dx
Z−∞∞
1
xα−1 e− β dx
x
= etx
Γ(α)β α
0
Z ∞
1
= xα−1 e−x(1−βt)/β dx
Γ(α)βα 0
Z ∞
1 1
= yα−1 e−y/β dx, (y = (1 − βt)x)
(1 − βt) Γ(α)β 0
α α
= (1 − βt)−α , េបី βt < 1.

ដូចេនះ
MX′ (t) = −α(1 − βt)−α−1 (−β) = αβ(1 − βt)−α−1
MX′′ (t) = αβ(−α − 1)(1 − βt)−α−2 (−β) = α(α + 1)β2 (1 − βt)−α−2
េយង
ី បាន
E[X] = MX′ (0) = αβ
E[X 2 ] = MX′′ (0) = α(α + 1)β2
V(X) = E[X 2 ] − (E[X])2
= α(α + 1)β2 − α2 β2
= αβ2 .
190
ឧទាហរណ៍ 7.2.8. េបី Z ∼ N(0, 1) េនាះ
h i Z ∞
MZ (t) = E etZ = etz f (z)dz
−∞
Z ∞
1 z2
= etz √ e− 2 dz
Z−∞ 2π
∞
1 − 12 (z2 −2zt)
= √ e dz
−∞
Z ∞ 2π
t2 1
√ e− 2 (z−t) dz
1 2
= e2
−∞ 2π
t2
= e2.
យក X = µ + σZ េនាះ X ∼ N(µ, σ2 )។ អនុគមន៍បេង្កីតម៉ូម៉ង់របស់វាគឺ

h i h i h i h i
MX (t) = E etX = E et(µ+σZ) = E etµ etσZ = etµ E etσZ
t2 σ2 σ2 t 2
= etµ MZ (tσ) = etµ e 2 = eµt+ 2 .
េធ្វេី ដរេវេយ
ី ង
σ2 t2
MX′ (t) = (µ + tσ2 )eµt+ 2 ,
22 σ2 t2
µt+ σ 2t
MX′′ (t) = (µ + tσ2 )2 e + σ2 eµt+ 2
E[X] = MX′ (0) = µ

E[X 2 ] = MX′′ (0) = µ2 + σ2
V(X) = E[X 2 ] − (E[X])2
= σ2 .
តារាងសេង្ខប
អេថរៃចដន្យ អនុគមន៍បេង្កីតម៉ូម៉ង់ មធ្យម វា៉ដ្យង់
ebt −eat (b−a)2

X ∼ U(a, b) t(b−a)
, t,0 a+b
2 12
X ∼ E(β) 1
1−βt
, βt < 1 β β2

1 α
X ∼ Gamma(α, β) 1−βt
, βt < 1 αβ αβ2
σ2 t 2
X ∼ N(µ, σ2 ) eµt+ 2 µ σ2
191
លំហាត់ 7.2.1. 1. ពន្យល់ថាេហតុអអ
ី្វ នុគមន៍ M(t) = 2t − t + 5, −∞ < t < ∞ មិនអាចជាអនុគមន៍
2
បេង្កីតម៉ូម៉ង់ៃនអេថរៃចដន្យណាមួយេទ?
2. េគឱ្យ X ជាអេថរៃចដន្យែដលមានអនុគមន៍មា៉ស់្រប�បាប៊ីលីេត
6
p(x) = , x = 2, 3, 4, 5, . . .
3x
(a) រកអនុគមន៍បេង្កីតម៉ូម៉ង់ៃន X
(b) គណនា E[X]
(c) គណនា V(X)
3. សន្មតថា់ អនុគមន៍បេង្កីតម៉ូម៉ងៃ់ នអេថរៃចន្យ X ឱ្យេដាយ MX (t) = e3(e −1) ។ េត្រី ប�បាប៊ីលីេត P(X = 0)
t
េស្មន
ី ម៉ូម៉ង់
4. េគឱ្យ X ជាអេថរៃចដន្យែដលមានអនុគមន៍បេង្កត
1
MX (t) = (1 + et )
2
រកវា៉ដ្យង់ៃន X
ី ម៉ូម៉ង់ៃនអេថរៃចន្យ X ឱ្យេដាយ
5. សន្មត់ថាអនុគមន៍បេង្កត
! !
1 + 2et 1 + 3et
MX (t) =
3 4
(a) េតី្រប�បាប៊ីលីេត P(X = 1) េស្មីនឹងប៉ុនា្មន?
(b) េតី្រប�បាប៊ីលីេត P(X = 2) េស្មីនឹងប៉ុនា្មន?
(c) េត្រី ប�បាប៊ីលេី ត P(X = 3) េស្មន

6. េគឱ្យ X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុេី ត
1
f (x) = , −a < x < a
2a
(a) បងា្ហញថាអនុគមន៍បេង្កីតម៉ូម៉ង់ៃន X គឺ
1
MX (t) = sinh(at)
at
(b) បងា្ហញថា
a2n
E[X ] =
2n
(2n + 1)
ី ម៉ូម៉ង់ៃន Z ∼ N(0, 1) បងា្ហញថា

7. េដាយពនា្លតអនុគមន៍បេង្កត



0, n េសស
E[X ] = 
n

 (2jj)! , n = 2 j
2 j!
192
8. េគឱ្យ X ∼ N(µ, σ2 )។ បងា្ហញថា
n
X
[n/2]
2j
µn−2 j σ2 j (2 j)!
E[X n ] = ,
j=0
2 j j!
ែដល [n/2] ជាេលខគត់ ធំជាងេគែដលតូចជាងឬេស្មីនឹង n/2។ េផ្ទ�ងផា្ទត់ េដាយយក n = 1 និង

n = 2។
9. េគឱ្យ X ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុីេត


 n
−1 − x
 2 n2 Γ( n2 ) x 2 e 2 , x > 0
 1
f (x) = 


(a) រកអនុគមន៍បេង្កីតម៉ូម៉ង់ៃន X
(b) គណនាមធ្យម នង
ី ម៉ូម៉ង់
10. សន្មត់ថា X មានអនុគមន៍បេង្កត
1 1 1 1
MX (t) = e−2t + e−t + et + e2t
6 3 4 4
រក P(|X| ≤ 1)
7.3 ពហុអេថរៃចដន្យ
អនុគមន៍មា៉ស់្រប�បាប៊ីលេី តរ ួម
អនុគមន៍មា៉ស់្រប�បាប៊ីលេី តរួមៃនអេថរៃចដន្យដាច់ X នង
ិ Y កំនត់តាងេដាយ p(x, y) ែដលេផ្ទ�ងផា្ទត់
1. p(x, y) ≥ 0
PP
2. p(x, y) = 1
(x,y)∈S
PP
3. P((X, Y) ∈ A) = p(x, y) ែដល A ជាសំនុំរងៃនែដនវ ិមា្រតពីរ S
(x,y)∈A
សមា្គល់ 7.3.1. ្រប�បាប៊ីលីេតែដល X = x និង Y = y កំនត់ េដាយ p(x, y) = P(X = x, Y = y) េហថា

អនុគមន៍មា៉ស់្រប�បាប៊ីលេី តរួមៃនអេថរៃចដន្យដាច់ X នង
ិ Y។
លក្ខខណ្ឌទី 1 និង 2 េ្របីេដីម្បប
ី ងា្ហញថា p(x, y) ជាអនុគមន៍មា៉ស់្រប�បាប៊លី ីេតរួម រឯលក្ខ
ី ខណ្ឌទី 3 ្របាប់
អំពីរេបៀបេ្របីអនុគមន៍មា៉ស់្រប�បាប៊ល ី ីេតរួមេដីម្បគ
ី ណនា្រប�បាប៊ីលីេតស្រមាប់គូអេថរៃចដន្យ (X, Y) ។
និយមន័យ 7.3.1. អនុគមន៍បំែនងែចកេកីនរួមៃន X និង Y គឺកំនត់េដាយ

XX
F(x, y) = P(X ≤ x និង Y ≤ y) = p(xi , y j )
xi ≤x y j ≤y
ែដល xi ជាតៃម្លែដលអាចយកេដាយ X និង y j ជាតៃម្លែដលអាចយកេដាយ Y។
193
ិ Y មានអនុគមន៍មា៉ស់្រប�បាប៊ីលេី តរួម p(x, y)។
និយមន័យ 7.3.2. េគឱ្យ X នង
• អនុគមន៍ មា៉ស់ ្រប�បាប៊ីលីេតៃន X ែតឯងេហថាអនុគមន៍ មា៉ស់ ្រប�បាប៊ីលីេតមា៉ ជី ណ លៃន X កំនត់

េដាយ X
pX (x) = p(x, y) = P(X = x).
y
• អនុគមន៍ មា៉ស់ ្រប�បាប៊ីលីេតៃន Y ែតឯងេហថាអនុគមន៍ មា៉ស់ ្រប�បាប៊ីលីេតមា៉ ជី ណ លៃន Y កំនត់

េដាយ X
pY (y) = p(x, y) = P(Y = y).
x

ី ច់មួយ 3 ដងរួចកត់្រតា H និង T ែដលេចញ។ េយង
ី យកអេថរៃចដន្យ
X ជាចំនួន H ែដលទទួល បាននង
ិ Y ជា្របាក់ ែដលឈ្នះ ក្នុងការភា្នល់ មួយ េលក
ី ស្រមាប់ ែល្បងែដលមាន
លក្ខខណ្ឌែចងដូចខាងេ្រកាម
• អ្នកេលងឈ្នះ 1$ េបី H ទម
ី ួយេចញេនការេបាះេលក
ី ទម
ី ួយ
• អ្នកេលងឈ្នះ 2$ េបី H ទម
ី ួយេចញេនការេបាះេលក
ី ទព
ី រី
• អ្នកេលងឈ្នះ 3$ េបី H ទីមួយេចញេនការេបាះេលីកទីបី
• អ្នកេលងចាញ់ 1$ េបីមិនមាន H េចញ
េនក្នុងករណីេនះតៃម្លែដល X អាចយកបានគឺ 0, 1, 2, 3 និងតៃម្លែដល Y អាចយកបានគឺ −1, 1, 2, 3

អនុគមន៍មា៉ស់្រប�បាប៊ីលេី តរួម p(x, y) ឱ្យេដាយ
p(x, y) X=0 X=1 X=2 X=3

Y = −1 1
8
0 0 0
Y=1 0 1
8
2
8
1
8
Y=2 0 1
8
1
8
0
Y=3 0 1
8
0 0
ជាឧទាហរណ៍
2
p(2, 1) = P(X = 2 និង Y = 1) = P(HHT ) + P(HT H) =
8
អនុគមន៍មា៉ស់្រប�បាប៊ីលីេតមា៉ជីណលៃន X និង Y ឱ្យេដាយ
x pX (x) y pY (y)
0 1
8
−1 1
8
3 1
1 8
1 2
3 1
2 8
2 4
1 1
3 8
3 8
អនុគមន៍បំែនងែចកេកីនរួម F(x, y) ឱ្យេដាយ
194
F(x, y) X=0 X=1 X=2 X=3
Y = −1 1
8
1
8
1
8
1
8
Y=1 1
8
1
4
1
2
5
8
Y=2 1
8
3
8
3
4
7
8
Y=3 1
8
1
2
7
8
1
ជាឧទាហរណ៍
XX
F(1, 1) = P(X ≤ 1 និង Y ≤ 1) = p(x, y)
x≤1 y≤1
1
= p(0, −1) + p(0, 1) + p(−1, 1) + p(1, 1) =
4
អនុគមន៍ដង់សេី ុ ត្រប�បាប៊ីលេី តរ ួម
អនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតរួមៃនអេថរៃចដន្យជាប់ X និង Y កំនត់តាងេដាយ f (x, y) ែដលេផ្ទ�ងផា្ទត់
1. f (x, y) ≥ 0
R∞ R∞
2. −∞ −∞ f (x, y)dxdy = 1
!
3. P((X, Y) ∈ R) = f (x, y)dxdy ែដល R ជាែដនៃន R2
R
និយមន័យ 7.3.3. េគឱ្យ X និង Y ជាអេថរៃចដន្យមានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតរួម f (x, y)។
• អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃន X ែតឯងេហថាអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តមា៉ជីណលៃន X

កំនត់េដាយ Z ∞
fX (x) = f (x, y)dy
−∞
• អនុគមន៍ ដង់សុីេត្រប�បាប៊ីលីេតៃន Y ែតឯងេហថាអនុគមន៍ ដង់សុីេត្រប�បាប៊ីលីេតមា៉ ជី ណ លៃន Y

កំនត់េដាយ Z ∞
fY (y) = f (x, y)dx
−∞
ិ Y ជាអេថរៃចដន្យមានអនុគមន៍ដង់សុេី តរួម
ឧទាហរណ៍ 7.3.2. េគឱ្យ X នង
4
f (x, y) = (1 − xy), 0 ≤ x ≤ 1, 0≤y≤1
3
អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តមា៉ជីណលគឺ

Z 1
4 4
fX (x) = (1 − xy)dy = (1 − x/2), 0 ≤ x ≤ 1,
0 3 3
Z 1
4 4
fY (y) = (1 − xy)dx = (1 − y/2), 0 ≤ y ≤ 1.
0 3 3
195
ភាពមិនអា្រស័យគា្នៃនអេថរៃចដន្យ
និយមន័យ 7.3.4. • អេថរៃចដន្យដាច់ X និង Y ជាអេថរៃចដន្យមិនអា្រស័យគា្នលុះ្រតាែត
P(X = x, Y = y) = P(X = x)P(Y = y)
ឬ
p(x, y) = pX (x)pY (y)
ចំេពាះ្រគប់គូ (x, y)។ េបម
ី ន
ិ អញ្ច ឹងេទ X នង
ិ Y អា្រស័យគា្ន។
សមា្គល់ 7.3.2. អេថរៃចដន្យដាច់ X និង Y ជាអេថរៃចដន្យមិន អា្រស័យ គា្ន េបី ្រពឹតិ្ត ការណ៍ {X = x} និង
{Y = y} ជា្រពត
ឹ កា
ិ អា្រស័យគា្នចំេពាះ្រគប់គូ (x, y)។
ឧទាហរណ៍ 7.3.3. េគឱ្យអនុគមន៍មា៉ស់្រប�បាប៊ីលេី តរួមៃន X នង
ិ Y
xy2
p(x, y) = , x = 1, 2, 3, y = 1, 2
30
អនុគមន៍មា៉ស់្រប�បាប៊ីលេី តមា៉ជីណលគឺ
X2
xy2 x
pX (x) = = , x = 1, 2, 3,
y=1
30 6
X3
xy2 y2
pY (y) = = , y = 1, 2.
x=1
30 5
េនាះ p(x, y) = pX (x)pY (y) ចំេពាះ x = 1, 2, 3 នង

ិ y = 1, 2 ដូចេនះ X នង
ិ Y គម
ឺ ន
និយមន័យ 7.3.5.
អេថរៃចដន្យជាប់ X និង Y ជាអេថរៃចដន្យមិនអា្រស័យគា្នលុះ្រតាែត
f (x, y) = fX (x) fY (y)
ចំេពាះ្រគប់គូ (x, y) ។
ឧទាហរណ៍ 7.3.4. អនុគមន៍ដង់សុីេតរួមៃន X និង Y ឱ្យេដាយ




4xye−x −y ,
2 2
0 < x, y < ∞
f (x, y) = 

េតី X និង Y មិនអា្រស័យគា្នឬេទ?

ី មាន
Z ∞ Z ∞ h i
−x2 −y2 −x2 2 ∞
2ye−y dy = 2xe−x −e−y = 2xe−x .
2 2 2
fX (x) = 4xye dy = 2xe
0
Z0 ∞ Z0 ∞ h i
2 ∞
4xye−x −y dx = 2ye−y 2xe−x dx = 2ye−y −e−x = 2ye−y .
2 2 2 2 2 2
fY (y) =
0
0 0
េនាះ
fX (x) fY (y) = 4xye−x −y = f (x, y)
2 2
ដូចេនះ X និង Y មិនអា្រស័យគា្ន។
196
ការពត
ិ សំខាន់មួយៃនភាពមន
ិ អា្រស័យគា្នៃនអេថរៃចដន្យគប
ឺ ែម្លងរបស់វាក៏មន
ិ អា្រស័យគា្នែដរ។
ី ្ដ ទ 7.3.1. េបី X នង
្រទឹសប ិ Y ជាអេថរៃចដន្យដាច់មន
ិ អា្រស័យគា្ននង
ិ f នង
ិ g ជាអនុគមន៍ពី R េទ R
េនាះ f (X) និង g(Y) ក៏មិនអា្រស័យគា្នែដរ។
ស្រមាយបញ្ជ ក់. ពិនិត្យេមីលអនុគមន៍មា៉ស់្រប�បាប៊ីលីេតរួមៃន f (X) និង g(Y) គណនា្រតង់ a និង b

X
P ( f (X) = a, g(Y) = b) = P(X = x, Y = y)
x: f (x)=a
y:g(y)=b
X
= P(X = x)P(Y = y)
x: f (x)=a
y:g(y)=b
  
 X   X 
=  P(X = x)  P(Y = y)
x: f (x)=a y:g(y)=b
= P( f (X) = a)P(g(Y) = b).

□
ី ្ដ ទ 7.3.2. េបី X នង
្រទឹសប ិ Y ជាអេថរៃចដន្យជាប់មន
ិ f នង
ិ g ជាអនុគមន៍ពី R េទ R
េនាះ f (X) និង g(Y) ក៏មិនអា្រស័យគា្នែដរ។

ី នង
ឹ ្រសាយបញ្ជក់្រទស
ឹ ប
ី្ត ទេនះស្រមាប់ f នង
ិ g ជាអនុគមន៍េកន
ី ។ េយង
ី ក៏សន្មត់
បែន្ថមថាអនុគមន៍ទាង
ំ ពីរមានេដរេវ។
ី តាង W = f (X) និង Z = g(Y)។ េយង
ី អាចបងា្ហញថា W និង Z មិន
អា្រស័យគា្នេដាយបងា្ហញថា FW,Z (w, z) = FW (w)FZ (z)។ េយង
ី មាន
FW,Z (w, z) = P( f (X) ≤ w, g(Y) ≤ z)
េដាយសារែត f និង g ជាអនុគមន៍េកីនេនាះ្រពឹតិ្តការណ៍ { f (X) ≤ w, g(Y) ≤ z} ដូចគា្នេទនឹង្រពឹតិ្តការណ៍

{X ≤ f −1 (w), Y ≤ g−1 (z)}។ ដូេច្នះ
FW,Z (w, z) = P(X ≤ f −1 (w), Y ≤ g−1 (z))
= F X,Y ( f −1 (w), g−1 (z))
= F X ( f −1 (w))FY (g−1 (z)),
ែដលសមភាពចុងេ្រកាយទទួលបានពភា
ី ពមន ិ Y។ អនុគមន៍បំែនងែចក្រប�បាប៊ីលេី ត
ិ អា្រស័យគា្នៃន X នង
េរៀងគា្នៃន W នង
ិ Z ឱ្យេដាយ
FW (w) = P(X ≤ f −1 (w)) = F X ( f −1 (w))
FZ (z) = P(Y ≤ g−1 (z)) = FY (g−1 (z))
ី បានបងា្ហញថា FW,Z (w, z) = FW (w)FZ (z) ។ □
លក្ខខណ្ឌចាំបាច់និង្រគប់្រគាន់េដីម្បឱ ឺ ្រមាប់អនុគមន៍ដង់សុីេត
ី ្យអេថរៃចដន្យ X និង Y មិនអា្រស័យគា្នគស
រួម របស់ វា (ឬអនុគមន៍ មា៉ស្រប�បាប៊លី ីេតរួម ករណី អេថរៃចដន្យដាច់) f (x, y) អាចបំែបកជាពីរ ែផ្នក ែដល
ែផ្នកមួយអា្រស័យែតនឹង x និងែផ្នកមួយេទៀតអា្រស័យែតនឹង y។
សំេណើ 7.3.1. អេថរៃចដន្យជាប់ X នង ិ អា្រស័យគា្នលុះ្រតាែតអនុគមន៍ដង់សុេី តរួមរបស់វា

ិ Y (ឬដាច់) មន
(ឬអនុគមន៍មា៉ស្រប�បាប៊ីលីេតរួម) អាចសេសរជាទ្រមង់
fX,Y (x, y) = h(x)g(y), −∞ < x, y < ∞
197
ី ពន ិ ្យករណី អេថរៃចដន្យជាប់។ ជាដំបូង សមា្គល់ថា ភាពមន
ិ ត ិ អា្រស័យ គា្ន នាំឱ្យ
អនុគមន៍ដង់សុីេតរួមជាផលគុណៃនអនុគមន៍ដង់សុីេតមា៉ជីណលៃន X និង Y េនាះការដាក់ជាផលគុណ
កតា្តពត
ិ េនេពលែដលអេថរៃចដន្យមន
ិ អា្រស័យគា្ន។ ឥឡូវសន្មត់ថា
fX,Y = h(x)g(y)
េនាះ
Z ∞ Z ∞
1= fX,Y (x, y)dxdy
Z−∞
∞
−∞
Z ∞
= h(x)dx g(y)dy
−∞ −∞
= C 1C 2 ,
R∞ R∞
ែដល C1 = −∞
h(x)dx និង C2 = −∞
g(y)dy។ បែន្ថមេលីេនះ
Z ∞
fX (x) = fX,Y (x, y)dy = C2 h(x),
−∞
Z ∞
fY (y) = fX,Y (x, y)dx = C1 g(y)
−∞
េដាយសារែត C1C2 = 1, េយង

fX,Y (x, y) = fX (x) fY (y)
□
សមា្គល់ 7.3.3. ភាពមិន អា្រស័យ គា្ន ជាទំនាក់ទំនងសុី មី ្រទី។ អេថរៃចដន្យ X និង Y មិន អា្រស័យ គា្ន េបី
អនុគមន៍ ដង់សុីេត្រប�បាប៊ីលីេតរួម (ឬអនុគមន៍ មា៉ស្រប�បាប៊ីលីេតរួម) ជាផលគុណ ៃនអនុគមន៍ ដង់សុីេត
(ឬមា៉ស) ្រប�បាប៊ីលីេតនីមួយៗ។ ដូេច្នះនិយាយថា X មិនអា្រស័យគា្ននឹង Y គឺដូចគា្ននឹង Y មិនអា្រស័យ
គា្ននង
ឹ X ឬ្រគាន់ែត X នង
ិ Y មន
េយង ី ក៏អាចកំនត់បែំ នងែចក្រប�បាប៊ីលេី តរួមៃន n អេថរៃចដន្យដូចគា្ននង
ឹ រេបៀបែដលេយង
ី បានេធ្វស
ី ្រមាប់
n = 2 អេថរៃចដន្យ៖
• េបអ
ី េថរៃចដន្យទាង
ំ េនាះជាអេថរៃចដន្យដាច់េយង ី កំនត់អនុគមន៍មា៉ស្រប�បាប៊ីលីេតរួម p(x1 , x2 , . . . , xn )
េដាយ
p(x1 , x2 , . . . , xn ) = P(X1 = x1 , X2 = x2 , . . . , Xn = xn ).
• n អេថរៃចដន្យជាអេថរៃចដន្យជាប់រម ួ េបីមានអនុគមន៍ f (x1 , x2 , . . . , xn ) េហថាអនុគមន៍ដង់សុេី ត

រួមែដល
Z Z Z
P((X1 , . . . , Xn ) ∈ C) = ··· f (x1 , . . . , xn )dx1 dx2 · · · dxn
(x1 ,...,xn )∈C
ជាពេិ សសចំេពាះ្រគប់ n សំនុំរងៃនសំនុំចំនួនពត ិ A1 , A2 , . . . , An

Z Z Z
P(X1 ∈ A1 , X2 ∈ A2 , . . . , Xn ∈ An ) = ··· f (x1 , x2 , . . . , xn )dx1 dx2 . . . dxn
An An−1 A1
198
• n អេថរៃចដន្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមិនអា្រស័យគា្នេបី្រគប់សំនុំរងៃនសំនុំចំនួនពិត
A1 , A2 , . . . , An ,
Y
n
P(X1 ∈ A1 , X2 ∈ A2 , . . . , Xn ∈ An ) = P(Xi ∈ Ai )
i=1
ជាពេិ សស
1. n អេថរៃចដន្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមិនអា្រស័យគា្នេបីអនុគមន៍មា៉ស្រប�បាប៊ីលីេត
រួមរបស់វា p(x1 , x2 , . . . , xn ) ឱ្យេដាយ
p(x1 , x2 , . . . , xn ) = p(x1 )p(x2 ) . . . p(xn )
ចំេពាះ្រគប់ x1 , x2 , . . . , xn
ី នុគមន៍ដង់សុីេតរួមរបស់វា
2. n អេថរៃចដន្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមិនអា្រស័យគា្នេបអ
f (x1 , x2 , . . . , xn ) ឱ្យេដាយ
f (x1 , x2 , . . . , xn ) = f (x1 ) f (x2 ) . . . f (xn )
ចំេពាះ្រគប់ x1 , x2 , . . . , xn
3. n អេថរៃចដន្យ X1 , X2 , . . . , Xn េហថា iid េបីវាជាអេថរៃចដន្យមិនអា្រស័យគា្ននិងមានបំែនង
ែចកដូចៗគា្ន។
7.4 អនុគមន៍ៃនពហុអេថរៃចដន្យ
សង្ឃ ឹមគណិត កូវា៉ដ្យង់ និងកូរ ីេឡសិន
្រគប់ អនុគមន៍ g(X) ៃនអេថរៃចដន្យ X ែតមួយ ជាអេថរៃចដន្យ។ ប៉ុែន្ត េយង

ី បានេឃញ
ី ថាេដីម្បី គណនា
E[g(X)] វាមន
ិ ែមនជាេរឿងចាំបាច់កុ ងការសា
្ន ្គ ល់បំ ែនងែចក្រប�បាប៊ីលេី តៃន g(X)។ ផ្ទុយមកវ ិញ E[g(X)]
់ អនុគមន៍មា៉ស្រប�បាប៊ីលីេត p(x) ឬអនុគមន៍
្រត�វបានគណនាេដាយមធ្យមទម្ងនៃ់ នតៃម្ល g(x) ែដលទម្ងនជា
ដង់សុីេត្រប�បាប៊ីលីេត f (x) ៃន X។ លទ្ធផលដូចគា្នពិតចំេពាះអនុគមន៍ g(X, Y) ៃនអេថរៃចដន្យរួមពីរ។
សំេណើ 7.4.1. េបី X នង

ិ Y ជាអេថរៃចដន្យនង
ិ g ជាអនុគមន៍ពរី អេថរេនាះ
P P

 y x g(x, y)p(x, y),
 ករណីអេថរៃចដន្យដាច់
E[g(X, Y)] = 
 R R
 ∞ ∞ g(x, y) f (x, y)dxdy, ករណីអេថរៃចដន្យជាប់
−∞ −∞

ី នង
ឹ ្រសាយសំេណីេពលែដល X នង
ិ Y ជាអេថរៃចដន្យជាប់ែដលមានអនុគមន៍
ដង់សុីេតរួម f (x, y) និង េពលែដល g(X, Y) ជាអេថរៃចដន្យមិន អវ ិជ្ជមាន។ ករណី ទូេទេយង
ី ្រសាយដូច
េនក្នុងករណីអេថរៃចដន្យែតមួយ។ េដាយសារ g(X, Y) ≥ 0 េនាះ
Z ∞
E[g(X, Y)] = P[g(X, Y) > t]dt
0
សេសរ Z Z
P[g(X, Y) > t] = f (x, y)dydx
(x,y):g(x,y)>t
199
េយង
ី បាន Z ∞ Z Z
E[g(X, Y)] = f (x, y)dydxdt
0
(x,y):g(x,y)>t
ប្តូរលំដាប់អាង
ំ េត្រកាលផ្តល់នូវ
Z Z Z g(x,y)
E[g(X, Y)] = f (x, y)dtdydx
Z Z x y t=0
= g(x, y) f (x, y)dydx.

x y
□
ករណីពិេសសៃនសំេណីខាងេលេី បី E[X] និង E[Y] កំនត់ទាង ំ ពីរនិងយក g(X, Y) = X +Y េនាះេនក្នុង
ករណីអេថរៃចដន្យជាប់េយង
ី បាន
Z ∞Z ∞
E[X + Y] = (x + y) f (x, y)dxdy
Z−∞
∞ Z −∞
∞ Z ∞Z ∞
= x f (x, y)dxdy + y f (x, y)dxdy
Z−∞
∞
−∞
Z ∞
−∞ −∞
= x fX (x)dx + y fY (y)dy
−∞ −∞
= E[X] + E[Y].
លទ្ធផលេនះពត
ិ ជាទូេទដូចេនះេនេពលែដល E[X] នង
ិ E[Y] កំនត់ទាង
ំ ពរី េនាះ
E[X + Y] = E[X] + E[Y].
តាមវ ិចារកំេនីនគណិតវ ិទយេបី E[Xi ] កំនត់ចំេពាះ្រគប់ i = 1, . . . , n េនាះ
E[X1 + · · · + Xn ] = E[X1 ] + · · · + E[Xn ].
រូបមន្តេនះជារូបមន្តសំខាន់មួយែដល្រត�វបានេ្របី្របាស់េនក្នុង្រប�បាប៊ីលីេតនិងស្ថិតិដូចមានបងា្ហញេនក្នុង
ឧទាហរណ៍ខាងេ្រកាម៖
ឧទាហរណ៍ 7.4.1. េគឱ្យ X1 , . . . , Xn ជាអេថរៃចដន្យមន
ិ មានបំែនងែចកដូចគា្នែដលមាន
មធ្យម µ ។ តាងអេថរៃចដន្យ
1X
n
X̄ = Xi
n i=1
គណនា E[X̄]
 n 
 1 X 
E[X̄] = E  Xi 
n i=1 
 n 
1 X 
= E  Xi 
n i=1
1X
n
= E[Xi ]
n i=1
1
= (µ + · · · + µ)
n | {z }
n ដង
= µ.
200
ឧទាហរណ៍ 7.4.2 (វិសមភាពប៊ូល). េគឱ្យ A1 , . . . , An ជា n ្រពឹតកា
ិ្ត រណ៍និងកំនត់អេថរៃចដន្យ Xi , i =
1, . . . , n េដាយ 

1, េបី Ai េកីតេឡង
 ី
Xi = 

តាង
X
n
X= Xi
i=1
ដូចេនះ X តាងឱ្យចំនួន្រពឹតិកា
្ត រណ៍ Ai ែដលេកីតេឡង
ី ។ តាង


1, េបី X ≥ 1

Y=

ដូចេនះ Y = 1 េបីយា៉ងេហាចណាស់្រពត
ឹ ិ្តការណ៍ Ai មួយេកតី េឡង
ី នង
ិ Y = 0 េផ្សងពេី នះ។ េយង
ី ទាញ
បាន X ≥ Y ដូេច្នះ
E[X] ≥ E[Y]
ប៉ុែន្ត
X
n X
n
E[X] = E[Xi ] = P(Ai )
i=1 i=1
និង  n 
[ 
E[Y] = P(យា៉ងេហាចណាស់្រពត
ឹ ិ កា
្ត រណ៍ A i មួ យ េកត
ី េឡងី ) = P  Ai 
i=1
ី ទទួលបានវ ិសមភាពប៊ូល
 n 
[  X n
P  Ai  ≤ P(Ai ).
i=1 i=1
ឧទាហរណ៍ 7.4.3 (មធ្យមៃនអេថរៃចដន្យេទ្វធា). េគឱ្យ X ជាអេថរៃចដន្យេទ្វធាែដលមានបា៉រា៉ ែម៉្រត

n និង p។ អេថរៃចដន្យេនះតាងឱ្យចំនួនេជាគជ័យេនក្នុង n ពិេសាធន៍មិនអា្រស័យគា្នេនេពលែដលពិេសាធន៍
នីមួយៗមាន្រប�បាប៊ីលីេតេជាគជ័យេស្មីនឹង p េយង
ី មាន
X = X1 + X2 + · · · + Xn
ែដល 

1, េបីពិេសាធន៍ទី i គឺេជាគជ័យ


Xi = 


0, េបីពេិ សាធន៍ទី i គឺបរាជ័យ
ដូេច្នះ Xi ជាអេថរៃចដន្យែប៊រនូយែី ដលមានមធ្យម
E[Xi ] = 1(p) + 0(1 − p) = p
ដូចេនះ
E[X] = E[X1 ] + E[X2 ] + · · · + E[Xn ] = np.
201
ឧទាហរណ៍ 7.4.4 (មធ្យមៃនអេថរៃចដន្យេទ្វធាអវិជ្ជមាន). េគឱ្យ X ជាអេថរៃចដន្យេទ្វធាអវ ិជ្ជមាន
ែដលមានបា៉រា៉ ែម៉្រត r និង p។ អេថរៃចដន្យេនះតាងឱ្យចំនួនពិេសាធន៍រហូតទទួលបានេជាគជ័យទី r េនក្នុង
ពិេសាធន៍មិនអា្រស័យគា្នេនេពលែដលពិេសាធន៍នីមួយៗមាន្រប�បាប៊ីលីេតេជាគជ័យេស្មីនឹង p េយង
ី មាន
X = X1 + X2 + · · · + Xr
ំ ច់ស្រមាប់ ទទួលេជាគជ័យ ទី ១ X2 ជាចំនួនពិេសាធន៍បែន្ថមរហូត ទទួល

ែដល X1 ជាចំនួនពិេសាធន៍ចាបា
បានេជាគជ័យទី២ X3 ជាចំនួនពិេសាធន៍បែន្ថមរហូតទទួលបានេជាគជ័យទី៣ ជាេដីម។ វាមានន័យថា Xi
ជាចំនួនពិេសាធន៍បែន្ថមចាំបាច់បនា្ទប់ពីេជាគជ័យទី (i − 1) រហូតទទួលបានេជាគជ័យទី i។ អេថរៃចដន្យ
Xi នីមួយៗជាអេថរៃចដន្យធរណីមា្រត p ែដលមានមធ្យម
1
E[Xi ] = , i = 1, 2, . . . , r
p
r
E[X] = E[X1 ] + · · · + E[Xr ] = .
p
ឧទាហរណ៍ 7.4.5 (មធ្យមៃនអេថរៃចដន្យអុីែពរធរណីមា្រត). េបី n បាល់្រត�វបានេ្រជីសេរសេដាយៃចដន្យ

ី
ពថ ់ ួយែដលមាន N បាល់ែដលក្នុងេនាះមាន m បាល់ពណ៌ស។ តាង X ជាចំនួនបាល់ពណ៌សែដល្រត�វ
ី ងម
បានេ្រជស
ី េរសេនាះ
ី X អាចសេសរជា
X = X1 + · · · + Xn
ែដល 

1, េបបា

Xi =  ី ល់សទី i មួយ្រត�វបានេ្រជស
ី េរស
ី

េយង
ី មាន
E[Xi ] = 1.P(Xi = 1) + 0.P(Xi = 0)

m m
= 1. + 0. 1 −
N N
m
=
N
nm
E[X] = E[X1 ] + · · · + E[Xn ] = .
N
សំេណីខាងេ្រកាមបងា្ហញថាសង្ឃម
ឹ គណិតៃនផលគុណៃនអេថរៃចដន្យមិនអា្រស័យគា្នេស្មន
ី ឹងផលគុណ
ៃនសង្ឃម
ឹ គណិតនីមួយៗ។
សំេណើ 7.4.2. េបី X នង

ិ Y មន
ិ អា្រស័យគា្នេនាះចំេពាះ្រគប់អនុគមន៍ g នង
ិ h
E[g(X)h(Y)] = E[g(X)]E[h(Y)]
ស្រមាយបញ្ជ ក់. 1. េបី X និង Y ជាអេថរៃចដន្យរួម ដាច់ ែដលមានអនុគមន៍ មា៉ស់ ្រប�បាប៊ីលីេតរួម
202
p(x, y) េនាះេយង
ី បាន
XX
E[g(X)h(Y)] = g(x)h(y)p(x, y)
y x
XX
= g(x)h(y)pX (x)pY (y)
y x
X X
= h(y)pY (y) g(x)pX (x)
y x
= E[h(Y)]E[g(X)].
ិ Y ជាអេថរៃចដន្យរួមជាប់ែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តរួម f (x, y) េនាះេយង

2. េបី X នង ី
បាន
Z ∞Z ∞
E[g(X)h(Y)] = g(x)h(y) f (x, y)dxdy
−∞ −∞
Z ∞Z ∞
= g(x)h(y) fX (x) fY (y)dxdy
−∞ −∞
Z ∞ Z ∞
= h(y) fY (y)dy g(x) fX (x)dx
−∞ −∞
= E[h(Y)]E[g(X)].
សំេណើ 7.4.3. កូវា៉ដ្យង់រវាង X នង

ិ Y តាងេដាយ Cov(X, Y) គក
Cov(X, Y) = E[(X − E[X])(Y − E[Y])].
ពនា្លតអង្គខាងសា្តៃំ ដេនក្នុងនយ
ិ មន័យេយង
ី បាន
Cov(X, Y) = E[XY − E[X]Y − XE[Y] + E[Y]E[X]]

= E[XY] − E[X]E[Y] − E[X]E[Y] + E[X]E[Y]
= E[XY] − E[X]E[Y].
េយងី សមា្គល់ េឃញ

ី េបី X និង Y មិនអា្រស័យ គា្ន េនាះ Cov(X, Y) = 0 ប៉ុែន្ត្រចាស់មកវ ិញមិនពិតជាទូេទ
េទ។
ឧទាហរណ៍ 7.4.6. យក X ជាអេថរៃចដន្យែដល
1
P(X = 0) = P(X = 1) = P(X = −1) =
3
និងកំនត់ 

0, េបី X , 0

Y=

1, េបី X = 0
េយង
ី មាន XY = 0 េនាះ E[XY] = 0។ េយង
ី ក៏មាន E[X] = 0។ ដូេច្នះ
Cov(X, Y) = E[XY] − E[X]E[Y] = 0
ប៉ុែន្ត X និង Y ជាអេថរៃចដន្យអា្រស័យគា្ន។
203
សំេណើ 7.4.4. លក្ខណៈៃនកូវា៉ដ្យង់
1.
Cov(X, Y) = Cov(Y, X)
2.
Cov(X, X) = V(X)
3.
Cov(aX, Y) = aCov(X, Y)
4.  n 
X X m  X
n X
m
Cov  Xi , Y j  = Cov(Xi , Y j )
i=1 j=1 i=1 j=1
ស្រមាយបញ្ជ ក់. ចំនុច 1, 2 និង 3 អាច្រសាយបានភា្លមតាមនិយមន័យៃនកូវា៉ដ្យង់។ េដីម្ប្រី សាយចំនុច

4 េយង
ី តាង µi = E[Xi ] នង
ិ ν j = E[Y j ] េនាះ
 n   m 
X  X n X  X m
E   
Xi  = µi ,  
E  Y j  = νj
i=1 i=1 j=1 j=1
និង
 n   n  m 
X X m  X Xn
 X Xm 
Cov  Xi , Y j  = E   Xi − µi   Y j − ν j 
i=1 j=1 i=1 i=1 j=1 j=1
 n 
X X m 
= E  (Xi − µi ) (Y j − ν j )
i=1 j=1
 n m 
X X 
= E  (Xi − µi )(Y j − ν j )
i=1 j=1
X
n X
m h i
= E (Xi − µi )(Y j − ν j )
i=1 j=1
ែដលសមភាពចុងេ្រកាយពិតេដាយសារែតសង្ឃម
ឹ គណិតៃនផលបូកៃនអេថរៃចដន្យេស្មីនឹងផលបូកៃនសង្ឃម
ឹ គណិត
ៃនអេថរៃចដន្យនម
ី ួយៗ។ □
តាមចំនុច 2 នង
ិ 4 ៃនសំេណីខាងេលេី យង
ី យក Y j = X j , j = 1, . . . , n េនាះ
 n   n 
X  X X n 
V  Xi  = Cov  Xi , X j 
i=1 i=1 j=1
XX
n n
= Cov(Xi , X j )
i=1 j=1
Xn XX
= V(Xi ) + Cov(Xi , X j ).
i=1 i< j
204
េដាយសារ្រគប់គូៃនសន្ទស្សន៍ i, j, i , j មានពីរដងេនក្នុងផលបូកឌុបេនាះេយង
ី បានរូបមន្ត
 n 
X  X n XX
V   
Xi  = V(Xi ) + 2 Cov(Xi , X j ).
i=1 i=1 i< j
េបី X1 , . . . , Xn មិនអា្រស័យគា្នពីរៗក្នុងន័យថា Xi និង X j មិនអា្រស័យគា្នចំេពាះ i , j េនាះេយង

ី បាន
 n 
X  X n
V   
Xi  = V(Xi ).
i=1 i=1
ឧទាហរណ៍ 7.4.7. េគឱ្យ X1 , . . . , Xn ជាអេថរៃចដន្យមិនអា្រស័យគា្ននិងមានបំែនងែចកដូចគា្នមានមធ្យម

µ ។ តាងអេថរៃចដន្យ
1X
n
X̄ = Xi
n i=1
គណនា V(X̄)
 n 
 1 X 
V(X̄) = V  Xi 
n i=1 
 n 
1 X 
= 2 V  Xi 
n i=1
1 X
n
= V(Xi ) តាមភាពមិនអា្រស័យគា្ន
n2 i=1
1 2
= (σ + · · · + σ2 )
n2 | {z }
n ដង
σ2
= .
n
ឧទាហរណ៍ 7.4.8 (វា៉ដ្យង់ៃនអេថរៃចដន្យេទ្វធា). េគឱ្យ X ជាអេថរៃចដន្យេទ្វធាែដលមានបា៉រា៉ ែម៉្រត

n និង p។ អេថរៃចដន្យេនះតាងឱ្យចំនួនេជាគជ័យេនក្នុង n ពិេសាធន៍មិនអា្រស័យគា្នេនេពលែដលពិេសាធន៍
នីមួយៗមាន្រប�បាប៊ីលីេតេជាគជ័យេស្មីនឹង p េយង
ី មាន
X = X1 + X2 + · · · + Xn
ែដល 

 ី េិ សាធន៍ទី i គេឺ ជាគជ័យ
1, េបព

Xi = 


0, េបពី េិ សាធន៍ទី i គបឺ រាជ័យ
ដូេច្នះ Xi ជាអេថរៃចដន្យែប៊រនូយែី ដលមានវា៉ដ្យង់
V(Xi ) = p(1 − p)
ដូចេនះ
V(X) = V(X1 ) + V(X2 ) + · · · + V(Xn ) = np(1 − p)
តាមភាពមិនអា្រស័យគា្នៃន Xi , i = 1, . . . , n.
205
ឧទាហរណ៍ 7.4.9 (វា៉ដ្យង់ៃនអេថរៃចដន្យេទ្វធាអវិជ្ជមាន). េគឱ្យ X ជាអេថរៃចដន្យេទ្វធាអវ ិជ្ជមាន
ែដលមានបា៉រា៉ ែម៉្រត r និង p។ អេថរៃចដន្យេនះតាងឱ្យចំនួនពិេសាធន៍រហូតទទួលបានេជាគជ័យទី r េនក្នុង
ពិេសាធន៍មិនអា្រស័យគា្នេនេពលែដលពិេសាធន៍នីមួយៗមាន្រប�បាប៊ីលីេតេជាគជ័យេស្មីនឹង p េយង
ី មាន
X = X1 + X2 + · · · + Xr
ំ ច់ស្រមាប់ ទទួលេជាគជ័យ ទី ១ X2 ជាចំនួនពិេសាធន៍បែន្ថមរហូត ទទួល

ែដល X1 ជាចំនួនពិេសាធន៍ចាបា
បានេជាគជ័យទី២ X3 ជាចំនួនពិេសាធន៍បែន្ថមរហូតទទួលបានេជាគជ័យទី៣ ជាេដីម។ វាមានន័យថា Xi
ជាចំនួនពេិ សាធន៍បែន្ថមចាំបាច់បនា្ទប់ពីេជាគជ័យទី (i − 1) រហូតទទួលបានេជាគជ័យទី i។ អេថរៃចដន្យ
Xi នីមួយៗជាអេថរៃចដន្យធរណីមា្រត p ែដលមានវា៉ដ្យង់
1− p
Var[Xi ] = , i = 1, 2, . . . , r
p2
r(1 − p)
V(X) = V(X1 ) + · · · + V(Xr ) =
p2
តាមភាពមិនអា្រស័យគា្នៃន Xi , i = 1, . . . , n.
ឧទាហរណ៍ 7.4.10 (វា៉ដ្យង់ៃនអេថរៃចដន្យអុីែពរធរណីមា្រត). េបី n បាល់ ្រត�វ បានេ្រជីសេរស
ី
េដាយៃចដន្យពី ថង់ មួយ ែដលមាន N បាល់ ែដលក្នុងេនាះមាន m បាល់ ពណ៌ស។ តាង X ជាចំនួន បាល់
ពណ៌សែដល្រត�វបានេ្រជីសេរសេនាះ
ី X អាចសេសរជា
X = X1 + · · · + Xn
ែដល 

1, េបបា

Xi =  ី ល់សទី i មួយ្រត�វបានេ្រជីសេរស
ី

េយង
ី មាន Xi មានបំែនងែចកដូចគា្ន ប៉ុែន្តអា្រស័យគា្ននិង P(Xi = 1) =
m
N
, P(Xi = 0) = 1 − m
N
។ បែន្ថម
ពីេនះេដាយសារ Xi = 0 ឬ 1 េនាះ Xi2 = Xi ។ ដូចេនះ
E[Xi2 ] = E[Xi ]
នង
ិ
m m2 m(N − m)
V(Xi ) = E[Xi2 ] − (E[Xi ])2 = E[Xi ] − (E[Xi ])2 = − =
N N2 N2
ចំេពាះ i < j,
Cov(Xi X j ) = E[Xi X j ] − E[Xi ]E[X j ]
េយង
ី មាន 


1, េបី Xi = X j = 1
Xi X j = 

mm−1
P(Xi X j = 1) = P(Xi = X j = 1) =
NN−1
និង
mm−1
E[Xi X j ] = (1)P(Xi X j = 1) + (0)P(Xi X j = 0) = P(Xi X j = 1) =
NN−1
206
m m − 1 m 2 m(m − N)
Cov(Xi , X j ) = − = 2
NN−1 N N (N − 1)
V(X) = V(X1 + · · · + Xn )
Xn XX
= V(Xi ) + 2 Cov(Xi , X j )
i=1 1≤i< j≤n
|{z} | {z }
n តួ (n2) តួ
nm(N − m) 2n(n − 1) m(m − N)
= +
N2 2 N 2 (N − 1)
!
nm(N − m) n−1
= 1−
N 2 N−1
mN−mN−n
=n .
N N N−1
និយមន័យ 7.4.1. កូរេឡស

ី ន
ិ រវាង X នង
ិ Y តាងេដាយ ρ(X, Y) គក
Cov(X, Y)
ρ(X, Y) = √
V(X)V(Y)
េបី V(X)V(Y) វ ិជ្ជមាន។
សមា្គល់ 7.4.1. ់ ឺជារងា្វស់ៃនទំនាក់ទំនងលីេនែអ៊ររវាងអេថរៃចដន្យពីរ។ វាបងា្ហញអំពប

• កូវា៉ដ្យងគ ី ំែរបំ
រួលរួមគា្នរវាងអេថរៃចដន្យពីរ។
់ ខា
• ខា្នតៃនកូវា៉ដ្យងគ ឹ ខា្នតៃន Y ែដលនាំឱ្យលំបាកក្នុងការេ្របៀបកូវា៉ដ្យងេ់ ្រពាះេបេី យង
ឺ ្ន តៃន X គុណនង ី
ប្តូរឯកតាេនាះកូវា៉ដ្យង់ក៏ែ្រប្រប�លែដរ។
• កូរេឡស
ី ិនគឺជាផលេធៀបរវាងកូវា៉ដ្យង់នឹងផលគុណៃនគមា្លតស្តង់ដាៃនអេថរៃចដន្យទាំងពីរ។
ី ិនអាចេ្របីេដីម្បេី ្របៀបេធៀបទំនាក់ទំនងលីេនែអ៊ររវាងអេថរពីរែដលមានឯកតាេផ្សងគា្ន។
លក្ខណៈ 7.4.1. • −1 ≤ ρ(X, Y) ≤ 1
• ρ(X, Y) = 1 លុះ្រតាែត Y = aX + b, a > 0
• ρ(X, Y) = −1 លុះ្រតាែត Y = aX + b, a < 0
លក្ខណៈេនះបងា្ហញថា
ី ិនជារងា្វស់ៃនទំនាក់ទំនងលីេនែអ៊ររវាងអេថរៃចដន្យពីរ។
• េបីកូរេឡស
ី ិនវ ិជ្ជមានេនាះេពលែដល X ធំ Y ក៏ធំែដរ។
• េបីកូរេឡស
ី ិនអវ ិជ្ជមានេនាះេពលែដល X ធំ Y នឹងតូច។
207
ី មាន
! ! ! !
X Y X Y X Y
0≤V − =V +V − 2Cov , = 2 − 2ρ(X, Y).
σ X σY σX σY σX σY
ី បាន
ρ(X, Y) ≤ 1.
ដូចគា្នែដរ
! ! ! !
X Y X Y X Y
0≤V + =V +V + 2Cov , = 2 + 2ρ(X, Y).
σ X σY σX σY σX σY
ី បាន
ρ(X, Y) ≥ −1.

េបី ρ = 1 េនាះ 0 = V X
σX
− Y
σY
ី ទាញបាន σX − σY = c មានន័យថា Y = σYX X + b ។
X Y σ

េបី ρ = −1 េនាះ 0 = V X
σX
+ σYY េនាះេយងី ទាញបាន σX + σY = c មានន័យថា Y = − σYX X + b ។
X Y σ
□
7.5 ផលបូកៃនអេថរៃចដន្យមិនអា្រស័យគា្ន
លក្ខណៈសំខាន់មួយៃនអនុគមន៍បេង្កីតម៉ូម៉ងគ ់ ឺថាអនុគមន៍បេង្កីតម៉ូម៉ងៃ់ នផលបូកអេថរៃចដន្យមិនអា្រស័យ

គា្នេស្មន
ី ង ់ ម
ឹ ផលគុណៃនអនុគមន៍បេង្កីតម៉ូម៉ងន ី ួយៗ។
សំេណើ 7.5.1. 1. េបី X និង Y មិនអា្រស័យគា្ននិងមានអនុគមន៍បេង្កីតម៉ូម៉ង់ MX (t) និង MY (t) េរៀងគា្ន

េនាះ
MX+Y (t) = MX (t)MY (t).
2. េបី X1 , . . . , Xn មន
ិ អា្រស័យគា្ននង ី ម៉ូម៉ង់ MXi (t), i = 1, . . . , n េរៀងគា្នេនាះ
ិ មានអនុគមន៍បេង្កត
MX1 +···+Xn (t) = MX1 (t) · · · MXn (t).
h i
MX+Y (t) = E et(X+Y)
h i
= E etX etY
h i h i
= E etX E etY តាមភាពមន
= MX (t)MY (t).
2.
h i
MX1 +···+Xn (t) = E et(X1 +···+Xn )
h i
= E etX1 · · · etXn
h i h i
= E etX1 · · · E etXn តាមភាពមន
= MX1 (t) · · · MXn (t).
208
ឧទាហរណ៍ 7.5.1. េបី X ∼ B(n, p) នង
ិ Y ∼ B(m, p) មន
ិ អា្រស័យគា្នេនាះេតអ ី្វ បំែនងែចក្រប�បាប៊ីលេី ត
ី ជា
ៃន X + Y?
ចេម្លើយ. អនុគមន៍បេង្កីតម៉ូម៉ង់ៃន X + Y ឱ្យេដាយ
MX+Y (t) = MX (t)MY (t)
= (pet + 1 − p)n (pet + 1 − p)m
= (pet + 1 − p)n+m
≡ mgf B(n + m, p).
ដូេច្នះេយង ិ ្ឋ នតាមភាពមានែតមួយគត់ៃនអនុគមន៍បេង្កីតម៉ូម៉ង់ថា
ី សន្នដា
X + Y ∼ B(n + m, p).
ឧទាហរណ៍ 7.5.2. េបី X ∼ P(λ1 ) នង ិ អា្រស័យគា្នេនាះេតីអី្វជាបំែនងែចក្រប�បាប៊ីលេី ត

ិ Y ∼ P(λ2 ) មន
ៃន X + Y?
= eλ1 (e −1) eλ2 (e −1)
t t
= e(λ1 +λ2 )(e −1)

t
≡ mgf P(λ1 + λ2 ).
ី សន្និដា្ឋនតាមភាពមានែតមួយគត់ៃនអនុគមន៍បេង្កីតម៉ូម៉ង់ថា
X + Y ∼ P(λ1 + λ2 ).
ឧទាហរណ៍ 7.5.3. េបី X ∼ Gamma(α1 , β) នង
ិ Y ∼ Gamma(α2 , β) មន
ិ អា្រស័យគា្នេនាះេតអ
ី ជា
ី្វ បំែនង
ែចក្រប�បាប៊ីលេី តៃន X + Y?
= (1 − βt)−α1 (1 − βt)−α2
= (1 − βt)−(α1 +α2 )
≡ mgf Gamma (α1 + α2 , β) .
X + Y ∼ Gamma (α1 + α2 , β) .
ឧទាហរណ៍ 7.5.4. េបី X ∼ N(µ1 , σ21 ) និង Y ∼ N(µ2 , σ22 ) មិន អា្រស័យ គា្ន េនាះេតី អី្វ ជា បំ ែនងែចក
្រប�បាប៊ីលេី តៃន X + Y?
( ) ( )
σ21 t2 σ22 t2
= exp µ1 t + exp µ2 t +
2 2
( 2 2)
(σ + σ2 )t
2
= exp (µ1 + µ2 )t + 1
2

≡ mgf N µ1 + µ2 , σ1 + σ22 .
2
209

X + Y ∼ N µ1 + µ2 , σ21 + σ22 .
ជាទូេទេយង
ី អាច្រសាយថាបន្សំ លេី នែអ៊រ ៃនអេថរៃចដន្យនរមា៉ល់ មន
ិ អា្រស័យ គា្ន ជាអេថរៃចដន្យនរ
មា៉ល់។
ី ្ដ ទ 7.5.1. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យនរមា៉ល់មិនអា្រស័យគា្នែដលមានមធ្យម µi និងវា៉

្រទឹសប
ដ្យង់ σ2i , i = 1, 2, . . . , n និងយក ai , i = 1, 2, . . . , n ជាចំនួនេថរ េនាះេយង ី បាន
 n 
X n
X Xn

ai Xi ∼ N  ai µi , a2i σ2i  .
i=1 i=1 i=1

ី នង
ឹ ផ្តលស ី នុគមន៍បេង្កីតម៉ូម៉ង់។ េយង
់ ្រមាយបញ្ជក់េដាយេ្របអ ី គណនាអនុគមន៍
Pn
ី ម៉ូម៉ង់ៃន
បេង្កត i=1 ai Xi ដូចខាងេ្រកាម៖ តាមភាពមិនអា្រស័យគា្នៃន Xi េយង
ី មាន
h Pn i Y
n h i Yn
MPn i=1 ai Xi
(t) = E e t i=1 ai Xi = E etai Xi
= MXi (ai t)
i=1 i=1
Y
n
Pn Pn
eµi ai t+ 2 σi ai t = e µi ai t+ 21 σ2i a2i t2
1 2 2 2
= i=1 i=1 ,
i=1
Pn Pn
ែដលជាអនុគមន៍បេង្កីតម៉ូម៉ងៃ់ ន N j=1 a j µ j , j=1 j j ។ ដូ េច្នះេយង
a σ
2 2
ី សន្និដា្ឋនតាមភាពមានែតមួយគត់
ៃនអនុគមន៍បេង្កីតម៉ូម៉ង់ថា  n 
X
n
X X
n

ai Xi ∼ N  ai µi , a2i σ2i  .
i=1 i=1 i=1
□
លំហាត់ 7.5.1. 1. េគឱ្យ Z ∼ N(0, 1) ។ គណនា Cov(Z, Z 2 ) ។
2. េបី X និង Y ជាអេថរៃចដន្យពីរមិនអា្រស័យគា្នែដលមានវា៉ដ្យង់ σ2X និង σ2Y េរៀងគា្ន។

រកតៃម្ល k េបី
σX
Cov(X + kY, X + Y) = 0
σY
ិ អា្រស័យគា្នែដលមានវា៉ដ្យង់ σ បងា្ហញថា
3. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមន 2
Cov(Xi − X̄, X̄) = 0,

Pn
ែដល X̄ = 1
n i=1 Xi
់ មន
4. េគឱ្យ Z1 , Z2 , . . . , Zn ជាអេថរៃចដន្យនរមា៉ល់ស្តងដា ី ម៉ូម៉ង់
ិ អា្រស័យគា្ន។ គណនាអនុគមន៍បេង្កត
ៃន Z12 + Z22 + · · · + Zn2
5. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមិន អា្រស័យ គា្ន និង សន្មត់ ថា Xi ∼ Ber(p), i = 1, 2, . . . , n

Xn
Xi ∼ B(n, p)
i=1
210
6. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមិនអា្រស័យគា្ននិងសន្មត់ថា Xi ∼ B(mi , p), i = 1, 2, . . . , n
បងា្ហញថា  n 
Xn
X 
Xi ∼ B  mi , p
i=1 i=1
7. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមិន អា្រស័យ គា្ន និង សន្មត់ ថា Xi ∼ P(λi ), i = 1, 2, . . . , n

Xn
X 
Xi ∼ P  λi 
i=1 i
8. េគឱ្យ X1 , X2 , . . . , Xr ជាអេថរៃចដន្យមិន អា្រស័យ គា្ន និង សន្មត់ ថា Xi ∼ G(p), i = 1, 2, . . . , r

Xr
Xi ∼ Neg (r, p)
i=1
9. េគឱ្យ X1 , X2 , . . . , Xα ជាអេថរៃចដន្យមិន អា្រស័យ គា្ន និង សន្មត់ ថា Xi ∼ E(β), i = 1, 2, . . . , α

Xα
Xi ∼ Gamma (α, β)
i=1
10. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមន

ិ សន្មតថា
់ Xi ∼ Gamma(αi , β), i = 1, 2, . . . , n
X n
X 
Xi ∼ Gamma  αi , β
i=1 i=1
11. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមនិ អា្រស័យគា្ននងិ សន្មត់ថា Xi ∼ N(µi , σi ), i = 1, 2, . . . , n

2
Xn
X X n

Xi ∼ N  µi , σ2i  ,
i=1 i=1 i=1
ែដល i = 1, 2, . . . , n។
ិ វា៉ដ្យង់ σ
12. យក X1 , · · · , Xn ជាអេថរៃចដន្យ iid ែដលមានមធ្យម µ នង 2
(a) តាង S n = X1 + · · · + Xn ។ បងា្ហញថា

MS n (t) = MX1 (t) n .
(b) តាង S n∗ = S n −nµ
σ n
√ ។ បងា្ហញថា
!!n
√ t
− nµt/σ
MS n∗ (t) = e . M X1 √
σ n
P
13. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យ iid N(µ, σ2 )។ តាង X̄ = n1 ni=1 Xi .
(a) គណនាសង្ឃម
ឹ គណិតៃន X̄, E(X̄).
(b) គណនាវា៉ដ្យង់ៃន X̄, V(X̄).
ី ម៉ូម៉ង់ៃន Xi .
(c) រកអនុគមន៍បេង្កត
(d) បងា្ហញថាបំែនងែចកៃន X̄ គឺ N(µ, σ2 /n).
(e) ទាញបងា្ហញថា X̄−µ
√
σ/ n
∼ N(0, 1).
211
212
បំែនងែចកលំហគំរ ូៃចដន្យ
េនក្នុងជំពូកេនះេយងី នឹងសិក�អំពល ់ ្រទឹសីប

ី ក្ខណៈៃនបំែនងែចកមធ្យមលំហគំរេូ ពលសា្គល់គមា្លតស្តងដា ្ត ទ
លមី ត
ី ផ្ចិត បំែនងែចកមធ្យមលំហគំរូពសា
ី កលនរមា៉ល់េពលមន ិ សា្គល់គមា្លតស្តង់ដា នង
ិ បំែនងែចកវា៉ដ្យង់
លំហ គំរូ។ ស្ថិតិ វ ិទយផ្តល់ នូវ វ ិធីសា�ស្ត េដីម្បីេរៀបចំ ដំេណីរការ្របមូល វ ិភាគនិង បក្រសាយទិន្នន័យ និង
ទាញសន្និដា្ឋនេចញពទ ំ ធ
ី ិន្នន័យ។ ការ្របមូលផ្តុដ៏ ៃំ នការអេង្កត្របេភទណាមួយេហថាសាកល។ េបសា
ី កល
ធំេនាះវាមិនែមនជាការអនុវត្តកុ ងការអេង្ក
្ន តសាកលទាំងមូលេទ។ ដូេច្នះវាជាការចាំបាច់កុ ងការេ្រប
្ន ល
ី ំហគំរៃូ ន
សាកលេដីម្បទា
ី ញសន្និដា្ឋនអំពប
ី រមាណែដលសមា
ិ ្គ ល់សាកលទាំងមូល។ េគាលបំនងៃនស្ថិតែិ បបសន្និដា្ឋន
គេឺ ដីម្បេី ធ្វកា
ី រសន្នដា
ិ ្ឋ នអំពសា
ី កលេចញពកា
ី រវ ិភាគពត៌មានែដលផ្ទុកេនក្នុងលំហគំរូ នង
ិ េរៀបចំលំហគំរេូ ដីម្បី
ឱ្យការអេង្កតបេង្កីតជាមូលដា្ឋនស្រមាប់ការទាញេសចក្តីសន្និដា្ឋនេដាយ្រតឹម្រត�វ។ ែផ្នកែដលសំខាន់េនក្នុង
ដេំ ណីរការេនះគឺ ទទួល បានការបា៉ន់សា្មនៃនបា៉រា៉ ែម៉្រត។ ស្ថត
ិ ិ ែបបសន្នដា
ិ ្ឋ នអាចែចកជាពរី ែផ្នក សំ ខាន់ ៗ៖
ការបា៉ន់សា្មនបា៉រា៉ ែម៉្រត និងការេធ្វីេតស្តសម្មតិកម្ម។
8.1 សាកល និងលំហគំរ ូ
និយមន័យ 8.1.1. • សាកលជាការ្របមូលផ្តុំៃនមនុស្សឬវត្ថុទាំងអស់អំពីពត៌មានែដល្រត�វសិក�។
• លំហគំរូជាសំណុំរងៃនសាកលែដលមានមនុស្សឬវត្ថុែដល្រត�វសក
ិ �ជាក់ែស្តង។
ី ចង់បានលំហ គំរូ ជា តំណាងៃនសាកលទាំងមូល។ វ ិធី សា�ស្ត ល ្អ បំផុត គឺ ការេ្រជីសេរសលំ

េយង ី ហ គំរូ
ៃចដន្យ។លំហគំរូៃចដន្យជាលំហគំរូែដលមនុស្សឬវត្ថុទាំងអស់ៃនសាកលមានឱកាសេស្មីៗគា្នែដល្រត�វបាន
េ្រជីសយក។
និយមន័យ 8.1.2. • លំហគំរៃូ ចដន្យ ៖ អេថរៃចដន្យ X1 , X2 , . . . Xn ជាលំហគំរៃូ ចដន្យែដលមានទំហំ

n េបី Xi ជាអេថរៃចដន្យមិនអា្រស័យគា្ននិង្រគប់ Xi មានបំែនងែចក្រប�បាប៊ីលីេតដូចគា្ន។
• ស្ថិតិ ៖ ជាអនុគមន៍ៃនតៃម្លអេង្កតេនក្នុងលំហគំរូៃចដន្យ។
ឺ បំែនងែចក្រប�បាប៊ីលេី តៃនស្ថត
• បំែនងែចកលំហគំរូគជា ិ ។ិ
ឧទាហរណ៍ 8.1.1. ឧបមាថាេយង ់ ញេសចក្តស

ី ចងទា ី ន្នដា
ិ ្ឋ នអំពស
ី មាមា្រតៃន្របជាជនេនទ្រី ក�ងមួយែដល
ចូលចិតេ្ត ភសជ្ជៈមា៉កណាមួយ។ តាង p ជាតៃម្លសមាមា្រតែដលមិនសា្គល់េនះ។ វាមិនែមនជាការអនុវត្តកុ ង
្ន
ការសួរ មនុស្សទាំងអស់ េដម
ី ្បីកំនត់ តៃម្លពត
ិ ្របាកដៃន p។ េដម ី ្បីទាញេសចក្តី សន្នដា
ិ ្ឋ នអំពី តៃម្លពត
ិ ្របាកដ
ៃន p ដេំ ណីរការដស៏ មេហតុផលគេឺ ្រជស ី េរសលំ
ី ហគំរៃូ ចដន្យែដលមានទំហស ំ មរម្យ រួចេ្របសី មាមា្រតែដល
បានអេង្កត p̂ ៃនមនុស្សែដលចូលចិតេ្ត ភសជ្ជៈមា៉កេនាះ។ សមាមា្រតៃនលំហគំរូ p̂ គ្រឺ ត�វបានគណនាេដាយ
213
យកចំនួនមនុស្សេនក្នុងលំហគំរែូ ដលចូលចិតេ្ត ភសជ្ជៈេនាះែចកនឹងទំហល
ំ ំហគំរូ n។ ដូចេនះ p̂ ជាអនុគមន៍
ៃនតៃម្ល អេង្កត េនក្នុងលំហ គំរូ េ្រពាះលំហ គំរូ ជាេ្រចីន អាច្រត�វ បានេ្រជីស េចញពី សាកល េហយ
ី តៃម្ល p̂ នឹង
ែ្រប្រប�លពីលំហគំរូមួយេទលំហគំរូមួយ។ វាមានន័យថា p̂ ជាអេថរៃចដន្យែដលេហថាស្ថិតិ ។
សមា្គល់ 8.1.1. ស្ថត

ិ លិ ំហគំរូជាអេថរៃចដន្យដូេច្នះវាមានបំែនងែចក្រប�បាប៊ីលេី ត។
និយមន័យ 8.1.3. • អ្នកបា៉ន់សា្មនជាស្ថិតទ

ិ ទួលបានពល
ី ំហគំរេូ ដីម្បសន្ន
ី ិដា្ឋនតៃម្លៃនបា៉រា៉ ែម៉្រតសាកល។
• តៃម្លបា៉ន់សា្មនជាតៃម្លៃនអ្នកបា៉ន់សា្មនេនក្នុងលំហគំរូជាក់លាក់មួយ។
បា៉រា៉ ែម៉្រតសាកល អ្នកបា៉ន់សា្មន តៃម្លបា៉ន់សា្មន

Pn Pn
មធ្យម µ X̄ = 1
n i=1 Xi x̄ = 1
n i=1 xi
1 Pn 1 Pn
វា៉ដ្យង់ σ2 S 2 = n−1 i=1 (Xi − X̄)
2
s2 = n−1 i=1 (xi − x̄)
2
q P q P
គមា្លតស្តង់ដា σ S = n−1 1
i=1 (Xi − X̄)
n 2 s = n−1 1
i=1 (xi − x̄)
n 2
សមាមា្រត p P̂ = X
n
p̂ = x
n
8.2 បំែនងែចកមធ្យមលំហគំរ ូេពលសា្គល់ σ
េនក្នុងការេ្រជីសេរសលំ
ី ហគំរែូ ដលមានទំហំ n េចញពសា ី កលមួយែដលមានមធ្យម µ និងវា៉ដ្យង់ σ េយង ី
2
តាងអេថរៃចដន្យ Xi , i = 1, . . . , n ជាតៃម្ល ែដលអេង្កត (តៃម្ល ៃនធាតុ នី មួយ ៗៃនសាកលអាចចាត់ទុកជា

អេថរៃចដន្យែដលមានមធ្យម µ និងវា៉ដ្យង់ σ2 )។ អេថរៃចដន្យមិនអា្រស័យគា្ន X1 , X2 , . . . , Xn បេង្កីតបាន
ជាលំហគំរូៃចដន្យែដលមានទំហំ n ៃនសាកលេនាះ។ តាង
1X
n
X1 + X2 + · · · + Xn
X̄ = Xi =
n i=1 n
ជាមធ្យមៃនលំហគំរូៃចដន្យ។ សមា្គល់ X̄ ជាអេថរៃចដន្យេ្រពាះតៃម្លរបស់វាកំនត់េដាយអេថរៃចដន្យេនក្នុង

លំហគំរូ េនាះវាមានបំែនងែចក្រប�បាប៊ីលីេត។
និយមន័យ 8.2.1. បំែនងែចក្រប�បាប៊ីលេី តៃន X̄ េហថាបំែនងែចកមធ្យមលំហគំរូ។
ឧទាហរណ៍ 8.2.1. សន្មត់ថាសាកលមួយមានទិន្នន័យ 1, 2 ែដលមានអេថរៃចដន្យ X តាងឱ្យេលខែដល

្រត�វបានេ្រជីសេរស
ី េនាះបំែនងែចកៃនអេថរៃចដន្យ X គឺ
x 1 2
1 1
p(x) 2 2
មធ្យមៃនសាកល
X ! !
1 1
µ = E[X] = xp(x) = 1 +2 = 1.5
2 2
214
វា៉ដ្យង់ៃនសាកល
X ! !
2 1 2 1 1
σ = V[X] =
2
(x − µ) p(x) = (1 − 1.5)
2
+ (2 − 1.5) =
2 2 4
េបល
ី ំហគំរែូ ដលមានទំហំ 2 ទាំងអស់្រត�វបានេ្រជស
ី េរសេដាយដាក់
ី ចូលវ ិញេហយ
ី គណនាមធ្យមៃនលំហគំរូ
នីមួយៗ៖ មធ្យមៃនលំហគំរូ
X1 + X2
X̄ =
2
ែដល (X1 , X2 ) ជាលំហគំរូែដលមានទំហំ 2 ។ េយង
ី មាន
(X1 , X2 ) = {(1, 1), (1, 2), (2, 1), (2, 2)}
លំហគំរូ មធ្យម X̄
1, 1 1.0
1, 2 1.5
2, 1 1.5
2, 2 2.0
បំែនងែចក្រប�បាប៊ីលីេតៃន X̄
x̄ 1 1.5 2
1 1 1
p( x̄) 4 2 4
មធ្យមៃនមធ្យមលំហគំរូ
X
µX̄ = E[X̄] = x̄p( x̄)
! ! !
1 1 1
=1 + 1.5 +2
4 2 4
= 1.5
វា៉ដ្យង់ៃនមធ្យមលំហគំរូ
X
σ2X̄ = V(X̄) = ( x̄ − µX̄ )2 p( x̄)
! ! !
2 1 2 1 2 1
= (1 − 1.5) + (1.5 − 1.5) + (2 − 1.5)
4 2 4
1
=
8
ិ វា៉ដ្យង់ σ =
សមា្គល់ 8.2.1. េដាយសារ µ = 1.5 នង េនាះេយង
ី ថា
2 1
4
σ2
µX̄ = µ, σ2X̄ =
2
215
េតីលក្ខណៈេនះពិតជាទូេទឬយា៉ងណា? េតី
σ2
µX̄ = µ, σ2X̄ = ?
n
លក្ខណៈ 8.2.1. េបល

ី ំហគំរៃូ ចដន្យទំហំ n ទាំងអស់្រត�វបានេ្រជីសេរសេដាយដាក់
ី ចូលវ ិញពសា
ី កលែតមួយ
ែដលមានមធ្យម µ និងវា៉ដ្យង់ σ2 េនាះលក្ខណៈខាងេ្រកាមេផ្ទ�ងផា្ទត់ៈ
• មធ្យមៃនមធ្យមលំហគំរូៃចដន្យ µX̄ = µ,
• វា៉ដ្យង់ៃនមធ្យមលំហគំរូៃចដន្យ σ2X̄ = σ2
n
• គមា្លតស្តង់ដាៃនមធ្យមលំហគំរូៃចដន្យ σX̄ = σ
√
n
 n 
1 X 
µX̄ = E[X̄] = E  Xi 
n i=1 
1
= (E[X1 ] + · · · + E[Xn ])
n
1
= (µ + · · · + µ)
n | {z }
n ដង
nµ
=
n
=µ
 n 
 1 X 
σX̄ = V(X̄) = V 
2
Xi 
n i=1
1
= 2 (V(X1 ) + · · · + V(Xn )) , Xi មន
n
1
= 2 (σ2 + · · · + σ2 )
n | {z }
n ដង
2
nσ
=
n2
σ2
= ,
n
ែដល µ និង σ2 ជាមធ្យម និងវា៉ដ្យង់ៃនសាកលេរៀងគា្ន។ □

់ សាកលមួយមានទិន្នន័យ 1, 2, 9 ែដលមានអេថរៃចដន្យ X តាងឱ្យេលខែដល
្រត�វបានេ្រជីសេរស
ី េនាះបំែនងែចកៃនអេថរៃចដន្យ X គឺ
x 1 2 9
1 1 1
p(x) 3 3 3
216
េយង ិ វា៉ដ្យង់ៃនសាកលគឺ
ី មានមធ្យម នង
! ! !
1 1 1
µ=1 +2 +9 =4
3 3 3
! ! !
2 1 2 1 2 1
σ = (1 − 4)
2
+ (2 − 4) + (9 − 4) = 12.67
3 3 3
េយង ី េ្រជីសយកលំហគំរៃូ ចដន្យែដលមានទំហំ n = 25 េចញពសា

ី កលរួចគណនានិងកត់្រតាមធ្យមលំហគំរូ
រួចដាក់ចូលវ ិញ។ េយង
ី េធ្វដ ំ នមុន 10000 ដងេនាះេយង
ី ែដលៗដូចជហា ី ទទួលបានមធ្យមលំហគំរូ 10000។
េតីអុីសូ ្រកាមៃន
្ត មធ្យមលំហគំរូ 10000 មានរាងដូចេម្តច? ខាងេ្រកាមេនះជាសុីមុយឡាស្យុងេដាយេ្របីកូដ
R
# Sample mean size 25
samplemean25 = vector(”numeric”, 10000)

for(i in 1:10000){
samplemean25[i] = mean(sample(c(1,2,9), size = 25, replace=T, prob=c(1/3,1/3,1/3)))}
hist(samplemean25, breaks=seq(1.5,7.02,by=0.04),
xlab=”sample mean”, main=”Histogram of the Means of 10000 Samples of Size 25”)
abline(v=4, col=2)
រូប 8.1: អុស

ី ូ ្រកាមៃនមធ្យមលំ
្ត ហគំរូ 10000 ទំហំ 25

ី កលរួចគណនានងិ កត់្រតាមធ្យមលំហគំរូ
េតអ
ី ុស
ី ូ ្រកាមៃន
្ត មធ្យមលំហគំរូ 10000 មានរាងដូចេម្តច?
# Sample mean 100

for(i in 1:10000){
samplemean100[i] = mean(sample(c(1,2,9), size = 100, replace=T, prob=c(1/3,1/3,
1/3)))}
217
abline(v=4, col=2)


ី កលរួចគណនានិងកត់្រតាមធ្យមលំហគំរូ
េតីអុីសូ ្រកាមៃន
# Sample mean size 400

for(i in 1:10000){
samplemean400[i] = mean(sample(c(1,2,9), size = 400, replace=T, prob=c(1/3,1/3,1/3)))}
abline(v=4, col=2)
សមា្គល់ 8.2.2. • បំែនងែចកលំហ គំរូៃចដន្យៃនមធ្យមអាចមន ិ ែមនជាបំ ែនងែចកនរមា៉ល់ េពលែដល

ទំហល
ំ ំហគំរូតូច ប៉ុែន្តវាខិតេទរកបំែនងែចកនរមា៉ល់េពលែដលទំហលំ ំហគំរូកាន់ែតធំ។
• មធ្យមលំហគំរអា
ូ ចមន
ិ េស្មន
ី ងឹ មធ្យមសាកលប៉ុែន្តបែំ នងែចករបស់វាមានចំនុចកណា ់ ធ្យម
្ត លេន្រតងម
សាកល។
• លំហគំរូកាន់ែតធំៗេទ វា៉ដ្យង់ៃនមធ្យមលំហគំរូកាន់ែតតូចេទៗ។
លំហគំរូទំហំ n មធ្យមៃន X̄ វា៉ដ្យង់ X̄
25 4 12.67
25
= 0.5068
100 4 12.67
100
= 0.1267
400 4 12.67
400
= 0.0316
218
រូប 8.3: អុីសូ ្រកាមៃនមធ្យមលំ
> var(samplemean25)
[1] 0.5019156
> var(samplemean100)
[1] 0.1263213
> var(samplemean400)
[1] 0.03073576
សំនួរែដលេយង ី េី្វ ទជាបំែនងែចក្រប�បាប៊ីលេី តៃន

ី ចាប់អារម្មណ៍េនក្នុងការបក្រសាយេនែផ្នកេនះគេឺ តអ
មធ្យមលំហគំរូ?
ករណីសាកលមានបំែនងែចកនរមា៉ល់
សន្មត់ថាលំហគំរូៃចដន្យែដលមានទំហំ n ្រត�វបានេ្រជីសេរសេចញព
ី ីសាកលែដលមានបំែនងែចកនរមា៉ល់
ែដលមានមធ្យម µ និង វា៉ ដ្យង់ σ ។ អេង្កត នី មួយ ៗ X1 , X2 , . . . , Xn េនក្នុងលំហ គំរូ គឺជា អេថរៃចដន្យនរ
2
មា៉ល់ មិន អា្រស័យគា្ន ែដលមានមធ្យម µ និង វា៉ ដ្យង់ σ2 ។ េដាយសារបន្សំលីេនែអ៊រៃនអេថរៃចដន្យនរមា៉ល់

មិនអា្រស័យគា្នជាអេថរៃចដន្យនរមា៉ល់េនាះេយង ី បាន
1X
n
X̄ = Xi
n i=1
ិ វា៉ដ្យង់ σX̄ =
ជាអេថរៃចដន្យនរមា៉ល់ែដលមានមធ្យម µX̄ = µ នង ។
2 σ2
n
ជានិមិត្តសញញគឺ
!
σ2
X̄ ∼ N µ, .
n
ករណីសាកលមានបំែនងែចកទូេទ
េបសី ន
ិ ជាលំហគំរៃូ ចដន្យ្រត�វបានេ្រជស
ី េរសេចញព
ី ី កលែដលមានបំែនងែចក្រប�បាប៊ីលេី តមន
សា ិ សា្គល់ េនាះ
បំែនងែចកលំហគំរៃូ នលំហគំរៃូ ចដន្យៃនមធ្យមេនែតអាចបា៉ន់សា្មនេដាយបំែនងែចកនរមា៉ល់ែដលមានមធ្យម
219
ិ វា៉ដ្យង់ σ /n េបីទំហល
µ នង ំ ំហគំរូ n ធំ្រគប់្រគាន់។ ករណីេនះជាលទ្ធផលសំខាន់មួយេនក្នុងស្ថត
ិ ិេហថា
2
្រទឹសីប
្ត ទលីមីតផ្ចិត។
8.3 ី ្ត ទលីមីតផ្ចិត
្រទឹសប
្រទឹសប ី ្ត ទលីមីតផ្ចិត (CLT)). េបី X1 , X2 , . . . , Xn ជាលំហគំរៃូ ចដន្យែដលមានទំហំ n

ី ្ដ ទ 8.3.1 (្រទឹសប
ី កលែដលមានមធ្យម µ និងវា៉ដ្យង់ σ កំនត់ េហយ
យកេចញពសា ី េបី X̄ ជាមធ្យមៃនលំហគំរូេនាះបំែនង
2
ែចកៃន
X̄ − µ
Z= √
σ/ n
ខិតេទរកបំែនងែចកនរមា៉ល់ស្តង់ដាេពលែដល n → ∞.
សមា្គល់ 8.3.1. CLT ែចងថាេបី n → ∞

" ! Z x #
X̄ − µ d X̄ − µ 1 2
− z2
√ → N(0, 1) ⇐⇒ P √ ≤ x −→ √ e dz.
σ/ n σ/ n n→∞ 2π −∞
សមា្គល់ 8.3.2.1. េបី n > 30 េនាះបំែនងែចកមធ្យមលំហគំរូអាចបា៉ន់សា្មនេដាយបំែនងែចកនរមា៉ល់

ែដលមានមធ្យម µ និងវា៉ដ្យង់ σ2 /n (មិនអា្រស័យនឹងបំែនងែចកៃនសាកល)។
2. េបី n ≤ 30 នង
ិ សាកលមានបំែនងែចកនរមា៉ល់េនាះបំែនងែចកមធ្យមលំហគំរអា
ូ ចបា៉ន់សា្មនេដាយបំ
ែនងែចកនរមា៉ល់ែដលមានមធ្យម µ និងវា៉ដ្យង់ σ2 /n។
3. យក X̄ ជាមធ្យមៃនលំហគំរែូ ដលមានទំហំ n យកេចញពីសាកលមួយែដលមានមធ្យម µ និងវា៉ដ្យង់

σ2 ។ តាមរយៈ្រទស
ឹ ប
ី្ត ទលម
ី ត
ី ផ្ចត
ិ
!
X̄ − µ a−µ
P(X̄ ≤ a) = P √ ≤ √
σ/ n σ/ n
!
a−µ
≈P Z≤ √ ,
σ/ n
ែដល Z ∼ N(0, 1)
ី ្ត ទលីមីតផ្ចិត
បំណក្រសាយៃន្រទឹសប
េបីលំហគំរូៃចដន្យែដលមានទំហធ ំ ំលម
្ម ្រត�វបានេ្រជីសេរសេចញព
ី ីសាកលែដលមានបំែនងែចកមានមធ្យម
µ នងិ វា៉ដ្យង់ σ មន
ិ ថាជាបំែនងែចកែចកឬជាប់េនាះ
2
1. បំែនងែចកៃនអេថរៃចដន្យ
X̄ − µ
√ ∼˙ N(0, 1)
σ/ n
2. បំែនងែចកៃនអេថរៃចដន្យ !
σ2
X̄ ∼˙ N µ,
n
3. បំែនងែចកៃនផលបូក
X1 + · · · + Xn ∼˙ N nµ, nσ2
220
សមា្គល់ 8.3.3. េហតុអីបា
្វ នជា្រទឹសីប
្ត ទលីមីតផ្ចិតមានសារៈសំខាន់េនក្នុងស្ថិតិ?
• ្រទស
ឹ ប
ី្ត ទលម
ី ត
ី ផ្ចត
ិ ផ្តល់នូវមូលដា្ឋនស្រមាប់ការេធ្វេី តស្តសម្មតក
ិ ម្មៃនភាពខុសគា្នៃនមធ្យមេដាយេ្របី
េតស្ត t និងេតស្ត F។
• ្រទឹសីប ួ ុ ងការកំនត់មធ្យម វា៉ដ្យង់ និងរូបរាងៃនបំែនងែចកមធ្យមលំហគំរូ។

្ត ទលីមីតផ្ចិតផ្តល់នូវក្បនក្ន
រូបមន្តសតិ្ថ ្រិ ត�វបានបេង្កីតេឡង ី េំ នះដឹងៃនបំែនងែចកេ្របកងៃ់ នមធ្យមលំហគំរន
ី េដាយែផ្អកេទេលច ូ ង
ិ
្រត�វបានេ្របីេនក្នុងេតស្តសម្មតិកម្មៃនភាពខុសគា្នៃនមធ្យម (មធ្យម µ និងវា៉ដ្យង់ σ /n)
2
• ្រទស
ឹ ីប
្ត ទលីមីត ផ្ចិត ក៏ មានសារៈសំខាន់ េ្រពាះ បំ ែនងែចកលំហ គំរូ ៃនមធ្យមគឺ អាចបា៉ន់ សា្ម នេដាយបំ
ែនងែចកនរមា៉ល់មន ិ ថាបំែនងែចកសាកលមានរាងយា៉ងដូចេម្តចដរាបណាទំហល ំ ំហគំរធូ ្រំ គប់្រគាន់។
ដូចេនះមធ្យមលំហគំរផ
ូ ្តលន ៏ ្អស្រមាប់មធ្យមសាកល µ។ េល្អ�ងេនក្នុងការបា៉ន់សា្មន
់ ូវតៃម្លបា៉ន់សា្មនដល
ែបបស្ថិតិ ៃនមធ្យមសាកលថយចុះ េពលែដលទំហំ ៃនលំហ គំរូ ែដល្រត�វ បានេ្រជីស េចញពី សាកល
េកន
ី េឡង ិ ិែដលមានបំែនងែចកលំហគំរូជាមួយវា៉ដ្យង់ៃនបំែនងែចកលំហគំរូបញ្ជក់អំពីេល្អ�ង
ី ។ ស្ថត
វា៉ដ្យង់ៃនស្ថិតិ ែដលមានន័យថាជាេល្អ�ងេនក្នុងការបា៉ន់សា្មនបា៉រា៉ ែម៉្រតសាកល។ េនេពលេល្អ�ងវា៉
់ ូចេនាះស្ថត
ដ្យងត ិ និ ង
ឹ ែ្រប្រប�លតច
ិ តួចពល
ី ំហគំរម
ូ ួយេទលំហគំរម
ូ ួយ ដូេច្នះវាផ្តលឱ
់ ្យេយង
ី នូវការធានា
មួយៃនតៃម្លបា៉ន់សា្មនដ្រ៏ បេសរី មួយៃនបា៉រា៉ ែម៉្រតសាកល។ វ ិធសា
ី �ស្តេគាលគឺ ការយកលំហគំរេូ ចញពី
សាកល គណនាស្ថិតិ និងការេ្របស
ី ិត
្ថ ជា
ិ តៃម្លបា៉ន់សា្មនៃនបា៉រា៉ ែម៉្រតសាកល។ សារៈសំខាន់ៃនបំែនង
ែចកលំហគំរេូ នក្នុងវ ិធសា
ី �ស្តេគាលេនះគេឺ ដីម្បក
ី ំនត់ថាេតស
ី ត
ិ្ថ េិ កត
ី េឡង
ី េនេ្រកក្រមត
ិ ឱកាស នង
ិ ថា
េតីវាេនែក្បរបា៉រា៉ ែម៉្រតសាកលយា៉ងណា។ ជាក់ែស្តងេបីបា៉រា៉ ែម៉្រតសាកល្រត�វបានដឹងដូចក្នុងករណី
សាកលកំនត់េនាះេយង
ី នង
ឹ មន
ិ េ្រជស
ី យកលំហគំរន
ូ ង
ិ ក៏មន
ិ ចាំបាច់បា៉ន់សា្មនបា៉រា៉ ែម៉្រតសាកលែដរ។
ស្រមាយបញ្ជ ក់្រទឹសប ី ម៉ូម៉ង់ៃន Xi អត្ថិភាព។ តាង Zi =

ី ្ត ទលីមីតផ្ចិត. សន្មត់ថាអនុគមន៍បេង្កត
Xi −µ
σ
េយង
ី មាន
E(Zi ) = 0, V(Zi ) = 1
និងអនុគមន៍បេង្កីតម៉ូម៉ង់ៃន Zi គឺ
t2 t3
MZi (t) = 1 + + E(Zi3 ) + · · ·
2! 3!
តាង Pn !
1 X
n
X̄ − µ 1 Xi − nµ
Yn = √ = √
i=1
= √ Zi .
σ/ n n σ n i=1
អនុគមន៍បេង្កីតម៉ូម៉ង់ៃន Yn គឺ
h √t Pn Z i " t
!#n
Mn (t) = E e n i=1 i
= MZ1 √ .
n
េយង
ី បាន
" !#n
t
Mn (t) = MZ1 √
n
2
!n
t t3
= 1+ + 3/2 k + · · · , k = E(Zi3 ).
2n 6n
221
បំពាក់ឡូការតេនែពរ
ី
!!
t2 t3
ln Mn (t) = n ln 1 + + k + ···
2n 6n3/2
 ! !2 
 t2 3 2 3 
+ 3/2 k + · · · + · · · 
t 1 t t
= n  + 3/2 k + · · · −
2n 6n 2 2n 6n
េនាះ
t2
ឬ lim Mn (t) = e 2 ≡ mgf N(0, 1).
t2
lim ln Mn (t) =
n→∞ 2 n→∞
ដូចេនះ
d
Yn → N(0, 1). □
ឧទាហរណ៍ 8.3.1. េនក្នុងឧទាហរណ៍េនះេយង

ី េធ្វីសុីមុយឡាស្យុងេនក្នុង R ចំេពាះសាកលមានបំែនង
ែចកនរមា៉ល់ ែដលមានមធ្យម µ = 100 នង
ិ σ = 100។ េយង
2
ី េ្រជីស យកលំហ គំរូ ៃចដន្យែដលមានទំហំ

ី ូ ្រកាមៃនបំ
្ត ែនងែចកសាកល
n = 5 េចញពីសាកលរួចគណនានិងកត់្រតាមធ្យមលំហគំរូរួចដាក់ចូលវ ិញ។ េយង ី េធ្វីដែដលៗដូចជំហាន

មុន 1000 ដងេនាះេយង
ី ទទួលបានមធ្យមលំហ គំរូ 1000។ េតីអុីសូ ្រកាមៃន
្ត មធ្យមលំហគំរូ 1000 មានរាង
ដូចេម្តច?
# Sampling distribution of mean

mu=100
sigma=10
n=5
xbar5<-vector(”numeric”,1000)
for(i in 1:1000){xbar5[i]=mean(rnorm(n,mean=mu,sd=sigma),prob=TRUE)}
hist(xbar5, breaks=20,xlab=”sample mean”,main=”Histogram of the Means of 1000 Samples of Size 5”)
222

រួចដាក់ចូលវ ិញ។ េយង ំ នមុន 1000 ដងេនាះេយង
ី េធ្វីដែដលៗដូចជហា ី ទទួលបានមធ្យមលំហគំរូ 1000។
េតអ
ី ុស
# Sampling distribution of mean

mu=100
sigma=10
n=10
for(i in 1:1000){xbar10[i]=mean(rnorm(n,mean=mu,sd=sigma),prob=TRUE)}
hist(xbar10, breaks=20,xlab=”sample mean”,main=”Histogram of the Means of 1000 Samples of Size 10”

223
5 100 100
5
= 20
10 100 100
10
= 10
> var(xbar5)
[1] 19.57903
> var(xbar10)
[1] 9.811248

ី េធ្វីសុីមុយឡាស្យុងេនក្នុង R ចំេពាះសាកលមានបំែនង
ែចកអុច
៉ ែ់ ស្យលែដលមានមធ្យម 5។ េយង
ី េ្រជីសយកលំហគំរៃូ ចដន្យែដលមានទំហំ n = 5 េចញពី
រូប 8.7: អុីសូ ្រកាមៃនបំ

្ត ែនងែចកសាកល
សាកលរួចគណនានិងកត់្រតាមធ្យមលំហគំររួូ ចដាក់ចូលវ ិញ។ េយង ី ែដលៗដូចជំហានមុន 1000 ដងេនាះ

ី េធ្វដ
េយង
ី ទទួលបានមធ្យមលំហគំរូ 1000។ េតអ
ី ុសី ូ ្រកាមៃន
# CLT Exponential
lambda=0.2
n=5
for(i in 1:1000){xbar5[i]=mean(rexp(n,rate=lambda),prob=TRUE)}
hist(xbar5, breaks=20,xlab=”sample mean”,main=”Histogram of the Means of 1000 Samples of Size 5”)
េយង ី េ្រជស
ី យកលំហគំរៃូ ចដន្យែដលមានទំហំ n = 30 េចញពសា
រួចដាក់ចូលវ ិញ។ េយង ំ នមុន 1000 ដងេនាះេយង
ី េធ្វីដែដលៗដូចជហា ី ទទួលបានមធ្យមលំហគំរូ 1000។
េតអ
ី ុស
224
# CLT Exponential
lambda=0.2
n=30
for(i in 1:1000){xbar30[i]=mean(rexp(n,rate=lambda),prob=TRUE)}
hist(xbar30, breaks=20,xlab=”sample mean”,main=”Histogram of the Means of 1000 Samples of Size 30”

5 5 25
5
=5
30 5 25
30
= 0.83
225
> var(xbar5)
[1] 5.120595
> var(xbar30)
[1] 0.7683056
ឧទាហរណ៍ 8.3.3. ្រក�មហ៊ុនេអឡច

ិ ្រត�និចផលិតអំពូលេភ្លីងែដលមានអាយុកាលេ្របី្របាស់ជាបំែនងែចក
នរមា៉ល់ែដលមានមធ្យម 800 េមា៉ងនិងគមា្លតគំរូ 40 េមា៉ង។ រក្រប�បាប៊ីលីេតែដលលំហគំរូៃចដន្យៃនអំពូល
ចំនួន 16 នឹងមានអាយុកាលេ្របី្របាស់មធ្យមតិចជាង 775 េមា៉ង។

ចេម្លើយ. បំែនងែចកលំហគំរូៃន X̄ ∼ N 800, 40 េនាះ
2
16
!
X̄ − 800 775 − 800
P(X̄ < 775) = P √ < √
40/ 16 40/ 16
= P(Z < −2.5)
= 0.0062
ឧទាហរណ៍ 8.3.4. ការេធ្វីដំេណីរវាងសាខាពីរៃនសាកលវ ិទយល័យក្នុងទី្រក�ងតាមរយៈរថយន្ត្រក�ងចល័ត

់ 5 នាទ។
្រត�វចំណាយេពលជាមធ្យម 28 នាទែី ដលមានគមា្លតស្តងដា ី េនក្នុងសបា្តហ៍មួយែដលរថយន្ត្រក�ង
ចល័ត ដឹកជញ្ជូ នអ្នកដំេណីរ 40 ដង េតី ្រប�បាប៊ីលីេតែដលរយៈេពលដឹកជញ្ជូ នជាមធ្យម(ៃនការដឹកជញ្ជូ ន
ទាំង 40 ដង) គេឺ ្រចន
ី ជាង 30 នាទ?
ី

ចេម្លើយ. តាង X̄ ជាមធ្យមៃនរយៈេពលដក
ឹ ជញ្ជូ ន 40 ដងេនាះ X̄ ∼˙ N 28, 40 ។ ដូចេនះ
5 2
!
X̄ − 28 30 − 28
P(X̄ > 30) = P √ > √
5/ 40 5/ 40
CLT
≈ P(Z > 2.53)
= 0.0057
ឧទាហរណ៍ 8.3.5. កំរតកូ

ិ េឡេស្តរូល
៉ ក្នុងឈាមៃនសាកលៃនអ្នកេធ្វកា
ី រមានមធ្យមេស្មន
ី ងឹ 202 នង
ិ គមា្លត
ស្តង់ដា 14 ។
1. េបល ី ំហគំរៃូ នអ្នកេធ្វីការ 36 នាក់្រត�វបានេ្រជីសេរសគណនា្រប�

ី បាប៊ីលីេតែដលមធ្យមៃនកំរតកូ
ិ េឡេស្ត
រូល
៉ ក្នុងឈាមនង ឹ ស្ថតិ េនចេនា្លះពី 198 នងិ 206 ។
2. េធ្វីសំណួរទី 1 េឡង
ី វ ិញចំេពាះលំហគំរូៃនអ្នកេធ្វីការ 64 នាក់។

ចេម្លើយ. 1. តាង X̄ ជាមធ្យមៃនកំរតកូ
ិ េ ឡេស្ត រ ល
ូ ៉ របស់ អ ក
្ន េធ្វ
កា
ី រ 36 នាក់ េ នាះ X̄ ∼
˙ N 202, 142
36
។
ដូចេនះ
!
198 − 202 X̄ − 202 206 − 202
P(198 ≤ X̄ ≤ 206) = P √ ≤ √ ≤ √
14/ 36 14/ 36 14/ 36
CLT
≈ P(−1.71 ≤ Z ≤ 1.71)
= P(Z ≤ 1.71) − P(Z ≤ −1.71)
= 0.9128
226

2. តាង X̄ ជាមធ្យមៃនកំរតកូ
៉ របស់អ្នកេធ្វីការ 64 នាក់េនាះ X̄ ∼˙ N 202, 14 ។ ដូចេនះ
2
64
!
198 − 202 X̄ − 202 206 − 202
P(198 ≤ X̄ ≤ 206) = P √ ≤ √ ≤ √
14/ 64 14/ 64 14/ 64
CLT
≈ P(−2.28 ≤ Z ≤ 2.28)
= P(Z ≤ 2.28) − P(Z ≤ −2.28)
= 0.9774
លំហាត់ 8.3.1. 1. សន្មតថា

់ លំហគំរៃូ ចដន្យទំហំ n ្រត�វបានេ្រជីសេចញពសា
ី កលមានមធ្យម µ = 225
និងវា៉ដ្យង់ σ = 225។ ចំេពាះតៃម្លនីមួយៗខាងេ្រកាមៃន n គណនាមធ្យម និងគមា្លតស្តង់ដាៃនបំ
2
ែនងែចកលំហគំរូៃនមធ្យម X̄
(a) n = 9
(b) n = 49
(c) n = 225
(d) n = 500
(e) n = 1000
(f) n = 2500
់ លំហគំរៃូ ចដន្យែដលមានទំហំ n = 16 ្រត�វបានេ្រជីសេចញពសា
ី កលែដលមានមធ្យម µ និង
គមា្លតស្តង់ដា σ។ ចំេពាះតៃម្លនីមួយៗៃន µ និង σ ខាងេ្រកាមគណនា µX̄ និង σX̄
(a) µ = 12, σ = 3
(b) µ = 144, σ = 16
(c) µ24, σ = 28
(d) µ = 12, σ = 96
3. េគឱ្យតារាងបំែនងែចក្រប�បាប៊ីលេី តដូចខាងេ្រកាម
x 3 4 6 9
p(x) 0.3 0.1 0.5 0.1
(a) រក µ, σ2 នង
ិ σ
(b) រកបំែនងែចកលំហគំរូៃន X̄ ចំេពាះ n = 2
√
(c) េ្របីលទ្ធផលក្នុងែផ្នក(ខ) គណនា µX̄ និង σX̄ ។ េផ្ទ�ងផា្ទត់ថា µ = µX̄ និង σX̄ = σ/ n =
√
σ/ 2
4. លំហគំរៃូ ចដន្យែដលមានទំហំ n = 100 ្រត�វបានេ្រជីសេចញពសា

ី កលែដលមាន µ = 31 នង
ិ σ = 25
(a) រក µX̄ និង σX̄

(b) បក្រសាយរូបរាងៃនបំែនងែចកលំហគំរូៃន X̄
(c) រក P(X̄ ≥ 28)
(d) រក P(22.1 ≤ X̄ ≤ 26.8)
227
(e) រក P(X̄ ≤ 28.2)
(f) រក P(X̄ ≥ 27)
5. ទម្ងន់ៃនស៊ុតមួយ្របេភទ(គត ិ គមា្លតស្តង់
ិ ជា្រកាម)ជាអេថរៃចដន្យនរមា៉ល់ែដលមានមធ្យម 53 នង
ដា 0.3។
(a) េបស
ី ុត រក្រប�បាប៊ីលេី តែដលទម្ងនរ់ បស់វានង
៊ មួយ្រគាប់្រត�វបានេ្រជីសេរសេដាយៃចដន្យ
ី ឹ េ្រចន
ី ជាង
53.5 ្រកាម។
(b) េបីលំហគំរូៃនស៊ុត 12 ្រគាប់្រត�វបានេ្រជីសេរសេដាយៃចដន្យរក្រប�

ី បាប៊ីលេី តែដលទម្ងន់មធ្យម
ៃនលំហគំរូេ្រចីនជាង 53.5 ្រកាម។
(c) េបីលំហគំរូៃនស៊ុត 36 ្រគាប់្រត�វបានេ្រជីសេរសេដាយៃចដន្យរក្រប�

ី បាប៊ីលីេតែដលទម្ងន់មធ្យម
ៃនលំហគំរូេ្រចីនជាង 53.5 ្រកាម។
8.4 បា៉ន់សា្មនបំែនងែចកេទ្វធាេដាយេ្របើបំែនងែចកនរមា៉ល់
បំែនងែចកនរមា៉ល់្រត�វបានេ្របជា
ី េរឿយៗេដីម្បេី ដាះ្រសាយបញ្ហពាក់ព័នន
្ធ ង
ឹ បំែនងែចកេទ្វធាេ្រពាះេនេពល
ែដល n ធំ (ឧទាហរណ៍ n = 100) ការគណនាេដាយៃដគឺលំបាកេបីេ្របីបំែនងែចកេទ្វធា។ េយង ី រ ំលឹកអំពី
លក្ខណៈៃនបំែនងែចកេទ្វធាដូចខាងេ្រកាម៖
1. ចំនួនពិេសាធន៍ជាចំនួនកំនត់ n
ី ួយៗមានលទ្ធផលែតពរី ៖ េជាគជ័យ នង
2. ពេិ សាធន៍នម ិ បរាជ័យ
3. ពេិ សាធន៍នម
ី ួយៗមន
4. ្រប�បាប៊ីលីេតេជាគជ័យក្នុងពិេសាធន៍នីមួយៗេស្មីនឹង p ដូចៗគា្នែដល 0 < p < 1
តាង X ជាអេថរៃចដន្យេទ្វធា ែដលមានបា៉រា៉ ែម៉្រត n នង

ិ p។ េដាយសារ X អាច្រត�វ បានចាត់ទុកជាចំនួន
េជាគជ័យេនក្នុង n ពេិ សាធន៍មន
ិ អា្រស័យគា្នែដលពេិ សាធន៍នីមួយៗមាន្រប�បាប៊ីលេី តេជាគជ័យ p ដូចៗ
គា្នេនាះ X អាច្រត�វបានសេសរជា
X = X1 + X2 + · · · + Xn
ែដល 



1 េបីពិេសាធន៍ទី i េជាគជ័យ
Xi = 


0 ័
េបីពិេសាធន៍ទី i បរាជយ
េយង
ី មាន
E[Xi ] = p និង V(Xi ) = p(1 − p)
យក X1 , X2 , . . . , Xn ជាលំហគំរៃូ ចដន្យេចញពសា
ី កលែដលមានបំែនងែចកែប៊រនូយែី ដលមានមធ្យម p និង
វា៉ដ្យង់ p(1 − p)។ តាង P̂ = n (សមាមា្រតៃនលំហគំរូ) េនាះេយង
X
ី បាន
r
E[X] S D(X̄) p(1 − p)
E[P̂] = = p នង
ិ S D(P̂) = =
n n n
តាមពិតេទ
X X1 + X2 + · · · + Xn
P̄ = =
n n
228
ជាមធ្យមៃនលំហគំរែូ ដលមានទំហំ n យក េចញពសា ិ វា៉ដ្យង់ p(1 − p) ដូចេនះ
ី កលែដលមានមធ្យម p នង
តាមរយៈ្រទឹសីប
្ត ទលីមីតផ្ចិត៖ ចំេពាះ n ធំ្រគប់្រគាន់
X
−p X − np
q
n
= p ∼ N(0, 1).
p(1−p) np(1 − p)
n
សមា្គល់ 8.4.1. • ចំេពាះការអនុវត្ត ការបា៉ន់ សា្ម នបំ ែនងែចកេទ្វ ធា េដាយបំ ែនងែចកនរមា៉ល់ ជា ការ
បា៉ន់សា្មនដ៏លេ្អ បី n ធំលម
្ម ែដល np ≥ 5 នង
ិ n(1 − p) ≥ 5
• េដាយសារែតអេថរៃចដន្យេទ្វធាជាអេថរដាច់េហយ
ី េយង
ី បា៉ន់សា្មនវាេដាយអេថរៃចដន្យជាប់ េនក្នុង
ន័យេនះ្រកលាៃផ្ទេនេ្រកាមែខ្សេកាងនរមា៉ល់នឹង្រត�វបានេ្របេី ដីម្បបា
ី ៉ ន់សា្មន្រកលាៃផ្ទចតុេកាណែកង
េនក្នុងអុី ស្តូ្រកាម្រប�បាប៊ីលីេតៃនអេថរៃចដន្យទ្វធា។ េដាយសារចតុេកាណែកងទាំងេនះមានទទឹង
មួយឯកតានង ិ មានចំនុចកណា ្ត លជាេលខគត់េនាះចំេពាះចំនួនគត់ k
P(X = k) = P(k − 0.5 ≤ X ≤ k + 0.5)
េនះេហថាការែកត្រម�វភាពជាប់។
តារាងសេង្ខបៃនការបា៉ន់សា្មនបំែនងែចកេទ្វធាេដាយបំែនងែចកនរមា៉ល់
បំែនងែចកេទ្វធា បំែនងែចកនរមា៉ល់
P(X = k) P(k − 0.5 ≤ X ≤ k + 0.5)
P(X ≥ k) P(X > k − 0.5)
P(X > k) P(X > k + 0.5)
P(X ≤ k) P(X < k + 0.5)
P(X < k) P(X < k − 0.5)

ី េធ្វស
ី មុី ុយឡាស្យងេនក្ន
ុ ុ ង R ចំេពាះសាកលមានបំែនងែចក
េទ្វធាែដលមាន n = 10 និង p = 0.5។ េយង ី េ្រជីសយកលំហគំរូៃចដន្យែដលមានទំហំ 20 េចញពីសាកល
រួចគណនានិងកត់្រតាមធ្យមលំហគំររួូ ចដាក់ចូលវ ិញ។ េយង ី ែដលៗដូចជំហានមុន 1000 ដងេនាះេយង
ី េធ្វដ ី
ទទួលបានមធ្យមលំហគំរូ 1000។ េតីអុីសូ ្រកាមៃន
#CLTBinomial
n=10
p=0.5
xbarb20<-vector(”numeric”, 1000)
for(i in 1:1000){
xbarb20[i] = mean(rbinom(20,n,prob=p))}
hist(xbarb20, breaks=20,
229
េយង ី េ្រជស
ី យកលំហគំរូៃចដន្យែដលមានទំហំ 100 េចញពីសាកលរួចគណនានង ិ កត់្រតាមធ្យមលំហ
គំររួូ ចដាក់ចូលវ ិញ។ េយង ី េធ្វដ
ី ែដលៗដូចជហា ំ នមុន 1000 ដងេនាះេយង
ី ទទួលបានមធ្យមលំហគំរូ 1000។
េតអី ុស ី ូ ្រកាមៃន
n=10
p=0.5
xbarb100<-vector(”numeric”, 1000)
for(i in 1:1000){
xbarb100[i] = mean(rbinom(100,n,prob=p))}
hist(xbarb100, breaks=20,

230
20 5 2.5
20
= 0.125
100 5 2.5
100
= 0.025
> var(xbarb20)
[1] 0.118059
> var(xbarb100)
[1] 0.02528958

់ មាន 46% ៃនសាកលគាំ្រទេបក្ខជនមួយរូប។ េបល
ី ំហគំរែូ ដលមានទំហំ 200
ី េតី្រប�បាប៊ីលីេតែដលយា៉ងេហាចណាស់មាន 100 នាក់គា្រំ ទេបក្ខជនរូបេនះ?
នាក់្រត�វបានេ្រជីសេរស
ី ចង់
ចេម្លើយ. តាង X ជាចំនួនមនុស្សែដលគាំ្រទេបក្ខជនរូបេនះ េនាះ X ∼ B(n = 200, p = 0.46)។ េយង
គណនា P(X ≥ 100)។ េយង
ី មាន
np = 200(0.46) = 92 ≥ 5, n(1 − p) = 200(1 − 0.46) = 108 ≥ 5
ី អាចេ្របី្រប�បាប៊ីលីេតនរមា៉ល់េដីម្បបា
េនាះេយង ី ៉ ន់សា្មន្រប�បាប៊ីលីេតេទ្វធា៖ តាមការែកត្រម�វភាពជាប់េយង
ី
បាន
P(X ≥ 100) = P(X > 99.5)
!
X − 200(0.46) 99.5 − 200(0.46)
=P √ > √
200(0.46)(0.54) 200(0.46)(0.54)
CLT
≈ P(Z > 1.06)
= 0.1446
ែដល Z ∼ N(0, 1).

