Bài Tập Và Bài Giải Chương 1.

7.
1
Bài tập trong ví dụ 7.1, chúng ta suy ra giá trị trung bình và phương sai của biến ngẫu nhiên Y dựa
trên mẫu kích cỡ 3 từ một tổng thể, mẫu có liên quan đến việc tung ra một xúc xắc cân bằng. Nhớ
lại rằng nếu Y biểu thị số điểm quan sát được ở mặt trên khi tung một con súc sắc cân bằng, như
trong Bài tập 3.22
P(Y = i) = 1/6, i = 1, 2,..., 6,
µ = E(Y ) = 3.5,
Var(Y ) = 2.9167
Sử dụng applet DiceSample (tại www.thomsonedu.com/statistics/wackerly) để hoàn thành các bước

sau.
a. Sử dụng nút “Roll One Set” để lấy mẫu có kích thước 3 từ tổng thể được sắp xếp. Giá trị nào bạn
nhận được cho giá trị trung bình của mẫu này? Giá trị này rơi vào đâu trên biểu đồ Histogram? Giá
trị mà bạn thu được có bằng một trong các giá trị có thể được liên kết với một lần tung một con súc
sắc cân bằng? Tại sao?
b. Sử dụng lại nút “Roll One Set” để lấy mẫu khác có kích thước 3 từ tổng thể các lần tung xúc xắc.
Bạn đã nhận được giá trị nào cho giá trị trung bình của mẫu mới này? Giá trị đó bạn thu được bằng
giá trị bạn thu được trong phần (a)? Tại sao?
c. Sử dụng nút “Roll One Set” thêm tám lần nữa để nhận tổng cộng mười giá trị của mẫu. Nhìn
vào biểu đồ Histogram của mười trung bình này. Bạn quan sát thấy gì? Có bao nhiêu giá trị khác
nhau cho mẫu bạn đã nhận được? Có giá trị nào được quan sát nhiều hơn một lần không?
d. Sử dụng nút " Roll 10 Sets " cho đến khi bạn nhận được và vẽ biểu đồ 100 giá trị nhận ra cho
trung bình của mẫu, Y . Bạn quan sát thấy gì về hình dạng của biểu đồ của 100 giá trị? Nhấp vào nút
"Show Stats" để xem giá trị trung bình và độ lệch chuẩn trong số 100 giá trị (y1 , y2 ,..., y100 ) mà bạn
đã quan sát. Làm thế nào để trung bình của 100 giá trị của yi , i = 1, 2, ..., 100 so với E(Y), số lượng
vị trí dự kiến trên một lần tung một con súc sắc cân bằng? (Lưu ý rằng giá trị trung bình và độ lệch
chuẩn của Y mà bạn đã tính trong Bài tập 3.22 được đưa ra trên dòng thứ hai của màn hình bật lên
“Stat Report”.)
e. Làm thế nào để độ lệch chuẩn của 100 giá trị yi , i= 1, 2, ..., 100 so với độ lệch chuẩn của Y
được đưa ra trên dòng thứ hai của màn hình bật lên “Stat Report”?
f. Nhấp vào nút “Roll 1000 Sets” một vài lần, quan sát các thay đổi đối với biểu đồ Histogram bạn
tạo ra ngày càng nhiều giá trị thực của giá trị trung bình mẫu. Kết quả như thế nào, so sánh với biểu
đồ cho trong hình 7.1 (a)?
Giải
a. - c. Các câu trả lời khác nhau.
d. Biểu đồ histogram cho thấy một hình dạng gò. Giá trị trung bình của mẫu phải gần với 3,5 = μ
e. Độ lệch chuẩn phải gần với σ / 3 = 1,708 / 3 = 0,9860.
f. các hình ảnh rất giống nhau
7.2
Tham khảo Ví dụ 7.1 và Bài tập 7.1.
a. Sử dụng phương pháp của Ví dụ 7.1 để tìm giá trị chính xác của P( Y = 2).
b. Tham khảo biểu đồ thu được trong Bài tập 7.1 (d). Làm thế nào để tần số tương đối mà bạn
quan sát được Y = 2 so với câu trả lời của bạn cho phần (a)?
c. Nếu bạn tạo ra 10.000 giá trị Y , bạn mong đợi nhận được gì cho tần số tương đối quan sát
Y = 2?
Giải
a. P ( Y = 2) = P (W = 6) = p(4, 1, 1) + p(1, 4, 1) + p(1, 1, 4) + p(3, 2, 1) + p(3, 1, 2)
= p(2, 3, 1) + p(2, 1, 3) + p(1, 3, 2) + p(1, 2, 3) + p(2, 2, 2) = 10/216
b. Các câu trả lời khác nhau, nhưng tần suất tương đối phải khá gần nhau.
c. Tần số tương đối thậm chí phải gần hơn so với những gì đã quan sát được trong phần b.
7.3.
Tham khảo bài tập 7.1, sử dụng mẫu ngẫu nhiên có kích thước n = 12 từ tổng thể tương ứng là tung 1
con xúc xắc cân bằng.
a. Chọn mẫu độc lập có kích thước n = 12 bằng cách “lấy 1 mẫu”. Sử dụng “lấy 1 mẫu” để tạo ra 9
giá trị trung bình mẫu. Biểu đồ giá trị quan sát được của mẫu có gì khác so với biều đồ được quan sát
trong bài tập 7.1 (c) dựa trên 10 mẫu mỗi mẫu có kích thước n = 3.
b. “Lấy 10 mẫu” thêm 9 lần nữa cho đến khi thu được và vẽ biểu đồ 100 giá trị quan sát (mỗi giá trị
dựa trên mẫu có kích thước n = 12) cho trung bình mẫu Ȳ. “Hiển thị số liệu thống kê” để xem giá trị
trung bình và độ lệch chuẩn của 100 giá trị (ȳ1, ȳ2,…,ȳ100) mà bạn quan sát được
i. Giá trị trung bình của 100 giá trị ȳ i, i = 1, 2,…,100 có gì khác so với giá trị trung bình của 100 giá
trị (dựa trên các mẫu có kích thước n = 3) mà bạn thu được trong bài tập 7.1 (d)
ii. Chia độ lệch chuẩn của 100 giá trị ȳ i, i = 1, 2,…, 100 dựa trên các mẫu có kích thước 12 mà bạn
thu được dựa trên độ lệch chuẩn của 100 giá trị (dựa trên các mẫu có kích thước n = 3) mà bạn thu
được trong bài tập 7.1. Điều kiện để giá trị gần bằng 1/2? [Gợi ý: Var(Ȳ) = σ2/n.]
c. “Chuyển đổi đường”. Hàm mật độ liên tục (màu xanh lá cây) được vẽ trên biều đồ là 1 biến ngẫu
nhiên với giá trị trung bình và độ lệch chuẩn của 100 giá trị (ȳ 1, ȳ2,…, ȳ100) được vẽ trên biểu đồ.
Phân phối chuẩn có giống với phân phối được mô tả ở biểu đồ không?
Giải:
a. Biểu đồ phải có hình dạng tương tự, nhưng biểu đồ này có sự trải rộng nhỏ hơn.
b. Gía trị trung bình và độ lệch chuẩn khác nhau
c. Đường cong sẽ gần giống với mô tả ở biểu đồ histogram.
7.4.
Tổng thể tương ứng các mặt quan sát được trên 1 lần tung 1 con xúc xắc cân bằng sao cho tất cả các
giá trị đều có khả năng như nhau. Liệu các kết quả thu được trong bài tập 7.1 và 7.2 có tương tự hay
không khi con xúc xắc không cân bằng? Sử dụng mẫu ngẫu nhiên và gieo “xúc xắc”
a. Nếu xúc xắc được gieo, sáu kết quả có thể xảy ra không giống nhau. Các xác suất liên quan đến
mỗi kết quả là gì? Gieo “1 lần”, “10 lần” và / hoặc “1.000 lần” cho đến khi bạn biết rõ về xác suất
được liên kết với các giá trị 1, 2, 3, 4, 5 và 6. Hình dạng chung của biểu đồ mà bạn thu được là gì?
b. "Hiển thị số liệu thống kê" để xem giá trị thực của xác suất trong sáu giá trị có thể có. Nếu Y là
biến ngẫu nhiên biểu thị số điểm trên mặt trên cùng thì µ = E(Y) có giá trị nào? Giá trị của σ, độ lệch
chuẩn của Y là bao nhiêu? [Gợi ý: Các giá trị này xuất hiện trên màn hình “Báo cáo thống kê”.]
c. Bạn đã mô phỏng việc gieo con súc sắc trong phần (a) bao nhiêu lần? Giá trị trung bình và độ lệch
chuẩn của các giá trị mà bạn đã mô phỏng so với các giá trị thực µ = E(Y) và σ như thế nào? Mô
phỏng thêm 2.000 lần và trả lời câu hỏi tương tự.
d. “Gieo 3 Xúc xắc”. “Lấy 1.000 mẫu” cho đến khi bạn đã tạo được 3.000 giá trị quan sát cho biến
ngẫu nhiên Y.
i. Hình dạng chung của phân phối mẫu mô phỏng mà bạn thu được là gì?
ii Giá trị trung bình của 3.000 giá trị ȳ1, ȳ2, ..., ȳ3000 so với giá trị của µ = E(Y) được tính trong phần
(a) như thế nào? Độ lệch chuẩn của 3.000 giá trị so với σ/√3 như thế nào?
e. “Gieo 12 Xúc xắc”.
i. Trong phần (ii), bạn sẽ sử dụng applet để tạo ra 3.000 mẫu kích thước n = 12, tính giá trị trung
bình của mỗi mẫu quan sát được và vẽ các giá trị này trên biểu đồ. Trước khi sử dụng applet, hãy dự
đoán giá trị gần đúng mà bạn sẽ nhận được cho giá trị trung bình và độ lệch chuẩn của 3.000 giá trị
của ȳ mà bạn sắp tạo.
ii. Sử dụng applet để tạo 3.000 mẫu có kích thước 12 và thu được biểu đồ được kết hợp với các giá
trị mẫu tương ứng, ȳi, i = 1, 2, ..., 3000. Hình dạng chung của phân phối mẫu mô phỏng mà bạn thu
được là gì? So sánh hình dạng của phân phối mẫu mô phỏng này với hình dạng bạn thu được trong
phần (d).
iii. “Hiển thị Thống kê” để quan sát giá trị trung bình và độ lệch chuẩn của 3.000 giá trị ȳ 1, ȳ2, ...,
ȳ3000. Làm thế nào để những giá trị này so sánh với những giá trị bạn đã dự đoán trong phần (i)?
Giải:
a. Biểu đồ có hình dạng lệch phải. Nó dường như tuân theo p(y) = y/21, y = 1,…, 6.
b. Từ “Báo cáo thống kê”, μ = 2,667; σ = 1,491.
c. Gía trị mô phỏng và giá trị thực là khác nhau
d.
i. Nó có hình dạng lệch phải.
ii. Trung bình là lớn hơn, nhưng độ lệch chuẩn nhỏ hơn.
e. i. trung bình mẫu = 2,667, std. dev mẫu = 1,491/ 12 = 0,4304.

ii. Biểu đồ có dạng gần giống đồi.
iii. Thực sự rất gần.
7.5
Phân phối mẫu của trung bình mẫu sẽ như thế nào nếu các mẫu được lấy từ phân phối chuẩn? Sử
dụng phân phối mẫu applet của Trung Bình (tại www.thomsonedu.com/stosystem/wackerly) để
hoàn thành phần sau. Các tổng thể được lấy mẫu có phân phối xấp xỉ chuẩn với µ = 16,50 và σ =
6,03 (những giá trị này được đưa ra trên biểu đồ histogram tổng thể và được ký hiệu là M và S, tương
ứng).
a. Thực hiện “Quan sát tiếp theo” để chọn một giá trị từ tổng thể xấp xỉ chuẩn. Thực hiện bốn lần
nữa để hoàn thành mẫu có kích thước 5. Giá trị trung bình mẫu bạn tìm được là gì. Tìm giá trị này
trên biểu đồ histogram dưới cùng (biểu đồ histogram cho các giá trị của Y ).
b. Thực hiện “Đặt lại” để xóa biểu đồ giữa. Thực hiện "Quan sát tiếp theo " thêm năm lần nữa để
lấy mẫu khác có kích thước 5 từ tổng thể. Giá trị trung bình mẫu mà bạn đạt được là gì? Giá trị bạn
thu được có bằng giá trị bạn thu được trong phần (a)? Tại sao có hoặc tại sao không?
c. Thực hiện lấy “1 Mẫu” thêm tám lần nữa để nhận được tổng cộng mười giá trị trung bình của
mẫu. Quan sát biểu đồ histogram 10 trung bình này.
i. Bạn quan sát thấy gì ?
ii. Giá trị trung bình của 10 y này như thế nào so với giá trị trung bình tổng thể
d. Thực hiện lấy “1 Sample” cho đến khi bạn lấy và vẽ được 25 giá trị thực cho trung bình mẫu Y ,
mỗi mẫu dựa trên mẫu cỡ 5.
i. Bạn quan sát thấy gì về hình dạng của biểu đồ của 25 giá trị yi , i = 1,2, ..., 25?

ii. Giá trị của độ lệch chuẩn của 25 giá trị y so với giá trị giá trị lý thuyết cho Y thu được trong
Ví dụ 5.27 như thế nào, trong đó chúng tôi đã chỉ ra rằng, nếu Y được tính dựa trên mẫu cỡ n, thì
Var( Y ) = σ2/n?
e. Thực hiện “1.000 mẫu” một vài lần, quan sát các thay đổi đối với biểu đồ khi bạn tạo ra ngày
càng nhiều giá trị thực của giá trị trung bình mẫu. Bạn quan sát thấy gì về hình dạng của biểu đồ thu
được cho phân phối lấy mẫu mô phỏng của Y ?
f. Thực hiện “Chuyển đổi chuẩn” để phủ (màu xanh lục) phân phối chuẩn với giá trị trung bình và
độ lệch chuẩn giống như tập hợp các giá trị của Y mà trước đây bạn thực hiện.
Giải
a. Các câu trả lời khác nhau
b. Các câu trả lời khác nhau, nhưng các trung bình có lẽ không bằng nhau
c. Các giá trị trung bình mẫu tập hợp xung quanh trung bình tổng thể
d. Độ lệch chuẩn lý thuyết cho trung bình mẫu là 6.03 / 5 = 2,6967

