CHƯƠNG 6

PHÂN PHỐI CỦA CÁC THAM SỐ MẪU

ThS. Nguyễn Tiến Dũng

Bộ môn Quản trị Kinh doanh, Viện Kinh tế và Quản lý
Email: dung.nguyentien3@hust.edu.vn
MỤC TIÊU CỦA CHƯƠNG

● Sau khi kết thúc chương này, người học có

thể:
● Hiểu được tại sao trung bình hay tỷ lệ mẫu lại có
phân phối
● Nói được công thức tính trung bình và độ lệch
chuẩn của trung bình mẫu
● Kể được công thức tính trung bình và độ lệch
chuẩn của tỷ lệ mẫu
● Hiểu được ý nghĩa của hệ số hiệu chỉnh tổng thể
hữu hạn FPC trong việc điều chỉnh độ lệch chuẩn
của trung bình mẫu và tỷ lệ mẫu
© Nguyễn Tiến Dũng Thống kê ứng dụng 2
CÁC NỘI DUNG CHÍNH

6.1 Phân phối của trung bình mẫu

6.2 Phân phối của tỷ lệ mẫu

© Nguyễn Tiến Dũng Thống kê ứng dụng 3

6.1 PHÂN PHỐI CỦA TRUNG BÌNH MẪU

● 6.1.1 TB mẫu là ước lượng không chệch của

TB tổng thể
● 6.1.2 Sai số chuẩn của TB mẫu
● 6.1.3 Chọn mẫu từ tổng thể có phân phối
normal
● 6.1.4 Chọn mẫu từ tổng thể không có phân
phối normal

© Nguyễn Tiến Dũng Thống kê ứng dụng 4

6.1.1 TB mẫu là ước lượng không chệch của TB
tổng thể

1
 x  ( x1  x2  ...  xk )
k
lim  x  
k 

© Nguyễn Tiến Dũng Thống kê ứng dụng 5

6.1.2 Độ lệch chuẩn của TB mẫu

● Nếu n/N ≤ 0,05 thì x 
n

N n
FPC 
● Nếu n/N > 0,05 thì N 1
nhân thêm hệ số hiệu
chỉnh tổng thể hữu  N n
x 
hạn FPC (Finite n N 1
Population Correction
Factor)

© Nguyễn Tiến Dũng Thống kê ứng dụng 6

6.1.3 Chọn mẫu từ tổng thể có phân phối
normal
● Nếu tổng thể có phân phối
bình thường, thì phân phối
của trung bình mẫu cũng là
phân phối bình thường, cho
dù cỡ mẫu là bao nhiêu.
x  
● TB của TB mẫu
● Độ lệch chuẩn của TB mẫu 
x 
n

© Nguyễn Tiến Dũng Thống kê ứng dụng 7

6.1.4 Chọn mẫu từ tổng thể không có phân
phối normal
● Định lý giới hạn trung tâm (Central Limit
Theorem):
● Khi cỡ mẫu đủ lớn (n ≥ 30), thì phân phối của TB
mẫu sẽ xấp xỉ phân phối bình thường, bất chấp
hình dạng phân phối của tổng thể
● Nếu hình dáng của tổng thể khá đối xứng,
phân phối của TB mẫu sẽ xấp xỉ phân phối
bình thường nếu cỡ mẫu n ≥ 15.

© Nguyễn Tiến Dũng Thống kê ứng dụng 8

Phân phối của TB mẫu – Trường hợp tổng thể
không có phân phối normal

Tổng thể có phân phối ngược
với phân phối normal
© Nguyễn Tiến Dũng
Rút ra 30 mẫu, mỗi mẫu gồm
30 quan sát từ tổng thể có 50
quan sát -> Tính 30 giá trị TB
của 30 lần rút mẫu
Thống kê ứng dụng 9
6.2 PHÂN PHỐI CỦA TỶ LỆ MẪU

● 6.2.1 Khảo sát phân phối của tỷ lệ mẫu

● 6.2.2 Điều chỉnh sai số chuẩn của tỷ lệ mẫu

© Nguyễn Tiến Dũng Thống kê ứng dụng 10

*

● Trong một số trường hợp, người ta chỉ quan

tâm tới tỷ lệ % của một thuộc tính nào đó. Thí
dụ:
● QLSX: tỷ lệ % SP đạt chất lượng
● Marketing: % k/hàng hài lòng, sẵn lòng mua SP
mới
● QT nhân lực: % có động lực làm việc cao, % bỏ
việc/nhảy việc sau 1 năm làm việc
● QT tài chính: % các DN có tỷ số nợ trên 50%, %
DN có tỷ số lợi nhuận trên vốn KD (ROA) > 0

© Nguyễn Tiến Dũng Thống kê ứng dụng 11

6.2.1 Khảo sát phân phối của tỷ lệ mẫu
● Tỷ lệ tổng thể là 𝑝
● Lấy mẫu ngẫu nhiên từ tổng thể,   npˆ
cỡ mẫu n
  npˆ (1  pˆ )
● Có x ~ B(µ; 2) ->

● Tỷ lệ mẫu p = x/n
● 𝑝~𝐵 𝜇𝑝 ; 𝜎2𝑝 ≈ 𝑁 𝜇𝑝 ; 𝜎𝑝2
 p  pˆ
● ĐK: Cỡ mẫu lớn pˆ (1  pˆ )
p 
● TB và ĐLC của tỷ lệ mẫu n
© Nguyễn Tiến Dũng Thống kê ứng dụng 12
6.2.2 Điều chỉnh độ lệch chuẩn của tỷ lệ mẫu

● Nếu n/N > 0,05 thì nhân thêm FPC

● FPC (Finite Population Correction Factor): hệ
số hiệu chỉnh tổng thể hữu hạn

N n
FPC 
N 1

pˆ (1  pˆ ) N n pˆ (1  pˆ )
 p  FPC   
n N 1 n

© Nguyễn Tiến Dũng Thống kê ứng dụng 13

Ứng dụng Excel

● Hàm NORMSDIST(z)
● Biết trước z0  Trả kết quả P(z < z0)

● Hàm NORMSINV(p)
● Biết trước xác suất p = P(z < z0)  Trả kết quả
z0

© Nguyễn Tiến Dũng Thống kê ứng dụng 14