ឧទាហរណ៍ 8.4.3. េនក្នុងរបាយការណ៍មួយបញ្ជក់ថា 6% ៃនអ្នកេបក
ី បរជនជាតអា
ិ េមរចកាំ
ិ ងអានកាែសត
េពលកំពុងេធ្វីដំេណីរ។ េបីអ្នកេបីកបរ 300 នាក់្រត�វបានេ្រជីសេរសេដាយៃចដន្យ
ី រក្រប�បាប៊ីលីេតែដលមាន
25 នាក់និយាយថាពួកេគអានកាែសតេពលកំពុងេធ្វីដំេណីរ។
ចេម្លើយ. តាង X ជាចំនួនមនុស្សែដលនយា ី ំេណីរ េនាះ X ∼ B(n =
ិ យថាពួកេគអានកាែសតេពលកំពុងេធ្វដ
ី ចង់គណនា P(X = 25)។ េយង
300, p = 0.06)។ េយង ី មាន
np = 300(0.06) = 18 ≥ 5, n(1 − p) = 300(1 − 0.06) = 282 ≥ 5
ី អាចេ្របី្រប�បាប៊ីលេី តនរមា៉ល់េដីម្បបា
េនាះេយង ី ៉ ន់សា្មន្រប�បាប៊ីលេី តេទ្វធា៖ តាមការែកត្រម�វភាពជាប់េយង
ី
បាន
P(X = 25) = P(24.5 ≤ X ≤ 25.5)
!
24.5 − 300(0.06) X − 300(0.06) 25.5 − 300(0.06)
=P √ ≤ √ ≤ √
300(0.06)(0.94) 300(0.06)(0.94) 300(0.06)(0.94)
CLT
≈ P(1.58 ≤ Z ≤ 1.82)
= 0.9656 − 0.9429
= 0.0227
ែដល Z ∼ N(0, 1).
231
លំហាត់ 8.4.1. 1. ពន
ិ ត
ិ ្យបំែនងែចកលំហគំរៃូ ចដន្យែដលមាន p = 0.14 និងលំហគំរែូ ដលមានទំហំ n
នីមួយៗ។ ចំេពាះតៃម្ល n នីមួយៗគណនាមធ្យមនិងគមា្លតស្តង់ដាៃនបំែនងែចកលំហគំរូៃចដន្យៃន
សមាមា្រត P̂
(a) ចំេពាះលំហគំរូៃចដន្យែដលមានទំហំ n = 4000

(b) ចំេពាះលំហគំរូៃចដន្យែដលមានទំហំ n = 1000
(c) ចំេពាះលំហគំរូៃចដន្យែដលមានទំហំ n = 500
2. សន្មត់ ថា លំហ គំរូ ៃចដន្យែដលមានទំហំ n = 591 ្រត�វ បានេ្រជីស េចញពី សាកលេទ្វធា ែដលមាន
្រប�បាប៊ីលេី តេជាគជ័យ p។ ចំេពាះតៃម្ល p នីមួយៗខាងេ្រកាមគណនាមធ្យមនង
ិ គមា្លតស្តង់ដាៃនបំ
ែនងែចកលំហគំរូៃចដន្យៃនសមាមា្រត P̂
(a) p = 0.2
(b) p = 0.5
(c) p = 0.8
3. លំហ គំរូ ៃចដន្យែដលមានទំហំ n = 70 ្រត�វ បានេ្រជីស េចញពី សាកលេទ្វធា ែដលមាន្រប�បាប៊ីលេី ត

េជាគជ័យ 0.3
(a) គណនាមធ្យមនិងគមា្លតស្តង់ដាៃនបំែនងែចកលំហគំរូៃចដន្យៃនសមាមា្រត P̂
(b) បក្រសាយរូបរាងៃនបំែនងែចកលំហគំរូៃចដន្យៃន P̂
(c) គណនា P(P̂ > 0.33)
4. ្របមាណជា 12.5% ៃនវ ិក្កយប្រតេភាជនីយដា្ឋនគឺ មិន ្រតឹម្រត�វ។ េបីសិនជាវ ិក្កយប្រត 200 ្រត�វបាន
េ្រជីសេរសេដាយៃចដន្យរក្រប�
ី បាប៊ីលីេតែដលយា៉ងេហាចណាស់ 22 នឹងផ្ទុកនូវកំហុស។
5. 22% ៃនេ្រគាះថា្នក់ ការងារជាេ្រគាះថា្នក់ ែផ្នក ខ្នង។ េបីសិនជាកម្មករេ្រគាះថា្នក់ ការងារ 400 នាក់ ្រត�វ
បានេ្រជីសេរសេដាយៃចដន្យ
ី រក្រប�បាប៊ីលីេតែដល 92 នាក់ឬតិចជាងមានេ្រគាះថា្នក់ែផ្នកខ្នង។
8.5 បំែនងែចកមធ្យមលំហគំរ ូពីសាកលនរមា៉ល់េពលមិនសា្គល់ σ
វា៉ដ្យង់លហ
ំ គំរ ូ S 2
េគឱ្យ X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យែដលមានទំហំ n យកេចញពសា ិ វា៉ដ្យង់ σ

ី កលែដលមានមធ្យម µ នង
2
។
និយមន័យ 8.5.1. 1. វា៉ដ្យង់លំហគំរូគឺឱ្យេដាយ
1 X
n
S2 = (Xi − X̄)2
n − 1 i=1
Pn
ែដល X̄ = 1
n i=1 Xi ជាមធ្យមលំហគំរូ។
2. គមា្លតស្តង់ដាលំហគំរូៈ
v
t
√ 1 X
n
S = S2 = (Xi − X̄)2 .
n − 1 i=1
232
សំេណើ 8.5.1. េបី S 2 ជាវា៉ដ្យង់លំហគំរូៃចដន្យែដលមានទំហំ n េនាះ
 n  n 
 X 
X 2 
X 2 −  Xi   .
1 n
S2 =
n(n − 1)  i=1 i  i=1  
ស្រមាយបញ្ជ ក់. តាមនិយមន័យ
1 X
n
S2 = (Xi − X̄)2
n − 1 i=1
1 X 2
n
= (Xi − 2X̄Xi + X̄ 2 )
n − 1 i=1
 n 
1 X 2 X 
n
2
=  Xi − 2X̄ Xi + nX̄ 
n − 1 i=1
 n i=1

1   X 
=  Xi2 − nX̄ 2 
n − 1 i=1
 n  n 
 X 
 X 2 
X 2 −  Xi   .
1 n
S2 =
n(n − 1)  i=1 i  i=1  
ី ្ដ ទ 8.5.1. វា៉ដ្យង់លំហគំរូ S 2 ជាអ្នកបា៉ន់សា្មនមន

្រទឹសប ិ លេម្អ�ងៃនវា៉ដ្យង់សាកល σ មានន័យថា
2
E[S 2 ] = σ2
 

 X
n

E[S 2 ] = E  (Xi − X̄)2 
1
n − 1 i=1
 n 
X 2 
E  (Xi − 2X̄Xi + X̄ )
1
= 2
n − 1 i=1
 n 
X 2 
Xi − nX̄ 2 
1
= E 
n − 1 i=1
 n 
1 X 
2 
=  E(Xi ) − nE(X̄ )
2
n − 1 i=1
េដាយសារ E[Xi2 ] = µ2 + σ2 នង
ិ E[X̄ ] = µ + σ /n េយង
2 2 2
ី បាន
 n 
1 X 2 
E[S ] =
2
 (µ + σ ) − n(µ + σ /n)
2 2 2
n − 1 i=1
1
= (nµ2 + nσ2 − nµ2 − σ2 )
n−1
= σ2 .
233
ី ្ដ ទ 8.5.2. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យ iid ែដលមាន E(Xi ) = µ និង V(Xi ) = σ2 ចំេពាះ
្រទឹសប
i = 1, . . . , n េនាះវា៉ដ្យង់ៃន S 2 គឺឱ្យេដាយ
" i (n − 3)σ4 #
1 h
V(S ) =2
E (X1 − µ) −
4
n n−1
ស្រមាយបញ ិ មន័យវា៉ដ្យង់
្ជ ក់. តាមនយ
h i 2
V(S 2 ) = E S 4 − E S 2
h i
= E S 4 − σ4 .
Pn
តាង Yi = Xi − µ។ េដាយសារ S 2 = 1
n−1 i=1 (Xi − X̄)2 េនាះេយង
ី បាន
 n  n 2 
1 Xn
1  X X  
S2 = (Yi − Ȳ)2 = n 2
−  Yi  
n(n − 1)  i=1 i  i=1  
Y
n − 1 i=1
នង
ិ
  n   n   n 2  n 4 
 X 2 X  X  X  
S4 = 2
1 n2  Y 2  − 2n  Y 2   Yi  +  Yi  

n (n − 1)2   i  i    
i=1 i=1 i=1 i=1
  n 2   n   n 2   n 4 
h i 
 2 X 2  
 X  X   X   
ES 4
= 2
1
 E     − 
 

 2 

 

 
 
 + E  Yi   .
n (n − 1)2 

n 
  Yi  
 2nE 
  Yi   Yi  
    


i=1 i=1 i=1 i=1
ី គណនាសង្ឃម
ឹ គណិតនម
ី ួយៗេនខាងសា្តៃំ ដ េដាយសារ Yi នម
ី ួយៗមានមធ្យមេស្មី 0 េយង
ី ទាញ
បានតាមរយៈភាពមន
ិ បំែនងែចកដូចគា្នថា
 n   n 
X 2  X X 
E  Yi2   = E  Yi4 + 2 Yi2 Y 2j 
i=1 i=1 i< j
 n 
X  X h i
= E  Yi4  + 2 E Yi2 Y 2j
i=1 i< j
 n 
X 4  X h i h i
= E  Yi  + 2 E Yi2 E Y 2j
i=1 i< j
 n 
X 4  X
= E  Yi  + 2 σ4
i=1 i< j
 n 
X 4  n(n − 1) 4
= E  Yi  + 2 σ
2
h i
i=1
= nE Y14 + n(n − 1)σ4 ,
234
 n   n 2   n  n 
X  X 
  X  X X 
E  Yi2   Yi   = E  Yi2   Y 2j + 2 Y j Yk 
i=1 i=1 i=1 j=1 j<k
 n 
X X n X X n X 
= E  Yi4 + Yi2 Y 2j + 2 Yi2 Y j Yk 
i=1 i=1 i, j i=1 j<k
 n 
 X  X n X h i h i X n X h i h i h i
= E  Yi4  + 2 E Yi2 E Y 2j + 2 E Yi2 E Y j E Yk
i=1 i=1 i< j i=1 j<k
 n 
X 4  n(n − 1) 4
= E  Yi  + 2 σ
2
hi=1 i
= nE Y14 + n(n − 1)σ4 ,
នង
ិ
 n 4 
X  
E  Yi   = E[(Y1 + . . . + Yn )(Y1 + . . . + Yn )(Y1 + . . . + Yn )(Y1 + . . . + Yn )]
i=1
ំ ទ្រមង់
ពនា្លតអង្គខាងសា្តជា
Yi4 , Yi3 Y j , Yi2 Y 2j , Yi2 Y j Yk , Yi Y j Yk Yl
ែដល i, j, k និង l គឺខុសគា្ន ទាំងអស់។ េដាយសារ Yi នីមួយៗមិនអា្រស័យគា្ននិងមានមធ្យមេស្មី 0 េយង

ី
បាន
E[Yi3 Y j ] = E[Yi3 ]E[Y j ] = 0
E[Yi2 Y j Yk ] = E[Yi2 ]E[Y j ]E[Yk ] = 0
E[Yi Y j Yk Yl ] = 0.
េយង
 n 4   n  !
X   X 4 
  n
E  Yi   = E  Yi  + 6 E[Yi2 Y 2j ]
i=1 i=1
2
h i
= nE Y14 + 3n(n − 1)E[Yi2 ]E[Y 2j ]
h i
= nE Y14 + 3n(n − 1)σ4 .
4
េ្រពាះចំេពាះ្រគប់គូ i នង
ិ j េយង ី មាន 2 = 6 តួែដលមានទ្រមង់ Xi X j ។ ចុងេ្រកាយេយង ី បាន
2 2
n h i h i h i o
h i n2 nE Y14 + n(n − 1)σ4 − 2n nE Y14 + n(n − 1)σ4 + nE Y14 + 3n(n − 1)σ4
E S4 =
n2 (n − 1)2
1 h i n2 − 2n + 3 4
= E Y14 + σ.
n n(n − 1)
នង
ិ ដូេច្នះ
h i
V(S 2 ) = E S 4 − σ4
1 h i n2 − 2n + 3 4
= E Y14 + σ − σ4
n n(n − 1)
1 h i n−3 4
= E Y14 − σ.
n n(n − 1)
□
235
ី ្ដ ទ 8.5.3. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យ iid ែដលមាន E(Xi ) = µ និង V(Xi ) = σ2 ចំេពាះ
្រទឹសប
i = 1, . . . , n េនាះកូវា៉ដ្យង់ៃន X̄ និង S 2 គឺឱ្យេដាយ

E (X1 − µ)3
Cov(X̄, S ) = 2
,
n

េបី E (X1 − µ)3 < ∞
ស្រមាយបញ្ជ ក់. តាមនិយមន័យកូវា៉ដ្យង់

h i
Cov(X̄, S 2 ) = E X̄ − E[X̄] S 2 − E[S 2 ]

= E (X̄ − µ)(S 2 − σ2 )

= E (X̄ − µ)S 2 .
តាង Yi = Xi − µ, i = 1, 2, . . . , n េនាះេយង
ី បាន
 n 
 X 
(Yi − Ȳ)2 
1
Cov(X̄, S 2 ) = E Ȳ
n−1 i=1
 n  n  n 2 
X X X  
E  Yi  Yi2 −  Yi  
1 1
=
n(n − 1) i=1 i=1
n i=1
     n 2 


  
 Xn X n 
 

1  X n 
 X  
2 
Y j  − E  Yi  Y j  
1 
= E  Yi
  
n(n − 1) i=1 j=1
n i=1 j=1
 n  n  n 
1 X 1 X X X 
=  E Y 3 − E  Yi  Y 2 + 2 Y Y 
n(n − 1)  i=1 n  i=1  j=1 j 
i j k
j<k
 n 
X 3 1 X n

E Yi3 
1  E Yi −
=
n(n − 1) i=1 n i=1
1
= nE Y13 − E Y13
n(n − 1)
1 3
= E Y1 .
n
□
អេថរៃចដន្យ χ2
Pn
់ មិនអា្រស័យគា្នេនាះអេថរៃចដន្យ
និយមន័យ 8.5.2. េបី Z1 , . . . , Zn ជាអេថរៃចដន្យនរមា៉ល់ស្តងដា i=1 Zi2
េហថាអេថរៃចដន្យ χ2 (n)។
សមា្គល់ 8.5.1. នម
ិ ត
ិ ្តសញញ X ∼ χ (n) ជាអេថរៃចដន្យ χ ែដលមានដឺេ្រកេសរ ី d. f. = n
2 2
សំេណើ 8.5.2. េបី X ∼ χ2 (n) េនាះ
E[X] = n,
V(X) = 2n.
236
 n 
X 2  X
n X
n X
n

E[X] = E  Zi  = E[Zi ] =
2
V(Zi ) + (E(Zi )) =
2
1=n
 i=1  i=1 i=1 i=1
X 2  X
n n Xn X n

V(X) = V  Zi  = V(Zi ) =
2
E(Zi ) − (E(Zi )) =
4 2 2
(3 − 12 ) = 2n
i=1 i=1 i=1 i=1
□
ទំនាក់ទំនងៃនអេថរៃចដន្យ χ2 និងអេថរៃចដន្យហា្កមា៖ េយង ី គណនាអនុគមន៍បេង្កីតម៉ូម៉ងៃ់ នអេថរៃចដន្យ
χ (n) ។ េយង
2
ី ចាប់េផ្តីមេពលែដល n = 1
h i h 2i
E etX = E etZ , ែដល Z ∼ N(0, 1)
Z ∞
2
= etx fZ (x)dx
−∞
Z ∞
1 x2
etx e− 2 dx
2
= √
2π Z−∞
∞
1
e−x (1−2t)/2 dx
2
= √
2π −∞ Z ∞ 1
− 12 1
e−y /2 dy, y = x(1 − 2t) 2 , t <
2 1
= (1 − 2t) √
2π −∞ 2
1
= (1 − 2t)− 2 , t <
1
2
ដូចេនះករណីដឺេ្រកេសរ ី n ទូេទ
h i h Pn 2 i
E etX = E et i=1 Zi
 n 
Y tZ 2 
= E  e i 
i=1
Y
n h 2i
= E etZi (តាមភាពមិនអា្រស័យគា្ន)
i=1
1
= (1 − 2t)− 2 , t <
n
n2
≡ mgf Gamma , 2
2

ី ម៉ូម៉ង់ េយង
ដូេច្នះ តាមភាពមានែតមួយ គត់ ៃនអនុគមន៍ បេង្កត ី ទាញបាន X ∼ χ (n) ≡ Gamma
2 n
2
,2។
ដូចេនះេយង ិ ្ឋ នថាអនុគមន៍ដង់សុេី តៃនអេថរៃចដន្យ X ∼ χ n) គឱ
ី អាចសន្នដា ឺ ្យេដាយ
(
1
x 2 −1 e− 2 ,
n x
f (x) = x>0
2 Γ 2
n
n
2
បំែនងែចកវា៉ដ្យង់លហ
ំ គំរ ូ
ី ្ដ ទ 8.5.4. េគឱ្យ X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យែដលមានទំហំ n យកេចញពប

្រទឹសប ី ែំ នងែចកនរមា៉ល់ែដល
មានមធ្យម µ និងវា៉ដ្យង់ σ2 េនាះអេថរៃចដន្យ
Xi − µ
Zi =
σ
237
ជាអេថរៃចដន្យនរមា៉ល់ស្តង់ដាមន
ិ អា្រស័យគា្ន i = 1, . . . , n នង
ិ
n
X X Xi − µ 2
n
Zi2 = ∼ χ2 (n).
i=1 i=1
σ

ី មាន Xi ∼ N(µ, σ ) េនាះ Zi = ∼ N(0, 1), i = 1, . . . , n.។ េយង
ី នង
Xi −µ
ឹ
2
σ
Pn
បងា្ហញថា 2 2 ់
i=1 Zi ∼ χ (n) តាមវ ិធីសា�ស្តអនុ គមន៍បេង្កីតម៉ូម៉ង៖ េយង
ី មាន Zi ∼ χ (1) េនាះ MZi2 (t) =
2 2
(1 − 2t)−1/2 េបី t < 1/2 នង

ិ
Y
n
MPn i=1 Zi2 (t) = MZi2 (t)
i=1
= (1 − 2t)−n/2
≡ mgf χ2 (n).
ដូេច្នះតាមភាពមានែតមួយគត់ៃនអនុគមន៍បេង្កីតម៉ូម៉ង់េយង
ី បាន
X
n
Zi2 ∼ χ2 (n).
i=1
□
មានមធ្យម µ និងវា៉ដ្យង់ σ2 ។ េយង
ី ទាញបានថាមធ្យមលំហគំរូ X̄ គម
ឺ ិនអា្រស័យនឹង Xi − X̄, i = 1, 2, . . . , n
ស្រមាយបញ្ជ ក់. អនុគមន៍ដង់សុេី តរួមៃន X1 , X2 , . . . , Xn គឺ
 n 
1  1 X xi − µ 2 

 

fX1 ,...,Xn (x1 , . . . , xn ) = n exp 
− 
 .
2
(2πσ ) 2  2 i=1 σ 
បែម្លងអេថរៃចដន្យ Xi , i = 1, 2, . . . , n េទជា
Y1 = X̄ X̄ = Y1
Y2 = X2 − X̄ X2 = Y2 + Y1
Y3 = X3 − X̄ X3 = Y3 + Y1
.. ..
. .
Yn = Xn − X̄ Xn = Yn + Y1
Jacobian ៃនបែម្លងេនះគឺឱ្យេដាយ
1
n
1
n
1
n
1
n
... 1
n
− 1n 1 − 1n − 1n − 1n ... − 1n
J= − 1n − 1n 1 − 1n − n1 ... − 1n
.. .. .. .. .. ...
. . . . .
− n1 − 1n − 1n − 1n . . . 1 − 1
n
Jacobian េនះេស្មីនឹង 1/n។ េយង

fY1 ,...,Yn (y1 , y2 , . . . , yn ) = fX1 ,...,Xn (x1 , x2 , . . . , xn )|J|−1
= n fX1 ,...,Xn (x1 , y1 + y2 , . . . , y1 + yn )
 n 
n 
 1 X xi − µ 2 
 

= n exp   − 
 .
(2πσ2 ) 2  2 σ 
i=1
238
ី ពន
ិ ត
ិ ្យផលបូកៃនអុច
៉ ់ែស្យលេនក្នុងអនុគមន៍ដង់សុេី តរួម
n
X xi − µ 2 1 X
n
= 2 (xi − µ)2
i=1
σ σ i=1
 n 
1 X 2

= 2  (xi − x̄) + n( x̄ − µ) 
2
σ i=1
 
1  X n

= 2 (x1 − x̄)2 + (xi − x̄)2 + n( x̄ − µ)2  .
σ i=2
Pn
េដាយសារែត i=1 (xi − x̄) = 0 េនាះ
X
n
x1 − x̄ = − (xi − x̄)
i=2
n
 
X xi − µ 2  X 
n
(xi − x̄)2 + n( x̄ − µ)2 
1 (x1 − x̄)2 +
= 2
i=1
σ σ i=2
 n 2 
X 
 Xn 
1  (xi − x̄) + 2
=   (xi − x̄)2
+ n( x̄ − µ) 
σ2 i=2 i=2
 n 2 
X  X n 
1  yi  + 2 .
=   y2
+ n(y 1 − µ) 
σ2 i=2 i=2
i
ដូេច្នះអនុគមន៍ដង់សុេី តរួមៃន Y1 , Y2 , . . . , Yn គឱ ឺ ្យេដាយ

  n 2 

 1 X  X 2
 n  
fY1 ,...,Yn (y1 , . . . , yn ) =
n
n exp −    + + − µ)2 
(2π) 2  2σ2 
  y i  yi n(y1 


i=2 i=2
  n 2  
 n
 1 X  X 2 
 
n
n 
= − 
   + 
  − − µ)2
.
 2σ2  
exp  y yi  exp (y
n
(2π) 2
i
 2σ{z2 1
i=2 i=2 | }
| {z } g(y1 )
h(y2 ,y3 ,...,yn )
េ្រពាះែត fY1 ,...,Yn (y1 , . . . , yn ) អាចដាក់ជាផលគុណកតា្តៃនអនុគមន៍ែដលអា្រស័យេលីសំនុំៃនស្ថិតិេរៀងខ្លួន

េយងី ទាញបាន Y1 = X̄ នង
ិ Yi = Xi − X̄, i = 2, 3, . . . , n គម
ឺ ន
Pn
ចុងេ្រកាយេដាយសារែត X1 − X̄ = − i=2 (Xi − X̄) េនាះេយង ី បាន X1 − X̄ ជាអនុគមន៍ៃន Xi − X̄, i =
2, 3, . . . , n។ ដូេច្នះ X1 − X̄ គម
ឺ ន
ិ អា្រស័យនង
ឹ Y1 = X̄ ។ □

មានមធ្យម µ និងវា៉ដ្យង់ σ2 េនាះ
Pn Pn
1. មធ្យមលំហគំរូ X̄ = 1
n i=1 Xi និងវា៉ដ្យង់លំហគំរូ S 2 = 1
n−1 i=1 (Xi − X̄)2 គឺមិនអា្រស័យគា្ន
2. អេថរៃចដន្យ
1 X
n
(n − 1)S 2
= 2 (Xi − X̄)2 ∼ χ2 (n − 1).
σ 2 σ i=1
239
ស្រមាយបញ្ជ ក់. 1. េដាយសារែត S 2 ជាអនុគមន៍ៃន Xi − X̄, i = 1, 2, . . . , n េនាះេយង
ថា S 2 មន
ឹ X̄ ។
2. េយង
ី មាន
n n " #2
X Xi − µ 2 X (Xi − X̄) + (X̄ − µ)
=
i=1
σ i=1
σ
Xn !2 !2
Xi − X̄ X̄ − µ
= +n
i=1
σ σ
!2
S2 X̄ − µ
= (n − 1) 2 + n
σ σ
ពីេ្រពាះ
X
n
(X̄ − µ)(Xi − X̄) 2(X̄ − µ) X
n
2 = (Xi − X̄) = 0
i=1
σ2 σ2 i=1
មយ៉ងវ ិញេទៀត Xi −µ
σ
,i = 1, . . . , n ជាអេថរៃចដន្យនរមា៉ល់ស្តង់ដាមិនអា្រស័យគា្ន េនាះ
n
X Xi − µ 2
∼ χ2 (n)
i=1
σ
បែន្ថមពេី លេី នះេទេទៀតេដាយសារ X̄ ∼ N(µ, σ2 /n) េនាះេយង ី បាន

!2 !2
X̄ − µ X̄ − µ
√ =n ∼ χ2 (1).
σ/ n σ
X̄−µ 2
តាម ១ េយង ី មាន X̄ នង
ិ S 2
មន
ិ អា្រស័ យ គា្ន េនាះ σ
នង ិ S ក៏មន
2
ិ អា្រស័យគា្នែដរ។ ដូចេនះ
Pn Xi −µ 2
អនុគមន៍បេង្កត ី ម៉ូម៉ងៃ់ ន i=1 σ គឺ
Pn X −µ 2  2 ! 

 (n−1)S 2
+n X̄−µ 
= E e σ
t

i σ
E et i=1 σ
2
" 2
2 #
t (n−1)S tn X̄−µ
=E e σ e 2 σ
(n−1)S 2 " X̄−µ 2 #

tn
= E et σ2 E e σ
Pn Xi −µ 2 X̄−µ 2
េដាយសារ i=1 σ
នង
ិ n σ
មានបំែនងែចក χ2 េនាះេយង ី ទទួលបាន
(n−1)S 2
−n/2
(1 − 2t) = E et σ2 (1 − 2t)−1/2
(n−1)S 2 1
E et σ2 = (1 − 2t)− 2 , t <
n−1
2
≡ mgf χ (n − 1)
2
ដូេច្នះតាមភាពមានែតមួយគត់ៃនអនុគមន៍បេង្កីតម៉ូម៉ង់េយង
ី បាន
(n − 1)S 2
∼ χ2 (n − 1).
σ2
□
240
សមា្គល់ 8.5.2. េនេពលែដលលំហ គំរូ ៃចដន្យ្រត�វ បានយកេចញពី បំ ែនងែចកនរមា៉ល់ ែដលមានមធ្យម µ
និងវា៉ដ្យង់ σ2 ៖
n
X Xi − µ 2
∼ χ2 (n)
i=1
σ
Xn !2
Xi − X̄
∼ χ2 (n − 1).
i=1
σ
េយង ី ថាេពលែដលមធ្យមសាកល µ ្រត�វបានជំនួសេដាយមធ្យមលំហគំរូ X̄ ដឺេ្រកេសរ ី 1 ្រត�វ

បានបាត់បង។់
បំែនងែចក t
សំេណើ 8.5.3. យក
Z
T= √ ,
U/r
ែដល Z ∼ N(0, 1), U ∼ χ2 (r) និង Z និង U មិនអា្រស័យគា្នេនាះ T មានអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត
ឱ្យេដាយ
Γ r+1
2 1
f (t) = √ r+1 , −∞ < t < ∞
πrΓ 2r 1 + t2 2
r
ស្រមាយបញ្ជ ក់. អនុគមន៍ដង់សុេី តរួមៃន Z នង

ិ U (េ្រពាះ Z នង
ិ U មន
ិ អា្រស័យគា្ន) គឺ
1 z2 1
g(z, u) = √ e− 2 u 2 −1 e−u/2 , −∞ < z < ∞, 0 < u < ∞.
r
2π Γ(r/2)2 r/2
អនុគមន៍បំែនងែចកេកីនៃន T គឺឱ្យេដាយ
!
Z p
F(t) = P(T ≤ t) = P √ ≤ t = P Z ≤ U/rt
U/r
Z ∞ Z √u/rt
= g(z, u)dzdu
−∞
Z ∞ Z √u/rt − z2 
0
1  e 2  r
= √  dz  u 2 −1 e−u/2 du.
πΓ(r/2) 0 2 (r+1)/2 
−∞
េនាះ
Z ∞ −(u/2)(t2 /r) p
′ 1 e
u/ru 2 −1 e−u/2 du.
r
f (t) = F (t) = √
πΓ(r/2) 0 2 (r+1)/2

តាង y = 1 + tr u, dy = 1 + tr du។ ដូចេនះ
2 2
Z ∞
Γ r+1 1 1 y
r+1 y 2 −1 e− 2 dy
2 r+1
f (t) = √ r+1
πrΓ 2 1 + t2 r 0 Γ 2 2 2
r r+1
r

Γ 2 r+1
1
= √ r+1
πrΓ 2 1 + t2 r
r
r
241
ែដលអាំងេត្រកាលចុងេ្រកាយេស្មន
ី ងឹ 1 េ្រពាះវាជាអាំងេត្រកាលៃនអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃនអេថរ
ៃចដន្យ χ2 (r + 1) ។ □
និយមន័យ 8.5.3. េគឱ្យ Z ∼ N(0, 1) នង

ិ U ∼ χ (r) ែដល Z នង
2
ិ U មន
ិ អា្រស័យគា្ន េនាះអេថរៃចដន្យ
Z
T= √
U/r
េហថាអេថរៃចដន្យមានបំែនងែចក t ែដលមាន r ដឺេ្រកេសរ ី (degrees of freedom(d.f.))។
នម
ិ ត
ិ ្តសញញ T ∼ t(r) មានន័យថា T មានបំែនងែចក t ែដលមាន d.f.= r
កូរែលរ
៉ូ 8.5.1. េគឱ្យ X1 , . . . , Xn ជាលំហ គំរូ ៃចដន្យែដលមានទំហំ n យកេចញពី បំ ែនងែចកនរមា៉ល់
ិ S ជាគមា្លតស្តង់ដាលំហគំរូេនាះ
N(µ, σ2 ) ។ េបី X̄ ជាមធ្យមលំហគំរូនង
X̄ − µ
√ ∼ t(n − 1).
S/ n
ស្រមាយបញ្ជ ក់. តាង

X̄ − µ (n − 1)S 2
Z= √ និង U =
σ/ n σ2
េនាះ Z ∼ N(0, 1) នង
ិ U ∼ χ (n − 1) ្រពមទាំង Z នង
2
ិ U មន
ិ អា្រស័យគា្ន។ ដូេច្នះតាមនយ
ិ មន័យៃនបំ
ែនងែចក t េយងី បាន
X̄−µ
√
σ/ n X̄ − µ
T= q = √ ∼ t(n − 1).
(n−1)S 2 S/ n
σ2
/(n − 1)
លក្ខណៈ 8.5.1. បំែនងែចក t មានលក្ខណៈដូចបំែនងែចកនរមា៉ល់ស្តង់ដាដូចខាងេ្រកាម៖
1. វាមានរាងជាកណឹ្ត ង
2. វាឆ្លុះគា្នេធៀបនង
ឹ មធ្យម
3. មធ្យម េមដយន នង
ិ ម៉ូដេស្មន
ី ងឹ 0 េហយ
ី ស្ថត
ិ េនចំនុចកណា
្ត លៃនបំែនងែចក
4. ែខ្សេកាងខិតេទរកប៉ុែន្តមិនប៉ះអ័ក្សអាប់សុីស
ី ំែនងែចកនរមា៉ល់ស្តង់ដាដូចខាងេ្រកាម៖
បំែនងែចក t មានលក្ខណៈខុសពប
1. វា៉ដ្យង់ធំជាង 1
2. បំែនងែចក t គជា
ឺ ្រគ�សារៃនែខ្សេកាងអា្រស័យនង
ឹ ដ្រឺ កេសរ ី ែដលពាក់ព័ន្ធនង
ឹ ទំហល
ំ ំហគំរូ
3. េនេពលែដលទំហល ី បំែនងែចក t ខិតេទរកបំែនងែចកនរមា៉ល់ស្តង់ដា។

ំ ំហគំរូេកីនេឡង
242
រូប 8.12: ែខ្សេកាងដង់សុីេតនរមា៉ល់ស្តង់ដានិងែខ្សេកាង t ែដលមានដឺ្រកេសរ ី 5 និង 20
សមា្គល់ 8.5.3. ដឺេ្រកេសរ ី (degrees of freedom) គឺជាចំនួនៃនតៃម្លែដលែ្រប្រប�លេដាយេសរបនា

ី ្ទ ប់ពី
ស្ថត
ិ លិ ំហគំរ្រូ ត�វបានគណនា េហយ
ី ពួកវា្របាប់អ្នក្រសាវ្រជាវនូវែខ្សេកាងជាក់លាក់មួយេដីម្បេី ្របេី នេពលែដ
លបំែនងែចកជា្រគ�សារៃនែខ្សេកាង។ ជាឧទាហរណ៍៖ េបម ី ធ្យមៃន 5 េលខេស្មនី ង
ឹ 10 េនាះ 4 ក្នុងចំេណាម
5 េលខគឺ ែ្រប្រប�ល េដាយេសរ ី ប៉ុែន្ត េនេពលែដលេលខចំនួន 4 ដំបូង ្រត�វ បានេ្រជីសេរសេនាះេលខទ
ី ី 5
្រត�វែតជាេលខជាក់លាក់ ណាមួយ េដម
ី ្បីទទួលផលបូក េស្មន
ី ងឹ 50 េ្រពាះ 50/5 = 10។ ដូចេនះដេឺ ្រកេសរ ី
d.f.= 5 − 1 = 4. សមា្គល់៖ ដឺេ្រកេសរៃនចេនា
ី ្ល ះេជឿជាក់ស្រមាប់មធ្យមេស្មន
ី ងឹ d.f.= n − 1.
លំហាត់ 8.5.1. 1. េគឱ្យ X ∼ χ2 (n) ។ បងា្ហញថាេបី k > − n2 , k ∈ N េនាះ

2k Γ n2 + k
E[X k ] = .
Γ 2n
2. េគឱ្យ T ∼ t(n) ។ បងា្ហញថា

E[T ] = 0, n > 1
n
V(T ) = , n>2
n−2
3. សន្មត់ ថា X ជាអេថរៃចដន្យែដលមានមធ្យម µ និង វា៉ ដ្យង់ σ2 ។ តាង X1 , X2 , . . . , Xn ជាលំហ គំរូ

ៃចដន្យែដលមានទំហំ n យកេចញពសា ី កលែដលតំណាងេដាយ X ។ តាង
1X
n
′2
S = (Xi − X̄)2
n i=1
h i
គណនា E S ′2
4. េគឱ្យ X1 , . . . , Xn ជាលំហគំរូៃចដន្យែដលមានទំហំ n យកេចញពីបំែនងែចកនរមា៉ល់ N(µ, σ2 ) ។

េបី X̄ ជាមធ្យមលំហគំរូនង ់ លំហគំរូ។ បងា្ហញថា
ិ S ជាគមា្លតស្តងដា
√
σ 2Γ n2
E[S ] = √ .
n − 1Γ n−1
2
5. េគឱ្យ Xn ∼ χ2 (n)។ តាង

Xn − n
Yn = √ .
2n
243
(a) រកអនុគមន៍បេង្កីតម៉ូម៉ង់ Mn (t) ៃន Yn
(b) គណនាលីមីត limn→∞ Mn (t)
244
ការបា៉ន់សា្មនបា៉រា៉ែម៉្រត
េនក្នុងជំពូកេនះេយងី េផា្តតជាសំខាន់េទេលច ី ំនុចបា៉ន់សា្មន និងចេនា្លះបា៉ន់សា្មន។ ចំេពាះចំនុចបា៉ន់សា្មន

េយង ៉ ៉ង់ វ ិធី សា�ស្ត ឱកាសអតិបរមា ្រពមទាំង លក្ខណៈៃនអ្នក បា៉ន់សា្មនដូចជា
ី នឹង សិក�អំពី វ ិធី សា�ស្ត មូម
ភាពមន
ិ លេម្អ�ង ្របសទ
ិ ្ធភាព នង
ិ ភាពមន
ិ ែ្រប្រប�ល។ រឯចេនា
ី ្ល ះបា៉ន់សា្មនេយង
ី ពភា
ិ ក�អំពីចេនា្លះេជឿជាក់
ស្រមាប់មធ្យមេពលសា្គល់វា៉ដ្យង់ ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមេពលមិនសា្គល់វា៉ដ្យងចេនា
់ ្ល ះេជឿជាក់ស្រមាប់
សមាមា្រត និងចេនា្លះេជឿជាក់ស្រមាប់វា៉ដ្យង់។
9.1 ចំនុចបា៉ន់សា្មន
េនក្នុងស្ថិតវិ ិភាគការបា៉ន់សា្មនបា៉រា៉ ែម៉្រតសាកលមានតួនាទយា

ី ៉ ងសំខាន់។ េនក្នុងការសិក�បញ្ហជាក់ែស្តង
េយង
ី ចាប់េផ្តីម លំហ គំរូ ៃចដន្យែដលមានទំហំ n យកេចញពសា
ី កលមួយ។ េនក្នុង្រទឹ សី្ត បា៉ន់សា្មនេយង
ី
សន្មត់ ថា ការអេង្កត ជា អេថរ ៃចដន្យ ែដល មា នបំ ែនង ែចក ្រប�បាប៊ីលីេត អា្រស័យ នឹង បា៉រា៉ ែម៉្រត ែដល េយង
ី
ចាប់អារម្មណ៍។ ជំហានដំបូង ៃនការវ ិភាគែបបស្ថិតិ ៃនទិន្នន័យ ទាំងេនះគឺ ការកំនត់ សញញ ណៃនបំ ែនងែចក
្រប�បាប៊ីលីេតែដលកំនត់លក្ខណៈពត៌មានេនះ។ េដាយសារបា៉រា៉ ែម៉្រតៃនបំែនងែចកគឺជាលក្ខណៈែដលកំនត់
វាេនាះវាជាការចាំបាច់កុ ងការសា
្ន ្គ ល់បា៉រា៉ ែម៉្រត។
េនក្នុងែផ្នកេនះេយង ី សា្គល់បំែនងែចក្រប�បាប៊ីលីេតៃនសាកលដូចជាេទ្វធា នរមា៉ល់
ី នឹងសន្មត់ថាេយង
ជាេដីម ប៉ុែន្តបា៉រា៉ ែម៉្រតៃនបំែនងែចក (p ស្រមាប់េទ្វធា រឯ ី µ និង σ ស្រមាប់នរមា៉ល់) មិនសា្គល់។ េយង
2
ី
នង
ឹ បា៉ន់សា្មនបា៉រា៉ ែម៉្រតទាំងេនះេដាយេ្រប្រី បាស់ទន
ិ ្នន័យេចញពល ី ំហគំរៃូ ចដន្យ។ អ្វែី ដលសំខាន់គ្រឺ ត�វរកអ្នក
បា៉ន់សា្មនដល ៏ ប
្អ ំផុតស្រមាប់បា៉រា៉ ែម៉្រតតាមែដលអាចេធ្វេី ទបាន។ ចំនុចបា៉ន់សា្មនផ្តលឱ ់ ្យនូវចំនុចពយករណ៍
មួយែដលល្អបំផុតស្រមាប់បា៉រា៉ ែម៉្រតែដលេយង ី ចាប់អារម្មណ៍។ សារ្របេយាជន៍ៃនចំនុចបា៉ន់សា្មនគសឺ តិ្ថ េន
េលវី ត្ត មានរបស់ វា េនក្នុងរូបមន្ត សត ិ្ថ ិ ជាេ្រចន
ី ជាឧទាហរណ៍ ចំនុច បា៉ន់សា្មនៃនមធ្យម នង ិ គមា្លតស្តង់ ដា គឺ
្រត�វការចាំបាច់េនក្នុងការរកចេនា្លះេជឿជាក់និងរូបមន្តជាេ្រចីនេទៀតេនក្នុងការេធ្វីេតស្តសម្មតិកម្ម។
វិធីសា�ស្តរកចំនុចបា៉ន់សា្មន
េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យមិនអា្រស័យគា្នមានបំែនងែចកដូចគា្ន (ជាលំហគំរៃូ ចដន្យែដលមាន

ទំហំ n េចញពី អេថរៃចដន្យ X) ែដលមានអនុគមន៍ ដង់សុីេត្រប�បាប៊ីលីេត ឬអនុគមន៍ មា៉ស់ ្រប�បាប៊ីលីេត
f (x, θ1 , . . . , θl ) ែដល θ1 , . . . , θl ជាបា៉រា៉ ែម៉្រតសាកលែដលមន ់ ុេី ត
ិ សា្គល់។ ជាឧទាហរណ៍ អនុគមន៍ ដងស
ិ វា៉ ដ្យង់ σ ។ បញ្ហ េនក្នុងចំនុច បា៉ន់សា្មនគឺ កំនត់
្រប�បាប៊ីលេី តនរមា៉ល់ មានបា៉រា៉ ែម៉្រតពរី គឺ មធ្យម µ នង 2
ស្ថិតិ gi (X1 , X2 , . . . , Xn ), i = 1, . . . , l ែដលអាចេ្របីេដីម្បបា

ី ៉ ន់សា្មនតៃម្លនីមួយៗៃនបា៉រា៉ ែម៉្រត មានន័យថា
ផ្តល់ ឱ្យនូវ តៃម្ល សមរម្យស្រមាប់ បា៉រា៉ ែម៉្រត θ = (θ1 , . . . , θl ) អា្រស័យ េទេលី ទន ិ ្នន័យ េនក្នុងលំហ គំរូ ែដល
245
បានអេង្កត។ ស្ថិតិ ទាង ំ េនះេហថាអ្នក បា៉ន់សា្មនៃនបា៉រា៉ ែម៉្រត។ តៃម្ល ែដលគណនាេចញពី សិត ្ថ ិ េដាយេ្របី
តៃម្លទនិ ្នន័យលំហគំរណា ូ មួយេហថាតៃម្លបា៉ន់សា្មនៃនបា៉រា៉ ែម៉្រត។ អ្នកបា៉ន់សា្មនៃន θi តាងេដាយ θ̂i ែដល
θ̂i = gi (X1 , . . . , Xn ), i = 1, . . . , l ។ សមា្គល់ថាអ្នកបា៉ន់សា្មនៃនបា៉រា៉ ែម៉្រតជាអេថរៃចដន្យេ្រពាះវាជាអនុគមន៍
ៃនអេថរៃចដន្យ។ ដូចេនះវាមានបំែនងែចក្រប�បាប៊ីលីេត មធ្យម វា៉ដ្យង់និងគមា្លតស្តង់ដា។ េយង ី តាងតៃម្ល
អេង្កត ៃនអេថរៃចដន្យ X1 , . . . , Xn េដាយ x1 , . . . , xn េនាះ θ̂(X1 , . . . , Xn ) ជាអ្នក បា៉ន់សា្មន នង
ិ តៃម្ល របស់
វា θ̂(x1 , . . . , xn ) ជាតៃម្ល បា៉ន់សា្មន។ ឧទាហរណ៍ ក្នុងករណីបំ ែនងែចកនរមា៉ល់ ែដលបា៉រា៉ ែម៉្រតទាំងពីរ គឺ
Pn
θ1 = µ នង ិ θ2 = σ មានន័យថា θ = (µ, σ )។ េបី អ្នក បា៉ន់សា្មនៃន µ នង
2 2
ិ σ គឺ X̄ = (1/n) i=1 Xi
2
P P
និង S 2 = (1/(n − 1)) ni=1 (Xi − X̄)2 េរៀងគា្ន េនាះតៃម្ល បា៉ន់សា្មន្រត�វគា្ន គឺ x̄ = (1/n) ni=1 xi និង s2 =
P
(1/(n − 1)) ni=1 (xi − x̄)2 ែដលមធ្យម និងវា៉ដ្យង់ៃនលំហគំរូ។
វ ិធសា
ី �ស្តកុ ងការរកចំ
្ន នុចបា៉ន់សា្មន
៉ ៉ង់ (Method of Moments)

1. វ ិធីសា�ស្តមូម
2. វ ិធីសា�ស្តឱកាសអតិបរមា (Method of Maximum Likelihood)
លក្ខណៈវ ិនច
ិ ្ឆ័យៃនចំនុចបា៉ន់សា្មនល្អ
1. ភាពមន
ិ លេម្អ�ង (Unbiasedness)
2. ្របសទ
ិ ្ធភាព (Efficiency)
3. ភាពមិនែ្រប្រប�ល (Consistency)
9.1.1 អ្នកបា៉ន់សា្មនមិនលេម្អ�ង
និយមន័យ 9.1.1. អ្នកបា៉ន់សា្មន θ̂ ជាចំនុចបា៉ន់សា្មនមិនលេម្អ�ងៃនបា៉រា៉ ែម៉្រត θ េបី
E[θ̂] = θ.
ឧទាហរណ៍ 9.1.1. សន្មត់ថា X ជាអេថរៃចដន្យែដលមានមធ្យម µ និងវា៉ដ្យង់ σ2 ។ តាង X1 , X2 , . . . , Xn

ជាលំហគំរូៃចដន្យែដលមានទំហំ n យកេចញពសា ី កលែដលតំណាងេដាយ X េនាះមធ្យមលំហគំរូ X̄ នង
ិ
វា៉ដ្យង់លំហគំរូ S ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន µ និង σ េរៀងគា្ន។
2 2
ចេម្លើយ. មធ្យមលំហគំរូគឱ
1X
n
X̄ = Xi
n i=1
246
ី បាន
 n 
 1 X 
E[X̄] = E  Xi 
n i=1 
 n 
1 X 
= E  Xi 
n i=1
1X
n
= E[Xi ]
n i=1
1X
n
= µ
n i=1
= µ.
វា៉ដ្យង់លំហគំរូគឺឱ្យេដាយ
1 X
n
S =
2
(Xi − X̄)2
n − 1 i=1
សមា្គល់ថា
1 X
n
σ2
V(X̄) = V(X i ) = .
n2 i=1 n
ដូចេនះ
 

 X
n

E[S 2 ] = E  (Xi − X̄)2 
1
n − 1 i=1
 n 
X 2 
E  (Xi − 2X̄Xi + X̄ 2 )
1
=
n − 1 i=1
 n 
X 2 
E  (Xi − nX̄ )
1
= 2
n − 1 i=1
 n 
1 X 
=  E(Xi2 ) − nE(X̄ 2 )
n − 1 i=1
េដាយសារ E[Xi2 ] = µ2 + σ2 នង
ិ E[X̄ ] = µ + σ /n េយង
2 2 2
ី បាន
 n 
1 X 2 
E[S ] =
2
 (µ + σ ) − n(µ + σ /n)
2 2 2
n − 1 i=1
1
= (nµ2 + nσ2 − nµ2 − σ2 )
n−1
= σ2 .
ិ វា៉ដ្យង់ σ ។ តាង X1 , X2 , . . . , Xn ជា
លំហាត់ 9.1.1. សន្មត់ថា X ជាអេថរៃចដន្យែដលមានមធ្យម µ នង 2
លំហគំរូៃចដន្យែដលមានទំហំ n យកេចញពីសាកលែដលតំណាងេដាយ X ។ តាង
1X
n
′2
S = (Xi − X̄)2
n i=1
Pn
ែដល X̄ = 1
n i=1 Xi ។ បងា្ហញថា S ′2 ជាអ្នកបា៉ន់សា្មនលេម្អ�ងៃន σ2 ។
247
9.1.2 ្របសិទ្ធភាពៃនអ្នកបា៉ន់សា្មន
អ្នកបា៉ន់សា្មនគជា ៏ ន្របសទ
ឺ អ្នកបា៉ន់សា្មនដមា ី ៉ ដ្យងរ់ បស់វាតូចជាងវា៉ដ្យងៃ់ នអ្នកបា៉ន់សា្មន
ិ ្ធភាពៃនបា៉រា៉ ែម៉្រតេបវា
េផ្សងេទៀតេបអ
ី ្នកបា៉ន់សា្មនទាំងពីរជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ង។ អ្នកបា៉ន់សា្មនគឺជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ង
ដ៏មាន្របសិទ្ធភាពបំផុតៃនបា៉រា៉ ែម៉្រតេបីវាមានវា៉ដ្យង់តូចជាងេគ។
និយមន័យ 9.1.2. • យក θ̂1 នង

ិ θ̂2 ជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ងៃន θ ។ េយង
ី នយា
ិ យថា θ̂1 មាន្របសទ
ិ ្ធភាព
ជាង θ̂2 េបី V(θ̂1 ) < V(θ̂2 ).
• យក θ̂1 ជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ងៃន θ ។ េយង
ី នយា
ិ យថា θ̂1 អ្នកបា៉ន់សា្មនមន ៏ ន្របសទ
ិ លេម្អ�ងដមា ិ ្ធភាព
បំផុតេបីចំេពាះ្រគប់អ្នកបា៉ន់សា្មនមិនលេម្អ�ង θ̂k ៃន θ េបី V(θ̂1 ) ≤ V(θ̂k ).

់ X ∼ P(λ) ែដល λ ជាមធ្យមមន
ិ សា្គល់េនាះ X̄ ជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ង
ៃន λ េហយ
ី េបីទំហល ី េនាះវាកា្លយជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងដ៏មាន្របសិទ្ធភាព។
ំ ំហគំរូ n េកីនេឡង
 n 
 1 X  1 X n
1X
n
E[X̄] = E   
Xi  = E[Xi ] = λ=λ
n i=1  n i=1 n i=1
1 X
n
λ
V(X̄) = 2 V(Xi ) =
n i=1 n
ដូចេនះអ្នកបា៉ន់សា្មនៃន λ កាន់ែតមាន្របសិទ្ធភាពេបីទំហល
ំ ំហគំរូ n េកីនេឡង
ី ។
9.1.3 ភាពមិនែ្រប្រប�លៃនអ្នកបា៉ន់សា្មន
និយមន័យ 9.1.3. អ្នកបា៉ន់សា្មន θ̂n ជាអ្នកបា៉ន់សា្មនមិនែ្រប្រប�លៃន θ េបីចំេពាះ្រគប់ ϵ > 0 េយង

ី មាន

lim P |θ̂n − θ| ≤ ϵ = 1
n→∞
ឬ

lim P |θ̂n − θ| > ϵ = 0
n→∞
P
េយង ិ យថា θ̂n រួមក្នុង្រប�បាប៊ីលេី តេទរក θ េហយ
ី នយា ី េយង
ី កំនត់សេសរេដាយ θ̂n → θ េពល n → ∞
Pn
ឧទាហរណ៍ 9.1.3. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យ iid N(θ, 1) នង
ិ X̄ =
1
n i=1 Xi ។ បងា្ហញថា
X̄ ជាអ្នកបា៉ន់សា្មនមិនែ្រប្រប�លៃន θ។
ី មាន
 n 
1 X  1 X
n
1
E[X̄] = E  Xi  = E[Xi ] = nθ = θ
n i=1 n i=1 n
1 X
n
1
V(X̄) = 2 V(Xi ) =
n i=1 n
ដូចេនះតាមវ ិសមភាព Chebyshev េយង

ី បាន
V(X̄) 1
P |X̄ − θ| > ϵ ≤ 2 = 2 → 0 េពល n → ∞.
ϵ nϵ
248
វិធីសា�ស្តេដើម្ប ីបងា្ហញភាពមិនែ្រប្រប�លៃន θ̂
Pn
1. ចបប់ ៃន ចំនួន េ្រចន
ី (Law of Large Numbers (LLN)) ែចងថា មធ្យម
1
n i=1 f (Xi ) រួម ក្នុង
្រប�បាប៊ីលេី តេទរកសង្ឃម
ឹ គណិត E[ f (Xi )]។ តាម្រទសឹ ប
ី្ត ទេនះេយងី ទាញបាន X̄ ជាអ្នកបា៉ន់សា្មន
1 Pn
មិនែ្រប្រប�លៃន E[X] និង n i=1 Xik ជាអ្នកបា៉ន់សា្មនមិនែ្រប្រប�លៃន E[X k ]។
2. ្រទឹសីប
្ត ទៈ អ្នកបា៉ន់សា្មនមិនលេម្អ�ង θ̂n អ្នកបា៉ន់សា្មនមិនែ្រប្រប�លេបី
lim V(θ̂n ) = 0
n→∞
ស្រមាយបញ្ជ ក់. េដាយសារ θ̂n ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន θ េនាះ
E[θ̂n ] = θ
តាមវ ិសមភាព Chebyshev េយង

ី បាន
V(θ̂n )
P |θ̂n − θ| > ϵ ≤ .
ϵ2

ចំេពាះ្រគប់ ϵ > 0 េបី V(θ̂n ) → 0 េនាះ P |θ̂n − θ| > ϵ → 0 ែដលបញ្ជក់ថា θ̂n ជាអ្នកបា៉ន់សា្មន
មិនែ្រប្រប�លៃន θ។ □
Pn
ឧទាហរណ៍ 9.1.4. េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យ iid N(θ, 1) នង
ិ X̄ =
1
n i=1 Xi ។
បងា្ហញថា X̄ ជាអ្នកបា៉ន់សា្មនមិនែ្រប្រប�លៃន θ។
ី មាន X̄ ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន θ េហយ
ី V(X̄) =
1
n
→ 0 េពល n → ∞។
ដូចេនះ X̄ ជាអ្នកបា៉ន់សា្មនមិនែ្រប្រប�លៃន θ។
P P
3. ្រទឹសីប
្ត ទៈ េគឱ្យ θ̂n → θ និង η̂n → η េនាះ
P
• θ̂n + η̂n → θ + η
P
• θ̂n η̂n → θη
P
• θ̂n
η̂n
→ ηθ , η , 0
• េបី f ជាអនុគមន៍ជាប់្រតង់ θ េនាះ f (θ̂n ) → f (θ)

P
ឧទាហរណ៍ 9.1.5. វា៉ដ្យង់លំហគំរូ S 2 ជាអ្នកបា៉ន់សា្មនមិនែ្រប្រប�លៃន V(Xi )
ី មាន
 n   n 
Xn
 X 
 
 X 
1 1  2
 n  1 2
S2 = (Xi − X̄)2 = 2
−  = 2
−
n − 1  i=1 i  n − 1 n
X n X̄ X X̄
n − 1 i=1 i=1
i
តាមចបប់ៃនចំនួនេ្រចីន (LLN)
1X 2 P
n
P
X̄ → E[Xi ] និង Xi → E[Xi2 ]
n i=1
249
េនាះ  n 

 X  P
X̄ → (E[Xi ])2 និង  Xi2 − X̄ 2  → E[Xi2 ] − (E[Xi ])2 = V(Xi )
2 P 1
n i=1
ដូេច្នះ  n 

 X  P
S2 =
n  1
Xi2 − X̄ 2  → (1)V(Xi )

n − 1 n i=1
9.1.4 វិធីសា�ស្តម៉ូម៉ង់
វ ិធសា
ី �ស្តមូម ់ វ ិធសា
៉ ៉ងជា ី �ស្តបា៉ន់សា្មនបា៉រា៉ ែម៉្រតសាកលេដាយេផ្តីមេចញពកា ់ កលជាអនុគមន៍
ី រសេសរម៉ូម៉ងសា
ៃនបា៉រា៉ ែម៉្រត បនា្ទប់មកផ្ទឹម កេន�មទាំងេនាះជាមួយនឹង ម៉ូម៉ង់ លំហ គំរូ។ ចំនួន សមីការគឺ ដូចគា្ននឹង ចំនួន
បា៉រា៉ ែម៉្រតែដលនងឹ បា៉ន់សា្មន រួចេដាះ្រសាយសមកា
ី រទាំងេនាះរកបា៉រា៉ ែម៉្រតែដលេយង ់ ៉ ន់សា្មន។
ី ចងបា
ី ែំ នងែចក្រប�បាប៊ីលីេត f (x) ែដល

និយមន័យ 9.1.4. េគឱ្យ X1 , X2 , . . . , Xn ជាលំហគំរៃូ ចដន្យយកេចញពប
f (x) អាចជាអនុគមន៍មា៉ស្រប�បាប៊ីលីេតឬអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេត។ ម៉ូម៉ង់ទី k ៃនសាកលគឺ
E[X k ], k = 1, 2, . . .
ម៉ូម៉ង់ទី k ្រត�វគា្នៃនលំហគំរូគឺ
1X k
n
X , k = 1, 2, . . .
n i=1 i
Pn
តាង µk = E[X k ] នង
ិ mk =
1
n i=1 Xik ។ វ ិធសា
ី �ស្តមូម ់ ែឺ ផ្អកេទេលកា
៉ ៉ងគ ី រផ្គរផ្គ ់ ំហគំរូ mk ជាមួយនង
ូ ងម៉ូម៉ងល ឹ
ម៉ូម៉ង់សាកល µk មានន័យថាអ្នកបា៉ន់សា្មនៃន µk េដាយវ ិធីសា�ស្តមូម
៉ ៉ង់គឺ mk ។
វិធីសា�ស្តម៉ូម៉ង់
សន្មត់ថាមានបា៉រា៉ ែម៉្រតចំនួន l ែដល្រត�វបា៉ន់សា្មន θ = (θ1 , . . . , θl )
1. រកម៉ូម៉ង់សាកល µk , k = 1, 2, . . . , l ែដល µk នឹងផ្ទុក θ1 , . . . , θl
2. រកម៉ូម៉ង់លំហគំរូ្រត�វគា្ន mk , k = 1, 2, . . . , l ែដលចំនួនៃនម៉ូម៉ង់លំហគំរូេស្មីនឹងចំនួនបា៉រា៉ ែម៉្រតែដល

្រត�វបា៉ន់សា្មន
3. េដាះ្រសាយ្របព័ន្ធសមកា ី រ µk = mk , k = 1, 2, . . . , l េដម
ី ្បរី កបា៉រា៉ ែម៉្រត θ = (θ1 , . . . , θl ) ែដលេនះ
ជាអ្នកបា៉ន់សា្មន θ̂ តាមវ ិធសា
ី �ស្តមូម ់
៉ ៉ង។
Pn
សមា្គល់ 9.1.1. • ម៉ូម៉ង់ សាកលទីមួយ គឺ µ1 = E[X] និង ម៉ូម៉ង់ លំហ គំរូ ទីមួយ គឺ X̄ = 1
n i=1 Xi ។
ដូចេនះអ្នកបា៉ន់សា្មនៃន µ1 គឺ X̄។
Pn
• ម៉ូម៉ង់សាកលទីពីរគឺ µ2 = E[X 2 ] និងម៉ូម៉ង់លំហគំរូទីពីរគឺ m2 = 1
i=1 Xi2 ។ ដូចេនះអ្នកបា៉ន់សា្មន
P n
ៃន µ2 គឺ n1 ni=1 Xi2 ។
ឧទាហរណ៍ 9.1.6. េគឱ្យ X1 , . . . , Xn ជាលំហគំរូៃចដន្យេចញពីសាកលែដលមានបំែនងែចកែប៊នូយមា
ី ន
៉ ៉ង់។
បា៉រា៉ ែម៉្រត p។ រកអ្នកបា៉ន់សា្មនៃន p តាមវ ិធីសា�ស្តមូម
250
ចេម្លើយ. ចំេពាះអេថរៃចដន្យែប៊នូយេយ
ី ងី មាន µ1 = E[X] = p ដូចេនះេយង
ី អាចេ្របី m1 េដីម្បបា
ី ៉ ន់សា្មន
p។ ដូេច្នះ
1X
n
m1 = p̂ = Xi
n i=1
ឧទាហរណ៍ 9.1.7. េគឱ្យ X1 , . . . , Xn ជាលំហគំរូៃចដន្យេចញពីសាកលែដលមានបំែនងែចកហា្កមាមាន

បា៉រា៉ ែម៉្រត α នង
ិ β។ រកអ្នកបា៉ន់សា្មនៃន α នង
ិ β តាមវ ិធសា ៉ ៉ង់។
ចេម្លើយ. ចំេពាះអេថរៃចដន្យហា្កមាេយង
ី មាន
E[X] = αβ, E[X 2 ] = αβ2 + α2 β2 .
ី ្រត�វការអ្នក បា៉ន់សា្មនម៉ូម៉ង់ ពីរ ដំបូង។ ផ្ទឹម ម៉ូម៉ង់ លំហ គំរូ និង ម៉ូម៉ង់
េដាយសារមានបា៉រា៉ ែម៉្រតពីរ េនាះេយង
សាកលេយង ី បាន
1X
n
Xi = X̄ = αβ
n i=1
1X 2
n
Xi = αβ2 + α2 β2
n i=1
េដាះ្រសាយរក α នង
ិ β េយង
 n  
 1 X 2  
Xi − X̄  /X̄ 
X̄
α= និង β =  2
β n i=1
ដូេច្នះអ្នកបា៉ន់សា្មនតាមវ ិធសា ៉ ៉ង់ៃន α នង

ី �ស្តមូម ិ β គឺ
Pn Pn
X̄
1
Xi2 − X̄ 2 i=1 (Xi− X̄)2
និង β̂ =
i=1
α̂ = n
=
β̂ X̄ nX̄
ែដលនាំឲ្យ
X̄ X̄ 2 nX̄ 2
α̂ = = 1 Pn
= P .
i=1 Xi − X̄ i=1 (Xi − X̄)
n
β̂ n
2 2 2
ឧទាហរណ៍ 9.1.8. េគឱ្យ X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យេចញពសា

ី កលែដលមានបំែនងែចកនរមា៉ល់មាន
បា៉រា៉ ែម៉្រត µ នង
ិ σ ។ រកអ្នកបា៉ន់សា្មនៃន µ នង
2
ិ σ តាមវ ិធសា
2
៉ ៉ង់។
ចេម្លើយ. ចំេពាះអេថរៃចដន្យនរមា៉ល់ េយង

ី មាន
E[X] = µ, E[X 2 ] = µ2 + σ2
Pn
ផ្ទឹម E[X] េទ X̄ នង
ិ E[X ] េទ
2 1
n i=1 Xi2 េយង
µ = X̄
1X 2
n
µ +σ =
2
X2
n i=1 i
251
េដាះ្រសាយរក µ នង
ិ σ េយង
2
ី ទទួលបានអ្នកបា៉ន់សា្មនតាមវ ិធសា ៉ ៉ង់គឺ
µ̂ = X̄
1X 2
n
σ̂ = 2
Xi − X̄ 2
n i=1
1X
n
= (Xi − X̄)2 .
n i=1
៉ ៉ង់ៃន σ2 ជាអ្នកបា៉ន់សា្មនលេម្អ�ង។
សមា្គល់៖ អ្នកបា៉ន់សា្មនតាមវ ិធីសា�ស្តមូម
លំហាត់ 9.1.2. 1. េគឱ្យ X1 , . . . , Xn ជាលំហ គំរូ ៃចដន្យេចញពី សាកលែដលមានបំ ែនងែចកអុិ ច ស្បូ ៉

ណង់ែស្យលមានបា៉រា៉ ែម៉្រត β។ រកអ្នកបា៉ន់សា្មនៃន β តាមវ ិធសា ៉ ៉ង់។
2. េគឱ្យ X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យេចញពសា កលែដលមានបំែនងែចកព័រសុងមានបា៉រា៉ ែម៉្រត λ > 0។

Pnី 2
1 Pn 1 Pn ់
បងា្ហញថា n i=1 Xi នង ិ n i=1 Xi − n i=1 Xi សុទ្ធែតជាអ្នកបា៉ន់សា្មនៃន λ តាមវ ិធសា
2 1
៉ ៉ង។
9.1.5 វិធីសា�ស្តឱកាសអតិបរមា
ិ រមាជាវ ិធី សា�ស្ត ដ៏ ល ប

វ ិធី សា�ស្ត ឱកាសអតប ្អ ំផុត មួយ េដម
ី ្បីទទួល បានចំនុច បា៉ន់សា្មនៃនបា៉រា៉ ែម៉្រត។ អ្នក
បា៉ន់សា្មនឱកាសអតិបរមាគឺជាតៃម្លៃនបា៉រា៉ ែម៉្រតែដលេធ្វីឱ្យអនុគមន៍ឱកាសមានតៃម្លអតិបរមា។
េគឱ្យ X1 , X2 , . . . , Xn ជាលំហគំរៃូ ចដន្យែដលមានទំហំ n យកេចញពីអេថរៃចដន្យ X។ យក x1 , x2 , . . . , xn

ជាតៃម្លអេង្កតេនក្នុងលំហគំរៃូ ចដន្យ នង ិ សន្មត់ θ ជាបា៉រា៉ ែម៉្រតែដលនង
ឹ ្រត�វបា៉ន់សា្មន។ េយង
ី កំនត់អនុគមន៍
ឱកាស(Likelihood Function ) េដាយ


 Qn


 f (x , . . . , x ; θ) = fX (xi ; θ) េបី X ជាអេថរៃចដន្យជាប់
 X 1 n
L(θ) = 

i=1
Q
 n
 pX (x1 , . . . , xn ; θ) = pX (xi ; θ) េបី X ជាអេថរៃចដន្យដាច់


i=1
សមា្គល់ថា អនុគមន៍ ឱកាសជាអនុគមន៍ ៃនបា៉រា៉ ែម៉្រត θ ែដលមិន សា្គល់។ េនក្នុងករណី អេថរៃចដន្យដាច់

អនុគមន៍ឱកាស L(θ) ជា្រប�បាប៊ីលីេតែដលទទួលបានតៃម្លអេង្កតៃនលំហគំរូ x1 , x2 , . . . , xn ។ ដូេច្នះេនក្នុង
ករណីអេថរៃចដន្យដាច់អ្នកបា៉ន់សា្មនឱកាសអតប ិ រមាគជា ី ្យ្រប�បាប៊ីលេី តែដលទទួល
ឺ អ្នកបា៉ន់សា្មនែដលេធ្វឱ
បានតៃម្លអេង្កតៃនលំហគំរូមានតៃម្លអតិបរមា។
និយមន័យ 9.1.5. អ្នក បា៉ន់សា្មនឱកាសអតិបរមា (Maximum Likelihood Estimators(MLE)) ជា

តៃម្លៃនបា៉រា៉ ែម៉្រតែដលេធ្វីឱ្យអនុគមន៍ឱកាសមានតៃម្លអតិបរមាេធៀបនឹងបា៉រា៉ ែម៉្រត θ មានន័យថា
L(θ; x1 , . . . , xn ) = max L(θ; x1 , . . . , xn ),
θ∈Θ
ែដល Θ ជាសំនុំៃនតៃម្លបា៉រា៉ ែម៉្រត θ។
និយមន័យ 9.1.6. េយង

ី កំនត់អនុគមន៍ឱកាសឡូការត
ី (Log-Likelihood Function) េដាយ
n

 P


 ln fX (xi ; θ) េបី X ជាអេថរៃចដន្យជាប់
i=1
l(θ) = ln L(θ) = 
 P
 n
 ln pX (xi ; θ) េបី X ជាអេថរៃចដន្យដាច់


i=1
252
សមា្គល់ 9.1.2. វាមានភាពងាយ្រស�ល ជាងក្នុងការរកអ្នក បា៉ន់សា្មនឱកាសអតិបរមាេដាយេ្របី អនុគមន៍
ឱកាសឡូការត
ី មយ៉ងវ ិញេទៀតេដាយសារអនុគមន៍ឡូការតជាអនុ ី គមន៍េកីនេនាះតៃម្លអតិបរមាៃនអនុគមន៍
ឱកាសេបមា
ី នគេឺ កត
ី េឡង ់ ំនុចដូចគា្នែដលេធ្វឱ
ី េន្រតងច ី ្យអនុគមន៍ឱកាសឡូការតមានតៃម្ល
ី អតបិ រមា។
ឧទាហរណ៍ 9.1.9. េគឱ្យ X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យេចញពប

ី ែំ នងែចកែប៊នូយែី ដលមានបា៉រា៉ ែម៉្រត p។
រកអ្នកបា៉ន់សា្មនឱកាសអតប
ិ រមា P̂ ៃន p។
ី នុគមន៍មា៉ស្រប�បាប៊ីលេី តគឱ
ចេម្លើយ. ចំេពាះបំែនងែចកែប៊នូយអ ឺ ្យេដាយ
pX (x; p) = p x (1 − p)1−x , x = 0, 1
ែដល p ជាបា៉រា៉ ែម៉្រតែដលនង

ឹ ្រត�វបា៉ន់សា្មន។ អនុគមន៍ឱកាសៃនលំហគំរូៃចដន្យទំហំ n គឺ
L(p) = p x1 (1 − p)1−x1 p x2 (1 − p)1−x2 . . . p xn (1 − p)1−xn

Yn
Pn Pn
= p xi (1 − p)1−xi = p i=1 xi (1 − p)n− i=1 xi
i=1
េនាះអនុគមន៍ឱកាសឡូការតគ
ី ឺ
 n   
X   X
n

l(p) = ln L(p) =  xi  ln p + n − xi  ln(1 − p)
i=1 i=1
គណនាេដរេវេធៀបន
ី ង
ឹ p េយង
ី បាន
Pn P
dl(p) xi n − ni=1 xi
= i=1
−
dp p 1− p
ឱ្យ dl(p)
dp
= 0 រួចេដាះ្រសាយរក p េយង
ី បាន
1X
n
p̂ = xi
n i=1
េយង
ី មាន Pn P
d2 xi n − ni=1 xi
l(p) = − i=1
− < 0.
d p2 p̂ p̂ (1 − p̂)2
ដូេច្នះអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន p គឺ
1X
n
P̂ = Xi = X̄
n i=1
ឧទាហរណ៍ 9.1.10. េគឱ្យ X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យេចញពប

ី ែំ នងែចកអុច
៉ ែ់ ស្យលែដលមាន
បា៉រា៉ ែម៉្រត β > 0។ រកអ្នកបា៉ន់សា្មនឱកាសអតប
ិ រមា β̂ ៃន β។
ចេម្លើយ. ចំេពាះបំែនងែចកអុច
៉ ់ែស្យលអនុគមន៍ដង់សុេី តគឱ
1 x
fX (x; β) = e− β
β
253
ែដល β ជាបា៉រា៉ ែម៉្រតែដលនឹងបា៉ន់សា្មន។ អនុគមន៍ឱកាសៃនលំហគំរូចដន្យទំហំ n គឺ
Y
n Y
n !n Pn
1 − βi
x 1 −
x
i=1 i
L(β) = fX (xi ; β) = e = e β
i=1 i=1
β β
េនាះអនុគមន៍ឱកាសឡូការតគ
ី ឺ
Pn
xi
l(β) = ln L(β) = −n ln β − i=1
β
គណនាេដរេវេធៀបន
ី ឹង β េយង
ី បាន Pn
dl(β) n xi
=− + i=1
dβ β β2
ឱ្យ dl(β)
dβ
= 0 រួចេដាះ្រសាយរក β េយង
ី បាន
1X
n
β̂ = xi
n i=1
េយង
ី មាន
d2 n
l(β) = − < 0
dβ 2 β̂ β̂2
ដូេច្នះអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន β គឺ
1X
n
β̂ = Xi = X̄
n i=1
ឧទាហរណ៍ 9.1.11. េគឱ្យ X1 , . . . , Xn ជាលំហគំរូៃចដន្យេចញពីបំែនងែចកនរមា៉ល់ែដលមានបា៉រា៉ ែម៉្រត

µ នង
ិ σ។
2
1. េបីមិនសា្គល់ µ និងសា្គល់ σ2 = σ20 រកអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន µ
2. េបសា
ី ្គ ល់ µ = µ0 នង
ិ មន
ិ សា្គល់ σ រកអ្នកបា៉ន់សា្មនឱកាសអតប
2
ិ រមាៃន σ
2
3. េបម
ី ន
ិ សា្គល់ទាង
ំ µ នង
ិ σ រកអ្នកបា៉ន់សា្មនឱកាសអតប
2
ិ រមាៃន θ = (µ, σ ).
2
ចេម្លើយ. ចំេពាះអេថរៃចដន្យនរមា៉ល់អនុគមន៍ដង់សុេី តគឱ

1 (x−µ)2
f (x; µ, σ2 ) = √ e− 2σ2
2πσ2
អនុគមន៍ឱកាសៃនលំហគំរូៃចដន្យទំហំ n គឺ
Pn !
2 − n2 i=1 (xi − µ)2
L(µ, σ ) = (2πσ )
2
exp −
2σ2
អនុគមន៍ឱកាសឡូការតគ
ី ឺ
Pn
n n i=1 (xi − µ)2
l(µ, σ ) = ln L(µ, σ ) = − ln(2π) − ln σ2 −
2 2
2 2 2σ2
254
1. េនេពលែដលសា្គល់ σ2 = σ20 េនាះេយង
ី រកអ្នក បា៉ន់សា្មនឱកាសអតិបរមាៃន µ ែតឯង។ គណនា
េដរេវៃនអនុ
ី គមន៍ឱកាសឡូការតេធៀបន
ី ឹង µ េយង
ី បាន
Pn
∂ 2 i=1 (xi − µ)
l(µ, σ20 ) =
∂µ 2σ20
∂l(µ,σ20 )
ឱ្យ ∂µ
= 0 រួចេដាះ្រសាយរក µ េយង
ី បាន
X
n
(xi − µ) = 0
i=1
ឬ
1X
n
µ̂ = xi
n i=1
េយង
ី មាន
∂2 n
l(µ, σ20 ) = − 2 < 0
∂µ 2 µ̂ σ0
ដូេច្នះអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន µ គឺ
1X
n
µ̂ = Xi .
n i=1
2. េនេពលែដលសា្គល់ µ = µ0 េនាះេយង
ី រកអ្នក បា៉ន់សា្មនឱកាសអតិបរមាៃន σ ែតឯង។ គណនា
2
េដរេវៃនអនុ
ី គមន៍ឱកាសឡូការតេធៀបន
ី ឹ σ េយង
ង 2
ី បាន
1 X
n
∂ n
l(µ0 , σ ) = − 2 +
2
(xi − µ0 )2
∂σ2 2σ 2σ4 i=1
ឱ្យ ∂l(µ0 ,σ2 )

∂σ2
= 0 រួចេដាះ្រសាយរក σ2 េយង
ី បាន
1X
n
σ̂ =
2
(xi − µ0 )2 .
n i=1
េយង
ី មាន
1X
n
∂2 n 2n
l(µ0 , σ 2
) = − × (xi − µ0 )2
∂(σ2 )2 2σ4 2σ6 n i=1
ដូចេនះ
∂2 n
l(µ0 , σ2 ) 2 = − P 4 < 0
∂(σ )
2 2 σ̂ 1 n
(x − µ )2
n i=1 i 0
ដូេច្នះអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន σ2 គឺ
1X
n
Σ̂ =
2
(Xi − µ0 )2
n i=1
255
3. េនេពលែដលមន
ិ សា្គល់ µ នង
ិ σ ទាំងពរី ។ េយង
2
ី គណនាេដរេវេដាយែផ្ន
ី កេធៀបនង
ឹ µ នង
ិ σ
2
P
∂ 2 ni=1 (xi − µ)
l(µ, σ ) =
2
∂µ 2σ2
1 X
n
∂ n
l(µ0 , σ ) = − 2 +
2
(xi − µ)2
∂σ 2 2σ 4
2σ i=1
ឱ្យេដរេវេដាយែផ្ន
ី កេស្មន
ី ង
ឹ សូន្យរួចេដាះ្រសាយសមកា
ី រ្រពមគា្នេយង
1X
n
µ̂ = xi
n i=1
1X
n
σ̂2 = (xi − µ̂)2
n i=1
េយង
ី មានមា៉្រទស
ី 2 × 2 ៃនេដរេវទ ី ីពីរេដាយែផ្នក
 ∂2  !
 ∂µ2 l(µ, σ2 )|(µ̂,σ̂2 ) ∂µ∂σ ∂2
2 l(µ, σ )|(µ̂,σ̂2 ) 
2  − n
0
 2  = σ̂2
∂
∂σ ∂µ
2 l(µ, σ 2
)|(µ̂, σ̂2)
∂2
∂(σ )
2 2 l(µ, σ 2
)|(µ̂, σ̂2) 0 − 2σ̂n 4
ចំេពាះ្រគប់ (λ1 λ2 ) មន
ិ សូន្យេយង
ី មាន
− n2 ! ! 2 !
0 λ λ2
λ
λ1 λ2 σ̂ 1
= −n 2 + 24 < 0
1
0 − 2σ̂n 4 λ2 σ̂ 2σ̂
ដូេច្នះអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន µ និង σ2 េរៀងគា្នគឺ
1X 1X
n n
µ̂ = Xi = X̄ នង
ិ Σ̂ 2
= (Xi − X̄)2
n i=1 n i=1
សមា្គល់ 9.1.3. អនុគមន៍ េ្រចន ិ រមាេន្រតង់ ចំនុច (x01 , . . . , x0r )

ី អេថរ y = g(x1 , . . . , xr ) មានតៃម្ល អតប
េបីចំនុច (x01 , . . . , x0r ) េផ្ទ�ងផា្ទត់្របព័ន្ធសមីការែដលមាន r សមីការ ∂x∂ i g(x1 , . . . , xr ) = 0, i = 1, . . . , r
2
នងិ ចំ នុ ច (x01 , . . . , x0r ) េធ្វ
ី ឱ ្យមា
៉ ្រទ ស
ី r × r ៃន េដរេវទ ព
ី ី ី រ េដាយែផ្ន ក ∂
∂xi ∂x j
g(x1 , . . . , xr , i, j = 1, . . . , r
)
អវ ិជ្ជមាន (negative definite) មានន័យថាចំេពាះវុ ិចទ័រ (λ1 , . . . , λr ) មន ិ សូន្យេយង ី មាន
 
! λ1 
∂ 2  . 
(λ1 , . . . , λr ) g(x1 , . . . , xr )  ..  < 0.
∂xi ∂x j (x1 ,...,xr )=(x01 ,...,x0r )   
λr

ី បានបងា្ហញថាេនេពលែដលលំហគំរយ
ូ កេចញពប
ី ែំ នងែចកនរមា៉ល់ N(µ, σ ) េយង
2
ី
រកេឃញ
ី ថាអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន µ និង σ េរៀងគា្នគឺ
2
1X
n
(n − 1)S 2
µ̂ = X̄ នង
ិ Σ̂ =
2
(Xi − X̄)2 =
n i=1 n
សមា្គល់ែដរថា µ̂ = X̄ ជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ងៃន µ។ េយង
ី បានបងា្ហញថា
(n − 1)S 2
∼ χ2 (n − 1)
σ2
256
ដូចេនះ
" #
σ2 (n − 1)S 2 σ2
E[S ] = E
2
= (n − 1) = σ2
n−1 σ2 n−1
1 Pn
មានន័យថាវា៉ដ្យង់លំហគំរូ S 2 = n−1 i=1 (Xi − X̄) ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន σ ។ េដាយសារ
2 2
n−1 n−1 2
E[Σ̂2 ] = E[S 2 ] = σ
n n
ដូចេនះ Σ̂2 ជាអ្នកបា៉ន់សា្មនលេម្អ�ងៃន σ2 ។ អ្នកបា៉ន់សា្មនមន

ិ លេម្អ�ងៃន σ គឺ cS ែដល
√
n − 1Γ n−1
2
c= √ n
2Γ 2
េហតុអ្វី? តាមពិតេទេដាយសារ
(n − 1)S 2
∼ χ2 (n − 1)
σ 2
ដូចេនះ
r 
 (n − 1)S 2 σ 
E[S ] = E  . √ 
σ2 n−1
r 
σ  (n − 1)S 2 
= √ E  
n−1 σ2
Z ∞
σ 1 x √
n−1 x 2 −1 e− 2 xdx
n−1
= √
n − 1 0 Γ n−1 22
Z 2∞
σ 1 n2 −1 − 2x
= √ n−1
x e dx
n − 1Γ n−1 2
0 2 2
√ n Z
σ 2Γ 2 ∞
1
n x 2 −1 e− 2 dx
n x
= √
n − 1Γ n−1 2
0 Γ
n
2
22
| {z }
=1
√
σ 2Γ n2
E[S ] = √
n − 1Γ n−1 2
លំហាត់ 9.1.3. 1. េគឱ្យ X1 , . . . , Xn ជាលំហគំរូៃចដន្យេចញពីបំែនងែចកព័រសុងែដលមានបា៉រា៉ ែម៉្រត

λ > 0។ រកអ្នកបា៉ន់សា្មនឱកាសអតប ិ រមា λ̂ ៃន λ។
2. េគឱ្យ X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យេចញពប

ី ែំ នងែចកហា្កមាែដលមានបា៉រា៉ ែម៉្រត α នង
ិ β។ រកអ្នក
បា៉ន់សា្មនឱកាសអតិបរមាៃន α និង β។
3. យក X1 , X2 , . . . , Xn ជាលំហគំរៃូ ចដន្យែដលមានទំហំ n េចញពអ

ី េថរៃចដន្យែដលមានមធ្យម µ និង
វា៉ដ្យង់ σ ។ តាងមធ្យមលំហគំរូេដាយ
2
1X
n
X̄ = Xi
n i=1
257
ិ វា៉ដ្យង់លំហគំរូេដាយ
នង
1 X
n
S =
2
(Xi − X̄)2
n − 1 i=1
(a) បងា្ហញថា X̄ ជាអ្នកបា៉ន់សា្មនមន

ិ លេម្អ�ងៃន µ
(b) បងា្ហញថា S 2 ជាអ្នកបា៉ន់សា្មនមន

ិ លេម្អ�ងៃន σ
2
(c) បងា្ហញថា X̄ 2 ជាអ្នកបា៉ន់សា្មនលេម្អ�ងៃន µ2
(d) រកតៃម្ល k េដម

ី ្បឱ
ី ្យ X̄ − kS ជាអ្នកបា៉ន់សា្មនមន
2 2
ិ លេម្អ�ងៃន µ
2
4. យក X1 , X2 , . . . , Xn ជាលំហគំរៃូ ចដន្យែដលមានទំហំ n េចញពអ ី េថរៃចដន្យ X ែដលមានអនុគមន៍

់ ុេី ត
ដងស
x x2
f (x; θ) = e− 2θ , x > 0
θ
(a) រកអ្នកបា៉ន់សា្មនឱកាសអតប
ិ រមា θ̂ ៃន θ
(b) េតី θ̂ ជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ងៃន θ ឬេទ?
(c) បា៉ន់សា្មន θ េដាយេ្របទ

ី ន
ិ ្នន័យចំនួន n = 10
16.88 10.23 4.59 6.66 13.68 14.23 19.87 9.40 6.51 10.95
9.2 ចេនា្លះេជឿជាក់ស្រមាប់លហ
ំ គំរ ូមួយ
• ទិដ្ឋភាពមួយៃនស្ថិតែិ បបសន្និដា្ឋនគកា
ឺ របា៉ន់សា្មនតៃម្លបា៉រា៉ ែម៉្រតៃនសាកលេដាយេ្របព
ី ត៌មានេនក្នុង
លំហគំរូ។
• បា៉រា៉ ែម៉្រតេផ្សងៗដូចជាមធ្យម សមាមា្រត វា៉ដ្យង់ នង

ិ គមា្លតគំរន
ូ ង
ឹ ្រត�វបានបា៉ន់សា្មនេនក្នុងែផ្នកេនះ។
• សំណួរសំខាន់េនក្នុងការបា៉ន់សា្មនគទ
ឺ ំហៃំ នលំហគំរូ។ េតេី យង
ី ្រត�វេ្រជីសេរសលំ
ី ហគំរធ
ូ ប
ំ ុណា
៉ ្ណ េដីម្បឲ
ី ្យ
ការបា៉ន់សា្មន្រតម
ឹ ្រត�វក្នុងកំរតណាមួ
ិ យ?
និយមន័យ 9.2.1. • ចេនា្លះបា៉ន់សា្មនៃនបា៉រា៉ ែម៉្រតសាកលគឺជាចេនា្លះែដល្រត�វបានពយករណ៍ថាផ្ទុក

បា៉រា៉ ែម៉្រត។
ឺ ្រប�បាប៊ីលេី តែដលចេនា្លះេនាះនង
• ភាពេជឿជាក់ៃនចេនា្លះបា៉ន់សា្មនគជា ឹ ផ្ទុកបា៉រា៉ ែម៉្រត។
9.2.1 ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមេពលសា្គល់វា៉ដ្យង់
េបលី ំហគំរៃូ ចដន្យ្រត�វបានយកេចញពីសាកលែដលមានបំែនងែចកនរមា៉ល់ ឬសាកលែដលមានបំែនងែចក

ទូេទេបី n ធំលម្ម េនាះេយង ី អាចកំនត់ចេនា្លះេជឿជាក់ស្រមាប់មធ្យម µ េដាយពន
ិ ត
ិ ្យេលប
ី ែំ នងែចកលំហគំរូ
ៃន X̄ ។
258
សន្មត់ថា X1 , . . . , Xn ជាលំហគំរូៃចដន្យយកេចញពសា ី កលែដលមធ្យមមន ិ វា៉ដ្យង់ σ ែដល
2
សា្គល់។ តាង
1X
n
X̄ = Xi
n i=1
ជាមធ្យមៃនលំហគំរូ។ េយាងតាម្រទស
ឹ ប
ី្ត ទលម
ី ត
ី ផ្ចិត (CLT) េយង
ី មាន៖
• X̄ ជាអេថរៃចដន្យនរមា៉ល់េបី Xi ជាអេថរៃចដន្យនរមា៉ល់ ឬ
• X̄ អាចបា៉ន់សា្មនេដាយអេថរៃចដន្យនរមា៉ល់េបី Xi មិនែមនជាអេថរៃចដន្យនរមា៉ល់និង n ធំលម

្ម
X̄ − µ
Z= √ ∼˙ N(0, 1).
σ/ n
ចេនា្លះេជឿជាក់ ស្រមាប់ មធ្យមជាចេនា្លះែដលមានទ្រមង់ l ≤ µ ≤ u ែដលចំនុច ចុង l នង ិ u ្រត�វ បាន

គណនាេចញពី ទិន្នន័យ េនក្នុងលំហ គំរូ។ េដាយសារលំហ គំរូ េផ្សងគា្ន នឹង បេង្កីត តៃម្ល l និង u េផ្សងគា្ន ែដរ
េនាះចំនុចចុងទាំងេនះជាតៃម្លៃនអេថរៃចដន្យ L និង U េរៀងគា្ន។ សន្មត់ថាេយង
ី អាចរកតៃម្លៃន L និង U
ែដលចំេពាះ្រប�បាប៊ីលីេត 1 − α េយង
ី មាន
P(L ≤ µ ≤ U) = 1 − α
មានន័យថាមាន្រប�បាប៊ីលេី ត 1−α ៃនការេ្រជស

ី េរសលំ
ី ហគំរម
ូ ួយែដលចេនា្លះេជឿជាក់នង
ឹ ផ្ទុកតៃម្លពត
ៃន µ។ េនេពលែដលលំហគំរូ្រត�វបានេ្រជីសេរសែដល
ី X1 = x1 , X2 = x2 , . . . , Xn = xn និង l និង u ្រត�វ
បានគណនា េនាះចេនា្លះេជឿជាក់ស្រមាប់ µ គឺ l ≤ µ ≤ u ។ េនក្នុងករណីរបស់េយង ី េដាយសារ
X̄ − µ
Z= √ ∼ N(0, 1)
σ/ n
ី អាចរក zα/2 ែដលេផ្ទ�ងផា្ទត់
P(−zα/2 ≤ Z ≤ zα/2 ) = 1 − α.
េយង
ី អាចសេសរ
!
X̄ − µ
P −zα/2 ≤ √ ≤ zα/2 = 1 − α
σ/ n
!
σ σ
P X̄ − zα/2 √ ≤ µ ≤ X̄ + zα/2 √ = 1 − α
n n
259
ដូចេនះ្រប�បាប៊ីលេី តែដលចេនា្លះៃចដន្យ
h √ √ i
X̄ − zα/2 σ/ n, X̄ − zα/2 σ/ n
ផ្ទុកនូវមធ្យមមិនសា្គល់ µ គឺ 1 − α។ វាជាចេនា្លះៃចដន្យេ្រពាះវាមានអេថរៃចដន្យ X̄។ េយង

ី កំនត់ zα ជាតៃម្ល
ៃន Z ែដល្រកលាៃផ្ទេទខាងសា្តៃំ ន zα ខាងេ្រកាមែខ្សេកាងនរមា៉ល់ស្តងដា ់ េស្មន
ី ង
ឹ α មានន័យថា
P(Z > zα ) = α.
េនខណៈែដលលំហគំរូ្រត�វបានអេង្កត មធ្យមលំហគំរូ x̄ ្រត�វបានគណនាេនាះចេនា្លះ

h √ √ i
x̄ − zα/2 σ/ n, x̄ + zα/2 σ/ n
កា្លយជាចេនា្លះែដលសា្គល់។
សមា្គល់ 9.2.1. េដីម្បេី ្របីចេនា្លះេជឿជាក់េនះេយង

ី ្រត�វមានលក្ខខណ្ឌដូចខាងេ្រកាម៖
1. លំហគំរូជាលំហគំរូៃចដន្យ
2. សាកលមានបំែនងែចកនរមា៉ល់ ឬេបីមិនដូេច្នះេទ n ≥ 30 ។
រ ូបមន្តចេនា្លះេជឿជាក់ស្រមាប់មធ្យមេពលសា្គល់វា៉ដ្យង់
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ µ េពលសា្គល់ σ2 គឺ

! !
σ σ
x̄ − zα/2 √ ≤ µ ≤ x̄ + zα/2 √
n n
• ចំេពាះចេនា្លះេជឿជាក់ 90% េយង

ី មាន zα/2 = 1.65

ី មាន zα/2 = 1.96

ី មាន zα/2 = 2.33

ី មាន zα/2 = 2.58
េតត
ី ៃម្ល 1.65 បានមកពណា
ី ? េដាយសារ α/2 = 0.10/2 = 0.05 នង
ិ
P(Z < z0.05 ) = 1 − P(Z > z0.05 ) = 0.95
េហយ ់ [េមីលេសចក្តី
ី តៃម្ល 0.95 ជាតៃម្លេនចេនា្លះ 0.9495 និង 0.9595 ក្នុងតារាងបំែនងែចកនរមា៉ល់ស្តងដា
បែន្ថមក្នុង ១] ែដល្រត�វនង
ឹ ជួរេដក 1.6 នង
ិ ជួរឈរ 0.04 នង
ិ ជួរេដក 1.6 នង
ិ ជួរឈរ 0.05 េរៀងគា្ន។ េយង
ី
នឹងេ្រជីសយកតៃម្ល zα ែដលធំ។
z 0.00 ··· 0.04 0.05 ··· 0.09

..
.
1.6 0.9495 0.9505
260
ដូចេនះ
zα/2 = z0.05 = 1.65
េតីតៃម្ល 1.96 បានមកពីណា? េដាយសារ α/2 = 0.05/2 = 0.025 និង
P(Z < z0.025 ) = 1 − P(Z > z0.025 ) = 0.975
េហយ
ី តៃម្ល 0.975 ជាតៃម្លកុ ងតារាងបំ
្ន ់ ែដល្រត�វនង
ែនងែចកនរមា៉ល់ស្តងដា ឹ ជួរេដក 1.9 នង
ិ ជួរឈរ 0.06 ។
z 0.00 0.01 ··· 0.06 ··· 0.09

..
.
1.9 0.975
ដូចេនះ
zα/2 = z0.025 = 1.96
េតត
ី ៃម្ល 2.33 បានមកពណា
ី ? េដាយសារ α/2 = 0.02/2 = 0.01 នង
ិ
P(Z < z0.01 ) = 1 − P(Z > z0.01 ) = 0.99
េហយី តៃម្ល 0.99 ជាតៃម្លែដលេនេគៀក 0.9901 ក្នុងតារាងបំែនងែចកនរមា៉ល់ស្តង់ដា ែដល្រត�វនឹងជួរេដក

2.3 និងជួរឈរ 0.03 ។
z 0.00 ··· 0.03 ··· 0.09

..
.
2.3 0.9901
ដូចេនះ
zα/2 = z0.01 = 2.33
េតីតៃម្ល 2.58 បានមកពីណា? េដាយសារ α/2 = 0.01/2 = 0.005 និង
P(Z < z0.005 ) = 1 − P(Z > z0.005 ) = 0.9950
េហយ
ី តៃម្ល 0.9950 ជាតៃម្លេនចេនា្លះ 0.99495 នង ់ ែដល្រត�វ
ិ 0.9951 ក្នុងតារាងបំែនងែចកនរមា៉ល់ស្តងដា
នឹងជួរេដក 2.5 និងជួរឈរ 0.07 និងជួរេដក 2.5 និងជួរឈរ 0.08 េរៀងគា្ន។
z 0.00 · · · 0.07 0.08 0.09

..
.
2.5 0.9949 0.9951
ដូចេនះ
zα/2 = z0.005 = 2.58
់ ៉ ន់សា្មនចំនួនៃថ្ងែដលអ្នកលក់រថយន្តចណា
ឧទាហរណ៍ 9.2.1. អ្នក្រសាវ្រជាវចងបា ំ យយេដីម្បល
ី ក់ឡាេឆរូ ៉
េឡតមួយេ្រគឿង។ លំហគំរូៃចដន្យៃនរថយន្តចំនួន 50 ែដលមានរយៈេពលមធ្យម 54 ៃថ្ងេនកែន្លងអ្នកលក់
រថយន្ត។ សន្មត់ថាគមា្លតស្តង់ដាសាកលេស្មីនឹង 6 ៃថ្ង។ រកចេនា្លះេជឿជាក់ 95% ៃនមធ្យមសាកល µ។
សមា្គល់ 9.2.2 (ព្រងាងគំនិត). • ចេនា្លះេជឿជាក់ៃនមធ្យមសាកលេដាយសា្គល់វា៉ដ្យង់ σ2 = 62
• α = 5% េនាះ zα/2 = 1.96
261
• ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ µ េពលសា្គល់ σ2 គឺ
! !
σ σ
x̄ − zα/2 √ ≤ µ ≤ x̄ + zα/2 √
n n
ី មាន n = 50, x̄ = 54, σ = 6 េនាះចេនា្លះេជឿជាក់ 95% ៃនមធ្យមសាកល µ គឺ
! !
σ σ
x̄ − zα/2 √ ≤ µ ≤ x̄ + zα/2 √
n n
! !
6 6
54 − 1.96 √ ≤ µ ≤ 54 + 1.96 √
50 50
52.3 ≤ µ ≤ 55.7
ី អាចេជឿជាក់ 95% ថាចេនា្លះរវាង 52.3 នង
ិ 55.7 ៃថ្ង ផ្ទុកមធ្យមសាកល។
ឧទាហរណ៍ 9.2.2. ការស្ទង់មតម

ិ ួយៃនបន្ទបស
់ េ�ងា្គះបនា្ទន់ៃនអ្នកជម្ងឺ 30 នាក់បានរកេឃញ
ី ថារយៈេពល
រង់ចាជា
ំ មធ្យមស្រមាប់ការពយបាលេស្មីនឹង 174.3 នាទី។ សន្មតថា ់ សាកលេស្មីនឹង 46.5 នាទី។
់ គមា្លតស្តងដា
រកចេនា្លះេជឿជាក់ 99% ៃនមធ្យមសាកល µ។
សមា្គល់ 9.2.3 (ព្រងាងគំនិត). • ចេនា្លះេជឿជាក់ៃនមធ្យមសាកលេដាយសា្គល់វា៉ដ្យង់ σ2 = 46.52
• α = 1% េនាះ zα/2 = 2.58

! !
σ σ
x̄ − zα/2 √ ≤ µ ≤ x̄ + zα/2 √
n n
ី មាន n = 30, x̄ = 174.3, σ = 46.5 េនាះចេនា្លះេជឿជាក់ 99% ៃនមធ្យមសាកល µ គឺ
! !
σ σ
x̄ − zα/2 √ ≤ µ ≤ x̄ + zα/2 √
n n
! !
46.5 46.5
174.3 − 2.58 √ ≤ µ ≤ 174.3 + 2.58 √
30 30
152.4 ≤ µ ≤ 196.2
ី អាចេជឿជាក់ 99% ថារយៈេពលជាមធ្យមែដល្រត�វរង់ចា ំស្រមាប់ការពយបាលេនក្នុងបន្ទបស

ដូេច្នះេយង ់ េ�ងា្គះ
បនា្ទន់គេឺ នចេនា្លះពី 152.4 នង
ិ 196.2 នាទ។
ី
ឧទាហរណ៍ 9.2.3. េនក្នុងបន្ទប់ សេ�ងា្គះបនា្ទន់ ធំ មួយ ែដលមានេវជ្ជបណិ្ឌ ត 4 នាក់ បងា្ហញឱ្យេឃញ
ី ថា
ពួកេគអាចពន
ិ ត
ិ ្យអ្នកជម្ងជា
ឺ មធ្យម 18 នាក់កុ ង
្ន មួយេមា៉ង។ សន្មតថា ់ សាកលេស្មន
់ គមា្លតស្តងដា ី ងឹ 3.2 ។ េបី
លំហគំរូៃចដន្យៃន 42 េមា៉ង្រត�វបានេ្រជីសេរស
ី រកចេនា្លះេជឿជាក់ 99% ៃនមធ្យមសាកល µ។
សមា្គល់ 9.2.4 (ព្រងាងគំនិត). • ចេនា្លះេជឿជាក់ៃនមធ្យមសាកលេដាយសា្គល់វា៉ដ្យង់ σ2 = 3.22
• α = 1% េនាះ zα/2 = 2.58

! !
σ σ
x̄ − zα/2 √ ≤ µ ≤ x̄ + zα/2 √
n n
262
ី មាន n = 42, x̄ = 18, σ = 3.2 េនាះចេនា្លះេជឿជាក់ 99% ៃនមធ្យមសាកល µ គឺ
! !
σ σ
x̄ − zα/2 √ ≤ µ ≤ x̄ + zα/2 √
n n
! !
3.2 3.2
18 − 2.58 √ ≤ µ ≤ 18 + 2.58 √
42 42
16.7 ≤ µ ≤ 19.3
ី អាចេជឿជាក់ 99% ថាចំនួនអ្នកជម្ងជា
ឺ មធ្យមេនបន្ទបស
់ េ�ងា្គះបនា្ទន់ែដល្រត�វពិនិត្យេនក្នុងមួយ
េមា៉ងគឺេនចេនា្លះពី 17 េទ 19 នាក់។
ការេ្រជើសេរ ើសទំហល
ំ ហ
ំ គំរ ូ
េតេី យង
ី ្រត�វេ្រជីសេរសលំ
ី ហគំរែូ ដលមានទំហប
ំ ុនា
៉ ្ម នេដីម្បឱ
ី ្យការបា៉ន់សា្មន្រតឹម្រត�វក្នុងកំរតណាមួ
ិ យ?ចេម្លីយ
ៃនសំណួរេនះមិនសាមញញេទេ្រពាះវាអា្រស័យនឹង
• ក្រមិតេល្អ�ង
• គមា្លតស្តង់ដាសាកល
• ក្រមត
ិ េជឿជាក់
េយង
ី មាន
!
X̄ − µ
P −zα/2 ≤ √ ≤ zα/2 = 1 − α
σ/ n
!
σ σ
P −zα/2 √ ≤ X̄ − µ ≤ zα/2 √ = 1 − α
n n
មានន័យថាេដាយ្រប�បាប៊ីលេី ត 1 − α,
!
σ
|X̄ − µ| ≤ zα/2 √ .
n
េល្អ�ងអតិបរមាៃនការបា៉ន់សា្មន
σ
E = zα/2 √
n
េចញពីរូបមន្តេនះេយង
ី េដាះ្រសាយរកទំហៃំ នលំហគំរូ n ដូចខាងេ្រកាម៖
√
E n = zα/2 σ
√ zα/2 σ
n=
E
z σ 2
α/2
n=
E
រូបមន្តៃនទំហល
ំ ំហគំរូអប្បបរមាចាំបាច់េដីម្បរី កចេនា្លះបា៉ន់សា្មនៃនមធ្យមសាកល៖
z σ 2
α/2
n=
E
ែដល E ជាក្រមិតេល្អ�ងែដលសា្គល់។
263
់ ៉ ន់សា្មនចំនួនរថយន្តែដល្រត�វបានលួចក្នុងមួយៃថ្ងេនក្នុងទ្រី ក�ងធំ
ឧទាហរណ៍ 9.2.4. អ្នកសង្គមវ ិទយចងបា
មួយក្នុងក្រមិតេល្អ�ង 2 រថយន្ត។ គាត់ចង់បានការបា៉ន់សា្មនក្នុងក្រមិតេជឿជាក់ 99% េហយ

ី ការសិក�ពីមុន
បានរកេឃញ ់ សាកលេស្មន
ី ថាគមា្លតស្តងដា ី ងឹ 4.2។ េតគា
ី ត់គួរែតេ្រជស
ី េរសប៉
ី ុនា្មនៃថ្ងេដម ី រស្ទង់មត?
ី ្បេី ធ្វកា ិ
សមា្គល់ 9.2.5 (ព្រងាងគំនិត). • រកទំហៃំ នលំហគំរូ
• α = 1% េនាះ zα/2 = 2.58

z σ 2
• n = α/2E
ី មាន α = 0.01, zα/2 = 2.58, σ = 4.2 និង E = 2។ ដូចេនះ
z 2
α/2 σ
n=
E
" #2
(2.58)(4.2)
=
2
= 29.35
េយង
ី បង្គតច
់ េម្លីយេឡង
ី ដល់ 30 ។ ដូេច្នះេដីម្បេី ជឿជាក់ 99% េនក្នុងការបា៉ន់សា្មនមធ្យមក្នុងក្រមិតេល្អ�ង 2
រថយន្ត អ្នកសង្គមវ ិទយ្រត�វការលំហគំរូៃនការលួចរថយន្តយា៉ងេហាចណាស់ 30 ៃថ្ង។
ី �ចងរ់ កចេនា្លះេជឿជាក់ 95% ៃនតៃម្លជាមធ្យមរបស់ភស

ឧទាហរណ៍ 9.2.5. មា្ចស់ហាងភស ី �ឈស
ី ធំមួយ។
េតល
ី ំហគំរធ
ូ ប
ំ ុណា
៉ ្ណ គួរ្រត�វេ្រជីសេរសេប
ី ី ត់ចង់បានការបា៉ន់សា្មន្រតឹម្រត�វក្នុងក្រមិតេល្អ�ង $0.15? េបគ
គា ី មា្លត
ស្តង់ដាសាកលៃនតៃម្លេស្មីនឹង $0.26 ។
• α = 5% េនាះ zα/2 = 1.96

z σ 2
• n = α/2E
ី មាន α = 0.05, zα/2 = 1.96, σ = 0.26 និង E = 0.15។ ដូចេនះ
z 2
α/2 σ
n=
E
" #2
(1.96)(0.26)
=
0.15
= 11.54
េយងី បង្គត់ចេម្លីយេឡង
ី ដល់ 12 ។ ដូេច្នះេដីម្បេី ជឿជាក់ 95% េនក្នុងការបា៉ន់សា្មនមធ្យមក្នុងក្រមិតេល្អ�ង
$0.15 គាត់្រត�វការលំហគំរូៃនភីស�ឈស ី ធំយា៉ងេហាចណាស់ 12 ។
លំហាត់ 9.2.1. 1. រក zα/2 ស្រមាប់ករណីខាងេ្រកាម
(a) α = 0.10
(b) α = 0.01
(c) α = 0.05
(d) α = 0.20
264
2. េតក
ី ្រមត
ិ ចាំបាច់បុនា
៉ ្ម នៃនចេនា្លះេជឿជាក់ស្រមាប់ µ នម
ី ួយៗខាងេ្រកាម?