e. Biểu đồ có dạng gò
f. Đúng.
7.6
Ảnh hưởng của cỡ mẫu đến phân phối mẫu của Y là gì? Sử dụng Applet cỡ mẫu để hoàn thành phần
sau. Như trong bài tập 7.5, tổng thể được lấy mẫu có phân phối xấp xỉ chuẩn với μ = 16 và σ = 6,03
(các giá trị này được đưa ra trên biểu đồ histogram tổng thể và được ký hiệu là M và S, tương ứng).
a. Sử dụng mũi tên lên, xuống bên trái hộp “Sample Size” để chọn một trong các cỡ mẫu nhỏ có
sẵn và các mũi tên trong hộp bên phải “Sample Size” để chọn cỡ mẫu lớn hơn
b. Nhấp vào nút “1 Sample” một vài lần. Điều gì giống nhau về hai biểu đồ histogram mà bạn đã
tạo? Chúng khác nhau ở điểm nào
c. Nhấp vào nút “1000 Samples” một vài lần và trả lời các câu hỏi trong phần b.
d. Giá trị trung bình và độ lệch chuẩn của hai phân phối mẫu có gần với giá trị mà bạn mong đợi
không (Gợi ý: Var( Y ) = σ2/n)
e. Nhấp vào nút “Toggle Normal”. Bạn quan sát thấy gì về mức độ đầy đủ của các phân phối
xấp xỉ chuẩn ?
Giải
Kích thước mẫu càng lớn, độ trải của biểu đồ histogram càng nhỏ. Những đường cong chuẩn xấp xỉ
tốt với các biểu đồ.
7.7
Phân phối mẫu của phương sai mẫu trông như thế nào nếu chúng ta lấy mẫu từ một tổng thể có phân
phối chuẩn? Tìm hiểu bằng cách sử dụng applet Phân phối mẫu của phương sai (Tổng thể dạng hình
gò) (tại www.thomsonedu.com/thống kê / wackerly) để hoàn thành phần sau.
a. Bấm nút “Next Obs” để lấy mẫu cỡ 1 từ tổng thể có phân bố được đại diện bởi biểu đồ trên cùng.
Giá trị thu được được vẽ trên biểu đồ histogram giữa. Thực hiện thêm bốn lần nữa để hoàn thành
một mẫu có kích thước 5. Giá trị của phương sai mẫu là được tính và đưa ra phía trên biểu đồ giữa.
Giá trị của phương sai mẫu có bằng với giá trị của phương sai tổng thể? Điều này có làm bạn ngạc
nhiên không?
b. Khi bạn hoàn thành phần (a), giá trị của phương sai mẫu cũng được vẽ trên biểu đồ thấp nhất.
Thực hiện “Đặt lại” và lặp lại quy trình trong phần (a) để tạo giá trị quan sát thứ hai cho phương sai
mẫu. Bạn có nhận được giá trị tương tự như bạn quan sát ở phần (a)? Tại sao có hoặc tại sao không?
c. Thực hiện lấy “1 mẫu” một vài lần. Bạn sẽ quan sát thấy rằng các mẫu khác nhau dẫn đến các giá
trị khác nhau của phương sai mẫu. Thực hiện lấy “1000 mẫu” một vài lần để nhanh chóng tạo biểu
đồ các giá trị quan sát được của phương sai mẫu (dựa trên mẫu cỡ 5). Giá trị trung bình của phương
sai mẫu mà bạn đã tạo là gì? Giá trị này có gần với giá trị của phương sai tổng thể không?
d. Trong các bài tập trước trong phần này, bạn đã có được các phân phối mẫu mô phỏng cho trung
bình của mẫu. Tất cả các phân phối mẫu này đều xấp xỉ chuẩn (đối với mẫu kích thước lớn. Mặc dù
phân phối mà bạn thu được là dạng hỗn hợp, nhưng phân phối mẫu của phương sai mẫu có vẻ là đối
xứng (như phân phối chuẩn)?
e. Nhấp vào nút “Toggle Theory” để phủ lên hàm mật độ lý thuyết cho phân phối mẫu của phương
sai một mẫu cỡ 5 từ một tổng thể có phân phối chuẩn. Mật độ lý thuyết có cung cấp một giá trị gần
đúng hợp lý cho các giá trị được đại diện trong biểu đồ histogram không?
f. Định lý 7.3, trong phần tiếp theo, nói rằng nếu một mẫu ngẫu nhiên có kích thước n được lấy từ
một tổng thể phân phối chuẩn, thì (n - 1)S 2/σ2 có phân phối χ2(n - 1). Kết quả này có vẻ phù hợp với
những gì bạn đã quan sát trong phần (d) và (e)?
Giải
a. Giá trị phương sai mẫu khác giá trị phương sai tổng thể. Điều này không làm em ngạc nhiên
b. Gía trị này khác giá trị quan sát ở phần (a).
c. Giá trị trung bình phải gần với phương sai tổng thể
d. Phân phối mẫu của phương sai mẫu không đối xứng trong trường hợp này
e. Mật độ lý thuyết cung cấp một giá trị đúng cho các giá trị trong biểu đồ
f. Có,bởi vì mật độ chi bình phương lệch phải
7.8
Ảnh hưởng của cỡ mẫu đến phân phối mẫu của S 2 là gì? Sử dụng applet VarianceSize để hoàn thành
phần sau. Như trong một số bài tập trước, tổng thể được lấy mẫu có phân phối xấp xỉ chuẩn với µ =
16,50 và σ = 6,03.
a. Giá trị của phương sai tổng thể σ2 là bao nhiêu?
b. Sử dụng các mũi tên lên / xuống trong hộp "Sample Size" bên trái để chọn một trong các mẫu kích
thước nhỏ có sẵn và các mũi tên trong hộp " Sample Size " bên phải để chọn cỡ mẫu lớn hơn.
i Thực hiện lấy “1 Mẫu” một vài lần. Điều gì giống nhau về hai biểu đồ mà bạn tạo ra? Chúng
khác nhau ở điểm nào?
ii Lấy “1000 Mẫu” một vài lần và trả lời các câu hỏi trong phần (i).
iii Các trung bình của hai phân phối mẫu có gần với giá trị của phương sai tổng thể không? Phân
phối nào trong hai phân phối mẫu có độ biến thiên nhỏ hơn?
iv Thực hiện “Toggle Theory”. Bạn quan sát thấy gì về tính đầy đủ của phân phối lý thuyết xấp
xỉ?
c. Chọn kích thước mẫu 10 và 50 cho một mô phỏng mới và thực hiện lấy “1000 Mẫu” một vài lần
i Phân phối lấy mẫu nào có vẻ giống với phân phối chuẩn hơn?
ii Tham khảo Bài tập 7.7 (f). Trong Bài tập 7.97, bạn sẽ chỉ ra rằng, với một số lượng lớn bậc tự
do, phân phối χ2 có thể được xấp xỉ bằng phân phối chuẩn.
Điều này có hợp lý dựa trên mô phỏng hiện tại của bạn?
Giải
a.   (6, 03)  36,3609

2 2
b. Hai biểu đồ có hình dạng tương tự nhau, nhưng biểu đồ được tạo ra từ kích thước mẫu nhỏ hơn
cho thấy mức độ trải rộng lớn hơn. Gía trị trung bình là bằng nhau (và gần với giá trị đã tìm ở phần
a). Mật độ lý thuyết phù hợp tốt trong cả 2 trường hợp.
c. Biểu đồ histogram được tạo ra với n = 50 thể hiện một dạng hình gò,ở đây mật độ lý thuyết là
phân phối chi bình phương với v = 50 - 1 = 49 bậc tự do (giá trị lớn)
7.9
Theo ví dụ 7.2. lượng chiết rót được phân phối bởi máy đóng chai có phân phối chuẩn với σ =1
ounce. Nếu chọn ngẫu nhiên n = 9 chai từ đầu ra của máy, ta nhận thấy rằng xác suất mà giá trị trung
bình mẫu sẽ nằm trong khoảng 0,3 ounce so với giá trị trung bình thực là 0,6318. Giả sử rằng Y
được tính bằng cách sử dụng một mẫu cỡ n.
a. Nếu n = 16, tính xác suất P(| Y − µ| ≤ 0,3)?
b. Tính xác suất P(| Y − µ| ≤ 0,3). Khi Y được tính bởi một mẫu có n=25, n=36, n=49 và n=64.
c. Hãy cho biết mẫu nào trong số các giá trị của P(| Y − µ| ≤ 0,3) mà bạn đã quan sát với các giá
trị khác nhau của n.
d. Các kết quả bạn thu được ở phần (b) có phù hợp với kết quả thu được ở ví dụ 7.3 không?
Giải
a. P(| Y − µ| ≤ 0,3) = P(-1,2 ≤ Z ≤ 1,2) = 0,7698
b. P(| Y − µ| ≤ 0,3) = P(-0,3 n  Z  0,3 n ) = 1 - 2 P(Z > 0,3 n )

Với n = 25 => P = 0,8664
n = 36 => P = 0,9284
n = 69 => P = 0,9642
n = 64 => P = 0,9836
c. Các xác suất tăng theo n, điều này là trực quan vì phương sai của Y giảm theo n.
d. Đúng. Các kết quả này là vững do xác suất thấp hơn 0,95 với n < 43.
7.10
Theo ví dụ 7.9. Ta giả sử rằng lượng rót đầy bởi máy đóng chai có phân phối chuẩn với σ =2 ounce.
a. Nếu chọn ngẫu nhiên n=9 chai từ đầu ra của máy thì hãy tính xác suất P(| Y − µ| ≤ 0,3). So
sánh kết quả với câu trả lời ở ví dụ 7.0
b. Tính P(| Y − µ| ≤ 0,3) khi Y được tính bởi một mẫu có n=25, n =36, n =49 và n = 64
c. Hãy cho biết mẫu nào trong số các giá trị của P(| Y − µ| ≤ 0,3) mà bạn đã quan sát với các giá
trị khác nhau của n.
d. Làm thế nào để các xác suất tương ứng thu được trong bài (khi σ =2) so sánh với những gì thu
được ở bài 7.9 (khi σ =1)?
Giải
a. P(| Y − µ| ≤ 0,3) = P(-0,15 n  Z  0,15 n ) = 1 - 2 P(Z > 0,15 n )

Với n = 9 => P = 0,3472 (giá trị nhỏ hơn)
b. Với n = 25. P(| Y − µ| ≤ 0,3) = 1 – 2P(Z > 0,75) = 0,5468
Với n = 36. P(| Y − µ| ≤ 0,3) = 1 – 2P(Z > 0,9) = 0,6318
Với n = 49. P(| Y − µ| ≤ 0,3) = 1 – 2P(Z > 1,05) = 0,7062
Với n = 64. P(| Y − µ| ≤ 0,3) = 1 – 2P(Z > 1,2) = 0,7698

e. Xác suất tăng theo n
f. Các xác suất sẽ nhỏ hơn khi độ lệch chuẩn lớn hơn (mật độ phân tán nhiều hơn)
7.11
Một nhà nghiên cứu rừng nhiệt đới nghiên cứu về tác động của việc bón phân đối với một số rừng
thông ở Đông Nam Bộ quan tâm đến việc ước tính diện tích gốc trung bình của cây thông. Sau quá
trình nghiên cứu, ông phát hiện ra rằng những số đo này (tính bằng inch vuông) là phân phối chuẩn
với độ lệch chuẩn xấp xỉ 4 inch vuông. Nếu người kiểm lâm lấy mẫu n = 9 cây, tìm xác suất để giá
trị trung bình của mẫu nằm trong phạm vi 2 inch vuông của trung bình của tổng thể.
Giải
P(|Y-μ|  2) = P(-1,5  Z  1,5) = 1 – 2P(Z > 1,5) =1 – 2.(0,0668) = 0,8664
7.12
Giả sử người kiểm lâm trong bài tập 7.11 muốn giá trị mẫu nằm trong phạm vi 1 inch vuông của
trung bình tổng thể, với xác suất 0,9. Người đó phải đo bao nhiêu cây để đảm bảo mức độ chính xác
này.
Giải
 
P Y    1  0,9
 P(-1 < Y - μ < 1) = 0,9
 -1
P <
Y-μ
<
1 
 4 n 4 n 4 n 
 = 0,9
- n n
P <Z<  =0,9
  4 4   1 - 2P(Z  0,25 n ) = 0,9  P(Z  0,25 n ) = 0,05
 0, 25 n  1,645  n  43, 296  44
7.13
Cơ quan Bảo vệ Môi trường quan tâm đến vấn đề đưa ra tiêu chí về lượng hóa chất độc hại được
phép sử dụng trong các hồ và sông nước ngọt. Một thước đo độc tính phổ biến đối với bất kỳ chất ô
nhiễm nào là nồng độ chất ô nhiễm sẽ giết chết một nửa số loài thử nghiệm trong một khoảng thời
gian nhất định (thường là 96 giờ đối với các loài cá). Biện pháp này được gọi là LC50 (nồng độ gây
chết 50% số loài thử nghiệm). Trong nhiều nghiên cứu, các giá trị có trong lôgarit tự nhiên của phép
đo LC50 được phân phối chuẩn, và do đó, phân tích dựa trên dữ liệu ln(LC50).
Các nghiên cứu về ảnh hưởng của đồng đối với một số loài cá nhất định (ví dụ, loài A) cho thấy
phương sai của phép đo ln(LC50) là khoảng 0,4 với các phép đo nồng độ tính bằng miligam trên lít.
Nếu n = 10 nghiên cứu trên LC50 cho đồng được hoàn tất, hãy tìm xác suất trung bình mẫu của
ln(LC50) khác biệt với trung bình tổng thể đúng không nhiều hơn 0,5.
Giải
 2  0, 4; n  10
 -0,5 Y-μ 0,5   -0,5 Y-μ 0,5 
P    P  0, 4 / n   / n  0, 4 / n 
P(|Y-μ | 0,5) = P(0,5  Y-μ  0,5) =  σ/ n σ/ n σ/ n  =  
 Y-μ 
P  2,5   2,5 
=  0, 4 / n  = P(2,  Z  2,5) = 1-2P(Z > 2,5) = 0,9876
7.14
Nếu trong Bài tập 7.13, chúng ta muốn giá trị trung bình của mẫu khác với giá trị trung bình của
tổng thể không quá hơn 0,5 với xác suất 0,95, nên chạy bao nhiêu thử nghiệm?
Giải
 -0,5 Y-μ 0,5 
P     0,95
P(| Y   | 0,5)  0,95  P(0,5  Y    0,5)  0,95   0, 4 / n  / n 0, 4 / n 
 P(0,79 n  z  0,79 n )  0,95  2(0,79 n )  0,95

 0,79 n  1,96  n = 6,15
Vậy cần phải chạy 7 thử nghiệm
7.15
Giả sử rằng X1, X2,…Xm và Y1,Y2,…Yn là các mẫu ngẫu nhiên độc lập với các biến ngẫu nhiên Xi có
phân phối chuẩn với trung bình 1 và phương sai  1 và biến ngẫu nhiên Y có phân phối chuẩn với
2
i
trung bình 2 và phương sai  . Sự khác biệt giữa các trung bình mẫu, X  Y , khi đó là một tổ hợp
2
2
tuyến tính của m + n biến ngẫu nhiên phân phối chuẩn và theo định lý 6.3, nó có phân phối chuẩn
a. Tìm E( X  Y )
b. Tìm Var( X  Y )
c. Giả sử rằng  1 = 2;  2 = 2,5, và m = n. Tìm kích thước mẫu sao cho ( X  Y ) nằm trong
2 2
vòng 1 đơn vị so với ( 1  2 ) với xác suất 0,95

Giải
a. E( X  Y ) = E( X ) – E ( Y ) = 1  2
 12  22

b. Var ( X  Y ) = m n
 
 
X  Y  (1   2 ) 1
P    0,95
 2
1  2 2 2 2 
1  2 
  
c. Ta có: P(| X  Y  ( 1  2 ) | 1)  0,95   n n n 
 
 
1
2    0,95
 n 
   2
2 
 1 2
     0, 475   (1,96)
  n    4,5 
n
 1,962
 4,5  n = 17,29
Vậy 2 kích thước mẫu nên ít nhất là 18.
7.16
Tham khảo bài tập 7.13, giả sử ảnh hưởng của đồng đối với loài thứ hai (ví dụ loài cá B) cho thấy
phương sai của phép đo ln(LC50) là 0,8. Nếu trung bình tổng thể của ln(LC50) đối với hai loài bằng
nhau. Hãy tìm xác suất sao cho với các mẫu ngẫu nhiên của 10 phép đo từ mỗi loài, trung bình mẫu
đối với loài A vượt quá trung bình mẫu đối với loài B ít nhất 1 đơn vị.
Giải
Theo dõi kết quả trong ví dụ 7.15 và bởi vì hai trung bình tổng thể là bằng nhau, ta có:
 
 X Y 1 
P(X A  YA  1)  P  A A
   P(Z  2,89)  0,0019
 0, 4 0,8 0, 4 0,8 
   
 10 10 10 10 
7.17
6
P ( Z i2  6)
Tham khảo ví dụ 7.4. Sử dụng bảng xác suất chi bình phương và phân vị để tìm i 1
Z i
2
(Nhắc lại i 1 có phân phối χ 2 với df = 6)

Giải
6 6
P ( Zi2  6) P( Zi2  6)
i 1 = 1- i 1 = 0,57681
7.18 Đề:
Bài tập ứng dụng
Tham khảo ví dụ 7.5. Nếu σ² = 1 và n = 10, sử dụng bảng xác suất và phân vị chi bình phương để tìm
P(S² ≥ 3). (Hãy nhớ lại rằng, dưới các điều kiện đã được cho, 9S² có phân phối χ² với df = 9)
 Giải:
P [S² ≥ 3] = P [ S² ≥ ] = P[9S² ≥ 27] = 0,0014
7.19 Đề:
Ampe kế được sản xuất bởi một nhà sản xuất được quảng cáo rằng nó có độ lệch chuẩn của thước đo
dưới 0,2 ampe. Một trong những chiếc ampe kế này được dùng để đo, kiểm tra mạch điện 10 lần một
cách độc lập. Nếu phương sai mẫu của 10 lần đo này là 0,065 và việc cho rằng những kết quả này là
có phân phối chuẩn là hợp lý, kết quả này có cho thấy chiếc ampe kế không đáp ứng được tiêu chí
mà nó đã được quảng cáo không? ( Gợi ý: Tìm xác suất xấp xỉ về việc phương sai mẫu sẽ vượt 0,065
nếu như phương sai tổng thể thật sự là 0,04 = 0,22)
Giải:
Dữ liệu cho rằng s² = 0,065 và n = 10, giả sử σ² = 0,04. Ta tìm xác suất:
P [S² ≥ 0,065] = P [ =P[ ]=

