MI2020-Thống kê

XÁC SUẤT THỐNG KÊ
1 of 112
Phần 2: Thống kê
2 of 112
Chương 3: Mẫu ngẫu nhiên
3 of 112
3.1 Khái niệm mẫu
4 of 112
Tập hợp có các phần tử là các đối tượng mà ta nghiên

cứu được gọi là tổng thể.
4 of 112

cứu được gọi là tổng thể. Số phần tử của tổng thể
được gọi là kích thước của tổng thể.
4 of 112

cứu được gọi là tổng thể. Số phần tử của tổng thể
được gọi là kích thước của tổng thể.
Các phần tử của tổng thể được nghiên cứu thông qua
dấu hiệu nghiên cứu:
4 of 112
- Dấu hiệu định lượng:
5 of 112
- Dấu hiệu định lượng: là các yếu tố về lượng như

trọng lượng, kích thước, chiều cao, ... của các phần tử
trong tổng thể.
5 of 112

trong tổng thể. Dấu hiệu này được đặc trưng bởi biến
ngẫu nhiên X .
5 of 112

ngẫu nhiên X .
Ta gọi EX = µ là trung bình của tổng thể
5 of 112

ngẫu nhiên X .
VX = σ 2 là phương sai của tổng thể
5 of 112

ngẫu nhiên X .
VX = σ 2 là phương sai của tổng thể
√
VX = σ là độ lệch chuẩn của tổng thể.
5 of 112
- Dấu hiệu định tính:
6 of 112
- Dấu hiệu định tính: là một tính chất A nào đó của

các phần tử trong tổng thể.
6 of 112

các phần tử trong tổng thể. Dấu hiệu này được đặc
trưng bởi một biến ngẫu nhiên X chỉ nhận hai giá trị
0 và 1:
6 of 112

các phần tử trong tổng thể. Dấu hiệu này được đặc
trưng bởi một biến ngẫu nhiên X chỉ nhận hai giá trị
0 và 1:

0 nếu phần tử không có tính chất A
X =
1 nếu phần tử có tính chất A
6 of 112
Trung bình của tổng thể EX trong trường hợp này

được gọi là tỉ lệ phần tử có tính chất A của tổng thể
và được kí hiệu là p:
7 of 112
Trung bình của tổng thể EX trong trường hợp này

được gọi là tỉ lệ phần tử có tính chất A của tổng thể
và được kí hiệu là p:
M số phần tử có tính chất A

p= =
N số phần tử của tổng thể
7 of 112
Để hiểu chính xác về tổng thể, rõ ràng ta phải điều

tra tất cả các phần tử của tổng thể. Tuy nhiên,
phương pháp nghiên cứu toàn bộ này thường chỉ áp
dụng đối với các tổng thể có quy mô nhỏ.
8 of 112

Trong Thống kê, người ta thường sử dụng phương
pháp mẫu để nghiên cứu tổng thể:
8 of 112

Trong Thống kê, người ta thường sử dụng phương
pháp mẫu để nghiên cứu tổng thể: Từ tổng thể ta
chọn ra một số phần tử, sau khi nghiên cứu các phần
tử này, ta đưa ra kết luận cho toàn bộ tổng thể.
8 of 112
Giả sử ta cần nghiên cứu dấu hiệu X của tổng thể.

Chọn một mẫu có n phần tử và quan sát dấu hiệu X
trên n phần tử đó.
9 of 112

Gọi Xi là biến ngẫu nhiên chỉ kết quả quan sát ở phần
tử thứ i, i = 1, n.
9 of 112

tử thứ i, i = 1, n. Ta thấy X1 , . . . , Xn là n biến ngẫu
nhiên độc lập và có cùng phân phối với X .
9 of 112

nhiên độc lập và có cùng phân phối với X . Khi đó
(X1 , . . . , Xn ) được gọi là mẫu ngẫu nhiên tổng quát
kích thước n lập từ X
9 of 112

nhiên độc lập và có cùng phân phối với X . Khi đó
(X1 , . . . , Xn ) được gọi là mẫu ngẫu nhiên tổng quát
kích thước n lập từ X và X được gọi là biến ngẫu
nhiên gốc của tổng thể.
9 of 112
Giả sử trong lần quan sát thứ i, Xi nhận giá trị

xi , i = 1, n.
10 of 112

xi , i = 1, n. Khi đó (x1 , x2 , . . . , xn ) được gọi là mẫu
ngẫu nhiên thực nghiệm (hay mẫu cụ thể).
10 of 112

Chú ý:
10 of 112

Chú ý: Với một mẫu ngẫu nhiên thì có nhiều mẫu
thực nghiệm ứng với các lần lấy mẫu khác nhau.
10 of 112
Ví dụ 1:
11 of 112
Ví dụ 1: Gọi X là số chấm xuất hiện khi tung 1 con

xúc xắc thì X là biến ngẫu nhiên có bảng phân phối
xác suất
X 1 2 3 4 5 6
P 1/6 1/6 1/6 1/6 1/6 1/6
11 of 112
Nếu tung con xúc xắc 3 lần và gọi Xi là số chấm xuất

hiện ở lần tung thứ i, i = 1, 2, 3,
12 of 112

hiện ở lần tung thứ i, i = 1, 2, 3, thì X1 , X2 , X3 là 3
biến ngẫu nhiên độc lập và có cùng bảng phân phối
xác suất giống X.
12 of 112

xác suất giống X. Vậy ta có mẫu tổng quát kích thước
3 là (X1 , X2 , X3 ).
12 of 112

3 là (X1 , X2 , X3 ).
Giả sử khi tung con xúc xắc 3 lần, lần thứ nhất xuất
hiện mặt 2 chấm, lần thứ hai xuất hiện mặt 5 chấm,
lần thứ ba xuất hiện mặt 3 chấm,
12 of 112

3 là (X1 , X2 , X3 ).
Giả sử khi tung con xúc xắc 3 lần, lần thứ nhất xuất
hiện mặt 2 chấm, lần thứ hai xuất hiện mặt 5 chấm,
lần thứ ba xuất hiện mặt 3 chấm, thì (2, 5, 3) là một
mẫu thực nghiệm.
12 of 112
Một số cách chọn mẫu cơ bản
13 of 112
+) Chọn mẫu ngẫu nhiên có hoàn lại: Lấy ngẫu nhiên
1 phần tử từ tổng thể và khảo sát nó. Sau đó trả phần
tử đó lại tổng thể trước khi lấy 1 phần tử khác. Tiếp
tục như thế n lần ta thu được một mẫu có hoàn lại
gồm n phần tử.
13 of 112
+) Chọn mẫu ngẫu nhiên có hoàn lại: Lấy ngẫu nhiên
1 phần tử từ tổng thể và khảo sát nó. Sau đó trả phần
tử đó lại tổng thể trước khi lấy 1 phần tử khác. Tiếp
tục như thế n lần ta thu được một mẫu có hoàn lại
gồm n phần tử.
+) Chọn mẫu ngẫu nhiên không hoàn lại: Lấy ngẫu
nhiên 1 phần tử từ tổng thể và khảo sát nó rồi để qua
một bên, không trả lại tổng thể. Sau đó lấy ngẫu
nhiên 1 phần tử khác, tiếp tục như thế n lần ta thu
được một mẫu không hoàn lại gồm n phần tử.
13 of 112

+) Chọn mẫu phân nhóm: Đầu tiên ta chia tập nền
thành các nhóm tương đối thuần nhất, từ mỗi nhóm
đó chọn ra một mẫu ngẫu nhiên. Tập hợp tất cả mẫu
đó cho ta một mẫu phân nhóm. Phương pháp này
dùng khi trong tập nền có những sai khác lớn. Hạn
chế là phụ thuộc vào việc chia nhóm.
14 of 112

+) Chọn mẫu phân nhóm: Đầu tiên ta chia tập nền
thành các nhóm tương đối thuần nhất, từ mỗi nhóm
đó chọn ra một mẫu ngẫu nhiên. Tập hợp tất cả mẫu
đó cho ta một mẫu phân nhóm. Phương pháp này
dùng khi trong tập nền có những sai khác lớn. Hạn
chế là phụ thuộc vào việc chia nhóm.
+) Chọn mẫu có suy luận: dựa trên ý kiến của chuyên
gia về đối tượng nghiên cứu để chọn mẫu.
14 of 112
3.2 Cách biểu diễn mẫu
Quan sát dấu hiệu X trên mẫu kích thước n.
15 of 112

Giả sử có ni lần X nhận giá trị xi , i = 1, k, với
x1 < x2 < · · · < xk .
15 of 112

x1 < x2 < · · · < xk .
Ta gọi
- ni : tần số ứng với giá trị xi
15 of 112

x1 < x2 < · · · < xk .
Ta gọi
- ni : tần số ứng với giá trị xi
ni
- fi = n : tần suất ứng với giá trị xi
15 of 112
Khi đó, ta có
- Bảng tần số thực nghiệm:
Giá trị x1 x2 . . . xk k
P
với ni = n
Tần số n1 n2 . . . nk i=1
16 of 112
Khi đó, ta có
- Bảng tần số thực nghiệm:
P
với ni = n
Tần số n1 n2 . . . nk i=1
- Bảng tần suất thực nghiệm:

P
với fi = 1
Tần suất f1 f2 . . . fk i=1
16 of 112
Ví dụ 2:
17 of 112
Ví dụ 2: Kiểm tra ngẫu nhiên 50 sinh viên, điểm thu
được như sau
4 8 7 4 5 6 5 2 9 5
6 6 5 8 7 5 6 5 5 2
5 5 7 4 9 6 5 6 2 5
7 6 2 6 6 5 5 5 4 4
5 4 6 5 5 5 7 5 5 10
Lập bảng tần số và bảng tần suất thực nghiệm của

mẫu trên.
17 of 112
Trong trường hợp kích thước mẫu lớn, hoặc khi các
giá trị của mẫu thực nghiệm khá gần nhau thì ta thực
hiện việc ghép lớp và có bảng ghép lớp như sau
18 of 112
Trong trường hợp kích thước mẫu lớn, hoặc khi các
giá trị của mẫu thực nghiệm khá gần nhau thì ta thực
hiện việc ghép lớp và có bảng ghép lớp như sau
Lớp giá trị x1 − x10 x2 − x20 . . . xk − xk0
Tần số n1 n2 ... nk
18 of 112
Ví dụ 3:
19 of 112
Ví dụ 3: Tuổi thọ của 200 bóng đèn (đơn vị: giờ) được
cho trong bảng sau
19 of 112
Ví dụ 3: Tuổi thọ của 200 bóng đèn (đơn vị: giờ) được
cho trong bảng sau
Tuổi thọ 500-600 600-700 700-800 800-900
Số bóng 2 5 12 25
Tuổi thọ 900-1000 1000-1100 1100-1200

Số bóng 58 41 43
Tuổi thọ 1200-1300 1300-1400 1400-1500

Số bóng 7 6 1
19 of 112
3.3 Các đặc trưng mẫu
20 of 112
Giả sử X là biến ngẫu nhiên gốc của tổng thể có
EX = µ, VX = σ 2 và p là tỉ lệ. Đây là các số đặc
trưng lý thuyết, các số này ta chưa biết.
20 of 112
Do đó, ta tìm cách ước lượng chúng bởi các giá trị
thu được từ một mẫu tổng quát (X1 , . . . , Xn ) lập từ
X.
20 of 112
X . Các giá trị đó được gọi là các đặc trưng mẫu tổng
quát.
20 of 112
X . Các giá trị đó được gọi là các đặc trưng mẫu tổng
quát.
Với mẫu thực nghiệm (x1 , . . . , xn ), ta cũng có các đặc
trưng mẫu thực nghiệm tương ứng.
20 of 112
3.3.1 Trung bình mẫu
21 of 112
Định nghĩa:
21 of 112
Định nghĩa:
n
1
P
- Trung bình mẫu tổng quát: X = n Xi
i=1
21 of 112
Định nghĩa:
n
1
P
i=1
n
1
P
- Trung bình mẫu thực nghiệm: x = n xi
i=1
21 of 112
Định nghĩa:
n
1
P
i=1
n
1
P
i=1
Tính chất:
21 of 112
Định nghĩa:
n
1
P
i=1
n
1
P
i=1
σ2
Tính chất: E X = µ và V X = n
21 of 112
3.3.2 Phương sai mẫu (Có hiệu
chỉnh)
22 of 112
chỉnh)
Định nghĩa:
22 of 112
chỉnh)
Định nghĩa:
n
2 1
(Xi − X )2
P
- Phương sai mẫu tổng quát: S = n−1
i=1
22 of 112
chỉnh)
Định nghĩa:
n
2 1
(Xi − X )2
P
i=1
n
2 1
(xi − x)2
P
- Phương sai mẫu thực nghiệm: s = n−1
i=1
22 of 112
chỉnh)
Định nghĩa:
n
2 1
(Xi − X )2
P
i=1
n
2 1
(xi − x)2
P
i=1
Tính chất:
22 of 112
chỉnh)
Định nghĩa:
n
2 1
(Xi − X )2
P
i=1
n
2 1
(xi − x)2
P
i=1
n

2 1 2
Xi2 − nX và E (S 2 ) = σ 2
P
Tính chất: S = n−1
i=1
22 of 112
3.3.3 Độ lệch chuẩn mẫu
23 of 112
√
- Độ lệch chuẩn mẫu tổng quát: S = S2
23 of 112
√
- Độ lệch chuẩn mẫu tổng quát: S = S2
√
- Độ lệch chuẩn mẫu thực nghiệm: s = s 2
23 of 112
3.3.4 Phương sai mẫu (Không
hiệu chỉnh)
24 of 112
hiệu chỉnh)
Định nghĩa:
24 of 112
hiệu chỉnh)
Định nghĩa:
n
- Phương sai mẫu tổng quát: (S ∗ )2 = 1
(Xi − X )2
P
n
i=1
24 of 112
hiệu chỉnh)
Định nghĩa:
n
(Xi − X )2
P
n
i=1
n
- Phương sai mẫu thực nghiệm: (s ∗ )2 = 1
(xi − x)2
P
n
i=1
24 of 112
hiệu chỉnh)
Định nghĩa:
n
(Xi − X )2
P
n
i=1
n
(xi − x)2
P
n
i=1
Tính chất:
24 of 112
hiệu chỉnh)
Định nghĩa:
n
(Xi − X )2
P
n
i=1
n
(xi − x)2
P
n
i=1
n−1 2
Tính chất: E ((S ∗ )2 ) = σ
n
24 of 112
3.3.5 Tỉ lệ mẫu
25 of 112
Đối với dấu hiệu định tính, ta có khái niệm tỉ lệ mẫu:
25 of 112
n
1
P
- Tỉ lệ mẫu tổng quát: F = n Xi
i=1
25 of 112
n
1
P
- Tỉ lệ mẫu tổng quát: F = n Xi trong đó
i=1

Xi =
25 of 112
n
1
P
- Tỉ lệ mẫu tổng quát: F = n Xi trong đó
i=1

Xi =
- Tỉ lệ mẫu thực nghiệm:
m số phần tử có tính chất A của mẫu
f = =
n kích thước mẫu
25 of 112
3.4 Tính các đặc trưng mẫu thực
nghiệm
26 of 112
nghiệm
Xét mẫu thực nghiệm kích thước n.
26 of 112
nghiệm
• Tính tỉ lệ mẫu:
26 of 112
nghiệm

f = =
26 of 112
nghiệm

f = =
• Tính độ lệch chuẩn mẫu:
26 of 112
nghiệm

f =
=
√
• Tính độ lệch chuẩn mẫu: s = s 2
26 of 112
nghiệm

f =
=
√
• Tính độ lệch chuẩn mẫu: s = s 2
• Tính trung bình mẫu, phương sai mẫu theo các

trường hợp sau:
26 of 112
nghiệm
Trường hợp 1: Nếu mẫu được cho dưới dạng liệt kê
x1 , x2 , . . . , xn
27 of 112
nghiệm
Trường hợp 1: Nếu mẫu được cho dưới dạng liệt kê
x1 , x2 , . . . , xn thì ta dùng các công thức
n
1X
x= xi
n
i=1
n
!
1 X
s2 = xi2 − nx 2
n−1
i=1
27 of 112
nghiệm
Trường hợp 2: Nếu mẫu được cho dưới dạng bảng tần
số
Giá trị x1 x2 . . . xk
Tần số n1 n2 . . . nk
28 of 112
nghiệm
thì ta dùng các công thức
k
1X
x= ni xi
n
i=1
k
!
1 X
s2 = ni xi2 − nx 2
n−1
i=1
29 of 112
nghiệm
Trường hợp 3: Nếu mẫu được cho dưới dạng bảng

ghép lớp, thì ta đưa về bảng tần số (xi là giá trị trung
điểm của lớp thứ i) và sau đó làm như trường hợp 2.
30 of 112
nghiệm
Ví dụ 1: Dưới đây là số liệu về thời gian đợi của một
số khách hàng tại quầy thanh toán tiền ở một siêu thị
(đơn vị: giây)
3 24 34 5 14 22 3 19 13 32
19 4 24 30 48 24 14 16 3 4
5 14 19 41 43 16 48 4 58 13
10 60 12 14 14 22 3 16 14 4
34 32 4 19 12 24 13 26
31 of 112
nghiệm
Tính trung bình mẫu, phương sai mẫu, độ lệch chuẩn

mẫu và tỉ lệ khách hàng có thời gian đợi thanh toán ít
hơn 0,5 phút của mẫu trên.
32 of 112
nghiệm

