BÀI TẬP VÀ BÀI GIẢI CHƯƠNG 3

9.1 Trong bài tập 8.8, chúng ta xem xét một mẫu ngẫu nhiên có kích thước 3 từ phân phối mũ có
hàm mật độ được cho bởi:
 1/   e , 0  y,
 y /

f  y  
0, khác

Và xác định rằng 1 1 2  1 2 

ˆ  Y , ˆ  Y  Y / 2, ˆ3   Y1  2Y2  / 3 và ˆ5  Y
là những ước lượng không chệch.
ˆ ˆ ˆ ˆ ˆ ˆ
Tìm hiệu quả tương đối của 1 so với 5 , của  2 so với 5 và của 3 so với  5 .
Đáp án:
Theo bài tập 8.8, phương sai của 4 ước lượng đã được tính như sau:
     
V ˆ1   2 , V ˆ2   2 / 2, V ˆ3  5 2 / 9, V ˆ5   2 / 3  
V  ˆ  V  ˆ   / 3
eff   ,    eff   ,  
2
2 5
ˆ ˆ ˆ ˆ   1/ 3
V  ˆ  V  ˆ 
1 2 1 5
1 1
2

Áp dụng công thức: , ta có: ;

V  ˆ   / 3 V  ˆ   / 3
eff   ,    2 / 3 eff   ,  
2 2
5 5
ˆ ˆ  ˆ ˆ   3/ 5
V  ˆ   / 2 V  ˆ  5 / 9
2 5 2 3 5 2
2 3
;
9.2 Cho Y1 , Y2 ,..., Yn là mẫu ngẫu nhiên từ tổng thể có trung bình  và phương sai  . Xem xét 3
2

ước lượng sau cho  :

1 1 Y  ...  Yn 1 1
ˆ1   Y1  Y2  ˆ 2  Y1  2  Yn
2 ,
4 2  n  2  4
, ˆ 3  Y
a. Chứng minh rằng 3 ước lượng trên là ước lượng không chệch.
b. Tìm hiệu quả tương đối của ̂3 so với ̂2 và ̂1 .
Đáp án:
a. 3 ước lượng trên là không chệch vì:
1 1
E  ˆ1    E  Y1   E  Y2          
2 2

E  ˆ 2    / 4 
 n  2    / 4  
2  n  2
E  ˆ 3   E  Y   
b. Phương sai của 3 ước lượng là:
1 1
V  ˆ1     2   2    2
4 2

V  2    / 16 
ˆ 2  n  2  2
  / 16   / 8 
2 2 2
4  n  2
2
4  n  2
V  ˆ 3    2 / n
 2
 /8
2

V  ˆ 2  4  n  2 n2
eff  ˆ 3 , ˆ 2    
V  ˆ 3  2 /n 8 n  2
Nên: ,
1 2
V  ˆ1  
eff  ˆ 3 , ˆ1    22 n/2
V  ˆ 3   / n

9.3 Cho Y1 , Y2 ,..., Yn biểu thị một mẫu ngẫu nhiên rút từ phân phối đều trên khoảng 
 ,   1
.
1 n
ˆ1  Y  ˆ2  Y n  
Cho: 2 và n 1
ˆ ˆ
a. Chứng minh rằng 1 và  2 đều là các ước lượng không chệch của 
ˆ ˆ
b. Tìm hiệu quả tương đối của 1 so với  2 .
Đáp án:

a.
 
E ˆ1  E  Y   1/ 2    1 / 2  1/ 2  
.
Y n  :Gn ( y )  P Y n   y   P  Y1  y, Y2  y ,..., Yn  y   ( y   ) n
Hàm phân phối của  
dG  y 
Y( n ) : g n  y   n  n y   ,   y   1
n 1

 Hàm mật độ xác suất của dy .

Từ đây có thể dễ dàng tính được:
 1 
 
ˆ  
E  2  E Y n   n / (n  1)    y n  y    dy   n / (n  1)  

n 1

 .
 1 1
n
 y n  y    dy  0 n(t   )t dt  n  1  
n 1 n 1

Lưu ý:
ˆ ˆ
Vậy: 1 và  2 là các ước lượng không chệch của  .

b.
 
V ˆ1  V  Y    2 / n  1 /  12n 
.
Với hàm mật độ trong câu a, ta có:
2
 1 2   1 
 
ˆ  
V  2  V Y n     y n  y    dy     y n  y    dy  

n 1

 
n 1


n
 n  2   n  1
2
.

n
V 2 ˆ
  
n  2   n  1
2
ˆ  ˆ
eff 1 ,  2    
12n 2

Nên:
V ˆ1  
1 / (12n)  n  2   n  1
2

Bài 9.4: Cho Y1, Y2, ..., Yn biểu thị một mẫu ngẫu nhiên cỡ n từ một phân phối đều trên khoảng
ˆ
(0,  ). Nếu Y = min(Y , Y , ..., Y ), kết quả của Bài tập 8.18 là 1 = (n + 1)Y là ước lượng
(1) 1 2 n (1)
ˆ
không chệch cho  . Nếu Y(n) = max(Y1, Y2, ..., Yn), kết quả của Bài tập 9.1 ngụ ý rằng  2 =
[(n+1)/n]Y(n) là một ước lượng không chệch khác của  . Chứng tỏ rằng hiệu quả tương đối của
ˆ1 đối với ˆ2 là 1/n2. Lưu ý rằng điều này ngụ ý rằng ˆ2 là một ước lượng vượt trội rõ rệt.
GIẢI
n
V (ˆ1 )  (n  1) 2 V (Y( n ) )  2
Xem Bài tập 8.18 và 6.74. Theo những bài đó, ta có n2
2
ˆ  n 1 1
V ( 2 )    V (Y( n ) )  2 
Tương tự,  n  n( n  2) đpcm.
Bài 9.5: Giả sử rằng Y1, Y2, ..., Yn là một mẫu ngẫu nhiên từ phân phối chuẩn với trung bình µ và
phương sai  . Hai ước lượng không chệch của  là :
2 2

1 n 1
ˆ1  S 
2 2

n  1 i 1
(Yi Y ) 2 ˆ 22  (Y1  Y2 ) 2
2
và
Tìm hiệu quả tương đối của  1 so với  2
ˆ2 ˆ2
GIẢI
2 4
V ( S 2 )  V (ˆ12 ) 
n  1 . Với ˆ 2 , lưu ý rằng Y1 -Y2 là chuẩn
2
Từ Bài 7.20, ta có S2 không chệch và
(Y1  Y2 ) 2
với giá trị trung bình 0 và phương sai σ2. Vì vậy 2
2
là chi-bình phương với một bậc tự do
và E ( 2 )   , V ( 2 )  2 . Do đó, chúng ta có eff (1 , 2 )  n  1 .
2 2 2 4
ˆ ˆ ˆ ˆ2
2

Bài 9.6: Giả sử rằng Y1, Y2, ..., Yn biểu thị một mẫu ngẫu nhiên có kích thước n từ phân phối
ˆ ˆ
Poisson với trung bình λ. Xét 1  (Y1  Y2 ) / 2 và 2  Y . Tính hiệu quả tương đối của ̂1 so với
̂2
GIẢI
ˆ ˆ
Cả hai ước lượng đều không chệch và V(1 )   / 2 và V( 2 )   / n . Hiệu quả là 2/n.

9.7 Giả sử rằng Y1, Y2, ..., Yn biểu thị một mẫu ngẫu nhiên có kích thước n từ phân phối mũ với
hàm mật độ được cho bởi
(1/  )e  y / , 0  y
f ( y)  
 0, elsewhere
  nY
 1 là ước lượng không chệch của θ với
Trong bài tập 8.19, chúng tôi xác định rằng 1
 
MSE  1   2
. Hãy xem xét ước lượng  2  Y và tìm hiệu quả tương đối của 1 so với  2
  

Giải

Ước lượng 1 là không chệch nên

    
MSE  1  V  1   2

Cũng vậy, 
 Y
2  
là không chệnh cho ( là giá trị trung bình) và
 
V  2   2 / n   2 / n

 
eff  1 ,  2  1/ n
Do đó, chúng ta có

Y1,Y2, ...Yn f  y
(*) 9.8 Cho biểu thị một mẫu ngẫu nhiên từ hàm mật độ xác suất , có tham số 
ˆ
chưa biết. Nếu  là một ước lượng không chệch của  , thì trong các điều kiện rất tổng quát:
 1
   2 ln f  Y   
I      nE   
Var (ˆ)  I    
   2  
, trong đó
(Đây được Cho là bất đẳng thức Cramer-Rao.)
Var (ˆ)  I    ˆ
Nếu , ước lượng  được cho là có hiệu quả.
a. Giả sử rằng   là mật độ chuẩn với trung bình  và phương sai  . Chứng tỏ rằng Y là
f y 2

một ước lượng hiệu quả của  .

b. Bất đẳng thức này cũng đúng đối với các hàm xác suất rời rạc   . Giả sử rằng   là hàm
p y p y

phân phối Poisson với trung bình  . Chứng tỏ rằng Y là một ước lượng hiệu quả của  .

Giải:
 2 ln f  y  1
 2
 , do đó I      / n , vì Var (Y )   2 / n , nên Y
2
a. Không khó để chỉ ra rằng  2

là một ước lượng hiệu quả của  .

 2 ln p  y  y
 2 E  Y /  2   1/ 
. Vì vậy,  
I  /n
  , vì Var (Y )   / n , nên
2
b. Tương tự, và
Y là một ước lượng hiệu quả của λ.

9.9 Bài tập áp dụng Hình 9.1 thu được như thế nào? Truy cập applet PointSingle tại
www.thomsonedu.com/stosystem/wackerly. Applet hàng đầu sẽ tạo ra một chuỗi các phép thử
Bernoulli [ X i  1,0 với  
p 1  p p  0  1  p
, ] với p  0,5 , một kịch bản tương đương với việc
Yn   i 1 X i 
n

tung liên tiếp một đồng xu cân bằng. Cho các số 1 trong n lần thử đầu tiên và
pˆ n  Y / n . Với mỗi n, applet tính pˆ n và vẽ biểu đồ của nó theo giá trị của n.

a. Nếu pn  2 / 5 , giá trị nào của X 6 sẽ cho kết quả p6  p5 ?

ˆ ˆ ˆ
b. Nhấp vào nút “One Trial” một lần. Quan sát đầu tiên của bạn là 0 hoặc 1. Bạn đã nhận được
giá trị nào? Giá trị của p̂1 là bao nhiêu? Nhấp vào nút “One Trial” nhiều lần nữa. Bạn đã mô
ˆ
phỏng bao nhiêu lần phép thử? Bạn đã quan sát giá trị nào của pn ? Có phải giá trị gần bằng 0,5,
giá trị thực của p? Đồ thị có phải là một đường ngang phẳng không? Tại sao có hoặc tại sao
không?
c. Nhấp vào nút “100 Trials” một lần. Bạn quan sát thấy gì? Nhấp vào nút “100 Trials” liên tục
cho đến khi tổng số phép thử là 1000. Biểu đồ bạn thu được có giống với biểu đồ cho trong Hình
9.1 không? Nó giống với đồ thị trong hình 9.1 theo nghĩa nào?
d. Dựa vào mẫu cỡ 1000, giá trị của p̂1000 là bao nhiêu? Giá trị này có phải là những gì bạn mong
đợi để quan sát không?
e. Nhấp vào nút “REset”. Nhấp vào nút “100 Trials” mười lần để tạo một chuỗi giá trị khác cho
p̂ . Bình luận.
Giải
a. X 6  1
b-e. Answers vary.( Câu trả lời khác nhau)
9.10 Bài tập áp dụng. Tham khảo bài tập 9.9. Cuộn xuống phần màn hình có nhãn “Hãy thử các
xác suất khác nhau”. Sử dụng nút có nhãn “p=” ở góc dưới bên phải của hiển thị để thay đổi giá
trị của p thành giá trị khác 0,5
a) Nhấn vào nút “One Trial” một vài lần. Bạn quan sát thấy gì?
b) Nhấn vào nút “100 Trials” một vài lần. Bạn quan sát thấy gì về các giá trị của pˆ n khi số lượng
phép thử trở nên lớn hơn?
Giải
a.-b. Các câu trả lời khác nhau

9.11 Bài tập áp dụng Tham khảo các bài tập 9.9 và 9.10. Làm thế nào để có kết quả của một số
chuỗi các phép thử Bernoulli được vẽ đồng thời? Truy cập vào applet PointbyPoint. Cuộn xuống
cho đến khi bạn có thể xem tất cả sáu nút dưới biểu đồ trên cùng.
a. Không thay đổi giá trị của p so với giá trị đặt trước p = 0,5. Nhấp vào nút “One Trial” một vài
lần để xác minh rằng bạn đang thu được kết quả tương tự như kết quả thu được trong Bài tập 9.9.
Nhấn vào nút “5 Trials” cho đến khi bạn đã tạo được tổng số 50 phép thử, Giá trị của p̂50 mà bạn
thu được khi kết thúc chuỗi 50 phép thử đầu tiên?
b. Nhấp vào nút “New Sequence”. Màu của biểu đồ ban đầu của bạn thay đổi từ đỏ sang màu
xanh lá. Nhấp vào nút “5 Trials” một vài lần. Bạn quan sát thấy gì? Đồ thị có giống với đồ thị bạn
đã quan sát trong phần (a)? Nó giống nhau ở điểm nào?
c) Nhấn vào nút “New Sequence”. Tạo một chuỗi 50 phép thử mới. Lặp lại cho đến khi bạn đã
tạo ra năm chuỗi. Các đường được tạo ra bởi năm chuỗi có giống nhau không? Chúng giống nhau
ở điểm nào?
Giải
a. – b. Các câu trả lời khác nhau
c. Các mô phỏng khác nhau nhưng gần giống nhau ở n = 50

9.12 Bài tập áp dụng Tham khảo bài tập 9.11. Điều gì xảy ra nếu mỗi chuỗi dài hơn? Cuộn
xuống phần màn hình có nhãn "Chuỗi Phép thử Dài hơn".
a. Lặp lại các hướng dẫn trong phần (a) - (c) của Bài tập 9.11.
b. Điều gì sẽ xảy ra nếu p không phải là 0,5? Sử dụng nút ở góc dưới bên phải để thay đổi giá trị
của p. Tạo một số chuỗi phép thử. Bình luận.

a-b. Answers vary. (Câu trả lời khác nhau)

9.13 Bài tập áp dụng Tham khảo các bài tập 9.9 đến 9.12. Truy cập applet Ước lượng Điểm.
a) Chọn một giá trị cho p. Nhấp vào nút “New Sequence” lặp đi lặp lại nhiều lần. Bạn
quan sát thấy gì?
b) Cuộn xuống phần của applet có nhãn “More Trials”. Chọn một giá trị cho p và nhấp
vào nút “New Sequence” lặp đi lặp lại nhiều lần. Bạn sẽ nhận được tối đa 50 dãy, mỗi
dãy dựa trên 1000 phép thử. Độ biến thiên giữa trong số các ước lượng thay đổi như
thế nào khi là một hàm của cỡ mẫu? Điều này được thể hiện như thế nào trong màn
hình mà bạn thu được?
Giải
a) Các dãy khác nhau nhưng ổn định ở n lớn
b) Các dãy khác nhau nhưng ổn định ở n lớn
9.14 Bài tập áp dụng Tham khảo bài tập 9.13. Cuộn xuống phần của applet có nhãn “Trung bình
của dữ liệu chuẩn”. Các giá trị quan sát liên tiếp của một biến ngẫu nhiên chuẩn tắc có thể được
tạo ra và được sử dụng để tính giá trị của trung bình mẫu Yn . Các giá trị liên tiếp này sau đó được
vẽ thành biểu đồ theo cỡ mẫu tương ứng để thu được một “sample path”.
a) Bạn có cho rằng các giá trị của Yn tụ lại xung quanh bất kì giá trị cụ thể nào không?
Đó là giá trị nào?
b) Nếu kết quả của 50 đường mẫu được vẽ biểu đồ, bạn có cho rằng độ biến thiên của
những ước lượng thay đổi như một hàm của cỡ mẫu không?
c) Nhấp vào nút “New Sequence” nhiều lần. Bạn có quan sát những gì bạn đã dự đoán
dựa trên câu trả lời của bạn cho phần (a) và (b) không?
Giải
a) Các giá trị của Yn tụ lại xung quanh trung bình. Giá trị đó là 0.
b) và c) Độ biến thiên của ước lượng giảm theo n
 
9.15 Tham khảo bài tập 9.3. Chứng minh rằng cả 1 và 2 là ước lượng vững cho 
Giải
Tham khảo từ bài tập 9.3, vì cả hai ước lượng đều không chệch và các phương sai tiến về 0
khi n tiến đến vô cùng nên các ước lượng là vững.

