Slide Bài Giảng Lý Thuyết Xác Suất Và Thống Kê Ứng Dụng

TRƯỜNG ĐẠI HỌC TÀI CHÍNH - MARKETING
BỘ MÔN TOÁN – THỐNG KÊ
Slide bài giảng
LÝ THUYẾT XÁC SUẤT VÀ

THỐNG KÊ ỨNG DỤNG
Tp. Hồ Chí Minh – 2022

Chương 1. Biến cố ngẫu
nhiên và xác suất
Mục tiêu chương 1

• Phân biệt được sự kiện ngẫu nhiên và sự
kiện tất định. Nắm được các khái niệm về
phép thử, không gian mẫu, biến cố và biến
cố sơ cấp cũng như các biến cố đặc biệt.
• Hiểu được thế nào là xác suất và biết một số
định nghĩa về xác suất.
• Biết và áp dụng được công thức xác suất
đầy đủ và công thức xác suất Bayes.
• Biết áp dụng công thức Bernoulli để tính
xác suất.
1
TÀI LIỆU THAM KHẢO
Tiếng Việt
1) Nguyễn Huy Hoàng, Giáo trình Lý thuyết
xác suất và Thống kê ứng dụng, tài liệu lưu
hành nội bộ.
2) Nguyễn Cao Văn, Trần Thái Ninh, Ngô Văn
Thứ, Lý thuyết xác suất và thống kê toán,
NXB Đại học Kinh tế Quốc dân, 2012.
3) Phạm Văn Chững, Lê Thanh Hoa, Nguyễn
Đình Uông, Thống kê ứng dụng, NXB Đại học
Quốc gia Thành Phố Hồ Chí Minh, 2016.
3

Tiếng Anh
4) S.P. Gordon, Contemporary Statistics, Mc
Graw – Hill, Inc. 1994sworth.
5) Michael Barrow, Statistics for Economics,
Accounting and Business Studies- Prentice
Hall, 2006.
6) Newbold Paul - Statistics for Bussiness
and Economics, 5th edition - Prentice Hall,
2005.
4
2
Nội dung
1. Hiện tượng ngẫu nhiên
2. Xác suất
3. Xác suất có điều kiện
4. Công thức xác suất toàn phần
5. Công thức Bayes
6. Công thức Bernoulli
5

1.1. Các khái niệm cơ bản
HT tất định: Những HT khi thực hiện trong
ĐK như nhau sẽ cho kết quả giống nhau.
Ví dụ 1. Đun nước đến 100 độ C trong điều
kiện bình thường thì nước bốc hơi.
HT ngẫu nhiên: Những HT dù được thực hiện
trong ĐK như nhau vẫn có thể cho kết quả
khác nhau. Ví dụ 2. Tung một con xúc xắc.
6
3
Phép thử: Mỗi lần cho xảy ra một hiện
tượng ngẫu nhiên được gọi là phép thử.
Không gian mẫu: là tập hợp tất cả các
khả năng xảy ra của một phép thử.
Biến cố (sự kiện): là một tập con của
không gian mẫu.
Biến cố sơ cấp: là một phần tử của
không gian mẫu.
7

1.2. Ký hiệu
Phép thử: 
Không gian mẫu: 
Biến cố: A, B,C,...  
Biến cố sơ cấp:  
Ví dụ 3.
Xét phép thử  “tung một con xúc xắc”
8
4
Ta có:
Không gian mẫu:
  1, 2,3, 4,5,6
Gọi A là biến cố “ nhận được mặt chẵn”
A  2, 4,6  
Biến cố sơ cấp
  1, 2,3, 4,5,6  
9

Biến cố chắc chắn A  U : là biến cố luôn
luôn xảy ra khi thực hiện phép thử.
Biến cố không thể có A   : là biến cố
không bao giờ xảy ra khi thực hiện phép
thử.
Ví dụ 4.
Xét phép thử  “tung hai con xúc xắc”
10
5
A : “Tổng số nút nhỏ hơn 13”
B : “Tổng số nút bằng 1”
thì A là biến cố chắc chắn và B là biến
cố không thể có.
Xét hai biến cố A, B   , ta thành lập
 A  B  AB : “A và B cùng xảy ra khi
thực hiện phép thử”.
11

 Khi AB   , ta nói A và B là hai biến
cố xung khắc (A và B không bao giờ
cùng xảy ra)
 A  B  A  B : “A xảy ra hay B xảy ra
khi thực hiện phép thử”
 Biến cố đối lập: A   \ A “ A xảy ra
nếu và chỉ nếu A không xảy ra”
12
6
2. Xác suất (Probability)
Xác suất của một biến cố là một
con số đặc trưng cho khả năng xảy
ra khách quan của biến cố đó.
Xác suất của biến cố A, ký hiệu P(A)
được định nghĩa theo nhiều cách
13
2. Xác suất
2.1. Định nghĩa cổ điển
Xét phép thử  với n kết quả xảy ra,
nghĩa là không gian mẫu  có n biến
cố sơ cấp và biến cố A có k phần tử.
Nếu các biến cố sơ cấp có cùng khả
năng xảy ra thì xác suất của A được
định nghĩa là
Soá phaàn töû cuûa A k
P A= =
Soá phaàn töû cuûa Ω n 14
7
2. Xác suất
Ví dụ 5. Một công ty liên doanh cần
tuyển 3 nhân viên vào 3 chức vụ:
Giám đốc, thư ký, trưởng phòng nhân
sự. Có 50 sinh viên mới tốt nghiệp
đại học nộp đơn dự tuyển trong đó có
20 sinh viên nữ. Tính xác suất trong 3
người được tuyển có Giám đốc là nữ.
15
16
8
2. Xác suất
2.2. Định nghĩa xác suất bằng tần suất
Giả sử phép thử  có thể lập lại
nhiều lần trong điều kiện giống nhau.
Nếu trong n lần thực hiện phép thử mà
k
biến cố A xảy ra k lần thì tỷ số được
n
gọi là tần suất xảy ra của A trong n
k k
phép thử. Khi đó P  A   lim 
n  n n 17
2. Xác suất
Ví dụ 6. Tung một đồng xu “công bằng”.
Bằng thực nghiệm một số nhà khoa học
đã tung đồng xu nhiều lần và nhận kết
quả sau
18
9
2. Xác suất
2.3. Định nghĩa xác suất bằng tiên đề
Kolmogorov
P : ()  
A  P A
Thỏa các tính chất sau
i) P     1; P     0
ii) P  A   0, A  ()
19
2. Xác suất
iii) P  A1    A n   P  A1     P  A n 
Với A1 , A 2 ,..., A n xung khắc với nhau

từng đôi một, nghĩa là Ai A j   khi i  j
iv) Coâng thöùc coäng. Với hai biến cố A, B
bất kỳ, ta có
P  A  B   P  A   P  B   P  AB 
20
10
2. Xác suất
v) Nếu A và B xung khắc, AB   thì
P  A  B  P  A   P  B
vi) P  A   1  P  A 
Ví dụ 7. Qua cuộc điều tra trong sinh viên, ta
biết 40% học thêm ngoại ngữ, 55% học thêm
tin học và 30% học thêm cả hai môn này. Chọn
ngẫu nhiên một sinh viên. Tính xác suất sinh
viên này không học thêm môn nào cả.
21
 
P  A  B  P A  B  1  P  A  B
 1   P  A   P  B   P  AB    0,35
22
11
2. Xác suất
Ví dụ 8. Lấy ý kiến 100 người về 2 loại nước hoa
A và B, ta có số liệu sau:
55 người thích dùng nước hoa A.
20 người thích dùng nước hoa B.
10 người thích dùng cả hai loại.
Chọn ngẫu nhiên 1 người, tính XS để người này:
1. Thích dùng nước hoa A.
2. Thích dùng ít nhất một loại nước hoa trên.
3. Không thích dùng loại nước hoa nào.
4. Chỉ thích dùng nước hoa A.
5. Chỉ thích dùng nước hoa B. 23
24
12
25

3.1. Định nghĩa.
Xét biến cố B với P  B   0. Xác suất
của biến cố A, khi biết biến cố B xảy
ra là
P  AB 
P  A | B 
P  B
26
13
Ví dụ 9. Lâu ngày không gặp nhau, nhân dịp tết anh
A đến thăm anh B, biết bạn mình có hai người
con nhưng không biết trai gái thế nào.
a) Trong khi ngồi trong phòng khách chờ bạn. Anh
A dự đoán bạn mình có một người con gái.
Tính XS anh B có một con gái.
b) Hai người ngồi nói chuyện, có một bé gái bê
nước mời khách. Anh B giới thiệu đây là con
gái của tôi. Tính xác suất anh B có một con gái.
27
28
14
3.2. Định lý (Quy tắc nhân xác suất)
Với hai biến cố A và B bất kỳ, ta có
P  AB   P  A  P  B | A 
Tổng quát
với n biến cố bất kỳ A1 , A 2 ,..., A n , ta có
P  A1A 2 ...A n   P  A1  P  A 2 | A1  ...P  A n | A1...A n 1 
29

Ví dụ 10. Một thủ quỹ có một chùm chìa
khóa gồm 9 chìa giống hệt nhau trong
đó chỉ có 2 chìa có thể mở được két
sắt. Anh ta thử ngẫu nhiên từng chìa
(chìa nào không mở được két sắt bỏ ra
trong lần thủ kế tiếp). Tìm xác suất để
anh ta mở được két sắt vào đúng lần
thử thứ ba.
30
15
 
P  A1A 2 A3   P  A1  P A 2 A1 P  A3 A1A 2 
31

3.3. Định nghĩa. Hai biến cố A và B
được gọi là độc lập nếu xác suất của
biến cố này xảy ra không phụ thuộc
vào việc biến cố kia xảy ra, nghĩa là
P  A | B  P  A 
Do đó
P  AB   P  A  P  B 
32
16
Tổng quát, Cho A1 , A 2 , A 3 ,..., A n độc lập
với nhau từng đôi một
P  A1A 2 ...A n   P  A1  P  A 2  ...P  A n 
Ví dụ 11. Ba xạ thủ cùng bắn vào một mục

tiêu với xác suất bắn trúng mục tiêu của ba
xạ thủ lần lượt là 0,4; 0,5; 0,8. Tính xác suất
để có đúng một xạ thủ bắn trúng mục tiêu
33
34
17
35
4. Công thức xác suất đầy đủ