0,1
2
Vì vậy điều này khó xảy ra, do đó phương sai của ampe kế   0,04 là đáng nghi ngờ.
7.20 Đề:
a. Nếu U có phân phối χ² với df = v, tìm E(U) và Var(U).
b. Sử dụng kết quả của định lý 7.3, tìm E(S²) và Var(S²) khi là mẫu ngẫu nhiên từ
một phân phối chuẩn với giá trị trung bình và phương sai σ².
Giải:
a. Áp dụng thực tế phân phối chi bình phương là một dạng đặc biệt của phân phối Gamma, E(U)
= v, Var(U) = 2v.
b. Sử dựng định lý 7.3 và kết quả từ câu a:
2  n  1 2 
E 2 S 
E(S²) = n  1   =
Var(S²) = Var = =
7.21 Đề: Tham khảo bài 7.13. Giả sử rằng n = 20 quan sát được thực hiện trên các số đo ln(LC50) và
2 = 1,4. Gọi S2 là phương sai mẫu của 20 phép đo.
a) Tìm b sao cho P(S2 ≤ b) = 0,975
n 1 2 n 1 n  1 2 20  1
S  2 b S  b
 P(   ) = 0,975  P( 
2 2
Giải: Nhân 2 vế với 1.4 ) = 0,975
n 1 2 20  1
S  32.8523 b
 dùng bảng 6 với df =19 ta được P( 
2
) = 0,975  1.4 = 32,8532  b = 2,42
b) Tìm a sao cho P(a ≤ S2) = 0,975
20  1 n 1
a  2 S2
Giải: Nhân 2 vế tương tự câu a  P(  
2
) = 0,975  dùng bảng 6 df = n-1=20-1=19 ta
n 1 2 20  1
S a
được P(8,90655   ) = 0,975  
2 2
= 8,90655  a = 0,656
c) Nếu a và b như trong phần (a) và (b). Vậy P(a ≤ S2 ≤ b) ?
Giải: P( A)  1  P( A)  P( S  a)  1  P( S  a)  1  0.975  0.025
2 2
P (a ≤ S2 ≤ b) = P ( S  b) - P( S  a ) = 0,975 – 0,025 = 0,95

2 2
7.22 Đề Bài tập Applet

Như chúng ta đã nêu trong Định nghĩa 4.10, một biến ngẫu nhiên Y có phân phối χ 2 với df = v khi và
chỉ khi Y có phân phối gamma với α = ν/2 và β = 2.
a) Sử dụng applet Comparison of Gamma Density Functions để vẽ biểu đồ mật độ χ 2 với df =
10, 40 và 80.
 df = 10:  = 10/2 = 5, β = 2
 df = 40:  = 40/2 =20, β = 2

 df = 80:  = 80/2 = 40, β = 2
b) Bạn nhận thấy gì về hình dạng của các hàm mật độ này? Cái nào trong số chúng là đối xứng
nhất?
 Đường cong có df = 10 lệch sang phải so với 2 đường cong còn lại và 2 đường cong này
dường như đối xứng hơn. Giá trị của v càng lớn thì các mật độ Chi -square sẽ trở nên đối
xứng hơn. df = 80 là đối xứng nhất.
c) Trong Bài tập 7.97, bạn sẽ chỉ ra rằng đối với các giá trị lớn của ν, biến ngẫu nhiên χ 2 có phân
phối có thể xấp xỉ phân phối chuẩn với µ = ν và σ =   2v . Hãy so sánh giá trị trung bình
và độ lệch chuẩn của phân phối chuẩn xấp xỉ với giá trị trung bình và độ lệch chuẩn của biến
ngẫu nhiên Y ~ χ2?
Bằng nhau
d) Tham khảo đồ thị của mật độ χ2 mà bạn thu được trong phần (a). Trong phần (c), chúng tôi đã
nêu rằng, nếu số bậc tự do lớn, thì phân phối χ 2 có thể được xấp xỉ với phân phối chuẩn. Điều
này có làm bạn ngạc nhiên không? Tại sao?
 Không ngạc nhiên vì khi số bậc tự do tăng lên, chúng ta thấy trong đồ thị rằng các đường
cong trở nên đối xứng hơn.
7.23 Đề Bài tập Applet

a) Sử dụng applet Chi-Square Probabilities and Quantiles để tìm P[Y > E(Y)] khi Y có phân
phối χ2 với df = 10, 40 và 80.
 Ta có: E(Y) = df
df =10  E(Y) = 10  P[Y > E(Y)] = P(X > 10) = 0,44049
Tương tự với df = 40  P[Y > E(Y)] = P(X > 40) = 0,47026
df = 80  P[Y > E(Y)] = P(X > 80) = 0,47897
b) Bạn nhận thấy gì về P[Y > E(Y)] khi số bậc tự do tăng như trong phần (a)?
 Xác suất tăng lên khi df tăng lên.
c) Những gì bạn quan sát được ở phần (b) liên quan như thế nào đến hình dạng của mật độ χ 2 mà
bạn thu được ở bài tập 7.22?
 Do mật độ trở nên đối xứng hơn, nên xác suất xấp xỉ 0,5.
7.24 Đề: Tham khảo ví dụ 7.6. Giả sử rằng T có phân phối t-student với df = 5.
a) Sử dụng applet Student’s Probabilities and Quantities để tìm chính xác xác suất T lớn hơn 2.
Giải: Dùng app => P(T > 2) = 0,05097
b) Sử dụng applet Student’s Probabilities and Quantities để tìm chính xác xác suất T nhỏ hơn -2.
Giải: Dùng app => P(T < -2) = 0,05097
c) Sử dụng applet Student’s Probabilities and Quantities để tìm chính xác xác suất T nằm giữa -2 và
2.
Giải: Dùng app => P (-2 < T < 2)  1  2  0,05097  0,89806

d) Câu trả lời ở phần (c) nhỏ hơn đáng kể 0,9544 = P(-2 ≤ Z ≤ 2). Tham khảo hình 7.3 và giải thích
tại sao điều này đáng mong đợi.
Giải: Vì phân phối Student với bậc tự do df = 5 thể hiện sự biến thiên lớn hơn.
7.25 Đề: Giả sử rằng T là một biến ngẫu ngẫu nhiên phân phối t-Student.
a) Nếu T có df = 5, sử dụng bảng 5, phụ lục 3, để tìm t0,1, giá trị sao cho P(T > t0,1) = 0,1. Sử dụng
applet Student’s Probabilities and Quantities tìm t0,1.
Giải: T ~ T(df = 5) => P(T > 1,4759) = 0,1
Vậy t0,1 = 1,476
* Dùng app => t0,1 = 1,47588
b) Tham khảo phần (a). t0,1 tương ứng với phân vị nào?
Giải: P (T > 1,4759) = 0,1  P (T < 1,4759) = 0,9
Vậy t0,1 là phân vị thứ 90 của T.
c) Sử dụng applet Student’s Probabilities and Quantities để tìm giá trị của t 0,1 đối với phân phối t-
Student với df = 30, 60 và 120.
Giải: Dùng app => Với df lần lượt là 30, 60, 120 thì P (T > t 0,1) có t0,1 lần lượt là 1,31042; 1,2952;
1,28865.
d) Khi Z có phân phối chuẩn, P (Z > 1,282) = 0,1 và z0,1 = 1,282. Tính chất nào của phân phối t-
Student (khi so sánh với phân phối chuẩn) giải thích rằng các giá trị phần (c) đều lớn hơn z 0,1 =
1,282?
Giải: Phân phối t-Student thể hiện sự biến thiên lớn hơn so với phân phối chuẩn, vì vậy phân vị lớn
hơn z0,1.
e) Bạn thấy gì về giá trị tương đối của t 0,1 đối với phân phối t-Student với df = 30, 60, 120. Đoán t0,1
“hội tụ đến” số nào khi bậc tự do tăng dần. [Gợi ý: Nhìn hàng có ký hiệu ∞ trong bảng 5, phụ lục 3.]
Giải: Khi bậc tự do càng tăng, phân phối t-Student càng tiến gần đến phân phối chuẩn.
7.26 Đề: Tham khảo bài tập 7.11. Giả sử rằng trong vấn đề bón phân trong rừng, độ lệch chuẩn tổng
thể của khu vực cơ bản không được biết và phải được ước lượng từ mẫu. Nếu mẫu ngẫu nhiên của
khu vực cơ bản được đo n = 9, tìm hai thống kê g1 và g2 sao cho P[g1 ≤ ( - µ) ≤ g2] = 0,9.
Giải: P [g1 ≤ ( - µ) ≤ g2] = P ( g1 ≤ T ≤ g2) = 0,9 và df = 8
n n
g1   t 0,05 (8)  1,8595; g 2  t 0,05 (8)  1,8595
 S S
 g1 = S và g2 = S
7.27 Đề: Nếu chúng ta lấy các mẫu độc lập có kích thước n 1 = 6 và n2 = 10 từ hai tổng thể chuẩn có
phương sai của tổng thể bằng nhau, sử dụng app F-Ratio Probilities và Quantiles để tìm :
 S12 
P  2  2 
S
a.  2 
 S2 
P  12  0,5 
S
b.  2 
c. xác suất để một trong các phương sai mẫu lớn hơn ít nhất hai lần so với phương sai khác.
Giải
S12 / 12
F 2 2
 S12 / S2 2 ~ F(k1  5, k 2  9)  P(S12 / S2 2  2)  P(F  2)  0,17271
a. S2 / 2
S12 / 12
F 2 2
 S12 / S2 2 ~ F(k1  5, k 2  9)  P(S12 / S2 2  0,5)  1  P(F  0,5)  0, 23041
b. S2 / 2
2 2 2 2
c. P(S1 / S2  2)  P(S1 / S2  0,5)  0,17271  0, 23041  0, 40312
7.28 Đề: Giả sử rằng Y có phân phối F với ν1 = 4 bậc tự do ở tử số và ν2 = 6 bậc tự do ở mẫu số.
a. Sử dụng Bảng 7, Phụ lục 3, để tìm F0,025. Cũng tìm F0,025 bằng app F-Ratio Probilities và Quantiles.
b. Tham khảo phần (a). F0,025 tương ứng với phân vị nào của Y? Phần trăm phân vị nào?
c. Tham khảo phần (a) và (b). Sử dụng app F-Ratio Probilities và Quantiles để tìm F 0,975, phân vị
0,025 (phân vị thứ 2,5 = 2,5%) của phân phối Y.
d. Nếu U có phân phối F với ν1 = 6 bậc tự do tử số và ν2 = 4 bậc tự do mẫu số, sử dụng Bảng 7, Phụ
lục 3, hoặc app F-Ratio Probilities và Quantiles để tìm F0,025.
e. Trong bài tập 7.29, bạn sẽ chỉ ra rằng nếu Y là một biến ngẫu nhiên có phân phối F với ν 1 bậc tự
do tử số và ν2 bậc tự do mẫu số thì U = 1/Y có phân phối F với ν 2 bậc tự do tử số và v1 bậc tự do mẫu
số. Có phải kết quả này giải thích mối quan hệ giữa F 0,975 từ phần (c) (4 bậc tư do tử số và 6 bậc tự do
mẫu số) và F0,025 từ phần (d) (6 bậc tự do ở tử số và 4 bậc tự do ở mẫu số)? Mối quan hệ này là gì?
Giải
a. Sử dụng Bảng 7, Phụ lục 3, ta có
F0,025  6, 23
. Với F ~ F(v1  4, v 2  6)
b. P(Y  6, 23)  0,025  P(Y  6, 23)  0,975

Vậy F0,025 là phân vị 0,975 hay là phần trăm phân vị thứ 97,5.
c. Sử dụng app F-Ratio Probilities và Quantiles
F0,975  0,10873
. Với F ~ F(v1  4, v 2  6)
d. Sử dụng Bảng 7, Phụ lục 3, ta có
F0,025  9,2
. Với F ~ F(v1  6, v 2  4)
1
F0,975 (4,6) 
F0,025 (6, 4)
e. Có
Bài 7.29 Đề: Nếu Y là biến ngẫu nhiên có phân phối F với bậc tự do tử số v1 và bậc tự do mẫu số v2,
hãy chứng tỏ rằng U = có phân phối F với bậc tự do tử số v2 và bậc tự do mẫu số v1?
Giải
Theo định nghĩa 7.3, Y = ( / )÷( / ) có phân phối F với bậc tự do tử số v1 và bậc
tự do mẫu số v2. Do đó, U = =( / )÷( / ) có phân phối F với bậc tự do
tử số v2 và bậc tự do mẫu số v1.
Bài 7.30(*) Đề: Giả sử rằng Z có phân phối chuẩn tắc và Y là một biến ngẫu nhiên có phân phối
 2 (df  v) Z và Y độc lập với nhau. Khi đó, theo định nghĩa 7.2,
Z
T
Y/v
Có phân phối t với df = v.
a) Nếu Z có phân phối chuẩn tắc, cho E( ) và E( ), [Gợi ý: Với bất kì biến ngẫu nhiên
nào, E( ) = Var(Z) + ]
2
b) Theo kết quả rút ra trong bài tập 4.112(a), nếu Y có phân phối  (df  v) , thì
E( )= , nếu v > -2a

Sử dụng kết quả này, kết quả từ phần (a) và cấu trúc của T để chứng minh rằng. [Gợi ý: Nhắc
lại tính độc lập của X và Z]
i) E(T) = 0, nếu v >1
ii) Var(T) = v/(v-2), nếu v > 2
Giải
a) E(Z) = 0, E( ) = Var(Z) + =1
b) Ý này giống với ví dụ 5.86(a), kết quả là:
i) E(T) = 0
ii) Var(T) = E( ) = νE( /Y) = ν/(ν–2), ν > 2
Bài 7.31
a) Sử dụng Bảng 7, Phụ lục 3, để tìm F 0,01 cho các biến ngẫu nhiên có phân phối F, tất cả đều có 4
bậc tự do ở tử số, nhưng có bậc tự do ở mẫu số là 10, 15, 30, 60, 120 và ∞.
 Từ bảng 7, phụ lục 3 cho giá trị của F là α = 0,01, bậc tự do của tử số 4 và bậc tự do ở mẫu số là
10 là 5,99
Từ bảng 7, phụ lục 3 cho giá trị của F là α = 0,01, bậc tự do của tử số 4 và bậc tự do ở mẫu số là 15
là 4,89
là 4,02
là 3,65
là 3,48
Từ bảng 7, phụ lục 3 cho giá trị của F là α = 0,01, bậc tự do của tử số 4 và bậc tự do ở mẫu số là ∞ là
3,32
b) Tham khảo phần (a). Anh/chị quan sát thấy gì về các giá trị của F 0,01 khi bậc tự do của mẫu số tăng
lên?
 Các giá trị của F0,01 giảm khi bậc tự do của mẫu số tăng lên (5,99 > 4,89 > 4,02 > 3,65 > 3,48 >
3,32)
2
 0,01
c) Tính giá trị của , cho biến ngẫu nhiên χ2(df = 4)?
2
0,01
 Theo bảng 6, với df = 4 và giá trị của = 13,2767
 2 (4) F (4, )
d) Chia giá trị của 0,01 từ phần (c) cho giá trị của 0,01 . Giải thích tại sao giá trị bạn thu
được là giá trị hợp lý cho tỷ lệ. [Gợi ý: Hãy xem xét định nghĩa của một biến ngẫu nhiên có phân
phối F được cho trong Định nghĩa 7.3.]
F0,01 (4, )  3,32
 Ta có:
 13,2767/3,32 ≈ 4
 Theo định nghĩa 7.3, tỷ lệ F đã cho hội tụ tới W1/v1 khi v2 tăng lên vô cùng
Bài 7.32
a) Tìm t0,05 với T ~ T(df = 5).
 Từ bảng 5, ta có t0,05(5) = 2,015
P T 2  t 0,05
2
(5) 
b) Từ phần (a), tính giá trị của ?
 T  t 0,05 (5)
T 2  t 0,05
2
(5)  
 Ta có:  T   t 0,05 (5)
 P  T 2  t 0,05
2
(5)   P T  t 0,05 (5)   P T   t 0,05 (5)   0,05  0,05  0,1
c) Tìm F0,10 cho biến ngẫu nhiên có phân phối F với bậc tự do tử số là 1 và bậc tự do mẫu số là 5.
 Xét bảng 7, ta có F0,10(df1 =1,df2 = 5) = 4,06
2
t 0,05 (5)
d) So sánh giá trị của F0,01 tìm được ở phần (c) với giá trị từ phần (a) và (b)
2
t 0,05 (5)  2,0152  4,06
 Ta có: F0,10 = 4,06;
e) Trong Bài tập 7.33, anh/chị sẽ chỉ ra rằng nếu T có phân phối t với df = ν, thì U = T 2 có phân phối
F với 1 bậc tự do tử số và ν bậc tự do ở mẫu số.
Điều này giải thích như thế nào về mối quan hệ giữa các giá trị của F 0,10 (df = 1 tử số,df = 5 mẫu số)
và (df =5) mà bạn đã quan sát trong phần (d)?
 Đặt F = T2, khi đó ta có F0,10 = t.052 => P(F > F0,10) = P(T2 > F0,10)
=
  
P T  F0,01  P T   F0,01  0,10
=> Công thức trên phải bằng với công thức đã suy ra được ở câu b.
7.33 Đề: Sử dụng công thức T và F đã cho trong định nghĩa 7.2 và 7.3 tương ứng, để chứng minh
rằng nếu T có phân phối t với bậc tự do v, thì U = T2 có phân phối F với 1 là bậc tự do của tử số và v
là bậc tự do của mẫu số.
Giải
Theo định nghĩa 7.2 và 7.3, ta có: T = Z/ , .