Ví dụ 2: Tính trung bình mẫu, phương sai mẫu của
mẫu cho trong ví dụ 2, mục 3.2.
32 of 112
nghiệm

32 of 112
nghiệm
Ví dụ 4: Điều tra chỉ tiêu X của một số sản phẩm
cùng loại, ta thu được bảng số liệu sau
Chỉ tiêu (%) [0,5) [5,10) [10,15) [15,20)
Số sản phẩm 7 12 20 25
Chỉ tiêu (%) [20,25) [25,30) [30,35) [35,40)
Số sản phẩm 18 12 5 1
Quy ước những sản phẩm có chỉ tiêu thấp hơn 15% là
loại 2. Tính tỉ lệ sản phẩm loại 2 của mẫu trên.
33 of 112
3.5 Phân phối xác suất của các
đặc trưng mẫu tổng quát
34 of 112
1) Phân phối xác suất của trung bình mẫu, phương sai
mẫu:
34 of 112
1) Phân phối xác suất của trung bình mẫu, phương sai
mẫu:
- Nếu VX = σ 2 đã biết (với n < 30 thì cần thêm điều
kiện X có phân phối chuẩn) thì
X −µ
∼ N(0, 1)
√σ
n
34 of 112
- Nếu VX chưa biết và n ≥ 30 thì
X −µ
∼ N(0, 1)
√S
n
35 of 112
- Nếu VX chưa biết, n < 30 và X có phân phối chuẩn

thì
X −µ
S
∼ T (n − 1)
√
n
36 of 112
- Nếu VX chưa biết, n < 30 và X có phân phối chuẩn

thì
X −µ
S
∼ T (n − 1)
√
n
trong đó T (n − 1) là phân phối Student với n − 1 bậc

tự do.
36 of 112
2) Phân phối xác suất của tỉ lệ mẫu:
37 of 112
2) Phân phối xác suất của tỉ lệ mẫu:

- Nếu p đã biết và np ≥ 5, n(1 − p) ≥ 5 thì
F −p
q ∼ N(0, 1)
p(1−p)
n
37 of 112
- Nếu p chưa biết và n đủ lớn thì

F −p
q ∼ N(0, 1)
F (1−F )
n
38 of 112
Chương 4: Ước lượng tham số
39 of 112
Trong thực tế ta có thể gặp bài toán sau: Biết chiều

dài một loại sản phẩm do một nhà máy sản xuất là
biến ngẫu nhiên có phân phối chuẩn N(µ, σ 2 ), hãy
ước lượng giá trị của µ.
39 of 112
Trong thực tế ta có thể gặp bài toán sau: Biết chiều

dài một loại sản phẩm do một nhà máy sản xuất là
biến ngẫu nhiên có phân phối chuẩn N(µ, σ 2 ), hãy
ước lượng giá trị của µ.
µ là một tham số cần ước lượng. Để ước lượng µ, ta
phải dựa vào một mẫu gồm một số sản phẩm loại đó
do nhà máy sản xuất.
39 of 112
Ta có thể ước đoán µ bởi một giá trị µ̂ hoặc ước đoán
µ thuộc khoảng (µ1 , µ2 ) nào đó.
40 of 112
Trong thống kê, µ̂ được gọi là ước lượng điểm của µ
40 of 112
Trong thống kê, µ̂ được gọi là ước lượng điểm của µ
và (µ1 , µ2 ) được gọi là ước lượng khoảng của µ.
40 of 112
4.1 Ước lượng điểm
41 of 112
4.1.1 Định nghĩa:
41 of 112
Giả sử (X1 , X2 , . . . , Xn ) là mẫu ngẫu nhiên tổng quát
lập từ biến ngẫu nhiên gốc X . Một hàm
b 1 , X2 , . . . , Xn ), thành lập từ X1 , X2 , . . . , Xn ,
θb = θ(X
được gọi là một thống kê.
41 of 112
Giả sử (X1 , X2 , . . . , Xn ) là mẫu ngẫu nhiên tổng quát
lập từ biến ngẫu nhiên gốc X . Một hàm
b 1 , X2 , . . . , Xn ), thành lập từ X1 , X2 , . . . , Xn ,
θb = θ(X
được gọi là một thống kê.
Như vậy,
n n
1X 1 X
X = Xi , S 2 = (Xi − X )2 ,
n n−1
i=1 i=1
là các thống kê
41 of 112
4.1.2 Định nghĩa
Giả sử, X là biến ngẫu nhiên gốc của tổng thể có

tham số θ cần ước lượng và (X1 , X2 , . . . , Xn ) là mẫu
tổng quát lập từ X . Để ước lượng tham số θ ta phải
tìm ra một hàm thống kê θ(X
b 1 , X2 , . . . , Xn ) "đủ tốt"
chỉ phụ thuộc vào các quan sát mà không phụ thuộc
vào θ được gọi là bài toán ước lượng điểm của θ và θb
được gọi là ước lượng điểm của θ
42 of 112
Ước lượng θb = θ(X

b 1 , X2 , . . . , Xn ) được gọi là ước
lượng không chệch cho tham số θ nếu E θb = θ.
43 of 112

Ví dụ:
43 of 112

Ví dụ: Trung bình mẫu và phương sai mẫu có hiệu
chỉnh là ước lượng không chệch của kỳ vọng và
phương sai tương ứng. Tần suất mẫu là ước lượng
không chệch cho xác suất
43 of 112
4.2 Ước lượng khoảng
44 of 112
45 of 112
Cho X là biến ngẫu nhiên gốc của tổng thể có tham
số θ chưa biết và (X1 , X2 , . . . , Xn ) là mẫu tổng quát
lập từ X .
45 of 112
lập từ X .
Giả sử với β ∈ [0, 1] cho trước, ta tìm được
θ1 = θ1 (X1 , X2 , . . . , Xn ) và θ2 = θ2 (X1 , X2 , . . . , Xn )
45 of 112
lập từ X .
θ1 = θ1 (X1 , X2 , . . . , Xn ) và θ2 = θ2 (X1 , X2 , . . . , Xn )
sao cho
P(θ1 < θ < θ2 ) = β
45 of 112
lập từ X .
θ1 = θ1 (X1 , X2 , . . . , Xn ) và θ2 = θ2 (X1 , X2 , . . . , Xn )
sao cho
P(θ1 < θ < θ2 ) = β
thì (θ1 , θ2 ) được gọi là khoảng tin cậy (khoảng ước
lượng) của θ với độ tin cậy β.
45 of 112
Với mẫu thực nghiệm (x1 , . . . , xn ),
46 of 112
Với mẫu thực nghiệm (x1 , . . . , xn ), tính các giá trị của
θ1 , θ2 tại (x1 , . . . , xn ) ta nhận được khoảng tin cậy cụ
thể của θ.
46 of 112
Ta thường xét 3 loại khoảng tin cậy sau
47 of 112

• Khoảng tin cậy đối xứng:
47 of 112

• Khoảng tin cậy đối xứng: (θ0 − ε, θ0 + ε)
47 of 112

• Khoảng tin cậy bên phải:
47 of 112

• Khoảng tin cậy bên phải: (θ1 , +∞)
47 of 112

• Khoảng tin cậy bên trái:
47 of 112

• Khoảng tin cậy bên trái: (−∞, θ2 )
47 of 112
Khoảng tin cậy bên phải cho ta giá trị ước lượng tối
thiểu θ1 của θ.
48 of 112
thiểu θ1 của θ. Khoảng tin cậy bên trái cho ta giá trị
ước lượng tối đa θ2 của θ.
48 of 112
thiểu θ1 của θ. Khoảng tin cậy bên trái cho ta giá trị
ước lượng tối đa θ2 của θ. Nếu bài toán ước lượng
khoảng không có yêu cầu gì cụ thể thì ta dùng khoảng
tin cậy đối xứng.
48 of 112
4.2.2 Ước lượng khoảng cho kì
vọng
49 of 112
4.2.2 Ước lượng khoảng cho kì
vọng
Giả sử biến ngẫu nhiên gốc X của tổng thể có kì vọng