Với hai biến cố A, B bất kỳ, ta có
P  A   P  A | B P  B  P  A | B P  B
Tổng quát, cho B1 , B2 ,..., Bn là họ đầy đủ
các biến cố, nghĩa là
i) B1  B2  ...  Bn   và
ii) Bi B j   nếu i  j
thì với mọi biến cố A, ta có
36
18
4. Công thức xác suất đầy đủ
n
PA  PA | B  PB 

i 1
i i
Ví dụ 12. Một nhà máy có ba phân xưởng A, B,

C tương ứng làm ra 25%, 35% và 40% tổng
sản phẩm của nhà máy. Giả sử xác suất làm
ra một sản phẩm hỏng của các phân xưởng
A, B, C lần lượt là 1%, 2% và 3%. Chọn
ngẫu nhiên một sản phẩm của nhà máy. Tính
xác suất sản phẩm đó hỏng. 37
P  H   P  B1  P  H B1   P  B2  P  H B2   P  B3  P  H B3 
 0,0215
38
19
Cho B1 , B2 ,..., Bn là họ đầy đủ các biến cố
và xét biến cố A với P  A   0
Với mỗi k  1, 2,..., n, ta có
P  A |Bk  P  Bk 
P  Bk | A  
P(A)
n
với P  A   PA | B  PB 

i 1
i i
39

Ví dụ 13.Trước khi đưa sản phẩm ra thị trường
người ta đã phỏng vấn ngẫu nhiên 200 khách
hàng về sản phẩm đó và thấy có 34 người trả
lời “sẽ mua”, 96 người trả lời “có thể mua” và
70 người trả lời “không mua”. Kinh nghiệm
cho thấy tỉ lệ khách hàng thực sự sẽ mua sản
phẩm tương ứng với cách trả lời trên là 40%,
20% và 1%.
a) Tính tỉ lệ khách hàng thực sự mua sản phẩm đó.
b) Trong số khách hàng thực sự mua sản phẩm thì
có bao nhiêu phần trăm trả lời “sẽ mua”.
40
20
41
42
21
 Thực hiện phép thử nhiều lần một cách độc
lập nhau và quan sát số lần biến cố đó xảy ra
để tính được tần suất biến cố đó. Phương
pháp khảo sát này được gọi là lược đồ
Bernoulli.
 Xét phép thử với KGM là  và biến cố
A   với xác suất P(A)  p . Thực hiện phép
thử này n lần một cách độc lập nhau và quan
sát số lần xảy ra của biến cố A.
43

Đặt H k : “biến cố A xảy ra đúng k lần”,
với 0  k  n . Ta có P  H k   Ckn pk (1  p)n k
Gọi X là số lần biến cố A xảy ra trong n
lần thực hiện phép thử. Khi đó mỗi một
biến cố sơ cấp ta gán cho nó một con số.
Do đó “biến cố A xảy ra đúng k lần” còn
được ký hiệu là X  k
P  X  k   P  H k   Ckn p k (1  p) n k
44
22
Ví dụ 14. Xác suất thành công một thí
nghiệm sinh hóa là 40%. Một nhóm
gồm 9 sinh viên cùng tiến hành thí
nghiệm này độc lập với nhau. Tìm xác
suất để
a) Có đúng 6 thí nghiệm thành công,
b) Có ít nhất một thí nghiệm thành công,
c) Có ít nhất 8 thí nghiệm thành công.
45
k 9 k
P  H k  = C9k  0, 4   0,6 
46
23
47
24
Chương 2. Đại lượng ngẫu
nhiên và phân phối xác suất

• Thành lập được bảng phân phối xác suất
và tính được các hàm xác suất, hàm phân
phối.
• Tính và nêu được ý nghĩa các tham số đặc
trưng như trung bình, phương sai, mốt,
trung vị,...
• Biết áp dụng các luật phân phối như: Nhị
thức, Siêu bội, Poisson, Chuẩn, ….
1
Tiếng Việt
hành nội bộ.
2) Nguyễn Cao Văn, Trần Thái Ninh, Ngô
Văn Thứ, Lý thuyết xác suất và thống kê toán,
Đình Uông, Thống kê ứng dụng, NXB Đại
học Quốc gia Thành Phố Hồ Chí Minh, 2016.
3

Tiếng Anh
Hall, 2006.
2005.
4
2
Nội dung
1. Định nghĩa
2. Phân loại.
2. Biến ngẫu nhiên rời rạc.
3. Biến ngẫu nhiên liên tục.
4. Tham số đặc trưng của biến số
ngẫu nhiên.
5. Một số quy luật phân phối xác suất
5
1. Định nghĩa
Xét phép thử  với không gian mẫu 
Giả sử, ứng với mỗi biến cố sơ cấp    ,
ta liên kết với một số thực X     thì X
được gọi là một biến ngẫu nhiên
Tổng quát: X :   
  X()
thì X() gọi là biến ngẫu nhiên

6
3
1. Định nghĩa
Ví dụ 1. Xét trò chơi sấp ngửa bằng
cách tung đồng xu, giả sử nếu xuất
hiện mặt sấp, ta được một đồng; nếu
xuất hiện mặt ngửa, ta mất một đồng.
Hãy chỉ ra không gian mẫu, biến cố
sơ cấp và biến ngẫu nhiên.
7
1. Định nghĩa
4
2. Phân loại
 Khi X     x1 , x 2 ,..., x n , ta nói X là
một biến ngẫu nhiên rời rạc.
 Khi X    là một khoảng của  (hay
cả  ), ta nói X là một biến ngẫu
nhiên liên tục.
9
3. Biến ngẫu nhiên rời rạc

3.1. Bảng phân phối xác suất
Xét biến ngẫu nhiên rời rạc
X:   , với X     x1 , x 2 ,..., x n ,... .
Giả sử x1  x 2    x n  
với pi  P  X  x i  ; p 1
i
i
10
5
3.1. Bảng phân phối xác suất
Ví dụ 2. Một cơ quan có 3 xe ôtô: 1 xe
4 chỗ, 1 xe 50 chỗ và 1 xe tải. Xác suất
trong một ngày làm việc các xe được
sử dụng lần lượt là 0,8; 0,4 và 0,9. Hãy
lập bảng phân phối xác suất cho số xe
được sử dụng trong ngày của cơ quan.
11
12
6
P  X  0   P  A1 A 2 A3   P  A1  P  A 2  P  A3 
 0, 2  0,6  0,1  0,012
P  X  1  P  A1A 2 A3  A1A 2 A 3  A1A 2 A 3 
 P  A1A 2 A 3   P  A1A 2 A 3   P  A1A 2 A 3 
 P  A1  P  A 2  P  A3   P  A1  P  A 2  P  A 3 
 P  A1  P  A 2  P  A 3 
 0,8  0,6  0,1  0, 2  0, 4  0,1  0, 2  0,6  0,9  0,164
13

P  X  2   P  A1A 2 A 3  A1A 2 A 3  A1A 2 A 3 
 P  A1A 2 A 3   P  A1A 2 A 3   P  A1A 2 A 3 
 P  A1  P  A 2  P  A 3   P  A1  P  A 2  P  A 3 
 P  A1  P  A 2  P  A 3 
 0,8  0,4  0,1  0,8  0,6  0,9  0, 2  0, 4  0,9  0,536
P  X  3  P  A1 A 2 A 3   P  A1  P  A 2  P  A 3 
 0,8  0, 4  0,9  0, 288
14
7
3.2. Hàm xác suất (Probability function)
Hàm số f :    được gọi là hàm xác
suất của biến ngẫu nhiên rời rạc X, nếu
f được xác định như sau:
pi khi x  x i
f (x)  
0 khi x  x i , i
Tính chất
i) x  , f (x)  0; ii)  f (x)  1
x
15

3.2. Hàm xác suất (Probability function)
Ví dụ 3. Tiếp ví dụ 2. Tìm hàm xác suất cho BNN X.
Từ bảng phân phối xác suất của ví dụ 2. Ta
có hàm xác suất của X như sau:
0,012 khi x  0,
 0,164 khi x  1,

f  x   0,536 khi x  2,
0, 288 khi x  3,

 0 khi x  0,1,2,3. 16
8
3.3. Hàm phân phối (tích lũy)
a) Định nghĩa
Hàm số f :    là hàm xác suất của
biến ngẫu nhiên rời rạc X, hàm số
F :    được gọi là hàm phân phối,
nếu F được xác định như sau
F(x)  P  X  x    f (x )
xi  x
i
17

Nếu X lấy giá trị tạo thành dãy
x1  x 2    x n   ta có hàm phân phối
0 khi x  x1

F(x)  f (x1 )    f (x n 1 ) khi x n 1  x  x n
1 khi x n  x

18
9
b) Tính chất
i) 0  F(x)  1, x  ,
ii) lim F(x)  0; lim F(x)  1,
x x
iii) F laø haøm taêng,

iv) F laø haøm lieân tuïc beân phaûi taïi x  
19

Ví dụ 4. Với biến ngẫu nhiên được cho
trong ví dụ 3 ở trên. Tìm hàm phân
phối xác suất cho X.
20
10
21
 0 khi x  0,
0,012 khi 0  x  1,

F  x    0,176 khi 1  x  2,
0,712 khi 2  x  3,

 1 khi 3  x.
22
11
4. Biến ngẫu nhiên liên tục
4.1. Hàm mật độ (density function)
Hàm số f :    được gọi là hàm mật
độ của biến ngẫu nhiên liên tục X, nếu
f được xác định như sau:
b
P  a  X  b   f (x)dx
a
Tính chất 
i) x  , f (x)  0; ii)
 f (x)dx  1
 23

Ví dụ 5. Cho biến số ngẫu nhiên liên tục X
với hàm mật độ xác suất
Ax(3  x) khi x   0,3 ,
f x  
0 khi x   0,3.
Xác định hằng số A.
24
12

 f  x  dx  1

0 3 
  f  x  dx   f  x  dx   f  x  dx  1
 0 3
3
 A   3x  x 2  dx  1
0
9 2
 A 1 A  .
2 9
25

a) Định nghĩa. Hàm số f :    là
hàm mật độ của biến ngẫu nhiên liên
tục X, hàm số F :    được gọi là
hàm phân phối, nếu F được xác định
như sau x
F(x)  P  X  x  
 f (t)dt
 26
13
b) Tính chất
i) 0  F(x)  1, x  ,
ii) lim F(x)  0; lim F(x)  1,
x  x 
iii) F laø haøm taêng,

iv) F laø haøm lieân tuïc beân phaûi taïi x  
27

Ví dụ 6. Cho X là biến ngẫu nhiên có
hàm mật độ xác suất như sau
0 khi x  0
x khi 0  x  1

f (x)  
2  x khi 1  x  2
0 khi 2  x
Tìm hàm phân phối cho X. 28
14
29
30
15
0 khi x  0,
1
 x2 khi 0  x  1,
2
F x   
 1  2x  1 x 2 khi 1  x  2,
 2
1 khi 2  x.