Theo đề cho: U = T2 = Z2/(W/v). Ta nhận thấy rằng:
Z2 có phân phối χ2 với bậc tự do df = 1, Z và W độc lập với nhau nên U = T 2 có phân phối F với 1 là
bậc tự do của tử số và v là bậc tự do của mẫu số.
7.34(*) Đề: Cho biết W1 và W2 là các biến ngẫu nhiên độc lập có phân phối χ 2 với bậc tự do v1 và v2
tương ứng. Theo định nghĩa 7.3, có phân phối F với v1 là bậc tự do của tử số và
v2 là bậc tự do của mẫu số. Sử dụng cấu trúc trên của F, sự độc lập của W1 và W2 và kết quả thu được
từ bài tập 7.30(b), chứng minh rằng:
a. E(F) = v2 / (v2 – 2), nếu v2 > 2.
b. Var(F) = [2v22 (v1 + v2 -2)]/[v1(v2 – 2)2(v2 – 4)], nếu v2 > 4.
Giải
Theo định lí 5.9, ta có: E[g(Y1)h(Y2)] = E[g(Y1)]E[h(Y2)] khi Y1 và Y2 độc lập với nhau.
Nên:
=> câu a.
Từ câu a =>
 Câu b.
7.35 . Tham khảo Bài tập 7.34. Giả sử rằng F có phân phối F với ν 1 = 50 bậc tự do ở tử số và ν2 =
70 bậc tự do ở mẫu số. Lưu ý rằng Bảng 7, Phụ lục 3, không có các mục nhập cho 50 bậc tự
do ở tử số và 70 bậc tự do ở mẫu số.
a. E(F) là gì?
b. Tính Var(F).
c. Có khả năng F sẽ vượt quá 3 không? [Gợi ý: Sử dụng định lý Tchebysheff.]
Giải
Sử dụng kết quả từ Ex. 7.34,
a. E(F) = 70 / (70–2) = 1,029.
b. Var(F) = [2 (70)2(118)] /[50 (68)2(66)] = 0,076
c. Lưu ý rằng giá trị 3 là 

3  1,029  / 0,076  7,15
độ lệch chuẩn trên trung bình này.
Điều này chứng tỏ và giá trị không có khả năng xảy ra.
1
*7.36. Gọi S 2 biểu thị phương sai mẫu cho một mẫu ngẫu nhiên có giá trị 10 ln(LC50) đối với
đồng và đặt S 22
biểu thị phương sai mẫu cho mẫu ngẫu nhiên có giá trị 8 ln(LC50) đối với chì, cả
hai mẫu sử dụng cùng một loài cá. Phương sai tổng thể cho các phép đo trên đồng được giả định
2 2
là hai lần phương sai tổng thể tương ứng cho các phép đo trên chì. Giả sử S 1 độc lập với S 2
 S2 
P  12  b   0,95
S
a. Tìm số b sao cho  2 
 S12 
P  a  2   0,95
S2 
b. Tìm số a sao cho 
[Gợi ý: Sử dụng kết quả của bài tập 7.29 và lưu ý rằng
P (U1 / U2 ≤ k) = P (U2 / U1 ≥ 1 / k).]
S 21
c. Nếu a và b giống như trong phần (a) và (b), tìm

(
P a≤
S 22
≤b
)
Giải
Ta có σ 21 =2 σ 22 . Do đó,
2 2
 
σ 21 / σ 22 =2 và S1 / 2S2 có phân phối F với 10−1=9 bậc tự do tử số
và 8−1=7 bậc tự do mẫu số.
a. Ta có
     
P S12 / S22  b  P S12 / 2S22  b / 2   0,95
.
Nó phải là b / 2 = F0,05 = 3,68. Vậy b = 7,36.
b. Tương tự, a / 2 = F 0,95, nhưng chúng ta phải sử dụng quan hệ a/2= 1/F 0,05; trong đó F0,05 là
phân vị thứ 95 của phân phối F với 7 bậc tự do tử số và 9 bậc tự do mẫu số (xem Ví dụ 7.29).
Như vậy, với F0,05 = 3,29 = 1/0,304; a = 2/3,29 = 0,608.
c.

P 0,608  S12 / S22  7,36  0,90 
7.37 Gọi Y1, Y2, ..., Y5 là mẫu ngẫu nhiên cỡ 5 từ một tổng thể chuẩn với trung bình 0 và phương
5
Y =( 1/5 ) ∑ Y i
sai 1 và cho i=1 .Gọi Y6 là một quan sát độc lập khác từ cùng một tổng thể. Phân
phối của
5
W   Yi2 ?
a. i1 Why ?
5
U=∑ ( Y i−Y )2
b. i=1 ? Why ?
5
∑ (Y i−Y )2+Y 26
c. i=1 ? Why ?
Giải
5
Yi ~ N(0,1),i  1, 2,3, 4,5  W   Yi2 ~  2 (df  5)
a. Theo Định lý 7.2, i 1
5
1 5
U   (Yi  Y) 2  2 
(Yi  Y) 2 ~  2 (df  4)
b. Theo Định lý 7.3, i 1  i 1 2
(nhớ lại rằng σ = 1).
5
2
Y6
∑ ( Y i−Y )2 2
c. Vì có phân phối χ2 với 1 bậc tự do, và i=1 và Y 6 là độc lập, phân phối của
W + U là χ2 với 4 + 1 = 5 bậc tự do.
7.38 Cho Y1 , Y2 ,..., Y5 , Y6 , Y ,W vàU được xác định như trong bài 7.37. Tìm phân phối của:
5Y6 / W
a. ? Tại sao?
b. 2Y6 / U ? Tại sao?
2  5Y 2  Y6 2  / U
c. ? Tại sao?
Trả lời:
a. Phân phối t-Student với 5 bậc tự do (Theo định nghĩa 7.2)
b. Phân phối t-Student với 4 bậc tự do (Theo định nghĩa 7.2)
(định nghĩa 7.2: cho Z là biến ngẫu nhiên có phân phối chuẩn tắc, W là biến có phân phối
Chi-bình phương với v bậc tự do. Nếu Z và W độc lập, ta có:
Z
T
W / v có phân phối T với v bậc tự do)
 
2
5Y
c. Vì Y có phân phối chuẩn với   0,   1/ 5 nên
2
5Y có phân phối chuẩn tắc và có
phân phối Chi-bình phương với 1 bậc tự do.
=> 5Y  Y6 có phân phối Chi-bình phương với 2 bậc tự do ( hai biến ngẫu nhiên là độc lập
2 2
nhau).
2  5Y 2  Y6 2  / U   5Y 2  Y6 2  / 2    U / 4
 có phân phối F với 2 bậc tự do tử số và 4 bậc tự
do mẫu số.
Chú ý: giả định rằng Y và U là độc lập (như trong Định lý 7.3)
(Định lý 7.3: Cho W1 và W2 là hai biến ngẫu nhiên độc lập có phân phối Chi-bình phương với
v1 và v2 lần lượt là bậc tự do. Khi đó:
W1 / v1
F
W2 / v2 có phân phối F với v1 bậc tự do tử số và v2 bậc tự do mẫu số).
*7.39 Cho các mẫu độc lập (kích cỡ ni ) được lấy ra từ mỗi tổng thể trong số k tổng thể và tổng thể i
đó có phân phối chuẩn với kỳ vọng i và phương sai  , i  1, 2,..., k . Biết rằng, tất cả các tổng thể
2
đều có phân phối chuẩn với cùng một phương sai nhưng (có thể) khác nhau về kỳ vọng. Cho X i và
Si 2 , i  1, 2,..., k là kỳ vọng và phương sai tương ứng của mẫu. Cho   c11  c2 2  ...  ck k , với
c1 , c2 ,..., ck là các hằng số.
ˆ
a. Chỉ ra phân phối   c1 X1  c2 X 2  ...  ck X k . Chứng minh sự khẳng định mà bạn đưa ra.
b. Chỉ ra phân phối của
k
SSE SSE    ni  1 Si 2
 , với
2
i 1
Chứng minh khẳng định mà bạn đưa ra

c. Chỉ ra phân phối của
ˆ  
 c12 c2 2 ck 2  SSE
   ...   MSE MSE 
 n1 n2 nk 
, với n1  n2  ...  nk  k
Chứng minh khẳng định mà bạn đưa ra.

Trả lời:
a. Chú ý rằng với i  1, 2,..., k , các X i độc lập có phân phối chuẩn với kỳ vọng i và phương sai
 2 / ni . Bởi vì ˆ là một tổ hợp tuyến tính của các biến ngẫu nhiên độc lập có phân phối chuẩn
nên theo định lý 6.3, ˆ có phân phối chuẩn với kỳ vọng:
 
E ˆ  E  c1 X 1  ...  ck X k    i 1 ci i
k
Và phương sai:
 
Var ˆ  Var  c1 X 1  ...  ck X k    2  i 1 ci 2 / ni
k
i  1, 2,..., k ,  ni  1 Si 2 /  2
b. Với có phân phối Chi-bình phương với ni  1 bậc tự do. Ngoài ra, do
2
các Si độc lập, nên:
SSE
  i 1  ni  1 Si 2 /  2
k
 2
là tổng các biến ngẫu nhiên Chi-bình phương độc lập. Vì vậy, đại
lượng trên cũng có phân phối Chi-bình phương với bậc tự do: 
 n  1  
k k
i 1 i n k
i 1 i
ˆ  

k
 c2 /n
c. Từ câu a, ta có: i
có phân phối chuẩn tắc. Vì vậy, theo định nghĩa 7.2, một biến
i 1 i
ngẫu nhiên được xây dựng như sau:
  n  1 S / 
k
ˆ   ˆ  
2 2
i i
i 1

 n k
k
 MSE  i 1 ci 2 / ni
k k
 c 2 / ni
i 1 i i 1 i

k
n k
Có phân phối t-Student với i 1 i bậc tự do. Ở đây, chúng ta giả định rằng ˆ và SSE là
2
độc lập (tương tự như Y và S trong Định lý 7.3).
7.40: Bài tập Applet Giả sử rằng lợi nhuận tổng thể không có phân phối chuẩn. Hỏi phân phối mẫu
của Y như thế nào, và ảnh hưởng của cỡ mẫu lên phân phối mẫu của Y là gì? Sử dụng ứng dụng
Applet SampleSize để hoàn thành phần sau. Sử dụng mũi tên lên/xuống ở bên trái của biểu đồ phân
phối tổng thể để chọn phân phối "Skewed = lệch". Hỏi giá trị trung bình và độ lệch chuẩn của tổng
thể từ các mẫu sẽ được chọn là bao nhiêu? [Các giá trị này lần lượt được đánh dấu tương ứng là M
và S, và được thể hiện phía trên biểu đồ phân phối tổng thể]
a. Sử dụng mũi tên lên /xuống trong các hộp “Sample Size = Kích thước mẫu” bên trái và bên phải
để chọn các mẫu có kích thước là 1 và 3. Nhấp vào nút “1 mẫu” một vài lần. Điều gì là giống nhau
giữa hai biểu đồ mà bạn đã tạo? Chúng khác nhau ở điểm nào?
b. Nhấp vào nút “1000 Mẫu” một vài lần và trả lời các câu hỏi trong phần (b). Các biểu đồ được tạo
có hình dạng như bạn mong đợi không? Tại sao?
c. Giá trị trung bình và độ lệch chuẩn của hai phân phối mẫu có gần với giá trị mà bạn mong đợi
không? [Gợi ý: Var( Y ) = σ2/n.]
d. Nhấp vào nút “Chuyển đổi sang phân phối chuẩn”. Bạn quan sát thấy gì về tính đầy đủ của các
phân phối chuẩn xấp xỉ?
e. Nhấp vào hai bản phân phối mẫu đã tạo để bật lên cửa sổ cho mỗi bản. Sử dụng các mũi tên
lên/xuống trong hộp “Cỡ mẫu” bên trái và bên phải để chọn mẫu có kích thước là 10 và 25. Nhấp
vào nút “Chuyển đổi sang phân phối chuẩn”. Bây giờ bạn có đồ thị về phân phối mẫu của các trung
bình mẫu dựa trên các mẫu có kích thước là 1, 3, 10 và 25. Bạn quan sát được gì về tính đầy đủ của
xấp xỉ chuẩn khi kích thước mẫu tăng lên?
GIẢI
a. Cả hai biểu đồ đều tập trung vào trung bình M = 16,50, nhưng sự biến thiên là lớn hơn đối với
trung bình mẫu có kích thước là 1.
b. Đối với trung bình mẫu có kích thước là 1, biểu đồ gần giống với tổng thể. Đối với trung bình mẫu
có kích thước là 3, biểu đồ giống với hình dạng của tổng thể nhưng tính biến thiên nhỏ hơn.
c. Có, các trung bình rất gần nhau vì độ lệch chuẩn liên quan đến tỷ lệ của 3
d. Mật độ chuẩn xấp xỉ gần đúng với biểu đồ.
e. Mật độ chuẩn có giá trị xấp xỉ gần đúng nhất với cỡ mẫu là 25.
7.41: Bài tập Applet Tham khảo Bài tập 7.40. Sử dụng ứng dụng Applet SampleSize để hoàn thành
phần sau. Sử dụng mũi tên lên/xuống bên trái biểu đồ phân phối tổng thể để chọn phân phối "Hình
chữ U". Giá trị trung bình và độ lệch chuẩn của tổng thể mà các mẫu sẽ được chọn là bao nhiêu?
a.Trả lời các câu hỏi từ phần (a) đến (e) của Bài tập 7.40.
b. Tham khảo phần (a). Khi bạn kiểm tra phân phối mẫu của Y với n = 3, phân phối mẫu có một
"vùng trũng" ở chính giữa. Tại sao điều này xảy ra? Sử dụng ứng dụng Applet Basic để tìm hiểu.
Chọn phân phối tổng thể “hình chữ U” và nhấp vào nút “1 Mẫu”. Bạn quan sát thấy gì về giá trị của
các quan sát riêng lẻ trong mẫu. Nhấp vào nút “1 Mẫu” vài lần nữa. Các giá trị trong mẫu có xu
hướng lớn hoặc nhỏ (một cách tương đối) khi có ít giá trị ở “chính giữa” không? Tại sao? Điều này
có ảnh hưởng gì đến giá trị của trung bình mẫu? [Gợi ý: 3 là cỡ mẫu lẻ.]
GIẢI
a. Đối với trung bình mẫu có kích thước là 1, biểu đồ gần giống với tổng thể. Đối với trung bình mẫu
có kích thước là 3, biểu đồ tương tự như biểu đồ của một tổng thể đa MODE. Trung bình và độ lệch
chuẩn tuân theo kết quả của Ex. 7.40 (c), nhưng mật độ chuẩn không thích hợp cho cả hai trường
hợp. Mật độ chuẩn tốt hơn với n = 10, nhưng tốt nhất với n = 25.
b. Đối với "tổng thể hình chữ U", xác suất là lớn nhất ở hai cực trị trong phân phối
7.42 Độ bền gãy của kính cường lực trung bình là 14 (được đo bằng hàng nghìn pound trên mỗi inch
vuông) và có độ lệch chuẩn 2.
a. Tính xác suất để độ bền gãy trung bình của 100 mảnh được chọn ngẫu nhiên vượt quá 14,5?
b. Tìm khoảng độ bền gãy trung bình của 100 mảnh kính được chọn ngẫu nhiên có xác suất 0,95.
Giải: Gọi là độ bền trung bình mẫu của 100 mảnh thủy tinh được chọn ngẫu nhiên. Vì vậy, đại
lượng ( Y - 14) /0,2 có phân phối xấp xỉ chuẩn.
a. P( > 14,5) ≈ P (Z > 2,5) = 0,0062.

b. Ta có P (–1,96 < Z < 1,96) = 0,95. Vì vậy, biểu thị khoảng bắt buộc là (a, b)
sao cho P(a < < b) = 0,95, ta có –1,96 = (a - 14) /0,2 và 1,96 = (b - 14) /0,2.
Vì vậy, a = 13,608; b = 14,392.
7.43 Một nhà nhân chủng học muốn ước tính chiều cao trung bình của nam giới cho một chủng tộc
người nhất định. Nếu độ lệch chuẩn dân số được giả định là 2,5 inch và nếu cô ấy lấy mẫu ngẫu
nhiên 100 nam giới, tìm xác suất để sự khác biệt giữa trung bình của mẫu và trung bình thực của dân
số không vượt quá 0,5 inch.
Giải:
Gọi là chiều cao trung bình và σ = 2,5 inch. Theo Định lý Giới hạn Trung tâm
P(| | ≤ 0,5) = P(-0,5 ≤ - µ≤ 0,5) ≈ P( ≤Z≤ ) = P(-2 ≤ Z ≤

