Thống Kê: Thống kê là khoa học về các phương pháp thu thập, tổ chức, trình bày, phân tích và xử lý số liệu

PHẦN 2
THỐNG KÊ
Thống kê là khoa học về các phương pháp thu
thập, tổ chức, trình bày, phân tích và xử lý số liệu.
Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 1

Ví dụ
1. Tỷ lệ sinh viên đại học cảm thấy thiếu ngủ?
2. Xác suất để chọn ngẫu nhiên được một sinh viên tại
FTU ngủ nhiều hơn 7 tiếng mỗi ngày?
3. Phụ nữ có xu hướng khóc nhiều hơn đàn ông?
4. Số thẻ tín dụng của sinh viên lớp này là thông thường
là bao nhiêu?

Ví dụ mở đầu
• Trung bình xe của bạn đi được bao nhiêu km trên 1 lít
xăng?
• Sinh viên A:
• Khoảng 40km. Ta có ước lượng điểm
• Từ 35 - 45 km. Ta có ước lượng khoảng

Tổng thể và Mẫu
Tổng thể (population)
Mẫu (Sample)
Tham số (parameter)
Thống kê (statistic)

Bài tập
Hãy mô tả tổng thể và mẫu tương ứng với các câu hỏi
khảo sát sau:
• Tỷ lệ sinh viên đại học cảm thấy thiếu ngủ?
• Xác suất để chọn ngẫu nhiên được một sinh viên tại
FTU ngủ nhiều hơn 7 tiếng mỗi ngày?
• Phụ nữ có xu hướng khóc nhiều hơn đàn ông?
• Số thẻ ATM của sinh viên lớp này là thông thường là
bao nhiêu?

Tổng thể và Mẫu
Ta không nghiên cứu được toàn bộ các phần tử của
tổng thể vì:
-
-
-
-

Chọn mẫu ngẫu nhiên
Mẫu ngẫu nhiên (random sample)
- Mỗi phần tử chọn ngẫu nhiên và độc lập
- Mỗi phần tử có khả năng được chọn như nhau
- Mọi mẫu cỡ n có cùng khả năng được chọn
Phương pháp chọn mẫu đơn giản

- Đánh số
- Chọn ngẫu nhiên, lần lượt, hoàn lại

Thống kê mô tả & suy luận
TK mô tả (descriptive statistics) : thu thập, tổng hợp,
xử lý dữ liệu để biến đổi dữ liệu thành thông tin
- Thu thập dữ liệu: khảo sát, đo đạc …
- Biểu diễn dữ liệu: dùng bảng, đồ thị …
- Tổng hợp dữ liệu: trung bình mẫu, phương sai mẫu,
trung vị …

Thống kê mô tả & suy luận
Suy luận: rút ra các kết luận hoặc đưa ra các quyết định
về tổng thể dựa trên các nghiên cứu trên mẫu.
TK suy luận (inferential statistics): xử lý các thông tin
có được từ thống kê mô tả, từ đó đưa ra các cơ sở
để dự đoán, dự báo, ước lượng…
- Ước lượng:…
- Kiểm định giả thuyết:…

Thống kê mô tả
Bảng biểu
Phân phối tần số
Đồ thị
Số đặc trưng

Mô tả dữ liệu bằng đồ thị
• Bảng
• Đồ thị
• Tùy thuộc vào loại biến quan sát
• Hay dùng: biểu đồ đường, tần số, nhánh và lá, phân
tán…

Đồ thị

Ví dụ
• Vẽ đồ thị:
• Mục tiêu của phân phối tần số:

– Tạo ra phân phối không quá lởm chởm, nhiều đỉnh và không
có dạng khối
– Chỉ ra sự biến thiên trong dữ liệu
– Là một quá trình “thử - sai”

Hình dạng phân phối
• Đối xứng

Hình dạng phân phối
• Bất đối xứng

Đồ thị Stem and Leaf
• Sắp xếp số liệu tăng dần
• Gồm 2 phần:
– Stem: gồm các chữ số đầu
– Leaf: gồm các chữ số đuôi