2
9.16 từ bài tập 9.5 có phải ̂ 2 là ước lượng vững của σ2 ?
2 4 2
Giải: Ta có Var (ˆ 2 )  2 là hằng số với mọi n. do đó ̂ 2 không phải là ước lượng vững.

9.17 Giả sử rằng X1, X2, …, Xn và Y1, Y2,…,Yn là các mẫu ngẫu nhiên độc lập từ các tổng thể với
2 2
các trung bình µ và µ và các phương sai  1 và  2 . Hãy chỉ ra rằng X  Y là ước lượng vững
1 2
của µ1 − µ2.
Giải: Trong Bài tập 9.2, ta có X và Y lần lượt là các ước lượng vững của µ 1 và µ2. Sử dụng định
lý 9.2, ta có X  Y là ước lượng vững của µ1 - µ2

2 2 2
9.18 Trong Bài tập 9.17, giả sử rằng các tổng thể có phân phối chuẩn với  1   2   .
n n
( Xi− X )2 + ∑ (Yi−Y )2
Chỉ ra rằng ∑ i=1 i=1 là ước lượng vững của σ2 .
2 n−2
S 2p
Giải: Lưu ý rằng ước lượng này là ước lượng phương sai mẫu gộp với n1  n2  n.
S2
Trong Bài tập 8.133 đã chỉ ra rằng p là một ước lượng không chệch. Ta cũng có:
2 2 4 4
Var ( S p )    0
n1  n2  2 n  1 n . Vì vậy đây là một ước lượng vững.

9.19 Cho Y1 , Y2 ,...., Yn biểu thị một mẫu ngẫu nhiên từ hàm mật độ xác suất
 y 1 , 0  y  1
f ( y)  
0, 
trong đó   0 . Chứng tỏ rằng Y là một ước lượng vững của  / (  1)
Trả lời:
Chúng ta có :
  
E (Y )  Var(Y ) 
  1 Và (  2)(  1) 2
(Y có bản phân phối beta với tham số    và   1 )
 
 E (Y )  Var(Y ) 
 1 ; n(  2)(  1) 2
Do đó, các điều kiện được thỏa mãn để Y là một ước lượng vững.

Y
9.20 Nếu Y có phân phối nhị thức với n lần thử và xác suất thành công p, hãy chứng tỏ rằng n
là ước lượng vững của p.
Trả lời
E (Y )  np; Var(Y )  npq
 E (Y n)  p; Var(Y n)  pq / n
Do đó, Y / n là vững vì nó không chệch và phương sai của nó tiến về 0 khi n  .

9.21. Cho Y1, Y2, ..., Yn là mẫu ngẫu nhiên cỡ n từ một tổng thể chuẩn với trung bình µ và

phương sai  . Giả sử rằng n = 2k với k là số nguyên, một ước lượng khả thi cho  là được cho
2 2

bởi
1 k
ˆ 2  
2k i 1
(Y2i  Y2i 1 ) 2

a. Chứng tỏ rằng ˆ là một ước lượng không chệch cho  .

2 2

b. Chứng tỏ rằng ˆ là một ước lượng vững cho  .

2 2

Giải

Lưu ý rằng đây là tổng quát hóa của Bài tập 9.5. Ước lượng ̂ có thể được viết là
2

1  (Y2  Y1 ) 2 (Y4  Y3 ) 2 (Y6  Y5 ) 2 (Yn  Yn 1 ) 2 

ˆ 2      ......  
k 2 2 2 2 

Có k số hạng độc lập trong tổng, mỗi số hạng có giá trị trung bình  và phương sai 2
2 4

2 2 2
a. Từ trên, E (ˆ )  (k ) / k   . Vì vậy, ̂ là một ước lượng không chệch.
2

2 4 2 4
b. Tương tự, Var (ˆ )  k (2 ) / k  2 / k . Vì k  n / 2 nên Var(ˆ ) tiến về 0 với n và ̂
2 2

là một ước lượng vững.

9.22. Tham khảo bài tập 9.21. Giả sử rằng Y1, Y2, ..., Yn là mẫu ngẫu nhiên cỡ n từ một tổng thể

phân phối Poisson với trung bình  . Một lần nữa, giả sử rằng n = 2k với một số nguyên k.
1 k
ˆ
 
2k i 1
(Y2i  Y2i 1 )2
Xem xét

a. Chứng tỏ rằng ̂ là một ước lượng không chệch cho  .

b. Chứng tỏ rằng ̂ là một ước lượng vững cho  .

 Giải

Theo Bài tập 9.21, chúng ta có ước lượng ̂ có thể được viết dưới dạng
ˆ 1  (Y2  Y1 )2 (Y4  Y3 ) 2 (Y6  Y5 ) 2 (Yn  Yn1 ) 2 
     ......  
k 2 2 2 2 

Đối với Yi, Yi – 1, ta có:

E  Yi  Yi 1   E (Y 2 )  2 E (Y ) E (Y )  E (Y 2 ) (   2 )  2 2  (   2 )
2
  i i i 1 i 1
 
2 2 2
Var  Yi  Yi1   Var (Y 2 )  Var (Y 2 ) 2  12 2  8 3
2
  i i 1
 
4 4 4

vì Yi và Yi–1 là độc lập và không âm (phép tính có thể được thực hiện bằng cách sử dụng hàm sinh

momen Poisson).
ˆ
a. Từ trên, E ( )  (k  ) / k   . Vì vậy, ̂ là một ước lượng không chệch của 
Var( ˆ ) < k /k 2 ,trong đó    được xác định ở trên. Vì k = n / 2 nên Var( ˆ )
b. Tương tự,

tiến về 0 với n và ̂ là một ước lượng vững.

9.23. Tham khảo bài tập 9.21. Giả sử rằng Y1, Y2, ..., Yn là một mẫu ngẫu nhiên cỡ n từ một

tổng thể Y mà bốn momen đầu tiên là hữu hạn.

2 3 4
   
Tức là, m1  E (Y )  , m2  E (Y )  , m3  E (Y )  , m4  E (Y )  .

(Lưu ý: Giả định này hợp lệ đối với phân phối chuẩn và Poisson tương ứng trong Bài tập 9.21 và

9.22.) Một lần nữa, giả sử n = 2k với số nguyên k nào đó. Xem xét:
1 k
ˆ 2  
2k i 1
(Y2i  Y2i 1 ) 2

a. Chứng tỏ rằng ̂ là một ước lượng không chệch cho  .

2 2

b. Chứng tỏ rằng ˆ là một ước lượng vững cho  .

2 2

4

c. Tại sao bạn cần giả định rằng m4  E (Yi )   .

Giải

a. Lưu ý rằng đối với i = 1, 2,…, k,

E (Y2i  Y2i 1 )  0, Var (Y2i  Y2i 1 )  2 2  E (Y2i  Y2i 1 ) 2 
 2
Do đó, theo các phương pháp được sử dụng trong Bài tập 9.23, ta có ̂ là một ước lượng không

chệch.
1 k 1
Var (ˆ 2 )  2 
4k i 1
Var[ (Y2 i  Y2 i 1 ) 2
] 
4k
Var[ (Y2  Y1 ) 2 ]
b.

Vì các Yi độc lập và phân phối giống nhau.

2 4
Bây giờ, rõ ràng là V [ (Y2  Y1 ) ]  E[ (Y2  Y1 ) ] , và khi khai triển đại lượng này, chỉ những

momen có bậc 4 trở xuống mới được tham gia.

4
Vì các momen này có giả định là hữu hạn, nên E[ (Y2  Y1 ) ] < 
1
Var (ˆ 2 )  Var[ (Y2  Y1 ) 2 ]  0
và do đó 4k khi n→∞.

c. Đã được giải thích ở phần b

9.24 Cho Y1 , Y2 ,...., Yn là các biễn ngẫu nhiên chuẩn tắc độc lập
n

Y i
2

a. Phân phối của n 1 là gì?

n
1
Wn   Yi 2 Wn
n n1
b. Cho . Vậy có hội tụ theo xác suất đến một hằng số nào đó không? Nếu
vậy, giá trị của hằng số là gì?

Trả lời
n

Y i
2

a. Từ chương 6. n 1 là chi-square với n bậc tự do

1
E (Wn )  1, Var(Wn )   khi n  , Wn  E (Wn )  1
b. Chú ý rằng n theo xác suất.

9.25 Giả sử Y1 , Y2 ,...., Yn là một mẫu ngẫu nhiên có kích thước n rút từ phân phối chuẩn với trung
bình μ và phương sai là 1. Xem quan sát đầu tiên Y 1là ước lượng cho µ.
a. Chứng minh rằng Y 1 là một ước lượng không chệch của µ
P( Y1    1)
b. Tìm
c. Dựa vào định nghĩa của tính vững trong định nghĩa 9.2 và dựa vào kết quả của câu b) Y 1
có phải là ước lượng vững của µ không?
Giải:
Y1 ) =  , nên Y 1là một ước lượng không chệch của µ
a. Vì E(Y 1 ¿
P( Y1    1)  P( 1  Z  1)
b. = 0,6826
c. Không phải là ước lượng vững vì xác suất tính được ở câu b) không hội tụ đến 1 (ở đây n
= 1).
(*) 9.26 Đôi khi tương đối dễ để thiết lập tính vững hoặc không vững bằng cách chứng minh trực
P ( ˆn     ) lim P( ˆn     )  1
tiếp bằng Định nghĩa 9.2, tính trực tiếp và sau đó chỉ ra rằng n  .
Y
Cho 1 2 ,Y , … Y nbiểu thị một mẫu ngẫu nhiên kích thước n có phân phối đều trên khoảng (0, θ ).

Y  max(Y1, Y2 ,..., Yn )
Nếu ( n ) , chúng ta đã chỉ ra trong bài tập 6.74 rằng hàm phân phối xác suất
của Y (n)được cho bởi:
0, y0

F( n ) ( y )  ( y /  )n , 0  y  
1, y 

P( Y( n )     )  P(    Y( n )     )
a. Với mỗi n ≥ 1 và mọi ε > 0, theo đó:
P(    Y( n )     )
Nếu ε > θ, hãy chứng minh rằng =1
=1  
n
P(    Y  )  (   ) / 
và từ đó, với mọi số dương ε < θ ta thu được (n)

b. Sử dụng kết quả từ câu a) chỉ ra rằng Y ( n)là một ước lượng vững cho  bằng cách chỉ ra
ε lim P( Y( n )     )  1
rằng với mọi > 0, n
Giải:
P (    Y( n )     )  F( n ) (   )  F( n ) (   )
a. Ta có:
F( n ) (   )  1 F( n ) (   )  0 P (    Y( n )     )  1
 Nếu ε > ¿ thì và . Do đó
n
  
F( n ) (   )   
F (   )  1   
 Nếu 0     thì ( n ) và
n
  
P (    Y( n )     )  1   
Vì vậy,   
     n 
lim P(    Y( n )     )  lim 1      1,   0.
n  n 

    
b. Kết quả dựa theo
Y(1)
(*) 9.27 Sử dụng phương pháp mô tả trong bài tập 9.26 để chỉ ra rằng, nếu = min ( Y1 , Y2 , ..., Yn
Y
) khi Y1 , Y2 , ..., Yn là các biến ngẫu nhiên độc lập có phân phối đều trên khoảng (0, θ) thì (1)
Y(1)
không là ước lượng vững cho θ. [Gợi ý: Dựa trên các phương pháp của Phần 6.7, có hàm phân
phối:
0, y0

F(1) ( y )  1  (1  y /  ) n , 0  y  
1, y 

Giải
n n
      
   
P Y(1)      P     Y(1)      F(1) (   )  F(1) (   )  1 


    
n
 
lim    0, 0     .
Nhưng n    Do đó, Y(1) không là ước lượng vững.
(*) 9.28 Cho Y1 , Y2 , ..., Yn biểu thị một mẫu ngẫu nhiên có kích thước n từ phân phối Pareto (xem
Y(1)
Bài tập 6.18). Khi đó, các phương pháp của Phần 6.7 ngụ ý rằng = min ( Y1 , Y2 , ..., Yn ) có hàm
phân phối cho bởi:
0, y
F(1) ( y )   n
1  (  / y ) , y  
Y(1)
Sử dụng phương pháp được mô tả trong bài tập 9.26 để chỉ ra rằng là một ước lượng vững
của β.

Giải
n
  
 
P Y(1)      P(     Y(1)     )  F(1) (    )  F(1) (    )  1   
   
,   0
n
  
lim    0,   0
Y(1)
Với  ,   0 cho trước, ta có:
n     
nên là UL vững cho β.

(*) 9.29 Cho Y1 , Y2 , ..., Yn biểu thị một mẫu ngẫu nhiên có kích thước n từ phân phối họ lũy thừa
(xem bài tập 6.17). Khi đó, các phương pháp của Phần 6.7 ngụ ý rằng Y(n) = max ( Y1 , Y2 , ..., Yn )
có hàm phân phối được đưa ra bởi
0, y0

F( n ) ( y )  ( y /  ) n , 0  y  
1, y 


Bài giải
n
  
 
P Y( n )      P(    Y( n )     )  F( n ) (   )  F( n ) (   )  1  
  
 ,   0.
n
  
lim    0,   0
Với α,  > 0 cho trước, ta có:
n 
   nên Y(n) là UL vững cho .