(a) x̄ ± 2.12 √σn

(b) x̄ ± 2.53 √σn

(c) x̄ ± 1.11 √σn

(d) x̄ ± 0.04 √σn
3. លំហគំរៃូ ចដន្យែដលមានទំហំ n ្រត�វបានេ្រជីសេចញពសា

ី កលែដលមានមធ្យមមន
ិ គមា្លត
ស្តង់ដា σ = 20។ គណនាចេនា្លះេជឿជាក់ 95% ៃន µ ស្រមាប់ករណីនីមួយៗខាងេ្រកាម៖
(a) n = 75, x̄ = 28
(b) n = 200, x̄ = 102
(c) n = 100, x̄ = 15
(d) n = 100, x̄ = 4.05
(e) េតី កា រសន្ម ត់ ែដលថាសាកលមានបំ ែនងែចកនរមា៉ល់ ចាបា
ំ ច់ ឬេទេនក្នុងែផ្នក ខាងេល?
ី ចូរ
ពន្យល់។
4. លំហ គំរូ ៃនអ្នកេបក

ី បរ 36 នាក់ បានេ្រប្រី បាស់ េ្របងឥន្ទ នៈជាមធ្យម 749 ហា្ក ឡុ នក្នុងមួយឆា្ន។
ំ េបី
គមា្លតស្តង់ដាសាកលេស្មីនឹង 32 ហា្កឡុន រកចេនា្លះេជឿជាក់ 95% ៃនមធ្យមរបស់េ្របងឥន្ទនៈែដល
េ្រប្រី បាស់េដាយអ្នកេបក
ី បរទាំងអស់។
5. េតេី យង
ី ្រត�វេ្រជីសេរសលំ ី ហគំរទូ ំហំប៉ុណា្ណេដីម្បបា
ី ៉ ន់សា្មនចំនួនលុយជាមធ្យមែដលមនុស្សមា្នក់ចំណាយ
េទេលកា ី ដូឆ្លងឆា្ន ំក្នុងក្រមត
ិ េល្អ�ង $2 នងិ េជឿជាក់បាន 95%? េបគ ់ សាកលេស្មន
ី មា្លតស្តងដា ី ងឹ $7.5។
9.2.2 ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមេពលមិនសា្គល់វា៉ដ្យង់
ី សង់ចេនា្លះេជឿជាក់ស្រមាប់មធ្យម µ េពលែដលសា្គល់វា៉ដ្យង់ σ ។ ចេនា្លះេជឿជាក់គឺ

េនក្នុងែផ្នកមុនេយង 2
!
σ
x̄ ± zα/2 √
n
តៃម្លសំខាន់គឺ zα/2 េ្រពាះ

X̄ − µ
√ ∼ N(0, 1).
σ/ n
េនក្នុងការអនុវត្តជាធម្មតាេយង
ី មនិ សា្គល់ σ ។ េនេពលេយង ី មន ី ជំនួសវាេដាយវា៉ដ្យង់
ិ សា្គល់តៃម្ល σ េយង
2 2
លំហគំរូ S 2 ប៉ុែន្តេយង
ី មិនអាចេ្របី zα/2 ជាតៃម្លសំខាន់េ្រពាះ
X̄ − µ
√
S/ n
មិនមានបំែនងែចកនរមា៉ល់។ េយង
ី បាន្រសាយថាអេថរៃចដន្យ
X̄−µ
√
S/ n
មានបំែនងែចក t(n − 1)។
សមា្គល់ 9.2.7. េដាយសារបំែនងែចក t មានវា៉ដ្យង់ធំជាងបំែនងែចកនរមា៉ល់ស្តង់ដាេនាះតៃម្លដាច់ខាតៃន

t ចំេពាះចេនា្លះេជឿជាក់មួយែដលសា្គល់គឺធំជាងតៃម្លដាច់ខាតៃន z ែដល្រត�វគា្ន។
265
ចេនា្លះេជឿជាក់ស្រមាប់ µ េពលមិនសា្គល់ σ2
េបល
ី ំហគំរូៃចដន្យ X1 , . . . , Xn ្រត�វបានយកេចញពប
ី ំែនងែចកនរមា៉ល់ N(µ, σ ) េនាះ
2
X̄ − µ
T= √ ∼ t(n − 1)
S/ n
េយង ី អាចរក tα/2 ែដល P(T > tα/2 ) = α/2 (មានន័យថា tα/2 ជាតៃម្លៃន t ែដល្រកលាៃផ្ទេទខាងសា្តៃំ ន
tα/2 េនខាងេ្រកាមែខ្សេកាង t ែដលមាន n − 1 d.f. េស្មីនឹង α/2 )។ តាមភាពឆ្លុះ្រកលាៃផ្ទេនខាងេឆ្វងៃន
−tα/2 េស្មន
ី ងឹ α/2 ។ ដូចេនះ

P −tα/2 ≤ T ≤ tα/2 = 1 − α
!
X̄ − µ
P −tα/2 ≤ √ ≤ tα/2 = 1 − α
S/ n
!
S S
P X̄ − tα/2 √ ≤ µ ≤ X̄ + tα/2 √ = 1 − α.
n n
ិ គមា្លតស្តង់ដា s ្រត�វបានគណនាេនាះចេនា្លះ
េនខណៈែដលលំហគំរូ្រត�វបានអេង្កត មធ្យមលំហគំរូ x̄ នង
h √ √ i
x̄ − tα/2 s/ n, x̄ + tα/2 s/ n
កា្លយជាចេនា្លះែដលសា្គល់។ ចេនា្លះេនះេហយ
ី េហថាចេនា្លះេជឿជាក់។
សមា្គល់ 9.2.8. េដីម្បេី ្របីចេនា្លះេជឿជាក់េនះេយង

ី ្រត�វមានលក្ខខណ្ឌដូចខាងេ្រកាម៖
1. លំហគំរូជាលំហគំរូៃចដន្យ
2. សាកលមានបំែនងែចកនរមា៉ល់ ឬេបម
ី ន
ិ ដូេច្នះេទ n ≥ 30 ។
រ ូបមន្តចេនា្លះេជឿជាក់ស្រមាប់មធ្យមេពលមិនសា្គល់វា៉ដ្យង់
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ µ េពលមិនសា្គល់ σ2 គឺឱ្យេដាយ

! !
s s
x̄ − tα/2 √ ≤ µ ≤ x̄ + tα/2 √ ,
n n
d.f. = n − 1
266
តៃម្លសខា
ំ ន់ tα/2
រកតៃម្ល tα/2 ស្រមាប់ចេនា្លះេជឿជាក់ 95% េនេពលែដលទំហល

ំ ំហគំរូេស្មន
ី ងឹ 22
CI 80% 90% 95% 98% 99%
One tail, α 0.10 0.05 0.025 0.01 0.005
d.f. Two tails, α 0.20 0.10 0.05 0.02 0.01
1
..
.
21 2.080
..
.
េដាយសារ d.f.= 22 − 1 = 21 េនាះតាមតារាងបំែនងែចក t [េមល

ី េសចក្តប
ី ែន្ថមក្នុង ១] តៃម្ល tα/2 ស្រមាប់
ចេនា្លះេជឿជាក់ 95% គឺ tα/2 = 2.080
សមា្គល់ 9.2.9. • េពល d.f. ធំជាង 30 េនាះវាេនចេនា្លះពរី េលខេនក្នុងតារាង ក្នុងករណី េនះេយង
ី
េ្រជីសយកតៃម្លែដលេនេគៀកជាងេគ។ ឧទាហរណ៍េបី d.f.= 68 វាេនចេនា្លះ 65 និង 70 េនាះេយង
ី
េ្រជស
ី យក d.f.= 70។
• េពល d.f. ធំខា្លង

ំ ឬ ∞ តៃម្ល zα/2 ្រត�វបានរកេឃញ ី ចំេពាះចេនា្លះេជឿជាក់ណាមួយេ្រពាះេនេពលែដល
ដឺេ្រកេសរេក
ី ន
ី េឡង ី េនាះបំែនងែចក t ខត ិ េទរកបំែនងែចកនរមា៉ល់ស្តងដា ់ ។
ឧទាហរណ៍ 9.2.6. មនុស្ស 10 នាក់ ែដល្រត�វ បានេ្រជស
ី េរសេដាយៃចដន្យ្រត�
ី វ បានេគសួរ អំពី រយៈេពល
ែដលពួកេគេគងេនេពលយប់។ រយៈេពលេគងជាមធ្យមេស្មន ី ង ិ គមា្លតស្តង់ដាេស្មន
ឹ 7.1 េមា៉ង នង ី ង
ឹ 0.78
េមា៉ង។ រកចេនា្លះេជឿជាក់95% ស្រមាប់រយៈេពលេគងមធ្យម។ សន្មត់ថាអេថរជាបំែនងែចកនរមា៉ល់។
សមា្គល់ 9.2.10 (ព្រងាងគំនិត). ិ សា្គល់វា៉ដ្យង់
• ចេនា្លះេជឿជាក់ៃនមធ្យមសាកលេដាយមន
• ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ µ េពលមនិ សា្គល់ σ គឺ

2
! !
s s
x̄ − tα/2 √ ≤ µ ≤ x̄ + tα/2 √
n n
• α = 0.05, d.f.= n − 1 = 9 េនាះ tα/2 = 2.262
ី េ្របីបំែនងែចក t េ្រពាះមន
ិ សា្គល់ σ ។ េយង
2
ី មាន n = 10, x̄ = 7.1, s = 0.78, d.f.= 9 នង
ិ
tα/2 = 2.262 េនាះចេនា្លះេជឿជាក់ 95% ៃនមធ្យមសាកល µ គឺ
! !
s s
x̄ − tα/2 √ ≤ µ ≤ x̄ + tα/2 √
n n
! !
0.78 0.78
7.1 − 2.262 √ ≤ µ ≤ 7.1 + 2.262 √
10 10
6.54 ≤ µ ≤ 7.66
ី អាចេជឿជាក់ 95% ថារយៈេពលេគងជាមធ្យមគឺេនចេនា្លះពី 6.54 េទ 7.66 េមា៉ង ។
267
ឧទាហរណ៍ 9.2.7. លំហគំរៃូ ចដន្យៃនសីតុណ្ហភាពខ្ពសស
់ ្រមាប់ៃថ្ងបុណ្យអំណរគុណចំនួន 12 មានមធ្យម
ី ឹង 42 F និងគមា្លតស្តង់ដាេស្មីនឹង 8 F។ សន្មត់ថាអេថរមានបំែនងែចកនរមា៉ល់។ រកចេនា្លះេជឿជាក់
េស្មន ◦ ◦
95% ស្រមាប់សត ី ុណ្ហភាពមធ្យម µ។

សមា្គល់ 9.2.11 (ព្រងាងគំនិត). • ចេនា្លះេជឿជាក់ៃនមធ្យមសាកលេដាយមិនសា្គល់វា៉ដ្យង់
• ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ µ េពលមិនសា្គល់ σ2 គឺ

! !
s s
x̄ − tα/2 √ ≤ µ ≤ x̄ + tα/2 √
n n
• α = 0.05, d.f.= n − 1 = 11 េនាះ tα/2 = 2.201

ី េ្របីបំែនងែចក t េ្រពាះមន
ិ សា្គល់ σ ។ េយង
2
ី មាន n = 12, x̄ = 42, s = 8, d.f.= 11 នង
ិ
tα/2 = 2.201 េនាះចេនា្លះេជឿជាក់ 95% ៃនមធ្យមសាកល µ គឺ
! !
s s
x̄ − tα/2 √ ≤ µ ≤ x̄ + tα/2 √
n n
! !
8 8
42 − 2.201 √ ≤ µ ≤ 42 + 2.201 √
12 12
36.92 ≤ µ ≤ 47.08
ី អាចេជឿជាក់ 95% ថាសត
ី ុណ្ហភាពជាមធ្យមគេឺ នចេនា្លះពី 36.92 F េទ 47.08 F។
◦ ◦
សមា្គល់ 9.2.12. េតីេនេពលណាេ្របីបំែនងែចក Z ឬ t ?
• េពលែដលសា្គល់វា៉ដ្យង់ σ2 េយង
ី េ្របីតៃម្ល zα/2 មិនថាទំហំលំហគំរូបុណា
៉ ្ណ េទ ដរាបណាអេថរមានបំ
ែនងែចកនរមា៉ល់ ឬ n ≥ 30 ។
• េពលែដលមិនសា្គល់វា៉ដ្យង់ σ2 និង n ≥ 30 េនាះេយង

ី េ្របី s និង tα/2 េនក្នុងរូបមន្តចេនា្លះេជឿជាក់ ។
• េពលែដលមិនសា្គល់វា៉ដ្យង់ σ2 និង n < 30 េនាះេយង

ី េ្របី s និង tα/2 េនក្នុងរូបមន្តចេនា្លះេជឿជាក់
ដរាបណាអេថរមានបំែនងែចកនរមា៉ល់។
លំហាត់ 9.2.2. 1. លំហគំរូៃចដន្យខាងេ្រកាម្រត�វបានេ្រជីសេចញពសា
ី កលនរមា៉ល់
4, 6, 3, 5, 9, 3
(a) រកចេនា្លះេជឿជាក់ 90% ស្រមាប់មធ្យមសាកល µ

(b) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់មធ្យមសាកល µ
(c) រកចេនា្លះេជឿជាក់ 99% ស្រមាប់មធ្យមសាកល µ
(d) សន្មតថា ់ លំហគំរូ s េនដែដលប៉ុែន្តវាែផ្អកេលល
់ មធ្យមលំហគំរូ x̄ និងគមា្លតស្តងដា ី ំហគំរែូ ដល
មានទំហំ n = 25 ជាជាង n = 6។ េធ្វីសំនួរខាងេលីេឡង
ី វ ិញ។ េតីការបេង្កីនទំហល
ំ ំហគំរូមាន
ឥទ្ធព
ិ លយា៉ងដូចេម្តចេទេលទ
ី ទង
ឹ ៃនចេនា្លះេជឿជាក់?
2. លំហគំរៃូ ចដន្យៃនអតិថិជនឱសថសា្ថន 16 នាក់បានបងា្ហញរយៈេពលរង់ចាគ

ំ ត
21 22 22 17 21 17 23 20
20 24 9 22 16 21 22 21
រកចេនា្លះេជឿជាក់ 90% ស្រមាប់មធ្យមសាកល µ។ សន្មត់ថាលំហគំរូយកេចញពីសាកលនរមា៉ល់។
268
3. េដីម្បក
ី ំនត់្របសទ
ិ ្ធភាពៃន 100% ន្រី តាតេទេលកា
ី រលូតលាស់ៃនេដីមសែណ្តកគំរជា
ូ េ្រចន
ី ្រត�វបានដាំ
និងេ្រសាចេដាយ 100% នី្រតាតជាេរៀងរាល់ៃថ្ង។ ទិន្នន័យខាងេ្រកាមបងា្ហញព្រី បែវងៃនការលូតលាស់
ៃនេដីមសែណ្តកក្នុងរយៈ េពលពីរសបា្តហ៍គិតជាសង់ទីែម៉្រត
10.5 12.5 15.0 17.0 15.3 14.5 11.5 16.0
រកចេនា្លះេជឿជាក់ 95% ៃនការលូតលាស់ ជាមធ្យមៃនេដីម សែណ្តកេដាយសន្ម ត់ ជា លំហ គំរូ េនះ្រត�វ

បានយកេចញពប ី ំែនងែចកនរមា៉ល់។
សមា្គល់េទេលើចេនា្លះេជឿជាក់មា្ខង
េគឱ្យ X̄ ជាមធ្យមលំហគំរូែដលមានទំហំ n យកេចញពប

ី ំែនងែចកនរមា៉ល់ N(µ, σ )
2
• ករណីសា្គល់វា៉ដ្យង់ σ2 ៖ េយង
ី េ្របី
X̄ − µ
Z= √
σ/ n
េយង
ី មាន
!
X̄ − µ
P √ ≤ zα = 1 − α
σ/ n
!
σ
P X̄ − zα √ ≤ µ = 1 − α
n
h
ដូចេនះចេនា្លះេជឿជាក់មា្ខង 100(1 − α)% ស្រមាប់ µ គឺ x̄ − zα √σn , ∞
ដូចគា្នែដរេយង
ី មាន
!
X̄ − µ
P √ ≥ −zα = 1 − α
σ/ n
!
σ
P µ ≤ X̄ + zα √ = 1 − α
n
i
ដូចេនះចេនា្លះេជឿជាក់មា្ខង 100(1 − α)% ស្រមាប់ µ គឺ −∞, x̄ + zα √σn
ិ សា្គល់វា៉ដ្យង់ σ ៖ េយង
• ករណីមន ី េ្របី
2
X̄ − µ
T= √
S/ n
េយង
ី មាន
!
X̄ − µ
P √ ≤ tα = 1 − α
S/ n
!
S
P X̄ − tα √ ≤ µ = 1 − α
n
h
ដូចេនះចេនា្លះេជឿជាក់មា្ខង 100(1 − α)% ស្រមាប់ µ គឺ x̄ − tα √sn , ∞
269
ី មាន
!
X̄ − µ
P √ ≥ −tα = 1 − α
S/ n
!
S
P µ ≤ X̄ + tα √ = 1 − α
n
i
ដូចេនះចេនា្លះេជឿជាក់មា្ខង 100(1 − α)% ស្រមាប់ µ គឺ −∞, x̄ + tα √sn
9.2.3 ចេនា្លះេជឿជាក់ស្រមាប់សមាមា្រត
េគឱ្យ n ពិេសាធន៍ ែប៊នូ យី ែដលមាន្រប�បាប៊ីលីេតេជាគជ័យ p ចំេពាះពិេសាធន៍ នី មួយ ៗ។ េយង ី នឹង រក

ចេនា្លះេជឿជាក់ស្រមាប់ p េដាយែផ្អកេលី Xn ែដល X ជាចំនួនេជាគជ័យេហយ
ី n ជាអ្នកបា៉ន់សា្មនមិនលំេអៀង
X
ៃន p ។ តាម្រទស
ឹ ប
ី្ត ទលម
ី ត
ី ផ្ចត
ិ េយង
ី ដង
ឹ ថា
X
−p X − np
p
n
= p ∼ N(0, 1)
p(1 − p)/n np(1 − p)
េពលែដល n → ∞ និង np ≥ 5, n(1 − p) ≥ 5។ ដូចេនះ

 
 X
−p 
P −zα/2 ≤ p n
≤ zα/2  = 1 − α
p(1 − p)/n
 r r 
 X p(1 − p) X p(1 − p) 
P  − zα/2 ≤ p ≤ + zα/2  = 1 − α
n n n n
ី េ្របីេល្អ�ងស្តង់ដា
េដីម្បរី កចេនា្លះេជឿជាក់ស្រមាប់ p េយង
r
p̂(1 − p̂)
zα/2
n
ែដល p̂ = Xn ។
ចេនា្លះេជឿជាក់ស្រមាប់សមាមា្រត
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ p គឺ

r r
p̂(1 − p̂) p̂(1 − p̂)
p̂ − zα/2 ≤ p ≤ p̂ + zα/2
n n
េពលែដល n p̂ ≥ 5 នង
ិ n(1 − p̂) ≥ 5
ទំហល
ំ ហ
ំ គំរ ូ
េល្អ�ងអតិបរមាៃនការបា៉ន់សា្មន
r
p̂(1 − p̂)
E = zα/2
n
270
េចញពីរូបមន្តេនះេយង
ី អាចេដាះ្រសាយរកទំហៃំ នលំហគំរូ n ដូចខាងេ្រកាម៖
r
E p̂(1 − p̂)
=
zα/2 n
z 2
α/2
n = p̂(1 − p̂)
E
រូបមន្តៃនទំហល
ំ ំហគំរូអប្បបរមាចាំបាច់េដីម្បរី កចេនា្លះបា៉ន់សា្មនៃនសមាមា្រតសាកល៖
• េពលសា្គល់ p̂
z 2
α/2
n = p̂(1 − p̂)
E
ែដល E ជាក្រមត
ិ េល្អ�ងែដលសា្គល់
• េពលមិនសា្គល់ p̂
z 2
α/2
n = (0.25) .
E
សមា្គល់ 9.2.13. ករណីេយង

ី មិនមានពត៌មានអំពត
ី ៃម្លៃន p̂ េយង
ី យក p̂ = 0.5 េ្រពាះផលគុណ p̂(1 − p̂)
មានតៃម្លអតិបរមារបស់វា្រតង់ p̂ = 0.5
ឧទាហរណ៍ 9.2.8. ការស្ទង់មតិ យុវវយ
័ 6000 នាក់ បានបងា្ហញឱ្យេឃញ
ី ថាមាន 58% និយាយថាពួកេគ
នង ី ំេណីរក្នុងឡានែដលេបក
ឹ េធ្វដ ី បរេដាយស្វ័យ្របវត្ត។
ិ រកចេនា្លះេជឿជាក់ 90% ៃនសមាមា្រតសាកលែដល
និយាយថាពួកេគនឹងេធ្វីដំេណីរក្នុងឡានែដលេបីកបរេដាយស្វ័យ្របវត្តិ។
សមា្គល់ 9.2.14 (ព្រងាងគំនិត). • ចេនា្លះេជឿជាក់ស្រមាប់សមាមា្រតសាកល

• α = 10% េនាះ zα/2 = 1.65
• ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ p គឺ

r r
p̂(1 − p̂) p̂(1 − p̂)
p̂ − zα/2 ≤ p ≤ p̂ + zα/2
n n
ី មាន n = 6000, p̂ = 0.58, 1 − p̂ = 0.42, α = 0.10, zα/2 = 1.65 េនាះចេនា្លះេជឿជាក់ 90%
ស្រមាប់ p គឺ
r r
p̂(1 − p̂) p̂(1 − p̂)
p̂ − zα/2 ≤ p ≤ p̂ + zα/2
n n
r r
(0.58)(0.42) (0.58)(0.42)
0.58 − (1.65) ≤ p ≤ 0.58 + (1.65)
6000 6000
0.57 ≤ p ≤ 0.59
ី អាចេជឿជាក់ 90% ថាសមាមា្រតៃនមនុស្សែដលនង ី ំេណីរក្នុងឡានែដលេបក
ឹ េធ្វដ ី បរេដាយ
ស្វ័យ្របវត្តិគឺេនចេនា្លះពី 57% េទ 59% ។
់ ៉ ន់សា្មនេដាយភាពេជឿជាក់ 95% នូវសមាមា្រតៃនមនុស្សែដលមន
ឧទាហរណ៍ 9.2.9. អ្នក្រសាវ្រជាវចងបា ិ
មានទូរស័ពែ្ទ ខ្សេ្របី្របាស់។ ការសិក�ពីមុនបានបងា្ហញថា 40% ៃនមនុស្សែដលបានេធ្វក
ី ិចស
្ច មា្ភសន៍មិនមាន
ទូរស័ពែ្ទ ខ្សេ្របី្របាស់។ អ្នក្រសាវ្រជាវចង់ឱ្យការបា៉ន់សា្មន្រត�វក្នុងក្រមិតេល្អ�ង 2% ៃនសមាមា្រតពិត្របាកដ។
រកទំហល
ំ ំហគំរូអប្បបរមាែដលចាំបាច់។
271
• α = 5% េនាះ zα/2 = 1.96

z 2
• សា្គល់ p̂ េនាះ n = p̂(1 − p̂) α/2
E
ី មាន zα/2 = 1.96, E = 0.02, p̂ = 0.40, 1 − p̂ = 0.60 េនាះ
z 2
α/2
n = p̂(1 − p̂)
E
!2
1.96
= (0.40)(0.60)
0.02
= 2304.96
ដូចេនះអ្នក្រសាវ្រជាវ្រត�វេធ្វីកិច្ចសមា្ភសន៍មនុស្ស 2305 នាក់។

ឧទាហរណ៍ 9.2.10. េនក្នុងឧទាហរណ៍ខាងេលេី បម
ី ិនមានការសិក�ពីមុន្រត�វបានេធ្វីេឡង
ី ។ រកទំហល
ំ ំហ
គំរូអប្បបរមាែដលចាំបាច់េដីម្បឱ
ី ្យការបា៉ន់សា្មន្រត�វក្នុងក្រមត
ិ េល្អ�ង 2% ៃនសមាមា្រតពត
ិ ្របាកដ។
• α = 5% េនាះ zα/2 = 1.96

z 2
• មិនសា្គល់ p̂ េនាះ n = (0.25) α/2
E
ី មាន zα/2 = 1.96, E = 0.02 េនាះ
z 2
α/2
n = (0.25)
E
!2
1.96
= (0.25)
0.02
= 2401
ដូចេនះអ្នក្រសាវ្រជាវ្រត�វេធ្វីកិច្ចសមា្ភសន៍មនុស្ស 2401 នាក់េពលមិនសា្គល់ p̂។

លំហាត់ 9.2.3. 1. លំហគំរូែដលមានទំហំ n = 121 ែដលផ្តល់នូវ p̂ = 0.88។
(a) េតីទំហល
ំ ំហគំរូធំ្រគប់្រគាន់េដីម្បរី កចេនា្លះេជឿជាក់ស្រមាប់ p?
(b) រកចេនា្លះេជឿជាក់ 90% ស្រមាប់ p
(c) េតអ
ី ជា
ី្វ ការសន្មត់ចាបា
ំ ច់េដម
ី ្បធា
ី នាភាពពត
ិ ្របាកដៃនចេនា្លះេជឿជាក់េនះ?
2. លំហគំរូែដលមានទំហំ n = 225 ែដលផ្តល់នូវ p̂ = 0.46។
(a) េតទ
ី ំហល
ំ ំហគំរូធំ្រគប់្រគាន់េដីម្បរី កចេនា្លះេជឿជាក់ស្រមាប់ p?
(b) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់ p
(c) បក្រសាយចេនា្លះេជឿជាក់ 95%
(d) ពន្យល់ថាេតីឃា្ល “ចេនា្លះេជឿជាក់ 95%” មានន័យយា៉ងដូចេម្តច?
272
3. ការស្ទង់មតថ
ិ ម
ី្ម ួយៃនមនុស្ស 349 នាក់ែដលមានអាយុចេនា្លះពី 18 េទ 29 ឆា្ន ំបានបងា្ហញឱ្យេឃញ
ី ថា
86% ៃនពួកេគមានសា្មតហ្វូន។ រកចេនា្លះេជឿជាក់ 99% ៃនសមាមា្រតសាកល។
4. អ្នក្រសាវ្រជាវចង់បានភាពេជឿជាក់ 95% ៃនការបា៉ន់សា្មនរបស់ គាត់ េទេលី សមាមា្រតពត

ី ំេណីរេ្រក្របេទសក្នុងក្រមត
ស្រមាប់បុគ្គលែដលេធ្វដ ិ េល្អ�ង 4% ៃនសមាមា្រតពត
ិ ្របាកដ។ រកទំហំ
លំហ គំរូ ែដល ចាំបាច់ េបី តាម ការសក
ិ � ពម
ី ុន េនក្នុង ចំ េនាម មនុស្ស 200 នាក់ មាន 40 នាក់ បាន
េធ្វីដំេណីរេ្រក្របេទសកាលពឆា
ី ្ន ម
ំ ុន។ េបម
ី ិនមានការសិក�ពីមុនេទ េតេី គគួរេ្រជីសេរសទំ
ី ហលំ ំហគំរូ
ប៉ុនា្មនវ ិញ?
9.2.4 ចេនា្លះេជឿជាក់ស្រមាប់វា៉ដ្យង់និងគមា្លតស្តង់ដា
េបី X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យែដលមានទំហំ n ែដល្រត�វបានយកេចញពសាី កលមានបំែនងែចកនរមា៉ល់

ែដលមានមធ្យម µ និងវា៉ដ្យង់ σ2 (ែដលទាំងពីរមិនសា្គល់)។ េយង ី បានបងា្ហញថា
E[S 2 ] = σ2
មានន័យថា S 2 ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន σ2 និងអេថរៃចដន្យ

Pn
i=1 (Xi − X̄)2 (n − 1)S 2
= ∼ χ2 (n − 1)
σ2 σ 2
េដីម្បរី កចេនា្លះេជឿជាក់ៃន σ2 េយង

ី េ្របីសិត
្ថ ិ
(n − 1)S 2
X 2 := ∼ χ2 (n − 1)
σ2
លក្ខណៈ 9.2.1 (លក្ខណៈៃនបំែនងែចក χ2 ). 1. តៃម្លៃន χ2 គឺធំជាងឬេស្មីនឹង 0
2. បំែនងែចក χ2 គជា
ឺ ្រគ�សារៃនែខ្សេកាងអា្រស័យនង
ឹ ដឺេ្រកេសរ ី
3. ្រកលាៃផ្ទេនេ្រកាមែខ្សេកាង χ2 នម
ី ងឹ 1
4. បំែនងែចក χ2 េទរេនខាងសា្ត ំ
តាមលក្ខណៈៃនអនុគមន៍ដង់សុីេត χ2 េយងី មាន

P χ21− α ≤ X 2 ≤ χ2α = 1 − α
2 2
273
ែដល χ21− α និង χ2α ជាតៃម្លៃន χ2 (n − 1) ែដលឱ្យ្រកលាៃផ្ទេនខាងេ្រកាមែខ្សេកាង χ2 េស្មីនឹង 1 − α
2
និង
2 2
α
2
េរៀងគា្នេទខាងសា្ត។
ំ េយង
!
(n − 1)S 2
P χ21− α ≤ ≤ χα = 1 − α
2
2 σ2 2
 
 (n − 1)S 2 (n − 1)S 2

P  ≤ σ 2
≤  = 1 − α
χ2α χ2 α 
1− 2
2
េនេពលែដលលំហគំរូៃចដន្យែដលមានទំហំ n ែដល្រត�វបានយកេចញពីសាកលមានបំែនងែចកនរមា៉ល់
្រត�វបានអេង្កតវា៉ដ្យង់ៃនលំហគំរូ s2 ្រត�វបានគណនា រួចេយង
ី ទទួលបាន៖
ចេនា្លះេជឿជាក់ស្រមាប់វា៉ដ្យង់
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ σ2 គឺ
(n − 1)s2 (n − 1)s2
≤ σ 2
≤
χ2α χ21− α
2 2
d.f. = n − 1
ែដល s2 ជាវា៉ដ្យង់ៃនលំហគំរូែដលមានទំហំ n យកេចញពសា

ី កលមានបំែនងែចកនរមា៉ល់។
ចេនា្លះេជឿជាក់ស្រមាប់គមា្លតស្តង់ដា
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ σ គឺ

s s
(n − 1)s2 (n − 1)s2
≤σ≤
χ2α χ21− α
2 2
d.f. = n − 1
ំ ន់ χ2
រកតៃម្ល χ2α នង
ិ χ1− α2 ស្រមាប់ចេនា្លះេជឿជាក់ 90% េពល n = 25 ។
2
2
α
d.f 0.995 0.99 0.975 0.95 0.90 0.10 0.05 0.025 0.01 0.005
1
..
.
24 13.848 36.415
..
.
តាមតារាងបំែនងែចក χ2 [េមីលេសចក្តីបែន្ថមក្នុង ១] េយង

ី បាន χ α2 = 36.415 និង χ1− α2 = 13.848។
2 2
សមា្គល់ 9.2.17. េបី ដេឺ ្រកេសរ ម

ី ន
ិ មានេនក្នុងតារាង េយង
ី េ្របី តៃម្ល ដេឺ ្រកេសរ ែដលេនែក្បរបំ
ី ផុត េនក្នុង
តារាង។ ជាឧទាហរណ៍ចំេពាះ d.f. = 53 េយង
ី េ្របី d.f. = 50 ។
274
ឧទាហរណ៍ 9.2.11. ការសក ី ថាគមា្លតស្តង់ដាៃនអាយុពួកេគគឺ
ិ �េទេលី�ស្តី 30 នាក់បានបងា្ហញឱ្យេឃញ
ំ រកចេនា្លះេជឿជាក់ 95% ៃនវា៉ដ្យង់អាយុ េដាយសន្មត់ថាអេថរអាយុមានបំែនងែចកនរមា៉ល់។
5.2 ឆា្ន។
សមា្គល់ 9.2.18 (ព្រងាងគំនិត). • ចេនា្លះេជឿជាក់ស្រមាប់ σ2 :
(n − 1)s2 (n − 1)s2
≤ σ2
≤
χ2α χ21− α
2 2
• α = 5%, d.f. = 29 េនាះ χ2α/2 = 45.722, χ21−α/2 = 16.047
ចេម្លើយ. េដាយសារ α = 0.05, d.f. = 29, χ2α = 45.722, χ21−α/2 = 16.047 េនាះចេនា្លះេជឿជាក់ស្រមាប់
2
σ2 គឺ
(n − 1)s2 (n − 1)s2
≤ σ2
≤
χ2α χ21− α
2 2
(30 − 1)(5.2) 2
(30 − 1)(5.2)2
≤σ ≤
2
45.722 16.047
17.2 ≤ σ2 ≤ 48.9
ដូចេនះេយង ី អាចេជឿជាក់ 95% ថាវា៉ដ្យង់អាយុេនចេនា្លះពី 17.2 េទ 48.9 ឆា្ន។

ំ
់
ចំេពាះគមា្លតស្តងដា
√ √
17.2 ≤ σ ≤ 48.9
4.1 ≤ σ ≤ 7.0
ី អាចេជឿជាក់ 95% ថាគមា្លតស្តង់ ដា អាយុ េនចេនា្លះពី 4.1 េទ 7 ឆា្ន ែំ ផ្អកេលី លំហ គំរូ �ស្តី 30
នាក់។
ឧទាហរណ៍ 9.2.12. ទិន្នន័យខាងេ្រកាមជាទម្ងនគ
់ ិតជាេដកា្រកាមៃនកញ្ច ប់្រគាប់ធញញជាតិ 10 កញ្ច ប់ែដល
បានែចកចាយេដាយ្រក�មហ៊ុនមួយ៖
46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9, 45.2, 46.0
់ ម្ងនៃ់ នកញ្ច ប់្រគាប់ធញញជាតែិ ដលបានែចកចាយេដាយ្រក�មហ៊ុនេនាះ

រកចេនា្លះេជឿជាក់ 95% ស្រមាប់វា៉ដ្យងទ
េដាយសន្មត់ថាសាកលមានបំែនងែចកនរមា៉ល់។
សមា្គល់ 9.2.19 (ព្រងាងគំនិត). • ចេនា្លះេជឿជាក់ស្រមាប់ σ2 :
(n − 1)s2 (n − 1)s2
≤ σ2
≤
χ2α χ21− α
2 2
• α = 5%, d.f. = 9 េនាះ χ2α/2 = 19.023, χ21−α/2 = 2.700
• គណនា s2 េដាយេ្របី
Pn P
n i=1 xi2 − ni=1 xi 2
s =
2
n(n − 1)
275
ចេម្លើយ. េដាយសារ α = 0.05, d.f. = 9, χ2α = 19.023, χ21−α/2 = 2.700 និង
2
Pn P
n i=1 xi2 − ni=1 xi 2
s2 = = 0.286
n(n − 1)
ដូចេនះចេនា្លះេជឿជាក់ស្រមាប់ σ2 គឺ
(n − 1)s2 (n − 1)s2
≤ σ 2
≤
χ2α χ21− α
2 2
(10 − 1)(0.286) (10 − 1)(0.286)

≤ σ2 ≤
19.023 2.700
0.135 ≤ σ ≤ 0.953
2
ដូចេនះេយង ់ ម្ងនៃ់ នកញ្ច ប់្រគាប់ធញញជាតេិ នចេនា្លះពី 0.135 េទ 0.953 េដកា

ី អាចេជឿជាក់ 95% ថាវា៉ដ្យងទ
្រកាមកាេរ។
លំហាត់ 9.2.4. 1. េគឱ្យតៃម្លដូចខាងេ្រកាម x̄, s និង n រកចេនា្លះេជឿជាក់ 90% ស្រមាប់ σ2
(a) x̄ = 21, s = 2.5, n = 50
(b) x̄ = 1.3, s = 0.02, n = 15
(c) x̄ = 167, s = 31.6, n = 22
(d) x̄ = 9.4, s = 1.5, n = 5
2. លំហគំរូៃចដន្យែដលមានទំហំ n = 6 ្រត�វបានយកេចញពីសាកលែដលមានបំែនងែចកនរមា៉ល់មាន
បងា្ហញដូចខាងេ្រកាម
8 2 3 7 11 6
(a) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់ σ2

(b) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់ σ
3. លំហគំរូៃចដន្យែដលមានទំហំ n = 20 ្រត�វបានយកេចញពសា
ី កលែដលមានបំែនងែចកនរមា៉ល់។
មធ្យមលំហគំរូ នង ់ លំហគំរៃូ នទន
ិ គមា្លតស្តងដា ិ ្នន័យែដលឱ្យគឺ x̄ = −2.2 នង
ិ s = 1.42 េរៀងគា្ន។ រក
ចេនា្លះេជឿជាក់ 90% ស្រមាប់ σ2 នង
ិ បក្រសាយ ។
4. ទនិ ្នន័យខាងេ្រកាមបងា្ហញពក ី ំរតកូ

៉ (mg/dL) ៃនអ្នកជម្ងឺ 10 នាក់ែដល្រត�វបានេ្រជីសេរស
ី
េដាយៃចដន្យេចញពម ី ន្ទរី េពទ្យធំមួយេនៃថ្ងមួយ៖
360 352 294 160 146 142 318 200 142 116
សន្មត់ថាអេថរមានបំែនងែចកនរមា៉ល់។
(a) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់ σ2

(b) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់ σ
5. សមាគមែផ្នក េបះដូង ែណនាំថា បរមាណកូ

ិ េឡស្ត រូ ល
៉ ្របចាំៃថ្ង ែដលទទួលយកេដាយរាងកាយគឺ តច ិ
ជាង 300 mg។ ខាងេ្រកាមេនះជាបរមាណកូ
ិ េ ឡស្ត រ ូ ល
៉ េនក្ន
ុ ងលំ ហ គំ រ ូ ៃ ចដន្យៃនសាច់ អា ង
ំ ក្ន
ុ ងមួ យ
េពល។
90 200 80 105 95 85 70 105
115 110 100 225 125 130 145
276
រកចេនា្លះេជឿជាក់ 95% ស្រមាប់គមា្លតស្តង់ដាសាកល σ។ សន្មត់ថាលំហគំរូយកេចញពសា
ី កលនរ
មា៉ល់។
6. ទម្ងន់គិតជាេអានៃនែផ្ល្រក�ចចំនួន 20 មានបងា្ហញដូចខាងេ្រកាម
5.50 6.25 6.25 6.50 6.50 7.00 7.00 7.00 7.50 7.50
7.75 8.00 8.00 8.50 8.50 9.00 9.00 9.25 10.00 10.50
រកចេនា្លះេជឿជាក់ 95% ស្រមាប់គមា្លតស្តង់ដាសាកល σ។ សន្មត់ថាលំហគំរូយកេចញពីសាកលនរ

មា៉ល់។
277
278
េតស្តសម្មតិកម្មលហ
ំ គំរ ូមួយ
ី នឹង សិក�អំពី ការេធ្វីេតស្ត សម្មតិកម្ម ស្រមាប់ លំហ គំរូ មួយ ដូចជា៖ េតស្ត សម្មតិកម្ម
ស្រមាប់មធ្យមេពលសា្គល់វា៉ដ្យង់ េតស្តសម្មតិកម្មស្រមាប់មធ្យមេពលមិនសា្គល់វា៉ដ្យង់ េតស្តសម្មតិកម្មស្រមាប់
សមាមា្រត និងេតស្តសម្មតិកម្មស្រមាប់វា៉ដ្យង់និងគមា្លតស្តង់ដា។
10.1 េតើអ្វីជាការេធ្វើេតស្តសម្មតិកម្ម?
អ្នក្រសាវ្រជាវចាប់អារម្មណ៍េទេលីការេឆ្លីយសំនួរជាេ្រចីន្របេភទដូចជា៖
• អ្នកវ ិទយសា�ស្តអាចចង់ដឹងថាេតីមានភស្តុតាងទាក់ទងនឹងការេឡង
ី កំេដែផនដីឬអត់
• ្រគ�េពទ្យអាចចង់ដឹងថាេតីឱសថថ្មីនឹងបញ្ចុ ះសំពាធឈាមមនុស្សឬអត់
• អ្នកអប់រ ំអាចចង់ដឹងថាេតត
ី ច
ិ នក
ិ បេ្រងៀនថ្មី្របេសរី ជាងតច
ិ នក
ិ ចាស់ឬអត់
• អាជីវករអាចចង់ថាេតីអតិថិជន្រត�វការពណ៌ណាមួយស្រមាប់ផលិតផលថ្មី
• អ្នកផលិតរថយន្តអាចចាប់អារម្មណ៍ក្នុងការកំនត់ថាេតីែខ្ស្រកវា៉ត់រថយន្ត្របេភទថ្មីនឹងកាត់បន្ថយការ
រងរបួសធ្ងន់ធ្ងរែដលបណា
្ត លេដាយេ្រគាះថា្នក់ចរាចរណ៍ឬអត់
សំនួរទាំងអស់េនាះអាច្រត�វបានេឆ្លយ
ី េដាយេ្របេី តស្តសម្មតកិ ម្មែដលជាដំេណីរការសំេរចចត
ិ ស
្ត ្រមាប់ការវាយ
តៃម្លអំនះអំនាងអំពីសាកល។ េនក្នុងការេធ្វីេតស្តសម្មតិកម្មអ្នក្រសាវ្រជាវ
• កំនត់សាកលែដល្រត�វសិក�
• ែចងសម្មតិកម្មែដល្រត�វេសុីបអេង្កត
• ផ្តល់នូវក្រមត
ិ ចាំបាច់
• េ្រជីសេរសលំ
ី ហគំរូេចញពីសាកល
• ្របមូលទិន្នន័យ
• គណនាេតស្តសិត
្ថ ិ
• េធ្វីការសន្និដា្ឋន
ី េធ្វីេតស្តសម្មតិកម្មអំពីបា៉រា៉ ែម៉្រតសាកលដូចជាមធ្យម សមាមា្រត វា៉ដ្យង់ឬគមា្លតស្តង់ដាេដាយេ្របីេត

េយង
ស្តសិត
្ថ ិដូចជា េតស្ត z េតស្ត t ឬេតស្ត χ2 ។ វ ិធីសា�ស្តចំនួនបីែដលេគេ្របីេដីម្បេី ធ្វីេតស្តសម្មតិកម្ម
279
1. វ ិធសា
ី �ស្តែដនបដិេសដ
2. វ ិធសា
ី �ស្តតៃម្ល p
3. វ ិធីសា�ស្តចេនា្លះេជឿជាក់
ឧទាហរណ៍ 10.1.1. • µ = 14.5 ែដល µ ជាមធ្យមសាកល
• p > 0.70 ែដល p ជាសមាមា្រតសាកល
• σ2 , 30.5 ែដល σ2 ជាវា៉ដ្យង់សាកល
និយមន័យ 10.1.1. • េនក្នុងស្ថត

ិ ិ សម្មតក
ិ ម្មគជា
ឺ អំនះអំនាងអំពត
ី ៃម្លៃនបា៉រា៉ ែម៉្រតសាកលជាក់លាក់
ណាមួយ។
• េតស្តសម្មតក ឺ ដំេណីរការែដលពង
ិ ម្មគជា ឹ ែផ្អកេទេលីលំហគំរូ ្រពមទាំង្រទឹសី្ត្រប�បាប៊ីលេី តេដីម្បក
ី ំនត់
ថាេតសី ម្មតិកម្មមួយជាសំេណីសមេហតុផលឬអត់។
• សម្មតិកម្ម ណឺត Null Hypothesis H0 គឺជា សម្មតិកម្ម ែដល អះអាង ថា មិន មាន ភាព ខុសគា្ន រវាង
បា៉រា៉ ែម៉្រតនង
ឹ តៃម្លជាក់លាក់ណាមួយ ឬថាមន
ិ មានភាពខុសគា្នរវាងបា៉រា៉ ែម៉្រតពរី ។
• សម្មតិកម្មបំេពញ Alternative Hypothesis H1 គឺជាសម្មតិកម្មែដលអះអាងថាមានភាពខុសគា្នរវាង

បា៉រា៉ ែម៉្រតនង
ឹ តៃម្លជាក់លាក់ណាមួយ ឬថាមានភាពខុសគា្នរវាងបា៉រា៉ ែម៉្រតពរី ។
េដីម្បែចងសម្ម
ី តិកម្មឱ្យបាន្រតឹម្រត�វអ្នក្រសាវ្រជាវ្រត�វបែម្លងអំនះអំនាងជាពាក្យេទជានិមិត្តសញញគណិតវ ិទយ។
សម្មតក ិ ម្ម H0 នង
ិ H1 ្រត�វែចង្រពមគា្ន
• សម្មតក
ិ ម្ម H0 ផ្ទុកសញញ = ( ឬ ≥ ឬ ≤)
• សម្មតិកម្ម H1 ផ្ទុកសញញ , ( ឬ < ឬ >)
េតស្តសងខាង េតស្តខាងសា្ត ំ េតស្តខាងេឆ្វង
H0 : µ = µ0 H0 : µ = µ0 H0 : µ = µ0
H1 : µ , µ0 H1 : µ > µ0 H1 : µ < µ 0
់ ឹងថាេតឱ
ឧទាហរណ៍ 10.1.2. អ្នក្រសាវ្រជាវេវជ្ជសា�ស្តចងដ ី សថថ្មន
ី ឹងមាន្របតិកម្មឬអត់។ អ្នក្រសាវ្រជាវ
គចា
ឺ ប់អារម្មណ៍ជាពេិ សសេទេលច ី ងា្វក់េបះដូងៃនអ្នកជម្ងែឺ ដលេ្របឱី សថ។ េតច
ី ងា្វក់េបះដូងនង
ឹ េកន
ី ថយ
ចុះ ឬមិនែ្រប្រប�លបនា្ទប់ពបា
ី នេ្របឱី សថ? េដាយសារអ្នក្រសាវ្រជាវដឹងថាចងា្វក់េបះដូងជាមធ្យមស្រមាប់
សាកលែដល្រត�វសក ិ �គឺ 82 ដងក្នុងមួយនាទេី នាះសម្មតក ិ ម្មេនក្នុងករណីេនះគឺ
H0 : µ = 82, H1 : µ , 82
សមា្គល់៖េតស្តេនះជាេតស្តសងខាង។
280
ឧទាហរណ៍ 10.1.3. អ្នកគម
ី ប
ី េង្កីតសារធាតុបែន្ថមេដីម្បប
ី េង្កីនអាយុកាលៃនអាគុយរថយន្ត។ េបអា
ី យុកាល
ៃនអាគុយរថយន្តេដាយមន
ិ មានសារធាតុបែន្ថមគឺ 36 ែខេនាះសម្មតិកម្មេនក្នុងករណីេនះគឺ
H0 : µ = 36, H1 : µ > 36
សមា្គល់៖ អ្នកគីមី ចាប់អារម្មណ៍ េទេលី ែតការបេង្កីន ៃនអាយុកាលៃនអាគុយ រថយន្ត េនាះសម្មតិកម្ម H1 គឺ

សំេដេទេលីមធ្យមធំជាង 36 ែខ។ េតស្តេនះជាេតស្តខាងសា្ត។ ំ
់ ត់បន្ថយចំណាយេទេល្រី បព័នក
ឧទាហរណ៍ 10.1.4. អ្នកជួលផ្ទះចងកា ្ធ េំ ដផ្ទះេដាយេ្របស
ី ំភារៈការពារការ
បេញ្ច ញកំេដ។ េបកា
ី រចំណាយ្របចាំែខជាមធ្យមេទេល្រី បព័នក
្ធ េំ ដផ្ទះគឺ 78$។ សម្មតិកម្មេនក្នុងករណីេនះ
គឺ
H0 : µ = 78, H1 : µ < 78
សមា្គល់៖ េតស្តេនះជាេតស្តខាងេឆ្វង។
សមា្គល់ 10.1.1. ការអះអាងមួយអាចែចងជាសម្មតិកម្ម H0 ឬជាសម្មតិកម្ម H1 ប៉ុែន្តភស្តុតាងែបបស្ថិតអា
ិ ច
្រគាន់ែតគាំ្រទការអះអាងេបកា
ី រអះអាងេនាះជាសម្មតក
ិ ម្ម H1 ។ ភស្តុតាងែបបស្ថត
ិ អា
ិ ចេ្របេី ដម
ី ្បប
ី ដេិ សដការ
អះអាងេបកា
ី រអះអាងេនាះសម្មតិកម្ម H0 ។ ការពិតទាំងេនះមានសារ្របេយាជន៍កុ ងទាញសន្ន
្ន ិដា្ឋនណាមួយ
ៃនការសិក�ែបបស្ថិតិ។
លំហាត់ 10.1.1. ែចងសម្មតិកម្ម H0 និង H1
1. អ្នក្រសាវ្រជាវសក
ិ �អំពរី យៈេពលែដលសស
ិ ្សចំណាយេទេលកា
ី រសក ិ �។ គាត់គត
ិ ថាអ្នកែដលទទួល
បាននិេទ្ទស A ចំណាយេពលសិក�ជាមធ្យមេ្រចីនជាង 5 េមា៉ងក្នុងមួយៃថ្ង។
2. អ្នក្រសាវ្រជាវចង់ដង
ឹ ថាេតីម�ន្តីបូល
៉ ី សែដលមាន្របពន្ធេធ្វកា ិ ុ ្ទេទេលី ទ្រមង់
ី រេនវ ិស័យចបប់មានពន
សំនួរេ្រសសការងារតិចជាងមធ្យមពិនុ ្ទ 120។
3. សា�សា្តចារ្យមានអារម្មណ៍ថាេបេី ្រប្រី បាស់េសៀវេភអនឡានស្រមាប់មុខវ ិជា្ជមួយជំនួសឱ្យេសៀវេភពុម្ព

ផា្ទល់េនាះពន
ិ ុ ្ទ្របលងបញ្ច ប់របស់សស
ិ ្សអាចនង
ឹ ែ្រប្រប�ល។ កាលពម
ី ុនពន
ិ ុ ្ទ្របលងបញ្ច ប់របស់សស
ិ ្ស
ជាមធ្យមគឺ 83 ។
េនក្នុងេតស្តសម្មតិកម្មមានលទ្ធផលចំនួន 4 ែដលអាចទទួលបាន។ ជាការពិតសម្មតិកម្ម H0 អាចពិត

ឬអាចមនិ ពត
ិ េហយ
ី ការសំេរចចតិ ប
្ត ដេិ សដ ឬមន
ិ បដេិ សដ H0 េដាយែផ្អកេទេលទ
ី ន
ិ ្នន័យេចញពល
ី ំហគំរូ។
លទ្ធផលែដលអាចេកីតេឡង ី ទាំង 4 មានដូចខាងេ្រកាម៖
• េយង
ី មន
ិ បដេិ សដ H0 េនេពលែដលវាពត
ិ ។ េនះជាការសំេរចចត
ិ ្ត្រតម
ឹ ្រត�វ
• េយង ី បដិ េសដ H0 េនេពលែដលវាពិត។ េនះជាការសំេរចចិត្ត មិន ្រតឹម្រត�វ េហយ

ី លទ្ធផលេនះជា
កំហុស្របេភទ I
• េយង
ី មិនបដេិ សដ H0 េនេពលែដលវាមិនពិត។ េនះជាការសំេរចចិតម
្ត ិន្រតឹម្រត�វេហយ
ី លទ្ធផលេនះ
ជាកំហុស្របេភទ II
• េយង
ី បដិេសដ H0 េនេពលែដលវាមិនពិត។ េនះជាការសំេរចចិត្ត្រតឹម្រត�វ
281
សម្មតិកម្ម H0 មិនបដិេសដ H0 បដិេសដ H0
H0 ពត
ិ ការសំេរចចត
ឹ ្រត�វ កំហុស្របេភទ I
H0 មន
ិ ពត
ិ កំហុស្របេភទ II ការសំេរចចត
ឹ ្រត�វ
• កំហុស្របេភទ I េកត
ី េឡង
ី េនេពលែដលេយង
ី បដិេសដ H0 េនេពលែដលវាពត
ិ ។
• កំហុស្របេភទ II េកីតេឡង
ី េនេពលែដលេយង
ី មិនបដិេសដ H0 េនេពលែដលវាមិនពិត។
ក្រមត ឺ ្រប�បាប៊ីលេី តែដលបដេិ សដសម្មតក

ិ ចាំបាច់ α គជា ិ ម្ម H0 េនេពលែដលវាពត
ិ ។
និមិត្តសញញ៖
• P(កំហុស្របេភទ I) = P(បដេិ សដ H0 | H0 ពត
ិ )=α
• P(កំហុស្របេភទ II) = P(មិនបដិេសដ H0 | H0 មិនពិត) = β
• អានុភាពៃនេតស្តគឺ្រប�បាប៊ីលីេតែដលបដិេសដសម្មតិកម្ម H0 េនេពលែដលវាមន
ិ ពិតេនាះវាេស្មីនឹង
1−β
ជាទូេទ អ្នក ស្ថិតិ េ្របី ក្រមិត ចាំបាច់ α = 0.10, 0.05, 0.01 ។ វា មានន័យថា េនេពល α = 0.10 េនាះ
មានឱកាស 10% ែដលបដិ េសដ H0 ែដលពត ិ ។ េនេពល α = 0.05 េនាះមានឱកាស 5% ែដលបដិ
េសដ H0 ែដលពត
ិ ។ េនេពល α = 0.01 េនាះមានឱកាស 1% ែដលបដិេសដ H0 ែដលពត ិ ។
ី ចង់េធ្វីេតស្តសម្មតិកម្ម
ឧទាហរណ៍ 10.1.5. េយង
H0 : µ = 50, H1 : µ , 50
់ ទំហល
ំ ំហគំរូ n = 10 នង
ិ មធ្យមលំហគំរូ X̄ ្រត�វបានអេង្កត។ មធ្យមលំហគំរូ X̄ ជាអ្នកបា៉ន់សា្មនៃន
មធ្យមសាកល µ។ តៃម្លៃន X̄ ែដលេនែក្បរនឹងតៃម្លអះអាង µ = 50 មិន្របឆាំងេទនឹងសម្មតិកម្ម H0 េទ។
មយ៉ងវ ិញេទៀតតៃម្ល X̄ ខុសឆា្ងយខា្លង
ំ ពី 50 គជា
ឺ ភស្តុតាងៃនការគាំ្រទសម្មតក
ិ ម្ម H1 ។
់ េបី 48.5 ≤ X̄ ≤ 51.5 េយង ី េបី X̄ < 48.5 ឬ X̄ > 51.5 េយង
ី នឹងមិនបដេិ សដ H0 : µ = 50 េហយ ី
នង
ឹ បដិេសដ H0 ។ កំហុស្របេភទ I េកត
ី េឡងី េពលែដល X̄ > 51.5 ឬ X̄ < 48.5 េនេពលែដល µ = 50។
់ σ = 2.5 និងបំែនងែចកៃនមធ្យមលំហគំរូ X̄ អាចបា៉ន់សា្មនេដាយអេថរៃចដន្យនរមា៉ល់ែដលមាន
√ √
មធ្យម µ = 50 នង ់ σ/ n = 2.5/ 10 = 0.79។ ដូចេនះ
ិ គមា្លតស្តងដា
α = P(X̄ < 48.5 | µ = 50) + P(X̄ > 51.5 | µ = 50)

! !
X̄ − µ 48.5 − µ X̄ − µ 51.5 − µ
=P √ < √ µ = 50 + P √ > √ µ = 50
σ/ n σ/ n σ/ n σ/ n
= P(Z < −1.90) + P(Z > 1.90)
= 0.0287 + 0.0287
= 0.0574
េនះជា្រប�បាប៊ីលេី តៃនការបេង្កីតកំហុស្របេភទ I មានន័យថា 5.74% ៃនលំហគំរៃូ ចដន្យទាំងអស់នាឱ

ំ ្យេយង
ី
បដិេសដសម្មតិកម្ម H0 : µ = 50 េនេពលែដលមធ្យមពិត្របាកដគឺពិតជា 50 ែមន។
282
េដមី ្បគ
ី ណនា β េយង
ី ្រត�វមានតៃម្លសម្មតក
ិ ម្ម H1 ជាក់លាក់មួយ។ សន្មត់ H1 : µ = 52 េនាះកំហុស្របេភទ
II េកីតេឡងី េពលែដលមធ្យមលំហគំរូ X̄ េនចេនា្លះ 48.5 េទ 51.5 េពលែដល µ = 52។ ដូចេនះ
β = P(48.5 ≤ X̄ ≤ 51.5 | µ = 52)
!
48.5 − µ X̄ − µ 51.5 − µ
=P √ ≤ √ ≤ √ µ = 52
σ/ n σ/ n σ/ n
= P(−4.43 ≤ Z ≤ −0.63)
= P(Z ≤ −0.63) − P(Z < −4.43)
= 0.2643 − 0.0000
= 0.2643
ដូចេនះេបីេយង ី េធ្វេី តស្តសម្មតកិ ម្ម H0 : µ = 50 នង

ិ H1 : µ , 50 ចំេពាះ n = 10 នង
ិ មធ្យមពត
µ = 52 ្រប�បាប៊ីលេី តែដលេយង ី មនិ បានបដិេសដ H0 ែដលខុសគឺ 0.2643
លំហាត់ 10.1.2. េដាយេ្របីឧទាហរណ៍ខាងេលីេផ្ទ�ងផា្ទត់តារាងខាងេ្រកាម
ែដនទទួលយក n α β | µ = 52 β | µ = 50.5
48.5 ≤ X̄ ≤ 51.5 10 0.0574 0.2643 0.8923
48 ≤ X̄ ≤ 52 10 0.0114 0.5000 0.9705
48.81 ≤ X̄ ≤ 51.19 16 0.0574 0.0966 0.8606
48.42 ≤ X̄ ≤ 51.58 16 0.0114 0.2515 0.9578
េនក្នុងតារាងេនះមានចំនុចសំខាន់ 4
1. ្រប�បាប៊ីលេី តៃនកំហុស្របេភទ I អាចបន្ថយេដាយការេ្រជីសេរសតៃម្ល

ី សំខាន់សមរម្យ
2. កំហុស្របេភទ I នង
ិ កំហុស្របេភទ II មានទំនាក់ទំនងគា្ន។ ចំេពាះទំហល ូ ូចគា្ន ្រប�បាប៊ីលេី ត
ំ ំហគំរដ
ៃនកំហុស្របេភទមួយថយចុះេនាះ្រប�បាប៊ីលេី តៃនកំហុស្របេភទមួយេកន
ី េឡង
ី
3. ការេកីនេឡង
ី ៃនទំហល
ំ ំហគំរូបន្ថយ β េបី α េនេថរ
4. េនេពលែដលសម្មតិកម្ម H0 មិនពិត β េកីនេឡង ី េពលែដលតៃម្លបា៉រា៉ ែម៉្រតពិត្របាកដខិតេទជិតតៃម្ល

ែដលអះអាងេនក្នុងសម្មតក
ិ ម្ម H0 ។ តៃម្ល β ថយចុះេនេពលគមា្លតរវាងមធ្យមពត ិ ្របាកដ នង
ិ មធ្យម
អះអាងេកន
ី េឡង
ី ។
និយមន័យ 10.1.2. • េតស្ត សិត
្ថ ិ ជា តៃម្ល កំនត់ េចញពី លំហ គំរូ េ្របី ស្រមាប់ សំេរចចិត្ត ថា េតី បដិ េសដ
សម្មតក
ិ ម្ម H0 ឬអត់។
• តៃម្លសំខាន់ជាតៃម្លែដលែចករវាងែដនែដលបដិេសដ H0 និងែដនែដលមិនបដិេសដ H0 ។
េតស្តសត
ិ្ថ ែិ ដលេយង
ី នង
ឹ េ្របមា
ី នេតស្ត z េតស្ត t េតស្ត χ ៖
2
1. េតស្តសត
ិ្ថ ស
ិ ្រមាប់មធ្យមគឺ
x̄ − µ x̄ − µ
z= √ ឬ t= √
σ/ n s/ n
283
2. េតស្តសិត
្ថ ិស្រមាប់សមាមា្រតគឺ
p̂ − p
z= p
p(1 − p)/n
3. េតស្តសត ិ ្រមាប់វា៉ដ្យង់នង
ិ្ថ ស ិ គមា្លតស្តង់ដាគឺ
(n − 1)s2
χ2 =
σ2
េបី តៃម្ល េតស្ត សត

ិ្ថ ិ សត ី បដិ េសដ H0 ដំេនី រការេធ្វី េតស្ត សម្មតក
ិ្ថ េនក្នុងែដនបដិ េសដេនាះេយង ិ ម្ម េនក្រមត
ិ
ចាំបាច់ α មានដូចខាងេ្រកាម
1. ែចងសម្មតក
ិ ម្ម H0 នង
ិ H1
2. គណនាតៃម្លេតស្តសត
ិ្ថ ិ
3. គណនាតៃម្លសំខាន់
4. េធ្វីការសំេរចចិត្ត
5. បក្រសាយលទ្ធផល
ការសំេរចចិត្តនិងសន្និដា្ឋន
1. េបីការអះអាងជា H0
(a) បដិេសដ H0 មានន័យថាមានភស្តុតាង្រគប់្រគាន់េដីម្បប

ី ដិេសដការអះអាង
(b) មន
ិ បដិេសដ H0 មានន័យថាមន
ិ មានភស្តុតាង្រគប់្រគាន់េដីម្បប
ី ដិេសដការអះអាង
2. េបីការអះអាងជា H1
(a) បដិេសដ H0 មានន័យថាមានភស្តុតាង្រគប់្រគាន់េដីម្បគា

ី ្រំ ទការអះអាង
(b) មន
ិ បដិេសដ H0 មានន័យថាមន
ិ មានភស្តុតាង្រគប់្រគាន់េដីម្បគា
ី ្រំ ទការអះអាង
ិ ្ឆ័យៃនការសំេរចចត
ិ ្ត
1. វ ិធសា
ី �ស្តែដនបដិេសដ
• បដិេសដ H0 េបីេតស្តសិត
្ថ ិសិត
្ថ េនក្នុងែដនបដិេសដ
• មិនបដិេសដ H0 េបីេតស្តសិត
្ថ ិមិនស្ថិតេនក្នុងែដនបដិេសដ
2. វ ិធីសា�ស្តតៃម្ល p
• បដេិ សដ H0 េបត
ី ៃម្ល p ≤ α ( ែដល α ជាក្រមត
ិ ចាំបាច់)
• មន
ិ បដិេសដ H0 េបត
ី ៃម្ល p > α
3. វ ិធសា
ី �ស្តចេនា្លះេជឿជាក់ៈ បដេិ សដការអះអាងែដលបា៉រា៉ ែម៉្រតមានតៃម្លមន
ិ ស្ថត
ិ េនក្នុងចេនា្លះេជឿជាក់។
284
10.2 េតស្តលហ
ំ គំរ ូមួយស្រមាប់មធ្យមេពលសា្គល់ σ
េបលី ំហគំរៃូ ចដន្យ្រត�វបានយកេចញពីសាកលែដលមានបំែនងែចកនរមា៉ល់ ឬសាកលែដលមានបំែនងែចក

ទូេទេបីទំហល ំ ំហគំរូធំលម ្ម េនាះេយង
ី អាចេធ្វីេតស្តេទេលីមធ្យម µ េដាយពិនិត្យេលីបំែនងែចកលំហគំរូៃន
X̄។ សន្មតថា់ X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យយកេចញពីសាកលែដលមានមធ្យមមិនសា្គល់ µ និងវា៉ដ្យង់ σ2
P
ែដលសា្គល់។ មធ្យមលំហគំរូ X̄ = n1 ni=1 Xi ជាអ្នកបា៉ន់សា្មនមន ិ លេម្អ�ងៃន µ។ េយាងតាម្រទស
ឹ ប
ី្ត ទលម
ី ត
ី
ផ្ចិត (CLT) េយង
ី មាន
• X̄ ជាអេថរៃចដន្យនរមា៉ល់េបី Xi ជាអេថរៃចដន្យនរមា៉ល់ ឬ
• X̄ អាចបា៉ន់សា្មនេដាយអេថរៃចដន្យនរមា៉ល់េបី Xi មន
ិ ែមនជាអេថរៃចដន្យនរមា៉ល់ នង
ិ n ធំលម
្ម
X̄ − µ
Z= √ ∼ N(0, 1).
σ/ n
េដម
ី ្បេី ធ្វីេតស្តសម្មតិកម្មស្រមាប់មធ្យម H0 : µ = µ0 េយង
ី េ្របីេតស្តសិត
្ថ ិ
X̄ − µ0
Z= √
σ/ n
្ថ ិេនះមានបំែនងែចកនរមា៉ល់ស្តង់ដា។
េនេពលែដល H0 ពិតេនាះេតស្តសិត
តៃម្លេតស្តសត
ិ្ថ គ
ិ ឺ
x̄ − µ0
z= √
σ/ n
ែដល
• µ0 ជាមធ្យមសាកលេ្រកាមសម្មតក
ិ ម្ម H0
• σ ជាគមា្លតស្តង់ដាសាកល
• n ជាទំហល
វិធីសា�ស្តែដនបដិេសដ
ចំេពាះលំហគំរូៃចដន្យែដលមានទំហំ n យកេចញពីសាកលែដលមានមធ្យម µ សន្មត់ថា
1. សាកលមានបំែនងែចកនរមា៉ល់ ឬ n ធំនង
ិ
2. សា្គល់គមា្លតស្តង់ដាសាកល σ
េតស្តសម្មតិកម្មស្រមាប់ µ េនក្រមិតចាំបាច់ α
H0 : µ = µ0
H1 : µ > µ0 , µ < µ0 , µ , µ0
x̄ − µ0
TS : z = √
σ/ n
RR : Z ≥ zα , Z ≤ −zα , |Z| ≥ zα/2
285
ឧទាហរណ៍ 10.2.1. អ្នក្រសាវ្រជាវេជឿជាក់ ថា អាយុ មធ្យមៃនេវជ្ជបណិ្ឌ តេនក្នុង្របព័ន្ធ មន្ទរី េពទ្យធំ មួយ គឺ
ចាស់ជាងអាយុមធ្យមៃនេវជ្ជបណិ្ឌ តថា្នក់ជាតែិ ដលេស្មីនឹង 46 ឆា្ន។

ំ សន្មតថា ់ សាកលេស្មីនឹង 4.2
់ គមា្លតស្តងដា
ឆា្ន។
ំ លំហគំរូៃចដន្យៃនេវជ្ជបណិ្ឌ ត 30 នាក់្រត�វបានេ្រជីសេរសេចញព
ី ី្របព័ន្ធមន្ទីរេពទ្យ េហយ
ី អាយុ មធ្យម
ៃនលំហគំរូគឺ 48.6 ឆា្ន។
ំ េតស្តសម្មតិកម្មេនះេនក្រមិតចាំបាច់ α = 0.05 ។
សមា្គល់ 10.2.1. 1. ទំហល
ំ ំហគំរូ n = 30
2. គមា្លតស្តង់ដាសាកល σ = 4.2 ដូចេនះេយង

ី អាចេ្របីេតស្ត z
ី ែចងសម្មតក
ិ ម្ម
H0 : µ = 46
H1 : µ > 46 (ការអះអាង)
• ជំហានទ២
ី តៃម្លេតស្តសត
ិ្ថ ិ
x̄ − µ0 48.5 − 46
z= √ = √ = 3.39
σ/ n 4.2/ 30
ំ នទ៣
• ជហា ី តៃម្លសំខាន់
េដាយសារ α = 0.05 និងវាជាេតស្តខាងសា្តេំ នាះតៃម្លសំខាន់គឺ
zα = 1.65
• ជំហានទ៤
ី សំេរចចត
ិ ្ត
េដាយសារ 3.39 ធំជាងតៃម្លសំខាន់ 1.65 មានន័យថាតៃម្លេតស្តសិត
្ថ ស
ិ ិត
្ថ េនក្នុងែដនបដេិ សដ ដូចេនះ
េយង
ី បដេិ សដសម្មតក
ិ ម្ម H0
• ជំហានទ៥
ិ ្ឋ ន
េយង
ី មានភស្តុតាង្រគប់្រគាន់េដីម្បគា
ី ្រំ ទការអះអាងែដលថាអាយុ មធ្យមៃនេវជ្ជបណិ្ឌ តេនក្នុង្របព័ន្ធ
មន្ទរី េពទ្យគចា
ឺ ស់ជាងអាយុមធ្យមថា្នក់ជាតែិ ដលេស្មន
ី ងឹ 46 ឆា្ន។
ំ
ឧទាហរណ៍ 10.2.2. អ្នក្រសាវ្រជាវអះអាងថាតៃម្ល ែស្បកេជីង កឡា
ី បុរសជាមធ្យមគឺ តច
ិ ជាង 80$។ គាត់
េ្រជីសេរសលំ
ី ហគំរៃូ ចដន្យៃនែស្បកេជីង 36 គូេចញពកា
ី តាឡូកេហយ
ី តៃម្លជាមធ្យមគឺ 75$។ េតីមានភស្តុតាង
្រគប់្រគាន់េដីម្បគា
ី ្រំ ទការអះអាងរបស់អ្នក្រសាវ្រជាវេនក្រមិតចាំបាច់ α = 0.10 ?សន្មត់ថា σ = 19.2 ។
សមា្គល់ 10.2.2. 1. ទំហល

ី អាចេ្របេី តស្ត z
ចេម្លើយ. • ជំហានទី១ ែចងសម្មតិកម្ម
H0 : µ = 80
H1 : µ < 80 (ការអះអាង)
• ជំហានទី២ តៃម្លេតស្តសិត
្ថ ិ
x̄ − µ0 75 − 80
z= √ = √ = −1.56
σ/ n 19.2/ 36
286
ំ នទ៣
េដាយសារ α = 0.10 និងវាជាេតស្តខាងេឆ្វងេនាះតៃម្លសំខាន់គឺ
−zα = −1.28
• ជំហានទី៤ សំេរចចិត្ត
េដាយសារ −1.56 តូចជាងតៃម្លសំខាន់ −1.28 មានន័យថាតៃម្លេតស្តសិត
្ថ ិសិត
្ថ េនក្នុងែដនបដិេសដ
ី បដិេសដសម្មតិកម្ម H0
• ជំហានទី៥ សន្និដា្ឋន
េយង
ី ្រំ ទការអះអាងែដលថាតៃម្លែស្បកេជីងកីឡាបុរសជាមធ្យមគត
ឺ ិច
ជាង 80$។
ឧទាហរណ៍ 10.2.3. ្រគះ
ឹ សា្ថនអប់រ ំការសា្តរនត
ី ស
ិ ម្បទាែបបេវជ្ជសា�ស្តេចញរបាយការណ៍ថាតៃម្លជាមធ្យម
ៃនការសា្តរនីតិសម្បទាស្រមាប់អ្នកជម្ងដា
ឺ ច់សរៃសឈាមក្នុងេបះដូងគឺ 24672$ ។ េដីម្បព
ី ិនិត្យេមីលថាេតត
ី ៃម្ល
ជាមធ្យមៃនការសា្តរនត ី ស
ិ ម្បទាមានភាពខុសគា្នេនតាមមន្ទរី េពទ្យជាក់លាក់មួយ អ្នក្រសាវ្រជាវេ្រជីសេរស
ី
លំហគំរៃូ ចដន្យៃនអ្នកជម្ងដា
ឺ ច់សរៃសឈាមក្នុងេបះដូង 35 នាក់េនក្នុងមន្ទីរេពទ្យេហយ
ី រកេឃញ ី ថាតៃម្លៃន
ការសា្តរនីតិសម្បទាជាមធ្យមគឺ 26343$។ េបគ ់ សាកលគឺ 3251$។ ចំេពាះ α = 0.01 េតេី គអាច
ី មា្លតស្តងដា
សន្នដា
ិ ្ឋ នថាតៃម្លជាមធ្យមការសា្តរនត
ី ស
ិ ម្បទាេនមន្ទរី េពទ្យេនាះខុសពី 24672$ ?
សមា្គល់ 10.2.3. 1. ទំហល
2. គមា្លតស្តង់ដាសាកល σ = 3251 ដូចេនះេយង

H0 : µ = 24672
H1 : µ , 24672 (ការអះអាង)
្ថ ិ
x̄ − µ0 26343 − 24672
z= √ = √ = 3.04
σ/ n 3251/ 35
ំ នទ៣
េដាយសារ α = 0.01 និងវាជាេតស្តសងខាងេនាះតៃម្លសំខាន់គឺ
−zα/2 = −2.58, zα/2 = 2.58
ិ ្ត
េដាយសារ 3.04 ធំជាងតៃម្លសំខាន់ 2.58 មានន័យថាតៃម្លេតស្តសិត
្ថ ស
ិ ិត
្ថ េនក្នុងែដនបដេិ សដ ដូចេនះ
េយង
ី បដេិ សដសម្មតក
ិ ម្ម H0
ិ ្ឋ ន
េយង
ី ្រំ ទការអះអាងែដលថាតៃម្លជាមធ្យមការសា្តរនត
ី ស
ិ ម្បទាអ្នកជម្ងឺ
ដាច់សរៃសឈាមក្នុងេបះដូងេនមន្ទរី េពទ្យេនាះខុសពី 24672$។
287
វិធីសា�ស្តតៃម្ល p
ី ីេតែដលទទួល បានស្ថិតិ លំហ គំរូ (ដូចជាមធ្យមលំហ គំរូ) ធំ ដូច ឬធំជាងតៃម្ល

• តៃម្ល p ជា្រប�បាប៊ល
អេង្កតេបសី ម្មតក
ិ ម្ម H0 ពត
ិ ។
• តៃម្ល p ជាក្រមត
ិ ចាំបាច់ α តូចបំផុតែដលសម្មតក
ិ ម្ម H0 អាច្រត�វបានបដិេសដ។
េតស្តសម្មតក
ិ ម្មស្រមាប់ µ េនក្រមត
ិ ចាំបាច់ α
H0 : µ = µ0
H1 : µ > µ 0 , µ < µ0 , µ , µ0
x̄ − µ0
TS : z = √
σ/ n
p := P(Z ≥ z), P(Z ≤ z), 2P(Z ≥ |z|)
េបី α ជាក្រមិតចាំបាច់េនក្នុងេតស្តសម្មតិកម្មេនាះ
1. េបី p ≤ α បដេិ សដសម្មតក

ិ ម្ម H0 .
2. េបី p > α មន
ិ បដិេសដសម្មតក
ិ ម្ម H0 .
រូប 10.1: េបី p ≤ α េនាះ z ≥ zα (បដិេសដ H0 ) េបី p > α េនាះ z < zα (មន
ិ បដិេសដ H0 )
ឧទាហរណ៍ 10.2.4. រកតៃម្ល p េពលែដលតៃម្លេតស្ត z = 2.28 និងវាជាេតស្តខាងសា្ត ំ
ី េសចក្តីបែន្ថមក្នុង ១] រក្រកលាៃផ្ទេនេ្រកាមែខ្សេកាងនរមា៉ល់ស្តង់
ចេម្លើយ. េ្របីតារាងបំែនងែចក z [េមល
ដាែដល្រត�វនឹង z = 2.28។ វាេស្មីនឹង 0.9887។ ដូេច្នះតៃម្ល p ជា្រកលាៃផ្ទេនចុងខាងសា្តែំ ដលេស្មីនឹង
p = 1 − 0.9887 = 0.0113.
z 0.00 0.01 ··· 0.08 0.09
0.0
..
.
2.2 0.9887
ឧទាហរណ៍ 10.2.5. រកតៃម្ល p េពលែដលតៃម្លេតស្ត z = −1.77 និងវាជាេតស្តខាងេឆ្វង
ចេម្លើយ. េ្របីតារាងបំែនងែចក z រក្រកលាៃផ្ទេនេ្រកាមែខ្សេកាងនរមា៉ល់ស្តង់ដាែដល្រត�វនង

ឹ z = −1.77។
វាេស្មីនឹង 0.0384។ ដូេច្នះតៃម្ល p ជា្រកលាៃផ្ទេនចុងខាងេឆ្វងែដលេស្មីនឹង
p = 0.0384
288
z 0.00 0.01 · · · 0.07 0.09
−3.4
..
.
−1.7 0.0384
ឧទាហរណ៍ 10.2.6. រកតៃម្ល p េពលែដលតៃម្លេតស្ត z = 1.89 នង

ិ វាជាេតស្តសងខាង
ចេម្លើយ. េ្របតា ់ ែដល្រត�វនង
ី រាងបំែនងែចក z រក្រកលាៃផ្ទេនេ្រកាមែខ្សេកាងនរមា៉ល់ស្តងដា ឹ z = 1.89។ វា
េស្មីនឹង 0.9706។ ដូេច្នះតៃម្ល p គឺ 2 ដង្រកលាៃផ្ទេនចុងខាងសា្តែំ ដលេស្មីនឹង
p = 2(1 − 0.9706) = 2(0.0294) = 0.0588.
z 0.00 0.01 ··· 0.08 0.09

0.0
..
.
1.8 0.9706
សមា្គល់ 10.2.4. េតតា

ី រាងបំែនងែចក z ្របាប់េយង
ី ពអ
ី ? ់
ី្វ ្រកលាៃផ្ទេនខាងេ្រកាមែខ្សេកាងនរមា៉ល់ស្តងដា
េទខាងេឆ្វងៃដៃន z មានន័យថាវាជាអនុគមន៍ដង់សុីេតេកីនៃនអេថរៃចដន្យនរមា៉ល់ស្តង់ដា Z ∼ N(0, 1)
Z z
1 x2
Φ(z) = P(Z ≤ z) = √ e− 2 dx.
2π −∞
ឧទាហរណ៍ 10.2.7. អ្នក្រសាវ្រជាវចង់ េតស្ត ការអះអាងថាតៃម្ល សក

ិ �ជាមធ្យមេនក្នុងសាកលវ ិទយល័យ
រដ្ឋ 4 ឆា្នគ
ំ េឺ ្រចីនជាង 5700$។ គាត់េ្រជីសេរសលំ
ី ហគំរៃូ ចដន្យៃនសាកលវ ិទយល័យរដ្ឋ 4 ឆា្នច
ំ ំនួន 36 េហយ
ី
រកេឃញ ី ថាតៃម្ល សិក�ជាមធ្យមេស្មីនឹង 5950$។ គមា្លតស្តង់ ដា សាកលេស្មីនឹង 659$។ េតីមានភស្តុតាង
ី ្រំ ទការអះអាងេនក្រមត
ិ ចាំបាច់ α = 0.05? េ្របវី ិធសា
ី �ស្តតៃម្ល p ។
សមា្គល់ 10.2.5. 1. ទំហល
2. គមា្លតស្តង់ដាសាកល σ = 659 ដូចេនះេយង

ី អាចេ្របេី តស្ត z
ិ ម្ម
H0 : µ = 5700
្ថ ិ
x̄ − µ0 5950 − 5700
z= √ = √ = 2.28
σ/ n 659/ 36
ំ នទ៣
• ជហា ី តៃម្ល p
េដាយសារវាជាេតស្តខាងសា្តេំ នាះ
p = P(Z > 2.28) = 1 − P(Z ≤ 2.28) = 1 − 0.9887 = 0.0113
ិ ្ត
េដាយសារតៃម្ល p ≤ α = 0.05 ដូចេនះេយង
289
ិ ្ឋ ន
េយង
ី មានភស្តុតាង្រគប់្រគាន់េដីម្បគាំ
ី ្រទការអះអាងែដលថាតៃម្លសិក�ជាមធ្យមេនក្នុងសាកលវ ិទយល័យ
រដ្ឋ 4 ឆា្នគ
ំ េឺ ្រចន
ី ជាង 5700$។
ឧទាហរណ៍ 10.2.8. អ្នក្រសាវ្រជាវអះអាងថាេល្ប�នខ្យល់ជាមធ្យមេនក្នុងទ្រី ក�ងមួយគឺ 8 មា៉យល៍កុ ងមួ
្ន យ
េមា៉ង។ លំហគំរូៃចដន្យៃន 32 ៃថ្ងែដលមានេល្ប�នខ្យល់ជាមធ្យម 8.2 មា៉យល៍កុ ្នងមួយេមា៉ង។ គមា្លតស្តង់
ដាសាកលគឺ 0.6 មា៉យល៍កុ ងមួ
្ន យេមា៉ង។ ចំេពាះ α = 0.05 េតីមានភស្តុតាង្រគប់្រគាន់េដីម្បប
ី ដិេសដការ
អះអាងេនះ? េ្របវី ិធសា
សមា្គល់ 10.2.6. 1. ទំហល


H0 : µ = 8 (ការអះអាង)
H1 : µ , 8
ិ្ថ ិ
x̄ − µ0 8.2 − 8
z= √ = √ = 1.89
σ/ n 0.6/ 32
• ជំហានទី៣ តៃម្ល p
េដាយសារវាជាេតស្តសងខាងេនាះ
p = 2P(Z > 1.89) = 2(1 − P(Z ≤ 1.89)) = 2(1 − 0.9706) = 0.0588
េដាយសារតៃម្ល p > α = 0.05 ដូចេនះេយង
ី មន
ិ បដេិ សដសម្មតក
ិ ម្ម H0
េយង
ី មិនមានភស្តុតាង្រគប់្រគាន់េដីម្បប
ី ដិេសដការអះអាងែដលថាេល្ប�នខ្យល់ជាមធ្យមគឺ 8 មា៉យ
ល៍កុ ងមួ
្ន យេមា៉ង។
ឧទាហរណ៍ 10.2.9. ការ្រសាវ្រជាវែណនាំថាមនុស្សភាគេ្រចីន្រត�វការេគងេពលយប់យា៉ងេហាចណាស់ 7

េមា៉ងេដម ី ំេណីរការល្អេនៃថ្ងបនា្ទប់។ ការ្រសាវ្រជាវខ្លះែណនាំថាការេគងមន
ី ្បដ ិ ្រគប់អាចប៉ះពាល់ធ្ងន់ធ្ងរដល់
សុខភាព ការចងចាំ ការសិក� គំនិតៃច្ន្របឌិត ផលិតភាពការងារ េស្ថរភាពអារម្មណ៍ និងសង្ឃម
ឹ ជីវ ិត។ សន្មត់
ថាយុវជន្រត�វការេគង 7 េមា៉ងក្នុងមួយយប់។ លំហគំរូៃចដន្យៃនយុវជន 32 នាក់្រត�វបានេ្រជីសេរសេហ
ី យ
ី
រយៈេពលេគងមា្នក់ៗ្រត�វបានកត់្រតា។ មធ្យមលំហគំរូគឺ 6.8 េមា៉ងនិងសន្មត់ថា σ = 0.67 េមា៉ង។ ចំេពាះ
α = 0.05 េតមា
ី នភស្តុតាង្រគប់្រគាន់ថារយៈេពលេគងជាមធ្យមស្រមាប់យុវជនគត ឺ ច
ិ ជាង 7 េមា៉ង?
ិ ម្ម
H0 : µ = 7
290
ិ្ថ ិ
x̄ − µ0 6.8 − 7
z= √ = √ = −1.69
σ/ n 0.67/ 32
េដាយសារវាជាេតស្តខាងេឆ្វងេនាះ
p = P(Z < −1.69) = 0.0455
េដាយសារតៃម្ល p ≤ α = 0.05 ដូចេនះេយង
ី បដិេសដសម្មតក
ិ ម្ម H0
ិ ្ឋ ន
េយង
ី ្រំ ទការអះអាងែដលថារយៈេពលេគងជាមធ្យមស្រមាប់យុវជន
គត
ឺ ច
ិ ជាង 7 េមា៉ង។
លំហាត់ 10.2.1. 1. ពន ិ ត
ិ ្យេតស្ត សម្មតក
ិ ម្ម H0 : µ = 70 នង
ិ H1 : µ > 70 េដាយេ្របី ទំហំលំហ គំរូ
n = 400។ សន្មត់ថា σ = 20។
(a) បក្រសាយបំែនងែចកលំហគំរូៃចដន្យៃន X̄
(b) រកតៃម្លេតស្តសិត
្ថ ិេបី x̄ = 72.5
(c) េដាយេ្របែី ផ្នក (ខ) រកតៃម្ល p ៃនេតស្ត
(d) រកែដនបដិេសដៃនេតស្តស្រមាប់ α = 0.01
(e) េដាយេ្របែី ផ្នក (គ) នង

ិ (ឃ) េ្របវី ិធសា
ី �ស្តតៃម្ល p េដីម្បេី ធ្វកា
ិ ្ឋ នសម្រសបមួយ
(f) េ្របីវ ិធីសា�ស្តែដនបដិេសដេដីម្បេី ធ្វីការសន្និដា្ឋនសម្រសបមួយ
(g) េតកា
ិ ្ឋ នក្នុងែផ្នក (ង) នង
ិ (ច) ដូចគា្នឬេទ?
2. េដម ី ្បី េធ្វេី តស្ត សម្មតក

ិ ម្ម H0 : µ = 105 នងិ H1 : µ , 105 លំហ គំរូ ែដលមានទំហំ 9 ្រត�វ បាន
េ្រជីសេរស។ ី េបម ី មា្លតស្តង់ដាសាកលេស្មន
ី ធ្យមលំហគំរូ x̄ = 100 រកតៃម្ល p េបគ ី ងឹ
(a) σ = 5
(b) σ = 10
(c) σ = 15
េតីេនក្នុងករណីណាែដលសម្មតក
ិ ម្ម H0 ្រត�វបានបដិេសដេនក្រមត
ិ ចាំបាច់ α = 0.05? ចុះេបីេន
ក្រមត
ិ ចាំបាច់ α = 0.01?
់ 50 ។ មធ្យម
3. លំហគំរៃូ ចដន្យែដលមានទំហំ 121 ្រត�វបានយកេចញពីសាកលែដលមានគមា្លតស្តងដា
ៃនលំហគំរូេស្មីនឹង 120 ។
(a) េតស្តសម្មតក
ិ ម្ម H0 : µ = 110 នង
ិ H1 : µ > 110 េដាយេ្របី α = 0.05
(b) េតស្តសម្មតិកម្ម H0 : µ = 110 និង H1 : µ , 110 េដាយេ្របី α = 0.05
291
(c) េ្របៀបេធៀបតៃម្ល p ៃនេតស្តទាង
ំ ពរី ខាងេល។
ី ចូរពន្យល់េហតុអល
ី្វ ទ្ធផលខុសគា្ន។
4. ្រក�មហ៊ុនផលត
ិ ទក
ឹ េប៉ងេបា៉ះ Heinz េ្របមា
ី ៉ សុន
ី េដីម្ប្រី ចកទក
ឹ េប៉ងេបា៉ះ 16 េអានេទក្នុងកញ្ច ប់។ តាម
បទពិេសាធន៍ជាេ្រចីនឆា្ន ំកន្លងមកជាមួយនឹងមា៉សុីន្រចក្របេភទេនះ្រក�មហ៊ុន Heinz ដឹងថាបរមាណ
ិ
ផលត
ិ ផលេនក្នុងកញ្ច ប់នម ី ួយៗមានបំែនងែចកនរមា៉ល់ែដលមានមធ្យម 16 េអាន នង ់
ិ គមា្លតស្តងដា
0.15 េអាន។ លំហគំរៃូ ចដន្យៃនទឹកេប៉ងេបា៉ះ 50 កញ្ច ប់ែដលេទីបែត្រចកមួយេមា៉ងមុនបានបងា្ហញថា
បរមាណជាមធ្យមេនក្ន
ិ ុ ងមួយកញ្ច ប់គឺ 16.017 េអាន។ េតភ
ី ស្តុតាងេនះបញ្ជក់ថាបរមាណជាមធ្យម
ិ
ែដលបាន្រចកខុសពី 16 េអានឬេទ? េ្របក
ី ្រមត
ិ ចាំបាច់ α = 0.05 ។
5. ្រពទ
ឹ ្ធបុរសមហាវ ិទយល័យេវជ្ជសា�ស្តរកេឃញ
ី ថាចំនួនការដាក់ពាក្យជាមធ្យមែដលសស
ិ ្សមា្នក់ៃនសាលា
េពទ្យល្បេី ផ្ញីរមកគឺ 7.8។ គាត់គិតថាមធ្យមគេឺ ្រចីនជាងេនះ ដូចេនះគាត់េ្រជីសេរសលំ
ី ហគំរៃូ ចដន្យៃន
អ្នកដាក់ពាក្យ 35 នាក់រច ួ សួរមា្នក់ៗអំពច
ី ំនួនសាលាេពទ្យែដលពួកេគបានដាក់ពាក្យ។ មធ្យមលំហគំរូ
គឺ 8.7 និងសន្មត់ថាគមា្លតស្តង់ដាសាកលគឺ 2.6។ េតស្តការអះអាងរបស់គាត់ចំេពាះ α = 0.01 េ្របី
វ ិធសា
10.3 េតស្តលហ
ំ គំរ ូមួយស្រមាប់មធ្យមេពលមិនសា្គល់ σ
ី ពិនិត្យេមីល េតស្ត សម្មតិកម្ម ស្រមាប់ មធ្យមសាកលេពលមិន សា្គល់ σ។ ក្នុងករណី េនះ គមា្លតស្តង់ ដា

េយង
សាកល σ នង ឹ ្រត�វបា៉ន់ សា្មនេដាយគមា្លតស្តង់ ដា លំហ គំរូ s។ លទ្ធផលសំខាន់ មួយ ែដលដេំ ណីរការេតស្ត
សម្មតិកម្មពឹងែផ្អកគេឺ បី X1 , X2 , . . . , Xn ជាលំហគំរៃូ ចដន្យេចញពប
ី ែំ នងែចកនរមា៉ល់ែដលមានមធ្យម µ និង
វា៉ដ្យង់ σ េនាះអេថរៃចដន្យ
2
X̄ − µ
T= √ ∼ t(n − 1).
S/ n
េយង ី េ្របីេតស្តសត
ិ្ថ ិ t េដីម្បេី ធ្វេី តស្តសម្មតក
ិ ម្មស្រមាប់មធ្យម H0 : µ = µ0 េនេពលមន
ិ សា្គល់ σ នង
ិ េពល
ែដលសាកលមានបំែនងែចកនរមា៉ល់ឬ្របហាក់្របែហលនឹងបំែនងែចកនរមា៉ល់។ រូបមន្តស្រមាប់េតស្តសិត ្ថ ិ
t គឺ
X̄ − µ0
T= √
S/ n
េនេពលែដល H0 ពិតេនាះេតស្តសិត
្ថ ិេនះមានបំែនងែចក t ែដលមានដឺេ្រកេសរ ី d.f.= n − 1។ តៃម្លេតស្ត
ស្ថត
ិ គ
ិ ឺ
x̄ − µ0
t= √
s/ n
ែដល
• µ0 ជាមធ្យមសាកលេ្រកាមសម្មតិកម្ម H0
• s ជាគមា្លតស្តង់ដាលំហគំរូ
• n ជាទំហល
292
ចំេពាះលំហគំរូៃចដន្យែដលមានទំហំ n យកេចញពសា
ី កលែដលមានមធ្យម µ សន្មត់ថា
1. សាកលមានបំែនងែចកនរមា៉ល់ ឬ n ធំនិង
ិ សា្គល់គមា្លតស្តង់ដាសាកល σ
2. មន
ិ ម្មស្រមាប់ µ េនក្រមត
H0 : µ = µ0
H1 : µ > µ0 , µ < µ0 , µ , µ0
x̄ − µ0
TS : t = √ , d.f. = n − 1
s/ n
RR : T ≥ tα , T ≤ −tα , |T | ≥ tα/2
ឧទាហរណ៍ 10.3.1. អ្នកអេង្កតេវជ្ជសា�ស្តអះអាងថាចំនួនមធ្យមៃនការឆ្លងជម្ងក

ឺ ុ ងមួ
្ន យសបា្តហ៍េនមន្ទីរេពទ្យ
មួយគឺ 16.3 ។ លំហគំរៃូ ចដន្យៃន 10 សបា្តហ៍្រត�វបានេ្រជីសេរស។
ី មធ្យមលំហគំរៃូ នការឆ្លងជម្ងេឺ ស្មន
ី ងឹ 17.7
នង ់ លំហគំរេូ ស្មន
ិ គមា្លតស្តងដា ី ងឹ 1.8។ េតមា
ី នភស្តុតាង្រគប់្រគាន់េដីម្បប
ី ដេិ សដការអះអាងរបស់អ្នកអេង្កត
េនក្រមត
ិ ចាំបាច់ α = 0.05? សន្មត់ថាអេថរមានបំែនងែចកនរមា៉ល់។
សមា្គល់ 10.3.1. 1. អេថរមានបំែនងែចកនរមា៉ល់
2. មិនសា្គល់គមា្លតស្តង់ដាសាកល ដូចេនះេយង
ី អាចេ្របីេតស្ត t
H0 : µ = 16.3 (ការអះអាង)
H1 : µ , 16.3
ិ្ថ ិ
x̄ − µ0 17.7 − 16.3
t= √ = √ = 2.46
s/ n 1.8/ 10
ំ នទ៣
េដាយសារ α = 0.05, d.f. = n − 1 = 9 នង
ិ វាជាេតស្តសងខាងេនាះតៃម្លសំខាន់គឺ
−tα/2 = −2.262, tα/2 = 2.262
ិ ្ត
េដាយសារ 2.46 ធំជាងតៃម្ល សំខាន់ 2.262 មានន័យថាតៃម្ល េតស្ត សិត
្ថ ិ សិត
្ថ េនក្នុងែដនបដិ េសដ
ិ ម្ម H0
េយង
ី មានភស្តុតាង្រគប់្រគាន់េដម
ី ្បប
ី ដេិ សដការអះអាងែដលថាមធ្យមៃនការឆ្លងជម្ងគ
ឺ ឺ 16.3។
293
ឧទាហរណ៍ 10.3.2. អ្នកអប់រ ំអះអាងថា្របាក់្របចាំៃថ្ងជាមធ្យមៃន្រគ�ជំនួសេនក្នុងសាលាក្នុង្រស�កគឺតច
ិ
ជាង 60$ ក្នុងមួយៃថ្ង។ លំហគំរៃូ ចដន្យៃនសាលាក្នុង្រស�ក 8 ្រត�វបានេ្រជីសេរសេហ
ី យី ្របាក់្របចាំៃថ្ងគិតជា
ដុលា្លរ្រត�វបានបងា្ហញដូចខាងេ្រកាម
60 56 60 55 70 55 60 50
េតមា
ី នភស្តុតាង្រគប់្រគាន់គា្រំ ទការអះអាងរបស់អ្នកអប់រ ំេនក្រមត
ិ ចាំបាច់ α = 0.10? សន្មត់ថាអេថរមា
នបំែនងែចកនរមា៉ល់។
សមា្គល់ 10.3.2. 1. អេថរមានបំែនងែចកនរមា៉ល់
ិ សា្គល់គមា្លតស្តង់ដាសាកល ដូចេនះេយង
2. មន ី អាចេ្របេី តស្ត t
ិ ម្ម
H0 : µ = 60
្ថ ិ េយង
ី មាន x̄ = 58.88 និង s = 5.08 េនាះ
x̄ − µ0 58.88 − 60
t= √ = √ = −0.624
s/ n 5.08/ 8
ំ នទី៣ តៃម្លសំខាន់
• ជហា
េដាយសារ α = 0.10, d.f. = n − 1 = 7 នង
ិ វាជាេតស្តខាងេឆ្វងេនាះតៃម្លសំខាន់គឺ
−tα = −1.415
ិ ្ត
េដាយសារ −1.415 < −0.624 មានន័យថាតៃម្លេតស្តសិត
្ថ ម
ិ ិនស្ថិតេនក្នុងែដនបដេិ សដ ដូចេនះេយង
ី
មន
ិ ម្ម H0
េយង
ី មិនមានភស្តុតាង្រគប់្រគាន់េដីម្បគា
ី ្រំ ទការអះអាងរបស់អ្នកអប់រ ំែដលថាមធ្យមៃន្របាក់្របចាំៃថ្ង
របស់្រគ�ជំនួសគឺតិចជាង 60$។
ឧទាហរណ៍ 10.3.3. អាកាសយានដា្ឋនអន្តរជាតិ មួយ ផ្តល់ េសវាកែន្លង ចតតាមទូរសព្ទ ែដលមនុស្សរង់ចា ំ

សារេដីម្បេី ទទទួលអ្នកដំេណីរមកដល់។ េដីម្បស
ី ំេរចថាេតក
ី ែន្លងចតតាមសារទូរសព្ទ្រគប់្រគាន់ អ្នក្រគប់្រគង
កែន្លងចត្រត�វដឹងថាេតរី យៈេពលមធ្យមេនក្នុងចំណតនម
ី ួយៗគេឺ ្រចីនជាង 15 នាទឬ
ី អត់។ លំហគំរៃូ នអតិថិ
ជនថ្មីៗ 12 នាក់បងា្ហញរយៈេពលែដលពួកេគេនក្នុងចំណតគត
30 24 28 22 14 2 39 23 23 28 12 31
េនក្រមិត ចាំបាច់ α = 0.05 េតី វា សមេហតុផលេដីម្បី សន្និដា្ឋនថារយៈេពលជាមធ្យមេនក្នុងចំណតគឺ

េ្រចីនជាង 15 នាទី? សន្មត់ថាអេថរមានបំែនងែចកនរមា៉ល់។
294
ិ ម្ម
H0 : µ = 15
ិ្ថ ិ េយង
ី មាន x̄ = 23 នង
ិ s = 9.835 េនាះ
x̄ − µ0 23 − 15
t= √ = √ = 2.818
s/ n 9.835/ 12
• ជំហានទី៣ តៃម្លសំខាន់
េដាយសារ α = 0.05, d.f. = n − 1 = 11 និងវាជាេតស្តខាងសា្តេំ នាះតៃម្លសំខាន់គឺ
tα = 1.796
េដាយសារ 1.796 < 2.818 មានន័យថាតៃម្ល េតស្ត សត
ិ្ថ ិ សត
ិ្ថ េនក្នុងែដនបដិ េសដ ដូចេនះេយង
ី បដិ
េសដសម្មតិកម្ម H0
ំ នទី៥ សន្និដា្ឋន
• ជហា
េយងី អាចសន្នដា
ិ ្ឋ នថារយៈេពលចំណាយជាមធ្យមេនក្នុងកែន្លងចតគេឺ ្រចន
ី ជាង 15 នាទ។
ី
េតស្តសម្មតិកម្មស្រមាប់ µ េនក្រមិតចាំបាច់ α េពលមិនសា្គល់ σ
H0 : µ = µ0
H1 : µ > µ 0 , µ < µ0 , µ , µ0
x̄ − µ0
TS : t = √ d. f. = n − 1
s/ n
p := P(T ≥ t), P(T ≤ t), 2P(T ≥ |t|)
េបី α ជាក្រមត
ិ ចាំបាច់េនក្នុងេតស្តសម្មតក
ិ ម្មេនាះ
1. េបី p ≤ α បដិេសដសម្មតក
ិ ម្ម H0 .
2. េបី p > α មន
ិ បដេិ សដសម្មតក
ិ ម្ម H0 .
ឧទាហរណ៍ 10.3.4. រកតៃម្ល p េពលែដលតៃម្ល េតស្ត t = 2.056 ទំហំ លំហ គំរូ គឺ 11 េហយ
ី វាជាេតស្ត
ខាងសា្ត។
ំ
ចេម្លើយ. េ្របី តារាង t [េមល

ី េសចក្តី បែន្ថម ក្នុង ១] ែដលមាន d.f.= n − 1 = 10 េហយ
ី វាជាេតស្ត មា្ខង។
េដាយសារ 1.812 < 2.056 < 2.228 េនាះ 0.025 < p < 0.05
295
CI 80% 90% 95% 98% 99%
One tail, α 0.10 0.05 0.025 0.01 0.005
d.f. Two tails, α 0.20 0.10 0.05 0.02 0.01
1
..
.
10 1.812 2.228
..
.
ដូចេនះេនក្នុងករណីេនះតៃម្ល p គឺ 0.025 0.01
ឧទាហរណ៍ 10.3.5. រកតៃម្ល p េពលែដលតៃម្ល េតស្ត t = −1.847 ទំហំលំហ គំរូ គឺ 23 េហយ

ី វាជាេតស្ត
ខាងេឆ្វង។
ចេម្លើយ. េ្របតា
ី រាង t ែដលមាន d.f.= n − 1 = 22 េហយ
ី វាជាេតស្តមា្ខង។ េដាយសារបំែនងែចក t គស
ឺ ុេី ម្រទី
េនាះ 1.717 < 1.847 < 2.074 េនាះ 0.025 0.01
ឧទាហរណ៍ 10.3.6. រកតៃម្ល p េពលតៃម្លេតស្ត t = 2.983 ទំហល

ំ ំហគំរូគឺ 6 េហយ
ី វាជាេតស្តសងខាង។
ី រាង t ែដលមាន d.f.= n − 1 = 5 េហយ
ី វាជាេតស្តសងខាង។ េយង
ី ថា
2.571 < 2.983 < 3.365 េនាះ 0.02 0.01
សមា្គល់ 10.3.3. តៃម្ល p ជាក់លាក់ ស្រមាប់ េតស្ត t និង េតស្ត េផ្សងេទៀតអាចរកបានេដាយេ្របី មា៉សុីន គិត
េលខ ឬកុំព្យូទ័រ។
ឧទាហរណ៍ 10.3.7. ្រគ�េពទ្យអះអាងថាមាឌអុកសុែី សនអតិបរមាែដលអ្នករត់្រស�បយកគេឺ ្រចីនជាងមធ្យម

័
ែដល្រស�បេដាយយុវវយធម្ម ិ គមា្លតស្តង់
តា។ លំហគំរៃូ នអ្នករត់ 15 នាក់ែដលមានមធ្យម 40.6 (ml/kg) នង
័ ឺ 36.7 (ml/kg) េតមា
ដា 6 (ml/kg)។ េបីមាឌអុកសុីែសនជាមធ្យមែដល្រស�បេដាយយុវវយគ ី នភស្តុតាង
ី ្រំ ទការអះអាងរបស់្រគ�េពទ្យេនក្រមិតចាំបាច់ α = 0.05? សន្មតថា
់ អេថរមានបំែនងែចក
នរមា៉ល់។
H0 : µ = 36.7
H1 : µ > 36.7 (ការអះអាង)
ី មាន x̄ = 40.6 នង
ិ s = 6 េនាះ
x̄ − µ0 40.6 − 36.7
t= √ = √ = 2.517
s/ n 6/ 15
ំ នទ៣
េដាយសារ d.f.= n − 1 = 14 និងវាជាេតស្តខាងសា្តេំ នាះតាមតារាងបំែនងែចក t េយង
ី
ថា 2.517 េនចេនា្លះ 2.145 នង
ិ 2.624 ែដល្រត�វនង
ឹ α = 0.025 នង
ិ α = 0.01 េរៀងគា្ន។ ដូចេនះ
0.01 < p < 0.025
ិ ្ត
េដាយសារ p < 0.05 = α ដូចេនះេយង
297
ិ ្ឋ ន
េយង
ី ្រំ ទការអះអាងថាមាឌអុកសុែី សនអតិបរមាែដល្រស�បេដាយអ្នក
រត់ជាមធ្យមគេឺ ្រចន
ី ជាង 36.7 ml/kg។
ឧទាហរណ៍ 10.3.8. អ្នក្រសាវ្រជាវបានរកេឃញ
ី ថាអ្នកជក់បារមា
ី ្ន ក់ជក់បារជាមធ្យម
ី 31 េដីមក្នុងមួយៃថ្ង។
គាត់ គត
ិ ថាមធ្យមេនះខ្ពស់ េពកេហយ
ី ។ គាត់ េ្រជស
ី េរសលំ
ី ហ គំរូ ៃចដន្យៃនអ្នក ជក់បារ ី 10 នាក់ េហយ ី រក
េឃញ
ី ថាចំនួន មធ្យមៃនបារ ែដលពួ
ី កេគជក់ កុ ងមួ
្ន យៃថ្ង គឺ 28 េដីម នង ិ គមា្លតស្តង់ ដា លំហ គំរូ គឺ 2.7។ េន
ក្រមិតចាំបាច់ 0.05 េតីមានភស្តុតាង្រគប់្រគាន់េដម
ី ្បគា
ី ្រំ ទការអះអាងរបស់គាត់ឬេទ? សន្មតថា
់ អេថរមានបំ
ែនងែចកនរមា៉ល់។
H0 : µ = 31
ី មាន x̄ = 28 នង
ិ s = 2.7 េនាះ
x̄ − µ0 28 − 31
t= √ = √ = −3.514
s/ n 2.7/ 10
េដាយសារ d.f.= n − 1 = 9 នង
ិ វាជាេតស្តខាងេឆ្វងេនាះតាមតារាងបំែនងែចក t េយង
ី
ថា
p < 0.005
ិ ្ត
េដាយសារ p < α = 0.05 ដូចេនះេយង
េយង
ី មានភស្តុតាង្រគប់្រគាន់េដីម្បីគា្រំ ទការអះអាងថាចំនួនបារជាមធ្យមែដលអ្ន
ី កជក់បារជក់
ី គឺតិច
ជាង 31 េដីមក្នុងមួយៃថ្ង។
លំហាត់ 10.3.1. 1. លំហ គំរូ ៃចដន្យែដលមានទំហំ 5 ្រត�វ បានេ្រជីស េចញេដាយៃចដន្យពីសា កលនរ

មា៉ល់។ មធ្យម និងគមា្លតស្តង់ដាលំហគំរូគឺ x̄ = 4.8 និង s = 1.3 េរៀងគា្ន។
ិ ម្ម H0 : µ = 6 នង
ិ H1 : µ < 6 េដាយេ្របី α = 0.05
(b) េតស្តសម្មតិកម្ម H0 : µ = 6 និង H1 : µ , 6 េដាយេ្របី α = 0.05
់ េយង ី កំពុងែតេធ្វីេតស្តសម្មតិកម្មស្រមាប់លំហគំរៃូ ចដន្យៃនមនុស្ស 25 នាក់ចំេពាះ H0 : µ =
85 នង
ិ H1 : µ > 85។ គមា្លតស្តងដា់ សាកលគម ឺ ន
ិ សា្គល់ នង
ិ លទ្ធផលតៃម្ល p ៃនេតស្តគឺ p = 0.0292។
(a) េផ្ទ�ងផា្ទត់ថាេហតុអីេ្វ តស្ត t គឺសមរម្យស្រមាប់េធ្វីេតស្តសម្មតិកម្មេនះ
(b) េធ្វីការសន្និដា្ឋនសម្រសបស្រមាប់េតស្តេនះេដាយេ្របីក្រមិតចាំបាច់ α = 0.05

(c) កំនត់តៃម្ល p េបីេតស្តេនះជាេតស្តសងខាង H1 : µ , 85 នង
ិ េធ្វកា
ិ ្ឋ នេដាយេ្របីក្រមត
ិ
ចាំបាច់ α = 0.05
298
3. លំហគំរូៃចដន្យែដលមានទំហំ n ្រត�វបានយកេចញពសា
ី កលនរមា៉ល់េដីម្បេី ធ្វេី តស្តសម្មតក
ិ ម្ម H0 :
µ = 10។ កំនត់ែដនបដិេសដស្រមាប់ករណីនីមួយៗខាងេ្រកាម
(a) H1 : µ , 10; α = 0.05; n = 14

(b) H1 : µ > 10; α = 0.01; n = 24
(c) H1 : µ > 10; α = 0.10; n = 9
(d) H1 : µ < 10; α = 0.01; n = 12
(e) H1 : µ , 10; α = 0.10; n = 20
(f) H1 : µ < 10; α = 0.05; n = 4
័
4. របាយការណ៍មួយអះអាងថាចំនួនេមា៉ងជាមធ្យមែដលយុវវយេគងេនយប់ ៃថ្ងសុ្រកដល់្រពឹកៃថ្ងេសរ ៍
គឺ 7.2 េមា៉ង។ អ្នក្រសាវ្រជាវគត
ិ ថានស
ិ ្សត
ិ មហាវ ិទយល័យមន
ិ េគងក្នុងរយៈេពល 7.2 េមា៉ងជាមធ្យម
េនាះេទ។ អ្នក្រសាវ្រជាវេ្រជីសេរសន
ី ិស្សត
ិ 15 នាក់ េដាយៃចដន្យេហយ ី រកេឃញ ី ថាពួកេគជាមធ្យម
េគង 8.3 េមា៉ង។ គមា្លតស្តង់ដាលំហគំរូគឺ 1.2 េមា៉ង។ េនក្រមិតចាំបាច់ α = 0.05 េតីមានភស្តុតាង
្រគប់្រគាន់ េដីម្បីសន្នដា
ិ ្ឋ នថានស
ិ ្សត
ិ មន
ិ េគង 7.2 េមា៉ងជាមធ្យម?សន្មត់ ថា អេថរមានបំ ែនងែចកនរ
មា៉ល់។
5. អ្នក្រសាវ្រជាវេវជ្ជសា�ស្តរកេឃញ
ី ថាមនុស្សែដលេ្របថា
ី ្ន ំអាស្ពរី នេ្រប
ី ជា
ី មធ្យម 8.6 ្រគាប់កុ ងមួ
្ន យសបា្តហ៍។
េវជ្ជបណិ្ឌ តមា្នក់ ចង់ ដឹង ថាេតី គាត់ អាចបន្ថយ ចំនួន ថា្ន ្រំ គាប់ ែដលមនុស្សមា្នក់ េ្របី្របាស់ តាមរយៈការ
អនុ វត្តេយាហា្កពីរដងក្នុងមួយសបា្តហ៍។ លំហគំរូៃចដន្យៃនមនុស្ស 12 នាក់ែដលេ្របីថា្នអា
ំ ស្ពីរន្រត�
ី វ
បានបេ្រងៀនេយាហា្កនង
ិ បនា្ទប់ពរី យៈេពល 12 សបា្តហ៍េវជ្ជបណិ្ឌ តរកេឃញ
ី ថាពួកេគេ្រប្រី បាស់ចំនួន
ថា្ន្រំ គាប់កុ ងមួ
្ន យសបា្តហ៍ដូចខាងេ្រកាម
7 4 6 8 9 9 5 6 2 7 10 9
េនក្រមិតចាំបាច់ α = 0.10 េតីមានភស្តុតាង្រគប់្រគាន់េដីម្បគា

ី ្រំ ទការអះអាងែដលថាចំនួនថា្ន្រំ គាប់
អាស្ពីរន្រត�
ី វបានកាត់បន្ថយ? សន្មត់ថាអេថរមានបំែនងែចកនរមា៉ល់។
10.4 េតស្តសម្មតិកម្មលហ
ំ គំរ ូមួយស្រមាប់សមាមា្រត
• េតស្តសម្មតក
ិ ម្មពាក់ព័នន
្ធ ង
ឹ សមាមា្រតសាកលអាចចាត់ទុកជាពេិ សាធន៍េទ្វធា ែដលមានលទ្ធផលែត
ិ ្រប�បាប៊ីលេី តៃនេជាគជ័យ p គឺមន
ពរី នង ិ ែ្រប្រប�លពីពេិ សាធន៍មួយេទពេិ សាធន៍មួយេទៀត។ ចំេពាះ
p
បំែនងែចកេទ្វធាមធ្យមេស្មីនឹង µ = np និងគមា្លតស្តង់ដា σ = np(1 − p) ។
• តាម្រទស
ឹ ីប
្ត ទលម
ី ត
ី ផ្ចិតបំែនងែចកនរមា៉ល់អាច្រត�វបានេ្របេី ដីម្បបា
ី ៉ ន់សា្មនបំែនងែចកេទ្វធាេពលែដល
np ≥ 5 និង n(1 − p) ≥ 5។
• អ្នកបា៉ន់សា្មន p̂ = Xn ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន p មានន័យថា E[ p̂] = p និងគមា្លតស្តង់ដា

p p
σ p̂ = p(1 − p)/n។ េនេពលែដល H0 : p = p0 ពត ិ េនាះ E[ p̂] = p0 នង
ិ σ p̂ = p0 (1 − p0 )/n
• ដូេច្នះេយង
ី េ្របីេតស្ត z ស្រមាប់សមាមា្រតសាកល។
299
េដីម្បេី ធ្វេី តស្តសម្មតក
ិ ម្ម H0 : p = p0 េយង
ី េ្របេី តស្តសត
ិ្ថ ិ
p̂ − p0
Z= p
p0 (1 − p0 ))/n
រូបមន្តេតស្ត z ស្រមាប់សមាមា្រតសាកលគឺ
p̂ − p0
z= p
p0 (1 − p0 )/n
ែដល
• p̂ = x
n
: សមាមា្រតលំហគំរូ
• p0 : សមាមា្រតសាកលេ្រកាមសម្មតិកម្ម H0
• n : ទំហល
ចំេពាះលំហគំរូៃចដន្យែដលមានទំហំ n យកេចញពីសាកល សន្មត់ថា
1. លក្ខខណ្ឌៃនពិេសាធន៍េទ្វធា្រត�វបានេផ្ទ�ងផា្ទត់
2. np0 ≥ 5 នង
ិ n(1 − p0 ) ≥ 5
េតស្តសម្មតិកម្មស្រមាប់ p េនក្រមិតចាំបាច់ α
H0 : p = p0
H1 : p > p0 , p < p0 , p , p0
p̂ − p0
TS : z = p
p0 (1 − p0 )/n
RR : Z ≥ zα , Z ≤ −zα , |Z| ≥ zα/2
េតស្តសម្មតិកម្មស្រមាប់ p េនក្រមិតចាំបាច់ α
H0 : p = p0
H1 : p > p0 , p < p0 , p , p0
p̂ − p0
TS : z = p
p0 (1 − p0 )/n
p := P(Z ≥ z), P(Z ≤ z), 2P(Z ≥ |z|)
េបី α ជាក្រមិតចាំបាច់េនក្នុងេតស្តសម្មតិកម្មេនាះ
1. េបី p ≤ α បដិេសដសម្មតិកម្ម H0 .
2. េបី p > α មិនបដិេសដសម្មតិកម្ម H0 .
300
ឧទាហរណ៍ 10.4.1. អ្នក្រសាវ្រជាវអះអាងេដាយែផ្អកេទេលព
ី ត៌មានទទួលបានពម
ី ណ្ឌលគាំពារនង
ិ ្រគប់្រគង
ជម្ងឺ ថា 17% ៃនមនុស្សអាយុ ពី 2 − 19 ឆា្ន គ
ំ ឺ ធាត់ ខា្លង
ំ ។ េដីម្បីេតស្ត ការអះអាងេនះគាត់ េ្រជីសេរសមនុ
ី ស្ស
អាយុពី 2 − 19 ឆា្ន ំចំនួន 200 នាក់េដាយៃចដន្យេហយ ី រកេឃញ ី ថាមានចំនួន 42 នាក់គធាឺ ត់ខា្លងំ ។ េនក្រមត
ិ
ចាំបាច់ α = 0.05 េតីមានភស្តុតាង្រគប់្រគាន់េដីម្បប
ី ដិេសដការអះអាងេនះេទ?

ី មានលំហគំរៃូ ចដន្យៃនមនុស្សអាយុពី 2−19 ឆា្ន។
ំ មនុស្សមា្នក់ែដល្រត�វបានេ្រជីសេរស
ី
អាចជាមនុស្សធាត់ ខា្លង
ំ ឬ មន
ិ ធាត់ ខា្លង
ំ ។ សមាមា្រតែដលកំនត់ េដាយសម្មតក ិ ម្ម H0 គឺ p0 = 0.17 េនាះ
np0 = (200)(0.17) = 34 ≥ 5 និង n(1 − p0 ) = (200)(1 − 0.17) = 166 ≥ 5។ ដូចេនះលក្ខខណ្ឌេផ្សងៗ
្រត�វបានេផ្ទ�ងផា្ទត់។
H0 : p = 0.17 (ការអះអាង)
H1 : p , 0.17
ី មាន p̂ =
x
n
= 42
200
= 0.21 េនាះ
p̂ − p0 0.21 − 0.17
z= p = √ = 1.51
p0 (1 − p0 )/n (0.17)(0.83)/200
• ជហា
េដាយសារ α = 0.05 េហយ ី វាជាេតស្តសងខាងេនាះតៃម្លសំខាន់គឺ
−zα/2 = −1.96, zα/2 = 1.96
េដាយសារតៃម្លេតស្តសត
ិ្ថ ម
ិ ន
ិ ស្ថត
ិ េនក្នុងែដនបដិេសដ ដូចេនះេយង
ី មន
ិ ម្ម H0
ិ ្ឋ ន
េយង
ី មិនមានភស្តុតាង្រគប់្រគាន់េដីម្បប
ី ដិេសដការអះអាងែដលថា 17% ៃនមនុស្សអាយុ ពី 2 − 19
ឆា្នគ
ំ ធា
ឺ ត់ខា្លង
ំ ។
ឧទាហរណ៍ 10.4.2. របាយការណ៍មួយបានបងា្ហញថាសិស្ស 27 នាក់កុ ងចំ
្ន េណាម 267 នាក់េនក្នុងលំហ
គំរៃូ ចដន្យបានេ្រប្រី បាស់ទូរសព្ទេនក្នុងេពល្របលង។ េតេី យង
ិ ្ឋ នេនក្រមត
ិ ចាំបាច់ α = 0.01 ថា
េ្រចីនជាង 5% ៃនសិស្សទាំងអស់េ្របី្របាស់ទូរសព្ទេនក្នុងេពល្របលង?