31
5. Tham số đặc trưng BNN

5.1. Định nghĩa. Cho X là biến ngẫu
nhiên với u(X) là hàm theo biến ngẫu
nhiên X. Kỳ vọng của u(X) được xác
định như sau
E  u(X)    u(x )f (x )
i
i i Khi X là BNNRR

E  u(X)  
 u(x)f (x)dx

Khi X là BNNLT
32
16
Trường hợp khi u ( X )  X : thì E(X) được
gọi là trung bình của X, ký hiệu  X
X  E  X    x f (x )
i
i i Khi X là BNNRR

X  E  X  
 xf (x)dx

Khi X là BNNLT
33

2
Trường hợp khi u(X)   X   X  : thì

E  X  X 
2

được gọi là phương sai
của X, ký hiệu  2X
2X    x i  X 
i
2
f (x i ) Khi X là BNNRR

2
 2X 
  x  X 

f (x)dx Khi X là BNNLT
34
17
Độ lệch chuẩn của X: X
5.2. Mệnh đề.

Cho X là biến ngẫu nhiên với trung
bình E  X    X . Ta có
 2X  E  X 2    X2
35

5.3. Mốt và Trung vị.
a) Mốt. Mốt của đại lượng ngẫu nhiên
X, ký hiệu Mod  X 
Khi X là BNNRR
Mod  X   x 0 sao cho P  X  x 0  là max
Khi X là BNNLT
Mod  X   x 0 sao cho f X  x 0  là max
36
18
5.3. Mốt và Trung vị
b) Trung vị. Trung vị của đại lượng
ngẫu nhiên (rời rạc hay liên tục) X, ký
hiệu Me  X 
Me  X   x 0 sao cho P  X  x 0   P  X  x 0 
37

Ví dụ 7. Cho BNN liên tục X với hàm mật
độ như sau:
2

 3x  x
f (x)   9
2
 khi x   0,3
0 khi x   0,3

Tìm TB, PS, Mốt, Trung vị, P  X  2 

38
19
 3
2
E  X    xf  x  dx    3x 2  x 3  dx

90
3
2 1  3
  x3  x 4  
9 4 0 2
 3
2
E  X    x f  x  dx    3x 3  x 4 dx
2 2

90
3
2 3 1  27
  x 4  x5  
9 4 5  0 10 39
40
20
41

x0 x0
2
P  X  x 0   0,5   f  x  dx  0,5    3x  x 2  dx  0,5
 90
 33 3
x0   [0,3]
 2
2 3 1 2 1  3
  x 0  x 0    x 0   [0,3]
27 3 2 2

 33 3
 x 0
  [0,3]
2
 3 3
2 2 3 1  7
P  X  2    f  x  dx    3x  x 2  dx   x 2  x 3  
2
92 92 3  2 4227
21
5.4. Hệ số đối xứng và hệ số nhọn
a) Hệ số đối xứng
E(X   X )3
1 (X) 
3X
b) Hệ số nhọn
E(X   X )4
 2 (X) 
 4X
Nếu 1 (X)  0 thì phân phối của X đối xứng; 1 (X)  0 lệch
phải và 1 (X)  0 lệch trái.  2 (X) càng lớn thì càng nhọn.43

5.4. Hệ số đối xứng và hệ số nhọn
Ví dụ 8. Đo đường kính (X) một chi tiết
máy (đơn vị mm). Ta có các số liệu sau
201; 203; 208; 204; 202; 205; 200; 206;
207. Tính trung bình, phương sai, hệ số
đối xứng, hệ số nhọn của X.
44
22
45
6. Một số QL phân phối xác suất

 Phân phối nhị thức, B  n;p 
 Phân phối siêu bội, H  N, K, n 
 Phân phối Poisson, P   
 Phân phối đều, U[a, b]
 Phân phối Gauss, N  0;1
 Phân phối chuẩn, N  ; 2 
2
 Phân phối chi bình phương,  (n)
 Phân phối Student, St(n)
 Phân phối Fisher, F  n, m  46
23
6.1. Phân phối nhị thức
6.1.1. Định nghĩa: Biến ngẫu nhiên rời
rạc X được gọi là phân phối nhị thức,
ký hiệu X  B  n;p  , nếu hàm xác suất
của X có dạng sau
C nx p x (1  p)n  x khi x  0,1,..., n
f (x)  
0 khi x  0,1,..., n
47

6.1.2. Công thức tính xác suất:
Cho X  B  n;p  , ta có
P  X  k   C kn p k (1  p) n k
Với k  0,1, 2,..., n

48
24
6.1.3. Mệnh đề: Cho biến ngẫu nhiên
X  B  n;p  . Với q  1  p , ta có
i) Trung bình:  X  E(X)  np,

ii) Phương sai: 2X  npq,
iii) Giá trị tin chắc nhất: Mod  X   k 0 với
k 0 là số nguyên thỏa bất phương trình
np  q  Mod  X   np  q  1. 49

6.1.4. Ví dụ 1: Trong một vùng dân cư
có 70% gia đình có máy giặt, chọn
ngẫu nhiên 12 gia đình.
a) Tính xác suất nhận được đúng 5 gia
đình có máy giặt.
b) Tính xác suất có ít nhất hai gia đình
có máy giặt.
50
25
51

6.1.4. Ví dụ 2: Gieo 1000 hạt giống với
xác suất nảy mầm của mỗi hạt là 0,8.
Gọi X là biến ngẫu nhiên chỉ hạt nảy
mầm. Tính trung bình và phương sai
của biến ngẫu nhiên X.
52
26
53
6.2. Phân phối siêu bội

rạc X được gọi là phân phối siêu
bội, ký hiệu X  H  N, K, n  , nếu hàm
xác suất của X có dạng sau
CKx C nNxK
f (x) 
CnN
khi max  0,n-N+K   x  min(n,K),
vaø f(x)=0 trong caùc tröôøng hôïp coøn laïi 54
27
Cho X  H  N, K, n  , ta có
CkK CnNkK
PX  k 
CnN
Với max  0, n  N  K   k  min(n, K)

55

6.2.3. Mệnh đề: Cho biến ngẫu nhiên
X  H  N, K, n  . Với q  1  p, ta có
i) Trung bình:  X  np, vớip  K / N
Nn
ii) Phương sai: 2X  npq .
N 1
Lưu ý: Khi n  N thì PPSB được xấp
xỉ bằng PPNT H  N, K, n   B  n; p 
56
28
6.2.4. Ví dụ 3: Từ một hộp đựng 15 quả
cam trong đó có 5 quả hư, lấy ra 3
quả. Gọi X là số quả hư trong 3 quả
lấy ra.
a) Tính xác suất 3 quả lấy ra đều hư.
b) Tính trung bình và phương sai của X.
57
a) Xác suất để cả 3 quả đều hư

C35 C100
P  X  3   0,021978.
C153
58
29
6.2.4. Ví dụ 4: Trong 8000 sản phẩm
trên một dây chuyền sản suất, có 2000
sản phẩm không được kiểm tra chất
lượng. Tính xác suất trong 10 sản
phẩm sản xuất ra có 2 sản phẩm
không được kiểm tra chất lượng.
59
60
30
61
6.3. Phân phối Poisson

rạc X được gọi là phân phối Poisson,
ký hiệu X  P    , nếu hàm xác suất
   x
e khi x  0,1,..., n
f (x)   x!
0 khi x  0,1,..., n

62
31
Cho X  P   , ta có
k 
PX  k  e
k!
Với k  0,1, 2,..., n

63

6.3.3. Mệnh đề: Cho BNN X  P    , ta có
i) Trung bình:  X  ,
ii) Phương sai: 2X  .
Lưu ý: Khi n đủ lớn và p đủ nhỏ thì PPNT
được xấp xỉ bằng PP Poisson
B  n;p   P  np 
64
32
Ví dụ 5: Một nhà máy dệt cho 5000
ống sợi. Xác suất để trong một phút,
một ống sợi bị đứt là 0,0002. Tìm
xác suất để trong một phút có không
quá hai ống sợi bị đứt.
65
66
33
67
6.4. Phân phối đều

6.4.1. Định nghĩa: Biến ngẫu nhiên liên
tục X được gọi là phân phối đều, ký
hiệu X  U[a, b] , nếu hàm mật độ của
X có dạng sau
 1
 khi x   a, b 
f (x)   b  a
0 khi x   a, b

68
34
6.4.2. Công thức: Cho X  U[a, b], ta có

i) P    X    
ba
ab
ii)  X  E(X) 
2
2 (b  a) 2
iii) X  D(X) 
12
69

Ví dụ 6. Một loại sản phẩm do một nhà
máy sản xuất được đóng thành từng hộp.
Trọng lượng của hộp là biến ngẫu nhiên
phân phối đều trong khoảng [1,9; 2,1]
(kg). Tính trọng lượng trung bình, phương
sai của một hộp và tỷ lệ hộp có trọng
lượng từ 1,95 kg trở lên.
70
35
71
6.5. Phân phối Gauss

6.5.1. Định nghĩa: Biến ngẫu nhiên
liên tục X được gọi là phân phối Gauss,
ký hiệu X  N  0;1 , nếu hàm mật độ của
X có dạng sau
2
1  x2
f (x)  e ,    x  
2
72
36
Cho X  N(0;1) , ta có
x b 2
1 
P a  X  b 
2 a
e 2 dx

 0  b   0  a 
t x 2
1 
Với 0  x   e 2 dt

2 0 73

Lưu ý: i) Nếu x  0 thì 0 ( x)  0 (x)
ii) Nếu x  4 thì 0 (x)  0,5
Ví dụ 7: Cho X  N(0;1) . Tính
i) P  1, 25  X  1,5 
ii) P  X  1,5 
iii) P  X  1, 25 
74
37
i) P  1, 25  X  1,5  0 1,5   0  1, 25 

 0 1,5   0 1, 25 
 0, 4332  0,3944  0,8276
ii) P  X  1,5  0     0 1,5 
 0,5  0, 4332  0,0668
iii) P  X  1, 25   0  1, 25  0   

 0 1, 25   0   
 0,39440,5  0,5  0,1056
75

6.5.3. Mệnh đề: Cho X là biến ngẫu nhiên
liên tục có phân phối Gauss, X  N(0;1)
Ta có
i) Trung bình:  X  0,
ii) Phương sai: 2X  1.
76
38
6.6. Phân phối chuẩn
6.6.1. Định nghĩa: Biến ngẫu nhiên
liên tục X được gọi là phân phối chuẩn,
ký hiệu X  N  ; 2  , nếu hàm mật độ
(x  ) 2
1 
2 2
f (x)  e ,    x  
 2
77
Đồ thị của phân phối chuẩn
78
39
Cho X  N(; 2 ) , ta có
b ( x  )2
1 
2 2
P a  X  b 
 2 a
e
 dx
 b  a  
 0  
 0 
     