2) = 0,9544
7.44 Giả sử rằng nhà nhân chủng học của bài tập 7.43 muốn sự khác biệt giữa giá trị trung bình của
mẫu và tổng thể nhỏ hơn 0,4 inch, với xác suất là 0,95. Cô ấy nên lấy mẫu bao nhiêu người đàn ông
để đạt dược mục tiêu này.
Giải: Gọi là chiều cao trung bình và (bài tập 7.43)
=>
=>
=> n = 150,0625 => Vì vậy, cô ấy nên lấy mẫu gồm 151 người đàn ông để đạt được mục tiêu.
7.45 Công nhân làm việc trong một ngành công nghiệp dịch vụ lớn có mức lương trung bình là $7,00
mỗi giờ với độ lệch chuẩn là $0,5. Ngành công nghiệp có 64 công nhân thuộc một nhóm dân tộc
nhất định. Các công nhân có mức lương trung bình là $6,90 một giờ. Có hợp lý không khi cho rằng
mức lương của nhóm dân tộc là tương đương với lương của công nhân trong ngành công nghiệp dịch
vụ? [Gợi ý: Tính xác suất lấy được trung bình mẫu nhỏ hơn hoặc bằng $6,90 mỗi giờ.]
Giải: Gọi là mức lương trung bình được tính từ một mẫu 64 công nhân. Khi đó:
 Y 6,9  7 
P(Y  6,9)  P     P(Z  1,6)  0,0548
  / n 0,5 / 64 
Xác suất này là rất nhỏ, nên lương trung bình không thể thấp hơn $6,9. Hay kết luận lương của nhóm
64 công nhân là tương đương với lương của ngành công nghiệp dịch vụ.
7.46 Độ chua của đất được đo bằng một đại lượng gọi là pH, có thể dao động từ 0 (độ chua cao) đến
14 (độ kiềm cao). Một nhà thổ nhưỡng học muốn ước tính độ pH trung bình cho một cánh đồng lớn
bằng cách chọn ngẫu nhiên n mẫu lõi khoan và đo độ pH trong mỗi mẫu. Mặc dù độ lệch chuẩn tổng
thể của phép đo pH không được biết, thí nghiệm trước đây cho thấy rằng hầu hết các loại đất có giá
trị pH từ 5 đến 8. Nếu nhà khoa học chọn n = 40 mẫu, hãy tìm xác suất gần đúng mà trung bình mẫu
của 40 phép đo pH sẽ nằm trong vòng 0,2 đơn vị của pH trung bình thực cho cánh đồng. [Gợi ý:
Xem bài tập 1.17]
Giải: n = 40,
 Y 
 
P Y    0, 2  P  
0, 2
  / n 0,75 / 40 
 P  Z  1,69   2 (1,69)  0,9090
 
7.47 Giả sử rằng nhà khoa học của Bài tập 7.46 muốn giá trị trung bình của mẫu nằm trong khoảng
0,1 của giá trị trung bình thực với xác suất 0,90. Hỏi nhà khoa học nên lấy bao nhiêu mẫu lõi khoan?
 Bài giải:
(Làm tương tự bài tập 7.44)
Dựa trên dữ liệu từ 7.47, ta có:

Yi  N(; 2  0,752 )  Y  N , 2Y  0,752 / n 
 Y 0,1   0,1 n 
 P( Y    0,1)  P     P Z    0,90.
/ n / n  0,75
   
 0,1 n   0,1 n 
 2    0,9      0, 45   (1,645)
 0,75   0,75 
0,1 n
 1,645  n  152, 21
Do đó chúng ta có 0,75
Suy ra, có 153 mẫu lõi khoan nên được lấy.

7.48 Một khía cạnh quan trọng của kế hoạch kinh tế liên bang là người tiêu dùng sẽ tiết kiệm được
một phần đáng kể từ số tiền mà họ nhận được trong việc giảm thuế thu nhập. Giả sử rằng các ước
lượng ban đầu về phần tổng thuế tiết kiệm được, dựa trên một mẫu ngẫu nhiên của 35 nhà kinh tế, có
giá trị trung bình 26% và độ lệch chuẩn 12%.
a) Hỏi xác suất gần đúng mà một mẫu trung bình ước lượng được, dựa trên một mẫu ngẫu
nhiên của n = 35 nhà kinh tế, sẽ nằm trong 1% trung bình tổng thể của các ước lượng từ tất cả các
nhà kinh tế?
b) Có nhất thiết phải đúng không khi cho rằng trung bình tổng thể từ các ước lượng của tất cả
các nhà kinh tế là bằng với phần trăm số thuế tiết kiệm mà sẽ thật sự đạt được?
 Bài giải:
a) Mặc dù tổng thể không phải là phân phối chuẩn, với n = 35, phân phối mẫu của Y sẽ xấp xỉ
chuẩn. Xác suất của lợi nhuận là:
 
P Y    1  P  1  Y    1 .
Để đánh giá xác suất này cần có độ lệch chuẩn tổng thể  . Bởi vì nó là chưa biết, nên chúng
ta sẽ xấp xỉ giá trị của nó bằng cách sử dụng độ lệch chuẩn mẫu s = 12 vì vậy độ lệch chuẩn ước
 12
Y   
lượng của Y là n 35 2,028.
1 n  2 122 
Y  i  Y
n i1
Y  N     26;  2
Y

n
 
35 
Khi đó: 
Do đó,
 Y  Y 1 
 
P Y  Y  1  P 
 



  P Z 
  12 /
1
35

  P  Z  0, 49   2 (0, 49)  0,3758

 Y Y 
b) Không nhất thiết đúng, các phép đo vẫn chỉ là ước lượng.
7.49 Khoảng thời gian cần thiết để bảo dưỡng định kỳ ô tô hoặc máy móc thường có phân phối xác
suất hình gò. Bởi vì thỉnh thoảng một số khoảng thời gian phục vụ dài xảy ra, phân phối có xu hướng
bị lệch sang bên phải. Giả sử rằng cứ chạy 5000 dặm thì bảo dưỡng ô tô là 1,4 giờ và độ lệch chuẩn
0,7 giờ. Cũng giả sử rằng bộ phận dịch vụ có kế hoạch phục vụ 50 ô tô mỗi ngày, và mỗi ngày 8 giờ,
để làm như vậy bộ phận dịch vụ phải dành thời gian phục vụ trung bình tối đa cho mỗi ô tô chỉ là 1,6
giờ. Xác suất bộ phận dịch vụ sẽ phải làm thêm giờ?
Giải: Ta có: μ = 1,4 giờ; σ = 0,7 giờ, đặt Y thời gian phục vụ trung bình cho n = 50 xe.
 Y  1,6  1, 4 
P(Y  1,6)  P     P(Z  2,02)  0,0217
Do đó:   / n 0,7 / 50 
7.50 Các phép đo độ bền cho các mối hàn có độ lệch chuẩn 10 pound/ . Nếu 100 mối hàn,
thì xác suất để giá trị trung bình của mẫu nằm trong khoảng 1 psi (pound per square inch) của giá trị
trung bình thực là bao nhiêu?
 

P Y   1  P Z 
  /
1 
n
  P  Z  1  2 (1)  0,6827

Giải: Ta có
7.51 Trong bài 7.50 Nếu độ lệch chuẩn là 10 psi, thì cần lấy mẫu bao nhiêu mối hàn nếu chúng ta
muốn giá trị trung bình của mẫu nằm trong khoảng 1 psi so với giá trị trung bình thực với xác suất
xấp xỉ 0,99?
 n  n
 


P Y   1  P Z 
1
/ n



 P 

Z 
10


 2 
 10
  0,99

Giải:
 n n
    0, 495   (2,576)   2,576  n  663,58  664
 10  10
7.52 Điện trở được sử dụng trong mạch có điện trở trung bình 200 ôm và độ lệch chuẩn 10 ôm. Giả
sử 25 điện trở trong số các điện trở này được chọn ngẫu nhiên để sử dụng trong mạch
a. Xác suất để điện trở trung bình của 25 điện trở nằm trong khoảng từ 199 đến 202 ohms?
b. Tìm xác suất để tổng trở không vượt quá 5100 ohms.
Trả lời:
Gọi Y là điện trở trung bình của 25 điện trở. Với μ = 200 và σ = 10 (ohms)
 199  200 Y   202  200 
P(199  Y  202)  P      P( 0,5  Z  1)
a.  10 / 25  / n 10 / 25 
 P(Z  1)  P(Z  0,5)  0,5328
b. Gọi X = tổng trở của 25 điện trở. Khi đó:
 25   5100   Y   204  200 
P(X  5100)  P   Yi  5100   P  Y    P  
 i1   25    / n 10 / 25 
 P(Z  2)  0,9772
7.53 Nồng độ carbon monoxide trong một giờ trong các mẫu không khí từ một thành phố lớn trung
bình là 12 ppm (parts per million) với độ lệch chuẩn 9 ppm.
a. Bạn có nghĩ rằng nồng độ carbon monoxide trong các mẫu không khí từ thành phố này là có phân
phối chuẩn? Tại sao có hoặc tại sao không?
b. Tìm xác suất để nồng độ trung bình trong 100 mẫu được chọn ngẫu nhiên vượt quá 14 ppm
Trả lời:
a. Với các giá trị đã cho này của μ và σ, lưu ý rằng giá trị 0 có z-score là (0 - 12)/9 =1,33. Đây
không được coi là cực trị, nhưng đây là giá trị nhỏ nhất có thể cho CO nồng độ trong không
khí. Vì vậy, các phép đo này không thể có phân phối chuẩn.
 Y  14  12 
P(Y  14)  P     P(Z  2, 22)  0,0132
b. Y xấp xỉ chuẩn (theo CLT), nên:   / n 9 / 100 
7.54 Bitum không bị biến đổi, thường được tìm thấy trong các mỏ chì-kẽm, có tỷ số hydro/carbon
nguyên tử (H/C) trung bình là 1,4 với độ lệch chuẩn 0,05. Tìm xác suất để giá trị tỷ lệ H/C trung
bình nhỏ hơn 1,3 nếu chúng ta chọn ngẫu nhiên 25 mẫu bitum.
Trả lời: Gọi Y là tỷ lệ H/C trung bình của mẫu n = 25; μ = 1,4 và σ = 0,05
 Y  1,3  1, 4 
P(Y  1,3)  P     P(Z  10)  0
  / n 0,05 / 25 
7.55 Thời gian ngừng hoạt động mỗi ngày của một thiết bị máy tính có trung bình là 4 giờ và độ
lệch chuẩn 0,8 giờ.
a. Giả sử rằng chúng ta muốn tính toán xác suất về thời gian ngừng hoạt động trung bình hàng ngày
cho một thời hạn 30 ngày.
i. Những giả định nào phải đúng để sử dụng kết quả của Định lý 7.4 để có được giá trị xấp xỉ hợp lệ
cho xác suất của thời gian ngừng hoạt động trung bình hàng ngày?
ii.Theo các giả định được mô tả trong phần (i), tìm xác suất gần đúng của thời gian chết trung bình
hàng ngày trong khoảng thời gian 30 ngày là từ 1 đến 5 giờ?
b. Theo các giả định được mô tả trong phần (a), tìm xác suất gần đúng cho tổng thời gian chết trong
khoảng thời gian 30 ngày là ít hơn 115 giờ?
Trả lời:
a.
i. Mẫu đó phải là mẫu ngẫu nhiên từ tổng thể (vì mẫu cỡ n = 30 là mẫu lớn)
ii. n  30;   4;   0,8
 1 4 X  54 
P(1  X  5)  P      P( 20,54  Z  6,85)
 0,8 / 30  / n 0,8 / 30 
 P(Z  6,85)  P(Z  20,54)  1  0  1
b. Xi ký hiệu thời gian chết trong ngày i, i=1,2,…,30
 30   115   X   3,833  4 
P   Xi  115   P  X    P    P(Z  1,14)  0,1271
 i1   30    / n 0,8 / 30 
7.56 Nhiều sản phẩm khối lượng lớn — chẳng hạn như quặng sắt, than và đường thô — được lấy
mẫu để kiểm tra chất lượng bằng phương pháp yêu cầu nhiều mẫu nhỏ được lấy định kỳ khi vật liệu
đang di chuyển dọc theo một băng chuyền. Các mẫu nhỏ sau đó được kết hợp và trộn để tạo thành
một hỗn hợp mẫu vật. Gọi Yi biểu thị thể tích của mẫu nhỏ thứ i từ một lô cụ thể và giả sử rằng Y 1,
Y2, ..., Yn tạo thành một mẫu ngẫu nhiên, với mỗi giá trị Y i có trung bình µ (tính bằng inch khối) và
phương sai σ2. Thể tích trung bình µ của các mẫu có thể được thiết lập bằng cách điều chỉnh kích
thước của thiết bị lấy mẫu. Giả sử rằng phương sai σ 2 của thể tích mẫu được biết là xấp xỉ 4. Tổng
thể tích của mẫu tổng hợp phải vượt quá 200 inch khối với xác suất xấp xỉ 0,95 khi n = 50 mẫu nhỏ
được chọn. Xác định cài đặt đối với µ sao cho yêu cầu lấy mẫu được thỏa mãn.
Trả lời:
50.(4  )
 z 0,95  z 0,05  1,645     4, 465
2
7.57 25 đèn nhiệt được kết nối trong nhà kính để khi một đèn hỏng, đèn khác sẽ sáng ngay lập tức.
(Chỉ một đèn được bật vào bất kỳ lúc nào.) Các đèn hoạt động độc lập, và mỗi chiếc có tuổi thọ
trung bình là 50 giờ và độ lệch chuẩn là 4 giờ. Nếu nhà kính là, không được kiểm tra trong 1300 giờ
sau khi hệ thống đèn được bật, tìm xác suất để một đèn sẽ cháy vào cuối khoảng thời gian 1300 giờ?
Trả lời:
Xi là tuổi thọ của đèn thứ i, i=1,2,…,25.   50;   4; n  25.
 25   52  50 

P   X i  1300   P  X 

1300 
25 
 

  P X  52  P  Z 
4 / 25
  P(Z  2,5)  0,006

 i1 
Bài 7.58
Giả sử , , …, và Y1 , Y2 ,..., Yn là các mẫu ngẫu nhiên độc lập từ các tổng thể có giá
trị trung bình µ1 và µ2 và phương sai và tương ứng. Chứng minh rằng các biến ngẫu
nhiên:
thoả mãn các điều kiện của Định lý 7.4 và do đó hàm phân phối của hội tụ đến một hàm phân
phối chuẩn khi n . (Gợi ý: Xét Wi  X i  Yi , với i = 1, 2,…n)
Trả lời
Với Wi  X i  Yi , ta có E(Wi )  E(X i )  E(Yi )  1   2

2 2
và Var(Wi )  Var(X i )  Var(Yi )  1  2 vì là độc lập.
Vì
Nên E( = µ1 - µ2 và Var( =( . Hơn nữa, bởi vì các

độc lập với nhau, nên:
(X  Y)  (1   2 ) W  E(W)
Un  
(12  22 ) / n Var(W)
thỏa mãn các điều kiện của Định lý 7.4 và có giới hạn là phân phối chuẩn.
Bài 7.59 Một thí nghiệm được thiết kế để kiểm tra xem người vận hành A hay B nhận được công
việc vận hành một máy mới. Mỗi người vận hành được tính thời gian cho 50 thử nghiệm độc lập liên
quan đến hiệu suất của một nhiệm vụ nhất định bằng cách sử dụng máy. Nếu các trung bình mẫu cho
50 thử nghiệm khác nhau hơn 1 giây, người vận hành với thời gian trung bình nhỏ hơn sẽ nhận được
công việc. Nếu không, thử nghiệm được xem như kết thúc hòa. Nếu độ lệch chuẩn về thời gian của
cả hai người vận hành được giả định là 2 giây, xác suất mà người điều hành A sẽ nhận được công
việc là bao nhiêu biết cả hai người vận hành có khả năng ngang nhau?
Trả lời
Sử dụng kết quả của bài 7.58, ta có n = 50, và µ1 = µ2. Đặt là thời
gian trung bình của người vận hành A và đặt là thời gian trung bình của người vận hành B (cả
hai tính bằng giây). Khi đó A sẽ nhận được công việc nếu X  Y  1 . Xác suất này xấp xỉ:
 XY 1 
 