9.30 Cho Y 1 ,Y 2 , … Y n là biến ngẫu nhiên độc lập, mỗi biến có hàm mật độ xác suất như sau:
3 y 2 , 0  y  1
f ( y)  
0, elsewhere
Chứng minh rằng Y hội tụ theo xác suất đến một hằng số nào đó và tìm hằng số này.
Giải
  34  2  35 E (Y )  3 Var(Y )  3
Lưu ý rằng Y là beta với và . Do đó, 4 và (5n)

Do Var(Y )  0 nên Y hội tụ theo xác suất đến 3/4

9.31 Nếu Y1 , Y2 ,...., Yn biểu thị một mẫu ngẫu nhiên từ phân phối Gamma với các tham số α và β,
chứng tỏ rằng Y hội tụ theo xác suất đến một hằng số nào đó và tìm hằng số này.
GIẢI
Vì Ý là giá trị trung bình của các biến ngẫu nhiên độc lập và phân bố giống nhau với phương sai
hữu hạn, Ý là vững và hội tụ theo xác suất đến E (Y )  E (Y )  

9.32 Cho Y1,Y2,…,Yn biểu thị một mẫu ngẫu nhiên từ hàm mật độ xác suất:
2
 , y2
f ( y)   y 2
0, elsewhere

Luật số lớn có áp dụng được cho trường hợp này không? Tại sao có, tại sao không?
GIẢI:
 
2
 y 2 dy   2dy    Var(Y )  
2

Chú ý rằng E(Y2) = 2 y 2 . Vì vậy, luật số lớn không áp dụng được.

9.33 Một nhà thí nghiệm muốn so sánh số lượng vi khuẩn thuộc loại A và B trong các mẫu của
nước. Tổng cộng n mẫu nước độc lập được lấy và việc đếm được thực hiện cho mỗi mẫu. Gọi X i
là số lượng vi khuẩn loại A và Y i là số lượng vi khuẩn loại B ở mẫu nước thứ i. Giả sử rằng hai
loại vi khuẩn phân bố thưa thớt trong một mẫu nước sao cho X 1,X2,…,Xn và Y1,Y2,…,Yn có thể
được coi là các mẫu ngẫu nhiên độc lập có phân phối Poisson tương ứng với trung bình λ 1 và λ2.
Đề xuất ước lượng cho λ1/(λ1+λ2). Ước lượng của bạn có những tính chất gì?
GIẢI
Theo quy luật số lớn, X́ và Ý là các ước lượng vững của λ1 và λ2.
X 1
Do Định lý 9.2, X  Y hội tụ theo xác suất đến 1  2 .
Điều này ngụ ý rằng các giá trị quan sát được của ước lượng sẽ gần với giá trị giới hạn với các cỡ
mẫu lớn, mặc dù phương sai của ước lượng này cũng cần được xem xét.

9.34 Hàm mật độ Rayleigh được đưa ra bởi:

 2 y   y 2 /
 e , y0
f ( y )    
0, elsewhere

Trong Bài tập 6.34 (a), bạn đã thiết lập rằng Y2 có phân phối mũ với trung bình θ. Nếu Y1, Y2, ...,
1 n 2
Wn   Yi
n i 1
Yn biểu thị một mẫu ngẫu nhiên từ phân phối Rayleigh, hãy chứng tỏ rằng là một
ước lượng vững cho θ.
Giải
Tham khảo theo bài tập 6.34, Y2 có phân phối mũ với tham số θ. Do đó, E (Y )   và V (Y )   .
2 2 2

2
V (W ) 
Do đó, E (Wn )   và
n
n . Theo đó, Wn là một ước lượng vững của θ.

2
9.35 Cho Y1, Y2 ... là một dãy các biến ngẫu nhiên với E (Yi )   và V (Yi )   i . Chú ý rằng  i
2

không phải tất cả đều bằng nhau.

a. E ( Ý n ) là gì?
b. V ( Ý n ) là gì?
2
c. Trong điều kiện nào (trên các giá trị  i ) có thể áp dụng định lý 9.1 để chỉ ra rằng Ý n là một
ước lượng vững cho µ?
Giải
 1
E (Yn )  (     ....   )   Ý n
a. n , vì vậy không chệch cho μ.
1 2 1 n
Var (Yn )  ( 1   2 2  ....   2 n )  2   i2
n n i 1
b.
c. Để Ý n là vững, cần có V (Yn )  0 khi n   . Muốn vậy, tất cả các phương sai phải là hữu hạn,

hoặc đơn giản là i

 
max  i2  .

9.36 Giả sử rằng Y có phân phối nhị thức dựa trên n phép thử và xác suất thành công là p. Khi đó
Y
pˆ n 
n là một ước lượng không chệch của p. Sử dụng Định lý 9.3 để chứng minh rằng phân phối
( pˆ n  p )
pˆ n qˆnn
của n hội tụ đến phân phối chuẩn tắc.
[Gợi ý: Viết Y như chúng ta đã làm trong Mục 7.5.]
Giải
Đặt X1, X2,…, Xn là một chuỗi các phép thử Bernoulli với xác suất thành công p. Vì vậy, ta có
pˆ n  p
n
Un 
Y   Xi pq
i 1 . Do đó, theo Định lý Giới hạn Trung tâm n có giới hạn là phân phối chuẩn
tắc. Theo bài tập 9.20, ta có ^pn là vững cho p, vì vậy nó cũng có nghĩa là q^ n là vững cho q, và do
pˆ n qˆn
^pn q^ n Wn  W
đó theo Định lý 9.2 là vững cho pq. Định nghĩa pq ta có n hội tụ theo xác suất
Un pˆ  p
 n
Wn pˆ n qˆ n
đến 1. Theo Định lý 9.3, đại lượng pq hội tụ về một biến chuẩn tắc.

9.37. Cho X 1 , X 2 , , X n là n biến ngẫu nhiên độc lập có cùng phân phối Bernoulli sao cho:
P( X i  1)  p và P ( X i  0)  1  p , với i = 1,2…n .
n

X i
Chứng minh i 1 là thống kê đủ cho p bằng cách sử dụng định lí nhân tử hóa.
Giải:
Hàm hợp lí:
L( x1 , x2 ..., xn p )  f ( x1 , x2 ..., xn p )  f ( x1 p ). f ( x2 p )... f ( xn p )

 p x1 (1  p )1 x1 . p x2 (1  p)1 x2 ... p xn (1  p)1 xn  p  i 1 i .(1  p)  i 1 i

n n
x n x

Theo định lý nhân tử hóa, ta có:

 n 
L( x1, x2 ..., xn p)  g   xi , p  .h( x1, x2 ..., xn )
 i 1 
 n
 xi
n
n   xi
 n 
 g  x , p   p i 1 .(1  p ) i 1
  i 1
i


h( x , x ..., xn )  1
Với:  1 2
 n
 Xi
Vậy dựa trên định lý nhân tử hóa, i 1 là thống kê đủ cho p.
9.38. Cho Y1 , Y2 , , Yn là mẫu ngẫu nhiên được rút từ phân phối chuẩn có giá trị kỳ vọng μ và
phương sai  .
2

a. Nếu không biết μ và biết  , chứng minh rằng Y là thống kê đủ cho μ.

2

 (Y   )
i
2

b. Nếu biết μ và không biết  , chứng minh rằng là thống kê đủ cho 

2 2
i 1
n n

 Yi Y i
2

c. Nếu không biết cả μ và  , chứng minh rằng là thống kê đủ cho μ và  .

2 2
i 1 và i 1 (Từ
n

 (Y  Y )
i
2

hoặc Y và S là thống kê đủ cho μ và  ).

2 2
đó suy ra Y và i 1
Giải:
Hàm mật độ xác suất của phân phối chuẩn có giá trị kỳ vọng μ và phương sai  :
2

( y   )2
1 
f ( y)  .e 2 2 , y  R  ( , )
 2

Hàm hợp lí:

L(  )  L( y1 , y2 ,... yn  )  f ( y1, y2 ,... yn  )  f ( y1  ). f ( y2  )... f ( yn  )
n n
 1 n  1 n  1
 2 ( yi   ) 2  
1
2 i 2 i
n ( y   )2 ( y 2  2  yi   2 )
1   1 
  .e 2   .e
2 i 1
  .e
2 i 1


i 1   2 
   2    2 

 1  n 
 (2 )  n /2 .  n .exp   2   yi2  2n y  n 2  
 2  i 1  
2
a. Khi biết  :

1 n
Y   Yi
n i 1 là thống kê đủ cho  theo Định lý 9.4 với:
Ta có:
 2 n  y  n 2   1 n 2
  2  yi 
 n /2  n
g ( y ,  )  exp  2  , h ( y ,
1 2y ..., y n )  (2 )  .exp
 2    2 i 1 
b. Khi biết μ:
n

 (Y   )
i
2

là thống kê đủ cho  theo Định lý 9.4 với:

2
Ta có: i 1
 n 2  1 n 
 
 n /2
g   ( yi   ) ,    .exp   2  ( yi   ) 2  , h( y1, y2 ..., yn )   2 
2 2  n /2

 i 1   2 i 1 
c. Nếu không biết cả μ,  .
2

n n
U1   Yi , U 2   Yi 2 2
Ta có: i 1 i 1 là thống kê đủ đồng thời cho  ,  theo Định lý 9.4 với:
  n n   1  n n 
 
 n /2  n /2
g   yi ,  yi2 ,  , 2    2 .exp   2   yi 2  2   yi  n 2   , h( y1, y2 ..., yn )   2 
 i 1 i 1   2  i 1 i 1  
2 2
Các thống kê Y , S cũng là các thống kê đủ đồng thời cho  ,  vì chúng có thể được viết theo
U1, U2.

9.39. Cho Y1,Y2,…,Yn là biến ngẫu nhiên được rút từ tổng thể có phân phối Poisson với tham số
n

 . Chứng minh theo điều kiện rằng

Y i
i 1 là thống kê đủ cho  .
Giải:
n
Lưu ý rằng theo tính độc lập, U=∑ Y i có phân phối Poisson với tham số nλ. Do đó, phân phối có
i=1
điều kiện được biểu diễn dưới dạng:
 yi .e     yi e  n
 i1 y !
n

 u i n
P (Y1  y1,..., Yn  yn ) y!
P (Y1  y1 ,..., Yn  yn U  u )   u  n
i
P(U  u ) (n ) .e (n ) .e
u! u!
Chúng ta có y i u
, vì vậy biểu thức trên đơn giản hóa thành:

 u!
 u
P (Y1  y1 ,..., Yn  yn U  u )   n . yi !
; if  yi  u
0; elsewhere

U   i 1 Yi
n

Vì phân phối có điều kiện không có λ, nên thống kê là thống kê đủ cho λ.

9.40. Cho Y1,Y2,…,Yn là biến ngẫu nhiên được rút từ tổng thể có phân phối Rayleigh với tham số
 , chứng minh rằng  i 1Yi là thống kê đủ cho  .
n 2

Giải:
Hàm mật độ xác suất của phân phối Rayleigh với tham số θ được cho bởi:
 2 y   y 2 /
 e , y0
f ( y )    
0, y  0

Hàm hợp lí L(θ) của mẫu được đưa ra bởi
L( )  L  y1 , y2 ,..., yn    f  y1 , y2 ,..., yn    f  y1    f  y2    ...  f  yn  
n n
1 1
  yi 2   yi 2
 2y   2y   2y  2n n n
 n   yi  e  2   yi . e
2 2 2
 i 1  n  i 1
  1  e  y1    2  e y2   ...   n  e  yn  n
          i 1 i 1
n
g (u, )    n eu / , u   yi 2
Thay i 1
n
h  y1 , y2 ,..., yn   2n  yi
Và i 1
Do đó, hàm hợp lí L(  ) được viết dưới dạng tích của hai hàm g( u , ) và  1 2
h y , y ,..., yn 
không
phải là một hàm của  .
n
u   yi 2
Vì vậy, theo tiêu chuẩn nhân tử hóa, i 1 là thống kê đủ cho  .

9.41. Cho Y1,Y2,…,Yn là biến ngẫu nhiên được rút từ tổng thể có phân phối Weibull với tham số
 , chứng minh rằng 
n
Ym
i 1 i là thống kê đủ cho  .
Giải:
Hàm mật độ cho Yi được cho dưới đây:
1 m 1  y m 
 my e , y0
f  x   
 
0, y  0
Khi đó, hàm hợp lí cho mẫu là
n m 1 m 1
 m    1 n   1 n   n 
n n
1
L       my m1e  yi      yi  exp    yim     n exp    yim   m n   yi 
m


i 1  
       i 1    i 1    i 1   i 1 
n
u   yi m
n
g (u ,  )   n
exp(u /  ), where u   y m
i
Vì i 1 chỉ là một hàm của i 1 và  ,
m 1
n  n
h( y )  m   yi 
và  i 1  không phải là một hàm của  , theo tiêu chuẩn nhân tử hóa,
n
 Yi m
i 1 là một thống kê đủ cho  .

9.42. Cho Y1,Y2,…,Yn là biến ngẫu nhiên được rút từ tổng thể có phân phối hình học với tham số
p, chứng minh rằng Y là thống kê đủ cho p.
Giải:
 p(1  p) y 1 ; y  1, 2,...; 0  p  1
P( y)  
Ta có: 0, Otherwise
Hàm hợp lí L(p) của mẫu được cho bởi:
L( p )  L( y1 , y2 ,..., yn p)  f ( y1 , y2 ,..., yn p)
n n
 
  P ( yi p )    p 1  p ) yi 1   p n (1  p )  i 1 i  p n (1  p ) nY n
n
y n

i 1 i 1
 
g ( y , p)  p n (1  p )nY n và h( y1 , y2 ,..., yn )  1  Y là thống kê đủ cho p.
Lấy

9.43. Cho Y1,Y2,…,Yn là biến ngẫu nhiên độc lập và có phân phối giống nhau được rút từ tổng thể
có phân phối họ mũ với các tham số  , . Theo kết quả của bài 6.17, nếu  ,  0 ,
 y 1 /   ; 0  y  
f ( y  , )  
0; elsewhere

n
Y
Nếu biết  , chứng mình rằng i 1 i là thống kê đủ cho  .
Giải:
Với  cho trước, ta có:
n  1
n
 yi 1     n 
n
L( )  L( y1, y2 ,..., yn  )  f ( y1, y2 ,..., yn  )   f ( yi  )          yi 
i 1 i 1      i 1 
n
g (u ,  )   n  n u 1 , where u   yi
Lấy i 1 và h( y1 , y2 ,..., yn )  1

=> 
n
Y
i 1 i là thống kê đủ cho  .