ី មានលំហ គំរូ ៃចដន្យៃនសស
ិ ្ស។ សស
ិ ្សមា្នក់ ែដល្រត�វ បានេ្រជស
ី េរសអាចេ្រប
ី ្រី បាស់
ទូរសព្ទ េនក្នុងេពល្របលងឬ មិន េ្របី។ សមាមា្រតែដលកំនត់ េដាយសម្មតិកម្ម H0 គឺ p0 = 0.05 េនាះ
np0 = (267)(0.05) = 13.35 ≥ 5 និង n(1 − p0 ) = (267)(1 − 0.05) = 253.65 ≥ 5។ ដូចេនះលក្ខខណ្ឌ
េផ្សងៗ្រត�វបានេផ្ទ�ងផា្ទត់។
ិ ម្ម
H0 : p = 0.05
H1 : p > 0.05 (ការអះអាង)
301
ី មាន p̂ =
x
n
= 27
267
= 0.101 េនាះ
p̂ − p0 0.101 − 0.05
z= p = √ = 3.84
p0 (1 − p0 )/n (0.05)(0.95)/267
ំ នទ៣
េដាយសារវាជាេតស្តសងសា្តេំ នាះ
p = P(Z > 3.84) = 1 − P(Z ≤ 3.84) = 0.0001
េដាយសារ p = 0.0001 ≤ 0.01 = α ដូចេនះេយង
ិ ្ឋ ន
េយង
ី មានភស្តុតាង្រគប់្រគាន់េដីម្បស
ី ន្នដា
ិ ្ឋ នថាសមាមា្រតៃនសស
ិ ្សែដលេ្រប្រី បាស់ទូរសព្ទេពល្របលង
គេឺ ្រចីនជាង 5%។
លំហាត់ 10.4.1. 1. ស្រមាប់ទំហល

ំ ំហគំរេូ ទ្វធានិងតៃម្លសមាមា្រត p េនក្នុងសម្មតិកម្ម H0 ខាងេ្រកាម
កំនត់ថាេតទ
ី ំហល
ំ ំហគំរធ
ូ ្រំ គប់្រគាន់េដីម្បបា
ី ៉ ន់សា្មនេដាយនរមា៉ល់េដីម្បេី ធ្វេី តស្តសម្មតក
ិ ម្ម H0 : p = p0
(a) n = 900, p0 = 0.975

(b) n = 40, p0 = 0.75
(c) n = 125, p0 = 0.01
(d) n = 15, p0 = 0.75
(e) n = 12, p0 = 0.62
់ លំហគំរៃូ ចដន្យែដលមានទំហំ 100 ្រត�វបានយកេចញពីសាកលេទ្វធាែដលផ្តលត
់ ៃម្ល p̂ = 0.63
និងេយងី ចង់េធ្វីេតស្តសម្មតិកម្ម H0 : p = 0.70 និង H1 : p < 0.70។
(a) េតត
ី ៃម្ល p̂ = 0.63 ហាក់ដូចជាផ្ទុយនង
ឹ សម្មតក
ិ ម្ម H0 ?
(b) េធ្វេី តស្តសម្មតក

ិ ម្មេដាយេ្របក
ី ្រមត
ិ ចាំបាច់ α = 0.05។ ចូរបក្រសាយលទ្ធផល។
3. េតស្តសងខាង្រត�វបានេធ្វីេឡង
ី េដាយ H0 : p = 0.69 និង H1 : p , 0.69 ចំេពាះលំហគំរៃូ ចដន្យទំហំ
150 ។ លទ្ធផលេតស្តគឺ z = −0.98 នងិ តៃម្ល p = 0.327
(a) កំនត់លក្ខខណ្ឌចាំបាច់ស្រមាប់េតស្តសម្មតិកម្មេនះ
(b) េតីតៃម្ល p ែ្រប្រប�លយា៉ងណាេបីសម្មតិកម្ម H1 : p < 0.69 េនក្រមិតចាំបាច់ α = 0.05?
4. អត្ថបទទស្សនាវដ្តម
ី ួយបងា្ហញថា 11% ៃនយុវវយទ័ ិញអាហារ្រសាប់េរៀងរាល់ៃថ្ង។ មា្ចស់េភាជនីយដា្ឋន
អាហារ្រសាប់ ស្ទង់មតិ អតិថិជន 200 នាក់ និង រកេឃញ
ី ថា 32 និយាយថាពួកេគទិញ អាហារ្រសាប់
េរៀងរាល់ៃថ្ង។ េនក្រមត
ិ ចាំបាច់ α = 0.02 េតមា
ី នភស្តុតាង្រគប់្រគាន់កុ ងការេជឿការអះអាងៃនអត្ថ
្ន បទ
ឬេទ? េតីការអះអាងនឹង្រត�វបានបដិេសដេនក្រមិតចាំបាច់ α = 0.05 ែដរឬេទ?
302
5. ការស្ទង់មតទ
ិ ូទាង ័
ំ ្របេទសៃនយុវវយែដលេធ្វ
កា
ី របញ្ជក់ថាមានែត 50% ៃនពួកេគេពញចត
ិ ន
្ត ង
ឹ ការងារ
របស់ ពួកេគ។ ្របធាន្រក�មហ៊ុន ធំ មួយ េជឿថាេ្រចន
ី ជាង 50% ៃនបុគ្គលក
ិ ្រក�មហ៊ុន ខ្លួនេពញចត
ិ ្ត នង
ឹ
ការងាររបស់ ពួកេគ។ េដីម្បី េធ្វីេតស្ត គាត់ ស្ទង់មតិ លំហ គំរូ ៃចដន្យែដលមានបុគ្គលិក 100 នាក់ និង
មាន 54 នាក់ៃនពួកេគេពញចត ិ ន ្ត ង
ឹ ការងាររបស់ពួកេគ។ េតគា ី ត់អាចសន្នដា
ិ ្ឋ នថាេ្រចន
ី ជាង 50% ៃន
បុគ្គលិកេន្រក�មហ៊ុនេពញចិត្តនឹងការងាររបស់ពួកេគ? េ្របីក្រមិតចាំបាច់ α = 0.05។
ំ គំរ ូមួយស្រមាប់វា៉ដ្យង់
េបី X1 , . . . , Xn ជាលំហគំរៃូ ចដន្យែដលមានទំហំ n ែដល្រត�វបានយកេចញពីសាកលមានបំែនងែចកនរមា៉ល់

ែដលមានមធ្យម µ និងវា៉ដ្យង់ σ2 ។ េយង ី បានបងា្ហញថា
E[S 2 ] = σ2
មានន័យថា S 2 ជាអ្នកបា៉ន់សា្មនមនិ លេម្អ�ងៃន σ នង

2
ិ
Pn
i=1 (Xi − X̄) (n − 1)S 2
2
= ∼ χ2 (n − 1)
σ 2 σ 2
ិ ម្មស្រមាប់វា៉ដ្យង់នង
េដីម្បេី ធ្វេី តស្តសម្មតក ិ គមា្លតស្តង់ដាសាកលេយង
ី េ្របស
ី ត
ិ្ថ ិ
(n − 1)S 2
χ2 := ∼ χ2 (n − 1)
σ 2
លក្ខណៈ 10.5.1 (លក្ខណៈៃនបំែនងែចក χ2 ). 1. តៃម្លៃន χ2 គឺធំជាងឬេស្មីនឹង 0
2. បំែនងែចក χ2 គឺជា្រគ�សារៃនែខ្សេកាងអា្រស័យនឹងដឺេ្រកេសរ ី
3. ្រកលាៃផ្ទេនេ្រកាមែខ្សេកាង χ2 នម
ី ងឹ 1
4. បំែនងែចក χ2 េទរេនខាងសា្ត ំ
េដីម្បេី ធ្វីេតស្តសម្មតិកម្ម H0 : σ2 = σ20 េយង

្ថ ិ
(n − 1)S 2
χ2 := ∼ χ2 (n − 1)
σ20
រូបមន្តេតស្ត χ2 ស្រមាប់វា៉ដ្យង់គឺ
(n − 1)s2
χ2 = , d.f. = n − 1
σ20
ែដល
303
• s2 : វា៉ដ្យង់លំហគំរូ
• σ20 : វា៉ដ្យង់សាកលេ្រកាមសម្មតិកម្ម H0
• n : ទំហល
ចំេពាះលំហគំរៃូ ចដន្យែដលមានទំហំ n យកេចញពសា

ី កលនរមា៉ល់។ េតស្តសម្មតក
ិ ម្មស្រមាប់ σ ឬ σ េន
2
ក្រមិតចាំបាច់ α
H0 : σ2 = σ20
H1 : σ2 > σ20 , σ2 < σ20 , σ2 , σ20
(n − 1)s2
TS : χ2 = , d.f. = n − 1
σ20
RR : χ2 ≥ χ2α , χ2 ≤ χ21−α , χ2 ≥ χ2α/2 ឬ χ2 ≤ χ21−α/2
ំ ន់ χ2
េយង
ី េ្របីតារាងបំែនងែចក χ [េមីលេសចក្តីបែន្ថមក្នុង ១] េដីម្បរី ក្រកលាៃផ្ទេនេ្រកាមែខ្សេកាង χ ។
2 2
1. រកតៃម្លសំខាន់ χ2 ចំេពាះ α ជាក់លាក់ណាមួយេនេពលែដលេតស្តសម្មតិកម្មជាេតស្តខាងសា្ត ំ
2. រកតៃម្លសំខាន់ χ2 ចំេពាះ α ជាក់លាក់ណាមួយេនេពលែដលេតស្តសម្មតក

ិ ម្មជាេតស្តខាងេឆ្វង
3. រកតៃម្លសំខាន់ χ2 ចំេពាះ α ជាក់លាក់ណាមួយេនេពលែដលេតស្តសម្មតក

ិ ម្មជាេតស្តសងខាង
តារាងបំែនងែចក χ2 ផ្តល់នូវ្រកលាៃផ្ទេទខាងសា្តៃំ ដៃនតៃម្លសំខាន់ ដូចេនះេបី
• វាជាេតស្តខាងសា្ត ំ េយង
ី េ្រប្រី កលាៃផ្ទែដល្រត�វនង
ឹ α ចំេពាះដឺេ្រកេសរជាក់
ី លាក់ណាមួយ
• វាជាេតស្តខាងេឆ្វង េយង
ី េ្របី្រកលាៃផ្ទែដល្រត�វនឹង 1 − α ចំេពាះដឺេ្រកេសរជាក់
ី លាក់ណាមួយ
• វាជាេតស្តសងខាង េយង
ី េ្រប្រី កលាៃផ្ទែដល្រត�វនង
ឹ α/2 ចំេពាះដឺេ្រកេសរជាក់
ី លាក់ណាមួយស្រមាប់
តៃម្លសំខាន់ខាងសា្ត ំ និង្រកលាៃផ្ទែដល្រត�វនឹង 1 − α/2 ចំេពាះដឺេ្រកេសរជាក់
ី លាក់ណាមួយស្រមាប់
តៃម្លសំខាន់ខាងេឆ្វង
ឧទាហរណ៍ 10.5.1. រកតៃម្លសំខាន់ χ2 ស្រមាប់ដឺេ្រកេសរ ី 15 េពលែដល α = 0.05 និងវាជាេតស្តខាងសា្ត។

ំ
ចេម្លើយ. េ្របីតារាងបំែនងែចក χ2
α
d.f. 0.995 0.99 0.975 0.95 0.90 0.10 0.05 0.025 0.01 0.005
1
..
.
15 24.996
..
.
304
តាមតារាងេយង
ី បាន
χ2α = χ20.05 = 24.996
ឧទាហរណ៍ 10.5.2. រកតៃម្លសំខាន់ χ2 ស្រមាប់ដឺេ្រកេសរ ី 10 េពលែដល α = 0.05 និងវាជាេតស្តខាងេឆ្វង។
ី រាងបំែនងែចក χ
2
α
d.f. 0.995 0.99 0.975 0.95 0.90 0.10 0.05 0.025 0.01 0.005
1
..
.
10 3.940
..
.
ី បាន
χ21−α = χ20.95 = 3.940
ឧទាហរណ៍ 10.5.3. រកតៃម្លសំខាន់ χ2 ស្រមាប់ដឺេ្រកេសរ ី 22 េពលែដល α = 0.05 និងវាជាេតស្តសងខាង។
α
d.f. 0.995 0.99 0.975 0.95 0.90 0.10 0.05 0.025 0.01 0.005
1
..
.
22 10.982 36.781
..
.
ី បាន
χ21−α/2 = χ20.975 = 10.982 នង

ិ χα/2 = χ0.025 = 36.781
2 2
ឧទាហរណ៍ 10.5.4. អ្នក ចិត្តសា�ស្ត ចង់ ដឹង ថាេតី វា៉ ដ្យង់ ៃន IQ អ្នក ជម្ងឺ 10 នាក់ ែដលគាត់ កំពុង ្របឹក�គឺ
ិ ជាងវា៉ ដ្យង់ សាកលែដលេស្មន

តច ី ងឹ 225 ឬអត់។ វា៉ ដ្យង់ ៃន IQ អ្នក ជម្ងឺ របស់ គាត់ 10 នាក់ គឺ 206។ េតស្ត
សម្មតិកម្មរបស់គាត់េនក្រមិតចាំបាច់ α = 0.05។ សន្មត់ថាអេថរមានបំែនងែចកនរមា៉ល់។
ិ ម្ម
H0 : σ2 = 225
H1 : σ2 < 225 (ការអះអាង)
ិ្ថ ិ
(n − 1)s2 (10 − 1)(206)

χ2 = = = 8.24
σ20 225
• ជហា
េដាយសារ α = 0.05, d.f. = n − 1 = 9 េហយ
ី វាជាេតស្តខាងេឆ្វងេនាះតៃម្លសំខាន់គឺ
χ21−α = χ20.95 = 3.325
305
ិ ្ត
េដាយសារតៃម្លេតស្តសិត
្ថ ិ 8.24 មិនស្ថិតេនក្នុងែដនបដេិ សដដូចេនះេយង
ី មិនបដេិ សដសម្មតិកម្ម H0
ី មិន មានភស្តុតាង្រគប់្រគាន់ េដីម្បីគា្រំ ទការអះអាងែដលថាវា៉ ដ្យង់ ៃន IQ អ្នក ជម្ងឺ របស់ គាត់ 10
េយង
នាក់គឺតិចជាង 225។
់ ៃនចំនួនមនុស្សែដលេ្រប្រី បាស់េសវាវះកាត់
ឧទាហរណ៍ 10.5.5. រដ្ឋបាលមន្ទរី េពទ្យមួយេជឿថាគមា្លតស្តងដា
ក្នុងមួយៃថ្ងគេឺ ្រចីនជាង 8 ។ លំហគំរៃូ ចដន្យៃន 15 ៃថ្ង្រត�វបានេ្រជីសេរសរួ
ី ចទិន្នន័យមានបងា្ហញដូចខាងេ្រកាម
25 30 5 15 18
42 16 9 10 12
12 38 8 14 27
ចំេពាះ α = 0.10 េតមា

ី នភស្តុតាង្រគប់្រគាន់េដម
ី ្បគា
ី ្រំ ទការអះអាងរបស់រដ្ឋបាលមន្ទរី េពទ្យឬេទ? សន្មតថា
់
អេថរមានបំែនងែចកនរមា៉ល់។
H0 : σ = 8
H1 : σ > 8 (ការអះអាង)
្ថ ិ
េយងី មាន Pn P
n i=1 xi2 − ni=1 xi 2
s =2
= 125.44
n(n − 1)
េនាះ
(n − 1)s2 (15 − 1)(125.44)
χ2 = = = 27.44
σ20 64
• ជហា
េដាយសារ α = 0.10, d.f. = n − 1 = 14 េហយ
ី វាជាេតស្តខាងសា្តេំ នាះតៃម្លសំខាន់គឺ
χ2α = χ20.10 = 21.064
ិ្ថ ិ 27.44 ស្ថត
ិ េនក្នុងែដនបដិេសដ ដូចេនះេយង
ិ ម្ម H0
េយង ី ្រំ ទការអះអាងែដលថាគមា្លតស្តង់ដាគេឺ ្រចន
ី មានភស្តុតាង្រគប់្រគាន់េដីម្បគា ី ជាង 8។
ឧទាហរណ៍ 10.5.6. អ្នកផលត ី េ់ ធ្វេី តស្តការអះអាងថាវា៉ដ្យងៃ់ នបរមាណន

ិ បារចង ិ ក
ី ូទន
ី េនក្នុងបាររបស់
ី ខួ ន
្ល
គឺ 0.644។ បរមាណន
ិ ីកូទីន្រត�វបានវាស់ជាមីលី្រកាមេហយ ី សន្មត់ថាវាមានបំែនងែចកនរមា៉ល់។ លំហគំរូ
ៃចដន្យៃនបារ ី 20 េដីម ែដលមានគមា្លតស្តងដា ់ 1 មល ី ្រី កាម។ ចំេពាះ α = 0.05 េតមា
ី នភស្តុតាង្រគប់្រគាន់
េដីម្បប
ី ដេិ សដការអះអាងរបស់អ្នកផលិតឬេទ?
306
ិ ម្ម
H0 : σ2 = 0.644 (ការអះអាង)
H1 : σ2 , 0.644
្ថ ិ
(n − 1)s2 (20 − 1)(1)2
χ2 = = = 29.5
σ20 0.644
• ជហា
េដាយសារ α = 0.05, d.f. = n − 1 = 19 េហយ
ី វាជាេតស្តសងខាងេនាះតៃម្លសំខាន់គឺ
χ21−α/2 = χ20.975 = 8.907, χ2α/2 = χ20.025 = 32.852
ិ ្ត
្ថ ិ 29.5 មិនស្ថិតេនក្នុងែដនបដេិ សដដូចេនះេយង
ី មិនបដេិ សដសម្មតិកម្ម H0
ិ ្ឋ ន
េយង
ី មន ី ដេិ សដការអះអាងែដលថាវា៉ដ្យងៃ់ នបរមាណន
ិ មានភស្តុតាង្រគប់្រគាន់េដីម្បប ិ ក
ី ូ ទន
ី ក្នុងបារ ី
គេឺ ស្មន
ី ងឹ 0.644។
H0 : σ2 = σ20
H1 : σ2 > σ20 , σ2 < σ20 , σ2 , σ20
(n − 1)s2
TS : χ2∗ = , d.f. = n − 1.
σ2
H1 p
H1 : σ2 > σ20 p = P(χ2 ≥ χ2∗ )
H1 : σ2 < σ20 p = P(χ2 ≤ χ∗2 )
H1 : σ2 , σ20 p = 2P(χ2 ≥ χ2∗ ) េបី χ2∗ េនខាងសា្តៃំ នបំែនងែចក
p = 2P(χ2 ≤ χ2∗ ) េបី χ2∗ េនខាងេឆ្វងៃនបំែនងែចក
ឧទាហរណ៍ 10.5.7. រកតៃម្ល p េពលែដល χ2∗ = 19.274, n = 8 េហយ

ី វាជាេតស្តខាងសា្ត។
ំ
α
d.f. 0.995 0.99 0.975 0.95 0.90 0.10 0.05 0.025 0.01 0.005
1
..
.
7 18.475 20.278
..
.
307
េយង
ី មាន 18.475 < 19.274 < 20.278 េនាះតាមតារាង χ េយង
2
ី បាន
0.005 < p < 0.01
ឧទាហរណ៍ 10.5.8. រកតៃម្ល p េពលែដល χ2∗ = 3.823, n = 13 េហយ

ី វាជាេតស្តខាងេឆ្វង។
ី រាងបំែនងែចក χ
2
α
d.f. 0.995 0.99 0.975 0.95 0.90 0.10 0.05 0.025 0.01 0.005
1
..
.
12 3.571 4.404
..
.
េយង
ី មាន 3.571 < 3.823 < 4.404 េនក្នុងតារាង χ ែដលមាន d.f.= 12 េយង
2
ី រកេឃញ
ី ថាតៃម្លែដល្រត�វ
នឹង 3.571 និង 4.404 គឺ 0.99 និង 0.975 េរៀងគា្ន។ េនេពលែដលតៃម្លេតស្ត χ2 ស្ថិតេនខាងេឆ្វងៃនបំែនង
ែចកេយង ី យក 1 ដកតៃម្លនីមួយៗេដីម្បទ ី ទួលបានចេនា្លះែដលផ្ទុកតៃម្ល p មានន័យថា
1 − 0.99 = 0.01 នង
ិ 1 − 0.975 = 0.025
ដូចេនះតៃម្ល p េនចេនា្លះ
0.01 < p < 0.025
សមា្គល់ 10.5.1. េនេពលែដលវាជាេតស្ត សងខាងេយង
ី គុណ ចេនា្លះេនាះនង
ឹ 2 ។ េនក្នុងឧទាហរណ៍
ខាងេលេី បវា
ី ជាេតស្តសងខាងេនាះតៃម្ល p គឺ
2(0.01) < p < 2(0.025) ឬ 0.02 < p < 0.05
ឧទាហរណ៍ 10.5.9. អ្នក្រសាវ្រជាវដឹងពកា

ី រសក
ិ �ពម ់ ៃនរយៈេពលចំណាយេដីម្ប្រត�
ី ុនថាគមា្លតស្តងដា ី តពន
ិ ត
ិ ្យ
រថយន្តគឺ 16.8 នាទី។ លំហគំរៃូ នរថយន្ត 24 េ្រគឿង្រត�វបានេ្រជីសេរសេដាយៃចដន្យន
ី ិង្រត�តពិនិត្យ។ គមា្លត
់ ៃនលំហគំរគ
ស្តងដា ូ ឺ 12.5 នាទី។ ចំេពាះ α = 0.05 េតេី យង ់ ែ្រប្រប�លឬអត់?
ី អាចសន្និដា្ឋនថាគមា្លតស្តងដា
េ្របវី ិធសា
ី �ស្តតៃម្ល p។ សន្មត់ថាអេថរមានបំែនងែចកនរមា៉ល់។
H0 : σ = 16.8, H1 : σ , 16.8 (ការអះអាង)
្ថ ិ
(n − 1)s2 (24 − 1)(12.5)2
χ2 = = = 12.733
σ20 (16.8)2
តាមតារាង χ2 ែដលមាន d.f.= n − 1 = 23 េយង
ី មាន 12.733 េនចេនា្លះ 11.689 នង
ិ 13.091 ែដល
្រត�វនឹង 0.975 និង 0.95 េរៀងគា្ន។ េដាយសារតៃម្លេនះេនខាងេឆ្វងៃនបំែនងែចកេនាះេយង
ី យក 1 ដក
តៃម្លនម
ី ួយៗេដីម្បទ
ី ទួលបានចេនា្លះែដលផ្ទុកតៃម្ល p មានន័យថា 1−0.975 = 0.025 និង 1−0.95 =
0.05 និងេដាយសារវាជាេតស្តសងខាង ដូចេនះតៃម្ល p េនចេនា្លះ
2(0.025) 0.05 = α ដូចេនះេយង
ី មិនបដិេសដសម្មតិកម្ម H0
េយង
ី មន
ិ មានភស្តុតាង្រគប់្រគាន់េដម ី ្រំ ទការអះអាងែដលថាគមា្លតស្តង់ដាៃនេពលេវលាចំណាយ
ី ្បគា
េលីការពិនិត្យរថយន្តែ្រប្រប�ល។
លំហាត់ 10.5.1. 1. លំហគំរៃូ ចដន្យទំហំ n ្រត�វបានេ្រជីសេចញពសា
ី កលនរមា៉ល់េដីម្បេធ្វ
ី ីេតស្តសម្មតិកម្ម
H0 : σ = 25 ។ កំនត់ែដនបដិេសដេនក្នុងករណីនម
2
ី ួយៗខាងេ្រកាម
(a) H1 : σ2 , 25; α = 0.05; n = 16

(b) H1 : σ2 > 25; α = 0.01; n = 23
(c) H1 : σ2 > 25; α = 0.10; n = 15
(d) H1 : σ2 < 25; α = 0.01; n = 13
(e) H1 : σ2 , 25; α = 0.10; n = 7
(f) H1 : σ2 < 25; α = 0.05; n = 25
2. លំហគំរូៃចដន្យទំហំ 7 ែដលផ្តល់នូវ x̄ = 9.4 នង

ិ s = 4.84
2
(a) េតីការសន្មត់អីែ្វ ដលចាំបាច់ស្រមាប់ការេធ្វីេតស្តសម្មតិកម្មអំពី σ2 ?

(b) េបកា
ី រសន្មតេ់ នក្នុងែផ្នក (ក) ្រត�វបានបំេពញ េតស្តសម្មតិកម្ម H0 : σ = 1 និង H1 : σ > 1
2 2
េនក្រមិតចាំបាច់ α = 0.05
(c) េតស្តសម្មតក
ិ ម្ម H0 : σ = 1 នង
2
ិ H1 : σ , 1 េនក្រមត
2
ិ ចាំបាច់ α = 0.05
3. លំហគំរូៃចដន្យទំហំ n = 100 ែដលផ្តល់នូវ x̄ = 9.4 នង

ិ s = 4.84
2
ិ ម្ម H0 : σ = 1 នង
2
ិ H1 : σ > 1 េនក្រមត
2
(b) េ្របៀបេធៀបលទ្ធផលេតស្តេទនង
ឹ លំហាត់ ២
4. បរមាណវ
ិ ីតាមន
ី C គត
ិ ជាមល
ី ្រី កាមស្រមាប់ែផ្លេឈន
ី ង
ិ បែន្លេផ្សងៗ 100 ្រកាមែដល្រត�វបានេ្រជស
ី េរស
ី
េដាយៃចដន្យមានបងា្ហញដូចខាងេ្រកាម
7.9 16.3 12.8 13.0 32.2 28.1 34.4

46.4 53.0 15.4 18.2 25.0 5.2
ចំេពាះ α = 0.10 េតីមានភស្តុតាងេដីម្បស ់ ខុសពី 12 មល

ី ន្និដា្ឋនថាគមា្លតស្តងដា ី ្រី កាម? សន្មតថា
់ វា
មានបំែនងែចកនរមា៉ល់។
5. ពិនុ ្ទេលីេតស្ត IQ មានបំែនងែចកនរមា៉ល់។ លំហគំរូៃនពិនុ ្ទ IQ ចំនួន 25 មានគមា្លតស្តង់ដា s = 8។

អ្នកបេង្កត ់ សាកលគឺ σ = 15។ េតមា
ី េតស្តអះអាងថាគមា្លតស្តងដា ី នភស្តុតាង្រគប់្រគាន់េដម
ី ្បប
ី ដេិ ស
ដការអះអាងេនះឬេទេនក្រមិតចាំបាច់ α = 0.05 ?
309
310
េតស្តសម្មតិកម្មលហ
ំ គំរ ូពីរ
ី ព្រងីកគំនិតៃនការេធ្វីេតស្តសម្មតិកម្មស្រមាប់សាកលពីរដូចជា៖ េតស្តសម្មតិកម្មស្រមាប់
មធ្យមពរី ចំេពាះលំហគំរម ិ អា្រស័យគា្នករណីសា្គល់វា៉ដ្យង់ េតស្តសម្មតក
ូ ន ិ ម្មស្រមាប់មធ្យមពរី ចំេពាះលំហគំរូ
មិន អា្រស័យ គា្ន ករណី មិន សា្គល់ វា៉ ដ្យង់ េតស្ត សម្មតិកម្ម ស្រមាប់ មធ្យមពីរ ចំេពាះលំហ គំរូ អា្រស័យ គា្ន េតស្ត
សម្មតកិ ម្ម ស្រមាប់ សមាមា្រតពរី េតស្ត សម្មតក ិ ម្ម ស្រមាប់ វា៉ ដ្យង់ ពរី នង
ិ វ ិភាគវា៉ ដ្យង់ អេថរមន
ិ អា្រស័យ មួយ
ស្រមាប់ េតស្ត មធ្យមេ្រចន
ី ។ េនក្នុងន័យ េនះេយង
ី េ្រជីស យកលំហ គំរូ ៃចដន្យេចញពី សាកលេផ្សងគា្ន េដីម្បី
កំនត់ថាេតីមធ្យមសាកលេស្មីគា្នឬអត់។ បញ្ហមួយចំនួនែដលេយង ី អាចចង់េធ្វីេតស្តគឺ
1. អាយុកាលជាមធ្យមៃនសំបកកង់រថយន្ត្រក�ងពីរ្របេភទេផ្សងគា្នអាច្រត�វបានេ្របៀបេធៀបេដីម្បព
ី ិនិត្យ
ថាេតមា ់
ី នភាពខុសគា្នៃន្រកលាកង។
2. ជព
ី រី ្របេភទេផ្សងគា្នអាច្រត�វបានេធ្វេី តស្តេដីម្បព
ី ន
ិ ត
ិ ្យថាេតម
ី ួយ្របេភទគ្រឺ បេសរី ជាងមួយ្របេភទេទៀត
ក្នុងការដាំដុះ។
3. ទូរកា្លេសពរី ្របេភទេផ្សងគា្នអាច្រត�វបានេធ្វេី តស្តពភា

ី ពខុសគា្នៃនបរមាណអគ្គ
ិ ស
ី នេី ្រប្រី បាស់ជាមធ្យម។
4. សុី រូ ក
៉ ្អក ពរី ្របេភទអាច្រត�វ បានេធ្វេី តស្ត េដម
ី ្បី ពន
ិ ត
ិ ្យថាេតី ្របេភទមួយ មាន្របសទ
ិ ្ធភាពជាង្របេភទ
មួយេទៀត។
ដំេណីរការដូចគា្នែដល្រត�វបានេ្របស
ី ្រមាប់បា៉ន់សា្មនបា៉រា៉ ែម៉្រត និងេតស្តសម្មតិកម្មលំហគំរម
ូ ួយអាច្រត�វ
បានែកស្រម�លេដីម្បស ី ិក�អំពីសាកលពីរ។ ដូចេនក្នុងជំពូកមុនែដរវ ិធីសា�ស្តែដលេ្របីគឺអា្រស័យនឹងទំហំ
លំហគំរូនិងបា៉រា៉ ែម៉្រតៃនការសិក�។
បា៉រា៉ ែម៉្រត អត្ថន័យ
µ1 − µ2 ផលដកៃនមធ្យម
p1 − p2 ផលដកៃនសមាមា្រត
σ21 /σ22 ផលេធៀបៃនវា៉ដ្យង់
ំ គំរ ូពីរស្រមាប់មធ្យមៈលំហគំរ ូមិនអា្រស័យគា្ន
ករណីសា្គល់ σ21 , σ22
់ េយង ី មានសាកលពរី ែដលសាកលទម ី ួយមានមធ្យម µ1 នងិ វា៉ដ្យង់ σ1 នង
ិ សាកលទព
ី រី មានមធ្យម
2
µ2 និងវា៉ដ្យង់ σ22 ។ តាង X̄1 ជាមធ្យមៃនលំហ គំរូែដលមានទំហំ n1 េ្រជីសេចញពីសាកលទីមួយ និង X̄2
311
ជាមធ្យមៃនលំហគំរូែដលមានទំហំ n2 េ្រជីសេចញពីសាកលទព ី រី ែដលមន ិ អា្រស័យគា្ននង
ឹ លំហគំរូេចញពី
សាកលទីមួយ។ សំនួរ ែដលេយងី ចាប់អារម្មណ៍ គឺ េតីមានភាពខុសគា្ន រវាងមធ្យមៃនសាកលទាំងពីរ ឬេទ?
េនក្នុងែផ្នក េនះេយង
ី នង
ឹ េធ្វេី តស្ត សម្មតក
ិ ម្ម ៃនភាពខុសគា្ន រវាង µ1 នង
ិ µ2 មានន័យថាេយង
ី នង
ឹ េធ្វេី តស្ត
សម្មតិកម្មែដលមានទ្រមង់
H0 : µ1 = µ2 , H1 : µ1 , µ2
ឬ
H0 : µ1 − µ2 = 0, H1 : µ1 − µ2 , 0
តាម្រទឹ សី្ត លីមីត ផ្ចិត (Central Limit Theorem (CLT)) ចំេពាះ n1 , n2 ធំលម
្ម (អាចយក n1 , n2 ≥ 30
)េយងី មាន
! !
σ21 σ22
X̄1 ∼ N µ1 , , X̄2 ∼ N µ2 , ,
n1 n2
េដាយសារ X̄1 នង
ិ X̄2 មន
ិ អា្រស័យគា្នេនាះ
!
σ21 σ22
X̄1 − X̄2 ∼ N µ1 − µ2 , + .
n1 n2
េ្រពាះវាជាបន្សំលីេនែអ៊រៃនអេថរៃចដន្យនរមា៉ល់មិនអា្រស័យគា្ននិង
µX̄1 −X̄2 = µX̄1 − µX̄2 = µ1 − µ2

σ21 σ22
σ2X̄1 −X̄2 = σ2X̄1 + σ2X̄2 = +
n1 n2
ដូេច្នះចំេពាះ n1 , n2 ធំលម
្ម េយង
ី មាន
(X̄1 − X̄2 ) − (µ1 − µ2 )

Z= q 2 ∼ N(0, 1).
σ1 σ22
n1
+ n2
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ µ1 − µ2
តាមលក្ខណៈៃនបំែនងែចកនរមា៉ល់ស្តង់ដាេយង
ី មាន

P −zα/2 ≤ Z ≤< zα/2 = 1 − α
 
 
 (X̄1 − X̄2 ) − (µ1 − µ2 ) 
P −zα/2 ≤ q 2 ≤ z α/2   = 1 − α
 σ1 σ22 
n1
+ n2
 s s 
 σ 2
σ2
σ 2
σ 2 
P (X̄1 − X̄2 ) − zα/2 1
+ 2 ≤ µ1 − µ2 ≤ (X̄1 − X̄2 ) + zα/2 1
+ 2  = 1 − α
n1 n2 n1 n2
ដូចេនះ្រប�បាប៊ីលីេតែដលចេនា្លះៃចដន្យ
 s s 
 σ 2
σ 2
σ 2
σ2 
(X̄ − X̄ ) − z 1
+ 2 , (X̄1 − X̄2 ) + zα/2 1
+ 2 
 1 2 α/2
n1 n2 n1 n2
312
ផ្ទុកនូវ µ1 − µ2 គឺ 1 − α ។ វាជាចេនា្លះៃចដន្យេ្រពាះមានអេថរៃចដន្យ X̄1 − X̄2 ។ េនេពលែដលលំហគំរ្រូ ត�វ
បានអេង្កតមធ្យមលំហគំរូ X̄1 នង ិ X̄2 ្រត�វបានគណនាេនាះចេនា្លះ
 s s 
 σ σ σ σ 2
2
2 2 2
( x̄1 − x̄2 ) − zα/2 1
+ 2
, 1 − x̄2 ) + zα/2
1
+ 
n2 
 ( x̄
n1 n2 n1
ដូចេនះចេនា្លះេជឿជាក់ 100(1 − α)% សំរាប់ µ1 − µ2 េពលែដលសា្គល់ σ21 , σ22 គឺ
s s
σ21 σ22 σ21 σ22
( x̄1 − x̄2 ) − zα/2 + ≤ µ1 − µ2 ≤ ( x̄1 − x̄2 ) + zα/2 +
n1 n2 n1 n2
សន្មត់ថា
• លំហគំរូទាង
ំ ពរី ្រត�វែតមន
• សា្គល់ σ1 នង
ិ σ2 នង
ិ េបី n1 , n2 < 30 សាកលទាំងពរី ្រត�វែតមានបំែនងែចកនរមា៉ល់។
េតស្តសម្មតិកម្មស្រមាប់ភាពេស្មគា
ើ ្ន ៃនមធ្យមេនក្រមិតចា ំបាច់ α
• េតស្តសងខាង H0 : µ1 = µ2 , H1 : µ1 , µ2
• េតស្តខាងេឆ្វង H0 : µ1 = µ2 , H1 : µ1 < µ2
• េតស្តខាងសា្ត ំ H0 : µ1 = µ2 , H1 : µ1 > µ2
េតស្តសម្មតិកម្មស្រមាប់ µ1 − µ2 េនក្រមិតចាំបាច់ α
H0 : µ1 = µ2
H1 : µ1 > µ2 , µ1 < µ2 , µ1 , µ2
( x̄1 − x̄2 ) − (µ1 − µ2 )
TS : z = q 2
σ1 σ2
n1
+ n22
RR : Z ≥ zα , Z ≤ −zα , |Z| ≥ zα/2
ឧទាហរណ៍ 11.1.1. ការសក

ិ �មួយេដាយេ្របល
ី ំហគំរៃូ ចដន្យពរី ែដលនម
ី ួយៗមាន 35 នាក់បានរកេឃញ
ី ថា
រយៈេពលជាមធ្យមៃន្រក�មមនុស្សអាយុចាប់ពី 26−35 ឆា្ន ំចំណាយក្នុងមួយសបា្តហ៍េទេលស
ី កម្មភាពកំសាន្ត
គឺ 39.6 េមា៉ងនង
ិ ្រក�មមនុស្សអាយុ ចាប់ពី 46 − 55 ឆា្នច
ំ ំណាយក្នុងមួយសបា្តហ៍ េទេលីសកម្មភាពកំសាន្ត
គឺ 35.4 េមា៉ង។ សន្មត់ថាគមា្លតគំរសា
ូ កលចំេពាះ្រក�មទម
ី ួយគឺ 6.3 េមា៉ងនង
ិ ចំេពាះ្រក�មទព
ី រី គឺ 5.8 េមា៉ង។
ចំេពាះ α = 0.05 េតេី យង
ី អាចសន្និដា្ឋនថាមានភាពខុសគា្នៃនរយៈេពលមធ្យម្រក�មនម ី ួយៗចំណាយេលីស
កម្មភាពកំសាន្ត?
H0 : µ1 = µ2
H1 : µ1 , µ2 (ការអះអាង)
313
ិ្ថ ិ
( x̄1 − x̄2 ) − (µ1 − µ2 ) (39.6 − 35.4) − 0

z= q 2 = q = 2.90
σ1 σ22
n1
+ n2 6.32
35
+ 5.82
35
• ជហា
េដាយសារ α = 0.05 េហយ ី វាជាេតស្តសងខាងេនាះតៃម្លសំខាន់គឺ
−zα/2 = −1.96, zα/2 = 1.96
េយង
ី បដេិ សដ H0 ចំេពាះ α = 0.05 េ្រពាះ 2.90 > 1.96 មានន័យថាតៃម្លេតស្តសត
ិ្ថ ស
ិ ត
ិ្ថ េនក្នុងែដន
បដិេសដ។
ិ ្ឋ ន
េយង
ី ្រំ ទការអះអាងែដលថាមធ្យមមន
ិ េស្មគា
ី ្ន មានន័យថារយៈេពល
មធ្យមែដល្រក�មនម
ី ួយៗចំណាយេលស
ី កម្មភាពកំសាន្តគម
ឺ ន
ិ ដូចគា្នេឡយ
ី ។
ក្នុងឧទាហរណ៍ដែដលេយង
ី រកចេនា្លះេជឿជាក់ 95% ស្រមាប់ µ1 − µ2 ដូចខាងេ្រកាម
s s
σ21 σ22 σ21 σ22
( x̄1 − x̄2 ) − zα/2 + ≤ µ1 − µ2 ≤ ( x̄1 − x̄2 ) + zα/2
+
n1 n2 n1 n2
r r
6.32 5.82 6.32 5.82
(39.6 − 35.4) − 1.96 + ≤ µ1 − µ2 ≤ (39.6 − 35.4) + 1.96 +
35 35 35 35
1.4 ≤ µ1 − µ2 ≤ 7
េដាយសារចេនា្លះេជឿជាក់មិនផ្ទុកសូន្យេនាះមធ្យមទាំងពីរមិនេស្មីគា្ន (្រត�វគា្នជាមួយការេធ្វីេតស្តខាងេលី)។
េតស្តសម្មតិកម្មស្រមាប់ µ1 − µ2 េនក្រមិតចាំបាច់ α
H0 : µ1 = µ2
H1 : µ1 > µ2 , µ1 < µ2 , µ1 , µ2
( x̄1 − x̄2 ) − (µ1 − µ2 )
TS : z = q 2
σ1 σ2
n1
+ n22
p := P(Z ≥ z), P(Z ≤ z), 2P(Z ≥ |z|)
ឧទាហរណ៍ 11.1.2. អ្នក្រសាវ្រជាវអះអាងថាចំនួន កឡា

ី ជាមធ្យមែដលវ ិទយល័យ ផ្តល់ ឱ្យសស
ិ ្ស្រប�ស គឺ
េ្រចីនជាងចំនួន កីឡា ជាមធ្យមែដលវ ិទយល័យ ផ្តល់ ឱ្យសិស្ស្រសី។ លំហ គំរូ ៃចដន្យែដលនី មួយ ៗមានកីឡា
ចំនួន 50 ែដលសាលាផ្តល់ ដល់ សិស្ស្រប�ស និង សិស្ស្រសី ែដលមានមធ្យមេរៀងគា្ន 8.6 និង 7.9 ។ ចំេពាះ
α = 0.10 េតមា
ី ្បគា
ី ្រំ ទការអះអាងឬេទ? សន្មត់ថា σ1 = σ2 = 3.3។
314
ិ ម្ម
H0 : µ1 = µ2
H1 : µ1 > µ2 (ការអះអាង)
ិ្ថ ិ
( x̄1 − x̄2 ) − (µ1 − µ2 ) (8.6 − 7.9) − 0
z= q 2 = q = 1.06
σ1 σ22
n1
+ n2 3.32
50
+ 3.32
50
ំ នទី៣ តៃម្ល p
• ជហា
េដាយសារវាជាេតស្តខាងសា្តេំ នាះតៃម្ល p
p = P(Z > 1.06) = 0.1446
ិ ្ត
េដាយសារតៃម្ល p = 0.1446 > 0.10 = α េនាះេយង
ី មិនបដិេសដ H0 ។
ី មានភស្តុតាងមិន ្រគប់្រគាន់ េដីម្បីគា្រំ ទការអះអាងចំនួន កីឡា ជាមធ្យមែដលវ ិទយល័យ
ផ្តល់ឱ្យសិស្ស្រប�សេ្រចីនជាងចំនួនកីឡាជាមធ្យមែដលវ ិទយល័យផ្តល់ឱ្យសិស្ស្រសី។
ឧទាហរណ៍ 11.1.3. អ្នក្រសាវ្រជាវសង្គមេជឿជាក់ថាេដាយការេកីនេឡង
ី ៃន្របព័ន្ធផ្សព្វផ�យ ទូរសព្ទ និង
្របព័ន្ធ ទំនាក់ ទំនងេផ្សងៗេទៀត មនុស្សអាយុ តច
ិ េមល
ី ទូរទស្សន៍ តច
ិ ។ លំហ គំរូ ៃចដន្យមន
ិ អា្រស័យ គា្ន ៃន
មនុស្សក្នុង្រក�មអាយុពរី េផ្សងគា្ន្រត�វបានេ្រជីសេរសេហ
ី យី រយៈេពលមធ្យម(គត
ិ ជាេមា៉ង)្របចាំសបា្តហ៍ែដល
ចំណាយេមីលទូរទស្សន៍សំរាប់្រក�មនម ី ួយៗ្រត�វបានកត់្រតា។ ្រក�មអាយុ 18−24 ឆា្ន ំមានចំនួន 18 នាក់ែដល
មានរយៈេពលមធ្យម 23.4 េមា៉ង និង្រក�មអាយុ 25 − 34 ឆា្នមា ំ នចំនួន 24 នាក់ែដលមានរយៈេពលមធ្យម
28.9 េមា៉ង។ សន្មត ថាវា៉ ដ្យង់ សាកលចំេពាះ្រក�ម ទីមួយ គឺ 44.89 និង ចំេពាះ្រក�ម ទីពីរ គឺ 65.61 ។ េតីមាន
ភស្តុតាង្រគប់្រគាន់េដីម្បស
ី ន្នដា
ិ ្ឋ នថារយៈេពលមធ្យម្របចាំសបា្តហ៍ែដលចំណាយេមល ី ទូរទស្សន៍សំរាប់្រក�ម
អាយុ 18 − 24 ឆា្ន ំ តិចជាងរយៈេពលមធ្យមសំរាប់្រក�មអាយុ 25 − 34 ឆា្ន? ំ េ្របី α = 0.01 និងសន្មត់ថា
ចេម្លើយ. • ជំហានទ១ ី ែចងសម្មតក ិ ម្ម
H0 : µ1 = µ2
H1 : µ1 < µ2 (ការអះអាង)
្ថ ិ
( x̄1 − x̄2 ) − (µ1 − µ2 ) (23.4 − 28.9) − 0
z= q 2 = q = −2.4055
σ1 σ22
n1
+ n2
44.89
18
+ 65.61
24
ំ នទ៣
េដាយសារ α = 0.01 េហយី វាជាេតស្តខាងេឆ្វងេនាះតៃម្លសំខាន់គឺ
−zα = −z0.01 = −2.33
315
ិ ្ត
េដាយសារ −2.4055 ស្ថិតក្នុងែដនបដិេសដេនាះេយង
ី បដិេសដ H0 ។
ឬតៃម្ល p
p = P(Z ≤ −2.4055) = 0.0081
េដាយសារតៃម្ល p = 0.0081 ≤ α = 0.01 េនាះេយង
ី បដេិ សដ H0 ។
ី មានភស្តុតាង្រគប់្រគាន់េដីម្បគាំ
ី ្រទការអះអាងរយៈេពលមធ្យម្របចាំសបា្តហ៍ែដលចំណាយ
េមីលទូរទស្សន៍សំរាប់្រក�មអាយុ 18 − 24 ឆា្នត
ំ ិចជាងរយៈេពលមធ្យមសំរាប់្រក�មអាយុ 25 − 34 ឆា្ន។
ំ
លំហាត់ 11.1.1. 1. លំហគំរៃូ ចដន្យមិនអា្រស័យគា្នពីរ្រត�វបានេ្រជីសេចញពសា
ី កលពីរែដលមានគមា្លត
ស្តង់ ដា σ1 = 2 នង
ិ σ2 = 8 េរៀងគា្ន។ ទំហំលំហ គំរូ នង
ិ មធ្យមលំហ គំរូ ្រត�វ បានកត់្រតាក្នុងតារាង
លំហគំរូ១ លំហគំរូ២
n1 = 58 n2 = 62
x̄1 = 17.5 x̄2 = 16.23
(a) គណនាេល្អ�ងស្តង់ដាៃនបំែនងែចកលំហគំរូៃនលំហគំរូ១
(b) គណនាេល្អ�ងស្តង់ដាៃនបំែនងែចកលំហគំរូៃនលំហគំរូ២
ី នឹងគណនាផលដករវាងមធ្យមលំហគំរូ X̄1 − X̄2 ។ រកមធ្យម និងេល្អ�ងស្តង់ដា

(c) សន្មត់ថាេយង
ៃនបំែនងែចកលំហគំរូៃន X̄1 − X̄2
(d) េតីសិត
្ថ ិ X̄1 − X̄2 នឹងមានបំែនងែចកនរមា៉ល់ឬេទ?
2. លំហ គំរូ ទី១ទំហំ 40 ្រត�វ បានេ្រជីស េចញពី សាកលទី១ែដលមានគមា្លតស្តង់ ដា សាកលេស្មីនឹង 5។

មធ្យមៃនលំហ គំរូ ទ១
ី គឺ 102 ។ លំហ គំរូ ទី ២ទំហំ 50 ្រត�វ បានេ្រជស
ី េចញពី សាកលទ២ី ែដលមាន
គមា្លតស្តង់ដាសាកលេស្មីនឹង 6។ មធ្យមៃនលំហគំរូទី២គឺ 99។ េធ្វីេតស្តសម្មតិកម្មខាងេ្រកាមេដាយ
េ្របក
ី ្រមត
H0 : µ1 = µ2 , H1 : µ1 , µ2
(a) េតីវាជាេតស្តមា្ខងឬេតស្តសងខាង?
(b) ែចងក្បនសំ
ួ េរចចត
ិ ្ត
(c) គណនាតៃម្លេតស្តសិត
្ថ ិ
(d) េតអ
ី ជា
ី្វ ការសំេរចចត
ិ ្តអំពី H0 ?
(e) េតត
ី ៃម្ល p េស្មន
3. រយៈេពលជាមធ្យមក្នុងការេធ្វដ ី ំេណីរេទេធ្វកា
ី ររបស់ ជនជាតិ អា េមរចកាំ
ិ ង គឺ 25.3 នាទ។
ី ភា្នក់ងារ
ការងារចងេ់ ធ្វីេតស្តរយៈេពលេធ្វីដេំ ណីរជាមធ្យមៃននិស្សត
ិ ែដលបញ្ច ប់មហាវ ិទយល័យនិង អ្នកសញញប្រត
316
ទាបជាង។ នស ិ ្សត
ិ ែដលបញ្ច ប់ ការសក
ិ � 35 នាក់ ចំណាយេពលជាមធ្យម 40.5 នាទី េធ្វដ ី េំ ណីរេទ
េធ្វីការែដលមានវា៉ដ្យង់ សាកល 67.24 ។ អ្នក សញញប្រតទាបជាង 30 នាក់ ចំណាយេពលជាមធ្យម
34.8 នាទេី ធ្វីដំេណីរេទេធ្វីការែដលមានវា៉ដ្យងសា
់ កល 39.69 ។ េនក្រមិតចាំបាច់ α = 0.05 េតីមាន
ភាពខុសគា្នរវាងមធ្យមទាំងពីរឬេទ?
4. ចំេពាះលំហគំរូមិនអា្រស័យគា្នេចញពីសាកលេផ្សងគា្នដូចខាងេ្រកាម
លំហគំរូ១ 122 114 130 165 144 133 139 142 150
លំហគំរូ២ 108 125 122 140 132 120 137 128 138
រកតៃម្ល p ស្រមាប់េតស្តសម្មតិកម្ម
H0 : µ1 = µ2 , H1 : µ1 > µ2
េនេពលែដលគមា្លតស្តង់ដាសាកលគឺ σ1 = 10 នង
ិ
(a) σ2 = 5
(b) σ2 = 10
(c) σ2 = 20
5. ចំនួនេមា៉ងជាមធ្យមៃនការេមីលទូរទស្សន៍េដាយ�ស្តអា
ី យុេលីស 55 ឆា្នគ
ំ ឺ 48 េមា៉ងក្នុងមួយសបា្តហ៍។
បុរសអាយុេលស
ី 55 ឆា្ន ំេមល
ី ទូរទស្សន៍ជាមធ្យម 43 េមា៉ងក្នុងមួយសបា្តហ៍។ លំហគំរៃូ ចដន្យៃនបុរស
40 នាក់នង
ិ �ស្តី 40 នាក់ពស
ី ហគមន៍ចូលនវិ ត្តន៍ធំមួយផ្តល់នូវលទ្ធផលដូចខាងេ្រកាម៖
ទំហល
ំ ំហគំរូ មធ្យមលំហគំរូ គមា្លតស្តង់ដាសាកល
�ស្តី 40 48.2 5.6
បុរស 40 44.3 4.5
េនក្រមិតចាំបាច់ α = 0.01 េតេី គអាចសន្និដា្ឋនថា�ស្តេី មីលទូរទស្សន៍ជាមធ្យមេ្រចីនជាងបុរសេនក្នុង

មួយសបា្តហ៍?
េតស្តសរា
ំ ប់ភាពេស្មគា
ើ ្ន ៃនមធ្យមពីរ៖ េ្របើេតស្ត t (ករណីមិនសា្គល់ σ21 និង σ22 )
ករណី σ21 = σ22 = σ2 ែតមិនសា្គល់
េយង
ី បានបងា្ហញថាអេថរៃចដន្យ ∼ χ2 (n1 − 1) នង ∼ χ2 (n2 − 1) ។ អេថរៃចដន្យទាំងពរី
(n1 −1)S 12 (n2 −1)S 22
σ2 ិ σ2
មន
ិ អា្រស័យគា្នេ្រពាះការេ្រជីសេរសលំ
ី ហគំរូៃចដន្យទាំងពីរគម
ឺ ន
ិ អា្រស័យគា្នេនាះេយង
(n1 − 1)S 12 (n2 − 1)S 22
V= +
σ2 σ2
(n1 − 1)S 12 + (n2 − 1)S 22
=
σ2
∼ χ (n1 + n2 − 2).
2
317
តាមែផ្នក ខាងេលី ករណី σ21 = σ22 = σ2 េយង
ី មាន Z =
(X̄1 −X̄2 )−(µ1 −µ2 )
q ∼ N(0, 1) ែដល Z និង V មិន
σ n1 + n1
1 2
អា្រស័យគា្ន។ ដូចេនះតាមនិយមន័យៃនបំែនងែចក t េយង

ី បាន
Z
T= √
V/ν
s
,
(X̄1 − X̄2 ) − (µ1 − µ2 ) (n1 − 1)S 12 + (n2 − 1)S 22
= q
σ n11 + n12 σ2 (n1 + n2 − 2)
∼ t(n1 + n2 − 2)
មានន័យថា T មានបំែនងែចក t ែដលមាន d.f.= n1 + n2 − 2 ។

និយមន័យ 11.1.1 (អ្នកបា៉ន់សា្មនៃនវា៉ដ្យង់រ ួម).
(n1 − 1)S 12 + (n2 − 1)S 22
S 2p =
n1 + n2 − 2
និយមន័យ 11.1.2 (េតស្តសត
ិ ្ថ ិ T ).
(X̄1 − X̄2 ) − (µ1 − µ2 )
T= q ∼ t(n1 + n2 − 2).
S p n11 + n12
តាមលក្ខណៈៃនបំែនងែចក t េយង
ី មាន
P(−tα/2 ≤ T ≤ tα/2 ) = 1 − α
 
 
 (X̄1 − X̄2 ) − (µ1 − µ2 ) 
P −tα/2 ≤ q ≤ tα/2  = 1 − α
 
S p n11 + n12
 r r 
 1 1 1 1 
P (X̄1 − X̄2 ) − tα/2 S p + ≤ µ1 − µ2 ≤ (X̄1 − X̄2 ) + tα/2 S p +  = 1 − α
n1 n2 n1 n2
ដូចេនះ្រប�បាប៊ីលេី តែដលចេនា្លះៃចដន្យ
 r r 
 1 1 1 1 
(X̄1 − X̄2 ) − tα/2 S p + , (X̄1 − X̄2 ) + tα/2 S p + 
n1 n2 n1 n2
ផ្ទុកនូវ µ1 − µ2 គឺ 1 − α ។ វាជាចេនា្លះៃចដន្យេ្រពាះមានអេថរៃចដន្យ X̄1 − X̄2 ។ េនេពលែដលលំហគំរ្រូ ត�វ

បានអេង្កតមធ្យមលំហគំរូ X̄1 នង ិ X̄2 ្រត�វបានគណនាេនាះចេនា្លះ
 r r 
 1 1 1 1 
( x̄1 − x̄2 ) − tα/2 s p + , ( x̄1 − x̄2 ) + tα/2 s p + 
n1 n2 n1 n2
ដូចេនះចេនា្លះេជឿជាក់ 100(1 − α)% សំរាប់ µ1 − µ2 េពលែដល σ21 = σ22 ែតមិនសា្គល់គឺ
r r
1 1 1 1
( x̄1 − x̄2 ) − tα/2 s p + ≤ µ1 − µ2 ≤ ( x̄1 − x̄2 ) + tα/2 s p +
n1 n2 n1 n2
ែដល
(n1 − 1)s21 + (n2 − 1)s22
s2p =
n1 + n2 − 2
និង tα/2 ជាតៃម្លសំខាន់ៃនបំែនងែចក t ែដលមាន d.f.= n1 + n2 − 2
318
េតស្តសម្មតិកម្មករណី σ21 = σ22
ំ ពីរ្រត�វែតមិនអា្រស័យគា្ន
• មិនសា្គល់ σ21 , σ22 ែត σ21 = σ22
• n1 ≥ 30 និង n2 ≥ 30 ឬ េបី n1 , n2 < 30 សាកលទាំងពីរ្រត�វែតមានបំែនងែចកនរមា៉ល់
និយមន័យ 11.1.3 (តៃម្លេតស្តសត

ិ ្ថ ិ).
( x̄1 − x̄2 ) − (µ1 − µ2 )

t= q
s p n11 + n12
ែដល s2p = និង tα/2 ជាតៃម្លសំខាន់ៃនបំែនងែចក t ែដលមាន d.f.= n1 + n2 − 2

(n1 −1)s21 +(n2 −1)s22
n1 +n2 −2
H0 : µ1 = µ2 ,
H1 : µ1 , µ2 , µ1 < µ 2 , µ1 > µ2
( x̄1 − x̄2 ) − (µ1 − µ2 )
TS : t = q , d.f. = n1 + n2 − 2
s p n1 + n2
1 1
RR : |T | ≥ tα/2 , T ≤ −tα , T ≥ tα
p =: 2P(T ≥ |t|), P(T ≤ t), P(T ≥ t)
ិ ្ឆ័យ៖ បដេិ សដ H0 ក្នុងករណី
• តៃម្លេតស្តសត
ិ្ថ ិ t ស្ថត
ិ េនក្នុងែដនបដេិ សដ RR ឬ
• តៃម្ល p ≤ α.
ឧទាហរណ៍ 11.1.4. រយៈេពលរង់ចាស

ំ ្រមាប់អ្នកជម្ងែឺ ដល្រត�វវះកាត់ជង្គងេ់ នមន្ទរី េពទ្យពរី ្រត�វបានអង្កត។
លំហ គំរូ ៃចដន្យពរី មន
ិ អា្រស័យ គា្ន ៃនអ្នក ជម្ងឺ ្រត�វ បានេ្រជីសេរសេហ
ី យ
ី រយៈេពល (គត
ិ ជាសបា្តហ៍) សំរាប់
លំហគំរូនីមួយៗ្រត�វបានកត់្រតា។ តារាងទិន្នន័យសេង្ខបមានដូចខាងេ្រកាម៖
មន្ទីរេពទ្យ ំ ំហគំរូ មធ្យមលំហគំរូ វា៉ដ្យង់លំហគំរូ

ទំហល
ក 15 17.4 34.81
ខ 17 12.1 46.24
េតីមានភស្តុតាង្រគប់្រគាន់ េដីម្បី សន្និដា្ឋនពី ភាពខុសគា្ន ៃនរយៈេពលរង់ចា ំ មធ្យមសំរាប់ វះកាត់ ជង្គង់ រវាង

មន្ទរី េពទ្យទាំងពរី េនកំរតចាំ
ិ បាច់ α = 0.05 ? សន្មត់ ថា សាកលទាំងពរី មានបំ ែនងែចកនរមា៉ល់ ែដល
មានវា៉ដ្យង់េស្មីគា្ន។
319
សមា្គល់ 11.1.1 (ព្រងាងគំនិត). • េយង
ី មានសាកលពរី េហយ
ី លំហគំរៃូ ចដន្យពរី ្រត�វបានេ្រជីសេរស
ី
មិនអា្រស័យគា្ន
• វា៉ដ្យងៃ់ នសាកលមិនសា្គល់ ែត្រត�វបានសន្មតថា

់ េស្មីគា្នេនាះេយង
ី េ្របេី តស្ត t ស្រមាប់េតស្តភាពេស្មីគា្ន
ៃនមធ្យម
ី ចង់ដង
• េយង ឹ ពភា
ី ពខុសគា្នរវាងមធ្យមទាំងពរី េនាះវាជាេតស្តសងខាង
ិ ម្ម
H0 : µ1 = µ2 ,
ី មាន
(n1 − 1)s21 + (n2 − 1)s22 (14)(34.81) + (16)(46.24)

s2p = = = 40.906
n1 + n2 − 2 30
េនាះ
( x̄1 − x̄2 ) − (µ1 − µ2 ) (17.4 − 12.1) − 0
t= q = √ q = 2.3393
s p n1 + n2
1 1
40.906 15 + 17
1 1
ំ នទ៣
េដាយសារ α = 0.05, d.f. = n1 + n2 − 2 = 30 េហយ
−tα/2 = −2.0423, tα/2 = 2.0423
ែដនបដេិ សដគឺ |T | ≥ tα/2 = t0.025 = 2.0423។ េដាយសារ 2.3393 ស្ថត
ិ ក្នុងែដនបដេិ សដេនាះេយង
ី
បដិេសដ H0 ។ ឬតៃម្ល p គឺ
p = 2P(T ≥ 2.3393)
េដាយេ្របតា
ី រាងបំែនងែចក t េយង
ី មាន
0.02 ≤ p ≤ 0.05
ី បដិេសដ H0 េ្រពាះ p ≤ α = 0.05។
ដូចេនះេយង ី ន្និដា្ឋនថារយៈេពលរង់ចាម
ី មានភស្តុតាង្រគប់្រគាន់េដីម្បស ំ ធ្យមស្រមាប់វះកាត់ជង្គងរ់ វាង
មន្ទីរេពទ្យទាំងពីរគឺខុសគា្នេនកំរតចាំ
ិ បាច់ α = 0.05។
លំហាត់ 11.1.2. េគឱ្យអេថរៃចដន្យ X1 ∼ χ2 ែដលមាន d.f.= ν1 មិនអា្រស័យគា្ននឹង X2 ∼ χ2 ែដលមាន
d.f.= ν2 ។ បងា្ហញថា X1 + X2 ∼ χ2 ែដលមាន d.f.= ν1 + ν2 ។
សមា្គល់ 11.1.2 (ជំនួយគំនិត). េ្របីអនុគមន៍បេង្កីតម៉ូម៉ង់៖
• រកអនុគមន៍បេង្កីតម៉ូម៉ង់ៃន X1 និង X2
320
• រកអនុគមន៍បេង្កីតម៉ូម៉ង់ៃន X1 + X2
• េ្របីលក្ខណៈអនុគមន៍បេង្កីតម៉ូម៉ង់កំណត់បំែនងែចកែតមួយគត់។
ឧទាហរណ៍ 11.1.5. សារជាតិ ែដកជាែរ ៉ដ៏ សំខាន់ សំរាប់ រាងកាយក្នុងការដឹកជញ្ជូ នអុក សុី ែសន។ ្របេភទ
សត្វសមុ្រទមួយចំនួនផ្ទុកសារជាតិែដកខ្ពស់ដូចជា្រគ�ំ នង
ិ អ័យស្ទរ។ លំហគំរូៃចដន្យមន
ិ អា្រស័យគា្នសំរាប់
100g ៃន្រគ�ំ និងអ័យស្ទរ្រត�វបានេ្រជីសេរសេហ
ី យ
ី សារជាតិែដកគិតជា mg ្រត�វបានវាស់។ តារាងទិន្នន័យ
សេង្ខបមានដូចខាងេ្រកាម៖
ំ ំហគំរូ មធ្យមលំហគំរូ គមា្លតស្តង់ដាលំហគំរូ

ទំហល
្រគ�ំ 12 23.17 4.38
អ័យស្ទរ 15 24.19 3.35
សន្មត់ ថា សាកលទាំង ពីរ ជាបំ ែនងែចកនរមា៉ល់ ែដលមានវា៉ដ្យង់ េស្មីគា្ន។ េតីមានភស្តុតាង្រគប់្រគាន់ េដីម្បី

សន្និដា្ឋនពីភាពខុសគា្នៃនកំរតសារជាត
ិ ិែដកជាមធ្យមៃនសត្វសមុ្រទទាំងពីរេនកំរតចាំ
ិ បាច់ α = 0.01 ?
ចេម្លើយ. ំ នទី១ ែចងសម្មតិកម្ម
• ជហា
H0 : µ1 = µ2 ,
្ថ ិ េយង
ី មាន
(n1 − 1)s21 + (n2 − 1)s22 (11)(4.38)2 + (14)(3.35)2
s2p = = = 14.7257
n1 + n2 − 2 25
េនាះ
( x̄1 − x̄2 ) − (µ1 − µ2 ) (23.17 − 24.19) − 0
t= q = √ q = −0.686
s p n1 + n2
1 1
14.7257 12 + 15
1 1
េដាយសារ α = 0.01, d.f. = n1 + n2 − 2 = 25 េហយ
−tα/2 = −2.787, tα/2 = 2.787
ែដនបដិេសដគឺ |T | ≥ tα/2 = t0.005 = 2.787។ េដាយសារ −0.686 មិនស្ថិតក្នុងែដនបដិេសដេនាះ
េយង
ី មិនបដិេសធ H0 ។ ឬតៃម្ល p គឺ
p = 2P(T ≥ 0.686)
េដាយេ្របីតារាងបំែនងែចក t េយង
ី មាន
p > 0.20
ី មន
ិ បដិេសធ H0 េ្រពាះ p > α = 0.01 ។
េយង
ី មិនមានភស្តុតាង្រគប់្រគាន់េដីម្បស
ី ន្និដា្ឋនថាកំរតសារជាត
ិ ិែដកជាមធ្យមៃនសត្វសមុ្រទទាំងពីរ
គឺខុសគា្នេនកំរតចាំ
ិ បាច់ α = 0.01 ។
321
ករណី σ21 , σ22
ំ ពរី ្រត�វែតមន
• មិនសា្គល់ σ21 , σ22 និង σ21 , σ22
• n1 ≥ 30 និង n2 ≥ 30 ឬ េបី n1 , n2 < 30 សាកលទាំងពីរ្រត�វែតមានបំែនងែចកនរមា៉ល់
និយមន័យ 11.1.4 (តៃម្លេតស្តសត

ិ ្ថ ិ).
( x̄1 − x̄2 ) − (µ1 − µ2 )

t= q 2
s1 s2
n1
+ n22
សមា្គល់ 11.1.3 (ដឺេ្រកេសរ ី (Degrees of Freedom (d.f.))). ក្នុងករណីេនះចំនួន d.f. ្រត�វបានកំណត់
តាមពីររេបៀប៖
1. ែបបអភរិ ក្សនយ
ិ មៈ d.f.= min{n1 − 1, n2 − 1}
2. កញ្ច ប់សូហែ្វ វរស្ថិតិេ្របីរូបមន្តែដល្រតឹម្រត�វជាងែតស្មុគសា្មញជាងៈ

2
s21 s22
n1
+ n2
d.f. = 2 2 2 2 .
s1 s2
1
n1 −1 n1
+ 1
n2 −1 n2
ចំេពាះរូបមន្តេនះេយង
ី បង្គត់ចុះេ្រពាះ d.f. ជាេលខគត់។
េទាះបជា
ី ចំនួន d.f. ខុសគា្ន ក្នុងរូបមន្ត ទាង
ំ ពរី ប៉ុែន្ត ការសន្នដា
ិ ្ឋ នៃនេតស្ត សម្មតក
ិ ម្ម គឺ ក្រមប៉ះពាល់ េដាយ
ជេ្រមីសទាំងេនះ។
េតីរូបមន្ត d.f. ដ៏សុ គសា

្ម ្ម ញមួយេនះបានមកពីណា? មកដល់េពលេនះេយង
ី គួរែតរ ំលឹកអំពីធាតុផ្សំសំខាន់
ៗពាក់ព័ន្ធនង
ឹ បំែនងែចក t៖ េបី Z ∼ N(0, 1), V ∼ χ (ν), Z មន
2
ឹ V េនាះអេថរៃចដន្យ
Z
T= √ ∼ t(ν)
V/ν
ែដលមានអនុគមន៍ដង់សុេី ត
!−(ν+1)/2
Γ[(ν + 1)/2] t2
f (t) = √ 1+ , −∞ < t < ∞.
Γ(ν/2) πν ν
ជាពេិ សសេបី X1 , X2 , . . . , Xn ជាអេថរៃចដន្យ iid N(µ, σ2 ) នង

ិ តាង
1X 1 X
n n
X̄ = Xi និង S 2 = (Xi − X̄)2 .
n i=1 n − 1 i=1
េនាះ
X̄ − µ (n − 1)S 2
Z= √ ∼ N(0, 1) នង
ិ V = ∼ χ2 (n − 1).
σ/ n σ 2
322
េយង
ី មាន X̄ នង
ិ S មន
2
ិ អា្រស័យគា្នេនាះ Z នង ិ V ក៏មន ិ អា្រស័យគា្នែដរ។ ដូេច្នះេយង
√
Z (X̄ − µ)/(σ/ n) X̄ − µ
T= √ = p = √ ∼ t(n − 1).
V/(n − 1) S 2 /σ2 S/ n
េយង
ី តាងនម
ិ ត
ិ ្តសញញ σB = ជាវា៉ដ្យង់ៃន X̄1 − X̄2 នង ជាអ្នកបា៉ន់សា្មនៃន σ2B ។
σ21 σ22 S 12 S 22
+ ិ SB = +
2 2
n1 n2 n1 n2
េយង
ី ចាប់េផ្តីមេដាយអេង្កតយា៉ងយកចត
ិ ្តទុកដាក់េលរី ូបមន្តៃនអេថរៃចដន្យ
(X̄1 − X̄2 ) − (µ1 − µ2 )
T= q 2
S1 S2
n1
+ n22
(X̄1 − X̄2 ) − (µ1 − µ2 )
=
SB
[(X̄1 − X̄2 ) − (µ1 − µ2 )]/σB
= q
rS 2B /σ2B
r
េដាយ Z = (X̄1 −X̄2 )−(µ1 −µ2 )

σB
∼ N(0, 1) ដូេច្នះេដីម្បីឱ្យ T មានបំែនងែចក t េនាះេយង
ី ្រត�វមាន rS B /σB ∼
2 2
χ2 (r)។ េយងី កំណត់ តៃម្ល r េដីម្បីឱ្យ rS B /σB ∼ χ (r)។ េយង

2 2 2
ី នឹង េ្របី លក្ខណៈៃនអេថរៃចដន្យ χ ៖ េបី
2
X ∼ χ2 (ν) េនាះ E[X] = ν, V(X) = 2ν។ េយង ី ចាប់េផ្តីមពី

!
rS 2B
V = 2r
σ2B
r2
V(S 2B ) = 2r (∗)
σB 4
េយង
ី មាន S 1 និង S 2 មិនអា្រស័យគា្នេនាះ
!
S 12 S 22
V(S 2B ) =V +
n1 n2
1 1
= 2 V(S 12 ) + 2 V(S 22 )
n1 n2
េយង
ី ដឹងថា (n1 − 1)S 1 /σ1 ∼ χ (n1 − 1) េនាះ
2 2 2
!
(n1 − 1)S 12
V = 2(n1 − 1)
σ21
(n1 − 1)2
V(S 12 ) = 2(n1 − 1)
σ14
2σ41
V(S 1 ) =
2
n1 − 1
2σ42
V(S 22 ) =
n2 − 1
ី បាន
1 2σ41 1 2σ42
V(S 2B ) = +
n21 n1 − 1 n22 n2 − 1
323
តាមសមីការ (*) េយង
ី បាន
!
2 1 1 2σ41 1 2σ42
= 4 2 + 2
r σ B n1 n1 − 1 n2 n2 − 1
σ4B
r= .
1 σ1 1 σ2
4 4
n2 n1 −1
+ n2 n2 −1
1 2
េដាយសារេយង ី ជំនួសវាេដាយតៃម្លបា៉ន់សា្មន(ល្អបំផុត) s1 , s2 , sB េរៀងគា្ន។

ី មិនសា្គល់ σ1 , σ2 , σB េនាះេយង
2 2 2 2 2 2
ដូចេនះ
2
s21 s22
s4B n1
+ n2
r= 4 4
= 2 2 2 2 .
1 s1 1 s2
n21 n1 −1
+ n22 n2 −1
1 s1
+ 1 s2
n1 −1 n1 n2 −1 n2
េយង
ី បាន្រសាយគអ
ឺ េថរៃចដន្យ
(X̄1 − X̄2 ) − (µ1 − µ2 )
T= q 2
S1 S2
n1
+ n22
អាចបា៉ន់សា្មនេដាយបំែនងែចក t ែដលមាន d.f.= ν

2
s21 s22
n1
+ n2
ν= 2 2 2 2
s1 s2
1
n1 −1 n1
+ 1
n2 −1 n2
H0 : µ1 = µ2 ,
H1 : µ1 , µ2 , µ1 < µ2 , µ1 > µ2
( x̄1 − x̄2 ) − (µ1 − µ2 )
TS : t = q 2
s1 s2
n1
+ n22
2 2
s1 s22
n1
+ n2
d.f. = 2 2 2 2
s1 s2
1
n1 −1 n1
+ 1
n2 −1 n2
RR : |T | ≥ tα/2 , T ≤ −tα , T ≥ tα
p =: 2P(T ≥ |t|), P(T ≤ t), P(T ≥ t)
ឧទាហរណ៍ 11.1.6. ចំនួន្រកាមៃនកាបូនី្រតាតេនក្នុង 30g ៃនស្ករ្រគាប់សូកូឡា និងមិនែមនសូកូឡាែដល
្រត�វបានេ្រជីសេរសេដាយៃចដន្យមានដូ
ី ចក្នុងទន
ិ ្នន័យខាងេ្រកាម៖
សូកូឡា 29 25 17 36 41 25 32 29 38 34 24 27 29
មិនែមនសូកូឡា 41 41 37 29 30 38 39 10 29 55 29
324
េតមា
ី នភស្តុតាង្រគប់្រគាន់ េដីម្បី សន្នដា
ិ ្ឋ នថាមធ្យមៃនបរមាណកាបូ
ិ ន្រី តាត មានភាពខុសគា្ន រវាងស្ករ្រគាប់
់ ិន
់ សាកលទាំងពីរមានបំែនងែចកនរមា៉ល់ែដលមានវា៉ដ្យងម
ទាំងពីរ្របេភទេដាយេ្របី α = 0.10? សន្មតថា
េស្មគា
ី ្ន ។
សមា្គល់ 11.1.4 (ព្រងាងគំនិត). • េយង
ី មានសាកលពីរេហយ
ី លំហគំរៃូ ចដន្យពីរ្រត�វបានេ្រជីសេរស
ី
មន
ិ អា្រស័យគា្ន(ស្ករ្រគាប់សូកូឡា នង
ិ ស្ករ្រគាប់មន
ិ ែមនសូកូឡា)
• វា៉ដ្យងៃ់ នសាកលមិនសា្គល់ែត្រត�វបានសន្មតថា
់ មិនេស្មីគា្នេនាះេយង
ី េ្របេី តស្ត t សំរាប់េតស្តភាពេស្មីគា្ន
ៃនមធ្យម
ី ចង់ដឹងពភា
• េយង ី ពខុសគា្នរវាងមធ្យមទាំងពរី េនាះ វាជាេតស្តសងខាង
ី មាន
ស្ករ្រគាប់ ំ ំហគំរូ មធ្យមលំហគំរូ វា៉ដ្យង់លំហគំរូ

ទំហល
សូកូឡា 13 29.69 42.23
មិនែមនសូកូឡា 11 34.36 125.45
• ជំហានទី១ ែចងសម្មតិកម្ម
H0 : µ1 = µ2 ,
្ថ ិ
( x̄1 − x̄2 ) − (µ1 − µ2 ) (29.69 − 34.36) − 0

t= q 2 = q = −1.22
s22
s1
n1
+ n2
42.23
13
+ 125.45
11
2
s21 s22
n1
+ n2
d. f. = 2 2 2 2
s1 s2
1
n1 −1 n1
+ 1
n2 −1 n2

125.45 2
42.23
13
+ 11
= 2 2 = 15.41
1 42.23
12 13
+ 101 125.45
11
េដាយសារ α = 0.10, d.f. = 15 េហយ

−tα/2 = −1.753, tα/2 = 1.753
ែដនបដេិ សដគឺ |T | ≥ tα/2 = t0.05 = 1.753។ េដាយសារ −1.22 មន
ិ ស្ថត
ី
មិនបដិេសធ H0 ។
325
ិ ្ឋ ន
ី មិន មានភស្តុតាង្រគប់្រគាន់ េដីម្បីសន្និដា្ឋនថាមធ្យមៃនបរមាណកាបូ
ិ នី្រតាត មានភាព
ខុសគា្នរវាងស្ករ្រគាប់ទាង
ំ ពរី ្របេភទេដាយេ្របី α = 0.10។
លំហាត់ 11.1.3. 1. សន្មត់ ថា σ21 = σ22 = σ2 ។ គណនាវា៉ ដ្យង់ រម

ួ ៃន σ2 ចំេពាះករណី នី មួយ ៗ
(a) s21 = 120, s22 = 100, n1 = n2 = 25

(b) s21 = 12, s22 = 20, n1 = 20, n2 = 10
(c) s21 = 0.15, s22 = 0.20, n1 = 6, n2 = 10
(d) s21 = 3000, s22 = 2500, n1 = 16, n2 = 17
2. IQ ៃនសស
ិ ្ស 17 នាក់ពត
ី ំបន់មួយៃនទ្រី ក�ងផ្តលន
់ ូវមធ្យមលំហគំរូ 106 នង ់ លំហគំរូ 10 រឯ
ិ គមា្លតស្តងដា ី
IQ ៃនសស ិ ្ស 14 នាក់ពីតំបន់េផ្សងេទៀត្រត�វបានេ្រជីសេរសេដាយម
ី ន
ិ អា្រស័យគា្នែដលផ្តល់នូវមធ្យម
លំហគំរូ 109 និងគមា្លតស្តង់ដា លំហគំរូ 7 ។ េតមាី នភាពខុសគា្ន រវាង IQ ៃន្រក�មទាំងពីរេនក្រមិត
ចាំបាច់ α = 0.01 ? សន្មត់ថាសាកលទាំងពរី មានបំែនងែចកនរមា៉ល់ែដលមានវា៉ដ្យងេ់ ស្មគា ី ្ន ។
3. លំហគំរូៃចដន្យពីរមិនអា្រស័យគា្នេចញពីសាកលនរមា៉ល់ពីរេផ្សងគា្នដូចខាងេ្រកាម

ទំហល
លំហគំរូ១ n1 = 26 x̄1 = 10.1 s1 = 2.1
លំហគំរូ២ n2 = 26 x̄2 = 9.1 s2 = 2.4
េនក្រមត
(a) េតស្តភាពេស្មីគា្នៃនមធ្យមេដាយសន្មត់ថាវា៉ដ្យង់សាកលេស្មីគា្ន។
(b) េតស្តភាពេស្មីគា្នៃនមធ្យមេដាយសន្មត់ថាវា៉ដ្យង់សាកលមិនេស្មីគា្ន។
4. សន្មត់ថាលំហគំរូៃចន្យមិនអា្រស័យគា្នេចញពីសាកលនរមា៉ល់ែដលមានបងា្ហញដូចខាងេ្រកាម
លំហគំរូ១ 52 33 42 44 41 50 44 51 45 38 37 40 44 50 43
លំហគំរូ២ 52 43 47 56 62 53 61 50 56 52 53 60 50 48 60 55
សន្មត់ថាសាកលទាំងពរី មានវា៉ដ្យង់មន
ី ្ន ។
(a) េតីមានភស្តុតាង្រគប់្រគាន់េដីម្បស
ី ន្និដា្ឋនថា (µ1 − µ2 ) > 10 េនក្រមិតចាំបាច់ α = 0.01?
(b) បេង្កីតចេនា្លះេជឿជាក់ 99% ស្រមាប់ µ1 − µ2 និងបក្រសាយលទ្ធផល។
5. លំហគំរូៃចដន្យពីរមិនអា្រស័យគា្នេចញពីសាកលនរមា៉ល់ពីរេផ្សងគា្នដូចខាងេ្រកាម
326
ទំហល
លំហគំរូ១ n1 = 17 x̄1 = 5.4 s1 = 3.4
លំហគំរូ២ n2 = 12 x̄2 = 7.9 s2 = 4.8
សន្មត់ថាសាកលទាំងពរី មានវា៉ដ្យង់មន
ី ្ន ។
(a) េធ្វីេតស្តសម្មតិកម្ម H0 : µ1 = µ2 , H1 : µ1 , µ2 េនក្រមិតចាំបាច់ α = 0.05
(b) បេង្កត
ី ចេនា្លះេជឿជាក់ 95% ស្រមាប់ µ1 − µ2 ។
ំ គំរ ូពីរស្រមាប់មធ្យមៈលំហគំរ ូអា្រស័យគា្ន
េនក្នុងែផ្នកមុនេតស្ត z ្រត�វបានេ្របេី ដីម្បេី ្របៀបេធៀបមធ្យមលំហគំរព

ូ ីរេនេពលែដលលំហគំរគ
ូ ម
ឺ ិនអា្រស័យ
គា្ននិងសា្គល់ σ21 និង σ22 ។ េតស្ត t ្រត�វបានេ្របីេដីម្បេី ្របៀបេធៀបមធ្យមលំហគំរូពីរេនេពលែដលលំហគំរូគឺ
មនិ អា្រស័យគា្ននង ិ មន
ិ សា្គល់ σ1 នង ិ σ2 ។ េនក្នុងែផ្នកេនះទ្រមង់េផ្សងេទៀតៃនេតស្ត t នង ឹ ្រត�វេ្របីស្រមាប់
2 2
លំហគំរូអា្រស័យគា្ន។ លំហគំរូអា្រស័យគា្នេពលខ្លះ្រត�វបានេហថាលំហគំរូៃនគូ្រត�វគា្ន។
ឧទាហរណ៍ 11.2.1. ់ ឹងថាឱសថមួយមានឥទ្ធព

• អ្នក្រសាវ្រជាវេវជ្ជសា�ស្តចងដ ិ លដល់រយៈេពល្របតិ
កម្មៃនអ្នកេ្រប្រី បាស់ឬអត់? េដីម្បេី ធ្វីេតស្តសម្មតិកម្មេនះ អ្នក្រសាវ្រជាវេធ្វីេតស្តបឋមេលល
ី ំហគំរែូ ដល
បានេ្រជីសេរស
ី (មានន័យថាេធ្វេី តស្ត មុន េពលេលបឱសថ) បនា្ទប់ពីការេលបឱសថេគេធ្វស
ី េតស្ត
ម្តងេទៀតេលល
ី ំហគំរដ
ូ ែដល។ ទបី ញ្ច ប់មធ្យមៃនការេធ្វេី តស្តទាង
ំ ពរី េលក
ី ្រត�វបានេ្របៀបេធៀបេដីម្បរី ក
េឃញ ី ថាមានភាពខុសគា្នឬអត់។
• កម្មវ ិធី របបអាហារនិងកីឡា ្រត�វ បានេរៀបចំ េដីម្បី ជួយ មនុស្សស្រមកទម្ងន់។ លំហ គំរូ មួយ ្រត�វ បាន
េ្រជស
ី េរសេហ
ី យ
ី មា្ន ក់ៗ ថ្លង
ឹ ទម្ងន់ (មុន េពលចូលរួម កម្មវ ិធ)
ី ។ បនា្ទប់មកមា្ន ក់ៗ េនក្នុងលំហ គំរូ ្រត�វ
ឆ្លងកាត់ របបអាហារនង
ិ ការហាត់ កឡា
ី ែដលេរៀបចំ េដាយកម្មវ ិធី មួយ រយៈេហយ
ី ថ្លង
ឹ ទម្ងន់ ម្តង េទៀត
(េ្រកាយេពលចូលរួមកម្មវ ិធី)។
• អ្នក្រសាវ្រជាវចងេ់ រៀបចំមុខវ ិជា្ជបំប៉នេដីម្បជ

ី ួយសិស្សឱ្យេកីនពិនក្ន
ុ ្ទ ុ ងការ្របលងេលីកទីពីររបស់ពួកេគ។
ដូចេនះភាពខុសគា្នការ្របលងទាំងពីរេលីក្រត�វបានេ្របៀបេធៀប។
េតស្តសម្មតិកម្មសរា
ើ ្ន ៃនមធ្យមពីរ៖ េ្របើេតស្ត t
ំ ពរី អា្រស័យគា្ន
• n : ចំនួនគូទិន្នន័យ
• n ≥ 30 ឬ េបី n < 30 សាកលទាំងពីរ្រត�វែតមានបំែនងែចកនរមា៉ល់
327
ិ ្ថ ិ
D̄ − µD
T= √ ∼ t(n − 1),
sD / n
ែដល P
D
D = X1 − X2 , D̄ =
n
s P P
n D2 − ( D)2
sD =
n(n − 1)
េតស្តសម្មតិកម្ម៖ កំរតចាំ
ិ បាច់ α
H0 : µD = 0,
H1 : µD , 0, µD < 0, µD > 0
D̄ − µD
TS : t = √ d.f. = n − 1
sD / n
RR : |T | ≥ tα/2 , T ≤ −tα , T ≥ tα
p =: 2P(T ≥ |t|), P(T ≤ t), P(T ≥ t)
ឧទាហរណ៍ 11.2.2. លំហ គំរូ ៃនធនាគារក្នុង្រស�ក ចំនួន 9 បងា្ហញការដាក់ សាច់្របាក់(គិតជាពាន់ លាន

ដុលា្លរ) កាលពី 3 ឆា្នម
ំ ុន នង
ិ ការដាក់សាច់្របាក់(គត
ិ ជាពាន់លានដុលា្លរ) ៃថ្ងេនះដូចខាងេ្រកាម៖
ធនាគារ 1 2 3 4 5 6 7 8 9
3 ឆា្នម
ំ ុន 11.42 8.41 3.98 7.37 2.28 1.10 1.00 0.9 1.35
ៃថ្ងេនះ 16.69 9.44 6.53 5.58 2.92 1.88 1.78 1.5 1.22
េតី េយង
ិ ្ឋ នថាការដាក់ សាច់្របាក់ ជាមធ្យមេនៃថ្ងេនះគឺ េ្រចន
ី ជាងកាលពី 3 ឆា្នម
ំ ុន ចំេពាះ α =
0.05? សន្មត់ថាអេថរជាបំែនងែចកនរមា៉ល់។
សមា្គល់ 11.2.1 (ព្រងាងគំនិត). • ធនាគារមួយ មានការអេង្កត ពីរ៖ ការដាក់ សាច់្របាក់ កាលពី 3
ឆា្នម
ំ ុន នង
ិ ៃថ្ងេនះ។ ដូចេនះវាជាេតស្តសម្មតក
ិ ម្មៃនលំហគំរូៃនគូ្រត�វគា្ន។
• េយង
ី េ្របេី តស្ត t សំរាប់លំហគំរូៃនគូ្រត�វគា្ន
• េយង
ី ចងដ់ ឹងថា ការដាក់សាច់្របាក់ជាមធ្យមមានការេកីនេឡង ី ឬអត់ មានន័យថាការដាក់សាច់្របាក់
កាលពី 3 ឆា្នម
ំ ុនតច
ិ ជាងការដាក់សាច់្របាក់ៃថ្ងេនះ។ ដូចេនះមធ្យមៃនផលដកគត ឺ ូចជាងសូន្យ។
ចេម្លើយ. ជំហានទ១
ិ ម្ម
H0 : µD = 0, H1 : µD < 0 (ការអះអាង)
ជំហានទ២
ិ្ថ ិ
D̄ − µD −1.081 − 0
t= √ = √ = −1.674
sD / n 1.937/ 9
328
ែដល D̄ និង sD អាចគណនាបានេដាយេ្របីតារាងខាងេ្រកាម។
ជំហានទី៣ តៃម្លសំខាន់
េដាយសារ α = 0.05, d.f. = n − 1 = 8 េហយ
ី វាជាេតស្តខាងេឆ្វងេនាះតៃម្លសំខាន់គឺ
−tα = −1.860
ជំហានទី៤ សំេរចចិត្ត
ែដនបដិេសដគឺ T ≤ −tα = −t0.05 = −1.860។ េដាយសារ −1.674 មន
ិ ស្ថត
ិ ក្នុងែដនបដិេសដេនាះេយង
ី
មនិ បដិេសធ H0 ។
ជំហានទី៥ សន្និដា្ឋន
ី មិនមានភស្តុតាង្រគប់្រគាន់េដីម្បបងា
ី ្ហ ញថាការដាក់សាច់្របាក់ជាមធ្យមមានការេកីនេឡង
ី ក្នុងរយៈេពល
បីឆា្នច
ំ ុងេ្រកាយ។
3 ឆា្នម
ំ ុន(X1 ) ៃថ្ងេនះ(X2 ) D = X1 − X2 D2 = (X1 − X2 )2
11.42 16.69 −5.27 27.7729
8.41 9.44 −1.03 1.0609
3.98 6.53 −2.55 6.5025
7.37 5.58 1.79 3.2041
2.28 2.92 −0.64 0.4096
1.10 1.88 −0.78 0.6084
1.00 1.78 −0.78 0.6084
0.90 1.50 −0.60 0.3600
1.35 1.22 0.13 0.0169

P P
D = −9.73 D2 = 40.5437
លំហាត់ 11.2.1. 1. ចំេពាះ n គូៃនទន

ិ ្នន័យរកែដនបដេិ សដស្រមាប់េតស្តសម្មតក
ិ ម្ម H0 : µD = 0, H1 :
µD > 0 េនក្នុងករណីនីមួយៗខាងេ្រកាម
(a) n = 12, α = 0.05

(b) n = 24, α = 0.10
(c) n = 4, α = 0.025
(d) n = 80, α = 0.01
2. េនក្នុងពេិ សាធន៍គូៃនទន
ិ ្នន័យែដលមានលទ្ធផលដូចខាងេ្រកាម
n = 38, x̄1 = 92, x̄2 = 95.5, D̄ = −3.5, s2D = 21
329
(a) េតីអីជា
្វ ការសន្មត់ចាបា
ំ ច់ស្រមាប់ការេធ្វីេតស្តសម្មតិកម្មៃនគូទិន្នន័យ
(b) េធ្វីេតស្តសម្មតិកម្ម H0 : µ1 − µ2 = 0, H1 : µ1 − µ2 < 0 េដាយេ្របី α = 0.01
(c) រកចេនា្លះេជឿជាក់ 90% ស្រមាប់ផលដកៃនមធ្យម µD
3. អ្នកជំនាញការែផ្នកចំណីអាហារចង់ដឹងថាេតីកំរតកូ
៉ នង
ឹ ែ្រប្រប�លឬអត់េបីរបបអាហារ្រត�វ
បានបែន្ថម សារជាតិ ែរ ៉មួយ ្របេភទ។ មនុស្ស 6 នាក់ ្រត�វ បានេ្រជីសេរសេដាយៃចដន្យេដ
ី ីម្បី េធ្វីេតស្ត
បឋម នងិ បនា្ទប់មកពួកេគទទួលយកសារជាតិ ែរ ៉បែន្ថម ក្នុងរយៈេពល 5 សបា្តហ៍។ តារាងលទ្ធផល
ខាងេ្រកាមបងា្ហញពីកំរតកូ
៉ គិតជាមីលី្រកាមក្នុងមួយេដសុីលីត៖
1 2 3 4 5 6
មុន (X1 ) 210 235 208 190 172 244
េ្រកាយ(X2 ) 190 170 210 188 173 228
េតេី យង
ី អាចសន្និដា្ឋនថាកំរតកូ
ិ េឡេស្តរល
ូ ៉ ែ្រប្រប�លឬេទចំេពាះ α = 0.10? សន្មតថា
់ អេថរមានបំែនង
ែចកនរមា៉ល់។
ំ គំរ ូពីរស្រមាប់វា៉ដ្យង់
ិ ិ ចាប់អារម្មណ៍ ក្នុងការេ្របៀបេធៀបវា៉ ដ្យង់ ពរី ឬគមា្លតស្តង់ ដា

បែន្ថម េទេលី ការេ្របៀបេធៀបមធ្យមពរី អ្នក ស្ថត
ពរី ។ ឧទាហរណ៍អ្នក្រសាវ្រជាវអាចចាប់អារម្មណ៍ក្នុងការេ្របៀបេធៀបវា៉ដ្យង់ៃនកូ េឡេស្តរូល
៉ ៃនបុរសជាមួយ
នឹងវា៉ដ្យង់ៃនកូេឡេស្តរូល
៉ ៃន�ស្តី។ េដីម្បេី ្របៀបេធៀបវា៉ដ្យង់ពីរឬគមា្លតស្តង់ដាពីរេយង
្ថ ិ F ។
ី ្ដ ទ 11.3.1 (បំែនងែចក F). េបី U ∼ χ2 (ν1 ) និង V ∼ χ2 (ν2 ) មិនអា្រស័យគា្នេនាះអេថរៃចដន្យ

្រទឹសប
U/ν1
F=
V/ν2
មានអនុគមន៍ដង់សុេី ត
 ν1 +ν2 ν1 ν1


 Γ( 2 )( ν ) 2 ν1
2 −1

 2
 Γ( ν21 )Γ( ν22 )
x
ν1 +ν2 , x>0
fF (x) = 

ν x
1+ ν1
2



2
0, x≤0
េហថាបំែនងែចក F ែដលមាន d.f. ν1 នង

ិ ν2 .
ស្រមាយបញ ី មានអនុគមន៍ដង់សុេី តៃន U នង

្ជ ក់. េយង ិ V៖
1 ν1
u 2 −1 e− 2 , u > 0,
u
fU (u) = ν ν1
Γ 2
1
2 2
1 ν2
v 2 −1 e− 2 , v > 0,
v
fV (v) = ν ν2
Γ 2
2
2 2
330
ិ អនុគមន៍ដង់សុេី តរួមៃន U នង
នង ិ V (េដាយ U នង
ិ V មន
ិ អា្រស័យគា្ន)៖
fU,V (u, v) = fU (u) fV (v)
1 ν1 ν2
= ν ν ν1 +ν2 u 2 −1 v 2 −1 e− 2
u+v
Γ 21 Γ 22 2 2
ដូចេនះអនុគមន៍បំែនងែចក្រប�បាប៊ីលេី តេកន ី ៃន V គឺ
U
U
GU/V (x) = P ≤ x = P(U ≤ xV)
V Z ∞ Z xv !
1 ν1 ν2
u 2 e 2 du v 2 −1 e− 2 dv
−1 − u v
= ν ν ν1 +ν2
Γ 2 Γ 2 2 2
1 2
0 0
គណនាេដរេវៃន
ី GU/V េធៀបនង ឹ x េយងី ទទួលបានអនុគមន៍ដង់សុេី តៃន V ៖
U
Z ∞ ν2
1 ν1
(xv) 2 −1 e− 2 v v 2 −1 e− 2 dv,
xv v
fU/V (x) = ν ν ν1 +ν2
Γ 21 Γ 22 2 2 0
ν1 Z ∞ ν +ν
x 2 −1 (x+1)v
v 2 −1 e− 2 dv.
1 2
= ν ν ν1 +ν2
Γ 21 Γ 22 2 2 0
តាមលក្ខណៈៃនអនុគមន៍ហា្កមាេយង
ី មាន
Z ∞ ! ν1 +ν 2
ν + ν
ν1 +ν2
2 −1 − (x+1)v 2 2
1 2
v e 2 dv = Γ .
0 x+1 2
ី បាន

Γ ν1 +ν
ν1
x 2 −1
2
2
fU/V (x) = ν ν ν1 +ν2 .
Γ 21 Γ 22 (x + 1) 2
និងអនុគមន៍ដង់សុីេតៃន F
fF (x) = f(U/ν1 )/(V/ν2 ) (x)
= f( νν2 )(U/V) (x)
1
!
ν1 ν1
= fU/V x
ν2 ν2
ν +ν ν ν21 −1
ν1 Γ 2
1 2 1
ν
x
= ν ν 2 ν1 +ν2
ν2 Γ 1 Γ 2
2 2 1 + νν21 x 2
ν +ν ν ν21 ν1
Γ 1 2 2 ν12 x 2 −1
= ν1 +ν .
Γ ν21 Γ ν22
2
ν1
1 + ν2 x 2
□
លក្ខណៈ 11.3.1 (លក្ខណៈៃនបំែនងែចក F). • តៃម្លៃន F គវឺ ិជ្ជមាន
• ែខ្សេកាងដង់សុីេតៃនបំែនងែចក F េទរេទខាងសា្ត ំ
• បំែនងែចក F គឺជា្រគ�សារែខ្សេកាងែដលអា្រស័យនឹង d.f. ν1 និង ν2
331
រូប 11.1: ្រគ�សារែខ្សេកាង F
ំ ន់
Fα (ν1 , ν2 ) គជា
ឺ តៃម្លសំខាន់ៃនបំែនងែចក F ែដលមាន d.f. ν1 នង
ិ ν2 ។ េបី F ∼ F(ν1 , ν2 ) េនាះ

P F ≥ Fα (ν1 , ν2 ) = α.
សមា្គល់ 11.3.1. • តាមនយ

ី មាន
P (F ≥ F1−α (ν1 , ν2 )) = 1 − α
ី បាន
P(F ≤ F1−α (ν1 , ν2 )) = α.
• េយង
ី មាន
1
F1−α (ν1 , ν2 ) = (∗)
Fα (ν2 , ν1 )
តារាងបំែនងែចក F
• តៃម្លសំខាន់សំរាប់ α = 0.005, 0.01, 0.025, 0.05, 0.10 : ទាំងេនះគជា

ឺ តៃម្លសំរាប់េតស្តខាងសា្ត។
ំ េបី
េតស្តសងខាងេនាះេយង ី េ្របីតៃម្ល α/2.
• េបី d.f. មន
ិ មានក្នុងតារាងេនាះេយង
ី េ្របត
ី ៃម្ល d.f. ែដលេនែក្បរតូចជាង
• តាមរូបមន្ត (*) : តៃម្លសំខាន់សំរាប់េតស្តខាងេឆ្វងអាចរកបានេដាយប្តូរ d.f. េហយ

ី រកច្រមាស់ៃន
តៃម្លសំខាន់សំរាប់េតស្តខាងសា្ត។
ំ
េតស្តសរា
ើ ្ន ៃនវា៉ដ្យង់ពីរ៖ េ្របើេតស្តសត
ិ ្ថ ិ F
• តាង S 12 ជាវា៉ដ្យង់លំហគំរូែដលមានទំហំ n1 យកេចញពប

ី ំែនងែចកនរមា៉ល់ែដលមានវា៉ដ្យង់ σ1 ។
2
• តាង S 22 ជាវា៉ដ្យង់លំហគំរូែដលមានទំហំ n2 យកេចញពីបំែនងែចកនរមា៉ល់ែដលមានវា៉ដ្យង់ σ22 ។
• សន្មត់ថាលំហគំរូទាង
ំ ពីរមិនអា្រស័យគា្ន។
332
េយង
ី បាន្រសាយថា
(n1 − 1)S 12
U= ∼ χ2 (n1 − 1),
σ21
(n2 − 1)S 22
V= ∼ χ2 (n2 − 1)
σ22
េយង
ី បានតាម្រទឹសីប
្ត ទខាងេលី
U/(n1 − 1) S 12 /σ21 σ22 S 12

F= = =
V/(n2 − 1) S 22 /σ22 σ21 S 22
មានបំែនងែចក F ែដលមាន d.f. ν1 = n1 − 1 និង ν2 = n2 − 1 ។ េបី H0 : σ21 = σ22 ពិតេនាះអេថរៃចដន្យ

F ស្រម�លមក្រតម
ឹ
S 12
F = 2 ∼ F(ν1 , ν2 )
S2
ី េ្របេី តស្តសត
ិ្ថ ិ F េដម ី ្ន ៃនវា៉ដ្យង់ពរី ។
ី ្បេី ធ្វេី តស្តភាពេស្មគា
ើ ្ន ៃនវា៉ដ្យង់េនក្រមិតចា ំបាច់ α
H0 : σ21 = σ22 ,
H1 : σ21 , σ22 , σ21 < σ22 , σ21 > σ22
∗
s21
T S : F = 2 , ν1 = n1 − 1, ν2 = n2 − 1
s2
RR : F ≥ Fα/2 ឬ F ≤ F1−α/2 , F ≤ F1−α , F ≥ Fα
p =: 2P(F ≥ F ∗ ), P(F ≤ F ∗ ), P(F ≥ F ∗ )
សមា្គល់ 11.3.2 (ការេ្របើ្របាស់េតស្ត F). េយង ់ ដា

ី ែតងែតអាចយកវា៉ដ្យងធ ំ ក់េនភាគយកក្នុងរូបមន្តតៃម្ល
ិ្ថ ិ F = េនាះ F ∗ ≥ 1 េហយ
ី េយង
ី ្រត�វការែតតៃម្លសំខាន់ស្រមាប់េតស្តខាងសា្តែំ ដលផ្តល់េដាយ
∗ s21
s22
តារាងបំែនងែចក F [េមីលេសចក្តីបែន្ថមក្នុង១] ។
ចេនា្លះេជឿជាក់ 100(1 − α)% សំរាប់ σ21 /σ22
s21 1 σ21 s21 1

≤ ≤ 2
s2 α/2 (n1 − 1, n2 − 1) σ2 s2 F1−α/2 (n1 − 1, n2 − 1)
2F 2
ឬ
s21 1 σ21 s21
≤ ≤ Fα/2 (n2 − 1, n1 − 1)
s22 Fα/2 (n1 − 1, n2 − 1) σ22 s22
ឧទាហរណ៍ 11.3.1. អ្នក្រសាវ្រជាវេវជ្ជសា�ស្ត ចង់ ដឹង ថា េតី វា៉ ដ្យង់ ៃនចងា្វក់ េបះដូង ក្នុងមួយ នាទី ៃនអ្នក
ី សពីវា៉ដ្យង់ៃនចងា្វក់េបះដូងៃនអ្នកមន
ជក់បារខុ ិ ជក់បារឬេទ។
ី លំហគំរូៃចដន្យពរី ្រត�វបានេ្រជីសេរសេហ
ី យ
ី
ទិន្នន័យ្រត�វបានបងា្ហញដូចខាងេ្រកាម៖
333
អ្នកជក់បារ ី អ្នកមិនជក់បារ ី
n1 = 26 n2 = 18
s21 = 36 s22 = 10
េតីមានភស្តុតាង្រគប់្រគាន់េដីម្បគា
ី ្រំ ទការអះអាងឬេទចំេពាះ α = 0.05? សន្មតថា
់ អេថរមានបំែនងែចកនរ
មា៉ល់។
សមា្គល់ 11.3.3 (ព្រងាងគំនិត). • េយង ់ ង
ី ចងដ ឹ ពភា ី ្ន ៃនវា៉ដ្យងរ់ វាងលំហគំរព
ី ពេស្មគា ូ រី ែដលមន
ិ អា្រស័យ
គា្ន (អ្នកជក់បារ ី និងអ្នកមិនជក់បារ)ី
• េយង
្ថ ិ F
• វាជាេតស្តសងខាង
ិ ម្ម
H0 : σ21 = σ22 , H1 : σ21 , σ22 (ការអះអាង)
្ថ ិ
∗
s21 36
F = 2 = = 3.6
s2 10
• ជហា
េដាយ α = 0.05 េហយី វាជាេតស្តសងខាងេនាះតាមតារាងបំែនងែចក F [េមល
ី េសចក្តប
ី ែន្ថមក្នុង១]
ែដលមាន ν1 = 26 − 1 = 25, ν2 = 18 − 1 = 17 េយង
ី បាន F0.025 (24, 17) = 2.56 (េ្រពាះក្នុងតារាង
មានែត ν1 = 24)។
ី បដិេសធ H0 េ្រពាះ 3.6 > 2.56 មានន័យថាតៃម្លេតស្តសត
ិ្ថ ស
ិ ត
ិ្ថ េនក្នុងែដនបដិេសដ។
ិ ្ឋ ន
ី មានភស្តុតាង្រគប់្រគាន់េដីម្បគា ់ ងា្វក់េបះដូងរវាងអ្នកជក់បារ ី
ី ្រំ ទការអះអាងែដលថាវា៉ដ្យងច
នង
ិ អ្នកមន
ិ ជក់បារគ
ី ខ
ឺ ុសគា្ន។
ឧទាហរណ៍ 11.3.2. អ្នក្រសាវ្រជាវេ្រជីសេរសលំ
ី ហគំរៃូ ននស
ិ ិ្សតបញ្ច ប់ការសិក�ែផ្នកគណិតវ ិទយ 10 នាក់
េហយី រកេឃញ ី ថាគមា្លតស្តង់ ដា ៃន GPA គឺ 0.72។ បនា្ទប់មកេគក៏ េ្រជីសេរសលំ
ី ហ គំរូ ៃននិ សិ្ស តបញ្ច ប់
ការសកិ �ែផ្នកវ ិស្វកម្ម 14 នាក់េហយ
ី រកេឃញ ់ ៃន GPA គឺ 0.51។ ចំេពាះ α = 0.01 េតេី យង
ី ថាគមា្លតស្តងដា ី
អាចសន្និដា្ឋនថាវា៉ដ្យងៃ់ ន GPA និស្សត
ិ គណិតវ ិទយគធ ំ ងវា៉ដ្យងៃ់ ន GPA និស្សត
ឺ ជា ិ វ ិស្វកម្មឬេទ? សន្មតថា
់
សមា្គល់ 11.3.4 (ព្រងាងគំនិត). • េយង ់ េនាះេលីកជាកាេរេដីម្បទទួ
ី សា្គល់គមា្លតស្តងដា ី លបានវា៉ដ្យង់
• េយង ្ថ ិ F េដាយយកវា៉ដ្យង់ធំេនភាគយកេដីម្បេី ្របីេតស្តខាងសា្ត។

ី េ្របីេតស្តសិត ំ
H0 : σ21 = σ22 , H1 : σ21 > σ22 (ការអះអាង)
334
ិ្ថ ិ
∗
s21 0.722
F = 2 = = 1.99
s2 0.512
េដាយសារ α = 0.01 េហយ ី វាជាេតស្តខាងសា្តេំ នាះតាមតារាងបំែនងែចក F ែដលមាន ν1 = 10 − 1 =
9, ν2 = 14 − 1 = 13 េយងី បាន F0.01 (9, 13) = 4.19 ។
ិ ្ត
ី មិនបដិេសធ H0 េ្រពាះ 1.99 < 4.19 មានន័យថាតៃម្លេតស្តសិត
្ថ ម
ិ ិនស្ថិតេនក្នុងែដនបដិ
េសដ។
• ជំហានទី៥ សន្និដា្ឋន ដូេច្នះេយង ី ្រំ ទការអះអាងែដលថាវា៉ដ្យងៃ់ ន

GPA នស
ិ ្សត ឺ ំជាងវា៉ដ្យង់ៃន GPA នស
ិ គណិតវ ិទយគធ ិ ្សត
ិ វ ិស្វកម្ម។
ការរកតៃម្ល p សំរាប់េតស្ត F មានភាពស្មុគសា្មញេ្រពាះវាត្រម�វឱ្យេយង

ី េមល
ី តារាងបំែនងែចក F ចំេពាះ α
នីមួយៗេដាយេ្របី d.f. ν1 និង ν2 ជាក់លាក់ណាមួយ។ េបី p ≤ α េនាះេយង
ី បដិេសធ H0 ។
ឧទាហរណ៍ 11.3.3. រកតៃម្ល p ចំេពាះ F = 3.58, ν1 = 5, ν2 = 10៖ ដំបូង េយង

ី រកតៃម្ល F ចំេពាះ
ν1 = 5, ν2 = 10 ស្រមាប់ α = 0.005, 0.01, 0.025, 0.05, 0.10 ក្នុងតារាងបំែនងែចក F េនាះេយង
ី អាចប
េង្កីតតារាងដូចខាងេ្រកាម
α 0.10 0.05 0.025 0.01 0.005
F 2.52 3.33 4.24 5.64 6.87
បនា្ទប់មកេយង
ី សេង្កតេមីលតៃម្ល F ពីរែដល 3.58 ស្ថិតេន។ ក្នុងករណីេនះ 3.58 ស្ថិតេនចេនា្លះ 3.33 និង
4.24 ែដល្រត�វនង
ឹ 0.05 នង
ិ 0.025 េរៀងគា្ន។ ដូចេនះតៃម្ល p ស្រមាប់េតស្តខាងសា្តគ
ំ ឺ 0.025 < p < 0.05
និងស្រមាប់េតស្តសងខាងគឺ 2(0.025) < p < 2(0.05) ឬ 0.05 < p < 0.10 ។
ិ ត្តៃិ ន្រពលានយន្តេហាះមួយអះអាងថាវា៉ដ្យងៃ់ នចំនួនអ្នកេធ្វដ

ឧទាហរណ៍ 11.3.4. នាយក្របតប ី ំេណីរក្នុង
្រពលានក្នុង្រស�កធំជាងវា៉ដ្យងៃ់ នចំនួនអ្នកេធ្វដ
ី ំេណីរក្នុង្រពលានអន្តរជាតិ។ ចំេពាះ α = 0.10 េតីមានភស្តុតាង
្រគប់្រគាន់េដម
ី ្បគា
ី ្រំ ទសម្មតក
ិ ម្មេនះឬេទ? ទន ិ ្នន័យខាងេ្រកាមបងា្ហញអំពច ី េំ ណីរគត
ី ំនួនអ្នកេធ្វដ ិ ជាលាននាក់
ក្នុងរយៈេពលមួយឆា្នៃំ ន្រពលានែដល្រត�វបានេ្រជីសេរស។
ី សន្មត់អេថរមានបំែនងែចកនរមា៉ល់េហយ
ី លំហ
គំរូៃចដន្យទាំងពីរមិនអា្រស័យគា្ន។
្រពលានក្នុង្រស�ក 36.8 72.4 60.5 73.5 61.2 40.1
្រពលានអន្តរជាតិ 60.7 42.7 51.2 38.6
335
ី គណនាវា៉ដ្យង់ៃនលំហគំរូេដាយេ្របរី ូបមន្ត
សមា្គល់ 11.3.5 (ព្រងាងគំនិត). េយង
!2
P
n P
n
n xi2 − xi
i=1 i=1
s =
2
n(n − 1)
ិ ម្ម
H0 : σ21 = σ22 , H1 : σ21 > σ22 (ការអះអាង)
• ជំហានទី២ តៃម្លេតស្តសិត្ថ ិ
េយងី មាន s1 = 246.38, s2 = 95.87 េនាះ
2 2
s21 246.38
∗
F = 2 = = 2.57
s2 95.87
េដាយសារ ν1 = 6 − 1 = 5, ν2 = 4 − 1 = 3
α 0.10 0.05 0.025 0.01 0.005
F 5.31 9.01 14.88 28.24 45.39
េដាយសារ 2.57 < 5.31 េនាះ p > 0.10
េដាយសារ p > 0.10 = α ដូចេនះេយង
ី មន
ិ បដិេសធ H0 ។
ិ ្ឋ ន ដូេច្នះេយង
ី មន ី ្រំ ទការអះអាងែដលថាវា៉ដ្យងៃ់ ន
ចំនួនអ្នកេធ្វីដំេណីរក្នុង្រពលានក្នុង្រស�កធំជាងវា៉ដ្យង់ៃនចំនួនអ្នកេធ្វីដំេណីរក្នុង្រពលានអន្តរជាតិ។
លំហាត់ 11.3.1. 1. កំនត់ ែដនបដិ េសដស្រមាប់ ករណី នី មួយ ៗខាងេ្រកាម។ ស្ម ន ត់ ថា ν1 = 7 នង

ិ
ν2 = 9
(a) H1 : σ21 < σ22 , α = 0.05

(b) H1 : σ21 > σ22 , α = 0.01
(c) H1 : σ21 , σ22 , α = 0.10 ែដល s21 > s22
(d) H1 : σ21 > σ22 , α = 0.025
2. ចំេពាះករណីនម
ី ួយៗខាងេ្រកាមកំនត់ែដនបដិេសដក្នុងការេធ្វេី តស្តសម្មតក
ិ ម្ម
H0 : σ21 = σ22 , H1 : σ21 > σ22
សន្មត់ថា ν1 = 30 និង ν2 = 20។
(a) α = 0.10
(b) α = 0.05
336
(c) α = 0.025
(d) α = 0.01
3. លំហគំរូៃចដន្យមិនអា្រស័យគា្ន្រត�វបានេ្រជីសេចញពីសាកលនរមា៉ល់ពីរែដល n1 = 16 ពីសាកល១
នង
ិ n2 = 25 ពសា
ី កល២។ មធ្យមនង ់ ំហគំរស
ិ វា៉ដ្យងល ូ នបងា្ហញក្នុងតារាងខាងេ្រកាម
ូ ្រមាប់លំហគំរមា
ទំហល
ំ ំហគំរូ មធ្យមលំហគំរូ វា៉ដ្យង់លំហគំរូ
លំហគំរូ១ n1 = 16 x̄1 = 22.5 s21 = 2.87
លំហគំរូ២ n2 = 25 x̄2 = 28.2 s22 = 9.85
(a) េធ្វេី តស្តសម្មតក

ិ ម្ម H0 : σ1 = σ2 , H1 : σ1 , σ2 េដាយេ្របី α = 0.05
2 2 2 2
(b) រកតៃម្ល p ៃនេតស្តសម្មតក

ិ ម្មេនះ
4. លំហគំរូៃចដន្យមនិ អា្រស័យគា្ន ្រត�វបានេ្រជស

ី េចញពីសាកលនរមា៉ល់ពរី ែដល n1 = 6 ពសា
ី កល១
និង n2 = 4 ពីសាកល២។ ទិន្នន័យមានបងា្ហញក្នុងតារាងខាងេ្រកាម
លំហគំរូ១ 3.1 4.3 1.2 1.7 0.6 3.4
លំហគំរូ២ 2.3 1.4 3.7 8.9
(a) េធ្វីេតស្តសម្មតិកម្ម H0 : σ21 = σ22 , H1 : σ21 < σ22 េដាយេ្របី α = 0.01

(b) េធ្វីេតស្តសម្មតិកម្ម H0 : σ21 = σ22 , H1 : σ21 , σ22 េដាយេ្របី α = 0.10
(c) េធ្វេី តស្តសម្មតក
ិ ម្ម H0 : σ1 = σ2 , H1 : σ1 > σ2 េដាយេ្របី α = 0.05
2 2 2 2
5. ចំនួន្រកាមៃនកាបូនី្រតាតេនក្នុង 30g ៃនស្ករ្រគាប់សូកូឡា និងមិនែមនសូកូឡាែដល្រត�វបានេ្រជីសេរស

ី
េដាយៃចដន្យមានដូចក្នុងទិន្នន័យខាងេ្រកាម៖
សូកូឡា 29 25 17 36 41 25 32 29 38 34 24 27 29
មិនែមនសូកូឡា 41 41 37 29 30 38 39 10 29 55 29
ី ិដា្ឋនថាវា៉ដ្យងៃ់ នបរមាណកាបូ
េតីមានភស្តុតាង្រគប់្រគាន់េដីម្បសន្ន ិ នី្រតាតមានភាពខុសគា្នរវាងស្ករ្រគាប់
ទាំងពីរ្របេភទេដាយេ្របី α = 0.10? សន្មត់ថាអេថរមានបំែនងែចកនរមា៉ល់។
ំ គំរ ូពីរស្រមាប់សមាមា្រត
េដីម្បទា
ី ញសន្នដា
ិ ្ឋ នអំពី p1 − p2 េយង
ី េ្រជីសយកលំហគំរៃូ ចដន្យែដលមានទំហំ n1 េចញពសា ី កលទ១ ី នងិ
លំហគំរៃូ ចដន្យែដលមានទំហំ n2 េចញពសា ី កលទី២ ។ លំហគំរទាូ ង
ំ ពីរមិនអា្រស័យគា្ន។ ចំេពាះលំហគំរន ូ ី
337
មួយៗេយងី រាប់ចំនួនេជាគជ័យ (សំេដេលអ
ី ែី្វ ដលេយង
ី កំពុងែស្វងរក) ែដលតាងេដាយ x1 នង
ិ x2 េរៀងគា្ន។
ដូចេនះេយងី អាចគណនាសមាមា្រតលំហគំរូនីមួយៗេដាយេ្របីរូបមន្ត
x1 x2
p̂1 = និង p̂2 =
n1 n2
នម
ិ ត
ិ ្តសញញ
សមាមា្រតសាកលៃនេជាគជ័យ p1 , p2
ទំហល
ំ ំហគំរូ n1 , n2
ចំនួនេជាគជ័យ x1 , x2
អេថរៃចដន្យ្រត�វគា្ន X1 , X2
សមាមា្រតលំហគំរូៃនេជាគជ័យ p̂1 = x1
n1
, p̂2 = x2
n2
អេថរៃចដន្យ្រត�វគា្ន b1 =
P X1 b
n1
, P2 = X2
n2
លក្ខណៈបំែនងែចកលំហគំរ ូៃន P
b1 − P
b2
• មធ្យមៃន P
b1 − P
b2
b1 − P
E[P b2 ] = µPb −Pb = p1 − p2
1 2
• វា៉ដ្យង់ៃន P
b1 − P
b2
b1 − P
b2 ) = σ2 p1 (1 − p1 ) p2 (1 − p2 )
V(P b =
b −P
P
+
1 2 n1 n2
• គមា្លតស្តង់ដាៃន P
b1 − P
b2
r
p1 (1 − p1 ) p2 (1 − p2 )
σPb1 −Pb2 = +
n1 n2
• េបី n1 , n2 ធំលម
្ម ែដល
1. n1 p1 ≥ 5, n1 (1 − p1 ) ≥ 5,
2. n2 p2 ≥ 5, n2 (1 − p2 ) ≥ 5
េនាះតាម្រទឹសីប
្ត ទលីមីតផ្ចិត
!
b2 ∼ N p1 − p2 , p1 (1 − p1 ) + p2 (1 − p2 )
b1 − P
P
n1 n2
ដូចេនះអេថរៃចដន្យ
b1 − P
(P b2 ) − (p1 − p2 )
Z= q ∼ N(0, 1)
p1 (1−p1 )
n1
+ p2 (1−p2 )
n2
338
េតស្តភាពេស្មគា
ើ ្ន ៃនសមាមា្រតពីរ
េបី H0 : p1 = p2 ពិត េដាយសារេយង