P X  Y  1  P 
 ( 2   2 ) / n

(4  4) / 50
  P(Z  2,5)  0,0062

 1 2 
Bài 7.60 Kết quả bài tập 7.58 vẫn đúng ngay cả khi kích thước mẫu khác nhau. Tức là nếu ,
, …, và tạo thành các mẫu ngẫu nhiên độc lập từ các tổng thể
có giá trị trung bình µ1 và µ2 và phương sai và tương ứng thì sẽ xấp xỉ
có phân phối chuẩn, khi n1 và n2 lớn, với trung bình µ1 - µ2 và phương sai (
.
Dòng chảy của nước qua đất phụ thuộc vào nhiều yếu tố, độ tơi xốp (thế tích tỷ lệ lỗ rỗng) của
đất. Để so sánh hai loại đất cát, lần đo được trên độ tơi xốp của đất A và
phép đo được thực hiện trên đất B.
Giả sử . Tìm xác xuất để sai số giữa các trung bình

mẫu nằm trong khoảng 0,05 đơn vị của sai số các trung bình tổng thể µ1 - µ2
Trả lời:
Mở rộng kết quả từ bài 7.58, gọi là số đo trung bình của đất A và là số đo trung bình của đất
B, khi đó ta có:
 0,05 
P  X  Y  (1   2 )  0,05  P  Z 
    P  Z  2,5   2(2,5)  0,9876
 0,01 / 50  0,02 / 100 
7.61 Tham khảo bài tập 7.60. Giả sử rằng n1 = n2 = n và tìm giá trị của n sao cho sự khác biệt giữa
các mẫu nằm trong khoảng 0,04 đơn vị của µ1-µ2 với xác suất là 0,90.
Trả lời:
Điều cần có là:
 
 0,04   0,04 n 
P  X  Y  (1   2 )  0,04   P  Z    PZ    0,90
   0,01 0,02  0,01  0,02
  
 n n 
 0,04 n   0,04 n  0,04 n

 2    0,9      0, 45   (1,645)   1,645
 0,01  0,02   0,01  0,02  0,01  0,02
 n  50,74  51
Mỗi kích thước mẫu ít nhất phải bằng

7.62 Thời gian mà nhân viên thu ngân xử lý đơn đặt hàng của từng khách hàng là các biến ngẫu
nhiên độc lập với trung bình 2,5 phút và độ lệch chuẩn 2 phút. Xác suất gần đúng để có hơn 4 giờ xử
lý đơn hàng của 100 người là bao nhiêu?
Trả lời: Gọi Yi là thời gian cần thiết để xử lý đơn hàng thứ i, i=1,2,…,100. Chúng ta có = 2,5
phút và σ . Mà 4 giờ = 240 phút.
 n   2, 4  2,5 
 

P   Yi  240   P Y  2, 4  P  Z 
2 / 100
  P(Z  0,5)  0,6915

 i1 
7.63 Tham khảo bài tập 7.62. Tìm số lượng khách hàng n sao cho xác suất đặt hàng của tất cả n
khách hàng có thể được xử lý trong vòng chưa đầy 2 giờ xấp xỉ bằng 0,1.
Trả lời: Như bài 7.62, ta có: P( i < 120 ) = 0,1 là 1 hàm theo n.
 n   120   120 / n  2,5 

P   Yi  120   P  Y    P Z    0,1
 i 1   n   2/ n 
Khi đó:
 120 / n  2,5  120 / n  2,5

 P Z    0,9   z 0,9   z 0,1  1, 282
 2/ n  2/ n
Giải quyết mối quan hệ phi tuyến này, (ví dụ, biểu thức trên có thể được biểu thị dạng bậc hai theo
 n
2
2,5  2,564 n  120  0
: ), ta tìm được n = 55,65, vì vậy ta nên chọn mẫu có 56
khách hàng.
7.64 Bài tập ứng dụng. Truy cập ứng dụng Normal Approximation to Binomial Distribution (tại
www. thomsonedu.com/statistics/wackerly). Ứng dụng sẽ hiển thị những thông tin chi tiết ở ví dụ
7.11 và hình 7.9 khi được khởi động. Ban đầu, màn hình chỉ hiển thị biểu đồ nhị thức Histogram và
giá trị chính xác (tính được từ việc dùng hàm xác suất nhị thức) cho p(8) = P(Y = 8). Cuộn xuống
một chút và nhấn vào nút “chuyển đổi xấp xỉ chuẩn” để phủ lên giá trị mật độ chuẩn với trung bình
10 và độ lệch chuẩn √0,6 = 2,449, cùng giá trị trung bình và độ lệch chuẩn như biến ngẫu nhiên nhị
thức Y. Bạn sẽ nhận được một biểu đồ cao hơn biểu đồ trong hình 7.9.
a. Có bao nhiêu hàm khối lượng xác suất hay hàm mật độ xác suất được hiển thị?
b. Nhấp 0 trong ô có nhãn “Bắt đầu” và nhấn Enter. Xác suất đạt được là gì?
c. Tham khảo phần (b). Dòng hiển thị xác suất chuẩn xấp xỉ, bạn thấy biểu thị:
Normal: P(−0.5 <= k <= 8,5) = 0,2701.
Tại sao có 0,5 được biểu diễn?
Trả lời:
a. Có 2 hàm
b. Chính xác : 0,27353, xấp xỉ chuẩn: 0,27014
c. Vì đây là sự điều chỉnh tính liên tục
7.65 Bài tâ ̣p ứng dụng: giả sử Y có phân phối nhị thức với n = 5 và p = 0,10
a. Sử dụng applet xấp xỉ chuẩn với phân phối nhị thức để tìm giá trị chính xác và gần đúng của
P(Y ≤ 1).
b. Sự xấp xỉ chuẩn không thực sự tốt. Tại sao?
Trả lời:
a. chính xác: 0,91854, xấp xỉ chuẩn: 0,86396
b. hàm khối lượng không giống phân phối mô ̣t hình gò (ở đây n không lớn )
7.66 Bài tâ ̣p ứng dụng: ở bài tâ ̣p 7.65, Khi đó, P(Y < 1) = P (|Y - E(Y)| < 1)
Nếu p = 10 sử dụng ứng dụng xấp xỉ chuẩn với phân phối nhị thức để tra cứu giá trị nhỏ nhất của n
sao cho giá trị chính xác và xấp xỉ chuẩn của P(|Y - E(Y)| < 1) khác nhau ít hơn 0,01.
P  Y  E(Y)  1  P  E(Y)  1  Y  E(Y)  1  P(np  1  Y  np  1)
Trả lời : Vì
Nếu n = 20 và p = 0,1 thì P(1  Y  3)  0,74547; xấp xỉ chuẩn: 0,73645.

7.67 Giả sử Y có phân phối nhị thức với p = 0,2
a. Ứng dụng xấp xỉ chuẩn cho phân phối nhị thức để tính xác suất chính xác và xác suất xấp xỉ của
. Đối với mỗi kích thước mẫu hãy quan sát

hình dạng của biểu đồ histograms, khoảng cách giữa giá trị chính xác và giá trị xấp xỉ.
b. Theo câu a,cho biết đặc điểm hình dạng của biểu đồ histogram khi kích thước mẫu tăng? Nhận xét
mối liên hệ giữa xác suất chính xác và xác suất xấp xỉ của khi kích
thước mẫu tăng.
c. Theo quy tắc kinh nghiệm đối với sự đầy đủ của xấp xỉ chuẩn, giá trị n phải lớn ít nhất bao nhiêu
để giá trị xấp xỉ đầy đủ? Có phù hợp với những gì đã quan sát được từ câu a, b?
Trả lời:
a. khi n = 5 (xác suất chính xác: 0,99968, xác suất xấp xỉ: 0,95319)
n = 10 (xác suất chính xác: 0,99363, xác suất xấp xỉ: 0,97312)
b. Biểu đồ nhị thức có hình dạng gò khi kích thước mẫu n gia tăng. Giá trị xác suất xấp xỉ càng gần
với giá trị chính xác khi kích thước mẫu tăng.
c. Quy tắc kinh nghiệm : n  9  (0,8 / 0, 2)  36 , được bảo toàn khá tốt từ giá
trị
7.68 Trong năm 2004, Florida đã bị tấn công bởi 4 cơn siêu bão. Vào năm 2005, một cuộc khảo sát
đã chỉ ra rằng có 48% các hộ gia đình ở Florida đã không có kế hoạch tránh bão khi cơn bão đến
gần. Biết mẫu ngẫu nhiên lần gần nhất của 50 hộ gia đình được chọn ở Gainesville, trong đó có 29
hộ gia đình cho biết họ đã có kế hoạch tránh bão
a. Giả sử tỉ lệ của tiểu bang giống tương tự như các hộ gia đình ở Gainesville, áp dụng xấp xỉ chuẩn
cho phân phối nhị thức để tính xác suất chính xác và xác suất xấp xỉ của ít nhất 29 mẫu hộ gia đình
có kế hoạch tránh bão?
b. Theo câu a, hãy so sánh xác suất chính xác với xác suất xấp xỉ? Giải thích?
Trả lời:
a. Xác suất bị ảnh hưởng là ở đây Y có phân phối nhị thức với n = 50; p =
0,48, giá trị chính xác: 0,10135; giá trị xấp xỉ: 0,137
b. Hai giá trị xác xuất có giá trị sát nhau, với n = 50; p = 0,48, biểu đồ nhị thức có dạng hình gò
7.69
a. Tham khảo bài tập 7.68, cho biết năm 2004, tỉ lệ của bang Florida có thực sự tương tự với tỉ lệ của
các hộ gia đình ở Gainesville?
b. Giả sử Y là số hộ gia đình ở Gainesville có kế hoạch tránh bão và có kích thước mẫu không quá
50? Áp dụng xấp xỉ chuẩn cho phân phối nhị thức để xác định giá trị của b sao cho P(Y ≥ b) đủ nhỏ
để có thể có kết luận tỉ lệ của Florida không giống với tỉ lệ các hộ gia đình ở Gainesville.
Trả lời:
a. Có lẽ không, vì có khả năng cao hơn là các cư dân ở Florida có những tỉ lệ riêng, không phụ thuộc
vào tỉ lệ ở Gainesville
b. (Nhiều câu trả lời khác nhau) Với b = 32, ta có giá trị chính xác: 0,03268, giá trị xấp xỉ: 0,03289
7.70. Trong phần này, chúng tôi cung cấp quy tắc kinh nghiệm rằng xấp xỉ chuẩn cho phân phối nhị
thức sẽ thực hiện được khi p 3 nằm trong khoảng (0,1). Nghĩa là, nếu:
0 và 1
a. Chứng minh rằng 1 khi và chỉ khi n 9(p/q)

b. Chứng minh rằng 0 khi và chỉ khi n > 9(q/p)
c. Kết hợp phần (a) và (b) để có được giá trị xấp xỉ chuẩn của nhị thức là đủ nếu:
và hoặc tương đương
Giải:
a. Ta có: 1 <1 p <q
  
b. Ta có:
pq pq pq 9q
0  p3  3 p  9  p2  n
n n n p
c. Từ câu (a) và (b) , ta có: . Xét p = q, p < q, p > q, ta thấy rằng:
.
7.71. Tham khảo bài tập 7.70
a. Với giá trị nào của n thì xấp xỉ chuẩn cho phân phối nhị thức sẽ thực hiện được nếu p = 0,5?
b. Trả lời các câu hỏi của phần (a) nếu p lần lượt bằng 0,6; 0.4; 0,8; 0,2; 0,99; 0,001?
Giải:
a. Theo câu 70, ta có:
b. Nếu p = 0,6; ta có:

 14
Nếu p = 0,4; ta có:
9q 9  0,6
n   13,5  14
p 0, 4

9q 9  0,8
n   36
p 0, 2
Nếu p=0,001; ta có:
9q 9  0,999
n   8991
p 0,001
7.72. Máy sẽ ngừng hoạt động để sửa chữa nếu một mẫu ngẫu nhiên gồm 100 mặt hàng được chọn
từ đầu ra hàng ngày của máy cho thấy ít nhất 15% độ sai lệch. (Giả sử rằng sản lượng hàng ngày có
số lượng lớn các mặt hàng). Nếu một ngày nhất định, máy chỉ sản xuất 10% mặt hàng lỗi, xác suất
nó sẽ ngừng hoạt động là bao nhiêu?
Giải:
Gọi X là số mặt hàng bị lỗi.
2
Theo đề, ta có: n = 100; p = 0,1  X ~ N(  np  10,   npq  9)
 X  np 14,5  10 
 P    P(Z  1,5)  0,0668
 npq 9
P(X P(X =  
7.73. Một hãng máy bay nhận thấy rằng 5% người đặt chỗ trên 1 chuyến bay nhất định và không có
dự định bay. Nếu hãng hàng không bán 160 vé cho 1 chuyến bay chỉ với 155 ghế thì xác suất để mỗi
người đặt chỗ và dự định bay sẽ có 1 chỗ là bao nhiêu?
Giải:
Gọi X là số người đặt chỗ và dự định bay.
Ta có thể xem: X ~ B(n=160; p=0,95) và xấp xỉ X ~ N(=np=152;σ2=npq=7,6)
Xác suất để mỗi người đặt chỗ và dự định bay sẽ có 1 chỗ là:
155 , 5−152
P( X≤155)≈P (Z≤ )=P( Z≤1 , 27)=0, 898
√7,6 .
7.74. Theo 1 cuộc khảo sát do Hiệp hội Luật sư Hoa Kỳ thực hiện, cứ 410 người Mỹ thì có 1 người
là luật sư nhưng cứ 64 người Washington thì có 1 người là luật sư.
a. Nếu chọn ngẫu nhiên một mẫu gồm 1500 người Mỹ thì xác suất xấp xỉ để mẫu có ít nhất 1 luật sư
là bao nhiêu?
b. Nếu mẫu được chọn từ các người dân Washington thì xác suất xấp xỉ để mẫu có hơn 30 luật sư là
bao nhiêu?
c. Nếu bạn đứng ở một góc phố Washington và phỏng vấn 1000 người đầu tiên đi ngang qua và có
30 người nói rằng họ là luật sư. Điều này có cho thấy rằng mật độ luật sư đi ngang qua góc phố vượt
qua mật độ luật sư trong thành phố hay không? Giải thích.
Giải:
1
a. Gọi X là số luật sư trong mẫu. Ta có thể xem X ~ B(n=1500;p= 410 )
Xác suất để mẫu có ít nhất 1 luật sư là:
1500
 409 
P(X  1)  1  P(X  1)  1  P(X  0)  1     0,9743
 410 
b. Gọi X là số luật sư trong mẫu.
1
2
Ta có thể xem X ~ B(n=1500;p= 64 ) và xấp xỉ X ~ N(  np  23, 4375;   npq  23,0713)
 29,5  23, 4375 

P(X  30)  P  Z    P(Z  1, 26)  0,1038
 23,0713 
Xác suất để mẫu có hơn 30 luật sư là:
c. Tỷ lệ luật sư có thể xem là mật độ luật sư.
m 30
p̂    0,03
Ta có tỷ lệ luật sư quan sát được ở góc phố: n 1000
Theo tỷ lệ quan sát này, ta có khoảng tin cậy của tỷ lệ luật sư trong thành phố với hệ số tin cậy 95%
là:
 ˆˆ  
pq 0,03  0,97 
p   pˆ  z 0,025    0,03  1,96   (0,0194;0,0406)
 n   1000 
Ta có khoảng tin cậy này vượt quá tỷ lệ luật sư thực tế của Wasington là 1/64 = 0,0156.
Như vậy, với hệ số tin cậy 95% thì mật độ luật sư quan sát được ở góc phố là thực sự lớn hơn mật độ
luật sư của thành phố.
7.75. Một nhà khảo sát tin rằng 20% cử tri ủng hộ việc phát hành trái phiếu. Nếu 64 cử tri được lấy
mẫu ngẫu nhiên từ lượng lớn số cử tri trong khu vực thì xác suất xấp xỉ để tỷ lệ cử tri được lấy mẫu
ủng hộ việc phát hành trái phiếu không chênh lệch với tỷ lệ thực tế quá 0,06 là bao nhiêu?
Giải:
Gọi X là số cử tri ủng hộ việc phát hành trái phiếu.
Ta có thể xem X ~ B(n=64;p=0,2)
X
Tỷ lệ cử tri được lấy mẫu ủng hộ việc phát hành trái phiếu là 64
Xác suất để tỷ lệ cử tri được lấy mẫu ủng hộ việc phát hành trái phiếu không chênh lệch với tỷ lệ
thực tế quá 0,06 là:
 
 X   X / 64  0, 2 0,06 
P  0, 2  0,06   P     P  Z  1, 2   2 (1, 2)  0,7699
 64   0, 2  0,8 0,2  0,8 
 
 64 64 
7.76. a. Chứng minh rằng phương sai của Y/n, trong đó Y có phân phối nhị thức với n phép thử và
xác suất thành công là p; có giá trị cực đại tại p = 0,5, với n cố định.
b. Một mẫu ngẫu nhiên gồm n mặt hàng được chọn từ một lô hàng lớn, và số lượng phế phẩm Y
sẽ được quan sát. Giá trị nào của n đảm bảo rằng Y/n sẽ nằm trong vòng 0,1 của tỷ lệ phế phẩm thực
sự, với xác suất 0,95?
Giải:
 Y  p(1  P)
Var   
a. Ta có: n n
p(1  P)
g(p) 
Với n cố định, xét n
Lấy đạo hàm của g(p) ta được
Hàm đạt cực đại khi