EX = µ chưa biết và phương sai VX = σ 2 (có thể
biết hoặc chưa biết). Dựa vào một mẫu ngẫu nhiên
(X1 , X2 , . . . , Xn ) lập từ X , ta cần tìm khoảng tin cậy
(µ1 , µ2 ) của µ với độ tin cậy β nào đó cho trước.
Chú ý: nếu cỡ mẫu n ≤ 30 thì ta phải thêm điều kiện
X ∼ N(µ, σ 2 ).
49 of 112
Trường hợp 1: σ đã biết
X − µ√
+). Chọn thống kê: Z = n ∼ N(0; 1).
σ
50 of 112
X − µ√
+). Chọn thống kê: Z = n ∼ N(0; 1).
σ
+) Xét cặp số không âm α1 , α2 thoả mãn:
α1 + α2 = α và các phân vị chuẩn tắc uα1 , u1−α2 :
P(Z < uα1 ) = α1 . Do tính chất của phân phối
chuẩn tắc: uα1 = −u1−α1
P(Z < u1−α2 ) = 1 − α2
Suy ra
P(−u1−α1 < Z < u1−α2 ) = P(uα1 < Z < u1−α2 )
= P(Z < u1−α2 ) − P(Z < uα1 ) = 1 − α2 − α1 = 1 − α
50 of 112
+) 1 − α = P(−u1−α1 < Z < u1−α2 ) = P(−u1−α1 <
X − µ√
n < u1−α2 )
σ σ σ
= P(X − u1−α2 √ < µ < X + u1−α1 √ )
n n
51 of 112
+) 1 − α = P(−u1−α1 < Z < u1−α2 ) = P(−u1−α1 <
X − µ√
n < u1−α2 )
σ σ σ
= P(X − u1−α2 √ < µ < X + u1−α1 √ )
n n
+). Từ mẫu cụ thể (x1 , x2 , .., xn ), ta có khoảng ước
lượng cho µ với độ tin cậy 1 − α là:
σ σ
(x − u1−α2 √ ; x + u1−α1 √ )
n n
51 of 112
+) 1 − α = P(−u1−α1 < Z < u1−α2 ) = P(−u1−α1 <
X − µ√
n < u1−α2 )
σ σ σ
= P(X − u1−α2 √ < µ < X + u1−α1 √ )
n n
+). Từ mẫu cụ thể (x1 , x2 , .., xn ), ta có khoảng ước
lượng cho µ với độ tin cậy 1 − α là:
σ σ
(x − u1−α2 √ ; x + u1−α1 √ )
n n
Như vậy có vô số khoảng ước lượng cho µ.

51 of 112
+). Khoảng ước lượng đối xứng (α1 = α2 = α/2):
σ σ
(x − u1− α2 √ ; x + u1− α2 √ ) ,
n n
hàm laplace: φ(u1− α2 ) = 0, 5 − α2 ,
σ
trong đó: +) = u1− α2 √ gọi là độ chính xác của ước
n
lượng (hoặc sai số ước lượng).
52 of 112
σ σ
(x − u1− α2 √ ; x + u1− α2 √ ) ,
n n
hàm laplace: φ(u1− α2 ) = 0, 5 − α2 ,
σ
n
+) 2 gọi là độ dài khoảng ước lượng (khoảng tin cậy).
52 of 112
σ σ
(x − u1− α2 √ ; x + u1− α2 √ ) ,
n n
hàm laplace: φ(u1− α2 ) = 0, 5 − α2 ,
σ
n
+) 2 gọi là độ dài khoảng ước lượng (khoảng tin cậy).
Chú ý: Khoảng đối xứng là khoảng ước lượng có độ
dài ngắn nhất.
52 of 112
+). Khoảng ước lượng bên trái (α1 = α; α2 = 0):
σ
(−∞; x + u1−α √ ) , hàm laplace: φ(u1−α ) = 0, 5 − α
n
53 of 112
σ
(−∞; x + u1−α √ ) , hàm laplace: φ(u1−α ) = 0, 5 − α
n
+). Khoảng ước lượng bên phải (α1 = 0; α2 = α):

σ
(x − u1−α √ ; +∞) , hàm laplace: φ(u1−α ) = 0, 5 − α
n
53 of 112
Ví dụ
Doanh thu của một cửa hàng là biến ngẫu nhiên

X (triệu/tháng) có độ lệch chuẩn 2 triệu/tháng. Điều
tra ngẫu nhiên doanh thu của 500 cửa hàng có qui mô
tương tự nhau ta tính được doanh thu trung bình là
10 triệu/tháng. Với độ tin cậy 95% hãy ước lượng
khoảng cho doanh thu trung bình của cửa hàng thuộc
qui mô đó.
54 of 112
Bài làm:
X là doanh thu của cửa hàng loại đang xét, EX = µ ,
VX = σ 2 với σ = 2
X − µ√
Chọn thống kê: Z = n ∼ N(0; 1)
σ
Khoảng ước lượng đối xứng cho doanh thu trung bình
µ là:
σ σ
(x − u1− α2 √ ; x + u1− α2 √ )
n n
Với x = 10, σ = 2, n = 500
1 − α = 0, 95 ⇒ α = 0, 05 ⇒ u1− α2 = u0,975 = 1, 96
Thay các số liệu vào khoảng trên ta có kết quả:
(9,825
55 of 112 ; 10,175)
Trường hợp 2: σ chưa biết
Do σ chưa biết nên ta thay thế bằng s.
X − µ√
+). Chọn thống kê: Z = n ∼ t(n − 1)
s
+). Làm tương tự như trường hợp 1, ta chỉ thay phân
vị chuẩn bằng phân vị Student.
+). Mẫu cụ thể (x1 , x2 , .., xn ), ta có khoảng ước lượng
cho µ với độ tin cậy 1 − α là:
s s
(x − t(n − 1, 1 − α2 ) √ ; x + t(n − 1, 1 − α1 ) √ )
n n
56 of 112
Chú ý:
n > 30 thì phân phối chuẩn tắc và phân phối student
bậc tự do (n − 1) có thể coi là một.
Do đó nếu n > 30 ta có thể chọn thống kê:
X − µ√
Z= n ∼ N(0; 1)
s
Khoảng ước lượng cho µ với độ tin cậy 1 − α là:
s s
(x − u1−α2 √ ; x + u1−α1 √ )
n n
57 of 112
α s α s
(x − t(n − 1, 1 − ) √ ; x + t(n − 1, 1 − ) √ )
2 n 2 n
58 of 112
α s α s
(x − t(n − 1, 1 − ) √ ; x + t(n − 1, 1 − ) √ )
2 n 2 n

s
(−∞; x + t(n − 1, 1 − α) √ )
n
58 of 112
α s α s
(x − t(n − 1, 1 − ) √ ; x + t(n − 1, 1 − ) √ )
2 n 2 n

s
(−∞; x + t(n − 1, 1 − α) √ )
n

s
(x − t(n − 1, 1 − α) √ ; +∞)
58 of 112 n
Ví dụ
Ví dụ trước sẽ hợp với thực tế hơn nếu ta sửa lại như

sau:
X (triệu/tháng). Điều tra ngẫu nhiên doanh thu của
500 cửa hàng có qui mô tương tự nhau ta tính được
doanh thu trung bình là 10 triệu/tháng và độ lệch
chuẩn mẫu hiệu chỉnh là 2 triệu/tháng. Với độ tin cậy
95% hãy ước lượng khoảng cho doanh thu trung bình
của cửa hàng thuộc qui mô đó.
59 of 112
Bài làm:
+). X (triệu/tháng) là doanh thu của cửa hàng loại
đang xét, EX = µ , VX = σ 2
X − µ√
Chọn thống kê: Z = n ∼ t(n − 1)
s
+) Khoảng ước lượng đối xứng cho doanh thu trung
bình µ là:
s s
(x − t(n − 1, 1 − α2 ) √ ; x + t(n − 1, 1 − α2 ) √ )
n n
+). Với x = 10, s = 2, n = 500
1 − α = 0, 95 ⇒ α = 0, 05 ⇒ t(n − 1, 1 − α2 ) =
t(499; 0, 975) = 1, 96
+). Thay các số liệu vào khoảng trên ta có kết quả:
(9,825 ; 10,175)
60 of 112
4.2.3 Ước lượng khoảng cho tỷ lệ
Bài toán: Xác suất xảy ra sự kiện A là p.