79

6.6.3. Mệnh đề: Cho X là biến ngẫu nhiên
liên tục có phân phối chuẩn, X  N(; 2 )
Ta có
i) Trung bình:  X  ,
ii) Phương sai: 2X  2 .
6.6.4. Mệnh đề: Nếu X  N  ; 2  và
X   thì
Y Y  N(0;1) 80

40
Ví dụ 8: Giả sử chiều cao người Việt
Nam là biến ngẫu nhiên có phân
phối chuẩn với trung bình là 160 cm
và độ lệch chuẩn là 4 cm. Hãy tính
tỷ lệ những người cho chiều cao từ
155 cm đến 166 cm.
81
82
41
Lưu ý: Cho biến ngẫu nhiên
X  B  n; p  . Khi n đủ lớn thì ta có thể
xấp xỉ phân phối nhị thức bằng phân
phối chuẩn, nghĩa là
X  B  n; p   N  np;npq 
83
 k  0,5     k  0,5   
i) P  X  k   0    0  
     
 n  0,5     m  0,5   
ii) P  m  X  n   0    0  
      84
42
Ví dụ 9: Trong 10000 sản phẩm trên dây
chuyền sản xuất, có 2000 sản phẩm
không được kiểm tra chất lượng. Tìm xác
suất để trong 400 sản phẩm sản xuất ra:
a) Có từ 70 đến 100 sản phẩm không được
kiển tra chất lượng,
b) Có đúng 80 sản phẩm không được kiểm
tra chất lượng.
85
86
43
87
Sơ đồ sấp xỉ các phân phối
88
44
6.7. Phân phối chi bình phương
6.7.1. Mệnh đề: Cho X1 , X 2 ,..., X n là biến
ngẫu nhiên liên tục, độc lập và có
phân phối Gauss, Xi  N  0;1 ,i  1,..., n
thì Xi2 có phân phối chi bình phương với 1
bậc tự do, Xi2  2 (1) . Đặt Y  X12    X 2n
thì Y có phân phối chi bình phương với n

bậc tự do, Y   (n)
2
89
6.7. Phân phối chi bình phương

6.7.2. Mệnh đề:
Cho BNN Y   2 (n) .
Ta có
i) Trung bình:  Y  n,
ii) Phương sai: 2Y  2n.
90
45
6.8. Phân phối Student, St(n)
6.8.1. Mệnh đề: Cho X là BNN liên tục
có phân phối Gauss, X  N  0;1 . Y là
BNN có phân phối chi bình phương với n
bậc tự do, Y  2 (n) và X, Y là hai biến
độc lập.
Đặt T  X thì T có phân phối
Y Student, T  St(n).
n 91
6.8. Phân phối Student, St(n)

6.8.2. Mệnh đề: Cho BNN T  St(n). Ta có
i) Trung bình: T  0,
n
ii) Phương sai: T2  .
n2
Lưu ý: Nếu X  St(n), với n  30,

thì X  N  0;1 .
92
46
6.9. Phân phối Fisher, F(n, m)
6.9.1. Mệnh đề: Cho X,Y là hai BNN
liên tục có phân phối chi bình phương,
X   2 (n);Y   2 (m) và X, Y là hai biến
độc lập.
X
Đặt F  n thì F có phân phối
Y
m Fisher, F  F(n, m).
93
6.9. Phân phối Fisher, F(n, m)

6.9.2. Mệnh đề: Cho BNN F  F(n, m).
Ta có
n
i) Trung bình:  F  , n2
n2
2m 2 (n  m 2  2)
2
ii) Phương sai:   F .
n(m  2) 2 (m  4)
94
47
Chương 3. Mẫu ngẫu nhiên
và bài toán ước lượng

• Phân biệt được thế nào là tổng thể và mẫu
ngẫu nhiên.
• Tính được các tham số đặc trưng mẫu như
trung bình, phương sai, tỷ lệ...
• Nắm được bài toán ước lượng điểm và
ước lượng khoảng.
• Hiểu được bài toán ước lượng khoảng và
tìm được lượng khoảng như ước lượng
trung bình, phương sai, tỷ lệ.
1
Tiếng Việt
hành nội bộ.
3

Tiếng Anh
Hall, 2006.
2005.
4
2
Nội dung
1. Lý thuyết mẫu
2. Ước lượng điểm
3. Ước lượng khoảng
Tổng thể: Là tập hợp tất cả các phần tử có
mang một tính chất nào đó mà chúng ta
quan tâm.
Kích thước tổng thể (N): Là số phần tử của
tổng thể.
Mẫu: Là một tập con bất kỳ của tổng thể.
Mỗi phần tử của mẫu gọi là một quan
sát.
Cỡ mẫu (n): Là số phần tử của mẫu. 6
3
Một số đặc trưng của tổng thể:
N
1
Trung bình của tổng thể:  
N X
i 1
i
N
1
Phương sai của tổng thể:  
N
2

i 1
(X i  ) 2
M
Tỷ lệ tổng thể: p 
N 7
Thống kê: là một biểu thức theo mẫu
gồm X1 , X 2 ,..., X n và không phụ thuộc
vào tham số chưa biết. Ký hiệu
T  T  X1 , X 2 ,..., X n 
Các đặc trưng của mẫu: Trung bình
mẫu, phương sai mẫu, tỷ lệ mẫu
8
4
Mẫu đơn: X1 , X 2 ,..., X n
n
1
Trung bình của mẫu: X 
n X
i 1
i
Phương sai của n

1
mẫu có hiệu chỉnh: S2X 
n 1  i 1
(X i  X) 2
k
Tỷ lệ mẫu: f 
n 9
10
5
Mẫu kép:
Cỡ mẫu: n  n1  n 2  ...  n k
k
Trung bình của mẫu: X  1 n X i i
n i 1
Phương sai của k
1
mẫu có hiệu chỉnh: S2X 
k n 1  i 1
n i (X i  X) 2
Tỷ lệ mẫu: f 
n 11
12
6
2. Ước lượng điểm
Ước lượng điểm tốt nhất của trung bình tổng
thể,  , là trung bình mẫu, X.
Ước lượng điểm tốt nhất của phương sai tổng

thể,  2, là phương sai mẫu có hiệu chỉnh mẫu, S2X .
Ước lượng điểm tốt nhất của tỷ lệ tổng thể, p ,

là tỷ lệ mẫu, f .
13
3. Ước lượng khoảng

 Định lý Lindeberg - Levy
 Ước lượng trung bình tổng thể
 Ước lượng phương sai tổng thể
 Ước lượng tỷ lệ tổng thể
14
7
3.1. Định lý Lindeberg - Levy
Cho X1 , X 2 ,..., X n là một mẫu độc lập,
có phân phối chuẩn, Xi  N  ; 2 .
Ta có
 2 
i) X  N  , 
 n 
(n  1)S2X
ii) 2
  2 (n  1)

15
3.1. Định lý Lindeberg - Levy
Từ i) đặt Z  
X   n
thì Z  N(0,1)

(n  1)S2X
Từ ii) đặt Y  2
  2
(n  1)

Ta suy ra T  Z

 X   n
 St(n  1)
Y SX
n 1
16
8
3.2. Ước lượng trung bình tổng thể
Xét X1 , X 2 ,..., X n là một mẫu độc lập, Xi  N  ; 2 
a) Biết phương sai tổng thể 20
Ta dùng thống kê:
Z
X   n
 N  0;1
0
Trường hợp 1. Ước lượng đối xứng (hai phía)
Với mức ý nghĩa:   0  C   1  

2
17

Khoảng ước lượng (đối xứng) trung bình
tổng thể 
   
   X  C 0 ;X  C 0 
 n n
0
Sai số ước lượng:   C
n
18
9
Ví dụ 3. Phân tích Vitamin của 17 mẫu, ta tính
được lượng Vitamin trung bình là 20mg. Biết
rằng lượng Vitamin có phân phối chuẩn với độ
lệch chuẩn là 3,98 mg.
a) Hãy ước lượng lượng Vitamin trung bình
với độ tin cậy 95%.
b) Nếu muốn sai số ước lượng không quá
1mg ở độ tin cậy 95% thì phải quan sát ít nhất
mấy trường hợp.
19

n  17, X  20,  0  3,98
a) Hãy ước lượng lượng Vitamin trung bình với độ
tin cậy 95%.
20
10
21

Trường hợp 2. Ước lượng một phía
1  2
Với mức ý nghĩa   0  C  
2
KUL một phía của TB tổng thể 
  
   ; X  C 0  Phía trái (tối đa)
 n
  
  X  C 0 ;    Phía phải (tối thiểu)
 n  22
11
Ví dụ 4. Tuổi thọ của bóng đèn là biến ngẫu
nhiên có phân phối chuẩn với độ lệch chuẩn là
36 giờ. Từ một lô bóng đèn mới sản xuất kiểm
tra ngẫu nhiên 100 bóng đèn và tính được tuổi
thọ trung bình là 3000 giờ. Với độ tin cậy 95%
hãy ước lượng tuổi thọ tối đa và ước lượng
tuổi thọ tối thiểu của loại bóng đèn nói trên
23
24
12
b) Chưa biết phương sai tổng thể  2
T
 X   n
 St(n  1)
SX
Trường hợp 1. Ước lượng đối xứng (hai phía) 
Với độ tin cây:  suy ra   1    C  t n 1

2
25

b) Chưa biết phương sai tổng thể 2
Khoảng ước lượng (đối xứng) trung
bình tổng thể 
 S S 
  X  C X ; X  C X 
 n n
SX
Sai số ước lượng:   C
n
26
13
Ví dụ 5. Kiểm tra tuổi thọ tính bằng giờ của 50
bóng đèn do một nhà máy sản xuất ra, ta có
GS rằng tuổi thọ của bóng đèn có pp chuẩn.

a) Hãy ước lượng tuổi thọ trung bình của loại bóng
đèn do nhà máy trên sản xuất với độ tin cậy 95%.
b) Nếu yêu cầu ước lượng phải đạt độ chính xác 50
giờ và độ tin cậy 95% thì cần phải kiểm tra ít
nhất bao nhiêu bóng đèn?
27
28
14
29

b) Chưa biết phương sai tổng thể 2
Trường hợp 2. Ước lượng một phía 
Với mức ý nghĩa   C  t n 1

 S 
   ; X  C X  Phía trái (UL tối đa)
 n
 S 
   X  C X ;    Phía phải (UL tối thiểu)
 n 
30
15
Ví dụ 6. Khảo sát 365 hộ gia đình của địa
phương B về mức thu nhập (X), ta tính được
thu nhập trung bình là 32,58 triệu đồng/tháng
và độ lệch chuẩn mẫu có hiệu chỉnh là 5,35
triệu đồng/tháng. Hãy ước lượng mức thu
nhập tối đa và mức thu nhập tối thiểu của địa
phương này với độ tin cậy 95%.
31
32
16
3.3. Ước lượng phương sai tổng thể
Xét X1 , X 2 ,..., X n là một mẫu độc lập,
X i  N  ; 2 
a) Biết trung bình tổng thể 0

n 2
 X i  0 
Ta dùng thống kê: Y  i 1
 2
  2 (n)
Độ tin cậy:     1  
 a   2  (n); b   2 (n)
1
2 2
33
a) Biết trung bình tổng thể 0

Khoảng ước lượng phương sai tổng thể 2
n n
1 2 1 2 
2
 
 b
X    X   
i 1
i 0 ;
a i 1
i 0 

k k
1 2 1 2
2
 
 b
i 1
n i  Xi  0  ;
a  i 1
n i  Xi  0  

34
17
b) Chưa biết trung bình tổng thể 

(n  1)S2X
Y 2
  2 (n  1)

Độ tin cậy:     1  
 a   2  (n  1); b   2 (n  1)
1
2 2
35
b) Chưa biết trung bình tổng thể 

Khoảng ước lượng phương sai tổng thể 2
2 2
2  (n  1)SX (n  1)SX

  ; 
 b a 
36
18
Ví dụ 7. Khảo sát chỉ tiêu X của 1 loại sản phẩm,
người ta quan sát một mẫu và có kết quả sau
Giả sử X có phân phối chuẩn. Hãy ước lượng

phương sai của X với độ tin cậy 95% trong các
trường hợp sau
a) Biết trung bình tổng thể X là 25cm.
b) Chưa biết trung bình tổng thể của X.
37
38
19
39
3.4. Ước lượng tỷ lệ tổng thể p

Xét X1 , X 2 ,..., X n là một mẫu độc lập, Xi  B 1;p 
X1  X 2  ...  X n
Đặt f 
n
(f  p) n
Z  N(0,1)
f (1  f )
Trường hợp 1. Khoảng ước lượng đối xứng
40
20
1 
2
Khoảng ước lượng đối xứng (hai phía) tỷ lệ
tổng thể p
 f (1  f ) f (1  f ) 
p  f  C ;f  C 
 n n 
41

f (1  f )
Với sai số ước lượng   C
n
Bài toán tìm cỡ mẫu (n)
f (1  f )
Nếu biết f:   0  n  C2
 02
C2
Nếu f chưa biết: n  2
40
42
21
Ví dụ 8. Để ước lượng tỷ lệ bệnh sốt rét ở Đồng
Bằng Sông Cửu Long.
1) Nếu muốn sai số ước lượng không quá 2% ở
độ tin cậy 95% thì cần quan sát ít nhất bao nhiêu
người.
2) Ta quan sát ngẫu nhiên 200 người, thấy có 24
người mắc bệnh sốt rét.
a) Tìm khoảng ước lượng của tỷ lệ tổng thể p
với độ tin cậy 95%.
b) Nếu muốn sai số ước lượng không quá 2% ở
độ tin cậy 95% thì cần quan sát ít nhất mấy người.
43
44
22
45
 f 1  f  f 1  f  
p  f  C ;f  C    0,075; 0,165.
 n n 
46
23
Trường hợp 2. Khoảng ước lượng một phía
1  2
2
Khoảng UL (một phía) tỷ lệ tổng thể p
 f (1  f ) 
p   0;f  C  Phía trái (UL tối đa)
 n 
 f (1  f ) 
p  f  C ;1 Phía phải (UL tối thiểu)
 n 
47

Ví dụ 9. Điều tra 365 hộ gia đình ở địa phương
B, ta thấy có 183 hộ có thu nhập trên 30 triệu
đồng/tháng. Hãy ước lượng tối đa và ước lượng
tối thiểu cho tỷ lệ hộ gia đình có mức thu nhập
trên 30 triệu đồng/tháng với độ tin cậy 95%.
48
24
49
25
Chương 4. Kiểm định giả
thuyết thống kê

• Hiểu được thế nào là giả thuyết, đối thuyết và
kiểm định giả thuyết thống kê.
• Các loại sai lầm thường gặp trong kiểm định giả
thuyết thống kê...
• Nắm và áp dụng được một số bài toán kiểm định
tham số như kiểm định trung bình, kiểm định
phương sai và kiểm định tỷ lệ.
• Nắm và áp dụng được một số bài toán kiểm định
phi tham số như kiểm định luật phân phối, kiểm
định tính độc lập, kiểm định dấu – tổng hạng
Wilconxon và kiểm định Kruskal – Wallis.
1
Tiếng Việt
hành nội bộ.
Đình Uông, Thống kê ứng dụng, NXB Đại
học Quốc gia Thành Phố Hồ Chí Minh, 2016.
3

Tiếng Anh
Hall, 2006.
2005.
4
2
Nội dung
 Các khái niệm

 Kiểm định tham số
Kiểm định phi tham số
5
1. Các khái niệm

a) Mô hình bài toán kiểm định là: Ta nêu lên
hai mệnh đề trái ngược nhau, một mệnh đề được
gọi là giả thuyết H và mệnh đề ngược lại được gọi
0
là nghịch thuyết H1 . Dựa vào quan sát mẫu, ta nói

rằng : chấp nhận giả thuyết H , nghĩa là, ta tin rằng
0
H đúng; từ chối H có nghĩa là, ta tin rằng H sai.

0 0 0
Ở đây, ta không thể khẳng định H đúng hay sai, ta

0
chỉ quan sát ngẫu nhiên một số trường hợp nên

không thể khẳng định chắc chắn điều gì cho cả
tổng thể.
6
3

c) Bài toán kiểm định: Quan sát mẫu X 1 , X 2 ,..., X n
và đưa ra giả thuyết H . Từ mẫu quan sát, ta chọn thống
0
kê Q  f  X 1 , X 2 ,..., X n ; 0  sao cho H đúng thì phân

0
phối xác suất của Q hoàn toàn xác định. Ta nói thống kê
Q là tiểu chuẩn kiểm định giả thuyết H . 0
với mức sai lầm  cho trước, ta tìm được KTC

a, b của Q với ĐTC   1   và khi đó,
 Nếu Q   a, b : Ta chấp nhận giả thuyết H , 0
 Nếu Q   a, b : Ta bác bỏ giả thuyết H . 0

8
4
Trong ứng dụng, nếu hàm mật độ Q có đồ thị
đối xứng qua 0y, như hàm phân phối Gauss,
N  0;1 , và phân phối Student, St  n  , thì chọn
KTC  C, C còn nếu hàm mật độ Q không đối

xứng, như trong phân phối 2 , 2  n  , và phân
phối Fisher, F  n, m  thì chọn KTC  a, b hay
0, C . 9
2. Kiểm định tham số

2.1. So sánh trung bình tổng thể với
một số cho trước
2.2. So sánh tỷ lệ tổng thể với một số
cho trước
2.3. So sánh hai trung bình của hai
tổng thể
2.4. So sánh hai tỷ lệ của hai tổng thể
2.5. So sánh hai phương sai của hai
tổng thể 10
5
2.1. So sánh trung bình tổng
thể với một số cho trước
1. Nếu biết phương sai tổng thể 2  02
a. Kiểm định hai phía (hai bên)
Ta có bài toán kiểm định
H 0 :   0

H1 :   0
Nếu H 0 đúng, ta có thống kê
(X  0 ) n
Z  N(0,1)
0 11

1 
Với độ tin cậy   1   , ta có 0  C  
2
So sánh Z và C
+) Nếu Z  C : Bác bỏ H 0
+) Nếu Z  C : Chấp nhận H0
12
6
Ví dụ 1. Biết rằng chiều cao người Việt Nam
có phân phối chuẩn với độ lệch chuẩn là
10cm. Có tài liệu cho biết chiều cao trung
bình này là 160cm. Ta quan sát ngẫu nhiên
một mẫu 80 người, tính được trung bình là
162cm. Hỏi rằng quan sát này có phù hợp với
giá trị của tài liệu cho biết hay không? Kết
luận với mức ý nghĩa 5%.
13

14
7
(X  ) n
Z  N  0,1
0
15

b. Kiểm định một phía (phía phải)
H 0 :   0

H1 :   0
(X  0 ) n
Z  N(0,1)
0 16
8
1  2
Với độ tin cậy  , ta có 0  C   2
So sánh Z và C
Nếu Z  C : Bác bỏ H 0
Nếu Z  C : Chấp nhận H0
17

Ví dụ 2. Thu hoạch thử 49 thửa ruộng trồng
lúa, tính được năng suất trung bình 40 tạ/ha.
Trước đây, giống lúa này cho năng suất 39
tạ/ha. Với mức ý nghĩa 5%, có thể cho rằng
năng suất lúa đã tăng lên hay không? Biết rằng
năng suất lúa là biến ngẫu nhiên tuân theo quy
luật chuẩn với độ lệch chuẩn là 1,5 tạ/ha.
18
9
H 0 : μ =  0 =39

H1: μ >  0 =39
Z
X  μ 
0
n
 N  0,1
0 19

20
10
c. Kiểm định một phía (phía trái)
H 0 :   0

H1 :   0
(X  0 ) n
Z  N(0,1)
0 21

1  2
Với độ tin cậy , ta có 0  C  
2
So sánh Z và C
Nếu Z  C : Bác bỏ H 0
Nếu Z  C : Chấp nhận H0
22
11
Ví dụ 3. Bột ngọt được đóng gói trên dây
chuyền tự động với trọng lượng đóng gói theo
quy định là 453gram. Biết trọng lượng đóng
gói của bột ngọt là biến ngẫu nhiên có phân
phối chuẩn với độ lệch chuẩn là 36gram.
Kiểm tra ngẫu nhiên trọng lượng của 81 gói
tìm được trọng lượng đóng gói trung bình là
448gram. Với mức ý nghĩa 5% có thể cho
rằng bột ngọt bị đóng gói thiếu hay không?
23

24
12
(X  ) n
Z  N  0,1
0
25

2. Nếu chưa biết phương sai tổng thể 2
H 0 :   0

H1 :   0
(X  0 ) n
T  St(n  1)
SX 26
13
Với độ tin cậy   1   , ta có C  t n1
2
So sánh T và C
Nếu T  C : Bác bỏ H 0
Nếu T  C : Chấp nhận H0
27

Ví dụ 4. Quan sát ngẫu nhiên chiều cao X
của 27 người, ta tính được chiều cao trung
bình là 157cm và độ lệch chuẩn mẫu có hiệu
chỉnh là 12cm. Có tài liệu cho biết chiều cao
trung bình là 160cm. Hỏi rằng quan sát này
có phù hợp với giá trị của tài liệu cho biết
hay không? Kết luận mức múc ý nghĩa 5%.
28
14
29