• Ví dụ 1:
21, 24, 24, 26, 27, 27,30,32,38, 41
Stem Leaves
2 144677
3 028
4 1

• Ví dụ 2:
613, 632, 658, 717, 722, Stem Leaves

750, 776,827,841,859, 6 136
863,891,894,906,928, 7 2258
8 346699
933,955,982,1034,1047, 9 13368
10 356
1056,1140,1169,1224 11 47
12 2

Ví dụ
• Vẽ đồ thị Stem-leaf cho tập dữ liệu sau

Đồ thị phân tán (tham khảo)
• Scatter plot
• Được sử dụng để xác định mối liên hệ giữa hai biến X, Y

Mô tả dữ liệu số
• Độ đo trung tâm:
– Trung bình
– Trung vị
– Mode
• Sự biến thiên
– Miền giá trị
– Miền phân vị
– Phương sai
– Độ lệch tiêu chuẩn
– Hệ số biến thiên

Độ đo trung tâm

Trung bình
• Trung bình tổng thể:
N
x
x1  x2  ...  xN
i
  i 1
 E X 
N N
• Trung bình mẫu:
n
X i
X 1  X 2  ...  X N
X i 1

n n
• Trung bình bị ảnh hưởng bởi các giá trị ngoại lai (outliers)

Trung vị
• Là giá trị chính giữa của tập dữ liệu khi sắp tăng dần.
• Không bị ảnh hưởng bởi các giá trị outliers
• Gọi i là vị trí trung vị
n 1
i
2
• Nếu i chẵn
median  X i
• Nếu i lẻ
X  i   X  i 1
median 
2
Mode
• Đo xu hướng trung tâm của dữ liệu
• Không bị ảnh hưởng bởi outliers
• Là giá trị thường xảy ra nhất
• Dùng cho cả biến định tính và định lượng
• Có thể có nhiều mode hoặc không có mode

Độ đo nào tốt nhất
• Trung bình luôn được dùng nếu outlier không tồn tại.
• Trung vị thường được dùng vì không bị ảnh hưởng bởi outlier
• Vị trí của trung vị và trung bình ảnh hưởng bởi hình dạng của
phân phối.
Left skew Symetric Right skew

Độ đo sự biến thiên
• Cho biết thông tin về sự phân tán hay sự biến
thiên của số liệu

Miền giá trị (range)
• Độ đo sự biến thiên đơn giản nhất
• Là chênh lệch giữa giá trị lớn nhất và nhỏ nhất
• Miền giá trị=Xmax-Xmin
• Bỏ qua sự phân bố của số liệu
• Bị ảnh hưởng bởi outliers

Miền phân vị
• Có thể loại bỏ outlier bằng cách sử dụng miền
phân vị
25% 25% 25% 25%
Q1 Q2 Q3
• Miền phân vị: (interquatile range)
IQR  Q3  Q1

Đồ thị boxplot
• Biểu diễn miền phân vị và các điểm outliers
• Công thức:
• Q1=0,25(n+1)
• Q2=0,5(n+1)
• Q3=0,75(n+1)

Đồ thị boxplot
• Ví dụ:

Yêu cầu chương 6
• Phân biệt được tổng thể và mẫu
• Phân biệt cách ký hiệu các đặc trưng của tổng
thể và mẫu
• Tính được các đặc trưng của tổng thể và mẫu
tổng quát
• Tính được các đặc trưng của mẫu cụ thể trong
cả 2 trường hợp
– Mẫu không lặp
– Mẫu có lặp

• Biết được thế nào là mẫu tổng quát (mẫu lý
thuyết) và mẫu cụ thể.
• Khác biệt trong việc ký hiệu các đặc trưng của
mẫu tổng quát và cụ thể
• Tham số là gì?
• Thống kê là gì?
• Thống kê cụ thể là gì?

