Professional Documents
Culture Documents
MI2020-Thống kê
MI2020-Thống kê
MI2020-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
3.1 Khái niệm mẫu
4 of 112
3.1 Khái niệm mẫu
4 of 112
3.1 Khái niệm mẫu
4 of 112
3.1 Khái niệm mẫu
5 of 112
3.1 Khái niệm mẫu
5 of 112
3.1 Khái niệm mẫu
5 of 112
3.1 Khái niệm mẫu
5 of 112
3.1 Khái niệm mẫu
5 of 112
3.1 Khái niệm mẫu
5 of 112
3.1 Khái niệm mẫu
6 of 112
3.1 Khái niệm mẫu
6 of 112
3.1 Khái niệm mẫu
6 of 112
3.1 Khái niệm mẫu
6 of 112
3.1 Khái niệm mẫu
7 of 112
3.1 Khái niệm mẫu
7 of 112
3.1 Khái niệm mẫu
8 of 112
3.1 Khái niệm mẫu
8 of 112
3.1 Khái niệm mẫu
8 of 112
3.1 Khái niệm mẫu
9 of 112
3.1 Khái niệm mẫu
9 of 112
3.1 Khái niệm mẫu
9 of 112
3.1 Khái niệm mẫu
9 of 112
3.1 Khái niệm mẫu
9 of 112
3.1 Khái niệm mẫu
10 of 112
3.1 Khái niệm mẫu
10 of 112
3.1 Khái niệm mẫu
10 of 112
3.1 Khái niệm mẫu
10 of 112
3.1 Khái niệm mẫu
Ví dụ 1:
11 of 112
3.1 Khái niệm mẫu
11 of 112
3.1 Khái niệm mẫu
12 of 112
3.1 Khái niệm mẫu
12 of 112
3.1 Khái niệm mẫu
12 of 112
3.1 Khái niệm mẫu
12 of 112
3.1 Khái niệm mẫu
12 of 112
3.1 Khái niệm mẫu
Một số cách chọn mẫu cơ bản
13 of 112
3.1 Khái niệm mẫu
Một số cách chọn mẫu cơ bản
+) 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
3.1 Khái niệm mẫu
Một số cách chọn mẫu cơ bản
+) 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
3.1 Khái niệm mẫu
14 of 112
3.1 Khái niệm mẫu
14 of 112
3.2 Cách biểu diễn mẫu
15 of 112
3.2 Cách biểu diễn mẫu
15 of 112
3.2 Cách biểu diễn mẫu
15 of 112
3.2 Cách biểu diễn mẫu
15 of 112
3.2 Cách biểu diễn mẫu
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
3.2 Cách biểu diễn mẫu
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
3.2 Cách biểu diễn mẫu
Ví dụ 2:
17 of 112
3.2 Cách biểu diễn mẫu
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
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
3.2 Cách biểu diễn mẫu
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
3.2 Cách biểu diễn mẫu
Ví dụ 3:
19 of 112
3.2 Cách biểu diễn mẫu
Ví dụ 3: Tuổi thọ của 200 bóng đèn (đơn vị: giờ) được
cho trong bảng sau
19 of 112
3.2 Cách biểu diễn mẫu
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
19 of 112
3.3 Các đặc trưng mẫu
20 of 112
3.3 Các đặc trưng mẫu
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
3.3 Các đặc trưng mẫu
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.
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
3.3 Các đặc trưng mẫu
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.
Do đó, ta tìm cách ước lượng chúng bởi các giá trị
thu được từ một mẫu tổng quát (X1 , . . . , Xn ) lập từ
X . Các giá trị đó được gọi là các đặc trưng mẫu tổng
quát.
20 of 112
3.3 Các đặc trưng mẫu
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.
Do đó, ta tìm cách ước lượng chúng bởi các giá trị
thu được từ một mẫu tổng quát (X1 , . . . , Xn ) lập từ
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
3.3.1 Trung bình mẫu
Định nghĩa:
21 of 112
3.3.1 Trung bình mẫu
Định nghĩa:
n
1
P
- Trung bình mẫu tổng quát: X = n Xi
i=1
21 of 112
3.3.1 Trung bình mẫu
Định nghĩa:
n
1
P
- Trung bình mẫu tổng quát: X = n Xi
i=1
n
1
P
- Trung bình mẫu thực nghiệm: x = n xi
i=1
21 of 112
3.3.1 Trung bình mẫu
Định nghĩa:
n
1
P
- Trung bình mẫu tổng quát: X = n Xi
i=1
n
1
P
- Trung bình mẫu thực nghiệm: x = n xi
i=1
Tính chất:
21 of 112
3.3.1 Trung bình mẫu
Định nghĩa:
n
1
P
- Trung bình mẫu tổng quát: X = n Xi
i=1
n
1
P
- Trung bình mẫu thực nghiệm: x = n xi
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
3.3.2 Phương sai mẫu (Có hiệu
chỉnh)
Định nghĩa:
22 of 112
3.3.2 Phương sai mẫu (Có hiệu
chỉnh)
Định nghĩa:
n
2 1
(Xi − X )2
P
- Phương sai mẫu tổng quát: S = n−1
i=1
22 of 112
3.3.2 Phương sai mẫu (Có hiệu
chỉnh)
Định nghĩa:
n
2 1
(Xi − X )2
P
- Phương sai mẫu tổng quát: S = n−1
i=1
n
2 1
(xi − x)2
P
- Phương sai mẫu thực nghiệm: s = n−1
i=1
22 of 112
3.3.2 Phương sai mẫu (Có hiệu
chỉnh)
Định nghĩa:
n
2 1
(Xi − X )2
P
- Phương sai mẫu tổng quát: S = n−1
i=1
n
2 1
(xi − x)2
P
- Phương sai mẫu thực nghiệm: s = n−1
i=1
Tính chất:
22 of 112
3.3.2 Phương sai mẫu (Có hiệu
chỉnh)
Định nghĩa:
n
2 1
(Xi − X )2
P
- Phương sai mẫu tổng quát: S = n−1
i=1
n
2 1
(xi − x)2
P
- Phương sai mẫu thực nghiệm: s = n−1
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
3.3.3 Độ lệch chuẩn mẫu
√
- Độ lệch chuẩn mẫu tổng quát: S = S2
23 of 112
3.3.3 Độ lệch chuẩn mẫu
√
- 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
3.3.4 Phương sai mẫu (Không
hiệu chỉnh)
Định nghĩa:
24 of 112
3.3.4 Phương sai mẫu (Không
hiệu chỉnh)
Định nghĩa:
n
- Phương sai mẫu tổng quát: (S ∗ )2 = 1
(Xi − X )2
P
n
i=1
24 of 112
3.3.4 Phương sai mẫu (Không
hiệu chỉnh)
Định nghĩa:
n
- Phương sai mẫu tổng quát: (S ∗ )2 = 1
(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
3.3.4 Phương sai mẫu (Không
hiệu chỉnh)
Định nghĩa:
n
- Phương sai mẫu tổng quát: (S ∗ )2 = 1
(Xi − X )2
P
n
i=1
n
- Phương sai mẫu thực nghiệm: (s ∗ )2 = 1
(xi − x)2
P
n
i=1
Tính chất:
24 of 112
3.3.4 Phương sai mẫu (Không
hiệu chỉnh)
Định nghĩa:
n
- Phương sai mẫu tổng quát: (S ∗ )2 = 1
(Xi − X )2
P
n
i=1
n
- Phương sai mẫu thực nghiệm: (s ∗ )2 = 1
(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
3.3.5 Tỉ lệ mẫu
Đối với dấu hiệu định tính, ta có khái niệm tỉ lệ mẫu:
25 of 112
3.3.5 Tỉ lệ mẫu
Đối với dấu hiệu định tính, ta có khái niệm tỉ lệ mẫu:
n
1
P
- Tỉ lệ mẫu tổng quát: F = n Xi
i=1
25 of 112
3.3.5 Tỉ lệ mẫu
Đối với dấu hiệu định tính, ta có khái niệm tỉ lệ mẫu:
n
1
P
- Tỉ lệ mẫu tổng quát: F = n Xi trong đó
i=1
0 nếu phần tử không có tính chất A
Xi =
1 nếu phần tử có tính chất A
25 of 112
3.3.5 Tỉ lệ mẫu
Đối với dấu hiệu định tính, ta có khái niệm tỉ lệ mẫu:
n
1
P
- Tỉ lệ mẫu tổng quát: F = n Xi trong đó
i=1
0 nếu phần tử không có tính chất A
Xi =
1 nếu phần tử có tính chất A
- 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
3.4 Tính các đặc trưng mẫu thực
nghiệm
Xét mẫu thực nghiệm kích thước n.
26 of 112
3.4 Tính các đặc trưng mẫu thực
nghiệm
Xét mẫu thực nghiệm kích thước n.
• Tính tỉ lệ mẫu:
26 of 112
3.4 Tính các đặc trưng mẫu thực
nghiệm
Xét mẫu thực nghiệm kích thước n.
• Tính tỉ lệ mẫu:
26 of 112
3.4 Tính các đặc trưng mẫu thực
nghiệm
Xét mẫu thực nghiệm kích thước n.
• Tính tỉ lệ mẫu:
26 of 112
3.4 Tính các đặc trưng mẫu thực
nghiệm
Xét mẫu thực nghiệm kích thước n.
• Tính tỉ lệ mẫu:
26 of 112
3.4 Tính các đặc trưng mẫu thực
nghiệm
Xét mẫu thực nghiệm kích thước n.
• Tính tỉ lệ mẫu:
27 of 112
3.4 Tính các đặc trưng mẫu thực
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
3.4 Tính các đặc trưng mẫu thực
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
3.4 Tính các đặc trưng mẫu thực
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
3.4 Tính các đặc trưng mẫu thực
nghiệm
30 of 112
3.4 Tính các đặc trưng mẫu thực
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
3.4 Tính các đặc trưng mẫu thực
nghiệm
32 of 112
3.4 Tính các đặc trưng mẫu thực
nghiệm
32 of 112
3.4 Tính các đặc trưng mẫu thực
nghiệm
32 of 112
3.4 Tính các đặc trưng mẫu thực
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
3.5 Phân phối xác suất của các
đặc trưng mẫu tổng quát
1) Phân phối xác suất của trung bình mẫu, phương sai
mẫu:
34 of 112
3.5 Phân phối xác suất của các
đặc trưng mẫu tổng quát
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
3.5 Phân phối xác suất của các
đặc trưng mẫu tổng quát
X −µ
∼ N(0, 1)
√S
n
35 of 112
3.5 Phân phối xác suất của các
đặc trưng mẫu tổng quát
36 of 112
3.5 Phân phối xác suất của các
đặc trưng mẫu tổng quát
36 of 112
3.5 Phân phối xác suất của các
đặc trưng mẫu tổng quát
37 of 112
3.5 Phân phối xác suất của các
đặc trưng mẫu tổng quát
37 of 112
3.5 Phân phối xác suất của các
đặc trưng mẫu tổng quát
38 of 112
Chương 4: Ước lượng tham số
39 of 112
Chương 4: Ước lượng tham số
39 of 112
Chương 4: Ước lượng tham số
39 of 112
Chương 4: Ước lượng tham số
Ta có thể ước đoán µ bởi một giá trị µ̂ hoặc ước đoán
µ thuộc khoảng (µ1 , µ2 ) nào đó.
40 of 112
Chương 4: Ước lượng tham số
Ta có thể ước đoán µ bởi một giá trị µ̂ hoặc ước đoán
µ thuộc khoảng (µ1 , µ2 ) nào đó.
Trong thống kê, µ̂ được gọi là ước lượng điểm của µ
40 of 112
Chương 4: Ước lượng tham số
Ta có thể ước đoán µ bởi một giá trị µ̂ hoặc ước đoán
µ thuộc khoảng (µ1 , µ2 ) nào đó.
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 Ước lượng điểm
4.1.1 Định nghĩa:
41 of 112
4.1 Ước lượng điểm
4.1.1 Định nghĩa:
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
4.1 Ước lượng điểm
4.1.1 Định nghĩa:
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
42 of 112
4.1.3 Định nghĩa
43 of 112
4.1.3 Định nghĩa
43 of 112
4.1.3 Định nghĩa
43 of 112
4.2 Ước lượng khoảng
44 of 112
4.2.1 Định nghĩa
45 of 112
4.2.1 Định nghĩa
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
4.2.1 Định nghĩa
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 .
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
4.2.1 Định nghĩa
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 .
Giả sử với β ∈ [0, 1] cho trước, ta tìm được
θ1 = θ1 (X1 , X2 , . . . , Xn ) và θ2 = θ2 (X1 , X2 , . . . , Xn )
sao cho
P(θ1 < θ < θ2 ) = β
45 of 112
4.2.1 Định nghĩa
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 .
Giả sử với β ∈ [0, 1] cho trước, ta tìm được
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
4.2.1 Định nghĩa
46 of 112
4.2.1 Định nghĩa
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
4.2.1 Định nghĩa
47 of 112
4.2.1 Định nghĩa
47 of 112
4.2.1 Định nghĩa
47 of 112
4.2.1 Định nghĩa
47 of 112
4.2.1 Định nghĩa
47 of 112
4.2.1 Định nghĩa
47 of 112
4.2.1 Định nghĩa
47 of 112
4.2.1 Định nghĩa
Khoảng tin cậy bên phải cho ta giá trị ước lượng tối
thiểu θ1 của θ.
48 of 112
4.2.1 Định nghĩa
Khoảng tin cậy bên phải cho ta giá trị ước lượng tối
thiểu θ1 của θ. Khoảng tin cậy bên trái cho ta giá trị
ước lượng tối đa θ2 của θ.
48 of 112
4.2.1 Định nghĩa
Khoảng tin cậy bên phải cho ta giá trị ước lượng tối
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
49 of 112
Trường hợp 1: σ đã biết
X − µ√
+). Chọn thống kê: Z = n ∼ N(0; 1).
σ
50 of 112
Trường hợp 1: σ đã biết
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
Trường hợp 1: σ đã biết
+) 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
Trường hợp 1: σ đã biết
+) 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
Trường hợp 1: σ đã biết
+) 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
52 of 112
Trường hợp 1: σ đã biết
+). 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).
+) 2 gọi là độ dài khoảng ước lượng (khoảng tin cậy).
52 of 112
Trường hợp 1: σ đã biết
+). 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).
+) 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
Trường hợp 1: σ đã biết
+). 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
Trường hợp 1: σ đã biết
+). 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
Ví dụ
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
Trường hợp 2: σ chưa biết
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
Trường hợp 2: σ chưa biết
+). Khoảng ước lượng đối xứng (α1 = α2 = α/2):
α s α s
(x − t(n − 1, 1 − ) √ ; x + t(n − 1, 1 − ) √ )
2 n 2 n
58 of 112
Trường hợp 2: σ chưa biết
+). Khoảng ước lượng đối xứng (α1 = α2 = α/2):
α s α s
(x − t(n − 1, 1 − ) √ ; x + t(n − 1, 1 − ) √ )
2 n 2 n
58 of 112
Trường hợp 2: σ chưa biết
+). Khoảng ước lượng đối xứng (α1 = α2 = α/2):
α s α s
(x − t(n − 1, 1 − ) √ ; x + t(n − 1, 1 − ) √ )
2 n 2 n
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
61 of 112
4.2.3 Ước lượng khoảng cho tỷ lệ
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
+). Khoảng ước lượng đối xứng (α1 = α2 = α/2):
r r
f (1 − f ) f (1 − f )
(f − u1− α2 , f + u1− α2 )
n n
63 of 112
Các trường hợp ước lượng hay dùng
+). Khoảng ước lượng đối xứng (α1 = α2 = α/2):
r r
f (1 − f ) f (1 − f )
(f − u1− α2 , f + u1− α2 )
n n
63 of 112
Các trường hợp ước lượng hay dùng
+). Khoảng ước lượng đối xứng (α1 = α2 = α/2):
r r
f (1 − f ) f (1 − f )
(f − u1− α2 , f + u1− α2 )
n n
64 of 112
4.2.3 Ước lượng khoảng cho tỷ lệ
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
5.1 Các khái niệm cơ bản
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
5.1 Các khái niệm cơ bản
68 of 112
5.1 Các khái niệm cơ bản
68 of 112
5.1 Các khái niệm cơ bản
68 of 112
5.1 Các khái niệm cơ bản
68 of 112
5.1 Các khái niệm cơ bản
68 of 112
5.1 Các khái niệm cơ bản
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
5.1 Các khái niệm cơ bản
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. 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
5.1 Các khái niệm cơ bản
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. 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
5.1 Các khái niệm cơ bản
70 of 112
5.1 Các khái niệm cơ bản
70 of 112
5.1 Các khái niệm cơ bản
70 of 112
5.1 Các khái niệm cơ bản
70 of 112
5.1 Các khái niệm cơ bản
71 of 112
5.1 Các khái niệm cơ bản
Xét các bài toán kiểm định giả thuyết thống kê về
tham số θ của biến ngẫu nhiên X :
72 of 112
5.1 Các khái niệm cơ bản
Xét các bài toán kiểm định giả thuyết thống kê về
tham số θ của biến ngẫu nhiên X :
H0 : θ = θ0
• Bài toán kiểm định 2 phía:
H1 : θ 6= θ0
72 of 112
5.1 Các khái niệm cơ bản
Xét các bài toán kiểm định giả thuyết thống kê về
tham số θ của biến ngẫu nhiên X :
H0 : θ = θ0
• Bài toán kiểm định 2 phía:
H1 : θ 6= θ0
H0 : θ = θ 0
• Bài toán kiểm định phía phải:
H1 : θ > θ0
72 of 112
5.1 Các khái niệm cơ bản
Xét các bài toán kiểm định giả thuyết thống kê về
tham số θ của biến ngẫu nhiên X :
H0 : θ = θ0
• Bài toán kiểm định 2 phía:
H1 : θ 6= θ0
H0 : θ = θ 0
• Bài toán kiểm định phía phải:
H1 : θ > θ0
H0 : θ = θ 0
• Bài toán kiểm định phía trái:
H1 : θ < θ0
72 of 112
5.1 Các khái niệm cơ bản
Xét các bài toán kiểm định giả thuyết thống kê về
tham số θ của biến ngẫu nhiên X :
H0 : θ = θ0
• Bài toán kiểm định 2 phía:
H1 : θ 6= θ0
H0 : θ = θ 0
• Bài toán kiểm định phía phải:
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
5.1 Các khái niệm cơ bản
73 of 112
5.1 Các khái niệm cơ bản
73 of 112
5.1 Các khái niệm cơ bản
73 of 112
5.1 Các khái niệm cơ bản
73 of 112
5.1 Các khái niệm cơ bản
tqs = T (x1 , x2 , . . . , xn )
gọi là giá trị quan sát của tiêu chuẩn kiểm định.
74 of 112
5.1 Các khái niệm cơ bản
P(T ∈ Wα |H0 ) = α
P(T ∈
/ Wα |H1 ) nhỏ nhất.
75 of 112
5.1 Các khái niệm cơ bản
P(T ∈ Wα |H0 ) = α
P(T ∈
/ Wα |H1 ) nhỏ nhất.
75 of 112
5.1 Các khái niệm cơ bản
• Nếu tqs ∈
/ Wα : chấp nhận H0 .
76 of 112
5.2 Kiểm định giả thuyết về kì
vọng
77 of 112
5.2 Kiểm định giả thuyết về kì
vọng
77 of 112
5.2 Kiểm định giả thuyết về kì
vọng
77 of 112
5.2 Kiểm định giả thuyết về kì
vọng
Gọi VX = σ 2 và n là kích thước mẫu điều tra. Xét 3
trường hợp sau:
78 of 112
5.2 Kiểm định giả thuyết về kì
vọng
Gọi VX = σ 2 và n là kích thước mẫu điều tra. Xét 3
trường hợp sau:
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
5.2 Kiểm định giả thuyết về kì
vọng
Gọi VX = σ 2 và n là kích thước mẫu điều tra. Xét 3
trường hợp sau:
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:
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
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)
+) 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
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)
+) 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
+) Với α = 0, 05, miền bác bỏ H0 :
Wα = (u1−α ; +∞) = (u0,95 ; +∞) = (1, 645; +∞)
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)
+) 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
+) Với α = 0, 05, miền bác bỏ H0 :
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
5.2 Kiểm định giả thuyết về kì
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
- Từ mẫu cụ thể (x1√, x2 , .., xn ), ta tính được giá trị
x−µ0
quan sát: tqs = s n
82 of 112
5.2 Kiểm định giả thuyết về kì
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
- Từ mẫu cụ thể (x1√, x2 , .., xn ), ta tính được giá trị
x−µ0
quan sát: tqs = s n
- Điều kiện bác bỏ H: giống TH1.
82 of 112
5.2 Kiểm định giả thuyết về kì
vọng
83 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 (−∞; −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)
Doanh thu của một cửa hàng là biến ngẫu nhiên
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
+) Cặp giả thuyết: H0 : µ = µ0 và H1 : µ > µ0 (với
µ0 = 9)
86 of 112
Giải:
+) X là doanh thu của cửa hàng loại đang xét,
EX = µ , VX = σ 2
+) Cặp giả thuyết: H0 : µ = µ0 và H1 : µ > µ0 (với
µ0 = 9)
+) Chọn tiêu chuẩn kiểm định:
X − µ0 √
T = n ∼ N(0; 1) nếu H0 đúng
s
+) Giá trị quan sát
x − µ0 √ 10 − 9 √
tqs = n= 500 = 11, 18
s 2
86 of 112
Giải:
+) X là doanh thu của cửa hàng loại đang xét,
EX = µ , VX = σ 2
+) Cặp giả thuyết: H0 : µ = µ0 và H1 : µ > µ0 (với
µ0 = 9)
+) Chọn tiêu chuẩn kiểm định:
X − µ0 √
T = n ∼ N(0; 1) nếu H0 đúng
s
+) Giá trị quan sát
x − µ0 √ 10 − 9 √
tqs = n= 500 = 11, 18
s 2
+) Với α = 0, 05, miền bác bỏ H0 :
+) Wα = (u1−α ; +∞) = (u0,95 ; +∞) = (1, 645; +∞)
86 of 112
Giải:
+) X là doanh thu của cửa hàng loại đang xét,
EX = µ , VX = σ 2
+) Cặp giả thuyết: H0 : µ = µ0 và H1 : µ > µ0 (với
µ0 = 9)
+) Chọn tiêu chuẩn kiểm định:
X − µ0 √
T = n ∼ N(0; 1) nếu H0 đúng
s
+) Giá trị quan sát
x − µ0 √ 10 − 9 √
tqs = n= 500 = 11, 18
s 2
+) Với α = 0, 05, miền bác bỏ H0 :
+) 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.
5.2 Kiểm định giả thuyết về kì
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
5.2 Kiểm định giả thuyết về kì
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
5.2 Kiểm định giả thuyết về kì
vọng
89 of 112
5.2 Kiểm định giả thuyết về kì
vọng
90 of 112
5.3 Kiểm định giả thuyết về tỉ lệ
91 of 112
5.3 Kiểm định giả thuyết về tỉ lệ
91 of 112
5.3 Kiểm định giả thuyết về tỉ lệ
91 of 112
5.3 Kiểm định giả thuyết về tỉ lệ
92 of 112
+) Miền bác bỏ H0 được xác định cho 3 trường hợp
như sau:
H0 H1 Miền bác bỏ H0 : Wα
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
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)
+) Tiêu chuẩn kiểm định:
f − p0 √
T =p n ∼ N(0; 1) nếu gt H0 đúng.
p0 (1 − p0 )
+) Giá trị quan sát
35/100 − 0, 4 √
tqs = √ 100 = −1, 02
0, 4.0, 6
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)
+) Tiêu chuẩn kiểm định:
f − p0 √
T =p n ∼ N(0; 1) nếu gt H0 đúng.
p0 (1 − p0 )
+) Giá trị quan sát
35/100 − 0, 4 √
tqs = √ 100 = −1, 02
0, 4.0, 6
+) Với α = 0, 05, miền bác bỏ H0 :
Wα = (−∞; −u1−α ) = (−∞; −u0,95 ) =
(−∞; −1, 645)
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)
+) Tiêu chuẩn kiểm định:
f − p0 √
T =p n ∼ N(0; 1) nếu gt H0 đúng.
p0 (1 − p0 )
+) Giá trị quan sát
35/100 − 0, 4 √
tqs = √ 100 = −1, 02
0, 4.0, 6
+) Với α = 0, 05, miền bác bỏ H0 :
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
5.3 Kiểm định giả thuyết về tỉ lệ
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
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 ).
+) 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
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 ).
+) 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.
+) Chọn tiêu chuẩn kiểm định:
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.
+) Chọn tiêu chuẩn kiểm định:
X − Y − (µ1 − µ2 )
T = s ∼ N(0; 1) nếu giả thuyết
2 2
σ1 σ2
+
n1 n2
H0 đúng thì µ1 − µ2 = 0.
+)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
+) Miền bác bỏ H0 được xác định cho 3 trường hợp
như sau:
H0 H1 Miền bác bỏ H0 : Wα
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
+) Chọn tiêu chuẩn kiểm định:
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
+) Chọn tiêu chuẩn kiểm định:
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
+) Miền bác bỏ H0 được xác định cho 3 trường hợp
như sau:
H0 H1 Miền bác bỏ H0 : Wα
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))
101 of 112
Chú ý: σ12 , σ22 chưa biết, n1 , n2 lớn
+) Chọn tiêu chuẩn kiểm định:
X − Y − (µ1 − µ2 )
T = s ∼ N(0; 1) nếu giả thuyết
2 2
s1 s
+ 2
n1 n2
H0 đúng thì µ1 − µ2 = 0.
102 of 112
Chú ý: σ12 , σ22 chưa biết, n1 , n2 lớn
+) Chọn tiêu chuẩn kiểm định:
X − Y − (µ1 − µ2 )
T = s ∼ N(0; 1) nếu giả thuyết
2 2
s1 s
+ 2
n1 n2
H0 đúng thì µ1 − µ2 = 0.
+)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
+) Miền bác bỏ H0 được xác định cho 3 trường hợp
như sau:
H0 H1 Miền bác bỏ H0 : Wα
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:
+) Gọi X , Y là điểm thi môn XSTK của lớp A, B
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:
+) Gọi X , Y là điểm thi môn XSTK của lớp A, B
tương ứng.
EX = µ1 , VX = σ12 và EY = µ2 , VY = σ22
+) Cặp giả thuyết: H0 : µ1 = µ2 và H1 : µ1 < µ2
+) Chọn tiêu chuẩn kiểm định:
X −Y
T =s ∼ N(0; 1) nếu H0 đúng.
2 2
s1 s
+ 2
n1 n2
105 of 112
+) Giá trị quan sát
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
+) Giá trị quan sát
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
+) Với α = 0, 01, miền bác bỏ H0 :
Wα = (−∞; −u1−α ) = (−∞; −u0,99 ) = (−∞; −2, 33)
106 of 112
+) Giá trị quan sát
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
+) Với α = 0, 01, miền bác bỏ H0 :
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
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
108 of 112
+) Từ mẫu thu thập, ta tính được giá trị quan sát:
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
+) Từ mẫu thu thập, ta tính được giá trị quan sát:
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
+) Miền bác bỏ H0 được xác định cho 3 trường hợp
như sau:
H0 H1 Miền bác bỏ H0 : Wα
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:
Gọi p1 , p2 lần lượt là tỷ lệ phế phẩm của nhà máy
thứ nhất và thứ hai.
n1 = 100, m1 = 20 và n2 = 120, m2 = 36.
111 of 112
Bài làm:
Gọi p1 , p2 lần lượt là tỷ lệ phế phẩm của nhà máy
thứ nhất và thứ hai.
n1 = 100, m1 = 20 và n2 = 120, m2 = 36.
Cặp giả thuyết: H0 : p1 = p2 , H1 : p1 < p2
111 of 112
Bài làm:
Gọi p1 , p2 lần lượt là tỷ lệ phế phẩm của nhà máy
thứ nhất và thứ hai.
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
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
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
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
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