đạt cực đại tại p = 0,5
Vậy phương sai của Y/n đạt giá trị cực đại tại p = 0,5
b. Ta có:
 0,1   0,1 
 2    0,95      0, 475   (1,96)
 pq / n
   pq / n 
(1)
Vì không biết p, nên chọn p = 0,5 q = 1-p = 0,5
Thay p,q vào (1),ta được: n = 96,04 Ta được n = 97
7.77 Người quản lý siêu thị muốn có thông tin về tỷ lệ khách hàng không thích chính sách mới về
kiểm tra tiền mặt. Anh ta nên lấy mẫu bao nhiêu khách hàng nếu anh ta muốn phân phối mẫu nằm
trong khoảng 0,15 của tỷ lệ thực sự, với xác suất là 0,98?
Giải:
Gọi Y là số lượng khách hàng không hài lòng với chính sách mới.
Y   Y/np 0,15   0,15   0,15 

P   p  0,15   P     0,98  P  Z    2    0,98
 n  pq / n pq / n  pq / n
      pq / n 
 0,15  0,15
    0, 49   (2,326)   2,326 (2)
 pq / n  pq / n
 
Do không biết p nên ta lấy p = 0,5, thay vào (2), ta được: n = 60,11  Lấy n = 61
7.78. Nếu giám đốc siêu thị (Bài tập 7.77) lấy mẫu n = 50 khách hàng và nếu tỷ lệ thực sự các khách
hàng không thích chính sách xấp xỉ 0,9. Hãy tìm xác suất để tỷ lệ mẫu nằm trong khoảng 0,15 đơn vị
của tỷ lệ thực sự.
Giải:
Y   Y/np 0,15   0,15 

P   p  0,15   P 
 pq / n
   P Z 
   2  3,536   1
 n   pq / n   0,9  0,1 / 50 
7.79. Giả sử rằng một mẫu ngẫu nhiên gồm 25 mặt hàng được chọn từ máy của bài tập 7.72. Nếu
máy đó có 10% phế phẩm, tìm xác suất để mẫu chứa ít nhất hai mặt hàng bị lỗi, bằng cách sử dụng
các phương pháp sau:
a. Tính xấp xỉ chuẩn cho phân phối nhị thức.
b. Bảng nhị thức chính xác.
Giải:
a. Tính xấp xỉ chuẩn cho phân phối nhị thức
P(Y ≥ 2) = P(Y ≥ 1,5) = P(Z ) = P(Z -0.67) = 0,7486

b. Tính chính xác:
25 0 25 25 1 24
P(Y ≥ 2) = 1− P(Y ≤ 1) =  1  C0 .0,1 .0,9  C1 .0,1 .0,9  0,7288
7.80. Độ tuổi trung vị của cư dân Hoa Kỳ là 31 tuổi. Khảo sát ngẫu nhiên 100 cư dân Hoa Kỳ, hỏi
xác suất gần đúng để gặp ít nhất 60 người dưới 31 tuổi?
Giải:
Gọi Y là số công dân dưới 31 tuổi trong mẫu.
Vì 31 là độ tuổi trung vị nên Y sẽ có phân phối nhị thức với n = 100 và p = 1/2. Ta có:
P(Y 60 ) =P(Y 59,5) P(Z ) = P(Z ) = 0,0287
7.81. Kế hoạch lấy mẫu chấp nhận quy định rằng lô 50 mặt hàng được chọn ngẫu nhiên và lô hàng
được chấp nhận nếu có không quá 5 mặt hàng được chọn không phù hợp với thông số kỹ thuật.
a. Xác suất gần đúng mà một lô hàng sẽ được chấp nhận là bao nhiêu nếu tỷ lệ thực sự của các mặt
hàng không phù hợp trong lô là 0,1?
b. Trả lời câu hỏi ở câu (a) nếu tỷ lệ thực sự của các mặt hàng không phù hợp trong lô là 0,2 và 0,3
Giải:
Đặt Y là số mặt hàng không phù hợp trong lô hàng. Ta có: n = 50:
a. Với p = 0,1
Xác suất để lô hàng được chấp nhận:
P(Y 5) = P(Y 5,5) = P(Z ) = P(Z 0,24) = 0,5948

b. Với p = 0,2
P(Y 5) = P(Y 5,5) = P(Z ) = P(Z -1,59) = 0,0559

Với p = 0.3
P(Y 5) = P(Y 5,5) = P(Z ) = P(Z -2.93) = 0,0017
7.82. Chất lượng của đĩa máy tính được đo bằng số lượng xung bị hỏng. Thương hiệu X cho rằng
80% đĩa không có xung bị hỏng. Nếu 100 đĩa của thương hiệu X được kiểm tra, tìm xác suất để
nhiều hơn 15 đĩa có xung bị hỏng.
Giải:
Gọi Y là số đĩa bị hỏng xung. Y có phân phối nhị thức với n = 100 và p = 1 – 0,8 = 0,2
 Y  np 14,5  20 
P(Y  15)  P(Y  14,5)  P     P(Z  1,375)  0,9154
 npq 16
 
7.83. Các phương tiện đi vào từ giao lộ phía đông có khả năng rẽ trái, rẽ phải hoặc đi thẳng như
nhau. Nếu 50 phương tiện đi vào giao lộ này từ phía đông, hãy sử dụng tính xấp xỉ chuẩn với phân
phối nhị thức để tìm chính xác và gần đúng xác suất.
a. 15 hoặc ít hơn 15 xe rẽ phải
b. Có ít nhất hai phần ba xe rẽ cùng hướng
Giải:
a. Gọi Y là số xe rẽ phải. Y ~ B(n=50, p=1/3)
15 x 50 x
1 2
P(Y  15)   C50x .  . 
 Tính chính xác: x 0 3 3 = 0,36897
 Tính xấp xỉ chuẩn:
 50 
 Y-np 15,5  
P(Y  15)  P(Y  15,5)  P   3   P(Z  0,35)  0,36317
 npq 100 
 
 9 
b. Gọi Y số xe rẽ cùng hướng (trái hoặc phải). Y ~ B(n=50, p=2/3)

x 50  x
2 50
2 1
P (Y   50)  P(Y  34)   C x50       0, 48679
Tính chính xác: 3 34 3  3
Tính xấp xỉ chuẩn:

 100 
 Y-np 33,5  
P (Y  34)  P(Y  33,5)  P   3   P( Z  0, 05)  0, 48
 npq 100 
 
 9 
7.84. Giống như chênh lệch giữa hai trung bình mẫu có phân phối chuẩn với các mẫu lớn, sự khác
biệt giữa hai tỉ lệ mẫu. Tức là, nếu Y1 và Y2 là biến ngẫu nhiên độc lập có phân phối nhị thức với các
 Y1   Y2 
  
tham số (n1, p1) và (n2, p2), tương ứng thì  n1   n2  có phân phối xấp xỉ chuẩn với n1 và n2 có giá
trị lớn.
Y Y 
E 1  2 
n n2 
a. Tìm  1
Y Y 
Var  1  2 
b. Tìm  n1 n 2 
Giải:
a.
 Y Y  E (Y1 ) E (Y2 ) n1  p1 n2  p2
E 1  2       p1  p2
 n1 n2  n1 n2 n1 n2
b.
Y Y  1 1 npq n p q pq p q
Var  1  2   2 Var(Y1 )  2 Var(Y2 )  1 12 1  2 22 2  1 1  2 2
 n1 n 2  n1 n2 n1 n2 n1 n2
7.85. Để kiểm tra sự phong phú của số loài cá nhất định trong hai hồ, n = 50 quan sát được lấy dựa
trên kết quả của việc giăng lưới trong mỗi hồ. Đối với mỗi lần quan sát, người thí nghiệm chỉ ghi lại
xem loài mong muốn có hiện diện trong bẫy hay không. Kinh nghiệm trước đây cho thấy loài này
xuất hiện trong các bẫy ở hồ A khoảng 10% thời gian và trong các bẫy ở hồ B khoảng 20% thời gian.
Sử dụng các kết quả này để ước lượng xác suất chênh lệch giữa các tỷ lệ mẫu nằm trong khoảng 0,1
so với các tỷ lệ thực.
Giải:
Gọi Y1 là số lần loài cá xuất hiện ở hồ A. Y1 ~ B(n1; p1=0,1)
Y2 là số lần xuất hiện của loài cá ở hồ B. Y2 ~ B(n2; p2=0,2)

Y1
n1
là tỉ lệ xuất hiện của loài cá ở hồ A
Y2
n2
là tỉ lệ xuất hiện của loài cá ở hồ B
 
 Y1 Y1   0,1 
P    (p1  p 2 )  0,1  P  Z    P  Z  1, 414   2 (1, 414)  0,8426
 n1 n1   0,1  0,9 0, 2  0,8 
  
 50 50 
7.86. Kiểm toán viên lấy mẫu 100 chứng từ đi du lịch của một công ty để xác định tỷ lệ phần trăm
trong toàn bộ bộ chứng từ được ghi chép không đúng. Xác suất gần đúng để hơn 30% chứng từ lấy
mẫu được lập hồ sơ không đúng là bao nhiêu nếu trên thực tế chỉ có 20% tổng số chứng từ lập hồ sơ
không đúng? Nếu bạn bỏ qua kiểm toán viên và che giấu hơn 30% bằng tài liệu không phù hợp, bạn
sẽ kết luận gì về tuyên bố của công ty rằng chỉ có 20% bị sai sót do tính toán không đúng? Tại sao?
Giải:
Gọi X là số phiếu du lịch được ghi chép không đúng.
Khi đó X có phân phối nhị thức với n=100 và p=0,2.
Xác suất để hơn 30% chứng từ ghi chép không đúng là:
 30,5  100  0, 2 
P(X  30)  P(X  31)  P(X  30,5)  P  Z    P(Z  2,625)  0,0043
 100  0, 2  0,8 
Chúng ta kết luận rằng lời tuyên bố có khả năng sai do xác suất xảy ra rất nhỏ.
7.87. Thời gian xử lý đơn đặt hàng tại quầy dịch vụ của một hiệu thuốc có phân phối mũ với trung
bình 10 phút. Nếu 100 khách hàng đến quầy trong khoảng thời gian 2 ngày, thì xác suất để ít nhất
một nửa trong số họ phải chờ trên 10 phút là bao nhiêu?
Giải:
Gọi X là thời gian chờ của một khách hàng.

  10 (phut)
 X có phân phối mũ với
Gọi Y là số khách hàng có thời gian chờ lớn hơn 10 phút.
=> Y có phân phối nhị thức với n=100 và p được cho bởi:
 t
1 
p  P(X  10)   e 10 dt  e 1  0,3679
10
10
Xác suất để ít nhất 1 nửa khách hàng đợi trên 10 phút là:
 49,5  100  0,3679 

P(Y  50)  P  Z    P(Z  2,636)  0,0042
 100  0,3679  0,6321 
7.88 Hiệu suất (tính bằng lumen trên watt) của một loại bóng đèn nhất định có trung bình tổng thể là
9,5 và độ lệch tiêu chuẩn 0,5, theo thông số kỹ thuật sản xuất. Các thông số kỹ thuật cho một phòng
trong đó 8 bóng đèn này được lắp đặt cho hiệu suất trung bình của 8 bóng đèn vượt quá 10. Tìm xác
suất để đáp ứng thông số kỹ thuật này cho căn phòng, giả sử rằng các phép đo hiệu quả có phân phối
chuẩn.
Giải
Vì các phép đo hiệu suất tuân theo phân phối chuẩn với trung bình μ = 9,5 lumen và σ = 0,5 lumen,
và = hiệu suất trung bình của tám bóng đèn tuân theo phân phối chuẩn với trung bình 9,5 lumen
và độ lệch chuẩn 0,5/ .
Vì vậy,
7.89 Tiếp tục bài tập 7.88. Hiệu suất trung bình trên mỗi bóng đèn phải là bao nhiêu nếu thông số kỹ
thuật cho căn phòng được đáp ứng với xác suất xấp xỉ 0,80? (Giả sử rằng độ lệch chuẩn của các phép
đo hiệu suất vẫn ở mức 0,5.)
Giải
Tiếp theo Ex. 7.88, ta cần có
, trong đó μ biểu thị hiệu quả trung bình. Vì vậy,

10  
 z 0,8   z0,2  0,84    10,15
0,5 / 8
7.90 Briggs và King đã phát triển kỹ thuật cấy ghép hạt nhân trong đó hạt nhân của một tế bào từ
một trong những giai đoạn sau của quá trình phát triển phôi thai được cấy ghép vào một hợp tử (một
tế bào đơn bào, trứng đã thụ tinh) để xem liệu nhân có thể hỗ trợ sự phát triển bình thường hay
không. Nếu xác suất để một ca cấy ghép duy nhất từ giai đoạn đầu dạ dày sẽ thành công là 0,65, tìm
xác suất hơn 70 ca cấy ghép trong số 100 ca cấy ghép thành công?
Giải
Gọi Y là số ca cấy ghép thành công. Khi đó, Y có phân phối nhị thức với n = 100 và p = 0,65. Khi
đó, sử dụng giá trị xấp xỉ chuẩn cho nhị thức,
 70,5  100  0,65 

P(Y  70)  P(Y  71)  P(Y  70,5)  P  Z    P(Z  1,153)  0,1245
 100  0,65  0,35 
7.91 Một đại lý bán lẻ ba nhãn hiệu ô tô. Đối với thương hiệu A, lợi nhuận mỗi lần bán hàng của cô
ấy, X có phân phối chuẩn với các tham số ( , ); đối với thương hiệu B, lợi nhuận của cô ấy
trên mỗi lần bán Y có phân phối chuẩn với các tham số ( , ); đối với thương hiệu C, lợi
nhuận trên mỗi lần bán W của cô ấy có phân phối chuẩn với tham số ( , ). Trong năm, hai
phần năm doanh số của đại lý là của thương hiệu A, một phần năm của thương hiệu B và hai phần
năm còn lại của thương hiệu C. Nếu bạn được cung cấp dữ liệu về lợi nhuận cho , ,và
lần bán các nhãn hiệu A, B, C, số lượng U = 0,4 + 0,2 + 0,4 sẽ gần đúng với lợi nhuận
trung bình thực sự trên doanh số bán hàng trong năm. Tìm giá trị trung bình, phương sai và hàm mật
độ xác suất cho U. Giả sử rằng X, Y và W là độc lập
Giải
Vì X , Y và W có phân phối chuẩn, nên , và cũng có phân phối chuẩn. Ngoài ra, do Định
lý 6.3 U tuân theo phân phối chuẩn với:
7.92 Từ hai tổng thể phân phối chuẩn có các giá trị trung bình giống hệt nhau và có độ lệch chuẩn là
6,40 và 7,20, rút ra các mẫu ngẫu nhiên độc lập gồm 64 quan sát. Tìm xác suất để sự khác biệt giữa
giá trị trung bình của các mẫu vượt quá 0,6 về giá trị tuyệt đối.
Giải
 
 
P X  Y  0,6  P Z 

0,6
  P  Z  0, 498   1  2(0, 498)  0,6185
(6, 4  7, 2 ) / 64 
2 2

7.93 Nếu Y có phân phối mũ với trung bình θ, chứng tỏ rằng U = 2Y/θ có phân phối χ2 với df = 2.
GIẢI
Sử dụng phương pháp MGF, MGF cho phân phối mũ với trung bình θ là:
M Y (t)  (1  t) 1, t  1/ 
MGF cho U = 2Y/θ là:
M U (t)  E(e tU )  E(e (2t/ )Y )  M Y (2t / )  (1  2t) 1, t  1 / 2
Đây là MGF cho phân phối Chi-bình phương với 2 bậc tự do.
7.94 Người giám sát nhà máy quan tâm đến việc lập ngân sách chi phí sửa chữa hàng tuần cho một
loại máy nhất định. Hồ sơ trong những năm qua chỉ ra rằng những chi phí sửa chữa này có phân phối
mũ với trung bình 20 cho mỗi máy được nghiên cứu. Gọi Y 1, Y2, ..., Y5 biểu thị chi phí sửa chữa cho
năm máy này trong tuần tới. Tìm số c sao cho