ី មិនសា្គល់ p1 និង p2 េនាះេយង
ី នឹងបា៉ន់សា្មន p = (p1 = p2 ) េដាយ
េ្របស
ី មាមា្រតរួម
n1 p̂1 + n2 p̂2
p̂ =
n1 + n2
ការបា៉ន់សា្មន p េដាយ p̂ ជាការបា៉ន់សា្មនល្អបំផុតេបី H0 : p1 = p2 ពិត។ េដាយសារ p̂1 = x1

n1
, p̂2 = x2
n2
េនាះ p̂ អាចសេសរជាទំរង់
x1 + x2
p̂ = .
n1 + n2
ិ ម្ម៖ កំរតចាំ
ិ បាច់ α
H0 : p1 = p2 ,
H1 : p1 , p2 , p1 < p2 , p1 > p2
( p̂1 − p̂2 ) − (p1 − p2 )
TS : z = q ,
p̂(1 − p̂) n1 + n2
1 1
x1 + x2
p̂ =
n1 + n2
RR : |Z| ≥ zα/2 , Z ≤ −zα , Z ≥ zα
p =: 2P(Z ≥ |z|), P(Z ≤ z), P(Z ≥ z)
ឧទាហរណ៍ 11.4.1. អ្នក្រសាវ្រជាវេវជ្ជសា�ស្តបានរកេឃញ

ី ថា 12 ក្នុងចំេនាម 34 គ្លន
ី កិ តូចែដល្រត�វបាន
ី វា៉ក់សាង
េ្រជីសេរសេដាយៃចដន្យមានអ្រតាចាក់ ំ ការពារផា្តសាយតិចជាង 80% រឯ
ី 17 ក្នុងចំេនាម 24 គ្លីនិក
ធំ ែដល្រត�វ បានេ្រជីសេរសេដាយៃចដន្យមានអ្រតាចាក់
ី វា៉ក់សាង
ំ ការពារផា្តសាយតិច ជាង 80% ។ ចំេពាះ
α = 0.05 េតស្តការអះអាងែដលថាមិនមានភាពខុសគា្នរវាងសមាមា្រតៃនគ្លីនិកតូច និងគ្លីនិកធំែដលអ្រតា
ចាក់វា៉ក់សាងំ ការពារផា្តសាយតច
ិ ជាង 80% ។
H0 : p1 = p2 (ការអះអាង), H1 : p1 , p2
ិ្ថ ិ
តាង p̂1 , p̂2 ជាសមាមា្រតៃនគ្លន
ី កិ តូចនង
ិ គ្លន
ី កិ ធំេរៀងគា្ន េនាះ
x1 12 x2 17
p̂1 = = = 0.35, p̂2 = = = 0.71,
n1 34 n2 24
x1 + x2 12 + 17
p̂ = = = 0.5,
n1 + n2 34 + 24
( p̂1 − p̂2 ) − (p1 − p2 ) (0.35 − 0.71) − 0

z= q = q = −2.70
p̂(1 − p̂) n1 + n2
1 1
(0.5)(0.5) 34 + 24
1 1
េដាយ α = 0.05 េហយី វាជាេតស្តសងខាងេនាះតាមតារាងបំែនងែចក Z េយង
ី បាន
−zα/2 = −1.96, zα/2 = 1.96
339
ិ ្ត
ី បដិេសធ H0 េ្រពាះ −2.70 < −1.96 មានន័យថាតៃម្ល េតស្ត សិត
្ថ ិ សិត
្ថ េនក្នុងែដនបដិ
េសដ។
ិ ្ឋ ន
ី មានភស្តុតាង្រគប់្រគាន់េដីម្បបដ
ី ិេសធការអះអាងែដលថាមិនមានភាពខុសគា្នរវាងសមាមា្រត
ៃនគ្លន
ី កិ តូច នង
ិ គ្លន
ី កិ ធំែដលអ្រតាចាក់វា៉ក់សាង
ំ ការពារផា្តសាយតច
ិ ជាង 80% ។
ឧទាហរណ៍ 11.4.2. ការសិក�មួយបងា្ហញថាក្នុងលំហគំរៃូ ចដន្យៃនេចារកម្មគាស់ហាង 50 មានេចារ 16%

្រត�វបានចាប់ខួ ន។
្ល ក្នុងលំហគំរូៃចដន្យៃនេចារកម្មលួចឡាន 50 មានេចារ 12% ្រត�វបានចាប់ខួ ន។
្ល ចំេពាះ
α = 0.10 េតេី យង ី អាចសន្នដាិ ្ឋ នថាភាគរយេចារគាស់ហាងែដល្រត�វបានចាប់ខួ នេ្រច
្ល ន
ី ជាងភាគរយេចារលួច
ឡានែដល្រត�វបានចាប់ខួ ន?
្ល
ិ ម្ម
H0 : p1 = p2 , H1 : p1 > p2 (ការអះអាង)
ិ្ថ ិ
តាង p̂1 , p̂2 ជាសមាមា្រតៃនេចារគាស់ហាងនិងេចារលួចឡានែដល្រត�វបានចាប់ខួ នេរៀងគា
្ល ្ន េនាះ
x1 = p̂1 n1 = (0.16)(50) = 8, x2 = p̂2 n2 = (0.12)(50) = 6,

x1 + x2 8+6
p̂ = = = 0.14,
n1 + n2 50 + 50
( p̂1 − p̂2 ) − (p1 − p2 ) (0.16 − 0.12) − 0

z= q = q = 0.58
p̂(1 − p̂) n1 + n2
1 1
(0.14)(0.86) 50 + 50
1 1
• ជំហានទី ៣ តៃម្លសំខាន់
េដាយ α = 0.10 េហយ ី វាជាេតស្តខាងសា្តេំ នាះតាមតារាងបំែនងែចក Z េយង
ី បាន
zα = 1.28
• ជំហានទី ៤ សំេរចចិត្ត
ី មន
ិ បដិេសធ H0 េ្រពាះ 0.58 < 1.28 មានន័យថាតៃម្លេតស្តសត
ិ្ថ ម
ិ ន
ិ ស្ថត
ិ េនក្នុងែដនបដិ
េសដ។
• ជំហានទី ៥ សន្និដា្ឋន
ី មន
ី ្រំ ទការអះអាងែដលថាភាគរយៃនមនុស្សែដល្រត�វបាន
ចាប់ខួ នេដាយេចារកម្ម
្ល គាស់ហាងធំជាងភាគរយៃនមនុស្សែដល្រត�វបានចាប់ខួ នេដាយេចារកម្ម
្ល លួច
ឡានចំេពាះ α = 0.10។
340
ចេនា្លះេជឿជាក់ 100(1 − α)% សំរាប់ p1 − p2
r r
p̂1 (1 − p̂1 ) p̂2 (1 − p̂2 ) p̂1 (1 − p̂1 ) p̂2 (1 − p̂2 )
( p̂1 − p̂2 ) − zα/2 + ≤ p1 − p2 ≤ ( p̂1 − p̂2 ) + zα/2 +
n1 n2 n1 n2
លំហាត់ 11.4.1. 1. រកចេនា្លះេជឿជាក់ 95% ៃន p1 − p2 េនក្នុងករណីនីមួយៗខាងេ្រកាម
(a) n1 = 300, p̂1 = 0.35; n2 = 400, p̂2 = 0.42

(b) n1 = 200, p̂1 = 0.69; n2 = 230, p̂2 = 0.75
(c) n1 = 120, p̂1 = 0.54; n2 = 120, p̂2 = 0.39
2. លំហគំរូៃចដន្យមន
ិ អា្រស័យគា្នែដលនីមួយៗមានទំហំ 800 ្រត�វបានេ្រជស
ី េចញពីសាកលេទ្វធាពរី ។
លំហគំរូេចញពសា
ី កលទ១
ី នង
ិ សាកលទ២ ិ 480 េជាគជ័យេរៀងគា្ន។
ី មាន 400 នង
ិ ម្ម H0 : p1 = p2 នង
ិ H1 : p1 , p2 េដាយេ្របី α = 0.05
(b) េតស្តសម្មតក
ិ ម្ម H0 : p1 = p2 នង
ិ H1 : p1 , p2 េដាយេ្របី α = 0.01
(c) េតស្តសម្មតិកម្ម H0 : p1 = p2 និង H1 : p1 < p2 េដាយេ្របី α = 0.01
(d) រកចេនា្លះេជឿជាក់ 95% សំរាប់ p1 − p2
3. ការស្ទង់មតម
ិ ួយបានរកេឃញ
ី ថា 83% ៃននស
ិ ្សត
ិ ្រប�សេពញចត
ិ កា
្ត រែណនាំេដាយេ្របក
ី ុំព្យូទ័រជាងការ
បេ្រងៀនេដាយផា្ទល់ និង 75% ៃននិស្សត
ិ ្រសីេពញចិត្តការែណនាំេដាយេ្របីកុំព្យូទ័រជាងការបេ្រងៀន
េដាយផា្ទល់។ ក្នុងលំហគំរូៃចដន្យនីមួយៗមាននិស្សត
ិ ចំនួន 100 នាក់្រត�វបានេ្រជីសេរស។
ី
(a) ចំេពាះ α = 0.05 េតស្តការអះអាងែដលថាមន

ិ មានភាពខុសគា្នរវាងសមាមា្រតនស
ិ ្សត
ិ ្រប�ស នង
ិ
សមាមា្រតនស
ិ ្សត
ិ ្រសែី ដលេពញចត
ិ កា
្ត រែណនាំេដាយេ្របក
ី ុំព្យូទ័រជាងការបេ្រងៀនេដាយផា្ទល់។
(b) រកចេនា្លះេជឿជាក់ 95% សំរាប់ផលដកៃនសមាមា្រតទាំងពីរ។
4. ការសិក�មួយ្រត�វបានេធ្វីេឡង
ី េដីម្បក ិ ្រសីែដលទទួលបានជំនួយហរិ ញញវត្ថុេន
ី ំនត់ភាគរយៃននិស្សត
ថា្នក់បរញ
ិ ញ ប្រតគខ
ឺ ុសពភា ិ ្រប�សែដលទទួលបានជំនួយហរិ ញញវត្ថុេនថា្នក់បរញ
ី គរយៃននិស្សត ិ ញ ប្រត។
លំហគំរូៃចដន្យៃននិស្សត
ិ បរញ
ិ ញ ប្រតផ្តល់នូវទិន្នន័យដូចខាងេ្រកាម
្រសី ្រប�ស
ទំហល
ំ ំហគំរូ 250 300
ចំនួនអ្នកទទួលជំនួយ 200 180
េតមា
ី ្បប
ី ដេិ សដសម្មតក
ិ ម្ម H0 េនក្រមត
ិ ចាំបាច់ α = 0.01 ែដរឬេទ?
341
11.5 វិភាគវា៉ដ្យង់អេថរមិនអា្រស័យមួយ
ឹ ថ្មីមួយស្រមាប់ការផ្គត់ផ្គង់ទក
ឧបមាថា្រក�មហ៊ុនមួយអភវិ ឌ្ឍ្របព័ន្ធចេ្រមាះទក ឹ េនក្នុងទ្រី ក�ង។ ែផ្នកេផ្សងៗ
ៃន្របព័នច
្ធ េ្រមាះនឹង្រត�វទិញពអ ់ េ្រចីនរួចនឹង្រត�វដំេឡង
ី ្នកផ្គត់ផ្គងជា ី េនក្នុងេរាងច្រករបស់ខួ ន។
្ល ្រក�មវ ិស្វកម្ម
ី �ស្តដំេឡង
ឧស�ហកម្មទទួលខុស្រត�វេនក្នុងការកំនត់វ ិធសា ី ល្អបំផុតមួយស្រមាប់្របព័នច
្ធ េ្រមាះទក
ឹ ថ្មីេនះ។
បនា្ទប់ពី ពិចារណាេលី វ ិធីសា�ស្ត ែដលអាចជាេ្រចីន ្រក�ម េនះប្រង�ម មក្រតឹម ជេ្រមីស ចំនួន 3៖ វ ិធី សា�ស្ត A
វ ិធសា
ី �ស្ត B នង
ិ វ ិធសា
ី �ស្ត C ។ វ ិធសា ំ េនះខុសគា្ន េន្រតង់ ជំហានែដលេ្របី ស្រមាប់ ការដំេឡង
ី �ស្ត ទាង ី
្របព័ន្ធ។ អ្នក ្រគប់្រគង់ ្រក�មហ៊ុន ចង់ កំនត់ ថា េតី វ ិធសា
ី �ស្ត ដំេឡង
ី មួយ ណាែដលអាចផលត
ិ ្របព័ន្ធ ចេ្រមាះ
ចំនួនេ្រចីនបំផុតេនក្នុងមួយសបា្តហ៍។ េនក្នុងករណីេនះមានអេថរមិនអា្រស័យមួយ ឬកតា្តមួយគវឺ ិធសា
ី �ស្ត
ដំេឡង ី �ស្តដំេឡង
ី ។ វ ិធសា ី ទាំងបក
ី ំនត់សាកលបៃី នអេថរែដលសក
ិ �ស្រមាប់ពេិ សាធន៍េនះ។ សាកលទម
ី ួយ
គ្រឺ គប់អ្នកេធ្វីការក្នុង្រក�មហ៊ុនទាំងអស់ែដលដំេឡង
ី េដាយេ្របវី ិធសា
ី �ស្ត A។ សាកលទីពីរគ្រឺ គប់អ្នកេធ្វីការក្នុង
្រក�មហ៊ុនទាំងអស់ែដលដំេឡង
ី េដាយេ្របីវ ិធីសា�ស្ត B។ សាកលទប
ី ីគឺ្រគប់អ្នកេធ្វកា
ី រក្នុង្រក�មហ៊ុនទាំងអស់
ែដលដំេឡង
ី េដាយេ្របីវ ិធីសា�ស្ត C។ សមា្គល់ែដរថាស្រមាប់សាកលនីមួយៗអេថរអា្រស័យជាចំនួន្របព័ន្ធ
ចេ្រមាះែដល្រត�វបានដំេឡង
ី េនក្នុងមួយសបា្តហ៍។ េគាលបំណងសំខាន់ែបបស្ថិតិកុ ងករណ
្ន ី េនះគឺ្រត�វកំនត់
ថាេតីចំនួនមធ្យមៃន្របព័ន្ធចេ្រមាះផលត
ិ បានេនក្នុងមួយសបា្តហ៍ដូចគា្នស្រមាប់សាកលទាំងប។
ី សន្មត់ថា
លំហគំរៃូ ចដន្យៃនអ្នកេធ្វីការ 15 នាក់្រត�វបានេ្រជីសេរសក្ន
ី ុ ងចំេណាមអ្នកេធ្វីការទាំងអស់េនក្នុង្រក�មហ៊ុនរួច
ចាត់តាង
ំ េដាយៃចដន្យនូវវ ិធសា
ី �ស្តនម
ី ួយៗដល់អ្នកេធ្វីការ 5 នាក់េរៀងគា្ន។ េនក្នុងករណីេនះបុគ្គលិកមា្នក់ៗ
នង ឹ ្រត�វបានបេ្រងៀនពរី េបៀបដំេឡងី ែដលបានចាត់តាង ំ ឱ្យពួកេគនង ិ ចាប់េផ្តីមដំេឡង
ី ្របព័នច
្ធ េ្រមាះថ្មេី ដាយ
េ្របវី ិធសា
ី �ស្តេនាះ។ បនា្ទប់ពចា
ី ត់តាងំ និងហ្វក ្ធ េ្រមាះែដលបានដំេឡង
ឹ ហាត់ ចំនួន្របព័នច ី េដាយបុគ្គលិកមា្ន
ក់ៗេនក្នុងមួយសបា្តហ៍មានបងា្ហញដូចខាងេ្រកាម៖
វ ិធីសា�ស្ត A វ ិធីសា�ស្ត B វ ិធីសា�ស្ត C

58 58 48
64 69 57
55 71 59
66 64 47
67 68 49
េយង
ី ថាមធ្យមៃនចំនួន ្របព័ន្ធ ចេ្រមាះែដលបានផលិត េដាយវ ិធី សា�ស្ត A គឺ 62 ។ មធ្យមៃន
ចំនួន ្របព័ន្ធ ចេ្រមាះែដលបានផលត
ិ េដាយវ ិធី សា�ស្ត B គឺ 66 ។ មធ្យមៃនចំនួន ្របព័ន្ធ ចេ្រមាះែដលបាន
ផលិតេដាយវ ិធីសា�ស្ត C គឺ 52 ។ េចញពីទិន្នន័យេនះវ ិធីសា�ស្ត B ហាក់ផ្តល់លទ្ធផលផលិតកម្មខ្ពស់ជាង
វ ិធី សា�ស្ត ពរី េផ្សងេទៀត។ បញ្ហ េន្រតង់ េនះគថា
ឺ េតី មធ្យមលំហ គំរូ ទាង
ំ បី ែដលបានអេង្កត ែដលខុសគា្ន គឺ
ី សន្និដា្ឋនថាមធ្យមសាកល្រត�វគា្ន នឹង វ ិធីសា�ស្ត ដំេឡង
្រគប់្រគាន់ ស្រមាប់ ឱ្យេយង ី ទាំង បី ខុសគា្ន ែដរឬេទ?
េយងី តាង
µ1 = មធ្យមៃនចំនួន្របព័ន្ធចេ្រមាះែដលបានផលត
ិ េដាយវ ិធសា
ី �ស្ត A
µ2 = មធ្យមៃនចំនួន្របព័ន្ធចេ្រមាះែដលបានផលិតេដាយវ ិធីសា�ស្ត B
342
µ3 = មធ្យមៃនចំនួន្របព័ន្ធចេ្រមាះែដលបានផលត
ិ េដាយវ ិធសា
ី �ស្ត C
ី ចង់េធ្វេី តស្តសម្មតក
េយង ិ ម្មខាងេ្រកាម
H0 : µ1 = µ2 = µ3
H1 : មន
ិ ែមន្រគប់មធ្យមសាកលសុទ្ធែតេស្មគា
ី ្ន
់ ជា
ការវ ិភាគវា៉ដ្យងគ ឺ ដំេនរី ការស្ថត
ិ េិ ្របេី ដីម្បក
ី ំនត់ថាេតភា
ី ពខុសគា្នែដលបានអេង្កតក្នុងមធ្យមលំហគំរទា
ូ ងំ បី
គឺធំ្រគប់្រគាន់េដីម្បប
ី ដិេសដ H0 ។
សមា្គល់ 11.5.1. សមា្គល់ េបី H0 ្រត�វបានបដេិ សដ េយង
ី មន
ិ អាចសន្នដា
ិ ្ឋ នថា្រគប់មធ្យមសាកលគខ
ឺ ុសគា្ន
េនាះេទ។ បដិេសដ H0 មានន័យថាយា៉ងេហាចណាស់មធ្យមសាកលពីរមានតៃម្លខុសគា្ន។
ការសន្មត់ស្រមាប់ការវ ិភាគវា៉ដ្យង់
1. សាកលនម
ី ួយៗមានបំែនងែចកនរមា៉ល់
ី ួយៗមានវា៉ដ្យង់េស្មៗ
2. សាកលនម ី គា្នតាងេដាយ σ
2
3. លំហគំរូៃចដន្យនម
ី ួយៗគម
ឺ ន
ិ អា្រស័យគា្នេចញពសា
ី កលេរៀងគា្ន
េគាលគំនិតទូេទ
េបមី ធ្យមៃនសាកលទាំងបេី ស្មគា ី ្ន េយង ី រ ំពង

ឹ ថាមធ្យមលំហគំរទា
ូ ងំ បេី នែក្បរគា្ន។ តាមពតិ េទេបម
ី ធ្យមលំហ
គំរទា
ូ ង
ំ បកា
ី ន់ែតេនែក្បរគា្នេនាះេយង ី មានភស្តុតាងកាន់ែតេខ�យេដីម្បស ី ន្និដា្ឋនថាមធ្យមសាកលខុសគា្ន។
មយ៉ងេទៀតេបម
ី ធ្យមលំហគំរខ
ូ ុសគា្នកាន់ែតខា្លង
ំ េនាះេយង
ី មានភស្តុតាងកាន់ែតខា្លង
ំ េដីម្បស
ី ន្និដា្ឋនថាមធ្យម
សាកលខុសគា្ន។ នយា ិ យមយ៉ងេទៀត េបី បំែរបំ រល
ួ រវាងមធ្យមលំហ គំរូ គឺ តូច េនាះវាគាំ្រទ H0 ។ េបី បំែរបំ រល
ួ
រវាងមធ្យមលំហគំរូគឺធំវាគាំ្រទ H1 ។
េបី សម្មតិកម្ម H0 : µ1 = µ2 = µ3 ពិត េយង ី អាចេ្របីបំែរបំ រល

ួ រវាងមធ្យមលំហ គំរូ េដីម្បី បេង្កីត អ្នក
បា៉ន់សា្មន σ2 ។ េយង ី សមា្គល់ថាេបីការសន្មត់ស្រមាប់ការវ ិភាគវា៉ដ្យង់្រត�វបានេផ្ទ�ងផា្ទត់ និងសម្មតិកម្ម H0
ពតិ េនាះលំហគំរន
ូ ម
ី ួយៗនង
ឹ ្រត�វបានេ្រជីសេចញពសា ិ វា៉ដ្យង់ σ
ី កលនរមា៉ល់ដូចគា្នែដលមានមធ្យម µ នង
2
េយង ី ដឹង ថាបំ ែនងែចកលំហ គំរូ ៃចដន្យៃនមធ្យមលំហ គំរូ X̄ ស្រមាប់ លំហ គំរូ ៃចដន្យែដលមានទំហំ n
េចញពី សាកលនរមា៉ល់ មា នបំ ែនងែចកនរមា៉ល់ ែដលមានមធ្យម µ និង វា៉ ដ្យង់ σ2 /n ។ េនក្នុងករណីេនះ
ិ វា៉ដ្យងៃ់ ន X̄ ទាំងបអា
មធ្យម នង ី ច្រត�វបានេ្របេី ដីម្បបា ិ វា៉ដ្យងៃ់ នបំែនងែចកលំហគំរៃូ ចដន្យ។
ី ៉ ន់សា្មនមធ្យម នង
េនេពលែដលទំហល ំ ំហគំរេូ ស្មគា ៏ ប
ី ្ន អ្នកបា៉ន់សា្មនដល ្អ ំផុតស្រមាប់មធ្យមៃនបំែនងែចកលំហគំរៃូ ចដន្យ X̄ គជា
ឺ
មធ្យមៃនមធ្យមលំហគំរទា
ូ ងំ បី។ េនក្នុងឧទាហរណ៍ខាងេលី តៃម្លបា៉ន់សា្មនស្រមាប់មធ្យមៃនបំែនងែចកលំហ
គំរៃូ ចដន្យៃន X̄ គឺ (62 + 66 + 52)/3 = 60។ តៃម្លបា៉ន់សា្មនេនះេហថាមធ្យមសរុប។ តៃម្លបា៉ន់សា្មនស្រមាប់
វា៉ដ្យង់ៃនបំែនងែចកលំហគំរូៃចដន្យៃន X̄ គឺ σ2x̄ ែដលផ្តល់េដាយវា៉ដ្យង់ៃនមធ្យមលំហគំរូទាង ំ បី
(62 − 60)2 + (66 − 60)2 + (52 − 60)2
s2x̄ = = 52
3−1
េដាយសារ σ2x̄ = σ2 /n េនាះ σ2 = nσ2x̄ ។ ដូេច្នះ
តៃម្លបា៉ន់សា្មនៃន σ2 = n(តៃម្លបា៉ន់សា្មនៃន σ2x̄ ) = ns2x̄ = 5(52) = 260.
343
លទ្ធផល ns2x̄ េហថាតៃម្លបា៉ន់សា្មនរវាង្រក�មៃន σ2 ។ តៃម្លបា៉ន់សា្មនរវាង្រក�មៃន σ2 គែឺ ផ្អកេទេលកា
ី រសន្ម
ត់ែដលថាសម្មតិកម្ម H0 ពិត។ េនក្នុងករណីេនះលំហគំរូនីមួយៗ្រត�វបានេ្រជីសេចញពីសាកលដូចគា្ននិង
មានបំែនងែចកលំហគំរូៃចដន្យៃន X̄ ែតមួយ។
េពលែដល H0 មន ិ ពត ិ សន្មត់ ថា មធ្យមសាកលខុសគា្ន។ សមា្គល់ថា េដាយសារែតលំហ គំរូ ទាងំ បី ្រត�វ

បានេ្រជីសេចញពសា ី កលនរមា៉ល់ែដលមានមធ្យមេផ្សងគា្នេនាះជាលទ្ធផលគមា ឺ នបំែនងែចកលំហគំរៃូ ចដន្យ
បីេផ្សងគា្នែដរ។ េនក្នុងករណីេនះមធ្យមលំហគំរូមិនេនែក្បរគា្នដូចេពលែដរ H0 ពតិ េនាះេទ។ ដូចេនះ s x̄
2
នឹងធំជាងមុនែដលបណា
្ត លឱ្យតៃម្លបា៉ន់សា្មនរវាង្រក�មៃន σ2 ក៏ធែំ ដរ។ បំែរបំរល
ួ េនក្នុងលំហគំរន
ូ ម
ី ួយៗក៏
មានឥទ្ធព ិ ្ឋ នចុងេ្រកាយេនក្នុងការវ ិភាគវា៉ដ្យង់ែដរ។ េនេពលែដលលំហគំរូៃចដន្យ្រត�វ
ិ លេទេលីការសន្នដា
បានេ្រជីស េចញពី សាកលនី មួយ ៗេនាះវា៉ ដ្យង់ លំហ គំរូ នី មួយ ៗផ្តល់ នូវ តៃម្ល បា៉ន់សា្មនមិន លេម្អ�ងស្រមាប់
σ2 ។ ដូេច្នះេយង ំ ូលគា្ននូវតៃម្លបា៉ន់សា្មននម
ី អាចផ្តុច ី ួយៗៃន σ ជាតៃម្លបា៉ន់សា្មនរួមែតមួយ។ តៃម្លបា៉ន់សា្មន
2
ៃន σ2 ែដលទទួលបានតាមរេបៀបេនះេហថាតៃម្លបា៉ន់សា្មនក្នុង្រក�មៃន σ2 ។ េដាយសារែតវា៉ដ្យង់លំហគំរូ
នី មួយ ៗផ្តល់ តៃម្ល បា៉ន់សា្មនស្រមាប់ σ2 េដាយែផ្អក ែតេទេលី បំែរបំ រល
ួ េនក្នុងលំហ គំរូ នី មួយ ៗេនាះតៃម្ល
បា៉ន់សា្មនក្នុង្រក�មៃន σ2 មិនប៉ះពាល់េដាយសារមធ្យមេស្មីគា្នឬក៏អត់េនាះេទ។ េនេពលទំហល
ំ ំហគំរេូ ស្មីគា្ន
តៃម្លបា៉ន់សា្មនក្នុង្រក�មៃន σ2 អាចទទួលបានេដាយគណនាមធ្យមៃនវា៉ដ្យង់លំហគំរូនម
ី ួយៗ។
ក្នុងឧទាហរណ៍ខាងេលេី យង
ី បាន
s21 + s22 + s23
តៃម្លបា៉ន់សា្មនវា៉ដ្យង់កុ ង្រក�
្ន មៃន σ2 =
3
27.5 + 26.5 + 31.0
=
3
= 28.33
េយង ី ថាតៃម្លបា៉ន់សា្មនវា៉ដ្យង់រវាង្រក�មៃន σ (260) គឺធំជាងតៃម្លបា៉ន់សា្មនវា៉ដ្យង់កុ ង្រក�

ី សេង្កតេឃញ ្ន មៃន
2
σ2 (28.33) េ្រចីន។ តាមពិតេទផលេធៀបៃនតៃម្លបា៉ន់សា្មនទាំងពីរគឺ 260/28.33 = 9.18 ។
• វា៉ដ្យង់រវាង្រក�មផ្តល់តៃម្លបា៉ន់សា្មនដ៏លស
្អ ្រមាប់ σ2 េបីសម្មតិកម្ម H0 ពិត ប៉ុែន្តវាផ្តល់តៃម្លបា៉ន់សា្មន
េលស ី េបស ី ម្មតក
ិ ម្ម H0 មនិ ពតិ ។
• វា៉ដ្យង់កុ ង្រក�
្ន មផ្តល់តៃម្លបា៉ន់សា្មនដ៏លស
្អ ្រមាប់ σ2 មន
ិ ថា H0 ពត
ិ ឬអត់េនាះេទ។
ដូេច្នះេបី H0 ពតិ េនាះតៃម្លបា៉ន់សា្មនទាំងពរី គឺ្របែហលគា្នេហយ ី ផលេធៀបវាគឺេនែក្បរ 1 ។ េបី H0 មន

ិ ពត
ិ
តៃម្លបា៉ន់សា្មនវា៉ដ្យង់រវាង្រក�មនង
ឹ ធំជាងតៃម្លបា៉ន់សា្មនវា៉ដ្យង់កុ ង្រក�
្ន មេហយ
ី ផលេធៀបវាក៏ធំែដរ។
ី េនពេី ្រកាយការវ ិភាគវា៉ដ្យង់គឺែផ្អកេទេលីការបេង្កត

សរុបមកឡូសុក ី តៃម្លបា៉ន់សា្មនពរី មន
់ កល σ2 ។ តៃម្លបា៉ន់សា្មនមួយៃន σ2 គែឺ ផ្អកេលប
ស្រមាប់វា៉ដ្យងសា ី ំែរបំរល
ួ រវាងមធ្យមលំហគំរខ
ូ ួ នឯង
្ល និងតៃម្ល
បា៉ន់សា្មនមួយេទៀតៃន σ2 គឺអា្រស័យេលីបំែរបំរល
ួ ៃនទិន្នន័យេនក្នុងលំហគំរូនីមួយៗ។ េដាយេ្របៀបេធៀប
តៃម្លបា៉ន់សា្មនទាំងពីរេនះៃន σ2 េយង
ី នឹងអាចកំនត់ថាេតីមធ្យមសាកលេស្មីគា្នឬអត់។
ិ ្ថ ិ F
និមិត្តសញញ
344
• k ជាចំនួនសាកល
• Xi j ជាអេង្កតទី i ស្រមាប់្រក�មទី j
• N ជាចំនួនអេង្កតសរុបែដលមាន n j អេង្កតក្នុងលំហគំរូទី j
N = n1 + n2 + · · · + nk
មធ្យមលំហគំរូស្រមាប់្រក�មទី j គឺឱ្យេដាយ
Pn j
Xi j
X̄ j = i=1
nj
និងវា៉ដ្យង់លំហគំរូស្រមាប់្រក�មទី j គឺឱ្យេដាយ
Pn j
− X̄ j )2
i=1 (Xi j
S 2j =
nj − 1
មធ្យមសរុប X̄¯ គជា

ឺ មធ្យមៃន្រគប់អេង្កតទាំងអស់
Pk Pn j
j=1 Xi j X
k
nj
X̄¯ =
i=1
= X̄ j .
N j=1
N
េយង
• ្រគប់អេង្កត Xi j គឺមិនអា្រស័យគា្ន
• E[Xi j ] = µ j ែដល µ j ជាមធ្យមៃនសាកលទី j ែដលអេង្កតទី i ្រត�វបានេ្រជស

ី េចញ។
• V(Xi j ) = σ2j ែដល σ2j ជាវា៉ដ្យង់ៃនសាកលទី j ែដលអេង្កតទី i ្រត�វបានេ្រជីសេចញ។
• ្រគប់វា៉ដ្យង់សាកលគឺេស្មីគា្ន σ2j = σ2 ចំេពាះ្រគប់ j
• ្រគប់អេង្កតមានបំែនងែចកនរមា៉ល់ Xi j ∼ N(µ j , σ2j ).
េយង
ី បាន
E[X̄ j ] = µ j
σ2j
V(X̄ j ) =
nj
នង
ិ
σ2j
X̄ j ∼ N µ j , .
nj
345
វា៉ដ្យង់រវាង្រក�ម
រូបមន្តស្រមាប់វា៉ដ្យង់រវាង្រក�ម
X
k
S S B := n j (X̄ j − X̄¯ )2
j=1
េ្រកាមសម្មតិកម្មៃនភាពមិនអា្រស័យគា្ននិងវា៉ដ្យង់េស្មីគា្នេយង
ី បាន
X
k X
k
E n j (X̄ j − X̄¯ )2 = (k − 1)σ2 + n j (µ j − µ)2
j=1 j=1
ែដល Pk
j=1 n jµ j
µ=
N
ជាមធ្យមៃនមធ្យមសរុប X̄¯ ។
P
េបីសម្មតិកម្ម H0 : µ1 = µ2 = · · · = µk ពិតេនាះ kj=1 n j (µ j − µ)2 = 0 និង
X
k
E ¯
n j (X̄ j − X̄ ) = (k − 1)σ2
2
j=1
លទ្ធផលេនះជួយឱ្យេយង
ី កំនត់មធ្យមកាេររវាង្រក�ម
Pk
j=1 n j (X̄ j − X̄¯ )2
MS B = .
k−1
• េបី H0 ពត
ិ េនាះ
E[MS B ] = σ2 .
• េបី H0 មិនពិតេនាះ Pk
j=1 n j (µ j − µ)2
E[MS B ] = σ + 2
> σ2 .
k−1
វា៉ដ្យង់កង្រក�
្នុ ម
• ចំេពាះលំហគំរូនីមួយៗ វា៉ដ្យង់លំហគំរូគឺ
Pn j
− X̄ j )2
i=1 (Xi j
S 2j =
nj − 1
ែដលជាអ្នកបា៉ន់សា្មនៃនវា៉ដ្យង់សាកល σ2j ។
• េ្រកាមសម្មតិកម្មៃនភាពមិនអា្រស័យគា្ននិងវា៉ដ្យងេ់ ស្មីគា្នេនាះ S 2j នម
ី ួយៗជាអ្នកបា៉ន់សា្មនមិនអា្រស័យ
គា្នៃន σ2 ។
• រូបមន្ត
X
k
S S W := (n j − 1)S 2j
j=1
346
ជាផលបូកកាេរក្នុង្រក�ម និងសង្ឃម
ឹ គណិតរបស់វាឱ្យេដាយ
X
k
E (n j − 1)S 2j = (N − k)σ2 .
j=1
មធ្យមកាេរក្នុង្រក�មកំនត់េដាយ
Pk
j=1 (n j − 1)S 2j
MS W = .
N−k
ែដលជាមធ្យមទម្ងន់ ៃនវា៉ ដ្យង់ លំហ គំរូ នី មួយ ៗែដលមានទម្ងន់ ជា ដឺេ្រកេសរ។ី សមា្គល់ថា E[MS W ] = σ2
ជានិច្ចេទាះបីជា H0 : µ1 = µ2 = · · · = µk ពិតឬមិនពិតក៏េដាយ។
ិ ្ថ ិ F
• កំនត់ F = MS B
MS W
• េនេពលែដល H0 : µ1 = µ2 = · · · = µk ពត 2
ិ E[MS W ] = σ នង
ិ េនាះទាំង E[MS B ] = σ នង
2
ិ
តៃម្លៃន F េនែក្បរ 1។
• ប៉ុែន្តេនេពលមធ្យមសាកលមិនេស្មីគា្នទាំងអស់េនាះ E[MS B ] > σ2 េហយ

ី េយង
ី រ ំពឹងថាតៃម្លៃន F
ធំជាងមួយ។
េបីេយង
ី មាន k លំហគំរូៃចដន្យមិនអា្រស័យគា្ននិង
• េបី H0 : µ1 = µ2 = · · · = µk ពិត
• វា៉ដ្យង់ៃនសាកលេស្មីៗគា្ន σ j = σ2
• អេង្កតនីមួយៗមានបំែនងែចកនរមា៉ល់ Xi j ∼ N(µ j , σ2 )
េនាះ
• (k − 1)MS B /σ2 ∼ χ2 (k − 1).
• (N − k)MS W /σ2 ∼ χ2 (N − k).
• MS B នង
ិ MS W គម
ឺ ន
េយង
ី ទាញបានថា
MS B
F= ∼ F(k − 1, N − k).
MS W
តារាងសេង្ខប ANOVA
្របភពៃនបំែរបំរល
ួ ផលបូកកាេរ d.f. មធ្យមៃនកាេរ F
រវាង្រក�ម SSB k−1 MS B = SSB
k−1
ក្នុង្រក�ម SSW N−k MS W = SSW

N−k
F= MS B
MS W
សរុប SST N−1
347
សមា្គល់ S S T ជាផលបូកកាេរសរុបែដលឲ្យេដាយរូបមន្ត
X
N X
k X
nj
SST = (Xi j − X̄¯ )2 = (Xi j − X̄¯ )2 .

i=1 j=1 i=1
េយង
ី មាន
X
N X
k X
k
¯
(Xi j − X̄ ) =
2 ¯
n j (X̄ j − X̄ ) +
2
(n j − 1)S 2j
i=1 j=1 j=1
ឬ
S S T = S S B + S S W.
នយា
ិ យមយ៉ងេទៀតថា S S T អាច្រត�វបានបំែបកជាពរី ផលបូកាេរ៖ ផលបូកេររវាង្រក�ម នង
ិ ផលបូកកាេរក្នុង
្រក�ម។ សមា្គល់ែដរថាដឺេ្រកេសរៃន ី S S T ែដលេស្មីនឹង N − 1 អាច្រត�វបានបំែបកជាដ្រឺ កេសរៃន
ី S S B ែដល
េស្មន
ី ងឹ k − 1 នងិ ដ្រឺ កេសរៃន
ី S S W ែដលេស្មន
ី ង
ឹ N − k។
់ ចចាត់ទុកថាជាដេំ នរី ការៃនការបំែបកផលបូកកាេរសរុបនង
ការវ ិភាគវា៉ដ្យងអា ិ ដឺេ្រកេសរេទតាម្របភពបំ
ី ែរបំ
រួលក្នុងនិងរវាង្រក�ម។ េដាយែចកផលបូកកាេរនឹងដឺេ្រកេសរសម្រសបេយ
ី ងី នឹងទទួលបានតៃម្លេតស្តសិត
្ថ ិ F
នង
ិ តៃម្ល p ែដលេ្របេី ដម
ី ្បេី ធ្វេី តស្តសម្មតក
ិ ម្មៃនភាពេស្មគា
ី ្ន ៃនមធ្យម។
ើ ្ន ៃន k មធ្យមសាកល
ី នង ់ ច្រត�វបានេ្របស
ឹ បងា្ហញពរី េបៀបែដលការវ ិភាគវា៉ដ្យងអា ី ្រមាប់េតស្តភាពេស្មគា
ី ្ន ៃន k
មធ្យមសាកល។ ទ្រមង់ទូេទៃនេតស្តសម្មតិកម្មគឺ
H0 : µ1 = µ2 = · · · = µk
H1 : មន
ិ ែមន្រគប់មធ្យមទាំងអស់សុទ្ធែតេស្មគា
ី ្ន
ែដល µ j ជាមធ្យមៃនសាកលទី j ។ សន្មតល

់ ំហគំរៃូ ចដន្យែដលមានទំហំ n j ្រត�វបានេ្រជីសេចញពី k សាកល
នីមួយៗ។ េយង ី តាង
xi j = តៃម្លៃនអេង្កតទី i ស្រមាប់្រក�មទី j
n j = ចំនួនអេង្កតស្រមាប់្រក�មទី j
x̄ j = មធ្យមលំហគំរូស្រមាប់្រក�មទី j
s2j = វា៉ដ្យង់លំហគំរូស្រមាប់្រក�មទី j
រូបមន្តស្រមាប់មធ្យមលំហគំរូ និងវា៉ដ្យង់លំហគំរូស្រមាប់្រក�មទី j គឺឱ្យេដាយ

Pn j
xi j
x̄ j = i=1
nj
Pn j
(xi j − x̄ j )2
s2j = i=1
nj − 1
មធ្យមសរុបតាងេដាយ x̄¯ គផ
ឺ លបូកៃនតៃម្លៃនអេង្កតទាំងអស់ែចកនង ឹ ចំនួនអេង្កតទាំងអស់។
Pk Pn j
j=1 i=1 xi j
x̄¯ =
N
348
ែដល
N = n1 + n2 + · · · + nk
េនក្នងែផ្នកមុនេយង
ី បានបងា្ហញពរី េបៀបរកតៃម្លបា៉ន់សា្មនរវាង្រក�មនង
ិ ក្នុង្រក�មៃន σ េនេពលែដលទំហំ
2
លំហគំរូគឺេស្មីៗគា្ន។
• តៃម្លបា៉ន់សា្មនរវាង្រក�មៃន σ2 េហថាមធ្យមកាេររវាង្រក�មែដលតាងេដាយ MS B គឺឱ្យេដាយ

Pk
j=1 n j ( x̄ j − x̄)
SSB ¯2
MS B = =
k−1 k−1
ែដល
X
k
SSB = n j ( x̄ j − x̄¯)2
j=1
េហថាផលបូកកាេររវាង្រក�ម។
• តៃម្លបា៉ន់សា្មនក្នុង្រក�មៃន σ2 េហថាមធ្យមកាេរក្នុង្រក�មែដលតាងេដាយ MS W គឺឱ្យេដាយ

Pk
SSW j=1 (n j − 1)s2j
MS W = =
N−k N−k
ែដល
X
k
SSW = (n j − 1)s2j
j=1
េហថាផលបូកកាេរក្នុង្រក�ម។
ើ ្ន ៃន k មធ្យមសាកលេនក្រមិតចា ំបាច់ α
• សម្មតក
ិ ម្ម
H0 : µ1 = µ2 = · · · = µk
H1 : មន
ិ ែមន្រគប់មធ្យមទាំងអស់សុទ្ធែតេស្មគា
ី ្ន
ិ្ថ ិ
MS B
F=
MS W
• ក្បនបដ
ួ េិ សដ
– វ ិធសា
ី �ស្តតៃម្ល p៖ បដេិ សដ H0 េបត
ី ៃម្ល p ≤ α
– វ ិធសា
ី �ស្តែដនបដិេសដ៖ បដិេសដ H0 េបី F ≥ Fα
ែដលតៃម្ល Fα គឺជាតៃម្លសំខាន់ៃនបំែនងែចក F ែដលមានដឺេ្រកេសរភាគយក

ី k − 1 និងដឺេ្រកេសរ ី
ភាគែបង N − k [េមលី េសចក្តបី ែន្ថមក្នុង ១]។
េនក្នុងឧទាហរណ៍្រក�មហ៊ុនផ្គត់ផ្គង់្របព័ន្ធចេ្រមាះទក
ឹ ៖
349
• ជំហានទ១
ិ ម្ម
H0 : µ1 = µ2 = µ3
H1 : មិនែមន្រគប់មធ្យមសាកលសុទ្ធែតេស្មីគា្ន
• ជំហានទ២ី តៃម្លេតស្តសត ិ្ថ ិ

មធ្យមនិងវា៉ដ្យងៃ់ នលំហគំរូនីមួយៗ
វ ិធីសា�ស្ត A វ ិធីសា�ស្ត B វ ិធីសា�ស្ត C

x̄ = 62 x̄ = 66 x̄ = 52
s2 = 27.5 s2 = 26.5 s2 = 31.0
មធ្យមសរុប
Pk Pn j
j=1 i=1 xi j 58 + 64 + · · · + 49
x̄¯ = = = 60
N 15
Pk
j=1 n j ( x̄ j − x̄¯)2
MS B =
k−1
5(62 − 60)2 + 5(66 − 60)2 + 5(52 − 60)2
=
3−1
520
= = 260
2
វា៉ដ្យង់កុ ង្រក�
្ន ម
Pk
j=1 (n j − 1)s2j
MS W =
N−k
(5 − 1)(27.5) + (5 − 1)(26.5) + (5 − 1)(31)
=
15 − 3
340
= = 28.33
12
ដូចេនះតៃម្លេតស្តសិត
្ថ ិ F
MS B 260
F= = = 9.18
MS W 28.33
ំ នទ៣
ចំេពាះ α = 0.05 តៃម្លសំខាន់ Fα (k − 1, N − k) = F0.05 (2, 12) = 3.89
• ជំហានទី៤ ការសំេរចចិត្ត
ិ្ថ ិ F = 9.18 ស្ថត
ិ េនក្នុងែដនបដេិ សដ F ≥ 3.89 េនាះេយង
ី បដេិ សដ H0 ។
• ជំហានទី៥ សន្និដា្ឋន៖ មធ្យមៃនសាកលទាំងបីគឺមិនេស្មីគា្ន។
350
រវាង្រក�ម 520 2 260 F = 9.18
ក្នុង្រក�ម 340 12 28.33
សរុប 860 14
សមា្គល់ 11.5.2. តៃម្ល p សំរាប់ ANOVA េដាយេ្របតា

ី រាងបំែនងែចក F: រកតៃម្ល p ចំេពាះ F = 9.18, d.f.N. =
2, d.f.D. = 12៖ េយង
ី អាចបេង្កត
ី តារាងដូចខាងេ្រកាម
α 0.10 0.05 0.025 0.01 0.005

F 2.81 3.89 5.10 6.93 8.51
េនាះ p < 0.005 ។ ដូចេនះេយង

ី បដិេសដ H0 ចំេពាះ α = 0.05 េ្រពាះតៃម្ល p < α។
ឧទាហរណ៍ 11.5.1. អ្នក្រសាវ្រជាវចង់េឃញ
ី ភាពខុសគា្នរវាងការេ្របី្របាស់េ្របងឥន្ធនៈសំរាប់ការេបីកបរ
ក្នុងទី្រក�ងៃនរថយន្តប្រី បេភទៈ រថយន្តតូច រថយន្តមធ្យម និងរថយន្តទំេនីប។ គាត់េ្រជីសេរសលំ
ី ហគំរៃូ ចដន្យ
ែដលមានទំហំ 4 ចំេពាះរថយន្តតូច 5 ចំេពាះរថយន្តមធ្យម និង 3 ចំេពាះរថយន្តទំេនីប។ ចមា្ងយគិតជាមា៉យ
ក្នុងមួយហា្កឡុនសំរាប់រថយន្តនម ី ួយៗ្រត�វបានបងា្ហញដូចខាងេ្រកាមៈ
រថយន្តតូច រថយន្តមធ្យម រថយន្តទំេនប

ី
36 43 29
44 35 25
34 30 24
35 29
40
ចំេពាះ α = 0.05 េតស្តការអះអាងែដលថាមន

ិ មានភាពខុសគា្នរវាងមធ្យមទាំងប។
ី
• ជំហានទ១
ិ ម្ម
H0 : µ1 = µ2 = µ3 (ការអះអាង)
H1 : មន
ិ ែមន្រគប់មធ្យមសាកលសុទ្ធែតេស្មគា
ី ្ន
• ជំហានទី២ តៃម្លេតស្តសិត្ថ ិ
ិ វា៉ដ្យងៃ់ នលំហគំរូនម
មធ្យមនង ី ួយៗ
រថយន្តតូច រថយន្តមធ្យម រថយន្តទំេនប

ី
x̄ = 37.25 x̄ = 35.4 x̄ = 26
s2 = 20.917 s2 = 37.3 s2 = 7
មធ្យមសរុប
Pk Pn j
j=1 i=1 xi j 36 + 44 + · · · + 24 404
x̄¯ = = = = 33.667
N 12 12
351
Pk
j=1 n j ( x̄ j − x̄¯)2
MS B =
k−1
4(37.25 − 33.667)2 + 5(35.4 − 33.667)2 + 3(26 − 33.667)2
=
3−1
242.717
= = 121.359
2
វា៉ដ្យង់កុ ង្រក�
្ន ម
Pk
j=1 (n j − 1)s2j
MS W =
N−k
(4 − 1)(20.917) + (5 − 1)(37.3) + (3 − 1)(7)
=
12 − 3
225.951
= = 25.106
9
ដូចេនះតៃម្លេតស្តសិត
្ថ ិ F
MS B 121.359
F= = = 4.83
MS W 25.106
ំ នទ៣
ចំេពាះ α = 0.05 តៃម្លសំខាន់ Fα (k − 1, N − k) = F0.05 (2, 9) = 4.26
ី ការសំេរចចត
ិ ្ត
្ថ ិ F = 4.83 ស្ថិតេនក្នុងែដនបដិេសដ F ≥ 4.26 េនាះេយង
• ជំហានទី៥ សន្និដា្ឋន៖ េយង

ី ្រំ ទការអះអាងែដលថាមិនមានភាព
ខុសគា្នរវាងមធ្យមទាំងបីេទ។
រវាង្រក�ម 242.717 2 121.359 4.83
ក្នុង្រក�ម 225.954 9 25.106
សរុប 468.671 11
សមា្គល់ 11.5.3. តៃម្ល p សំរាប់ ANOVA េដាយេ្របីតារាងបំែនងែចក F:

រកតៃម្ល p ចំេពាះ F = 4.83, d.f.N. = 2, d.f.D. = 9៖ េយង
ី អាចបេង្កីតតារាងដូចខាងេ្រកាម
α 0.10 0.05 0.025 0.01 0.005

F 3.01 4.26 5.71 8.02 10.11
េនាះ 0.025 < p < 0.05 ។ ដូចេនះ H0 ្រត�វបានបដិេសដចំេពាះ α = 0.05 េ្រពាះតៃម្ល p < α។
352
សមា្គល់ 11.5.4. េនេពលែដល H0 ្រត�វបានបដេិ សដក្នុង ANOVA វា្រគាន់ែតមានន័យថាយា៉ងេហាចណាស់
មានមធ្យមមួយ ខុសពី មធ្យមេផ្សងេទៀត។ េដីម្បី កំណត់ ភាពខុសគា្ន រវាងមធ្យមជាក់លាក់ ណាមួយ េយង

ី
ចាំបាច់្រត�វេ្របេី តស្តេផ្សងេទៀតដូចជាេតស្ត Fisher’s LSD េតស្ត Scheffé វ ិធសា
ី �ស្ត Bonferroni េតស្ត
Tukey។
េតស្ត Scheffé
េដម
ី ្បេី ធ្វីេតស្ត Scheffé េយង
ី ្រត�វេ្របៀបេធៀបមធ្យមម្តងពីរៗ (្រគប់ករណីទាំងអស់)។ រូបមន្តសំរាប់ េតស្ត
Scheffé
( x̄i − x̄ j )2
Fs =
MS W n1i + n1j
ែដល x̄i នង ិ x̄ j ជាមធ្យមៃនលំហគំរែូ ដល្រត�វេ្របៀបេធៀប ni នង ិ n j ជាទំហេំ រៀងគា្នៃនលំហគំរូ េហយ

ី MS W
់ ុ ង្រក�
ជាវា៉ដ្យងក ្ន ម។ តៃម្លសំខាន់ F ′ សំរាប់េតស្ត Scheffé េស្មីនឹង (k − 1) គុណនឹងតៃម្លសំខាន់សំរាប់េតស្ត
F េនក្នុង ANOVA។ េនេពលែដលតៃម្ល F s ធំជាងតៃម្លសំខាន់ F ′ េនាះមានភាពខុសគា្នរវាងមធ្យមទាំងពរី
ែដលបានេ្របៀបេធៀប។
េនក្នុងឧទាហរណ៍ ខាងេលី តៃម្លសំខាន់ សំរាប់ េតស្ត F េស្មន
ី ងឹ 4.26 េនាះតៃម្ល សំខាន់ F សំរាប់េតស្ត
′
Scheffé គឺ F ′ = (3 − 1)(4.26) = 8.52
• ចំេពាះ x̄1 និង x̄2

( x̄1 − x̄2 )2 (37.25 − 35.4)2
Fs = = = 0.30
MS W n11 + n12 25.106 14 + 51
េដាយសារ 0.30 < 8.52 េនាះ µ1 មិនខុសពី µ2 ។
• ចំេពាះ x̄1 នង
ិ x̄3
( x̄1 − x̄3 )2 (37.25 − 26)2
Fs = = = 8.64
MS W n11 + n13 25.106 14 + 31
េដាយសារ 8.64 > 8.52 េនាះ µ1 ខុសគា្នពី µ3 ។
• ចំេពាះ x̄2 និង x̄3

( x̄2 − x̄3 )2 (35.4 − 26)2
Fs = = = 6.60
MS W n12 + n13 25.106 15 + 31
េដាយសារ 6.60 < 8.52 េនាះ µ2 មិនខុសពី µ3 ។
លំហាត់ 11.5.1. 1. ចំេពាះទន

ិ ្នន័យៃនលំហគំរូៃចដន្យដូចខាងេ្រកាម
353
ថា្នក់ A ថា្នក់ B ថា្នក់ C
162 142 126
142 156 122
165 124 138
145 142 140
148 136 150
174 152 128
មធ្យមលំហគំរូ 156 142 134
វា៉ដ្យង់លំហគំរូ 164.4 131.2 110.4
(a) គណនាផលបូកកាេររវាង្រក�ម
(b) គណនាមធ្យមកាេររវាង្រក�ម
(c) គណនាផលបូកកាេរក្នុង្រក�ម
(d) គណនាមធ្យមកាេរក្នុង្រក�ម
(e) បេង្កីតតារាង ANOVA ៃនលំហាត់េនះ
(f) េនក្រមិតចាំបាច់ α = 0.05 េធ្វីេតស្តសម្មតិកម្មថាេតីមធ្យមៃនសាកលទាំងបីេស្មីគា្នឬអត់។
2. េគឱ្យទិន្នន័យៃនពិនុ ្របលងៃនស
្ទ ិស្ស 18 នាក់ដូចខាងេ្រកាម
ថា្នក់ A ថា្នក់ B ថា្នក់ C

85 71 59
75 75 64
82 73 62
76 74 69
71 69 75
85 82 67
េនក្រមិតចាំបាច់ α = 0.05 េធ្វីេតស្តសម្មតិកម្មថាេតីមធ្យមៃនសាកលទាំងបីេស្មីគា្នឬអត់។
3. អ្នក្រសាវ្រជាវេ្រជីសយកលំហគំរូៃនេភាជនីយដា្ឋនអាហារសមុ្រទ 8 េភាជនីយដា្ឋនអាហារអុីតាលី 8
នង
ិ ស្ទកី 8។ ទន ិ ្នន័យៃនតៃម្លអាហារជាមធ្យមគត
ិ ជាដុលា្លរទទួលបានពល
ី ំហគំរៃូ នេភាជនយ
ី ដា្ឋនទាំង
24។
354
អាហារអុីតាលី អាហារសមុ្រទ ស្ទីក
12 16 24
13 18 19
15 17 23
17 26 25
18 23 21
20 15 22
17 19 27
24 18 31
េនក្រមតិ ចាំបាច់ α = 0.05 េធ្វីេតស្តសម្មតិកម្មថាេតម

ី ធ្យមៃនតៃម្លអាហារស្រមាប់េភាជនីយដា្ឋនទាំង
ប្រី បេភទេស្មគា
ី ្ន ឬអត់។
355
356
តែ្រមត្រមង់លេី នែអ៊រ
េនក្នុងជំពូក េនះេយង ី នឹង សិក�អំពី គំរូ តែ្រមត្រមង់ លីេនែអ៊រ ែដលមានអេថរមិន អា្រស័យ មួយ។ េយង ី នឹង
ិ ក�អំពី វ ិធី សា�ស្ត កាេរខ្លី បំផុត េដីម្បី បា៉ន់សា្មនបា៉រា៉ ែម៉្រតែដលជាេមគុណ តែ្រមត្រមង់ លក្ខណៈៃនអ្នក
ពភា
បា៉ន់សា្មនកាេរខ្លីបំផុត ចេនា្លះេជឿជាក់ស្រមាប់េមគុណតែ្រមត្រមង់ េតស្តសម្មតិកម្ម េតស្តភាពសំខាន់ៃនគំរូ
តែ្រមត្រមង់ ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមៃនអេថរេឆ្លីយតប និងចេនា្លះពយករណ៍។
12.1 តែ្រមត្រមង់លេី នែអ៊រ
់ វ ិធសា
វ ិភាគតែ្រមត្រមងជា ី �ស្តមួយៃនស្ថិតែិ បបសន្និដា្ឋនែដលទាក់ទងនឹងការកំនត់ថាេតីមានទំនាក់ទំនងរវាង
អេថរជាេលខពរី ឬេ្រចន
ី ។
ជាឧទាហរណ៍៖
់ ំនត់ថាេតច
• អ្នកអប់រ ំចងក ី ំនួនេមា៉ងែដលសិស្សសិក�មានទំនាក់ទំនងនឹងពិនុ ស
្ទ ិស្សេនក្នុងការ្របលង
ណាមួយឬេទ។
• អ្នក្រសាវ្រជាវេវជ្ជសា�ស្តអាចចាប់អារម្មណ៍នង
ឹ សំនួរដូចជា េតសា
ី រជាតកា
ិ េហ្វអន
ុី មានទំនាក់ទំនងនង
ឹ
ការបំផា្លញេបះដូងឬេទ? ឬក៏េតីមានទំនាក់ទំនងរវាងអាយុនឹងសំពាធឈាមឬេទ?
• អ្នកជំនួញ ចង់ ដឹង ថាេតី ចំនួន លក់ េនក្នុងែខណាមួយ មានទំនាក់ទំនងនង

ឹ ចំនួន ពាណិជ្ជកម្ម ែដល
្រក�មហ៊ុនបានផ្សព្វផ�យេនក្នុងែខេនាះឬេទ?
សំនួរនានាេនក្នុងគំរូតែ្រមត្រមង់លីេនែអ៊ររួមមាន៖
1. េតីអេថរពីរឬេ្រចីនមានទំនាក់ទំនងែបបលីេនែអ៊រឬេទ?
2. េបីដូេច្នះេតីទំនាក់ទំនងេនះខា្លង
ំ កំរតណា?
ិ
3. េតីទំនាក់ទំនង្របេភទណាែដលមាន?
4. េតីការទស្សន៍ទាយ្របេភទណាែដលអាចេធ្វីបានេចញពីទំនាក់ទំនងេនះ?
គំរត ់ េី នែអ៊រគជា
ូ ែ្រមត្រមងល ់ ំនាក់ទំនងជាបនា្ទត់្រតងរ់ វាងអេថរពរី x នង
ឺ គំរែូ ដលសន្មតទ ិ Y ដូចខាងេ្រកាម៖
Y = β0 + β1 x + ε
ែដល
ិ អា្រស័យ ឬអេថរបញ្ចូ ល ឬអេថរតែ្រមត្រមង់

• x ជាអេថរមន
357
• Y ជាអេថរអា្រស័យ ឬអេថរេឆ្លីយតប
• β0 , β1 ជាេមគុណតែ្រមត្រមង់(បា៉រា៉ ែម៉្រតមិនសា្គល់)
• ε ជាេល្អ�ងៃចដន្យ
់ េយង ី អាចកំនត់តៃម្ល x ជាក់លាក់មួយរួចសេង្កតតៃម្លៃនអេថរៃចដន្យ Y៖ េបី x ជាតៃម្លកំនត់ជាក់លាក់
េនាះែផ្នកៃចដន្យ ε េនខាងសា្តៃំ ដៃនគំរក ់ មធ្យមនិងវា៉ដ្យងៃ់ ន ε េស្មីនឹង 0 និង
ូ ំនត់លក្ខណៈៃន Y។ សន្មតថា
σ2 េរៀងគា្នេនាះ
E[Y | x] = E[β0 + β1 x + ε] = β0 + β1 x + E[ε] = β0 + β1 x

V[Y | x] = V[β0 + β1 x + ε] = V(ε) = σ2 .
ដូចេនះគំរូតែ្រមត្រមង់លេី នែអ៊រជាបនា្ទត់ៃនតៃម្លមធ្យម៖ ចំេពាះ្រគប់អេថរបញ្ចូ ល x អេថរេឆ្លយ

ី តប Y គជា
ឺ
អេថរៃចដន្យែដលមានមធ្យម
E[Y | x] = β0 + β1 x
់ េយង
ី មាន n គូៃនទិន្នន័យ (xi , yi ), i = 1, . . . , n ែដល x1 , . . . , xn ជាអេថរបញ្ចូ ល និង y1 , . . . , yn ជា
តៃម្លអេង្កតៃនអេថរេឆ្លយ
ី តបែដលជាកម្មវត្ថុៃនេល្អ�ងៃចដន្យ ε1 , . . . , εn ។ ដូចេនះ yi ជាតៃម្លៃនអេថរៃចដន្យ
Yi ែដលមានទ្រមង់ Yi = β0 + β1 xi + εi , i = 1, . . . , n។ ចំេពាះេល្អ�ងៃចដន្យ εi វា្រត�វ បានេគសន្មត់ ថា
ជាអេថរៃចដន្យែដលមានបំ ែនងែចកដូចគា្ន មន ិ អា្រស័យ គា្ន (iid) ែដលមានមធ្យម E[εi ] = 0 នង ិ វា៉ ដ្យង់
V(εi ) = σ2 ∈ (0, ∞)។ បែន្ថមពីេនះេដាយសារ εi ជា iid េនាះ Y1 , . . . , Yn ក៏មិនអា្រស័យគា្នែដរប៉ុែន្ត Yi មា
នបំែនងែចកមន ិ ដូចគា្នេទេ្រពាះជាឧទាហរណ៍វាមានមធ្យមខុសគា្ន E[Yi ] = β0 + β1 xi , i = 1, . . . , n។
គំរ ូតែ្រមត្រមង់លេី នែអ៊រ
Yi = β0 + β1 xi + εi ,
ែដល εi ជា iid ែដល E[εi ] = 0 នង
ិ V(εi ) = σ , i = 1, . . . , n
2
• β0 , β1 នង
ិ σ ជាបា៉រា៉ ែម៉្រត
2
• Yi ជាអេថរៃចដន្យមិនអា្រស័យប៉ុែន្តមានបំែនងែចកមិនដូចគា្ន
• E[Yi ] = β0 + β1 xi នង
ិ V(Yi ) = σ , i = 1, . . . , n.
2
បញ្ហ សំខាន់ៗៃនគំរ ូេនះ
1. បា៉ន់សា្មនបា៉រា៉ ែម៉្រត β0 , β1 និង σ2
2. រកចេនា្លះេជឿជាក់ៃន β0 និង β1
3. េធ្វេី តស្តសម្មតក
ិ ម្មអំពី β0 នង
ិ β1
4. ទស្សន៍ទាយតៃម្លរ ំពឹងទុក E[Yi0 ] (ឬតៃម្ល Yi0 ) ែដល្រត�វនឹង xi0 ែដលជាទូេទខុសពី x1 , . . . , xn
358
12.1.1 វិធីសា�ស្តកាេរខ្លីបំផុត
េយងី តាង E[Yi ] = ηi េនាះគូ (xi , ηi ), i = 1, . . . , n ស្ថិតេនេលី បនា្ទត់ y = β0 + β1 x ែដលមានន័យថា

ηi = β0 + β1 xi , i = 1, . . . , n។ េដីម្បី កំនត់ បនា្ទត់ ជាក់លាក់ េនះេទីប េយង ី ្រត�វការវ ិធានកាេរខ្លី បំផុត ដូច
ខាងេ្រកាម៖
េនក្នុងគំរូ តែ្រមត្រមង់ លីេនែអ៊រ អ្វី ែដលេយង

ី រ ំពឹង ពី ការអេង្កត ្រតង់ xi គឺ ηi ចំែនកឯអ្វី ែដលបានអេង្កត
តាមពត ិ េទគឺ yi ។ ដូេច្នះ មានគមា្លតែដលវាស់ េដាយ yi − ηi , i = 1, . . . , n ែដលគមា្លតខ្លះ គឺ វ ិជ្ជមាន ខ្លះ
អវ ិជ្ជមាន េហយី ខ្លះេទៀតអាចសូន្យ។ េយង ី ពិនិត្យ |yi − ni | ែដលជាចំងាយរវាងចំនុច (xi , yi ) និង (xi , ηi )
បនា្ទប់មកគូសបនា្ទត់ y = β0 + β1 x េដីម្បឱ
ី ្យចំងាយទាំងេនះអប្បបរមា្រពមគា្ន។ េនក្នុងវ ិធានកាេរខ្លីបំផុត
េយងី ពិនិត្យកាេរៃនចំងាយ (yi − ηi ) (េ្រពាះកាេរមានភាពងាយ្រស�លជាងតៃម្លដាច់ខាត) រួចរកអប្បបរមា
2
P
ៃនផលបូក ni=1 (yi − ηi )2 ។ មកដល់ចំនុចេនះជំនួសតៃម្លអេង្កត yi េដាយអេថរៃចដន្យ Yi រួចតាង
X
n
S (β0 , β1 ) = (Yi − ηi )2
i=1
X
n

= Yi − (β0 + β1 xi ) 2
i=1
X
n
= ε2i .
i=1
វ ិធានកាេរខ្លប
ី ំផុតេ្របស
ី ្រមាប់បា៉ន់សា្មន β0 និង β1 ែដលេធ្វឱ
ី ្យផលបូកកាេរៃនេល្អ�ង S (β0 , β1 ) អប្បបរមា ។
និយមន័យ 12.1.1. • យក β̂0 នង

ិ β̂1 ជាតៃម្ល ែតមួយគត់ ៃន β0 នង
ិ β1 េរៀងគា្ន ែដលេធ្វី ឱ្យផលបូក
កាេរៃនេល្អ�ង
X
n

S (β0 , β1 ) = Yi − (β0 + β1 xi ) 2
i=1
អប្បបរមា។ តៃម្លទាង
ំ េនះែដលជាអនុគមន៍ៃន Yi ក៏ដូចជា xi េហថាអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុត (LSE)
ៃន β0 នង
ិ β1 ។
• បនា្ទត់ y = β0 + β1 x េហថាបនា្ទត់តំែរតំរង់ (regression line)។
• បនា្ទត់ ŷ = β̂0 + β̂1 x េហថាបនា្ទត់តំែរតំរង់បា៉ន់សា្មន (fitted or estimated regression line)។
ី ្ដ ទ 12.1.1. អ្នកបា៉ន់សា្មនកាេរខ្លប
្រទឹសប ី ំផុត (LSE) β̂0 នង
ិ β̂1 ៃន β0 នង ូ ែ្រមត្រមង់
ិ β1 េរៀងគា្នេនក្នុងគំរត
លីេនែអ៊រគឺឱ្យេដាយ
Pn Pn
P Pn
i=1 xi2 Yi − ni=1 xi
i=1 i=1 xi Yi
β̂0 = P P ,
n ni=1 xi2 − ni=1 xi 2
P P Pn
n ni=1 xi Yi − ni=1 xi i=1 Yi
β̂1 = P P .
359
ី នង
ឹ បងា្ហញថា β̂0 នង
ិ β̂1 ជាចំនុចអប្បបរមាៃនផលបូកកាេរៃនេល្អ�ង S (β0 , β1 ) ។
េយង
ី ចាប់េផ្តីមេដាយពិនិត្យេដរេវេដាយែផ្ន
ី ក
∂ X n
S (β0 , β1 ) = 2 (Yi − β0 − β1 xi )(−1)
∂β0 i=1
 n 
X Xn

= −2  Yi − nβ0 − β1 xi 
i=1 i=1
∂ X
n
S (β0 , β1 ) = 2 (Yi − β0 − β1 xi )(−xi )
∂β1 i=1
 n 
X X
n X
n

= −2  xi Yi − β0 xi − β1 xi  .
2
i=1 i=1 i=1
េដាះ្រសាយសមីការនរមា៉ល់
∂
S (β0 , β1 ) = 0
∂β0
∂
S (β0 , β1 ) = 0
∂β1
 n 
X  X
n
nβ0 +   
xi  β1 = Yi
 n   i=1  i=1
X  X 2 
n Xn
 
xi  β0 +   
xi  β1 = xi Yi
i=1 i=1 i=1
េយង
Pn Pn
Yi x
Pn i=1 Pni=1 2i
i=1 xi Yi i=1 xi
β̂0 = Pn
n x
Pn Pni=1 2i
x
i=1 i i=1 ix
Pn
2 Pn Pn Pn
i=1 xi i=1 Yi − i=1 xi i=1 xi Yi
= P P .
Pn
n Y
Pn Pni=1 i
i=1 xi i=1 xi Yi
β̂1 = Pn
n x
Pn Pni=1 2i
i=1 xi i=1 xi
Pn P Pn
n i=1 xi Yi − ni=1 xi i=1 Yi
= P P .
360
េយង
ី េនែតបងា្ហញថា β̂0 និង β̂1 ជាតៃម្លអប្បបរមាៃន S (β0 , β1 )៖ ពិនិត្យេមីលេដរេវទ
ី ី២ េដាយែផ្នក
∂2
S (β0 , β1 ) = 2n,
∂β20
∂2 ∂2 X n
S (β0 , β1 ) = S (β0 , β1 ) = 2 xi ,
∂β0 ∂β1 ∂β1 ∂β0 i=1
∂2 X n
S (β ,
0 1β ) = 2 xi2 .
∂β1
2
i=1
និងមា៉្រទីស Hessian គឺ
  Pn !
 ∂2
S (β0 , β1 ) ∂2
S (β0 , β1 ) n xi
 ∂β20 ∂β0 ∂β1  = 2 Pn Pn 2
i=1
 ∂2
S (β0 , β1 ) ∂2
S (β ,
0 1β )  i=1 xi i=1 xi
∂β1 ∂β0 ∂β21
មា៉្រទស
ី Hessian គម
ឺ ន
ិ អវ ិជ្ជមាន (positive semidefinite) ចំេពាះ្រគប់ β0 នង
ិ β1 េ្រពាះ្រគប់ λ1 , λ2 មន
ិ
សូន្យេយងី មាន
Pn ! ! !
n xi λ1 Pn Pn Pn 2 λ1
λ1 λ2 Pn Pn 2
i=1
= λ1 n + λ2 i=1 xi λ1 i=1 xi + λ2 i=1 xi
i=1 xi i=1 xi λ2 λ2
X
n X
n
= λ21 n + 2λ1 λ2 xi + λ22 xi2
i=1 i=1
X
n Pn !
xi
= λ21 n + 2nλ1 λ2 x̄ + λ22 xi2 , x̄ = i=1
n
i=1n 
 X 
= λ21 n + 2nλ1 λ2 x̄ + λ22  xi2 − n x̄2  + λ22 n x̄2
i=1
X
n
= n(λ21 + 2λ1 λ2 x̄ + λ2 x̄ ) + 2
λ22 (xi − x̄)2
i=1
X
n
= n(λ1 + λ2 x̄)2 + λ22 (xi − x̄)2 ≥ 0.
i=1
កូរែលរ
៉ូ 12.1.1. អ្នកបា៉ន់សា្មនកាេរខ្លប ិ β̂1 អាចសេសរជាទ្រមង់
ី ំផុត (LSE) β̂0 នង
β̂0 = Ȳ − β̂1 x̄,

Pn
(xi − x̄)(Yi − Ȳ)
β̂1 = i=1Pn
i=1 (xi − x̄)
2
1 X n
= Pn (xi − x̄)Yi .
i=1 (xi − x̄) i=1
2
ែដល
1X 1X
n n
x̄ = xi , Ȳ = Yi
n i=1 n i=1
361
ស្រមាយបញ្ជ ក់. ចំេពាះ β̂1 ៖
X
n X
n X
n
(xi − x̄)(Yi − Ȳ) = (xi − x̄)Yi − Ȳ (xi − x̄)
i=1 i=1 i=1
| {z }
=0
X
n
= (xi − x̄)Yi .
i=1
ចំេពាះ β̂0 ៖
Pn P Pn
n xi Yi − ni=1 xi i=1 Yi
Ȳ − β̂1 x̄ = Ȳ − P
i=1
P x̄
P
n ni=1 xi Yi − n2 x̄Ȳ
= Ȳ − Pn 2 x̄
n i=1 xi − n2 x̄2
P P
nȲ ni=1 xi2 − n2 x̄2 Ȳ − n x̄ ni=1 xi Yi + n2 x̄2 Ȳ
= P
n ni=1 (xi − x̄)2
Pn
2 Pn Pn Pn
i=1 xi i=1 Yi − i=1 xi i=1 xi Yi
= P
n ni=1 (xi − x̄)2
= β̂0 .
□
និមិត្តសញញ
 n 2
Xn X n X n
X 
xi2 − 
1
S xx = (xi − x̄)2 = xi2 − n x̄2 = xi 
i=1 i=1 i=1
n i=1
 n 2
Xn X n X n
X 
Yi2 −  Yi 
1
S yy = (Yi − Ȳ)2 = Yi2 − nȲ 2 =
i=1 i=1 i=1
n i=1
Xn Xn
S xy = (xi − x̄)(Yi − Ȳ) = (xi − x̄)Yi
i=1
 n   i=1 
X
n
1 X  X 
n
= xi Yi −  xi   Yi 
i=1
n i=1   i=1 
ដូេច្នះអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត (LSE) β̂0 និង β̂1 អាចសេសរជាទ្រមងខា ់ ងេ្រកាម៖

 n 
1X  1 X 
n
β̂0 = Yi − β̂1  xi 
n i=1 n i=1 
S xy
β̂1 =
S xx
12.1.2 លក្ខណៈៃនអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត
េនក្នុងគំរត ូ ែ្រមត្រមងល់ េី នែអ៊រ េយង

ី អាចបងា្ហញថាអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុតជាអ្នកបា៉ន់សា្មនល្អបំផុតែដល
េធ្វីឱ្យបនា្ទត់តំែរតំរង់បា៉ន់សា្មនជាបនា្ទត់បា៉ន់សា្មនែដលល្អបំផុតែដរ។ េនក្នុងែផ្នកេនះេយង ី នឹងសិក�ភាព
មិនលេម្អ�ងៃនអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត។
362
ី ្ដ ទ 12.1.2. អ្នកបា៉ន់សា្មនកាេរខ្លប
្រទឹសប ី ំផុត (LSE) β̂0 នង
ិ β̂1 ជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ងមានន័យថា
E[β̂0 ] = β0 និង E[β̂1 ] = β1
បែន្ថមពីេលីេនះ
!
1 x̄2
V(β̂0 ) = σ 2
+ ,
n S xx
σ2
V(β̂1 ) = .
S xx
ស្រមាយបញ្ជ ក់. ពន
ិ ត
ិ ្យេមល
ី β̂1 ៖ េយង
ី មាន
X
n
S xx β̂1 = (xi − x̄)Yi
i=1
េនាះសង្ឃម
ឹ គណិត
X
n
S xx E[β̂1 ] = (xi − x̄)E[Yi ]
i=1
X
n
= (xi − x̄)(β0 + β1 xi )
i=1
X
n X
n
= β0 (xi − x̄) + β1 xi (xi − x̄)
i=1 i=1
X
n
= β1 xi (xi − x̄)
i=1n 
X 
2
= β1  xi2 
− n x̄ 
i=1
X
n
= β1 (xi − x̄)2
i=1
= S xx β1 .
ី បាន
E[β̂1 ] = β1 .
ពន
ិ ត
ិ ្យេមល
ី β̂0 ៖
E[β̂0 ] = E[Ȳ − β̂1 x̄]
= E[Ȳ] − x̄E[β̂1 ]
1X
n
= (β0 + β1 xi ) − x̄β1
n i=1
= β0 + β1 x̄ − β1 x̄
= β0 .
ី បាន
E[β̂0 ] = β0 .
363
Pn
ចំេពាះវា៉ដ្យង់៖ េយង
ី មាន S xx β̂1 = i=1 (xi −x̄)Yi នង
ិ េដាយសារ Yi , i = 1, 2, . . . , n គម
ឺ ន
ិ អា្រស័យគា្នេនាះ
 n 
X 
S xx V(β̂1 ) = V  (xi − x̄)Yi 
2
i=1
X
n
= (xi − x̄)2 V(Yi )
i=1
X
n
=σ 2
(xi − x̄)2
i=1
= σ S xx
2
ដូចេនះ
σ2
V(β̂1 ) = .
S xx
ី មាន
1X x̄ X
n n
β̂0 = Ȳ − x̄β̂1 = Yi − (xi − x̄)Yi
n i=1 S xx i=1
Xn " #
1 x̄(xi − x̄)
= − Yi
i=1
n S xx
ី បាន
n "
X #2
1 x̄(xi − x̄)
V(β̂0 ) = σ 2
−
i=1
n S xx
!
2 1 x̄2
=σ + S xx
n S 2xx
!
2 1 x̄2
=σ + .
n S xx
□
12.1.3 អ្នកបា៉ន់សា្មនៃន σ2
េដាយសា្គល់អ្នកបា៉ន់សា្មន β̂0 និង β̂1 េនាះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មន
Ŷ = β̂0 + β̂1 x
កត់សមា្គល់ែដលថា្រគប់គូអេង្កតេផ្ទ�ងផា្ទត់ទំនាក់ទំនង
Yi = β̂0 + β̂1 xi + ei , i = 1, . . . , n
ែដល ei = Yi − Ŷi េហថាសំណល់។ សំណល់បញ្ជក់អំពីេល្អ�ងេនក្នុងគំរូតែ្រមត្រមង់េទនឹងការអេង្កតទី

i, Yi ។
លក្ខណៈ 12.1.1. លក្ខណៈៃនសំណល់៖
1.
X
n
ei = 0
i=1
364
2.
X
n
xi ei = 0
i=1
3.
X
n
Ŷi ei = 0
i=1
4.
X
n X
n
Yi = Ŷi
i=1 i=1
5. បនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនកាត់តាម ( x̄, Ȳ) ជានច

ិ ្ច។
X
n X
n
ei = (Yi − β̂0 − β̂1 xi )
i=1 i=1
X
n X
n
= Yi − nβ̂0 − β̂1 xi
i=1 i=1
= nȲ − nβ̂0 − nβ̂1 x̄
= n(Ȳ − β̂0 − β̂1 x̄)
= n(Ȳ − (Ȳ − β̂1 x̄) − β̂1 x̄)
=0
2.
X
n X
n X
n
xi ei = (Yi − β̂0 − β̂1 xi )xi = (Yi − (Ȳ − β̂1 x̄) − β̂1 xi )xi
i=1 i=1 i=1
X
n
= ((Yi − Ȳ) − β̂1 (xi − x̄))xi
i=1
X
n X
n
= xi (Yi − Ȳ) − β̂1 xi (xi − x̄)
i=1 i=1
X
n Xn
= β̂1 (xi − x̄)2 − β̂1 xi (xi − x̄)
i=1 i=1
X
n
= β̂1 [(xi − x̄)2 − xi (xi − x̄)]
i=1
X n
= β̂1 x̄ ( x̄ − xi )
i=1
= 0.
3.
X
n X
n X
n X
n
Ŷi ei = (β̂0 + β̂1 xi )ei = β̂0 ei + β̂1 xi ei = β̂0 (0) + β̂1 (0) = 0.
i=1 i=1 i=1 i=1
365
4.
X
n X
n X
n X
n X
n X
n
Yi = (Ŷi + ei ) = Ŷi + ei = Ŷi + 0 = Ŷi .
i=1 i=1 i=1 i=1 i=1 i=1
5.
β̂0 + β̂1 x̄ = (Ȳ − β̂1 x̄) + β̂1 x̄ = Ȳ.
េយង
ី បា៉ន់សា្មន σ េដាយេ្របីផលបូកកាេរៃនសំណល់ (Residual sum of squares)៖
2
X
n X
n
SSE = e2i = (Yi − Ŷi )2 .
i=1 i=1
េយង
ី សេង្កតេឃញ ី ថា S S E ជាអេថរៃចដន្យែដលសង្ឃម ឹ គណិតៃន S S E គឱ
 n 
X 
E[S S E ] = E  (Yi − Ŷi )2 
 i=1 
X
n

= E  (Yi − β̂0 − β̂1 xi ) 
2
 i=1 
X
n

= E  (Yi − Ȳ + β̂1 x̄ − β̂1 xi )2 
 i=1 
X
n 2 
= E  (Yi − Ȳ) − β̂1 (xi − x̄) 
 i=1 
X
n X
n X
n

= E  (Yi − Ȳ)2 + β̂21 (xi − x̄)2 − 2β̂1 (xi − x̄)(Yi − Ȳ)
 i=1 i=1 i=1

 X
n X n X n

= E  Yi − nȲ + β̂1
2 2 2
(xi − x̄) − 2β̂1
2
(xi − x̄) β̂1 
2
 i=1 i=1
 i=1
X
n

= E  Yi2 − nȲ 2 − β̂21 S xx 
i=1
X
n
= E[Yi2 ] − nE[Ȳ 2 ] − S xx E[β̂21 ]
i=1
X
n n o n o n o
E[S S E ] = V(Yi ) + (E[Yi ])2 − n V(Ȳ) + (E[Ȳ])2 − S xx V(β̂1 ) + (E[β̂1 ])2
i=1
X
n " # !
σ2 σ2
= nσ + (β0 + β1 xi ) − n
2
+ (β0 + β1 x̄) − S xx
2 2
+ β1
2
i=1
n S xx
= (n − 2)σ2 .
សំេណើ 12.1.1. អ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន σ2 គឺ
SSE
σ̂2 =
n−2
366
1
E[σ̂2 ] = E[S S E ]
n−2
1
= (n − 2)σ2
n−2
= σ2 .
□
រ ូបមន្តគណនា S S E
S S E = S yy − β̂1 S xy
Pn
ែដល S yy = i=1 (Yi − Ȳ)2 េហថាផលបូកសរុបៃនកាេរៃនអេថរេឆ្លីយតប Y។ តាមពិតេទ
X
n
SSE = (Yi − Ŷi )2
i=1
Xn
= (Yi − β̂0 − β̂1 xi )2
i=1
X
n
= (Yi − Ȳ + β̂1 x̄ − β̂1 xi )2
i=1
Xn h i2
= (Yi − Ȳ) − β̂1 (xi − x̄)
i=1
X
n X
n X
n
= (Yi − Ȳ) + β̂1
2 2
(xi − x̄) − 2β̂1
2
(xi − x̄)(Yi − Ȳ)
i=1 i=1 i=1
Xn Xn X
n
= (Yi − Ȳ) + β̂1
2
(xi − x̄)(Yi − Ȳ) − 2β̂1 (xi − x̄)(Yi − Ȳ)
i=1 i=1 i=1
Xn Xn
= (Yi − Ȳ)2 − β̂1 (xi − x̄)(Yi − Ȳ)
i=1 i=1
= S yy − β̂1 S xy .
េយង
!
1 x̄2 σ2
V(β̂0 ) = σ 2
+ , V(β̂1 ) =
n S xx S xx
េយង ់ បា៉ន់សា្មនដូចខាងេ្រកាម៖
ី អាចេ្របីការបា៉ន់សា្មន σ̂ ៃន σ េនក្នុងរូបមន្តខាងេលេី នះរកេល្អ�ងស្តងដា
2 2
េល្អ�ងស្តង់ដាបា៉ន់សា្មនេនក្នុងតែ្រមត្រមង់លីេនែអ៊រគឺ
s
σ̂2
se(β̂1 ) = ,
S xx
s !
1 x̄2
se(β̂0 ) = σ̂2 + .
n S xx
ឧទាហរណ៍ 12.1.1. ចំេពាះទិន្នន័យខាងេ្រកាម៖
367
x −2 −1 0 1 2
y 0 0 1 1 3
ី ង់បនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មន
1. េ្របីវ ិធីសា�ស្តកាេរខ្លីបំផុតេដីម្បស
2. គណនា V(β̂0 ) នង
ិ V(β̂1 )
3. គណនា σ̂2 ែដលជាអ្នកបា៉ន់សា្មនៃន σ2
ី មាន
xi yi xi yi xi2
−2 0 0 4
−1 0 0 1
0 1 0 0
1 1 1 1
2 3 6 4
Pn Pn Pn Pn
i=1 xi = 0 i=1 yi =5 i=1 xi yi = 7 i=1 xi2 = 10
1. េយង
ី មាន
Pn Pn Pn
S xy i=1 xi yi − 1
i=1 xi i=1 yi 7 − 51 (0)(5)
β̂1 = = Pn
n
Pn 2 = = 0.7,
S xx i=1 xi2 − 1
n i=1 xi 10 − 51 (0)2
5
β̂0 = ȳ − β̂1 x̄ = − (0.7)(0) = 1
5
ដូចេនះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ
ŷ = 1 + 0.7x
2. េយង
ី មាន
X
n X
n
n = 5, xi = 0, xi2 = 10, S xx = 10
i=1 i=1
េនាះ x̄ = 0,
!
1 x̄2 σ2
V(β̂0 ) = σ + 2
= ,
n S xx 5
σ2 σ2
V(β̂1 ) = = .
S xx 10
3. េយង
ី មាន
X
n
n = 5, yi = 5, S xy = 7, β̂1 = 0.7
i=1
368
និង
X
n X
n
S yy = (yi − ȳ) =
2
y2i − n(ȳ)2 = 11 − 5(1)2 = 6
i=1 i=1
េយង
ី បាន
S S E = S yy − β̂1 S xy = 6 − (0.7)7 = 1.1
ដូចេនះ
SSE 1.1
σ̂2 = = = 0.367
n−2 5−2
12.1.4 ករណីេល្អ�ងមានបំែនងែចកនរមា៉ល់
ី សិក�គំរូតែ្រមត្រមង់លីេនែអ៊រែដលេល្អ�ងៃចដន្យ εi មានែតសម្មតិកម្មមិនអា្រស័យគា្ន
េនក្នុងែផ្នកមុនេយង
E[εi ] = 0 និង V(εi ) = σ2 ។ េចញពីសម្មតិកម្មេនះេយង
ី បាន
• បងា្ហញថាអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុត β̂0 នង
• បងា្ហញថា σ̂2 = S S E /(n − 2) ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន σ2
• គណនាវា៉ដ្យង់ V(β̂0 ) និង V(β̂1 )
ប៉ុែន្តេដម
ី ្បក
ី ំនត់ចេនា្លះេជឿជាក់ និងេធ្វីេតស្តសម្មតិកម្មចំេពាះ β0 និង β1 េយងី ្រត�វែតសន្មតស
់ ម្មតិកម្មបែន្ថម
េទេលេី ល្អ�ងៃចដន្យ εi ។ េនក្នុងែផ្នកេនះេយង ី សក ិ �គំរូតែ្រមត្រមង់លេី នែអ៊រដូចខាងេ្រកាម៖
Yi = β0 + β1 xi + εi ,
ែដល εi ជា iid εi ∼ N(0, σ2 ), i = 1, . . . , n
ែដលនាំឱ្យ Yi , i = 1, . . . , n ជាអេថរៃចដន្យមន
ិ
Yi ∼ N(β0 + β1 xi , σ2 ).
12.1.5 អ្នកបា៉ន់សា្មនឱកាសអតិបរមា
្រទឹសប
ី ្ដ ទ 12.1.3. 1. អ្នកបា៉ន់សា្មនឱកាសអតិបរមា (MLE) ៃន β0 និង β1 គឺជាអ្នកបា៉ន់សា្មនកាេរខ្លី
បំផុត β̂0 នង
ិ β̂1 េរៀងគា្ន។
2. អ្នកបា៉ន់សា្មនឱកាសអតប
ិ រមាៃន σ គឺ σ̂ ML =
2 2 SSE
n
3. អ្នកបា៉ន់សា្មន β̂0 និង β̂1 ជាអេថរៃចដន្យនរមា៉ល់

!!
1 x̄2
β̂0 ∼ N β0 , σ 2
+
n S xx
!
σ 2
β̂1 ∼ N β1 , .
S xx
369
ស្រមាយបញ្ជ ក់. 1. អនុគមន៍ឱកាសៃន Yi គឺឱ្យេដាយ
Y
n Y
n " #
1 (yi − β0 − β1 xi )2
L(y1 , . . . , yn ; β0 , β1 , σ ) =
2
fYi (yi ) = √ exp −
i=1 i=1 2πσ2 2σ2
!n  
 1 X n

(yi − β0 − β1 xi )  .
1
= √ exp − 2 2
2πσ2 2σ i=1
ចំេពាះ្រគប់ σ2 េថរ អតបិ រមាកម្មៃនអនុគមន៍ឱកាសេធៀបនង ឹ β0 នង

ិ β1 គសឺ មមូលេទនង ឹ អប្បបរមា
Pn P
កម្មៃន i=1 (yi −β0 −β1 xi )2 េធៀបនង
ឹ β0 នង
ិ β1 េ្រពាះអនុគមន៍ឱកាសផ្ទុក − i=1 (yi −β0 −β1 xi ) ។
n 2
អប្បបរមាកម្មេនះនាំឱ្យេយង
ី ទទួលបានអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុត β̂0 នង
ិ β̂1 ។
2. អ្នក បា៉ន់សា្មនឱកាសអតប ិ រមាៃន σ អាច្រត�វ បានរកេឃញ

2
ី េដាយអតប ិ រមាកម្ម េធៀបនង
ឹ σ ៃន
2
អនុគមន៍
n n 1
ln L(y1 , . . . , yn ; β̂0 , β̂1 , σ2 ) = − ln(2π) − ln σ2 − SSE
2 2 2σ2
Pn Pn Pn
ែដលេយង ី េ្របន
ី ិមិត្តសញញ S S E ដូចគា្នចំេពាះ i=1 (Yi − Ŷi ) និង i=1 (yi − Ŷi ) = i=1 (yi − β̂0 −
2 2
β̂1 xi )2 ។ េយង
ី បាន
d n 1 SSE
ln L(y1 , . . . , yn ; β̂0 , β̂1 , σ2 ) = − × 2 + = 0,
dσ 2 2 σ 2(σ2 )2
េនាះ
SSE
σ2 =
n
d2 n3
ln L(y 1 , . . . , yn ; β̂ 0 , β̂1 , σ 2
)|σ2 =S S /n = − < 0,
d(σ2 )2 E
2S S 2E
ដូចេនះ σ̂2ML = S S E /n គឺជាអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន σ2 ។
3. េយង
ី មាន
n "
X #
1 x̄(xi − x̄)
β̂0 = − Yi
i=1
n S xx
E[β̂0 ] = β0
!
1 x̄2
V(β̂0 ) = σ 2
+ .
n S xx
ដូចេនះ β̂0 ជាអេថរៃចដន្យនរមា៉ល់េ្រពាះវាជាបន្សំលីេនែអ៊រៃនអេថរៃចដន្យនរមា៉ល់មិនអា្រស័យគា្ន

!!
2 1 x̄2
β̂0 ∼ N β0 , σ + .
n S xx
េយង
ី មាន
Xn !
xi − x̄
β̂1 = Yi
i=1
S xx
E[β̂1 ] = β1
σ2
V(β̂1 ) = .
S xx
370
ដូចេនះ β̂1 ជាអេថរៃចដន្យនរមា៉ល់េ្រពាះវាជាបន្សំលីេនែអ៊រៃនអេថរៃចដន្យនរមា៉ល់មិនអា្រស័យគា្ន
!
σ2
β̂1 ∼ N β1 , .
S xx
□
ឧទាហរណ៍ 12.1.2. េគឱ្យទន

ិ ្នន័យដូចខាងេ្រកាម
x 3 3 4 5 6 6 7 8 8 9
y 9 5 12 9 14 16 22 18 24 22
ិ β̂1 រួចសង់បនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មន
1. គណនាតៃម្លបា៉ន់សា្មន β̂0 នង
2. គណនាតៃម្លបា៉ន់សា្មនឱកាសអតប
ិ រមា σ̂ ML ៃន σ
2 2
ី មាន
xi yi xi2 y2i xi yi
3 9 9 81 27
3 5 9 25 15
4 12 16 144 48
5 9 25 81 45
6 14 36 196 84
6 16 36 256 96
7 22 49 484 154
8 18 64 324 144
8 24 64 576 192
9 22 81 484 198
P P P P P
xi = 59 yi = 151 xi2 = 389 y2i = 2651 xi yi = 1003
Pn Pn Pn
i=1 xi i=1 yi 1003 − 59×151
β̂1 = = Pn
n
= Pn 2
10
= 2.741
S xx i=1 xi2 −
xi 1
n
389 i=1 − 10
592
151 59
β̂0 = ȳ − β̂1 x̄ = − 2.741 × = −1.072
10 10
ដូចេនះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ ŷ = −1.072 + 2.741x

េយង
ី មាន
1512
S S E = S yy − β̂1 S xy = 2651 − − 2.741 × 112.1 = 63.6
10
េនាះ
S S E 63.6
σ̂2ML = = = 6.36
n 10
371
12.2 បំែនងែចកៃន S S E
្រទឹសប
ី ្ដ ទ 12.2.1. 1. បំែនងែចកៃន SSE
σ2
គឺ χ2n−2
2. ស្ថត
ិ ខា
ិ ងេ្រកាមគម
ឺ ន
(a) S S E នង
ិ β̂1
(b) Ȳ និង β̂1
(c) S S E , Ȳ នង
ិ β̂1
(d) S S E និង β̂0
ស្រមាយបញ្ជ ក់. តាង Ui = Yi − β0 − β1 xi នង

ិ Ū = Ȳ − β0 − β1 x̄, េនាះ
Ui − Ū = (Yi − Ȳ) − β1 (xi − x̄), Yi − Ȳ = (Ui − Ū) + β1 (xi − x̄).
េយង
ី មាន
X
n
S xx β̂1 = S xy = (xi − x̄)(Yi − Ȳ)
i=1
X
n
(β̂1 − β1 )S xx = (xi − x̄)(Yi − Ȳ) − β1 S xx
i=1
Xn h i
= (xi − x̄) (Ui − Ū) + β1 (xi − x̄) − β1 S xx
i=1
X
n
= (xi − x̄)(Ui − Ū) + β1 S xx − β1 S xx
i=1
Xn
= (xi − x̄)(Ui − Ū).
i=1
បនា្ទប់មក
X
n X
n
SSE = (Yi − Ŷi ) =
2
(Yi − β̂0 − β̂1 xi )2
i=1 i=1
X
n X
n
= (Yi − Ȳ + β̂1 x̄ − β̂1 xi ) =
2
[(Yi − Ȳ) − β̂1 (xi − x̄)]2
i=1 i=1
X
n
= [(Yi − Ȳ) − β̂1 (xi − x̄) + β1 (xi − x̄) − β1 (xi − x̄)]2
i=1
X
n n o2
= [(Yi − Ȳ) − β1 (xi − x̄)] − (β̂1 − β1 )(xi − x̄)
i=1
X
n h i2
= (Ui − Ū) − (β̂1 − β1 )(xi − x̄)
i=1
372
X
n X
n
= (Ui − Ū) + (β̂1 − β1 ) S xx − 2(β̂1 − β1 ) (xi − x̄)(Ui − Ū)
2 2
i=1 i=1
X
n
= (Ui − Ū)2 + (β̂1 − β1 )2 S xx − 2(β̂1 − β1 )2 S xx
i=1
X
n
= (Ui − Ū)2 − (β̂1 − β1 )2 S xx
i=1
X
n
SSE = Ui2 − nŪ 2 − (β̂1 − β1 )2 S xx .
i=1
េយង
ី សេង្កតេឃញ ី ថាអេថរៃចដន្យ U1 , . . . , Un ជាអេថរៃចដន្យនរមា៉ល់ N(0, σ ) មិនអា្រស័យគា្ន។ េយង
2
ី
បែម្លងពួកវាេទជាអេថរៃចដន្យ V1 , . . . , Vn តាមរយៈមា៉្រទីសអរតូកូណាល់ C ែដលពីរជួរដំបូងឱ្យេដាយ
 x1 − x̄ x − x̄ x − x̄ 
 √S xx √2 ··· √n 
S xx 
 S xx 
C =  √1n √1 ··· √1 
n 


 n

··· ··· ··· ···
មានន័យថាេយង
ី កំនត់អេថរៃចដន្យ V1 , . . . , Vn តាមរយៈ
   
V1  U1 
 .   . 
 ..  = C  .. 
   
Vn Un
តាមែឡម Fisher៖ អេថរៃចដន្យ V1 , . . . , Vn ជាអេថរៃចដន្យនរមា៉ល់ N(0, σ2 ) មិនអា្រស័យគា្ន និង

X
n X
n
Vi2 = Ui2 .
i=1 i=1
តាមជេ្រមស
ី ៃនជួរេដកទម
ី ួយ នង
ិ ជួរេដកទព
ី រី ៃនមា៉្រទស
ី C េយង
ី បាន
1 X
n
V1 = √ (xi − x̄)Ui
S xx i=1
1 X √
n
V2 = √ Ui = nŪ.
n i=1
X
n X
n
(xi − x̄)Ui = (xi − x̄)(Ui − Ū) = (β̂1 − β1 )S xx
i=1 i=1
ដូចេនះ
V12 = (β̂1 − β1 )2 S xx , V22 = nŪ 2
នង
ិ
X
n X
n
SSE = Vi2 − V12 − V22 = Vi2 .
i=1 i=3
ដូេច្នះេយងី ទទួលបាន
P 2
• SσS2E = ni=3 Vσi ∼ χ2n−2 េ្រពាះ Vi /σ, i = 1, . . . , n ជាអេថរៃចដន្យ N(0, 1) មិនអា្រស័យគា្ន។
373
• S S E និង β̂1 មិន អា្រស័យ គា្ន េ្រពាះ β̂1 និង S S E ជាអនុគមន៍ ៃន Vi ែដលមិន ្រត�តសុីគា្ន (β̂1 ជា
អនុគមន៍ៃន V1 ឯ S S E ជាអនុគមន៍ៃន V3 , . . . , Vn )។
• Ȳ នង
ិ β̂1 មន
ិ អា្រស័យគា្នេ្រពាះ Ȳ = Ū + β0 + β1 x̄ =
V2
√
n
+ β0 + β1 x̄ ែដលជាអនុគមន៍ៃន V2 ឯ β̂1
ជាអនុគមន៍ៃន V1 ។
• S S E , Ȳ នង
ិ β̂1 មន
ិ អា្រស័យគា្នេ្រពាះ S S E ជាអនុគមន៍ៃន V3 , . . . , Vn , Ȳ ជាអនុគមន៍ៃន V2 នង
ិ
β̂1 ជាអនុគមន៍ៃន V1 ។
• Ȳ នង ិ β̂0 មន ិ អា្រស័យគា្នេ្រពាះ β̂0 = Ȳ − β̂1 x̄ ជាអនុគមន៍ៃន V1 នង

ិ V2 ឯ S S E ជាអនុគមន៍ៃន
V3 , . . . , Vn ។
□
់ មន
ែឡម 12.2.0.1 (Fisher). េគឱ្យ X1 , X2 , . . . , Xn ជាអេថរៃចដន្យនរមា៉ល់ស្តងដា ិ អា្រស័យគា្ន នង
ិ A ជា
មា៉្រទីសអរតូកូណាល់។ កំនត់
   
Z1  X1 
 .  .
 .  = A  .. 
.
   