9.44. Cho Y1,Y2,…,Yn là biến ngẫu nhiên độc lập và có phân phối giống nhau được rút từ tổng thể
có phân phối Pareto với các tham số  ,  . Theo kết quả của bài 6.18, nếu  ,   0 ,
  y  ( 1) ; y  
f (y ,  )  
0; elsewhere

n
Y
Nếu biết  , chứng mình rằng i 1 i là thống kê đủ cho  .
Giải:
Hàm hợp lí L( ) của mẫu được cho bởi:
 ( 1)
n n  n 
L( )  L( y1, y2 ,..., yn  )  f ( y1, y2 ,..., yn  )   f ( yi  )     yi ( 1) 
 
n
  n
  yi 
i 1 i 1  i 1 
n
g (u,  )  (  ) n  u  ( 1) , where u   yi
Khi cho trước β, ta có: i 1 và h( y1 , y2 ,..., yn )  1

=> 
n
Y
i 1 i là thống kê đủ cho  .

9.45. Giả sử rằng Y1,Y2,…,Yn là một mẫu ngẫu nhiên từ một hàm mật độ xác suất theo họ phân
phối mũ (một tham số):
a ( )b( y )e [c ( ) d ( y )] , a  y  b
f (y )  
0, elsewhere
n
 d (Yi )
Trong đó a và b không phụ thuộc vào . Chứng minh rằng i 1 là thống kê đủ cho θ.
Giải:
n n  n   n 
i 1 i 1
 
L( )   f ( yi  )   a ( )b( yi )e [c ( ) d ( yi )]  [a( )]n  b( yi )  exp  c( )  d ( yi ) 
 i 1   i 1 
n
U   d (Yi )
Do đó, i 1 là đủ cho  , vì theo Định lý 9.4: L( )  g (u, ).h( y ),
n n
g (u , )  [a( )]n exp  c( )u  ; with u   d ( yi ); h( y )   b( yi ).
Trong đó: i 1 i 1

9.46. Cho Y1,Y2,…,Yn là mẫu ngẫu nhiên được rút từ tổng thể có phân phối mũ với trung bình  .
f (y )
Chứng minh rằng có thuộc họ mũ và Y là thống kê đủ cho  .
Giải:
 1 y
 e  , ( y  0)
f (y )  

Hàm mật độ xác suất của phân phối mũ là: 0, (elsewwhere)
Phân phối mũ là dạng họ mũ do a (  )  c(  )  1/  , b( y )  1, d ( y )  y.
n

Y i _
Do đó theo Bài tập 9.45, i 1 là thống kê đủ cho β và Y cũng vậy.

9.47. Tham khảo bài tập 9.43. Cho biết θ, thống kê đủ cho  là gì. Điều này có mâu thuẫn với
câu trả lời của bạn ở bài tập 9.43 không?
Giải:
Cho Y1,Y2,....,Yn là kích thước mẫu ngẫu nhiên từ phân phối mũ với 2 tham số α và θ.
Hàm mật độ xác suất được cho là:
 y 1 /   , (0  y   )
f ( y  , )  
0, (elsewhere)
f ( y  )    exp  (1   ) ln y 
Khi cho trước , ta có thể viết hàm mật độ thành:
Đây là dạng hàm mật độ họ mũ 1 tham số, với:
a ( )   .  , b( y )  1, c ( )  1   , d ( y )  ln y
n
 n 
 ln(Yi )  ln   Yi 
 i 1 
Vì vậy, ta có thống kê đủ của α là i 1

Ta nhận được kết quả không mẫu thuẫn với Bài tập 9.43 (vì hàm ln x là hàm 1 – 1 với x)

9.48. Tham khảo bài tập 9.44. Cho biết  , thống kê đủ cho  là gì. Điều này có mâu thuẫn với
câu trả lời của bạn ở bài tập 9.44 không?
Giải:

Hàm mật độ xác suất:

  y  ( 1) ; y  
f (y ,  )  
0; elsewhere
f ( y  )    exp  (  1) ln y 
Khi cho trước β, ta có thể viết hàm mật độ thành:
Đây là dạng hàm mật độ họ mũ 1 tham số, với:
a ( )   .  , b( y )  1, c( )    1, d ( y )  ln y
n
 n 
 ln(Yi )  ln   Yi 
 i 1 
Và thống kê đủ cho α là i 1

Ta nhận được kết quả không mẫu thuẫn với Bài tập 9.44 (vì hàm ln x là hàm 1 – 1 với x)

(*) 9.49. Cho Y1,Y2,…,Yn là mẫu ngẫu nhiên được rút từ tổng thể có phân phối đều trên khoảng
 0,  . Chứng minh rằng Y(n) = max(Y1,Y2,…,Yn) là thống kê đủ của 
.
Giải:
 0,  là:
Ta có hàm mật độ xác suất của phân phối đều trên khoảng
 1
 ; 0  y  1
f ( y  )    f ( y  )  I[0, ] ( y )
0; otherwise 

1, y  [0,  ]
I[0, ] ( y )  
Trong đó: 0, y  [0,  ] là hàm chỉ số của tập hợp [0, ] .
Ta có hàm hợp lí:
n n
1 1 n 1
L( )  L( y1 , y2 ,..., yn  )   f ( yi  )   I[0, ] ( yi )  n  I[0, ] ( yi )  n I[0, ] ( y( n ) )
i 1 i 1   i 1 
1
g ( y( n ) ,  )  n .I[0, ] ( y( n ) )
Lấy  và h( y1 , y2 ,..., yn )  1
=> Y(n) = max(Y1,Y2,...,Yn) là thống kê đủ cho  .
(Bài toán này cũng có thể giải bằng cách dùng định nghĩa phân phối có điều kiện của thống kê
đủ).

(*) 9.50. Cho Y1,Y2,…,Yn là mẫu ngẫu nhiên được rút từ tổng thể có phân phối đều trên khoảng
 1 , 2  . Chứng minh rằng Y(1) = min(Y1,Y2,…,Yn) và Y(n) = max(Y1,Y2,…,Yn) là thống kê đủ của
1 ,  2
.
Giải:
 1 , 2  là:
Ta có hàm mật độ xác suất của phân phối đều trên khoảng
 1
 ; 1  y   2 1
f ( y 1 , 2 )   2  1  f ( y 1 , 2 )  I[ , ] ( y ).
0; Otherwise  2  1 1 2


Dùng lập luận như trong bài tập 9.49, ta có hàm hợp lí:
n n n
1 1 1
L(1 , 2 )   f ( yi 1 ,  2 )   I[1 ,2 ] ( yi )   I[1 ,2 ] ( yi )  I[ , ] ( y(1) ).I[1 ,2 ] ( y( n ) )
i 1 i 1 ( 2  1 ) ( 2  1 ) i 1
n
( 2  1 ) n 1 2
1

g y(1) , y( n ) ,1, 2 
 


.I ( y ).I (y )
n [1 ,2 ] (1) [1 , 2 ] ( n )
Lấy ( 2 1 ) và h( y1 , y2 ,..., yn )  1
=> Y(1) = min(Y1,Y2,...,Yn) và Y(n) = max(Y1,Y2,...,Yn) là thống kê đủ cho 1 , 2 .

(*) 9.51. Cho Y1 , Y2 ,..., Yn là một mẫu ngẫu nhiên được rút từ hàm mật độ xác suất:
e  ( y  ) ; y  
f (y |)  
0; elsewhere
Y  min(Y1 , Y2 ,..., Yn )
Chứng minh rằng: (1) là thống kê đủ cho 
Giải:
f ( y |  )  exp  ( y   )  .I[ , ) ( y )
Dùng hàm chỉ số, ta có hàm mật độ:
n n  n  n
L( )   f ( yi  )   exp  ( yi   )  .I[ , ) ( yi )  exp    yi  n  . I[ , ) ( yi )
i 1 i 1  i 1  i 1
 n 
 exp   yi  n  .I[ , ) ( y(1) )
 i 1 
  n 
g ( y(1) , )  exp( n ).I[ , ) ( y(1) ), h( y )  exp    yi 
Định lý 9.4 được thỏa mãn với  i 1 
Y  min(Y1 , Y2 ,..., Yn )
Vì vậy (1) là thống kê đủ cho 
(*) 9.52. Cho Y1 , Y2 ,..., Yn là một mẫu ngẫu nhiên đuợc rút từ hàm mật độ xác suất:
3y2
 ; 0  y 
f (y )   3
0; elsewhere

Y  max(Y1 , Y2 ,..., Yn )
Chứng tỏ rằng: ( n ) là đủ cho 
Giải:
3y2
f ( y |  )  3 .I[0, ] ( y )
Dùng hàm chỉ số, ta có hàm mật độ: 
n n

n n
3 yi2
n
3  yi2 n 3n
 yi2
L( )   f ( yi  )   3
.I[0, ] ( yi )  i 1
3n  I[0, ] ( yi )  i 1
3n
I[0, ] ( y( n) )
i 1 i 1   i 1 
n
g ( y( n ) ,  )   3n
.I[0, ] ( y( n) ), h( y )  3 n
 yi2
Định lý 9.4 được thỏa mãn với i 1
Y  max(Y1, Y2 ,..., Yn )
Vì vậy ( n ) là thống kê đủ cho 

(*) 9.53. Cho Y1, Y2, ..., Yn là một mẫu ngẫu nhiên từ tổng thể có hàm mật độ
 2 2
 ,   y
f  y     y3
0, elsewhere

Chứng minh rằng Y(1) = min(Y1, Y2, ..., Yn) là một thống kê đủ cho tham số 
Giải:
2 2
f ( y |  )  3 .I ( , ) ( y )
Dùng hàm chỉ số, ta có hàm mật độ: y
2 2 n 2n  3  
n n n n
L( )   f ( yi  )   . I ( ,  ) ( yi )  2    yi   I ( ,  ) ( yi ) 
i 1 i 1 yi3  i 1  i 1 
 n 
 2n  2 n   yi3  I ( , ) ( y(1) )
 i 1 
n
g ( y(1) , )   2n .I ( , ) ( y(1) ), h( y )  2n  yi3
Định lý 9.4 được thỏa mãn với i 1

Vậy Y(1)= min(Y1, Y2, ...,Yn) là một thống kê đủ cho tham số  .

(*) 9.54. Cho Y1, Y2, ...,Yn là các biến ngẫu nhiên độc lập và có phân phối như nhau được rút từ
phân phối họ mũ với các tham số  và  . Khi đó, như trong bài tập 9.43, nếu  ,  0
 y 1 /   , 0  y  
f  y  ,   
0, elsewhere
 n

Y i
Chứng minh rằng max(Y1, Y2, ...,Yn) và i 1 là thống kê đủ đồng thời cho  và 
Giải:
f ( y |  , )    y 1.I[0, ] ( y )
Dùng hàm chỉ số, ta có hàm mật độ:

Ta có hàm hợp lí:

 1
n n  n   n 
L   ,    f  yi  ,     
  yi 1.I[0, ] ( yi )   n  n   yi  .   I[0, ] ( yi ) 
i 1 i 1  i 1   i 1 
 1
 n 
  yi  .I[0, ] ( y( n ) )
n  n
 
 i 1 
Định lý 9.4 được thỏa mãn với
 1
 n  n  n 
n 
g   yi , y n  ,  ,       yi  .I[0, ] ( y( n ) ); h  y   1
 i 1   i 1 
 n 
  Yi , Y( n ) 
 i 1  đồng thời là thống kê đủ cho  và 
Vậy .

(*) 9.55. Cho Y1, Y2, ...,Yn là các biến ngẫu nhiên độc lập và phân phối giống nhau được rút từ
một phân phối Pareto với các tham số α và β. Khi đó, như bài tập 9.44, nếu α, β > 0,
  y  ( 1) , y  
f (y ,)  
0, elsewhere
n

Y i
Chứng minh rằng i 1 và min(Y1, Y2  , Yn ) là thống kê đủ đồng thời cho α và β.
Giải:
f ( y |  ,  )    y  ( 1) .I[  , ) ( y )
Dùng hàm chỉ số, ta có hàm mật độ:
 ( 1)
n n  n  n
L( ,  )   f ( yi  ,  )      yi ( 1) .I[  , ) ( yi )   n
 n
  yi  . I[  , ) ( yi )
i 1 i 1  i 1  i 1
 ( 1)
 n 
     yi 
n n
.I[  , ) ( y(1) )
 i 1 
Định lý 9.4 được thỏa mãn với
 ( 1)
 n  n n 
n 
g   yi , y 1 ,  ,        yi  .I[  , ) ( y(1) ); h  y   1
 i 1   i 1 
 n 
  Yi , Y(1) 
 i 1  đồng thời là thống kê đủ cho α và β.
Vậy

9.56 Tham khảo bài tập 9.38 (b). Tìm MVUE của σ 2 .
Giải
n
Trong ví dụ 9.38 (b), ta đã chỉ ra rằng ∑ ( y i−μ)2là đủ cho σ 2. Vì đại lượng
i=1
 n
1
σ^ 2= ∑ ( y i−μ)2 không chệch và là một hàm của thống kê đủ, nó là MVUE của σ 2
n i=1

9.57 Tham khảo bài tập 9.18. Ước lượng của σ 2 đã cho có MVUE của σ 2 không?
Giải
S2X +S 2Y 2
Lưu ý rằng ước lượng có thể được viết là σ^ =
2
n n
1 1
Trong đó S2X = ∑ ( X − X́ )2, S2Y = n−1 ∑ (Y i −Ý )2.
n−1 i=1 i i=1

Vì cả hai ước lượng này là MVUE cho σ 2 (xem Ví dụ 9.8) và E ( σ^ 2) =σ 2 , nên σ^ 2 là MVUE cho σ 2

n
9.58 Tham khảo bài tập 9.40. Sử dụng ∑ Y 2i để tìm MVUE của θ .
i=1

Giải
n
1
Từ Bài tập 9.34 và 9.40,∑ Y 2i là đủ cho θ và E(Y 2) = θ . Do đó, MVUE là θ=
^ Y 2i
i=1 n

9.59 Số sự cố Y mỗi ngày đối với một máy nhất định là một biến ngẫu nhiên Poisson với trung
bình là λ. Chi phí hàng ngày để sửa chữa những sự cố này được cho bởi C = 3 Y 2. Nếu Y 1,Y 2,…,Y n
biểu thị số lượng sự cố quan sát được cho n ngày được chọn độc lập, tìm MVUE đối với E(C)
Giải
2
Lưu ý rằng E ( C )=E ( 3 Y 2 )=3 E ( Y 2 )=3 [ V ( Y ) + ( E ( Y ) ) ]=3 ( λ+ λ2 ) . Bây giờ, từ bài tập 9.39, ta đã xác
n
định rằng ∑ Y i là đủ cho λ , vì vậy nếu có thể tìm thấy ước lượng không chệch cho 3( λ+ λ2 ) và
i=1
n
một hàm của thống kê đủ, nó là MVUE. Lưu ý rằng ∑ Y i là Poisson với tham số nλ, vì vậy
i=1
2 λ
E ( Ý 2 )=V ( Ý ) +[ E ( Ý ) ] = + λ2và E ( Ý /n ) =λ/n
n

Bởi vì λ 2=E ( Ý 2 )−E ( Ýn )=E(Ý − Ýn ) nên MVUE cho 3(λ + λ ) là
2 2

1
3 [ Ý −Ý /n+ Ý ]=3[ Ý + Ý ( 1− ) ]
2 2
n

9.60 Cho Y1, Y2, ..., Yn biểu thị một mẫu ngẫu nhiên từ hàm mật độ xác suất
θ−1
f ( y|θ )= θ y , 0< y <1 , θ>0
{ 0 , khác
n
a. Chứng tỏ rằng hàm mật độ này thuộc họ mũ (một tham số) và ∑ −ln(Y i ¿ )¿ là đủ cho θ
i=1

(xem bài tập 9.45)

1
b. Nếu W i =−ln(Y i ) chứng minh rằng W i có hàm phân phối mũ với giá trị trung bình
θ
n
c. Sử dụng các phương pháp tương tự như trong Ví dụ 9.10 chỉ ra rằng 2 θ ∑ W i có phân
i=1

phối  với df = 2n.