Do không biết p nên người ta thực hiện n phép thử
độc lập, cùng điều kiện.
Trong đó có m phép thử xảy ra A.
m
f = là ước lượng điểm không chệch cho p.
n
Câu hỏi: Với độ tin cậy (1 − α) hãy ước lượng
khoảng cho p.
61 of 112
Cách giải quyết: tương tự cách làm cho kỳ vọng
f −p √
+). Chọn thống kê: Z = p n ∼ N(0; 1)
p(1 − p)
+). Tuy nhiên do khó giải quyết nên người ta thay p
dưới mẫu bởi f cho dễ tính.
f −p √
Thống kê trở thành: Z = p n ∼ N(0; 1)
f (1 − f )
+) Mẫu cụ thể (x1 , x2 , .., xn ), ta có khoảng ước lượng
cho p với độ tin cậy 1 − α là:
r r
f (1 − f ) f (1 − f )
(f − u1−α2 , f + u1−α1 )
62 of 112 n n
Các trường hợp ước lượng hay dùng
r r
f (1 − f ) f (1 − f )
(f − u1− α2 , f + u1− α2 )
n n
63 of 112
r r
f (1 − f ) f (1 − f )
(f − u1− α2 , f + u1− α2 )
n n

r
f (1 − f )
(−∞; f + u1−α )
n
63 of 112
r r
f (1 − f ) f (1 − f )
(f − u1− α2 , f + u1− α2 )
n n

r
f (1 − f )
(−∞; f + u1−α )
n

r
f (1 − f )
(f − u1−α ; +∞)
n
63 of 112
Chú ý: Do tỷ lệ chỉ nhận giá trị từ 0 đến 1 nên ta có

thể thay giá trị −∞ bằng 0 và +∞ bằng 1 trong
khoảng ước lượng một phía.
64 of 112
Chú ý: Do tỷ lệ chỉ nhận giá trị từ 0 đến 1 nên ta có

thể thay giá trị −∞ bằng 0 và +∞ bằng 1 trong
khoảng ước lượng một phía.
Ví dụ:Tại một bến xe, kiểm tra ngẫu nhiên 100 xe
thấy có 30 xe xuất phát đúng giờ. Với độ tin cậy 95%
hãy ước lượng khoảng cho tỷ lệ xe xuất phát đúng giờ.
64 of 112
Bài làm:
+). Gọi p là tỷ lệ xe xuất phát đúng giờ.
f −p √
Chọn thống kê: Z = p n ∼ N(0; 1)
f (1 − f )
+). Khoảng ước lượng đối xứng cho tỷ lệ xe xuất phát
đúng giờ là:r r
f (1 − f ) f (1 − f )
(f − u1− α2 , f + u1− α2 )
n n
m
+). Với n = 100, m = 30 ⇒ f = = 0, 3
n
1 − α = 0, 95 ⇒ α = 0, 05 ⇒ u1− α2 = u0,975 = 1, 96
+). Thay các số liệu vào khoảng trên ta có kết quả:
(0,21 ; 0,39)
65 of 112
Chương 5: Kiểm định giả thuyết
66 of 112
5.1 Các khái niệm cơ bản
67 of 112
Khi nghiên cứu nhu cầu thị trường về một loại hàng
hóa nào đó, ta có thể đưa ra các cặp nhận định sau:
67 of 112
H0 : Nhu cầu trung bình về loại hàng hóa này là 1000

đơn vị/tháng
68 of 112

đơn vị/tháng
H1 : Nhu cầu trung bình về loại hàng hóa này không
phải là 1000 đơn vị/tháng.
68 of 112

đơn vị/tháng
Hoặc:
68 of 112

đơn vị/tháng
Hoặc:
H0 : 70% người thích dùng loại hàng hóa này
68 of 112

đơn vị/tháng
Hoặc:
H0 : 70% người thích dùng loại hàng hóa này
H1 : Có ít hơn 70% người thích dùng loại hàng hóa này.
68 of 112
Sự đúng hay sai của các nhận định này ta không thể
biết được một cách chắc chắn, trừ khi ta khảo sát
được toàn bộ tổng thể.
69 of 112
được toàn bộ tổng thể. Muốn chấp nhận hay bác bỏ
các nhận định này, ta phải dựa vào việc lấy mẫu về
nhu cầu hàng hóa này.
69 of 112
được toàn bộ tổng thể. Muốn chấp nhận hay bác bỏ
các nhận định này, ta phải dựa vào việc lấy mẫu về
nhu cầu hàng hóa này. Vì thế H0 và H1 được gọi là
các giả thuyết thống kê.
69 of 112
Kiểm định giả thuyết thống kê là việc dùng các thống

kê từ mẫu ngẫu nhiên để chấp nhận hay bác bỏ một
giả thuyết H0 nào đó về tổng thể.
70 of 112

Khi kiểm định một giả thuyết H0 , có thể xảy ra một
trong hai loại sai lầm sau:
70 of 112

Sai lầm loại 1: bác bỏ H0 trong khi H0 đúng
70 of 112

Sai lầm loại 1: bác bỏ H0 trong khi H0 đúng
Sai lầm loại 2: chấp nhận H0 trong khi H0 sai.
70 of 112
Mục tiêu là cực tiểu cả 2 sai lầm, tuy nhiên điều đó là

khó khăn. Vì vậy, ta sẽ chọn phương pháp kiểm định
là: cho trước xác suất xảy ra sai lầm loại 1 là một giá
trị tương đối nhỏ α và chọn miền bác bỏ của H0 sao
cho xác suất xảy ra sai lầm loại 2 là nhỏ nhất.
71 of 112
Xét các bài toán kiểm định giả thuyết thống kê về
tham số θ của biến ngẫu nhiên X :
72 of 112

H0 : θ = θ0
• Bài toán kiểm định 2 phía:
H1 : θ 6= θ0
72 of 112

H0 : θ = θ0
H1 : θ 6= θ0

H0 : θ = θ 0
• Bài toán kiểm định phía phải:
H1 : θ > θ0
72 of 112

H0 : θ = θ0
H1 : θ 6= θ0

H0 : θ = θ 0
H1 : θ > θ0

H0 : θ = θ 0
• Bài toán kiểm định phía trái:
H1 : θ < θ0
72 of 112

H0 : θ = θ0
H1 : θ 6= θ0

H0 : θ = θ 0
H1 : θ > θ0

H0 : θ = θ 0
• Bài toán kiểm định phía trái:
H1 : θ < θ0
trong đó H0 được gọi là giả thuyết và H1 được gọi là
đối thuyết.
72 of 112
Khi đó ta có các bước kiểm định như sau:
73 of 112

Bước 1: Gọi biến ngẫu nhiên. Xây dựng cặp giả
thuyết, đối thuyết.
73 of 112

Bước 2: Từ X lập mẫu tổng quát (X1 , X2 , . . . , Xn ) và
chọn T = T (X1 , X2 , . . . , Xn ) sao cho nếu H0 đúng thì
T có phân phối xác suất hoàn toàn xác định.
73 of 112

Bước 2: Từ X lập mẫu tổng quát (X1 , X2 , . . . , Xn ) và
chọn T = T (X1 , X2 , . . . , Xn ) sao cho nếu H0 đúng thì
T có phân phối xác suất hoàn toàn xác định.
T được gọi là tiêu chuẩn kiểm định.
73 of 112
Bước 3: Từ mẫu thực nghiệm (x1 , x2 , . . . , xn ), tính giá

trị của T tại (x1 , x2 , . . . , xn ) ta được
tqs = T (x1 , x2 , . . . , xn )
gọi là giá trị quan sát của tiêu chuẩn kiểm định.
74 of 112
Bước 4: Với α ∈ (0, 1) khá bé cho trước, xác định

miền Wα sao cho
P(T ∈ Wα |H0 ) = α
P(T ∈
/ Wα |H1 ) nhỏ nhất.
75 of 112
Bước 4: Với α ∈ (0, 1) khá bé cho trước, xác định

miền Wα sao cho
P(T ∈ Wα |H0 ) = α
P(T ∈
/ Wα |H1 ) nhỏ nhất.
Ta gọi α là mức ý nghĩa của kiểm định và Wα là miền

bác bỏ của giả thuyết H0 .
75 of 112
Bước 5: Sử dụng quy tắc kiểm định:

• Nếu tqs ∈ Wα : bác bỏ H0 , chấp nhận H1
• Nếu tqs ∈
/ Wα : chấp nhận H0 .
76 of 112
5.2 Kiểm định giả thuyết về kì
vọng
77 of 112
vọng

EX = µ cần kiểm định.
77 of 112
vọng

EX = µ cần kiểm định.
Nếu có cơ sở để nêu giả thuyết µ = µ0 thì với mức ý
nghĩa α cho trước, ta xét bài toán kiểm định giả
thuyết H0 : µ = µ0 đi cùng với một trong các đối
thuyết H1 : µ 6= µ0 , hoặc H1 : µ > µ0 , hoặc
H1 : µ < µ0 .
77 of 112
vọng
Gọi VX = σ 2 và n là kích thước mẫu điều tra. Xét 3
78 of 112
vọng
TH1: VX = σ 2 đã biết (n < 30 thì X có pp chuẩn)
√
- Chọn tiêu chuẩn kiểm định: T = X −µ
σ
0
n ∼ N(0; 1)
nếu giả thuyết H0 đúng.
78 of 112
vọng
TH1: VX = σ 2 đã biết (n < 30 thì X có pp chuẩn)
√
- Chọn tiêu chuẩn kiểm định: T = X −µ
σ
0
n ∼ N(0; 1)
nếu giả thuyết H0 đúng.
- Từ mẫu cụ thể (x1√, x2 , .., xn ), ta tính được giá trị
x−µ0
quan sát: tqs = σ n
78 of 112
- Miền bác bỏ H0 được xác định cho 3 trường hợp như
sau:
H0 H1 Miền bác bỏ H0 : Wα
µ = µ0 µ 6= µ0 (−∞; −u1− α2 ) ∪ (u1− α2 ; +∞)
µ = µ0 µ > µ0 (u1−α ; +∞)
µ = µ0 µ < µ0 (−∞; −u1−α )
79 of 112
Ví dụ:

X (triệu/tháng) có độ lệch chuẩn 2 triệu/tháng. Điều
tra ngẫu nhiên doanh thu của 500 cửa hàng có qui mô
tương tự nhau ta tính được doanh thu trung bình là
10 triệu/tháng. Có người cho rằng thu nhập trung
bình của cửa hàng loại đó phải trên 9 triệu/tháng. Với
mức ý nghĩa 5% có thể kết luận gì về nhận xét trên.
80 of 112
Giải:
81 of 112
Giải:+) X là doanh thu của cửa hàng loại đang xét,
EX = µ , VX = σ 2 với σ = 2
+) Cặp giả thuyết: H0 : µ = µ0 và H1 : µ > µ0 (với
µ0 = 9)
81 of 112
EX = µ , VX = σ 2 với σ = 2
µ0 = 9)
+) Chọn tiêu chuẩn kiểm định:
X − µ0 √
T = n ∼ N(0; 1) nếu H0 đúng
σ
+) Giá trị quan sát
x − µ0 √ 10 − 9 √
tqs = n= 500 = 11, 18
σ 2
81 of 112
EX = µ , VX = σ 2 với σ = 2
µ0 = 9)
X − µ0 √
σ
x − µ0 √ 10 − 9 √
tqs = n= 500 = 11, 18
σ 2
+) Với α = 0, 05, miền bác bỏ H0 :
Wα = (u1−α ; +∞) = (u0,95 ; +∞) = (1, 645; +∞)
81 of 112
EX = µ , VX = σ 2 với σ = 2
µ0 = 9)
X − µ0 √
σ
x − µ0 √ 10 − 9 √
tqs = n= 500 = 11, 18
σ 2
Wα = (u1−α ; +∞) = (u0,95 ; +∞) = (1, 645; +∞)
+) Do tqs ∈ Wα nên ta bác bỏ H0 và chấp nhận H1 .
Nghĩa là nhận xét đó là đúng.
81 of 112
vọng
TH2: VX chưa biết và n ≥ 30
- Chọn tiêu chuẩn kiểm định:
X − µ0 √
T = n ∼ N(0; 1) nếu giả thuyết H0 đúng.
s
x−µ0
quan sát: tqs = s n
82 of 112
vọng
TH2: VX chưa biết và n ≥ 30
X − µ0 √
T = n ∼ N(0; 1) nếu giả thuyết H0 đúng.
s
x−µ0
quan sát: tqs = s n
- Điều kiện bác bỏ H: giống TH1.
82 of 112
vọng
TH3: VX chưa biết, n < 30 và X có phân phối chuẩn.

X − µ0 √
T = n ∼ t(n − 1) nếu giả thuyết H0 đúng.
s
x−µ0
quan sát: tqs = s n.
83 of 112
- Miền bác bỏ H0 được xác định cho 3 trường hợp như
sau:
µ = µ0 µ 6= µ0 (−∞; −t(n − 1; 1 − α2 )) ∪ (t(n − 1; 1 −
µ = µ0 µ > µ0 (t(n − 1; 1 − α); +∞)
µ = µ0 µ < µ0 (−∞; −t(n − 1; 1 − α))
84 of 112
Ví dụ: (Ví dụ trước sẽ được sửa hợp với thực tế hơn)
X (triệu/tháng). Điều tra ngẫu nhiên doanh thu của
500 cửa hàng có qui mô tương tự nhau ta tính được
doanh thu trung bình là 10 triệu/tháng và độ lệch
chuẩn mẫu hiệu chỉnh là 2 triệu/tháng. Có người cho
rằng thu nhập trung bình của cửa hàng loại đó phải
trên 9 triệu/tháng. Với mức ý nghĩa 5% có thể kết
luận gì về nhận xét trên.
85 of 112
Giải:
86 of 112
Giải:
+) X là doanh thu của cửa hàng loại đang xét,
EX = µ , VX = σ 2
µ0 = 9)
86 of 112
Giải:
EX = µ , VX = σ 2
µ0 = 9)
X − µ0 √
s
x − µ0 √ 10 − 9 √
tqs = n= 500 = 11, 18
s 2
86 of 112
Giải:
EX = µ , VX = σ 2
µ0 = 9)
X − µ0 √
s
x − µ0 √ 10 − 9 √
tqs = n= 500 = 11, 18
s 2
+) Wα = (u1−α ; +∞) = (u0,95 ; +∞) = (1, 645; +∞)
86 of 112
Giải:
EX = µ , VX = σ 2
µ0 = 9)
X − µ0 √
s
x − µ0 √ 10 − 9 √
tqs = n= 500 = 11, 18
s 2
+) Wα = (u1−α ; +∞) = (u0,95 ; +∞) = (1, 645; +∞)
+) Do k ∈ Wα nên ta bác bỏ H0 và chấp nhận H1 .
Nghĩa
86 of 112 là nhận xét đó là đúng.
vọng
Ví dụ: Mì chính được đóng gói theo quy định 453 gam
một gói trên máy tự động. Kiểm tra ngẫu nhiên 81 gói
mì chính thấy trọng lượng trung bình là 448 gam. Với
mức ý nghĩa 0, 05, có thể kết luận trọng lượng các gói
mì chính có xu hướng bị đóng thiếu không? Biết rằng
trọng lượng các gói mì chính là biến ngẫu nhiên có độ
lệch chuẩn 36 gam.
87 of 112
vọng
Ví dụ: Năm ngoái năng suất lúa trung bình của huyện
A là 60 tạ/ha. Năm nay, do cải tiến canh tác nên đã
có ý kiến cho rằng năng suất lúa đã tăng lên. Thống
kê năng suất lúa ở 64 điểm trồng lúa ở huyện A ta tìm
được năng suất trung bình là 61 tạ/ha với độ lệch
chuẩn 2 tạ/ha. Với mức ý nghĩa 0, 01, ta có kết luận
gì về ý kiến đã nêu ra.
88 of 112
vọng
Ví dụ: Theo dõi thời gian hoàn thành 1 sản phẩm

(phút) ở 20 công nhân, ta thu được bảng số liệu sau
Thời gian 10-12 12-14 14-16 16-18 18-20

Số công nhân 1 5 9 3 2
89 of 112
vọng
Biết xưởng đã đặt ra định mức hoàn thành sản phẩm

là 14 phút. Với mức ý nghĩa 0, 05 hãy kết luận về định
mức đã đặt ra. Biết rằng thời gian hoàn thành 1 sản
phẩm là biến ngẫu nhiên có phân phối chuẩn.
90 of 112
5.3 Kiểm định giả thuyết về tỉ lệ
91 of 112
Giả sử trong tổng thể, tỉ lệ phần tử có tính chất A là

p cần kiểm định.
91 of 112
Giả sử trong tổng thể, tỉ lệ phần tử có tính chất A là

p cần kiểm định.
Nếu có cơ sở để nêu giả thuyết p = p0 thì với mức ý
nghĩa α cho trước, ta xét bài toán kiểm định giả
thuyết H0 : p = p0 đi cùng với một trong các đối
thuyết H1 : p 6= p0 , hoặc H1 : p > p0 , hoặc
H1 : p < p0 .
91 of 112
Cách giải quyết: Tương tự như với kỳ vọng.

f − p0 √
T =p n ∼ N(0; 1) nếu giả thuyết H0
p0 (1 − p0 )
đúng.
+) Từ mẫu thu thập, ta tính được giá trị quan sát:
f − p0 √ m
tqs = p n với f = .
p0 (1 − p0 ) n
92 of 112
+) Miền bác bỏ H0 được xác định cho 3 trường hợp
như sau:
p = p0 p 6= p0 (−∞; −u1− α2 ) ∪ (u1− α2 ; +∞)
p = p0 p > p0 (u1−α ; +∞)
p = p0 p < p0 (−∞; −u1−α )
93 of 112
Ví dụ:
Tại một bến xe, kiểm tra ngẫu nhiên 100 xe thấy có
35 xe xuất phát đúng giờ. Với mức ý nghĩa 5% có thể
khẳng định được rằng tỷ lệ xe xuất phát đúng giờ
thấp hơn 40% hay không?
94 of 112
Ví dụ:
Tại một bến xe, kiểm tra ngẫu nhiên 100 xe thấy có
35 xe xuất phát đúng giờ. Với mức ý nghĩa 5% có thể
khẳng định được rằng tỷ lệ xe xuất phát đúng giờ
thấp hơn 40% hay không?
94 of 112
Giải:
95 of 112
Giải:+) Gọi p là tỷ lệ xe xuất phát đúng giờ.
+) Cặp giả thuyết: H0 : p = p0 và H1 : p < p0 (với
p0 = 0, 4)
95 of 112
p0 = 0, 4)
+) Tiêu chuẩn kiểm định:
f − p0 √
T =p n ∼ N(0; 1) nếu gt H0 đúng.
p0 (1 − p0 )
35/100 − 0, 4 √
tqs = √ 100 = −1, 02
0, 4.0, 6
95 of 112
p0 = 0, 4)
f − p0 √
p0 (1 − p0 )
35/100 − 0, 4 √
tqs = √ 100 = −1, 02
0, 4.0, 6
Wα = (−∞; −u1−α ) = (−∞; −u0,95 ) =
(−∞; −1, 645)
95 of 112
p0 = 0, 4)
f − p0 √
p0 (1 − p0 )
35/100 − 0, 4 √
tqs = √ 100 = −1, 02
0, 4.0, 6
Wα = (−∞; −u1−α ) = (−∞; −u0,95 ) =
(−∞; −1, 645)
+) Do k ∈ / Wα nên ta không có cơ sở bác bỏ H0 .
Nghĩa là không thể khẳng định.
95 of 112
Ví dụ: Tỉ lệ phế phẩm của một nhà máy trước đây là

10%. Sau khi cải tiến kĩ thuật, người ta kiểm tra 400
sản phẩm thì thấy có 32 phế phẩm. Với mức ý nghĩa
1%, hãy xét xem việc cải tiến kĩ thuật có làm giảm
bớt tỉ lệ phế phẩm không.
96 of 112
5.4 Bài toán so sánh hai kỳ vọng
Bài toán: +) Cho bnn X có EX = µ1 , VX = σ12 và
bnn Y có EY = µ2 , VY = σ22 .
Mẫu cụ thể của X là (x1 , x2 , ..., xn1 ), của Y là
(y1 , y2 , ..., yn2 ).
97 of 112
(y1 , y2 , ..., yn2 ).
+) Bài toán đặt ra là ta cần so sánh giá trị kỳ vọng
µ1 với µ2 .
Giả thuyết H0 µ1 = µ2 µ1 = µ2 µ1 = µ2
Đối thuyết H1 µ1 6= µ2 µ1 > µ2 µ1 < µ2
97 of 112
(y1 , y2 , ..., yn2 ).
+) Bài toán đặt ra là ta cần so sánh giá trị kỳ vọng
µ1 với µ2 .
Giả thuyết H0 µ1 = µ2 µ1 = µ2 µ1 = µ2
Đối thuyết H1 µ1 6= µ2 µ1 > µ2 µ1 < µ2
Chú ý: Nếu cỡ mẫu nhỏ thì ta phải thêm giả thuyết
biến ngẫu nhiên gốc tuân theo phân phối chuẩn.
97 of 112
Trường hợp 1: σ12 , σ22 đã biết.
X − Y − (µ1 − µ2 )
T = s ∼ N(0; 1) nếu giả thuyết
2 2
σ1 σ2
+
n1 n2
H0 đúng thì µ1 − µ2 = 0.
98 of 112
Trường hợp 1: σ12 , σ22 đã biết.
X − Y − (µ1 − µ2 )
2 2
σ1 σ2
+
n1 n2
+)Từ mẫu cụ thể (x1 , x2 , .., xn1 ), (y1 , y2 , ..., yn2 ), ta
x −y
tính được giá trị quan sát: tqs = s
σ12 σ22
+
n1 n2
98 of 112
như sau:
µ1 = µ2 µ1 6= µ2 (−∞; −u1− α2 ) ∪ (u1− α2 ; +∞)
µ1 = µ2 µ1 > µ2 (u1−α ; +∞)
µ1 = µ2 µ1 < µ2 (−∞; −u1−α )
99 of 112
Trường hợp 2: σ12 , σ22 chưa biết
X − Y − (µ1 − µ2 )
T =s ,
2 2
(n1 − 1)s1 + (n2 − 1)s2 1 1
( + )
n1 + n2 − 2 n1 n2
T ∼ t(n1 + n2 − 2), nếu giả thuyết H0 đúng thì
µ1 − µ2 = 0.
100 of 112
Trường hợp 2: σ12 , σ22 chưa biết
X − Y − (µ1 − µ2 )
T =s ,
2 2
(n1 − 1)s1 + (n2 − 1)s2 1 1
( + )
n1 + n2 − 2 n1 n2
T ∼ t(n1 + n2 − 2), nếu giả thuyết H0 đúng thì
µ1 − µ2 = 0.
+) Từ mẫu cụ thể (x1 , x2 , .., xn1 ), (y1 , y2 , ..., yn2 ), ta
tính được giá trị quan sát:
x −y
tqs = s
(n1 − 1)s12 + (n2 − 1)s22 1 1
( + )
n1 + n2 − 2 n1 n2
100 of 112
như sau:
µ1 = µ2 µ1 6= µ2 (−∞; −t0 ) ∪ (t0 ; +∞)
µ1 = µ2 µ1 > µ2 (t(n1 + n2 − 2; 1 − α); +∞)
µ1 = µ2 µ1 < µ2 (−∞; −t(n1 + n2 − 2; 1 − α))
Trong đó, t0 = t(n1 + n2 − 2; 1 − α2 )
101 of 112
Chú ý: σ12 , σ22 chưa biết, n1 , n2 lớn
X − Y − (µ1 − µ2 )
2 2
s1 s
+ 2
n1 n2
102 of 112
Chú ý: σ12 , σ22 chưa biết, n1 , n2 lớn
X − Y − (µ1 − µ2 )
2 2
s1 s
+ 2
n1 n2
+)Từ mẫu cụ thể (x1 , x2 , .., xn1 ), (y1 , y2 , ..., yn2 ), ta
x −y
tính được giá trị quan sát: tqs = s
s12 s22
+
n1 n2
102 of 112
như sau:
µ1 = µ2 µ1 6= µ2 (−∞; −u1− α2 ) ∪ (u1− α2 ; +∞)
µ1 = µ2 µ1 > µ2 (u1−α ; +∞)
µ1 = µ2 µ1 < µ2 (−∞; −u1−α )
103 of 112
Kiểm định 2 mẫu cho kỳ vọng
Ví dụ: Khảo sảt điểm thi môn Xác suất thống kê của
sinh viên 2 lớp A, B ta có kết quả:
Lớp A: n1 = 64, x = 7, 32, s1 = 1, 09
Lớp B: n2 = 68, y = 7, 66, s2 = 1, 12
Với mức ý nghĩa 1% có thể kết luận rằng kết quả thi
của lớp B cao hơn của lớp A hay không?
104 of 112
Bài làm:
+) Gọi X , Y là điểm thi môn XSTK của lớp A, B
tương ứng.
EX = µ1 , VX = σ12 và EY = µ2 , VY = σ22
105 of 112
Bài làm:
tương ứng.
EX = µ1 , VX = σ12 và EY = µ2 , VY = σ22
+) Cặp giả thuyết: H0 : µ1 = µ2 và H1 : µ1 < µ2
105 of 112
Bài làm:
tương ứng.
EX = µ1 , VX = σ12 và EY = µ2 , VY = σ22
+) Cặp giả thuyết: H0 : µ1 = µ2 và H1 : µ1 < µ2
X −Y
T =s ∼ N(0; 1) nếu H0 đúng.
2 2
s1 s
+ 2
n1 n2
105 of 112
x −y 7, 32 − 7, 66
tqs = s =r = −1, 7653
2 2
s12
s 2 1, 09 1, 12
+ 2 64
+
68
n1 n2
106 of 112
x −y 7, 32 − 7, 66
tqs = s =r = −1, 7653
2 2
s12
s 2 1, 09 1, 12
+ 2 64
+
68
n1 n2
Wα = (−∞; −u1−α ) = (−∞; −u0,99 ) = (−∞; −2, 33)
106 of 112
x −y 7, 32 − 7, 66
tqs = s =r = −1, 7653
2 2
s12
s 2 1, 09 1, 12
+ 2 64
+
68
n1 n2
Wα = (−∞; −u1−α ) = (−∞; −u0,99 ) = (−∞; −2, 33)
+) Do tqs 6∈ Wα nên ta bác bỏ H1 và chấp nhận H0 .
Nghĩa là chưa kết luận được kết quả thi của lớp B cao
hơn lớp A.
106 of 112
5.5 Bài toán so sánh hai tỷ lệ
Bài toán: Giả sử p1 , p2 tương ứng là tỷ lệ các phần tử