Zn Xn
េនាះ Zi ក៏ជាអេថរៃចដន្យនរមា៉ល់ស្តង់ដាមិនអា្រស័យគា្ន។
ស្រមាយបញ្ជ ក់. េយង ឹ ្រសាយែឡមេនះេដាយេ្របីអនុគមន៍បេង្កីតម៉ូម៉ង់៖ យក t = (t1 , t2 , . . . , tn )

ី នង
T
អនុគមន៍បេង្កីតម៉ូម៉ងៃ់ នអេថរៃចដន្យ iid នរមា៉ល់ស្តង់ដាមិនអា្រស័យគា្ន X1 , X2 , . . . , Xn គឺឱ្យេដាយ

h T i h i Yn h i
t1 X1 +t2 X2 +···+tn Xn
M(t) = E et X
=E e = E eti Xi
i=1
Y
n t2
i 1 Pn 2 1 T
= e = e2
2 i=1 ti = e 2 t t.
i=1
មយ៉ងវ ិញេទៀតេដាយសារ Z = AX និង

 
 .1 
Z


t1 Z1 + t2 Z2 + · · · + tn Zn = t1 t2 . . . tn  ..  = tT AX

 
Zn
េនាះអនុគមន៍បេង្កីតម៉ូម៉ង់ៃន Z1 , Z2 , . . . , Zn គឺឱ្យេដាយ
h i h T i h T T i
E et1 Z1 +t2 Z2 +···+tn Zn = E et AX = E e(A t) X = MX (AT t)
1 T t)T )(AT t) 1 T 1 T
AAT t
= e 2 (A = e2t = e 2 t t.
ដូចេនះ Z1 , Z2 , . . . , Zn នង ់ ូចគា្នេនាះេយង
ិ X1 , X2 , . . . , Xn មានអនុគមន៍បេង្កីតម៉ូម៉ងដ ី សន្នដា
ិ ្ឋ នថាវាមានបំ
ែនងែចក្រប�បាប៊ីលេី តដូចគា្ន។ □
កូរែលរ
៉ូ 12.2.1. 1. អ្នកបា៉ន់សា្មនឱកាសអតិបរមា σ̂2ML ៃន σ2 គឺជាអ្នកបា៉ន់សា្មនលេម្អ�ងៃន σ2 ។ ប៉ុែន្ត
n SSE
S 2 := σ̂2ML =
n−2 n−2
ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន σ2
374
β̂0 − β0
q ∼ tn−2 .
S 1n + Sx̄xx
2
β̂1 − β1
√ ∼ tn−2 .
S / S xx
ស្រមាយបញ្ជ ក់. 1. េយង

SSE n − 2 SSE
σ̂2ML = = ×
n n n−2
េដាយសារ SSE
σ2
∼ χ2n−2 េនាះេយង
ី បាន
S S SS
=n−2 ឬ E
E E
E = σ2
σ2 n−2
ដូេច្នះ SSE
n−2
ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន σ2 ។ េយង
ី ក៏មានផងែដរ
n − 2 SSE n − 2 2
E[σ̂2ML ] = E = σ
n n−2 n
ដូចេនះ σ̂2ML ជាអ្នកបា៉ន់សា្មនលេម្អ�ងៃន σ2 ។
2. េយង
ី បានបងា្ហញថា !!
1 x̄2
β̂0 ∼ N β0 , σ 2
+
n S xx
េយង
ី មាន
β̂0 − β0 β̂0 − β0
= q ∼ N(0, 1),
SD(β̂0 ) σ 1 + x̄2
n S xx
និង
S S E (n − 2)S S E (n − 2)S 2
= = ∼ χ2n−2 .
σ2 (n − 2)σ2 σ2
បែន្ថមពេី លីេនះ β̂0 −β0
SD(β̂0 )
នង
ិ
SSE
σ2
គឺមន
ិ អា្រស័យគា្នេ្រពាះ β̂0 នង
ិ S S E មន
ិ អា្រស័យគា្ន។ ដូេច្នះេយង
ី
បានតាមនិយមន័យៃនបំែនងែចក t
(β̂0 − β0 )/SD(β̂0 )
q ∼ tn−2 .
SSE
σ2
/(n − 2)
β̂ −β
q0 0
x̄2
σ n + S xx
1
q ∼ tn−2
S2
σ2
β̂0 − β0
q ∼ tn−2 .
S 1n + Sx̄xx
2
375
3. េយង
ី បានបងា្ហញថា !
σ2
β̂1 ∼ N β1 ,
S xx
េយង
ី មាន
β̂1 − β1 β̂1 − β1
= √ ∼ N(0, 1),
SD(β̂1 ) σ/ S xx
និង β̂1 −β1

SD(β̂1 )
និង SSE
σ2
គឺ មិន អា្រស័យ គា្ន េ្រពាះ β̂1 និង S S E មិន អា្រស័យ គា្ន។ ដូេច្នះ េយង
ី បានតាម
និយមន័យៃនបំែនងែចក t
(β̂1 − β1 )/SD(β̂1 )
q ∼ tn−2 .
SSE
σ2
/(n − 2)
(β̂1 − β1 )/ √σS
p
xx
∼ tn−2
S /σ
2 2
β̂1 − β1
√ ∼ tn−2 .
S / S xx
□
12.3 ចេនា្លះេជឿជាក់េនក្នងតែ្រមត្រមង់
ុ លេី នែអ៊រ
ចេនា្លះេជឿជាក់ស្រមាប់ β0 និង β1
សំេណើ 12.3.1. ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ β0 គឺ
s s
1 x̄2 1 x̄2
β̂0 − tα/2,n−2 S + ≤ β0 ≤ β̂0 + tα/2,n−2 S +
n S xx n S xx
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ β1 គឺ

S S
β̂1 − tα/2,n−2 √ ≤ β1 ≤ β̂1 + tα/2,n−2 √
S xx S xx
ស្រមាយបញ្ជ ក់. ស្រមាប់ β0 េយង

ី មាន
β̂0 − β0
q ∼ tn−2
S 1n + Sx̄xx
2
ី បាន
 
 
 β̂0 − β0 
P −tα/2,n−2 ≤ q ≤ tα/2,n−2  = 1 − α
 
S 1n + Sx̄xx
2
 s s 
 2 x̄ 
2


P β̂0 − tα/2,n−2 S
1
+
x̄
≤ β0 ≤ β̂0 + tα/2,n−2 S
1
+ =1−α
n S xx n S xx 
376
េនេពលែដល n គូៃនទិន្នន័យ្រត�វបានអេង្កត β̂0 , S ្រត�វបានគណនាេនាះចេនា្លះៃចដន្យ
 s s 
 2 2 

β̂ − t 1 x̄ 1 x̄
 0 α/2,n−2 S n + S , β̂0 + tα/2,n−2 S n + S 
xx xx
កា្លយជាចេនា្លះែដលសា្គល់។ ដូចេនះចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ β0 គឺ

s s
1 x̄2 1 x̄2
β̂0 − tα/2,n−2 S + ≤ β0 ≤ β̂0 + tα/2,n−2 S +
n S xx n S xx
ស្រមាប់ β1 េយង
ី មាន
β̂1 − β1
√ ∼ tn−2 .
S / S xx
ី បាន
!
β̂1 − β1
P −tα/2,n−2 ≤ √ ≤ tα/2,n−2 = 1 − α
S / S xx
!
S S
P β̂1 − tα/2,n−2 √ ≤ β1 ≤ β̂1 + tα/2,n−2 √ =1−α
S xx S xx
េនេពលែដល n គូៃនទិន្នន័យ្រត�វបានអេង្កត β̂1 , S ្រត�វបានគណនាចេនា្លះៃចដន្យ

" #
S S
β̂1 − tα/2,n−2 √ , β̂1 + tα/2,n−2 √
S xx S xx
កា្លយជាចេនា្លះែដលសា្គល់។ ដូចេនះចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ β1 គឺ
S S
β̂1 − tα/2,n−2 √ ≤ β1 ≤ β̂1 + tα/2,n−2 √
S xx S xx
□
ិ ្នន័យខាងេ្រកាមបងា្ហញពី y កំរតៃនបន្ស
ិ ុទ្ធអុកសុែី សនេនក្នុងដំេណីរការបែម្លងគម
ី ី
ិ ី្រដ�កាបូនែដលមានវត្តមានក្នុងដំេណីរការ៖
និង x ជាកំរតអុ
x(%) y(%) x(%) y(%)

1 0.99 90.01 11 1.19 93.54
2 1.02 98.05 12 1.15 92.52
3 1.15 91.43 13 0.98 90.56
4 1.29 93.74 14 1.01 89.54
5 1.46 96.73 15 1.11 89.85
6 1.36 94.45 16 1.20 90.39
7 0.87 87.59 17 1.26 93.25
8 1.23 91.77 18 1.32 93.41
9 1.55 99.42 19 1.43 94.98
10 1.40 93.65 20 0.95 87.33
377
1. រកបនា្ទត់តែ្រមត្រមង់លេី នែអ៊របា៉ន់សា្មន
ិ β1 ៃនបនា្ទត់តែ្រមត្រមង់
2. រកចេនា្លះេជឿជាក់ 95% ៃនេមគុណ្របាប់ទស
3. រកចេនា្លះេជឿជាក់ 95% ៃន β0 ចំនុច្របសព្វអ័ក្ស y ៃនបនា្ទត់តែ្រមត្រមង់
ចេម្លើយ. 1. េយង
ី មាន
X
20 X
20
n = 20, xi = 23.92, yi = 1843.21, x̄ = 1.1960, ȳ = 92.1605
i=1 i=1
X
20 X
20 X
20
y2i = 170044.5321, xi2 = 29.2892, xi yi = 2214.6566
i=1 i=1 i=1
 n 2
X
n
1 X  (23.92)2
S xx = − 
xi2 xi  = 29.2892 − = 0.68088
i=1
n i=1 20
 20   20 
X20
1 X  X  (23.92)(1843.21)
S xy = xi yi −  xi   yi  = 2214.6566 −
i=1
20 i=1 i=1
20
= 10.17744
ដូេច្នះអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុតគឺ
S xy 10.17744
β̂1 = = = 14.947
S xx 0.68088
នង
ិ
β̂0 = ȳ − β̂1 x̄ = 92.1605 − (14.947)(1.196) = 74.283
ដូចេនះបនា្ទត់តែ្រមត្រមង់លីេនែអ៊របា៉ន់សា្មនគឺ ŷ = 74.283 + 14.947x
2. ចេនា្លះេជឿជាក់ 95% ៃន β1 គឺ
S S
β̂1 − t0.025,18 √ ≤ β1 ≤ β̂1 + t0.025,18 √
S xx S xx
េយង
ី មាន β̂1 = 14.947, S xx = 0.68088,
SSE S yy − β̂1 S xy 21.25

S2 = = = = 1.18
n−2 n−2 18
ី បាន
r r
1.18 1.18
14.947 − 2.101 ≤ β1 ≤ 14.947 + 2.101
0.68088 0.68088
ឬ
12.181 ≤ β1 ≤ 17.713
សមា្គល់៖ ចេនា្លះេជឿជាក់មិនផ្ទុក 0 េនាះេយង

ី មានភស្តុតាងខា្លង
ំ (α = 0.05) ែដលថាេមគុណ្របាប់ទិស
β1 មិនេស្មីនឹង 0។
378
3. ចេនា្លះេជឿជាក់ 95% ស្រមាប់ β0 គឺ
s s
1 x̄2 1 x̄2
β̂0 − tα/2,n−2 S + ≤ β0 ≤ β̂0 + tα/2,n−2 S +
n S xx n S xx
s ! s !
1 1.19602 1 1.19602
74.283 − 2.101 1.18 + ≤ β0 ≤ 74.283 + 2.101 1.18 +
20 0.68088 20 0.68088
74.283 − 3.473 ≤ β0 ≤ 74.283 + 3.473
70.935 ≤ β0 ≤ 77.756
ចេនា្លះេជឿជាក់ស្រមាប់ σ2
(n − 2)S 2
∼ χ2n−2
σ2
ី បាន
!
(n − 2)S 2
P χ21−α/2,n−2 ≤ ≤ χα/2,n−2 = 1 − α
2
σ2
 
 (n − 2)S 2 (n − 2)S 2

P  2 ≤σ ≤ 2
2
 = 1 − α
χ
α/2,n−2 χ 1−α/2,n−2
េនេពលែដល n គូៃនទន
ិ ្នន័យ្រត�វបានអេង្កត S ្រត�វបានគណនាចេនា្លះៃចដន្យ
2
(n − 2)S 2 (n − 2)S 2
≤ σ2
≤
χ2α/2,n−2 χ21−α/2,n−2
សំេណើ 12.3.2. ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ σ2 គឺឱ្យេដាយ
(n − 2)S 2 (n − 2)S 2
≤σ ≤ 2
2
χ2α/2,n−2 χ1−α/2,n−2
ឧទាហរណ៍ 12.3.2. េនក្នុងឧទាហរណ៍ខាងេលី ចេនា្លះេជឿជាក់ 95% ស្រមាប់ σ2 គឺ
(n − 2)S 2 (n − 2)S 2
≤ σ2
≤
χ2α/2,n−2 χ21−α/2,n−2
(18)(1.18) (18)(1.18)
≤ σ2 ≤
χ0.025,18
2
χ20.975,18
តាមតារាងបំ ែនងែចក χ2 េយង

ី មាន χ0.025,18 = 31.526 និង χ0.975,18 = 8.231។ ដូចេនះ ចេនា្លះេជឿជាក់
2 2
កា្លយជា
(18)(1.18) (18)(1.18)
≤ σ2 ≤
31.526 8.231
0.673 ≤ σ ≤ 2.580
2
379
12.4 េតស្តសម្មតិកម្មេនក្នងតែ្រមត្រមង់
ឧបមាថាេយងី ចង់ េធ្វីេតស្ត សម្មតិកម្ម េមគុណ្របាប់ទិស េស្មីនឹង ចំនួន េថរណាមួយ β10 ។ េតស្ត សម្មតិកម្ម
សមរម្យគឺ
H0 : β1 = β10 , H1 : β1 , β10
ែដលេយង
់ វាជាេតស្តសងខាង។ េដាយសារេល្អ�ង εi ∼ N(0, σ2 ) មិនអា្រស័យគា្ន េនាះេយង
ី ទទួល
បាន Yi ∼ N(β0 + β1 xi , σ2 ) មិនអា្រស័យគា្ន។ េយង
ី បានបងា្ហញថា β̂1 ជាបន្សំលីេនែអ៊រៃនអេថរៃចដន្យនរ
មា៉ល់មិនអា្រស័យគា្ន តាមពិតេទ β̂1 ∼ N(β1 , σ2 /S xx )។ ដូចេនះេតស្តសិត
្ថ ិ
β̂1 − β10
Z= p ∼ N(0, 1)
σ2 /S xx
េបស
ី ម្មតិកម្ម H0 : β1 = β10 ពិត។ េបសា
ី ្គ ល់ σ េនាះេយង
2
ី អាចេ្របេី តស្ត Z េដីម្បេី ធ្វីេតស្តសម្មតិកម្ម។ ប៉ុែន្ត
ជាធម្មតាេយងី មន ិ សា្គល់ σ ។ បែន្ថមពេី លេី នះេយង
2
ី ក៏បានបងា្ហញថា S S E /σ ∼ χn−2 នង
2 2
ិ β̂1 មនិ អា្រស័យ
គា្ននឹង S S E ។ តាមនិយមន័យៃនបំែនងែចក t េយង
ី បាន
β̂1 − β10
T β1 = √ ∼ tn−2
S / S xx
េបស
ី ម្មតក
ិ ម្ម H0 : β1 = β10 ពត
ិ ។
េតស្តសម្មតិកម្មស្រមាប់ β1 ៖ កំរ ិតចា ំបាច់ α
H0 : β1 = β10 ,
H1 : β1 , β10 , β1 < β10 , β1 > β10
β̂1 − β10
T S : tβ1 = √ d.f. = n − 2
S / S xx
RR : |T | ≥ tα/2,n−2 , T ≤ −tα,n−2 , T ≥ tα,n−2
p =: 2P(T ≥ |tβ1 |), P(T ≤ tβ1 ), P(T ≥ tβ1 )
លក្ខណៈវ ិនិច្ឆ័យ៖ បដិេសដ H0 េបី
ិ្ថ ិ tβ−1 ស្ថត
ិ េនក្នុងែដនបដិេសដ RR ឬ
ដូចគា្នែដរេបី εi ∼ N(0, σ2 ) េនាះ
• េ្រកាមសម្មតិកម្ម H0 : β0 = β00
β̂0 − β00
q ∼ N(0, 1)
σ 1n + Sx̄xx
2
•
SSE
∼ χ2n−2
σ 2
• β̂0 និង S S E គឺមិនអា្រស័យគា្ន
380
ដូចេនះេតស្តសិត
្ថ ិ
β̂0 − β00
T β0 = q ∼ tn−2
S n + S xx
1 x̄2
េតស្តសម្មតិកម្មស្រមាប់ β0 ៖ កំរ ិតចា ំបាច់ α
H0 : β0 = β00 ,
H1 : β0 , β00 , β0 < β00 , β0 > β00
β̂0 − β00
T S : tβ0 = q d.f. = n − 2
S n + S xx
1 x̄2
RR : |T | ≥ tα/2,n−2 , T ≤ −tα,n−2 , T ≥ tα,n−2

p =: 2P(T ≥ |tβ0 |), P(T ≤ tβ0 ), P(T ≥ tβ0 )
• តៃម្លេតស្ត tβ0 ស្ថត

ឧទាហរណ៍ 12.4.1. េនក្នុងដំណាក់កាលបេង្កីតឱសថថ្មស

ី ្រមាប់អាល់ែឡកសុីការពិេសាធ្រត�វបានេធ្វីេឡង
ី
េដម
ី ្បសី ក
ិ �ថាេតីបិរមាណឱសថខុសគា្ននង ឹ មានឥទ្ធព
ិ លេលីរយៈេពលធូរេស្បយី ។ អ្នកជម្ងឺ 10 នាក់ចូលរួម
េនក្នុងការពិេសាធ េហយ ី អ្នក ជម្ងឺ មា្ន ក់ៗ ទទួល ឱសថតាមចំនួន កំនត់ ណាមួយ និង ្រត�វ បានឱ្យរាយការណ៍
េនេពលែដលឱសថមាន្របសិទ្ធិភាពជាបេណី្ត រៗ។ ការអេង្កតែដល x ជាបរមាណឱសថគិ ត
ិ ជាមីលី្រកាម
និង y ជារយៈេពលធូរេស្បយ
ី គិតជាៃថ្ងៃនអ្នកជម្ងឺ 10 នាក់មានបងា្ហញដូចខាងេ្រកាម៖
x 3 3 4 5 6 6 7 8 8 9
y 9 5 12 9 14 16 22 18 24 22
1. រកបនា្ទត់តែ្រមត្រមង់លេី នែអ៊របា៉ន់សា្មន
2. រកចេនា្លះេជឿជាក់ 95% ស្រមាប់ β0 នង

ិ β1
3. េធ្វេី តស្តសម្មតក
ិ ម្មែដលថារយៈេពលធូរេស្បយ
ី េកន
ី េឡង
ី ជាមួយនង
ឹ ការេកន
ី េឡង
ី ៃនបរមាណឱសថ
ិ
ែដលបានេ្របីេនក្រមិតចាំបាច់ α = 0.05។
ី មាន
381
xi yi xi2 y2i xi yi
3 9 9 81 27
3 5 9 25 15
4 12 16 144 48
5 9 25 81 45
6 14 36 196 84
6 16 36 256 96
7 22 49 484 154
8 18 64 324 144
8 24 64 576 192
9 22 81 484 198
P P P 2 P 2 P
xi = 59 yi = 151 xi = 389 yi = 2651 xi yi = 1003
1. អ្នកបា៉ន់សា្មនកាេរខ្លប
Pn Pn Pn
i=1 xi i=1 yi 1003 −59×151
β̂1 = = Pn
n
=
Pn 2
10
= 2.741
xi2 − − 59
2
S xx i=1 xi 1
389
i=1
n 10
151 59
β̂0 = ȳ − β̂1 x̄ = − 2.741 × = −1.072
10 10
ដូចេនះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ ŷ = −1.072 + 2.741x
2. ចេនា្លះេជឿជាក់ 95% ៃន β1 គឺ
S S
β̂1 − t0.025,8 √ ≤ β1 ≤ β̂1 + t0.025,8 √
S xx S xx
េយង
ី មាន β̂1 = 2.741, S xx = 40.9 និង
SSE S yy − β̂1 S xy 370.9 − (2.741)(112.1)
S2 = = = = 7.95
n−2 n−2 8
ី បាន
r r
7.95 7.95
2.741 − 2.306 ≤ β1 ≤ 2.741 + 2.306
40.9 40.9
ឬ
1.72 ≤ β1 ≤ 3.75
3. ចេនា្លះេជឿជាក់ 95% ស្រមាប់ β0 គឺ

s s
1 x̄2 1 x̄2
β̂0 − tα/2,n−2 S + ≤ β0 ≤ β̂0 + tα/2,n−2 S +
n S xx n S xx
s ! s !
1 5.92 1 5.92
−1.072 − 2.306 7.95 + ≤ β0 ≤ −1.072 + 2.306 7.95 +
10 40.9 10 40.9
−1.072 − 6.34 ≤ β0 ≤ −1.072 + 6.34
−7.41 ≤ β0 ≤ 5.27
382
4. ជំហានទ១
ិ ម្ម
H0 : β1 = 0, H1 : β 1 > 0
ិ្ថ ិ
β̂1 − β10 2.741
t= √ = = 6.215
S / S xx 0.441
ជំហានទី៣ ែដនបដិេសដ
េដាយសារ α = 0.05, d.f. = n − 2 = 8 េនាះែដនបដេិ សដគឺ T ≥ tα,n−2 = t0.05,8 = 1.860 ។
ជំហានទី៤ សំេរចចិត្ត
េដាយសារ 6.215 ស្ថត
ី បដេិ សធ H0 ។
ំ នទី៥ សន្និដា្ឋន
ជហា
ី អាចសន្នដា ិ ្ឋ នថាេនក្រមត
ិ ចាំបាច់ α = 0.05 ការេកន
ី េឡង
ី ៃនបរមាណថា
ិ ្ន ំ ផ្តល់ នូវ
រយៈេពលធូរេស្បយី យូរជាងមុន។
12.5 េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់
12.5.1 េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់េ្របើេតស្តសត
ិ ្ថ ិ t
ករណីពិេសសដ៏សំខាន់មួយេនក្នុងការេធ្វីេតស្តសម្មតិកម្មគឺេតស្តសម្មតិកម្មែដលមានទ្រមង់
H0 : β1 = 0, H1 : β1 , 0
ែដលេតស្តមួយេនះជាេតស្តភាពសំខាន់ៃនតែ្រមត្រមង់។
• មន
ិ បដេិ សដ H0 : β1 = 0 មានន័យថាមន
ិ មានទំនាក់ទំនងលេី នែអ៊ររវាង y នង
ិ x
• បដិេសដ H0 : β1 = 0 មានន័យថាមានទំនាក់ទំនងលីេនែអ៊ររវាង y និង x
រូប 12.1: មិនបដិេសដ H0 : β1 = 0

រូប (a) បនា្ទត់បា៉ន់សា្មន y ដ៏លប្អ ំផុតចំេពាះ្រគប់ x គឺ ŷ = Ȳ
រូប (b) ទំនាក់ទំនងរវាង y នង ិ x មន ិ លេី នែអ៊រ
ឧទាហរណ៍ 12.5.1. េតស្តភាពសំខាន់ៃនតែ្រមត្រមងេ់ នក្នុងឧទាហរណ៍បន្សុទ្ធអុកសុែី សនេ្របី α = 0.01។
H0 : β1 = 0, H1 : β 1 , 0
383
រូប 12.2: បដិេសដ H0 : β1 = 0
រូប (a) បនា្ទត់តែ្រមត្រមង់លេី នែអ៊របា៉ន់សា្មនគ្រឺ គប់្រគាន់
រូប (b) េទាះបីជាមានទំនាក់ទំនងលីេនែអ៊ររវាង y និង x ប៉ុែន្តេដីម្បទ
ី ទួលបានការបា៉ន់សា្មន្របេសីរេយង
ី េ្របី
ពហុធាៃន x លំដាប់ខ្ពស់ជាងេនះ។
្ថ ិ
β̂1 − β10 14.947

t= √ = √ = 11.35
S / S xx 1.18/0.68088
េដាយសារ α = 0.01, d.f. = n − 2 = 18 េនាះតៃម្លសំខាន់គឺ
tα/2,n−2 = t0.005,18 = 2.878
ី ការសំេរចចត
ិ ្ត
េដាយសារ 11.35 ស្ថិតក្នុងែដនបដិេសដ |T | ≥ 2.878 េនាះេយង
ិ ្ឋ ន
េយងី មានភស្តុតាង្រគប់្រគាន់េដីម្បីសន្និដា្ឋនថាេមគុណ្របាប់ទិសៃនបនា្ទត់តែ្រមត្រមង់គឺមិនេស្មីនឹង
សូន្យ។
ឧទាហរណ៍ 12.5.2. ចំេពាះទន

ិ ្នន័យខាងេ្រកាម៖
x −2 −1 0 1 2
y 0 0 1 1 3
1. រកបនា្ទត់តែ្រមត្រមង់លីេនែអ៊របា៉ន់សា្មន
2. រកចេនា្លះេជឿជាក់ 95% ៃនេមគុណ្របាប់ទស

ិ β1
3. េតមា
ី នភស្តុតាង្រគប់្រគាន់ែដលបញ្ជក់ថាេមគុណ្របាប់ទិស β1 ខុសពី 0 េនក្រមិតចាំបាច់ α = 0.05
?
ចេម្លើយ. 1. បនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មន
384
xi yi xi yi xi2
−2 0 0 4
−1 0 0 1
0 1 0 0
1 1 1 1
2 3 6 4
Pn Pn Pn Pn
i=1 xi = 0 i=1 yi =5 i=1 xi yi = 7 i=1 xi2 = 10
Pn Pn Pn
i=1 xi i=1 yi 7 − 51 (0)(5)
β̂1 = = Pn
n
Pn 2 = = 0.7,
S xx i=1 xi −
2 1
n i=1 xi
10 − 51 (0)2
5
β̂0 = ȳ − β̂1 x̄ = − (0.7)(0) = 1
5
ដូចេនះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ ŷ = 1 + 0.7x
2. ចេនា្លះេជឿជាក់ 95% ៃនេមគុណ្របាប់ទិស β1 គឺ

S S
β̂1 − t0.025,3 √ ≤ β1 ≤ β̂1 + t0.025,3 √
S xx S xx
េយង
ី មាន β̂1 = 0.7, S xx = 10 និង
SSE
S2 = = 0.367
n−2
ី បាន
r r
0.367 0.367
0.7 − 3.182 ≤ β1 ≤ 0.7 + 3.182
10 10
ឬ
0.09 ≤ β1 ≤ 1.31
3. • ជំហានទ១
ិ ម្ម
H0 : β1 = 0, H1 : β1 , 0
្ថ ិ
β̂1 − β10 0.7
t= √ = √ = 3.65
S / S xx 0.367/10
• ជំហានទ៣
ី ែដនបដិេសដគឺ |T | ≥ tα/2,n−2 = t0.025,3 = 3.182 ។
េដាយសារ 3.65 ស្ថត
ិ ក្នុងែដនបដិេសដេនាះេយង
ី មានភស្តុតាង្រគប់្រគាន់ េដីម្បី សន្និដា្ឋនថាេមគុណ្របាប់ទិស ៃនបនា្ទត់ តែ្រមត្រមង់ គឺ មិន
េយង
េស្មីនឹងសូន្យ។
385
12.5.2 េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់េ្របើេតស្តសត
ិ ្ថ ិ F
វិធីសា�ស្តវិភាគវា៉ដ្យង់ស្រមាប់េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់
វ ិធីសា�ស្តវ ិភាគវា៉ដ្យង់អាច្រត�វបានេ្របីស្រមាប់េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់។ ការវ ិភាគវា៉ដ្យង់អា្រស័យ

េទេលកា
ី របំែបកដូចខាងេ្រកាម៖
Yi − Ȳ = (Ŷi − Ȳ) + (Yi − Ŷi )
ែដល Ŷi − Ȳ ជាគមា្លតៃន Ŷi ពី Ȳ ែដល Ŷi ជាកំបូស ៉ ងៃ់ នចំនុច (xi , Ŷi ) េនេលប ់ ៉ ន់សា្មន
ី នា្ទត់តែ្រមត្រមងបា
Ŷ = β̂0 + β̂1 x នង
ិ Yi − Ŷi ជាគមា្លតៃន Yi ពី Ŷi ។ បនា្ទប់មកេយង ី ពន ិ ត ិ ្យេមល
ី កាេរៃន
(Yi − Ȳ)2 , (Ŷi − Ȳ)2 , (Yi − Ŷi )2 ,
រួចចុងេ្រកាយ
X
n X
n X
n
(Yi − Ȳ) ,
2
(Ŷi − Ȳ)2 , (Yi − Ŷi )2 .
i=1 i=1 i=1
លក្ខណៈភាពវិភាគវា៉ដ្យង់
X
n X
n X
n
(Yi − Ȳ)2 = (Ŷi − Ȳ)2 + (Yi − Ŷi )2 .
i=1 i=1 i=1
ជាធម្មតាេយង
ី េ្របន
ី ិមិត្តសញញ
P
n
• SSE = (Yi − Ŷi )2 : ផលបូកកាេរៃនេល្អ�ង (Error sum of squares)
i=1
P
n
• SSR = (Ŷi − Ȳ)2 : ផលបូកកាេរៃនតែ្រមត្រមង់ (Regression sum of squares)
i=1
P
n
• SST = (Yi − Ȳ)2 : ផលបូកកាេរសរុប (Total sum of squares).
i=1
សំេណើ 12.5.1. លក្ខណៈភាពវ ិភាគវា៉ដ្យង់ជាទ្រមង់
SST = SSR + SSE
X
n X
n
SST = (Yi − Ȳ) =
2
(Yi − Ŷi + Ŷi − Ȳ)2
i=1 i=1
X
n X
n X
n
= (Yi − Ŷi ) +
2
(Ŷi − Ȳ) + 2 (Yi − Ŷi )(Ŷi − Ȳ)
2
i=1 i=1 i=1

Xn
= SSR + SSE + 2 (Yi − Ŷi )(Ŷi − Ȳ)
i=1
P
n
េយង
ី នង
ឹ បងា្ហញថា (Yi − Ŷi )(Ŷi − Ȳ) = 0
i=1
េយង
ី មាន
Ŷi = β̂0 + β̂1 xi , β̂0 = Ȳ − β̂1 x̄
386
េនាះ
Ŷi − Ȳ = β̂0 + β̂1 xi − Ȳ = Ȳ − β̂1 x̄ + β̂1 xi − Ȳ = β̂1 (xi − x̄)
នង
ិ
Yi − Ŷi = Yi − β̂0 − β̂1 xi = Yi − Ȳ + β̂1 x̄ − β̂1 xi = (Yi − Ȳ) − β̂1 (xi − x̄).
ដូចេនះ
(Yi − Ŷi )(Ŷi − Ȳ) = β̂1 (xi − x̄)[(Yi − Ȳ) − β̂1 (xi − x̄)]
= β̂1 (xi − x̄)(Yi − Ȳ) − β̂21 (xi − x̄)2 .
េយង
ី បាន
X
n X
n X
n
(Yi − Ŷi )(Ŷi − Ȳ) = β̂1 (xi − x̄)(Yi − Ȳ) − β̂21 (xi − x̄)2
i=1 i=1 i=1
S xy S 2xy
= × S xy − × S xx
S xx S 2xx
= 0.
SST = SSR + SSE
P
n
ឬក៏េដីម្បប
ី ងា្ហញថា (Yi − Ŷi )(Ŷi − Ȳ) = 0 េយង
ី អាចេ្របល
ី ក្ខណៈៃនសំណល់ ei ។ េយង
ី មាន ei = Yi − Ŷi
i=1
េនាះ
X
n X
n X
n
(Yi − Ŷi )(Ŷi − Ȳ) = ei Ŷi − Ȳ ei = 0
i=1 i=1 i=1
SST = SSR + SSE
□
ជាសរុបេយង
ី មាន
• S S T = S yy
• S S E = S S T − β̂1 S xy
• S S R = β̂1 S xy
េយង
S S E = S yy − β̂1 S xy = S S T − β̂1 S xy
ឬ
S S T = β̂1 S xy + S S E
ដូចេនះ
S S R = β̂1 S xy .
សមា្គល់ 12.5.1. • S S R គក
ឺ ំនត់ទាង
ំ ្រស�ងេដាយ β̂1 េនាះវាមានដេឺ ្រកេសរេស្ម
ី ន
ី ង
ឹ 1
Pn
• S S T មានដឺេ្រកេសរេស្ម
ី ីនឹង n − 1 េដាយសារែតមានលក្ខខណ្ឌ i=1 (Yi − Ȳ) = 0
387
• S S E មានដឺេ្រកេសរេស្ម
ី នី ង
ឹ n − 2 េដាយសារែតមានលក្ខខណ្ឌពរី េទេលី ei េនេពលបា៉ន់សា្មន β̂0
Pn P
និង β̂1 គឺ i=1 ei = 0 និង ni=1 xi ei = 0។
ដឺេ្រកេសរ ី (Degrees of freedom) ក្នុងតែ្រមត្រមងល់ េី នែអ៊រ
• df(S S R ) = ចំនួនបា៉រា៉ ែម៉្រត − 1 = ចំនួនអេថរមិនអា្រស័យ = 1
• df(S S E ) = ទំហល
ំ ំហគំរូ − ចំនួនបា៉រា៉ ែម៉្រត = n − 2
• df(S S T ) = ទំហល
ំ ំហគំរូ − 1 = n − 1
df(S S T ) = df(S S R ) + df(S S E )

េយង
ី បានបងា្ហញថា SS
E
E = σ2
n−2
នង
ិ
SSE
∼ χ2n−2
σ 2
េយង
ី អាចបងា្ហញថា
E [S S R ] = σ2 + β21 S xx
និង
SSR
∼ χ21 .
σ2
េយង
ី មាន
S S R = β̂1 S xy = β̂21 S xx
E[S S R ] = S xx E[β̂21 ]
n o
= S xx V(β̂1 ) + (E[β̂1 ])2
!
σ2
= S xx + β1
2
S xx
= σ2 + β21 S xx .
់ ំហគំរូ? េបី H0 : β1 = 0 ពិតេនាះេនក្នុងករណី

េតី S S T មានទំនាក់ទំនងយា៉ងដូចេម្តចជាមួយនឹងវា៉ដ្យងល
របស់េយង
ី Y1 , Y2 , . . . , Yn ជាលំហគំរូៃចដន្យែដលមានទំហំ n យកេចញពីអេថរៃចដន្យ N(β0 , σ )។ តាម
2
ស្រមាយបញ្ជក់េនក្នុង្រទស ឹ ប
ី្ត ទ 8.5.6 េយង
ី អាចទាញបានថា
1 X
n
(n − 1)S 2 SST
= 2 (Yi − Ȳ)2 = 2 ∼ χ2 (n − 1).
σ 2 σ i=1 σ
ចុះបំែនងែចកៃន
SSE SSR
នង
ិ ?
σ2 σ2
ី ្ដ ទ 12.5.1 (Cochran). េគឱ្យ X1 , X2 , . . . , Xn ជាលំហ គំរូ ៃចដន្យេចញពី បំ ែនងែចក N(0, σ2 )។
្រទឹសប
X
n
Xi2 = Q1 + Q2 + · · · + Qk ,
i=1
388
ែដល Q j ជាទ្រមង់ ខ្វដ្រដាទច ី A j ែដលមានរង៉ ់ rank(A j ) = r j , j =
ិ ៃន X1 , X2 , . . . , Xn ជាមួយ មា៉្រទស
1, 2, . . . , k។ ដូចេនះអេថរៃចដន្យ Q1 , Q2 , . . . , Qk គម
ឺ ិនអា្រស័យគា្ន និង Q j /σ ∼ χ (r j ), j = 1, 2, . . . , k
2 2
Pk
លុះ្រតាែត j=1 r j = n.
ទ្រមង់ខ្វដ្រដាទច
ិ ៖ យក X = (X1 , . . . , Xn ) ជាវុ ិចទ័រៃនអេថរៃចដន្យវ ិមា្រត n នង
′
ិ A ជាមា៉្រទស
ី សុេី ម្រទី
ៃនចំនួនពិត n × n េនាះអេថរៃចដន្យ Q = X′ AX េហថាទ្រមង់ខ្វដ្រដាទិចៃន X។ តាមភាពសុីេម្រទីៃន A
ី អាចសេសរ Q ជាទ្រមង់
េយង
X
n X
n
Q = X′ AX = ai j Xi X j
i=1 j=1
X
n XX
= aii Xi2 + ai j Xi X j
i=1 i, j
X
n XX
= aii Xi2 + 2 ai j Xi X j .
i=1 i< j
តាមលក្ខណៈភាពវ ិភាគវា៉ដ្យង់
SST = SSR + SSE

Xn X
n
= (Ŷi − Ȳ) +
2
(Yi − Ŷi )2
i=1 i=1
Q = Q1 + Q2
ែដល Q ជាផកបូក ៃនកាេរៃនអេថរៃចដន្យនរមា៉ល់ មិន អា្រស័យ គា្ន ែដលមានមធ្យម 0 និង វា៉ ដ្យង់ σ2 (េបី
H0 : β1 = 0 ពត
ិ ) ។ េយង
ី មាន Q/σ ∼ χ (n−1) នង
2 2
ិ េដាយសារ df(S S T ) = df(S S R )+df(S S E ) = n−1
ែដលដឺេ្រកេសរសរុ
ី បេនាះតាម្រទឹសីប
្ត ទ Cochran េយងី ទាញបាន
SSE SSR
∼ χ2 (n − 2) និង ∼ χ2 (1) មិនអា្រស័យគា្ន
σ2 σ 2
េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់
េយង
ី នង
ឹ េ្របេី តស្ត F េដម
ិ ម្ម H0 : β1 = 0។ េយង
1. S S E /σ2 ∼ χ2 (n − 2)
2. េបី H0 : β1 = 0 ពិតេនាះ S S R /σ2 ∼ χ2 (1)
3. S S E និង S S R មិនអា្រស័យគា្ន
តាមនយ
ិ មន័យៃនបំែនងែចក F េយង
ី បាន
S S R /1 MS R
F0 = = ∼ F(1, n − 2).
S S E /(n − 2) MS E
េនេពលែដល MS R ធំ ខា្លង
ំ េធៀបនង
ឹ MS E េនាះ ផលេធៀប MS R /MS E ក៏ ធំ េហយ
ី េយង
ី មានភស្តុតាង
្រគប់្រគាន់ែដល H0 មន
ិ ពត
ិ ។ េហតុអ្វ?
ី
េយងី បានបងា្ហញថា
389
• E[MS R ] = σ2 + β21 S xx
• E[MS E ] = σ2
សង្ឃម
ឹ គណិតទាំងេនះផ្តល់នូវរេបៀបេធ្វីេតស្តសម្មតិកម្ម H0 : β1 = 0 និង H1 : β1 , 0
• េបី β1 = 0 េនាះេយង
ី រ ំពង
ឹ ថាផលេធៀប MS R /MS E េស្មន
ី ងឹ 1
• េបី β1 , 0 េនាះេយង
ី រ ំពឹងថាផលេធៀប MS R /MS E ធំជាង 1
់ កាេរេនក្នុង E[MS R ] េយង

សមា្គល់ 12.5.2. េដាយសារ β1 មានទំរងជា ី មន
ិ អាចេ្របផ
ី លេធៀប MS R /MS E
េដីម្បេី ធ្វីេតស្ត H0 : β1 = 0, H1 : β1 < 0 ឬ H0 : β1 = 0, H1 : β1 > 0 េទ។
េយង ី អាចេ្របផ
ី លេធៀប MS R /MS E ស្រមាប់ែតេតស្តសម្មតក
ិ ម្ម H0 : β1 = 0 នងិ H1 : β1 , 0។ េតវា
ី ជាេត
ស្តខាងេឆ្វង េតស្តខាងសា្ត ំ ឬេតស្តសងខាង? ចេម្លយ
ី គវា
ឺ ជាេតស្តខាងសា្តេំ ្រពាះេបី H1 ពត
ិ េនាះ
• E[MS R ] = σ2 + β21 S xx
• E[MS E ] = σ2
នាំឱ្យផលេធៀប F0 = MS R /MS E រ ំពឹង ថាធំជាង 1។ ដូចេនះេយងី បដិ េសដ H0 េដាយទទួលយក H1

មានន័យថាេយង ី ទទួលយកតែ្រមត្រមង់លីេនែអ៊រតៃម្ល F0 ធំជាង 1 កាន់ែតខា្លង
ំ ។
តារាងសេង្ខប ANOVA ស្រមាប់េតស្ត H0 : β1 = 0
្របភពបំែរបំរល
ួ ផលបូកកាេរ d.f. មធ្យមកាេរ F0
តែ្រមត្រមង់ S S R = β̂1 S xy 1 MS R MS R
MS E
េល្អ�ង S S E = S S T − β̂1 S xy n−2 MS E
សរុប SST n−1
ិ ម្មេនក្រមត
H0 : β1 = 0
H1 : β1 , 0
MS R
T S : F0 =
MS E
RR : F0 ≥ Fα (1, n − 2)
ឧទាហរណ៍ 12.5.3. េនក្នុងឧទាហរណ៍ បន្សុទ្ធ អុក សុី ែសន េ្របី វ ិធី សា�ស្ត វ ិភាគវា៉ ដ្យង់ េដម
ី ្បីេធ្វេី តស្ត ភាព
សំខាន់ៃនតែ្រមត្រមង់េនកំរតចាំ
ិ បាច់ α = 0.01។
ី មាន S S T = 173.38, β̂1 = 14.947, S xy = 10.17744 និង n = 20 េនាះ
S S R = β̂1 S xy = (14.947)(10.17744) = 152.13

S S E = S S T − S S R = 173.38 − 152.13 = 21.25
390
សម្មតិកម្ម
H0 : β1 = 0, H1 : β 1 , 0
តៃម្លេតស្តសិត
្ថ ិ
MS R 152.13
F0 = = = 128.86
MS E 1.18
តៃម្លសំខាន់ F0.01 (1, 18) = 8.29។ េដាយសារ F0 ស្ថិតេនក្នុងែដនបដិេសដេនាះេយង
សមា្គល់ 12.5.3. វ ីធីសា�ស្តវ ិភាគវា៉ដ្យង់ស្រមាប់េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់គឺសមមូលនង

ឹ េតស្ត t ែដរ
មានន័យថាវ ិធីសា�ស្តទាង
ំ ពរី នង
ឹ ឱ្យចេម្លយ
ី ដូចគា្ន។ េហតុអ?
ី្វ េយង
ី អាចបងា្ហញបានេដាយពន
ិ ត
ិ ្យេមល
ី េត
ស្ត t ជាមួយ β10 = 0 មានន័យថា
β̂1
T0 = √
S / S xx
េលីកអង្គទាង
ំ ពីរជាកាេរ និងេដាយសារ S 2 = SSE
n−2
= MS E េនាះេយង
β̂21 S xx β̂1 S xy MS R
T 02 = = =
MS E MS E MS E
េយង
ី សេង្កតេឃញ ី ថា T 0 គឺដូចគា្ននឹង F0 ែដលមានបំែនងែចក F។ ជាទូេទកាេរៃនអេថរៃចដន្យ t ែដល
2
មានដេឺ ្រកេសរ ី ν ជាអេថរៃចន្យ F ែដលមានដេឺ ្រកេសរ ី 1 នង

ិ ν េនភាគយក នង
ិ ភាគែបងេរៀងគា្ន
Z
tν = p
χ2 /ν
q ν
χ21 /1
= p
χ2 /ν
p ν
= F(1, ν)
មានន័យថា tν2 = F(1, ν).
12.6 ចេនា្លះេជឿជាក់ៃនមធ្យមៃនអេថរេឆ្លើយតប
ចេនា្លះេជឿជាក់ អាច្រត�វ បានបេង្កត

ី េឡង ី តបេន្រតង់ តៃម្ល ជាក់លាក់ ណាមួយ ៃន x អាច
ី ស្រមាប់ អេថរេឆ្លយ
ថា x0 ។ ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមៃនអេថរេឆ្លយ
ី តបតាងេដាយ E[Y | x0 ] = µY|x0 ែដលេពលខ្លះេយង
ី
េហថាចេនា្លះេជឿជាក់ស្រមាប់បនា្ទត់តែ្រមត្រមង់។ េដាយសារ
E[Y | x0 ] = µY|x0 = β0 + β1 x0
េយងី អាចទទួលបានចំនុចបា៉ន់សា្មនៃនមធ្យមៃន Y េន្រតង់ x0 ែដលតាងេដាយ µY|x0 េចញពគ

ី ំរបា
ូ ៉ ន់សា្មន
ជា
µ̂Y|x0 = β̂0 + β̂1 x0
េយង
ី មាន µ̂Y|x0 ជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ងៃន µY|x0 ពេី ្រពាះ β̂0 នង
ិ លេម្អ�ងៃន β0
និង β1 េរៀងគា្នមានន័យថា
E[µ̂Y|x0 ] = µY|x0
391
េ្រពាះ
E[µ̂Y|x0 ] = E[β̂0 + β̂1 x0 ]
= E[β̂0 ] + x0 E[β̂1 ]
= β0 + β1 x0
= µY|x0
វា៉ដ្យង់ៃន µ̂Y|x0 គឺ
" #
1 (x0 − x̄)2
V(µ̂Y|x0 ) = σ 2
+
n S xx
µ̂Y|x0 = Ȳ + β̂1 (x0 − x̄)
ជាផលបូកៃនពីរអេថរៃចដន្យមិនអា្រស័យគា្នេ្រពាះ Ȳ មិនអា្រស័យនឹង β̂1 ។ ដូចេនះ

V(µ̂Y|x0 ) = V(Ȳ + β̂1 (x0 − x̄))
= V(Ȳ) + (x0 − x)2 V(β̂1 )
σ2 σ2
= + (x0 − x̄)2
n S xx
" #
2 1 (x0 − x̄)2
=σ + .
n S xx
េយង
ី មាន µ̂Y|x0 ជាអេថរៃចដន្យនរមា៉ល់េ្រពាះ β̂1 នងិ β̂0 ជាអេថរៃចដន្យនរមា៉ល់
" #!
2 1 (x0 − x̄)2
µ̂Y|x0 ∼ N µY|x0 , σ + .
n S xx
តាមនយ
ិ មន័យៃនបំែនងែចក t
,s
µ̂Y|x − µY|x0 (n − 2)S 2
T = q0
σ2 (n − 2)
σ 1n + (x0S−xxx̄)
2
µ̂Y|x0 − µY|x0
= q ∼ tn−2 .
S 1n + (x0S−xxx̄)
2
ដូចេនះ
 
 
 µ̂Y|x0 − µY|x0 
P −tα/2,n−2 ≤ q ≤ tα/2,n−2  = 1 − α
 
S 1n + (x0S−xxx̄)
2
s s !
1 (x0 − x̄) 2 1 (x0 − x̄)2
P µ̂Y|x0 − tα/2,n−2 S + ≤ µY|x0 ≤ µ̂Y|x0 + tα/2,n−2 S + =1−α
n S xx n S xx
េនេពលែដល n គូៃនទិន្នន័យ្រត�វបានអេង្កត β̂0 , β̂1 , S ្រត�វបានគណនាេនាះចេនា្លះៃចដន្យ

 s s 
 − 2 − 2

µ̂ − t 1 (x0 x̄) 1 (x0 x̄) 
 Y|x0 α/2,n−2 S n + S , µ̂Y|x0 + tα/2,n−2 S
n
+
S xx 
xx
392
សំេណើ 12.6.1. ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ µY|x0 គឺ
s s
1 (x0 − x̄)2 1 (x0 − x̄)2
µ̂Y|x0 − tα/2,n−2 S + ≤ µY|x0 ≤ µ̂Y|x0 + tα/2,n−2 S +
n S xx n S xx
ែដល µ̂Y|x0 = β̂0 + β̂1 x0 .
សមា្គល់ 12.6.1. ្របែវងៃនចេនា្លះេជឿជាក់ស្រមាប់ µY|x0 ជាអនុគមន៍ៃនតៃម្ល x0 ។ ្របែវងៃនចេនា្លះគខ

ឺ ប
ី្ល ំផុត
ចំេពាះ x0 = x̄ និង្របែវងេកីនេឡង
ី េពលែដល |x0 − x̄| េកីនេឡង
ី ។
ឧទាហរណ៍ 12.6.1. េនក្នុងឧទាហរណ៍បន្សុទ្ធអុកសុែី សនរកចេនា្លះេជឿជាក់ 95% ស្រមាប់មធ្យមៃនអេថរ
េឆ្លយ
ី តប។
ចេម្លើយ. គំរូតែ្រមត្រមង់គឺ µ̂Y|x0 = 74.283 + 14.947x0 នង
ិ ចេនា្លះេជឿជាក់ 95% ស្រមាប់ µY|x0 គឺ
s " #
1 (x0 − 1.196)2
µ̂Y|x0 ± 2.101 (1.18) +
20 0.68088
ី ចង់ពយករមធ្យមៃនបន្សុទ្ធអុកសុីែសនេពលែដល x0 = 1.00 េនាះ

ឧបមាថាេយង
µ̂Y|1.00 = 74.283 + (14.947)(1.00) = 89.23
នង
ិ ចេនា្លះេជឿជាក់ 95% គឺ
s " #
1 (1.00 − 1.196)2
89.23 ± 2.101 1.18 +
20 0.68088
ឬ
89.23 ± 0.75
ដូចេនះចេនា្លះេជឿជាក់ 95% ស្រមាប់ µY|1.00 គឺ
88.48 ≤ µY|1.00 ≤ 89.98
12.7 ពយករណ៍អេង្កតថ្មី
៏ ំខាន់ៃនគំរត
ការអនុវត្តដស ់ កា
ូ ែ្រមត្រមងគ ឹ អេថរតែ្រមត្រមង់ x ជាក់លាក់ណាមួយ។
ឺ រពយករនូវអេង្កតថ្មី Y ្រត�វនង
េបី x0 ជាតៃម្លៃនអេថរតែ្រមត្រមង់ែដលេយង ី ចាប់អារម្មណ៍េនាះ
Ŷ0 = β̂0 + β̂1 x0
ជាចំនុចបា៉ន់សា្មនៃនតៃម្លអេង្កតថ្មរី បស់អេថរេឆ្លយ
ី តប Y0 ។ ឥឡូវេយង
ី រកចេនា្លះបា៉ន់សា្មនៃនតៃម្លអេង្កតថ្មី
Y0 ។ តៃម្លអេង្កតថ្មីេនះមិនអា្រស័យនឹងអេង្កតែដលេយង
ី បានេ្របេី ដីម្បប
ី េង្កីតគំរត ់ ៉ ន់សា្មន ដូេច្នះ
ូ ែ្រមត្រមងបា
ឺ ិនសមរម្យេ្រពាះវាអា្រស័យែតទិន្នន័យែដលេ្របេី ដីម្បរី កបនា្ទត់តែ្រមត្រមង់។
ចេនា្លះេជឿជាក់ស្រមាប់ µY|x0 គម
ចេនា្លះេជឿជាក់ស្រមាប់ µY|x0 សំេដេទេលមី ធ្យមៃនអេថរេឆ្លីយតបេន្រតង់ x = x0 មិនសំេដេទេលអ ី េង្កត
ថ្មេី ទ។ យក Y0 ជាតៃម្លអេង្កតថ្មេី ន្រតង់ x = x0 នង
ិ Ŷ0 ជាអ្នកបា៉ន់សា្មនៃន Y0 ។ េល្អ�ងេនក្នុងការពយករគឺ
eP̂ = Y0 − Ŷ0
393
ជាអេថរៃចដន្យនរមា៉ល់ែដលមានមធ្យម 0 នង ិ វា៉ដ្យង់
" #
1 (x0 − x̄)2
V(eP̂ ) = σ 1 + +
2
.
n S xx
E[eP̂ ] = E[Y0 − Ŷ0 ] = E[Y0 ] − E[Ŷ0 ]
= (β0 + β1 x0 ) − (β0 + β1 x0 ) = 0
និងេដាយសារ Y0 មិនអា្រស័យនឹង Ŷ0 េនាះ

V(eP̂ ) = V(Y0 − Ŷ0 ) = V(Y0 ) + V(Ŷ0 )
" #
2 1 (x0 − x̄)2
=σ +σ
2
+
n S xx
" #
1 (x0 − x̄)2
=σ 1+ +
2
.
n S xx
ី មាន " #!
1 (x0 − x̄)2
eP̂ ∼ N 0, σ 1 + +
2
.
n S xx
តាមនិយមន័យៃនបំែនងែចក t
,s
eP̂ − 0 (n − 2)S 2
T= q
(x0 − x̄)2 σ2 (n − 2)
σ 1 + 1n + S xx
Y0 − Ŷ0
= q ∼ tn−2 .
(x0 − x̄)2
S 1 + n + S xx
1
ដូចេនះ
 
 
 Y0 − Ŷ0 
P −tα/2,n−2 ≤ q ≤ tα/2,n−2  = 1 − α
 
S 1 + n1 + (x0S−xxx̄)
2
s s !
1 (x0 − x̄) 2 1 (x0 − x̄)2
P Ŷ0 − tα/2,n−2 S 1 + + ≤ Y0 ≤ Ŷ0 + tα/2,n−2 S 1 + + =1−α
n S xx n S xx
េនេពលែដល n គូៃនទិន្នន័យ្រត�វបានអេង្កត β̂0 , β̂1 , S ្រត�វបានគណនាេនាះចេនា្លះៃចដន្យ

 s s 
 
Ŷ0 − tα/2,n−2 S 1 + 1 + (x0 − x̄) , Ŷ0 + tα/2,n−2 S 1 + 1 + (x0 − x̄) 
2 2
 n S xx n S xx 
សំេណើ 12.7.1. ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ Y0 េនចំនុច x0 គឺ

s s
1 (x0 − x̄)2 1 (x0 − x̄)2
Ŷ0 − tα/2,n−2 S 1+ + ≤ Y0 ≤ Ŷ0 + tα/2,n−2 S 1+ +
n S xx n S xx
ែដល Ŷ0 = β̂0 + β̂1 x0 .
394
សមា្គល់ 12.7.1. ្របែវងៃនចេនា្លះពយករណ៍ស្រមាប់ Y0 ជាអនុគមន៍ៃនតៃម្ល x0 ។ ្របែវងៃនចេនា្លះគខ
ឺ ប
ី្ល ំផុត
ចំេពាះ x0 = x̄ នង
ិ ្របែវងេកន
ី េឡង
ី េពលែដល |x0 − x̄| េកន
ី េឡង
ី ។
ឧទាហរណ៍ 12.7.1. េនក្នុងឧទាហរណ៍ បន្សុទ្ធ អុក សុី ែសនរកចេនា្លះពយករណ៍ 95% ចំេពាះការអេង្កត
បនា្ទប់ៃនបន្សុទ្ធអុកសុីែសន្រតង់ x0 = 1.00។
ី មាន ŷ0 = 89.23 េនាះចេនា្លះពយករណ៍គឺ
s " #
1 (x0 − 1.196)2
89.23 ± 2.101 (1.18) 1 + +
20 0.68088
ឬ
86.83 ≤ Y0 ≤ 91.63
ដូចេនះចេនា្លះេជឿជាក់ 95% ស្រមាប់ Y0 គឺ
86.83 ≤ Y0 ≤ 91.63
12.8 ភាព្រគប់្រគាន់ៃនគំរ ូតែ្រមត្រមង់
គំរូ តែ្រមត្រមង់ ្រត�វការលក្ខខណ្ឌ ជាេ្រចីន។ ការបា៉ន់សា្មនបា៉រា៉ ែម៉្រតក្នុងគំរូ ្រត�វ ការសន្ម ត់ ថា េល្អ�ងជាអេថរ

ៃចដន្យមិន អា្រស័យ គា្ន ែដលមានមធ្យមសូន្យនិង វា៉ ដ្យង់ េថរ ។ ការេធ្វីេតស្ត សម្មតិកម្ម និង ចេនា្លះេជឿជាក់
្រត�វការេល្អ�ងមានបំែនងែចកនរមា៉ល់។ េនេពលែដលេយង ី ទទួលបានគំរូតែ្រមត្រមង់សំនួរសួរថាេតីបនា្ទត់
េនះ្រត�វនឹងទិន្នន័យល្អយា៉ងណា?
្រកាបសំណល់
េយង
ី អាចេ្របស
ី ំណល់
ei = Yi − Ŷi
ែដល Yi ជាអេង្កតជាក់ែស្តងនិង Ŷi ជាតៃម្ល្រត�វគា្នេនេលប ់ ៉ ន់សា្មនេដីម្បេី ឆ្លីយសំនួរេនះ។
ី នា្ទត់តែ្រមត្រមងបា
េបគ
ី ំររូ បស់េយង
ី ល្អេនាះសំណល់ ei គួរែតេនែក្បរេល្អ�ងៃចដន្យ εi ែដលមានមធ្យមសូន្យ។ បែន្ថមពីេលេី នះ
សំណល់គួរែតផ្ទុកពត៌មានតច
ិ តួចឬគា្មនពត៌មានអំពគ
ី ំរូ។
្រកាបៃនសំណល់ជា្រកាបែដលបងា្ហញសំណល់េលីអ័ក្សឈរនង ិ អេថរមន ិ អា្រស័យេលីអ័ក្សេដក។ េបីចំនុច
េនេលី្រកាបៃនសំណល់សតិ្ថ េនែបកែខ្ញកគា្នេដាយៃចដន្យ (មនិ មានគំរូជាក់លាក់ណាមួយ)េនជុវំ ិញអ័ក្ស
េដកេនាះគំរូ តែ្រមត្រមង់ លីេនែអ៊រ គឺ សមរម្យចំេពាះទិន្នន័យ។ រូប (a) បងា្ហញថាគំរូ តែ្រមត្រមង់ លីេនែអ៊រ ជា
គំរូ ដ៏ ល។ ្អ រូប (b) (c) និង (d) បងា្ហញអំពី ភាពមិន ្រប្រកតី ៃនគំរូ តែ្រមត្រមង់ លីេនែអ៊រ។ រូប (b) បញ្ជក់ ថា
វា៉ ដ្យង់ ៃនតៃម្ល អេង្កត េក់ន
ី េឡង
ី ជាមួយ នងឹ ការេកន ី េឡង ី ៃន xi ឯរូប (c) បងា្ហញថាវា៉ ដ្យង់ មន
ី ្ន នងិ
រូប (d) បញ្ជក់ ថា គំរូ តែ្រមត្រមង់ លីេនែអ៊រ គឺ មិន ្រគប់្រគាន់។ េ្រកពី ្រកាបៃនសំណល់ ែដលផ្តល់ ឱ្យេយង ី នូវ
ពត៌មានអំពភា ី ព្រគប់្រគាន់ៃនគំរតា
ូ មរយៈរូបភាពេយងី ក៏មានរងា្វស់ជាេលខែដលបញ្ជក់ថាេតគ ូ ែ្រមត្រមង់
ី ំរត
លេី នែអ៊រ្រត�វនង ិ ្នន័យល្អយា៉ងណា? រងា្វស់េនាះេហថាេមគុណៃនការកំណត់តែ្រមត្រមង់ (coefficient
ឹ ទន
of determination) R2 ។
េមគុណៃនការកំណត់តែ្រមត្រមង់ R2
និយមន័យ 12.8.1. េមគុណៃនការកំណត់តែ្រមត្រមង់ R2 គឺកំណត់េដាយ
SSR SSE
R2 = =1−
SST SST
395
រូប 12.3: គំរូេផ្សងៗៃន្រកាបសំណល់
• េដាយសារ 0 ≤ S S R ≤ S S T េនាះ 0 ≤ R2 ≤ 1។
• តៃម្ល R2 ែដលេនែក្បរ 1 េនាះេល្អ�ងឬបំែរបំរល

ួ ភាគេ្រចីនៃន y ពន្យល់េដាយគំរត ់ មានន័យថា
ូ ែ្រមត្រមងវា
វាជាតែ្រមត្រមង់ដ៏ល។
្អ
• េយង
ី អាចបក្រសាយ R ថាជាបរមាណៃនបំ
2
ិ ែរបំរល
ួ េនក្នុងទន
ិ ្នន័យែដលពន្យល់ឬចាប់យកេដាយគំរូ
តែ្រមត្រមង់។
ឧទាហរណ៍ 12.8.1. េនក្នុងគំរូតែ្រមត្រមង់ៃនបន្សុទ្ធអុកសុីែសនេយង

ី មាន
R2 = S S R /S S T = 152.13/173.38 = 0.877
ូ ែ្រមត្រមងេ់ នះចាប់យក 87.7% ៃនបំែរបំរល

មានន័យថាគំរត ី ករណីេនះចាត់ទុកជាតែ្រមត្រមង់
ួ ក្នុងទិន្នន័យេហយ
ដ៏ល។
្អ
សមា្គល់ 12.8.1. • តៃម្ល R2 កាន់ែតខ្ពស់ បញ្ជក់ ថា គមា្លតកាន់ែតតូច រវាងតៃម្ល អេង្កត នង
ិ តៃម្ល េនេលី
បនា្ទត់បា៉ន់សា្មន។
• េបី R2 = 1 តៃម្ល អេង្កត េស្មីនឹង តៃម្ល េនេលី បនា្ទត់ បា៉ន់សា្មនេហយ

ី ដូេច្នះ អេង្កត ទាំងអស់ សិត
្ថ េនេលី
បនា្ទត់តែ្រមត្រមង់។
េមគុណកូរ ីេឡសិន (Correlation coefficient)
់ ីេនែអ៊រេយង
ការសិក�ែផ្នកមុនៃនតែ្រមត្រមងល ី សន្មតថា
់ x ជាអេថរកំនត់ជាក់លាក់ែដល្រត�វបានវាស់េដាយ
េល្អ�ងេចាលបាន នងិ Y ជាអេថរៃចដន្យ។ ការអនុវត្តជាេ្រចន ់ េី នែអ៊រទាក់ទងនង
ី ៃនតែ្រមត្រមងល ឹ សា្ថនភាព
ែដលទាំង X និង Y ជាអេថរៃចដន្យ។ ជាធម្មតាេយង ី សន្មត់ថា (Xi , Yi ), i = 1, 2, . . . , n ជាអេថរៃចដន្យមា
នបំែនងែចក្រប�បាប៊ីលីេតរួម។ េនក្នុងែផ្នកេនះេយង
ី សន្មត់ថា (Xi , Yi ), i = 1, 2, . . . , n ជាអេថរៃចដន្យនរ
មា៉ល់រម
ួ ។
396
និយមន័យ 12.8.2. កូវា៉ដ្យង់ (Covariance) រវាង X នង
ិ Y កំនត់េដាយ
Cov(X, Y) = E[(X − E[X])(Y − E[Y])]
= E[XY] − E[X]E[Y].
កូរេឡស
ី ិន (Correlation) រវាង X និង Y កំនត់េដាយ
Cov(X, Y)
ρ(X, Y) = √
V(X)V(Y)
Cov(X, Y)
= .
σX σY
េបី V(X)V(Y) > 0
សមា្គល់ 12.8.2. ់ ជា
• កូវា៉ដ្យងគ ឺ រងា្វស់ៃនទំនាក់ទំនងលេី នែអ៊ររវាងអេថរៃចដន្យពរី ។ វាបងា្ហញអំពប
ី ំែរបំ
រួលរួមគា្នរវាងអេថរៃចដន្យពរី ។
់ ខា
• ខា្នតៃនកូវា៉ដ្យងគ ឹ ខា្នតៃន Y ែដលនាំឱ្យលំបាកក្នុងការេ្របៀបកូវា៉ដ្យងេ់ ្រពាះេបេី យង
ឺ ្ន តៃន X គុណនង ី
ប្តូរឯកតាេនាះកូវា៉ដ្យង់ក៏ែ្រប្រប�លែដរ។
ី ិនគឺជាផលេធៀបរវាងកូវា៉ដ្យង់នឹងផលគុណៃនគមា្លតស្តង់ដាៃនអេថរៃចដន្យទាំងពីរ។
ី ិនអាចេ្របីេដីម្បេី ្របៀបេធៀបទំនាក់ទំនងលីេនែអ៊ររវាងអេថរពីរែដលមានឯកតាេផ្សងគា្ន។
លក្ខណៈ 12.8.1. េបី X និង Y ជាអេថរៃចដន្យពីរេនាះលក្ខណៈខាងេ្រកាមេផ្ទ�ងផា្ទត់
• Cov(X, Y) = Cov(Y, X)
• Cov(X, X) = E[X 2 ] − (E[X])2 = V(X)
• Cov(aX + b, Y) = a Cov(X, Y)
• េបី X = X1 + · · · + Xn និង Y = Y1 + · · · + Ym េនាះកូវា៉ដ្យង់ៃន X និង Y គឺ

X n Xm
Cov(X, Y) = Cov(Xi , Y j )
i=1 j=1
ជាពិេសសេបី X = Y េនាះ
X
n X
n
Cov(X, X) = V(X) = Cov(Xi , X j )
i=1 j=1
សមា្គល់ 12.8.3. េបី X និង Y មិនអា្រស័យគា្នេនាះ Cov(X, Y) = 0 ប៉ុែន្ត្រចាសមកវ ិញមិនពិតជាទូេទេទ។

ជាឧទាហរណ៍៖ យក Z ∼ N(0, 1) នង ិ កំនត់ X = Z ។ េយង
2
ី ថា X នង
ិ Z អា្រស័យគា្នេហយ
ី
Cov(X, Z) = 0។ តាមពិតេទេយង
ី មាន
Cov(X, Z) = E[XZ] − E[X]E[Z] = E[Z 3 ] − E[Z 2 ]E[Z].
េយង
ី ដឹងថាេបី Z ∼ N(0, 1) េនាះ
E[Z 2k+1 ] = 0, k ∈ N
ជាពិេសស
E[Z 3 ] = E[Z] = 0
Cov(X, Z) = 0
397
លក្ខណៈ 12.8.2. លក្ខណៈៃនកូរេឡស
ី ិន
• −1 ≤ ρ(X, Y) ≤ 1
• ρ(X, Y) = 1 លុះ្រតាែត Y = aX + b, a > 0
• ρ(X, Y) = −1 លុះ្រតាែត Y = aX + b, a < 0
លក្ខណៈេនះបងា្ហញថា
ី ិនជារងា្វស់ៃនទំនាក់ទំនងលីេនែអ៊ររវាងអេថរៃចដន្យពីរ។
• េបក
ី ូរេឡស
ី ន
ិ វ ិជ្ជមានេនាះេពលែដល X ធំ Y ក៏ធំែដរ។
• េបក
ី ូរេឡស
ី ន
ិ អវ ិជ្ជមានេនាះេពលែដល X ធំ Y នង
ឹ តូច។

ី មាន
! ! ! !
X Y X Y X Y
0≤V − =V +V − 2Cov , = 2 − 2ρ(X, Y)
σX σY σX σY σ X σY
ρ(X, Y) ≤ 1
! ! ! !
X Y X Y X Y
0≤V + =V +V + 2Cov , = 2 + 2ρ(X, Y)
σX σY σX σY σ X σY
ρ(X, Y) ≥ −1
េបី ρ = 1 េនាះ !
X Y X Y
0=V − ⇒ − =c
σX σY σ X σY
មានន័យថា Y = σY
σX
X +b
េបី ρ = −1 េនាះ !
X Y X Y
0=V + ⇒ + =c
σX σY σ X σY
មានន័យថា Y = − σσYX X + b □
អេថរៃចដន្យនរមា៉ល់រ ួម
និយមន័យ 12.8.3. អេថរៃចដន្យ X និង Y ជាអេថរៃចដន្យនរមា៉ល់ រម

ួ េបី aX + bY ជាអេថរៃចដន្យនរ
មា៉ល់ចំេពាះ្រគប់ a, b ∈ R
េចញពន
ី យ
• េបី X និង Y ជាអេថរៃចដន្យនរមា៉ល់រម

ួ េនាះយក a = 1, b = 0 ដូចេនះ X ជាអេថរៃចដន្យនរមា៉ល់
• េបី X និង Y ជាអេថរៃចដន្យនរមា៉ល់រម

ួ េនាះយក a = 0, b = 1 ដូចេនះ Y ជាអេថរៃចដន្យនរមា៉ល់
398
• េបី X ∼ N(µX , σ2X ) និង Y ∼ N(µY , σ2Y ) មិនអា្រស័យគា្នេនាះ X និង Y ជាអេថរៃចដន្យនរមា៉ល់រម
ួ
េតីអនុគមន៍ដង់សុីេតរួមៃនអេថរៃចដន្យនរមា៉ល់រម
ួ មានទ្រមង់ដូចេម្តច?
យក Z1 , Z2 ∼ N(0, 1) មិនអា្រស័យគា្នែដលមានអនុគមន៍ដង់សុីេតរួម
1 − 21 (z2 +z2 )
f (z1 , z2 ) = e 1 2
2π
ី បែម្លងអេថរៃចដន្យនរមា៉ល់ស្តង់ដាទាំងេនះជាអេថរៃចដន្យថ្មីមានបា៉រា៉ ែម៉្រត µX , µY , σX , σY , ρ
េយង
X = σX Z1 + µX
h p i
Y = σY ρZ1 + 1 − ρ2 Z2 + µY
ែដល −1 < ρ < 1 ។ េយងី មាន X នង ិ Y ជាអេថរៃចដន្យនរមា៉ល់រម ួ េ្រពាះ aX + bY, a, b ∈ R ជាអេថរ

ៃចដន្យនរមា៉ល់
p
aX + bY = a(σX Z1 + µX ) + b(σY (ρZ1 + 1 − ρ2 Z2 ) + µY )
p
= (aµX + bµY ) + (aσX + bσY ρ)Z1 + bσY 1 − ρ2 Z2 ,
ែដលជាបន្សំលីេនែអ៊រៃន Z1 និង Z2 េនាះវាជាអេថរៃចដន្យនរមា៉ល់។

បំែនងែចកមា៉ជីណលៃន X និង Y គឺ
X = σX Z1 + µX ∼ σX N(0, 1) + µX ∼ N(µX , σ2X ).

h p i
Y = σY ρZ1 + 1 − ρ2 Z2 + µY
p
∼ σY [ρN(0, 1) + 1 − ρ2 N(0, 1)] + µY
∼ σY [N(0, ρ2 ) + N(0, 1 − ρ2 )] + µY
∼ σY N(0, 1) + µY
∼ N(µY , σ2Y ).
េយង
ី គណនា Cov(X, Y) នង
ិ ρ(X, Y)
Cov(X, Y) = E[(X − E[X])(Y − E[Y])]
h h p i i
= E (σX Z1 + µX − µX ) σY ρZ1 + 1 − ρ2 Z2 + µY − µY
h h p ii
= E (σX Z1 ) σY ρZ1 + 1 − ρ2 Z2
h p i
= σX σY E ρZ12 + 1 − ρ2 Z1 Z2
h i
= σX σY ρE Z12
= σX σY ρ
Cov(X, Y)
ρ(X, Y) = = ρ.
σ X σY
ី អាចបេង្កត
ី អេថរៃចដន្យនរមា៉ល់រម ិ Y ∼ N(µY , σY ) ែដលមានកូ រ ី
ួ រវាង X ∼ N(µX , σ2X ) នង 2
់ Z1 និង Z2 មិនអា្រស័យគា្ននិងេ្របីបែម្លង
េឡសិន ρ(X, Y) = ρ េដាយេ្របីអេថរៃចដន្យនរមា៉ល់ស្តងដា
X = σX Z1 + µX
h p i
Y = σY ρZ1 + 1 − ρ2 Z2 + µY
399
ី អាចរកអនុគមន៍ដង់សុេី តៃនអេថរៃចដន្យនរមា៉ល់រម
េយង ួ េដាយវ ិធសា
ី �ស្តបូ រអេថរ។
្ត
វិធីសា�ស្តបរអេថរ
ូ្ត
េគឱ្យ X1 , . . . , Xn ជាអេថរៃចដន្យរួមមានអនុគមន៍ ដង់សុេី ត្រប�បាប៊ីលេី តរួម f (x1 , . . . , xn ) កំនត់ េលី S ។
េយង
ី អាចកំនត់អេថរៃចដន្យថ្មី Y1 , . . . , Yn ដូចខាងេ្រកាម
Y1 = r1 (X1 , . . . , Xn ), . . . , Yn = rn (X1 , . . . , Xn )
េយងី សន្មតថា
់ អនុគមន៍ r1 (x1 , . . . , xn ), . . . , rn (x1 , . . . , xn ) ជាអនុគមន៍មានេដរេវេដាយែផ្ន
ី កទម
ី ួយជាប់ នង
ិ
មួយទល់មួយពី S េទ T ែដលច្រមាស់របស់វាឱ្យេដាយ
x1 = s1 (y1 , . . . , yn ), . . . , xn = sn (y1 , . . . , yn )
េនាះអនុគមន៍ដង់សុេី តរួម g ៃន Y1 , . . . , Yn គឺ
g(y1 , . . . , yn ) = f (s1 , . . . , sn )|J|
ែដល (y1 , . . . , yn ) ∈ T នង
ិ សូន្យករណីេផ្សងេទៀត នង
ិ មា៉្រទស
ី Jacobian
 ∂s1 ∂s1 
 ∂y1 · · · 
∂yn 
 

J = det  ... . . . ..
. 
 ∂sn ∂sn  
∂y1
··· ∂yn
ករណីអេថរៃចដន្យនរមា៉ល់រម ួ ៖ េបី X = r1 (Z1 , Z2 ), Y = r2 (Z1 , Z2 ) េនាះេយង

ី ្រត�វរកអនុគមន៍ s1 នង
ិ s2
ែដល Z1 = s1 (X, Y) នង
ិ Z2 = s2 (X, Y) ។ េយង ី មាន
X − µX
X = σX Z1 + µX ⇒ Z1 =
σ
h p i X
Y = σY ρZ1 + 1 − ρ Z2 + µY
2
Y − µY X − µX p
=ρ + 1 − ρ2 Z2
σY σX
" #
1 Y − µY X − µX
Z2 = p −ρ
1 − ρ2 σY σX
" #
x − µX 1 y − µY x − µX
s1 (x, y) = , s2 (x, y) = p −ρ
σX 1 − ρ2 σY σX
ី Jacobian គឺ
 ∂s1 ∂s1 
 ∂x ∂y 

J = det  ∂s 2 ∂s2 
∂x ∂y
 
 1
0 
= det 
σX
−ρ 
√ √1
σX 1−ρ2 σY 1−ρ2
1
= p .
σX σY 1 − ρ2
400
អនុគមន៍ដង់សុេី តរួមៃន X នង
ិ Y ឱ្យេដាយ
1 − 12 (z2 +z2 )
f (x, y) = f (z1 , z2 )|J| = e 1 2 |J|
2π
1
e− 2 (z1 +z2 )
1 2 2
= p
2πσX σY 1 − ρ2
  !2 !2  
1 

 1  x − µX 1 y − µY x − µX  

= p exp 
 −  + −ρ 

2πσX σY 1 − ρ2  2 σX 1−ρ 2 σY σX 
" !#
1 −1 (x − µX )2 (y − µY )2 x − µX y − µY
= p exp + − 2ρ .
2πσX σY 1 − ρ2 2(1 − ρ2 ) σ2X σ2Y σX σY
ិ Y ជាអេថរៃចដន្យែដលមានអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តរួម

និយមន័យ 12.8.4. េគឱ្យ X នង
" !#
1 1 (x − µX )2 (y − µY )2 x − µX y − µY
fX,Y (x, y) = p exp − + − 2ρ .
2πσX σY 1 − ρ2 2(1 − ρ2 ) σ2X σ2Y σX σY
ចំេពាះ្រគប់ x នង
ិ y េនាះ X នង
ិ Y េហថាអេថរៃចដន្យនរមា៉ល់រម
ួ ែដលមានបា៉រា៉ ែម៉្រត µX , σ2X , µY , σ2Y , នង
ិ
ρ។
សមា្គល់ 12.8.4. ចំេពាះអេថរៃចដន្យនរមា៉ល់រម

ួ េបី Cov(X, Y) = 0 ឬ ρ(X, Y) = 0 េនាះ X នង
ិ Y គឺមន
ិ
អា្រស័យគា្ន។ តាមពត ី មានក្នុងករណីេនះ ρ = 0 េនាះអនុគមន៍ដង់សុេី តរួម្រប�បាប៊ីលេី តកា្លយជា
ិ េទេយង
" !#
1 1 (x − µX )2 (y − µY )2
fX,Y (x, y) = exp − +
2πσX σY 2 σ2X σ2Y
( ) ( )
1 1 (x − µX )2 1 1 (y − µY )2
= √ exp − .√ exp −
2πσX 2 σ2X 2πσY 2 σ2Y
= fX (x) fY (y)
មានន័យថា X និង Y មិនអា្រស័យគា្ន។ សមា្គល់កុ ងសមា

្ន ្គ ល់ៈ ចំេពាះអេថរៃចដន្យរួមទូេទេបី Cov(X, Y) = 0
ី មិនអាចសន្និដា្ឋនជាទូេទថា X និង Y គឺមិនអា្រស័យគា្នេទ។
ទំរង់មា៉្រទីសៃនអនុគមន៍ដង់សេី ុ ត
េយង
ី េ្របន
ី ម
ិ ត
ិ ្តសញញមា៉្រទស
ី េដម ី ្រង�មការសេសរៃនអនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តនរមា៉ល់រម
ី ្បប ួ ៖ េយង
ី យក
! ! !
x µX σ2X ρσX σY
x= , µ= , Σ=
y µY ρσX σY σ2Y
ី អាចសេសរ f ជា
" #
1 −1/2 1 T −1
f (x) = (det Σ) exp − (x − µ) Σ (x − µ)
2π 2
េយង
ី ពិនិត្យេមីល (det Σ)
−1/2
និង (x − µ)T Σ−1 (x − µ)៖ េយង
ី មាន
(det Σ)−1/2 = (σ2X σ2Y − ρ2 σ2X σ2Y )−1/2

1
=
σX σY (1 − ρ2 )1/2
401
និង
!T ! !
−1 1 x − µX σ2Y −ρσX σY x − µX
(x − µ) Σ (x − µ) = 2 2
T
σX σY (1 − ρ ) y − µY
2 −ρσX σY σ2X y − µY
!T !
1 σ2Y (x − µX ) − ρσX σY (y − µY ) x − µX
= 2 2
σX σY (1 − ρ2 ) −ρσX σY (x − µX ) + σX (y − µY ) y − µY
2
1
= 2 2 σ 2
(x − µ X )2
− 2ρσ σ
X Y (x − µ X )(y − µ Y ) + σ 2
(y − µY )2
σX σY (1 − ρ2 ) Y X
" #
1 (x − µX )2 (x − µX )(y − µY ) (y − µY )2
= − 2ρ + .
1 − ρ2 σ2X σ X σY σ2Y
លក្ខណៈ 12.8.3. លក្ខណៈៃនអេថរៃចដន្យនរមា៉ល់រម

ួ
1. បំែនងែចកមា៉ជីណលៃន X គឺ N(µX , σ2X )
2. បំែនងែចកមា៉ជីណលៃន Y គឺ N(µY , σ2Y )
3. កូរេឡស
ី ន
ិ Y គឺ ρ
4. បំែនងែចកមានលក្ខខណ្ឌៃន Y េដាយដឹង X = x គឺ
!
ρσY
Y | X = x ∼ N µY + (x − µX ), σY (1 − ρ ) .
2 2
σX
5. បំែនងែចកមានលក្ខខណ្ឌៃន X េដាយដឹង Y = y គឺ
!
ρσX
X | Y = y ∼ N µX + (y − µY ), σX (1 − ρ ) .
2 2
σY
ស្រមាយបញ្ជ ក់. 1. បំែនងែចកមា៉ជីណលៃន X គឺ

Z ∞
fX (x) = fX,Y (x, y)dy
−∞
Z ∞ " !#
1 1 (x − µX )2 (y − µY )2 x − µX y − µY
= p exp − + − 2ρ . dy
2πσX σY 1 − ρ2 −∞ 2(1 − ρ )
2
σX2
σY2 σX σY
តាង u = y−µY
σY
, du = dy/σY េយង
ី បាន
( )
σY 1 (x − µX )2
fX (x) = p exp −
2πσX σY 1 − ρ2 2(1 − ρ2 ) σ2X
Z ∞ ( !)
1 x − µX
× exp − u − 2ρ
2
u du
−∞ 2(1 − ρ2 ) σX
( )
1 1 (x − µX )2
fX (x) = p exp − (1 − ρ )
2
2πσX 1 − ρ2 2(1 − ρ2 ) σ2X
Z ∞  !2 


 1 x − µX  

× exp 
− u−ρ 
 du
−∞  2(1 − ρ )
2 σX 
402
Z  !2 
1 


∞
1 x − µX  

p exp 
− u−ρ 
 du = 1
2π(1 − ρ2 ) −∞  2(1 − ρ )
2 σX 
1 p −
(x−µX )2
1 −
(x−µX )2
fX (x) = p 2π(1 − ρ 2 )e 2σ2X =

√ e 2σ2
X
2πσX 1 − ρ 2 2πσX
មានន័យថា X ∼ N(µX , σ2X )។
2. ដូចគា្នែដរ Y ∼ N(µY , σ2Y ).
3. កូរេឡស
ី ន
ិ Y៖ ពន
ិ ត
ិ ្យេមល
ី
(x − µX )2 (y − µY )2 x − µX y − µY
+ − 2ρ .
σX2
σY2 σX σY
!2
x − µX ρ(y − µY ) (y − µY )2
= − + (1 − ρ2 )
σX σY σ2Y
!2
1 ρ(y − µY )σX (y − µY )2
= 2 x − µX − + (1 − ρ2 )
σX σY σ2Y
េយង
ី បាន
1
E[(X − µX )(Y − µY )] = ×
p
2πσX σY 1 − ρ2
Z ∞Z ∞   !2 

 2 
 1  1
 2 x − µX −
ρ(y − µY )σX (y − µ Y ) 
exp 
 −  + (1 − ρ2 )  
 (x − µX )(y − µY )dxdy
−∞ −∞  2(1 − ρ ) σX
2 σY σY
2 
!  
Z ∞ 2 Z ∞ 
 − − µ − ρ(y−µY )σX 2 

1 −(y − µY ) (x − µX ) 
 x X σY 

= √ (y − µY ) exp p √ exp 
 
 dxdy
σY 2π −∞
2
2σY −∞ σX 1 − ρ2 2π 
 2(1 − ρ )σX 2 2 

អាំងេត្រកាលខាងក្នុងជាមធ្យមៃនអេថរៃចដន្យនរមា៉ល់ែដលមានមធ្យម ρ(y−µY )σX

σY
និងវា៉ដ្យង់ (1−ρ2 )σ2X
។ ដូេច្នះអាំងេត្រកាលេនះេស្មន
ី ងឹ
ρ(y−µY )σX
σY
។ ដូចេនះេយង
ី បាន
! Z ∞ !
ρσX 1 −(y − µY )2
E[(X − µX )(Y − µY )] = × √ (y − µY ) exp
2
dy
σY σY 2π −∞ 2σ2Y
ρσX
= E[(Y − µY )2 ] ចំេពាះ N(0, σ2Y )
σY
ρσX
= × σ2Y
σY
= ρσX σY
E[(X − µX )(Y − µY )]
ρ(X, Y) = = ρ.
σX σY
403
4. អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តមានលក្ខខណ្ឌៃន Y េដាយដង
ឹ X = x គឺ
fX,Y (x, y)
fY|X (y | x) =
fX (x)

1√ (x−µX )2 (y−µY )2
exp − 1
2(1−ρ2 ) σ2X
+ σ2Y
− 2ρ σX
.
x−µX y−µY
σY
2πσX σY 1−ρ2
= 2

√ 1
2πσX
exp − (x−µ X)
2σ2X
 " !#2 
1 

 1 σY 


= p exp 
 − y − µ + ρ (x − µ ) 

σY 2π(1 − ρ2 )  2σY (1 − ρ2 )
2 Y
σX
X

ែដលេនះគជា ឺ អនុគមន៍ដង់សុេី ត្រប�បាប៊ីលេី តៃនអេថរៃចដន្យនរមា៉ល់ែដលមានមធ្យម µY +ρ σYX (x−µX )

σ
នងិ វា៉ដ្យង់ σY (1 − ρ )។ ដូចេនះ

2 2
!
ρσY
Y | X = x ∼ N µY + (x − µX ), σY (1 − ρ ) .
2 2
σX
5. ដូចគា្នែដរអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតមានលក្ខខណ្ឌៃន X េដាយដឹង Y = y គឺ
 " !#2 
1 

 1 σX 


fX|Y (x | y) = p exp 
− x − µ + ρ (y − µ ) 

σX 2π(1 − ρ )
2  2σX (1 − ρ )
2 2 X
σY
Y

ែដលេនះគឺជាអនុគមន៍ដង់សុីេត្រប�បាប៊ីលីេតៃនអេថរៃចដន្យនរមា៉ល់មានមធ្យម µX + ρ σσYX (y − µY )
និងវា៉ដ្យង់ σ2X (1 − ρ2 )។ ដូចេនះ
!
ρσX
X | Y = y ∼ N µX + (y − µY ), σX (1 − ρ ) .
2 2
σY
អ្នកបា៉ន់សា្មនឱកាសអតិបរមា (MLE)
អនុគមន៍ដង់សុេី តៃនអេថរៃចដន្យនរមា៉ល់ d អេថរគឱ ឺ ្យេដាយ

" #
1 1 T −1
f (x; µ, Σ) = exp − (x − µ) Σ (x − µ)
(2π)d/2 (det Σ)1/2 2
ែដល x, µ ជា d×1 វុ ិចទ័រក្នុង Rd នង ី កូវា៉ដ្យង់ d×d។ សន្មតថា

ិ Σ ជាមា៉្រទស ់ xi = (xi1 , . . . , xid ), i = 1, . . . , n
ជាលំហគំរូៃចដន្យេចញពីបំែនងែចកនរមា៉ល់ែដលមានវុ ិចទ័រមធ្យម µ និងមា៉្រទីសកូ វា៉ដ្យង់ Σ មានន័យថា
iid
xi ∼ N(µ, Σ)។ អនុគមន៍ឱកាសមានទ្រមង់
Y
n
L(xi ; µ, Σ) = f (xi ; µ, Σ)
i=1
Yn " #
1 1 T −1
= exp − (xi − µ) Σ (xi − µ)
i=1
(2π)d/2 (det Σ)1/2 2
404
អនុគមន៍ឱកាសឡូហា្ករតមានទ្រមង
ី ់
1X
n
nd n
ln L(xi ; µ, Σ) = − ln(2π) − ln(det Σ) − (xi − µ)T Σ−1 (xi − µ)
2 2 2 i=1
េដីម្បរី កអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន µ និង Σ េយង

ី ្រត�វគណនាេដរេវៃនអនុ
ី គមន៍ឱកាសឡូហា្ករតែដល
ី
ជាេដរេវៃនមា
ី ៉ ្រទីស។
េដរ ីេវៃនមា៉្រទីស
1.
∂ T
(x b) = b
∂x
2.
∂ T
(x Ax) = xT (A + AT )
∂x
3.
∂ T
(x Ax) = xxT
∂A
4.
∂
ln(det A) = A−T
∂A
តាមពត
ិ េទ
 
 .1 
b

xT b = x1 · · · 
xd  ..  = b1 x1 + · · · + bd xd
 
bd
ដូចេនះ
 ∂ T 
 ∂x1 (x b)
∂ T  .. 
(x b) =  . 
∂x  ∂ T 
∂xd
(x b)
 ∂ 
 ∂x1 (b1 x1 + · · · + bd xd )
 .. 
=  . 
 ∂ 
∂xd
(b 1 x1 + · · · + b d xd )
 
b1 
 
=  ...  = b.
 
bd
េយង
ី មាន
d X
X d
xT Ax = ai j xi x j
j=1 i=1
េនាះ
∂ T X Xd d
(x Ax) = ak j x j + aik xi
∂xk j=1 i=1
405
ដូចេនះ
∂ T
(x Ax) = xT AT + xT A = xT (A + AT )
∂x
សមា្គល់េបី A សុីមី្រទីេនាះ
∂ T
(x Ax) = 2xT A
∂x
និយមន័យ 12.8.5. Trace ៃនមា៉្រទស
ី កាេរ A កំនត់េដាយផលបូកៃនធាតុអង្កត់្រទ�ង aii ៃន A:
X
tr[A] := aii
i
លក្ខណៈសំខាន់មួយៃន Trace គឺវាមិនែ្រប្រប�លតាមចមា្លស់ៃនផលគុណៈ
tr[ABC] = tr[CAB] = tr[BCA]
ែដល A, B, C ជាមា៉្រទស
ី ែដលវ ិមា្រតទាំងឡាយណាែដលេធ្វីឱ្យផលគុណ ABC ជាមា៉្រទស ី កាេរ។ Trace
មានសារសំខាន់េនក្នុងការគណនាេដរេវៃនទ្រមង
ី ់ខ្វដ្រដាទិច(quadratic)។ ជាពិេសសេយងី ្រត�វគណនា
េដរេវៃនកេន�មែដលមានទ្រមង
ី ់ xT Ax េធៀបនង
ឹ មា៉្រទស
ី A។ សមភាពសំខាន់មួយៃន trace គឺ
xT Ax = tr[xT Ax] = tr[xxT A]
ែដលសមភាពទម ី ួយេយង ី ទាញបានពកា

ី រពត
ិ ែដលថា x Ax ជាសា្កែលរ។
T
េដីម្បីគណនាេដរេវៃន
ី tr[AB] េធៀបនងឹ A េយងី សេសរផលគុណ ៃនមា៉្រទស
ី រួច គណនាេដរេវេដាយែផ្ន
ី ក
េធៀបនឹងធាតុនីមួយៗៃនមា៉្រទីស ai j :
∂ ∂ XX
tr[AB] = akl blk
∂ai j ∂ai j k l
= b ji
ដូចេនះ
∂
tr[AB] = BT
∂A
ី អាចេ្របល
ី ទ្ធផលេនះេដម
ី ្បគ
ី ណនាេដរេវៃនទ្រមង
ី ់ខ្វដ្រដាទច
ិ x Ax:
T
∂ T ∂
x Ax = tr[xxT A]
∂A ∂A
= [xxT ]T
= xxT
ជំហានបនា្ទប់េយង
ី នង
ឹ ្រសាយថា
∂
ln(det A) = A−T
∂A
ចំេពាះមា៉្រទីស An×n
• (i, j) មន
ី ័រ (minor) ៃន A តាងេដាយ Mi j គជា
ឺ េដែទរមណី ង់ៃន (n − 1) × (n − 1) មា៉្រទស
ី ែដល
ទទួលបានពីការលុបជួរេដកទី i និងជួរឈរទី j ៃនមា៉្រទីស A។
• មា៉្រទីសកូហា្វក់ទ័រ (cofactor) ៃន A តាងេដាយ C ជាមា៉្រទីស n×n ែដលមានធាតុ ci j = (−1)i+ j Mi j
406
• មា៉្រទស ឺ ្រតង់ស៉្បូៃនមា៉្រទស
ី adjoint ៃន A តាងេដាយ adjA គជា ី កូហា្វក់ទ័រ C
េបី A ជាមា៉្រទីសមានច្រមាស់េនាះ
1
A−1 = adjA
det A
ដូចេនះ
1
(A−1 )Tij = ci j
det A
ី ង់
មយ៉ងេទៀតតាមការពនា្លតកូហា្វក់ទ័រៃនេដែទរមណ
X
n
det(A) = aik cik
k=1
ដូចេនះ
∂ X ∂aik
n
∂cik
(det A) = cik + aik .
∂ai j k=1
∂ai j ∂ai j
េបី k , j េនាះ ∂aik

∂ai j
= 0 េបីមិនអញ្ច ឹងេទវាេស្មីនឹង 1 មានន័យថាតួទីមួយេស្មីនឹង ci j ។ ចំេពាះ្រគប់ k, cik
អា្រស័យែតនឹងធាតុៃនមា៉្រទីស A ែដលមិនស្ថិតេនេលីជួរេដកទី i ឬជួរឈរទី k ដូចេនះ ∂cik
∂ai j
= 0 ។ តាមវ ិ
ធាន្រចវា៉ក់េយង
ី បាន
∂ 1 ∂ 1
ln(det A) = (det A) = ci j = (A−1 )Tij
∂ai j det A ∂ai j det A
ដូចេនះ
∂
ln(det A) = A−T
∂A
បនា្ទប់ពី បាន្រសាយនូវ លក្ខណៈេដរេវៃនមា
ី ៉ ្រទស
ី េយង
ី អាចេ្របី វា េដីម្បីរកអ្នក បា៉ន់សា្មនឱកាសអតិបរមា។
េយងី ពនិ ត ិ ្យេមល
ី អនុគមន៍ឱកាសឡូហា្ករតែដលមានទ្រមង
ី ់
1X
n
nd n
ln L(xi ; µ, Σ) = − ln(2π) − ln(det Σ) − (xi − µ)T Σ−1 (xi − µ).
2 2 2 i=1
េធ្វេី ដរេវេធៀបន
ី ង
ឹ µ រួចឱ្យេដរេវេស្ម
ី ន
ី ង
ឹ សូន្យ េយង
ី បាន
∂ X n
ln L(xi ; µ, Σ) = (xi − µ)T Σ−1 = 0,
∂µ i=1
1X
n
µ̂ ML = xi .
n i=1
407
េយង
ី សេសរអនុគមន៍ឱកាសឡូហា្ករតេដាយេ្រប
ី ី Trace
1X
n
nd n
ln L(xi ; µ, Σ) = − ln(2π) − ln(det Σ) − (xi − µ)T Σ−1 (xi − µ)
2 2 2 i=1
1X
n
nd n −1
= − ln(2π) + ln(det Σ ) − tr[(xi − µ)T Σ−1 (xi − µ)]
2 2 2 i=1
1X
n
nd n −1
= − ln(2π) + ln(det Σ ) − tr[(xi − µ)(xi − µ)T Σ−1 ]
2 2 2 i=1
េធ្វីេដរេវេធៀបន
ី ឹង Σ េយង
−1
ី បាន
1X
n
∂ n
ln L(x i ; µ, Σ) = Σ − (xi − µ)(xi − µ)T
∂Σ−1 2 2 i=1
រួចឱ្យេដរេវេស្ម
ី ន
ី ង
ឹ សូន្យ េយង
ី បានអ្នកបា៉ន់សា្មនឱកាសអតប
ិ រមា
1X
n
Σ̂ ML = (xi − µ)(xi − µ)T
n i=1
ែដល µ គឺ µ̂ ML ។ េយង ី អាចបងា្ហញថាមា៉្រទស

ី Hessian ជាមា៉្រទស
ី អវ ិជ្ជមានែដលបញ្ជក់ ថា µ̂ ML នង
ិ
Σ̂ ML ពិតជាអ្នកបា៉ន់សា្មនឱកាសអតិបរមាែមន។
ី ្ដ ទ 12.8.1. េគឱ្យ fX,Y (x, y) ជាអេថរៃចដន្យនរមា៉ល់រម

្រទឹសប ួ េនាះអ្នកបា៉ន់សា្មនឱកាសអតិបរមាស្រមាប់
Pn Pn
µX , µY , σ2X , σ2Y និង ρ គឺ X̄, Ȳ, n1 i=1 (Xi − X̄)2 , 1n i=1 (Yi − Ȳ)2 និង r េរៀងគា្នែដលេមគុណកូ រេឡស
ី ិន
លំហគំរូ r កំនត់េដាយ
Pn
1
Xi Yi − X̄ Ȳ
i=1
r= q n
q P
1 Pn
n i=1 (X i − X̄)2 1
n i=1 (Yi − Ȳ)
n 2
P P Pn
n ni=1 Xi Yi − ni=1 Xi i=1 Yi
= q q
Pn 2 Pn 2 P P
n i=1 Xi − i=1 Xi n ni=1 Yi2 − ni=1 Yi 2
េតីេហតុអបា
ី្វ នជាវាសមេហតុផលក្នុងការបា៉ន់សា្មន ρ(X, Y) េមគុណកូ រេឡស
ី ន
ិ លំហគំរូ r? តាមពត
ិ េទ
េយង
ី មាន
E[XY] − E[X]E[Y]
ρ(X, Y) = √ √
V(X) V(Y)
ី បា៉ន់សា្មន E[X], E[Y] េដាយ X̄ និង Ȳ និងជំនួស E[XY] េដាយ

េយង
1X
n
Xi Yi
n i=1
ិ ជំនួស
នង
1X 1X
n n
(Xi − X̄)2 និង (Yi − Ȳ)2
n i=1 n i=1
408
ស្រមាប់ V(X) នង
ិ V(Y) េរៀងគា្ន។ ជាវ ិបាក
β̂0 = Ȳ − β̂1 X̄
Pn
(Yi − Ȳ)(Xi − X̄) S xy
β̂1 = i=1Pn =
i=1 (Xi − X̄)
2 S xx
េយង ី សេង្កតេឃញ ី ថាអ្នកបា៉ន់សា្មនឱកាសអតបិ រមាៃន β0 នងិ β1 គដ

ឺ ូចគា្ននង
ឹ អ្នកបា៉ន់សា្មនែដលឱ្យេដាយ
វ ិធសា
ី ំផុតេនក្នុងករណីែដល X ្រត�វបានសន្មតថា
់ ជាអេថរកំនត់េ្រពាះអេថរៃចដន្យ Y េដាយដឹង
X = x ជាអេថរៃចដន្យមន ិ អា្រស័យ គា្ន នង
ិ មានបំ ែនងែចកនរមា៉ល់ ែដលមានមធ្យម β0 + β1 x នង ិ វា៉ ដ្យង់
េថរ σ2Y|x ។ េយង
ី ក៏អាចទាញសន្និដា្ឋនអំពីេមគុណកូ រេឡស
ី ិន ρ េនក្នុងគំរូេនះែដរ។ អ្នកបា៉ន់សា្មនៃន ρ គឺ
េមគុណកូរេឡស
ី ន
ិ លំហគំរូ
S xy
r=
(S xx S S T )1/2
េយង
ី មាន
Pn P Pn
n Xi Yi − ni=1 Xi i=1 Yi
r= q i=1
q
P P P P
n ni=1 Xi2 − ni=1 Xi 2 n ni=1 Yi2 − ni=1 Yi 2
Pn 1 Pn Pn
i=1 Xi Yi − n i=1 Xi i=1 Yi
= q q
Pn 2 1 Pn 2 Pn 2 1 Pn 2
i=1 iX − n i=1 X i i=1 Yi − n i=1 Yi
Pn
i=1 (Xi − X̄)(Yi − Ȳ)
= q q
Pn Pn
i=1 (X i − X̄)2
i=1 (Yi − Ȳ)
2
S xy
=
(S xx S S T )1/2
េយង
ី សមា្គល់ែដរថា
!1/2
SST
β̂1 = r
S xx
និង
S xx β̂1 S xy S S R
r2 = β̂21 = = = R2
SST SST SST
ែដល R2 ជាេមគុណៃនការកំនត់។ េនក្នុងករណី (X, Y) មានបំែនងែចកនរមា៉ល់រម

ួ អ្វែី ដលេយង
ី ចាប់អារម្មណ៍
ី អាច្រគាន់ែតចង់ ដឹង ថាេតី X និង Y ជាអេថរៃចដន្យមិន
អាចមិនែមនជាទំនាក់ទំនងលីេនែអ៊រ ប៉ុែន្ត េយង
អា្រស័យគា្នឬេទ។ េបី (X, Y) មានបំែនងែចកនរមា៉ល់រម
ួ េនាះេតស្តភាពមន ិ អា្រស័យគា្នគស
ឺ មមូលនង
ឹ េតស្ត
កូរេឡស
ី ិនេស្មីនឹងសូន្យ។ សមា្គល់ែដរថា ρ គវឺ ិជ្ជមានេបី X និង Y េកីនេឡង
ី ្រពមគា្ន និង ρ គអ
ឺ វ ិជ្ជមានេបី Y
ចុះេពល X េកន ី េឡង
ី ។
• េបី ρ = 0 េនាះមន
ិ មានទំនាក់ទំនងរវាង X នង
ិ Y។
• េបី ρ > 0 េនាះមានទំនាក់ទំនងវ ិជ្ជមានរវាង X នង

ិ Y (េមគុណ្របាប់ទស
ិ េកន
ី េឡង
ី )។
• េបី ρ < 0 េនាះមានទំនាក់ទំនងអវ ិជ្ជមានរវាង X និង Y (េមគុណ្របាប់ទិសថយចុះ)។
409
េគឱ្យ (X1 , Y1 ), (X2 , Y2 ), . . . , (Xn , Yn ) ជាលំហ គំរូ ៃចដន្យេចញពី បំ ែនងែចកនរមា៉ល់ រម
ួ េនាះអ្នក បា៉ន់សា្មន
ឱកាសអតប ិ រមាៃន ρ គេឺ មគុណកូរេឡស ី ន
ិ លំហគំរូ r ។
េតស្តសម្មតិកម្មៃនកូរ ីេឡសិន
េតស្តសម្មតិកម្មស្រមាប់ ρ េនក្រមិតចាំបាច់ α
H0 : ρ = 0
H1 : ρ , 0
√
r n−2
T S : t0 = √
1 − r2
RR : |T | ≥ tα/2,n−2
p =: 2P(t ≥ |t0 |)
ិ ្ឆ័យ៖ បដិេសដ H0 េបី
• តៃម្លេតស្ត t0 ស្ថត
សមា្គល់ 12.8.5. • េតស្តសម្មតិកម្ម H0 : ρ = 0 គឺសមមូលនឹងេតស្តសម្មតិកម្ម H0 : β1 = 0។
• េបី H0 : ρ = 0 ពត
ិ េនាះ √
r n−2
t0 = √ ∼ t(n − 2)
1 − r2
េតស្តសម្មតិកម្ម
H0 : ρ = ρ0 , H1 : ρ , ρ0
ែដល ρ0 , 0 គឺមានភាពស្មុគសា្មញេ្រពាះបំែនងែចក្រប�បាប៊ីលីេតៃន r គឺពិបាកទទួលបាន។ ចំេពាះលំហ

្ម (n ≥ 25) ការលំបាកេនះអាចជំនះបានេដាយេ្របប
គំរូធំលម ី ែម្លង Fisher ែដលឱ្យេដាយ
!
1 1+r
z = arctanh r = ln
2 1−r
គឺ្របែហលនឹងបំែនងែចកនរមា៉ល់ែដលមានមធ្យម
!
1 1+ρ
µz = arctanh ρ = ln
2 1−ρ
និងវា៉ដ្យង់
1
σ2z =
n−3
ចំេពាះលំហគំរូធំលម
្ម េយង
ី អាចេធ្វីេតស្តអំពី ρ េដាយេ្របីេតស្តសិត
្ថ ិ
z − µz
Z=
σz
1+ρ
1
2
ln 1+r
1−r
− 1
2
ln 1−ρ
=
√1
n−3
√
= (arctanh r − arctanh ρ) n − 3
410
េតស្តសម្មតិកម្មស្រមាប់ ρ េនក្រមិតចា ំបាច់ α
H0 : ρ = ρ0 ,
H1 : ρ , ρ0 , ρ < ρ0 , ρ > ρ0
1+ρ
1
2
ln 1+r
1−r
− 2 ln 1−ρ00
1
T S : Z0 =
√1
n−3
RR : |Z| ≥ zα/2 , Z ≤ −zα , Z ≥ zα
p =: 2P(Z ≥ |Z0 |), P(Z ≤ Z0 ), P(Z ≥ Z0 )
• តៃម្លេតស្ត Z0 ស្ថត
ចេនា្លះេជឿជាក់ស្រមាប់ ρ
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ ρ គឺ

! !
zα/2 zα/2
tanh arctanh r − √ ≤ ρ ≤ tanh arctanh r + √
n−3 n−3
ែដល tanh u = (eu − e−u )/(eu + e−u ).

ិ ្នន័យៃនរយៈេពលដឹកជញ្ជូ ន Y នង
ិ បរមាណដ
ិ ឹកជញ្ជូ ន X ៃន 25 អេង្កត
Yi Xi Yi Xi
1 16.68 7 14 19.75 6
2 11.50 3 15 24.00 9
3 12.03 3 16 29.00 10
4 14.88 4 17 15.35 6
5 13.75 6 18 19.00 7
6 18.11 7 19 9.50 3
7 8.00 2 20 35.10 17
8 17.83 7 21 17.90 10
9 79.24 30 22 52.32 26
10 21.50 5 23 18.75 9
11 40.33 16 24 19.83 8
12 21.00 10 25 10.75 4
13 13.50 4
1. េធ្វីេតស្តសម្មតិកម្ម H0 : ρ = 0, H1 : ρ , 0 េនក្រមិតចាំបាច់ α = 0.05
411
2. រកចេនា្លះេជឿជាក់ 95% ស្រមាប់ ρ
ចេម្លើយ. 1. េមគុណកូរេឡស
ី ិនលំហគំរូគឺ
S xy 2473.3440
r= 1/2
= = 0.9646
[S xx S S T ] [(1136.5600)(5784.5426)]1/2
េបី េយង
ី សន្មត់ ថា រយៈេពលដឹកជញ្ជូ ននិង បរមាណដ
ិ ឹកជញ្ជូ នជាអេថរៃចដន្យនរមា៉ល់ រម
ួ េយង
ី អាច
េធ្វេី តស្តសម្មតក
ិ ម្ម
H0 : ρ = 0, H1 : ρ , 0
េដាយេ្របីេតស្តសិត
្ថ ិ
√ √
r n−2 0.9646 23
t0 = √ = √ = 17.55
1 − r2 1 − 0.9305
េដាយសារ t0.025,23 = 2.069 េនាះេយង
ី បដិេសដ H0 េនក្រមិតចាំបាច់ α = 0.05 េ្រពាះតៃម្លេតស្ត
ស្ថត
ិ សិ ត
ិ្ថ េនក្នុងែដនបដិេសដ ។ េយង
ិ ្ឋ នថាេមគុណកូរេឡស
ី ន
ិ ρ,0។
2. ចេនា្លះេជឿជាក់ 95% ស្រមាប់ ρ៖

arctanh r = arctanh 0.9646 = 2.0082
េនាះ
! !
1.96 1.96
tanh 2.0082 − √ ≤ ρ ≤ tanh 2.0082 + √
22 22
0.9202 ≤ ρ ≤ 0.9845
12.9 តែ្រមត្រមង់លេី នែអ៊រករណី X ជាអេថរៃចដន្យ
12.9.1 គំរ ូតែ្រមត្រមង់លេី នែអ៊រ

Y = β0 + β1 X + ε
ែដល
• មធ្យមមានលក្ខខណ្ឌសូន្យ: E[ε | X] = E[ε] = 0
• Homoskedasticity: េល្អ�ង ε មានវា៉ដ្យង់ដូចៗគា្នេដាយដឹងតៃម្លៃន X: V[ε | X] = σ2
សមា្គល់ 12.9.1. 1. E[ε | X] = E[ε] មានន័យថាតៃម្លមធ្យមៃន ε មិនអា្រស័យនឹងតៃម្លៃន X ។
2. េយង
ី អាចសន្មតថា
់ E[ε] = 0 េ្រពាះេនក្នុងគំរូ Y = β0 + β1 X + ε េយង
ី អាចបញ្ចូ ល E[ε] = ϵ0 ចំនួន
េថរមន
ិ សូន្យេទក្នុង β0 ។ តាមពត ី អាចកំនត់េល្អ�ងថ្មី ε = ε − ϵ0 រួចជំនួស
ិ េទ េបី E[ε] = ϵ0 េយង
′
ី វ ិញជាទ្រមង់ Y = (β0 + ϵ0 ) + β1 X + ε ែដល E[ε ] = 0។

ចូលក្នុងគំរូ និងសេសរេឡង ′ ′
3. េដាយេ្របី E[ε | X] = 0 េនាះ

E[Y | X] = β0 + β1 X
ែដលជាអនុគមន៍លីេនែអ៊រៃន X។ េនះបញ្ជក់ថាចំេពាះ្រគប់តៃម្លៃន X ែដលផ្តល់ឱ្យ អេថរៃចដន្យ Y
មានមធ្យម E[Y | X] ។ េយង
ី អាចសេសរគំរូជាពរី ែផ្នក
Y = β0 + β1 X + ε = E[Y | X] + ε.
412
12.9.2 វិធីសា�ស្តកាេរខ្លីបំផុត
េយង ី បានពិភាក�អំពធា ី តុផ្សំ្រគឹះៃនគំរត ់ ីេនែអ៊រ េយង

ូ ែ្រមត្រមងល ី នឹងសង្កត់ធ្ងនេ់ ទេលប
ី ញ្ហៃនរេបៀបបា៉ន់សា្មន
បា៉រា៉ ែម៉្រត β0 និង β1 ។ េយងី ្រត�វការលំហគំរៃូ ចដន្យយកេចញពីសាកល។ តាង {(Xi , Yi ) : i = 1, . . . , n} ជា
លំហគំរូៃចដន្យែដលមានទំហំ n េចញពសា ី កលេនាះេយង ី អាចសេសរ
Yi = β0 + β1 Xi + εi , i = 1, . . . , n
វ ិធានកាេរខ្លប
ី ំផុតេ្របស
ី ្រមាប់បា៉ន់សា្មន β0 នង
ិ β1 ែដលេធ្វឱ
ី ្យផលបូកកាេរៃនេល្អ�ង S (β0 , β1 ) អប្បបរមា
X
n

S (β0 , β1 ) = Yi − (β0 + β1 Xi ) 2
i=1
X
n
= ε2i .
i=1
ពិនិត្យេដរេវទ
ី ីមួយេដាយែផ្នក
∂ X n
S (β0 , β1 ) = 2 (Yi − β0 − β1 Xi )(−1)
∂β0 i=1
 n 
X Xn

= −2  Yi − nβ0 − β1 Xi 
i=1 i=1
∂ X
n
S (β0 , β1 ) = 2 (Yi − β0 − β1 Xi )(−Xi )
∂β1 i=1
 n 
X X
n X
n

= −2  Xi Yi − β0 Xi − β 1 Xi  .
2
i=1 i=1 i=1
េដាះ្រសាយសមីការនរមា៉ល់
∂
S (β0 , β1 ) = 0
∂β0
∂
S (β0 , β1 ) = 0
∂β1
មានន័យថាេដាះ្រសាយរក β̂0 និង β̂1 ែដល

 n 
X  X
n
nβ̂0 +   
Xi  β̂1 = Yi
 n   i=1  i=1
 X  Xn
 Xn
 Xi  β̂0 +  Xi2  β̂1 = Xi Yi
i=1 i=1 i=1
េចញពស
ី មកា
ី រទម
ី ួយេយង
 n 
1X 1 X 
n
β̂0 = Yi −  Xi  β̂1
n i=1 n i=1 
= Ȳ − β̂1 X̄
413
ជំនួស β̂0 ចូលក្នុងសមកា
ី រទព
ី រី េយង
 n 
X
n
X 2  X
n
Xi (Ȳ − β̂1 X̄) +   
Xi  β̂1 = Xi Yi
i=1
 n i=1
 i=1
 X  Xn
 Xi2 − nX̄ 2  β̂1 = Xi Yi − nX̄ Ȳ
i=1 i=1
ដូចេនះ
Pn
Xi Yi − nX̄ Ȳ
β̂1 = Pi=1
i=1 Xi − n X̄
n 2 2
Pn
(Xi − X̄)(Yi − Ȳ)
= i=1Pn
i=1 (Xi − X̄)
2
S xy
=
S xx
ដូេច្នះអ្នកបា៉ន់សា្មនការខ្លប
β̂0 = Ȳ − β̂1 X̄
S xy
β̂1 =
S xx
12.9.3 វិធីសា�ស្តម៉ូម៉ង់
េនក្នុងគំរូតែ្រមត្រមង់លេី នែអ៊រេយង
ី សន្មត់ថា E[ε | X] = 0 ែដលលក្ខខណ្ឌេនះេយង
ី ទាញបានថា ε មន
ិ
មានទំនាក់ទំនងនឹង X មានន័យថា
Cov(X, ε) = E[Xε] = 0
តាមពត
ិ េទតាមលក្ខណៈៃនសង្ឃម
ឹ គណិតមានលក្ខខណ្ឌេយង
ី មាន
E[E[ε | X]] = E[ε] = 0
និង
Cov(X, ε) = E[Xε] − E[ε]E[X] = E[Xε] = E[E[Xε | X]] = E[XE[ε | X]] = E[X.0] = 0
ី អាចសេសរលក្ខខណ្ឌេនះជាទ្រមង់
េយង
E[Y − β0 − β1 X] = 0
E[X(Y − β0 − β1 X)] = 0
ី រទាំងពរី េនះជាលក្ខខណ្ឌេទេលីបំែនងែចក្រប�បាប៊ីលេី តរួមៃន (X, Y) េនក្នុងសាកល។ េដាយសារ

សមកា
មានបា៉រា៉ ែម៉្រតពីរ មិន សា្គល់ ែដល្រត�វបា៉ន់ សា្មនេនាះសមីការទាំងពីរ អាច្រត�វ បានេ្របី េដីម្បី ទទួល បានអ្នក
414
បា៉ន់សា្មនដ៏លៃ្អ ន β0 នង ៉ ៉ង់ជួយឱ្យេយង
ិ β1 ។ វ ិធីសា�ស្តមូម ី េ្រជស
ី យកអ្នកបា៉ន់សា្មន β̂0 នង
ិ β̂1 េដាយការ
េដាះ្រសាយសមីការសមមូលស្រមាប់លំហគំរូៃចដន្យ
1X
n
(Yi − β̂0 − β̂1 Xi ) = 0
n i=1
1X
n
Xi (Yi − β̂0 − β̂1 Xi ) = 0
n i=1
ី អាចេដាះ្រសាយសមីការេនះេដីម្បរី ក β̂0 និង β̂1 ៖ សមីការទីមួយអាចសេសរជាទ្រមង់

េយង
Ȳ = β̂0 + β̂1 X̄ ឬ β̂0 = Ȳ − β̂1 X̄
ជំនួស β̂0 េទក្នុងសមកា

ី រទព
ី រី េយង
X
n
Xi [Yi − (Ȳ − β̂1 X̄) − β̂1 Xi ] = 0,
i=1
Xn X
n
Xi (Yi − Ȳ) = β̂1 Xi (Xi − X̄)
i=1 i=1
X
n X
n X
n X
n
Xi (Xi − X̄) = (Xi − X̄) , 2
Xi (Yi − Ȳ) = (Xi − X̄)(Yi − Ȳ)
i=1 i=1 i=1 i=1
ដូេច្នះេបី
X
n
(Xi − X̄)2 > 0
i=1
េនាះអ្នកបា៉ន់សា្មនៃនេមគុណ្របាប់ទស
ិ គឺ
Pn
i=1 (Xi − X̄)(Yi − Ȳ)
β̂1 = Pn
i=1 (Xi − X̄)
2
នង
ិ អ្នកបា៉ន់សា្មនៃន្របសព្វអ័ក្ស y គឺ
β̂0 = Ȳ − β̂1 X̄
ី ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត β̂0 និង β̂1 ជាអ្នកបា៉ន់សា្មនដ៏លៃ្អ នបា៉រា៉ ែម៉្រតសាកល β0 និង β1 ឬេទ?

េតអ
េយងី នង ឹ បងា្ហញថា
•
E[β̂0 ] = β0 , E[β̂1 ] = β1
• ( )
1 X̄ 2 σ2
V(β̂0 | Xi ) = σ 2
+ Pn , V(β̂1 | Xi ) = Pn .
i=1 (Xi − X̄) i=1 (Xi − X̄)
n 2 2
415
េយងី នឹងសិក�លក្ខណៈៃនបំែនងែចកៃន β̂0 និង β̂1 េទេលីលំហគំរូេផ្សងគា្នយកេចញពីសាកលែតមួយ។
ី ិក�លក្ខណៈៃនអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតេនក្នុងគំរូតែ្រមត្រមង់លីេនែអ៊រេយង
េដីម្បស ី នឹងេធ្វីការសន្មត់ដូច
ខាងេ្រកាម (េហថាការសន្មត់ Gauss-Markov)៖
ការសន្មត់ Gauss-Markov
1. SLR.1 លេី នែអ៊រេធៀបនង ូ ែ្រមត្រមង់ អេថរអា្រស័យ Y មានទំនាក់ទំនងជាមួយ

ឹ បា៉រា៉ ែម៉្រត៖ េនក្នុងគំរត
អេថរមិនអា្រស័យ X និងេល្អ�ង ε តាមរយៈ
Y = β0 + β1 X + ε,
ែដល β0 និង β1 ជាបា៉រា៉ ែម៉្រតៃន្របសព្វអ័ក្ស y និងេមគុណ្របាប់ទិសេរៀងគា្ន។
ូ ែ្រមត្រមង់
2. SLR.2 លំហគំរៃូ ចដន្យទំហំ n, {(Xi , Yi ) : i = 1, 2, . . . , n} េផ្ទ�ងផា្ទត់ទំនាក់ទំនងេនក្នុងគំរត
Yi = β0 + β1 Xi + εi , i = 1, 2, . . . , n
Pn
3. SLR.3 {Xi , i = 1, . . . , n} មានតៃម្លមិនដូចគា្នទាំងអស់េនាះេទមានន័យថា i=1 (Xi − X̄)2 > 0
4. SLR.4 មធ្យមលក្ខខណ្ឌសូន្យៈ E[ε | X] = 0 េហយ

ី ដូចេនះ E[εi | Xi ] = 0
ភាពមិនលេម្អ�ងៃនអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត
េយង
ី បងា្ហញថា β̂1 ជាអ្នកបា៉ន់សា្មនមន ី សេសរ β̂1 ជាទ្រមង់
ិ លេម្អ�ងៃន β1 មានន័យថា E[β̂1 ] = β1 ។ េយង
Pn Pn
i=1 (Xi − X̄)(Yi − Ȳ) i=1 (Xi − X̄)Yi
β̂1 = Pn = P
i=1 (Xi − X̄) i=1 (Xi − X̄)
2 n 2
Pn
i=1 (Xi − X̄)(β0 + β1 Xi + εi )
= Pn
(Xi − X̄)2
Pn i=1 Pn Pn
i=1 (Xi − X̄) i=1 (Xi − X̄)Xi i=1 (Xi − X̄)εi
= β 0 Pn +β1 P + P
i=1 (Xi − X̄) i=1 (Xi − X̄) i=1 (Xi − X̄)
2 n 2 n 2
| {z } |P {z }
=0 n (X −X̄)(X −X̄)
i=1 i i
= Pn =1
(X −X̄)2
i=1 i
Pn
(Xi − X̄)εi
= β1 + Pi=1
i=1 (Xi − X̄)
n 2
េយង
ឹ គណិតមានលក្ខខណ្ឌៃន β̂1 េដាយដង ឹ Xi
Pn !
i=1 (Xi − X̄)εi
E[β̂1 | Xi ] = β1 + E Pn Xi
i=1 (Xi − X̄)
2
Pn
(Xi − X̄)E[εi | Xi ]
= β1 + i=1Pn
i=1 (Xi − X̄)
2
តាម SLR.4 េនាះ E[εi | Xi ] = 0 ដូចេនះ
E[β̂1 | Xi ] = β1
តាមលក្ខណៈៃនសង្ឃម
ី បាន
E[β̂1 ] = E[E[β̂1 | Xi ]] = E[β1 ] = β1 .
416
េយង
ី បងា្ហញថា β̂0 ជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ងៃន β0 ។ េយង
ី មាន
β̂0 = Ȳ − β̂1 X̄ = β0 + β1 X̄ + ε̄ − β̂1 X̄ = β0 + (β1 − β̂1 )X̄ + ε̄
េយង
ឹ គណិតមានលក្ខខណ្ឌៃន β̂0 េដាយដឹង Xi
E[β̂0 | Xi ] = β0 + E[(β1 − β̂1 )X̄ | Xi ] + E[ε̄ | Xi ]
 n 
1 X 
= β0 + X̄E(β1 − β̂1 | Xi ) + E  εi Xi 
n i=1
1X
n
= β0 + X̄(β1 − E[β̂1 | Xi ]) + E[εi | Xi ]
n i=1
= β0
តាមលក្ខណៈៃនសង្ឃម
ី បាន
E[β̂0 ] = E[E[β̂0 | Xi ]] = E[β0 ] = β0 .
វា៉ដ្យង់ៃនអ្នកបា៉ន់សា្មនមិនលេម្អ�ង
SLR.5 Homoskedasticity៖ េល្អ�ង ε មានវា៉ដ្យង់ដូចៗគា្នេដាយដឹងតៃម្លៃន X:
V[ε | X] = σ2
សមា្គល់ 12.9.2. េដាយសារែត
V(ε | X) = E[ε2 | X] − (E[ε | X])2

និង E[ε | X] = 0 េនាះ σ2 = E[ε2 | X]។ ដូចេនះ
σ2 = E[ε2 ] = V(ε)
េ្រពាះ E[ε] = 0 មានន័យថា σ2 ជាសង្ឃម

ឹ គណិតមន
2 ់ ន
ិ មានលក្ខខណ្ឌៃន ε ក៏ដូចជាវា៉ដ្យងម ិ មានលក្ខខណ្ឌ
ី ដូេច្នះ σ ្រត�វបានេគេហថាវា៉ដ្យង់ៃនេល្អ�ង។
ៃន ε េហយ 2
តាម SLR.4 និង SLR.5 េយង

E[Y | X] = β0 + β1 X
V(Y | X) = σ2
េយង
Pn
(Xi − X̄)εi
β̂1 = β1 + Pi=1
i=1 (Xi − X̄)
n 2
េនាះវា៉ដ្យង់មានលក្ខខណ្ឌៃន β̂1 េដាយដឹង Xi គឺ

Pn !
i=1 (Xi − X̄)εi
V(β̂1 | Xi ) = V β1 + Pn Xi
i=1 (Xi − X̄)
2
Pn !
i=1 (Xi − X̄)εi
= V Pn Xi
i=1 (Xi − X̄)
2
 n 
1 X 
= hP V
i2  
 (X i − X̄)εi i
X 
i=1 (Xi − X̄)
n 2 i=1
417
េដាយសារ εi ជាអេថរៃចដន្យមិនអា្រស័យគា្នេនាះេយង
ី បាន
 n 
X  Xn

V  (Xi − X̄)εi Xi  = V (Xi − X̄)εi | Xi
i=1 i=1
X
n
= (Xi − X̄)2 V(εi | Xi )
i=1
X
n
= (Xi − X̄)2 σ2
i=1
X
n
=σ 2
(Xi − X̄)2
i=1
ី បាន
Pn
V − X̄)εi Xi
i=1 (Xi
V(β̂1 | Xi ) = hP i2
i=1 (Xi − X̄)
n 2
P
σ2 ni=1 (Xi − X̄)2
= hP i2
i=1 (Xi − X̄)
n 2
σ2
= Pn .
i=1 (Xi − X̄)
2
ដូចេនះ
σ2
V(β̂1 | Xi ) = Pn .
i=1 (Xi − X̄)
2
សមា្គល់ 12.9.3.
V(β̂1 | Xi ) , V(β̂1 )
ី ទួលបានវា៉ដ្យង់មិនមានលក្ខខណ្ឌេយង
េដីម្បទ ី េ្របីរូបមន្តវា៉ដ្យង់សរុប
V(β̂1 ) = E[V(β̂1 | Xi )] + V(E[β̂1 | Xi ])

" #
σ2
= E Pn + V(β1 )
i=1 (Xi − X̄)
2
" #
1
= σ E Pn
2
(X − X̄)2
" i=1# i
1
= σ2 E .
S xx
េយង
ី មាន
β̂0 = Ȳ − β̂1 X̄
418
ី បានវា៉ដ្យង់មានលក្ខខណ្ឌៃន β̂0 េដាយដឹង Xi
V(β̂0 | Xi ) = V(Ȳ − β̂1 X̄ | Xi )

= V(Ȳ | Xi ) + V(β̂1 X̄ | Xi ) − 2Cov(Ȳ, β̂1 | Xi , X j )
 n   n Pn 
 1 X   1 X j=1 (X j − X̄)Y j 
= V  Yi | Xi  + X̄ V(β̂1 | Xi ) − 2Cov 
2
Yi , Pn X i , X j

ni=1
n i=1
(X − X̄)2
i=1 i
1 X
n
σ2
= V(Yi | Xi ) + X̄ 2 Pn
n2 i=1 (Xi − X̄)
2
i=1
1 1 Xn X n
− 2 Pn (X j − X̄)Cov(Yi , Y j | Xi , X j )
n i=1 (Xi − X̄)2 i=1 j=1
σ2 σ2 2 Xn X n
= + X̄ Pn
2
− Pn (X j − X̄)Cov(Yi , Y j | Xi , X j )
i=1 (Xi − X̄) n i=1 (Xi − X̄)2 i=1 j=1
n 2
σ2 σ2 2 Xn
= + X̄ 2 Pn − Pn (Xi − X̄) σ2
i=1 (Xi − X̄) n i=1 (Xi − X̄) i=1
n 2 2
| {z }
=0
σ2 σ2
= + X̄ Pn
2
i=1 (Xi − X̄)

n 2
 n 
σ2 
X
 

2
= Pn 
 (X − X̄)2
+ n X̄ 

n i=1 (Xi − X̄)2  
i
i=1
P
σ2 ni=1 Xi2
= Pn
n i=1 (Xi − X̄)2
ី ្ដ ទ 12.9.1. េបី SLR 1- SLR 5 ្រត�វបានេផ្ទ�ងផា្ទត់េនាះ

្រទឹសប
σ2
V(β̂1 | Xi ) = Pn
i=1 (Xi − X̄)
2
P
σ2 ni=1 Xi2
V(β̂0 | Xi ) = Pn
n i=1 (Xi − X̄)2
ែដល V(εi | Xi ) = σ2 .
ី មានបំែនងែចកនរមា៉ល់ែដលមានមធ្យម 0 និងវា៉ដ្យង់
SLR. 6 េល្អ�ងៃចដន្យ ε មិនអា្រស័យនឹង X េហយ
σ:
2
ε ∼ N(0, σ2 ) ែដលនាំឱ្យ Y | X ∼ N(β0 + β1 X, σ2 )
េ្រកាមលក្ខខណ្ឌ SLR 1- SLR 6 េយង

ី បាន

β̂1 ∼ N β1 , V(β̂1 | Xi )
ែដល V(β̂1 | Xi ) = Pn σ េនាះេយង

ី បាន
2
i=1 (Xi − X̄)

2
β̂1 − β1 β̂1 − β1
q = ∼ N(0, 1)
V(β̂1 | Xi ) se( β̂1)
419

β̂0 ∼ N β0 , V(β̂0 | Xi )
Pn
ែដល V(β̂0 | Xi ) = េនាះេយង
ី បាន
σ2 i=1 Xi
2
Pn
n (X
i=1 i − X̄)2
β̂0 − β0 β̂0 − β0
q = ∼ N(0, 1)
V(β̂0 | Xi ) se( β̂ 0)
សមា្គល់ 12.9.4. េនេពលែដលេយង

ី ដាក់ លក្ខខណ្ឌ េដាយដឹង Xi , i = 1, . . . , n មានន័យថាអនុគមន៍
ៃន Xi គឺ អាចចាត់ទុកថាមិនែមនអេថរៃចដន្យ។ ដូេច្នះ េរឿងរា៉ វែដលេនេសសសល់ ដូចជាេតស្ត សម្មតិកម្ម
ចេនា្លះេជឿជាក់ ចេនា្លះពយករណ៍ គឺសិក�ដូចក្នុងករណីែដល X មិនែមនអេថរៃចដន្យ។
12.10 តែ្រមត្រមង់លេី នែអ៊រក្នងទ្រមង់

ុ មា៉្រទីស
ី នឹងសេសរគំរូតែ្រមត្រមង់លីេនែអ៊រ
េយង
Yi = β0 + β1 Xi + εi , i = 1, . . . , n
ជាទ្រមង់មា៉្រទស
ី
     
Y1  1 X1  ε1 
    " #  
Y2  1 X2  β0 ε2 
 ..  =  .. ..  + . 
 .   . .  β1  .. 
     