(X  ) n
T  St  n  1
SX
30
15
H 0 :   0

H1 :   0
(X  0 ) n
T  St(n  1)
SX 31

Với độ tin cậy   1   , ta có C  t n 1
So sánh T và C
32
16
Ví dụ 5. Năm trước tiền lương trung bình của
các cử nhân quản trị kinh doanh làm việc tại
công ty liên doanh với nước ngoài là 210 USD
một tháng. Năm nay điều tra ngẫu nhiên lương
tháng của 25 cử nhân đang làm việc cho công
ty đó tìm được tiền lương trung bình là 218
USD và độ lệch chuẩn có hiệu chỉnh là 10
USD. Với giả thiết tiền lương có phân phối
chuẩn thì có thể cho rằng năm nay các nhân
viên đó có hưởng mức lương cao hơn hay
không với mức ý nghĩa 5%. 33

34
17
(X  ) n
T  St  n  1
SX
35

H 0 :   0

H1 :   0
(X  0 ) n
T  St(n  1)
SX 36
18
Với độ tin cậy   1   , ta có C  t n 1
So sánh T và C
Nếu T  C : Bác bỏ H 0
Nếu T  C : Chấp nhận H0
37

38
19
39

40
20
2.2. So sánh tỷ lệ tổng thể với một
số cho trước
1. Kiểm định hai phía (hai bên)
H 0 : p  p0

H1 : p  p 0
(f  p0 ) n
Z  N(0,1)
p0 (1  p0 )
41

số cho trước
1 
Với độ tin cậy  1  , ta có 0  C  
2
So sánh Z và C
+) Nếu Z  C : Bác bỏ H 0
+) Nếu Z  C : Chấp nhận H0
42
21
2.2. So sánh tỷ lệ tổng thể với
Ví dụ 7. Điều tra ngẫu nhiên 400 trẻ
sơ sinh ở một khu dân cư Thái An, ta
nhận thấy có 218 bé sơ sinh là trai.
Hỏi tỷ lệ sinh con trai và con gái có
giống nhau không? Kết luận với mức
ý nghĩa 1%.
43

số cho trước
44
22
số cho trước
45

2. Kiểm định một phía (phía phải)
H 0 : p  p0

H1 : p  p0
(f  p0 ) n
Z  N(0,1)
p0 (1  p0 )
46
23
1  2
Với độ tin cậy   1    0  C  
2
So sánh Z và C
47

số cho trước
Ví dụ 8. Thống kê 10000 trẻ sơ sinh ở một địa
phương, người ta thấy 5080 bé trai. Hỏi tỷ lệ sinh
con trai có thực sự cao hơn tỷ lệ sinh con gái
không? Cho kết luận với mức ý nghĩa 0,01.
48
24
số cho trước
 H 0 : p  p 0  0,5

 H1 : p  p 0  0,5
1  2
0  C    0, 49  C  2,33
2
49

số cho trước
Zqs 
 0,508  0,5  10000
 1,6
0,5.0,5
50
25
3. Kiểm định một phía (phía trái)
H 0 : p  p0

H1 : p  p0
(f  p0 ) n
Z  N(0,1)
p0 (1  p0 )
51

1  2
Với độ tin cậy   1    0  C  
2
So sánh Z và C
52
26
Ví dụ 9. Một công ty yêu cầu các phân
xưởng của mình có tỷ lệ sản phẩm đạt tiêu
chuẩn xuất là 60%. Kiểm tra ngẫu nhiên
2000 sản phẩm của phẩn xưởng A trong công
ty thấy có 1180 sản phẩm đạt tiêu chuẩn xuất
khẩu. Với mức ý nghĩa 5%, dựa vào điều tra
này hãy xác minh xem phẩn xưởng A đã đạt
được yêu cầu của công ty hay chưa.
53

số cho trước
54
27
2.2. So sánh tỷ lệ tổng thể với một số
cho trước  f  p  n
Z= 0
 N  0,1
p 0 1  p 0 
55
2.3. So sánh hai trung bình của

hai tổng thể
1. Biết phương sai của hai tổng thể: 2X , 2Y
H 0 :  X   Y

H1 :  X   Y
Nếu H0 đúng, ta có thống kê
(X  Y)
Z  N(0,1)
 2X 2Y

n m 56
28
hai tổng thể
1. Biết phương sai của hai tổng thể 2X , 2Y
1 
Với độ tin cậy   1    0  C   2
So sánh Z và C
57

hai tổng thể
H 0 :  X   Y

H1 :  X   Y
(X  Y)
Z  N(0,1)
 2X 2Y

n m 58
29
hai tổng thể
1  2
Với độ tin cậy   1    0  C   2
So sánh Z và C
59

hai tổng thể
H 0 :  X   Y

H1 :  X   Y
(X  Y)
Z  N(0,1)
 2X 2Y

n m 60
30
hai tổng thể
1  2
Với độ tin cậy   1    0  C  
2
So sánh Z và C
61

hai tổng thể
2. Chưa biết phương sai của hai tổng
thể  2X , 2Y
Thực hiện tương tự như trong trường

hợp 1 ta chỉ cần thay  2X , 2Y bằng bằng
hai phương sai mẫu có hiệu chỉnh S2X , S2Y
62
31
2.3. So sánh hai trung bình của hai
tổng thể
Ví dụ 10. Kết quả điểm thi môn xác suất thống kê
của hai lớp A và B như sau:
Lớp A: n  64; X  73, 2; S  118,81
2
X
Lớp B: m  68; Y  76,6; S  125, 44

2
Y
Với mức ý nghĩa 5%, có thể cho rằng kết quả điểm
thi trung bình của lớp B cao hơn lớp A được không,
biết rằng kết quả điểm thi là biến ngẫu nhiên phân
phối chuẩn.
63
2.3. So sánh hai trung bình của hai tổng thể
H 0 : μ X  μ Y

 H1 : μ X  μ Y
XY
Z  N  0;1
S2X S2
+ Y
n m 64
32
1  2
0  C    0, 45  C  1,64
2
65

hai tổng thể
3. Hai phương sai 2X  2Y và chưa biết:
H 0 :  X   Y

H1 :  X   Y
(X  Y)
T  St(n  m  2)
 (n  1)S2X  (m  1)S2Y   1 1 
   
 n  m  2  n m  66
33
hai tổng thể
3. Hai phương sai 2X  2Y và chưa biết
Với độ tin cậy   1  , ta có C  t nm2
2
So sánh T và C
67

hai tổng thể
Ví dụ 11. Quan sát ngẫu nhiên 20 bé trai, ta
tính được trọng lượng trung bình là 3200gram
và độ lệch chuẩn mẫu có hiệu chỉnh là
400gram. Quan sát ngẫu nhiên 17 bé gái, ta
tính được trọng lượng trung bình là 3000gram
và độ lệch chuẩn mẫu có hiệu chỉnh là
380gram. Hỏi rằng trọng lượng trung bình của
trẻ sơ sinh trai và gái có giống nhau không?
Kết luận với mức ý nghĩa 5%. (Giả sử phương
sai của trẻ sơ sinh trai và gái là như nhau) 68
34
69
70
35
hai tổng thể
H 0 :  X   Y

H1 :  X   Y
(X  Y)
T  St(n  m  2)
 (n  1)S2X  (m  1)S2Y  1 1 
   
 nm2  n m  71

hai tổng thể
Với độ tin cậy   1   , ta có C  t n m2
So sánh T và C
72
36
hai tổng thể
H 0 :  X   Y

H1 :  X   Y
(X  Y)
T  St(n  m  2)
 (n  1)S2X  (m  1)S2Y  1 1 
   
 nm2  n m  73

hai tổng thể
Với độ tin cậy   1   , ta có C  t n m2
So sánh T và C
Nếu T  C : Bác bỏ H 0
Nếu T  C : Chấp nhận H0
74
37
H 0 : p1  p 2

H1 : p1  p 2
f1  f 2
Z  N(0,1)
1 1 
f (1  f )   
n m
75

nf1  mf 2
Với f 
nm
Với độ tin cậy   1    0  C   1  
2
So sánh Z và C
Nếu Z  C : Chấp nhận H 0
76
38
Ví dụ 12. Giả sử quan sát ngẫu nhiên
100 bé trai thấy có 15 bé mắc bệnh B; và
quan sát ngẫu nhiên 150 bé gái thấy có
18 bé mắc bệnh B. Hỏi rằng tỷ lệ nhiễm
bệnh B đối với bé trai và bé gái có giống
nhau hay không? Kết luận với mức ý
nghĩa 5%.
77
78
39
H 0 : p1  p 2

H1: p1  p 2
79
1 
0  C    0,475  C  1,96
2
80
40
H 0 : p1  p 2

H1 : p1  p2
f1  f 2
Z  N(0,1)
1 1 
f (1  f )   
n m
81

nf1  mf 2
Với f 
nm
1  2
Với độ tin cậy   1    0  C  
2
So sánh Z và C
Nếu Z  C : Chấp nhận H 0
82
41
H 0 : p1  p 2

H1 : p1  p 2
f1  f 2
Z  N(0,1)
1 1 
f (1  f )   
n m
83

nf1  mf 2
Với f 
nm
1  2
Với độ tin cậy   1    0  C  
2
So sánh Z và C
Nếu Z  C : Chấp nhận H 0
84
42
Ví dụ 13. Bệnh B có thể chữa được bằng hai
loại thuốc là H và K. Người ta cho dùng thử
thuốc H cho 250 bệnh nhân bị bệnh B và
thấy có 210 người khỏi bệnh và dùng thuốc
K cho 200 bệnh nhân bị bệnh B và thấy có
175 người khỏi bệnh. Với mức ý nghĩa 1%
có thể kết luận thuốc K có khả năng chữa
bệnh B tốt hơn thuốc H hay không?
85
86
43
H 0 : p X  p Y

H1: p X  p Y
87
1  2
0  C    0, 45  C  1,64
2
88
44
tổng thể
H 0 : X2  Y2
 2 2
H1 : X  Y
S2X
F  2  F(n  1, m  1)
SY
Phöông sai lôùn
F  F(n  1, m  1)
Phöông sai nhoû
89

tổng thể
Với độ tin cậy   1   , ta có
C  f  (n  1, m  1)
So sánh F và C
Nếu F  C : Bác bỏ H 0
Nếu F  C : Chấp nhận H0
90
45
tổng thể
Ví dụ 14. Quan sát ngẫu nhiên trọng lượng X
của 25 trẻ sơ sinh trai, ta tính được phương
sai mẫu có hiệu chỉnh là 450 (gram) 2 và quan
sát ngẫu nhiên trọng lượng Y của 19 trẻ sơ
sinh gái, ta tính được phương sai mẫu có hiệu
chỉnh là 360 (gram) 2 . Hãy so sánh hai phương
sai tổng thể. Kết luận với mức ý nghĩa 5%.
91
2.5. So sánh hai phương sai của hai tổng thể
92
46
2.5. So sánh hai phương sai của hai tổng thể
93
3. Kiểm định phi tham số

3.1. Kiểm định Chi bình phương
3.2.Kiểm định dấu và hạng Wilcoxon
3.3. Kiểm định Kruskal – Wallis
94
47
3.1.1. So sánh bộ số liệu QS với bộ số liệu LT

Trong trường hợp này, với một bộ số liệu quan
sát, N1, N 2 , ..., N r ,
ta cần so sánh nó với bộ số liệu lý thuyết
N1/ , N 2/ , ..., N r/ ,
trong đó bộ số liệu lý thuyết này được tính theo
quy luật phân phối các phạm trù trong tổng thể
cho trước.

Bước 1. Đặt giả thuyết:
 H 0 : Caùc boä soá lieäu quan saùt vaø lyù thuyeát gioáng nhau

 H1 : Caùc boä soá lieäu quan saùt vaø lyù thuyeát khaùc nhau
Bước 2. Tính giá trị kiểm định:
2
Q
r
 Ni  Ni/   2 (r  1) với N i/  npi
/
i 1 N i
Bước 3. Quy tắc bác bỏ giả thuyết: Với nguy

cơ sai lầm  , C  2 (r  1) . Nếu Q  C : bác bỏ H 0
48
3.1.2. So sánh các bộ số liệu quan sát với nhau.
Trong trường hợp này, ta so sánh k bộ số liệu
quan sát
N1,1 , N1,2 , ..., N1,r ,
N 2,1 , N 2,2 , ..., N 2,r ,…,
N k,1 , N k,2 , ..., N k,r .
với nhau mà người ta còn gọi là so sánh các số
liệu trong một bảng :
49

Các bước tiến hành kiểm định
Bước 1. Đặt giả thuyết
H 0 : Caùc boä soá lieäu quan saùt vaø lyù thuyeát gioáng nhau

H1 : Caùc boä soá lieäu quan saùt vaø lyù thuyeát khaùc nhau
Bước 2. Tính giá trị kiểm định
 k r  N i, j 2 
Q  N  
  1   2  k  1 r  1 
 i1 j1 H i  C j 
 
Bước 3. Quy tắc bác bỏ giả thuyết.
Với nguy cơ sai lầm là  , ta có C   2  k  1 r  1 
+) Nếu Q  C thì bác bỏ H 0
+) Nếu Q  C thì chấp nhận H . 0
50
Ví dụ 15. Có một lô hàng mà người giao hàng cho
biết tỷ lệ hỏng 0,10; thứ phẩm 0,30; đạt 0,40; tốt
0,20. Ta kiểm tra một số trường hợp thấy có 25 sản
phẩm hỏng; 50 thứ phẩm; 50 sản phẩm đạt; 25 sản
phẩm tốt. Hỏi rằng lời người giao hàng nói có đúng
không ? ( kết luận với 5%)
Giải
51

Ví dụ 16. Quan sát ngẫu nhiên một số trường hợp
trong 3 lô thuốc (rất nhiều), ta ghi nhận được
Tốt Tạm dùng Hỏng
Lô A 125 52 23
Lô B 117 61 22
Lô C 178 97 25
Hỏi rằng chất lượng của 3 lô thuốc có như nhau
không ? Kết luận với mức ý nghĩa 5%.
Giải
52
Ta có
Tốt Tạm dùng Hỏng Tổng
Lô A 125 52 23 200
Lô B 117 61 22 200
Lô C 178 97 25 300
Tổng 420 210 70 700
Bước 1. Đặt giả thuyết

H 0 : Chaát löôïng ba loâ nhö nhau

H1 : Chaát löôïng ba loâ khaùc nhau
 125 2  52 
2
 25 
2

Q  700    ...   1  3, 42
 200  420 200  210 70  300 

Bước 3. Nếu H0 đúng thì Q   2 (4) , với mức
2
ý nghĩa   0,05 , ta có C  0,05  9, 488 . Vì Q  C ,
ta chấp nhận H 0 , nghĩa là 3 lô thuốc như nhau.
53
3.2. Kiểm định dấu và hạng Wilcoxon
54
55
56
57
58
Bước 4. So sánh và kết luận

Với mức ý nghĩa  cho trước ta tìm được giá trị tới hạn
trong bảng phân phối chuẩn: hai phía z và một phía z
 /2 
+) Đối với hai phía: Nếu Z0  z /2 thì bác bỏ giả thuyết H 0 .
+) Đối với phía phải: Nếu Z0  z  thì bác bỏ giả thuyết H 0 .
+) Đối với phía trái: Nếu Z0  z  thì bác bỏ giả thuyết H 0 .
59
60
61
62
63
64
65
66
67
68
69
12 k
R i2
Qqs    3(n  1)
n(n  1) i1 n i
12  792 1032 282 
      3  21  13,542
20  21  8 6 6 
70
R1 R 2 79 103
D12      7, 292
n1 n 2 8 6
R1 R 3 79 28
D13      5, 21
n1 n 3 8 6
R 2 R 3 103 28
D 23      12,5
n 2 n3 6 6
 n(n  1)   1 1  20  21  1 1 
C12  2 (k  1)       5,991     7,82
 12   n1 n 2  12  8 6 
 n(n  1)   1 1  20  21  1 1 
C13  2 (k  1)       5,991     7,82
 12   n1 n 3  12  8 6 
71
 n(n  1)   1 1  20  21  1 1 
C23  2 (k  1)       5,991     8,36
 12   n 2 n 3  12  6 6 
72
Chương 5. Phân tích
phương sai

• Nắm được thế nào là phân tích phương sai
và khi nào sử dụng phân tích phương sai.
• Hiểu và áp dụng được phân tích phương
sai một yếu tố.
• Hiểu và áp dụng được phân tích phương
sai hai yếu tố.
1
Tiếng Việt
hành nội bộ.
Thứ, Lý thuyết xác suất và thống kê toán, NXB
Đại học Kinh tế Quốc dân, 2012.
3

Tiếng Anh
Hall, 2006.
2005.
4
2
Nội dung
1. Phân tích phương sai một yếu tố
2. Dùng Excel phân tích phương sai
một yếu tố
3. Phân tích phương sai hai yếu tố
3
4
10
5
11
12
6
13
14
7
15
16
8
17
18
9
2. Dùng Excel phân tích PS 1 yếu tố
19
20
10
21
22
11
23
24
12
25
3. Phân tích phương sai hai yếu tố

Phân tích phương sai hai chiều là xét đến hai yếu
tố ảnh hưởng đến hiện tượng nghiên cứu
3.1. Phân tích phương sai hai yếu tố không lặp
Trong trường hợp này tương ứng với sự tác động
của yếu tố cột và yếu tố hàng chúng ta chỉ chọn một
quan sát. Đây là trường hợp mở rộng của phân tích
phương sai một yếu tố, có nghĩa là ta vừa kiểm định
giả thuyết trung bình theo cột bằng nhau vừa kiểm
định trung bình theo hàng bằng nhau.
26
13
27
28
14
29
30
15
31
32
16
Bước 3. Tính phương sai
- Phương sai giữa các nhóm yếu tố hàng:
SSA 170
MSA    56,6667.
h 1 4 1
- Phương sai giữa các nhóm yếu tố cột:
SSB 26,1667
MSB    13,0833.
c 1 3 1
- Phương sai phần dư:
SSE 162,5
MSE    27,0833.
(h  1)(c  1) (4  1)(3  1)
- Kiểm định theo hàng:
MSA 56,667
FA    2,0923.
MSE 27,0833
33
34
17
35
36
18
37
38
19
3.2. Phân tích PS hai yếu tố có lặp
Trong trường hợp tương ứng với mỗi yếu
tố cột và yếu tố hàng ta có thể chọn nhiều
quan sát. Trong phần này, ngoài việc kiểm
định về trung bình theo cột bằng nhau, trung
bình theo hàng bằng nhau mà chúng ta còn
xem xét sự tương tác giữa yếu tố hàng và
yếu tố cột có ảnh hưởng đến hiện tượng
nghiên cứu hay không. Ta có bảng kết hợp
hai tiêu thức như sau:
39
40
20
41
42
21
43
44
22
45
46
23
47
48
24
49
50
25
51
52
26
53
54
27
Chương 6. Phân tích
dãy số thời gian

• Nắm được khái niệm và phân loại dãy số thời
gian.
• Biết và tính được các chỉ tiêu phân tích dãy số
thời gian.
• Phương pháp tìm hàm xu thế.
• Vận dụng dãy số thời gian để dự báo bằng 3
phương pháp: Tốc độ phát triển bình quân,
lượng tăng giảm tuyệt đối bình quân và hàm
xu thế.
1
Tiếng Việt
hành nội bộ.
3

Tiếng Anh
Hall, 2006.
2005.
4
2
Nội dung
1. Khái niệm và phân loại
2. Các chỉ tiêu phân tích dãy số thời gian
3. Hàm xu thế
4. Dự báo biến động của dãy số thời gian

1.1. Khái niệm: Dãy số thời gian là một
phương pháp phân tích thống kê được sử dụng
khá phổ biến, nhằm nghiên cứu các đặc điểm,
bản chất xu hướng và tính quy luật về sự phát
triển của hiện tượng thường xuyên biến động
theo thời gian.
3
Dãy số thời gian có 2 thành phần :
+) Thời gian : (ti)
Ví dụ : Năm, tháng, tuần ngày,…
+) Giá trị của hiện tượng nghiên cứu : (yi)
Ví dụ : Doanh thu, lợi nhuận, sản lượng,…
TG (ti) t1 t2 t3 t4 ….. tn
GT của chỉ tiêu (yi) y1 y2 y3 y4 yn
7

1.2. Ý nghĩa : Qua dãy số thời gian ta có thể
phân tích được :
 Sự biến động của hiện tượng qua TG
 Sự phát triển của hiện tượng
 Xu hướng phát triển cơ bản của hiện tượng
 Quy luật phát triển của hiện tượng
4
1.3. Dãy số thời kỳ là dãy số biểu hiện các
mức độ của chỉ tiêu ở từng thời kỳ
Ví dụ 1. Giá trị sản xuất công nghiệp của một
xí nghiệp A (đơn vị tính: triệu đồng)
Năm 2005 2006 2007 2008 2009 2010