• Hiểu được nội dung định lý giới hạn trung tâm
(Central Limit Theorem)
• Nắm được phân phối xác suất của các đặc trưng
mẫu hay nhìn chung là thống kê mẫu.
• Biết cách áp dụng trong bài tập cụ thể.

Phương sai
• Phương sai tổng thể
• Phương sai mẫu
• Phương sai mẫu hiệu chỉnh
• Phương sai mẫu (biết )

Phương sai
• Phương sai tổng thể
N
 x  
2
i
 2 i 1
V  X 
N
   
n
21 2 1 n 2
S   X i  X   X i2  X
n i 1 n i 1

Phương sai
• Phương sai mẫu hiệu chỉnh:
 
n
1 2 n 2
S2  
n  1 i 1
Xi  X 
n 1
S
• Phương sai mẫu: (đã biết trung bình tổng thể )
n
1
  Xi   
*2 2
S S *2  X 2  2 X   2
n i 1

Tính các thống kê mẫu
• Cho mẫu định lượng cụ thể thu gọn:
X x1 x2 … xk
Tần số n1 n2 … nk
1 k
x   ni xi
n i 1

Tính các thống kê mẫu
• Phương sai mẫu:
   
k
2 1 2 1 k 2
s   ni xi  x   ni xi2  x
n i 1 n i 1
• Phương sai mẫu hiệu chỉnh:
 
k
1 2 n 2
s 
2

n  1 i 1
ni xi  x 
n 1
s

Các thống kê mẫu_cụ thể
• Độ lệch chuẩn mẫu:
2
s  s
• Độ lệch chuẩn mẫu hiệu chỉnh:
s s 2

Tỷ lệ mẫu_tổng quát
• Xét tổng thể định tính, dấu hiệu nghiên cứu là tính
chất A, tỉ lệ tổng thể là p.
• Lấy mẫu ngẫu nhiên kích thước n: (X1, ..., Xn)
• Tỉ lệ mẫu tổng quát:
k X 1  X 2  ...  X n
F  X
n n
• Xi là các biến ngẫu nhiên có phân phối A(p)

• Tỷ lệ mẫu = trung bình của n biến ngẫu nhiên cùng
phân phối A(p)

Tỷ lệ mẫu_cụ thể
• Xét tổng thể định tính, dấu hiệu nghiên cứu là tính chất
A, tỉ lệ tổng thể là p.
• Lấy mẫu cụ thể kích thước n: (x1, x2 ,..., xn)
• Tỉ lệ mẫu cụ thể:
k x1  x2  ...  xn
f  
n n
• k: số phần tử trong mẫu có tính chất A.

• n: cỡ mẫu
• Với mẫu cụ thể ta đếm cho nhanh.

Tính thống kê mẫu
Điều tra thời gian sử dụng internet trong tuần của 90
sinh viên một trường ta được bảng số liệu sau:
Thời gian (giờ) 3 4 5 6 7 8
Số sv 7 8 17 24 20 14
Hãy tính các thống kê mẫu sau:

a) Trung bình mẫu, phương sai mẫu, phương sai mẫu
hiệu chỉnh?
b) Tỷ lệ sinh viên trong mẫu có thời gian sử dụng trên 5
giờ một tuần?

Cách 1_Lập bảng
xi ni xini (xi)2ni
…. …. …. ….
…. …. …. ….
Tổng
n i  xi ni  i ni
x 2
n   ni x
 xn i i
s
2

x n
2
i i
 
 x
2
s 
2 n 
s 
2
n n 1
xi ni xini (xi)2ni
3 7 21 63
4 8 32 128
5 17 85 425
6 24 144 864
7 20 140 980
8 14 112 896
Tổng 90 534 3356

• Cỡ mẫu:
n   ni  90
x
 xn i i

534
 5,9333
n 90
• Phương sai mẫu:

s
2

 i ni
x 2
 x  
2
 ...  2,0844
n
• Phương sai mẫu hiệu chỉnh: Độ lệch mẫu hiệu
chỉnh:
n 