Yn 1 Xn εn
Y = Xβ + ε
" #
β
វ ិធានកាេរខ្លីបំផុតេ្របីស្រមាប់បា៉ន់សា្មន β = 0 ែដលេធ្វីឱ្យផលបូកកាេរៃនេល្អ�ង S (β) អប្បបរមា
β1
X
n

S (β) = Yi − (β0 + β1 Xi ) 2
i=1
X
n
= ε2i
i=1
=ε ε T
= (Y − Xβ)T (Y − Xβ)
សមា្គល់ 12.10.1. εT ε ជាសា្កែលរេ្រពាះ εT ជាមា៉្រទីស 1 × n និង ε ជាមា៉្រទីស n × 1 េនាះផលគុណជា

មា៉្រទីស 1 × 1 ។
ី អាចសេសរ ε ε ជាទ្រមង់
េយង T
εT ε = (Y − Xβ)T (Y − Xβ)
= (YT − βT XT )(Y − Xβ)
= YT Y − YT Xβ − βT XT Y + βT XT Xβ
420
េយង
ី មាន
(YT Xβ)T = βT XT Y
េហយ
ី េនះជាមា៉្រទីស 1 × 1 ដូចេនះ
YT Xβ = βT XT Y
εT ε = YT Y − 2βT XT Y + βT XT Xβ
អប្បបរមាៃន S (β) គឺ ទទួល បានេដាយឱ្យេដរេវៃន

ី S (β) េស្មន
ី ងឹ សូន្យ នង
ី
វ ិជ្ជមាន។ េយង
ី គណនាេដរេវៃន
ី S (β)
∂S
= −2XT Y + 2XT Xβ
∂β
េយង
ី េដាះ្រសាយរក β̂ ែដលឱ្យេដរេវេស្ម
ី ីនឹងសូន្យ
XT Xβ̂ = XT Y
−1
β̂ = XT X XT Y
េបីមា៉្រទីស XT X មានច្រមាស់។ មា៉្រទីស Hessian គឺ

∂2 S
= 2XT X
∂β∂βT
ជាមា៉្រទីសវ ិជ្ជមានេ្រពាះ

λT 2XT X λ = 2 λT XT Xλ = 2∥Xλ∥22 ≥ 0
ី ំផុតគឱ
−1
β̂ = XT X XT Y
េយង
ី ពិនិត្យេមីលែផ្នកនីមួយៗេនក្នុងរូបមន្តអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត៖
 
1 X1 
" # 
1 1 . . . 1 1 X2 
X X=
T
 
X1 X2 . . . Xn  ... ... 
 
1 Xn
" Pn Pn #
1 Xi
= Pn i=1 Pn 2
i=1
i=1 Xi i=1 Xi
" #
n nX̄
= P n 2
nX̄ i=1 Xi
ច្រមាស់ៃនមា៉្រទស
ី X X គឺ
T
−1 " Pn 2 #
1 i=1 Xi −nX̄
XT X = P
n ni=1 Xi2 − n2 X̄ 2 −nX̄ n
"Pn 2 #
1 i=1 Xi −nX̄
= Pn
n i=1 (Xi − X̄)2 −nX̄ n
421
 
Y 
" #  1 
1 1 . . . 1 Y2 
XT Y =  
X1 X2 . . . Xn  ... 
 
Yn
" Pn # " #
P i=1 Yi P
nȲ
= n = n
i=1 Xi Yi i=1 Xi Yi
ដូចេនះ
−1 " Pn #" #
1 Xi2 −nX̄ nȲ
β̂ = XT X XT Y = Pn i=1 Pn
n i=1 (Xi − X̄)2 −nX̄ n i=1 Xi Yi
Pn 2 Pn 
1  i=1 Xi (nȲ) − nX̄ Xi Yi 
= P  P
i=1 
n ni=1 (Xi − X̄)2  − nX̄ (nȲ) + n ni=1 Xi Yi
" Pn 2 Pn #
1 Ȳ i=1 Xi − X̄ i=1 Xi Yi
= Pn Pn
i=1 (Xi − X̄) i=1 Xi Yi − n X̄ Ȳ
2
" Pn 2 P #
1 Ȳ i=1 Xi − nȲ X̄ 2 + nȲ X̄ 2 − X̄ ni=1 Xi Yi
= Pn P
i=1 (Xi Yi − X̄ Ȳ)
n
i=1 (Xi − X̄)
2
" Pn 2 P #
1 Ȳ i=1 Xi − nX̄ 2 − X̄ ni=1 Xi Yi − nȲ X̄
= Pn Pn
i=1 (Xi − X̄) i=1 (Xi − X̄)(Yi − Ȳ)
2
ដូចេនះ
" #
1 ȲS xx − X̄S xy
β̂ =
S xx S xy
" # " #
Ȳ − β̂1 X̄ β̂
= = 0
β̂1 β̂1
េយង
ី មាន
−1 −1
β̂ = XT X XT Y = β̂ = XT X XT (Xβ + ε)
−1 −1 −1
= XT X XT Xβ + XT X XT ε = β + XT X XT ε
h i −1
E β̂ | X = β + XT X XT E[ε | X]
−1
= β + XT X XT .0 = β
ី វា៉ដ្យង់-កូវា៉ដ្យង់
−1 −1 −1
V β̂ | X = V X X X ε | X = XT X XT V(ε | X)X XT X
T T
−1 −1
= XT X XT σ2 IX XT X
−1 −1
= σ2 XT X XT X XT X
−1
= σ2 XT X
ឬ
" # "Pn 2 #
V(β̂0 | X) Cov(β̂0 , β̂1 | X) σ2 i=1 Xi −nX̄
= Pn
Cov(β̂1 , β̂0 | X) V(β̂1 | X) n i=1 (Xi − X̄)2 −nX̄ n
422
ី បាន
Pn
σ2 Xi2 i=1
V(β̂0 | X) = Pn
n i=1 (Xi − X̄)2
σ2
V(β̂1 | X) = Pn
i=1 (Xi − X̄)
2
−X̄σ2
Cov(β̂0 , β̂1 | X) = Pn
i=1 (Xi − X̄)
2
12.11 មា្រតដា្ឋននិងរងា្វស់ឯកតាក្នងតែ្រមត្រមង់
េតីការប្តូរឯកតារងា្វស់ៃនអេថរតែ្រមត្រមង់ និងអេថរេឆ្លីយតបនឹងេធ្វីឱ្យមានភាពខុសគា្នេនក្នុងលទ្ធផលៃន
តែ្រមត្រមង? ់
េយង ី ពិនិត្យេមីល
Yi = β̂0 + β̂1 Xi + ei
កំនត់
Yi∗ = w1 Yi
Xi∗ = w2 Xi
ែដល w1 និង w2 ជាចំនួនេថរ (អាចេស្មីគា្ន) េហថាខា្នតឯកតា។ ជាឧទាហរណ៍េបី Yi និង Xi មានខា្នត

ជាពាន់លានដុលា្លរ េហយ ី ចង់បំែបកជាលានដុលា្លរ េនាះេយង
ី េយង ី មាន Yi = 1000Yi នង
ិ Xi = 1000Xi
∗ ∗
ែដល w1 = w2 = 1000។ េយង ិ ិត្យបនា្ទត់តែ្រមត្រមងេ់ ដាយេ្របីអេថរ Yi និង Xi

ី ពន
∗ ∗
Yi∗ = β̂∗0 + β̂∗1 Xi∗ + e∗i
ែដល Yi∗ = w1 Yi , Xi∗ = w2 Xi និង e∗i = w1 ei

ី ចងរ់ កទំនាក់ទំនងរវាងគូ
េយង
1. β̂0 និង β̂∗0
2. β̂1 នង
ិ β̂1
∗
3. V(β̂0 ) និង V(β̂∗0 )
4. V(β̂1 ) និង V(β̂∗1 )
5. σ̂2 នង
ិ σ̂
∗2
6. R2 នង
ិ R
∗2
តាមវ ិធីសា�ស្តកាេរខ្លីបំផុតេយង
ី ដឹងថា
β̂0 = ȲP − β̂1 X̄ β̂∗0 = ȲP∗ − β̂∗1 X̄ ∗

n
(X −X̄)(Y −Ȳ) n
(X ∗ −X̄ ∗ )(Y ∗ −Ȳ ∗ )
β̂1 = i=1Pn i(Xi −X̄)i 2 β̂∗1 = i=1Pn i (X∗ −X̄∗i )2
i=1 Pn i=1 P
i
σ2 Xi2 σ∗2
i=1 Xi
n∗2
V(β̂0 ) = Pn i=1
n i=1 (Xi −X̄)2
V(β̂∗0 ) = n
Pn
(X ∗ − X̄ ∗ )2
i=1 i
σ2 ∗2
V(β̂1 ) = Pn (X −X̄)2
V(β̂∗1 ) = Pn (Xσ ∗ −X̄∗ )2
Pn 2i=1 i Pn i=1 i
e e∗2
σ̂2 = n−2i=1 i
σ̂∗2 = i=1n−2
i
423
េចញពីលទ្ធផលទាំងេនះេយង
ី អាចរកទំនាក់ទំនងរវាងបា៉រា៉ ែម៉្រតទាំងេនះបានេដាយ្រគាន់ែតេ្របី
Yi∗ = w1 Yi , Xi∗ = w2 Xi , e∗i = w1 ei , Ȳ ∗ = w1 Ȳ, X̄ ∗ = w2 X̄
េយង
ី បាន
!
w1
β̂∗1 = β̂1
w2
β̂∗0 = w1 β̂0
σ̂∗2 = w21 σ̂2
V(β̂∗0 ) = w21 V(β̂0 )
!2
∗ w1
V(β̂1 ) = V(β̂1 )
w2
R∗2 = R2
មានន័យថាេបី សា្គល់ តែ្រមត្រមង់ លីេនែអ៊រ េដាយេ្របី ខា្នតៃនរងា្វស់ មួយ េយង

ី អាចទទួល បានលទ្ធផលៃន
តែ្រមត្រមង់ ចំេពាះខា្នតៃនរងា្វស់ មួយេទៀតេបី េយង
ី សា្គល់ ឯកតាប្តូរខា្នត w ។ េនក្នុងការអនុវត្ត េយង
ី គួរែត
េ្រជីសេរសខា
ី ្ន តេដាយសមេហតុផល ជាឧទាហរណ៍វាមន ិ មានេហតុផលេ្រចន
ី ែដលេយង
ី ្រត�វេ្របស
ី ូន្យទាង
ំ អស់
េនក្នុងខា្នតលានឬពាន់លានដុលា្លរេនាះេទ។ ករណីពិេសស
់ របស់វាគម
• េបី w1 = w2 េនាះេមគុណ្របាប់ទិស និងេល្អ�ងស្តងដា ឺ ិនែ្រប្រប�លេពលែដលេយង
ី ប្តូរខា្នត
ិ េល្អ�ងស្តង់ដារបស់វាគគ
ពី (Yi , Xi ) េទ (Yi∗ , Xi∗ ) ប៉ុែន្ត្របសព្វអ័ក្ស y នង ឺ ុណនង
ឹ w1 ។
• េបខា
ី ្ន តៃន X មិនែ្រប្រប�ល (w2 = 1) និងខា្នតៃន Y គែឺ ្រប្រប�លេដាយកតា្ត w1 េនាះ េមគុណ្របាប់ទិស
និង្របសព្វអ័ក្ស y ្រពមទាំងេល្អ�ងស្តង់ដារបស់វាគឺគុណេដាយកតា្ត w1 ដូចៗគា្ន។
• េបខា
ី ្ន តៃន Y មន
ិ ែ្រប្រប�ល (w1 = 1) នង
ិ ខា្នតៃន X គែឺ ្រប្រប�លេដាយកតា្ត w2 េនាះេមគុណ្របាប់ទស
ិ
ិ េល្អ�ងស្តង់ដារបស់វាគឺគុណេដាយកតា្ត (1/w2 ) ប៉ុែន្ត្របសព្វអ័ក្ស y ្រពមទាំងេល្អ�ងស្តង់ដារបស់
នង
វាគម
ឺ ន
ិ ែ្រប្រប�ល។
សមា្គល់ 12.11.1. ការបែម្លងខា្នតពី (Y, X) េទ (Y ∗ , X ∗ ) មន

ិ េធ្វឱ
ី ្យយលក្ខណៈៃនអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុត
ែ្រប្រប�លេនាះេទ។
12.12 ការសន្មត់េនក្នងគំ
ុ រ ូតែ្រមត្រមង់លេី នែអ៊រ
េនក្នុងគំរូតែ្រមត្រមង់លីេនែអ៊រេគាលបំណងសំខាន់របស់េយង ី មិន្រតឹមែតរកអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត β̂0

នងិ β̂1 ែថមទាំងទាញសន្នដា ិ ្ឋ នអំពបា
ី ៉ រា៉ ែម៉្រត β0 នង
ិ β1 ។ ជាឧទាហរណ៍េយង ី ចងដ់ ង
ឹ ថាេតី β̂0 នង
ិ β̂1 េន
ែក្បរនឹង β0 និង β1 ក្រមិតណាឬេតី Ŷi េនែក្បរនឹង E[Y | Xi ] ក្រមិតណា េយង ី ្រត�វេធ្វកា
ី រសន្មតអ
់ ំពល
ី ក្ខណៈ
ែដល Yi ្រត�វ បានបេង្កតី េឡង
ី ។ េនក្នុងគំរូ Yi = β0 + β1 Xi + εi បញ្ជក់ ថា Yi អា្រស័យ េលី Xi នង ិ εi ។
ដូចេនះការសន្មតេ់ ទេលី Xi និង εi ជាការសំខាន់បំផុតេដីម្បេី ធ្វីការសន្និដា្ឋនេទេលី Yi ក៏ដូចជា β0 និង β1 ។
ី ពន
ិ ត
ិ ្យេមល
ី ការសន្មត់ជារួមមន
ិ ថា X ជាអេថរៃចដន្យឬមន ិ ែមនេនាះេទ។
424
ការសន្មត់េនក្នងគំ
ុ រ ូតែ្រមត្រមង់លេី នែអ៊រ (CLRM)
SLR.1 លីេនែអ៊រេធៀបនឹងបា៉រា៉ ែម៉្រត៖ គំរូតែ្រមត្រមង់ែដលមានទ្រមង់
Yi = β0 + β1 Xi + εi
SLR.2 X ជាតៃម្លកំណត់ជាក់លាក់ ឬ X មន
ឹ េល្អ�ងៈ តៃម្លៃន X អាចជាតៃម្លកំណត់ជាក់លាក់
(ករណី X មិនែមនជាអេថរៃចដន្យ) ឬអាចសន្មតថា
់ X ជាអេថរៃចដន្យែដលមិនអា្រស័យនឹងេល្អ�ងៃចដន្យ
មានន័យថា Cov(Xi , εi ) = 0។
SLR.3 មធ្យមលក្ខខណ្ឌសូន្យៈ េដាយដង
ឹ តៃម្លៃន Xi មធ្យមៃន εi េស្មន
ី ងឹ សូន្យ
E[εi | Xi ] = 0,
ឬេបី X មិនែមនជាអេថរៃចដន្យ
E[εi ] = 0.
ជាវ ិបាក
• េបី E[εi | Xi ] = 0 េនាះ E[Yi | Xi ] = β0 + β1 Xi េ្រពាះ
E[Yi | Xi ] = E[β0 + β1 Xi | Xi ] + E[εi | Xi ] = β0 + β1 Xi
• E[εi | Xi ] = 0 ⇒ E[εi ] = 0 តាមពិតេទតាមលក្ខណៈៃនសង្ឃម

ី មាន
E[εi ] = E[E[εi | Xi ]] = E[0] = 0
• E[εi | Xi ] = 0 ⇒ Cov(Xi , εi ) = 0 េ្រពាះ
Cov(Xi , εi ) = E[Xi εi ] − E[Xi ]E[εi ] = E[Xi εi ]

= E[E[Xi εi | Xi ]] = E[Xi E[εi | Xi ]]
= E[0] = 0
SLR.4 Homoskedasticity ឬវា៉ដ្យង់េថរៃន εi ៖ វា៉ដ្យង់ៃនេល្អ�ងគឺដូចៗគា្នេដាយដឹងតៃម្ល Xi
V(εi | Xi ) = σ2
• V(εi | Xi ) = E[ε2i | Xi ] េ្រពាះ

h i
V(εi | Xi ) = E (εi − E[εi | Xi ])2 Xi
h i
= E (εi − 0)2 Xi = E[ε2i | Xi ]
• V(εi | Xi ) = σ2 ⇒ V(εi ) = σ2 តាមពិតេទ
V(εi ) = E[ε2i ] − (E[εi ])2 = E[ε2i ]

h i
= E E[ε2i | Xi ] = E[σ2 ] = σ2
425
• V(εi | Xi ) = σ2 ⇒ V(Yi | Xi ) = σ2 េ្រពាះ
h i
V(Yi | Xi ) = E (Yi − E[Yi | Xi ])2 Xi
h i
= E (Yi − β0 − β1 Xi )2 | Xi
= E(ε2i | Xi )
= σ2
• SLR.4 មានន័យថា
V(εi | Xi ) = V(εk | Xk ) = σ2 ចំេពាះ្រគប់ Xi , Xk

V(Yi | Xi ) = V(Yk | Xk ) = σ2 ចំេពាះ្រគប់ Xi , Xk
SLR.5 េល្អ�ងមន
ិ មានទំនាក់ទំនងគា្នៈ េដាយដឹងតៃម្លៃន Xi នង
ិ X j កូរេឡស
ី ន
ិ រវាង εi នង
ិ ε j (i , j) េស្មន
ី ងឹ
សូន្យឬ
Cov(εi , ε j | Xi , X j ) = 0
Cov(εi , ε j ) = 0 េបី X មន
ិ ែមនអេថរៃចដន្យ
ែដល i នង
ិ j ជាអេង្កតពរី េផ្សងគា្ន។
h i
• Cov(εi , ε j | Xi , X j ) = E εi ε j | Xi , X j េ្រពាះ
h i
Cov(εi , ε j | Xi , X j ) = E (εi − E[εi | Xi ]) ε j − E[ε j | X j ] Xi , X j
h i
= E ε i ε j | Xi , X j .
• Cov(εi , ε j | Xi , X j ) = 0 ⇒ Cov(Yi , Y j | Xi , X j ) = 0 េ្រពាះ

h i
Cov(Yi , Y j | Xi , X j ) = E (Yi − E[Yi | Xi ]) Y j − E[Y j | X j ] Xi , X j
h i
= E (Yi − β0 − β1 Xi ]) Y j − β0 − β1 X j ] Xi , X j
h i
= E εi ε j | Xi , X j .
SLR.5’ លំហគំរូៃចដន្យៈ {(Xi , Yi ), i = 1, . . . , n} ជាលំហគំរូៃចដន្យែដលេផ្ទ�ងផា្ទត់
Yi = β0 + β1 Xi + εi
• លំហគំរូៃចដន្យមានន័យថា εi នង ិ ε j មន ិ អា្រស័យគា្ន
លំហគំរូៃចដន្យ ⇒ Cov(εi , ε j | Xi , X j ) = Cov(εi , ε j ) = 0, ∀i , j
• លំហគំរូៃចដន្យមានន័យថា Yi និង Y j មិនអា្រស័យគា្ន

លំហគំរូៃចដន្យ ⇒ Cov(Yi , Y j | Xi , X j ) = Cov(Yi , Y j ) = 0, ∀i , j
• SLR.5’ គឺ្រគប់្រគាន់ចំេពាះ SLR.5 ប៉ុែន្តវាខា្លង

ំ ជាងអ្វីែដលចាំបាច់ស្រមាប់ SLR.5 ។
426
SLR.6 ចំនួនអេង្កត n ្រត�វែតធំជាងចំនួនបា៉រា៉ ែម៉្រតែដល្រត�វបា៉ន់សា្មន។
សមា្គល់៖ េយង ី ្រត�វការអេង្កតយា៉ងេហាចណាស់ពីរគូេដីម្បបា ី ៉ ន់សា្មនបា៉រា៉ ែម៉្រតពីរែដលមិនសា្គល់ β0 និង β1 .
P
SLR.7 {Xi , i = 1, . . . , n} មានតៃម្លមិនដូចគា្នទាំងអស់េនាះេទ: ni=1 (Xi − X̄)2 > 0
ជាវ ិបាក េបី្រគប់តៃម្លៃន Xi គឺដូចៗគា្នទាំងអស់េនាះ Xi = X̄ េហយ
ី ភាគែបងៃនសមីការ
Pn
i=1 (Xi − X̄)(Yi − Ȳ)
β̂1 = Pn
i=1 (Xi − X̄)
2
េស្មន
ី ងឹ សូន្យែដលេធ្វឱ
ី ្យេយង
ី មន
ិ អាចបា៉ន់សា្មន β1 នង
ិ β0 ។
12.13 ្រទឹសប
ី ្ត ទ Gauss-Markov
និយមន័យ 12.13.1. េយង

ី េហអ្នកបា៉ន់សា្មន θ̂ ៃន θ ជាអ្នកបា៉ន់សា្មនលេី នែអ៊រមន
ិ លេម្អ�ងល្អបំផុត (Best
Linear Unbiased Estimator (BLUE)) េបីលក្ខខណ្ឌខាងេ្រកាមេផ្ទ�ងផា្ទត់
1. វាជាអ្នកបា៉ន់សា្មនលេី នែអ៊រ (អនុគមន៍លេី នែអ៊រៃនអេថរៃចដន្យ)
2. វាជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងមានន័យថា E[θ̂] = θ
3. វាមានវា៉ដ្យង់អប្បបរមាេធៀបនឹងអ្នកបា៉ន់សា្មនលីេនែអ៊រមិនលេម្អ�ងេផ្សងេទៀត។
ី ្ដ ទ 12.13.1 (Gauss-Markov). តាមការសន្មតេ់ នក្នុងគំរត

្រទឹសប ់ េី នែអ៊រ អ្នកបា៉ន់សា្មនកាេរខ្លី
ូ ែ្រមត្រមងល
បំផុតគឺជា BLUE ។
ស្រមាយបញ្ជ ក់. ជាដំបូង េយង

ី ្រសាយថា β̂1 គជា
ឺ BLUE។ លក្ខណៈលេី នែអ៊រ នង
ិ ភាពមន
ិ លេម្អ�ងៃន
β̂1 ៖ េយង
ី មាន
Pn Xn
i=1 (Xi − X̄)Yi
β̂1 = Pn = ki Yi
i=1 (Xi − X̄)
2
i=1
ែដល
Xi − X̄
ki = Pn
i=1 (Xi − X̄)
2
េនះបញ្ជក់ ថា β̂1 ជាអ្នក បា៉ន់សា្មនលីេនែអ៊រ េ្រពាះវាជាអនុគមន៍ លីេនែអ៊រ ៃន Y។ េយង

ី មានលក្ខណៈៃន ki
1. សន្មត់ថា X មិនែមនជាអេថរៃចដន្យេនាះ ki ក៏មិនែមនអេថរៃចដន្យែដរ

Pn
2. i=1 ki =0
Pn
3. 2
i=1 ki = Pn 1
i=1 (Xi − X̄)
2
Pn Pn
4. i=1 ki (Xi − X̄) = i=1 ki Xi = 1.
427
ី អាចសេសរ β̂1 ជាទ្រមង់
េយង
X
n
β̂1 = ki (β0 + β1 Xi + εi )
i=1
X
n X
n X
n
= β0 ki + β1 ki Xi + ki εi
i=1 i=1 i=1
X
n
= β1 + ki εi .
i=1
េយង
ឹ គណិតែដលក្នុងករណីេនះ ki មិនែមនជាអេថរៃចដន្យ
X
n
E[β̂1 ] = β1 + ki E[εi ]
i=1
= β1
ី េនសល់ ែតការបងា្ហញថា β̂1 មានវា៉ដ្យង់ អប្បបរមា

ដូចេនះ β̂1 ជាអ្នក បា៉ន់សា្មនមិន លេម្អ�ងៃន β1 ។ េយង
េធៀបនង
ឹ អ្នកបា៉ន់សា្មនលេី នែអ៊រមន
ិ លេម្អ�ងេផ្សងេទៀត។ េយង
ី ពន
ិ ត
ិ ្យេមល
ី β̂1 ៖ េយង
ី មាន
X
n
β̂1 = ki Yi
i=1
ែដល
Xi − X̄
k i = Pn .
i=1 (Xi − X̄)
2
េយង
ី កំនត់អ្នកបា៉ន់សា្មនលេី នែអ៊រៃន β1 ដូចខាងេ្រកាម
Xn
∗
β1 = wi Yi
i=1
េយង
ី មាន
X
n X
n X
n X
n
E[β∗1 ] = wi E[Yi ] = wi (β0 + β1 Xi ) = β0 wi + β1 wi Xi
i=1 i=1 i=1 i=1
ដូេច្នះេដម
ី ្បឱ
ី ្យ β1 ជាអ្នកបា៉ន់សា្មនមន
∗
ិ លេម្អ�ងេយង
ី ្រត�វមាន
X
n
wi = 0
i=1
X
n
wi Xi = 1
i=1
បែន្ថមពីេលីេនះេយង
ី មាន
 n 

X  X
n X
n

V(β1 ) = V  wi Yi  =
∗
wi V(Yi ) = σ
2 2
w2i
i=1 i=1 i=1
Xn
= σ2 (wi − ki + ki )2
i=1
X
n X
n X
n
=σ2
(wi − ki ) + σ
2 2
ki + 2σ
2 2
(wi − ki )ki
i=1 i=1 i=1
428
េ្រពាះ
X
n X
n X
n
(wi − ki )ki = ki wi − ki2
i=1 i=1 i=1
X
n !
Xi − X̄ 1
= wi Pn − Pn
i=1 (Xi − X̄) i=1 (Xi − X̄)
2 2
i=1
Pn Pn
i=1 wi Xi − X̄ i=1 wi 1
= Pn − P = 0.
i=1 (Xi − X̄) i=1 (Xi − X̄)
2 n 2
ដូចេនះ
X
n X
n
V(β∗1 ) =σ (wi − ki ) + σ
2 2 2
ki2
i=1 i=1
X
n !
1
= σ2 (wi − ki )2 + σ2 Pn
i=1 (Xi − X̄)
2
i=1
េដាយសារតួចុងេ្រកាយៃនសមីការជាចំនួនេថរជាក់លាក់េនាះវា៉ដ្យង់ៃន β∗1 មានអប្បបរមាេពលែដល
wi = ki
ី បាន
σ2
V(β∗1 ) = Pn = V(β̂1 )
i=1 (Xi − X̄)
2
មានន័យថាអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត β̂1 មានវា៉ដ្យង់អប្បបរមាេធៀបនឹងអ្នកបា៉ន់សា្មនលីេនែអ៊រមិនលេម្អ�ង

េផ្សងេទៀត។
ី ្រសាយថាជាដំបូង េយង
ឥឡូវេយង ី ្រសាយថា β̂0 គជា
ឺ BLUE។ លក្ខណៈលេី នែអ៊រ នង
ិ ភាពមន
ិ លេម្អ�ងៃន
β̂0 ៖
β̂0 = Ȳ − β̂1 X̄
1X X
n n
X̄
= Yi − Pn (Xi − X̄)Yi
i=1 (Xi − X̄) i=1
n i=1 2
X n " #
1 X̄(Xi − X̄)
= − Pn Yi
i=1 (Xi − X̄)
n 2
i=1
X n
= Ki Yi
i=1
ែដល
1 X̄(Xi − X̄)
Ki = − Pn
i=1 (Xi − X̄)
n 2
េនះបញ្ជក់ថា β̂1 ជាអ្នកបា៉ន់សា្មនលេី នែអ៊រេ្រពាះវាជាអនុគមន៍លេី នែអ៊រៃន Y។ េយង

ី មានលក្ខខណៈៃន Ki
1. សន្មត់ថា X មិនែមនជាអេថរៃចដន្យេនាះ Ki ក៏មន

ិ ែមនអេថរៃចដន្យែដរ
Pn
2. i=1 Ki = 1
429
Pn
3.
2
Ki2 = 1
+ Pn X̄
i=1 (Xi − X̄)
i=1 n 2
Pn
4. i=1 Ki Xi = 0.
ដូចេនះ
X
n
β̂0 = Ki (β0 + β1 Xi + εi )
i=1
X
n X
n X
n
= β0 Ki + β1 Ki Xi + K i εi
i=1 i=1 i=1
X
n
= β0 + Ki εi
i=1
េយង
ឹ គណិតែដលក្នុងករណីេនះ Ki មិនែមនជាអេថរៃចដន្យ
X
n
E[β̂0 ] = β0 + Ki E[εi ]
i=1
= β0
់ ប្បបរមាេធៀប
ី េនសល់ែតការបងា្ហញថា β̂0 មានវា៉ដ្យងអ
ដូចេនះ β̂0 ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន β0 ។ េយង
នង
ី កំនត់អ្នកបា៉ន់សា្មនលេី នែអ៊រៃន β0 ដូចខាងេ្រកាម
X
n
β∗0 = Wi Yi
i=1
េយង
ី មាន
X
n X
n X
n X
n
E[β∗0 ] = Wi E[Yi ] = Wi (β0 + β1 Xi ) = β0 Wi + β 1 Wi Xi
i=1 i=1 i=1 i=1
ដូេច្នះេដម
ី ្បឱ
ី ្យ β0 ជាអ្នកបា៉ន់សា្មនមន
∗
ិ លេម្អ�ងេយង
X
n
Wi = 1
i=1
X
n
Wi Xi = 0
i=1
បែន្ថមពេី លេី នះេយង

ី មាន
 n 

X  X
n X
n

V(β0 ) = V  Wi Yi  =
∗
Wi V(Yi ) = σ
2 2
Wi2
i=1 i=1 i=1
Xn
= σ2 (Wi − Ki + Ki )2
i=1
X
n X
n X
n
=σ 2
(Wi − Ki ) + σ 2 2
Ki2 + 2σ 2
(Wi − Ki )Ki
i=1 i=1 i=1
430
េ្រពាះ
X
n X
n X
n
(Wi − Ki )Ki = Ki Wi − Ki2
i=1 i=1 i=1
X
n ! !
1 Xi − X̄ 1 X̄ 2
= Wi − X̄ Pn − + Pn
i=1
n i=1 (X i − X̄)2 n i=1 (Xi − X̄)
2
Pn Pn !
1X
n
i=1 Wi Xi − X̄ i=1 Wi 1 X̄ 2
= Wi − X̄ Pn − + Pn = 0.
i=1 (Xi − X̄) i=1 (Xi − X̄)
n i=1 2 n 2
ដូចេនះ
X
n X
n
V(β∗0 ) =σ 2
(Wi − Ki ) + σ
2 2
Ki2
i=1 i=1
X
n !
1 X̄ 2
=σ 2
(Wi − Ki ) + σ
2 2
+ Pn
i=1 (Xi − X̄)
n 2
i=1
េដាយសារតួចុងេ្រកាយៃនសមីការជាចំនួនេថរជាក់លាក់េនាះវា៉ដ្យង់ៃន β∗0 មានអប្បបរមាេពលែដល
Wi = Ki
ី បាន !
1 X̄ 2
V(β∗0 ) =σ 2
+ Pn = V(β̂0 )
i=1 (Xi − X̄)
n 2
មានន័យថាអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត β̂0 មានវា៉ដ្យង់អប្បបរមាេធៀបនឹងអ្នកបា៉ន់សា្មនលីេនែអ៊រមិនលេម្អ�ង

េផ្សងេទៀត។ □
ការសន្មត់នរមា៉ល់េនក្នងគំ
ុ រ ូតែ្រមត្រមង់លេី នែអ៊រ (CNLRM)
• វ ិធីសា�ស្តកាេរខ្លីបំផុតអាចឱ្យេយង
ី បា៉ន់សា្មនបា៉រា៉ ែម៉្រត β0 , β1 និង σ
2
• តាមការសន្មត់ CLRM េយង

ី អាចបងា្ហញថាអ្នកបា៉ន់សា្មន β̂0 , β̂1 នង
ិ σ̂ ជាអ្នកបា៉ន់សា្មនមន
2
និងមានវា៉ដ្យង់អប្បបរមាជាេដីម
• េដម
ី ្បេធ្វ ី ្រត�វសា្គល់បែំ នងែចក្រប�បាប៊ីលីេត
ី ីេតស្តសម្មតិកម្ម រកចេនា្លះេជឿជាក់ និងរកចេនា្លះពយករណ៍េយង
ៃនអេថរៃចដន្យ β̂0 , β̂1 និង σ̂ ។
2
CNLRM ជាការបែន្ថមការសន្មតេ់ ទេលី CLRM ែដលថាេល្អ�ងៃចដន្យ εi មានបំែនងែចកនរមា៉ល់ែដលមាន

មធ្យម
E[εi ] = 0
វា៉ដ្យង់
V(εi ) = E[(εi − E[εi ])2 ] = E[ε2i ] = σ2
កូវា៉ដ្យង់
Cov(εi , ε j ) = E[(εi − E[εi ])(ε j − E[ε j ])] = E[εi ε j ] = 0, i , j
431
េយង
ី សមា្គល់ែដរថាចំេពាះអេថរៃចដន្យនរមា៉ល់រម ់ កូរេឡស
ួ កូវា៉ដ្យងឬ ី ន
ិ េស្មន
ី ងឹ សូន្យមានន័យថាអេថរៃចដន្យ
ទាំងពីរមិនអា្រស័យគា្ន។ ដូចេនះ
SLR.8 េល្អ�ងៃចដន្យជាអេថរៃចដន្យ iid នរមា៉ល់

iid
εi ∼ N(0, σ2 )
សមា្គល់ 12.13.1. តាមរយៈការសន្មត់នរមា៉ល់េទេលីេល្អ�ងៃចដន្យ
ី ទទួលបានបំែនងែចក្រប�បាប៊ីលីេតៃនអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត
• េយង
– តាមលក្ខណៈៃនបំែនងែចកនរមា៉ល់គឺបន្សំលេី នែអ៊រៃនអេថរៃចដន្យនរមា៉ល់មន
ិ អា្រស័យគា្នជា
អេថរៃចដន្យនរមា៉ល់ ។
– អ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុត β̂0 និង β̂1 ជាបន្សំលីេនែអ៊រៃន εi ។ ដូចេនះេបី εi មានបំែនងែចកនរ
មា៉ល់ និងមិនអា្រស័យគា្នេនាះ β̂0 និង β̂1 ក៏មានបំែនងែចកនរមា៉ល់ែដរ។
• េយង
ី អាចេ្របេី តស្តសត
ិ្ថ ិ t, F នង
ិ χ េដម ិ ម្មេនក្នុងគំរូតែ្រមត្រមង់លេី នែអ៊រ។
2
• េយង
ី មានវ ិធី សា�ស្ត មួយេទៀតគឺ វ ិធី សា�ស្ត អ្នក បា៉ន់សា្មនឱកាសអតប
ិ រមាស្រមាប់ β̂0 នង
ិ β̂1 ែដល
ផ្តលឱ ី ំផុតែដរ។ ប៉ុែន្តអ្នកបា៉ន់សា្មនវា៉ដ្យងៃ់ ន εi គម
់ ្យនូវរូបមន្តដូចគា្ននឹងវ ិធីសា�ស្តកាេរខ្លប ឺ ិនដូចគា្នេទ
ចំេពាះវ ិធីសា�ស្តទាង
ំ ពីរ។
លក្ខណៈៃនអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតេ្រកាមលក្ខខណ្ឌនរមា៉ល់៖
1. β̂0 នង
ិ β̂1 គជា
ឺ BLUE
2. Pn !
Xi2
i=1
β̂0 ∼ N β0 , Pn σ2
n i=1 (Xi − X̄)2
3. !
σ2
β̂1 ∼ N β1 , Pn
i=1 (Xi − X̄)
2
4.
(n − 2)σ̂2
∼ χ2 (n − 2)
σ2
ី ទទួល បាននូវបំ ែនងែចក្រប�បាប៊ីលេី តៃន β̂0

សរុប មកវ ិញចំនុច សំខាន់ ៃនការសន្ម ត់ នរមា៉ល់ គឺអាចឱ្យេយង
នងិ β̂1 ែដលជាអេថរៃចដន្យនរមា៉ល់ ទាង
ំ ពរី នង ី េី តៃន σ̂2 (ជាប់ ទាក់ទងនង
ិ បំ ែនងែចក្រប�បាប៊ល ឹ χ)
2
ូ ែ្រមត្រមង់
ែដលទាំងេនះជួយស្រម�លការរកចេនា្លះេជឿជាក់ ចេនា្លះពយករណ៍ និងេតស្តសម្មតិកម្មេនក្នុងគំរត
លីេនែអ៊រ។ ជាមួយគា្នេនះែដរការសន្មត់ែដលថាេល្អ�ងៃចដន្យ εi ∼ N(0, σ2 ) េនាះេយង
ី បាន Yi ជាអេថរ
iid
ៃចដន្យនរមា៉ល់ែដលមាន
E[Yi ] = β0 + β1 Xi
V[Yi ] = σ2
ឬេយង
Yi ∼ N(β0 + β1 Xi , σ2 )
ែដលមិនអា្រស័យគា្នប៉ុែន្តមានបំែនងែចកមិនដូចគា្ន។
432
12.14 តែ្រមត្រមង់លេី នែអ៊រកាត់តាមគល់តំរ ុយ
ី សិក�គំរូតែ្រមត្រមង់លីេនែអ៊រែដលមានទ្រមង់
Yi = β1 Xi + εi
ែដលការសន្មតេ់ ផ្សងៗេទេលី Xi នង
ិ εi ដូចគា្ននង
ឹ ែផ្នកមុន។ េនក្នុងគំរេូ នះគម
ឺ ន
ិ មាន្របសព្វអ័ក្ស y ែដល
េហថាជាគំរត ់ ីេនែអ៊រកាត់តាមគល់តរំ ុយ។ តាមវ ិធសា
ូ ែ្រមត្រមងល ី �ស្តអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុតេយង
ី ទទួល
បាន
Pn
Xi Yi
β̂1 = Pi=1
n 2
i=1 Xi
σ2
V β̂1 = Pn 2
i=1 Xi
ែដល σ2 គឺ្រត�វបានបា៉ន់សា្មនេដាយ
Pn 2
i=1 ei
σ̂ =
2
n−1
វាជាការចាប់អារម្មណ៍ ក្នុងការេ្របៀបេធៀបរូបមន្ត ទាង
ំ េនះជាមួយនឹង រូបមន្ត ែដលបានទទួល េនក្នុងេនគំរូ
តែ្រមត្រមង់ែដលមាន β0 ែដលេយង
Pn
(Xi − X̄)(Yi − Ȳ)
β̂1 = i=1Pn
i=1 (Xi − X̄)
2
σ 2
V β̂1 = Pn
(Xi − X̄)2
Pi=1
n 2
i=1 ei
σ̂2 =
n−2
វិធីសា�ស្តកាេរខ្លីបំផុតស្រមាប់តែ្រមត្រមង់លេី នែអ៊រកាត់តាមគល់តំរ ុយ
ី ចង់រកអប្បបរមាេធៀបនង
េយង ឹ β1 ៃនអនុគមន៍
X
n X
n
S (β1 ) = ε2i = (Yi − β1 Xi )2
i=1 i=1
េយង
ី S (β1 ) េធៀបនឹង β1 េយង
ី បាន
dS X n
= 2 (Y1 − β1 Xi )(−Xi ).
dβ1 i=1
ឱ្យេដរេវេស្ម
ី ន
ី ង
ឹ សូន្យេយង
ី ទទួលបាន Pn
Xi Yi
β̂1 = Pi=1
n 2
i=1 Xi
Pn
េនះជាចំនុចអប្បបរមាេ្រពាះ Xi2 > 0 ។ េយង ី អាចសេសរ β̂1 ជាទ្រមង់
d2 S
dβ21
=2 i=1
Pn
Xi (β1 Xi + εi )
β̂1 = i=1 Pn 2
X
Pni=1 i
Xi εi
= β1 + Pi=1n 2
i=1 Xi
433
ី បានេបី X មិនែមនជាអេថរៃចដន្យ
" Pn #
i=1 Xi εi
E[β̂1 ] = E β1 + Pn 2
i=1 Xi
1 Xn
= β1 + Pn 2 Xi E[εi ]
i=1 Xi i=1
= β1
សមា្គល់ែដរថា V[εi ] = σ2 នង ិ Cov(εi , ε j ) = 0 េនាះេយង ី បាន

Pn !
i=1 Xi εi
V(β̂1 ) = V β1 + Pn 2
i=1 Xi
 n 
1 X 
= P V  X i ε i

n 2
2
i=1 Xi i=1
 n 
1 
X
 X 


= P 
 V(X ε ) + Cov(X ε , X ε )

n 2
2  i i i i j j

X
i=1 i i=1 i, j
 


 


X 2
 X 
n
1 
= P 
 X V(ε ) + X X Cov(ε , ε )
 i |{z}
| {z } 
i i j i j
X2  
2
n
 i=1 i=1 i i, j
=σ2 =0

σ 2
= Pn
i=1 Xi2
Pn
សមា្គល់ 12.14.1. េនក្នុងគំរូ តែ្រមត្រមង់ លីេនែអ៊រ កាត់តាមគល់ តំ រុយ េយង
ី មិន អាចមាន i=1 ei Xi និង
Pn
ei េស្មីសូន្យ្រពមគា្នដូចក្នុងគំរូតែ្រមត្រមង់លេី នែអ៊រធម្មតាេនាះេទ។ លក្ខខណ្ឌមួយែដលវាេផ្ទ�ងផា្ទត់គឺ
Pi=1
i=1 ei Xi = 0។
n
េយង
ី តាង
X
n
SSE = e2i
i=1
X
n
= (Yi − β̂1 Xi )2
i=1
Xn X
n
= Yi2 − β̂21 Xi2
i=1 i=1
ដូចេនះ
X
n X
n
E[S S E ] = E[Yi2 ] − Xi2 E[β̂21 ]
i=1 i=1
X
n n o X
n 2
= V(Yi ) + (E[Yi ]) − 2
Xi2 V(β̂1 ) + E[β̂1 ]
i=1 i=1
X
n X
n !
σ2
= nσ + 2
(β1 Xi ) −
2
Xi2 Pn 2 + β21
i=1 i=1 i=1 Xi
= (n − 1)σ 2
434
SSE
σ̂2 =
n−1
ជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ងៃន σ េដាយការសន្មត់នរមា៉ល់េទេលីេល្អ�ងៃចដន្យេយង
2
ី អាចេតស្តសម្មតក
ិ ម្ម
រកចេនា្លះេជឿជាក់ និងចេនា្លះពយករណ៍ស្រមាប់គំរូែដលកាត់តាមគល់តំរុយ។
• ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ β1 គឺ
s s
σ̂2 σ̂2
β̂1 − tα/2,n−1 Pn 2 ≤ β1 ≤ β̂1 + tα/2,n−1 Pn 2
i=1 Xi i=1 Xi
ី តបេន្រតង់ X = x0 គឺ
• ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ µY|x0 មធ្យមៃនអេថរេឆ្លយ
s s
x02 σ̂2 x02 σ̂2
µ̂Y|x0 − tα/2,n−1 Pn 2 ≤ µY|x0 ≤ µ̂Y|x0 + tα/2,n−1 Pn 2
i=1 Xi i=1 Xi
• ចេនា្លះពយករណ៍ 100(1 − α)% ស្រមាប់ Y0 អេង្កតថ្មីេន្រតង់ X = x0 គឺ
s ! s !
x02 x02
Ŷ0 − tα/2,n−1 σ̂2 1 + Pn 2
≤ Y0 ≤ Ŷ0 + tα/2,n−1 σ̂2 1 + Pn
i=1 Xi i=1 Xi2
េតេី នេពលណាែដលេយង ី ំរូតែ្រមត្រមង់លេី នែអ៊រកាត់តាមគល់តំរុយ?

ី គួរេ្របគ
ិ ្តថាេតីគួរេ្របីតែ្រមត្រមង់
• ដយ្រកាមព្រងាយ (Scatter diagram) ផ្តល់ការែណនាំកុ ្នងការសេ្រមចចត
ែដលកាត់តាមគល់តំរុយឬអត់។
• េ្របត ់ ីេនែអ៊រធម្មតាែដលមាន β0 រួចេតស្តសម្មតិកម្ម H0 : β0 = 0 េដាយេ្របេី តស្ត t េដីម្បី

ី ែ្រមត្រមងល
កំនត់ថាេតីវាចាំបាច់កុ ងន័
្ន យស្ថិតិឬអត់។
• េ្របីគំរូតំែរតំរង់ទាង
ំ ពរី រួចេ្របៀបេធៀប MSE (σ̂2 )។ គំរូែដលមាន MSE តូចជាងេគជាគំរូតែ្រមត្រមង់
ល្អជាងេគក្នុងន័យថាវាេធ្វីឱ្យបំែរបំរល ួ y ជុំវ ិញបនា្ទត់តំែរតំរង់អប្បបរមា។
ិ ្នន័យៃនរយៈេពលស្តុកេភសជ្ជៈនង
ិ ចំនួនេភសជ្ជៈែដលបានស្តុកមានដូចខាងេ្រកាម
435
រយៈេពល y (នាទី) ចំនួន x
10.15 25
2.96 6
3.00 8
6.88 17
0.28 2
5.06 13
9.14 23
11.86 30
11.69 28
6.04 14
7.57 19
1.74 4
9.38 24
0.16 1
1.84 5
រូប 12.4: ដយ្រកាមព្រងាយ
ដយ្រកាមព្រងាយបងា្ហញថាេយងី អាចេ្របគ
ី ំរត ់ េី នែអ៊រកាត់តាមគល់តរំ ុយេដីម្បបងា
ូ ែ្រមត្រមងល ី ្ហ ញអំពទ
ី ំនាក់ទំនង
រវាងេពលេវលា និងចំនួនទំនិញែដលបានស្តុក។
• គំរូតែ្រមត្រមង់លេី នែអ៊រកាត់តាមគល់តំរុយ៖ េយង ី គណនា

Pn
Xi Yi 1841.98
β̂1 = Pi=1
n 2
= = 0.4026
i=1 Xi 4575.00
436
ដូចេនះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ
ŷ = 0.4026x
MSE ស្រមាប់គំរូេនះគឺ
σ̂2 = 0.0893
• គំរូតំែរតំរង់លីេនែអ៊រធម្មតា៖ បនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ
ŷ = −0.0938 + 0.4071x
េតស្តសម្មតិកម្ម
H0 : β0 = 0, H1 : β0 , 0
េតស្តសិត
្ថ ិ t
β̂0
tβ0 = q = −0.65
σ̂ 1
n
+ x̄2
S xx
ែដនបដេិ សដៈ |T | ≥ t0.025,13 = 2.160

េដាយសារ tβ0 មន
ិ ស្ថត
ិ េនក្នុងែដនបដេិ សដេនាះេយង
ី មន
ិ បដេិ សដ H0 េនក្រមត
។ MSE ស្រមាប់គំរូេពញេនះគឺ
σ̂2 = 0.0931
េដាយសារ MSE ស្រមាប់គំរត ូ ែ្រមត្រមងល់ េី នែអ៊រកាត់តាមគល់តរំ ុយតូចជាង MSE ស្រមាប់គំរត ូ ែ្រមត្រមង់

លីេនែអ៊រធម្មតាេនាះេយង
ី អាចសន្និដា្ឋនបានថាគំរត ់ ីេនែអ៊រកាត់តាមគល់តរំ ុយបា៉ន់សា្មនល្អជាង
គំរូតែ្រមត្រមង់លីេនែអ៊រធម្មតា ។
1. ទនិ ្នន័យខាងេ្រកាមបងា្ហញសន្ទស្សន៍ភាពែផ្អម Y និងបរមាណសារធាតុ

ិ គីមរី លាយក្នុងទឹក្រក�ច្រសស់
X
437
Yi Xi Yi Xi
1 5.2 220 13 5.8 306
2 5.5 227 14 5.5 259
3 6.0 259 15 5.3 284
4 5.9 210 16 5.3 383
5 5.8 224 17 5.7 271
6 6.0 215 18 5.5 264
7 5.8 231 19 5.7 227
8 5.6 268 20 5.3 263
9 5.6 239 21 5.9 232
10 5.9 212 22 5.8 220
11 5.4 410 23 5.8 246
12 5.6 256 24 5.9 241
េដាយសន្មត់ថា (X, Y) មានបំែនងែចកនរមា៉ល់រម

ួ ។
(a) េតស្តសម្មតិកម្ម H0 : ρ = 0 េដាយេ្របី α = 0.05
(b) េតី X និង Y មិនអា្រស័យគា្នឬេទ?
(c) រកបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនតាមវ ិធសា

ី ំផុត
(d) េតស្តសម្មតិកម្មែដលថា β1 = 0 េដាយេ្របី α = 0.05
i. េដាយេ្របេី តស្ត t
ii. េដាយេ្របីេតស្ត F
iii. េតីអ្នកសេង្កតេឃញ
ី យា៉ងដូចេម្តចជាមួយនឹងលទ្ធផលក្នុងសំនួរ (a)?
(e) េតស្តសម្មតក
ិ ម្មែដលថា β0 = 0 េដាយេ្របី α = 0.05
(f) រកចេនា្លះពយករណ៍ 95% ស្រមាប់ Y ្រត�វនឹង X0 = 300
ចេម្លើយ
438
xi yi xi2 y2i xi yi
220 5.2 48400 27.04 1144
227 5.5 51529 30.25 1248.5
259 6.0 67081 36 1554
210 5.9 44100 34.81 1239
224 5.8 50176 33.64 1299.2
215 6.0 46225 36 1290
231 5.8 53361 33.64 1339.8
268 5.6 71824 31.36 1500.8
239 5.6 57121 31.36 1338.4
212 5.9 44944 34.81 1250.8
410 5.4 168100 29.16 2214
256 5.6 65536 31.36 1433.6
306 5.8 93636 33.64 1774.8
259 5.5 67081 30.25 1424.5
284 5.3 80656 28.09 1505.2
383 5.3 146689 28.09 2029.9
271 5.7 73441 32.49 1544.7
264 5.5 69696 30.25 1452
227 5.7 51529 32.49 1293.9
263 5.3 69169 28.09 1393.9
232 5.9 53824 34.81 1368.8
220 5.8 48400 33.64 1276
246 5.8 60516 33.64 1426.8
241 5.9 58081 34.81 1421.9
P P P P P
xi = 6167 yi = 135.8 xi2 = 1641115 y2i = 769.72 xi yi = 34764.5
េយង
ី មាន
X
n Pn 2
xi (6167)2
S xx = xi2 − i=1
= 1641115 − = 56452.96
i=1
n 24
Xn Pn Pn
xi i=1 yi (6167)(135.8)
S xy = xi yi − i=1
= 34764.5 − = −130.4417
i=1
n 24
Xn Pn 2
i=1 yi (135.8)2
S yy = y2i − = 769.72 − = 1.3183
i=1
n 24
439
(a) េតស្តសម្មតិកម្ម
H0 : ρ = 0, H1 : ρ , 0
ី ិនលំហគំរូគឺ
S xy −130.4417
r= 1/2
= = −0.4782
(S xx S S T ) [(56452.96)(1.3183)]1/2
ិ្ថ ិ √ √
r n − 2 −0.4782 22
t0 = √ = √ = −2.55
1 − r2 1 − 0.2287
តៃម្លសំខាន់ t0.025,22 = 2.074
ែដនបដេិ សដ |t| ≥ 2.074
េដាយសារ t0 ស្ថិតេនក្នុងែដនបដិេសដេនាះេយង
ី បដិេសដ H0 េនក្រមិតចាំបាច់ α = 0.05។
េយង
ី សន្និដា្ឋនថាេមគុណកូរេឡស
ី ិន ρ , 0 េនក្រមិតចាំបាច់ α = 0.05។
(b) តាមសំនួរ (a) X នង
ិ Y មន
ិ ែមនជាអេថរៃចដន្យមន
ិ អា្រស័យគា្នេនាះេទ។
(c) អ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតគឺឱ្យេដាយ
S xy −130.4417
β̂1 = = = −0.00231
S xx 56452.96
β̂0 = ȳ − β̂1 x̄ = 5.6584 − (−0.00231)(256.9584) = 6.25197
ដូចេនះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ ŷ = 6.25197 − 0.00231x
(d) េយង
ី មាន
S S E = S yy − β̂1 S xy = 1.3183 − (−0.00231)(−130.4417) = 1.01698
ដូចេនះ
SSE 1.01698
S2 = = = 0.04623
n−2 22
i. េតស្ត t ស្រមាប់េតស្តសម្មតិកម្ម
H0 : β1 = 0, H1 : β1 , 0
តៃម្លសំខាន់
tα/2,n−2 = t0.025,22 = 2.074
្ថ ិ
β̂1 −0.00231
tβ1 = q = q = −2.55
S2 0.04623
S xx 56452.96
ែដនបដិេសដ
t ≤ −2.074 ឬ t ≥ 2.074
ការសេ្រមចចត
ិ ្ត៖ េដាយសារ tβ1 ស្ថត
ិ េនក្នុងែដនបដិ េសដេនាះេយង
ី បដិ េសដ H0 េន
ក្រមតិ ចាំបាច់ α = 0.05។
សន្និដា្ឋន៖ េនក្រមិតចាំបាច់ α = 0.05 ចំេពាះទិន្នន័យែដលឱ្យេយង
ី មិនគាំ្រទការអះអាង
ែដលថា β1 = 0 េទ។
440
ii. េតស្ត F ស្រមាប់េតស្តសម្មតិកម្ម
H0 : β1 = 0, H1 : β1 , 0
េយង
ី មាន
S S R = β̂1 S xy = (−0.00231)(−130.4417) = 0.30132S S E = 1.01698
េនាះតៃម្លេតស្តសិត
្ថ ិ
S S R /1 0.30132
F0 = = = 6.52
S S E /(n − 2) 1.01698/22
តៃម្លសំខាន់ F0.05 (1, 22) = 4.30
ែដនបដិេសដ F ≥ 4.30។ េដាយសារ F0 ស្ថិតេនក្នុងែដនបដិេសដេនាះេយង
ី បដិេសដ
H0 េនក្រមិតចាំបាច់ α = 0.05។
iii. េតស្តសម្មតិកម្ម H0 : ρ = 0 គឺសមមូលនឹងេតស្តសម្មតិកម្ម H0 : β1 = 0 ។
(e) េតស្តសម្មតិកម្ម
H0 : β0 = 0, H1 : β0 , 0
tα/2,n−2 = t0.025,22 = 2.074
្ថ ិ
β̂0 6.25197
tβ0 = q = q = 26.42
S 2 1n + x̄2
S xx
(0.04623) 241 + 256.95842
56452.96
t ≤ −2.074 ឬ t ≥ 2.074
ិ េនក្នុងែដនបដិេសដេនាះេយង
ី បដិេសដ H0 េនក្រមត
ិ
ចាំបាច់ α = 0.05។
ី មិនគាំ្រទការអះអាងែដល
ថា β0 = 0 េទ។
(f) ចេនា្លះពយករណ៍ 95% ស្រមាប់ Y0

s ! s !
1 (x 0 − x̄)2 1 (x0 − x̄)2
Ŷ0 − tα/2,n−2 S 1 + +
2 ≤ Y0 ≤ Ŷ0 + tα/2,n−2 S 1 + +
2
n S xx n S xx
ែដល Ŷ0 = β̂0 + β̂1 x0 = 6.25197 + (−0.00231)(300) = 5.55897។ េយង

ី បានចេនា្លះេជឿជាក់
95% ស្រមាប់ Y0 គឺ
s !
1 (300 − 256.9584)2
5.55897 − (2.074) (0.04623) 1 + + ≤ Y0 ≤
24 56452.96
s !
1 (300 − 256.9584)2
5.55897 + (2.074 (0.04623) 1 + +
24 56452.96
ដូចេនះ
5.09673 ≤ Y0 ≤ 6.02121
441
442
2. ទិន្នន័យខាងេ្រកាមបងា្ហញពីទម្ងន់(គិតជាេផាន) x និងសមា្ពធឈាម y ៃនបុរសអាយុ ពី 25 េទ 30
ែដល្រត�វបានេ្រជីសេរសេដាយៃចដន្យ។
ី
x y x y
1 165 130 11 172 173
2 167 133 12 159 128
3 180 150 13 168 132
4 155 128 14 174 149
5 212 151 15 183 158
6 175 146 16 215 150
7 190 150 17 195 163
8 210 140 18 180 156
9 200 148 19 143 124
10 149 125 20 240 170
(a) រកបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនតាមវ ិធីសា�ស្តកាេរខ្លីបំផុត
(b) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់េមគុណ β0 , β1 ៃនបនា្ទត់តែ្រមត្រមង់
(c) េតស្តសម្មតិកម្ម H0 : β0 = 0, H1 : β0 , 0 េដាយេ្របី α = 0.05
(d) េតស្តសម្មតិកម្ម H0 : β1 = 0, H1 : β1 , 0 េដាយេ្របី α = 0.05
(e) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់មធ្យមៃន y ្រត�វនឹង x0 = 185
(f) រកចេនា្លះពយករណ៍ 95% ស្រមាប់ y ្រត�វនង

ឹ x0 = 185
443
xi yi xi2 y2i xi yi
165 130 27225 16900 21450
167 133 27889 17689 22211
180 150 32400 22500 27000
155 128 24025 16384 19840
212 151 44944 22801 32012
175 146 30625 21316 25550
190 150 36100 22500 28500
210 140 44100 19600 29400
200 148 40000 21904 29600
149 125 22201 15625 18625
172 173 29584 29929 29756
159 128 25281 16384 20352
168 132 28224 17424 22176
174 149 30276 22201 25926
183 158 33489 24964 28914
215 150 46225 22500 32250
195 163 38025 26569 31785
180 156 32400 24336 28080
143 124 20449 15376 17732
240 170 57600 28900 40800
P P P P P
xi = 3632 yi = 2904 xi2 = 671062 y2i = 425802 xi yi = 531959
(a) េយង
ី មាន
X
n Pn 2
xi (3632)2
S xx = xi2 − i=1
= 671062 − = 11490.8
i=1
n 20
Xn Pn Pn
xi i=1 yi (3632)(2904)
S xy = xi yi − i=1
= 531959 − = 4592.6
i=1
n 20
Xn Pn 2
i=1 yi (2904)2
S yy = y2i − = 425802 − = 4141.2
i=1
n 20
អ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតគឺឱ្យេដាយ
S xy 4592.6
β̂1 = = = 0.399676
S xx 11490.8
β̂0 = ȳ − β̂1 x̄ = 145.2 − (0.399676)(181.6) = 72.618838
444
ដូចេនះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ ŷ = 72.618838 + 0.399676x
(b) ចេនា្លះេជឿជាក់ 95% ស្រមាប់ β0 និង β1

េយងី មាន
S S E = S yy − β̂1 S xy = 4141.2 − (0.399676)(4592.6) = 2305.648002
ដូចេនះ
SSE 232.8344
S2 = = = 128.091555
n−2 18
ចេនា្លះេជឿជាក់ 95% ស្រមាប់ β0 ឱ្យេដាយ
s ! s !
1 x̄2 1 x̄2
β̂0 − tα/2,n−2 S 2 + ≤ β0 ≤ β̂0 + tα/2,n−2 S 2 +
n S xx n S xx
s !
1 181.62
72.618838 − (2.101) (128.091555) + ≤ β0
20 11490.8
s !
1 181.62
≤ 72.618838 + (2.101) (128.091555) +
20 11490.8
31.987439 ≤ β0 ≤ 113.250142
ចេនា្លះេជឿជាក់ 95% ស្រមាប់ β1 ឱ្យេដាយ

s s
S2 S2
β̂1 − tα/2,n−2 ≤ β1 ≤ β̂1 + tα/2,n−2
S xx S xx
r r
128.091555 128.091555
0.399676 − (2.101) ≤ β1 ≤ 0.399676 + (2.101)
11490.8 11490.8
0.177859 ≤ β1 ≤ 0.621493
(c) េតស្តសម្មតិកម្ម
H0 : β0 = 0, H1 : β0 , 0
tα/2,n−2 = t0.025,18 = 2.101
ិ្ថ ិ
β̂0 72.618838
t β0 = q = q = 3.754
S 2 1n + x̄2
S xx
(128.091555) 1
20
+ 181.62
11490.8
t ≤ −2.101 ឬ t ≥ 2.101
ការសេ្រមចចិត្ត៖ េដាយសារ tβ0 ស្ថិតេនក្នុងែដនបដិេសដេនាះេយង

ី បដិេសដ H0 េនក្រមិត
ី មិនគាំ្រទការអះអាងែដល
ថា β0 = 0 េទ។
445
(d) េតស្តសម្មតិកម្ម
H0 : β1 = 0, H1 : β1 , 0
tα/2,n−2 = t0.025,18 = 2.101
្ថ ិ
β̂1 0.399676
t β1 = q = q = 3.785
S2 128.091555
S xx 11490.8
t ≤ −2.101 ឬ t ≥ 2.101
ិ េនក្នុងែដនបដិេសដេនាះេយង
ី បដិេសដ H0 េនក្រមត
ិ
សន្នដា
ិ ្ឋ ន៖ េនក្រមត
ិ ចាំបាច់ α = 0.05 ចំេពាះទន
ិ ្នន័យែដលឱ្យេយង
ី មន
ិ គាំ្រទការអះអាងែដល
ថា β1 = 0 េទ។
(e) ចេនា្លះេជឿជាក់ 95% ស្រមាប់ µY|x0

s ! s !
1 (x0 − x̄)2 1 (x0 − x̄)2
µ̂Y|x0 − tα/2,n−2 S 2 + ≤ µY|x0 ≤ µ̂Y|x0 + tα/2,n−2 S 2 +
n S xx n S xx
ែដល µ̂Y|x0 = β̂0 + β̂1 x0 = 72.618838 + (0.399676)(185) = 146.558898។ េយង

ី បាន
ចេនា្លះេជឿជាក់ 95% ស្រមាប់ µY|x0 គឺ
s !
1 (185 − 181.6)2
146.558898 − (2.101) (128.091555) + ≤ µY|x0 ≤
20 11490.8
s !
1 (185 − 181.6)2
146.558898 + (2.101) (128.091555) +
20 11490.8
ដូចេនះ
141.1888 ≤ µY|x0 ≤ 151.929
(f) ចេនា្លះពយករណ៍ 95% ស្រមាប់ Y0

s ! s !
1 (x 0 − x̄)2 1 (x0 − x̄)2
Ŷ0 − tα/2,n−2 S 1 + +
2 ≤ Y0 ≤ Ŷ0 + tα/2,n−2 S 1 + +
2
n S xx n S xx
ែដល
Ŷ0 = β̂0 + β̂1 x0 = 72.618838 + (0.399676)(185) = 146.558898
េយង
ី បានចេនា្លះេជឿជាក់ 95% ស្រមាប់ Y0 គឺ
s !
1 (185 − 181.6)2
146.558898 − (2.101) (128.091555) 1 + + ≤ Y0 ≤
20 11490.8
s !
1 (185 − 181.6)2
146.558898 + (2.101) (128.091555) 1 + +
20 11490.8
446
ដូចេនះ
122.1823 ≤ Y0 ≤ 170.9355
លំហាត់
1. ចំេពាះគំរូតែ្រមត្រមង់
Yi = β0 + β1 Xi + εi , i = 1, 2, . . . , n
447
iid
ែដល εi ∼ N(0, σ2 )។ សន្មត់ថា X មិនែមនជាអេថរៃចដន្យ។
(a) បងា្ហញថាអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត β̂0 និង β̂1 ៃន β0 និង β1 េរៀងគា្នជាអេថរៃចដន្យនរមា៉ល់

ែដលមានមធ្យម នង ិ វា៉ដ្យងែ់ ដល្រត�វកំនត់។
(b) េ្រកាមសម្មតិកម្ម H0 : β0 = 0 បងា្ហញថា
β̂0
q ∼ tn−2 .
S 2 1n + X̄ 2
S xx
(c) េ្រកាមសម្មតក
ិ ម្ម H0 : β1 = 0 បងា្ហញថា
β̂1
q ∼ tn−2 .
S2
S xx
Yi = α + β(xi − x̄) + εi , i = 1, . . . , n
ែដល E[εi ] = 0, V(εi ) = σ2 , Cov(εi , ε j ) = 0 ។
(a) រកអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត α̂, β̂ ៃន α, β េរៀងគា្ន។

(b) បងា្ហញថា α̂, β̂ ជាអ្នកបា៉ន់សា្មនមន
(c) គណនាវា៉ដ្យង់ V(α̂) នង
ិ V(β̂)
Yi = βXi + εi , i = 1, 2, . . . , n
ែដល E[εi ] = 0, V(εi ) = σ2 , Cov(εi , ε j ) = 0។ សន្មត់ថា X មិនែមនជាអេថរៃចដន្យ។
(a) រកអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត β̂ ៃន β
P
n
(b) សេសរ β̂ ជាទ្រមង់ β̂ = Ki Yi ែដល Ki នឹង្រត�វកំនត់
i=1
P
n
(c) តាង β∗ = Wi Yi ។ កំនត់លក្ខខណ្ឌៃន Wi េដម
ី ្បឱ
ី ្យ β ជាអ្នកបា៉ន់សា្មនមន
∗
ិ លេម្អ�ងៃន β។
i=1
ី ្យវា៉ដ្យង់អប្បបរមា។
(d) គណនា V(β∗ ) រួចរកលក្ខខណ្ឌេដីម្បឱ
(e) េតីអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត β̂ គឺជា BLUE ឬេទ?
4. េគឱ្យទន
Xi Yi
1 −1 −1
2 0 2
3 1 3
4 3 4
5 4 8
6 5 5
7 7 9
448
(a) រកបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនតាមវ ិធសា
ី ំផុត
(b) េតស្តសម្មតក
i. េដាយេ្របេី តស្ត t
ii. េដាយេ្របេី តស្ត F
(c) រកចេនា្លះពយករណ៍ 95% ស្រមាប់ Y ្រត�វនឹង X0 = 2
5. េគឱ្យទិន្នន័យខាងេ្រកាម
Xi Yi Xi Yi
1 22.9 21.9 11 5 12
2 82.4 60.8 12 49.7 29.2
3 40.1 78.6 13 26.9 38
4 185.9 92.4 14 5.7 10
5 26.9 50.7 15 7.6 12.3
6 20.4 21.4 16 9.2 23.4
7 166.2 40.1 17 32.4 71.1
8 27 40.8 18 6.1 4.4
9 45.6 10.4 19 50.1 32.1
10 154.9 88.9 20 74.1 99.6

ី ំផុត
(b) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់េមគុណ β0 ៃនបនា្ទត់តែ្រមត្រមង់
(c) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់េមគុណ β1 ៃនបនា្ទត់តែ្រមត្រមង់

(d) េតស្តសម្មតិកម្មែដលថា β1 = 0 េដាយេ្របី α = 0.05
(e) េតស្តសម្មតិកម្មែដលថា β0 = 0 េដាយេ្របី α = 0.05
(f) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់មធ្យមៃន Y ្រត�វនឹង X0 = 25

(g) រកចេនា្លះពយករណ៍ 95% ស្រមាប់ Y ្រត�វនង
ឹ X0 = 25
449
450
តែ្រមត្រមង់ពហុលេី នែអ៊រ
ី នឹងសិក�អំពគ ី ំរត
ូ ែ្រមត្រមងព ់ ហុលីេនែអ៊រែដលមានអេថរមិនអា្រស័យេ្រចីនជាងមួយ។
េយងី នង ឹ ពភា
ិ ក�អំពវី ិធសា
ី �ស្តកាេរខ្លប ី ៉ ន់សា្មនបា៉រា៉ ែម៉្រតែដលជាេមគុណតែ្រមត្រមង់ លក្ខណៈ
ី ំផុតេដីម្បបា
ី ំផុត ចេនា្លះេជឿជាក់ស្រមាប់េមគុណតែ្រមត្រមង់ េតស្តសម្មតិកម្ម េតស្តភាពសំខាន់
ៃនអ្នកបា៉ន់សា្មនកាេរខ្លប
ៃនគំរូតែ្រមត្រមង់ ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមៃនអេថរេឆ្លីយតប និងចេនា្លះពយករណ៍។
13.1 គំរ ូតែ្រមត្រមង់ពហុលេី នែអ៊រ
ក្នុងែផ្នកេនះេយងី នឹងសិក�គំរត ូ ែ្រមត្រមងេ់ នេពលអេថរមួយអា្រស័យនឹងអេថរមិនអា្រស័យេ្រចីនជាងមួយ

ែដលេយង ី េហថាគំរត ់ ហុលេី នែអ៊រ។ ជាឧទាហរណ៍្របាក់េមា៉ងគក
ូ ែំ រតំរងព ឺ ំនត់េដាយអេថរមន
ិ អា្រស័យពរី គឺ
ការអប់រ ំ នង
ិ បទពេិ សាធន៍ការងារ្រពមទាំងកតា្តមន
ិ អាចអេង្កតេផ្សងេទៀតែដលផ្ទុកេនក្នុងេល្អ�ងៃចដន្យ
្របាក់េមា៉ង = β0 + β1 ការអប់រ ំ + β2 បទពិេសាធន៍ + ε
អ្វែី ដលេយង
ី ចាប់អារម្មណ៍គឥឺ ទ្ធព
ិ លៃនការអប់រ ំ ក៏ដូចជាបទពេិ សាធន៍េនេល្រី បាក់េមា៉ង។ វាមនិ ខុសអំពគ
ី ំរូ
តែ្រមត្រមងធ ់ ម្មតាេទ េយង
ី នងឹ េធ្វកា
ី រសន្មតអ
់ ំពទ
ី ំនាក់ទំនងៃនេល្អ�ងៃចដន្យ នងិ អេថរមន ិ អា្រស័យការអប់រ ំ
ី អាចសេសរគំរូែដលមានអេថរមិនអា្រស័យពីរជាទ្រមង់
និងបទពិេសាធន៍ការងារ។ ជាទូេទេយង
Y = β0 + β1 X1 + β2 X2 + ε.
េនមានឧទាហរណ៍ជាេ្រចីនេផ្សងេទៀតអំពីទំនាក់ទំនងទាំងែបបេនះ៖
• ភាពេពញចិត្តៃនអ្នកជម្ងឺគឺអា្រស័យអាយុអ្នកជម្ងឺ ្របេភទពយបាល និងរយៈេពលសា្នក់េន។
• ការេ្រប្រី បាស់េ្របងឥន្ទនៈៃនរថយន្តគអា
ឺ ្រស័យនង
ឹ ្របេភទរថយន្ត កមា្លង
ំ េសះ ទំហស
ំ ុឡា
ី ងំ នង
ិ ទម្ងន់
រថយន្ត។
គំរត ់ ហុលេី នែអ៊រនង

ូ ែ្រមត្រមងព ឹ ផ្តលឱ
់ ្យេយង
ី នូវការយល់ដឹងេទេលទី ំនាក់ទំនងរវាងអេថរទាំងអស់េនះែដល
អាចនឹងមានសារ្របេយាជន៍ដល់ការអនុវត្តជាក់ែស្តង។ េយង ី នឹងសិក�គំរត ់ ហុលីេនែអ៊រ េធ្វីេតស្ត
ូ ែ្រមត្រមងព
សម្មតិកម្ម និងរកចេនា្លះេជឿជាក់ ្រពមទាំងពិនិត្យេមីលភាព្រគប់្រគាន់ៃនគំរត ់ ហុលីេនែអ៊រ។ ជាទូេទ
គំរូតែ្រមត្រមងព់ ហុលេី នែអ៊រេនក្នុងសាកលមានទ្រមងជា ់
Y = β0 + β1 X1 + β2 X2 + · · · + βk Xk + ε
ែដល
• Y ជាអេថរអា្រស័យ ឬអេថរេឆ្លីយតប
451
ិ អា្រស័យ ឬអេថរតែ្រមត្រមង់
• X1 , X2 , . . . , Xk ជាអេថរមន
• β0 , β1 , . . . , βk ជា k + 1 បា៉រា៉ ែម៉្រត
• ε ជាេល្អ�ងៃចដន្យ
13.2 ការបា៉ន់សា្មនបា៉រា៉ែម៉្រតៃនគំរ ូតែ្រមត្រមង់ពហុលេី នែអ៊រ
13.2.1 អ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត
េយង ី ្បីបា៉ន់សា្មនបា៉រា៉ ែម៉្រតេនក្នុងគំរូតែ្រមត្រមង់ពហុ លេី នែអ៊រ។ សន្មត់

ី អាចេ្របីវ ិធីសា�ស្តកាេរខ្លីបំផុតេដម
ថាេយង
ី មានចំនួនអេង្កត n > k និងតាង Xi j ជាអេង្កតទី i ៃនអេថរ X j ។ អេង្កតទាំងេនាះគឺ
(Xi1 , Xi2 , . . . , Xik , Yi ) i = 1, 2, . . . , n នង

ិ n>k
ឬអាចតំណាងេដាយតារាងខាងេ្រកាម
Y X1 X2 ··· Xk
Y1 X11 X12 ··· X1k
Y2 X21 X22 ··· X2k
.. .. .. ..
. . . .
Yn Xn1 Xn2 ··· Xnk
ី ួយៗ (Xi1 , Xi2 , . . . , Xik , Yi ) េផ្ទ�ងផា្ទត់គំរូតែ្រមត្រមង់ពហុលេី នែអ៊រ

អេង្កតនម
Yi = β0 + β1 Xi1 + β2 Xi2 + · · · + βk Xik + εi

Xk
= β0 + β j Xi j + εi , i = 1, 2, . . . , n
j=1
អនុគមន៍កាេរខ្លីបំផុតគឺកំនត់េដាយ
 2
X
n X
n 

 X
k 
S (β0 , β1 , . . . , βk ) = ε2i = Yi − β0 − β j i j
X 
 
i=1 i=1 j=1
េយង ី ចង់ រកអប្បបរមាៃន S េធៀបនង ឹ β0 , β1 , . . . , βk ។ អ្នក បា៉ន់សា្មនកាេរខ្លី បំផុត ៃន β0 , β1 , . . . , βk ្រត�វ

េផ្ទ�ងផា្ទត់
 
∂S X n 
 Xk 
= −2 Yi − β̂0 − β̂ j Xi j  = 0
∂β0 β̂0 ,β̂1 ,...,β̂k i=1 j=1
នង
ិ  
∂S X
n 
 X
k 
= −2 Yi − β̂0 − β̂ j Xi j  Xi j = 0, j = 1, 2, . . . , k
∂β j β̂0 ,β̂1 ,...,β̂k i=1 j=1
452
េយង
ី ទទួលបានសមីការនរមា៉ល់
X
n X
n X
n X
n
nβ̂0 + β̂1 Xi1 + β̂2 Xi2 + · · · + β̂k Xik = Yi
i=1 i=1 i=1 i=1
X
n X
n X
n X
n Xn
β̂0 Xi1 + β̂1 Xi12 + β̂2 Xi1 Xi2 + · · · + β̂k Xi1 Xik = Xi1 Yi
i=1 i=1 i=1 i=1 i=1
..
.
X
n X
n X
n X
n X
n
β̂0 Xik + β̂1 Xik Xi1 + β̂2 Xik Xi2 + · · · + β̂k Xik2 = Xik Yi
i=1 i=1 i=1 i=1 i=1

ី មានសមីការនរមា៉ល់ចំនួន k+1។ ចេម្លីយៃនសមីការនរមា៉ល់េនះជាអ្នកបា៉ន់សា្មនកាេរ
ខ្លី បំផុត β̂0 , β̂1 , . . . , β̂k ៃនេនក្នុងគំរូ តែ្រមត្រមង់ ពហុ លីេនែអ៊រ។ សមីការនរមា៉ល់ អាច្រត�វ បានេដាះ្រសាយ
េដាយេ្របវី ិធសា
ី �ស្តនានាស្រមាប់ការេដាះ្រសាយ្របព័ន្ធសមកា
ី រលេី នែអ៊រ។
ឧទាហរណ៍ 13.2.1. េគឱ្យទិន្នន័យ
y x1 x2
100 1 1
80 5 1
104 5 2
94 10 2
130 20 3
រកបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនពហុលីេនែអ៊រៃន
Y = β0 + β1 X1 + β2 X2 + ε
ី គណនា
X
n X
5 X
5 X
5
n = 5, Yi = 508, Xi1 = 41, Xi2 = 9, Xi12 = 551,
i=1 i=1 i=1 i=1
X
n X
5 X
5 X
5
Xi22 = 19, Xi1 Xi2 = 96, Xi1 Yi = 4560, Xi2 Yi = 966
i=1 i=1 i=1 i=1
ចំេពាះគំរូ Y = β0 + β1 X1 + β2 X2 + ε សមីការនរមា៉ល់គឺ
X
n X
n X
n
nβ̂0 + β̂1 Xi1 + β̂2 Xi2 = Yi
i=1 i=1 i=1
X
n X
n X
n Xn
β̂0 Xi1 + β̂1 Xi12 + β̂2 Xi1 Xi2 = Xi1 Yi
i=1 i=1 i=1 i=1
Xn Xn X
n Xn
β̂0 Xi2 + β̂1 Xi2 Xi1 + β̂2 Xi22 = Xi2 Yi
i=1 i=1 i=1 i=1
453
េយង
ី បាន
5β̂0 + 41β̂1 + 9β̂2 = 508

41β̂0 + 551β̂1 + 96β̂2 = 4560
9β̂0 + 96β̂1 + 19β̂2 = 966
ចេម្លយ
ី ៃនសមកា
ី រេនះគឺ
β̂0 = 66.1252, β̂1 = −0.3794, β̂2 = 21.4365
ដូចេនះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ ŷ = 66.1252 − 0.3794x1 + 21.4365x2
លំហាត់ 13.2.1. េគឱ្យទិន្នន័យបងា្ហញអំពីត្រម�វការផ្ទះ y (m2 ) អា្រតាការ្របាក់ x1 (%) និងអា្រតាគា្មន

ការងារេធ្វី x2 (%)
y x1 x2
65 9.0 10.0
59 9.3 8.0
80 8.9 8.2
90 9.1 7.7
100 9.0 7.1
105 8.7 7.2
រកបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនពហុលេី នែអ៊រៃន
Y = β0 + β1 X1 + β2 X2 + ε
13.3 គំរ ូតែ្រមត្រមង់ពហុលេី នែអ៊រក្នងទ្រមង់

ុ មា៉្រទីស
េយង ឹ សេសរគំរូតែ្រមត្រមង់លីេនែអ៊រ
ី នង
Yi = β0 + β1 Xi1 + β2 Xi2 + · · · + βk Xik + εi , i = 1, . . . , n
់ ៉ ្រទីស
ជាទ្រមងមា
      
Y1  1 X11 X12 . . . X1k  β0  ε1 
      
Y2  1 X21 X22 . . . X2k  β1  ε2 
 ..  =  .. .. .. ..   ..  +  .. 
 .   . . . .   .   . 
      
Yn 1 Xn1 Xn2 . . . Xnk βk εn
Y = Xβ + ε
454
ែដល Y ជាមា៉្រទីស n × 1, X ជាមា៉្រទីស n × (k + 1), β ជាមា៉្រទីស (k + 1) × 1 និង ε ជាមា៉្រទីស n × 1។
វ ិធានកាេរខ្លីបំផុតេ្របីស្រមាប់បា៉ន់សា្មន β ែដលេធ្វីឱ្យផលបូកកាេរៃនេល្អ�ង S (β) អប្បបរមា
X
n

S (β) = Yi − (β0 + β1 Xi1 + β2 Xi2 + · · · + βk Xik ) 2
i=1
X
n
= ε2i
i=1
=ε ε T
= (Y − Xβ)T (Y − Xβ)
សមា្គល់៖ εT ε ជាសា្ក ែលរេ្រពាះ εT ជាមា៉្រទីស 1 × n និង ε ជាមា៉្រទីស n × 1 េនាះផលគុណ εT ε ជា

ី 1 × 1 ។ េយង ី អាចសេសរ ε ε ជាទ្រមង់
T
εT ε = (Y − Xβ)T (Y − Xβ)
= (YT − βT XT )(Y − Xβ)
= YT Y − YT Xβ − βT XT Y + βT XT Xβ
េយង
ី មាន
(YT Xβ)T = βT XT Y
េហយ
ី េនះជាមា៉្រទីស 1 × 1 ដូចេនះ
YT Xβ = βT XT Y
εT ε = YT Y − 2βT XT Y + βT XT Xβ
អប្បបរមាៃន S (β) គឺ ទទួល បានេដាយឱ្យេដរេវៃន

ី S (β) េស្មន
ី ងឹ សូន្យ នង
ី
វ ិជ្ជមាន។ េយង
ី S (β) េធៀបនង
ឹ β
∂S
= −2XT Y + 2XT Xβ
∂β
េយង
ី េដាះ្រសាយរក β̂ ែដលេធ្វីឱ្យេដរេវេស្ម
ី ីនឹងសូន្យ
XT Xβ̂ = XT Y
−1
β̂ = XT X XT Y
−1
េបី មា៉្រទីស XT X មានច្រមាស់។ មា៉្រទីស XT X អត្ថិភាពេបី អេថរតែ្រមត្រមង់ គឺ មិន អា្រស័យ លីេនែអ៊រ
ែដលមានន័យថាមន
ិ មានជួរឈរណាមួយៃន X ជាបន្សំលេី នែអ៊រៃនជួរឈរេផ្សងេទៀត។ មា៉្រទស
ី Hessian
គឺ
∂2 S
= 2XT X
∂β∂βT
ជាមា៉្រទីសវ ិជ្ជមានេ្រពាះ
X
n
λ 2X X λ = 2 λ X Xλ = 2
T T T T
c2i ≥ 0
i=1
ែដល C = Xλ = (ci )។ ដូេច្នះអ្នកបា៉ន់សា្មនកាេរខ្លប

ី ំផុតគឱ ឺ ្យេដាយ
−1
β̂ = XT X XT Y
455
សមា្គល់ 13.3.1. សមីការមា៉្រទីស
XT Xβ̂ = XT Y
សមមូលនង
ឹ សមកា ី រែដលេយង ី ទទួលបានខាងេល។ ី តាមពតិ េទេយង ី មាន
 Pn Pn Pn    P 
 n Xi1 Xi2 · · · Xik  β̂0   ni=1 Yi 
Pn Pn 2
i=1 Pn i=1 Pn i=1
   Pn 
 i=1 Xi1 i=1 Xi1 i=1 Xi1 Xi2 · · · i=1 Xi1 Xik   β̂1   i=1 Xi1 Yi 
 .. .. .. .. ..   ..  =  .. 
 . . . . .   .   . 
Pn Pn Pn Pn 2     Pn 
i=1 Xik i=1 Xik Xi1 i=1 Xik Xi2 · · · i=1 Xik β̂k i=1 Xik Yi
េយង
ី ថាមា៉្រទីស X X ជាមា៉្រទីសសុីេម្រទី។
T
ករណីគំរ ូតែ្រមត្រមង់លេី នែអ៊រធម្មតា
េយង
ី ពន
ិ ត
ិ ្យេមល ី ំផុតស្រមាប់គំរូតែ្រមត្រមង់លេី នែអ៊រធម្មតា៖
ី រូបមន្តអ្នកបា៉ន់សា្មនកាេរខ្លប
Yi = β0 + β1 Xi + εi , i = 1, 2, . . . , n
ែដលក្នុងករណីេនះេយង
ី មាន
     
Y1  1 X1  ε1 
Y2  1 X2  " # ε2 
β
Y =  ..  , X =  .. ..  , β= 0 , ε =  .. 
 .   . .  β1  . 
     
Yn 1 Xn εn
េយង
ី ពន
ិ ត
ិ ្យេមល
ី ែផ្នកនម
ី ួយៗេនក្នុងរូបមន្តអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត៖
 
1 X1 
" # 
1 1 . . . 1 1 X2 
X X=
T
 
X1 X2 . . . Xn  ... ... 
 
1 Xn
" Pn Pn #
1 Xi
= Pn i=1 Pn 2
i=1
i=1 Xi i=1 Xi
" #
n nX̄
= Pn 2
nX̄ i=1 Xi
ច្រមាស់ៃនមា៉្រទស
ី X X គឺ
T
−1 " Pn 2 #
1 X −n X̄
XT X = P i=1 i
n ni=1 Xi2 − n2 X̄ 2 −nX̄ n
"Pn 2 #
1 i=1 Xi −nX̄
= Pn
n i=1 (Xi − X̄)2 −nX̄ n
និង
 
Y 
" #  1 
1 1 . . . 1 Y2 
XT Y =  
X1 X2 . . . Xn  ... 
 
Yn
" Pn # " #
Yi nȲ
= Pn i=1
= Pn
i=1 Xi Yi i=1 Xi Yi
456
ដូចេនះ
−1
β̂ = XT X XT Y
" Pn #" #
1 Xi2 −nX̄ nȲ
= Pn i=1Pn
n i=1 (Xi − X̄)2 −nX̄ n i=1 Xi Yi
Pn 2 Pn 
1  i=1 Xi (nȲ) − nX̄ Xi Yi 
= P  P
i=1 
n ni=1 (Xi − X̄)2  − nX̄ (nȲ) + n ni=1 Xi Yi
" Pn 2 P #
1 Ȳ i=1 Xi − X̄ ni=1 Xi Yi
= Pn Pn
i=1 (Xi − X̄) i=1 Xi Yi − n X̄ Ȳ
2
" Pn 2 P #
1 Ȳ i=1 Xi − nȲ X̄ 2 + nȲ X̄ 2 − X̄ ni=1 Xi Yi
= Pn Pn
i=1 (Xi − X̄) i=1 (Xi Yi − X̄ Ȳ)
2
" Pn 2 P #
1 Ȳ i=1 Xi − nX̄ 2 − X̄ ni=1 Xi Yi − nȲ X̄
= Pn Pn
i=1 (Xi − X̄) i=1 (Xi − X̄)(Yi − Ȳ)
2
ដូចេនះ
" #
1 ȲS xx − X̄S xy
β̂ =
S xx S xy
ី បាន
β̂0 = Ȳ − β̂1 X̄
S xy
β̂1 =
S xx
ែដល
X
n
S xx = (Xi − X̄)2
i=1
X
n
S xy = (Xi − X̄)(Yi − Ȳ).
i=1
ឧទាហរណ៍ 13.3.1. េគឱ្យទន

ិ ្នន័យដូចតារាងខាងេ្រកាម
x −3 −2 −1 0 2 5 6 8 11 12
y −9 −7 −5 −4 2 6 9 13 21 20
រកបនា្ទត់តែ្រមត្រមង់លីេនែអ៊របា៉ន់សា្មនេដាយេ្របីវ ិធីសា�ស្តមា៉្រទីស
ី មាន
   
−9 1 −3

−7 1 −2
  
−5 1 −1
   
−4 1 0 
 2  1 
2 
Y =   , X =  
 6  1 5 
   
 9  1 6 
 13  1 
   8 

 21  1 11 
 
20 1 12
457
ដូចេនះ
" # # " −1 " 0.1548 −0.0144#
10 38 46
X X=
T
, X Y= T
, X X =
T
38 408 709 −0.0144 0.0038
ដូចេនះ
−1
β̂ = XT X XT Y
" #" #
0.1548 −0.0144 46
=
−0.0144 0.0038 709
" #
−3.1009
=
2.0266
" #
β̂
= 0
β̂1
ដូេច្នះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ ŷ = −3.1009 + 2.0266x
ឧទាហរណ៍ 13.3.2. េគឱ្យទិន្នន័យ
y x1 x2
100 1 1
80 5 1
104 5 2
94 10 2
130 20 3
រកបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនពហុលីេនែអ៊រៃន
Y = β0 + β1 X1 + β2 X2 + ε
ី មាន
   
100 1 1 1
 80  1 5 1
   
Y = 104 , X = 1 5 2
   
 94  1 10 2
130 1 20 3
ដូចេនះ
   
 5 41 9   508 
   
XT X = 41 551 96 , XT Y = 4560 ,
   
9 96 19 966
 
−1  2.3076 0.1565 −1.8840
XT X =  0.1565 0.0258 −0.2044
 
−1.8840 −0.2044 1.9779
458
ដូចេនះ
−1
β̂ = XT X XT Y
  
 2.3076 0.1565 −1.8840  508 
  
=  0.1565 0.0258 −0.2044 4560
  
−1.8840 −0.2044 1.9779 966
 
 66.1252 
 
= −0.3794
 
21.4365
 
β̂0 
 
= β̂1 
 
β̂2
ដូេច្នះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ ŷ = 66.1252 − 0.3794x1 + 21.4365x2

លំហាត់ 13.3.1. 1. េគឱ្យទិន្នន័យដូចតារាងខាងេ្រកាម
x 42 58 27 36 70 24 53 37
y 150 175 25 75 250 50 250 100
់ ហុលេី នែអ៊រជាទ្រមង់មា៉្រទស
(a) សេសរតែ្រមត្រមងព ី
−1
(b) គណនា XT X, XT X នង ិ X Y
T
(c) រកអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុតៃន β
ិ ្នន័យ
y x1 x2
4 3 1
3 2 5
6 3 3
5 1 2
(a) សេសរតែ្រមត្រមង់ពហុលីេនែអ៊រជាទ្រមង់មា៉្រទីស
−1
(b) គណនា XT X, XT X នង ិ X Y
T
(c) រកអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតៃន β
េដម
ី ្បី សក ី ្រត�វការការសន្ម ត់ េនក្នុងគំរូ តែ្រមត្រមង់ ពហុ
ិ �អំពី លក្ខណៈៃនអ្នក បា៉ន់សា្មនកាេរខ្លី បំផុត េយង
លីេនែអ៊រ៖
1. E[ε] = 0
459
2. E[εεT ] = σ2 I
3. Rank(X) = k + 1
4. X មន
ិ ែមនជាអេថរៃចដន្យ
5. ε ∼ N(0, σ2 I)
សមា្គល់ 13.3.2. េនេពលែដល X ជាអេថរៃចដន្យេនាះេយង
ី ចាំបាច់សន្មត់ថាតៃម្លអេង្កត Xi មន
គា្ន េហយ
ី វាមន
ឹ េល្អ�ងៃចដន្យ ε។ េនេពលែដលេធ្វេី តស្តសម្មតក
ិ ម្ម ឬរកចេនា្លះេជឿជាក់េយង
ី ្រត�វ
់ បំែនងែចកមានលក្ខខណ្ឌៃន Y េដាយដង ឹ X1 , X2 , . . . , Xk ជាអេថរៃចដន្យនរមា៉ល់េ្រចីនអេថរែដល
ិ វា៉ដ្យង់ σ I។ តាមពត
មានមធ្យម β0 + β1 X1 + · · · + βk Xk នង ិ េទ េនេពលែដល X ជាអេថរៃចដន្យ េយង ី
2
សិក�េ្រកាមលក្ខខណ្ឌេដាយដឹង X េនាះអនុគមន៍ៃន X អាចចាត់ទុកថាមិនែមនអេថរៃចដន្យ សង្ឃម

ឹ គណិត
វា៉ដ្យង់ និងកូវា៉ដ្យង់គឺមានលក្ខខណ្ឌេដាយដឹង X។
ី ្ដ ទ 13.3.1. អ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត β̂ ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ង

្រទឹសប
E[β̂] = β
បែន្ថមពីេលេី នះ
−1
V(β̂) = σ2 XT X .

ី មានអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុតគឱ
−1
β̂ = XT X XT Y
−1
= XT X XT (Xβ + ε)
−1 −1
= XT X XT Xβ + XT X XT ε
−1
= β + XT X XT ε
h i −1
E β̂ = E β + XT X XT ε
−1
= β + XT X XT E[ε]
−1
= β + XT X XT .0
=β
មា៉្រទីសវា៉ដ្យង់-កូវា៉ដ្យង់
−1
V β̂ = V β + XT X XT ε
−1
= V XT X XT ε
−1 −1 T
= XT X XT V(ε) XT X XT
−1 −1
= XT X XT V(ε)X XT X
−1 −1
= XT X XT σ2 IX XT X
−1 −1
= σ2 XT X XT X XT X
−1
= σ2 XT X
□
460
ករណីគំរូតំែរតំរង់លេី នែអ៊រធម្មតា
" # "Pn 2 #
V(β̂0 ) Cov(β̂0 , β̂1 ) σ2 i=1 Xi −nX̄
= Pn
Cov(β̂1 , β̂0 ) V(β̂1 ) n i=1 (Xi − X̄)2 −nX̄ n
ី បាន
Pn
σ2 Xi2
i=1
V(β̂0 ) = Pn
n i=1 (Xi − X̄)2
σ2
V(β̂1 ) = Pn
i=1 (Xi − X̄)
2
−X̄σ2
Cov(β̂0 , β̂1 ) = Pn
i=1 (Xi − X̄)
2
លំហាត់ 13.3.2. េគឱ្យមា៉្រទស

ី Y4×1 ែដលជាអេថរៃចដន្យនរមា៉ល់េ្រចន
ី អេថរ N(Xβ, σ I) ែដលមា៉្រទស
2
ី
X4×3 េស្មីនឹង
 
1 1 2 
1 −1 2 
X =  

 1 0 −3 
1 0 −1
នង ី េមគុណតែ្រមត្រមង់។
ិ β3×1 ជាមា៉្រទស
−1
1. រកមា៉្រទស
ី មធ្យម នង ី វា៉ដ្យង់-កូវា៉ដ្យង់ៃន β̂ = X X X Y
T T
2. េបី YT = (6, 1, 11, 3)T គណនា β̂
គំរ ូតែ្រមត្រមង់បា៉ន់សា្មន
េបី β̂ ជាអ្នកបា៉ន់សា្មនៃន β េនក្នុងគំរូ Y = Xβ + ε េនាះតៃម្លបា៉ន់សា្មនគឺឱ្យេដាយ
Ŷ = Xβ̂
−1
= X XT X XT Y
= HY
−1
ែដល H = X XT X XT ជាមា៉្រទស
ី មួកែដលេផ្ទ�ងផា្ទត់លក្ខណៈ
1. H ជាមា៉្រទីសសុីេម្រទី
2. H ជាមា៉្រទីសស្វ័យគុណដូចគា្ន (idempotent)
H មា៉្រទីសសុេី ម្រទី
ចំេពាះ្រគប់មា៉្រទីសកាេរមានច្រមាស់េនាះេយង
ី មាន
(XT )−1 = (X−1 )T
េយង
ី បាន h iT h i−1
(XT X)−1 = (XT X)T = (XT X)−1
461
ដូចេនះ
−1 T
H T = X XT X XT
h iT
= X (XT X)−1 XT
−1
= X XT X XT
=H
H មា៉្រទីស idempotent
េយង
ី បងា្ហញថា H មា៉្រទស
ី idempotent ដូចខាងេ្រកាម
−1 −1
HH = X XT X XT X XT X XT
−1 −1
= X XT X XT X XT X XT
−1
= X XT X XT
=H
តាមរយៈភាពមន
ិ លេម្អ�ងៃនអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុតេយង
ី បានសង្ឃម
ឹ គណិតៃន Ŷ
h i
E[Ŷ] = E Xβ̂ = XE[β̂] = Xβ
និងវា៉ដ្យង់ៃន Ŷ
V(Ŷ) = V(Xβ̂)
= XV(β̂)XT
−1
= Xσ2 XT X XT
−1
= σ2 X XT X XT
= σ2 H
យក hi j ជាធាតុទី (i, j) ៃនមា៉្រទស
ី H េនាះធាតុៃន V(Ŷ) គឺ
V(Yi ) = σ2 hii , Cov(Yi , Y j ) = σ2 hi j
លំហាត់ 13.3.3. 1. ចំេពាះគំរូតែ្រមត្រមង់លីេនែអ៊រធម្មតា Yi = β0 + β1 Xi + εi , i = 1, 2, , . . . , n
(a) គណនាមា៉្រទីស H
(b) េផ្ទ�ងផា្ទត់ថា H ជាមា៉្រទីសសុីេម្រទី
(c) េផ្ទ�ងផា្ទត់ថា H ជាមា៉្រទីស idempotent
ិ ្នន័យដូចតារាងខាងេ្រកាម
x 4 1 2 3 3 4
y 16 5 10 15 13 22
(a) គណនាមា៉្រទីស H
(b) េផ្ទ�ងផា្ទត់ថា H ជាមា៉្រទស
(c) េផ្ទ�ងផា្ទត់ថា H ជាមា៉្រទីស idempotent
462
សំណល់
សំណល់តែ្រមត្រមង់គឺឱ្យេដាយ
e = Y − Ŷ = Y − Xβ̂ = Y − HY = (I − H)Y
ែដល I − H
1. ជាមា៉្រទស
ី សុេី ម្រទេី ្រពាះ
(I − H)T = IT − HT = (I − H)
2. ជាមា៉្រទីស idempotent េ្រពាះ
(I − H)(I − H) = I − 2H + HH = (I − H)
លក្ខណៈ 13.3.1. លក្ខណៈៃនសំណល់
1.
E[e] = 0
2.
V(e) = σ2 (I − H)
3.
XT e = 0
សមា្គល់ 13.3.3. យក hi j ជាធាតុទី (i, j) ៃនមា៉្រទស

ី H េនាះធាតុៃន V(e) គឺ
V(ei ) = σ2 (1 − hii )
Cov(ei , e j ) = −σ2 hi j
E[e] = (I − H)E[Y]
= (I − H)Xβ
−1
= (I − X XT X XT )Xβ
−1
= (X − X XT X XT X)β
= (X − X)β
=0
2.
V(e) = V((I − H)Y)

= (I − H)V(Y)(I − H)T
= (I − H)σ2 I(I − H)T
= (I − H)σ2 I(I − H)
= σ2 (I − H)(I − H)
= σ2 (I − H)
463
3.
XT e = XT (I − H)Y
= (XT − XT H)Y
−1
= (XT − XT X XT X XT )Y
= (XT − XT )Y
=0
លំហាត់ 13.3.4. ចំេពាះគំរត ់ េី នែអ៊រធម្មតា Yi = β0 +β1 Xi +εi , i = 1, 2, , . . . , n។ េ្របមា

ូ ែ្រមត្រមងល ី ៉ ្រទស
ី
−1
H = X XT X XT េដីម្បគ
ី ណនា
1. V(Ŷi )
2. Cov(Ŷi , Ŷ j )
3. V(ei )
4. Cov(ei , e j )
ផលបូកកាេរៃនេល្អ�ង
ផលបូកកាេរៃនេល្អ�ង (Error Sum of Squares) កំនត់េដាយ
X
n
SSE = e2i
i=1
= eT e
= YT (I − H)Y
= YT Y − β̂T XT Y
= εT (I − H)ε
eT e = ((I − H)Y)T ((I − H)Y)

= YT (I − H)T (I − H)Y
= YT (I − H)(I − H)Y
= YT (I − H)Y
= YT Y − YT HY
= YT Y − YT Xβ̂
= YT Y − β̂T XT Y
464
េយង ី េ្របីរូបមន្តេនះេដីម្បគ
ី ណនា S S E េ្រពាះ Y Y, X Y នង
T T
ិ β̂ ្រត�វបានគណនាែដលជាែផ្នកមួយៃនការ
បា៉ន់សា្មនកាេរខ្លីបំផុត។
eT e = YT (I − H)Y
= (Xβ + ε)T (I − H)(Xβ + ε)
= (Xβ + ε)T (I − H)Xβ + (Xβ + ε)T (I − H)ε
= 0 + (Xβ + ε)T (I − H)ε
= (βT XT + εT )(I − H)ε
= βT XT (I − H)ε + εT (I − H)ε
= 0 + εT (I − H)ε
= εT (I − H)ε
លំហាត់ 13.3.5. 1. ចំេពាះគំរត ់ ីេនែអ៊រធម្មតា Yi = β0 + β1 Xi + εi , i = 1, 2, , . . . , n។ េ្របី

រូបមន្ត
eT e = YT Y − β̂T XT Y
េដីម្បគ
ី ណនា S S E
2. េគឱ្យទិន្នន័យដូចតារាងខាងេ្រកាម
x 4 1 2 3 3 4
y 16 5 10 15 13 22
គណនា S S E
ការបា៉ន់សា្មន σ2
េយង
ី មាន
h i
E[S S E ] = E eT e
h i
= E εT (I − H)ε
h i h i
= E εT ε − E εT Hε
Xn X n Xn
= E[ε2i ] − hi j E[εi ε j ]
i=1 i=1 j=1
X
n
= nσ2 − hii E[εi εi ]
i=1n 
 X 
= nσ − 
2
hii  σ2
i=1
= nσ − tr(H)σ2
2
េយង
ី បានសន្មត់ថា Rank(X) = k + 1 េនាះ

tr(H) = tr X(XT X)−1 XT

= tr (XT X)(XT X)−1
= tr(Ik+1 )
=k+1
465
E[S S E ] = nσ2 − tr(H)σ2

= nσ2 − (k + 1)σ2
= (n − k − 1)σ2
សំេណើ 13.3.1. អ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន σ2 គឺ
SSE
σ̂2 =
n−k−1
1
E[σ̂2 ] = E[S S E ]
n−k−1
1
= (n − k − 1)σ2
n−k−1
= σ2
□
លំហាត់ 13.3.6. 1. េយង
ី សន្មត់ថា Rank(X) = k + 1។ បងា្ហញថា
(a) tr(H) = Rank(H) = k + 1
(b) tr(I − H) = Rank(I − H) = n − k − 1
2. បងា្ហញថាតៃម្លផា្ទល់ៃនមា៉្រទស
ី H គឺេស្មីនឹង 0 ឬ 1។
្រទឹសប
ី ្ត ទ Gauss-Markov
ី ្ដ ទ 13.3.2. តាមការសន្ម ត់ េនក្នុងគំរូ តែ្រមត្រមង់ ពហុ លេី នែអ៊រ អ្នក បា៉ន់សា្មនកាេរខ្លី បំផុត β̂ គជា
្រទឹសប ឺ
BLUE
ស្រមាយបញ្ជ ក់. • លក្ខណៈលេី នែអ៊រនង
ិ ភាពមន
ិ លេម្អ�ង៖ េយង
−1
β̂ = XT X XT Y
េនះបញ្ជក់ថា β̂ ជាអ្នកបា៉ន់សា្មនលេី នែអ៊រេ្រពាះវាជាអនុគមន៍លេី នែអ៊រៃន Y។ េយង

ី ក៏បានបងា្ហញថា
E[β̂] = β
ែដលបញ្ជក់ថា β̂ ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន β
់ ប្បបរមា៖ េដីម្បបងា
• វា៉ដ្យងអ ់ ប្បបរមាេធៀបនឹងអ្នកបា៉ន់សា្មន
ី ំផុតមានវា៉ដ្យងអ
ី ្ហ ញថាអ្នកបា៉ន់សា្មនកាេរខ្លប
លីេនែអ៊រមិនលេម្អ�ងេផ្សងេទៀត េយង
ី កំនត់អ្នកបា៉ន់សា្មនលីេនែអ៊រៃន β េដាយ
β∗ = CY
ែដល C ជាមា៉្រទស
ី (k + 1) × n ។ េយង
ី មាន
E[β∗ ] = E[CY] = CE[Y] = CXβ
466
េដីម្បឱ
ី ្យ β ជាអ្នកបា៉ន់សា្មនមន
∗
ិ លេម្អ�ងៃន β េយង
CX = I
េយង
ី មាន
V(β∗ ) = V(CY) = CV(Y)CT = σ2 CCT

−1 −1 −1 −1 T
= σ2 C − XT X XT + XT X XT C − XT X XT + XT X XT
−1 −1 T
= σ D + X X X D + X X XT
2 T T T
−1 −1 −1

= σ2 DDT + σ2 DX XT X + σ2 XT X (DX)T + σ2 XT X
= σ2 DDT + 0 + 0 + V(β̂)
= σ2 DDT + V(β̂)
េ្រពាះ
−1 −1
DX = (C − XT X XT )X = CX − XT X (XT X) = I − I = 0
ដូចេនះ
V(β∗ ) − V(β̂) = σ2 DDT
ជាមា៉្រទីសវ ិជ្ជមានេ្រពាះ σ2 DDT ជាមា៉្រទីសវ ិជ្ជមាន។

ដូេច្នះ β̂ គជា
ឺ BLUE។ □
សមា្គល់ 13.3.4. β̂ គឺជា BLUE េបី
1. β̂ ជាអ្នកបា៉ន់សា្មនលីេនែអ៊រ
2. E[β̂] = β
3. V(β∗ ) − V(β̂) ជាមា៉្រទីសវ ិជ្ជមានចំេពាះ្រគប់អ្នកបា៉ន់សា្មនលីេនែអ៊រមិនលេម្អ�ងេផ្សងេទៀត β∗ ។
13.3.2 អ្នកបា៉ន់សា្មនឱកាសអតិបរមា
េនក្នុងគំរត ់ ហុលេី នែអ៊រ Y = Xβ + ε េយង

ូ ែ្រមត្រមងព ី សន្មតថា
់ េល្អ�ងជាអេថរៃចដន្យនរមា៉ល់មន
គា្នមានវា៉ដ្យង់េថរ σ2 ឬមានន័យថា ε ∼ N(0, σ2 I) េនាះ
Y ∼ N(Xβ, σ2 I)
Yi ∼ N(β0 + β1 Xi1 + β2 Xi2 + · · · + βk Xik , σ2 ), i = 1, . . . , n
អនុគមន៍ដង់សុីេតៃន Yi គឺ
1 1
fi (y) = √ exp − (y − β0 − β1 X i1 − β2 Xi2 − · · · − β k Xik ) 2
2πσ 2σ2
467
Qn
ឺ អនុគមន៍ដង់សុេី តរួមៃន Y1 , Y2 , . . . , Yn ឬ
អនុគមន៍ឱកាសគជា i=1 fi (Yi ) ។ ដូេច្នះអនុគមន៍ឱកាសគឺ
Y
n
L(Y, X; β, σ2 ) = fi (Yi )
i=1
 
1  1 X n

2
= exp − (Yi − β 0 − β1 X i1 − β2 X i2 − · · · − βk X ik ) 
(2π)n/2 σn 2σ2 i=1
!
1 1
= exp − 2 (Y − Xβ) (Y − Xβ)T
(2π)n/2 σn 2σ
អនុគមន៍ឱកាសឡូការតគ
ី ឺ
n n 1
ln L(Y, X; β, σ2 ) = − ln(2π) − ln(σ2 ) − (Y − Xβ)T (Y − Xβ)
2 2 2σ2
អ្នកបា៉ន់សា្មនឱកាសអតប ិ រមាៃន β នង
ិ σ គឺទទួលបានេដាយេដាះ្រសាយសមកា
2
ី រេដរេវទ
ី មី ួយេដាយែផ្នក
ៃន ln L(Y, X; β, σ2 ) េធៀបនឹង β និង σ2 េស្មីនឹងសូន្យដូចខាងេ្រកាម៖
∂ 1
ln L(Y, X; β, σ2 ) = 2XT (Y − Xβ) = 0
∂β 2σ2
∂ n 1
ln L(Y, X; β, σ2 ) = − 2 + (Y − Xβ)T (Y − Xβ) = 0
∂σ 2 2σ 2(σ2 )2
េយង
ី បាន
XT Y − XT Xβ̂ ML = 0
XT Xβ̂ ML = XT Y
−1
β̂ ML = XT X XT Y
និង
n 1
− + (Y − Xβ̂ ML )T (Y − Xβ̂ ML ) = 0
2σ̂ ML 2σ̂4ML
2
n 1
= (Y − Xβ̂ ML )T (Y − Xβ̂ ML )
2σ̂ ML 2σ̂ ML
2 4
1
σ̂2ML = (Y − Xβ̂ ML )T (Y − Xβ̂ ML )
n
េដម
ី ្បបងា ិ σ̂ ML ជាអ្នកបា៉ន់សា្មនឱកាសអតប
ី ្ហ ញថា β̂ ML នង
2
ិ រមាេយង ី បងា្ហញថាមា៉្រទស
ី Hessian ជាមា៉្រទស ី
អវ ិជ្ជមានេន្រតង់ β = β̂ ML នងិ σ = σ̂ ML ។ ពន
2 2
ិ ត
ិ ្យេមល
ី េដរេវទ
ី ព
ី រី េដាយែផ្នកៃន ln L(Y, X; β, σ ) េធៀប
2
នឹង β និង σ2
∂2 1
ln L(Y, X; β, σ2 ) = − 2 XT X
∂β∂β T σ
∂ 2
n 1
ln L(Y, X; β, σ2 ) = − 6 (Y − Xβ)T (Y − Xβ)
∂(σ )
2 2 2σ 4 σ
∂2
1
ln L(Y, X; β, σ2 ) = − 4 XT (Y − Xβ)
∂β∂σ 2 σ
468
េយង
ី បានមា៉្រទស
ី Hessian
 ∂2 ln L(Y,X;β,σ2 ) 
 ∂2 ln L(Y,X;β,σ2 ) 

 2 ∂β∂βT 2 ∂β∂σ2 
 ∂ ln L(Y,X;β,σ ) ∂2 ln L(Y,X;β,σ2 ) 
∂σ2 ∂β ∂(σ )
2 2
ជាមា៉្រទីសអវ ិជ្ជមានេន្រតង់ β = β̂ ML និង σ2 = σ̂2ML ។
សំេណើ 13.3.2. អ្នកបា៉ន់សា្មនឱកាសអតប

ិ រមាៃន β នង
ិ σ គឱ
2
−1
β̂ ML = XT X XT Y
1
σ̂2ML = (Y − Xβ̂ ML )T (Y − Xβ̂ ML )
n
សមា្គល់ 13.3.5. • អ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន β គឺជាអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតៃន β

−1
β̂ ML = XT X XT Y = β̂
ដូចេនះអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន β គឺជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន β។
• អ្នក បា៉ន់សា្មនកាេរខ្លី បំផុត ៃន σ2 គឺ σ̂2 ែដលមានទំនាក់ទំនងនង

ឹ អ្នក បា៉ន់សា្មនឱកាសអតប
ិ រមាៃន
σ តាមរយៈ
2
n−k−1 2
σ̂2ML = σ̂
n
ដូចេនះអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន σ2 គឺជាអ្នកបា៉ន់សា្មនលេម្អ�ងៃន σ2 ។
ី ្ដ ទ 13.3.3. ក្នុងគំរូតែ្រមត្រមង់ពហុលេី នែអ៊រ Y = Xβ + ε ែដល ε ∼ N(0, σ2 I) េយង

្រទឹសប ី មាន
−1
β̂ ∼ N β, σ2 XT X ,

Ŷ ∼ N Xβ, σ2 H ,

e ∼ N 0, σ2 (I − H) ,
−1
ែដល H = X XT X XT ។ េលីសពីេនះេទេទៀត e គឺមិនអា្រស័យនឹង β̂ និង Ŷ ។
ស្រមាយបញ្ជ ក់. ពិនិត្យវុ ិចទ័រ

   T −1 T 
 β̂   X X X 
   
v = Ŷ =  H  Y ∈ Rk+1+2n
   
e I−H
េដាយសារ Y ជាអេថរៃចដន្យនរមា៉ល់េ្រចីនអេថរេនាះ v ក៏ជាអេថរៃចដន្យនរមា៉ល់េ្រចីនអេថរ។ ដូចេនះ β̂, Ŷ

នងិ e ជាអេថរៃចដន្យនរមា៉ល់េ្រចន
ី អេថរ។
សង្ឃមឹ គណិតៃន v គឺ
     
 XT X −1 XT   β   β 

     
E[v] =  H  Xβ =  HXβ  = Xβ
  
I−H (I − H)Xβ 0
469
ពីេ្រពាះ HX = X ។ ដូេច្នះេយង
ី បាន
E[β̂] = β
E[Ŷ] = Xβ
E[e] = 0
េយង
−1
V(β̂) = σ2 XT X
V(Ŷ) = HV(Y)HT = H(σ2 I)H = σ2 H
V(e) = V((I − H)ε) = (I − H)(σ2 I)(I − H)T = σ2 (I − H)
ពេី ្រពាះ H នង
ិ I − H ជាមា៉្រទស
ី សុេី ម្រទី នង
ិ idempotent េដីម្ប្រី សាយភាពមនិ អា្រស័យគា្នេយង
ី ្រសាយ
ថាវាមិនមានទំនាក់ទំនងគា្នេ្រពាះ v ជាអេថរៃចដន្យនរមា៉ល់េ្រចីនអេថរ។ េយង ី មាន
Cov(β̂, e) = (XT X)−1 XT (σ2 I)(I − H)T

= (XT X)−1 (X − HX)T σ2
=0
ពេី ្រពាះ X = HX។ ដូចេនះ β̂ និង e គម

ឺ ិនទាក់ទងគា្នេនាះេយង
ី អាចសន្និដា្ឋនបានថាវាមិនអា្រស័យគា្នេ្រពាះ
v មានបំែនងែចកនរមា៉ល់។ ដូចគា្នែដរ
Cov(Ŷ, e) = H(I − H)T σ2

= (H − HHT )σ2
=0
ដូចេនះ Ŷ នង
ិ e មន
ិ អា្រស័យគា្ន។ □
សមា្គល់ 13.3.6. តាម្រទស

ឹ ីប
្ត ទខាងេលេី យង
ី ទទួលបានលក្ខណៈបែន្ថមៃនមា៉្រទស
ី H។ េដាយសារ
V(Yi ) = σ2 hii
V(ei ) = σ2 (1 − hii )
ី បាន hii ≥ 0 និង 1 − hii ≥ 0។ ដូេច្នះ
0 ≤ hii ≤ 1, i = 1, . . . , n
ី ្ដ ទ 13.3.4. ក្នុងគំរូតែ្រមត្រមង់ពហុ លេី នែអ៊រ Y = Xβ + ε ែដល ε ∼ N(0, σ2 I) នង

្រទឹសប ិ k+1 < n
េនាះ
(n − k − 1)σ̂2
∼ χ2n−k−1
σ2
ែដល
SSE eT e
σ̂2 = = .
n−k−1 n−k−1
ី មាន
(n − k − 1)σ̂2 = (Y − Xβ̂)T (Y − Xβ̂) = YT (I − H)Y = εT (I − H)ε.
470
ី I − H អាចសេសរជា I − H = PΛP ែដល P ជាមា៉្រទីសអរតូកណា
T
ូ ល់និង Λ = diag(λ1 , . . . , λn )
។ មយ៉ងេទៀតេដាយសារ I − H = (I − H)2 េនាះ λi ∈ {0, 1} ។ តាង ϵ = PT ε ∼ N(0, σ2 I) េនាះ
εT (I − H)ε ϵ T Λϵ
= ∼ χ2ν
σ 2 σ 2
ែដល ν ជាចំនួនៃន λi = 1 មានន័យថា ν = tr(I − H) ។ ដូេច្នះ

ν = n − tr(H) = n − tr X(XT X)−1 XT

= n − tr (XT X)(XT X)−1 = n − tr(Ik+1 ) = n − (k + 1).
□
សមា្គល់ 13.3.7. • ្រទសឹ ប
ី្ត ទ៖ មា៉្រទស
ី A ∈ R ជាមា៉្រទស
n×n
ី សុេី ម្រទល
ី ុះ្រតាែតមានមា៉្រទស
ី អង្កត់្រទ�ង
D ∈ Rn×n និងមា៉្រទីសអរតូកូណាល់ P ∈ Rn×n ែដល A = PDPT
• ϵ = PT ε ∼ N(0, σ2 I) េ្រពាះ
E[ϵ] = PT E[ε] = 0
V[ϵ] = PT V(ε)P = PT (σ2 I)P = σ2 PT P = σ2 I
• េដាយសារ ϵi
σ
∼ N(0, 1) េនាះ
ϵ T Λϵ X ϵi2
n
= λi 2 ∼ χ2ν
σ 2
i=1
σ
ែដល ν ជាចំនួនៃន λi = 1។ បែន្ថមពីេលីេនះ

ν = tr(Λ) = tr(PΛPT ) = tr(I − H).
ី ្ដ ទ 13.3.5. សន្មតថា
្រទឹសប ់ Y ∼ N(Xβ, σ2 I) ែដល X ជាមា៉្រទីស n × (k + 1) និង XT X ជាមា៉្រទស
ី មាន
ច្រមាស់។ ចំេពាះវុ ិចទ័រមន
ិ សូន្យ c(k+1)×1 េយង
ី មាន
cT β̂ − cT β
p ∼ tn−k−1
σ̂ cT (XT X)−1 c
ែដល
−1
β̂ = XT X XT Y
SSE eT e
σ̂2 = =
n−k−1 n−k−1
ស្រមាយបញ្ជ ក់. តាង
cT β̂ − cT β
U= p
σ cT (XT X)−1 c
េនាះ U ∼ N(0, 1)។ តាង V = េនាះ V ∼ χ2n−k−1 ។ េយង
(n−k−1)σ̂2
σ2 ី មាន U ជាអនុគមន៍ៃន β̂ នង
ិ V ជា
អនុគមន៍ៃន e ដូចេនះ U និង V មិនអា្រស័យគា្ន។ តាមនិយមន័យៃនបំែនងែចក t េយង ី បាន
T β̂−cT β
√c
c β̂ − c β
T T
σ cT (XT X)−1 c U
p = q = √ ∼ tn−k−1 .
σ̂ cT (XT X)−1 c (n−k−1)σ̂2
/(n − k − 1) V/(n − k − 1)
σ2
471
សមា្គល់ 13.3.8. • េយង
ី មាន −1
β̂ ∼ N β, σ X X
T 2
េនាះ −1
c β̂ ∼ N c β, σ c X X c
T T 2 T T
េ្រពាះ
E[cT β̂] = cT E[β̂] = cT β

−1
V[cT β̂] = cT V[β̂]c = σ2 cT XT X c
• ជាទូេទេយង
ី មិនសា្គល់ σ េនាះេយង
2
ី បា៉ន់សា្មនវាេដាយអ្នកបា៉ន់សា្មនមិនលេម្អ�ង σ̂ ។
2
លំហាត់ 13.3.7. ក្នុងគំរូតែ្រមត្រមង់ពហុ លេី នែអ៊រ Y = Xβ + ε ែដល ε ∼ N(0, σ2 I) នង

ិ k + 1 < n។
តាង σ̂2ML ជាអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន σ2 និង c(k+1)×1 ជាវុ ិចទ័រមិនសូន្យ។ បងា្ហញថា
1.
nσ̂2ML /σ2 ∼ χ2n−k−1
2. s
n−k−1
cT (β̂ − β) ∼ tn−k−1
nσ̂2ML cT (XT X)−1 c
ី ្ដ ទ 13.3.6. សន្មតថា
្រទឹសប ់ Y ∼ N(Xβ, σ2 I) ែដល X ជាមា៉្រទីស n × (k + 1) និង XT X ជាមា៉្រទីសមាន
ច្រមាស់។ ចំេពាះមា៉្រទីស C(k+1)×r ែដលមានជួរឈរមិនអា្រស័យគា្នេនាះ
1 −1 −1
(β̂ − β) C C X X C CT (β̂ − β)/σ̂2 ∼ Fr,n−k−1
T T T
r
ែដល
−1
β̂ = XT X XT Y
SSE eT e
σ̂2 = =
n−k−1 n−k−1
−1
ស្រមាយបញ្ជ ក់. តាង U = CT (β̂ − β)/σ េនាះ U ∼ N(0, Σ) ែដល Σ = CT XT X C ជាមា៉្រទស
ី
r × r មានច្រមាស់។ ដូេច្នះ
UT Σ−1 U ∼ χ2r
តាង V = (n−k−1)σ̂2
σ2
េនាះ V ∼ χ2n−k−1 ។ អេថរៃចដន្យ χ2 ទាំងពរី មន
ិ អា្រស័យគា្នេ្រពាះ β̂ គម
ឺ ន
ឹ
σ̂2 ។ ដូចេនះតាមនិយមន័យៃនបំែនងែចក F េយង
ី បាន
UT Σ−1 U/r 1 −1 −1
(n−k−1)σ̂2
= (β̂ − β)T
C CT
XT
X C CT (β̂ − β)/σ̂2
σ2
/(n − k − 1) r
∼ Fr,n−k−1
□
លំហាត់ 13.3.8. ក្នុងគំរូតែ្រមត្រមង់ពហុ លីេនែអ៊រ Y = Xβ + ε ែដល ε ∼ N(0, σ2 I) និង k + 1 < n។
តាង σ̂2ML ជាអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន σ2 ។ បងា្ហញថា
472
1.
(β̂ − β)T XT X(β̂ − β)
∼ χ2k+1
σ2
2.
(n − k − 1)
(β̂ − β)T XT X(β̂ − β) ∼ Fk+1,n−k−1
n(k + 1)σ̂ ML
2
13.4 េតស្តសម្មតិកម្មកងគំ
ុ្ន រ ូតែ្រមត្រមង់ពហុលេី នែអ៊រ
េនក្នុងែផ្នកមុនេយង
ី បាន
• រកគំរូតែ្រមត្រមង់ពហុលីេនែអ៊រ
• បា៉ន់សា្មនបា៉រា៉ ែម៉្រត
• សិក�អំពីលក្ខណៈៃនអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត
ី េធ្វីការសំេរចចិត្តអំពីគំរូតែ្រមត្រមង់
ី ំរូតែ្រមត្រមង់ល្រ្អ គប់្រគាន់ស្រមាប់ទន
1. េតគ ិ ្នន័យឬេទ?
2. េតេី យង ិ ជា្រត�វការអេថរតែ្រមត្រមង់ទាង
ី ពត ំ អស់េនក្នុងគំរូឬេទ?
េយង
ី នឹងេ្របីេតស្តសិត
្ថ ិ t និង F េតស្តេដីម្បេី ឆ្លីយសំនួរទាំងេនះ។
លក្ខណៈភាពវិភាគវា៉ដ្យង់
្រទឹសប
ី ្ដ ទ 13.4.1.
SST = SSR + SSE
ែដល
• S S T : ផលបូកកាេរសរុប
• S S R : ផលបូកកាេរៃនតែ្រមត្រមង់
• S S E : ផលបូកកាេរៃនេល្អ�ង
X
n X
n
SST = (Yi − Ȳ) =
2
Yi2 − nȲ 2 = YT Y − nȲ 2
i=1 i=1
X
n X
n X
n
SSR = (Ŷi − Ȳ)2 = Ŷi2 − 2Ȳ Ŷi +nȲ 2
i=1 i=1 i=1
|{z}
=nȲ
X
n
= Ŷi2 − nȲ 2 = ŶT Ŷ − nȲ 2 = β̂T XT Xβ̂ − nȲ 2
i=1
−1 −1
= YT X XT X XT X XT X XT Y − nȲ 2
= YT HY − nȲ 2
Xn
SSE = (Yi − Ŷi )2 = eT e = YT (I − H)Y
i=1
473
ដូចេនះ
S S R + S S E = YT HY − nȲ 2 + YT (I − H)Y
= YT Y − nȲ 2
= SST
ែដល
X
n
Ŷi = nȲ
i=1
េ្រពាះេយង
ី មាន
ei = Yi − Ŷi
េនាះ
X
n X
n
ei = (Yi − Ŷi ) = 0
i=1 i=1
□
Pn
ែឡម 13.4.0.1. ផលបូកៃនធាតុៃនវុ ិចទ័រេល្អ�ង e េស្មន
ី ងឹ សូន្យ មានន័យថា i=1 ei =0

ី មាន
e = (I − H)Y
ែដល I − H ជាមា៉្រទីស idempotent និងសុីេម្រទី។ បែន្ថមពីេនះ
(I − H)X = X − HX = X − X = 0
យក 1 = (1, 1, . . . , 1)T េនាះ
X
n
ei = 1T e = 1T (I − H)Y = 1T (I − H)T Y = [(I − H)1]T Y = 0T Y = 0
i=1
Pn
េ្រពាះជួរឈរទីមួយៃនមា៉្រទីស X គវឺ ុ ិចទ័រ 1។ ឬេយង
ី អាច្រសាយេដាយផ្ទុយពកា
ី រពិត៖ សន្មតថា
់ i=1 ei = nc
ែដល c , 0 េនាះ
X
n X
n
e2i = {(ei − c) + c}2
i=1 i=1
X
n X
n
= (ei − c)2 + 2c (ei − c) + nc2
i=1
i=1n 
X
n
X 
= (ei − c) + 2c  ei − nc + nc2
2
i=1 i=1
X
n X
n
= (ei − c)2 + nc2 > (ei − c)2
i=1 i=1
Pn 2
ី ដឹង ថា i=1 ei ជាតៃម្ល អប្បបរមាៃន S (β) ដូចេនះមិន មានតៃម្ល ផលបូក កាេរែដលតូចជាងវាេទ
ប៉ុែន្ត េយង
េហយ ី េនះគផ ឺ ុ យព
្ទ កា
ី រពត
ិ ។ ដូេច្នះ c = 0។ □
474
បំែនងែចកផលបូកកាេរ

ី ្ដ ទ 13.4.2. េបី Z ∼ N 0, σ2 In×n និង Q ជាមា៉្រទីសសុីេម្រទីនិង idempotent េនាះ
្រទឹសប
ZT QZ
∼ χ2tr(Q)
σ 2
ស្រមាយបញ្ជ ក់. េដាយសារ Q ជាមា៉្រទីសសុីេម្រទីេនាះមានមា៉្រទីសអរតូកូណាល់ P ែដល
PT QP = Λ = diag(λ1 , λ2 , . . . , λn )
បែន្ថមពីេលីេនះ Q ជាមា៉្រទីស idempotent េនាះតៃម្លផា្ទល់ λi របស់វាគឺ 0 ឬ 1។ តាង Z∗ = PT Z េនាះ

េយង
ី បាន
E[Z∗ ] = PT E[Z] = 0
V(Z∗ ) = PT σ2 IP = σ2 PT P = σ2 I
ដូចេនះ
Z∗ ∼ N(0, σ2 I)
ពនិ ត
ិ ្យេមល
ី បំែនងែចក Z QZ េដាយេ្របប
T
ី ែម្លង Z ។ េដាយសារ P ជាមា៉្រទស
∗
ី អរតូកូណាល់េនាះច្រមាស់
របស់វាេស្មីនឹង្រតង់ស្បូរបស់
៉ វា មានន័យថា Z = (PT )−1 Z∗ = PZ∗ ។ េយង
ី បាន
ZT QZ Z∗ PT QPZ∗
T
1
= = 2 Z∗T ΛZ∗
σ 2 σ 2 σ
X tr(Q) tr(Q) !2
1 X ∗2 X Zi∗
n
1 ∗2
= 2 λi Zi = 2 Z = ∼ χ2tr(Q)
σ i=1 σ i=1 i i=1
σ
ពិនិត្យេមីល
!
1 T 1
S S T = Y Y − nȲ = Y Y − Y JY = Y I − J Y
T 2 T
T
n n
!
1
S S R = YT HY − nȲ 2 = YT H − J Y
n
S S E = Y (I − H)Y
T
ែដល  
1 1 ... 1
 
1 1 ... 1
J = 11 =  ..
T
.. . . .. 
 . . . . 
 
1 1 ... 1
□
បំែនងែចក S S E
SSE 1 1
= 2 YT (I − H) Y = 2 εT (I − H)ε
σ 2 σ σ

• ε ∼ N 0, σ2 In×n
475
• មា៉្រទីស I − H ជាមា៉្រទីសសុីេម្រទីនិង idempotent
ដូចេនះ
SSE
∼ χ2ν
σ2
ែដល
ν = tr (I − H) = n − k − 1
បំែនងែចក S S R
!
1
SSR = Y T
H− J Y
n
េយង
ី បែម្លង
Y = Xβ + ε = 1β0 + X̃β̃ + ε
ែដល β̃ = (β1 , . . . , βk )T ។ ដូចេនះ
!
1
S S R = Y I − J Y − YT (I − H) Y
T
n
!
1
= Y I − J Y − εT (I − H)ε
T
n
!
1
= (1β0 + X̃β̃ + ε) I − J (1β0 + X̃β̃ + ε) − εT (I − H)ε
T
n
 
 
 ! ! ! 
 1 1 1 
= (1T β0 + β̃T X̃T + εT )  I − J 1β0 + I − J X̃β̃ + I − J ε − εT (I − H)ε
 n n n 
| {z } 
=0
! ! ! !
1 1 1 1
= 1 β0 I − J X̃β̃ + 1 β0 I − J ε +β̃ X̃ I − J X̃β̃ + β̃ X̃ I − J ε
T T T T T T
n n n n
| {z } | {z }
=0 =0
! !
1 1
+ ε I − J X̃β̃ + ε I − J ε − εT (I − H)ε
T T
n n
! ! !
1 1 1
= β̃ X̃ I − J X̃β̃ + 2β̃ X̃ I − J ε + ε H − J ε
T T T T T
n n n
ដូចេនះេបី β̃ = 0 េនាះ !
1
SSR = ε T
H− J ε
n
និង
!
SSR 1 T 1
= 2ε H − J ε
σ2 σ n

• ε ∼ N 0, σ2 In×n
• មា៉្រទស
ី H − n J ជាមា៉្រទស
1
ី សុេី ម្រទន
ី ង
ិ idempotent
ដូេច្នះេបី β̃ = 0 េនាះ !
SSR 1
∼ χν , ν = tr H − J = k
2
σ2 n
476
ភាពមិនអា្រស័យគា្ន
៉ ់
ី ្ដ ទ 13.4.3. េគឱ្យ n × 1 វុ ិចទ័រ Y ∼ N(0, I)។ តាង A ជាមា៉្រទីស idempotent n × n ែដលមានរង
្រទឹសប
m នង ី idempotent n × n ែដលមានរង៉ ់ s នង
ិ B ជាមា៉្រទស ិ សន្មត់ថា BA = 0 េនាះ Y AY នង
ិ Y BY
T T
ជាអេថរៃចដន្យ χ2 មិនអា្រស័យគា្ន។
េយងី េ្រប្រី ទឹសីប

្ត ទេនះេនក្នុងករណីរបស់េយង ី ៖ េដីម្បបងា
ី ្ហ ញភាពមិនអា្រស័យគា្នេយងី ្រត�វបងា្ហញថាផលគុណ
T T
ៃនមា៉្រទសី េនក្នុងទ្រមងេ់ ទ្វលេី នែអ៊រទាំងពរី σ (I − H) σ នង ិ σ H − n J σ េស្មន ី ង ឹ សូន្យ។ េយង
ី
ε ε ε 1 ε
បាន្រសាយថា
S S E ε T ε
= (I − H) ∼ χ2n−k−1
σ2 σ σ
!
S S R ε T 1 ε
= H− J ∼ χ2k
σ2 σ n σ
ី ្រត�វ្រសាយថាផលគុណៃន H − n J និង I − H េស្មីនឹងសូន្យ
1
!
1 1 1
H − J (I − H) = H − H2 − J + JH
n n n
1 1
=H−H− J+ J=0
n n
• H ជាមា៉្រទស
ី idempotent
ី n J អាចបែម្លងជា
• មា៉្រទស 1
   −1
1  1
  i 1 h
1 T 1 h i −1
1  ..  1 1 · · ·
1
J = 11 =  ..   1 1 · · ·  . 
1 = 1 1T 1 1T
n n  .    
 
1 1
បែន្ថមពីេលីេនះេយង
ី មាន
−1
XT H = XT X XT X XT = XT
ជាពិេសស 1T H = 1T េ្រពាះ 1 ជាជួរឈរទីមួយៃនមា៉្រទីស X។ ដូចេនះ

1 −1 −1 1
JH = 1 1T 1 1T H = 1 1T 1 1T = J
n n
បំែនងែចក S S T
េបី β̃ = 0 េនាះ
!
SST 1 T 1
= 2ε I − J ε
σ2 σ n

• ε ∼ N 0, σ2 In×n
• មា៉្រទីស I − 1n J ជាមា៉្រទីសសុីេម្រទីនិង idempotent
477
ដូចេនះេបី β̃ = 0 េនាះ !
SST 1
∼ χν , ν = tr I − J = n − 1
2
σ2 n
ដូេច្នះេបី β̃ = 0 េនាះ
•
SST SSE SSR
= 2 + 2 ∼ χ2 ែដលមានដឺេ្រកេសរ ី
σ 2 σ σ
(n − 1) = (n − k − 1) + k
ែដល SSE
σ2
និង SSR
σ2
ជាអេថរៃចដន្យ χ2 មិនអា្រស័យគា្ន។
• តាមនិយមន័យៃនបំែនងែចក F េយង
ី បាន
S S R /k
F= ∼ F(k, n − k − 1)
S S E /(n − k − 1)
13.4.1 េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់
ី នឹង េឆ្លីយ ថាេតី អេថរេឆ្លីយតប និង អេថរតែ្រមត្រមង់ មានទំនាក់ទំនងលីេនែអ៊រ ឬេទ?

េនក្នុងែផ្នក េនះេយង
េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់គជា ឺ េតស្តេដីម្បកី ំនត់ថាេតមា
ី នទំនាក់ទំនងលេី នែអ៊ររវាងអេថរេឆ្លយ
ី តប Y
និងអេថរតែ្រមត្រមង់ X1 , X2 , . . . , Xk ។ េតស្តសម្មតិកម្មេនះគឺ
H0 : β1 = β2 = · · · = βk = 0
H1 : β j , 0 យា៉ងេហាចណាស់ j មួយ
បដិេសដសម្មតក ិ ម្ម H0 : β1 = β2 = · · · = βk = 0 មានន័យថាយា៉ងេហាចណាស់មានអេថរតែ្រមត្រមង់

មួយ X1 , X2 , . . . , Xk រួម ចំែនកយា៉ងសំខាន់ េនក្នុងគំរូ តែ្រមត្រមង់។ េតស្ត ភាពសំខាន់ ៃនតែ្រមត្រមង់ គឺជា
់ េី នែអ៊រធម្មតា។ េយង
ទូេទកម្មៃនេតស្តែដលបានេ្របេី នក្នុងករណីតែ្រមត្រមងល ី ពន
ិ ត
ិ ្យេទេលល
ី ក្ខណៈភាព
វ ិភាគវា៉ដ្យងែ់ ដលផលបូកកាេរសរុប្រត�វបានបំែបកជាផលបូកៃនផលបូកកាេរតែ្រមត្រមងន
់ ិងផលបូកកាេរៃន
េល្អ�ងមានន័យថា
SST = SSR + SSE
េបី H0 : β1 = β2 = · · · = βk = 0 ពិតេនាះ
• S S R /σ2 ∼ χ2k ។ សមា្គល់ែដរថាចំនួនដឺេ្រកេសរៃនអេថរៃចដន្យ

ី χ2 េនះគេឺ ស្មីនឹងចំនួនអេថរតែ្រមត្រមង់
់
េនក្នុងគំរូតែ្រមត្រមង។
• S S E /σ2 ∼ χ2n−k−1
• S S E /σ2 នង
ិ S S R /σ ជាអេថរៃចដន្យមន
2
ិ្ថ ស
ិ ្រមាប់ H0 : β1 = β2 = · · · = βk = 0 គឺ
S S R /k MS R
F0 = = ∼ F(k, n − k − 1)
S S E /(n − k − 1) MS E
េយង
ី មាន
478
•
SSE
E = σ2
n−k−1
• S S
R β̃T XTc Xc β̃
E = σ2 +
k k

ែដល β̃ = (β1 , β2 , . . . , βk )T និង Xc = I − n1 J X̃
• េបី β̃ = 0 េនាះេយង
ី រ ំពង
ឹ ថា MS R /MS E េស្មន
ី ងឹ 1
• េបី β̃ , 0 េនាះេយង
ី រ ំពឹងថា MS R /MS E ធំជាង 1
ដូចេនះេបី H1 ពិតេនាះផលេធៀប F0 = MS R /MS E រ ំពឹងថាធំជាង 1។ ដូចេនះេយង ី បដិេសដសម្មតិកម្ម

H0 េដាយគាំ្រទសម្មតិកម្ម H1 មានន័យថាេយង
ី ទទួលយកគំរត ់ ហុលីេនែអ៊រេពលតៃម្ល F0 ធំជាង
1 កាន់ែតខា្លង
ំ ។
តារាងសេង្ខបវិភាគវា៉ដ្យង់ស្រមាប់េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់
ួ ផលបូកកាេរ ដេឺ ្រកេសរ ី មធ្យមកាេរ F0
តែ្រមត្រមង់ SSR k MS R MS R
MS E
េល្អ�ង SSE n−k−1 MS E

សរុប SST n−1
េតស្តសម្មតិកម្មេនក្រមិតចា ំបាច់ α
H0 : β1 = β2 = · · · = βk = 0
H1 : β j , 0 យា៉ងេហាចណាស់ j មួយ
MS R
T S : F0 =
MS E
RR : F ≥ Fα (k, n − k − 1)
p := P(F ≥ F0 )
រ ូបមន្តគណនា S S R , S S E
េយង
ី មាន
S S E = YT Y − β̂T XT Y
េដាយសារ  n 2
1 X 
S S T = Y Y −  Yi 
T
n i=1
ដូចេនះ
 n 2   n 2 

X   X  
S S E = YT Y −  Yi  − β̂T XT Y −  Yi  
1 1
n i=1 n i=1
ឬ
SSE = SST − SSR
 n 2
1 X 
S S R = β̂ X Y −  Yi 
T T
n i=1
479
ិ ្នន័យៃនរយៈេពលដឹកជញ្ជូ ន Y, ចំនួនទំនញ
ិ X1 , ចមា្ងយ X2
i Yi Xi1 Xi2 i Yi Xi1 Xi2

1 16.68 7 560 14 19.75 6 462
2 11.50 3 220 15 24.00 9 448
3 12.03 3 340 16 29.00 10 776
4 14.88 4 80 17 15.35 6 200
5 13.75 6 150 18 19.00 7 132
6 18.11 7 330 19 9.50 3 36
7 8.00 2 110 20 35.10 17 770
8 17.83 7 210 21 17.90 10 140
9 79.24 30 1460 22 52.32 26 810
10 21.50 5 605 23 18.75 9 450
11 40.33 16 688 24 19.83 8 635
12 21.00 10 215 25 10.75 4 150
13 13.50 4 255
េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់
ី មាន
 n 2
1 X  1
S S T = Y Y −  Yi  = 18310.63 − (559.6)2 = 5784.54
T
n i=1 25
 n 2
1 X 
S S R = β̂T XT Y −  Yi  = 18076.9 − (599.6)2 = 5550.81
1
n i=1 25
S S E = S S T − S S R = YT Y − β̂T XT Y = 233.73
ួ ផលបូកកាេរ ដឺេ្រកេសរ ី មធ្យមកាេរ F0
តែ្រមត្រមង់ 5550.81 2 2775.405 261.2
េល្អ�ង 233.73 22 10.624
សរុប 5784.54 24
េតស្តសម្មតិកម្ម H0 : β1 = β2 = 0 ចំេពាះ α = 0.05

ិ្ថ ិ
MS R 2775.405
F0 = = = 261.2
MS E 10.62
• េដាយសារតៃម្ល p = 4.687 × 10−16 ែដលជាតៃម្លដ៏តូចដូចេនះេយង

ី បដិេសដសម្មតិកម្ម H0 ។
• ឬេដាយសារ F0 > F0.05 (2, 22) = 3.44 េយង

ី បដិេសដសម្មតិកម្ម H0 ។
480
េយង
ី សន្និដា្ឋនថាមានទំនាក់ទំនងនឹងបរមាណដ
ិ ឹកជញ្ជូ ន និង (ឬ) ចមា្ងយ។ សមា្គល់ែដរថាតៃម្លេតស្តសិត
្ថ ិ
F0 និងតៃម្ល p មានបងា្ហញេនក្នុងតារាងសេង្ខបក្នុង R។
R2 និង R2 ែកស្រម�ល
េយង
ី អាចេ្របេី មគុណៃនពហុកំនត់ R េដីម្បវា ី ពសមរម្យៃនគំរូតែ្រមត្រមង់។
ី យតៃម្លេទេលភា
2
• េមគុណៃនពហុកំនត់ R2
SSR SSE
R2 = =1−
SST SST
េពលែដលចំនួនអេថរតែ្រមត្រមង់េកីនេឡងី េនាះតៃម្ល R េកីនេឡង

2
ី េទាះបីជាអេថរេនាះមិនចាំបាច់
ក៏េដាយ។ ដូចេនះ R អាចមន
2
ិ ែមនជារងា្វស់មាន្របេយាជន៍ស្រមាប់ភាពសមរម្យៃនគំរតូ ែ្រមត្រមង់។
• R2 ែកស្រម�ល
S S E /(n − k − 1) n − 1 SSE
R2adj = 1 − =1−
S S T /(n − 1) n − k − 1 SST
• េដាយសារ n−1
n−k−1
≥ 1 េនាះ
R2adj ≤ R2
• េដាយសារ S S E /(n − k − 1) និង S S T /(n − 1) ជាចំនួនេថរេនាះតៃម្ល R2adj នឹងេកីនេឡង

ី េនែដល
បែន្ថមអេថរេទេលីគំរូេបីការបែន្ថមអេថរេនាះបន្ថយមធ្យមកាេរៃនេល្អ�ង។
13.4.2 េតស្តេលើេមគុណតែ្រមត្រមង់នីមួយៗ
េនេពលែដលេយង ី បានកំនត់ថាយា៉ងេហាចណាស់មានអេថរតែ្រមត្រមងម ់ ួយែដលសំខាន់េនាះសំនួរបនា្ទប់

គេឺ តម
ី ួយណា? េតស្តែបបេនះនឹងមាន្របេយាជន៍កុ ងការកំ
្ន នត់ថាេតអ ់
ី េថរតែ្រមត្រមងណារួមចំែនកសំខាន់
ូ ែ្រមត្រមង់។ ជាឧទាហរណ៍គំរត
េនក្នុងគំរត ់ ចកាន់ែតល្អេដាយការបែន្ថមអេថរតែ្រមត្រមងខ
ូ ែ្រមត្រមងអា ់ ្លះ ឬ
481
់ ្លះែដលមានក្នុងគំរូ។ េតស្តសម្មតក
េដាយការលុបេចាលនូវអេថរតែ្រមត្រមងខ ិ ម្មស្រមាប់ភាពចាំបាច់ៃនេមគុណ
តែ្រមត្រមង់នីមួយៗ β j គឺ
H0 : β j = 0,
H1 : β j , 0
េបី H0 : β j = 0 មិន ្រត�វ បានបដិ េសដេនះបញ្ជក់ ថា អេថរតែ្រមត្រមង់ X j អាច្រត�វ បានលុបេចញពី គំរូ

តែ្រមត្រមង់។ េតស្តសតិ្ថ ស
ិ ្រមាប់សម្មតក
ិ ម្មេនះគឺ
β̂ j − β j
T0 = p ∼ tn−k−1
σ̂2C j j
ែដល
• σ̂2 = SSE
n−k−1
= eT e
n−k−1
−1
• C j j ជាធាតុអង្កត់្រទ�ងៃន XT X ែដល្រត�វនង
ឹ β̂ j
p
• se(β̂ j ) := σ̂2C j j ជាេល្អ�ងស្តង់ដាៃន β̂ j
ី បានបងា្ហញថាមា៉្រទីសវា៉ដ្យង់ កូវា៉ដ្យង់ៃន β̂
េយង
−1
V(β̂) = σ2 XT X
−1
• ធាតុ អង្កត់្រទ�ងៃន σ2 XT X ជាវា៉ដ្យង់ៃន β̂0 , β̂1 , . . . , β̂k និងធាតុ មិនែមនអង្កត់្រទ�ងជាកូ វា៉ដ្យង់។
ជាទូេទមា៉្រទីសវា៉ដ្យង់ កូ វា៉ដ្យង់ៃន β̂ ជាមា៉្រទីសសុីេម្រទី (k + 1) × (k + 1) ែដលធាតុ ទី j j គឺជាវា៉
ដ្យង់ៃន β̂ j ធាតុទី i j ជាកូវា៉ដ្យង់រវាង β̂i នង
ិ β̂ j ។
• អ្នកបា៉ន់សា្មនវា៉ដ្យង់ៃនេមគុណតែ្រមត្រមង់គឺទទួលបានេដាយជំនួស σ2 េដាយ σ̂2 ។
• ឬសកាេរៃនវា៉ដ្យង់ែដលបា៉ន់សា្មនស្រមាប់េមគុណតែ្រមត្រមង់ទី j េហថាេល្អ�ងស្តង់ដាៃន β̂ j ែដល

p
កំនត់េដាយ se(β̂ j ) := σ̂2C j j
េយង
cT β̂ − cT β
p ∼ tn−k−1
σ̂ cT (XT X)−1 c
យក c = (0, . . . , 0, 1, 0, . . . , 0)T ជាវុ ិចទ័រែដលមាន 1 ជាធាតុទី j េនាះេយង
ី បាន
β̂ j − β j
q ∼ tn−k−1
σ̂ (XT X)−1 j j
េ្រពាះ
•
cT β̂ = β̂ j
• h i
cT (XT X)−1 c = (XT X)−1
jj
482
េតស្តសម្មតិកម្មេនក្រមិតចា ំបាច់ α
H0 : β j = 0,
H1 : β j , 0
β̂ j − β j
T S : t0 = p
σ̂2C j j
RR : |T | ≥ tα/2,n−k−1
p := 2P(T ≥ t0 )
បដិេសដ H0 : β j = 0 េបី
• |t0 | ≥ tα/2,n−k−1
• ឬ តៃម្ល p ≤ α
ឧទាហរណ៍ 13.4.2. េនក្នុងឧទាហរណ៍ៃនរយៈេពលដឹកជញ្ជូ នេតស្តសម្មតិកម្មេនក្រមិតចាំបាច់ α = 0.05
H0 : β2 = 0
H1 : β2 , 0
−1
ធាតុអង្កត់្រទ�ងៃន XT X ែដល្រត�វនឹង β̂2 គឺ C22 = 0.00000123។ ដូចេនះតៃម្លេតស្តសិត
្ថ ិ
β̂2 − β2 0.01438
t0 = p = √ = 3.98
σ̂2C22 (10.6239)(0.00000123)
េដាយសារ t0.025,22 = 2.074 េនាះ េយង ី បដិ េសដ H0 : β2 = 0 និង សន្និដា្ឋនថាអេថរតែ្រមត្រមង់ X2 រួម
ចំែនកយា៉ងសំខាន់េនក្នុងគំរូតែ្រមត្រមង។់
13.4.3 េតស្តេលើសន
ំ ុំរងៃនេមគុណតែ្រមត្រមង់
ពន ិ ្យគំរូតែ្រមត្រមង់ពហុលេី នែអ៊រ
ិ ត
Y = Xβ + ε
ែដល Y : n × 1, X : n × (k + 1), β : (k + 1) × 1, ε : n × 1 ។ បំែបកមា៉្រទីស X និង β ដូចខាងេ្រកាម
h i " #
β
X = X1 X2 , β = 1
β2
ែដល
• X1 : n × (k + 1 − r), X2 : n × r,
• β1 : (k + 1 − r) × 1, β2 : r × 1
ី ចង់ កំនត់ ថា េតី សំ នុំ រងៃនអេថរតែ្រមត្រមង់ រម

េយង ួ ចំែនកយា៉ងសំខាន់ េនក្នុងគំរូ តែ្រមត្រមង់ ឬេទ។ េយង
ី
េធ្វីេតស្តសម្មតិកម្ម
H0 : β2 = 0, H1 : β 2 , 0
483
• គំរូេពញ
Y = X1 β1 + X2 β2 + ε
ែដលមានផលបូកកាេរតែ្រមត្រមង់ S S R (β)
• គំរូប្រង�មេ្រកាមសម្មតិកម្ម H0 : β2 = 0
Y = X1 β1 + ε
ែដលមានផលបូកកាេរតែ្រមត្រមង់ S S R (β1 )
ផលបូកកាេរបែន្ថម
ផលបូកកាេរតែ្រមត្រមង់េដាយសារែត β2 េដាយដឹងថា β1 េនក្នុងគំរូរច
ួ េហយ
ី គឺ
S S R (β2 | β1 ) = S S R (β) − S S R (β1 )
ី េនក្នុងផលបូកកាេរតែ្រមត្រមង់
ផលបូកកាេរេនះេហថាផលបូកកាេរបែន្ថមេដាយសារែត β2 េ្រពាះវាវាស់កំេនន
ែដលបានមកពី ការបែន្ថម អេថរតែ្រមត្រមង់ Xk−r+1 , Xk−r+2 , . . . , Xk េទក្នុងគំរូ តែ្រមត្រមង់ ែដលផ្ទុកអេថរ
តែ្រមត្រមង់ X1 , X2 , . . . , Xk−r រួចេហយ
ី ។ េយង
ី មាន S S R (β2 | β1 ) គម
ឺ ិនអា្រស័យនឹង S S E និងតាមសម្មតិកម្ម
H0 : β2 = 0 េនាះេតស្តសត
ិ្ថ ិ
S S R (β2 | β1 )/r
F0 = ∼ F(r, n − k − 1)
S S E /(n − k − 1)
ែដល r ជាចំនួនៃនេមគុណតែ្រមត្រមង់ែដល្រត�វេធ្វេី តស្ត។ េតស្តសម្មតក

ិ ម្ម
H0 : β2 = 0, H1 : β 2 , 0
្ថ ិ
[S S R (β) − S S R (β1 )]/r
F0 =
MS E
បដិេសដ H0 េបី F0 ≥ Fα (r, n − k − 1)
សមា្គល់ 13.4.1. េបប
ី ដេិ សដ H0 េនាះេយង
ិ ្ឋ នថាយា៉ងេហាចណាស់មានបា៉រា៉ ែម៉្រតមួយេនក្នុង
β2 មិនេស្មីនឹងសូន្យេហយ ់ ួយក្នុងចំណាម Xk−r+1 , Xk−r+2 , . . . , Xk
ី ដូេច្នះមានយា៉ងេហាចណាស់អេថរតែ្រមត្រមងម
េនក្នុង X2 រួមចំែនកយា៉ងសំខាន់េនក្នុងគំរូតែ្រមត្រមង់។
ករណីពេិ សស
H0 : β1 = β2 = · · · = βk = 0
េ្រកាមសម្មតក
ិ ម្ម H0 គំរូប្រង�មគឺ
Yi = β0 + εi
េនក្នុងករណីេនះ β̂0 = Ȳ នង
ិ S S R (β0 ) = 0 ។ ដូចេនះ
[S S R (β0 , β1 , . . . , βk ) − S S R (β0 )]/k
F0 =
S S E /(n − k − 1)
S S R (β0 , β1 , . . . , βk )/k
=
S S E /(n − k − 1)
MS R
= ∼ F(k, n − k − 1)
MS E
េយង
ី អាចគណនា S S R (β2 | β1 ) តាមរយៈ
484
• គំរូតែ្រមត្រមង់េពញ នង
ិ គំរូតែ្រមត្រមង់ប្រង�មេផ្សងគា្ន
• គំរូតែ្រមត្រមង់េពញជាមួយ X2 បនា្ទប់ពី X1 ែដលេនក្នុង R េយង

ី េ្របី anova()

ី មាន
S S T = S S R (β) + S S E (β)
S S T = S S R (β1 ) + S S E (β1 )
Pn
េ្រពាះ S S T = i=1 (Yi − Ȳ)2 ែដលមន ឹ អេថរតែ្រមត្រមង់ Xi ។ ដូចេនះ
S S R (β2 | β1 ) = S S R (β) − S S R (β1 )
= S S E (β1 ) − S S E (β)
ី ចង់ េធ្វី កំនត់ ថា អេថរ

ឧទាហរណ៍ 13.4.3. េនក្នុងឧទាហរណ៍ ៃនរយៈេពលដឹកជញ្ជូ ន។ ឧបមាថាេយង
តែ្រមត្រមង់ X2 រួមចំែនកសំខាន់េនក្នុងគំរូតែ្រមត្រមង់ឬេទ េយង

ី េធ្វេី តស្តសម្មតក
ិ ម្ម
H0 : β2 = 0, H1 : β 2 , 0
េដីម្បេី ធ្វីេតស្តសម្មតិកម្មេនះេយង
ី ្រត�វការផលបូកកាេរបែន្ថមេដាយសារែត β2
S S R (β2 | β0 , β1 ) = S S R (β2 , β1 , β0 ) − S S R (β1 , β0 )
= S S E (β1 , β0 ) − S S E (β2 , β1 , β0 )
គំរូេពញ Y = β0 + β1 X1 + β2 X2 + ε នង
ិ គំរូប្រង�ម Y = β0 + β1 X1 + ε
ស្រមាប់គំរូេពញ៖ េយង
ី មាន σ̂ = 3.259 េនាះ
S S E (β2 , β1 , β0 ) = (22)(3.259)2 = 233.6637
ស្រមាប់គំរូប្រង�ម៖ េយង
ី មាន σ̂ = 4.181 េនាះ
S S E (β1 , β0 ) = (23)(4.181)2 = 402.0575
485
ដូចេនះ
S S R (β2 | β0 , β1 ) = 402.0575 − 233.6637 = 168.4
្ថ ិ
S S R (β2 | β0 , β1 )/1 168.4

F0 = = = 15.85
S S E /22 10.62
េដាយសារ F0.05,1,22 = 4.30 ដូចេនះេយង ី បដិេសដ H0 : β2 = 0 ។ េយង ី សន្និដា្ឋនថាអេថរតែ្រមត្រមង់ X2

រួមចំែនកសំខាន់េនក្នុងគំរតូ ែ្រមត្រមង់។ ឬេយងី អាចគណនា S S R (β2 |β0 , β1 ) េដាយេ្របី anova() េនក្នុង
R
តារាងវ ិភាគវា៉ដ្យង់ស្រមាប់ Y = β0 + β1 X1 + β2 X2 + ε
ឧទាហរណ៍ 13.4.4. េគឱ្យទិន្នន័យៃនភាពធាត់ៃនរាងកាយ
486
i Yi Xi1 Xi2 Xi3 i Yi Xi1 Xi2 Xi3
1 11.90 19.50 43.10 29.10 11 25.40 31.10 56.60 30.00
2 22.80 24.70 49.80 28.20 12 27.20 30.40 56.70 28.30
3 18.70 30.70 51.90 37.00 13 11.70 18.70 46.50 23.00
4 20.10 29.80 54.30 31.10 14 17.80 19.70 44.20 28.60
5 12.90 19.10 42.20 30.90 15 12.80 14.60 42.70 21.30
6 21.70 25.60 53.90 23.70 16 23.90 29.50 54.40 30.10
7 27.10 31.40 58.50 27.60 17 22.60 27.70 55.30 25.70
8 25.40 27.90 52.10 30.60 18 25.40 30.20 58.60 24.60
9 21.30 22.10 49.90 23.20 19 14.80 22.70 48.20 27.10
10 19.30 25.50 53.50 24.80 20 21.10 25.20 51.00 27.50
1. េតស្តសម្មតិកម្ម
H0 : β3 = 0, H1 : β 3 , 0
H0 : β2 = β3 = 0, H1 : ∃ j : β j , 0, j = 2, 3
ី មានតារាងវ ិភាគវា៉ដ្យង់ស្រមាប់ Y = β0 + β1 X1 + β2 X2 + β3 X3 + ε
1. េតស្តសម្មតក
ិ ម្ម
H0 : β3 = 0, H1 : β 3 , 0
្ថ ិ
S S R (β3 | β0 , β1 , β2 )/1 11.55
F0 = = = 1.8773
S S E /16 6.15
េដាយសារ F0.05,1,16 = 4.49 ដូចេនះេយង ី មន
ិ បដិ េសដ H0 : β3 = 0 ។ េយង
ិ ្ឋ នថាអេថរ
តែ្រមត្រមង់ X3 មិនរួមចំែនកសំខាន់េនក្នុងគំរូតែ្រមត្រមង់។
H0 : β2 = β3 = 0, H1 : ∃ j : β j , 0, j = 2, 3
487
តារាងវ ិភាគវា៉ដ្យង់ តៃម្លេតស្តសត
ិ្ថ ិ
S S R (β2 , β3 | β0 , β1 )/2 44.71/2

F0 = = = 3.6352
S S E /16 6.15
េដាយសារ F0.05 (2, 16) = 3.63 ដូចេនះេយង

ី បដិេសដ H0 : β2 = β3 = 0 ។
13.4.4 េតស្តលេី នែអ៊រទូេទៃនេមគុណបា៉រា៉ែម៉្រត
• េតស្តសម្មតក
ិ ម្ម
H0 : Cβ = 0
ែដល C ជាមា៉្រទីស r × (k + 1) ែដលមានរង៉ ់ r ≤ k + 1 េហថាេតស្តលេី នែអ៊រទូេទ។
• សម្មតិកម្ម
H1 : Cβ , 0
• េតស្តលីេនែអ៊រទូេទស្រមាប់ H0 : Cβ = 0 រួមបញ្ចូ លករណីពិេសស
– េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់
ី ំនុំរងៃនេមគុណតែ្រមត្រមង់
– េតស្តេលស
េបី Y ∼ Nn (Xβ, σ2 I) និង C ជាមា៉្រទីស r × (k + 1) ែដលមានរង៉ ់ r ≤ k + 1 េនាះ
1. −1
Cβ̂ ∼ Nr Cβ, σ C X X CT
2T
2. េ្រកាមសម្មតិកម្ម H0 : Cβ = 0
T −1 −1
S S H /σ := Cβ̂ C X X CT Cβ̂/σ2 ∼ χ2r
2 T
3.
S S E /σ2 ∼ χ2n−k−1
4. S S H និង S S E មិនអា្រស័យគា្ន
488
េ្រកាមសម្មតិកម្ម H0 : Cβ = 0 េតស្តសិត
្ថ ិ
S S H /r
F0 =
S S E /(n − k − 1)
T −1 −1
Cβ̂ C X X CT Cβ̂/r
T
=
S S E /(n − k − 1)
∼ F(r, n − k − 1)
បដិេសដ H0 េបី F0 ≥ Fα (r, n − k − 1).

្ថ ិស្រមាប់សម្មតិកម្ម H0 : Cβ = 0 អាចសេសរជាទ្រមង់
សមា្គល់ 13.4.3. េតស្តសិត
S S H /r
F0 =
S S E (F M)/(n − k − 1)
[S S R (F M) − S S R (RM)]/r
=
S S E (F M)/(n − k − 1)
[S S E (RM) − S S E (F M)]/r
=
S S E (F M)/(n − k − 1)
ឬេដាយសារ S S E (RM) = S S T (1 − R2RM ), S S E (F M) = S S T (1 − R2F M )
[R2F M − RRM
2
]/r
F0 =
(1 − RF M )/(n − k − 1)
2
េតស្តបន្ស ំលីេនែអ៊រៃនេមគុណតែ្រមត្រមង់
េតស្តសម្មតិកម្ម H0 : cT β = 0 េ្របី cT ជំនួសមា៉្រទីស C ក្នុង Cβ = 0 េយង
ី មាន r = 1 និងេតស្តសិត
្ថ ិ
T −1 −1
c β̂ c X X c cT β̂
T T T
F0 =
S S E /(n − k − 1)
2
cT β̂
=
σ̂2 cT (XT X)−1 c
∼ F(1, n − k − 1)
ែដល σ̂2 = SSE

n−k−1
ី មានគំរូតែ្រមត្រមង់
ឧទាហរណ៍ 13.4.5. ឧបមាថាេយង
Y = β0 + β1 X1 + β2 X2 + ε
ី ចង់េធ្វេី តស្តថាេតេី មគុណតែ្រមត្រមង់ពរី េស្មគា

េយង ី ្ន ឬអត់
H0 : β1 = β2
H1 : β1 , β2
េតស្តសម្មតកិ ម្មេនះអាចសេសរជា H0 : Cβ = 0 ែដល C = [0, 1, −1] ។ េ្រកាមសម្មតក

ិ ម្ម H0 េយង
ី បាន
គំរូប្រង�ម
Y = β0 + β1 (X1 + X2 ) + ε
ឧទាហរណ៍ 13.4.6. េគឱ្យទិន្នន័យខាងេ្រកាម
489
i Yi Xi1 Xi2 Xi3 X4i
1 29 33 53 3.32 3.42
2 24 31 36 3.10 3.26
3 26 33 51 3.18 3.18
4 22 37 51 3.39 3.08
… … … … … …
32 22 37 37 2.73 2.59
ិ ម្ម
H0 : β1 = β3 = 0 ឬ H0 : Cβ = 0
ែដល " #
0 1 0 0 0
C=
0 0 0 1 0
ចេម្លើយ. គំរូេពញ Y = β0 + β1 X1 + β2 X2 + β3 X3 + β4 X4 + ε
្ថ ិ
T −1 −1
Cβ̂ C X X CT Cβ̂/r
T
F0 =
S S E /(n − k − 1)
37.15884/2
=
201.2283/27
= 2.49
490
េដាយសារ F0.05 (2, 27) = 3.35 េនាះេយង ី មន
ិ បដិេសដ H0 : β1 = β3 = 0។
គំរូប្រង�ម Y = β0 + β2 X2 + β4 X4 + ε ឬ
[S S E (RM) − S S E (F M)]/r
F0 =
S S E (F M)/(n − k − 1)
(238.3709 − 201.2283)/2
=
201.2283/27
= 2.49
ឬ
[R2F M − R2RM ]/r
F0 =
(1 − R2F M )/(n − k − 1)
(0.9261 − 0.9124)/2
=
(1 − 0.9261)/27
= 2.5
ឬតាមតារាងវ ិភាគវា៉ដ្យង់
្ថ ិ
F0 = 2.4929
េដាយសារតៃម្ល p = 0.1015 > 0.05 = α េនាះេយង
ី មិនបដិេសដ H0 : β1 = β3 = 0
491
13.5 ចេនា្លះេជឿជាក់កងគំ
ុ្ន រ ូតែ្រមត្រមង់ពហុលេី នែអ៊រ
13.5.1 ចេនា្លះេជឿជាក់ស្រមាប់េមគុណតែ្រមត្រមង់នីមួយៗ
េនក្នុងគំរូតែ្រមត្រមង់ពហុលីេនែអ៊រេដីម្បរី កចេនា្លះេជឿជាក់ៃនេមគុណតែ្រមត្រមង់ β j េយង

ី សន្មត់ថាេល្អ�ង
εi ជាអេថរៃចដន្យនរមា៉ល់មិនអា្រស័យគា្នែដលមានមធ្យម 0 និងវា៉ដ្យង់ σ2 ។ ដូចេនះ
Pk
• អេថរេឆ្លយ
ី តប Yi ជាអេថរៃចដន្យនរមា៉ល់មិនអា្រស័យគា្នែដលមានមធ្យម β0 + j=1 β j Xi j និងវា៉ដ្យង់
σ2
• −1
β̂ ∼ N β, σ X X
T2
•
β̂ j − β j
T0 = p ∼ tn−k−1 , j = 0, 1, . . . , k
σ̂2C j j
−1
ែដល C j j ជាធាតុទី j j ៃនមា៉្រទីស XT X និង σ̂2 = n−k−1 SSE
ចេនា្លះេជឿជាក់ស្រមាប់េមគុណតែ្រមត្រមង់
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់េមគុណតែ្រមត្រមង់ β j , j = 0, 1, . . . , k គឱ ឺ ្យេដាយ
q q
β̂ j − tα/2,n−k−1 σ̂ C j j ≤ β j ≤ β̂ j + tα/2,n−k−1 σ̂2C j j
2
ឧទាហរណ៍ 13.5.1. េនក្នុងឧទាហរណ៍ រយៈេពលដឹកជញ្ជូ នរកចេនា្លះេជឿជាក់ 95% ៃន β1 ។ េយង

ី មាន
−1
β̂1 = 1.61591 ធាតុអង្កត់្រទ�ងៃន XT X ្រត�វនង
ឹ β̂1 គឺ C11 = 0.00274378 នង
ិ σ̂ = 10.6239 េនាះ
2
p p
β̂1 − t0.025,22 σ̂2C11 ≤ β1 ≤ β̂1 + t0.025,22 σ̂2C11
p p
1.61591 − (2.074) (10.6239)(0.00274378) ≤ β1 ≤ 1.61591 + (2.074) (10.6239)(0.00274378)
1.26181 ≤ β1 ≤ 1.97001
13.5.2 ចេនា្លះេជឿជាក់ស្រមាប់មធ្យមេឆ្លើយតប
េយងី អាចរកចេនា្លះេជឿជាក់ ស្រមាប់ មធ្យមេឆ្លីយតបេន្រតង់ ចំនុច x01 , x02 , . . . , x0k ។ េយង

ី កំនត់ វុ ិចទ័រ x0
េដាយ  
 1 
 x 
 01 
 
x0 =  x02 
 .. 
 . 
 
x0k
ី តបេន្រតង់ចំនុចេនះគឺ
មធ្យមេឆ្លយ
E[Y|x0 ] = µY|x0 = xT0 β
ែដលអាចបា៉ន់សា្មនេដាយ
µ̂Y|x0 = xT0 β̂
492
ែដលជាអ្នកបា៉ន់សា្មនមន
ិ លេម្អ�ងេ្រពាះ
E[xT0 β̂] = xT0 β = µY|x0
ិ វា៉ដ្យង់ៃន µ̂Y|x0 គឺ
នង
−1
V(µ̂Y|x0 ) = σ2 xT0 XT X x0
ចេនា្លះេជឿជាក់ 100(1 − α)% ស្រមាប់ µY|x0 អាចបេង្កីតបានេដាយេ្របីសិត

្ថ ិ
µ̂Y|x0 − µY|x0
q ∼ tn−k−1
σ̂2 xT0 (XT X)−1 x0
ចេនា្លះេជឿជាក់ស្រមាប់អេថរេឆ្លើយតប
េនក្នុងតែ្រមត្រមងព ់ ហុលីេនែអ៊រចេនា្លះេជឿជាក់ 100(1−α)% ស្រមាប់ µY|x0 េន្រតងច ់ ំនុច x01 , x02 , . . . , x0k
គឺ q q
µ̂Y|x0 − tα/2,n−k−1 σ̂ x0
2 T
(X T X) x0 ≤ µY|x0 ≤ µ̂Y|x0 + tα/2,n−k−1 σ̂2 xT0 (XT X)−1 x0
−1
ែដល
SSE
σ̂2 =
n−k−1
និង h i
xT0 = 1 x01 x02 . . . x0k
ឧទាហរណ៍ 13.5.2. ក្នុងឧទាហរណ៍រយៈេពលដឹកជញ្ជូ នរកចេនា្លះេជឿជាក់ 95% ស្រមាប់មធ្យមេឆ្លយ

ី តប
េន្រតង់ចំនុច x01 = 8, x02 = 275។ តាង
 
 1 
 
x0 =  8 
 
275
មធ្យមេឆ្លីយតបបា៉ន់សា្មនេន្រតង់ x0 គឺ
 
h i 2.34123
µ̂Y|x0 = xT0 β̂ = 1 8 275 1.61591 = 19.22
 
0.01438
វា៉ដ្យង់ៃន µ̂Y|x0 គបា

ឺ ៉ ន់សា្មនេដាយ −1
σ̂2 xT0 XT X x0
  
h i  0.11321518 −0.00444859 −0.00008367  1 
= (10.6239) 1 8 275 −0.00444859 0.00274378 −0.00004786  8 
  
−0.00008367 −0.00004786 0.00000123 275
= (10.6239)(0.05346) = 0.56794
ដូចេនះចេនា្លះេជឿជាក់ 95% ស្រមាប់ µY|x0 គឺ

√ √
19.22 − 2.074 0.56794 ≤ µY|x0 ≤ 19.22 + 2.074 0.56794
ឬ
17.66 ≤ µY|x0 ≤ 20.78
493
13.6 ពយករណ៍អេង្កតថ្មីៃនគំរ ូតែ្រមត្រមង់ពហុលេី នែអ៊រ
គំរូតែ្រមត្រមង់អាច្រត�វបានេគេ្របីេដីម្បព ី យករណ៍អេង្កតថ្មីេលីអេថរេឆ្លយ ី តបែដល្រត�វនង ឹ តៃម្លជាក់លាក់ៃន

អេថរតែ្រមត្រមង់ x01 , x02 , . . . , x0k ។ េបី xT0 = [1, x01 , x02 , . . . , x0k ] ចំនុចបា៉ន់សា្មនៃនអេង្កតថ្មី Y0 េន្រតង់
ចំនុច x01 , x02 , . . . , x0k គឺ
Ŷ0 = xT0 β̂
េល្អ�ងៃនការពយករគឺ
eP̂ = Y0 − Ŷ0 = xT0 (β − β̂) + ε0
ែដល E[ε0 ] = 0, V(ε0 ) = σ2 , cov(ε0 , ε j ) = 0, j = 1, 2, . . . , n។ េយង

ី មាន
E[eP̂ ] = xT0 (β − E[β̂]) + E[ε0 ] = 0

V(eP̂ ) = V(xT0 (β − β̂) + ε0 )
= V(xT0 (β − β̂)) + V(ε0 )
−1
= xT0 σ2 XT X x0 + σ2
−1
= σ2 1 + xT0 XT X x0
េ្រពាះ β̂ ្រត�វ បានគណនាេចញពី n អេង្កត ែដលមន ិ អា្រស័យ នង

ឹ x0 េនាះ β̂ នង
ិ ε0 គឺ មន
ិ អា្រស័យ គា្ន។
ដូចេនះ
−1
eP̂ ∼ N 0, σ 1 + x0 X X x0
2 T T
េយង
ី មាន
•
eP̂
q ∼ N(0, 1)
−1
σ 1 + x0 (X X) x0
T T
•
(n − k − 1)σ̂2
∼ χ2n−k−1
σ2
• អេថរៃចដន្យទាំងពរី មន
តាមនិយមន័យៃនបំែនងែចក t េយង
ី បាន
eP̂
q
−1
σ 1+x0 (XT X) x0
T
Y0 − Ŷ0
q = q ∼ tn−k−1
(n−k−1)σ̂2 −1
σ2
/(n − k − 1) σ̂ 1 + x0 (X X) x0
2 T T
ចេនា្លះពយករណ៍
ចេនា្លះពយករណ៍ 100(1 − α)% ស្រមាប់អេង្កតថ្មីគឺ
q q
Ŷ0 − tα/2,n−k−1 σ̂2 1 + x0
T
(X T X) x0 ≤ Y0 ≤ Ŷ0 + tα/2,n−k−1 σ̂2 1 + xT0 (XT X)−1 x0
−1
ែដល xT0 = [1, x01 , x02 , . . . , x0k ] និង Ŷ0 = xT0 β̂
494
ឧទាហរណ៍ 13.6.1. េនក្នុងឧទាហរណ៍រយៈេពលដឹកជញ្ជូ នរកចេនា្លះពយករណ៍ 95% ្រតង់ចំនុច x01 =
8, x02 = 275។ តាង xT0 = [1, 8, 275] េនាះចំនុចបា៉ន់សា្មនគឺ
Ŷ0 = xT0 β̂ = 19.22

−1
និង xT0 XT X x0 = 0.05346។ ដូចេនះចេនា្លះពយករណ៍ 95% គឺ
p p
19.22 − 2.074 10.6239(1 + 0.05346) ≤ Y0 ≤ 19.22 + 2.074 10.6239(1 + 0.05346)
ឬ
12.28 ≤ Y0 ≤ 26.16
13.7 ការេ្រជើសេរ ើសគំរ ូ
ី រូជាជំហានៗ
ការេ្រជីសេរសគំ
• ការបំបាត់ ្រតលប់ េ្រកាយ (Backward elimination)៖ េផ្តម

ី េចញពី គំរូ េពញរហូតដល់ គំរូ ែដលល្អ
បំផុតមួយ
• ការេ្រជីសេរសេទមុ
ី ខ (Forward selection)៖ េផ្តីម េចញពី គំរូ ែដលមានអេថរតែ្រមត្រមង់ មួយ រួច
បែន្ថមអេថរតែ្រមត្រមង់ែដលសំខាន់ម្តងមួយរហូតដល់មន
ិ មានអថរសំខាន់េផ្សងេទៀតេនក្នុងគំរូ
• លក្ខណៈវ ិនិច្ឆ័យ
1. តៃម្ល p
2. R2adj
3. MS E
4. AIC, BIC, Mallow’s C p
ការបំបាត់្រតលប់េ្រកាយ: R2adj និង MS E
• េផ្តីមេចញពគ
ី ំរូេពញ
• បំបាត់អេថរម្តងមួយនិងកត់្រតា R2adj និង MS E ស្រមាប់គំរូតូចៗនីមួយៗ
• េ្រជីសយកគំរូែដលមាន R2adj ខ្ពស់ជាងេគនិង MS E តូចជាងេគ
• េធ្វដ ិ មានគំរូណាែដល Radj ខ្ពស់ជាងេនះេទៀតនង

ី ែដលៗរហូតដល់មន
2
ិ MS E តូចជាងេនះេទៀត
ឧទាហរណ៍ 13.7.1. េគឱ្យទិន្នន័យៃនសុីម៉ង់ត៍ដូចខាងេ្រកាម
495
i Yi Xi1 Xi2 Xi3 Xi4
1 78.5 7 26 6 60
2 74.3 1 29 15 52
3 104.3 11 56 8 20
4 87.6 11 31 8 47
5 95.9 7 52 6 33
6 109.2 11 55 9 22
7 102.7 3 71 17 6
8 72.5 1 31 22 44
9 93.1 2 54 18 22
10 115.9 21 47 4 26
11 83.8 1 40 23 34
12 113.3 11 66 9 12
13 109.4 10 68 8 12
ី មាន
R2adj MS E
គំរូេពញ Y ∼ X1 + X2 + X3 + X4 0.9736 5.9829
ជំហានទ១
ី Y ∼ X2 + X3 + X4 0.9638 8.2025
Y ∼ X1 + X3 + X4 0.9750 5.6501
Y ∼ X1 + X2 + X4 0.9764 5.3315
Y ∼ X1 + X2 + X3 0.9764 5.3453
ជំហានទី២ Y ∼ X2 + X4 0.6161 86.8810
Y ∼ X1 + X4 0.9670 7.4747
Y ∼ X1 + X2 0.9744 5.7888
ការបំបាត់្រតលប់េ្រកាយ: តៃម្ល p
• េផ្តីមេចញពីគំរូេពញ
• បំបាត់អេថរែដលមានតៃម្ល p ខ្ពស់
• េធ្វីគំរូតែ្រមត្រមង់ែដលមានអេថរតិចជាង
• េធ្វីដែដលៗរហូតដល់្រគប់អេថរែដលេនសល់មានភាពសំខាន់
ឧទាហរណ៍ 13.7.2. េនក្នុងឧទាហរណ៍ខាងេលេី យង

ី មាន
496
497
ការេ្រជើសេរ ើសេទមុខ: R2adj និង MS E
• េផ្តីមេចញពីគំរូែដលមានអេថរតែ្រមត្រមង់មួយ
• េ្រជីសយកគំរូែដលមាន R2adj ខ្ពស់ជាងេគ ( MS E តូចជាងេគ)
• បែន្ថម អេថរែដលេនសល់ ម្តង មួយ េទេលី គំរូ ែដលបានេ្រជីសេរស

ី រួច េ្រជីស យកគំរូ ែដលមាន Radj
2
ខ្ពស់ជាងេគ ( MS E តូចជាងេគ)
• េធ្វីដែដលៗរហូតដល់ការបែន្ថមអេថរថ្មីមិនផ្តល់នូវតៃម្ល R2adj ខ្ពស់ជាងេនះ (MS E តូចជាងេនះ)
ឧទាហរណ៍ 13.7.3. េនក្នុងឧទាហរណ៍ខាងេលីេយង

ី មាន
R2adj MS E
ជំហានទី១ Y ∼ X1 0.4916 115.1329
Y ∼ X2 0.6359 82.3919
Y ∼ X3 0.221 176.3584
Y ∼ X4 0.645 80.3532
ី Y ∼ X4 + X1 0.967 7.4747
Y ∼ X4 + X2 0.6161 86.8810
Y ∼ X4 + X3 0.9223 17.5728
ជំហានទី៣ Y ∼ X4 + X1 + X2 0.9764 5.3315
Y ∼ X4 + X1 + X3 0.975 5.6501
ជំហានទី៤ Y ∼ X4 + X1 + X2 + X3 0.9736 5.9829
498
ការេ្រជើសេរ ើសេទមុខ: តៃម្ល p
• េផ្តីមេចញពីគំរូែដលមានអេថរតែ្រមត្រមង់មួយ
• េ្រជីសយកគំរូែដលមានតៃម្ល p តូចជាងេគ
• បែន្ថមអេថរែដលេនសល់ម្តងមួយេទេលីគំរូែដលបានេ្រជីសេរស
ី រួចេ្រជីសយកគំរូែដលមានតៃម្ល p
តូចបំផុត
• េធ្វីដែដលៗរហូតដល់មិនមានអេថរេនសល់ផ្តល់នូវតៃម្ល p ែដលតូច
ឧទាហរណ៍ 13.7.4. េនក្នុងឧទាហរណ៍ខាងេលីេយង

ី មាន
តៃម្ល p
ជំហានទ១
ី Y ∼ X1 0.00455
Y ∼ X2 0.000665
Y ∼ X3 0.0598
Y ∼ X4 0.000576
ជំហានទី២ Y ∼ X4 + X1 1.11 × 10−6 (X1 )
Y ∼ X4 + X2 0.687(X2 )
Y ∼ X4 + X3 8.38 × 10−5 (X3 )
ជំហានទ៣
ី Y ∼ X4 + X1 + X2 0.051687(X2 )
Y ∼ X4 + X1 + X3 0.06969(X3 )
សមា្គល់ 13.7.1. • វ ិធសា

ី �ស្ត Radj នង
2
ិ តៃម្ល p គ្រឺ សេដៀងគា្នប៉ុែន្តេពលខ្លះវាផ្តលន
់ ូវគំរច
ូ ុងេ្រកាយេផ្សងគា្ន។
វ ិធីសា�ស្ត R2adj ផ្តល់នូវគំរូចុងេ្រកាយែដលមានអេថរតែ្រមត្រមង់េ្រចីនជាង។
• េ្របវី ិធសា
ី �ស្ត Radj ស្រមាប់ការពយករណ៍
2
ី �ស្ត p ស្រមាប់ភាពចាំបាច់ៃនអេថរតែ្រមត្រមង់
• វ ិធសា
13.8 ពហុកល
ូ េី នែអ៊រ
គំរូតែ្រមត្រមង់ពហុលីេនែអ៊រ
ជាទ្រមង់មា៉្រទីស
Y = Xβ + ε
      
Y1  1 X11 X12 . . . X1k  β0  ε1 
Y2  1 X21 X22 . . . X2k  β1  ε2 
  =     
 ..   .. .. .. ..   ..  +  .. 
 .   . . . .   .   . 
   
Yn 1 Xn1 Xn2 . . . Xnk βk εn
499
−1
អ្នក បា៉ន់សា្មនកាេរខ្លី បំផុត ៃន β = (β0 , β1 , . . . , βk )T គឺ β̂ = XT X XT Y េនេពលែដល XT X មាន
ច្រមាស់។
សមា្គល់ 13.8.1. មា៉្រទីស XT X មានច្រមាស់លុះ្រតាែតជួរឈរៃន X គឺមិនអា្រស័យលីេនែអ៊រនឹងគា្ន។
បញ្ហ សំខាន់ មួយ េនក្នុងតែ្រមត្រមង់ ពហុ លីេនែអ៊រ គឺ ពហុ កូ លីេនែអ៊រ ឬេស្ទីរែតអា្រស័យ លីេនែអ៊រ រវាងអេថរ
តែ្រមត្រមង់
• េនេពលែដលអេថរតែ្រមត្រមងម់ ួយអា្រស័យលីេនែអ៊រទាំង្រស�ងជាមួយអេថរតែ្រមត្រមងេ់ ផ្សងេទៀត

េនាះ XT X មិនមានច្រមាស់
់ ួយអា្រស័យលេី នែអ៊រក្នុងក្រមត
• េនេពលែដលអេថរតែ្រមត្រមងម ់ មួយអេថរតែ្រមត្រមងេ់ ផ្សងេទៀត
ិ ខ្ពសជា
់ ម
េនាះការបា៉ន់សា្មនៃនេមគុណតែ្រមត្រមងគ ្ត ន និងេតស្តៃនភាពសំខាន់ៃនតែ្រមត្រមង់
ឺ ិនអាចទុកចិតបា
អាចនាំឱ្យមានការយល់្រចលំ។
ឧទាហរណ៍ 13.8.1. ពហុកូលេី នែអ៊រទាំង្រស�ងេនក្នុងគំរូែដលអេថរតែ្រមត្រមង់ពរី
Yi = β0 + β1 Xi1 + β2 Xi2 + εi
Xi1 = α0 + α1 Xi2
ពហុកូលេី នែអ៊រខ្លះេនក្នុងគំរូែដលអេថរតែ្រមត្រមង់ពរី
Yi = β0 + β1 Xi1 + β2 Xi2 + εi
Xi1 = α0 + α1 Xi2 + ui
វិបាកៃនពហុកល
• វា៉ ដ្យង់ និង េល្អ�ងស្តង់ ដា ៃនេមគុណ តែ្រមត្រមង់ បា៉ន់សា្មននឹង េកីនេឡង

ី មានន័យថាមានតៃម្ល សិត
្ថ ិ t
តូច
់ ង
• េតស្តៃនភាពសំខាន់ៃនតែ្រមត្រមងន ឹ មន
ិ ប៉ះពាល់េដាយពហុកល
ូ េី នែអ៊រ។ វាក៏មានន័យថាការពយករណ៍
មិនប៉ះពាល់េដាយពហុកូលេី នែអ៊រ។
• េមគុណតែ្រមត្រមង់ែ្រប្រប�លខា្លង
ំ េនេពលែដលបែន្ថមឬដកេចញអេថរតែ្រមត្រមង់។
ការអេង្កតពហុកល
• េមគុណកូរេឡស
ី ិនខ្ពស់
េមគុណកូ រេឡស
ី ិនគូៗរវាងអេថរតែ្រមត្រមង់អាចជាតៃម្លខ្ពស់។ តាមការកំនត់៖ េបីតៃម្លដាច់ខាតៃន
ី ិន > 0.8 េនាះអាចនឹងមានពហុកូលីេនែអ៊រក្រមិតខ្ពស់
• តៃម្ល R2 ធំែតតៃម្លសិត
្ថ ិ t តូច
អាចេមគុណតែ្រមត្រមងន ់ ម
ី ួយៗមានតៃម្លសិត ់ ង
្ថ ិ t តូចប៉ុែន្តតែ្រមត្រមងទា ំ មូលមានតៃម្ល R2 ធំ (ឬេត
ស្តភាពចាំបាច់ៃនតែ្រមត្រមង់ F េតស្តគមា ឺ នភាពចាំបាច់ែបបស្ថត ិ )
ិ
• តៃម្ល VIFs ធំ (Variance Inflation Factors)

VIF គឺជារងា្វស់ែដលពហុកូលីេនែអ៊រេធ្វីឱ្យវា៉ដ្យង់ៃនេមគុណតែ្រមត្រមង់បា៉ន់សា្មនេកីនេឡង
ី
500
េនក្នុងគំរូតែ្រមត្រមង់ពហុលេី នែអ៊រែដលមាន k អេថរតែ្រមត្រមង់
េនក្នុងសមីការេនះមាន k VIFs:
1. េធ្វីគំរូតែ្រមត្រមង់ស្រមាប់អេថរ X នីមួយៗ។ ជាឧទាហរណ៍ស្រមាប់ Xi1
Xi1 = α1 + α2 Xi2 + α3 Xi3 + · · · + αk Xik + vi
2. គណនា VIF ស្រមាប់ β̂i

1
VIF(β̂i ) =
1 − R2i
ី រជំនួយក្នុងជំហានទី 1
ែដល R2i ជា R2 ស្រមាប់សមកា
3. វ ិភាគក្រមត
ិ ៃនពហុកល
ូ េី នែអ៊រេដាយគណនា VIF ស្រមាប់ β̂i នម
ី ួយៗ។ តាមការកំនត់េបី VIF(β̂i ) > 5
េនាះអាចនឹងមានពហុកូលីេនែអ៊រក្រមិតខ្ពស់
ដំេណាះ្រសាយស្រមាប់ពហុកល
មិនមានដំេណាះ្រសាយែតមួយគត់ែដលនឹងអាចបំបាត់ពហុ កូលីេនែអ៊រេនាះេទ។ វ ិធីសា�ស្តជាក់លាក់អាច
នឹងមាន្របេយាជន៍
• មិនេធ្វីអីទា
្វ ង
ំ អស់៖ រក�ទុកនូវគំរូែដលមាន
• ដកេចញនូវអេថរែដលផ្ទួនគា្ន៖ េបអ
ី េថរផ្ទួនគា្នេនាះវាមន ី ំបូង
ិ គួរ្រត�វបានបញ្ចូ លេទក្នុងគំរូេទតាំងពដ
• បែម្លងអេថរែដលពហុកូលីេនែអ៊រគា្ន៖ អាចបេង្កីតបន្សំលីេនែអ៊រៃនអេថរែដលពហុកូលីេនែអ៊រគា្ន
• បេង្កីនទំហំលំហគំរូ៖ ការបេង្កីនទំហំលំហគំរូេធ្វីឱ្យេមគុណបា៉ន់សា្មន្របេសីរជាងមុននិងកាត់បន្ថយ
ផលប៉ះពាល់ៃនពហុកូលីេនែអ៊រ។ ជាធម្មតាេដាយការបែន្ថមទិន្នន័យ។
ី េធ្វីគំរូតែ្រមត្រមង់េដាយេ្របី mpg ជាអេថរេឆ្លីយតប

ឧទាហរណ៍ 13.8.2. េនក្នុងទិន្នន័យ mtcars េយង
នង
ិ disp, hp, wt នង ិ drat ជាអេថរតែ្រមត្រមង់។ តាមលទ្ធផលេយង ី េឃញ ី ថា R = 0.8376 នង ិ េតស្ត
2
ិ ិ F = 34.82 ែដលតៃម្ល p = 2.704 × 10 ែដលបញ្ជក់ថាេតស្តៃនភាពចាំបាច់ៃនតែ្រមត្រមង់គឺមាន

ស្ថត −10
ភាពចាំបាច់ ែបបស្ថិតិ។ អេថរតែ្រមត្រមង់ hp និង wt គឺ ចាបា

ំ ច់ ែបបស្ថិតិ េនក្រមិត ចាំបាច់ 0.05 ែត disp
និង drat មិនចាំបាច់ែបបស្ថិតិ។
េយងី គណនា VIF ស្រមាប់អេថរតែ្រមត្រមង់នីមួយៗ េយង ី សេង្កតេឃញ ី ថា VIF ស្រមាប់ disp និង wt គឺ
ធំជាង 5 ែដលបញ្ជក់ថាអាចនង ឹ មានពហុកូលេី នែអ៊រ។ ពន
ិ តិ ្យមា៉្រទស
ី កូរេឡស
ី ន
ិ េយង
ី សេង្កតេឃញ ី dispr
មានេមគុណកូរេឡស ី ិនធំជាមួយអេថរតែ្រមត្រមងេ់ ផ្សងេទៀតែដលពន្យល់ថាេហតុអអ ី្វ េថរេនះមានតៃម្ល VIF
ធំ។ េនក្នុងករណីេនះេយង ី អាចដកេចញនូវអេថរ disp ពគ ូ ែ្រមត្រមងេ់ ្រពាះវាមានតៃម្ល VIF ធំេហយ
ី ំរត ី អេថរ
េនះគឺមិនចាំបាច់ែបបស្ថិតិេនក្រមិតចាំបាច់ 0.05។
501
502
13.9 វិធីសា�ស្តកាេរខ្លីបំផុតទូេទ
ពិនិត្យគំរូតែ្រមត្រមង់
Y = Xβ + ε, E[ε] = 0, V[ε] = σ2 V
ែដល V ជាមា៉្រទស
ី n × n ែដលសា្គល់។
• េបី V ជាមា៉្រទីសអង្កត់្រទ�ងប៉ុែន្តមានធាតុអង្កត់្រទ�ងមិនេស្មីគា្នេនាះអេង្តត Y មិនមានទំនាក់ទំនងគា្ន

ប៉ុែន្តមានវា៉ដ្យង់មន
ី ្ន ។
• េបី V មានធាតុមន
ិ ែមនអង្កត់្រទ�ងមន
ិ សូន្យេនាះអេង្តត Y មានទំនាក់ទំនងគា្ន។
េគាលបំណងសំខាន់ៃនវ ិធសា
ី ំផុតទូេទគប
ឺ ែម្លងមា៉្រទស ី ្យវា៉ដ្យងេ់ នក្នុង
ី ៃនអេង្កត [Y X] េដីម្បឱ
គំរូ ែដលបែម្លង គឺ σ2 I។ េដាយសារ σ2 V ជាមា៉ ្រទី សវា៉ដ្យង់-កូ វា៉ ដ្យង់ េនាះ V ជាមា៉្រទីស សុីេម្រទី និង មាន
ច្រមាស់ ដូេច្នះមានមា៉្រទីស P ែដល
V−1 = PT P
បែម្លងគំរូ Y = Xβ + ε េដាយ P េយង
ី បាន
PY = PXβ + Pε
ឬ
Ỹ = X̃β + ε̃
េនក្នុងគំរូេនះេយង
ី មាន
E[ε̃] = E[Pε] = PE[ε] = 0

V[ε̃] = V[Pε] = PV[ε]PT = σ2 PVPT = σ2 I
−1
β̂ = X̃T X̃ X̃T Ỹ
−1
= XT PT PX XT PT PY
−1
= XT V−1 X XT V−1 Y
និយមន័យ 13.9.1. អ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតទូេទ (GLS) គឺ

−1
β̂GLS = XT V−1 X XT V−1 Y
សមា្គល់ 13.9.1.
β̂GLS = arg min (Y − Xβ)T V−1 (Y − Xβ)

β
សំេណើ 13.9.1.
E[β̂GLS ] = β
503
ី មាន
−1
−1
= β + XT V−1 X XT V−1 ε
ដូចេនះ
h i −1
E β̂GLS = β + XT V−1 X XT V−1 E[ε]
|{z}
=0
=β
សំេណើ 13.9.2. −1

V[β̂GLS ] = σ2 XT V−1 X

ី មាន
h i −1 −1 T
V β̂GLS = XT V−1 X XT V−1 V[ε] XT V−1 X XT V−1
−1 T −T
= σ2 XT V−1 X XT V−1 V XT V−1 XT V−1 X
−1 T −T
= σ2 XT V−1 X XT V−1 X XT V−1 X
−1
= σ2 XT V−1 X
Heteroscedasticity
ពន
ិ ត
ិ ្យករណី Heteroscedasticity៖ េយង
V(ε) = Σ = σ2 V
ែដល
 2   
σ1 0 . . . 0  ω1 0 . . . 0 
   
 0 σ2 . . . 0  0 ω2 . . . 0 
2
2 
Σ =  .. .  = σ V = σ  .. . 
2
.. . . .. . .
 . . . ..   . . . .. 
   
0 . . . 0 σ2n 0 . . . 0 ωn
ែដលបា៉រា៉ ែម៉្រត σ2i នង

ិ ωi , i = 1, . . . , n ជាបា៉រា៉ ែម៉្រតែដលសា្គល់។
អ្នកបា៉ន់សា្មន GLS
េនក្នុងករណី Heteroscedasticity អ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតទូេទៃន β កំនត់េដាយ
 n   n 
X Xi XiT −1 X X Y 
=    
i i
β̂GLS
i=1
ω i i=1
ω i
504
ឬសមមូលនឹង
 n   n 
X Xi XiT −1 X X Y 
=    
i i
β̂GLS 2 
i=1
σ 2
i i=1
σ i
ជាទូេទេនេពលែដល V(ε) = σ2 V េយង ី មាន

−1
េដាយសារ V ជាមា៉្រទស
ី អង្កត់្រទ�ងេនាះ
X
n
Xi X T
−1
X V X=
T i
i=1
ωi
Xn
Xi Yi
XT V−1 Y =
i=1
ωi
 n   n 
X Xi XiT −1 X X Y 
=    
i i
β̂GLS
i=1
ω i i=1
ω i
ី ្ដ ទ 13.9.1 (Gauss-Markov). β̂GLS គឺជា BLUE

្រទឹសប

ី បានបងា្ហញថា β̂GLS ជាអ្នកបា៉ន់សា្មនលីេនែអ៊រមិនលេម្អ�ង។ េយង
ី ្រគាន់ែត្រសាយ
ថាវាមានវា៉ដ្យង់អប្បបរមាេធៀបនង
ី កំនត់
β̃ = CY
ែដល C ជាមា៉្រទីស (k + 1) × n។ េយង

ី មាន
E[β̃] = E[CY] = CE[Y] = CXβ
េដីម្បឱ
ី ្យ β̃ ជាអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន β េយង
CX = I
−1
តាង D = C − XT V−1 X XT V−1 ។ េយង
ី មាន
V(β̃) = CV(Y)CT = σ2 CVCT

−1 −1 T
= σ2 D + XT V−1 X XT V−1 V D + XT V−1 X XT V−1
−1 −T −1
= σ2 DVDT + σ2 XT V−1 X DXT + σ2 DX XT V−1 X + σ2 XT V−1 X
= σ2 DVDT + V(β̂GLS )
េ្រពាះ
−1
T −1 T −1
DX = C − X V X X V X = I − I = 0
េដាយសារ σ2 V ជាមា៉្រទីសវា៉ដ្យង់-កូវា៉ដ្យង់េនាះ V ជាមា៉្រទីសវ ិជ្ជមាន។ ដូេច្នះ
V(β̃) − V(β̂) = σ2 DVDT
ជាមា៉្រទីសវ ិជ្ជមានេ្រពាះ σ2 DVDT ជាមា៉្រទីសវ ិជ្ជមាន។ □
505
1. ចំេពាះគំរូ តែ្រមត្រមង់ លីេនែអ៊រ ធម្មតា Yi = β0 + β1 Xi + εi , i = 1, 2, , . . . , n។ េគឱ្យទិន្នន័យ ដូច

តារាងខាងេ្រកាម
i 1 2 3 4 5 6
Xi 5 1 2 3 3 5
Yi 15 5 10 14 12 20
(a) សេសរតែ្រមត្រមង់លីេនែអ៊រជាទ្រមង់មា៉្រទីស
(b) រកអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតៃន β
(c) គណនា σ̂2 ែដលអ្នកបា៉ន់សា្មនមិនលេម្អ�ងៃន σ2
(d) េតស្តសម្មតក
(e) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់មធ្យមៃន Yi ្រត�វនង
ឹ X0 = 4
(a) តែ្រមត្រមង់លេី នែអ៊រជាទ្រមង់មា៉្រទស

ី
Y = Xβ + ε
ែដល      
15 1 5
 ε1 
 5  1 1 ε 
   " #  2 
10 1 2 β ε 
Y =   , X =  , β= 0 , ε =  3 
14 1 3 β1 ε4 
12 1 
   3 ε 
 5 

20 1 5 ε6
(b) អ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុតៃន β គឺ
−1
β̂ = XT X XT Y
េយង
ី មាន
" # # " −1 " 0.9480 −0.2467#
6 19 76
X X=
T
, X Y=T
, X X =
T
19 73 278 −0.2467 0.0779
ដូចេនះ
−1
β̂ = XT X XT Y
" #" #
0.9480 −0.2467 76
=
−0.2467 0.0779 278
" #
3.454
=
2.909
" #
β̂
= 0
β̂1
506
(c) អ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត σ̂2 េយង
ី មាន
SSE
σ̂2 =
n−k−1
ែដល
S S E = YT Y − β̂T XT Y = 1090 − 1071.273 = 18.727
ដូចេនះ
18.727
σ̂2 = = 4.6817
4
(d) េតស្តសម្មតិកម្ម
• ែចងសម្មតក
ិ ម្ម
H0 : β1 = 0, H1 : β1 , 0
• តៃម្លសំខាន់
tα/2,n−2 = t0.025,4 = 2.776
• េតស្តសិត
្ថ ិ
β̂1 2.909
t β1 = q = q = 4.816
σ̂2 4.6817
S xx 12.83333
• ែដនបដិេសដ
t ≤ −2.776 ឬ t ≥ 2.776
• ការសំេរចចត
ិ េនក្នុងែដនបដេិ សដេនាះេយង
ី បដេិ សដ H0 េនក្រមត
ិ
ចាំបាច់ α = 0.05
• សន្នដា
ិ ្ឋ ន៖ េនក្រមត
ិ ចាំបាច់ α = 0.05 ចំេពាះទន
ិ ្នន័យែដលឱ្យេយង
ី មន
ិ គាំ្រទការអះអាង
ែដលថា β1 = 0 េទ។
(e) ចេនា្លះេជឿជាក់ 95% ៃន µY|4 គឺ

s s
1 (4 − x̄)2 1 (4 − x̄)2
µ̂Y|4 − tα/2,n−2 σ̂ + ≤ µY|4 ≤ µ̂Y|4 + tα/2,n−2 σ̂ +
n S xx n S xx
ែដល
µ̂Y|4 = β̂0 + β̂1 .4 = 3.454 + (2.909)(4) = 15.09
ដូចេនះចេនា្លះេជឿជាក់ 95% ៃន µY|4 គឺ

r r
1 (4 − 3.167)2 1 (4 − 3.167)2
15.09 − (2.776)(2.164) + ≤ µY|4 ≤ 15.09 + (2.776)(2.164) +
6 12.83333 6 12.83333
12.268 ≤ µY|4 ≤ 17.912
2. ពនិ ត
ិ ្យគំរត ់ ហុលេី នែអ៊រ Yi = β0 + β1 Xi1 + β2 Xi2 + εi , i = 1, 2, , . . . , n ។ េគឱ្យទន
ូ ែ្រមត្រមងព ិ ្នន័យ
ដូចតារាងខាងេ្រកាម
507
i 1 2 3 4
Xi1 1 −1 0 0
Xi2 2 2 −3 1
Yi 6 1 5 4
(a) សេសរគំរូតែ្រមត្រមង់ពហុលេី នែអ៊រជាទ្រមង់មា៉្រទស ី

T
(b) រកអ្នកបា៉ន់សា្មនកាេរខ្លប
ី ផ
ំ ុ ត β̂ ៃន β = β0 β1 β2
(c) េតស្តភាពសំខាន់ៃនគំរូតែ្រមត្រមង់េដាយេ្របី α = 0.05

(d) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់េមគុណតែ្រមត្រមង់នម
ី ួយៗ
(e) រកចេនា្លះពយករណ៍ 95% ស្រមាប់ Y0 ្រត�វនឹង X01 = 1 និង X02 = −2
(a) គំរូតែ្រមត្រមង់ពហុលីេនែអ៊រជាទ្រមង់មា៉្រទីស
Y = Xβ + ε
ែដល
   
6 1 1 2 
1 1 −1 2 
Y =   , X =  

5 1 0 −3 
4 1 0 1
(b)
   
4 0 2  16
   
X X = 0 2 0  , X Y =  5  ,
T T
   
2 0 18 3
 
−1  0.2647 0.0 −0.0294
XT X =  0.0000 0.5 0.0000 
 
−0.0294 −0.0 0.0588
ដូចេនះ
−1
β̂ = XT X XT Y
  
 0.2647 0.0 −0.0294 16
  
=  0.0000 0.5 0.0000   5 
  
−0.0294 −0.0 0.0588 3
 
 4.147 
 
=  2.5 
 
−0.294
 
β̂0 
 
= β̂1 
 
β̂2
ដូេច្នះបនា្ទត់តែ្រមត្រមង់បា៉ន់សា្មនគឺ ŷ = 4.147 + 2.5x1 − 0.294x2
508
(c) េតស្តភាពសំខាន់ៃនគំរូតែ្រមត្រមង់េដាយេ្របី α = 0.05 ែចងសម្មតក
ិ ម្ម
H0 : β1 = β2 = 0
H1 : យា៉ងេហាចណាស់ β j , 0, j = 1, 2
្ថ ិ៖ េយង
ី មាន
 n 2
X 
S S T = YT Y −  Yi  = 78 − (16)2 = 14
1 1
n i=1 4
 n 2
1 X  1
S S R = β̂ X Y −  Yi  = 77.97059 − (16)2 = 13.97059
T T
n i=1 4
S S E = S S T − S S R = YT Y − β̂T XT Y = 0.02941
ី បាន
MS R 6.985295
F0 = = = 237.5
MS E 0.02941
ែដនបដិេសដគឺ F ≥ F0.05 (2, 1) = 199.5 ។ េដាយសារតៃម្លេតស្តស្ថត
ិ ិ F0 = 237.5 ស្ថត
ិ េន
ក្នុងែដនបដិេសដេនាះេយង
ួ ផលបូកកាេរ ដេឺ ្រកេសរ ី មធ្យមកាេរ F0
តែ្រមត្រមង់ 13.97059 2 6.985295 237.5
េល្អ�ង 0.02941 1 0.02941
សរុប 14 3
(d) ចេនា្លះេជឿជាក់ 95% ស្រមាប់េមគុណ β1 គឺ

p p
β̂1 − t0.025,1 σ̂2C11 ≤ β1 ≤ β̂1 + t0.025,1 σ̂2C11
េយង
ី មាន
β̂1 = 2.5, C11 = 0.5, σ̂2 = 0.02941
ី បាន
p p
2.5 − 12.706 (0.02941)(0.5) ≤ β1 ≤ 2.5 + 12.706 (0.02941)(0.5)
0.9592 ≤ β1 ≤ 4.0407
ចេនា្លះេជឿជាក់ 95% ស្រមាប់េមគុណ β2 គឺ

p p
β̂2 − t0.025,1 σ̂2C22 ≤ β1 ≤ β̂2 + t0.025,1 σ̂2C22
េយង
ី មាន
β̂1 = −0.294, C22 = 0.0588, σ̂2 = 0.02941
ី បាន
p p
−0.294 − 12.706 (0.02941)(0.0588) ≤ β1 ≤ −0.294 + 12.706 (0.02941)(0.0588)
−0.8222 ≤ β1 ≤ 0.2343
509
(e) ចេនា្លះពយករណ៍ 95% ស្រមាប់ Y0 គឺឱ្យេដាយ
q q

Ŷ0 − t0.025,1 σ̂2 1 + X0T (XT X)−1 X0 ≤ Y0 ≤ Ŷ0 + t0.025,1 σ̂2 1 + X0T (XT X)−1 X0
ែដល X0T = [1, 1, −2] ,Ŷ0 = X0T β̂ = 7.235 និង X0T (XT X)−1 X0 = 1.117647 ដូចេនះ
p p
7.235−12.706 (0.02941)(1 + 1.117647) ≤ Y0 ≤ 7.235+12.706 (0.02941)(1 + 1.117647)
4.0559 ≤ Y0 ≤ 10.4059
លំហាត់
1. ក្នុងគំរត ់ ហុលីេនែអ៊រ Y = Xβ + ε ែដល X ជាមា៉្រទីស n × (k + 1) និង XT X ជាមា៉្រទីស

មានច្រមាស់។ សន្មត់ថា X មិនែមនជាអេថរៃចដន្យ។ តាង
−1
P = X XT X XT
(a) បងា្ហញថា PT = P និង P2 = P

(b) បងា្ហញថា tr(AB) = tr(BA) ចំេពាះមា៉្រទស
ី កាេរ A នង
ិ B
(c) គណនា tr(P)
(d) គណនា tr(I − P)
2. ក្នុងគំរត ់ ហុលេី នែអ៊រ Y = Xβ + ε ែដល X ជាមា៉្រទស

ូ ែ្រមត្រមងព ី n × p នង ិ X X ជាមា៉្រទស
T
ី មាន
ច្រមាស់ ជាមួយនឹង ε ∼ N(0, σ2 I) និង p < n។ អ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតឱ្យេដាយ
−1
β̂ = XT X XT Y
សន្មត់ថា X មន
ិ ែមនជាអេថរៃចដន្យ។

(a) បងា្ហញថា E β̂ = β
(b) គណនាវា៉ដ្យង់ V(β̂) ៃន β̂
(c) បងា្ហញថា β̂ ជាអេថរៃចដន្យនរមា៉ល់ែដលមធ្យម និងវា៉ដ្យង់នឹង្រត�វកំនត់
(d) តាង
T
S S E = Y − Xβ̂ Y − Xβ̂
E[S S E ] = (n − p) σ2
(e) េតី
T
Y − Xβ̂ Xβ̂ = 0
ឬេទ?
3. ក្នុងគំរូតែ្រមត្រមង់ពហុ លេី នែអ៊រ Y = Xβ + ε ែដល X ជាមា៉្រទស ី n × (k + 1), X X ជាមា៉្រទស

T
ី
មានច្រមាស់ ε ∼ N(0, σ I) នង 2
ិ k + 1 < n អ្នកបា៉ន់សា្មនកាេរខ្លប
ី ំផុតឱ្យេដាយ
−1
β̂ = XT X XT Y
សន្មត់ថា X មិនែមនជាអេថរៃចដន្យ។
510
(a) េតី β̂ ជា BLUE ឬេទ? ពន្យល់មូលេហតុ
(b) តាង σ̂2ML ជាអ្នកបា៉ន់សា្មនឱកាសអតិបរមាៃន σ2 ។ បងា្ហញថា
i.
(β̂ − β)T XT X(β̂ − β)
∼ χ2k+1
σ 2
ii.
(n − k − 1)
(β̂ − β)T XT X(β̂ − β) ∼ Fk+1,n−k−1
n(k + 1)σ̂2ML
4. ក្នុងគំរូតែ្រមត្រមង់ពហុ លីេនែអ៊រ Y = Xβ + ε ែដល X ជាមា៉្រទីស n × (k + 1), XT X ជាមា៉្រទីស

មានច្រមាស់ ε ∼ N(0, σ2 I) និង k + 1 < n អ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតឱ្យេដាយ
−1
β̂ = XT X XT Y
េ្របីការពិតេនក្នុងពិជគណិតលីេនែអ៊រែដលថា
X = X0 R
ែដល X0 ជាមា៉្រទីស n × (k + 1), XT0 X0 = I(k+1)×(k+1) និង R ជាមា៉្រទីស (k + 1) × (k + 1) មាន

ច្រមាស់។
(a) បងា្ហញថា
−1
XT X XT = R−1 XT0
(b) បងា្ហញថា
β̂ − β = R−1 XT0 ε
(c) តាង ϵ = XT0 ε។ េតី ϵ មានបំែនងែចកអ្វ?

ី េតី
ϵT ϵ
σ2
មានបំែនងែចកអ្វ?
ី
(d) បងា្ហញថា
(β̂ − β)T XT X(β̂ − β)
∼ χ2k+1
σ 2
5. ចំេពាះគំរូតែ្រមត្រមង់ពហុលីេនែអ៊រ
Y = β0 + β1 X1 + β2 X2 + ε
េគឱ្យទិន្នន័យ
Y X1 X2
16.18 7 560
11.50 3 220
12.03 3 340
14.88 4 80
13.75 6 150
18.11 7 330
511
(a) រកអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតៃន β
(b) គណនា σ̂2 ែដលអ្នកបា៉ន់សា្មនមន

ិ លេម្អ�ងៃន σ
2
−1
(c) គណនាមា៉្រទស
ី ចំ េ ណាលែកង H = X XT
X XT
(d) គណនា V(Ŷi ), Cov(Ŷi , Ŷ j ), V(ei ), Cov(ei , e j )
6. ការសិក�មួយ្រត�វបានេធ្វីេឡង ី េដីម្បបា
ី ៉ ន់សា្មនត្រម�វការផ្ទះ Y េដាយែផ្អកេលីអ្រតាការ្របាក់ X1 និង
អ្រតាគា្មនការងារេធ្វី X2 ។ ទន
ិ ្នន័យមានបងា្ហញដូចខាងេ្រកាម
ចំនួនផ្ទះលក់ Y អ្រតាការ្របាក់ X1 (%) អ្រតាគា្មនការងារេធ្វី X2 (%)

65 9.0 10.0
59 9.3 8.0
80 8.9 8.2
90 9.1 7.7
100 9.0 7.1
105 8.7 7.2
(a) រកអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុត β̂
(b) េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់ពហុលីេនែអ៊រេនក្រមិតចាំបាច់ α = 0.05
(c) េតស្តេលីេមគុណតែ្រមត្រមង់នីមួយៗេនក្រមិតចាំបាច់ α = 0.05

(d) រកចេនា្លះពយករណ៍ៃន Y េនេពលអ្រតាការ្របាក់ 8.8% និងអ្រតាគា្មនការងារេធ្វី 7.5% ។
Y X1 X2
4 3 1
3 2 5
6 3 3
5 1 2

ី ំផុត
(b) េតស្តភាពសំខាន់ៃនតែ្រមត្រមង់
(c) រកចេនា្លះេជឿជាក់ 95% ស្រមាប់េមគុណតែ្រមត្រមង់នម

ី ួយៗ
(d) រកចេនា្លះពយករណ៍ 95% ស្រមាប់ Y ្រត�វនង
ឹ X01 = 2 នង
ិ X02 = 4
8. េគឱ្យទិន្នន័យដូចខាងេ្រកាម
512
Y X1 X2 Y X1 X2
1 9.95 2 50 14 11.66 2 360
2 24.45 8 110 15 21.65 4 205
3 31.75 11 120 16 17.89 4 400
4 35.00 10 550 17 69.00 20 600
5 25.02 8 295 18 10.30 1 585
6 16.86 4 200 19 34.93 10 540
7 14.38 2 375 20 46.59 15 250
8 9.60 2 52 21 44.88 15 290
9 24.35 9 100 22 54.12 16 510
10 27.50 8 300 23 56.63 17 590
11 17.08 4 412 24 22.13 6 100
12 37.00 11 400 25 21.15 5 400
13 41.95 12 500
(a) សេសរតែ្រមត្រមង់ពហុលីេនែអ៊រជាទ្រមង់មា៉្រទីស
−1
(b) គណនា XT X, XT X និង XT Y
(c) រកអ្នកបា៉ន់សា្មនកាេរខ្លីបំផុតៃន β
(d) គណនាមា៉្រទស
ី H
(e) េផ្ទ�ងផា្ទត់ថា H ជាមា៉្រទស
(f) េផ្ទ�ងផា្ទត់ថា H ជាមា៉្រទស

ី idempotent
(g) គណនា
V(Ŷi ), Cov(Ŷi , Ŷ j )
(h) គណនា
V(ei ), Cov(ei , e j )
513
514
ឯកសារេយាង
1. Allan G. Bluman, Elementary statistics: step by step approach, 10th edition, McGraw-
Hill Education, 2018.
2. David P. Doane, Lori E. Seward, Applied statistics in business and economics, 5th
edition, McGraw-Hill Education, 2016.
3. Douglas C. Montgomery, George C. Runger, Applied statistics and probability for en-
gineers, 7th edition, Wiley, 2018.
4. Douglas C. Montgomery, Elizabeth A. Peck, G. Geoffrey Vining, Introduction to linear

regression analysis, 5th edition, Wiley, 2012.
5. Jeffrey M. Wooldridge, Introductory econometrics: a modern approach, 7th edition,

Cengage, 2020.
6. Hongshik Ahn, Probability and statistics for science and engineering with examples
in R, 2nd edition, Cognella, 2019.
7. James McClave, Terry Sincich, Statistics, 13th edition, Pearson, 2018.
8. Jay L. Devore, Probability and statistics for engineering and the sciences, 9th edition,
Cengage Learning, 2016.
9. Joseph K. Blitzstein, Jessica Hwang, Introduction to probability, CRC Press, 2015.
10. Michael Akritas, Probability and statistics with R for engineers and scientists, Pearson,
2016.
11. Richard J. Larsen, Morris L. Marx, An introduction to mathematical statistics and its
applications, 6th edition, Pearson, 2018.
12. Richard L. Scheaffer, Linda J. Young, Introduction to probability and its applications,
3rd edition, Cengage Learning, 2010.
13. Robert V. Hogg, Elliot A. Tanis, Dale L. Zimmerman,Probability and statistical infer-
ence, 9th edition, Pearson, 2015.
14. Robert V. Hogg, Joseph W. Mckean, Allen T. Craig, Introduction to mathematical

statistics, 8th edition, Pearson, 2019.
15. Sheldon M. Ross, Introductory statistics, 3rd edition, Elsevier Inc., 2010.
16. Sheldon M. Ross , A first course in probability, 9th edition, Pearson, 2014.
17. Sheldon M. Ross, Introduction to probability and statistics for engineers and scien-
tists, 6th edition, Elsevier, 2021.
515

Statistics and Probability

Uploaded by

Copyright:

Available Formats

You might also like

Statistics and Probability

Uploaded by

Document Information

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

Statistics and Probability

Uploaded by

Copyright:

Available Formats

សាកលវិទយល័យភូមិន្ទភ្នំេពញ

5.3.1 អេថរៃចដន្យអ៊ុយនីហម ្វ ដាច់ . . . . . . . . . . . . . . . . . . . . . . . . . 91

9 ការបា៉ន់សា្មនបា៉រា៉ ែម៉្រត 245

9.1.4 វ ិធសា ៉ ៉ង់ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250

ៃថ្ង្រពហស្បតិ៍ ១២េកីត ែខមាឃ ឆា្នខាំ ល ចតា្វស័ក ព.ស. ២៥៦៦

និយមន័យ 1.1.1. ស្ថត

• ស្ថិតិែបបពណ៌នា រួមមានការ្របមូល ការេរៀបចំ ការសង្ខប និងការបងា្ហញទិន្នន័យ។

និយមន័យ 1.3.1. • អេថរជាលក្ខណៈែដលអាចែ្រប្រប�លតាមេពលេវលា ឬពម

• ជំេនឿសាសនា ្របាក់ចំនូល កម្ពស់ អាយុ នង

ឧទាហរណ៍ 1.3.2. ជំេនឿសាសនា ទីតាង

– អេថរគុណភាពមានលំដាប់ៈ លំដាប់ពិនុ ្ទ (A, B, C, D, F) ទំហៃំ នេភសជ្ជៈ (តូច មធ្យម ធំ)

ី ុណ្ហភាពរាងកាយ ចំណុះ ចំនួនអ្នកដំេណីរ ជាេដម

បែន្ថមេទេលកា ី រែបងែចកជាគុណភាពឬបរមាណ ិ អេថរអាច្រត�វបានែបងែចកតាមរេបៀបែដលពួកវា្រត�វបាន

• សា្ថនភាព្រគ�សារៈ លីវ ឬេរៀបអាពាហ៍ពិពាហ៍

• លំេនដា្ឋនៈ តូច មធ្យម ឬធំ

និយមន័យ 1.5.1. • សាកលជាសំនៃុំ នមនុស្សឬវត្ថទាំ

ឧទាហរណ៍ 1.5.1. និស្សត

សមា្គល់ 1.5.1. ភាគេ្រចីនេដាយសារកតា្តេពេវលា ការចំណាយ ទំហៃំ នសាកល វាមិនអាចេនាះេទេនក្នុង

1.6 លំហគំរ ូៃចដន្យ

និយមន័យ 1.6.1 (លំហគំរ ូៃចដន្យ). លំហគំរៃូ ចដន្យជាលំហគំរែូ ដលសមាជិកនម

លំហគំរៃូ ចដន្យគ្រឺ ត�វបានេ្រជីសេរសេដាយវ

និយមន័យ 1.6.2 (លំហគំរ ូជា្របព័ន្ធ). លំហគំរូ ជា្របព័ន្ធជា លំហគំរូ ែដលទទួលបានពីការេ្រជីសេរស

ឧទាហរណ៍ 1.6.1. ឧបមាថាមានមនុស្ស 2000 នាក់េនក្នុងសាកលេហយ

និយមន័យ 1.6.3 (លំហគំរ ូ stratified). លំហគំរូ stratified ជាលំហគំរែូ ដលទទួលបានពកា

ឧទាហរណ៍ 1.6.2. នាយកសាលាែដលមានឆា្ន ំសក ់ ឹងថាេតស

និយមន័យ 1.6.4 (លំហគំរ ូ cluster). លំហគំរូ cluster ជាលំហគំរែូ ដលទទួលបានពកា

ឧទាហរណ៍ 1.6.3. ឧបមាអ្នក្រសាវ្រជាវចង់ស្ទង់មតិអ្នករស់េនអាផាតមិនក្នុងទី្រក�ងធំមួយ។ េបីមាន 10

សមា្គល់ 1.6.1. េទាះបីជាលំហគំរូ stratified និង លំហគំរូ cluster ែចកសាកលជា្រក�មតូចៗក៏េដាយ ភាព

លំហាត់ 1.6.1. កំនត់ថាេតីអេថរជាបរមាណឬគុ

1. ទំហៃំ នភីស� (តូច មធ្យម និងធំ)

លំហាត់ 1.6.2. កំនត់ថាេតអ

លំហាត់ 1.6.3. កំនត់វ ិធីសា�ស្តេ្រជីសយកលំហគំរូែដលបានេ្របី

4. េនក្នុងសាលាធំ មួយ អ្នក្រសាវ្រជាវដាក់េលខេរៀង្រគ�បេ្រងៀនេពញេមា៉ងទាំងអស់ េហយ

លំហាត់ 1.6.4. កំនត់ថាេតីសំេណីនីមួយៗខាងេ្រកាម្រត�វ ឬខុស។ ពន្យល់មូលេហតុ

4. េនេពលែដលសាកលៃនសា�សា្តចារ្យសាកលវ ិទយល័យ្រត�វបានែចកជា្រក�មតាមលំដាប់ងារ (សា�សា្ត

លំហាត់ 1.6.5. េ្រជីសេរសចេម្ល

(a) លំហគំរូ Cluster

(a) លំហគំរូ Cluster

និយមន័យ 2.0.1. បំែនងែចកេ្របកង់គឺជាការេរៀបចំទិន្នន័យេនក្នុងតារាងែដលមានថា្នក់ និងេ្របកង់។

បំែនងែចកេ្របកង់ពរី ្របេភទែដល្រត�វបានេ្រប្រី បាស់ញឹកញាប់គឺ

• បំែនងែចកេ្របកង់ជា្របេភទៈ ស្រមាប់ទិន្នន័យជា្របេភទទាំងមានលំដាប់ និងមិនមានលំដាប់។

• បំែនងែចកេ្របកង់ជា្រក�មៈ ស្រមាប់ទិន្នន័យជាេលខែដលមានរង៉ ់ធំ។

ឧទាហរណ៍ 2.1.1. អ្នកចូលេធ្វទា

្រកាបែដលេពញនយ ិ មជាងេគបងា្ហញទន ិ ្នន័យ ជា្របេភទគឺ ្រកាបសសរ។ ជាញឹកញាប់ អ័ក្សេដកបងា្ហញអំពី

និយមន័យ 2.1.1. ្រកាបសសរជា្រកាបបងា្ហញថា្នក់ៃនទន

ឧទាហរណ៍ 2.1.2. សង់្រកាបសសរៃនទិន្នន័យ្របេភទឈាម

្រកាបមួយេទៀតែដលបងា្ហញទនិ ្នន័យជា្របេភទគឺដយ្រកាមផ្លត ិ រង្វង់មួយ្រត�វបានែចក

ឧទាហរណ៍ 2.1.3. សង់ដយ្រកាមផ្លិតៃនទិន្នន័យ្របេភទឈាម

ឧទាហរណ៍ 2.2.1. ទិន្នន័យៃនសីតុណ្ហភាព (◦ F) ៃនរដ្ឋទាង

តារាងេ្របកង់បងា្ហញថាថា្នក់ 110 − 114 ផ្ទុកនូវចំនួនសត

តារាងេនះបងា្ហញថាមានសត ី ុណ្ហភាពចំនួនទាំងអស់ 28 ែដលតូចជាងឬេស្មន

ថា្នក់ របាប់ េ្របកង់ ( f )

ឧទាហរណ៍ 2.2.4. ទិន្នន័យខាងេ្រកាមបងា្ហញអំពីចំនួនេមា៉ងេគងេនេពលយប់ៃនសិស្ស 30 នាក់

ថា្នក់ របាប់ េ្របកង់ ( f )

េនក្នុងករណីេនះមានសសិ ្ស 11 នាក់េគង 7 េមា៉ងេនេពលយប់។ សស

តារាងេនះបងា្ហញថាមានសិស្សចំនួន 19 នាក់ែដលេគងតិចជាង 8 េមា៉ង។

សមា្គល់ 2.2.1. េនេពលសង់ តារាងេ្របកង់ េយង

និយមន័យ 2.2.2. អុស

ថា្នក់ ្រពំែដនថា្នក់ េ្របកង់ ( f )