mang dấu hiệu A nào đó của tổng thể thứ nhất và
tổng thể thứ hai.
Mẫu của tổng thể thứ nhất: Thực hiện n1 phép thử
độc lập cùng điều kiện, có m1 phép thử xảy ra sự kiện
A.
Mẫu của tổng thể thứ hai: Thực hiện n2 phép thử độc
lập cùng điều kiện, có m2 phép thử xảy ra sự kiện A.
Câu hỏi: Hãy so sánh p1 với p2 .
107 of 112
Cách giải quyết:
+) Bài toán đặt ra là ta cần so sánh p1 và p2 .
Giả thuyết H0 p1 = p2 p1 = p2 p1 = p2
Đối thuyết H1 p1 6= p2 p1 > p2 p1 < p2
108 of 112
Cách giải quyết:
+) Bài toán đặt ra là ta cần so sánh p1 và p2 .
Giả thuyết H0 p1 = p2 p1 = p2 p1 = p2
Đối thuyết H1 p1 6= p2 p1 > p2 p1 < p2

f1 − f2
T =r ∼ N(0; 1) nếu giả thuyết
1 1
f (1 − f )( + )
n1 n2
H0 đúng.
108 of 112
f1 − f2
tqs = r
1 1
f (1 − f )( + )
n1 n2
m1 m2 m1 + m2 n1 .f1 + n2 .f2
với f1 = , f2 = ,f = =
n1 n2 n1 + n2 n1 + n2
109 of 112
f1 − f2
tqs = r
1 1
f (1 − f )( + )
n1 n2
m1 m2 m1 + m2 n1 .f1 + n2 .f2
với f1 = , f2 = ,f = =
n1 n2 n1 + n2 n1 + n2
như sau:
p1 = p2 p1 6= p2 (−∞; −u1− α2 ) ∪ (u1− α2 ; +∞)
p1 = p2 p1 > p2 (u1−α ; +∞)
p1 = p2 p1 < p2 (−∞; −u1−α )
109 of 112
Ví dụ: Kiểm tra các sản phẩm được chọn ngẫu nhiên
của 2 nhà máy sản xuất ta được số liệu sau:
+) Nhà máy thứ nhất: kiểm tra 100 sản phẩm có 20
phế phẩm.
+) Nhà máy thứ hai : kiểm tra 120 sản phẩm có 36
phế phẩm.
Với mức ý nghĩa α = 0, 05 có thể coi tỷ lệ phế phẩm
của nhà máy thứ hai cao hơn của nhà máy thứ nhất
hay không?
110 of 112
Bài làm:
Gọi p1 , p2 lần lượt là tỷ lệ phế phẩm của nhà máy
thứ nhất và thứ hai.
111 of 112
Bài làm:
n1 = 100, m1 = 20 và n2 = 120, m2 = 36.
111 of 112
Bài làm:
n1 = 100, m1 = 20 và n2 = 120, m2 = 36.
Cặp giả thuyết: H0 : p1 = p2 , H1 : p1 < p2
111 of 112
Bài làm:
n1 = 100, m1 = 20 và n2 = 120, m2 = 36.
Cặp giả thuyết: H0 : p1 = p2 , H1 : p1 < p2
Chọn tiêu chuẩn kiểm định:
f1 − f2
T =r ∼ N(0; 1) nếu giả thuyết
1 1
f (1 − f )( + )
n1 n2
H0 đúng.
111 of 112
m1 m2 m1 + m2
Với f1 = = 0, 2; f2 = = 0, 3; f = =
n1 n2 n1 + n2
f1 − f2
0, 2545 Giá trị quan sát tqs = r =
1 1
f (1 − f )( + )
n1 n2
0, 2 − 0, 3
r = −1, 696
1 1
0, 2545(1 − 0, 2545)( + )
100 120
112 of 112
m1 m2 m1 + m2
Với f1 = = 0, 2; f2 = = 0, 3; f = =
n1 n2 n1 + n2
f1 − f2
1 1
f (1 − f )( + )
n1 n2
0, 2 − 0, 3
r = −1, 696
1 1
0, 2545(1 − 0, 2545)( + )
100 120
Với α = 0, 05 ta có miền bác bỏ H0 :
Wα = (−∞; −u1−α ) = (−∞; −u0,95 ) =
(−∞; −1, 645)
112 of 112
m1 m2 m1 + m2
Với f1 = = 0, 2; f2 = = 0, 3; f = =
n1 n2 n1 + n2
f1 − f2
1 1
f (1 − f )( + )
n1 n2
0, 2 − 0, 3
r = −1, 696
1 1
0, 2545(1 − 0, 2545)( + )
100 120
Với α = 0, 05 ta có miền bác bỏ H0 :
Wα = (−∞; −u1−α ) = (−∞; −u0,95 ) =
(−∞; −1, 645)
Do tqs ∈ Wα nên ta bác bỏ H0 , chấp nhận H1 .
112 of 112

MI2020-Thống kê

Uploaded by

Copyright:

Available Formats

You might also like

MI2020-Thống kê

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

MI2020-Thống kê

Uploaded by

Copyright:

Available Formats

XÁC SUẤT THỐNG KÊ

Tập hợp có các phần tử là các đối tượng mà ta nghiên

Tập hợp có các phần tử là các đối tượng mà ta nghiên

Tập hợp có các phần tử là các đối tượng mà ta nghiên

- Dấu hiệu định lượng:

- Dấu hiệu định lượng: là các yếu tố về lượng như

- Dấu hiệu định lượng: là các yếu tố về lượng như

- Dấu hiệu định lượng: là các yếu tố về lượng như

- Dấu hiệu định lượng: là các yếu tố về lượng như

- Dấu hiệu định lượng: là các yếu tố về lượng như

- Dấu hiệu định tính:

- Dấu hiệu định tính: là một tính chất A nào đó của

- Dấu hiệu định tính: là một tính chất A nào đó của

- Dấu hiệu định tính: là một tính chất A nào đó của

Trung bình của tổng thể EX trong trường hợp này

Trung bình của tổng thể EX trong trường hợp này

M số phần tử có tính chất A

Để hiểu chính xác về tổng thể, rõ ràng ta phải điều

Để hiểu chính xác về tổng thể, rõ ràng ta phải điều

Để hiểu chính xác về tổng thể, rõ ràng ta phải điều

Giả sử ta cần nghiên cứu dấu hiệu X của tổng thể.

Giả sử ta cần nghiên cứu dấu hiệu X của tổng thể.

Giả sử ta cần nghiên cứu dấu hiệu X của tổng thể.

Giả sử ta cần nghiên cứu dấu hiệu X của tổng thể.

Giả sử ta cần nghiên cứu dấu hiệu X của tổng thể.

Giả sử trong lần quan sát thứ i, Xi nhận giá trị

Giả sử trong lần quan sát thứ i, Xi nhận giá trị

Giả sử trong lần quan sát thứ i, Xi nhận giá trị

Giả sử trong lần quan sát thứ i, Xi nhận giá trị

Ví dụ 1: Gọi X là số chấm xuất hiện khi tung 1 con

Nếu tung con xúc xắc 3 lần và gọi Xi là số chấm xuất

Nếu tung con xúc xắc 3 lần và gọi Xi là số chấm xuất

Nếu tung con xúc xắc 3 lần và gọi Xi là số chấm xuất

Nếu tung con xúc xắc 3 lần và gọi Xi là số chấm xuất

Nếu tung con xúc xắc 3 lần và gọi Xi là số chấm xuất

Một số cách chọn mẫu cơ bản

Một số cách chọn mẫu cơ bản

Quan sát dấu hiệu X trên mẫu kích thước n.

Quan sát dấu hiệu X trên mẫu kích thước n.

Quan sát dấu hiệu X trên mẫu kích thước n.

Quan sát dấu hiệu X trên mẫu kích thước n.

- Bảng tần suất thực nghiệm:

Lập bảng tần số và bảng tần suất thực nghiệm của

Tuổi thọ 900-1000 1000-1100 1100-1200

Tuổi thọ 1200-1300 1300-1400 1400-1500

m số phần tử có tính chất A của mẫu

m số phần tử có tính chất A của mẫu

• Tính độ lệch chuẩn mẫu:

m số phần tử có tính chất A của mẫu

m số phần tử có tính chất A của mẫu

• Tính trung bình mẫu, phương sai mẫu theo các

Trường hợp 3: Nếu mẫu được cho dưới dạng bảng

Tính trung bình mẫu, phương sai mẫu, độ lệch chuẩn

Tính trung bình mẫu, phương sai mẫu, độ lệch chuẩn

Tính trung bình mẫu, phương sai mẫu, độ lệch chuẩn

- Nếu VX chưa biết và n ≥ 30 thì

- Nếu VX chưa biết, n < 30 và X có phân phối chuẩn

- Nếu VX chưa biết, n < 30 và X có phân phối chuẩn

trong đó T (n − 1) là phân phối Student với n − 1 bậc