2
s 
2
s  2,1078
n 1 s  2,1078  1, 4518
Cách 2__dùng máy tính 570ES
1. Shift + 9 + 3 + = + =: Reset máy
2. Shift + Mode +  + 4 + 1: bật tần số
3. Mode + 3 + 1: vào tính thống kê 1 biến
4. Khi này ta có bảng sau:
X FREQ
1
2
3

Cách 2__dùng máy tính 570ES
• Ta nhập vào như sau:
X FREQ
1 3 7
2 4 8
3 5 17
4 6 24
5 7 20
6 8 14
• Nhấn AC để thoát.

Cách 2_dùng máy tính 570ES
6. Lấy số liệu thống kê: Shift + 1 + 5.
Ta có bảng sau:
1: n 2: x
3: x 4: sx
Tương ứng:
1: cỡ mẫu 2: trung bình mẫu
Không
3. Độ lệch chuẩn mẫu. phải
4. Độ lệch chuẩn mẫu hiệu chỉnh. phương
sai
Đối với FX 500MS hoặc 570MS
1. Reset máy: Shift + Mode + 3 + = + =
2. Vào hệ SD:
• Máy 500MS: Mode + 2
• Máy 570MS: Mode + Mode + 1
3. Nhập dữ liệu: “Giá trịShift , Tần sốM+”
• 3Shift , 7M+
• Nhập đến hết. Nhấn AC
4. Lấy số liệu:
• Shift 2 1 = : Trung bình mẫu.
• Shift 2 3 = : Độ lệch chuẩn mẫu hiệu chỉnh.

Ví dụ 1
Đường kính (mm) của Đường kính Số chi tiết
100 chi tiết do một 19,80 – 19,85 3
máy sản xuất kết quả 19,85 – 19,90 5
cho ở bảng sau: 19,90 – 19,95 16
a) Tính thống kê mẫu? 19,95 – 20,00 28
b) Tính tỷ lệ chi tiết từ 20,00 – 20,05 23
20mm trở lên trong 20,05 – 20,10 14
mẫu? 20,10 – 20,15 7
20,15 – 20,20 4

Ví dụ 1
•Ta viết lại mẫu:
xi 19,825 19.875 19.925 19.975 20.025
ni 3 5 16 28 23
20.075 20.125 20.175
14 7 4
•Từ mẫu ta có:

•Cỡ mẫu: n=100
•Trung bình mẫu: x=20,0015
•Độ lệch chuẩn mẫu hiệu chỉnh: s=0,077997≈0,0780

Tổng thể và mẫu
Tổng thể Mẫu TQ Mẫu cụ thể
Kích thước N n n
Trung bình   E X  X x
 V  X   
S ; S 2 ;  S *  2 
s ; s 2 ;  s*  2
2 2
2
Phương sai
Độ lệch chuẩn   V  X  S ; S ; S * s ; s; s*
Tỷ lệ A p  P  A F f

Các tham số tổng thể
 Trung bình cộng tổng thể:
N
x i
 i 1
 E X 
N
 Phương sai tổngNthể:

 x  
2
i
 2 i 1
V  X 
N
Các tham số tổng thể
• Xét tổng thể định tính, dấu hiệu A.
• Tỉ lệ tổng thể:
M
p
N
• N: kích thước tổng thể.
• M: số phần tử trong tổng thể có dấu hiệu A.

Ví dụ
• Tổng thể nghiên cứu là một xí nghiệp có 40 công nhân
với dấu hiệu nghiên cứu là năng suất lao động (sản
phẩm/ đơn vị thời gian)
Năng suất lao động 50 55 60 65 70 75
Số công nhân 3 5 10 12 7 3
• Tính trung bình, phương sai tổng thể

• Tính tỉ lệ công nhân có năng suất cao hơn 65sp.