2
 1 1
d. Chỉ ra rằng
E
( n
2 θ∑ W i
i=1
)
=
2 ( n−1 ) [Gợi ý: Nhớ lại bài tập 4.112]

e. MVUE cho θ là gì?

Giải
a. Mật độ có thể được biểu thị bằng f ( y|θ )=θ exp ¿ ¿. Như vậy, mật độ có dạng mũ và
n

∑ −ln ( Y i ) là đủ cho θ
i=1

b. Đặt W =−lnY . Hàm phân phối cho W là:

F W ( w )=P ( W ≤ w ) =P (−lnY ≤ w )=1−P ( lnY ≤−w )


 1  P Y  e w  ¿ 1−∫ y
−w
e
θ−1
dy =1−e−w , w> 0
0
1
Đây là hàm phân phối mũ với giá trị trung bình
θ
c. Đối với phép biến đổi U =2θW , hàm phân phối cho U là
−u
u u
F U ( u ) =P ( U ≤ u )=P ( 2θW ≤ u )=P W ≤
2θ
=F W
2θ (
=1−e 2 ; u> 0 ) ( )
Lưu ý rằng đây là phân phối mũ với trung bình 2, nhưng phân phối này tương đương với
phân phối CHI-bình phương với 2 bậc tự do. Do đó theo tính chất của các biến CHI-bình
n
phương độc lập, 2 θ ∑ W i có phân phối CHI – bình phương với 2n bậc tự do.
i=1

d. Từ bài tập 4.112, biểu thức cho giá trị kỳ vọng của nghịch đảo một biến CHI bình phương
1 1
được đưa ra. Theo đó, ta có:
E
( n
2 θ∑ W i
i=1
)
=
2(n−1)

n−1 n−1
n
= n
e. Theo câu d)
∑ W i ∑ −ln Y i là không chênh và do đó nó là MVUE cho
θ.
i=1 i=1

9.61 Tham khảo Bài tập 9.49. Sử dụng Y (n) để tìm MVUE của θ (xem ví dụ 9.1)
Giải
n n+1
Ta đã chứng rằng Y (n)là đủ cho θ và E(Y (n) )=( )θ . Do đó ( )Y (n) là MVUE cho θ
n+ 1 n

9.62 Tham khảo bài tập 9.51. Tìm một hàm của Y (1 ) là MVUE cho θ .
Giải
∞ ∞
−n ( y−θ ) 1
Tính E ( Y ( 1) )=∫ ny e dy =∫ n ( u+θ ) e−nu du=θ+ .
θ 0 n
1
Y(1) 
Do đó: n là MVUE cho .
9.63 Cho Y 1 ,Y 2 , … , Y nlà mẫu ngẫu nhiên từ tổng thể với hàm mật độ như sau:
3 y2

{
f ( y │ θ)= θ3 , 0 ≤ y ≤ θ
0 , còn lại

Trong bài tập 9.52 bạn đã tìm được Y (n)=max ⁡¿ ) thì đủ cho θ
a. Chứng minh rằng Y (n) có hàm mật độ xác suất:
3 n y 3 n−1
f (n) ( y │θ)=
{θ3 n
, 0≤ y ≤θ
0 , còn lại

b. Tìm MVUE của θ

Bài làm:
a. Hàm phân phối xác suất cho Y là F ( y )= y 3 /θ 3, 0 ≤ y ≤ θ. Vì vậy, hàm mật độ xác suất cho
Y (n) là f (n ) ( y )=n ¿
3n 3 n+1
b. Từ câu a) có thể tìm được E ( Y ( n) ) = θ . Vì Y (n) là đủ cho θ , Y (n ) là MVUE của θ
3 n+1 3n

9.64 Cho Y 1 ,Y 2 , … , Y nlà mẫu ngẫu nhiên có phân phối chuẩn với giá trị trung bình μ và phương
sai bằng 1.
a. Chứng minh rằng MVUE của μ2 là ^μ2=Ý 2−1/n
b. Từ đó suy ra phương sai của ^μ2

Bài làm:
a. Từ bài tập 9.38, Ý làđủ cho μ. Vì vậy, khi σ =1, Ý có phân phối chuẩn với giá trị trung bình
μ và phương sai 1/n. Do đó, E ( Ý 2 )=V ( Ý ) + ¿. Vậy MVUE của μ2 là Ý 2−1 /n .
1 3 6 μ2 4
2
(
b. V Ý −
n)=V ( Ý )2=E ( Ý 4 )−¿ . Có thể thấy E ( Ý 4 )= 2 +
n n
+ μ (hàm sinh moment của Ý có

thể được sử dụng) vì vậy

2
1 3 6 μ2 4 1 2 2+ 4 n μ2
( 2
n n )
V Ý − = 2 +
n
+μ − +μ =
n n
2 [ ].

(*) 9.65 Trong bài tập này, chúng ta mô tả việc sử dụng trực tiếp định lý Rao-Blackwell. Cho
Y 1 ,Y 2 , … , Y nlà biến ngẫu nhiên Bernoulli độc lập với
p( y i|p )= p yi ¿
Tức là, P ( Y i=1 ) =p và P ( Y i=0 )=1− p . Tìm MVUE của p(1− p), là phương sai của Y i hay
n
W =∑ Y i, theo những bước sau:
i=1

a. Đặt T = {1, nếu0Y, còn

1 =1 vàY =0
lại
2

Chứng minh E ( T )= p(1− p)

 b. Chứng minh rằng:
w ( n−w )
P ( T =1|W =w )=
n ( n−1 )
c. Chứng minh rằng:
n W W n
E ( T|W )=
n−1 n [ ( )]
1−
n
=
n−1
Ý ( 1−Ý )

Và do đó nÝ (1−Ý )/(n−1)là MVUE của p(1− p)

Bài làm:
a. E ( T )=P (T =1 ) =P ( Y 1=1 ,Y 2 =0 )=P ( Y 1 =1 ) P ( Y 2=0 )= p (1− p)
n

b.
P ( T =1|W =w )=
P ( Y 1=1 ,Y 2=0 , W =w )
=
(
P Y 1=1 , Y 2=0 , ∑ Y i=w−1
i=3
)
P (W =w) P (W =w)
¿ P¿¿
W n−W n W W
c. E ( T|W )=P ( T =1|W )= (
n n−1
= )( ) (
n−1 n
1−
n )
. Vì T là ước lượng không chệch theo câu

n Ý ( 1−Ý )
a) và W là đủ cho p và do đó cũng là đủ cho p ( 1− p ) , nên là MVUE của p(1− p).
n−1

(*) 9.66 Hàm hợp lý L (y1, y2,..., Yn | θ) nhận các giá trị khác nhau phụ thuộc vào đối số (y1,y2,..., yn).
Một phương pháp để thu được một thống kê đủ tối thiểu được phát triển bởi Lehmann và Scheffé sử
dụng tỷ lệ hợp lý xảy ra được đánh giá tại hai điểm, (x1, x2,..., Xn) và (y1, y2,..., yn):
L( x1 , x2 , … , x n ∣⍬)
L( y 1 , y 2 , … , y n ∣⍬)
Nhiều khi có thể tìm thấy một hàm g( x 1 , x 2 , … , x n) sao cho tỷ lệ này không có tham số chưa biết θ khi
và chỉ khi g( x 1 , x 2 , … , x n) = g( y 1 , y 2 , … , y n). Nếu một hàm g như vậy có thể được xác định, khi đó g(
y 1 , y 2 , … , y n) là một thống kê đủ tối thiểu cho θ.
a. Cho Y1, Y2,..., Yn là một mẫu ngẫu nhiên từ phân phối Bernoulli (xem Ví dụ 9.6 và Bài
tập 9.65) với p chưa biết.
i. Chứng minh rằng:
x1 , x2 , … , xn ∣ ⍬) p ∑ x −∑ y
( )
i i

=
y1 , y2 , … , yn ∣ ⍬) 1− p
ii. Lập luận rằng để tỷ số này độc lập với p, chúng ta phải có
n n n
x i−∑ y i=0 hoặc ∑ x i=∑ y i
i=1 i =1 i=1

iii. Sử dụng phương pháp của Lehmann và Scheffé, một thống kê đủ tối thiểu cho p là gì? Làm
thế nào để so sánh thống kê đủ này với thống kê đủ được rút ra trong Ví dụ 9.6 bằng cách sử dụng
tiêu chí nhân tử hóa?
b. Xem xét mật độ Weibull được thảo luận trong Ví dụ 9.7.
i. Chứng minh rằng
L ( x1 , x2 , … , xn ∣ ⍬) n n

L( y1 , y2 , … , yn ∣ ⍬) (
=
x1 x2 … xn
y1 y2 … yn)exp
[ (
−1
⍬ ∑ xi2−∑ y i2
i=1 i=1
)]
 n
ii. Lập luận rằng là ∑ Y i2 một thống kê đủ tối thiểu cho θ .
i=1

Giải
a. i. Tỷ lệ hợp lý xảy ra được xác định bởi
L(x ∣ p) p∑ (1− p) ∑ p∑ x (1− p)−∑ x
x n− xi
p ∑ x −∑ y
i i i

( )
i i

= ∑y = =
L( y ∣ p) p (1− p)n− ∑ y p∑ y (1− p)−∑ y 1− p
i i i i

ii. Nếu ∑ x i = ∑ yi , thì tỷ lệ là 1 và không chứa p. Nếu không, nó sẽ chứa p.

n
iii. Từ điều trên, g(Y 1,…, Y n) =∑ Y i phải là thống kê đủ tối thiểu cho p. Điều này tương tự như
i=1

trong Ví dụ 9.6.
b. i. Tỷ lệ hợp lý xảy ra được xác định bởi
n
L ( x ∣⍬ )
=2n ( ∏ xi )⍬−n exp ⁡¿ ¿
L ( y ∣⍬ ) i=1

∏ xi n n

=
i=1

∏
n
yi
exp
[ (
−1
⍬
∑ x i 2− ∑ y i 2
i=1 i=1
)]
i=1

n n n
ii. Tỷ lệ hợp lý ở trên sẽ chỉ không có θ nếu ∑ x i2=∑ y i2, vậy nên ∑ Y i2là một thống kê đủ tối thiểu cho
i=1 i=1 i=1

(*) 9.67 Tham khảo bài tập 9.66. Giả sử rằng một mẫu cỡ n được lấy từ một tổng thể chuẩn với trung
n n
bình µ và phương sai σ 2. Chứng tỏ rằng ∑ Y i và ∑ Y i2 cùng tạo thành thống kê đủ tối thiểu cho µ và σ 2.
i=1 i=1

Bài giải Hàm hợp lý được xác định bởi

L( y ∣ μ , σ 2)=
1
(2 π )n /2 σ n
exp [ −∑ ( y i−μ)2
i=1

2σ2 ]
Tỷ lệ hợp lý là

L(x ∣ μ , σ 2) n n

2
L( y ∣ μ ,σ )
=exp
−1
2 σ2 { [ ∑ (x i−μ)2−∑ ( y i−μ)2
i=1 i=1
]}
n n n n
−1
= exp 2
2σ { [∑ i=1
2
x −∑ y i −2 μ
i
i=1
2
(∑
i=1
x i− ∑ y i
i=1
)] }
 n n n n
Tỷ lệ này không có (μ, σ 2) chỉ khi cả hai ∑ x i2=∑ y i2 và ∑ x i=∑ y i ,
i=1 i=1 i=1 i=1

n n
vậy nên ∑ Y i và ∑ Y i2tạo thành thống kê đủ tối thiểu cho μ và σ 2
i=1 i=1

(*)9.68 Giả sử rằng một thống kê U có hàm mật độ xác suất dương trong khoảng a ≤ u ≤ b và giả
sử rằng mật độ phụ thuộc vào một tham số θ có thể nằm trong phạm vi khoảng α 1≤ θ ≤ α 2. Cũng
giả sử rằng g(u) liên tục theo u trong khoảng [a, b]. Nếu E [g(U) | θ ] = 0 với mọi θ trong khoảng
[α 1,α 2] ngụ ý rằng g(u) bằng 0, khi đó họ các hàm mật độ { f U (u | θ), α 1 ≤ θ ≤ α 2 } được gọi
là hoàn hảo. (Tất cả các thống kê mà chúng tôi đã sử dụng trong Phần 9.5 có các họ hàm mật độ
hoàn hảo.) Giả sử rằng U là thống kê đủ cho θ, và  g1(U) và  g2(U) đều là các ước lượng không
chệch của θ. Chứng minh rằng, nếu họ các hàm mật độ cho U là hoàn hảo,  g1(U) phải bằng  g2(U),
và do đó có một hàm duy nhất của U là ước lượng không chệch của θ.

Cùng với định lý Rao – Blackwell, tính chất đầy đủ của  f U (u | θ), cùng với sự đầy đủ của U, đảm
bảo với chúng ta rằng có một ước lượng không chệch phương sai tối thiểu duy nhất (UMVUE)
của θ.

Bài giải:
Đối với các ước lượng không chệch  g1(U) và  g2(U), có giá trị chỉ phụ thuộc vào dữ liệu thông qua
thống kê đủ U, chúng ta có E [ g1(U) -  g2(U)] = 0. Vì mật độ của U là hoàn hảo,  g1(U) -  g2(U) ≡ 0
theo định nghĩa sao cho  g1(U) =  g2(U). Do đó, chỉ có một ước lượng không chệch cho θ dựa
trên U và nó cũng phải là MVUE

9.69 Cho  Y 1 , Y 2, ...,Y n biểu thị một mẫu ngẫu nhiên từ hàm mật độ xác suất

(θ+1) y θ , 0< y <1 ; θ>−1

f (y | θ) ={ 0 , elsewhere

Tìm ước lượng cho θ theo phương pháp moment. Chứng tỏ rằng ước lượng là vững. Có phải ước
n
lượng là hàm của thống kê đủ −∑ ln(Y i) mà chúng ta có thể thu được từ tiêu chí nhân tử
i=1

hóa? Điều này có những ngụ ý gì?

Bài giải:
θ+1 2 μ−1 2 Ý −1
Dễ dàng chứng minh rằng μ= vậy nên θ= . Do đó, ước lượng MOM là θ^ = .
θ+2 1−μ 1−Ý
Vì Ý  là một ước lượng vững của μ, theo Luật Số lớn θ^ hội tụ theo xác suất đến θ. Tuy nhiên, ước
 n 
  Yi 
lượng này không phải là một hàm của thống kê đủ  i 1  nên nó không thể là MVUE.
9.70 Giả sử rằng Y 1 , Y 2  , ..., Y n tạo thành một mẫu ngẫu nhiên từ phân phối Poisson với trung
bình là λ . Tìm ước lượng theo phương pháp moment của λ

Bài giải:
Vì μ = λ, ước lượng MOM của λ là ^λ=m'1= Ý

111Equation Chapter 1 Section 19.71 Nếu Y 1, Y 2, …, Y n biểu diễn một mẫu ngẫu nhiên từ phân
phối chuẩn với giá trị trung bình μ=0 đã biết và phương sai σ2 chưa biết, tìm ước lượng theo
phương pháp mô men cho σ2
Giải
n
1
Vì E ( Y )=μ ' 1=0∧E ( Y 2) =μ ' 2=V ( Y )=σ 2, ta có: σ^ 2=m' 2= ∑ Y i2
n i=1

211Equation Chapter 1 Section 19.72 Nếu Y 1, Y 2, …, Y n biểu diễn một mẫu ngẫu nhiên từ phân
phối chuẩn với giá trị trung bình μ và phương sai σ 2, tìm các ước lượng theo phương pháp mô
men của  và σ 2.
Giải
Ta có: μ' 1=μ và μ' 2=σ 2+ μ 2 .
n 2
1 1
Do đó , ^μ=m ' 1=Ý và σ^ 2=m ' 2−Ý 2 = ∑ Y i2−Ý 2= ∑ (Y i −Ý )2
n i=1 n i=1

9.73 Một bình đựng θ viên bi đen và N – θ viên bi trắng. Một mẫu gồm n quả bóng được chọn
không lặp lại. Gọi Y là số bi đen trong mẫu. Chứng tỏ rằng (N/n)Y là ước lượng theo phương
pháp moment của θ .
Giải
Lưu ý rằng quan sát duy nhất Y có phân phối siêu bội nên E ( Y )=nθ/ N . Như vậy, ước lượng
MOM của θ là θ=NY
^ /n .

9.74 Cho Y 1, Y 2, …, Y n tạo thành một mẫu ngẫu nhiên từ hàm mật độ xác suất cho bởi
2

{(
f ( y|θ )= θ2
)(θ− y )

0 , nếu khác
, 0≤ y≤θ,

a. Tìm ước lượng cho θ bằng cách sử dụng phương pháp mô men.
b. Ước lượng này có phải là một thống kê đủ cho θ không?
Giải
❑
2 y (θ− y )
a. Đầu tiên, tính được μ ' 1=E ( Y ) =∫ dy=θ/3. Do đó, ước lượng MOM của θ là θ=3
^ Ý
0 θ 2 dy
n
b. Hàm hợp lý là L (θ )=2n θ−2 n ∏ (θ− yi). Rõ ràng, hợp lý không thể được nhân tử hóa thành một
i=1

hàm chỉ phụ thuộc vào Y , vì vậy MOM không phải là một thống kê đủ cho θ .

9.75 Cho Y1, Y2, ..., Yn là một mẫu ngẫu nhiên từ hàm mật độ xác suất cho bởi
   (2 )  1
f  y |   
    ( ) 
2
y 1  y   1
,0  y  1,

 0, TH #

Tìm ước lượng theo phương pháp moments cho 

Giải

Mật độ đã cho là mật độ beta với α = β = θ.

Vì vậy, μ’1 = E(Y) = 0,5 không phụ thuộc vào θ.

 1
μ′2 = E(Y2) = 
2 2  1
( xem vd 4.200).
1 n 2 ˆ  1  2m2
m2'  i Y
n i 1 . Ước lượng theo moment của θ là 4m2  1 .
Vì thế, với

9.76 Cho X1, X2, X3, ... là các biến ngẫu nhiên Bernoulli độc lập sao cho P(Xi = 1) = p và P(Xi =

0) = 1−p với mỗi i = 1,2,3,... Đặt biến ngẫu nhiên Y biểu thị số các phép thử cần thiết để có được

thành công đầu tiên. Giá trị của i mà Xi=1là lần đầu tiên xảy ra. Khi đó Y có phân phối hình học

với P(Y=y) = (1−p)y−1p cho y=1,2,3,... Tìm ước lượng theo phương pháp moments của p dựa trên

quan sát Y.

Giải
 1
  E  Y   1/ p.
' p
Lưu ý rằng 1
Như vậy, ước lượng MOM của p là Y.

9.77 Cho Y1, Y2, ..., Yn biểu thị các biến ngẫu nhiên độc lập có phân phối đều trên khoảng (0, 3θ).

Hãy tìm ước lượng theo phương pháp moment cho θ.

Giải
3 ^ 2
1'  E (Y )    Y
Ở đây, 2 . Vì vậy, ước lượng MOM của θ là 3
9.78 Cho Y1, Y2, …, Yn biểu thị các biến ngẫu nhiên phân và đồng nhất từ họ phân phối lũy thừa
với các tham số  và  = 3. Dựa vào bài tập 9.43, nếu  > 0,
.y 1 / 3 0  y  3
f (y | )  
0 khác
Chứng minh rằng E(Y1) = 3  /(  + 1) và suy ra ước lượng theo phương pháp moment cho 

Giải

Đối với Y đã cho theo họ phân phối lũy thừa:

 3 3
  y 1 3
E (Y )    y 3 dy .3 .


  1 0 =  1
0 =
 Y

Do đó, ước lượng MOM của  là : 3 Y
(*) 9.79 Gọi Y1, Y2, …, Yn biểu thị các biến ngẫu nhiên độc lập và đồng nhất có phối phối Pareto
với các tham số  và  , trong đó  đã biết. Khi đó, nếu  > 0,
 .  y  ( 1) , y  

f (y |, )  

0, khác
Chứng minh rằng E(Yi) =   /(  -1) nếu  > 1 và E(Yi) không xác định nếu 0 <  < 1. Từ đó,
ước lượng theo phương pháp moment cho  là không xác định.

Giải

Đối với Y theo phân phối Pareto đã cho:

 
y 1
E(Y)   . .y dy  . .
  
  / (  1), khi   1.
   1 

Giá trị trung bình không được xác định nếu  < 1. Do đó, không thể biểu thị ước lượng moment
tổng quát cho  .

9.80 Giả sử rằng Y1, Y2, …, Yn biểu thị một mẫu ngẫu nhiên từ phân phối Poisson với trung bình
.

a. Tìm MLE  của 

b. Tìm giá trị kì vọng và phương sai của 
c. Chứng minh rằng ước lượng ở câu (a) là vững cho 

d. MLE cho P(Y = 0) = e là gì?

Giải

a. MLE có thể dễ dàng tìm thấy là  = Y

 V( ) 
b. E( )   ; n

c. Vì  là không chệch và có phương sai tiến về 0 khi n tăng lên nên nó vững.

d. Theo tính chất bất biến. MLE cho P(Y = 0) là exp(-  )

9.81 Giả sử Y1, Y2, …, Yn biểu thị một mẫu ngẫu nhiên từ một tổng thể phân phối mũ với giá trị
trung bình  . Tìm MLE của phương sai tổng thể  2 [Gợi ý: ví dụ 9.9]
Giải

MLE là:  = Y
Theo thuộc tính bất biến của MLE, MLE của  là Y
2 2

9.82 Cho Y1, Y2, …, Yn biểu thị một mẫu ngẫu nhiên từ hàm mật độ cho bởi:
  1  r 1  y r /
 ry e ,   0; y  0
f ( y |  )    
0, khác

Trong đó r = const (r > 0) đã biết.
a. Tìm một thống kê đủ cho  .
b. Tìm MLE của 
c. Ước lượng trong phần (b) có phải là MVUE cho  không?
Giải
r 1
 n  n
L()   r   yi  .exp(  yir / )
n n

Hàm hợp lý là:  i 1  i 1

n
 yir
a. Theo định lý 9.4, một thống kê đủ cho  là i 1

b. Loga-Hàm hợp lý là:

n n
ln L()  n ln   n ln r  (r  1) ln( y i )   y ir / )
i 1 i 1
n
  1 Y r
 i
n i 1
Bằng cách lấy đạo hàm theo  và cho bằng 0 ta tìm được
 
c. Lưu ý rằng  là một hàm của thống kê đủ. Vì có thể dễ dàng chỉ ra rằng E(Y r) =  ; 
khi đó là không chệch và là MVUE cho 

9.83 Giả sử rằng Y1, Y2, …, Yn tạo thành 1 mẫu ngẫu nhiên từ phân phối đều với hàm mật độ xác
suất như sau:
 1
 ; 0  y  2  1
f ( y | )   2  1
0 khác
a. Tìm MLE của 
b. Tìm MLE cho phương sai của phân phối cơ bản

Giải
n
a. Hàm hợp lý là: L()  (2  1)
Đặt    ()  2  1
n
Khi đó, hàm hợp lý có thể được biểu thị bằng L(  )   . Hợp lý là tối đa với các giá trị
nhỏ của  . Giá trị nhỏ nhất có thể tối đa hóa hợp lý một cách an toàn (xem ví dụ 9.16) mà

  Y(n)
không vi phạm hỗ trợ là . Do đó, theo tính chất bất biến của MLE
1
  (Y(n)  1)
2
(2  1) 2
V(Y)   Y(n )  / 12
2

b. Vì 12 . Theo nguyên tắc bất biến, MLE là

9.84 Một loại linh kiện điện tử nhất định có tuổi thọ Y (tính bằng giờ) với hàm mật độ xác suất
cho bởi:
 1   y /
 ye , y0
f ( y |     2 
0, TH #


Tức là, Y có phân bố gamma với các tham số α = 2 và θ. Đặt  biểu thị MLE của θ. Giả sử rằng
ba linh kiện như vậy, được thử nghiệm độc lập, có tuổi thọ là 120, 130 và 128 giờ.
a. Tìm MLE của θ
 
b. Tìm E(  ) và Var(  )
c. Giả sử rằng θ thực sự bằng 130. Đưa ra một ràng buộc xấp xỉ mà bạn có thể mong đợi đối
với sai số ước lượng
d. MLE cho phương sai của Y là gì?
Giải:

a. MLE là  = Y / 2 , vì vậy ước lượng hợp lý tối đa là Y / 2 = 63.
 
b. E(  ) = θ, Var(  ) = Var( Y / 2 ) = θ2 /6.


c. Ràng buộc về sai số ước lượng là 2 Var( )  2 (130) / 6  106,14

2


d. Lưu ý rằng Var(Y) = 2  = 2(130)2. Do đó, MLE cho Var(Y) = 2(  )2
2

9.85 Cho Y1, Y2, ..., Yn biểu thị một mẫu ngẫu nhiên từ hàm mật độ cho bởi
 1 
 
f ( y |  , )    ( )   y 1e y / , y  0

0, TH #
trong đó α > 0 đã biết.

a. Tìm MLE  của θ

b. Tìm giá trị kỳ vọng và phương sai của  .

c. Chứng minh rằng  là vững cho θ.
d. Thống kê đủ tốt nhất (tối thiểu) cho θ trong bài toán này là gì?
e. Giả sử rằng n = 5 và α = 2. Sử dụng thống kê đủ tối thiểu để xây dựng khoảng tin cậy 90%
cho θ. [Gợi ý: Chuyển đổi thành phân phối χ2.]
Giải:
a. Cho α > 0 đã biết, hàm hợp lý
 1
1  n   n 
L    n n   i 
y exp    y i /  
  (  )    i 1   i 1 
Sau đó lấy Log của hàm hợp lý:
 n  n
ln L()  n ln  ()   n ln   (  1) ln   y i    y i / 
 i 1  i 1
Vì vậy:
n
d
L()  n /    yi / 2
d i 1

Cho đạo hàm bằng 0 và giải  . Ta tìm được MLE của  là:
 1 n 1
 
n i 1
Yi  Y

 
b. vì E(Y) = αθ và Var(Y) = αθ2 , E(  ) = θ, Var(  ) = 2/(n  )

ˆ
c. Vì Y là ước lượng vững của μ = αθ, rõ ràng là  phải là vững cho θ.
n

Y i
d. Từ hàm hợp lý, Định lý 9.4 cho ta U = i 1 là một thống kê đủ cho θ. Vì phân phối
gamma thuộc họ phân phối mũ, U cũng là thống kê đủ tối thiểu.
.
e. Lưu ý rằng U có phân phối gamma với tham số hình dạng nα và tham số tỷ lệ θ. Phân
phối của 2U/θ là chi – bình phương với bậc tự do 2nα. Với n = 5, α = 2, 2U/θ là chi –
0,95
2
 10,8508; 0,05
2
 31, 4104
bình phương với 20 bậc tự do. Vì vậy, với khoảng tin

 n n 
 2  i Y 2  Yi 
 i 1
; i 1 
 31, 4104 10,8508 
 

cậy 90% cho là  
9.86 Giả sử rằng X1, X2, ..., Xm đại diện cho năng suất trên một mẫu Anh đối với giống ngô A, tạo
thành một mẫu ngẫu nhiên từ phân phối chuẩn với trung bình µ 1 và phương sai σ2. Ngoài ra, Y1,
Y2, ..., Yn đại diện cho năng suất của giống ngô B, tạo thành một mẫu ngẫu nhiên từ phân phối
chuẩn với trung bình µ2 và phương sai σ2. Nếu X và Y độc lập, hãy tìm MLE cho phương sai
chung σ2. Giả sử rằng µ1 và µ2 chưa biết.
Giải:
Đẩu tiên, tương tự ví dụ 9.15, MLE của 1 ,  2 là 1  X , 2  Y . Để ước lượng  , hàm hợp lý
2
ˆ ˆ
là :
1  1  m  x    2 n  y    2  
L( ) 
2
exp     i 1
  
i 2
 
(2)(m n )/2 m  n 2
   i 1    i 1     
Lấy log – hàm hợp lý:
 1  m n
2 
2      yi   2   
2
ln L( 2 )  K  (m  n)ln   x i  1 
2   i 1 i 1 
Lấy đạo hàm và cho đại lượng này bằng 0, ta thu được:
m n

  x i  1    (yi   2 )2
2

2 i 1 i 1
 = mn
Như ví dụ 9.15, MLE của 1 ,  2 có thể được sử dụng trong biểu thức trên để đạt được MLE cho
2 :
m n

 X i  X    (Yi  Y)
2 2

2 i 1 i 1
 = mn

9.87 Một mẫu ngẫu nhiên gồm 100 cử tri được chọn từ một tổng thể lớn cho thấy có 30 người
ủng hộ ứng cử viên A. 38 người ủng hộ ứng cử viên B và 32 người ủng hộ ứng cử viên C. Tìm
MLE cho tỷ lệ cử tri trong tổng thể số ủng hộ cho ứng viên A, B, C tương ứng. Ước lượng sự
khác biệt giữa tỷ lệ ủng hộ cho A, B và tìm 2-giới hạn độ lệch chuẩn cho sai số ước lượng.

Giải

Đặt Y1 biểu thị số người trong mẫu ủng hộ ứng viên A, Y 2 biểu thị số người trong mẫu ủng hộ
ứng viên B, Y3 biểu thị số người tỏng mẫu ủng hộ ứng viên C. Khi đó (Y 1,Y2,Y3) là tam thức với
tham số (p1,p2,p3) và cỡ mẫu n. Do đó, hàm hợp lý L(p1,p2) đơn giản là hàm xác xuất cho tam thức
( nhắc lại p3 = 1– p1 – p2 )

Y1 + Y2 + Y3 = 100. Có p1 + p2 + p3 = 1
100!
 (p1 ) y1 (p 2 ) y2 (p3 ) y3
 L(y1,y2,,y3| p1,p2,p3) =L(p1,p2,p3) = (y1 )!(y 2 )!(y3 )!

Lấy log của hàm hợp lý, ta có:

 100! 
 ln L(p1 , p 2 , p3 )  ln  
l(p1,p2,p3)  (y1 )!(y 2 )!(y3 )!  + y1ln(p1) + y2ln(p2) + y3ln(p3)

Hàm Lagrange Multiplier với điều kiện p1 + p2 + p3 = 1

 100! 
ln  
(y )!(y 2 )!(y3 )! 
l(p1,p2,p3) =  1 + y1ln(p1) + y2ln(p2) + y3ln(p3) +  (1-p1-p2-p3)
l(p1 , p 2 , p3 ) y1 y1 Y
   0  p 1  1
p1 p1 => p1 => 
l(p1 , p 2 , p3 ) y 2 y2 Y
   0  p 2  2
p 2 p2 => p 2 => 
l(p1 , p 2 , p3 ) y3 y3 Y
   0  p 3  3
p3 p3 => p3 => 
 Y1 Y2 Y3
p  p  p  1   1
Mà 1 2 3       = 100 (vì Y1+Y2+Y3 = 100)
30 38 32
p 1   0,3 p 2   0,38 p 3   0,32
 100 ; 100 ; 100
 
Ta có ước lượng điểm của p -p là: p1  p 2  0,3  0,38  0,08
1 2

Theo định lý 5.13, ta có Var(Yi) = n.pi.qi; và Cov(Yi,Yj) = -n.pi.pj

Sai số biên 2 độ lệch chuẩn là:

p1q1 p 2q 2 pp
2  2 1 2
2 Var(p 1  p 2 )  2 Var(p 1 )  Var(p 2 )  2Cov(p 1, p 2 ) n n n
=

Đây là ước lượng bằng cách dùng MLE tìm được ở trên. Giới hạn độ lệch chuẩn cho sai số ước
lượng là:
Var(p 1  p 2 )
2 = 2 (0,3  0,7  0,38  0,62  2  0,3  0,38) / 100  0,1641

9.88 Y1, Y2, …, Yn là biểu thị một mẫu ngẫu nhiên từ hàm mật độ xác suất
(  1).y  , 0  y  1,   1
f (y | )  
0, khác
Tìm MLE cho  . So sánh câu trả lời của bạn với cách ước lượng bằng phương pháp Moment ở
bài tập 9.69

Giải

 n 
L()  (  1)   yi 
n

Hàm hợp lý:  i 1 

n
 ln yi
 lnL(  ) = n.ln(   1 )+ i 1

n n
  1     1
d ln L() n n n n
   ln yi   ln y i  ln Y i
d   1 i 1 0  = i 1 i 1

Ước lượng này khác với ước lượng bằng phương pháp moment trong bài tập 9.69. Tuy nhiên,
chúng ta nhớ rằng MLE là hàm của thống kê đủ.

9.89 Người ta biết rằng, xác suất p để tung đồng xu không cân bằng ra mặt Heads là ¼ hoặc ¾ .
Đồng xu được tung hai lần và giá trị của Y là số mặt Heads quan sát được. Với mỗi giá trị có thể
có của Y, giá trị nào trong 2 giá trị cho p (¼ và ¾) là đối đa xác suất để Y = y?
Tuỳ thuộc vào giá trị của y thực sự quan sát được, MLE của p là bao nhiêu?

Giải:

 Hàm hợp lý của Y: L(p) =

  p (1  p)
2
y
y 2 y

Theo tiêu chuẩn ML, chúng ta chọn giá trị p để tối đa khả năng xảy ra:
. Nếu Y = 0, L(p) đạt tối đa tại p = 0,25
 . Nếu Y = 2, L(p) đạt tối đa tại p = 0,75
. Nếu Y = 1, L(p) có cùng giá trị ở cả p = 0,25 và p = 0,75 nghĩa là:
L(0,25) = L(0,75) với y = 1
Do đó, với ví dụ này MLE không là duy nhất

9.90 Một mẫu ngẫu nhiên gồm 100 người đàn ông cho ra tổng số 25 người ủng hộ một vấn đề gây
tranh cãi ở địa phương. Một mẫu ngẫu nhiên độc lập gồm 100 phụ nữ cho ra tổng số 30 người
ủng hộ vấn đề này. Giả sử rằng p M là tỷ lệ cơ bản thực sự của đàn ông ủng hộ vấn đề và p W là tỷ
lệ cơ bản thực sự của phụ nữ ủng hộ vấn đề này. Nếu đúng là pW = pM = p, hãy tìm MLE của tỷ lệ
chung p.
Giải
Theo giả thuyết rằng pW = pM = p, thì Y = số người trong mẫu ủng hộ vấn đề là nhị thức với xác
suất thành công p và n = 200. Do đó, theo ví dụ 9.14, MLE cho p là p̂ = Y / n và ước lượng mẫu
là 55/200.

9.91 Tìm MLE của θ dựa trên một mẫu ngẫu nhiên có kích thước n từ một phân phối đều trên
khoảng (0, 2θ).

Giải
  Y(n )
Tham khảo bài tập 9.83 cí dụ 9.16. Đặt  = 20. Khi đó, MLE cho  là và theo nguyên
  Y / 2
tắc bất biến MLE cho  là (n )

9.92 Cho Y1 , Y2 ,....., Yn là mẫu ngẫu nhiên từ một tổng thể với hàm mật độ
3y2
 , 0  y 
f (y |)    3
0, TH #

Y  max  Y1 , Y2 ,....., Yn 
Trong ví dụ 9.52, bạn đã thấy rằng ( n ) là đủ cho 
a) Tìm MLE cho  [xem ví dụ 9.16]
b) Tìm hàm của MLE ở câu (a) mà là một đại lượng then chốt. [xem bài tập 9.63]
c) Sử dụng đại lượng then chốt ở câu (b) để tìm khoảng tin cậy 100(1-  )% cho 

Giải

  Y( n )
a) Theo dõi ví dụ 9.16, MLE của  là
f ( y )  3ny 3n 1 /  3 n , 0  y   . T  Y( n ) / 
b) Từ bài tập 9.63, ( n ) Phân phối của là:
3 n 1
fT (t )  3nt ,0  t  1.
Bởi vì phân phối không phụ thuộc vào  , T là đại lượng then chốt
c) (Tương tự bài tập 8.132). Hằng số a và b có thể được tìm để thỏa P(a  T  b)  1   , do
đó P(T < a) = P(T > b) =  /2. Sử dụng hàm mật độ từ câu (b), ta rút ra được
a  ( / 2)1/(3n ) , b  (1   / 2)1/(3n ) . Vì vậy, ta có:
1    P (a  Y( n ) /   b)  P(Y( n ) / b    Y( n ) / a )
  Y( n ) Y( n ) 
 ; 
(1   / 2)1/3n ( / 2)1/3n 
Do đó,  là khoảng tin cậy (1   )100% cho 

9.93 Cho Y1 , Y2 ,....., Yn là mẫu ngẫu nhiên từ một tổng thể với hàm mật độ:
 2 2
 , 0 y
f ( y |  )   y3
0, TH #

Y  min(Y1 , Y2 ,...., Yn )
Trong bài tập 9.53, bạn đã thấy rằng (1) là đủ cho 
a) Tìm MLE cho  . [xem ví dụ 9.16]
b) Tìm hàm của MLE trong câu (a) mà là một đại lượng then chốt
c) Sử dụng đại lượng then chốt từ câu (b) để tìm khoảng tin cậy (1   )100% cho 
Giải
ˆ  Y(1) .
a. Theo gợi ý, MLE cho  là
F ( y  )  1  2 2 y 2 ,
b. Do hàm mật độ cho Y(1) sẽ là:
g (1) ( y )  2n 2 n y (2 n1) , y   .
T   / Y(1) ,
Nếu ta xét phân phối của hàm mật độ của T có thể tìm thấy là:
fT (t )  2nt 2 n1 , 0  t  1.
c. (Tương tự bài tập 9.92) Các hằng số a và b có thể được tìm thấy thỏa mãn P(a < T < b) = 1 – α
sao cho P(T < a) = P(T > b) = α/2. Sử dụng hàm mật độ từ câu b), ta tìm được:
a  ( / 2)1/(2 n) ; b  (1   / 2)1/(2 n ) . Vì thế, ta có:
1    P(a   / Y(1)  b)  P (aY(1)    bY(1) )
Vì vậy, khoảng tin cậy (1 – α)100% cho  là:
 ( / 2)1/(2n ) Y(1) ;(1   / 2)1/(2 n) Y(1) 
 

9.94 Cho ˆ là MLE của tham số  . Đặt t ( ) là hàm của  có nghịch đảo duy nhất (biết rằng, nếu
  t ( ) , khi đó   t 1 (  ) . Chứng minh rằng t (ˆ) là MLE của t ( ).
Giải
  t  ˆ
sao cho   t (  ) . Nếu hàm hợp lý đạt cực đại tại ˆ , thì L( )  L( ),  .
1
Đặt
1
Đặt:   t ( ) và biểu thị hàm hợp lý là hàm theo β, L1 (  )  L(t (  )).
ˆ ˆ

Khi đó, với  bất kì:

L1 (  )  L(t 1 (  ))  L( )  L(ˆ)  L(t 1 ( ˆ ))  L1 ( ˆ )
ˆ ˆ
Vậy MLE của  là  và MLE của t ( ) là t ( ) .
9.95 Một mẫu ngẫu nhiên gồm n sản phẩm được chọn từ số lượng lớn sản phẩm được sản xuất
bởi một dây chuyền trong một ngày. Tìm MLE của tỷ lệ R, tỷ lệ sản phẩm hỏng trên tỷ lệ sản
phẩm tốt.
Giải
Gọi Y1 , Y2 ,..., Yn là mẫu ngẫu nhiên có phân phối nhị thức với p là tỷ lệ lấy được sản phẩm hỏng.
p
R
Suy ra: 1 p

Đối với phân phối nhị thức, ta có: p̂  Y là MLE của p

pˆ Y
Rˆ  
Áp dụng tính bất biến của MLE cho R, ta có MLE của tỷ lệ R là 1  pˆ 1  Y

9.96 Xét một mẫu ngẫu nhiên có kích thước n từ một tổng thể chuẩn với trung bình  và phương
sai  , cả hai đều chưa biết. Tìm ước lượng hợp lý tối đa của 
2

Giải
1 n
2   (Yi  Y ) 2
Từ bài tập 9.15, MLE của  được tìm thấy là n i 1
2
.Theo tính bất biến của
1 n
ˆ  ˆ 2  
n i 1
(Yi  Y ) 2
MLE, MLE của

9.97 Hàm xác suất của phân phối hình học được cho
p ( y p )  p (1  p ) y 1 y  1, 2,3,,...
Một mẫu ngẫu nhiên có kích thước n được lấy từ một tổng thể với phân phối hình học
a) Tìm ước lượng bằng phương pháp moments cho p.
Giải
1
1 
Có: p và m '1  Y
1
p̂ 
Vậy ước lượng theo phương pháp moments cho p là Y
b) Tìm MLE của p.
Giải
 yi  n
Hàm hợp lý: L( p )  p (1  p)
n

Lấy ln hàm L(p):

ln L( p)  n ln( p)   n
y
i 1 i 
 n ln(1  p)
n

n 
yi  n
d
ln L( p )   i 1 0
Đạo hàm, ta có: dp p 1  p
 n

y i
n
n
 n  n
 i 1
    yi  n  p ˆ )  (  yi p
ˆ  n (1  p ˆ  np
ˆ )  n  np
ˆ
1 p
ˆ ˆ
p  i 1  i 1

n 1
 p
ˆ  
 yi y
n
i 1
1
p̂ 
Vậy Y là MLE của p, kết quả giống với ước lượng MOM tìm được ở câu a).

9.98 Tham khảo bài tập 9.97. Tìm phương sai gần đúng của hàm MLE.
Giải
ln  p  y | p    ln  p    y  1 ln  1  p 
Từ bài 9.97, ta có: 
d ln P ( y p ) 1 y  1 d 2 ln  p  y | p   1 y 1
    2 
dp p 1 p dp 2
p 1 p 2
 d 2 ln  p  Y | p    1 Y 1  1
E   E 2  2
 2
 
dp 2
  p  1  p   p  1  p 

1 p2  1  p 
var  pˆ   
 d 2 ln  p  Y | p    n
nE  2 
 dp 
Áp dụng bất đẳng thức Cramer-Rao, có:
p2  1  p 
var  p  
ˆ
Vậy phương sai xấp xỉ (giới hạn) của MLE là n

9.99 Xét phân phối được thảo luận trong ví dụ 9.18. Sử dụng phương pháp được trình bày trong
mục 9.8 để tìm khoảng tin cậy 100(1   )% cho t(p) = p. Khoảng kết quả này có quen thuộc
không?
Giải
Y
pˆ 
Từ ví dụ 9.18, ta có: Hàm MLE của t(p) = p là n và

 p t  p   1

   2 ln  p Y | p  
nE    

n

 p  1  p 
  p 2
 
1 pˆ  1  pˆ 
pˆ  z /2  pˆ  z /2
n / p1 p n
Nên khoảng tin cậy cho t(p) = p là p  pˆ

Khoảng tin cậy cho p này tương tự như kết quả đã tìm ra ở mục 8.6.

9.100 Giả sử Y1 , Y2 ,..., Yn tạo thành mẫu ngẫu nhiên có kích thước n từ phân phối mũ với trung
bình  . Tìm khoảng tin cậy 100(1   )% cho  
t  2
.
Giải
Từ bài tập 9.81, ta có Y là MLE của  
2 t  2
.
y
1  y
f  y    e   ln  f  y |      ln    
Có:  
 dt ( )  ln  f  Y |    1 y
  2 ;   2
 d   
  2
nE   ln  f  Y |      nE   1  2Y   n
   2 

 2
   3   2
 
 
  2  
2
 2Y 2 
Y 2  z /2  n   Y  z /2 
2

 2   n 
t   2     ˆ
Vậy khoảng tin cậy 100(1   )% cho là

9.101* Cho Y1 , Y2 ,..., Yn biểu thị cho một mẫu ngẫu nhiên có kích thước n từ một phân phối

Poisson với trung bình  . Tìm khoảng tin cậy 100(1 -  )% cho t ( )  e  P(Y  0) .
Giải
ˆ ˆ
Từ bài tập 9.80, ta có MLE của t ( )  exp( ) là t ( )  exp( )  exp( Y )
d y d2 y  d2  1
ln p( y |  )  1   ln p ( y |  )     E  2 ln p(Y |  )  
d  d 2
 2
d  
Có: .
d
t ( )   exp( )
Do d  nên khoảng tin cậy 100(1  )% cho  là:

exp(2 ) Y exp(2Y )
exp( Y )  z /2  exp(Y )  z /2
1 n
n
  Y

9.102* Dựa vào bài tập 9.97 và 9.98. Nếu cỡ mẫu là 30, y  4, 4 , tìm khoảng tin cậy 95% cho p .
Giải
1
 0, 2273
Ta có: n  30 và y  4, 4 , MLE của p là 4, 4 và khoảng tin cậy 90% của p xấp xỉ:
pˆ (1  pˆ )
2
0, 2273  0, 7727
2
pˆ  z0,025  0, 2273  1,96  0, 2273  0, 0715 hay (0,1558; 0, 2988)
n 30

9.103 Một cỡ mẫu n lấy từ tổng thể với phân phối Rayleigh. Như ở bài tập 9.34, hàm mật độ xác
suất Rayleigh là:
 2 y   y 2 /
 e , y0
f ( y )    
0, eslewhere

a. Tìm MLE của  .
b. Tìm phương sai xấp xỉ của MLE tìm được ở câu (a).
 Giải
n
1
r  2, ˆ   Yi 2
a. Từ bài 9.82 có: n i 1 .

d 1 y2
ln f ( y |  )    2
b. Phân phối Rayleigh với tham số  : d  
d2 1 2 y2
 ln f ( y |  )   .
d 2 2 3
 d2  1
E (Y )     E  2 ln f (Y |  )   2  Var (ˆ)   2 / n.
2

Vì  d  

9.104 Giả sử Y1, Y2,…, Yn là mẫu ngẫu nhiên từ hàm mật độ

e  ( y  ) , y  
f (y  )  
 0, y  
Trong đó, giá trị  là hằng số dương chưa biết.
a. Tìm ước lượng 1 của  theo phương pháp môment


Giải:
ˆ
Ta có: MOM: 1  E (Y )    1  m '1  Y  1  Y  1
'

b. Tìm ước lượng  2 của  theo phương pháp hợp lý tối đa



Giải:
n
n   yi  n n
L   e  i   e
 y  i 1
 ln  L       yi  n
i 1 i 1

d ln  L    
n
 d >0
 2  min  Y1 , Y2 ,..., Yn   Y(1)
ˆ
Vậy ước lượng là MLE của  .
ˆ
c. Điều chỉnh 1 và  2 để chúng không chệch. Tìm tính hiệu quả của 1 đã điều chỉnh so với
 

 2 đã điều chỉnh?
Giải:
ˆ
Ước lượng 1 không chệch bởi vì E( 1 ) = E (Y )  1    1  1   .


ˆ2  min  Y1, Y2 ,..., Yn   Y(1)  g(1) ( y )  ne n ( y  ) , y  

Vì
1
E (Y(1) )  E ( 2 )   
 n .
1
  2*  Y(1) 
Như vậy, 2 là ước lượng chệch nhưng n là không chệch cho 
1
  Y  1  2*  Y(1) 
 Tính hiệu quả của 1 so với n là:
 1 1
 V (Y(1)  ) V (Y )
V ( 2 )
*
n  2 1
eff ( 1 ,  2* )  n 
(1)

V (1 )
 V (Y  1) V (Y ) 1 n
n
9.105 Ở bài 9.38(b), với các điều kiện đã nêu, hãy tìm MLE của σ2
Giải
Từ bài 9.38, ta phải giải
d 2 ln L n  ( yi   )  ( yi   )2
2

   0  ˆ 2

d 2 2 2 2 4 n

9.106 Cho Y1, Y2,…, Yn biểu thị mẫu ngẫu nhiên từ phân phối Poisson với giá trị trung bình λ.

Tìm MVUE của P (Yi  0)  e [Gợi ý: sử dụng định lý Rao-Blackwell].
Giải
Dựa theo cách làm ở bài 9.65, xây dựng biến ngẫu nhiên T sao cho:
T = 1 nếu Y1 = 0 và T = 0 cho các trường hợp khác
Khi đó, E (T )  P(T  1)  P(Y1  0)  exp( ) .Vì thế, T là không chệch cho exp( ) . Bây giờ,
n
W   Yi
chúng ta biết i 1 là đủ cho  , và vì thế nó cũng đủ cho exp( ) . Nhớ rằng W có phân phối
Poisson với giá trị trung bình n ,
 n 
P(Y1  0) P   Yi  w 
P(Y1  0,W  w)  i 2 
E (T  W  w)  P(T  1  W  w)  P(Y1  0  W  w)  
P(W  w) P(W  w)
 [(n  1) w 
e    e  ( n1)  w
 w!   1
 w
 1  
( n )  n
e  n
w!
 1  Yi
n



1 
n


 Yi
Vì thế, MVUE là . Lưu ý rằng ở phần trên, chúng ta đã sử dụng kết quả i  2 là phân
phối Poisson với giá trị trung bình ( n  1) 

9.107 Giả sử rằng một mẫu ngẫu nhiên của các phép đo lường tuổi thọ, Y1 , Y2 ,… Yn , được lấy từ
các bộ phận mà tuổi thọ của chúng có phân phối mũ với giá trị trung bình  . Nó thường được
ước tính như sau:
F (t )  1  F (t )  e t / ,
là độ tin cậy (reliability) tại thời điểm t của một bộ phận. Đối với bất kì giá trị nào của t, tìm ước
lượng MLE của F (t ) ?
Giải
Ta có: MLE của  
là   Y .

Theo tính bất biến cho MLE, MLE của F (t ) là: F (t )  exp(t / Y )
9.108 Ước lượng MLE từ bài 9.107 là 1 hàm thống kê đủ tối thiểu cho  , nhưng nó là không
 t /
chệch. Dùng định lý Rao-Blackwell để tìm MVUE của e bằng các bước sau:
1, Y1  t
V 
a) Đặt 0, elsewhere
 t /
Chứng minh rằng: V là ước lượng không chệch của e ?
U   i 1 Yi
n

b) Vì là thống kê đủ tối thiểu cho  , chứng minh rằng hàm mật độ có điều kiện cho
Y1, cho trước U  u , là:
 n  1  n2
 n 1  (u  y1 ) , 0  y1  u,
fY1 U ( y1 u )   u 
 0, elsewhere

c) Chứng minh rằng:
n 1
 t 
E (V U )  P  Y1  t U   1  
 U

Đây là MVUE của e  t / bằng định lí Rao-Blackwell và thực tế là hàm mật độ cho U là hoàn
hảo.
Giải
E (V )  P (Y1  t )  1  F (t )  exp(t /  ). Do vậy, V là không chệch cho exp(t /  )
a)
b) Nhớ lại U có phân phối Gamma với tham số hình dạng n và tham số tỉ lệ  . Lại có,
U  Y1   i  2 Yi
n

là Gamma với tham số hình dạng n-1 và tham số tỉ lệ  , và vì Y1 và U  Y1

độc lập,
1  1
f ( y1 , u  y1 )   e  y1 /  (u  y1 ) n  2 e  u  y1  / , 0  y1  u  
  ( n  1)
n 1

Áp dụng biến đổi z  u  y1 sao cho u  z  y1 để có phân phối đồng thời:

1
f ( y1 u )   (u  y1 ) n  2 e  u / , 0  y1  u  
( n  1) n

Lúc này, ta có:

f ( y1 , u )  n  1 
f ( y1 u )    n 1  (u  y1 ) n  2 , 0  y1  u  
f (u ) u  .
u u n2
 n 1   n  1   y1 
E (V U )  P(Y1  t U  u )    n 1 (u  y1 ) n 2 dy1     1   dy1
 u   u  u
c) t t

n 1 n 1
 y   t
  1  1  u
t  1   .
 u  u
n 1
 t 
1   .
Vì vậy, ước lượng MVUE là  U 
9.109 Giả sử rằng n số nguyên được rút ngẫu nhiên có hoàn lại từ các số nguyên 1, 2, ..., N. Tức
là, mỗi số nguyên trong mẫu có xác suất 1/N nhận bất kì giá trị 1, 2, ..., N và các giá trị mẫu là
độc lập.

N
a) Tìm ước lượng MOM 1 của N

 ) 
b) Tìm
E(N 1 và V ( N1 )

Giải
Gọi Y1 , Y2 ,… Yn là các giá trị (độc lập) có từ n lần rút. Khi đó, hàm xác suất cho mỗi Yi là:
1
P (Yi  k )  , k  1, 2,..., N .
N
1 N ( N  1) N  1
 '1  E (Y )   k 1 kP(Y  k )   k 1 k 
N N
 ,
a) Vì N 2N 2 hàm MOM ước lượng
 1
N 1
Y 
cho N là 2 hoặc N1  2Y  1 .
E(N )  2 E (Y )  1  2  N  1   1  N
1   
N
b) Đầu tiên,  2  , vì vậy 1 không chệch.
1 N ( N  1)(2 N  1) ( N  1)(2 N  1) ( N  1)( N  1)
E (Y 2 )   k 1 k 2 
N
 V (Y ) 
Vì N 6N 6 , ta có được 12

 )  4V (Y )  4  ( N  1)( N  1)   N  1
2
V (N 1  
Như vậy,  12n  3n .

9.110 Tham khảo bài tập 9.109.

a Tìm MLE N̂ 2 của N.
b Chứng tỏ rằng E( N̂ 2 ) xấp xỉ [n/(n+1)]N. Điều chỉnh N̂ 2 để tạo thành ước lượng N̂3 xấp xỉ
không chệch cho N.
c Tìm phương sai xấp xỉ cho N̂3 bằng cách sử dụng thực tế rằng với N lớn thì phương sai của số
nN 2
nguyên được lấy mẫu lớn nhất là khoảng (n  1) ( n  2)
2

N̂ 3
d Chứng tỏ rằng với N lớn và n > 1, V( N̂1 ) < V( ).
Giải
a. Theo bài tập 9.109, hàm hợp lý là:
1 n 1
n   i
L( N )  L(Y1 , Y2 ,..., Yn | N )  I y   1, 2,..., N    n .I ( y( n )  N )
N i 1 N
y( n )  N .
Để L đạt cực đại, nên chọn N càng nhỏ càng tốt sao cho thỏa ràng buộc
 2 Y .
N (n)
Vì vậy,

Y( n )
b. Từ câu a, ta biết là MLE của N
 n
k 
P( Nˆ 2  k )  P (Y( n )  k )  P (Y1  k )...P (Yn  k )   
Do N
n n n
 k 1   k   k 1 
P ( Nˆ 2  k  1)    P ( Nˆ 2  k )        N  k  ( k  1) 
n n n

nên  N  và N  N 
Vì vậy
E ( Nˆ 2 )  N  n  k 1 k  k n  (k  1) n   N  n  k 1  k n1  (k  1) n1  (k  1) n   N  n  N n1   k 1 (k  1) n 
N N N
 
 k 1 (k  1)n  0n  1n  2n  ...  ( N  1)n . Với N lớn, giá trị này xấp xỉ diện tích bên dưới
N
Xét
N N n1
 k 1 (k  1)n   xn dx 
N

đường cong f ( x )  x từ x = 0 đến x = N, hoặc

n
0 n 1
 N n 1  n
E ( Nˆ 2 )  N  n  N n 1   N
 n 1  n 1
Do đó
n 1 ˆ n 1
Nˆ 3  N2  Y( n )
và n n xấp xỉ không chệch cho N.

2
ˆ )   n  1  V ( Nˆ )  N
2

ˆ V ( N 3   2
c. Ta có giá trị được cho của V ( N 2 ) nên  n  n(n  2)

V ( Nˆ 1 ) n(n  2) ( N 2  1) n  2  1 
   1 2   1
ˆ 3n N 2
3  N 
d. Chú ý rằng, với n > 1, V ( N3 )
 1 
1  2   1
vì với N lớn,  N 

9.111 Tham khảo bài tập 9.110. Giả sử xe tăng của địch có số thứ tự 1, 2, ..., N. Quan sát ngẫu
nhiên năm xe tăng (có lặp lại) có số thứ tự 97, 64, 118, 210, và 57. Ước lượng N và đặt một biên
sai số của ước lượng.
Giải
Để ước lượng N ta sẽ dùng ước lượng không chệch của N là N̂3 mà ta tìm được ở bài 9.110b.
n 1 6
 Nˆ 3  Y( n )   210  252
n 5
Và một biên sai số xấp xỉ được tính bởi:
N2 252 2
2 V ( Nˆ 3 )  2 2  85,192
n(n  2) 5  (5  2)

9.112 Cho Y1 , Y2 ,..., Yn biểu thị một mẫu ngẫu nhiên từ phân phối Poisson với trung bình λ và xác
Y 
Wn 
định Y /n

a Chứng tỏ rằng phân phối của Wn hội tụ đến phân phối chuẩn tắc.
b Sử dụng Wn và kết quả trong câu (a) để suy ra công thức khoảng tin cậy xấp xỉ 95% cho λ.
Giải
Y 
a Theo định lý giới hạn trung tâm ta có,  / n hội tụ về phân phối chuẩn tắc.
Ngoài ra, Y /  hội tụ theo xác suất đến 1 bởi luật số lớn, và Y /  cũng vậy.
Y 
Y 
Wn   / n 
Vì vậy, đại lượng Y / Y / n hội tụ đến phân phối chuẩn tắc.

b Từ câu a), ta biết Wn tiệm cận chuẩn nên: P(1,96    Wn  1,96)  0,95
 Y Y 
 Y  1,96 ; Y  1,96 
 n n 
   là khoảng tin cậy xấp xỉ 95% cho λ.