GTSX 31.2 35.4 39.47 40.23 46.89 50.12

1.4. Dãy số thời điểm: là dãy số biểu hiện các
mức độ của chỉ tiêu ở từng thời điểm nhất định.
Ví dụ 2. Giá trị hàng nhập khẩu của công ty A.
Kiểm kê vào ngày 1 hàng tháng (đơn vị tính:
triệu đồng)
10
5
2. Các chỉ tiêu phân tích dãy số TG
2.1. Mức độ bình quân theo thời gian
a) Đối với dãy số thời kỳ :
1 n
y   yi
n i 1
b) Đối với dãy số thời điểm:
1  y1 yn 
y   y    y  
n 1  2 2 
2 n1
11
1 n 400  460  480  520  560  596  642

y 
n i=1
yi 
7
 522,57.
12
6
1 1
.500  800  200  .600
y2 2  516,67.
4 1
13

2.1. Mức độ bình quân theo thời gian
c) Trường hợp dãy số thời điểm có
khoảng cách thời gian không đều nhau
n
t y i i
y i1
n
t
i1
i
14
7
15
t y i i
50  15  58  26  55  23  48  26
y= i=1
4   53,01.
15  26  23  26
t
i=1
i
16
8
2.2. Lượng tăng (giảm) tuyệt đối là chỉ tiêu thể hiện
sự thay đổi về giá trị tuyệt đối của hiện tượng giữa hai
thời kỳ hoặc thời điểm.
a) Lượng tăng (giảm) tuyệt đối liên hoàn
 i  y i  y i1 , i  2, 3,..., n
b) Lượng tăng (giảm) tuyệt đối định gốc
n
 i  y i  y1   n    i
i2
c) Lượng tăng (giảm) tuyệt đối trung bình

1 n  y  y1
 
n  1 i2
i  n  n
n 1 n 1 17
18
9
19

2.3. Tốc độ phát triển
yi
a) Tốc độ phát triển liên hoàn: t i 
y i1
yi
b) Tốc độ phát triển định gốc: Ti 
y1
n Ti
 t i  Tn ;  ti
i2 Ti1
c) Tốc độ phát triển liên hoàn trung bình là chỉ tiêu thể
hiện nhịp độ phát triển đại diện của hiện tượng trong
suốt thời kỳ nghiên cứu
n yn
t n 1  ti  n 1
i 2 y1
Còn gọi là số trung bình nhân (Geometric Mean) 20
10
21
22
11
2.4. Tốc độ tăng (giảm) là chỉ tiêu phản ánh mức độ
của hiện tượng giữa 2 thời gian nghiên cứu đã tăng
(giảm) bao nhiêu lần (%)
a) Tốc độ tăng (giảm) liên hoàn
yi  y i1 
ai   i  t i  1 (i  2, n)
y i1 yi1
b) Tốc độ tăng (giảm) định gốc
y i  y1  i
Ai    Ti  1 (i  2, n)
y1 y1
c) Tốc độ tăng (giảm) trung bình
a  t 1 a  t 100
Tính theo số lần Tính theo số phần trăm 23
24
12
2.5. Giá trị tuyệt đối của 1% tăng (giảm) phản ánh
1% tăng (giảm) của 2 thời kỳ đứng liền nhau của hiện
tượng nghiên cứu tương ứng với một lượng giá trị tuyệt
đối là bao nhiêu  y
gi  i
 i1
; i  2, 3,...
a i (%) 100
25
3. Hàm xu thế
Phương pháp dự báo bằng hàm xu thế là khái quát
hóa chiều hướng biến động của hiện tượng nghiên
cứu bằng một hàm số toán học, nhằm mô tả một
cách sát nhất, gần đúng nhất biến động thực tế
của hiện tượng.
Nhận ra mô hình.
Lựa chọn mô hình.
Điều chỉnh mô hình. 26
13
3. Hàm xu thế
3.1. Phương trình đường thẳng


y t  a 0  a1t
Trong đó: a0, a1 được xác định



 na 0  a1  t  y



a 0  t  a 1  t 2
  yt
27
3. Hàm xu thế
Ví dụ 10
Năm Năng suất Phần tính toán
Bình quân Thứ tự thời t2 ty
(tạ/ha) y gian (t)
2001 30 1 1 30 30.4
2002 32 2 4 64 31.2
2003 31 3 9 93 32.0
2004 34 4 16 136 32.8
2005 33 5 25 165 33.6
Cộng 160 15 55 488


 160  5a 0  15a 1

 
y t  29, 6  0, 8 t
488  15a 0  55a 1
 28
14
3. Hàm xu thế
3.2. Phương trình hàm bậc 2:
ŷ t  a 0  a1t  a 2 t 2
Các tham số a0, a1, a2 có thể xác định thông
qua hệ phương trình
n n n
 2
 na 0  a 1 i t  a 2  ti  y i
i 1 i 1 i 1

n n n n
 2 3
 a 0  t i  a1  t i  a 2  t i  y t i i
 i 1 i 1 i 1 i 1
 n
2
n
3
n
4
n
2
a 0  t i  a1  t i  a 2  t i  y t i i
 i 1 i 1 i 1 i 1 29
3. Hàm xu thế
 8a 0  36a1  204a 2  70,8 a 0  3,8143

 
 36a 0  204a 1  1296a 2  385,35  a 1  0,3196
204a  1296a 1  8772a 2  2429,85 a  0,1411
 0  2
30
15
3. Hàm xu thế
31
3. Hàm xu thế
3.3. Phương trình hàm mũ:
ŷ t  a 0a1t
Các tham số a0, a1 có thể xác định thông qua
hệ phương trình
n n

 n ln  a 0   ln  a1   t i   ln  y  i
 i 1 i 1
 n n n
ln  a  t  ln  a1   t 2
 0  i
i 1 i 1
i   t  ln y 
i 1
i i
32
16
3. Hàm xu thế
10ln  a 0   55ln  a1   20,506 ln  a 0   0,8555 a 0  2,353

  
55ln  a 0   385ln  a1   130,71 ln  a1   0, 2173 a1  1, 243
33
3. Hàm xu thế
34
17
4. Dự báo biến động của dãy số TG
4.1. Dự báo dựa vào lượng tăng (giảm) tuyệt đối TB
ŷ n  L  yn  L
Trong đó:
ŷ n  L : Mức độ dự báo vào thời gian (n+L)
y n : Mức độ cuối cùng của dãy số thời gian
t : Tốc độ phát triển trung bình

L : Tầm xa dự báo
35

Năm 2003 2004 2005 2006
Sản lượng (1000 tấn) 256,1 296,6 367,6 460,1
Dự đoán sản lượng 2007, 2008
y 2006  y 2003 460,1  256,1
   68
2006  2003 3
ŷ 2007  y 2006    460,1  68  528,1
ŷ 2008  y 2006  2  596,1
Phương pháp này thường được sự dụng khi có

lượng tăng (giảm) tuyệt đối xấp xỉ nhau 36
18
4.2. Dự báo dựa vào tốc độ phát triển TB
ŷnL  y n   t 
L
Trong đó:
ŷ n  L : Mức độ dự báo vào thời gian (n+L)
y n : Mức độ cuối cùng của dãy số thời gian
t : Tốc độ phát triển trung bình

L : Tầm xa dự báo
37

Năm 2003 2004 2005 2006
Sản lượng (1000 tấn) 256,1 296,6 367,6 460,1
yn 460,1
t  n 1 3  1, 216
y1 256,1
ŷ2007  y2006  t   460,1.1, 216  559,33
2 2
ŷ2008  y2006  t   460,1. 1, 216   679,96
Phương pháp này thường được sự dụng khi có

các tốc độ PT liên hoàn tương đối xấp xỉ nhau 38
19
4.3. Dự báo ngoại suy hàm xu thế
Dựa trên cơ sở chiều hướng biến động của
hiện tượng nghiên cứu được khái quát hóa
bằng một hàm số tuyến tính có dạng.
ŷ t  a 0  a1t
Suy ra
ŷ nL  a 0  a1 n  L
39

Năm 2003 2004 2005 2006
Sản lượng (1000 tấn) 256,1 296,6 367,6 460,1


 1380, 4  4a 0  10a 1 
a 0  174, 35
 


3792, 5  10a 0  30a 1 
 a 1  68, 3

y t  174, 35  68, 3t
ŷ2007  y5  515,85
ŷ2008  y6  584,15
40
20

Slide Bài Giảng Lý Thuyết Xác Suất Và Thống Kê Ứng Dụng

Uploaded by

Copyright:

Available Formats

You might also like

Slide Bài Giảng Lý Thuyết Xác Suất Và Thống Kê Ứng Dụng

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

Slide Bài Giảng Lý Thuyết Xác Suất Và Thống Kê Ứng Dụng

Uploaded by

Copyright:

Available Formats

TRƯỜNG ĐẠI HỌC TÀI CHÍNH - MARKETING

BỘ MÔN TOÁN – THỐNG KÊ

Slide bài giảng

LÝ THUYẾT XÁC SUẤT VÀ

Tp. Hồ Chí Minh – 2022

Mục tiêu chương 1

TÀI LIỆU THAM KHẢO

1. Hiện tượng ngẫu nhiên

1. Hiện tượng ngẫu nhiên

1. Hiện tượng ngẫu nhiên

1. Hiện tượng ngẫu nhiên

Với A1 , A 2 ,..., A n xung khắc với nhau

3. Xác suất có điều kiện

3. Xác suất có điều kiện

3. Xác suất có điều kiện

Ví dụ 11. Ba xạ thủ cùng bắn vào một mục

4. Công thức xác suất đầy đủ

PA  PA | B  PB 

Ví dụ 12. Một nhà máy có ba phân xưởng A, B,

với P  A   PA | B  PB 

5. Công thức Bayes

6. Công thức Bernoulli

Mục tiêu chương 2

TÀI LIỆU THAM KHẢO

thì X() gọi là biến ngẫu nhiên

3. Biến ngẫu nhiên rời rạc

3. Biến ngẫu nhiên rời rạc

3. Biến ngẫu nhiên rời rạc

3. Biến ngẫu nhiên rời rạc

3. Biến ngẫu nhiên rời rạc

iii) F laø haøm taêng,

3. Biến ngẫu nhiên rời rạc

3. Biến ngẫu nhiên rời rạc

4. Biến ngẫu nhiên liên tục

4. Biến ngẫu nhiên liên tục

iii) F laø haøm taêng,

4. Biến ngẫu nhiên liên tục

4. Biến ngẫu nhiên liên tục

5. Tham số đặc trưng BNN

5. Tham số đặc trưng BNN

5.2. Mệnh đề.

5. Tham số đặc trưng BNN

5. Tham số đặc trưng BNN

Tìm TB, PS, Mốt, Trung vị, P  X  2 

5. Tham số đặc trưng BNN

5. Tham số đặc trưng BNN

5. Tham số đặc trưng BNN

6. Một số QL phân phối xác suất

6.1. Phân phối nhị thức

Với k  0,1, 2,..., n

i) Trung bình:  X  E(X)  np,

6.1. Phân phối nhị thức

6.1. Phân phối nhị thức

6.2. Phân phối siêu bội

Với max  0, n  N  K   k  min(n, K)

6.2. Phân phối siêu bội

6.2. Phân phối siêu bội

a) Xác suất để cả 3 quả đều hư

6.2. Phân phối siêu bội