Định lí Giới hạn trung tâm (CLT)
1. Cho n biến ngẫu nhiên độc lập.
2. Cùng kỳ vọng, cùng phương sai.
3. Số lượng biến ngẫu nhiên đủ lớn (>30).
4. Trung bình của n biến ngẫu nhiên này sẽ có phân phối
xấp xỉ phân phối chuẩn
5. Điều này đúng bất chấp phân phối của các biến ngẫu
nhiên thành phần là gì.

PHÂN PHỐI MẪU
• Trung bình mẫu
• Tỷ lệ mẫu

Tính chất của trung bình mẫu
• Cho tổng thể có kì vọng  và phương sai 2
• Lấy mẫu ngẫu nhiên cỡ n.
• Gọi X là trung bình mẫu. Ta có:
i) E  X   
 2
ii ) V  X  
n

Phân phối của trung bình mẫu
Tổng thể Trung bình mẫu Kích thước mẫu
X ~ N  ; 2
  2 
X ~ N  ; 
n  Tùy ý

 2 
Không chuẩn X  N  ;  n>30
 n 
Không chuẩn  2  Có thể được với
nhưng đối X  N  ; 
xứng.  n  n nhỏ.

Chuẩn hóa ppxs
Tổng thể TB mẫu Chuẩn hóa
Chuẩn,  2 
X ~ N  ;  Z
 X   n
~ N  0;1
đã biết   n  
n>30,  2 
X  N  ;  Z
 X   n
~ N  0;1
đã biết   n  
n>30,  2 
X  N  ;  Z
 X   n
~ t  n  1
chưa biết   n  S
Chuẩn, n<30
chưa biết 
 2 
X ~ N  ;  Z
 X   n
~ t  n  1
 n  S
Ví dụ 1
• Giả sử bạn lấy mẫu 100 giá trị từ tổng thể có
trung bình 500 và độ lệch chuẩn 80. Tính xác
suất để trung bình mẫu nằm trong khoảng (490,
510)

Ví dụ 2
Một mẫu kích thước n được rút ra từ tổng thể phân phối
chuẩn với trung bình là μ và độ lệch chuẩn 10. Hãy xác
định n sao cho:
 
a) P   10  X    10  0,9544
b) P    2  X    2   0,9544

Ví dụ 3
Trọng lượng một loại sản phẩm là biến ngẫu nhiên phân
phối chuẩn với trung bình là 20,5 và độ lệch chuẩn 2.
Lấy ngẫu nhiên 4 sản phẩm để kiểm tra thì với xác suất
0,95 trọng lượng trung bình của chúng sai lệch so với
trọng lượng qui định tối đa là bao nhiêu?

Tính chất của PS mẫu
• Cho tổng thể có kì vọng  và phương sai 2
• Ta có:
n 1 2
i) E S  ˆ 2
n
 
ii ) E  S 2
  2
iii ) E S  
*2 2

Phân phối của hàm PS mẫu
Tổng thể PS mẫu Hàm của PS mẫu
Chuẩn,
S * 2 2
 Xi   
*2 n
đã biết  nS
Z  2    ~  2
 n
 i 1   
Chuẩn
2
chưa biết  S  n  1 S 2 n
 Xi  X 
2
Z    ~  2
 n  1
2 i 1   

Ví dụ
• Chiều dài của một loại sản phẩm là bnn pp
chuẩn với trung bình 20 m và độ lệch chuẩn 0,2
m. Lấy một mẫu ngẫu nhiên 25 sp.
a) Cho biết ppxs của trung bình mẫu. Tính kỳ
vọng và phương sai của nó.
b) Xs để trung bình mẫu tối thiểu 30,06m
c) Tìm số k để tỷ số giữa phương sai mẫu hiệu
chỉnh và phương sai tổng thể ít nhất bằng k có
xác suất bằng 0,1.

