Onthisinhvien.

com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy

Chương 1: Biến cố và xác suất

• Với A và B là 2 biến cố không xung khắc ( độc lập hoặc phụ thuộc):
P(A + B) = P(A) + P(B) – P(AB)
• Với A và B là 2 biến cố xung khắc:
P(A + B) = P(A) + P(B)
•Với A và B là 2 biến cố ngẫu nhiên, ta có các công thức đáng nhớ sau:
AB + AB + AB + AB = Ω
P(A) = P(AB) + P(AB)
P( A + B) = P( AB ) và P( A + B )=P( AB )
1) Công thức Bernoulli: P(x | n,p)  nCx.px .(1 p)nx 
 

 n 
 i1

2) Công thức xác suất đầy đủ:  P(A)  P(Hi ).P(A / Hi ) 


 P(A | Hi ).P(Hi ) 
3) Công thức Bayes:  P(Hi | A)  
 P(A) 

Chương 2: BNN rời rạc và QLPP xác suất

I. Biến ngẫu nhiên rời rạc
1) Bảng phân phối xác suất(Chỉ BNN rời rạc mới có)
•Cho biến NN rời rạc X nhận các giá trị x1,x2,…,xn với xác suất tương ứng
p1,p2,…pn.
X x1 x2 ………. xk ………. xn
P p1 p2 ……….. pk ………… pn

2)Các tham số đặc trưng

•Kì vọng(trung bình)
n
Kì vọng kí hiệu là E(X) và tính bằng: E(X) = x p
i 1
i i

Đơn vị của kì vọng là đơn vị của X

Tính chất:
1. E(C) = C C là hằng số
2. E(C + X) = C + E(X)
3. E(C.X) = C.E(X)
Onthisinhvien.com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy

4. E(X ±𝑌) = E(X) ± E(Y)

5. E(X,Y) = E(X).E(Y) ( Đây là trường hợp 2 biến X,Y độc lập còn nếu X,Y
phụ thuộc ta xem xét ở các bài sau
•Phương sai:
n
-Công thức: V(X) = E(X 2 ) – [E(X)] 2 (Trong đó E(X 2 ) = x p
i 1
2
i i )

-Đơn vị của phương sai là (đơn vị của X) 2 và V(X) ≥0

Tính chất:
V(C) = 0 C là hằng số
V(X + C) = V(X)
V(C.X) = C 2 . V(X)
V(X ± 𝑌) = V(X) + V(Y)(V ới X và Y độc lập, nếu X và Y phụ thuộc ta xét sau)

•Độ lệch chuẩn: Ϭ = V(X)

II. Quy luật Phân phối xác suất cho BNN rời rạc
Nhị thức Poisson
Ký hiệu X ~ B(n,p) X ~ P(  )

Công thức P(X  x)  Cnx .p x .(1  p)1x     

x

  
x! 
P(X x) e


Kỳ vọng E(X) = np E(X) = 

Phương sai V(X) = np(1-p) V(X) = 

Mốt(Mode) np + p -1 ≤ m0 ≤ np + p   1 ≤ m0 ≤ 
Dấu hiệu Đọc đầu bài thấy giống Khi đầu bài cho lượng
Bernoulli trung bình mà không
cho biết p hay n thì ta
dùng phân phối
Poisson

1) Điều kiện xấp xỉ phân phối Nhị thức sang Poisson: n quá lớn
np ≈ np(1-p)
Onthisinhvien.com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy

X
2) Phân phối Nhị thức tỉ lệ: Cho X - B(n,p). Đặt p =
n
Khi đó p có phân phối Nhị thức tỉ lệ:
p(1  p)
• Ki vọng E( p ) = p • Phương sai V( p )
n

Chương 3: BNN liên tục và QLPP xác suất

I. Biến ngẫu nhiên liên tục
1) Hàm phân phối xác suất
-Hàm phân phối xác suất : F  x   P  X  x  , x R 
 

-Tính chất: P


a  X  b   F  b  – F a 

2) Hàm mật độ xác suất
- Ký hiệu: f  x   F'  x 
 

3) Tính chất hàm mật độ:

•f(x) ≥ 0
x0

•F(x0) =  f (x)dx


•  f (x)dx = 1

b
• P(a ≤ X ≤ b) =  f (x)dx
a

II. Quy luật phân phối xác suất(BNN liên tục)

1. Quy luật phân phối xác suất Chuẩn
Phân phối Chuẩn
Ký hiệu X ~ N(, 2 )
Kỳ vọng E(X) =  (đọc là muy)
Phương sai V(X) = 
2
(đọc là sigma bình)

   ( b   ) 

Công thức
• P X  b
  
 
• P

a  X  1  ( a   ) 
 
Onthisinhvien.com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy



• P a  X  b

  

 ( b   ) – ( a   )

• (x)  0 (x)  0,5

•Phân phối Nhị thức xấp xỉ phân phối Chuẩn
Cho X~B(n,p). Khi n ≥ 100 thì X~N(μ,  ) (Với μ = np;  = np(1-p))
2 2

•Phân phối Poisson xấp xỉ phân phối Chuẩn

Cho X~P(  ). Khi n ≥ 20 thì X~N(μ,  ) (Với μ =  ;  =  )
2 2

•“Sai lệch so với ….trung bình không quá ɛ” ta áp dụng công thức:
ɛ
P(|X – μ| < ɛ) = 2 Φ( ) -1
𝜎

Chương 4: Tương quan BNN 2 chiều

Hiệp phương sai Hệ số tương quan
Kí hiệu Cov(X,Y) = E(XY) – Cov(X, Y)
Ρx,y=
E(X).E(Y)  x . y
Ý nghĩa Thể hiện tương quan tuyến Đo mức độ chặt chẽ của tương
tính giữa X và Y quan tuyến tính giữa X và Y

Cụ thể Cov(X,Y) = 0 => X và Y Ρx,y= 0 => X và Y không tương

không tương quan Cov(X,Y) quan
> 0 => X và Y tương quan Ρx,y = ±1 => X và Y tương
dương Cov(X,Y) < 0 => X và quan hàm số
Y tương quan âm tuyến tính
𝜌x,y → 0 => mức độ tương quan
là thấp
𝜌x,y → ±1 => mức độ tương
quan là cao
2 2
Chú ý V(aX+bY) = a .V(X) + b .V(Y) + 2abCov(X,Y)
E(XY) = p11.x1. y1 + p12 .x2.y1 + ... + p21.x1 .y2 + ... + pmn.xn.ym

Chương 5: Tổng thể - Mẫu

1. Mẫu và tổng thể
-Dấu hiệu: Cân nặng của sinh viên trường N
-Tổng thể: Toàn bộ sinh viên trường N(xấp xỉ 22K người)
-Mẫu: Lấy ngẫu nhiên 100 sinh viên trường N(bất kể nam,nữ).
2. Các tham số
Onthisinhvien.com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy

Tham số Tổng Mẫu

thể
Kích thước N n
Trung bình m, μ (phân phối X̅ , x̅
chuẩn)
Trung vị Md xd
Mốt m0 x0
Phương sai σ2 S , s2
2
Độ lệch Σ S, s
chuẩn
Hệ số 
CV 100 cv s 100
biến  m  x
thiên
Hệ số
α3 a3
bất đối xứng
Hệ số nhọn α4 a4
Tỉ lệ P= p̂ =
M/N m/n

x= xd => a3 = 0 => đối xứng

x> xd => a3 > 0 => lệch phải (đồ thị kéo dài về phía +∞)
x< xd => a3 < 0 => lệch trái (đồ thị kéo dài về phía -∞)
3. Mẫu ngẫu nhiên, mẫu cụ thể
- Mẫu ngẫu nhiên: x1, x2, x3, ..., xn hay w = {xi, i=1,2,3,...n}
Ví dụ: Điều tra ngẫu nhiên cân nặng của 7 nữ sinh trường N,ta được mẫu liệt
kê sau: 45,47,50,47,47,51,50.
- Mẫu cụ thể:
X x1 x2 ... xk
Ni n1 n2 ... nk
Ví dụ: Điều tra ngẫu nhiên cân nặng của 7 nữ sinh trường N ta thấy có 1 sv
nặng 45, 3 sv nặng 47, 2 sv nặng 50 và 1 sv nặng 51.Có bảng:
Cân nặng 45 47 50 51
Tần số 1 3 2 1

4. Tính toán các tham số

n
1 1 n
-Trung bình mẫu: x =
n
 xi
i 1
hoặc x =  ni xi
n i 1
45  47  50  47  47  51  50.
Ví dụ: Trung bình mẫu cân nặng: x = =48,143
7
xn  xn
1
-Trung vị mẫu: x d = x n 1 (n lẻ) xd = 2 2
(n chẵn)
2
2
Onthisinhvien.com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy

Ví dụ:Trung vị mẫu cân nặng: 45,47,50,47,47,51,50

Vì n=7 lẻ.Ta sắp xếp lại theo thứ tự từ lớn tới bé: 45,47,47,47,50,50,51 và ta lấy
số ở giữa là 47 => md = 47
- Mốt mẫu: x0 có số lần xuất hiện nhiều nhất
Ví dụ: Mốt mẫu trên là 47
n 1 n 1 n
- Phương sai mẫu: s 2  [x 2  (x)2 ] (Với x 2 =  x i2 hoặc x 2 =  n i x i2 )
n 1 n i 1 n i 1
- Tần suất mẫu: p =
m
n
Ví dụ: Tìm tần suất các sv có cân nặng ≤ 50 => p =
6
7
- Tứ phân vị: Chia tập dữ liệu ra thành 4 phần bằng nhau( sắp xếp từ nhỏ đến
lớn)
n
- Hiệp phương sai mẫu: cov(X,Y)= (xy  x.y)
n 1
cov(X, Y)
- Hệ số tương quan mẫu: rx,y =
s x .s y

5. Suy diễn thống kê mẫu

•Suy đoán cho trung bình mẫu

Suy đoán cho trung bình
mẫu
Giả thuyết •Giả thiết có tổng thể X ~
N(μ;σ 2 ) xác định (đã biết
μ và σ)
Suy đoán cho tần suất(tỷ
lệ) mẫu
• Giả thiết có tổng thể phân
phối A(p) xác định (đã biết
p)

•Trung bình mẫu ngẫu •Với mẫu lớn (n ≥ 100), ta

nhiên kích thước n lúc có tần suất mẫu p̂ ~ N(p;
2 p(1  p)
này: X ~ N (; ) )
n n

•Chuẩn hóa bằng cách

𝑋−𝜇
đặt: Z = ~ N(0,1)
𝜎/√𝑛

𝜎 𝜎
Khoảng 2 phía μ- zα/2 < X < μ + zα/2 √𝑝(1−𝑝)
√𝑛 √𝑛 p- zα/2 < p < p +
√𝑛
√𝑝(1−𝑝)
zα/2
√𝑛
 Onthisinhvien.com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy

𝜎
Tối đa X < μ + zα √𝑝(1−𝑝)
√𝑛 p̂ < p + zα
√𝑛

𝜎
Tối thiểu X >μ- zα √𝑝(1−𝑝)
√𝑛 p̂ > p - zα
√𝑛

Chương 7: Ước lượng

1) Ước lượng điểm
- Không chệch: E(G1) = E(X) = m
- Hiệu quả: V nào mà nhỏ nhất trong số các V thì ước lượng đấy là hiệu quả
2. Ước lượng khoảng
Trung bình tổng thể Tỷ lệ tổng thể
•Khoảng 2 phía S (n 1) S (n 1) p(1  p) p(1  p)
X t  /2 <  < X  t  /2 p - z /2  p  p  z  /2
n n n n

•Tối đa S n 1 p(1  p)
X t p  p  z /2
n n
•Tối thiểu S n 1 p(1  p)
X t p  z  /2 p
n n
•Sai số ước lượng S (n 1) p(1  p)
 t  /2  = z  /2
(độ chính xác) n n
•Độ dài khoảng tin I = 2  I = 2
cậy

Phương sai tổng thể

•Khoảng 2 phía (n  1)S2 (n  1)S2
 2  1)
2(n/21) 12(n
 /2

•Tối đa (n  1)S2
2  1)
12(n


•Tối thiểu (n  1)S2

 2
2(n 1)
Onthisinhvien.com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy

Chương 8: Kiểm định giả thuyết

Cách làm 1:
- Bước 1: Viết cặp giả thuyết
***Lưu ý: H0 luôn nhận dấu = (lớn hơn hoặc bằng, nhỏ hơn hoặc bằng, =)
H1 trái với H0 (<, >, ≠)

- Bước 2: Tiêu chuẩn(Tqs, 

2
qs hoặc Fqs, Zqs) (Công thức tra bảng)
- Bước 3: Miền bác bỏ(Tra bảng tương ứng)
=> Kết luận: Thuộc miền bác bỏ => Bác bỏ H0, Chấp nhận H1
Không thuộc miền bác bỏ => Chưa đủ cơ sở bác bỏ H0
Cách làm 2:
- Bước 1: Viết cặp giả thuyết
- Bước 2: Sử dụng P-Value
+) P-Value < α => Bác bỏ H0, chấp nhận H1
+) P-Value > α => Chưa đủ cơ sở bác bỏ H0

I) Kiểm định 1 tham số

- Trung bình (<, >, =)
- Phương sai (<, >, =)
-Tỷ lệ (<, >, =)
II) Kiểm định 2 tham số
- Trung bình (<, >, =)
- Phương sai (<, >, =)
1
(df ,df 2 )
***Lưu ý: f11 
f (df2 ,df1 )
Onthisinhvien.com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy

-Tỷ lệ (<, >, =)

n1.p1  n 2 .p 2
***Lưu ý: p 
n1  n 2
III) Kiểm định phi tham số
1) Kiểm định phân phối chuẩn(JB)
- B1: Cặp giả thuyết: H0: Biến X phân phối chuẩn
H1: Biến X Không phân phói chuẩn (Slide trang 250)
- B2: JBqs = Tra bảng

(Xi  X)3 / n
Trong đó: a3 =
S3
(Xi  X) 4 / n
a4 =
S4
- B3: Miền bác bỏ(Tra bảng)
- B4: Kết luận
2) Kiểm định tính độc lập
- B1: Cặp giả thuyết: H0: A và B độc lập
H1: A và B không độc lập (Slide trang 253)
- B2: Giá trị quan sát: Tra bảng
- B3: Miền bác bỏ(Tra bảng)
- B4: Kết luận
***Nếu có thời gian thì đọc thêm Slide trang số:221, 214, 207, 199, 195, 179

Giả thuyết H1 Kiểm định T(1,2 trung bình) Kiểm định Z(1,2 tỷ lệ)
≠ n < 31: P-Value = 2P(T(n-1) > |Tqs|) P-Value = 2P(Z > |Zqs|)
n > 31: P-Value = 2P( Z > |Tqs|)
> n < 31: P-Value = P(T(n-1) > Tqs) P-Value = P(Z > Zqs)
n > 31: P-Value = P( Z > Tqs)
Onthisinhvien.com 12 ngày chinh phục A+ Xác suất thống kê Lê Nguyễn Viết Duy

< n < 31: P-Value = P(T(n-1) < Tqs) P-Value = P(Z < Zqs)
n > 31: P-Value = P( Z < Tqs)
Giả thuyết H1 Kiểm định 
2

≠ 2(n 1)
P-Value = 2P(   qs
2
)
2(n 1)
P-Value = P(   qs
> 2
)
2(n 1)
P-Value = P(   qs
< 2
)