P  5
 c  0,05 Y
i 1 i 
, giả sử rằng các máy hoạt động
độc lập với nhau. [Gợi ý: Sử dụng kết quả cho trong Bài tập 7.93.]
GIẢI
Sử dụng kết quả từ Ex. 7.93, đại lượng 2Y i/20 là Chi-bình phương với df = 2. Hơn nữa, vì Yi là độc
U   i1 2Yi / 20 ~  2 (df  10).
5
lập nên
P  5
Y
i 1 i  

c 
 c  P  10U  c   P  U    0,05
10 
c 2
   0,05 (df  10)  18,307  c  183,07
10
7.95. Hệ số biến thiên (CV) của mẫu các giá trị , ,…., được xác định bởi công thức
CV = / .
Đại lượng này, cho độ lệch chuẩn là tỷ lệ theo trung bình, đôi khi mang lại hiệu quả. Ví dụ, giá trị
= 10 hầu như không có ý nghĩa nếu chúng ta không so sánh với bất cứ thứ gì khác. Nếu quan sát
được là 10 và là 1000 thì lượng biến thiên nhỏ so với kích thước của giá trị trung bình. Tuy
nhiên, nếu quan sát là 10 và là 5 thì lượng biến thiên khá lớn so với kích thước của giá trị
trung bình. Nếu chúng ta đang nghiên cứu độ chính xác (sự thay đổi trong các phép đo lặp lại) của
dụng cụ đo, trường hợp đầu (CV = 10/1000) có thể cung cấp độ chính xác có thể chấp nhận được,
nhưng trường hợp thứ hai (CV = 2) sẽ không được chấp nhận.
Cho , ,…., đại diện cho mẫu ngẫu nhiên kích thước 10 rút từ phân phối chuẩn với giá
trị trung bình 0 và phương sai . Sử dụng các bước sau đây để tìm số c sao cho:
( = 0,95
a. Sử dụng kết quả của bài tập 7.33 để tìm phân phối của (10) /
b. Sử dụng kết quả của bài tập 7.29 để tìm phân phối của /[(10) ]
c. Sử dụng kết quả của câu (b) để tìm hằng số
Bài làm:
a. Vì và theo định nghĩa 2, ta có T = có phân phối t với 9 bậc tự do.
Vì thế, = có phân phối F với 1 bậc tự do tử số và 9 bậc tự

do mẫu số (xem bài tập 7.33)
b. Theo định nghĩa 3, có phân phối F với 9 bậc tự do tử số và 1 bậc tự

do mẫu số bậc tự do (xem bài tập 7.29)
c. Với 9 bậc tự do tử số và 1 bậc tự do bậc tự do mẫu số, = 240,5. Vì vậy,
0,95 = = =
Vì vậy
7.96. Cho , ,…., đại diện cho một mẫu ngẫu nhiên các số đo về tỷ lệ tạp chất trong
các mẫu quặng sắt. Mỗi biến có hàm mật độ xác suất như sau:
Quặng sẽ bị người mua hàng tiềm năng từ chối nếu vượt quá 0,7. Tìm P( ) với kích
thước mẫu là 40.
Bài làm:
Lưu ý rằng có phân phối beta với và Vì vậy, và

. Với định lý giới hạn trung tâm,
 0,7  0,75 
P(Y  0,7)  P  Z    P(Z  1,63)  0,9484
 0,0375 / 40 
(*)7.97. Cho , ,…, là các biến ngẫu nhiên độc lập có phân phối , với 1 bậc tự
n
Y   Xi
do. Định nghĩa Y như sau: i 1
Giống như bài tập 6.59 Y có phân phối với n bậc tự do.
a. Sử dụng biểu diễn trên của Y như là tổng của các X để chứng minh rằng
có phân phối tiệm cận chuẩn.
b. Một máy trong nhà máy thiết bị hạng nặng sản xuất các thanh thép có chiều dài Y, trong đó
là biến ngẫu nhiên có phân phối chuẩn với trung bình là 6 inch và phương sai 0,2. Chi phí C
của việc sửa chữa một thanh thép có chiều dài không chính xác là 6 inch tỷ lệ với bình
phương của sai số và được tính bằng đô la, theo . Nếu 50 thanh
thép có độ dài độc lập được sản xuất trong một ngày cho trước, hãy tính gần đúng xác suất để
tổng chi phí sửa chữa cho ngày đó vượt quá 48 đô la.
Bài làm:
a. Vì là các biến ngẫu nhiên iid có phân phối chi-bình phương với 1 bậc tự do, nếu
, thì và . Nên thoả mãn
điều kiện của định lý giới hạn trung tâm và
b. Vì mỗi có phân phối chuẩn với trung bình là 6 và phương sai là 0,2, chúng ra có:
có phân phối chi bình phương với 50 bậc tự do. Với , gọi là
chi phí cho từng thanh thép. Khi đó, và tổng chi phí là
. Dựa vào bài tập 7.97, ta có
= 0,1587.
(*) 7.98 Giả sử rằng T được xác định như trong Định nghĩa 7.2.
a) Nếu W cố định tại w, thì T được cho bởi Z/c, trong đó c = . Sử dụng ý tưởng này để tìm
mật độ có điều kiện của T với W = w cố định..
b) Tìm mật độ đồng thời của T và W, f(t,w), bằng cách sử dụng f(t w) = f(t|w).f(w)
c) Tích phân từng phần trên w để chứng minh rằng:
 (v 1)/2
   (v  1) / 2   t 2 
f (t)    1   ,   t  
 v(v / 2)  v
Bài làm:
a) Lưu ý rằng vì Z có phân phối chuẩn nên biến ngẫu nhiên cũng có phân phối chuẩn với giá trị
trung bình là 0 và phương sai . Do đó, chúng ta có thể viết mật độ có điều kiện của T
cho trước W = w là
b) Vì W có phân phối chi-bình phương với ν bậc tự do
f(t,w)=f(t⃓
w)f(w)=
c) Tích phân từng phần trên w, chúng ta có
f(t)=
[
Có thể viết cách khác như sau:
f(t)=
Tích phân là mật độ gamma có tham số hình dạng (ν+1)/2 và tham số tỷ lệ là 2/[1+ /ν], vì vậy nó
có tích phân là 1. Do đó, dạng đã cho của f(t) là đúng
(*) 7.99 Giả sử rằng T được xác định như trong Định nghĩa 7.2
a) Nếu là cố định tại w2, khi đó F = W1/c, trong đó c  w 2 v1 / v 2 . Tìm mật độ có điều kiện của
F với W2  w 2 cố định.
b) Tìm mật độ đồng thời của F và .
c) Tích phân từng phần theo biến để chứng minh hàm mật độ xác suất của F, g(y) cho bởi:
g(y) = ,0<y<∞
Bài giải:
a) Tương tự với Ví dụ 7.98. Với cố định, F = / c, trong đó
. Để tìm mật độ có điều kiện của F, lưu ý rằng mgf của là
Hàm mô-men cho F = /c là
(t/c)=
Vì hàm sinh mô-men có dạng hàm sinh mô-men gamma, mật độ có điều kiện của F, với điểu kiện
W2  w 2 , là gamma với tham số hình dạng v1 và tham số tỷ lệ 2v 2 / (w 2 v1 ). .
b. Vì có phân phối chi-bình phương với bậc tự do, mật độ đồng thời là
g(f,
c. Tích phân từng phần theo biến , ta có:
g(f) =
Tích phân có thể liên quan đến mật độ gamma với tham số hình dạng (ν1 + ν2)/2 và tham số tỷ lệ
1
 1  fv1 / v 2  1
2 để tính tích phân. Do đó:
g(f) =
(*) 7.100 Cho X có phân phối Poisson với tham số λ
a. Chứng minh hàm sinh mô-men của Y = (X- λ)/ được cho bởi

m Y (t)  exp e t/ 
 t   
b. Sử dụng khai triển
Để chứng minh
c. Sử dụng Định lý 7.5 để chỉ ra rằng hàm phân phối của Y hội tụ về hàm phân phối chuẩn tắc khi λ
→∞
Bài làm:
Hàm sinh mô-men của X là
a. hàm sinh mô-men của Y = (X- λ)/
b. Sử dụng khai triển đã cho, ta có
 t2 t3 
exp   1/2   
=  2 6 
Khi λ → ∞, tất cả các số hạng sau số hạng đầu tiên trong chuỗi sẽ tiến về 0 vì vậy dạng giới
hạn của hàm sinh mô-men là

c. Vì giới hạn của mgf là mgf của phân phối chuẩn tắc, theo Định lý 7.5 chứng tỏ hàm phân phối của
Y hội tụ về hàm phân phối chuẩn tắc khi λ → ∞.
(*) 7.101 Vì lợi ích của việc kiểm soát ô nhiễm, một nhà thí nghiệm muốn đếm số lượng vi khuẩn
trên một lượng nước nhỏ. Gọi X là số vi khuẩn trên một cm3 nước và giả sử rằng X có phân phối xác
suất Poisson với giá trị trung bình λ = 100. Nếu giá trị cho phép ô nhiễm trong nguồn cung cấp nước
là 110 trên một cm3. Xác suất xấp xỉ bằng bao nhiêu biết rằng X sẽ nhiều nhất là 110. [ Gợi ý: Sử
dụng kết quả trong Bài tập 7.100 (c).]
Bài làm: Sử dụng kết quả trong bài tập 7.100 (c).
* 7.102 Y, số vụ tai nạn mỗi năm tại một giao lộ nhất định, được giả định là phân phối
Poisson. Trong vài năm qua, trung bình có 36 vụ tai nạn mỗi năm xảy ra tại ngã tư. Nếu số vụ tai nạn
mỗi năm ít nhất là 45, một giao lộ có thể đủ điều kiện để được thiết kế lại theo một chương trình
khẩn cấp do nhà nước thiết lập. Xác suất xấp xỉ bao nhiêu biết rằng nút giao lộ được đề cập sẽ nằm
trong chương trình khẩn cấp vào cuối năm
(*) 7.103 Một nhà thí nghiệm đang so sánh hai phương pháp để loại bỏ các vi khuẩn ra trong quá
trình chế biến cho các bữa ăn trưa sang trọng. Sau khi xử lý một số mẫu bằng phương pháp A và các
mẫu giống hệt khác bằng phương pháp B, người thực nghiệm lấy ra từ mỗi mẫu và đếm
số vi khuẩn trong các mẫu này. Gọi X là tổng số mẫu được xử lý bằng phương pháp A và gọi Y là
tổng số mẫu được xử lý bằng phương pháp B. Giả sử rằng X và Y là các biến ngẫu nhiên độc lập có
phân phối Poisson tương ứng với trung bình và 2. Nếu X hơn Y là 10 thì B sẽ được đánh giá
vượt trội hơn A. Giả sử, trên thực tế . Tìm xác suất gần đúng mà B sẽ
được đánh giá vượt trội hơn A.
Giải:
Dựa theo kết quả bài 7.101, X và Y là các biến độc lập, đại lượng
có phân phối chuẩn tắc (xem ví dụ 7.58 áp dụng Poisson). Do đó, xấp xỉ là:
P(X −Y > 10) ≈ P(Z > 1) = .1587.
(*) 7.104 Cho Yn là biến ngẫu nhiên nhị thức với n phép thử và xác suất thành công p. Giả sử rằng, n
tiến về vô cực và p tiến về 0, mà . Sử dụng kết quả từ 7.5 để chứng minh rằng phân
phối của Yn hội tụ với phân phối Poisson với trung bình
Giải:
MGF của Yn được cho bởi
Thế p = λ/n vào công thức, ta có:
Khi ,
 
m Yn (t)  exp e t  1
là MGF của phân phối Poisson với trung bình .
(*) 7.105 Nếu xác suất của một người bị dị ứng thuốc là 0,001, sử dụng kết quả từ Ex. 7.104 tìm xác
suất mà 2 hoặc nhiều hơn những người sẽ bị dị ứng nếu thuốc được đưa cho 1000 người.
Giải:
Gọi Y là số người bị dị ứng thuốc. Khi đó Y là nhị thức với n = 1000 và p = 0,001. Dùng kết quả từ
Ex. 7.104, ta có và có giá trị:
 1 10 1 1 
1
P(Y  2)  1  P(Y  1)  1   e e   0, 2642
 0! 1! 
Sử dụng bảng phân phối Poisson ở phụ lục 3.

Bài Tập Và Bài Giải Chương 1.

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

Bài Tập Và Bài Giải Chương 1.

Uploaded by

Copyright:

Available Formats

7.

Sử dụng applet DiceSample (tại www.thomsonedu.com/statistics/wackerly) để hoàn thành các bước

e. i. trung bình mẫu = 2,667, std. dev mẫu = 1,491/ 12 = 0,4304.

d. Độ lệch chuẩn lý thuyết cho trung bình mẫu là 6.03 / 5 = 2,6967

a.   (6, 03)  36,3609

a. Nếu n = 16, tính xác suất P(| Y − µ| ≤ 0,3)?

b. P(| Y − µ| ≤ 0,3) = P(-0,3 n  Z  0,3 n ) = 1 - 2 P(Z > 0,3 n )

a. P(| Y − µ| ≤ 0,3) = P(-0,15 n  Z  0,15 n ) = 1 - 2 P(Z > 0,15 n )

b. Với n = 25. P(| Y − µ| ≤ 0,3) = 1 – 2P(Z > 0,75) = 0,5468

Với n = 36. P(| Y − µ| ≤ 0,3) = 1 – 2P(Z > 0,9) = 0,6318

Với n = 49. P(| Y − µ| ≤ 0,3) = 1 – 2P(Z > 1,05) = 0,7062

Với n = 64. P(| Y − µ| ≤ 0,3) = 1 – 2P(Z > 1,2) = 0,7698

 0, 25 n  1,645  n  43, 296  44

 P(0,79 n  z  0,79 n )  0,95  2(0,79 n )  0,95

vòng 1 đơn vị so với ( 1  2 ) với xác suất 0,95

(Nhắc lại i 1 có phân phối χ 2 với df = 6)

P [S² ≥ 3] = P [ S² ≥ ] = P[9S² ≥ 27] = 0,0014

P [S² ≥ 0,065] = P [ =P[ ]=

P (a ≤ S2 ≤ b) = P ( S  b) - P( S  a ) = 0,975 – 0,025 = 0,95

7.22 Đề Bài tập Applet

 df = 40:  = 40/2 =20, β = 2

7.23 Đề Bài tập Applet

Giải: Dùng app => P (-2 < T < 2)  1  2  0,05097  0,89806

Giải: P [g1 ≤ ( - µ) ≤ g2] = P ( g1 ≤ T ≤ g2) = 0,9 và df = 8

b. P(Y  6, 23)  0,025  P(Y  6, 23)  0,975

E( )= , nếu v > -2a

ii) Var(T) = E( ) = νE( /Y) = ν/(ν–2), ν > 2

Theo định nghĩa 7.2 và 7.3, ta có: T = Z/ , .

c. Lưu ý rằng giá trị 3 là 

c. Nếu a và b giống như trong phần (a) và (b), tìm

Chứng minh khẳng định mà bạn đưa ra

Chứng minh khẳng định mà bạn đưa ra.

nên theo định lý 6.3, ˆ có phân phối chuẩn với kỳ vọng:

ngẫu nhiên được xây dựng như sau:

d. Mật độ chuẩn xấp xỉ gần đúng với biểu đồ.

a. P( > 14,5) ≈ P (Z > 2,5) = 0,0062.

P(| | ≤ 0,5) = P(-0,5 ≤ - µ≤ 0,5) ≈ P( ≤Z≤ ) = P(-2 ≤ Z ≤

Giải: Gọi là chiều cao trung bình và (bài tập 7.43)

Suy ra, có 153 mẫu lõi khoan nên được lấy.

Xi là tuổi thọ của đèn thứ i, i=1,2,…,25.   50;   4; n  25.

Với Wi  X i  Yi , ta có E(Wi )  E(X i )  E(Yi )  1   2

Nên E( = µ1 - µ2 và Var( =( . Hơn nữa, bởi vì các

Giả sử . Tìm xác xuất để sai số giữa các trung bình

 0,04 n   0,04 n  0,04 n

Mỗi kích thước mẫu ít nhất phải bằng

 n   120   120 / n  2,5 

 120 / n  2,5  120 / n  2,5

Nếu n = 20 và p = 0,1 thì P(1  Y  3)  0,74547; xấp xỉ chuẩn: 0,73645.

. Đối với mỗi kích thước mẫu hãy quan sát

a. Chứng minh rằng 1 khi và chỉ khi n 9(p/q)

a. Ta có: 1 <1 p <q

b. Nếu p = 0,6; ta có:

Nếu p = 0,8; ta có:

Nếu p = 0,2; ta có:

 29,5  23, 4375 

Lấy đạo hàm của g(p) ta được

Hàm đạt cực đại khi

Y   Y/np 0,15   0,15   0,15 

Y   Y/np 0,15   0,15 

P(Y ≥ 2) = P(Y ≥ 1,5) = P(Z ) = P(Z -0.67) = 0,7486

P(Y 5) = P(Y 5,5) = P(Z ) = P(Z 0,24) = 0,5948

P(Y 5) = P(Y 5,5) = P(Z ) = P(Z -1,59) = 0,0559

P(Y 5) = P(Y 5,5) = P(Z ) = P(Z -2.93) = 0,0017

b. Gọi Y số xe rẽ cùng hướng (trái hoặc phải). Y ~ B(n=50, p=2/3)