Ví dụ
• Giả sử X là năng suất lúa vùng A có pp chuẩn
với phương sai bằng 3 (tạ/ha)2. Lấy một mẫu
ngẫu nhiên kích thước 100. Tính xác suất để:
 
 
100 2
P   Xi  X  270 
 i 1 

Tính chất của tỷ lệ mẫu
• Cho tổng thể có tỷ lệ p về tính chất A.
• Gọi F là tỷ lệ mẫu. Ta có:
i) E  F   p
p  1 p
ii ) V  F  
n

Phân phối của tỷ lệ mẫu
Tổng thể Tỷ lệ mẫu Kích thước mẫu
Phân phối  p 1 p  n>30

B(1,p) F  N  p; 
 n 
Z
 F  p n
~ N  0,1
p (1  p )

Ví dụ
• Tỷ lệ người hút thuốc ở một vùng là 10%. Với
xác suất 0,95 hãy cho biết nếu kiểm tra ngẫu
nhiên 100 người thì sẽ có tối đa bao nhiêu người
hút thuốc lá?

Câu hỏi ôn tập
1. Mẫu ngẫu nhiên kích thước n về dấu hiệu
nghiên cứu X là một dãy gồm n biến ngẫu
nhiên X1, X2,…,Xn độc lập và có cùng phân bố
với X?
2. Trung bình mẫu của tổng thể có dấu hiệu
nghiên cứu có phân phối chuẩn cũng có phân
phối chuẩn?
3. Phương sai mẫu của dấu hiệu nghiên cứu có
phân phối chuẩn cũng có phân phối chuẩn?

Bài 3
Chiều cao của thanh niên ở một địa phương là biến ngẫu
nhiên phân phối chuẩn với trung bình 170 cm và độ lệch
chuẩn 10cm. Chọn ngẫu nhiên 31 thanh niên ở vùng đó.
a) Tìm xác suất để chiều cao trung bình của số thanh niên
nói trên không vượt quá 172 cm?
b)Tìm xác suất để độ lệch chuẩn hiệu chỉnh về chiều cao
của số thanh niên nói trên lớn hơn 15 cm?

Tổng thể và mẫu
Tổng thể Mẫu
Kích thước N n
Trung bình  X
Phương sai 2  
S ; S 2 ;  S *  2
2
Độ lệch chuẩn  S ; S ; S *
Tỷ lệ p F
Mode
Median
Skew, Kurtosis
… Gọi là tham số Gọi là thống kê

Thống Kê: Thống kê là khoa học về các phương pháp thu thập, tổ chức, trình bày, phân tích và xử lý số liệu

Uploaded by

Document Information

Original Title

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

Thống Kê: Thống kê là khoa học về các phương pháp thu thập, tổ chức, trình bày, phân tích và xử lý số liệu

Uploaded by

Copyright:

Available Formats

PHẦN 2

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 1

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 2

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 3

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 4

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 5

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 6

Phương pháp chọn mẫu đơn giản

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 7

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 8

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 9

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 10

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 11

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 12

• Mục tiêu của phân phối tần số:

– Chỉ ra sự biến thiên trong dữ liệu

– Là một quá trình “thử - sai”

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 13

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 14

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 15

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 16

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 17

613, 632, 658, 717, 722, Stem Leaves

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 18

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 19

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 20

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 21

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 22

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 23

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 25

Left skew Symetric Right skew

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 27

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 28

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 29

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 30

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 31

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 32

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 33

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 34

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 35

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 36

• Phương sai mẫu: (đã biết trung bình tổng thể )

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 37

• Trung bình mẫu:

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 38

• Phương sai mẫu hiệu chỉnh:

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 39

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 40

• Xi là các biến ngẫu nhiên có phân phối A(p)

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 41

• k: số phần tử trong mẫu có tính chất A.

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 42

Hãy tính các thống kê mẫu sau:

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 43

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 45

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 47

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 48

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 50

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 51

•Từ mẫu ta có:

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 52

Bài giảng Xác suất Thống kê 2015 Nguyễn Văn Tiến 53

 Phương sai tổngNthể: