Baigiang XSTK NguyenVanHung

BỘ THÔNG TIN VÀ TRUYỀN THÔNG
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

———————–
NGUYỄN VĂN HƯNG
BÀI GIẢNG XÁC SUẤT THỐNG KÊ
LƯU HÀNH NỘI BỘ

TPHCM-2019
MỞ ĐẦU
"Giáo trình Lý thuyết xác suất thống kê" là tài liệu được biên soạn cho các sinh
viên ngành kinh tế, kỹ thuật như: Vật lý, Điện tử viễn thông, An toàn Thông tin, Công
nghệ Thông tin, Kinh tế, Kế toán, Quản trị kinh doanh...
Mục đích của bài giảng là trang bị cho các sinh viên kiến thức về lý thuyết xác suất
thống kê từ đó nghiên cứu, thu thập và xử lý thông tin kinh tế - xã hội...
Bài giảng bao gồm 5 chương. Chương 1: Các khái niệm cơ bản về xác suất. Chương
này đưa ra các khái niệm cơ bản về lý thuyết xác suất như: xác suất cổ điển, xác suất
theo quan điểm thống kê và các công thức xác suất khác. Chương 2. Biến ngẫu nhiên
và hàm phân phối. Chương này giới thiệu các khái niệm về: biến ngẫu nhiên, hàm phân
phối, các đặc trưng, một số phân phối quan trọng và nghiên cứu luật số lớn, các định
lý giới hạn. Chương 3: Mẫu ngẫu ngẫu nhiên và ước lượng tham số. Chương này mục
đích đưa ra các khái niệm về mẫu ngẫu nhiên, các đặc trưng mẫu và các ước lượng
tham số. Chương 4: Kiểm định giả thiết. Chương này trình bày một số bài toán kiểm
định giả thiết như: kiểm định trung bình, kiểm định tỷ lệ, kiểm định phương sai, kiểm
định tính độc lập, quy luật phân phối và các bài toán so sánh.Chương 5 trình bày về
tương quan và hồi quy tuyến tính.
Trong tất cả các chương đưa ra đều có những ví dụ minh họa cụ thể cho từng dạng
bài toán, sau cuối của mỗi chương đều có hệ thống bài tập khá đa dạng và phong phú.
Vì nhiều lý do, chắc chắn bài giảng không tránh khỏi những sai xót. Chúng tôi mong
được sự đóng góp của đồng nghiệp và các bạn sinh viên.
Tác giả
2
Mục lục
1 Các khái niệm cơ bản về xác suất 6

1.1 Bổ túc về giải tích tổ hợp . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Các nguyên lý đếm cơ bản . . . . . . . . . . . . . . . . . . . . . 6
1.1.2 Hoán vị . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Chỉnh hợp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.4 Chỉnh hợp lặp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.5 Tổ hợp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Phép thử ngẫu nhiên và biến cố . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Phép thử ngẫu nhiên . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Biến cố . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.3 Quan hệ và phép toán giữa các biến cố. . . . . . . . . . . . . . . 8
1.3 Các định nghĩa về xác suất . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 Định nghĩa xác suất theo cổ điển . . . . . . . . . . . . . . . . . 9
1.3.2 Định nghĩa xác suất theo tần suất và thống kê . . . . . . . . . . 10
1.3.3 Định nghĩa xác suất theo hệ tiên đề . . . . . . . . . . . . . . . . 10
1.3.4 Tính chất của xác suất . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Các công thức xác suất . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.1 Công thức cộng xác suất . . . . . . . . . . . . . . . . . . . . . . 12
1.4.2 Công thức nhân xác suất . . . . . . . . . . . . . . . . . . . . . . 12
1.4.3 Công thức xác suất đầy đủ và công thức Bayes . . . . . . . . . 14
1.4.4 Dãy phép thử Bernoulli và công thức nhị thức . . . . . . . . . . 17
2 Biến ngẫu nhiên và hàm phân phối 26

2.1 Khái niệm biến ngẫu nhiên và hàm phân phối . . . . . . . . . . . . . . 26
2.1.1 Khái niệm biến ngẫu nhiên . . . . . . . . . . . . . . . . . . . . . 26
2.1.2 Phân phối xác suất của biến ngẫu nhiên . . . . . . . . . . . . 26
2.1.3 Hàm phân phối xác suất của biến ngẫu nhiên . . . . . . . . . 27
2.2 Các đặc trưng của biến ngẫu nhiên . . . . . . . . . . . . . . . . . . . . 30
3
2.2.1 Kỳ vọng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.2 Phương sai . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.3 Mod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.4 Median . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3 Một số phân phối thường gặp . . . . . . . . . . . . . . . . . . . . . . . 32
2.3.1 Phân phối nhị thức . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3.2 Phân phối Poisson . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3.3 Phân phối Siêu bội . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3.4 Phân phối chuẩn . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.5 Phân phối đều . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3.6 Phân phối mũ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3.7 Phân phối khi bình phương χ2n . . . . . . . . . . . . . . . . . . . 35
2.3.8 Phân phối Student . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.3.9 Tính gần đúng phân phối nhị thức . . . . . . . . . . . . . . . . 36
2.4 Véc tơ ngẫu nhiên . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.4.1 Biến ngẫu nhiên rời rạc 2 chiều . . . . . . . . . . . . . . . . . . 38
2.4.2 Biến ngẫu nhiên liên tục 2 chiều . . . . . . . . . . . . . . . . . . 40
2.4.3 Các đặc trưng của véctơ ngẫu nhiên . . . . . . . . . . . . . . . . 43
2.5 Luật số lớn và một số định lý giới hạn . . . . . . . . . . . . . . . . . . 47
2.5.1 Một số dạng hội tụ. . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.5.2 Bất đẳng thức Chebyshev và luật yếu số lớn. . . . . . . . . . . . 50
3 Lý thuyết chọn mẫu và ước lượng tham số 58

3.1 Mẫu ngẫu nhiên, hàm phân phối và đặc trưng mẫu . . . . . . . . . . . 58
3.1.1 Mẫu ngẫu nhiên . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.1.2 Hàm phân phối, đa giác tần suất và tổ chức đồ tần suất . . . . 59
3.1.3 Mẫu ngẫu nhiên hai chiều . . . . . . . . . . . . . . . . . . . . . 61
3.1.4 Đặc trưng mẫu . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.2 Ước lượng điểm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2.1 Ước lượng không chệch . . . . . . . . . . . . . . . . . . . . . . . 66
3.2.2 Ước lượng vững . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2.3 Ước lượng hiệu quả . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.2.4 Ước lượng hợp lý cực đại . . . . . . . . . . . . . . . . . . . . . . 71
3.2.5 Ước lượng điểm cho kỳ vọng . . . . . . . . . . . . . . . . . . . . 72
3.2.6 Ước lượng điểm cho phương sai . . . . . . . . . . . . . . . . . . 72
3.2.7 Ước lượng điểm cho xác suất . . . . . . . . . . . . . . . . . . . . 73
3.3 Ước lượng khoảng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4
3.3.1 Ước lượng khoảng đối với giá trị trung bình . . . . . . . . . . . 73
3.3.2 Ước lượng khoảng đối với giá trị tỷ lệ . . . . . . . . . . . . . . . 77
3.3.3 Ước lượng khoảng đối với giá trị phương sai . . . . . . . . . . . 80
4 Kiểm định giả thiết 89

4.1 Đặt vấn đề . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.2 Kiểm định về giá trị trung bình . . . . . . . . . . . . . . . . . . . . . . 89
4.2.1 Trường hợp σ 2 đã biết . . . . . . . . . . . . . . . . . . . . . . 89
2
4.2.2 Trường hợp σ chưa biết n ≥ 30 . . . . . . . . . . . . . . . . . 92
2
4.2.3 Trường hợp σ chưa biết và n < 30, X ∼ N (µ, σ ) . . . . . . . . 94
4.3 Kiểm định tỷ lệ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.3.1 Bài toán hai phía . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.3.2 Bài toán một phía . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.4 Kiểm định phương sai . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.4.1 Trường hợp chưa biết µ . . . . . . . . . . . . . . . . . . . . . . 98
4.4.2 Trường hợp đã biết µ = µ0 . . . . . . . . . . . . . . . . . . . . . 99
4.5 Kiểm định giả thiết về tính độc lập . . . . . . . . . . . . . . . . . . . . 101
4.6 Kiểm định giả thiết về luật phân phối . . . . . . . . . . . . . . . . . . . 104
4.7 Bài toán so sánh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.7.1 Bài toán so sánh hai giá trị trung bình . . . . . . . . . . . . . . 106
4.7.2 Bài toán so sánh hai giá trị tỷ lệ . . . . . . . . . . . . . . . . . . 112
5 Tương quan và hồi quy tuyến tính 122

5.1 Tương quan tuyến tính . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.2 Hồi quy tuyến tính . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
Các bảng số thông dụng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Tài liệu tham khảo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5
Chương 1
Các khái niệm cơ bản về xác suất
1.1 Bổ túc về giải tích tổ hợp
1.1.1 Các nguyên lý đếm cơ bản
a) Nguyên lý cộng
Giả sử có k công việc, việc thứ nhất có n1 cách làm, việc thứ hai có n2 cách làm,...,
việc thứ k có nk cách làm,... các công việc này không làm đồng thời. Khi đó ta có
n1 + n2 + ... + nk cách làm k công việc trên.
b) Nguyên lý nhân.
Giả sử hành động H được thực hiện qua k giai đoạn liên tiếp H1 , ..., Hk .
Giai đoạn H1 có n1 cách làm,...,Hk có nk cách làm.
Khi đó n1 .n2 ...nk cách làm công việc H.
1.1.2 Hoán vị
Định nghĩa 1.1.1. Cho tập M có n phần tử, mỗi cách sắp xếp n phần tử này theo
một thứ tự nhất định gọi là một hoán vị của tập M . Gọi số các hoán vị của tập M là:
Pn = n! = 1.2.3...(n − 1)n
Ví dụ 1. a) Ta có 3 người A, B, C xếp vào 3 chỗ ngồi. Khi đó ta có 3! = 3.2.1 = 6 cách

xếp như sau:
ABC, ACB, BAC, BCA, CAB, CBA
b) Số cách sắp xếp cho 80 sinh viên vào 80 chỗ ngồi là P80 = 80!
6
1.1.3 Chỉnh hợp
Định nghĩa 1.1.2. Cho tập M có n phần tử, 0 ≤ k ≤ n, một chỉnh hợp chập k của n
phần tử là một bộ sắp thứ tự (phân biệt) lấy từ n phần tử đã cho và được ký hiệu là
n!
Akn =
(n − k)!
Ví dụ 2. a) Cho ba phần tử 2,3,5. Các chỉnh hợp chập 2 của ba phần tử đó là:
23, 25, 32, 35, 52, 53
b) Mỗi lớp phải học 6 môn, mỗi ngày học 2 môn. Hỏi có bao nhiêu cách xắp xếp thời
khóa biểu cho mỗi ngày.
HD: Vì mỗi cách xắp xếp thời khóa biểu trong một ngày là ghép 2 môn trong 6
môn. Các cách này do ít nhất 1 môn khác nhau hoặc chỉ do thứ tự sắp xếp trước sau
giữa hai môn. Vì thế mỗi cách sắp xếp ứng với một chỉnh hợp chập 2 của 6.
A26 = 30
1.1.4 Chỉnh hợp lặp
Định nghĩa 1.1.3. Chỉnh hợp lặp chập k của n phần tử là 1 nhóm thứ tự gồm k phần
tử lấy từ n phần tử đã cho trong đó mỗi phần tử có thể có mặt 1,2, 3,....k lần trong
k
nhóm tạo thành. Ký hiệu An = nk
Ví dụ 3. a) Cho ba phần tử 2,3,5. Các chỉnh hợp lặp chập 2 của ba phần tử đó là:
22, 23, 25, 32, 33, 35, 52, 53, 55
b) Để đăng ký mỗi loại máy mới người ta dùng 3 con số trong 9 con số 1,2,....9. Hỏi có
thể đánh số được bao nhiêu máy.
k
Mỗi số của máy là chỉnh hợp lặp chập 3 của 9 số: An = 93 = 729
1.1.5 Tổ hợp
Định nghĩa 1.1.4. Tổ hợp chập k của n phần tử, 0 ≤ k ≤ n là một tập con của k
phần tử lấy từ n phần tử đã cho và được ký hiệu là
Akn n!
Cnk = =
k! k!(n − k)!
Ví dụ 4. Có 10 đội bóng đá thi đấu với nhau theo thể thức vòng tròn một lượt. Hỏi
có bao nhiêu trận đấu?
HD: Ta thấy mỗi trận đấu giữa 2 đội đấu với nhau là 1 tổ hợp chập 2 của 10 phần tử
2
(Vì hai đội đấu với nhau không cần xếp thứ tự) C10 = 45
7
1.2 Phép thử ngẫu nhiên và biến cố
1.2.1 Phép thử ngẫu nhiên

Phép thử ngẫu nhiên là một hành động mà ta chưa biết trước được kết quả của nó.
Tuy chưa biết trước được kết quả của phép thử nhưng biết được tập tất cả các khả
năng và ký hiệu là Ω và gọi là không gian biến cố sơ cấp.
Mỗi ω ∈ Ω gọi là biến cố sơ cấp. Ta ký hiệu phép thử là G
Ví dụ 5. a) Tung đồng tiền thì Ω = {S, N }
b) Tung con xúc xắc: Ω = {1, 2, 3, 4, 5, 6}
1.2.2 Biến cố
Khi thực hiện một phép thử có rất nhiều câu hỏi liên quan đến kết quả của nó. Một
sự kiện liên quan đến phép thử mà việc nó xảy ra hay không xảy ra phụ thuộc hoàn
toàn vào phép thử gọi là một biến cố ngẫu nhiên. Ký hiệu A, B, C, ...
Biến cố sơ cấp ω gọi là thuận lợi cho biến A nếu khi kết quả của phép thử là ω thì
A xảy ra.
Biến cố không thể là biến cố không thể xảy ra và ký hiệu là: ∅.
Biến cố chắc chắn: là biến cố luôn xảy ra khi thực hiện phếp thử, ký hiệu là: Ω.
Ví dụ 6. Tung con xúc xắc ⇒ Ω = {1, 2, 3, 4, 5, 6}.
Biến cố xuất hiện mặt chấm lẻ là A ⇒ A = {1, 3, 5}.
Biến cố xuất hiện mặt chấm nhỏ hơn 5 là B: ⇒ B = {1, 2, 3, 4}.
1.2.3 Quan hệ và phép toán giữa các biến cố.

a. Quan hệ kéo theo
Biến cố A gọi là kéo theo biến cố B nếu A xảy ra thì B xảy ra. Ký hiệu A ⊂ B
b. Quan hệ bằng nhau
Hai biến cố A, B gọi là bằng nhau. Ký hiệu A=B nếu A ⊂ B, A ⊃ B.
c. Giao của hai biến cố
Giao của haibiến cố là một biến cố xảy ra khi và chỉ khi A, B đồng thời xảy ra. Ký
hiệu A ∩ B hoặc AB.
TQ: A1 ∩ A2 ∩ ... ∩ An là một biến cố xảy ra khi và chỉ khi với mọi Ai xảy ra.
d. Hợp của hai biến cố
Hợp của haibiến cố là một biến cố xảy ra khi và chỉ khi A hoặc B xảy ra. Ký hiệu
A ∪ B.
TQ: A1 ∪ A2 ∪ ... ∪ An là một biến cố xảy ra khi và chỉ khi ít nhất một Ai xảy ra.
e. Hiệu của hai biến cố.
8
Hiệu của hai biến cố A và B ký hiệu là A \ B là một biến cố xảy ra khi và chỉ khi
A xảy ra và B không xảy ra.
g. Biến cố đối
Biến cố đối của biến cố A là A, là biến cố xảy ra khi và chỉ khi A không xảy ra.
h. Biến cố xung khắc
Hai biến cố A và B là xung khắc nếu chúng không đồng thời xảy ra, tức là AB = ∅.
Biến cố đối thì xung khắc.
h. Nhóm đầy đủ các biến cố
Nhóm n biến cố A1 , A2 , ..., An gọi là nhóm đầy đủ các biến cố nếu.
i) Chúng xung khắc với nhau đôi một Ai Aj = ∅, (i 6= j)
ii) Hợp của chúng là biến cố chắc chắn A1 ∪ A2 ∪ ... ∪ An = Ω
Ví dụ 7. Hai xạ thủ mỗi người bắn một viên đạn mục tiêu.
Gọi Ai là biến cố người thứ i trúng mục tiêu. Hãy viết biến cố sau qua A1 , A2 .
a. Biến cố chỉ người thứ nhất trúng mục tiêu: A1 A2 .
b Có 1 người bắn trúng mục tiêu: A1 A2 ∪ A2 A1 .
c. Có ít nhất một người bắn trúng mục tiêu: A1 ∪ A2 .
d. Không có ai bắn trúng mục tiêu: A1 A2 .
1.3 Các định nghĩa về xác suất
1.3.1 Định nghĩa xác suất theo cổ điển

Giả sử không gian biến cố sơ cấp Ω của phép thử G có n kết quả đồng khả năng
và có m kết quả thuận lợi cho biến cố A. Khi đó xác suất của biến cố A được ký hiệu
và được định nghĩa là
m
P (A) =
n
Ví dụ 8. Một hộp có 16 quả cầu đen và 4 quả cầu đỏ lấy ngẫu nhiên 2 quả cầu. Hãy
tính xác suất.
a) Lấy được hai quả cầu đen.
b) Lấy được 1 quả cầu đen, một quả đỏ.
HD: a) Gọi A là biến cố lấy được hai quả cầu đen. Khi đó
2
2 2 C16
n = C20 , m = C16 ⇒ P (A) = 2
C20
b) Gọi B là biến cố lấy được 1 quả đen, 1 quả đỏ thì

1
C16 C41
P (B) = 2
C20
9
Ví dụ 9. Một nhóm học tập có 10 hs, trong đó có 7 hs yếu. Kiểm tra ngẫu nhiên 3 em.
Tính xác suất để:
a) Ba em kiểm tra là học sinh yếu.
b) Trong 3 em được kiểm tra có 1 em yếu.
c) Có ít nhất 1 học sinh yếu được kiểm tra.
1.3.2 Định nghĩa xác suất theo tần suất và thống kê

Một phép thử được thực hiện n lần mà có m biến cố A xuất hiện thì tỷ số m/n gọi
là tần suất của biến cố A.
Khi n thay đổi, tần suất m/n cũng thay đổi nhưng nó luôn dao động quanh một số
cố định nào đó, n càng lớn thì m/n càng gần số cố định đó. Số cố định này được gọi là
xác suất của biến cố A theo nghĩa thống kê. Trên thực tế khi n đủ lớn ta xấp xỉ P (A)
bởi m/n tức là
m
P (A) =
n
1.3.3 Định nghĩa xác suất theo hệ tiên đề
Định nghĩa 1.3.1. σ-đại số:

Tập Ω 6= ∅, F là tập con của Ω. F được gọi là σ-đại số các tập con của Ω nếu:
i) ∅ ∈ F.
ii) A ∈ F ⇒ A ∈ F.
∞
[ ∞
\
iii) Ai ∈ F(i = 1, 2, ..) thì Ai ∈ F vàAi ∈ F(i = 1, 2, ..) ⇒ Ai ∈ F
i=1 i=1
Định nghĩa 1.3.2. Độ đo xác suất

Ánh xạ P : F → R gọi là độ đo xác suất (σ-cộng tính) nếu.
(p1 ): P (A) ≥ 0, ∀A ∈ F.
(p2 ): P (Ω) = 1; (Tính chuẩn hoá của độ đo).
∞
[ X∞
(p3 ): P ( Ai ) = P (Ai ) nếu Ai xung khắc đôi một (A1 ∩ A2 = ∅).
i=1 i=1
P
Chú ý: Nếu Ai đôi một xung khắc thì ta ký hiệu Ai thay bởi ∩Ai
Định nghĩa 1.3.3. Không gian xác suất
Bộ ba (Ω, F, P ) gọi là không gian xác suất, trong đó:
Ω gọi là không gian biến cố sơ cấp.
F gọi là σ-đạisố các biến cố.
A ∈ F được gọi là một biến cố.
A gọi là biến cố đối của A
AB = ∅ thì A, B gọi là xung khắc.
10
1.3.4 Tính chất của xác suất
1) 0 ≤ P (A) ≤ 1, P (∅) = 0, P (Ω) = 1.
2) P (A) = 1 − P (A).
3) Nếu A ⊂ B thì P (A) ≤ P (B) với P (B/A) = P (B) − P (A).
4) P (A ∪ B) = P (A) + P (B) − P (AB).
∞
[ ∞
X ∞
\ ∞
X
5)Ai ∈ F, P ( Ai ) ≤ P (Ai ) ⇒ P ( Ai ) ≥ 1 − P (Ai ).
i=1 i=1 i=1 i=1
∞
[
6) Nếu A1 ⊂ A2 ⊂ ... ⊂ An dãy (An ) tăng thì P ( An ) = lim P (An ).
n→∞
n=1
∞
\
7) Nếu A1 ⊃ A2 ⊃ ... ⊃ An dãy (An ) giảm thì P ( An ) = lim P (An ).
n→∞
n=1
Ví dụ 10. Một hộp cứa 5 cầu trắng, 3 cầu xanh và 4 cầu đen cùng kích thước, chọn
ngẫu nhiên cùng lúc 3 cầu. Tìm xác suất để.
a) Cả 3 cầu cùng mầu (A).
b) Có đúng 2 cầu cùng mầu(B).
c) Có ít nhất hai cầu cùng mầu(C).
d) Cả 3 cầu khác mầu nhau(D).
HD:
a) Gọi A1 = { 3 quả cầu rút ra đều mầu trắng}.
A2 = { 3 quả cầu rút ra cùng mầu đen}.
A3 = { 3 quả cầu rút ra đều mầu xanh}.
Khi đó: A = A1 + A2 + A3 =⇒ P (A1 ) + P (A2 ) + P (A3
C53 + C33 + C43 3

=⇒ P (A) = 3
=
C12 44
.
b) Gọi B1 = { 2 quả cầu rút ra cùng mầu trắng}.
B2 = { 2 quả cầu rút ra cùng mầu đen}.
B3 = { 2 quả cầu rút ra cùng mầu xanh}.
C52 C71 + C42 C81 + C32 C91 29

=⇒ P (B) = P (B1 ) + P (B2 ) + P (B3 ) = 3
=
C12 44
32
c) P (C) = P (A) + P (B = 44
d) P (D) = 1 − P (C).
11
1.4 Các công thức xác suất
1.4.1 Công thức cộng xác suất
P (A ∪ B) = P (A) + P (B) − P (AB)

Hướng dẫn chứng minh
Ta có A ∪ B = A + B \ A và P (B \ A) = P (B) − P (A ∩ B)
1.4.2 Công thức nhân xác suất
a) Xác suất điều kiện

Giả sử A, B là hai biến cố bất kỳ và P (B) > 0. Ta gọi tỷ số PP(AB)
(B)
là xác suất có điều
kiện của biến cố A với điều kiện biến cố B xảy ra và ký hiệu:
P (AB)
P (A/B) =
P (B)
Ví dụ 11. Trong một vùng dân cư, tỉ lệ người nghiện thuốc lá và mắc chứng bệnh
ung thư họng là 15%. Có 25% số người nghiện thuốc nhưng không ung thư họng, 50%
số người không nghiện thuốc cũng không bị ung thư họng và có 10% số người không
nghiện thuốc nhưng mắc chứng bệnh ung thư họng. Sử dụng số liệu thống kê trên có
thể rút ra kết luận gi về mối quan hệ giữa bệnh ung thư họng và thói quen hút thuốc
lá.
HD
Bây giờ ta so sánh xác suất để một người bị ung thư họng với điều kiện người ấy
nghiện thuốc lá, với xác suất để một người bị ung thư họng với điều kiện người ấy
không nghiện thuốc lá.
Gọi A="Biến cố người nghiện thuốc lá"
C="Biến cố người đó bi ung thư họng"
Khi đó ta có
P (AC)
P (C/A) =
P (A)
P (AC)
P (C/A) =
P (A)
trong đó
P (AC) = 0, 15; P (AC) = 0, 10
P (A) = P (AC) + P (AC) = 0, 15 + 0, 25 = 0, 40; P (A) = 0, 6
Như vậy
0, 15) 0, 1
P (C/A) = = 0, 375; P (C/A) = = 0, 167
0, 4 0, 6
b) Sự độc lập của các biến cố
12
Định nghĩa 1.4.1. Hai biến cố A và B gọi là độc lập với nhau nếu
P (AB) = P (A)P (B)
• Họ các biến cố (Ai )i ∈ I, I = {1, 2, .., n} được gọi là độc lập (đôi một) nếu hai biến
cố bất kỳ là độc lập.
• Họ các biến cố (Ai )i ∈ I gọi là độc lập trong toàn bộ nếu với mỗi bộ chỉ số i1 , i2 , ..., ik
ta có:
k
Y Yk
P ( Aij ) = P (Aij )
j=1 j=1
suy ra độc lập toàn bộ, suy ra độc lập đôi một (ngược lại không đúng).
Tính chất 1 Hai biến cố A và B là độc lập với nhau khi và chỉ khi P (A/B) = P (A)
hoặc P (B/A) = P (B)
Tính chất 2 Hai biến cố A và B độc lập khi và chỉ khi A, B độc lập hoặc A, B
độc lập hoặc A, B độc lập.
c) Công thức nhân xác suất
Nếu P (A1 .A2 ...An−1 ) > 0 khi đó ta có công thức sau và được gọi là công thức nhân.
P (A1 A2 ...An ) = P (A1 )P (A2 /A1 )P (A3 /A1 A2 )...P (An /A1 A2 ...An−1 )
Chứng minh:
Nếu n = 2 ta có
P (A1 A2 )
P (A2 /A1 ) = ⇒ P (A1 A2 ) = P (A1 )P (A2 /A1 )
P (A2 )
Giả sử đúng với n − 1 tức là
P (A1 A2 ...An−1 ) = P (A1 )P (A2 /A1 )...P (An−1 /A1 A2 ...An−2 )
Khi đó
P (A1 A2 ...An ) = P (A1 A2 ...An−1 )P (An /A1 A2 ...An−1 )

= P (A1 )P (A2 /A1 )...P (An /A1 A2 ...An−1 )
Ví dụ 12. Trong một hộp có 5 bi trắng, 3 bi đỏ, rút liên tiếp từ hộp ra hai bi. Tìm xác
suất để:
a. Hai bi có màu trắng.
b. Một bi mầu trắng và một bi màu đỏ.
HD. Gọi Ai là biến cố rút lần i được bi trắng. Khi đó A1 A2 là biến cố rút ra cả hai
lần trắng suy ra P (A1 A2 ) = P (A1 )P (A2 /A1 ) = 58 47 = 20
56
13
Khi đó, biến cố một bi trắng và một bi đỏ là A1 A2 + A1 A2
⇒P (A1 A2 + A1 A2 ) = P (A1 A2 ) + P (A1 A2 )

= P (A1 )P (A2 /A1 ) + P (A1 )P (A2 /A1 )
53 35
= +
87 87
Ví dụ 13. Một hộp 12 bi, trong đó có 7 bi đỏ và 5 bi trắng.
a)Lấy ngẫu nhiên liên tiếp không hoàn lại 2 bi. Tìm xác suất để 2 bi lấy ra đều là bi
đỏ.
b) Lấy ngẫu nhiên 1 bi từ hộp và không để ý đến màu của nó, sau đó lại lấy tiếp 1 bi
nữa. Tìm xác suất để viên bi lấy ra lần thứ hai là bi đỏ.
HD:
a) Đặt A= biến cố ”viên bi lấy ra lần thứ nhất là bi đỏ”.
B= biến cố”viên bi lấy ra lần thứ 2 là đỏ”
Xcá suất phải tìm là xác suất AB.
7 6 7
Ta có P (AB) = P (A)P (B/A) = 12 11
= 22
b) Ta có thể viết B = B ∩ Ω = B(A ∪ A) = AB ∪ AB
P (B) = P (AB) + P (AB)

= P (A)P (B/A) + P (A)P (B/A)
7 6 5 7 7
= + =
12 11 12 11 12
1.4.3 Công thức xác suất đầy đủ và công thức Bayes

Giả sử A là biếnPcố bất kỳ, dãy {B1 , B2 , ..., Bn } lập thành hệ đầy đủ các biến
cố(Bi Bj = ∅(i 6= j), Bi = Ω). Khi đó,
a. Nếu P (Bi ) > 0, i = 1, 2, ..., n thì
n
X
P (A) = P (Bi ).P (A/Bi )
i=1
Công thức này được gọi là công thức xác suất toàn phần
b. Nếu P (Bi ) > 0 và P (A) > 0 thì
P (Bk )P (A/Bk )
P (Bk /A) = n
X
P (Bi ).P (A/Bi )
i=1
Công thức này được gọi là công thức Bayes

Chứng minh
14
a) Ta có các biến cố AB1 , AB2 , ..., ABn xung khắc từng đôi và
A = AΩ = A ∪ni=1 Bi = ∪ni=1 ABi
Vậy
n
X
P (A) = P (ABi )
i=1
Theo quy tắc nhân P (ABi ) = P (Bi )P (A/Bi ) thay vào ta được
n
X
P (A) = P (Bi ).P (A/Bi )
i=1
b) Theo quy tắc nhân

P (A)P (Bk /A) = P (ABk )
P (Bk )P (A/Bk ) = P (ABk )
Vậy
P (A)P (Bk /A) = P (Bk )P (A/Bk )
suy ra
P (Bk )P (A/Bk )
P (Bk /A) =
P (A)
Ví dụ 14. Cho hai lô sản phẩm. Lô I có 50 sản phẩm, trong đó có 20 phế phẩm. Lô II
có 40 sản phẩm, trong đó có 15 phế phẩm. Lấy ngẫu nhiên một lô và từ lô đó lấy hú
hoạ ra một sản phẩm.
a. Tìm xác suất để sản phẩm lấy ra là sản phẩm tốt.
b. Sản phẩm lấy ra là sản phẩm tốt.Tìm xác suất để sản phẩm đó thuộc lô II.
HD: a. Gọi A là biến cố ”sản phẩm lấy ra là sản phẩm tốt”
B1 là biến cố ”sản phẩm lấy ra từ lô I”
B2 là biến cố ” sản phẩm lấy ra từ lô II”
Khi đó dãy B1 , B2 lập thành hệ đầy đủ các biến cố. Theo công thức xác suất toàn
phần ta có
P (A) = P (B1 )P (A/B1 ) + P (B2 )P (A/B2 )
với
P (B1 ) = P (B2 ) = 12 ; P (A/B1 ) = 30
50
= 35 ; P (A/B2 ) = 25
40
= 5
8
⇒ P (A) = 21 ( 35 + 5
8
= 49
80
)
Ví dụ 15. Hai máy cùng sản xuất cùng một loại linh kiện. Các linh kiện nay được đóng
chung vào một lô hàng. Năng suất của máy thứ2 gấp đôi năng suất của máy thứ nhất.
Máy thứ nhất sản xuất trung bình được 64% linh kiện tốt, còn máy thứ hai được 80%
linh kiện loại tốt. Lấy ngẫu nhiên từ lô hàng một linh kiện thì được linh kiện loại tốt.
a. Tìm xác suất để linh kiện đó do máy thứ nhất sản xuất.
b. Tìm xác suất để linh kiện đó do máy thứ hai sản xuất.
15
HD: Gọi A là biến cố " linh kiện lấy ra thuộc loại tốt".
Bi là biến cố "linh kiện do máy thứ i sản xuất" i = 1, 2, vơí Bi lập thành hệ đầy đủ.
Theo công thức xác suất toàn phần ta có
P (A) = P (B1 )P (A/B1 ) + P (B2 )P (A/B2 )
Với P (B1 ) = 31 , P (B2 ) = 23 , (vì máy thứ hai có năng suất gấp đôi máy thứ nhất) và
P (A/B1 ) = 0, 64, P (A/B2 ) = 0, 80,
1 2 11, 2 11
P (A) = 0, 64. + 0, 8 = ≈
3 3 15 15
a. Xác suất để linh kiện tốt đó máy thứ nhất sản xuất là:
1
P (B1 )P (A/B1 ) .0, 64 16
P (B1 /A) = = 3 11 =
P (A) 15
55
b. Xác suất để linh kiện tốt đó do máy thứ 2 sản xuất là

2
P (B2 )P (A/B2 ) .0, 8 8
P (B2 /A) = = 3 11 =
P (A) 15
11
Ví dụ 16. Có hai chuồng thỏ. Chuồng1: có 7 thỏ nâu, 3 thỏ trắng. Chuồng 2: có 5 nâu,
10 trắng. Từ chuồng 2 bắt 1 con bỏ vào chuồng 1. Từ chuồng 1 bắt ra 1 con. Tính xác
suất để bắt được thỏ nâu.
HD.
Gọi H="Biến cố bắt được thỏ nâu từ chuồng 2 sang chuồng 1"
H="Biến cố bắt được thỏ trắng từ chuồng 2 sang chuồng 1"
và H, H là nhóm đầy đủ
Gọi A là biến cố bắt được thỏ nâu ra.
P (A) = P (H)P (A/H) + P (H)P (A/H)

5 8 10 7 22 2
= + = =
15 11 15 11 33 3
Ví dụ 17. Tỷ lệ người dân nghiện thuốc lá là 30%. Biết rằng tỷ lệ viêm họng trong số
người nghiện thuốc lá là 60% còn tỷ lệ viêm họng trong số người không hút thuốc lá
là 40%.
a) Chọn ngẫu nhiên 1 người, biết người đó viêm họng. Tính xác suất để người này
nghiện thuốc lá.
b) Nếu người này không viêm họng. Tính xác suất để người này nghiện thuốc lá.
HD a) Gọi H1 là biến cố người được chọn nghiện thuốc lá.
Gọi H2 là biến cố người được chọn không nghiện thuốc lá và H1 , H2 là hệ đầy đủ
16
Gọi A là biến cố người được chọn là viêm họng
P (A) = P (H1 )P (A/H1 ) + P (H2 )P (A/H2 )

= 0, 3.0, 6. + 0, 7.0, 4 = 0, 46
P (H1 )P (A/H1 ) 0, 3.0, 6

P (H1 /A) = = = 0, 35
P (A) 0, 46
b)
P (H1 )P (A/H1 ) 0, 3.0, 4
P (H1 /A) = = = 0, 22.
P (A) 1 − 0, 46
Ví dụ 18. Có 10 hộp bi, trong đó có 4 hộp loại 1, mỗi hộp có 5 bi trắng 3 bi đỏ. 3 hộp
loại 2, mỗi hộp có 4 trắng 6 đỏ. 3 hộp loại 3 mỗi hộp có 2 trắng 5 đỏ.
a) Rút ngẫu nhiên 1 hộp từ đó lấy ngẫu nhiên 1 bi. Tìm xác suất để được bi đỏ.
b) Rút 1 hộp lấy 1 bi thì được bi trắng Tìm xác suất để viên bi này rút từ hộp 2.
HD
a) Gọi H1 , H2 , H3 tương ứng là biến cố lấy hộp loại I, II, III.
Gọi A là biến cố viên bi lấy ra là đỏ. Và H1 , H2 , H3 là hệ đầy đủ.
P (A) = P (H1 )P (A/H1 ) + P (H2 )P (A/H2 ) + P (H3 )P (A/H3 )

4 5 3 6 3 5 451
= + + =
10 8 10 10 10 7 700
b)
P (H2 )P (A/H2 )
P (H2 /A) = .
P (A)
1.4.4 Dãy phép thử Bernoulli và công thức nhị thức
Định nghĩa 1.4.2. Dãy n phép thử gọi là dãy n phép thử Bernoulli đối với biến cố A
nếu thoả mãn các điều kiện sau:
• Chúng là n phép thử lặp.
• Các phép thử đó là độc lập.
• Mỗi phép thử biến cố A xuất hiện với xác suất đều bằng p.
Công thức nhị thức

Xác suất để trong n phép thử Bernoulli biến cố A xuất hiện đúng k lần là:
Pn (k) = Cnk pk (1 − p)n−k = Cnk pk (q)n−k = Pn (k, p).
Công thức trên gọi là công thức xác suất nhị thức.
Số khả năng nhất
17
Giả sử G1 , G2 , ..., Gn là n phép thử Bernoulli, xác suất xuất hiện A k lần là
Pk = Cnk pk q n−k , (0 ≤ k ≤ n)
Khi đó số k0 , (0 ≤ k0 ≤ n) được gọi là số có khả năng nhất nếu
Pk0 = max Pk
0≤k0 ≤n
trong đó k0 được tính theo công thức sau:
(
np − q và np − q + 1 nếu np − q nguyên
k0 =
[p(n + 1)] nếu np − q không nguyên
Ví dụ 19. Tung đồng tiền 5 lần. Tính xác suất để mặt sấp xuất hiện k lần.
HD: Đây là 5 phép thử Bernoulli đối với biến cố A xuất hiện mặt sấp với p = 12 .
• Xác suất biến cố A xuất hiện 0 lần là:
1 1 1
P5 (0) = C50 ( )0 ( )5 =
2 2 32
• Xác suất để A xuất hiện 1, 2, 3, 4, 5 lần

1 1 5
P5 (1) = C51 ( )1 ( )4 =
2 2 32
1 1 10
P5 (2) = C52 ( )2 ( )3 =
2 2 32
1 1 10
P5 (3) = C53 ( )3 ( )2 =
2 2 32
1 1 5
P5 (4) = C54 ( )4 ( )1 =
2 2 32
1 1 1
P5 (5) = C55 ( )5 ( )0 =
2 2 32
Ta thấy k = 2 hoặc k = 3 thì P5 (k) lớn nhất và ta nói 2, 3 là số có khả năng nhất.
Ví dụ 20. Kết quả điều tra về bệnh lao, tỷ lệ người bị lao ở vùng nọ là 0, 001. Tìm xác
suất để khi khám cho 10 người.
a. Không có ai bị lao.
b. 5 người bị lao.
c. Ít nhất một người bị lao.
d. Số người không bị lao có khả năng nhất.
18
HD: Ta có 10 phép thử Bernoulli, với biến cố A là " người được khám bị lao" suy
ra P (A) = 0.001
a.
P10 (n, p) = P10 (0, 0.001)

0
= C10 (0.001)0 (1 − 0.001)10 = (0.999)10
b.
5
P10 (5, 0.001) = C10 (0.001)5 (0.999)5
c.
10
X
P10 (k ≥ 1, 0.001) = Ck10 (0.001)k (0.999)10−k
k=1
= 1 − P10 (0, 0.001) = 1 − (0.999)10
d. Ta có q = 1 − p = 1 − 0.001 = 0.999 mà q(1 + n) = 11.0, 999 = 10, 989 không phải

là số nguyên do đó số người không bi bệnh lao có khả năng cao nhất là 10.
19
BÀI TẬP CHƯƠNG I.
Bài tập 1. Gieo đồng thời hai con xúc sắc. Tính xác suất để:
a) Tổng số nốt xuất hiện trên hai con là 7.
b) Tổng số nốt xuất hiện trên hai con là 8.
Bài tập 2. Một khách sạn có 6 phòng đơn. Có 10 khách đến thuê phòng, trong đó có
6 nam, 4 nữ. Người quản lý chọn ngẫu nhiên 6 người. Tính xác suất để:
a) Cả 6 người đều là nam.
b) Có 4 nam và 2 nữ.
c) Có ít nhất 2 nữ.
Bài tập 3. Một chiếc hộp đựng 6 quả cầu trắng, 4 cầu đỏ và 2 quả cầu đen. Chọn ngẫu
nhiên 6 quả cầu. Tìm xác suất để tìm được 3 quả trắng, 2 quả đỏ, 1 quả đen.
Bài tập 4. Có 30 tấm thẻ đánh số từ 1 đến 30. Chọn ngẫu nhiên ra 10 tấm thẻ. Tính
xác suất để:
a) Tất cả 10 tấm thẻ đều mang số chẵn.
b) Có đúng 5 số chia hết cho 3.
c) Có 5 tấm thẻ mang số lẻ, 5 tấm thẻ mang số chẵn trong đó chỉ có 1 số chia hết
cho 10.
Bài tập 5. Một hòm có 9 tấm thẻ đánh số từ 1 đến 9. Chọn ngẫu nhiên ra hai tấm
thẻ. Tính xác suất để tích của hai số trên tấm thẻ là một số chẵn.
Bài tập 6. Một lô hàng gồm 100 sản phẩm, trong đó có 10 phế phẩm. Lấy ngẫu nhiên
ra 20 sản phẩm. Tìm xác suất để cho trong 20 sản phẩm lấy ra:
a. Có 5 phế phẩm.
b. Bị cả 10 phế phẩm.
c. Có đúng 5 chính phẩm.
Bài tập 7. Lớp học môn xác suất gồm 70 sinh viên trong đó có 25 nữ. Chọn ngẫu nhiên
ra một nhóm gồm 10 sinh viên. Tìm xác suất để trong nhóm chọn ra có 4 sinh viên nữ.
Bài tập 8. Đoàn tàu điện gồm 3 toa tiến vào một sân ga, ở đó đang có 12 hành khách
chờ lên tàu. Giả sử các hành khách lên tàu một cách ngẫu nhiên và độc lập với nhau
và mỗi toa còn ít nhất 12 chỗ trống. Tìm khả năng xảy ra các tình huống sau:
a. Toa I có 4 nguời, toa II có 5 người, 5 người còn lại là toa III.
b. Mõi toa có 4 người.
c. Hai hành khách A và B cùng lên một toa.
Bài tập 9. Thang máy của một khách sạn 10 tầng xuất phát từ tầng 1 với 5 khách.
Coi như mọi người chọn tầng một cách ngẫu nhiên và độc lập. Tìm khả năng xảy ra
các tình huống sau:
a. Tất cả cùng ra ở tầng 5.
b. Tất cả cùng ra ở một tầng.
c. Mỗi người ra ở một tầng khác nhau.
d. Hai người cùng ra một tầng, 3 người kia ra 3 tầng khác nhau, tức là 5 người ra
4 tầng khác nhau.
20
Bài tập 10. Một em bé có 5 bìa với các chữ N, N, A, H, H. Tìm xác suất để em bé
trong khi sắp ngẫu nhiên thu được chữ NHANH.
Bài tập 11. Gieo đồng thời 2 con xúc xắc cân đối và đồng chất. Tìm xác suất sao cho:
a. Tổng số nốt ở mặt trên hai con xú xắc bằng 8.
b. Hiệu số nốt ở mặt trên hai con xúc xắc có giá trị tuyệt đối bằng 2.
Bài tập 12. Biển đăng ký xe máy loại 50cm3 ở Hà Nội gồm 3 phần. Phần đầu là số chỉ
vùng Hà Nội: số 29. Phần giữa là 3 chữ số. Phần cuối gồm 2 chữ cái.
a. Tính xem có thể lập được bao nhiêu biển đăng ký xe máy 50cm3 ở Hà Nội.
b. Giả sử chọn ra nhẫu nhiên một bản đăng ký. Tìm xã xuất đê nhận đuợc biển
gồm 3 số 468.
c. Tìm xã suất để nhận được một biển số có tổng 3 số phần giữa lớn hơn 24.
d. Tìm xác xuất nhận được biển số có 3 số phần giữa thành 1 số chẵn và phần cuối
là HK.
Bài tập 13. Một người mua buôn 5 tivi. Anh ta sẽ đồng ý cho xếp lô tivi 15 chiếc này
lên xe nếu anh ta kiểm tra ngẫu nhiên 4 chiếc, không có chiếc nào khuyết tật. Vậy xác
suất để anh ta chấp nhận lô hàng 15 chiếc này là bao nhiêu nếu trong lô này có 3 chiếc
bị khuyết tật.
Bài tập 14. Ta kiểm tra lần lượt 10 sản phẩm. Mỗi sản phẩm thuộc 1 trong 2 loại:
Chính phẩm hoặc phế phẩm. Ký hiệu Ak = sản phảm kiểm tra thứ k là chính phẩm,
k = 1, 10. Hãy biểu diễn qua Ak các biến cố sau:
a. Cả 10 sản phẩm đều là chính phẩm .
b. Có ít nhất một sản phẩm là phế phẩm.
c. Các sản phẩm kiểm tra theo thứ tự chẵn là chính phẩm.
d. Có 1 phế phẩm và 9 chính phẩm.
e. Có 2 phế phẩm và 8 chính phẩm (chỉ ra 1 biến cố đại diện và số các biến cố dạng
như thế)
Bài tập 15. Ba người cùng bắn vào bia, mỗi người bắn 1 viên. Ai = Người thứ i bắn trúng bia.
Hãy biểu diễn các biến cố sau qua A1 , A2 , A3 :
a. Chỉ có người thứ nhất bắn trúng.
b. Có ít nhất một người bắn trúng.
c. Cả 3 người cùng bắn trúng.
d. Người đầu bắn trúng, người thứ 3 bắn trượt.
e. Có đúng 1 người bắn trúng.
g. Có đúng 2 người bắn trúng.
h. Có ít nhất 2 người bắn trúng.
i. Không có ai bắn trúng.
k. Có không quá 2 người bắn trúng.
Bài tập 16. Ở một cơ quan nọ có 3 chiếc xe ôtô. Khả năng có sự cố của mỗi ôtô tương
ứng là 0,15; 0,20; và 0,10.
21
a. Tìm khả năng cả 3 ôtô cùng bị hỏng.
b. Tìm khả năng có ít nhất 1 cái hoạt động đựợc.
c. Tìm khả năng cả 3 ôtô cùng hoạt động được.
d. Tìm xác suất có không quá 2 ôtô bị hỏng.
Bài tập 17. Một chi tiết được gia công qua 3 giai đoạn nối tiếp với nhau và chất lượng
chi tiết chỉ được kiểm tra sau khi đã được gia công xong. Xác suất gây ra khuyết tật
cho chi tiết ở các công đoạn tương ứng là 0,2; 0,15; 0,10. Tìm xác suất để sau khi gia
công chi tiết:
a. Có khuyết tật.
b. Bị ít nhất 2 khuyết tật.
c. Bị cả 3 khuyết tật.
d. Không bị khuyết tật nào.
e. Bị không quá một khuyết tật.
Bài tập 18. Tín hiệu thông tin được phát 3 lần với xác suất thu đuợc mỗi lần là 0,4.
a. Tìm xác suất để nguồn thu nhận được thông tin đó.
b. Nếu muốn xác suất thu được thông tin lên 0,9 thì phải phát bao nhiêu lần.
Bài tập 19. Ba người, mỗi người bắn 1 viên vào mục tiêu với xác suất trúng của mỗi
người tương ứng là 0,6; 0,8 và 0,7.Tìm xác suất:
a. Chỉ có anh thứ 2 bắn trúng.
b. Có đúng 1 người bắn trúng.
c. Có ít nhất 1 người bắn trúng.
d. Cả 3 người cùng bắn trúng.
e. Có đúng 2 người bắn trúng.
f. Có ít nhất 2 người bắn trúng.
h. Có không quá 2 người bắn trúng.
Bài tập 20. Một sọt cam rất lớn được phân loại theo cách sau. Chọn ngẫu nhiên 20
quả cam làm mẫu đại diện. Nếu mẫu không có quả cam hỏng nào thì sọt cam được
xếp loại 1. Nếu mẫu có 1 hoặc 2 quả hỏng thì sọt cam được xếp loại 2. Trong trường
hợp còn lại (có từ 3 quả hỏng trở lên) thì sọt cam được xếp loại 3.
Giả sử tỷ lệ cam hỏng của một sọt cam là 3%. Hãy tính xác suất để:
a) Sọt cam được xếp loại 1.
b) Sọt cam được xếp loại 2.
c) Sọt cam được xếp loại 3.
Bài tập 21. Trong một lớp học có 6 bóng đèn, mỗi bóng có xác suất bị cháy là 14 . Lớp
học đủ ánh sáng nếu có ít nhất có 4 bóng đèn sáng. Tính xác suất để lớp học không
đủ ánh sáng?
Bài tập 22. Một bài thi trắc nghiệm (multiple choice test) gồm 12 câu hỏi , mõi câu
hỏi cho 5 câu trả lời, trong đó chỉ có một câu đúng. Giả sử mỗi câu trả lời đúng được
4 điểm, và mõi câu trả lời sai bị trừ đi 1 điểm. Một học sinh kém làm bài bằng cách
chọn 1 câu hú hoạ một câu trả lời. Tính xác suất để:
22
a) Anh ta được 13 điểm.
b) Anh ta bị điểm âm.
Bài tập 23. Một người say rượu bước 8 bước. Mỗi bước anh ta bước tiến lên phía trước
1 mét hoặc lùi lại phía sau 1 mét với xác suất như nhau. Tính xác suất để sau 8 bước:
a) Anh ta trở lại điểm xuất phát.
b) Anh ta cách điểm xuất phát hơn 4m.
Bài tập 24. Một trận không chiến giữa máy bay ta và địch. Máy bay ta bắn trước với
xác suất trúng là 0,5. Nếu bị trượt, máy bay địch bắn trả lại với xác suất trúng là 0,4.
Nếu không bị trúng đạn, máy bay ta lại bắn lại với xác suất trúng là 0,3. Tìm xác suất:
a. Để máy bay địch rơi trong cuộc không chiến trên.
b. Để máy bay ta bị rơi trong cuộc không chiến trên.
Bài tập 25. Ta có 10 hộp bi trong đó có 4 hộp loại I, mỗi hộp có 3 bi trắng và 5 bi đỏ;
3 hộp loại II, mỗi hộp có 4 bi trắng, 6 bi đỏ; 3 hộp loại III, mỗi hộp có 2 bi trắng, 5 bi
đỏ.
a. Rút hú họa một hộp và từ đó lấy ngẫu nhiên một bi. Tìm xác suất để được bi
đỏ.
b. Rút hú hoạ một hộp và từ đó lấy ngẫu nhiên một bi thì được bi trắng. Tìm xác
suất viên bi đó rút ra từ hộp loại II.
Bài tập 26. Có 2 lô sản phẩm. Lô 1 có 10 sản phẩm loại I và 2 sản phẩm loại II. Lô
2 có 16 sản phẩm laọi I và 4 sản phẩm loại II. Từ mỗi lô ta lấy ngẫu nhiên ra 1 sản
phẩm. Sau đó trong 2 sản phẩm thu được ta lại lấy hú hoạ ra 1 sản phẩm. Tìm sác
suất để sản phẩm lấy ra sau cùng là sản phẩm loại I.
Bài tập 27. Ta biết rằng các trẻ sinh đôi có thể là sinh đôi thật (do 1 trứng sinh ra),
trong trường hợp đó chúng cùng giới hoặc giả sinh đôi (do 2 trứng sinh ra), trong
trường hợp đó xác suất để chúng cùng giới là 1/2. Ta giả thiết rằng đã biết xác suất
p sao cho trong một họ đã cho có 2 trẻ sinh đôi là sinh đôi thật.
a. Tìm xác suất để cho hai trẻ sinh đôi là sinh đôi thật bíet rằng chsung cùng giới.
b. Tìm xác suất để cho 2 trẻ sinh đôi là sinh giả sinh đôi biết rằng chúng khác giới.
Bài tập 28. Biết rằng tỷ lệ người mắc bệnh nào đó ở địa phương nào đó là 2%. Người
ta sử dụng một phản ứng mà nếu người bị bệnh thì phản ứng luôn dương tính, nếu
không bị bệnh thì phản ứng có thể dương tính với xác suất 0,20.
a. Tìm xác suất phản ứng dương tính.
b. Tìm xác suất bị bệnh, không bị bệnh trong nhóm người có phản ứng dương tính.
c. Qua phương pháp thử này ta có thể ước lượng tỷ lệ mắc bệnh là bao nhiêu.
Bài tập 29. Một người có 3 chỗ ưa thích như nhau để câu cá. Xác suất câu được cá ở
những chỗ đó tương ứng là 0,6; 0,7 và 0,8. Biết rằng ở mỗi một chỗ người đó thử câu
3 lần và chỉ câu được 1 con cá. Tìm xác suất để cá câu được ở chỗ thứ nhất.
Bài tập 30. Theo kết quả điều tra về bệnh lao, tỷ lệ người bị lao ở vùng nọ là 0,01.
Tìm xác suất đẻ khi khám cho 10 người:
a. Không ai bị lao.
b. 5 người bị lao.
23
c. Ít nhất 1 người bị lao.
d. Số người không bị lao có khả năng nhất.
Bài tập 31. Trong một cuộc thi bắn quốc tế, mỗi xạ thủ bắn 60 viên bi vào bia. Xạ
thủ của Việt Nam bắn trúng tâm với xác suất 0,92. Tìm xác suất để:
a. Xạ thủ này bắn trúng tâm cả 60 viên.
b. Xạ thủ này bị trượt ngoài tâm 2 viên.
c. Xạ thủ này bị trượt ngoài tâm ít nhất 1 viên.
d. Tìm số viên trúng tâm có khả năng nhất. Tính xác suất tương ứng.
Bài tập 32. Một bác sỹ có tiếng về chữa bệnh nào đó. Xác suất chữa khỏi bệnh là 8/10.
Có người nói rằng cứ 10 người đến chữa thì chắc chắn có 8 người khỏi. Điều khẳng
đinh dó có đúng không? Tìm xác suất sao cho bác sỹ dó chữa cho 10 người thì có 8
người khỏi.
Bài tập 33. Một chiến sỹ tự vệ tập bắn súng, xác suất để chiến sỹ này bắn trúng tâm
là 0,3. Hỏi chiến sỹ này phải bắn ít nhất bao nhiêu viên để với xác suất không bé hơn
0,80 chiến sỹ này bắn trúng tâm ít nhất 1 viên.
Bài tập 34. Hai đấu thủ chơi cờ ngang tài ngang sức thi đấu với nhau. Hỏi rằng khả
năng nào cao hơn giữa 2 khả năng:
a. Thắng 2 ván trong 4 ván.
b. Thắng 3 ván trong 6 ván.
Bài tập 35. Một lô hàng có tỷ lệ chính phẩm là 95%. Lấy liên tiếp ra 2 sản phẩm. Tìm
xác suất để nhận được.
a. Cả 2 chính phẩm.
b. Có ít nhất 1 chính phẩm.
c. Chỉ có cái thứ 2 là chính phẩm.
d. Có đúng 1 chính phẩm.
Bài tập 36. Có 2 lô hàng cũ. Lô I có 10 cái tốt, 2 cái hỏng. Lô II có 12 cái tốt, 3 cái
hỏng. Từ mỗi lô lấy ngẫu nhiên ra 1 cái. Tìm xác suất để:
a. Nhận được 2 cái tốt.
b. Nhận được 2 cái cùng chất lượng.
c. Nếu lấy từ cùng 1 lô ra 2 cái thì nên lấy từ lô nào để được 2 cái tốt với khả năng
cao hơn.
Bài tập 37. Tỷ lệ cha mắt đen, con mắt đen là 0,05. Cha mắt đen, con mắt xanh là
0,079. Cha mắt xanh, con mắt đen là 0,089. Cha mắt xanh, con mắt xanh là 0,782.
a. Tìm khả năng con mắt xanh biết rằng cha mắt xanh.
b. Tìm khả năng con mắt không đen biết rằng cha mắt đen.
Bài tập 38. Trẻ sinh đôi cùng giới gấp đôi trẻ sinh đôi khác giới . Xác suất sinh đôi
khác giới trong các trường hợp là như nhau. Tìm xác suất để đứa thứ 2 là trai với điều
kiện đứa thứ nhất trong cặp sinh đôi là trai. Biết rằng khả năng sinh con trai trong
mỗi lần sinh là 0,49.
24
Bài tập 39. Trên một bảng quảng cao người ta mắc 2 hệ thống bóng đèn. Hệ thống I
gồm 2 bóng mắc nối tiếp. Hệ thống 2 gồm 2 bóng mắc song song. Khả năng bị hỏng
của mỗi bóng đèn sau 6 giờ thắp sáng liên tục là 15% và việc hỏng của các bóng coi
như độc lập. Tìm xác suất:
a. Hệ thống I bị hỏng.
b. Hệ thống II không bị hỏng.
c. Cả 2 hệ thống bị hỏng.
d. Chỉ có hệ thống I bị hỏng.
Bài tập 40. Trong một làng tỷ lệ nam/nữ là 12:13. Khả năng mắc bệnh bạch tạng ở
nam là 0,6%, ở nữ là 0,35%.
a. Khả năng gặp một người trong làng bị mắc bệnh bạch tạng là bao nhiêu.
b. Gặp trong làng một người không mắc bệnh. Khả năng người gặp đó là nữ cao
hơn hay là năm cao hơn.
Bài tập 41. Có 2 lô sản phẩm. Lô I gồm 90% chính phẩm. Lô II có tỷ lệ phế phẩm/chính
phẩm là 1/4. Lây ngẫu nhiên ra một lô rồi từ đó lấy ngẫu nhiên một sản phẩm ta được
chính phẩm. Trả sản phẩm này trở lại lô của nó. Từ lô này ta lại lấy ra một sản phẩm.
Tìm xác suất để lấy phải phế phẩm.
Bài tập 42. Có hai chuồng thỏ. Chuồng thứ nhất có 5 con thỏ đen và 10 con thỏ trắng.
Chuồng thứ 2 có 3 con thỏ trắng và 7 con thỏ đen. Từ chuồng thứ 2 ta băt ngẫu nhiên
một con thỏ cho vào chuồng thứ nhất, rồi sau đó lại bắt ngẫu nhiên một con thỏ từ
chuồng thứ nhất ra, thì được một thỏ trắng. Tính xác suất để thỏ trắng này là của
chuồng thứ nhất.
Bài tập 43. Một chuồng gà có 9 con mái và một con trống, chuồng gà kia có một con
mái và 5 con trống. Từ mỗi chuồng ta bắt ra ngẫu nhiên ra một con để làm thịt. Các
con gà còn lại được dồn vào một chuồng thứ 3. Từ chuồng thứ ba này lại bắt ngẫu
nhiên một con gà. Tính xác suất để ta bắt được con gà trống.
Bài tập 44. Một nhà máy sản xuất bóng đèn có tỷ lệ bóng đèn đạt tiêu chuẩn là 80%.
Trước khi xuất xưởng ra thị trường mỗi bóng đèn đều được qua kiểm tra chất lượng.
Vì sự kiểm tra không thể tuyệt đối hoàn hảo, nên một bóng đèn tốt có xác suất là 0.9
được công nhận là tốt, và một bóng đèn hỏng có xác suất 0.95 bị loại bỏ. Hãy tính tỷ
lệ đạt tiêu chuẩn sau khi qua khâu kiểm tra chất lượng sản phẩm.
Bài tập 45. Có 4 nhóm xạ thủ tập bắn. Nhóm thứ nhất có 5 người, nhóm thứ hai có 7
người, nhóm thứ 3 có 4 người và nhóm thứ 4 có 2 người. Xác suất bắn trúng đích của
mỗi người trog nhóm thứ nhất, nhóm thứ hai, nhóm thứ ba và nhóm thứ tư theo thứ
tự là 0, 8; 0, 7; 0, 6; 0, 5. Chọn ngẫu nhiên một xạ thủ và xạ thủ này bắn trượt. Hãy xác
định xem xạ thủ này có khả năng ở trong nhóm này nhất.
Bài tập 46. Trong số bệnh nhân ở một bệnh viện có 50% điều trị bệnh A; 30% điều trị
bệnh B và 20% điều trị bệnh C. Xác suất để điều trị A, B và C trong bệnh viện này
tương ứng là 0, 7; 0, 8; 0, 9. Hãy tính tỷ lệ bệnh nhân đã được chữa khỏi bệnh.
25
Chương 2
Biến ngẫu nhiên và hàm phân phối
2.1 Khái niệm biến ngẫu nhiên và hàm phân phối
2.1.1 Khái niệm biến ngẫu nhiên

Một đại lượng mà giá trị của nó là ngẫu nhiên, không dự đoán trước được gọi là
một đại lượng ngẫu nhiên (biến ngẫu nhiên) và ký hiệu bằng chữ X, Y, Z,...
Hoặc một đại lượng ngẫu nhiên nhận các giá trị của nó với xác suất tương ứng nào
đó gọi là đại lượng ngẫu nhiên hay là biến ngẫu nhiên.
Có hai loại biến ngẫu nhiên chính đó là:
+ Biến ngẫu nhiên rời rạc: Biến ngẫu nhiên X được gọi là rời rạc nếu tập giá trị
của nó là hữu hạn hoặc đếm được.
+ Biến ngẫu nhiên liên tục: Biến ngẫu nhiên liên tục là biến ngẫu nhiên mà giá trị
của nó xác định trên một khoảng (a,b) nào đó, trong đó a có thể bằng âm vô cùng và
b có thể bằng dương vô cùng.
2.1.2 Phân phối xác suất của biến ngẫu nhiên
a) Biến ngẫu nhiên rời rạc

Giả sử X là biến ngẫu nhiên rời rạc nhận các giá trị x1 , .., xn , ... và pi = P (X = xi ).
Khi đó bảng sau gọi là bảng phân phối xác suất của biến ngẫu nhiên X.
X x1 x2 ... xn ...
P p1 p2 ... pn ...
X
trong đó: pi = 1, pi ≥ 0
i
Ví dụ 1. Một nhóm có 10 người gồm 6 nam và 4 nữ. Chọn ngẫu nhiên ra 3 người. Gọi
X là số nữ ở trong nhóm. Lập bảng phân bố xác suất của X
b) Biến ngẫu nhiên liên tục
26
Phân phối xác suất của biến ngẫu nhiên liên tục gọi là hàm mật độ.
Cho biến ngẫu nhiên liên tục X: Hàm p(x) xác định trên R được gọi là hàm mật
độ của biến ngẫu nhiên X nếu thỏa mãn các điều kiện sau:
i) p(x) ≥ 0, ∀x ∈ R.
R +∞
ii) −∞ p(x)dx = 1.
Rb
iii) P (a ≤ X < b) = a
p(x)dx.
Chú ý:P (a ≤ X < b) = P (a < X < b) = P (a < X ≤ b) = P (a ≤ X ≤ b).
Ví dụ 2. Cho biến ngẫu nhiên X có hàm mật độ sau:
(
kx2 nếu 0 ≤ x ≤ 3
p(x) =
0 nếu ngược lại.
a)Tìm hằng số k.
b) Tính P (X > 2)
2.1.3 Hàm phân phối xác suất của biến ngẫu nhiên
Định nghĩa 2.1.1. Hàm phân phối xác suất của biến ngẫu nhiên X, kí hiệu bởi F (x),
là hàm số thực và được xác định như sau:
F (x) = P (X < x), ∀x ∈ R.
+) Nếu X là rời rạc thì




 0 nếu x ≤ x1
nếu x1 < x ≤ x2



 p1

p 1 + p 2 nếu x2 < x ≤ x3



X
FX (x) = P (X < x) = pi = ................................................

xi <x
p1 + p2 + ... + pk nếu xk < x ≤ xk+1








 ...................................................

1 nếu x > xn
+ Nếu X là liên tục thì Z x

F (x) = p(t)dt x ∈ R.
−∞
Tính chất của hàm phân phối

i) 0 ≤ F (x) ≤ 1.
ii) F (x) là hàm không giảm tức nếu x1 < x2 thì F (x1 ) ≤ F (x2 ).
iii) F (−∞) = lim F (x) = 0, F (+∞) = lim F (x) = 1.
x→−∞ x→+∞
iv) Nếu X rời rạc: P (a ≤ X < b) = F (b)−F (a), P (a < X < b) = F (b)−F (a)−p(a);
P (a < X ≤ b) = P (a ≤ X < b) − P (a) + P (b);
27
P (a ≤ X ≤ b) = P (a ≤ X < b) + P (b).
Nếu X liên tục
P (a ≤ X < b) = P (a < X < b) = P (a < X ≤ b) = F (b) − F (a) = P (b ≤ X ≤ a).
Vì P (X = a) = P (X = b) = 0.
vi) Nếu X liên tục thì p(x) = F 0 (x).
Ví dụ 3. Một xí nghiệp có hai ô tô vận tải. Xác suất bị hỏng trong thời gian t của hai
ô tô tương ứng là: 0, 1; 0, 2. Gọi X là số ô tô bị hỏng trong thời gian t.
Hãy lập bảng phân phối xác suất và tính hàm phân phối xác suất của X.
HD:
Gọi Ai là biến cố ô tô thứ i hỏng (i=1, 2). Khi đó ta có X nhận 3 giá trị:0, 1, 2.
P (X = 0) = P (A1 A2 ) = P (A1 )P (A2 ) = 0, 9.0, 8 = 0, 72
P (X = 1) = P (A1 A2 + A1 A2 )
= P (A1 A2 ) + P (A1 A2 )
= P (A1 )P (A2 ) + P (A1 )P (A2 )
= 0, 1.0, 8 + 0, 9.0, 2 = 0, 26
P (X = 2) = P (A1 A2 ) = 0, 1.0, 2 = 0, 02
Ta có bảng phân phối xác suất của X là
X 0 1 2
P 0, 72 0, 26 0, 02
Hàm phân phối là:



0 nếu x ≤ 0

0, 72 nếu 0 < x ≤ 1
F (x) = P (X < x) =


0, 98 nếu 1 < x ≤ 2

1 nếu x > 2
Ví dụ 4. Chọn ngẫu nhiên 3 đứa trẻ từ 1 nhóm gồm 6 bé trai và 4 bé gái. Gọi X là số
bé gái trong nhóm. Lập bảng phân phối xác suất của X.
HD:
X nhận các giá trị 0, 1, 2, 3. Khi đó ta có
C63 5
P {X = 0} = 3
=
C10 30
C 1C 2 15
P {X = 1} = 4 3 6 =
C10 30
C 2C 1 9
P {X = 2} = 4 3 6 =
C10 30
C3 1
P {X = 2} = 34 =
C10 30
28
Từ đó suy ra bảng phân phối hàm phân phối.
Ví dụ 5. Cho X là biến ngẫu nhiên liên tục có hàm mật độ
(
0 nếu x ∈/ [0, π/2]
p(x) =
asinx nếu x ∈ [0, π/2].
Tìm hàm phân phối của X.

HD
R +∞ R π/2 π/2
Tìm a ta có 1 = −∞ p(x)dx = a 0 sinxdx = −acosx |0 = a suy ra a = 1
Rx
Ta có F (x) = −∞ p(t)dt
+) Nếu x ≤ 0 thì F (x) = 0 Rx Rx
+) Nếu 0 < x ≤ π/2 → F (x) = −∞ p(t)dt = 0 sintdt = 1 − cosx
R0 R π/2 R +∞
+) Nếu x > π/2 → F (x) = −∞ p(x)dx + 0 p(x)dx + π/2 p(x)dx = 1
Vậy

0
 nếu x ≤ 0
F (x) = 1 − cosx nếu 0 < x ≤ π/2

1 nếu x > π/2

Ví dụ 6. cho biến ngẫu nhiên có hàm phân phối F (x) = 1/2 + 1/πarctgx
a) Tính xác suất của biến cố {0 < x < 1}
b) Tìm hàm mật độ của X.
HD:
a) Ta có:
P (0 < x < 1) = P (0 ≤ x < 1) − P (x = 0)

= P (0 ≤ x < 1)
= F (1) − F (0)
= 1/π(arctg1 − arctg0) = 1/π(π/4 − 0) = 1/4
b) Ta có hàm mật độ: p(x) = F 0 (x) = 1

π(x2 +1)
Ví dụ 7. Cho X là biến ngẫu nhiên có hàm mật độ p(x) như sau:

1 + x
 nếu x ∈ [−1, 0)
p(x) = 1 − x nếu x ∈ [0, 1)

0 nếu |x| > 1

Tính P {− 12 < X < 1}), tìm hàm phân phối F (x)
29
2.2 Các đặc trưng của biến ngẫu nhiên
2.2.1 Kỳ vọng
Định nghĩa 2.2.1. Kỳ vọng của biến ngẫu nhiên X được ký hiệu EX và xác định
bởi:
• Nếu X là biến ngẫu nhiên rời rạc có bảng phân phối xác suất
X x1 x2 ... xn ...
P p1 p2 ... pn ...
X
thì EX = xi p i .
i
• Nếu X liên tục với hàm mật độ xác suất p(x) thì
Z +∞
EX = xp(x)dx.
−∞
Tính chất của kỳ vọng.

a) EC = C; (c = const).
b)E(X ± Y ) = EX ± EY , (nếu hai vế có nghĩa).
c) E(aX) = aEX; a là hằng số.
d) EXY = EXEY ; nếu X, Y độc lập.
Ý nghĩa của kỳ vọng
Kỳ vọng của một biến ngẫu nhiên là giá trị trung bình theo xác suất, nếu đối với
hệ cơ học thì kỳ vọng là trọng tâm của hệ, nếu nó nhận xác suất như nhau thì kỳ vọng
chính là trung bình số học.
Ví dụ 8. Cho X có bảng phân phối xác suất
X x1 x2 ... xn ...
1 1
P n n
... n1 ...
Khi đó
x1 + x2 + ... + xn
EX = .
n
Ví dụ 9. Cho X liên tục có hàm mật độ
(
0 nếu x ∈ / [a, b]
p(x) = 1
b−a
nếu x ∈ [a, b]
Khi đó
+∞ b
1 x2 b a + b
Z Z
1
EX = xp(x)dx = EX = x dx = | = .
−∞ a b−a b−a 2 a 2
30
2.2.2 Phương sai
Định nghĩa 2.2.2. Phương sai của biến ngẫu nhiên X ký hiệu là DX được xác định
DX = E(X − EX)2
X
2
 (xi − EX) pi nếu X rời rạc và có bảng phân phối


DX = Z i +∞
(x − EX)2 p(x)dx nếu X liên tục có hàm mật độ p(x)



−∞
Tính chất của phương sai

• DX = EX 2 − (EX)2 .
•D(aX) = a2 DX, (a=const).
•D(X + a) = DX.
•D(X ± Y ) = DX + DY , nếu X, Y độc lập.
• DX ≥ 0.
Ý nghĩa của phương sai
Phương sai của biến ngẫu nhiên là độ lệch trung bình của X xung quanh giá trị
kỳ vọng EX. Nếu DX bé thì giá trị của X tập trung xung quanh kỳ vọng. Ngược lại,
nếu DX lớn thì giá trị của X phân tán xung quanh kỳ vọng.
2.2.3 Mod
Mốt là giá trị của biến ngẫu nhiên X, ký hiệu là xmod mà tại đó hàm mật độ p(x)
đạt cực đại, trường hợp X là biến ngẫu nhiên rời rạc, xmod là giá trị, mà xác suất để
X = xmod .
2.2.4 Median
Trung vị (Međian) là giá trị của biến ngẫu nhiên X, ký hiệu xM e hoặc m(X), mà
tại đó
• Nếu X là rời rạc thì
F (xi ) ≤ 1/2 ≤ F (xi+1 ) ⇒ m(X) = xi

1
• Nếu X là liên thục thì F (xM e ) = 2
hoặc F [m(X)] = 12 .
31
2.3 Một số phân phối thường gặp
2.3.1 Phân phối nhị thức
Định nghĩa 2.3.1. Biến ngẫu nhiên X gọi là phân phối nhị thức với tham số n, p ký
hiệu X ∼ B(n, p) nếu X nhận các giá trị 0, 1, ..., n với xác suất
Pk = P (X = k) = Cnk pk q n−k .
Các số đặc trưng.

Nếu X ∼ B(n, p) thì
EX = np, DX = npq, (n + 1)p − 1 ≤ M odX ≤ (n + 1)p.
Ví dụ 10. Tỷ lệ phế phẩm của một loại sản phẩm là 1% , người ta lấy ngẫu nhiên có
hoàn lại 100 sản phẩm để kiểm tra.
1. Tính xác suất có 2 sản phẩm.
2. Hỏi trung bình có bao nhiêu sản phẩm.
3. Khả năng có bao nhiêu sản phẩm(Mod).
4. Có 2-5 sản phẩm.
HD
1. Gọi X là số sản phẩm suy ra X ∼ (100; 0, 01).
2
P [X = 2] = C100 (0.01)2 (0, 99)98
2. EX = np = 0, 01 × 100.
3. np − q ≤ M odX ≤ np + p
⇒ 0, 01 × 100 − 0, 99 ≤ M odX ≤ 0, 01 × 100 + 0, 01 ⇒ M odX = 1(∈ Z)
4. P [2 ≤ X ≤ 5] = P [X = 2] + P [X = 3] + P [X = 4] + P [X = 5]
2.3.2 Phân phối Poisson
Định nghĩa 2.3.2. Biến ngẫu nhiên X gọi là có phân phối theo quy luật Poisson với
tham số λ > 0. Ký hiệu X ∼ p(λ), nếu X nhận các giá trị 0, 1, ... với xác suất tương
ứng
λk
P (X = k) = e−λ
k!
Tức là ta có bảng:
X 0 ... k ... n ....

k n
−λ
P e ... e−λ λk! .... e−λ λn! ...
32
k
X λi
Chú ý: Ta có bảng tính sẵn P (X ≤ k) = e−λ .
i=0
i!
Các đặc trưng

Nếu X ∼ p(λ) thì EX = DX = λ; M odX = [λ].
Ví dụ 11. Một ga ra cho thuê ô tô, thấy rằng số người đến thuê ô tô vào ngầy thứ 7 là
một biến ngẫu nhiên có phân phối Poisson với tham số λ = 2. Giả sử ga ra có 4 chiếc
ô tô. Hãy tính xác suất.
a) Không phải cả 4 chiếc đều được thuê.
b) Tất cả 4 ô tô đều được thuê.
c) Ga ra không đáp ứng được nhu cầu.
d) Trung bình có bao nhiêu ô tô được thuê.
2.3.3 Phân phối Siêu bội
Định nghĩa 2.3.3. Biến ngẫu nhiên X có phân phối siêu bội với tham số N, M, n và
được ký hiệu X ∼ H(N, M, n), nếu phân phối xác suất của nó có dạng:
k
CM CNn−k
−M
P [X = k] = .
CNn
nM
Kỳ vọng của X là: E(X) = N
.

nM N −M n−1
Phương sai của X là: DX = N N
1− N −1
.
Ví dụ 12. Một thùng bóng đèn gồm 2 loại 110V và 220V, tổng 1000 bóng đèn, trong
đó: 300 bóng đèn 220V. Lấy ngẫu nhiên kiểm tra 10 bóng. Tính xác suất:
1. Có 7 bóng 110V.
2. Có 6 bóng 220V.
3. Có không quá 5 bóng 220V.
4. Có 3-5 bóng 110V.
HD
1) Ta có
N = 1000; M = 700, n = 10
Gọi X số bóng đèn 110V suy ra H(1000, 700, 10). Khi đó ta có
7 3
C700 C300 7
P [X = 7] = 10
≈ C10 (0, 7)7 (0, 3)3 .
C1000
2) Ta có M = 300. Gọi Y là số bóng đèn 220V suy ra H(1000, 300, 10)

6 4
C300 C700 6
P [Y = 6] = 10
≈ C10 (0, 3)6 (0, 7)4 .
C1000
33
3)
P [Y ≤ 5] = P [Y = 0] + P [Y = 1] + P [Y = 2] + P [Y = 3] + P [Y = 4] + P [Y = 5].
4)
P [3 ≤ Y ≤ 5] = P [Y = 3] + P [Y = 4] + P [Y = 5].
2.3.4 Phân phối chuẩn
a) Phân phối chuẩn tắc

Định nghĩa 2.3.4. Biến ngẫu nhiên X gọi là có phân phối chuẩn tắc, ký hiệu X ∼
N (0, 1) nếu X có hàm mật độ
1 x2
ϕ(x) = √ e− 2 , (x ∈ R)
2π
Đặc trưng
Nếu X ∼ N (0, 1) thì EX = 0, DX = 1.
Hàm phân phối chuẩn tắc của X được ký hiệu là:
Z x Z x
1 t2
φ(x) = ϕ(t)dt = √ e− 2 dt.
−∞ 2π −∞
Chú ý.
i) φ(−x) = 1 − φ(x).
ii) φ(x ≥ 3, 9) = 1.
b) Phân phối chuẩn
Định nghĩa 2.3.5. Biến ngẫu nhiên gọi là có phân phối chuẩn với tham số (µ, σ 2 ), ký
hiệu là X ∼ N (µ, σ 2 ), nếu X−µ
σ
có phân phối chuẩn tắc.
Đặc trưng:
Nếu X ∼ N (µ, σ 2 ) thì EX = µ, DX = σ 2 .
Xác suất để biến ngẫu nhiên có phân phối chuẩn nhận giá trị trong một
đoạn.
Nếu X ∼ N (µ, σ 2 ). Khi đó
a−µ X −µ b−µ
P (a < X < b) = P ( < < )
σ σ σ
b−µ a−µ
= φ( ) − φ( )
σ σ
Hàm mật độ của phân phối chuẩn N (µ, σ 2 ) là:
1 (x−µ)2
ϕ(x) = √ e− 2σ2 .
σ 2π
34
2.3.5 Phân phối đều
Định nghĩa 2.3.6. Biến ngẫu nhiên X gọi là có phân phối đều trên đoạn [a, b], ký
hiệu X ∼ U [a, b] nếu X có hàm mật độ:
(
0 nếu x ∈
/ [a, b]
p(x) = 1
b−a
nếu x ∈ [a, b]
Hàm phân phối và các đặc trưng

0
 nếu x ≤ a
x−a
F (x) = nếu a < x ≤ b
 b−a
1 nếu x > b

Z +∞ Z b
x a+b
EX = xp(x)dx = dx =
−∞ a b−a 2
+∞ b
x2 a2 + ab + b2
Z Z
2 2
EX = x p(x)dx = dx =
−∞ a b−a 3
2
(a − b)
DX = EX 2 − (EX)2 =
12
2.3.6 Phân phối mũ
Định nghĩa 2.3.7. Biến ngẫu nhiên X được gọi là có phân phối mũ với tham số
θ(θ > 0) nếu
(
1 − xθ
e nếu x > 0
p(x) = θ
0 nếu x ≤ 0
Hàm phân phối
(
0 nếu x ≤ 0
F (x) = x
1 − e− θ nếu x > 0
2.3.7 Phân phối khi bình phương χ2n

Định nghĩa: Giả sử X1 , X2 , ..., Xn là các biến ngẫu nhiên độc lập cùng phân phối
N(0, 1). Khi đó phân phối của biến ngẫu nhiên X12 + ... + Xn2 gọi là phân phối khi bình
phương với n bậc tự do, ký hiệu là χ2n .
35
2.3.8 Phân phối Student
Định nghĩa: Cho X, Y là biến ngẫu nhiên độc lập X ∼ N (0, 1), Y ∼ χ2n . Khi đó
phân phối của biến ngẫu nhiên T = √X gọi là phân phối Student với n bậc tự do.
Y /n
(n)
Ký hiệu t .
2.3.9 Tính gần đúng phân phối nhị thức

Khi n lớn và p không quá bé (thường xét n > 30; np > 5).
Ta có thể tính xấp xỉ phân phối nhị thức B(n, p) bằng phân phối chuẩn N (µ; σ 2 )
với µ = np, σ 2 = npq. Cụ thể là:
(x−np)
• pk = p(X = k) = Cnk pk q n−k ≈ √ 1 ϕ(z) với z = √
npq npq
• p(a ≤ X < b) = φ( b−µ

σ
) − φ( a−µ
σ
).
Ví dụ 13. Xác suất của biến nn X là 0,8. Tìm xác suất khi thực hiện 100 phép thử thì:
a) Số lần xảy ra X ≥ 75.
b)Số lần xảy ra X không quá 74.
c) số lần xảy ra X trong khoảng 75-90.
HD
Gọi X là số lần xảy ra : X ∼ B(100, 0, 8).
a) Ta có µ = 0, 8.100 = 80; σ 2 = 0, 2.0, 8.100 = 16 ⇒ σ = 4. Khi đó
P [X ≥ 75] = P [75 ≤ X < 100] = φ(5) − φ(−1, 25) = φ(5) − 1 + φ(1, 25) = 0, 8944
b)
74 − 80 0 − 80
P [0 ≤ X ≤ 74] = φ[ ] − φ[ ]
4 4
c)
90 − 80 75 − 80
P [75 ≤ X ≤ 90] = φ[ ] − φ[ ]
4 4
Ví dụ 14. Chiều cao của của một loại cây lấy gỗ là biến ngẫu nhiên có phân phối chuẩn
với chiều cao trung bình là 20m, độ lệch chuẩn là 2,5m. Cây đạt tiêu chuẩn khai thác
là cây có chiều cao tối thiểu 15m.
Hãy tính tỷ lệ cây đạt tiêu chuẩn khai thác, nếu cây đạt tiêu chuẩn sẽ lãi 10000
đồng, ngược lại cây không đạt tiêu chuẩn lỗ 50.000 đồng. Người ta khai thác một lô
100 cây, tính tiền lãi trung bình cho lô cây đó.
HD
Ta có µ = 20m, σ = 2, 5m. Gọi X là cây đạt tiêu chuẩn: X ∼ N (20, 2, 52 ). Tỷ lệ
cây đạt tiêu chuẩn
P [≥ 15] = φ(2) = 0, 9772
Gọi Y là tiền lãi khai thác/cây Y = {−50000; 10000}
36
Y -50000 10000
P 0, 0228 0, 9772
Tiền lãi trung bình khai thác/cây

EY = 8632d
Tiền lãi trung bình khai thác lô cây
8632 × 100 = 863200d.
Ví dụ 15. Lãi suất (%) đầu tư vào một dự án là BNN có phân phối chuẩn. Theo đánh
giá giới đầu tư với xác suất là 0,1587 cho lãi suất cao hơn 20% và với xác suất 0,0228
cho lãi suất cao hơn 25%. Vậy khả năng đầu tư để không bị lỗ là bao nhiêu?
HD
Gọi X là lãi suất đầu tư vào dự án
+∞ − µ 20 − µ
P [X > 20] = φ[ ] − φ[ ]
σ σ
20 − µ
= 1 − φ[ ] = 0, 1587 (1)
σ
+∞ − µ 25 − µ
P [X > 25] = φ[ ] − φ[ ]
σ σ
25 − µ
= 1 − φ[ ] = 0, 0228 (2)
σ
Khi đó ta có
( (
φ[ 20−µ
σ
] = 0, 8413 = φ(1) (1) 20−µ
σ
= 1 (1)
25−µ ⇔ 25−µ
φ[ σ ] = 0, 9772 = φ(2) (2) σ
= 2 (2)
Suy ra µ = 15; σ = 5 ⇒ N (15; 52 ) Do đó

P [X > 0] = φ(3) = 0, 9987
Ví dụ 16. Một nhân viên thuế chọn ngẫu nhiên một số tờ khai từ tập khai thuế đặc
thù để kiểm tra. kinh nghiệm cho thấy tỷ lệ tờ khai không đúng là 30%.
a) Nếu chọn 6 tờ kkhai từ tập từ 100 tờ mà có hơn 1 tờ sai thì kiểm tra lại toàn bộ
tập phiếu. Tính xác suất tập phiếu bị kiểm tra lại toàn bộ.
b) Số tờ khai tối thiểu không đúng là bao nhiêu khi kiểm tra 18 tờ trong số 400 tờ
để xác suất kiểm tra lịa toàn bộ là 0,31.
HD
a) Gọi X là số tờ khai X ∼ H(100, 30, 6) p = 0, 3. Khi đó xác suất kiểm tra lại toàn
bộ là
P [X > 1] = 1 − P [X ≤ 1] = P [X = 0] + P [X = 1]
C6 C0 C5 C1
= 1 − [ 706 30 + 706 30 ] = 0, 5854
C100 C100
37
b) Gọi Y là số tờ khai sai Y ∼ H(400, 120, 18). Gọi a là số tờ khai sai tối thiểu.
P [a ≤ Y ≤ 18] = 0, 31.
Ta có H(N, M, n) ∼ B(n, p) ∼ N (np, npq).
H(400, 120, 18) ∼ B(18, 0, 3) ∼ N (5, 4; 3, 78)
Ta lại có
a − 5, 4
P [a ≤ Y ≤ 18] = φ[6, 74] − φ[ √ ] = 0, 31
3, 78
Suy ra
a − 5, 4
φ[ √ ] = 0, 5 − 0, 31 = 0, 19 = φ(0, 49) ⇒ a = 6
3, 78
Ví dụ 17. Một ngân hàng dự định áp dụng 1 trong 2 phương án liên doanh đầu tư
vào 1 công ty lợi nhuận thu được từ 2 phương án là BNN co pp chuẩn(đơn vị triệu
đồng/tháng), ước tính lợi nhuận trung bình mỗi tháng của hai phương án thứ tự la
140, 180 và độ lêch chuẩn là 40 và 60.
Biết rằng để phát triển liên doanh thì lợi nhuận phải đạt ít nhất 80 triệu đ/tháng.
Hãy cho biết nên chọn phương án đầu tư nào?
HD
Gọi X là lợi nhuận từ phương án I, suy ra X ∼ N (140, 402 ).
Gọi Y là lợi nhuận từ phương án II, suy ra Y ∼ N (180, 602 )
P [X ≥ 80] = φ(1, 5) = 0, 9332

P [Y ≥ 80] = φ(1, 67) = 0, 9515
Vậy nên chọn phương án II
2.4 Véc tơ ngẫu nhiên

Định nghĩa 2.4.1. Cho không gian xác suất (Ω, F, P ), ánh xạ đo dược X : Ω →
(Rn , B n ) gọi là biến ngẫu nhiên n chiều hay véc tơ ngẫu nhiên n chiều.
Phân loại biến ngẫu nhiên n chiều.

Biến ngẫu nhiên X = (X1 , .., Xn ) gọi là rời rạc nếu tất cả các Xi rời rạc. Gọi là
liên tục nếu tất cả các Xi liên tục. Gọi là hỗn hợp nếu có cả thành phần liên tục và cả
thành phần rời rạc.
Ta hạn chế xét biến ngẫu nhiên n chiều liên tục hoặc rời rạc, chỉ xét n = 2.
2.4.1 Biến ngẫu nhiên rời rạc 2 chiều
a) Bảng phân phối xác suất của biến ngẫu nhiên 2 chiều.
38
Cho (X, Y ) là biến ngẫu nhiên 2 chiều rời rạc, trong đó
X = {x1 , x2 , ..., xn , ...}
Y = {y1 , y2 , ..., ym , ...}

pij = P (X = xi , Y = yj ). Khi đó có bảng sau đây gọi là bảng phân phối xác suất của
biến ngẫu nhiên 2 chiều (X, Y ).
Y X x1 x2 ... xn ...
y1 p11 p21 ... pn1 ...
... .........................................
ym p1m p2m ... pnm ...
b) Chú ý:
X
i) pij = 1.
ij
ii) Nếu từ bảng phân phối xác suất của (X, Y ) ta suy ra được bảng phân phối xác
suất của X và Y.
Thật vậy: X
P (X = xi ) = pij cộng theo cột
j
X
P (X = yj ) = pij cộng theo hàng
i
iii) Nói chung tư bảng phân phối xác suất của X và Y không suy ra được bảng phân
phối xác suất của (X, Y ). Chỉ ra được trong trường hợp X và Y độc lập vì: nếu X, Y
độc lập thì
pij = p(X = xi , Y = yj ) = p(X = xi )p(Y = yj ) = pi qj .
Ví dụ 18. Một hộp có 2 bi đỏ, 3 bị xanh, 2 bi trắng. Lấy ngẫu nhiên 2 viên bi, gọi X
là số bi đỏ lấy ra, Y là số bi xanh lấy ra. Tìm bảng phân phối xác suất của (X, Y ).
HD
Ta có X, Y nhận 3 giá trị 0, 1, 2
Y X 0 1 2
1 4 1
0 21 21 21
6 6
1 21 21
0
3
2 21
0 0
Vì
C22 1
P (X = 0, Y = 0) = P (lấy được 2 bi trắng) = 2
=
C7 21
C21 C31 6
P (X = 0, Y = 1) = P (lấy 1 trắng 1 xanh) = 2
=
C7 21
C32 3
P (X = 0, Y = 2) = P (lấy được 2 bi xanh) = 2
=
C7 21
39
C21 C21 4
P (X = 1, Y = 0) = P (lấy 1 đỏ 1 trắng) = 2
=
C7 21
C21 C31 6
P (X = 1, Y = 1) = P (lấy 1 đỏ 1 xanh) = 2
=
C7 21
Ta có bảng phân phối xác suất của X là:
X 0 1 2
10 10 1
P 21 21 21
Ta có bảng phân phối xác suất của Y là:
Y 0 1 2
6 12 3
P 21 21 21
2.4.2 Biến ngẫu nhiên liên tục 2 chiều
a) Hàm mật độ của biến ngẫu nhiên liên tục 2 chiều.

Giả sử (X, Y ) là biến ngẫu nhiên liên tục 2 chiều. Hàm 2 biến p(x, y) ≥ 0 gọi là
hàm mật độ xác suất của (X, Y ) ham hàm mật độ đồng thời của X và Y, nếu thoả
mãn Z x Z y
P (X < x, Y < y) = p(u, v)dudv.
−∞ −∞
b) Chú ý:
Z +∞ Z +∞
i) p(x, y)dxdy = 1.
−∞ −∞
ii) Từ hàm mật độ của (X, Y) ta suy ra được hàm mật độ của X và Y.
Thật vậy: Ta có
P (X < x) = P (X < x, Y < +∞)

Z x Z +∞
= p(u, v)dudv
−∞ −∞
Z x Z +∞
= p(u, v)dv du
−∞ −∞
Đặt Z +∞
pX (x) = p(x, y)dy
−∞
thì Z x
P (X < x) = pX (u)du
−∞
Vậy hàm mật độ của X là

Z +∞
pX (x) = p(x, y)dy.
−∞
40
Tương tự hàm mật độ của Y là
Z +∞
pY (y) = p(x, y)dx
−∞
iii) Nói chung hàm mật độ của X và Y không suy ra được hàm mật độ của (X, Y ),
chỉ đúng khi X, Y độc lập và ta có X, Y độc lập khi và chỉ khi
p(x, y) = pX (x)pY (y)
Ví dụ 19. Cho véc tơ ngẫu nhiên (X, Y) có hàm mật độ:

(
C(x2 + 21 xy) nếu 0 < x < 1, 0 < y < 2
p(x, y) =
Tính C, pX (x), pY (y).

HD
Z +∞ Z +∞ Z 1 Z 2
1
Ta có p(x, y)dxdy = 1 ⇔ C(x2 + xy)dxdy = 1. Từ đó suy ra
−∞ −∞ 0 0 2
6
C= .
7
Hàm mật độ của X là:
( R2
+∞
C 0 (x2 + 12 xy)dy nếu 0 < x < 1,
Z
pX (x) = p(x, y)dy =
−∞ 0 nếu x ∈/ (0, 1)
(
6
(2x2 + x) nếu x ∈ (0, 1),
= 7
0 nếu x ∈/ (0, 1)
Tương tự ta cũng có hàm mật độ của Y là:

Z +∞ ( R1
C 0 (x2 + 21 xy)dx nếu y ∈ (0, 2),
pY (x) = p(x, y)dx =
−∞ 0 nếu y ∈/ (0, 2)
(
( + y4 )
6 1
7 3
nếu y ∈ (0, 2),
=
0 nếu y ∈/ (0, 2)
c) Hàm phân phối của véc tơ ngẫu nhiên.
Định nghĩa 2.4.2. Hàm số F (x, y) thoả mãn

XX
F (x, y) = P (X < x, Y < y) = pij
xi <x yj <y
gọi là hàm phân phối của véc tơ ngẫu nhiên (X, Y ) hay gọi là hàm phân phối đồng
thời của X và Y .
41
Tính chất:
Gọi F, FX , FY là hàm phân phối của (X, Y ), X, Y tương ứng. Khi đó ta có tính chất
sau:
i) F(x,y) không giảm theo từng đối số.
ii) F (+∞, +∞) = 1, F (−∞, y) = F (x, −∞) = 0.
iii)
F (x, +∞) = lim F (x, y) = FX (x) = P {X < x}

y→+∞
F (+∞, y) = lim F (x, y) = FY (y) = P {Y < y}

y→+∞
iv)
F (x1 < X < x2 , y1 < Y < y2 ) = F (x2 , y2 ) − F (x1 , y2 )−

− F (x2 , y1 ) + F (x1 , y1 )
v) X, Y độc lập ⇔ F (x, y) = FX (x)FY (y).

vi) Nếu X, Y liên tục thì
∂ 2 F (x, y)
p(x, y) = .
∂x∂y
Ví dụ 20. Giả sử hàm phân phối đồng thời của hai biến ngẫu nhiên X, Y là:
(
1 − e−x − e−y + e−(x+y) nếu x > 0, y > 0
F (x, y) =
1. Tìm hàm mật độ đồng thời của (X, Y ).

2. Tìm hàm phân phối của X, của Y .
3. Tính xác suất P [0 ≤ X < 2; 0 ≤ Y < 2].
HD
1.
(
∂F (x, y) e−x − e−(x+y) nếu x > 0, y > 0
=
∂x 0 nếu ngược lại.
(
∂ 2 F (x, y) e−(x+y) nếu x > 0, y > 0
p(x, y) = =
∂x∂y 0 nếu ngược lại.
2. Hàm phân phối của X là:

(
1 − e−x nếu x > 0
FX (x) = lim F (x, y) =
y→+∞ 0 nếu x ≤ 0.
42
Hàm phân phối của Y là:
(
1 − e−y nếu y > 0
FY (y) = lim F (x, y) =
x→+∞ 0 nếu y ≤ 0.
3.
Z 2 Z 2 Z 2 Z 2
P [0 ≤ X < 2; 0 ≤ Y < 2] = p(x, y)dxdy = e−(x+y) dxdy
Z0 2 0 Z 2
0
Z 02
= e−x e−y dy dx = e−x (1 − e−2 )dx
0
Z0 2 0
= (1 − e−2 ) e−x dx = (1 − e−2 )2 .

0
2.4.3 Các đặc trưng của véctơ ngẫu nhiên
a) Véc tơ kỳ vọng.
Cho véc tơ ngẫu nhiên n chiều (X1 , ..., Xn ) khi đó véc tơ (EX1 , EX2 , ..., EXn ) gọi
là véc tơ kỳ vọng của (X1 , ..., Xn ).
b) Moment tương quan(Covarian).
Cho véc tơ ngẫu nhiên X = (X1 , ..., Xn ). Đặt λij = Cov(Xi , Xj ) = E(Xi −
EXi )(Xj − EXj ) gọi là mô men tương quan của Xi và Xj . Ta có
E(Xi − EXi )(Xj − EXj ) = EXi Xj − EXi EXj .
Nếu Xi , Xj độc lập thì Cov(Xi , Xj ) = 0 . Điều ngược lại luôn không đúng.
Ma trận  
λ11 λ12 ... λ1n
 λ21 λ22 ... λ2n 
A =  .. ..  = (λij ).
 
..
 . . ... . 
λm1 λm2 ... λmn
Gọi là ma trận tương quan của (X1 , ..., Xn ), trong đó
λij = E(Xi − EXi )(Xj − EXj ); λii = E(Xi − EXi )2 = DXi .
Chú ý: Ma trận A là ma trận đối xứng và xác định dương. Thật vậy:
Đối xứng: λij = EXi Xj − EXi Xj = EXj Xi − EXj EXi = λji .
43
Xác đinh dương:
n
X
0 ≤ E( (Xi − EXi )xi )2
i=1
n
X
= E( (Xi − EXi )xi (Xj − EXj )xj )
i,j=1
n
X
= (Xi − EXi )(Xj − EXj )xi xj
i,j=1
X n
= λij xi xj
i,j=1
Suy ra A là xác đinh dương.

c) Hệ số tương quan.
• Định nghĩa: Hệ số tương quan giữa X và Y được xác định
Cov(X, Y )
ρ(X, Y ) = √ .
DXDY
• Tính chất của hệ số tương quan

i) Hệ số tương quan
|ρ(X, Y )| ≤ 1.
ii) Nếu X, Y độc lập thì ρ(X, Y ) = 0.
iii) Nếu |ρ(X, Y )| = 1 thì X, Y phụ thuộc tuyến tính, tức là ∃a2 + b2 6= 0, c là hằng
số: aX + bY + c = 0.
iv) D(X + Y ) = DX + DY ⇔ ρ(X, Y ) = 0.
Chứng minh(xem tai liệu).
• Ý nghĩa của hệ số tương quan
Hệ số tương quan đo mức độ phụ thuộc tuyến tính giữa X và Y.
ρ(X, Y ) càng gần 1 thì mối quan hệ tuyến tính càng chặt.
ρ(X, Y ) khá gần 0 thì mối quan hệ tuyến tính càng ít.
ρ(X, Y ) = 0 thì X, Y không tương quan.
d) Kỳ vọng có điều kiện
• Phân phối có điều kiện và kỳ vọng có điều kiện
Giả sử hai biến ngẫu nhiên X và Y có phân phối đồng thời là:
P ([X = xi ] ∩ [Y = yj ]) = pij .
Định nghĩa1: Phân phối có điều kiện của biến ngẫu nhiên Y với điều kiện X = xi là
pij
tỉ số P [X=x i]
và ký hiệu là
pij
P [Y = yj /X = xi ] = , j = 1, 2, ...
P [X = xi ]
44
Tương tự: gọi tỷ số
pij
P [X = xi /Y = yj ] = , i = 1, 2, ...
P [Y = yj ]
là phân phối có điều kiện của biến ngẫu nhiên X với điều kiện Y = yj
p(x,y)
Định nghĩa2: Giả sử X, Y có hàm mật độ đồng thời là p(x, y). Gọi tỷ số pX (x)
=
p(y/x) là mật độ có điều kiện của biến ngẫu nhiên Y với điều kiện X = x.
Tương tự : ta gọi p(x,y)
pY (y)
= p(x/y) là hàm mật độ có điều kiện của biến ngẫu nhiên
X với điều kiện Y = y.
X∞
Định nghĩa3: Gọi tổng yj P [Y = yj /X = x] là kỳ vọng có điều kiện của biến
j=1
ngẫu nhiên Y với điều kiện X = x và ký hiệu
∞
X
E(Y /X = x) = yj P [Y = yj /X = x].
j=1
Tương tự ta cũng có
∞
X
E(X/Y = y) = xi P [X = xi /Y = y].
j=1
là kỳ vọng có điều kiện của biến ngẫu nhiên X với điều kiện Y = y.
Định nghĩa 4: Gọi tích phân
Z +∞
E(Y /X = x) = yp(y/x)dx
−∞
là kỳ vọng có điều kiện của biến ngẫu nhiên Y với điều kiện X = x.
Tương tự ta cũng có
Z +∞
E(X/Y = y) = xp(x/y)dy
−∞
là kỳ vọng có điều kiện của biến ngẫu nhiên X với điều kiện Y = y.
Chú ý: + Nếu X, Y rời rạc thì
n X
X n
EXY = xi yj pij
i=1 j=1
+ Nếu X, Y liên tục thì

Z −∞ Z −∞
EXY = xyp(x, y)dxdy.
−∞ −∞
• Một số ví dụ:
45
Ví dụ 21. Giả sử X, Y là hai biến ngẫu nhiên rời rạc có cùng phân phối đồng thời
Y \X 2 5 8
0,4 0,15 0,3 0,35
0,8 0,05 0,12 0,03
Tìm kỳ vọng và phương sai của X và của Y . Tính ma trận tương quan của X, Y . Tìm
hệ số tương quan của X, Y . Tính phân phối điều kiện P [X/Y = 0, 4] và P [Y /X = 5]
và kỳ vọng toán học điều kiện E(X/Y = 0, 4) và E(Y /X = 5).
HD:
1)+ Phân phối xác suất của biến X là
X 2 5 8
P 0,2 0,42 0,38
+ Phân phối của biến ngẫu nhiên Y là:
X 0,4 0,8
P 0,8 0,2
+ Kỳ vọng của biến ngẫu nhiên X là:

E(X) = 2 × 0, 2 + 0, 42 × 5 + 8 × 0, 38 = 5, 54
+ Kỳ vọng của biến ngẫu nhiên Y là:
E(Y ) = 0, 4 × 0, 8 + 0, 8 × 0, 2 = 0, 48
Tương tự ta cũng tìm được DX = 4, 9084; DY = 0, 0256 2) Ma trận tương quan

λ11 λ12
D=
λ21 λ22
trong đó λ11 = DX; λ22 = DY

λ12 = λ21 = E(XY ) − (EX)(EY )
và E(XY ) = 2 × 0, 4 × 0, 15 + ... + 8 × 0, 8 × 0, 03 = 2, 592
vậy λ12 = λ21 = −0, 0672.
Do đó ma trận tương quan là

4, 9084 −0, 0672
D=
−0, 0672 0, 0256
3) Hệ số tương quan.
Cov(X, Y ) E(XY ) − (EX)(EY )

ρ(X, Y ) = √ = √ = −0, 1895
DXDY DXDY
4) Phân phối điều kiện
+ Phân phối điều kiện của X với Y=0,4.
p11 0, 15 3
P [X = 2/Y = 0, 4] = = =
p[Y = y1 ] 0, 8 16
46
p21 0, 3 3
P [X = 5/Y = 0, 4] = = =
p[Y = y1 ] 0, 8 8
p31 0, 35 7
P [X = 8/Y = 0, 4] = = =
p[Y = y1 ] 0, 8 16
Vậy
X 2 5 8
3 3 7
P [X = xi /Y = 0, 4] 16 8 16
+ Phân phối điều kiện của Y với điều kiện X=5
p21 0, 3 5
P [Y = 0, 4/X = 5] = = =
p[X = x2 ] 0, 42 7
p22 0, 12 2
P [Y = 0, 4/X = 5] = = =
p[X = x2 ] 0, 42 7
Y 0,4 0,8
5 2
P [Y = yj /X = 5] 7 7
5) Kỳ vọng điều kiện

+ Kỳ vọng điều kiện của X với điều kiện Y=0,4 là
3 3 7 23
E(X/Y = 0, 4) = 2 × +5× +8× =
16 8 16 4
+ Kỳ vọng điều kiện của Y với điều kiện X=5 là
5 2 3, 6
E(Y /X = 5) = 0, 4 × + 0, 8 × =
7 7 7
• Tính chất của kỳ vọng có điều kiện
i) Nếu c1 , c2 là hai hằng số và Y1 , Y2 có kỳ vọng điều kiện E(Y1 /X), E(Y2 /X) thì
E((c1 Y1 + c2 Y2 )/X) = c1 E(Y1 /X) + c2 E(Y2 /X).
ii) E(Y ) = E(E(Y /X)).
iii) DY = D(E(Y /X)) + E(D(Y /X)).
trong đó D(Y /X) = E[(Y − E(Y /X))2 /X] được gọi là phương sai điều kiện của Y
với điều kiện X đã cho.
2.5 Luật số lớn và một số định lý giới hạn
2.5.1 Một số dạng hội tụ.
a)Định nghĩa hội tụ theo xác suất.
47
Định nghĩa 2.5.1. Dãy (Xn , n ≥ 1) được gọi là hội tụ theo xác suất về biến ngẫu
nhiên X khi n → ∞ nếu với ε > 0 cho trước tuỳ ý ta có:
lim P [|Xn − X| < ε] = 1

n→∞
hoặc
lim P [|Xn − X| > ε] = 0
n→∞
p
Ký hiệu Xn →
− X khi n → ∞
Ví dụ:
Cho dãy Xn xác định như sau:
X 0 a
1
P n
1 − n1
P
Chứng minh rằng: Xn − → 0 khi n → ∞.
Thật vậy, ta có với mọi ε > 0
0 ≤ P (|Xn − 0| > ε) = P (|Xn | > ε) ≤ P (|Xn | > |a| = P (|Xn | = a) = 1/n → 0
Vậy ta có
lim P [|Xn − 0| > ε] = 0
n→∞
nên suy ra điều phải chứng minh.

b) Hội tụ hầu chắc chắn.
Định nghĩa 2.5.2. Dãy (Xn ) gọi là hội tụ hầu chắc chắn đến biến ngẫu nhiên X, nếu
P (ω/Xn (ω) → X(ω)) = 1
và được ký hiệu là:

h.c.c
Xn −−→ X khi n → ∞
Định lý:
h.c.c
Xn −−→ X ⇔ lim P (sup{|Xk − X| > ε}) = 0 ∀ε > 0
n→∞ k≥n
Tính chất:
h.c.c p
i) Nếu Xn −−→ X thì Xn →− X
p h.c.c
ii) Nếu Xn →
− X và (Xn ) đơn điệu thì Xn −−→ X.
c) Hội tụ theo trung bình bậc p(p>0).
Định nghĩa 2.5.3. Cho (Xn ), X là các biến ngẫu nhiên sao cho
E|Xn |p , E|X|p < +∞, (p > 0, ∀n). Khi đó ta nói dãy (Xn ) hội tụ theo trung bình cấp
Lp
p đến X, ký hiệu Xn −→ X nếu E|Xn − X|p → 0(n → ∞).
48
Ví dụ:
Cho dãy Xn xác định như sau:
X 1 2
1
P n
1 − n1
2 L
Chứng minh rằng: Xn −→ 2.
Ta có
1 1 1
E|Xn − 2|2 = (1 − 2)2 + (2 − 2)2 (1 − ) = → 0(n → ∞)
n n n
suy ra (đpcm).
Định lý:
Lp p
Nếu Xn −→ X thì Xn →
− X
d) Hội tụ theo phân phối.
Định nghĩa 2.5.4. Dãy (Xn ) gọi là hội tụ theo phân phối tới biến ngẫu nhiên X, ký
d
hiệu Xn →
− X, nếu
Fn (x) → F (x), ∀x ∈ C(F )
trong đó Fn , F ký hiệu hàm phân phối của Xn , X, tương ứng, còn C(F) là tập các điểm
liên tục của hàm F.
Ví dụ:
Cho X xác định như sau:
X -1 1
1 1
P 2 2
(Xn ) được xác định

(
X nếu n chẵn
Xn =
−X nếu n lẻ
d
Khi đó Xn →
− X nhưng không hội tụ theo xác suất .
Chứng minh
Ta có hàm phân phối xác suất của X là

0
 nếu x ≤ −1
1
F (x) = nếu − 1 < x ≤ 1
2
1 nếu x > 1

và hàm phân phối của Xn là Fn thì Fn (x) = F (x), C(F ) = R {±1} mà Fn (x) =
F (x) → F (x) ∀x
d
theo định nghĩa ta có Xn →
− X
49
Ta chứng minh (Xn ) không hội tụ theo xác suất.
Xét n = 2m + 1 khi đó |Xn − X| = 2|X|
1
⇒ P (|Xn − X| > 1) = P (2|X| > 1) = P (|X| > ) = 1
2
⇒ P (|Xn − X| > 1) = P (2|X| > 1) 9 0 (n = 2m + 1 → ∞) ⇒

Suy ra điều phải chứng minh.
Tính chất:
p d
i) Nếu Xn →
− X thì Xn →
− X
d d
ii) Nếu Xn →
− X và P (X = c) = 1 thì Xn →
− X
2.5.2 Bất đẳng thức Chebyshev và luật yếu số lớn.
a. Bất đẳng thức Chebyshev

Định lý. Giả sử X là biến ngẫu nhiên không âm. Khi đó nếu tồn tại EX thì với mọi
ε > 0 ta có
EX
P (X ≥ ε) ≤
ε
Hệ quả 1. Bất đẳng thức Chebyshev.
Giả sử biến ngẫu nhiên X có kỳ vọng EX và DX. Khi đó với ε > 0 cho trước tuỳ ý
ta có:
1
P [|X − EX| ≥ ε] ≤ 2 DX
ε
hoặc
1
P [|X − EX| < ε] ≥ 1 − 2 DX
ε
Chứng minh:
E|X − EX|2 DX
P (|X − EX| ≥ ε) = P (|X − EX|2 ≥ ε2 ) ≤ 2
= 2
ε ε
Hệ quả. Bất đẳng thức Markov.
Giả sử X là biến ngẫu nhiên bất kỳ. Khi đó, nếu tồn tại E|X|p thì ta có:
E|X|p
P (|X|p > ε) ≤ ; (p > 0 , ∀ε > 0)
εp
b. Luật yếu số lớn.
Định nghĩa. Cho dãy X1 , X2 , ..., Xn , ... là các biến ngẫu nhiên bất kỳ có kỳ vọng
EXi = ai (i = 1, 2, ...). Dãy (Xn , n ≥ 1) gọi là tuân theo luật yếu số lớn nếu
X1 + X2 + ... + Xn a1 + a2 + ... + an P
− −
→0 (khi n → ∞)
n n
50
Dãy (Xn , n ≥ 1) gọi là tuân theo luật yếu số lớn tổng quát nếu tồn tại dãy số (bn ), 0 <
bn ↑ ∞ sao cho
X1 + X2 + ... + Xn a1 + a2 + ... + an P
− −
→0 (khi n → ∞)
bn bn
Chú ý. Nếu trong định nghĩa trên, hội tụ theo xác suất được thay bởi hội tụ hầu chắc
chắn thì dãy (Xn , n ≥ 1) gọi là tuân theo luật mạnh số lớn (Luật mạnh số lớn tổng
quát).
Định lý. (Markov)
Nếu dãy (Xn , n ≥ 1) là dãy biến ngẫu nhiên độc lập đôi một và thỏa mãn điều kiện
n
1 X
DXi → 0 (khi n → ∞)
n2 i=1
thì (Xn , n ≥ 1) tuân the luật yếu số lớn.

Ví dụ: Cho dãy (Xn , n ≥ 1) các biến ngẫu nhiên độc lập đôi một xác định như sau:
√ √ 1 1
P [Xk = k] = P [Xk = − k] = , P [Xk = 0] = 1 − , (n ≥ 1)
2k k
Khi đó, dãy (Xn , n ≥ 1) tuân theo√luật yếu số lớn.
Thật vậy, ta có EXk = 0, DXk = k. Khi đó
n n
1 X 1 X√ 1 √ √ 1
2
DXk = 2 k < 2 ( n + ... + n) = → 0 (khi n → ∞)
n k=1 n k=1 n n
Vậy dãy (Xn , n ≥ 1) tuân theo luật yếu số lớn.
51
BÀI TẬP CHƯƠNG 2
Bài tập 1. Một nhóm có 10 người gồm 6 nam và 4 nữ. Chọn ngẫu nhiên ra 3 người.
Gọi X là số nữ ở trong nhóm. Lập bảng phân bố xác suất của X và tính EX, DX và
modX.
Bài tập 2. Một túi chứa 10 tấm thẻ đỏ và 6 tấm thẻ xanh. Chọn ngẫu nhiên ra 3 tấm
thẻ.
a) Gọi X là số thẻ đỏ. Tìm phân phối xác suất của X.
b) Giả sử rút mỗi tấm thẻ đỏ được 5 điểm và rút mỗi tấm thẻ xanh được 8 điểm. Gọi
Y là số điểm tổng cộng trên 3 thẻ rút ra. Tìm phân phối xác suất của Y.
Bài tập 3. gieo một con xúc xắc cân đối và đồng chất. Gọi X là số chắm ở mặt trên
của con xúc xắc.
a. Lập bẳng phân phối xác suất của X.
b. Viết biểu thức hàm phân phối. Vẽ đồ thị của nó.
Bài tập 4. Gieo đồng thời 2 con xúc xắc cân đối và đồng chất. Gọi Y là tổng số chấm
ở mặt trên của 2 con xúc xắc.
a. Lập bảng phân phối xác suất cảu Y.
b. Viết biểu thức hàm phân phối của Y.
Bài tập 5. Trong một cái bát có để 5 hạt đậu trong đó có 2 hạt đỏ. Lấy ngẫu nhiên ra
2 hạt. Gọi X là số hạt đậu đỏ dược lấy ra.
a. Lập bảng phân phối xsc suất cảu X.
b. Viết biểu thức hàm phân phối của X.
c. Tính P{0< X <2} bằng cách tính trực tiếp và bằng cách thông qua hàm phân phối.
Bài tập 6. Một thiết bị gồm 3 bộ phận hoạt động độc lập với nhau, xác suất trong
khoảng thời gian t các bộ phận hỏng tương ứng bằng 0,2; 0,3; 0,25. Gọi X là số bộ
phận bị hỏng trong khoảng t.
a. Tìm phân phối xác suất của X.
c. Tính P{0< X <4} theo 2 cách.
Bài tập 7. Một xạ thủ dùng 5 viên đạn để thử súng. Anh ta bắn từng viên vào bia với
xác suất trúng tâm là 0,95. Nếu có 2 viên liên tiếp trúng tâm thì thôi không bắn nữa.
Gọi A là số đạn còn thừa ra.
a. Lập bảng phân phối xác suất của X.
Bài tập 8. Một xạ thủ đem 6 viên đạn để bắn kiểm tra trước ngày thi băn. Anh ta
bắn từng viên vào bia với xác suất trúng vòng 10 là 0,85. Nếu bắn được 3 viên liên
tiểptúng vòng 10 thì thôi không bắn nuẵ. Gọi X là số đạn anh ta đã bắn.
a. Lập bảng phân phối xác suất của X.
c. Xét trường hợp anh ta bắn 3 viên trúng vòng 10 thì ngừng bắn. Gọi Y là số đạn còn
lại. Tìm quy luật phân phối của Y.
Bài tập 9. Cho 2 biến ngẫu nhiên X và Y độc lập với csc phân phối xác suất như sau:
52
X -1 0 1 2
P 0,2 0,3 0,3 0,2
Y -1 0 1
P 0,3 0,4 0,3
Lập bảng phân phối xác suất của X 2 , X + Y, 2Y, X − 2Y và XY.

Bài tập 10. Cho biến ngẫu nhiên Cauchy với hàm phân phối:
1 1
F (x) = + arctgx
2 π
a. Tìm xác suất của biến cố: 0 < X < 1.
b. Tìm hàm mật độ của X.
2
Bài tập 11. Xác định hằng số a để hàm p(x) = ae−x là hàm mật độ của biến ngẫu
nhiên nào đó. Tìm xác suất để cho giá trị của biến ngẫu nhiên tương ứng trên thuộc
khoảng (−∞; 0)
Bài tập 12. Cho biến ngẫu nhiên X có phân phối đề trên [0;1]. Tìm xác suất sao cho
trong 100 lần quan sát về X có 60 lần X nhận giá trị trong (0,2; 0,7).
Bài tập 13. Biến ngẫu nhiên X nhận giá trị tập trung trong [−π/2, π/2]. Với hàm mật
độ có dạng p(x) = Ccosx.
a. Xác định hằng số C.
c.Tìm P {0 ≤ X ≤ π/4}.
d. Nếu quan sát X 5 lần thì bao nhiêu lần X nhận giá trị trong [0, π/4] là có khả năng
nhất. Tính xác suất đó.
Bài tập 14. Biến ngẫu nhiên X có phân phối Pareto, đặc trưng sự tăng dân số, có hàm
phân phối sau:
(
0 nếux < x0
p(x) = α > 0, x0 > 0
1−x nếux ≥ x0
a. Tìm hàm mật độ của X.

b. Tìm EX và DX.
Bài tập 15. Trong ca làm việc, một máy tự động sản xuất được 100 sản phẩm. Xác
suất để 1 sản phẩm được sản xuất và thuộc loại phế phẩm là 0,02. Ta xem quá trình
sản xuất các sản phẩm tiến hành đọc lập với nhau.
a. Tìm quy luật phân phối xác suất của số phế phẩm trong ca.
b. Trung bình trong ca có bao nhiêu phế phẩm và xác suất có số phế phẩm đó.
Bài tập 16. Chiều cao của nam giới đã trưởng thành là một biến ngẫu nhiên có phân
phối chuẩn là N(160;36). Tìm xác suất để khi lấy ngẫu nhiên bốn nam thì có ít nhất
một người có chiều cao trong khoảng (158; 162).
Bài tập 17. Cho 2 biến ngẫu nhiên X và Y độc lập, giả sử X ' N (2; 0, 09, Y ' phân
phối mũ với λ = 1/5. Tìm:
a. E(−3X + 2Y − 5).
b. D(−3X + 2Y − 5).
c. E(2X 2 − 3Y 2 + 2XY − 3Y + 2X − 3).
53
Bài tập 18. Xác suất để hạt thóc giống bị lép là 0,006. Tìm xác suất sao cho trong
1000 hạt thóc giống có:
a. Không bé hơn 3 hạt lép.
b. Có đúng 6 hạt lép.
c. Có không lớn hơn 16 hạt lép.
Bài tập 19. Gieo một con xúc xắc cân đối và đồng chất 12000 lần. Tìm xác suất để
cho số lần xuất hiện mặt 1 nốt ở phía trên con xúc xắc gồm giữa 1900 và 2150.
Bài tập 20. Mỗi người góp vào x nghìn đồng, tham gia trò chơi như sau: gieo đồng
thời 2 con xúc xắc cân đối, đồng chất, nếu được 2 mặt lục thì nhận 14 nghìn, 1 mặt
lục thì nhận 4 nghìn.
a. Hỏi x là bao nhiêu để về trung bình là trò chơi vô thưởng vô phạt (không lỗ, không
lãi).
b. Cần tối thiểu bao nhiêu người tham gia trò chơi để tổng số tiền góp vào là ≥ 14
nghìn đồng?
Bài tập 21. Tiêm một loại vácxin chống toi gà. Khả năng nhiễm dịch là 80%. Một tổ
kiểm tra bắt ngẫu nhiên ra từng con cho đến khi nào gặp được con không miễn dịch
thì thôi.
a. Mô tả phân phối xác suất của biến ngẫu nhiên chỉ số gà mà tổ kiểm tra đã bắt ra.
b. Trung bình tổ phải bắt nao nhiêu con gà?
c. Tính xác suất phải bắt không quá 3 con gà.
Bài tập 22. Cho hai biến ngẫu nhiên X và Y có phân phối xác suất như sau:
X 0 1 2 3 4 5
P 0,15 0,3 0,25 0,2 0,08 0,02
và
Y 0 1 2 3 4 5
P 0,3 0,2 0,2 0,15 0,1 0,05
a) Tính EX và EY.
b) Tính P {X + Y ≤ 3} nếu X và Y độc lập.
Bài tập 23. Cho biến ngẫu nhiên liên tục X có hàm mật độ
(
kx2 (1 − x) nếu 0 ≤ x ≤ 1
p(x) =
0 nếu ngược lại
a) Tìm hằng số k.
b) Tìm mod.
c) Tính P (0, 4 < X < 0, 6).
Bài tập 24.
(
k(1 − x) nếu 0 ≤ x ≤ 1
p(x) =
Tìm k, medianX (m(X)), DX.
54
Bài tập 25. Cho biến ngẫu nhiên X có hàm mật độ sau:
(
k(1 + x)−3 nếu x ≥ 0
p(x) =
0 nếu x < 0
a) Tìm k.
b) Tìm EX.
c) Tìm medianX, modX.
(
kx2 nếu 0 ≤ x ≤ 3
p(x) =
a)Tìm hằng số k.
b) Tính P (X > 2).
c) Tính Median của X.
d) Tìm a để P {X < a} = 34 .
(
3
x(2 − x) nếu 0 ≤ x ≤ 2
p(x) = 4
a) Vẽ đồ thị của p(x).

b) Tính P {X > 1, 5} và P {0, 1 ≤ x ≤ 1, 1}

x 1
 4 + 2 nếu − 2 ≤ x ≤ 0

p(x) = − x4 + 21 nếu 0 ≤ x ≤ 2

0 nếu x còn lại

Tính kỳ vọng và phương sai của X.

(
k(1 − x2 ) nếu |x| ≤ 1
p(x) =
0 nếu trái lại
Tìm k và tính kỳ vọng phương sai của biến ngẫu nhiên Y = 2X 2 .

(
kx2 nếu |x| ≤ 1
p(x) =
0 nếu trái lại
√
trong đó k là hằng số. Xét biến ngẫu nhiên Y = 2 X. Hãy tính
a) P { 12 < Y < 32 }.
b) P{Y>1}.
55
Bài tập 31. Giả sử X ∼ B(2; 0, 4), Y ∼ B(2; 0, 7). X và Y là hai biến ngẫu nhiên độc
lập.
a) Tìm phân phối xác suất của X+ Y.
b) Chứng minh rằng X+Y không có phân phối nhị thức.
Bài tập 32. Cho X và Y là hai biến ngẫu nhiên độc lập.
a) Giả sử X ∼ B(1; 0, 2), Y ∼ B(2; 0, 2). Lập bảng phân phối xác suất của X, Y và
X+Y.
b) Giả sử X ∼ B(1; 0, 5), Y ∼ B(2; 0, 2). Hãy lập bảng phân phối xác suất của X+Y;
X+Y có phân phối nhị thức hay không?.
Bài tập 33. Một trạm cho thuê taxi có 3 chiếc xe. Hàng ngày trạm phải nạp thuế 8
USD cho một chiếc xe( dù xe đó có được thuê hay không). Mỗi chiếc xe cho thuê với
giá 20 USD.
Giả sử số yêu cầu thuê xe của trạm trong một ngày là biến ngẫu nhiên X có phân phối
Poátxông với tham số λ = 2, 8.
a) Gọi Y là số tiền thu được trong 1 ngày của trạm. Lập bảng phân phối xác suất của
Y. Tính số tiền thu được trong một ngày.
b) Giải bài toán trên trong trường hợp trạm có 4 chiếc xe.
c) Trạm nên có 3 hay 4 chiếc xe.
Bài tập 34. Cho biến ngẫu nhiên X có phân phối đều trên đoạn [1, 2].
Tính P (2 < X 2 < 5).
Bài tập 35. Cho biến ngẫu nhiên X có phân phối đều trên đoạn [-1, 3].
Tính P (X 2 < 2).
Bài tập 36. Trọng lượng của một con bò là một biến ngẫu nhiên có phân phối chuẩn
với giá trị trung bình 250kg là độ lệch tiêu chuẩn là 40kg. Tìm xác suất để một con bò
chọn ngẫu nhiên có trọng lượng:
a) Nặng hơn 300kg.
b)Nhẹ hơn 175kg.
c) Nằm trong khoảng từ 260kg đến 270kg.
Bài tập 37. Các biến ngẫu nhiên X và Y có bảng phân phối xác suất đồng thời như
sau:
X \Y 1 2 3
1 0,12 0,15 0,03
2 0,28 0,35 0,07
a) Chứng minh rằng X và Y độc lập.

b) Tìm quy luật phân phối của biến ngẫu nhiên Z = XY .
c) Tính EZ bằng hai cách cách và kiểm tra EZ = EXEY .
Bài tập 38. Cho X và Y là hai biến ngẫu nhiên có phân phối xác suất đồng thời như
sau:
X \Y -1 1
1 1
-1 6 4
1 1
0 6 8
1 1
1 6 8
56
Hãy tính EX, EY, cov(X, Y) và ρ(X, Y ).
Bài tập 39. Cho X và Y là hai biến ngẫu nhiên có phân phối xác suất đồng thời như
sau:
X \Y -1 0 1
4 1 4
-1 15 15 15
1 2 1
0 15 15 15
2
1 0 15
0
a) Hãy tính EX, EY, cov(X, Y) và ρ(X, Y ).

b) X và Y có độc lập hay không?
Bài tập 40. Cho X và Y là hai biến ngẫu nhiên có hàm phân phối đồng thời là
(
sinxsiny nếu 0 ≤ x ≤ π2 , 0 ≤ y ≤ π2
F (x, y) =
0 nếu trái lại
Tính P { π6 < X < π2 , π4 < Y < π3 }.

Bài tập 41. Cho biến ngẫu nhiên độc lập có phân phối xác suất như sau:
X 0 1 2 3
P 0,4 0,3 0,2 0,1
và
X 0 1 2 3 4
P 0,1 0,3 0,4 0,15 0,05
Tìm hàm phân phối đồng thời của X và Y.
h.c.c h.c.c
Bài tập 42. Giả sử Xn −−→ X, Yn −−→ Y .
h.c.c
Chứng minh rằng Xn + Yn −−→ X + Y khi n → ∞
P P
Bài tập 43. Giả sử Xn −
→ X, Yn −
→Y.
P
Chứng minh rằng aXn + bYn −→ aX + bY khi n → ∞, a, b ∈ R
Bài tập 44. Giả sử Xn , n ≥ 1 là dãy các biến ngẫu nhiên độc lập, trong các trường sau,
xét xem dãy Xn , n ≥ 1 có tuân theo luật yếu số lớn hay không?
√ √ 1
a. P [Xn = n] = P [Xn = − n] = 2n , P [Xn = 0] = 1 − n1 , (n ≥ 1)
b. P [Xn = 2n ] = P [Xn = −2n ] = 2−(2n+1) , P [Xn = 0] = 1 − 2−2n , (n ≥ 1)
1 1
c. P [Xn = n] = P [Xn = −n] = 2n2
, P [Xn = 0] = 1 − n2
, (n ≥ 1)
n n 1
d. P [Xn = 2 ] = P [Xn = −2 ] = 2 , (n ≥ 1)
57
Chương 3
Lý thuyết chọn mẫu và ước lượng

tham số
3.1 Mẫu ngẫu nhiên, hàm phân phối và đặc trưng

mẫu
3.1.1 Mẫu ngẫu nhiên

Giả sử ta cần nghiên cứu một tính chất nào đó của các cá thể trong một đám đông
M (Tập hợp tất cả các phần tử mà ta cần nghiên cứu được gọi là đám đông, kí hiệu
là M). Trên thực tế số phần tử của đám đông rất lớn hoặc vì một số khó khăn nào đó
mà ta không thể khảo sát được tất cả các phần tử của nó, nhưng lại muốn có một kết
luận chính xác về tính chất của các cá thể trong đám đông đó. Để giải quyết vấn đề
này ta phải chọn ra một tập hợp các phần tử đại diện cho đám đông đó, tập hợp các
phần tử đại diện này được gọi là tập mẫu.
Định nghĩa 3.1.1. Dãy biến ngẫu nhiên X1 , .., Xn độc lập cùng phân phối với biến
ngẫu nhiên X được gọi là mẫu ngẫu nhiên cỡ n lấy từ X. Ký hiệu (X1 , X2 , .., Xn ).
Các giá trị x1 , x2 , .., xn nhận được từ X1 , X2 , .., Xn . Khi đó ta gọi bộ số (x1 , x2 , .., xn )
là mẫu cụ thể kích thước n.
a) Phương pháp chọn mẫu

+) Chọn mẫu có hoàn lại: Tập chính Ω chọn ngẫu nhiên các phần tử để quan sát
sau đó hoàn lại, tiếp tục cho đến n lần ta thu được mẫu ngẫu nhiên gồm các thể hiện
sau:
Ω(n) = {(ω1 , ..., ωn )|ωi ∈ Ω}
trên Ω(n) xác định họ các biến ngẫu nhiên (X1 , X2 , .., Xn ) sao cho
Xi : Ω(n) → R
ω = (ω1 , ..., ωn ) 7→ Xi (ω) = X(ωi ).
Từ đó ta thu được mẫu ngẫu nhiên θ(X1 , X2 , .., Xn ).
58
+) Chọn mẫu không hoàn lại.
Chọn ngẫu nhiên các phần tử của Ω không hoàn lại để nghiên cứu thu được mẫu
ngẫu nhiên θ(X1 , X2 , .., Xn ).
Chú ý: Nếu số phần tử của Ω bé (|Ω|)bé thì X1 , X2 , .., Xn không độc lập.
Nếu |Ω| lớn thì ta có thể xem X1 , X2 , .., Xn độc lập.
+) Chọn mẫu cơ học. Thực hiện đánh số các phần tử của Ω, ấn định kích thước
mẫu, chọn ngẫu nhiên các phần tử được đánh số để quan sát.
+) Chọn mẫu theo tỷ lệ (đặc trưng).
Chia các phần tử của tập chính Ω theo tỷ lệ, chẳng hạn 20%, 15%, ... sau đó chọn
mẫu trong các tỷ lệ được phân chia.
b) Các loại mẫu
• Mẫu đơn giản
xi x1 x2 ... xn
ni 1 1 ... 1.
• Mẫu rút gọn
xi x1 x2 ... xk
ni n1 n2 ... nk .
với X
ni = n.
i
• Mẫu ghép nhóm
xi [x1 , x2 ) [x2 , x3 ) ... [xk , xk+1 ]

Ptử đd x’ x01 x02 ... x0k
ni n1 n2 ... nk
xi +xi+1
ni = n, x0i =
P
với i 2
.
3.1.2 Hàm phân phối, đa giác tần suất và tổ chức đồ tần suất
a) Hàm phân phối mẫu.
Định nghĩa 3.1.2. Hàm phân phối mẫu (hay còn gọi là phân phối thực nghiệm) là
tỷ số m/n, trong đó n là kích thước mẫu, m là số giá trị mẫu Xi < x; x ∈ R và được
ký hiệu là
m
Fn (x) = , x ∈ R.
n
Ví dụ 1. Kiểm tra ngẫu nhiên 20 học sinh trong một lớp học bằng một bài toán, kết
quả cho dưới bảng sau:
59
xi 2 3 4 5 6 8
ni 1 2 2 6 7 5
Hàm phân phối mẫu là:




 0 nếu x ≤ 2
nếu 2 < x ≤ 3



 1/20

3/20 nếu 3 < x ≤ 4


m 
Fn (x) = = 5/20 nếu 4 < x ≤ 5
n 
11/20 nếu 5 < x ≤ 6








 18/20 nếu 6 < x ≤ 8

1 nếu x > 8
b) Đa giác tần số và tổ chức đồ Phần này chủ yếu dùng cho việc dùng đồ thị
và biểu đồ để minh họa mật độ phân bố của các hiện tượng ngẫu nhiên dựa trên cơ sở
mẫu ngẫu nhiên (X1 , X2 , ..., Xn ) đã cho.
• Đa giác đồ
Giả sử cho bảng sau:
xi x1 x2 ... xk
ni n1 n2 ... nk
P
với i ni = n. Bảng này được gọi là bảng tần số. Khi đó đa giác tần số là đường nối
các điểm (x1 , n1 ); (x2 , n2 ), ..., (xk , nk ).
Giả sử cho bảng:
xi x1 x2 ... xk
fi f1 f2 ... fk .
với i ni = n, fi = nni . Bảng này được gọi là bảng tần suất. Khi đó đa giác tần suất là
P
đường nối các điểm (x1 , nn1 ); (x2 , nn2 ), ..., (xk , nnk ).
Ví dụ 2. Cho bảng số liệu sau:
xi 31 34 35 36 38 40 42 44
Tần số(ni ) 10 20 30 15 10 10 5 20
1 2 3 1 1 1 1 1
Tần suất(fi ) 12 12 12 8 12 12 24 6
Ta có biểu đồ tần số và tần suất là:

• Tổ chức đồ
Dạng biểu đồ này cũng mô tả mật độ phân bố của biến ngẫu nhiên X trên cơ sở
mẫu quan sát cho dưới dạng ghép nhóm. Tổ chức đồ tần suất là một hình bậc thang
gồm nhiều hình chữ nhật có đáy trùng với trục hoành, độ dài và chiều cao tương ứng
với lớp ghép nhóm đó.
60
Ví dụ 3. Cho bảng số liệu sau:
xi Tần số(ni ) Tần suất(fi )

26, 5 − 48, 5 2 0,04
48, 5 − 70, 5 8 0,16
70, 5 − 92, 5 12 0,24
92, 5 − 114, 5 12 0,24
114, 5 − 136, 5 8 0,16
136, 5 − 158, 5 7 0,04
158, 5 − 180, 5 1 0,02
180, 5 − 202, 5 1 0,02
Tổng 51 1
Ta có biểu đồ tần số và tần suất là:
3.1.3 Mẫu ngẫu nhiên hai chiều

Giả sử từ tổng thể mẫu ta chọn ra một mẫu ngẫu nhiên 2 chiều kích thước n.
Trong đó thành phần X nhận các giá trị x1 , x2 , ..., xk và thành phần Y nhận các giá trị
y1 , y2 , ..., yh , trong đó giá trị (xi , yj ) xuất hiện với tần số nij (i = 1, ..k; j = 1, ...h). Sau
khi các giá trị xi và yj được xắp xếp theo thứ tự tăng dần, ta có bảng phân phối tần
số thực nghiệm sau:
X Y y1 y2 ... yh ni
x1 n11 n12 ... n1l n1
... .......... ...... ...... ....... ......
xk nk1 nk2 ... nkh nk
mj m1 m2 ... mh n
h
X
Trong đó: ni = nij là tần số của xi (i = 1..k).
j=1
k
X
mj = nij là tần số của yj (j = 1..h).
i=1
Từ đó ta suy ra
Bảng phân phối thực nghiệm của thành phần X
X x1 x2 ... xk
ni n1 n2 ... nk
Bảng phân phối thực nghiệm của thành phần Y
Y y1 y2 ... yh
mj m1 m2 ... mh
61
3.1.4 Đặc trưng mẫu
a) Trung bình mẫu

 n
X
 1



 n
Xi nếu mẫu đơn giản
i=1



 k
 X
1
X= n ni Xi nếu mẫu rút gọn

 i=1


 Xk
ni Xi0
 1
nếu mẫu ghép nhóm.


n

i=1
Trường hợp mẫu cụ thể

 n
X
 1



 n
xi nếu mẫu đơn giản
i=1



 k
 X
1
x= n ni xi nếu mẫu rút gọn

 i=1


 Xk
ni x0i
 1
nếu mẫu ghép nhóm.


n

i=1
b) Mômen cấp K.
 n
X
1
xki




 n
nếu mẫu đơn giản
 i=1



 X k
mk = n1
ni xki nếu mẫu rút gọn

 i=1


 Xk
 1
ni cki nếu mẫu ghép nhóm.


n

i=1
c) Phương sai mẫu.

 n n
 1
X
2 1X 2 2

 n
(X i − X) = X i − X nếu mẫu đơn giản
n i=1


 i=1


 k n
 X
2 1X 2
2
S = n
b 1
n i (X i − X) = ni Xi2 − X nếu mẫu rút gọn

 i=1
n i=1

 k n
 X
0 1 X 2
ni Xi0 2 − X nếu mẫu ghép nhóm.
 1 2
ni (Xi − X) =


n

n i=1
i=1
62
 n n
X
2 1X 2
1
xi − x2 nếu mẫu đơn giản


 n
(xi − x) =
n


i=1 i=1



 k n
 X 1X
sb2 = n1 ni (xi − x)2 = ni x2i − x2 nếu mẫu rút gọn

 i=1
n i=1

 k n
 X
0 1 X
ni x0i 2 − x2 nếu mẫu ghép nhóm
 1 2
n (x − x) =

i i

n

n
i=1 i=1
Ta có thể viết gọn lại là

sb2 = x2 − x2 .
d) Phương sai mẫu có hiệu chỉnh
n

X
1
(Xi − X)2 nếu mẫu đơn giản



 n−1

i=1



 k
 X
2 1
S = n−1 ni (Xi − X)2 nếu mẫu rút gọn

 i=1


 Xk
 1
ni (Xi − X)2 nếu mẫu ghép nhóm.


 n−1

i=1

n

X
1
(xi − x)2 nếu mẫu đơn giản



 n−1

i=1



 k
 X
2
s = n−1 1
ni (xi − x)2 nếu mẫu rút gọn

 i=1


 Xk
ni (x0i − x)2 nếu mẫu ghép nhóm.

 1

 n−1

i=1
Ta thấy
n 2
s2 = sb
n−1
vì
n 2 n 1X 2
s2 = sb = ( xi n i − x2 )
n−1 n−1 n
k
n 1 X
2 2 1 X
= ( ( xi ni − nx )) = ni (xi − x)2
n−1 n n − 1 i=1
63
Hoặc ta có thể dùng trực tiếp công thức
n

 1
X 2 2




 n−1
x i − nx nếu mẫu đơn giản
i=1



 k
 X
1
ni x2i − nx2 nếu mẫu rút gọn

s2 = n−1

 i=1


 Xk
ni x0i 2 − nx2 nếu mẫu ghép nhóm.

 1


 n−1

i=1
e) Momen tâm mẫu cấp k.
 n
X
1
(xi − x)k nếu mẫu đơn giản



 n

i=1



 k
 X
Mk = n1
ni (xi − x)k nếu mẫu rút gọn

 i=1


 Xk
ni (x0i − x)k nếu mẫu ghép nhóm.

1

n

i=1
Ví dụ 4. Tính x, sb2 , s2 từ bảng sau:
xi 22, 5 27, 5 32, 5 37, 5 42, 5 47, 5 52, 5

ni 2 14 26 32 14 8 4
Ta có bảng
xi ni ni xi ni x2i
22, 5 2 45 1012, 5
27, 5 14 385 10587, 5
32, 5 26 845 27462, 5
37, 5 32 1200 45000
42, 5 14 595 25287, 5
47, 5 8 380 18050
52, 5 4 210 11025
tổng 100 3660 138425
64
Khi đó
7
1X 3660
x= n i xi = = 36, 6
n 1 100
7
1X
sb2 = ni (xi − x)2
n 1
7
1X
= ni x2i − x2
n 1
1
= 138428 − 36, 62 = 44, 69
100
7
2 1 X 1
s = ni (xi − x)2 = 138425 − 36, 62 = 45, 1414
n−1 1 99
√
s = s2
Ví dụ 5. Đo độ bền sợi chỉ ta thu được kết quả sau:
Xi [120; 140) [140; 160) [160; 180) [180; 200) 200; 220 [220; 240)
ni 13 14 20 24 12 17
Hãy xác định độ bền trung bình, phương sai mẫu, phương sai mẫu có hiệu chỉnh.
HD:
xi x0i ni ni x0i ni x02
i
120 − 140 130 13 1690 219700
140 − 160 150 14 2100 315000
160 − 180 170 20 3400 578000
180 − 200 190 24 4560 866400
200 − 220 210 12 2520 529200
220 − 240 230 17 3910 899300
tổng 100 18180 3407600
Khi đó
x = 181, 8; sb2 = 1024, 76
n 2
s2 = sb = 1035, 11.
n−1
3.2 Ước lượng điểm

Đặt vấn đề:
X là biến ngẫu nhiên 7→ FX (x, θ) : θ chưa biết; FX là hàm phân phối của X.
+) FX (x, θ) chưa biết hoặc biết chưa đầy đủ, phụ thuộc vào θ ⇒ ước lượng θ.
+) Cách ước lượng tham số θ: Quan sát X, xây dựng mẫu ngẫu nhiên θ(X1 , X2 , ..., Xn ) ⇒
xây dựng thống kê θ(X
b 1 , X2 , ..., Xn ) thoả mãn một số điều kiện nào đó, nó là ước lượng
của θ.
65
3.2.1 Ước lượng không chệch
a) Định nghĩa: θ(X b 1 , X2 , ..., Xn ) được gọi là ước lượng không chệch đối với θ nếu
E θ(X
b 1 , X2 , ..., Xn ) = θ.
b) Giải thích định nghĩa.
E θb = θ ⇒ E(θb − θ) = 0
suy ra θb là ước lượng không chệch đối với θ khi và chỉ khi θb và θ không có sai số hệ
thống.
Ví dụ 6. X ∼ N (µ, σ 2 ), θ(X1 , X2 , ..., Xn ) là mẫu ngẫu nhiên lấy từ X. Hãy chứng
minh.
n
X
1) X = n1 Xi là ước lượng không chệch đối với µ.
i=1
n
X
2) S =2 1
n−1
(Xi − X)2 là ước lượng không chệch đối với σ 2 .
i=1
HD:
n n
X 1X
1) EX = E( n1 Xi ) = EXi .
i=1
n i=1
Do θ(X1 , X2 , ..., Xn ) là mẫu ngẫu nhiên lấy từ X nên X1 , X2 , ..., Xn là dãy biến ngẫu
nhiên độc lập cùng phân phối, từ đó suy ra EXi = EX = µ
n n
1X 1X nµ
⇒ EX = E( Xi ) = EXi = = µ.
n i=1 n i=1 n
2)
n n
2 1 X n 1X 2
Es = E (Xi − X)2 = E( Xi − (X)2 )
n − 1 i=1 n − 1 n i=1
n
n 1X
= ( EXi2 − E(X)2 )
n − 1 n i=1
trong đó
n
1X
EXi2 = EX 2 = DX + (EX)2 = σ 2 + µ2
n i=1
σ2
E(X)2 = DX + (EX)2 = + µ2
n
n σ2 n σ2
⇒ Es2 = [(σ 2 + µ2 ) − − µ2 ] = (σ 2 − ) = σ 2
n−1 n n−1 n
2 2
⇒ Es = σ
66
Ví dụ 7. X là số lần xuất hiện A trong n phép thử Bernoulli f = Xn là tần suất xuất
hiện A trong n phép thử. Chứng minh rằng f là ước lượng không chệch đối với p = p(A)
(Xác suất xuất hiện A trong 1 phép thử).
HD: Ta dễ thấy X ∼ B(n, p) ⇒ EX = np
X EX np
Ef = E = = =p
n n p
Vậy Ef = p suy ra (Đpcm)

x2
Ví dụ 8. Cho X ∼ f (x, θ) = 2x
θ
e− θ , x > 0, θ > 0 trong đó θ(X1 , X2 , ..., Xn ) là mẫu
ngẫu nhiên lấy từ X. Hãy chứng minh rằng
n
b 1 , X2 , ..., Xn ) = 1
X
θ(X X2
n i=1 i
là ước lượng không chệch đối với θ.

HD: Ta có n
1X
E θb = EXi2
n i=1
Vì X1 , X2 , ..., Xn là các biến ngẫu nhiên có cùng phân phối nên EXi2 = EX 2 và
Z +∞ Z +∞
2x x2
EX =2 2
x f (x, θ)dx = x2 e− θ dx = θ
−∞ 0 θ
suy ra
n
1X 2
E θb = X =θ
n i=1 i

3.2.2 Ước lượng vững

p
a) Định nghĩa: θ(X1 , X2 , ..., Xn ) được gọi là ước lượng vững đối với θ nếu θ →
−
θ (n → ∞).
Nhận xét: θ(X1 , X2 , ..., Xn ) được gọi là ước lượng vững đối với θ
⇔ ∀ε > 0 : P {|θ − θ| ≥ ε} → 0 (n → ∞).
b) Bất đẳng thức Chebyshev.

X là biến ngẫu nhiên, có phương sai hữu hạn thì
DX
∀ε > 0 : P {|X − EX| ≥ ε} ≤ .
ε2
67
Ví dụ 9. Cho X là biến ngẫu nhiên có EX = µ; DX = σ 2 ; θ(X1 , X2 , ..., Xn ) là mẫu
ngẫu nhiên lấy từ X. Chứng minh rằng:
Xn
1
1) X = n Xi là ước lượng vững đối với µ.
i=1
n
X
2) s = 2 1
n−1
(Xi − X)2 là ước lượng vững đối với σ 2 .
i=1
n
X
3) s2 = 1
n
(Xi − X)2 là ước lượng đối với σ 2 .
i=1
HD: 1) Dễ thấy EX = µ, X là ULKC đối với µ.

DX σ2
∀ε > 0 ⇒ P {|X − µ| ≥ ε} = P {|X − EX| ≥ ε} ≤ =
ε2 nε2
σ2
∀ε > 0 ⇒ 0 ≤ P {|X − µ| ≥ ε} = → 0 (n → ∞)
nε2
p
⇒X→ − µ(n → ∞) ⇒ X là ULKC đối với µ.
2) Ta có: Es2 = σ 2 ⇒ (s2 là ULKC đối với σ 2 )
Ds2 c + O(1)
∀ε > 0 ⇒ P {|s2 − σ 2 | ≥ ε} = P {|s2 − Es| ≥ ε} ≤ 2
=
ε nε2
c + O(1)
∀ε > 0 ⇒ P {|s2 − σ 2 | ≥ ε} ≤ → 0(n → ∞)
nε2
p
⇒ s2 →
− σ 2 (n → ∞) ⇒ s2 là ULV đối với σ 2
n−1 2 p
3) Ta có s2 = n
s →− σ 2 (n → ∞) suy ra điều phải chứng minh.
Ví dụ 10. Cho
2
X ∼ f (x, θ) = e−2x θ, x > 0, θ > 0.
θ
θ(X1 , X2 , ..., Xn ) là mẫu ngẫu nhiên lấy từ X. Chứng minh rằng
n
b 1 , X2 , ..., Xn ) = 2
X
θ(X Xi
n i=1
là ước lượng vững đối với θ.

HD: Ta phải chứng minh
∀ε > 0 : P {|θb − θ| ≥ ε} → 0, (n → ∞)
Ta cần chứng minh θb là ước lượng không chệch đối với θ, that vậy ta có
n
2X θ θ2
Eθ =
b , θ ∼ ε(λ) ⇒ EXi = EX = ; DXi = DX =
n i=1 2 4
vậy E θb = θ
Dθb
∀ε > 0 : P {|θb − θ| ≥ ε} = P {|θb − Eθ| ≥ ε} ≤
ε2
68
Mặt khác
n n n
2 X 4 X 4 X θ2 θ2
Dθb = D( Xi ) = 2 DXi = 2 =
n i=1
n i=1 n i=1 4 n
Suy ra
θ2
∀ε > 0 : P {|θb − θ| ≥ ε} = 2 → 0(n → ∞)
nε
p
Vậy θb →
− θ
3.2.3 Ước lượng hiệu quả

a) Bất đẳng thức Crame-Rao.
1
Nếu θb là ULKC đối với θ thì: Dθb ≥ Jn (θ)
.
Chứng minh.
Ta có Z +∞
E θb ⇔ θf
b n (x, θ) = θ.
−∞
Lấy đạo hàm hai vế theo θ ta được

Z +∞ Z +∞
∂fn (x, θ) ∂fn (x, θ)
θ
b dx = 1 ⇔ θb fn (x, θ)dx = 1.
−∞ ∂θ −∞ fn (x, θ)∂θ
∂lnfn (x, θ)
⇔ E θb = 1 (1)
∂θ
Mặt khác ta lại có
Z +∞ Z +∞
∂fn (x, θ)
fn (x, θ)dx = 1 ⇔ dx = 0.
−∞ −∞ ∂θ
Z +∞
∂fn (x, θ) ∂lnfn (x, θ)
⇔ fn (x, θ)dx = 0 ⇔ E = 0 (2)
−∞ fn (x, θ)∂θ ∂θ
Từ (1) avf (2) ta suy ra " #
∂lnf n (x, θ)
E (θb − θ) =1
∂θ
Theo bất đẳng thức Cauchy- Bunhiacopski ta có

" # !2
∂lnf n (x, θ) ∂lnf n (x, θ)
1 = E (θb − θ) ≤ E(θb − θ)2 E = E(θb − θ)2 .Jn (θ)
∂θ ∂θ
Vậy
1 1
E(θb − θ)2 ≥ ⇔ Dθb ≥
Jn (θ) Jn (θ)
69
!2
∂lnfn (x,θ)
Chú ý : Jn (θ) = E ∂θ
là lượng thông tin Fisher sau n lần quan sát ĐLNN
X.
b) Định nghĩa: θb được gọi là hiệu quả đối với θ nếu:
+) E θb = θ.
+) Dθb đạt min.
c) Nhận xét: θb là ước lượng hiệu quả đối với θ.
(
E θb = θ
⇔
Dθb = Jn1(θ)
PX ∼ f (λ), θ(X1 , X2 , ..., Xn ) là mẫu ngẫu nhiên lấy từ X. Hãy kiểm

Ví dụ 11. Giả sử
tra xem X = n1 ni=1 Xi có phải là ước lượng hiệu quả đối với λ không?
HD: i) Ta có
n n
1X 1X 1
EX = E( Xi ) = EXi = nλ = λ (1)
n i=1 n i=1 n
Vì θ(X1 , X2 , ..., Xn ) là mẫu ngẫu nhiên lấy từ X. Suy ra X1 , X2 , ..., Xn độc lập cùng
phân phối nên EXi = EX = λ.
ii) Ta lại có
n
1 X 1 λ 1
DX = 2 DXi = 2 nλ = = (2)
n i=1 n n Jn (λ)
x
Vì từ f (x, λ) = e−λ λx! . (x = 0, 1, 2, ...). Khi đó
lnf (x, λ) = −λ + xlnλ − lnx!
∂lnf (x, λ) x x 1
= −1 + ⇒ J1 (λ) = E(−1 + )2 =
∂λ λ λ λ
n
⇒ Jn (λ) =
λ
Vậy từ (1) và (2) ta suy ra điều phải chứng minh.
Ví dụ 12. Giả sử X ∼ N (µ, σ 2 ), với σ 2 đã biết. Khi đó:
n
EX = µ, DX = σ 2 , Jn (µ) = .
σ2
1
Pn
Chứng minh X = n i=1 Xi là ước lượng hiệu quả đối với µ.
Thật vậy:
i)
n
1X 1
EX = EXi = nµ = µ
n i=1 n
ii)
n
1 X 1 2 σ2 1
DX = 2
DX i = 2
nσ = =
n i=1 n n Jn (µ)
70
3.2.4 Ước lượng hợp lý cực đại
Mẫu ngẫu nhiên θ(X1 , ..., Xn ) là mẫu ngẫu nhiên lấy từ biến ngẫu nhiên X có hàm
mật độ f (x, θ) phụ thuộc θ.
Ln(x1 , ..., xn , θ) = fn (x1 , ..., xn , θ)
được gọi là hàm mật độ đồng thời của (X1 , ..., Xn ) hay Ln(X, θ) = fn (X, θ).
a) Định nghĩa: Hàm Ln(X, θ) được gọi là hợp lý θ(X b 1 , ..., Xn ) sao cho hàm hợp lý
đạt cực đại thì θ(X
b 1 , ..., Xn ) được gọi là ước lượng hợp lý cực đại đối với θ.
b) Giải thích định nghĩa. Định nghĩa trên thể hiện sự tương ứng giữa mẫu quan sát
ngẫu nhiên với sự kiện có khả năng xuất hiện nhiều nhất.
c) Mệnh đề. Giả sử hàm Ln(X, θ) là hàm khả vi, hàm logarit (ln) là hàm đơn điệu
thì θb là nghiệm của phương trình.
∂Ln(X, θ)
= 0.
∂θ
Do θ(X1 , ..., Xn ) là mẫu ngẫu nhiên lấy từ X nên
n
Y
Ln(X, θ) = f (xi , θ).
i=1
Từ đó có nhận xét: θ(X1 , ..., Xn ) là ước lượng hợp lý đối với θ khi và chỉ khi θb là nghiệm
của phương trình
n
X ∂Lnf (xi , θ)
= 0.
i=1
∂θ
Tóm lại ta có thể phát biểu đơn giản như sau

Định nghĩa: θb được gọi là ước lượng hợp lý cực đại đối với θ nếu:
n
Y
Ln(X, θ) = f (xi , θ)
i=1
đạt giá trị lớn nhất (f (xi , θ) = P (X = xi )).

Hàm L được gọi là hàm hợp lý.
Nhận xét: Nếu L đạt giá trị lớn nhất thì
n
X
lnL = lnf (xi , θ)
i=1
∂lnL
cũng đạt giá trị lớn nhất. Khi đó suy ra ∂θ
= 0 (∗) suy ra θb là nghiệm của phương
trình (*)
71
Ví dụ 13. Giả sử X ∼ N (µ, σ 2 ), với σ 2 đã biết. Ta cần ước lượng hợp lý cực đại của
µ = EX.
Giải: Thật vậy ta có:
1 (xi −µ)2
f (xi , θ) = √ e− 2σ2 .
σ 2π
n
Y 1 (x −µ)2 1 n − ni=1 (x2i −µ)2
P
− i 2
⇒ L(X, µ) = √ e 2σ = ( √ ) e 2σ .
i=1
σ 2π σ 2π
Do đó: Pn
i=1 (xi − µ)21
lnL = − + ln( √ )n
2σ 2 σ 2π
Pn Pn
∂lnL (xi − µ) xi − nµ
⇒ = 2 i=1 2 = i=1 2
∂µ 2σ σ
Xét nghiệm của phương trình:
Pn
∂lnL i=1 xi − nµ
=0⇔ =0
∂θ σ2
Vậy phương trình có nghiệm là
n
1X
µ= xi = X.
n i=1
Vậy ước lượng hợp lý cực đại đối với µ là X.
3.2.5 Ước lượng điểm cho kỳ vọng

Giả sử X là biến ngẫu nhiên với EX = µ (chưa biết), µ được gọi là giá trị trung
bình của tập chính. Nếu ta có mẫu n giá trị x1 , x2 , .., xn của X thì trung bình mẫu
x1 + x2 + ... + xn
x=
n
sẽ dùng làm ước lượng cho µ.
Định lý 3.2.1. Trung bình mẫu là ước lượng không chệch và vững cho trung bình của
tập hợp chính
3.2.6 Ước lượng điểm cho phương sai

Giả sử X là biến ngẫu nhiên với DX = σ 2 (chưa biết), σ 2 được gọi là phương sai
của tập chính. Nếu ta có một mẫu gồm n giá trị quan sát của X: x1 , x2 , ...xn thì phương
sai mẫu chưa hiệu chỉnh sb2 được dùng để ước lượng không chêch cho σ 2 .
72
3.2.7 Ước lượng điểm cho xác suất
m
Ước lượng cho xác suất p của tính chất A nào đó là f = n
. Vì EX = p nên tần
suất f là ước lượng không chệch cho p.
Ví dụ 14. Tiến hành đo chiều cao cho 100 em học sinh lớp 3 (8 tuổi) ở một trường phổ
thông cơ sở, ta có kết quả sau: Gọi X là chiều cao của các em học sinh (cm)
xi 111 113 115 117 119 121 123 125 127

ni 5 8 14 17 20 16 10 6 4
Hãy ước lượng trung bình, phương sai, và xác suất của p = P (117 < X < 125).
Giải. Ta tính được x̄ = 118, 62, ŝ2 = 15, 9754, f = 63/100 = 0, 63.
Như vậy ước lượng trung bình là 118,62; ước cho phương sai là 15,9754, và ước
lượng cho xác suất là 0, 63.
Chú ý : Khi nói đên ước lượng cho trung bình, phương sai, xác suất ma không cho
độ tin cậy hoặc mức ý nghĩa thì đó chính là ước lượng điểm.
3.3 Ước lượng khoảng

Để ước lượng tham số θ chưa biết của biến ngẫu nhiên X, ta có thể dùng một
khoảng số, cách ước lượng như vậy được gọi là ước lượng khoảng.
3.3.1 Ước lượng khoảng đối với giá trị trung bình
Giả sử trung bình của tổng thể là µ (µ chưa biết, µ cũng chính là kỳ vọng toán của
biến ngẫu nhiên X), ta cần tìm một khoảng số để ước lượng µ với độ tin cậy 1 − α dựa
trên số liệu của một mẫu kích thước n.
a) Ước lượng khoảng đối xứng
Trường hợp 1 Phương sai σ 2 đã biết X ∼ N (µ, σ 2 ).
Giả sử X ∼ N (µ, σ 2 ) với mức ý nghĩa là α (độ tin cậy β = 1 − α) khi đó ta có
√
X ' N (µ, σ 2 /n) ⇒ X−µ
σ
n ' N (0, 1). Do đó
|X − µ| √
P{ n ≤ uα/2 } = 1 − α
σ
Hay
σ σ
P {X − uα/2 √ ≤ µ ≤ X + uα/2 √ } = 1 − α
n n
Khi đó thì khoảng tin cậy đối xứng của µ = EX là:

σ σ
X − uα/2 √ , X + uα/2 √
n n
73
Với mẫu cụ thể thì ta có
σ σ
x − uα/2 √ , x + uα/2 √
n n
Trong đó uα/2 là mức phân vị α/2 của phân phối chuẩn có giá trị thỏa mãn
Z uα/2
1 2 α
φ0 (uα/2 ) = √ e−t /2 dt = 1 − .
2π −∞ 2
Chú ý:
+) α = 5% ⇒ uα/2 = 1, 96; β = 95%.
+) α = 1% ⇒ uα/2 = 2, 58; β = 99%.
+) α = 10% ⇒ uα/2 = 1, 64; β = 90%.
+) α = 2% ⇒ uα/2 = 2, 33; β = 98%.
Trường hợp 2. Phương sai σ 2 chưa biết n ≥ 30, X không chuẩn.
Khi đó ta xấp xỉ s ≈ σ và ta tương tự ở trên ta cũng có khoảng tin cậy đối xứng
của µ = EX là: s s
X − uα/2 √ , X + uα/2 √
n n

s s
x − uα/2 √ , x + uα/2 √ .
n n
Trường hợp 3. Phương sai σ 2 chưa biết và n < 30.

Khi đó ta xấp xỉ s ≈ σ và ta tương tự ở trên ta cũng có khoảng tin cậy đối xứng
của µ = EX là: s s
X − t(n−1,α/2) √ , X + t(n−1,α/2) √
n n
s s
x − t(n−1,α/2) √ , x + t(n−1,α/2) √
n n
Trong đó t(n−1) (α/2) là mức phân vị α/2 cho phân phối Student với bậc tự do n − 1.
b) Ước lượng khoảng 1 phía
Trường hợp 1. Phương sai σ 2 đã biết.
Giả sử X ∼ N (µ, σ 2 ) với mức ý nghĩa là α (độ tin cậy β = 1 − α). Khi đó ta có
√
X ' N (µ, σ 2 /n) ⇒ X−µ
σ
n ' N (0, 1). Do đó
σ
P {−∞ ≤ µ ≤ X + uα √ } = 1 − α
n
σ
P {X − uα √ ≤ µ ≤ +∞} = 1 − α
n
74
Khi đó thì khoảng tin cậy 1 phía là của µ = EX là:
σ
− ∞ , X + uα √
n
σ
X − uα √ , +∞
n
Với mẫu cụ thể thì ta có khoảng ước lượng bên trái và bên phải là
σ
− ∞ , x + uα √
n
σ
x − uα √ , +∞ .
n
Trong đó uα là mức phân vị α của phân phối chuẩn có giá trị thỏa mãn
Z uα
1 2 α
φ0 (uα ) = √ e−t /2 dt = 1 − .
2π −∞ 2
Trường hợp 2. Phương sai σ 2 chưa biết và n ≥ 30.

Ta xấp xỉ σ ≈ s và tương tự ta cũng có khoảng ước lượng bên trái và bên phải với
mẫu cụ thể là s
− ∞ , x + uα √
n
s
x − uα √ , +∞ .
n
Trường hợp 3. Phương sai σ 2 chưa biết và n < 30.
Ta xấp xỉ σ ≈ s và tương tự ta cũng có khoảng ước lượng bên trái và bên phải với
mẫu cụ thể là s
− ∞ , x + t(n−1,α) √
n
s
x − t(n−1,α) √ , +∞ .
n
Chú ý : Khoảng ước lượng bên trái cho ta biết giá trị tối đa, khoảng tin cậy bên phải
cho ta biết giá trị tối thiểu.
c) Xác định kích thước mẫu, độ chính xác, độ tin cậy.
Giả sử muốn ước lượng µ với sai số không quá ε cho trước với độ tin cậy β (mức ý
nghĩa 1 − α). Ta biết rằng với xác suất β thì
σ
|X − µ| ≤ uα/2 √
n
Vậy ta cần có bất đẳng thức
σ s
uα/2 √ ≤ ε, hoặc uα/2 √ ≤ ε
n n
hay
σuα/2 2 σuα/2 2
n≥( ) ⇒n= ( ) + 1.
ε ε
Vậy n là số nguyên dương nhỏ nhất thỏa mãn bất đẳng thức trên (nếu σ đã biết).
75
Ví dụ 15. Hãy tim khoảng tin cậy cho chiều cao trung bình của sinh viên dựa trên một
mẫu kích thước n = 36 với trung bình mẫu x = 66inches(1inches = 2, 54cm). Giả sử
rằng độ lệch tiêu chuẩn của người lớn là 3inches, mức ý nghĩa 5%.
Ví dụ 16. Một trường đại học tiến hành 1 nghiên cứu xem 1 sinh viên tiêu hết bao
nhiêu tiền gọi điện thoại trong một tháng. Một mẫu ngẫu nhiên gồm 59 sinh viên được
chọn và kết quả như sau.
14, 18, 22, 30, 36, 28, 42, 79, 36, 52, 15, 47, 95, 16, 27, 111
37, 63, 127, 23, 31, 70, 27, 11, 30, 147, 72, 37, 25, 7, 33, 29
35, 41, 48, 15, 29, 73, 26, 15, 26, 31, 57, 40, 18, 85, 28, 32
22, 37, 60, 41, 35, 26, 20, 58, 33, 23, 35
Hãy tìm khoảng tin cậy 95% cho số tiển gọi điện thoại trung bình µ hàng tháng của 1
sinh viên.
HD
Ta có x = 41, 05 s = 27, 99.
Khi đó ta có khoảng tin cậy là
33, 92 < µ < 48, 18.
Ví dụ 17. Để xác định trọng lượng trung bình của các bao bột mì được đóng bao bằng
máy tự động, người ta ta chọn ngẫu nhiên 15 bao và tính được x = 39, 8kg, s2 = 0, 144.
Tìm khoảng tin cậy cho trọng lượng trung bình µ của bao bột với độ tin cậy 99%.
HD. Ta có α = 0, 01, tα/2 = 2, 997. Vậy khoảng tin cậy của µ là 39, 5023 < µ <
40, 0977.
Ví dụ 18. Để ước lượng chiều cao trung bình của thanh niên trong một vùng A nào
đó, một mẫu ngẫu nhiên gồm 16 thanh niên được chọn. Chiều cao của các thanh niên
này đo được như sau (đơn vị cm).
172, 173, 173, 174, 174, 175, 176, 166, 166, 167, 165, 173, 171, 170, 171, 170. Hãy tìm khoảng
tin cậy cho µ với độ tin cậy β = 95%. Đáp số 169, 115 < µ < 172, 885.
Ví dụ 19. Một phân xưởng muốn ước lượng thời gian trung bình để sản xuất một gam
giấy. Giả sử lượng thời gian đó tuân theo luật phân phối chuẩn với σ =0,3 phút. Trên
một tập mẫu gồm 36 gam thời gian trung bình tính được là 1,2 phút/ram. Tính khoảng
tin cậy là 95% cho thời gian sản xuất trung bình trên.
HD. Thông tin đầu vào là x = 1, 2; σ = 0, 3; n = 36, u α2 = 1, 96.
Từ đó suy ra
σ σ
x − uα/2 √ < EX < x + uα/2 √ .
n n
0, 3 0, 3
1, 2 − 1, 96 √ , 1, 2 + 1, 96 √ ⇔ (1, 102 ; 1, 298).
36 36
Ví dụ 20. Để ước lượng chiều cao trung bình của sinh viên, người ta đo chiều cao của
100 sinh viên thu dược kết quả.
76
xi 1, 55; 1, 57 1, 57; 1, 61 1, 61; 1, 63 1, 63; 1, 65 1, 65; 1, 69 1, 69; 1, 73
ni 15 19 21 25 12 8
Biết chiều cao của sinh viên là biến ngẫu nhiên có phân phối chuẩn, với độ tin cậy
β = 95%. Hãy tìm khoảng tin cậy đối xứng của chiều cao trung bình của sinh viên.
HD: Gọi ci là các phần tử đại diện cho các lớp ghép. Ta có:
x0i 1, 56 1, 59 1, 62 1, 64 1, 67 1, 71
ni 15 19 21 25 12 8
0,174675
Khi đó: x = 1, 6235 ; s2 = 99
với α = 5% ⇒ uα/2 = 1, 96.
q
0,174675
s 99
µ1 = x − uα/2 √ = 1, 6235 − 1, 96 √ .
n 100
q
0,174675
s 99
µ2 = x + uα/2 √ = 1, 6235 + 1, 96 √ .
n 100
Vậy khoảng tin cậy là (µ1 , µ2 ).
Ví dụ 21. Để đánh giá về mức doanh thu hàng tháng tại các đại lý nhỏ trên một địa
bàn, người ta lấy ngẫu nhiên gồm 36 đâị lý. Kết quả thu được như sau: doanh thu
trung bình là 155,3 triệu đồng và độ lệch mẫu là 16 triệu đồng. Với độ tin cậy 99%.
Hãy ước lượng doanh thu trung bình tối đa và tối thiểu của mỗi đại lý.
HD. Ta có uα = 2, 33. Khi đó
Doang thu tối thiểu là: µ = 149, 09.
Doanh thu tối đa là µ = 161, 51.
Ví dụ 22. Quan sát năng suất của 100 công nhân trong một xí nghiệp người ta tính
được năng suất trung bình của một công nhân ở mẫu này là x = 12 sản phẩm/ ngày
và s2 = 25.
1) Hãy ước lượng năng suất trung bình của một công nhân trong xí nghiệp này với
độ tin cậy 99%.
2) Muốn ước lượng năng suất trung bình của một công nhân trong xí nghiệp với
độ tin cậy 95% thì độ chính xác là bao nhiêu?
3) Muốn ước lượng năng suất trung bình của một công nhân trong xí nghiệp với
độ tin cậy 99% và độ chính xác la 0,8 thì cần quan sát của bao nhiêu công nhân nữa?
3.3.2 Ước lượng khoảng đối với giá trị tỷ lệ
a) Ước lượng khoảng đối xứng

Bài toán: Ω là tập chính gồm các phần tử mang tính chất A hoặc không mang
tính chất A. p là xác suất để phần tử của Ω có tính chất A (p chưa biết).
Hãy quan sát các phần tử của Ω để tìm khoảng tin cậy đối xứng với p với độ tin
cậy β (mức ý nghĩa α = 1 − β).
77
Cách giải quyết bài toán. Thực hiện n phép thử Bernoulli từ các phần tử của
tập chính , k là số lần xuất hiện các phần tử có tính chất A trong n lần quan sát. Khi
đó f = nk là tần suất xuất hiện các phần tử có tính chất A. Suy ra f là ước lượng
không chệch đối với p ⇒ Ef = p , Df = pq n
với điều kiện.
(
np > 5
n(1 − p) > 5
Vì p chưa biết nên Df chưa biết, tuy nhiên với 1 số điều kiện ta có thể xấp xỉ p bởi f.
Lúc đó điều kiện sẽ là
(
nf > 10
n(1 − f ) > 10
Khi đó ta có khoảng tin cậy đối xứng cho tỉ lệ p sẽ là

p p
f (1 − f ) f (1 − f )
(7) f − u α/2 √ , f + uα/2 √ . =(p_1;p_2)
n n
Chú ý:
α = 5% ⇒ uα/2 = 1, 96
α = 1% ⇒ uα/2 = 2, 58
b) Ước lượng khoảng 1 phía

Tương tự như trên ta có khoảng ước lượng bên trái và bên phải là
p
h f (1 − f )
0 , f + uα √
n
p
f (1 − f ) i
f − uα √ , 1
n
c) Xác định kích thước mẫu, độ chính xác, độ tin cậy

Muốn cho sai số |f − p| ≤ ε với xác suất không nhỏ hơn β (1 − α) ta có
p
f (1 − f )
uα/2 √ ≤ε
n
hay
√
u2α/2 f (1 − f ) u2α/2 f (1 − f ) ε n
n≥ ⇒n= + 1, uα/2 = p
ε2 ε2 f (1 − f )
Với điều kiện
(
nf > 10
n(1 − f ) > 10
78
Ví dụ 23. Trước khi tổ chức cuộc tranh cử tổng thống Mỹ người ta muốn biết bao
nhiêu phần trăm ủng hộ ứng cử viên A. Các nhà điều tra xã hội học đã phỏng vấn
50.000 người dân có 27.040 người ủng hộ ứng cử viên A. Với độ tin cậy β = 95% hãy
ước lượng tỷ lệ người dân ủng hộ ứng cử viên A.
HD: Gọi p là tỷ lệ người dân ủng hộ ứng cử viên A. Khi đó f = nk = 27040
50.000
= 0, 5408
là tần suất người dân ủng hộ ứng cử viên A trong 50.000 người ta có
β = 95% ⇒ α = 5% ⇒ uα/2 = 1, 96.
Áp dụng công thức ta có khoảng tin cậy đối xứng đối với tỷ lệ p, với mức ý nghĩa
α = 5% là [p1 , p2 ] với.
p √
f (1 − f ) 0, 5408.0, 4592
p1 = f − uα/2 √ = 0, 5408 − 1, 96. √ = 0, 5364
n 50000
p √
f (1 − f ) 0, 5408.0, 4592
p2 = f + uα/2 √ = 0, 5408 + 1, 96. √ = 0, 5452.
n 50000
Vậy khoảng tin cậy đối xứng đối với tỷ lệ p với độ tin cậy β = 95% là((0, 5364; 0, 5452).
Ví dụ 24. Để ước lượng tỷ lệ phế phẩm của một kho hàng, người ta kiểm tra 100 sản
phẩm, phát hiện có 20 sản phẩm là phế phẩm. Với độ tin cậy 95%, hãy ước lượng phế
phẩm tối đa và tối thiểu của phế phẩm.
HD. Tỷ lệ phế phẩm tối thiểu là p = 0, 1344.
Tỷ lệ phế phẩm tối đa là p = 0, 2656.
Ví dụ 25. Để xác định tốc độ hội tụ của phản ứng người ta tiến hành 60 phép thử
trong cùng một điều kiện, bằng một phương pháp đo, đã thu được kết quả sau:
X(T.độ pư) 2, 68 2, 70 2, 73 2, 74 2, 75 2, 76 2, 79 2, 82
n(Số f thử) 1 4 12 18 17 5 2 1
a) Hãy xác định khoảng tin cậy đối với tốc độ phản ứng trung bình, Biết độ tin cậy
99%.
b) Người ta xem phản ứng có tốc độ ≥ 2, 74 là phản ứng xảy ra nhanh. Hãy ứơc
lượng khoảng tin cậy đối xứng đối với tỷ lệ phản ứng xảy ra nhanh, với mức ý nghĩa
α = 5%.
HD:
a) Đặt
x = 2, 7418; sb2 = 0, 0006 ⇒ s2 = 0, 0006
với
β = 99% ⇒ α = 1% ⇒ uα/2 = 2, 58
Áp dụng công thức, có khoảng tin cậy đối xứng đối với phản ứng trung bình là
((µ1 ; µ2 ), trong đó
s s
µ1 = x − uα/2 √ = 2, 7402, µ2 = x + uα/2 √ = 2, 7413
60 60
79
b) Gọi p là tỷ lệ phản ứng xảy ra nhanh.
Ta có n = 60, số phản ứng xảy ra nhanh là
k 43
k = 43 ⇒ f = =
n 60
Áp dụng công thức ta có khoảng tin cậy đối xứng đối với tỷ lệ phản ứng nhanh là
(p1 ; p2 ) với mức ý nghĩa α = 5%, u α2 = 1, 96.
p
f (1 − f )
p1 = f − uα/2 √ = 0, 6564
n
p
f (1 − f )
p2 = f + uα/2 √ = 0, 6564.
n
Ví dụ 26. Để kiểm tra độ chính xác của một khẩu súng thể thao, người ta dùng khẩu
súng đó bắn vào 100 mục tiêu giống nhau từ những khoảng cách bằng nhau (mỗi mục
tiêu bắn 10 viên). Kết quả cho trong bảng:
Số viên trúng 0 1 2 3 4 5 6 7 8 9 10
Số m.t trúng i viên 0 2 4 9 13 24 23 10 12 3 0
a) Hãy ước lượng xác suất trúng mục tiêu của khẩu súng đó với độ tin cậy 99, 73%
b) Người ta muốn dùng tỉ lệ trúng của mẫu này đẻ ước lượng để ước lượng xác suất
trúng P với độ tin cậy 95% và độ chính xác 0,02 thì phải bắn thêm ít nhất bao nhiêu
mục tiêu (mỗi mục tiêu bắn 10 viên).
HD.
b) n = 1000, f = m/n = 0, 54, ε = 0, 02, uα = 1, 96.
Với m = 1.2 + 2.4 + ... + 9.3 = 540
hu 2 i
α f (1−f )
n= + 1 = 2386
ε2
Vậy bắn thử 2386 viên để đảm bảo các yêu cầu của ta. Ta đã bắn 1000 viên nên phải
bắn thêm 139 mục tiêu (mỗi mục tiêu 10 viên).
Ví dụ 27. Để thăm dò nhu cầu về một loại hàng ở một thành phố. Người ta đã tiến
hành phỏng vấn 500 hộ gia đình thì thấy có 200 hộ có nhu cầu về mặt hàng này.
a) Hãy ước lượng số hộ gia đình có nhu cầu về mặt hàng này ở thành phố với độ
tin cậy 95%. (Biết tổng số hộ của thành phố là 20000)’
b) Nếu muốn ước lượng tỷ lệ hộ gia đình có nhu cầu về mặt hàng này đạt độ chính
xác 4% thì độ tin cậy là bao nhiêu %?Cho biết φ(1, 83) = 0, 9664.
3.3.3 Ước lượng khoảng đối với giá trị phương sai
a). Trường hợp đã biết giá trị trung bình.
80
Giả sử X1 , X2 , ..., Xn là các biến ngãu nhiên và X ∼ N (µ, σ 2 ) với µ đã biết. Khi đó
khoảng tin cậy 1 − α của phương sai là:
n n
!
1 X 1 X
ni (xi − µ)2 ; 2 ni (xi − µ)2
χ2n ( α2 ) i=1 χn (1 − α2 ) i=1
trong đó χ2n ( α2 ); χ2n (1 − α2 ) là giá trị tra trong bảng khi bình phương thỏa mãn điều
kiện:
α α
P (χ2 > χ2(α ) ) = ; P (χ2 > χ2(1− α ) ) = 1 − .
2 2 2 2
b. Trường hợp chưa biết giá trị trung bình µ.
Khoảng tin cậy 1 − α của phương sai là
(n − 1)s2 (n − 1)s2
;
χ2n−1 ( α2 ) χ2n−1 (1 − α2 )
trong đó χ2p (k) được xác định trong bảng phân phối khi bình phương.
81
BÀI TẬP CHƯƠNG III.
Bài tập 1. Đo chiều cao 100 sinh viên ta thu được kết quả sau:
Xi (c.cao) 1, 52 − 1, 56 1, 56 − 1, 60 1, 60 − 1, 64 1, 64 − 1, 68 1, 68 − 1.72
ni (số.sv) 25 35 18 12 10
a. Tính độ trung bình mẫu x̄ và phương sai mẫu hiệu chỉnh s2 .

b. Hãy tính khoảng tin cậy đối với chiều cao trung bình của các sinh viên với mức ý
nghĩa α = 0, 05 trong hai trường hợp.
+) Phương sai chưa biết.
+) Phương sai σ 2 = 0.0016.
Bài tập 2. Nhà sản xuất muốn ước lượng sắt trong mỗi cuộn được sản xuất từ một
dầy chuền công nghệ quốc gia. Theo tiểu chuẩn công nghệ, độ lệch tiêu chuẩn là 8kg.
Điều tra một mẫu 50 cuộn được khối lượng sắt trung bình là 97kg.
a. Với độ tin cậy là 99%, hãy ước lượng khối lượng sắt trung bình của một cuộn.
b. Cũng với độ tin cậy là 99% hãy ước lượng sắt trung bình tối thiểu của một cuộn.
c. Nếu nhà máy muốn ước lượng khối lượng sắt trung bình của mỗi cuộn đảm bảo độ
chính xác là 2kg thì cần điều tra thêm bao nhiêu cuộn nữa.
Bài tập 3. Tỉ lệ chính phẩm của một nhà máy là 90%. Với độ tin cậy 95%, muốn ước
lượng tỉ lệ chính phẩm của nhà máy với độ dài khoảng tin cậy không quá 0,02 thì phải
kiểm tra ít nhất bao nhiêu sản phẩm?
Bài tập 4. Một kho hàng gồm 20.000 chiếc bóng đèn. Lấy mẫu gồm 100 chiếc bóng từ
kho hàng ra kiểm tra thì có 60 chiếc đạt chất lượng. Với độ tị cậy 95%
a. Hãy ước lượng khoảng tỉ lệ cho mỗi bóng đèn không đạt tiêu chuẩn.
b. Hãy tìm khoảng tin cậy số bóng đèn không đạt tiêu chuẩn trong kho của.
Bài tập 5. Tại một thành phố có 680 triệu người tham gia bầu cử, người ta phỏng vấn
ngẫu nhiên 1000 cử tri thì có 680 của tri ủng hộ một ứng của viên A. Với độ tin cậy
95%, có ít nhất bao nhiêu cử tri của thành phố đó đã ủng hộ ứng cử viên A.
Bài tập 6. Để đánh giá số lượng chim quý hiếm trong rừng, người ta bắt 200 con chim
và đeo vòng cho chúng, sau đó thả về rừng. Lần thứ hai người ta bắt 100 con thì thấy
có 40 con có đeo vòng. Với độ tin cậy là 95%
a. Hãy ước lượng số chim trong rừng.
b. Nếu muốn sai số ε = 6, độ tin cậy là 95% thì cần phải bắt bao nhiêu con chim?
Bài tập 7. Quan sát thu nhập của một số người làm việc ở một công ty, ta có kết quả
cho dưới bảng sau:
Thu nhập(Ng đ/tháng) Số người Thu nhập(Ng đ/tháng) Số người

500-550 5 750-800 47
550-600 9 800-850 24
600-650 12 850-900 18
650-700 35 900-950 6
700-750 66 950-1000 3
82
1) Hãy ước lượng thu nhập trung bình của một người ở công ty với độ tin cậy 95%
2) Những người có thu nhập trên 800 ngàn đồng/tháng trở lên là nhứng người có thu
nhập cao. Hãy ước lượng tỷ lệ thu nhập cao của một người trong công ty với độ tin
cậy là 99%
3) Với mẫu đã cho khi ước lượng thu nhập trung bình của một người ở công ty này,
nếu muốn độ tin cậy là 99% thì độ chính xác đạt được bao nhiêu?
Bài tập 8. Quan sát năng suất của 100 công nhân trong một xí nghiệp người ta tính
được năng suất trung bình của một công nhân ở mẫu này là X = 12 sản phẩm/ ngày
và s2 = 25
1) Hãy ước lượng năng suất trung bình của một công nhân trong xí nghiệp này với độ
tin cậy 99%
2) Muốn ước lượng năng suất trung bình của một công nhân trong xí nghiệp với độ
tin cậy 95% thì độ chính xác là bao nhiêu?
3) Muốn ước lượng năng suất trung bình của một công nhân trong xí nghiệp với độ
tin cậy 99% và độ chính xác la 0,8 thì cần quan sát của bao nhiêu công nhân nữa?
Bài tập 9. Để nghiên cứu nhu cầu của một loại hàng ở một khu vực người ta tiến hành
khảo sát về nhu cầu mặt hàng này ở 400 hộ gia đình, kết quả khảo sát cho ở bảng sau:
Nhu cầu xi (kg/tháng) Số hộ:ni

0-1 10
1-2 35
2-3 86
3-4 132
4-5 78
5-6 31
6-7 18
7-8 10
Giả sử khu vực nghiên cứu có 4000 hộ.

1) Hãy ước lượng nhu cầu trung bình về mặt hàng này của toàn khu vực trong 1 năm
với độ tin cậy 95%
2) Khi ước lượng nhu cầu trung bình về mặt hàng này của toàn khu vực trong 1 năm,
nếu ta muốn độ tin cậy đạt được 99% và độ chính xác là 4,8 tấn thì cần khảo sát về
nhu cầu của mặt hàng này ở bao nhiêu hộ gia đình?
Bài tập 10. Điều tra về số liệu thống kê về doanh số bán của một siêu thị cho dưới
bảng sau:
Doanh số (triệu đồng/ngày)xi Số ngàyni

20-40 5
40-50 10
50-60 20
60-70 25
70-80 25
80-90 15
90-100 10
100-110 8
110-130 3
83
1) Những ngày có doanh số bán trên 90 triệu đồng là những ngày bán đắt hàng.Hãy
ước lượng tỷ lệ những ngày bán đắt hàng ở siêu thị này với độ tin cậy là 96%.
2) Hãy ước lượng doanh số bán trung bình của một ngày "bán đắt" ở siêu thị này
với độ tin cậy 95%(giả thiết doanh số bán của những ngày bán đắt hàng là đại lượng
ngẫu nhiên có phân phối chuẩn).
Bài tập 11. Để đánh giá sức khoẻ của các bé sơ sinh, người ta kiểm tra số đo trọng
lượng của các cháu thu được bảng kết quả sau:
Xi [1, 7; 2, 1) [2, 1; 2, 5) [2, 5; 2, 9) [2, 9; 3, 3) 3, 3; 3, 7 [3, 7; 4, 1)

ni 4 20 21 15 2 3
Biết trọng lượng của bé sơ sinh tuân theo luật phân phối chuẩn.
a) Ta quy định bé sơ sinh nặng từ 2, 5kg trở lên là bé khoẻ. Hãy tìm khoảng ước
lượng tỉ lệ bé khoẻ với độ tin cậy γ = 0, 99.
b) Hãy tìm khoảng tin cậy cho trọng lượng trung bình của bé sơ sinh với mức ý
nghĩa α = 0, 05.
Bài tập 12. Ở một nhà máy dệt. Kiểm tra một số tấm vải (30m), thấy kết quả như
sau:
Số khuyết tật ở mỗi tấm xi Số tấm kiểm tra:ni

0 8
1 20
2 12
3 40
4 30
5 25
6 15
Nếu gọi vải loại I là loại ở mỗi tấm có không quá 2 khuyết tật. Ước lượng tỉ lệ vải
loại I với độ tin cậy 99%.
Bài tập 13. Ở một cửa hàng chế biến thủy sản, theo dõi nhu cầu của mặt hàng nước
mắm trong một số ngày, ta có kết quả:
Số bán ra (lít) Số ngày

20-30 3
30-40 8
40-50 30
50-60 45
60-70 20
70-80 25
80-90 17
90-100 9
>100 3
84
a) Hãy ước lượng nước mắm trung bình bán một ngày với độ tin cậy 99% trong hai
trường hợp:
+ Biết phương sai σ 2 = 132, 25
+ Chưa biết σ 2
b) Hãy ước lượng phương sai của lượng nước mắm bán trong ngày với độ tin cậy
95%.
Bài tập 14. Đo đường kính của 20 trục máy do 1 máy tiện tự động sản xuất ra, ta
được kết quả sau(tính bằng mm):
250, 249, 251, 253, 248, 250, 250, 252, 257, 245
247, 249, 249, 250, 280, 250, 247, 253, 256, 248
Giả sử đường kính của các trục máy là đại lượng ngẫu nhiên có phân phối chuẩn.
a) Hãy ước lượng đường kính trung bình các trục máy đó do máy tiện ra với độ tin
cậy 95%.
b) Hãy ước lượng phương sai của đường kính với độ tin cậy 90%.
Bài tập 15. Một máy sản suất hàng loạt. Người ta tiến hành một số mẫu kiểm tra.
Kết quả cho trong bảng sau:
Người kiểm tra Thời gian Kích thước mẫu Số sản phẩm loại A
Nguyễn Văn Tý 1-5 8h 60 14
10h 50 03
14h 50 05
4-5 8h 60 09
16h 80 10
Lê Văn Đào 1-6 8h 80 18
9h 80 20
8-6 8h 40 17
10h 300 32
Tìm ước lượng cho tỉ lệ loại A với độ tin cậy 95%.

Bài tập 16. Để theo doi hoạt động của một máy, người ta tổ chức kiểm tra định kỳ
như sau: Mỗi ngày lấy 4 mẫu, mooic mẫu 50 sản phẩm. Bnagr dưới đây ghi kết quả
kiểm tra một số ngày
85
Thời gian kiểm tra Kích thước mẫu:n Số phế phẩm: x
ngày 1-1 8h 50 4
10h 50 3
12h 50 4
14h 50 8
ngày 2-1 8h 50 7
10h 50 3
12h 50 4
14h 50 1
ngày 3-1 8h 50 5
10h 50 7
12h 50 6
14h 50 4
ngày 4-1 8h 50 4
10h 50 2
12h 50 7
14h 50 5
ngày 5-1 8h 50 3
10h 50 3
12h 50 5
14h 50 10
ngày 6-1 8h 50 5
10h 50 7
12h 50 5
14h 50 3
a) Với kết quả điều tra trên, hãy ước lượng tỉ lệ hỏng của máy bằng một khoảng có
độ tin cậy 99, 73%.
b) Giả sử vơi số liệu trên, người ta muốn ước lượng tỉ lệ phế phẩm với độ tin cậy
90% thì đạt độ chính xác bằng bao nhiêu?
c) Hãy ước lượng tỉ lệ hỏng trung bình trong một mẫu (50) với độ tin cậy 95%(giả
thiết tỉ lệ đó có phân phối chuẩn)
Bài tập 17. Người ta đo đường kính cảu 100 chi tiết máy, kết quả được cho trong bảng
dưới đây:
S.đo X đ.k(mm) 98 98,5 99 99,5 100 100,5 101 101,5 102 102,5
Số c.t m.có s.đo X 21 47 87 158 181 201 142 97 40 26
a) Hãy tìm khoảng tin cậy giành cho đường kính trung bình của một chi tiết máy
có độ tin cậy 99, 73%.
b) Hãy ước lượng phương sai của số đo X với độ tin cậy 95% giả thiết X có phân
phối chuẩn.
c) Cũng như câu c, nhưng muốn độ tin cậy 68% thì độ chính xác là bao nhiêu?
d) Gọi các trục có đường kính dưới 100 mm là loại nhỏ. Hãy ước lượng loại nhỏ.
86
e) Muốn ướ lượng tỉ lệ lọa nhỏ với độ tin cậy 68% và độ chính xác 5% thì cần đo
thêm bao nhiêu trục máy?
f) Để độ chính xác khi ước lượng trung bình là 2 mm và độ chính xác khi ước lượng
tỉ lệ loại nhỏ là 8% với cùng độ tin cậy 68% thì cần điều tra thêm ít nhất bao nhiêu
trục máy.
Bài tập 18. . Cho X (đơn vị %) và Y (đơn vị: kg/cm2 ) là hai chỉ tiêu chất lượng của
một loại sản phẩm. Tiến hành kiểm tra một số sản phẩm, người ta thu được kết quả
thu được dưới bảng sau:
Y X 30-35 35-40 40-45 45-50

130-135 3
135-140 3 14 18
140-145 11 20
145-150 3 17 5
150-160 2 4
a) Hãy ước lượng giá trị trung bình của chỉ tiêu Y của những sản phẩm có chỉ tiêu X
trong khoảng (35-40) với độ tin cậy 95%
b) Nếu muốn ước lượng giá trị trung bình của chỉ tiêu X với độ chính xác 0,5% thì độ
tin cậy là bao nhiêu
Bài tập 19. Một phương pháp điều trị mới đang được xem xét để đánh giá tính hiệu
quả của nó. Một chỉ tiêu đánh giá là số ngày trung bình µ từ lúc điều trị cho đến lúc
bệnh nhân khỏi bệnh. Một mẫu ngẫu nhiên gồm 11 bệnh nhân được theo dõi và số
ngày điều trị cho tới khi khỏi được ghi lại như sau: 4, 4, 3, 8, 5, 6, 7, 12, 5, 3, 8.
Tìm khoảng tin cậy 95% cho số ngày trung bình µ.
Bài tập 20. Trong một cuộc khảo sát 64 khách hàng ở một tiệm ăn nhanh, thời gian
đợi trung bình là 3 phút và độ lệch tiêu chuẩn là 1,5 phút. Tìm khoảng tin cậy 98%
cho thời gian đợi phục vụ trung bình của tiệm ăn này.
Bài tập 21. Trong một cuộc điều tra 150 người nghiện thuốc lá được chọn ngẫu nhiên.
Người ta tính được số điếu thuốc hút trong một tuần của họ có trung bình là 97 và
độ lệch tiêu chuẩn là 36. Tim khoảng tin cậy 99% cho số điếu thuốc hút trung bình 1
tuần của người nghiện thuốc lá
Bài tập 22. Một cuộc nghiên cứu trên 500 em bé 6 tuổi cho thấy số giờ xem tivi trung
bình trong 1 tuần của nhóm này là 38 giờ với độ lệc tiêu chuẩn là 6,4 giờ. Tìm khoảng
tin cậy 99% cho thời gian xem tivi trung bình trong một tuần của các em bé nhỏ 6
tuổi.
Bài tập 23. Một công ty lớn muốn ước lượng trung bình một ngày một thư ký phải
đánh máy bao nhiêu trang giáy. Một mẫu gồm 50 thư ký được chọn ngẫu nhiên cho
tháy số trang trung bình mà họ đánh máy là 32 và độ lệch tiêu chuẩn là 6. Tìm khoảng
tin cậy 99% cho số trang trung bình mà một thư ký của công ty đánh máy trong một
ngày
Bài tập 24. Một nhà sưu tập tem thảo giá chiếc tem A trong 9 chủa hàng thì thấy
giá trung bình là 17 $ với độ lệch tiêu chaaurn là 39. Tìm khoảng tin cậy 90% cho giá
trung bình của chiếc tem này trong tất cả các cửa hàng bán tem.
87
Bài tập 25. Chọn ngẫu nhiên 12 lớp trung học trong một thành phố A tính được số
học sinh trung bình trong một lớp là 28 với độ lệch tiêu chuẩn là 15. Tìm khoảng tin
cậy 99% cho số học sinh trung bình trong một lớp ở vùng đó
Bài tập 26. Khảo sát 18 giám đốc các công ty ở Mỹ cho thấy lương trung bình hàng
năm của họ là 275000 USD với độ lệch tiêu chuẩn là 62000USD. Tìm khoảng tin cậy
90% cho mức lương trung bình hàng năm của các giám đốc công ty Mỹ
Bài tập 27. Một người định mua một chiếc đĩa compact(CD) đi khảo giá loại đĩa này
ở 8 của hàng. Anh ta thấy giá bán ở đó như sau: 138, 149, 129, 135, 145, 125, 139, 142
(đơn vị là nghìn đồng). Tìm khoảng tin cậy 90% cho giá của chiếc đĩa CD này.
Bài tập 28. Trong một cuộc thăm dò ý kiến 100 khách hàng người ta thấy 55 người
thích mặt hàng A hơn mặt hàng B. Tìm khoảng tin cậy 90% cho tỷ lệ người tiêu dùng
ưa thích mặt hàng A
Bài tập 29. Cơ quan cảng sát giao thông kiểm tra hệ thống phanh của 40 chiếc xe tải
trên đường quốc lộ. Họ phát hiện 14 chiếc có phanh chưa đảm bảo an toàn.
a) Tìm khoảng tin cậy 95% cho tỷ lệ xe tải có phanh chưa an toàn.
b) Tìm khoảng tin cạy 98% cho tỷ lệ xe tải có phanh tốt.
Bài tập 30. Chọn ngẫu nhiên 200 sinh viên ta thấy 37% em không ở nội trú. Tìm
khoảng tin cậy 90% cho tỷ lệ sinh viên ngoại trú
Bài tập 31. Một cuộc điều tra cho thấy trong 2074 gia đình trí thức có 373 gia đình có
máy vi tính ở nhà. Tìm khoảng tin cậy 96% cho tỷ lệ những gia đình trí thức có máy
vi tính tại nhà
Bài tập 32. Người ta muốn tìm khoảng tin cậy 90% cho điểm thi tốt nghiệp phổ thông
cơ sở với độ chính xác 0,2. Một mẫu điều tra sơ bộ cho thấy s = 1, 2. Tìm kích thước
mẫu n
Bài tập 33. Người ta muốn tìm khoảng tin cậy 95% cho tỷ lệ những gia đình có máy
giặt với độ chính xác 0,04. Một mẫu điều tra sơ bộ cho thấy f = 0, 72. Tìm kích thước
mẫu n
88
Chương 4
Kiểm định giả thiết
4.1 Đặt vấn đề

Trong thực tế thường tồn tại hai giả thiết về một vấn đề:
H: X có tính chất A (giả thiết).
K: X không có tính chất A (đối thiết).
Bằng số liệu thống kê người ta có thể đưa ra được kết luận về một giả thiết nào đó
với độ tin cậy β (cho trước). Trong quá trình kiểm định giả thiết thì thường mắc phải
hai sai lầm:
+ Sai lầm loại 1: Chấp nhận K khi H đúng.
+ Sai lầm loại 2: Chấp nhận H khi K đúng.
P {SLL1} = P {chấp nhận K khi H đúng} = α mức ý nghĩa.
P {SLL2} = P {chấp nhận H khi K đúng} = γ Với γ lực lượng tiêu chuẩn.
4.2 Kiểm định về giá trị trung bình
4.2.1 Trường hợp σ 2 đã biết
Bài toán 1: (Kiểm định hai phía).
(
H : µ = µ0
K : µ 6= µ0
với mức ý nghĩa α.

x−µ √
Ta xét Test(mẫu) thống kê t = σ
n, (t xuất phát từ khoảng ước lượng trung bình)
Nếu H đúng thì
x − µ0 √
t= n ∼ N (0, 1)
σ
89
Miền bác bỏ H là |t| > uα/2 với xác suất là α.
P {|t| > uα/2 } = α ⇒ P {|t| ≤ uα/2 } = 1 − α
x − µ0 √
⇒ P {−uα/2 ≤ n ≤ uα/2 } = 1 − α
σ
Với uα/2 được xác định bởi.
Z uα/2
1 2 /2 α
φ(uα/2 ) = √ e−t dt = 1 − .
2π −∞ 2
Kết luận:
Nếu |t| ≤ uα/2 chấp nhận H.
Nếu |t| > uα/2 chấp nhận K.
Chú ý:
α = 1% ⇒ uα/2 = 2, 58
α = 5% ⇒ uα/2 = 1, 96
Ví dụ 28. Khối lượng quy định cho mỗi gói mì là 80g. Kiểm tra bất thường 100 gói sau
một ca sản xuất người ta thấy khối lượng trunh bình là 79,92g. Biết rằng khối lượng
gói mì tuân theo luật phân phối chuẩn với σ 2 = 0, 1584 với mức ý nghĩa là α = 5%.
Hãy kiểm tra về chất lượng của ca làm việc. HD:
Gọi µ là khối lượng trung bình của gói mỳ.
Xét bài toán
(
H : µ = 80
K : µ 6= 80
x−µ √
Xét Test thống kê t = σ
n. Với n = 100, σ 2 = 0, 1584, x = 79, 92 , µ0 = 80. Ta
có
79, 92 − 80 √
t= 100 = −2, 02.
0, 1584
Ta có α = 5% ⇒ uα/2 = 1, 96 ⇒ |t| = 2, 02 > 1, 96 với mức ý nghĩa α = 5% ta chấp
nhận K, tức là ta có thể kết luận ca làm việc chưa đạt ưu cầu với mức ý nghĩa α = 5%.
Bài toán 2: (Kiểm định 1 phía)
( (
H : µ = µ0 (x >> µ0 ) H : µ = µ0 (x << µ0 )
hoặc
K : µ > µ0 K : µ < µ0
Trường hợp 1
(
H : µ = µ0 (x >> µ0 )
K : µ > µ0
90
x−µ0 √
Xét Test thống kê t = σ
n.
+ Nếu H đúng t ∼ N (0, 1) miền bác bỏ H là
{t > uα } , P {t > uα } = α ⇒ P {t ≤ uα } = 1 − α.
Z uα
1 t2
⇔ φ(uα ) = √ e− 2 dt = 1 − α.
−∞ 2π
(
1, 65 nếu α = 5%
uα =
2, 33 nếu α = 1%
+ Quy tắc:
( (
t ≤ uα : chấp nhận H uα = 1, 65 nếu α = 5%
với
t > uα : chấp nhận K uα = 2, 33 nếu α = 1%
Trường hợp 2
(
H : µ = µ0 (x << µ0 )
K : µ < µ0
√
Xét Test thống kê t = x−µ
σ
0
n
Hoàn toàn tương tự ta có quy tắc
(
t ≥ −uα : chấp nhận H
t < −uα : chấp nhận K
Ví dụ 29. Tốc độ trung bình của xe gắn máy là 45km/h. Sau khi triển khai bắn tốc
độ, người ta kiểm tra 121 người điều hành phương tiện tính được vận tốc trung bình
x = 43km/h. Biết vận tốc xe máy tuân theo luật phân phối có σ = 8, 577 với mức ý
nghĩa là α = 1%. Hãy kiểm tra xem việc bắn tốc độ có làm giảm vận tốc trung bình
của xe mô tô hay không.
HD:
Ta có µ0 = 45km/h x = 43km/h σ = 8, 577.
Xét bài toán kiểm định
(
H : µ = 45 µ là vận tốc trung bình của xe
K : µ < 45 (x = µ < µ0 )
Xét Test thống kê

x − µ0 √ 43 − 45 √
t= n= 121 = −2, 57
σ 8, 577
với α = 1% ⇒ uα = 2, 33 ⇒ t < −uα ⇒ chấp nhận K.
Tức với mức ý nghĩa α = 1% thì có thể khẳng định việc bắn tốc độ đã làm giảm tốc
độ trung bình của mô tô.
91
4.2.2 Trường hợp σ 2 chưa biết n ≥ 30
Ta xấp xỉ σ 2 bởi s2
(
H : µ = µ0
K : µ 6= µ0
x−µ0 √
Xét Test thống kê t = s
n.
+ Nếu H đúng thì
x − µ0 √
t= n ∼ N (0, 1)
s
Miền bác bỏ H: {|t| ≥ uα/2 } : P {|t| > uα/2 } = α với α mức ý nghĩa
P {|t| ≤ uα/2 } = 1 − α
suy ra
x − µ0 √
P {−uα/2 } ≤ n ≤ uα/2 } = 1 − α
s
Với uα/2 được xác định bởi
Z uα/2
1 2 /2 α
φ(uα/2 ) = √ e−t dt = 1 −
2π 0 2
Quy tắc:
+ |t| ≤ uα/2 chấp nhận H.
+ |t| > uα/2 chấp nhận K.
Bài toán 2. (Kiểm định 1 phía)
( (
H : µ = µ0 H : µ = µ0
hoặc
K : µ > µ0 K : µ < µ0

x − µ0 √
t= n.
s
Hoàn toàn tương tự quy tắc trên.
Trường hợp 1:
+ t ≤ uα chấp nhận H.
+ t > uα chấp nhận K.
(
1, 65 : nếu α = 5%
uα =
2, 33 : nếu α = 1%
92
Trường hợp 2:
(
H : µ = µ0
K : µ < µ0
+ t < −uα chấp nhận K.

+ t ≥ −uα chấp nhận H.
Ví dụ 30. Đo chiều cao của 36 sinh viên nam có số liệu sau:
xi (c.cao) 1, 60; 1, 64 1, 64; 1, 66 1, 66; 1, 68 1, 68; 1, 72 1, 72; 1, 74

ni (số.sv) 5 13 14 2 2
với mức ý nghĩa α = 1% hãy cho kết luận về ý kiến cho rằng "chiều cao TB của
sinh viên là 1,67".
HD: Gọi x0i là đại diện cho các lớp ghép ta có:
x0i (c.cao) 1, 62 1, 65 1, 67 1, 70 1, 73
ni (số.sv) 5 13 14 2 2
⇒ x = 1, 661; s = 0, 026. Gọi µ là chiều cao trung bình của sinh viên. Xét bài toán
kiểm định giả thiết
(
H : µ = 1, 67m
K : µ 6= 1, 67m
Xét Text thống kê

x − µ0 √
t= n , µ0 = 1, 67, n = 36 ⇒ t = −2, 077
s
với α = 1% ⇒ uα = 2, 58 > |t| chấp nhận H, tức là chiều cao trung bình của sinh
viên là 1,67.
Ví dụ 31. Đo chỉ số mở trong sữa của 130 con bò lai Hà -Ấn ta có số liệu.
Gọi X là tỉ lệ mở trong sữa, ni là số bò lai.
xi 3.0; 3.6 3.6; 4.2 4.2; 4.8 4.8; 5.4 5.4; 6.0 6.0; 6.6 6.6; 7.2
ni 2 8 35 43 22 15 5
Biết rằng chỉ số mở trong sữa bò Hà Lan thuần chủng là 4,95 với mức ý nghĩa là
α = 1%.
Hãy kiểm tra xem việc lai tạo có làm tăng tỉ lệ mở trong sữa không?
HD:
Gọi µ là tỷ lệ mở trong trong sữa bò lai Hà-Ấn.
Xét bài toán kiểm định giả thiết
93
(
H : µ = 4, 95
K : µ > 4, 95
Xét Text thống kê

x − µ0 √
t= n
s
với µ0 = 4, 95 ; n = 130. Tính x; s từ bảng trên được
x = 5, 146 , s2 = 0, 589 ⇒ t = 2, 914
vì α = 1% ⇒ uα = 2, 33 ⇒ t > 2, 33 suy ra chấp nhận K, có nghĩa là việc lai tạo đã

làm tăng tỷ lệ mở trung bình trong sữa.
4.2.3 Trường hợp σ chưa biết và n < 30, X ∼ N (µ, σ 2 )

Ta thay σ 2 bởi s2
(
H : µ = µ0
K : µ 6= µ0
x−µ0 √
Xét Test thống kê t = s
n.
+) Nếu H đúng thì
x − µ0 √
t= n.
s
Miền bác bỏ H: {|t| ≥ t(n−1,α/2) } : P {|t| > t(n−1,α/2) } = α
với α mức ý nghĩa
P {|t| ≤ t(n−1,α/2) } = 1 − α
suy ra
x − µ0 √
P {−t(n−1,α/2) ≤ n ≤ t(n−1,α/2) } = 1 − α
s
Với t(n−1,α/2) được xác định từ bảng phân phối Student bậc tự do n-1.
Quy tắc:
+) |t| ≤ t(n−1,α/2) chấp nhận H.
+) |t| > t(n−1,α/2) chấp nhận K.
( (
H : µ = µ0 H : µ = µ0
hoặc
K : µ > µ0 K : µ < µ0
94
x − µ0 √
t= n
s
Hoàn toàn tương tự quy tắc trên.
Trường hợp 1:
+) t > t(n−1,α) chấp nhận K.
+) t ≤ t(n−1,α) chấp nhận H.
Trường hợp 2
(
H : µ = µ0
K : µ < µ0
+) t < −t(n−1,α) chấp nhận K.

+) t ≥ −t(n−1,α) chấp nhận H.
Ví dụ 32. Một công ty sản xuất pin tuyên bố rằng pin của họ có tuổi thọ trung bình
21,5 giờ. Một cơ quan kiểm tra chất lượng kiểm tra 6 chiếc pin của công ty và thu được
số liệu sau đây về tuổi thọ của 6 chiếc pin này là
19, 18, 22, 20, 16, 25
Kết quả này có xác nhận là quảng cáo của công ty là đúng hay không? Mức ý nghĩa
được chọn là α = 0, 05.
HD: Xét bài toán
(
H : µ = 21, 5
K : µ 6= 21, 5
√
Ta có x = 20, s = 10. Xét
t = −1, 16; |t| = 1, 16.
Tra bảng phân phối Student với bậc tự do n-1=5 ta có t(5,0.05) = 2, 57. Vậy |t| < t(5,0.05)
nên chưa có cơ sở bác bỏ H, số liệu này xác nhận lời quảng cáo của công ty.
Ví dụ 33. Một bản nghiên cứu thông báo rằng mức mức tiền dùng hàng tháng của
sinh viên là 420 nghìn. Để kiểm tra người ta chọn ngẫu nhiên 16 sinh viên và tìm được
trung bình mỗi tháng họ tiêu 442 nghìn đồng với độ lệch tiêu chuẩn là 60 nghìn đồng.
Với mức ý nghĩa 5% nhận định xem kết luận báo cáo có thấp hơn so với sự thật
hay không?
HD: Xét bài toán
(
H : µ = 420
K : µ > 420
Ta có t = 1, 47, t(15,0.05) = 1, 75 nên t < t(15,0.05) Chấp nhận H.
95
4.3 Kiểm định tỷ lệ
4.3.1 Bài toán hai phía
(
H : p = p0
K : p 6= p0
với p0 là hằng số cho trước.

k
Quan sát n phần tử của tập chính Ω. k là số phần tử xuất hiện tính chấtA ⇒ f = n
là tần suất xuất hiện tính chất A trong n phép thử.
Theo định lý giới hạn trung tâm ta có:
f −p √
p n ∼ N (0, 1)
p(1 − p)
với p là xác suất xuất hiện tính chất A ở một phép thử.
Nếu H đúng thì
f − p0 √
p n ∼ N (0, 1)
p0 (1 − p0 )
với mức ý nghĩa α thì
f − p0 √
P {p n > uα/2 } = α
p0 (1 − p0 )
f − p0 √
⇒ P {p n ≤ uα/2 } = 1 − α
p0 (1 − p0 )
Z uα/2
1 2 /2 α
φ(uα/2 ) = √ e−t dt = 1 − .
2π 0 2
Quy tắc:
Xét
f − p0 √
t= p n
p0 (1 − p0 )
+ Nếu |t| ≤ uα/2 chấp nhận H.

+ Nếu |t| > uα/2 chấp nhận K,
với α = 5% ⇒ uα/2 = 1, 96; α = 1% ⇒ uα/2 = 2, 58.
96
4.3.2 Bài toán một phía
( (
H : p = p0 H : p = p0
hoặc
K : p > p0 K : p < p0

f − p0 √
t= p n.
p0 (1 − p0 )
Quy tắc:
a) Với bài toán
(
H : p = p0
K : p > p0
+ Nếu t > uα chấp nhận K.

+ Nếu t ≤ uα chấp nhận H, với
(
1, 65 : nếu α = 5%
2, 33 : nếu α = 1%
b) Với bài toán

(
H : p = p0
K : p < p0
+ Nếu t < −uα chấp nhận K.

+ Nếu t ≥ −uα chấp nhận H, với uα xác định bởi
Z uα
1 t2
φ(uα ) = √ e− 2 dt = 1 − α.
−∞ 2π
(
1, 65 : nếu α = 5%
2, 33 : nếu α = 1%
Ví dụ 34. Giả sử xác suất sinh con trai là p0 = 12 quan sát 10 gia đình có 43 người con
trong đó co 18 người con trai với mức ý nghĩa α = 5%. Hỏi có sự lệch quy luật hay
không?
1
HD: Ta có n = 43, k = 18, p0 = 2
k 18
⇒f = = = 0, 4186
n 43
97
Xét bài toắn kiểm định
(
1
H: p= 2
1
K : p 6= 2

f − p0 √
t= p n = −1, 08
p0 (1 − p0 )
⇒ |t| = 1, 082 < 1, 96 = uα
Suy ra chấp nhận H, tức là không có sự sai về quy luật.
Ví dụ 35. Một Đảng chính trị trong cuộc bầu cử tổng thống tuyên bố rằng có 45% cử
tri bỏ phiếu ủng hộ ông A. Người ta thăm dò 200 củ tri thấy 80 cử tri bỏ phiếu ủng
hộ ông A, với α = 5%. Hãy kiểm tra xem dự đoán trên có quá so với thực tế không?
HD: Xét bài toán kiểm định
(
H: p = 0, 45
K: p < 0, 45
80
với n = 200 , k = 80 ; p0 = 0, 45 ; f = 200
= 0, 4
f − p0 √
⇒t= p n = −1, 443
f (1 − f )
α = 5% → uα = 1, 96 ⇒ t ≥ −uα chấp nhận H.
4.4 Kiểm định phương sai
4.4.1 Trường hợp chưa biết µ

(
H: σ 2 = σ02
K: σ 2 6= σ02
Xét
(n − 1)s2
χ2 =
σ02
Khi H đúng thì χ2 ∼ χ2 (n − 1). với χ2 (n − 1) tra ở bảng phân phối khi bình phương.
Quy tắc:
+ Nếu χ21−α/2 (n − 1) ≤ χ2 ≤ χ2α/2 (n − 1) thì chấp nhận H.
+ Nếu χ2 > χ2α/2 (n − 1) hoặc χ2 < χ21−α/2 (n − 1) thì chấp nhận K.
98
Trường hợp 1
(
H: σ 2 = σ02
K: σ 2 > σ02
Xét
(n − 1)s2
χ2 =
σ02
Khi H đúng thì χ2 ∼ χ2 (n − 1).
Quy tắc:
+ Nếu χ2 ≤ χ2α (n − 1) thì chấp nhận H.
+ Nếu χ2 > χ2α (n − 1) thì chấp nhận K.
Trường hợp 2
(
H: σ 2 = σ02
K: σ 2 < σ02
Xét
(n − 1)s2
χ2 = .
σ02
Khi H đúng thì χ2 ∼ χ2 (n − 1). Quy tắc:
+ Nếu χ2 > χ21−α (n − 1) thì chấp nhận H.
+ Nếu χ2 ≤ χ21−α (n − 1) thì chấp nhận K.
4.4.2 Trường hợp đã biết µ = µ0

(
H: σ 2 = σ02
K: σ 2 6= σ02
Xét n
X
ni (xi − µ0 )2
i=1
χ2 = .
σ02
Khi H đúng thì χ2 ∼ χ2 (n). với χ2 (n) tra ở bảng phân phối khi bình phương
Quy tắc:
+ Nếu χ21−α/2 (n) ≤ χ2 ≤ χ2α/2 (n) thì chấp nhận H.
+ Nếu χ2 > χ2α/2 (n) hoặc χ2 < χ21−α/2 (n) thì chấp nhận K.
99
Bài toán 2. (Kiểm định 1 phía).
Trường hợp 1
(
H : σ 2 = σ02
K : σ 2 > σ02
Xét n
X
ni (xi − µ0 )2
i=1
χ2 = .
σ02
Khi H đúng thì χ2 ∼ χ2 (n).
Quy tắc:
+ Nếu χ2 ≤ χ2α (n) thì chấp nhận H.
+ Nếu χ2 > χ2α (n) thì chấp nhận K.
Trường hợp 2
(
H: σ 2 = σ02
K: σ 2 < σ02
Xét n
X
ni (xi − µ0 )2
i=1
χ2 = .
σ02
Khi H đúng thì χ2 ∼ χ2 (n).
Quy tắc:
+ Nếu χ2 ≥ χ21−α (n) thì chấp nhận H.
+ Nếu χ2 < χ21−α (n) thì chấp nhận K.
Ví dụ 36. Đo đường kính của 12 sản phẩm của 1 dây chuyền sản xuất, người kỹ sư
kiểm tra chất lượng tính được s = 0, 3.
Biết rằng nếu độ biến động(phương sai) của các sản phẩm lớn hơn 0,2 thì dây
chuyền sản xuất phải dừng lại để điều chỉnh. Với mức ý nghĩa α = 5% người kỹ sư có
kết luận gì?
HD: Xét bài toán
(
H: σ 2 = σ02 = (0, 2)2 = 0, 04
K: σ 2 > σ02 = 0, 04
χ21−α (n − 1) = χ20,95 (11) = 19, 675.

Và giá trị của Test thống kê là
11(0, 09)
χ2 = = 24, 75 > 19, 675
0, 04
Chấp nhận K. Dây chuyền cần điều chỉnh vì độ biến động lớn hơn mức cho phép.
100
4.5 Kiểm định giả thiết về tính độc lập
Giả sử quan sát đồng thời hai dấu hiệu A và B trên cùng 1 phần tử.
Dấu hiệu A có các dấu hiệu thành phần A1 , A2 , ...Ar .
Dấu hiệu B có các dấu hiệu thành phần B1 , B2 , ...Bk .
Ta cần kiểm định giả thiết.
(
H: A và B độc lập
K: A và B không độc lập.
Lấy mẫu kích thước n và trình bày kết quả quan sát dưới dạng bảng sau đây:
A B B1 B2 ... Bk Tổng
A1 n11 n12 ... p1k n1
... ..... ....... ....... ...... .......
Ar nr1 nr2 ... nrk nr
Tổng m1 m2 ... mk n
Trong đó:
Xr
ni = nij là tổng số phần tử mang dấu hiệu thành phần Ai .
i=1
k
X
mj = nij là tổng số phần tử mang dấu hiệu thành phần Bj .
j=1
nij là tổng số phần tử mang dấu hiệu thành phần Ai và Bj .

nij ni mj
P (Ai Bj ) = ; P (Ai ) = ; P (Bj ) = .
n n n
Nếu H0 đúng, tức A, B độc lập thì các dấu hiệu A, B cũng độc lập. Do đó
nij ni mj
P (Ai Bj ) = P (Ai )P (Bj ) ⇔ = .
n n n
Từ đó ta xét !
k X r 2
X n ij
χ2 = n −1 .
j=1 i=1
n i m j
Với mức ý nghĩa cho trước, tra bảng χ2α ((k − 1)(r − 1)) với bậc tự do (k − 1)(r − 1).
+) Nếu χ2 ≤ χ2α ((k − 1)(r − 1)) chấp nhận H.
+) Nếu χ2 > χ2α ((k − 1)(r − 1)) chấp nhận K.
Chú ý: r là số hàng; k là số cột.
Ví dụ 37. Kiểm tra chất lượng sản phẩm do ba phân xưởng sản xuất ta được bảng số
liệu sau:
101
P
X Y Loại A Loại B Loại C Phế phẩm
Phân xưởng 1 125 40 18 17 200
Phân xưởng 2 91 29 14 16 150
Phân P
xưởng 3 84 31 18 17 150
300 100 50 50 500
Với mức ý nhĩa α = 5% hãy xét xem chất lượng sản phẩm có phụ thuộc vào phân
xưởng hay không?
Giải: Xét bài toán
(
H : Chất lượng sản phẩm không phụ thuộc vào phân xưởng
K : Chất lượng sản phẩm phụ thuộc vào phân xưởng
Xét Test thống kê sau
k X r
!
2
X n ij
χ2 = n −1
j=1 i=1
n i m j
!
1252 172
= 500 + ... + − 1 = 2, 35
200 × 300 150 × 50
Kết luận
χ2 < χ2α (k − 1)(r − 1) = χ20,05 (4 − 1)(3 − 1) = 12, 59
Ta chấp nhận H, nghĩa là chất lượng của sản phẩm độc lập với phân xưởng.
Ví dụ 38. Bảng số liệu điều tra về kết quả học tập của 10.000 sinh viên của một trường
Đại học như sau:
P
Nơi ở Giới tính Giỏi Khá Trung bình và kém
Nội trú Nữ 300 300 300 900
Nam 380 800 400 1580
Ngoại trú Nữ 570 1000 800 2370
P Nam 1250 1900 2000 5150
2500 4000 3500 10000
a) Có thể coi kết quả học tập của sinh viên nam và nữ giống nhau không? Kết luận
với mức ý nghĩa α = 1%.
b) Với mức ý nghĩa 5%, có thể cho rằng kết quả học tập của sinh viên nội trú và
ngoại trú là khác nhau thực sự hay không?.
HD: a) Xét bài toán
(
H: Giới tính không ảnh hương đến chất lượng học tập của SV
K : Giới tính ảnh hương đến chất lượng học tập của SV.
k X r
!
2
X n ij
χ2 = n −1 .
j=1 i=1
ni mj
Để tính χ2 ta lập bảng sau:
102
P
Giới tính Giỏi Khá Trung bình và kém
Nữ 870 1300 1100 3270
Nam
P 1630 2700 2400 6730
2500 4000 3500 10000
Khi đó ta tính được

k X r
!
2
X n ij
χ2 = n − 1 = 7, 65.
j=1 i=1
ni mj
Kết luận:
χ2 < χ2α (k − 1)(r − 1) = χ2 < χ20,01 (2 − 1)(3 − 1) = 9, 21
Vậy ta chấp nhân H, nghĩa là giới tính độc lập với chất lương học tập của sinh viên.
b) Xét bài toán
(
H: Nơi ở không ảnh hương đến chất lượng học tập của SV
K : Nơi ở ảnh hương đến chất lượng học tập của SV.
k X r
!
2
X n ij
χ2 = n −1 .
j=1 i=1
ni mj
Để tính χ2 ta lập bảng sau:

P
Nơi ở Giỏi Khá Trung bình và kém
Nôi trú 680 1100 700 2480
Ngoại
P trú 1820 2900 2800 7520
2500 4000 3500 10000
Khi đó ta tính được

k X r
!
2
X n ij
χ2 = n − 1 = 66, 6.
j=1 i=1
ni m j
Kết luận:
χ2 > χ2α (k − 1)(r − 1) = χ2 < χ20,05 (2 − 1)(3 − 1) = 5, 99.
Vậy ta chấp nhân K, nghĩa là nơi ở có ảnh hưởng đến chất lương học tập của sinh viên.
103
4.6 Kiểm định giả thiết về luật phân phối
Giả sử ta chưa biết quy luật phân phối của biên ngẫu nhiên X, ta cần kiểm định
giả thiết
(
H: X có phân phối theo quy luật đã cho
K: X không có phân phối theo quy luật đã cho.
Lấy mẫu kích thước n, từ mẫu này ta có được các giá trị quan sát xi ; (i = 1, 2, ...k)
hoặc các khoảng (xi , xi+1 ). Và ta có pi = p(X = xi ) hoặc pi = p(xi < X < xi+1 ).
Xét
k
2
X (ni − nPi )2
χ = .
i=1
npi
Trong đó ni là tần số thực tế của xi hoặc của khoảng (xi , xi+1 ).
+ Nếu χ2 ≤ χ2α (k − r − 1) thì chấp nhận H.
+ Nếu χ2 > χ2α (k − r − 1) thì chấp nhận K.
Chú ý :
1) k: là số nhóm phần tử; r là số tham số trong phân phối giả thiết(chưa biết).
2) Trong thực tế để đảm bảo các sai số hợp lý, người ta thường chia khoảng sao cho
các ni ≥ 5, i = 1, .., n.
3) Đối với kiểm định giả thiết nhiều tỷ lệ ta cũng làm như kiểm định phân phối,
trong đó r = 0.
Ví dụ 39. Quan sát chiều cao của 120 cây khuynh diệp ở một năm tuổi được bảng số
liệu sau
Chiều cao X (cm) Số năm (ni )
50-80 10
80-100 9
100-110 13
110-120 14
120-130 21
130-140 15
140-150 12
150-160 13
160-170 13
Hãy kiểm định giả thiết H:"chiều cao trung bình có phân phối chuẩn" với mức ý nghĩa
α = 5%.
HD: Xét bài toán
(
H: X ∼ N (µ, σ 2 )
K: X không có phân phối chuẩn
104
Trong đó µ = x = 126, 5, σ 2 = s2 = 30, 52 .
Ta xét
k
2
X (ni − npi )2
χ = .
i=1
npi
Bây giờ ta đi tìm pi theo phân phối chuẩn
p1 = p(50 < X ≤ 80) = 0, 064; p2 = p(80 < X ≤ 100) = 0, 128
p3 = p(100 < X ≤ 110) = 0, 103; p4 = p(110 < X ≤ 120) = 0, 122
p5 = p(120 < X ≤ 130) = 0, 127; p6 = p(130 < X ≤ 140) = 0, 126
p7 = p(140 < X ≤ 150) = 0, 109; p8 = p(150 < X ≤ 160) = 0, 085
p9 = p(160 < X ≤ 170) = 0, 129
Khi đó ta lập bảng sau

(ni −npi )2
khoảng (ni ) pi npi npi
50-80 10 0.064 7,68 0,7
80-100 9 0.128 15,36 2,63
100-110 13 0.103 12,36 0,03
110-120 14 0.122 14,64 0,03
120-130 21 0.127 15,24 2,18
130-140 15 0.126 15,12 0,001
140-150 12 0.109 1308 0,09
150-160 13 0.085 10,2 0,17
160-170 13 0.129 16,32 0,68
Từ đó ta có χ2 = 6, 511.
Kết luận:ta thấy χ2 < χ20,05 (6) = 12, 59 nên chấp nhận H, nghĩa là có phân phối
chuẩn.
Ví dụ 40. Số tai nạn giao thông xảy ra mỗi ngày ở một thành phố quan sát được:
Số tai nạn mỗi ngày : xi 0 1 2 3 4 5 6 7 8

Số trường hợp : ni 10 32 46 35 20 9 2 1 1
Có ý kiến cho rằng số tai nạn giao thông ở thành phố mỗi ngày có phân phối Poisson.
Hãy cho kết luận về nhận xét trên với mức ý nghĩa 1%?
Giải: Xét bài toán
(
H: X có phân phối Poisson
K: X không có phân phối Poisson
Với λ được thay bởi x

Để ni ≥ 5 ta thực hiện thu gọn số liệu
xi 0 1 2 3 4 ≥5
ni 10 32 46 35 20 13
105
Ta suy ra x = 2, 4 coi X ∼ P (2). Khi đó ta có bảng sau:
(ni −npi )2
xi ni pi npi npi
0 10 0.1353 1,353 5,8446
1 32 0.2707 8,6624 2,4778
2 46 0.2707 12,4522 0,3367
3 35 0.1804 6,314 1,671
4 20 0.0902 1,804 2,4981
≥5 13 0.0361 0,4693 9,6408
Từ đó ta có χ2 = 22, 469
Kết luận:ta thấy χ2 > χ20,05 (4) = 9, 49 nên chấp nhận K, nghĩa là nhận xét trên không
có cơ sở.
4.7 Bài toán so sánh
4.7.1 Bài toán so sánh hai giá trị trung bình

Bài toán đặt ra:
X ∼ N (µ1 , σ12 ).
Y ∼ N (µ2 , σ22 ).
θ(X1 , .., Xn1 ) là mẫu ngẫu nhiên lấy từ X.
θ(Y1 , .., Yn2 ) là mẫu ngẫu nhiên lấy từ Y.
Từ số liệu thống kê hãy đưa ra kết luận cho các bài toán sau:
( ( (
H : µ1 = µ2 H : µ1 = µ2 H : µ1 = µ2
; ;
K : µ1 6= µ2 K : µ1 < µ2 K : µ1 > µ2
a) Trường hợp đã biết σ1 , σ2
n1
1 X σ2
x= xi ∼ N (µ1 , 1 )
n1 i=1 n1
ni
1 X σ2
y= xi ∼ N (µ2 , 2 )
n2 i=1 n2
σ12 σ22
⇒ x − y ∼ N (µ1 − µ2 , + )
n1 n2
x − y − (µ1 − µ2 )
⇒ q 2 ∼ N (0, 1)
σ1 σ22
n1
+ n2
106
Nếu H đúng thì
x−y
⇒t= q 2 ∼ N (0, 1)
σ1 σ22
n1
+ n2
Trường hợp 1. Với bài toán
(
H: µ1 = µ2
K: µ1 6= µ2
với mức ý nghĩa α thì

P {|t| > u α2 } = α ⇒ P {−u α2 ≤ t ≤ u α2 } = 1 − α
Suy ra miền bác bỏ H: {|t| ≥ u α2 }.

Z uα/2
1 2 /2 α
φ(uα/2 ) = √ e−t dt = 1 −
2π −∞ 2
Quy tắc:
x−y
t= q 2 .
σ1 σ22
n1
+ n2
+)|t| > u α2 chấp nhận K.

+) |t| ≤ u α2 chấp nhận H.
với
(
1, 96 : nếu α = 5%
2, 58 : nếu α = 1%

(
H: µ1 = µ2 (x y)
K: µ1 > µ2
với mức ý nghĩa α thì miền bác bỏ H là {t > uα } với

P {t > uα } = α ⇒ P {t ≤ uα } = 1 − α
Với uα được xác định bởi
Z uα
1 2 /2
φ(uα ) = √ e−t dt = 1 − α.
2π −∞
Quy tắc:
x−y
t= q 2 .
σ1 σ22
n1
+ n2
107
+)t > uα chấp nhận K.
+) t ≤ uα chấp nhận H, với
(
1, 64 : nếu α = 5%
2, 33 : nếu α = 1%

(
H: µ1 = µ2 (x y)
K: µ1 < µ2
+) t < −uα chấp nhận K.

+) t ≥ −uα chấp nhận H.
b) Trường hợp chưa biết σ1 , σ2 , n1 ≥ 30, n2 ≥ 30
Tương tự như trên nhưng ta chỉ thay σ12 ' s2x và σ22 ' s2y .
c) Trường hợp n < 30, m < 30 và chưa biết σ12 , σ22 ,(σ12 = σ22 ).
Xét
x−y
t= q
s n11 + 1
n2
với
(n1 − 1)s2x + (n2 − 1)s2y
s2 =
n1 + n2 − 2
với mức ý nghĩa cho trước. Ta dễ chứng minh được t ∼ t(n1 + n2 − 2) (phân phối
student với n1 + n2 − 2 bậc tự do).
(
H: µ1 = µ2
K: µ1 6= µ2
Ta có quy tắc sau:

+) |t| > tn1 +n2 −2, α2 chấp nhận K:
+) |t| ≤ tn1 +n2 −2, α2 chấp nhận H:
(
H: µ1 = µ2
K: µ1 > µ2
Quy tắc:
Nếu t > tn1 +n2 −2,α chấp nhận K.
Nếu t ≤ tn1 +n2 −2,α chấp nhận H.
(
H: µ1 = µ2 (x y)
K: µ1 < µ2
108
+) t < −tn1 +n2 −2,α chấp nhận K.
+) t ≥ −tn1 +n2 −2,α chấp nhận H.
Ví dụ 41. Từ hai tập hợp chính có phân bố chuẩn X và Y ta lấy ra hai mẫu độc
lập với kích thước tương ứng là n = 40 và m = 50. Trung bình mẫu tính được là
x = 130, y = 140. Biết rằng tập hợp chính của X có giá trị trung bình µ1 chưa biết và
phương sai σ12 = 80; tập hợp chính của Y có giá trị trung bình µ2 chưa biết với phương
sai σ22 = 100. Với mức ý nghĩa α = 1%. Hãy kiểm tra hai mẫu có khác nhau không?
HD
Ta xét bài toán
(
H : µ1 = µ2
K : µ1 6= µ2
Và xét Text thống kê

x−y
t= q 2 = 5 > 2, 58
σ1 σ22
n1
+ n2
Vậy bác bỏ H.
Ví dụ 42. Sau 30 lần quan sát thi nghiẹm ta nhận thấy thời gian cần lam việc trung
bình của mỗi chi tiết điện tử là 60h. Trong cùng điều kiện tương tự tiến hành 20 lần
quan sát khi chi tiết đó chưa đạt cải tiến thì thời gian làm việc trung bình là 55h, biết
σ1 = 5h, σ2 = 7h. Hỏi sự cải tiến đó có tác dụng không với α = 1%.
HD:
x = 55 , n1 = 20 , σ1 = 5
y = 60 , n2 = 30 , σ2 = 7, α = 1%
Gọi µ1 , µ2 lần lượt là thời gian làm việc trung bình của thiết bị điện tử khi chưa được
cải tiến và thiết bị đã được cải tiến.
Xét bài toán
(
H : µ1 = µ2 (x y)
K : µ1 < µ2
x−y
t= q 2 = −2, 44
σ1 σ22
n1
+ n2
với α = 1% ⇒ uα = 2, 33 ⇒ t < −uα suy ra chấp nhận K.

Ví dụ 43. Người ta tiến hành một cuộc nghiên cứu về điểm trung bình của một vận
động viên thể dục năm 1970 và năm 1995. Một mẫu gồm 35 VĐV của năm 1970 có
số trung bình là 267 với độ lệch tiêu chuẩn mẫu là 27. Một mẫu gồm 40 VĐV năm
1995 có số điểm trung bình là 255 với độ lệch tiêu chuẩn mẫu là 30. Kiểm định xem
có sự khác nhau hay không giữa hai thế hệ vận động viên của năm 1970 và 1995. Mức
ý nghĩa α = 1.96%.
109
HD
Xét bài toán
(
H: µ1 = µ2
K: µ1 6= µ2
và xét text thống kê sau:

x−y
t= q = 1, 82 < 1, 96
s2x s2y
n1
+ n2
Do đó chấm nhận H. Do vậy không có cơ sở để cho rằng có sự khác nhau giữa hai thế
hệ vận động.
Ví dụ 44. Người ta tiến hành 1 cuộc nghiên cứu để so sánh mức lương trung bình của
phụ nữ với mức lương trung bình của nam giới trong 1 công ty lớn. Một mẫu gồm 100
phụ nữ có mức lương trung bình là 7,23 đôla/giờ với độ lệch tiêu chuẩn mẫu là 1,64
đôla/giờ. Một mẫu gồm 75 nam giới có mức lương trung bình là 8,06 đôla/giờ với độ
lệch tiêu chuẩn mẫu là 1,85 đôla/giờ. Số liệu đã cho có chứng minh được rằng mức
lương trung bình của phụ nữ trong công ty là thấp hơn nam giới hay không? Mức ý
nghĩa α = 1%.
HD
Xét bài toán
(
H: µ1 = µ2 (x = 7, 23 y = 8, 06)
K: µ1 < µ2
Ta có text thống kê sau:

x−y
t= q = −3, 07 < −2, 33
s2x s2y
n1
+ n2
Chấp nhận K tức bác bỏ H, nghĩa là mức lương trung bình của phụ nữ thấp hơn
mức lương trung bình của nam giới trong công ty.
Ví dụ 45. Sử dụng một thuật toán tạo số ngẫu nhiên trên đoạn [0, 1] theo hai phương
pháp khác nhau:
Phương pháp 1: thu được kết quả
KhoảngIi [0; 3/10) [3/10; 5/10) [5/10; 6/10) [6/10; 8/10) [8/10; 1)
Tần sốni 15 30 35 12 8
Phương pháp 2: thu được kết quả.
KhoảngIi [0; 3/10) [3/10; 5/10) [5/10; 7/10) [7/10; 8/10) [8/10; 1)
Tần sốni 17 40 35 5 3
110
Với mức ý nghĩa α = 1% Hãy kiểm tra xem 2 phương pháp trên có như nhau không?Biết
rằng tạo số ngẫu nhiên tuân theo luật phân phối chuẩn.
HD:
Gọi µ1 , µ2 là các giá trị trung bình của các số ngẫu nhiên theo hai cách.
Xét bài toán
(
H: µ1 = µ2
K: µ1 6= µ2

x−y
t= q
s2x s2
n1
+ ny2
với x, y là các trung bình mẫu có phương pháp thứ nhất và thứ hai.
Tính x, sb2x .
Gọi xi là phần tử đại diện cho các lớp ghép ta có
xi 0, 15 0, 4 0, 55 0, 7 0, 9
ni 15 30 35 12 8
suy ra
n n
1X 1X
x= ni xi = 0, 491 ; sb2x = ni (xi − x)2 = 0, 0398, s2x = 0, 0402
n i=1 n i=1
Tính y, sb2Y .
Gọi yi là phần tử đại diện cho các lớp ghép ta có
yi 0, 15 0, 4 0, 55 0, 7 0, 9
ni 17 40 35 5 3
suy ra
n n
1X 1X
y= ni yi = 0, 46 ; sb2y = ni (yi − y)2 = 0, 0347, ⇒ s2y = 0, 0351
n i=1 n i=1
Suy ra Suy ra
x−y
t= q = 1, 13
s2x s2y
n1
+ n2
và uα/2 = 2, 58 > 1, 13 suy ra chấp nhận H.

Vậy 2 phương pháp tạo số ngẫu nhiên trên đoạn [0, 1] là như nhau với mức ý nghĩa
α = 1%
Ví dụ 46. Cơ quan không gian Mỹ (NASA) đã ký hợp đồng với hai công ty A và B
sản xuất thứ pin dùng cho vệ tinh viễn thông.
111
Dựa trên kết quả của các pin thử ngiệm, NASA quyết định chọn công ty nào làm
cho nhà cung cấp pin cho vệ tinh viễn thông. Công ty A sản xuất thử 10 chiếc, có tuổi
thọ trung bình là 4,8 năm và độ lệch tiêu chuẩn là 1,1 năm. Công ty B sản xuất thử
nghiệm 12 chiếc, với tuổi thọ trung bình 4,3 năm và độ lệch tiêu chuẩn là 0,9 năm.
Giả sử tuổi thọ trung bình do pin A và B sản xuất có phân phối chuẩn và phương
sai như nhau, với mức ý nghĩa α = 1%, kiểm định xem có sự khác nhau về tuổi thọ
trung bình của hai loại pin hay không?
Ví dụ 2
Người ta ghi lại sản lượng lúa mì, tính tạ trên héc ta, của các mạnh ruộng đã bón lót
50 và 100 đơn vị đạm trên 1 héc ta
Bón 50 đơn vị được
47, 2; 43, 1; 35, 7; 47, 0; 45, 7; 42, 6; 42, 3
Bón 100 đơn vị được
47, 9; 48, 9; 43, 5; 53, 1; 50, 8; 46, 1; 41, 1 43, 0; 41, 0; 48, 5; 47, 7
Có thể kết luận là bón lót 100 đơn vị đạm cho năng suất cao hơn bón lót 50 đơn vị
đàm hay không?
Mức ý nghĩa α = 5%
HD
Xét bài toán

(
H: µ1 = µ2
K: µ1 > µ2
4.7.2 Bài toán so sánh hai giá trị tỷ lệ

Bài toán: Cho hai tập hợp ΩI ; ΩII các phần tử trên ΩI ; ΩII đều có tính chất A hoặc
không có tính chất A, với xác sấut có tính chất A là p1 , p2 (chưa biết) thực hiện quan
sát các phần tử của ΩI ; ΩII từ đó rút ra kết luận cho các bài toán sau:
( ( (
H: p 1 = p2 H: p1 = p 2 H: p1 = p2
; ;
K: p1 6= p2 K: p1 < p2 K: p1 > p2
Gọi n1 , n2 là kích thước mẫu (số lần quan sát các phần tử ΩI ; ΩII ) k1 , k2 là số lần xuất
hiện phần tử mang tính chất A tương ứng. f1 = kk21 , f2 = nk22 lần lượt là tần suất xuất
hiện phần tử có tính chất A trong ΩI ; ΩII với n1 , n2 lần quan sát.
f1 − f2
t= q
f (1 − f )( n11 + n12 )
112
với f = nk11 +n
+k2
2
tần suất xuất hiện phần tử có tính chất A sau n1 + n2 .
Khi đó chứng minh được rằng với n đủ lớn
(
nf > 10
⇒ t ∼ N (0, 1)
n(1 − f ) > 10
(
H: p1 = p2
;
K: p1 6= p2
suy ra mức ý nghĩa α ta có.

+) |t| > u α2 chấp nhận K.
+) |t| ≤ u α2 chấp nhận H.
(
H: p1 = p2
;
K: p1 > p2
suy ra mức ý nghĩa α ta có.

+) t > uα chấp nhận K.
+) t ≤ uα chấp nhận H.
(
H: p1 = p2
;
K: p1 < p2
Suy ra mức ý nghĩa α ta có.

+) t < −uα chấp nhận K.
+) t ≥ −uα chấp nhận H.
Ví dụ 47. Trước cuộc bầu cử tổng thống, người ta muốn biết tỷ lệ ủng hộ ứng cử viên
A của cử tri nam và cử tri nữ có giống nhau không, người ta tiến hành thăm dò 175
cử tri nam thì có 89 cử tri ủnh hộ và 500 cử tri nữthì có 300 cử tri ủng hộ với α = 5%
hãy đưa ra kết luận.
HD:
Ta có: n1 = 175, k1 = 89, n2 = 500, k2 = 300, α = 5% ⇒ uα = 1, 96
Gọi p1 , p2 lần lượt là tỷ lệ cử tri nam và nữ ủng hộ ứng cử viên A.
Xét bài toán
(
H: p1 = p2
;
K: p1 6= p2
113
f1 − f2
t= q
f (1 − f )( n11 + 1
n2
)
trong đó
f1 = nk11 = 89
175
= 0, 508; f2 = k2
n2
= 300
500
= 0, 6 ⇒ f = k1 +k2
n1 +n2
= 0, 576.
Ta có
f1 − f2 0, 508 − 0, 6
t= q =q = −2, 12
f (1 − f )( n11 + 1
n2
) 1
0, 576(1 − 0, 576)( 175 + 1
500
)
|t| > u α2 suy ra chấp nhận K.

Kết luận: Với mức ý nghĩa α = 5% và số liệu thống kê không thể khẳng định tỷ lệ ủng
hộ cho A của cử tri nam và nữ là giống nhau.
114
BÀI TẬP CHƯƠNG IV
Bài tập 1. Một máy sản xuất tự động, lúc đầu tỷ lệ sản phẩm loại A là 45%. Sau khi
áp dụng 1 phương pháp sản xuất mới người ta lấy ra 400 sản phẩm để kiểm tra, qua
kiểm tra thấy có 215 sản phẩm loại A. Với mức ý nghĩa 5%. Hãy kết luận xem phương
pháp sản xuất mới có thưc sự làm tăng tỷ leejsanr phẩm loại A lên hay không?
Bài tập 2. Trọng lượng trung bình khi xuất chuồng ở một trại chăn nuôi gà công nghiệp
năm trước là 2,8kg/con. Năm nay nguồi ta sử dụng một loại thức ăn mới. Cân thử 25
con khi xuất chuồng người ta tính được trung bình mẫu x = 3, 2kg; phương sai mẫu
s2 = 0, 25.
a) Với mức ý nghĩa 5%, hãy kết luận về tác dụng của loại thức ăn này(có thực sự làm
tăng trọng lượng trunh bình của đàn gà lên hay không?) b) Nếu trại chăn nuôi báo
cáo trọng lượng trung bình khi khi xuất chuồng là 3,3kg/con thì có chấp nhận được
không?Mức ý nghĩa 5%
Bài tập 3. Tỷ lệ phế phẩm của một nhà máy trước đây là 5%. Năm nay nhà máy áp
dụng một biện pháp kỹ thuật mới. Để nghiên cứu tác dụng của biện pháp kỷ thuật
mối có làm giảm tỷ lệ phế phẩm hay không người ta lấy một mẫu gồm 800 sản phẩm
để kiểm tra và thấy có 24 phế phẩm trong mẫu này.
a) Với mức ý nghĩa 5%, hãy kết luận xem biện pháp kỹ thuật mới này có thực sự làm
giảm tỷ lệ phế phẩm của nhà máy hay không?
b) Nếu nhà máy báo cáo tỷ lệ phế phẩm sau khi áp dụng biện pháp kỷ thuật mới đã
làm giảm xuống chỉ còn 2% thì có chấp nhận được hay không?với mức ý nghĩa 5%
Bài tập 4. Trọng lượng của một loại sản phẩm do một nhà máy sản xuất là ĐLNN
có phân phối chuẩn với trọng lượng trunh bình là 500gr. Sau một thời gian sản xuất
người ta nghi ngờ trọng lượng của loại sản phẩm này có xu hướng giảm sút nên tiến
hành cân thử 25 sản phẩm và thu được kết quả cho ở bảng sau:
trọng lượng(gr)X 480 485 490 495 500 510

Số sản phẩm n 2 3 8 5 3 4
Với mức ý nghĩa 5%, hãy kết luận điều nghi ngờ trên có đúng hay không?
Bài tập 5. Nếu máy làm việc một cách bình thường thì trọng lượng của một loại sản
phẩm là ĐLNN có phân phối chuẩn, với phương sai σ 2 = 25.
Nghi ngờ máy làm việc không bình thường, người ta tiến hành cân thử 20 sản phẩm
và tính được phương sai mẫu s2 = 27, 5.
Với mức ý nghĩa 2%, hãy kết luận xem máy làm việc có bình thường hay không?
DH: (KĐPS)
Bài tập 6. Trước đây định mức tiêu dùng điện cho một hộ gia đình là 140KW. Do đời
sống nâng cao, người ta theo dõi 100 hộ gia đình và thu được số liệu sau:
Lượng điện tiêu thụ 100-120 120-140 140-160 160-180 180-220

(KW/tháng)X
Số hộ n 14 25 30 20 11
115
a) Theo bạn có cần thay đổi định mức không?với mức ý nghĩa 5%(KĐTB)
Mức độ biến động của lượng điện tiêu thụ của một hộ thể hiện ở độ lệch chuẩn, nếu
trước đây độ lệch chuẩn của X là 20KW/tháng thì hiện nay mức độ biến động trên
tăng hay giảm. Hãy cho kết luận với mức ý nghĩa 5%(KĐPS)
Bài tập 7. Người ta thí nghiệm đúc một số rất lớn các sản phẩm bằng gang. Sau đó
người ta tiến hành kiểm tra 30 sản phẩm bằng cách đếm số khuyết tật ở mỗi sản phẩm
đó. Kết quả cho trong bảng sau
054335104241
054050144532
012034564233
a) Hãy ước lượng số khuyết tật trung bình ở một sản phẩm khi sản xuất như trên
với độ tin cậy 95%.
b) Giả sử sau đó người ta cải tiến cách sản xuất và số khuyết tật trung bình ở
một sản phẩm là 2 (µ0 = 2). Cho biết kết luận về phương pháp sản xuất mới này (với
α = 5%).
Bài tập 8. Đo đường kính của 20 trục máy do 1 máy tiện tự động sản xuất ra, ta được
kết quả sau(tính bằng mm):
250, 249, 251, 253, 248, 250, 250, 252, 257, 245
247, 249, 249, 250, 280, 250, 247, 253, 256, 248
Giả sử đường kính trung bình tiêu chuẩn của trục máy là 250mm(µ0 = 250). Cho
kết luận (kiểm định) về tinh hình sản xuất có đúng tiêu chuẩn không? với α = 5%.
Bài tập 9. Một máy sản suất hàng loạt. Người ta tiến hành một số mẫu kiểm tra. Kết
quả cho trong bảng sau:
Người kiểm tra Thời gian Kích thước mẫu Số sản phẩm loại A
Nguyễn Văn Tý 1-5 8h 60 14
10h 50 03
14h 50 05
4-5 8h 60 09
16h 80 10
Lê Văn Đào 1-6 8h 80 18
9h 80 20
8-6 8h 40 17
10h 300 32
a) Giả sử xí nghiệp báo cáo tỷ lệ loại A của máy là 40% thì có thể (kiêm định) chấp
nhận được không? (với α = 5%).
b) Giả sử bằng một cải tiến kỹ thuật người ta đưa tỷ lệ lọa A lên 50%. Hãy cho kết
luận (kiểm định) về sự cải tiến này với α = 1%.
116
Bài tập 10. Hàm lượng dầu trung bình trong mỗi loại trái cây lúc đầu là 5%. Người ta
chăm bón bằng 1 loại phân N và sau một thời gian, kiểm tra một số trái được kết quả
như sau:
Hàm lượng (%) Số trái

1-5 51
5-9 47
9-13 39
13-17 36
17-21 32
21-25 8
25-29 7
29-33 3
33-37 2
a) Hãy kiểm định về giã trị trung bình của loại phân N trên có làm ảnh hưởng hàm
lượng dầu ko? Với α = 1%
b) Hãy ước lượng cho hàm lượng dầu trung bình của loại trái cây đó sau chăm bón
với độ tin cậy là 99, 73%.
c) Giả sử với số liệu điều tra trên, muốn ước lượng hàm lượng dầu trung bình với
độ chính xác 0, 8% thì độ tin cậy đật được bao nhiêu?
d) Những trái có hàm lượng dầu từ 21% trở lên được gọi là loại A. Hãy ước lượng
tỷ lệ loại A với độ tin cậy 95%.
e) Có thể xem phương sai của hàm lượng dầu là 500 được không với mức ý nghĩa
α = 5%(giả thiết hàm lượng có phân phối chuẩn).
Bài tập 11. Tại một nông trường, để điều tra trọng lượng của một loại trái cây, người
ta cân thử một số trái cây và được kết quả sau:
Trọng lượng (g) Số trái cây

45-50 2
50-55 11
55-60 25
60-65 74
65-70 187
70-75 43
75-80 16
80-85 2
85-90 1
a) Hãy ước lượng trọng lượng trung bình cảu trái cây đó trong nông trường với độ
tin cậy 99%.
b) Muốn dùng trung bình của mẫu này để ước lượng trung bình với độ tin cậy 99%
và độ chính xác 0,22g thì cần thêm ít nhất bao nhiêu trái?
c) Người ta quy ước những trái cây có trọng lượng nhỏ hơn 60g là thuộc loại 2. Hãy
ước lượng tỷ lệ trái cây loại 2 với độ tin cậy 95%.
117
d) Sau đợt kiểm tra, người ta bón thêm một loại phân hóa học làm cho trọng lượng
trung bình của trái cây là 70g.Hãy kiểm định loại phân này có làm tăng tác dụng
không? Với α = 1%.
e) Có tài liệu nói phương sai của trọng lượng trái cây là 60. Hãy kiểm định phương
sai xem tài liệu đưa ra có thể chấp nhận được hay không?Với mức ý nghĩa α = 5%,
giả thiết trọng lượng có phân phối chuẩn.
Bài tập 12. Khảo sát về thu nhập và tỷ lệ thu nhập chi cho giáo dục ở một số hộ gia
đình trên địa bàn thành phố người ta thu được các số liệu sau:
Y X 10-15 15-20 20-25 25-35

200-400 40 60
400-600 90 80
600-800 30 50 20
800-1200 20 10
trong đó: X là tỷ lệ thu nhập chi cho giáo dục (tính theo %), Y là thu nhập bình
quân một người trong hộ (đơn vị là ngàn đ/tháng)
a) Hãy ước lượng tỷ lệ chi cho giáo dục trung bình của một hộ gia đình ở thành phố
với độ tin cậy là 95%
b) Những hộ gia đình có thu nhập bình quân một người trên 800 ngàn đ/tháng là hộ
có thu nhập cao. Nếu cho rằng tỷ lệ hộ có thu nhập cao ở thành phố là 10% thì có
chấp nhận được không? Với mức ý nghĩa 5%
c) Để ước lượng tỷ lệ thu nhập chi cho giáo dục trung bình của một hộ gia đình với độ
chính xác là 0.5% thì đảm bảo độ tin cậy là bao nhiêu %?Cho biết φ(2, 338) = 0, 49
d) Muốn ước lượng trung bình của thu nhập bình quân một người trong hộ với độ tin
cậy 99% và độ chính xác là 20 ngàn đ/tháng thì phải có mẫu kích thước là bao nhiêu?
Bài tập 13. Điều tra 120 sinh viên của một trường sư phạm ngoại ngữ, ta thấy có 71
sinh viên nữ và điều tra 110 sinh viên trường sư phạm kỹ thuật ta thấy có 28 nữ. Có
thể xem tỷ lệ nữ ở hai trường như nhau không? với α = 5%.
Bài tập 14. Kiểm tra 230 sản phẩm của ca ngày, ta phát hiện 4 sản phẩm hỏng. Còn
kiểm tra 160 sản phẩm của ca đêm ta phát hiện 3 sản phẩm hỏng. Có thể xem tỷ lệ
hỏng phụ thuộc vào ca ngày hay ca đêm không?Với mức ý nghĩa α = 1%.
Bài tập 15. Cân thử 100 trái cây ở nông trường I, kết quả cho như sau

35-55 3
55-75 10
75-95 25
95-115 35
115-135 20
135-155 6
155-175 1
và 361 trái cây ở nông trường II kết quả cho như sau:
118
45-50 2
50-55 11
55-60 25
60-65 74
65-70 187
70-75 43
75-80 16
80-85 2
85-90 1
Có thể xem trọng lượng trung bình của trái cây ở hai nông trường là bằng nhau
không? Với mức ý nghĩa α = 1%.
Bài tập 16. Đo đường kính 20 trục máy do máy tiện thứ nhất sản xuất kết quả là (tính
bằng mm):
250, 249, 251, 253, 248, 250, 250, 252, 257, 245
247, 249, 249, 250, 280, 250, 247, 253, 256, 248
Đo đường kính 22 trục máy do máy tiện thứ 2 sản xuất ta tính được y n2 = 249, 8; s22 =
56, 2. Có thể xem đường kính trung bình của các trục máy giống nhau ở hai máy
không? Mức ý nghĩa α = 5%.
Bài tập 17. Hai giống vịt được nuôi sau 4 tháng. Lấy mẫu n1 = 50 ở giống vịt thứ
nhất, được x̄1 = 1, 9kg và s21 = 1, lấy mẫu n2 = 80 ở giống vịt thứ hai, được x2 = 2kg
và s22 = 0, 8. Với mứ ý nghĩa α = 10%, hai giống vịt này có trọng lượng trung bình
bằng nhau không?
Bài tập 18. Chọn ngẫu nhiên 20 đại lý có áp dụng khuyến mãi thu được số lượng bán
trung bình một ngày là 140 sản phẩm và độ lệch chuẩn mẫu là 12, tại 22 đại lý không
có khuyến mãi được hai số liệu tương ứng là 120 và 10. Giả sử lượng hàng bán được có
phân phối chuẩn cùng phương sai, với mức ý nghĩa 5%, hình thức khuyến mãi có làm
tăng số lượng hàng bán ra không?
Bài tập 19. Một công ty bán hàng muốn kiểm tra hiệu quả từ việc thay đổi kiểu đóng
gói. Chọn 2 mẫu: mẫu 1 là 35 đại lý bán hàng theo loại gói cũ và mẫu 2 là 35 đại lý
bán hàng théo loại gói mới để thống kê về số gói hàng bán ra sau một tháng , thu được
2 giá trị đặc trưng cho 2 mẫu tương ứng như sau: loại gói cũ:x¯1 = 560 gói, với s1 = 20;
loại gói mới:x¯2 = 580 gói, với s2 = 30. Với mức ý nghĩa 1%, hãy đánh giá việc thay đổi
kiểu đóng gói có hiệu quả hay không?
Bài tập 20. Để so sánh tỉ lệ nảy mầm của hai giống cây trong điều kiện ẩm thấp. Người
ta đem gieo 200 hạt giống loại I có 150 hạt nảy mầm, gieo 300 giống hạt loại II có 210
hạt nảy mầm. Với mức ý nghĩa α = 0, 05, tỉ lệ nảy mầm trong điều kiện độ ẩm thấp
của 2 giống cây trên có như nhau không?
Bài tập 21. Lấy số liệu thực tế từ các hộ gia đình vaty vốn của ngân hàng nông nghiệp
đối với 2 huyện. Huyện A: có 2000 hộ vay thì có 1692 hộ sử dụng tiền vay có hiệu quả,
huyện B: có 1000 hộ vay thì có 810 hộ sử dụng tiền vay có hiệu quả. Với mức ý nghĩa
5%, tỉ lệ hộ sử dụng tiền vay có hiệu quả của huyện A có cao hơn ở huyện B không?
119
Bài tập 22. Để đánh giá về chất lượng sản phẩm của nhà máy do 2 dây chuyền sản
xuất. Người ta kiểm tra ngẫu nhiên 200 sản phẩm từ dây chuyền thứ nhất có 15 phế
phẩm, kiểm tra 300 sẳn phẩm từ dây chuyền thứ 2 có 21 phế phẩm. Từ số liệu thu được
có thể đánh giá sơ bộ dây chuyền nào làm việc tốt hơn. Với mức ý nghĩa α = 0, 08,
kiểm định đánh giá sơ bộ đó.
Bài tập 23. Có hai phương pháp gieo một loại hạt giống : theo phương pháp A gieo
125 hạt thấy có 90 hạt nẩy mầm; theo phương pháp B, gieo 100 hạt thấy có 85 hạt
nảy mầm. Từ số liệu thu được có thể đánh giá sơ bộ phương pháp gieo nào tốt hơn.
Vói mức ý nghía α = 0, 05, kiểm định đánh giá sơ bộ đó.
Bài tập 24. Để kiểm tra ngẫu nhiên 1000 công nhân ngành than thấy có 550 công nhân
nam trong đó có 30 người mắc bệnh phổi và 450 công nhân nữ trong đó có 24 người
mắc bệnh phổi. Với mức ý nghĩa là 5%
a. Tỉ lệ giới công nhân ngành than có như nhau hay không?
b. Tỉ lệ công nhân mắc bệnh phổi ở nam có cao hơn tỉ lệ ở nữ hay không?
Bài tập 25. Tại một nhà máy là việc theo chế độ 3 ca: buổi sáng , buổi chiều, buổi tối,
chọn ngẫu nhiên một số sản phẩm để kiểm tra chất lượng, thu được bẳng số liệu sau:
Chất lượngCa Sáng Chiều Tối

Chính phẩm 84 64 70
Phế phẩm 2 8 2
Với mức ý nghĩa α = 0, 05 , có thể kết luận chất lượng sản phẩm phụ thuộc vào ca
làm việc không?
Bài tập 26. Tại một nhà máy có 4 phân xưởng: I, II. III. IV; cùng sản xuất ra cùng
một laaij sản phẩm với 3 tiêu chí đánh giá chất lượng: Loại A (tốt), loại B (đạt), loại
C (chưa đạt). Kiểm tra 1000 sản phẩm khi nhập tổng kho, thu được bảng số liệu sau:
XưởngChất lượng Loại A Loại B Loại C

I 105 90 25
II 135 102 13
III 124 100 6
IV 146 138 16
Với mức ý nghĩa α = 0, 01, có thể kết luận chất lượng sản phẩn phụ thuộc vào phân
xưởng sản xuất không?
Bài tập 27. Trong 78 người dùng cafe có 30 người bị mất ngủ, trong 90 không dùng
cafe có 15 người bị mất ngủ. Với mức ý nghĩa α = 0, 05, hãy xét xem cafe có gây mất
ngủ hay không?(Nghĩa là xét xem sự mất ngủ có phụ thuộc vào việc dùng cafe hay
không?)
HD. Ta biểu diễn các số liệu qua bảng:
Hành độngTrạng thái Mất ngủ Không mất ngủ

Dùng cafe 30 48
Không dùng cafe 15 75
120
Bài tập 28. Kiểm tra chất lượng sản phẩm do 3 nhà máy sản xuất hàng xuất khẩu ta
ghi nhận được các bảng số liệu:
Nguồn hàng YChất lượng X Tốt Đạt Phải sửa Thứ phẩm
Nhà máy A 40 125 18 17
Nhà máy B 29 91 14 16
Nhà máy C 31 84 18 17
Với mức ý nghĩa α = 0, 05, xét xem chất lượng sản phẩm của 3 nhà máy có như nhau
hay không?
Bài tập 29. Năng suất lúa thử nghiệm trên 100 lô đất cho kết quả
Năng suất(xi :tấn/ha) 8-9 9-10 10-11 11-12 12-13 13-14 14-15
Số trường hợp(ni ) 8 15 21 23 16 9 8
Với mức ý nghĩa α = 0, 05, hãy xét xem X có phân phối chuẩn hya không?
Bài tập 30. Quan sát một đối tượng trong 100 ngày, gọi X là số lần xuất hiện của đối
tượng trong một ngày ta có:
Số lần/ngày : xi 0 1 2 3 4 5 6 7 8 9 10
Số ngày : ni 3 12 19 29 21 6 9 0 0 1 0
Với mức ý nghĩa α = 0, 05, hãy xét xem X ∼ B(10; 0, 3?

Bài tập 31. Gạo đủ tiêu chuẩn xuất khẩu là gạo có tỷ lệ hạt nguyên, hạt vở và tấm
như sau:
Hạt nguyên : 90%; Hạt vở : 6%; Hạt tấm : 4%
Kiểm tra 1000 hạt gạo của một lô gạo người ta thấy trong đó có:
Hạt nguyên : 880; Hạt vở : 60; Hạt tấm : 60
Hỏi lô gạo đó có đủ tiêu chuẩn xuất khẩu hay không?(Tức là có tuân theo luật phân
phối của xuất khẩu gạo hay không?), với mức ý nghĩa 5%.
121
Chương 5
Tương quan và hồi quy tuyến tính
5.1 Tương quan tuyến tính

5.1.1. Định nghĩa: Giả sử X và Y là hai biến ngẫu nhiên có DX > 0, DY > 0, hệ
số tương quan lý thuyết của biến ngẫu nhiên X và Y ký hiệu là ρ(X, Y ) được xác định
bởi công thức
E(X − EX)(Y − EY ) E(XY ) − EXEY
ρ(X, Y ) = √ = √ .
DXDY DXDY
5.1.2. Tính chất.
a) X, Y độc lập ⇒ ρ(X, Y ) = 0 suy ra X, Y không tương quan.
b) X, Y không tương quan và X, Y có phân phối chuẩn suy ra X, Y độc lập.
c) ∀X, Y là biến ngẫu nhiên thì |ρ(X, Y )| ≤ 1.
d) ρ(X, Y ) = ρ(aX + b, cY + d), a, c > 0.
e) X, Y phụ thuộc tuyến tính, Y = aX + b thì ρ(X, Y ) = 1.
5.1.3. Hệ số tương quan mẫu.
Giả sử ta có {(Xi , Yi )}i=1,n là mẫu ngẫu nhiên 2 chiều có mẫu thực nghiệm là
{(xi , yi )}i=1,n thu được khi quan sát véc tơ ngẫu nhiên (X, Y) thì hệ số tương quan
mẫu thực nghiệm r(x, y) được xác định như sau:
n
X n
X Xn
n xi y i − ( xi )( yi )
i=1 i=1 i=1
r(x, y) = s n n
s n n
X X X X
n x2i − ( xi )2 n yi2 − ( yi )2
i=1 i=1 i=1 i=1
được gọi là hệ số tương quan mẫu hoặc là

xy − x y xy − x y
r(x, y) = p 2 2 =
sbx sby sbx sby
n
X
1
trong đó xy = n
xi yi .
i=1
122
Ví dụ 1. Bảng số liệu sau là kết quả thu thập về một công ty về doanh thu(X), và số
tiền dành cho quảng cáo (Y) của một số tháng như sau:
X(Tỷ đồng) 5 7 8 11 9
Y (Triệu đồng) 45 60 75 90 80
Tìm hệ số tương quan mẫu.

Giải. Ta có bảng tính sau
xi yi xi y i x2i yi2
5 45 225 25 2025
7 60 420 49 3600
8 75 600 64 5625
11 90 990 121 8100
9 80 720 81 6400
40 350 2955 340 25750
Từ đó suy ra
n
X Xn Xn
n xi y i − ( xi )( yi )
i=1 i=1 i=1
r(x, y) = s n n
s n n
= 0.98
X X X X
2
n xi − ( xi ) 2 n yi2 − ( yi )2
i=1 i=1 i=1 i=1
Ví dụ 2. Cho mẫu quan sát của cặp biến ngẫu nhiên X, Y.

(8, 82), (8, 78), (12, 65), (12, 50), (20, 60), (20, 47), (24, 52), (24, 41),
(8, 87), (8, 58), (8, 70), (12, 65), (12, 55), (12, 52), (20, 44), (20, 66),
(20, 41), (24, 57), (24, 50), (24, 47), (8, 65), (12, 49), (20, 57), (24, 63).
HD:
Y X 8 12 20 24
82 65 60 52
78 50 47 41
87 62 44 57
58 55 66 50
70 52 41 47
65 49 57 63
ni 6 6 6 6
Ti 440 333 315 310
123
n
X
+) xi = 6.8 + 6.12 + 6.20 + 6.24 = 384
i=1
n
X n
X
+) yi = Ti = 440 + 333 + 315 + 310 = 1398
i=1 i=1
Xn
+) x2i = 6.82 + 6.122 + 6.202 + 6.242 = 7104
i=1
n
X
+) yi2 = 822 + 782 + ... + 632 = 84908
i=1
n
X
+) xi yi = 8.440 + 12.333 + 20.315 + 24.310 = 21256
i=1
PP P
xi yi − ( xi )( yi )
n
r(x, y) = p P 2 p P
n xi − ( xi )2 n yi2 − ( yi )2
P P
24 × 2156 − 384.1398
=p p
24.7104 − (384)2 24.84908 − (1398)2
5.2 Hồi quy tuyến tính

Giả sử X, Y là hai đại lượng ngẫu nhiên, Y = aX + b được gọi là hồi quy tuyến
tính theo X và đường y = ax + b được gọi là đường hồi quy tuyến tính thực nghiệm.
Quan sát (X, Y) thu được các thể hiện của mẫu ngẫu nhiên.
((X1 , Y1 ), ..., (Xn , Yn )) là (x1 , y1 ), ..., (xn , yn ).
Đường hồi quy y = ax + b được xác lập theo tiêu chuẩn
n
X
S= (yi − axi − b)2 bé nhất.
i=1
S bé nhất khi và chỉ khi

(
∂S
∂a
=0
∂S
∂b
=0
Suy ra a, b là nghiệm của hệ

(P
( x2i )a + ( xi )b = ( xi yi )
P P
P P
( xi )a + nb = yi
( P P P
i yi −( P
a = n nxP 2
xi )( yi )
xi −( xi )2
= xy−x
ŝ2x
y
⇔ P P
b = yi −an
xi
= y − ax
124
Ví dụ 3. Bảng số liệu sau là kết quả thu thập về một công ty về doanh thu(X), và số
tiền dành cho quảng cáo (Y) của một số tháng như sau:
X(Tỷ đồng) 5 7 8 11 9
Y (Triệu đồng) 45 60 75 90 80
a) Tìm phương trình hồi quy của y theo x.

b) Nếu doanh thu của một tháng nào đó là 10 tỷ đồng, hãy dự đoán chi phí quảng
cáo của công ty tháng đó là bao nhiêu?.
Giải. Từ bảng tính
xi yi xi y i x2i yi2
5 45 225 25 2025
7 60 420 49 3600
8 75 600 64 5625
11 90 990 121 8100
9 80 720 81 6400
40 350 2955 340 25750
a) Từ đó suy ra a = 7, 75; b = 8. Phương trình hồi quy là y = 7.75x + 8

b) Ta thấy x=10 suy ra y=85,5. Vậy chi phí quảng cáo của tháng đó khoảng 85,5 triệu
đồng
Ví dụ 4. Từ ví dụ 2 trên ta có
n
X
+) xi = 6.8 + 6.12 + 6.20 + 6.24 = 384
i=1
n
X n
X
+) yi = Ti = 440 + 333 + 315 + 310 = 1398
i=1 i=1
n
X
+) x2i = 6.82 + 6.122 + 6.202 + 6.242 = 7104
i=1
Xn
+) yi2 = 822 + 782 + ... + 632 = 84908
i=1
n
X
+) xi yi = 8.440 + 12.333 + 20.315 + 24.310 = 21256
i=1
Ta có đương hồi quy là

y = 1, 1583x − 38, 7172
125
BÀI TẬP CHƯƠNG V
Bài tập 1. Để nghiên cứu khả năng chịu đựng của cơ thể đối với 1 loại hóa chất người
ta tiêm vào các con chuột thí nghiệm có cùng thể trạng ban đầu những lượng hóa chất
khác nhau và quan sát thời gian sống của chúng. Kết quả cho bảng sau
Lượng hóa chất : X(mg) 1 2 3 4 5 6

Thời gian sống : Y (giờ) 30 20 20 12 10 5
1) Tìm hệ số tương quan mẫu thực nghiệm giữa lượng hóa chất và thời gian sống.
2) Tìm đường hồi quy thực nghiệm của y theo x.
3) Nếu ta tiêm cho chuột 2,3mg hóa chất đó thì chuột có khả năng sống được bao
nhiêu?
Bài tập 2. Số vi khuẩn (Y) sinh sản sau (X) giờ được ghi lại trong bảng sau qua một
thí nghiệm.
Thời gian : X(triệu) 0 1 2 3 4 5 6 7 8

Số vi khuẩn : Y (giờ) 30 32 35 40 48 52 58 62 69
1) Tìm hệ số tương quan mẫu thực nghiệm giữa X và Y.

3) Hãy dự báo về số vi khuẩn có trong 10 giờ?
Bài tập 3. Kiểm tra hai môn toán và vật lý một nhóm 10 học sinh được chọn ngẫu
nhiên từ một lớp chuyên vật lý ta có số liệu sau:
Điểm toán : X) 7 6 7 10 4 5 7 8 8 9
Số vi khuẩn : Y (giờ) 6 7 7 9 5 3 8 9 6 7
1) Tìm hệ số tương quan mẫu thực nghiệm giữa X và Y.

Bài tập 4. Bảng số liệu sau đây là kết quả thống kê về tổng giá trị hàng nông sản
(X) và tổng đầu tư xây dựng đường giao thông (Y) của một huyện trong 6 năm như
sau:(Đơn vị tỉ đồng)
X 60 45 75 90 80 70
Y 7 5 8 11 9 10
1) Tìm hệ số tương quan mẫu thực nghiệm.

3) Nếu tiền đầu tư xây dựng đường giao thông của một năm nào đó là 8,6 tỉ đồng, hãy
dự đoán tổng giá trị hàng nông sản năm đó là bao nhiêu?
Bài tập 5. Bảng số liệu sau đây là kết quả thu được của một công ty về số tiền dành
cho các hoạt động chăm sóc khách hàng (X) vào doanh thu (Y) trong 6 tháng như
sau:(Đơn vị: triệu đồng)
126
X 8 9 7 10 9 11
Y 600 700 500 900 800 1100

3) Nếu chi phí dành cho các hoạt động chăm sóc khách hàng của một tháng nào đó là
10,5 triệu đồng, hãy dự đoán doanh thu của công ty tháng đó là bao nhiêu?
Bài tập 6. Bảng số liệu sau đây:
xi 17 14 12 15 12 20
yi 31 33 25 29 27 40
ni 2 4 10 3 5 6

Bài tập 7. Cho bảng số liệu sau:
Y X 20 25 30 35
400 12 5 1 1
420 6 18 3 2
450 2 10 9
490 1 10 20

127
MỘT SỐ BẢNG THÔNG DỤNG
k
Bảng 1: Giá trị của hàm: Pλ (k) = e−λ λk!
k\λ 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
0 0,9048 0,8187 0,7408 0,6703 0,6065 0,5488 0,4966 0,4493 0,4066 0,3679
1 0,0905 0,1637 0,2222 0,2681 0,3033 0,3293 0,3476 0,3595 0,3659 0,3679
2 0,0045 0,0164 0,0333 0,0536 0,0758 0,0988 0,1217 0,1438 0,1647 0,1839
3 0,0002 0,0011 0,0033 0,0072 0,0126 0,0198 0,1284 0,1383 0,1494 0,1613
4 0,0000 0,0001 0,0003 0,0007 0,0016 0,0030 0,0050 0,0077 0,0111 0,0153
5 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004 0,0007 0,0012 0,0020 0,0031
6 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0003 0,0005
7 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
k 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
0 0,3329 0,3012 0,2725 0,2466 0,2231 0,2019 0,1827 0,1653 0,1496 0,1353
1 0,3662 0,3614 0,3543 0,3452 0,3347 0,3230 0,3106 0,2975 0,2842 0,2707
2 0,2014 0,2169 0,2303 0,2417 0,2510 0,2584 0,2640 0,2678 0,2700 0,2707
3 0,0738 0,0867 0,0998 0,1128 0,1255 0,1378 0,1496 0,1607 0,1710 0,1804
4 0,0203 0,0260 0,0324 0,0395 0,0471 0,0551 0,0636 0,0723 0,0812 0,0902
5 0,0045 0,0062 0,0084 0,0111 0,0141 0,0176 0,0216 0,0260 0,0309 0,0361
6 0,0008 0,0012 0,0018 0,0026 0,0035 0,0047 0,0061 0,0078 0,0098 0,0120
7 0,0001 0,0002 0,0003 0,0005 0,0008 0,0011 0,0015 0,0020 0,0027 0,0034
8 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002 0,0003 0,0005 0,0006 0,0009
9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002
k 3 4 5 6 7 8 9 10 11 12
0 0,04998 0,0183 0,0067 0,0025 0,0009 0,0003 0,0001 0,0000 0,0000 0,0000
1 0,1494 0,0733 0,0337 0,0149 0,0064 0,0027 0,0011 0,0005 0,0002 0,0001
2 0,2240 0,1465 0,0842 0,0446 0,0223 0,0107 0,0050 0,0023 0,0010 0,0004
3 0,2240 0,1954 0,1404 0,0892 0,0521 0,0286 0,0150 0,0076 0,0037 0,0018
4 0,1680 0,1954 0,1755 0,1339 0,0192 0,0573 0,0337 0,0189 0,0102 0,0053
5 0,1008 0,1563 0,1755 0,1606 0,1277 0,0916 0,0607 0,0378 0,0224 0,0127
6 0,0504 0,1042 0,1462 0,1606 0,1490 0,1221 0,0911 0,0631 0,0411 0,0255
7 0,0216 0,0595 0,1044 0,1377 0,1490 0,1396 0,1171 0,0901 0,0646 0,0437
8 0,0081 0,0298 0,0653 0,1033 0,1304 0,1396 0,1318 0,1126 0,0888 0,0655
9 0,0027 0,0132 0,0363 0,0688 0,1014 0,1241 0,1318 0,1251 0,1085 0,0874
10 0,0008 0,0053 0,0181 0,0413 0,0710 0,0993 0,1186 0,1251 0,1194 0,1048
11 0,0002 0,0019 0,0082 0,0225 0,0452 0,0722 0,0970 0,1137 0,1194 0,1144
12 0,0001 0,0006 0,0034 0,0113 0,0263 0,0481 0,0728 0,0948 0,1094 0,1144
13 0,0000 0,0002 0,0013 0,0052 0,0142 0,0296 0,0504 0,0729 0,0926 0,1056
14 0,0000 0,0001 0,0005 0,0022 0,0071 0,0169 0,0324 0,0521 0,0728 0,0905
15 0,0000 0,0000 0,0002 0,0009 0,0033 0,0090 0,0194 0,0347 0,0534 0,0724
128
x2
Bảng 2: Giá trị hàm Gause: ϕ(x) = √1 e− 2
2π
x 0 1 2 3 4 5 6 7 8 9
0, 0 0,3989 0,3989 0,3989 0,3988 0,3986 0,3984 0,3982 0,3980 0,3977 0,3973
0, 1 0,3970 0,3965 0,3961 0,3956 0,3951 0,3945 0,3939 0,3932 0,3925 0,3918
0, 2 0,3910 0,3902 0,3894 0,3885 0,3876 0,3867 0,3857 0,3847 0,3836 0,3825
0, 3 0,3814 0,3802 0,3790 0,3778 0,3765 0,3752 0,3739 0,3725 0,3712 0,3697
0, 4 0,3683 0,3668 0,3653 0,3637 0,3621 0,3605 0,3589 0,3572 0,3555 0,3538
0, 4 0,3683 0,3668 0,3653 0,3637 0,3621 0,3605 0,3589 0,3572 0,3555 0,3538
0, 5 0,3521 0,3503 0,3485 0,3467 0,3448 0,3429 0,3410 0,3391 0,3372 0,3352
0, 6 0,3332 0,3312 0,3292 0,3271 0,3251 0,3230 0,3209 0,3187 0,3166 0,3144
0, 7 0,3123 0,3101 0,3079 0,3056 0,3034 0,3011 0,2989 0,2966 0,2943 0,2920
0, 8 0,2879 0,2874 0,2850 0,2827 0,2803 0,2870 0,2756 0,2732 0,2709 0,2685
0, 9 0,2661 0,2637 0,2613 0,2589 0,2565 0,2541 0,2516 0,2492 0,2468 0,2444
1, 0 0,2420 0,2396 0,2371 0,2347 0,2323 0,2299 0,2275 0,2251 0,2227 0,2203
1, 1 0,2719 0,2155 0,2131 0,2107 0,2083 0,2059 0,2036 0,2012 0,1989 0,1965
1, 2 0,1942 0,1919 0,1895 0,1872 0,1849 0,1826 0,1804 0,1781 0,1758 0,1736
1, 3 0,1714 0,1691 0,1669 0,1647 0,1626 0,1604 0,1582 0,1561 0,1539 0,1518
1, 4 0,1497 0,1476 0,1456 0,1435 0,1415 0,1394 0,1374 0,1354 0,1334 0,1315
1, 5 0,1295 0,1276 0,1257 0,1238 0,1219 0,1200 0,1182 0,1163 0,1145 0,1127
1, 6 0,1109 0,1092 0,1074 0,1057 0,1040 0,1023 0,1006 0,0989 0,0973 0,0957
1, 7 0,0940 0,0925 0,0909 0,0893 0,0878 0,0863 0,0848 0,0833 0,0818 0,0804
1, 8 0,0790 0,0775 0,0761 0,0748 0,0734 0,0721 0,0707 0,0694 0,0681 0,0669
1, 9 0,0656 0,0644 0,0632 0,0620 0,0608 0,0596 0,0584 0,0573 0,0562 0,0551
2, 0 0,0504 0,0529 0,0519 0,0508 0,0498 0,0488 0,0478 0,0468 0,0459 0,0449
2, 1 0,0440 0,0431 0,0422 0,0413 0,0404 0,0396 0,0387 0,0379 0,0371 0,0363
2, 2 0,0355 0,0347 0,0339 0,0332 0,0325 0,0317 0,0310 0,0303 0,0297 0,0290
2, 3 0,0283 0,0277 0,0270 0,0264 0,0258 0,0252 0,0246 0,0241 0,0235 0,0229
2, 4 0,0224 0,0219 0,0213 0,0208 0,0203 0,0198 0,0194 0,0189 0,0184 0,0180
2, 5 0,0175 0,0171 0,0167 0,0163 0,0158 0,0154 0,0151 0,0147 0,0143 0,0139
2, 6 0,0136 0,0132 0,0129 0,0126 0,0122 0,0119 0,0116 0,0113 0,0110 0,0107
2, 7 0,0104 0,0101 0,0099 0,0096 0,0093 0,0091 0,0088 0,0086 0,0084 0,0081
2, 8 0,0079 0,0077 0,0075 0,0073 0,0071 0,0069 0,0067 0,0065 0,0063 0,0061
2, 9 0,0060 0,0058 0,0056 0,0055 0,0053 0,0051 0,0050 0,0048 0,0047 0,0046
3, 0 0,0044 0,0043 0,0042 0,0040 0,0039 0,0038 0,0037 0,0036 0,0035 0,0034
3, 1 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026 0,0025 0,0025
3, 2 0,0024 0,0023 0,0022 0,0022 0,0021 0,0020 0,0020 0,0019 0,0018 0,0018
3, 3 0,0017 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014 0,0018 0,0013
3, 4 0,0012 0,0012 0,0012 0,0011 0,0011 0,0010 0,0010 0,0010 0,0009 0,0009
3, 5 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007 0,0007 0,0007 0,0006
3, 6 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005 0,0005 0,0005 0,0005 0,0004
3, 7 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003 0,0003 0,0003 0,0003
3, 8 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003
3, 9 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0001 0,0001
4, 0 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
129
Bảng 3: Giá trị hàm phân phối chuẩn N (0, 1)
R x t2
φ(x) = √12π ∞ e− 2 dt
x 0 1 2 3 4 5 6 7 8 9
0, 0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0, 1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0, 2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0, 3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0, 4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0, 5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0, 6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0, 7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0, 8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0, 9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1, 0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1, 1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1, 2 0,88849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1, 3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1, 4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1, 5 0,9332 0,9345 0,9537 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1, 6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1, 7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1, 8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1, 9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2, 0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2, 1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2, 2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2, 3 0,9993 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2, 4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2, 5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2, 6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2, 7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2, 8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2, 9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3, 0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3, 1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3, 2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3, 3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3, 4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3, 5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3, 6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3, 7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3, 8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3, 9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
4, 0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
130
Bảng 4: Phân phối Student: X ∼ t(n)
P[X > t(n, α)] = α
n\α 0,4 0,3 0,2 0,1 0,05 0,025 0,02 0,01 0,005 0,001
1 0,325 0,727 1,376 3,078 6,314 12,706 15,895 31,821 63,675 318,309
2 0,289 0,617 1,061 1,886 2,920 4,303 4,489 6,965 9,925 22,327
3 0,277 0,584 0,978 1,638 2,353 3,182 3,482 4,541 5,841 10,215
4 0,271 0,569 0,941 1,533 2,132 2,766 2,999 3,747 4,604 7,173
5 0,267 0,559 0,920 1,467 2,015 2,571 2,757 3,365 4,032 5,893
6 0,265 0,553 0,906 1,440 1,943 2,477 2,612 3,143 3,707 5,208
7 0,263 0,549 0,896 1,415 1,895 2,365 2,517 2,998 3,499 4,785
8 0,262 0,546 0,889 1,397 1,860 2,306 2,449 2,896 3,355 4,501
9 0,261 0,543 0,883 1,383 1,833 2,262 2,398 2,821 3,250 4,297
10 0,260 0,542 0,879 1,372 1,812 2,228 2,359 2,764 3,169 4,144
11 0,260 0,540 0,876 1,363 1,796 2,201 2,328 2,718 3,106 4,025
12 0,259 0,539 0,873 1,356 1,782 2,179 2,303 2,861 3,055 3,930
13 0,259 0,538 0,870 1,350 1,771 2,160 2,282 2,650 3,012 3,852
14 0,258 0,537 0,868 1,345 1,761 2,145 2,264 2,624 2,977 3,787
15 0,258 0,536 0,866 1,341 1,753 2,131 2,249 2,602 2,947 3,733
16 0,258 0,535 0,865 1,337 1,746 2,120 2,235 2,583 2,921 3,686
17 0,257 0,534 0,863 1,333 1,740 2,110 2,224 2,567 2,898 3,646
18 0,257 0,534 0,862 1,330 1,734 2,101 2,214 2,552 2,878 3,610
19 0,257 0,533 0,861 1,328 1,729 2,093 2,205 2,539 2,861 3,579
20 0,257 0,533 0,860 1,325 1,725 2,086 2,197 2,528 2,845 3,552
21 0,257 0,532 0,859 1,323 1,721 2,080 2,189 2,518 2,831 3,527
22 0,256 0,532 0,858 1,321 1,717 2,074 2,183 2,508 2,819 3,505
23 0,256 0,532 0,858 1,319 1,714 2,069 2,177 2,500 2,807 3,485
24 0,256 0,531 0,857 1,318 1,711 2,064 2,172 2,492 2,797 3,467
25 0,256 0,531 0,856 1,316 1,708 2,060 2,167 2,485 2,787 3,450
26 0,256 0,531 0,856 1,315 1,706 2,056 2,162 2,479 2,779 3,435
27 0,256 0,531 0,855 1,314 1,703 2,052 2,158 2,473 2,771 3,421
28 0,256 0,530 0,855 1,313 1,701 2,048 2,154 2,467 2,763 3,408
29 0,256 0,530 0,854 1,311 1,699 2,045 2,150 2,462 2,756 3,396
30 0,256 0,530 0,854 1,310 1,697 2,042 2,147 2,457 2,750 3,385
40 0,255 0,529 0,851 1,303 1,684 2,021 2,123 2,423 2,704 3,307
50 0,255 0,528 0,849 1,299 1,676 2,009 2,109 2,403 2,678 3,261
60 0,254 0,527 0,848 1,296 1,671 2,000 2,099 2,390 2,660 3,232
70 0,254 0,527 0,847 1,294 1,667 1,994 2,093 2,381 2,648 3,211
80 0,254 0,526 0,846 1,292 1,664 1,990 2,088 2,374 2,639 3,195
90 0,254 0,526 0,846 1,291 1,662 1,987 2,084 2,368 2,632 3,183
10 100 0,254 0,526 0,845 1,290 1,660 1,984 2,081 2,364 2,626 3,174
131
Bảng 5: Phân phối khi bình phương: X ∼ χ2 (n)
P[X > χ2 (n, α)] = α
n\α 0,99 0,95 0,90 0,50 0,10 0,05 0,02 0,01 0,001
1 0,0002 0,0039 0,0158 0,4549 2,7055 3,8415 5,4119 6,6349 10,8276
2 0,0201 0,1026 0,2107 1,3863 4,6052 5,9915 7,8240 9,2103 1,8155
3 0,1448 0,3518 0,5844 2,3660 6,2514 7,8147 9,8374 11,3449 16,2662
4 0,2971 0,7107 1,0636 3,3567 7,7794 9,4877 11,6678 13,2767 18,4668
5 0,5543 1,1455 1,6103 4,3515 9,2364 11,0705 13,3882 15,0863 20,5150
6 0,8721 1,6354 2,2041 5,3481 10,6446 12,5916 15,0332 16,8119 22,4577
7 1,2390 2,1673 2,8331 6,3458 12,0170 14,0671 16,6224 18,4753 24,3219
8 1,6465 2,7326 3,4895 7,3441 13,3616 15,5073 18,1682 20,0902 26,1245
9 2,0879 3,3251 4,1682 8,3428 14,6837 16,9190 19,6790 21,6660 27,8772
10 2,5582 3,9403 4,8652 9,3418 15,9872 18,3070 21,1608 23,2093 27,8772
10 2,5582 3,9403 4,8652 9,3418 15,9872 18,3070 21,1608 23,2093 29,5883
11 3,0535 4,5748 5,5778 10,3410 17,2750 19,6751 22,6179 24,7250 31,2641
12 3,5706 5,2260 6,3038 11,3403 18,5493 21,0261 24,0540 26,2170 32,9095
13 4,1069 5,8919 7,0415 12,3398 19,8119 22,2620 25,4715 27,6882 34,5282
14 4,6604 6,5706 7,7895 13,3393 21,0641 23,6848 26,8728 29,1412 36,1233
15 5,2293 7,2609 8,5468 14,3389 22,3071 24,9958 28,2595 30,5779 37,6973
16 5,8122 7,9616 9,3122 15,3385 23,5418 26,2962 29,6332 31,9999 39,2524
17 6,4078 8,6718 10,0852 16,3382 24,7690 27,5871 30,9950 33,4087 40,7902
18 7,0149 9,3905 10,8649 17,3379 25,9894 28,8693 32,3462 34,8053 42,3124
19 7,6327 10,1170 11,6509 18,3377 27,2036 30,1435 33,6874 36,1909 43,8202
20 8,2604 10,8508 12,4426 19,3374 28,4120 31,4140 35,0196 37,5662 45,3147
21 8,8972 11,5913 13,2396 20,3372 29,6151 32,6706 36,3434 38,9322 46,7990
22 9,4525 12,3380 14,0415 21,3370 30,8133 33,9244 37,6595 40,2894 48,2679
23 10,1957 13,0905 14,8480 22,3369 32,0069 35,1725 38,9693 41,6384 49,7282
24 10,8564 13,8484 15,6587 23,3367 33,1962 36,4150 40,2704 42,9798 51,1786
25 11,5240 14,6114 16,4734 24,3366 34,3816 37,6525 41,5661 44,3141 52,6197
26 12,1981 15,3792 17,2919 25,3365 35,5632 38,8851 42,8558 45,6417 54,5020
27 12,8785 16,1514 18,1139 26,3363 36,7412 40,1133 44,1400 46,9629 55,4760
28 13,5647 16,9279 18,9392 27,3362 37,9159 41,3371 45,4188 48,2782 56,8923
29 14,2565 17,7084 19,7677 28,3361 39,0875 42,5570 46,6927 49,5879 58,3012
30 14,9535 18,4927 20,5992 29,3360 40,2560 43,7730 47,9618 50,8922 59,7031
132
TÀI LIỆU THAM KHẢO
[1]. Đào Hữu Hồ, Xác suất thống kê, NXB Đại học quốc gia Hà Nội, 2006.
[2]. Đặng Hùng Thắng, Mở đầu lý thuyết xác suất, NXB Giáo dục, 2000.
[3]. Đặng Hùng Thắng, Thống kê và ứng dụng, NXB Giáo dục, 1999.
[4]. Lê Sĩ Đồng, Xác suất thống kê và ứng dụng, NXB Giáo dục, 1996.
[5]. Nguyễn Văn Cao - Trần Thái Ninh, Giáo trình lý thuyết xác suất và thống kê
toán, NXB Thống kê, 2004.
[6]. Nguyễn Duy Tiến - Vũ Việt Yên, Lý thuyết xác suất, NXB Giáo dục, 2000.
[7]. Nguyễn Văn Quảng, Giáo trình xác suất, NXB Đại học quốc gia Hà Nội, 2007.
[8]. Phạm Văn Kiều, Giáo trình xác suất và thống kê, NXB Giáo dục, 2005.
[9]. Đinh Văn Gắng, Lý thuyết xác suất và thống kê, NXB Giáo dục, 2006.
[10]. Tống Đình Quỳ, Giáo trình xác suất thống kê, NXB Giáo dục, 1999.
[11]. Đào Hữu Hồ, Nguyễn Văn Hữu, Hoàng Hữu Như, Thống kê toán học, NXB
Đại học quốc gia Hà Nội, 2004.
[12]. Lý Hoàng Tú, Trần Tuấn Điệp, Lý thuyết xác suất và thống kê toán học, NXB
Giao thông vận tải, 1998.
133

Baigiang XSTK NguyenVanHung

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Baigiang XSTK NguyenVanHung

Uploaded by

Copyright:

Available Formats

BỘ THÔNG TIN VÀ TRUYỀN THÔNG

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

NGUYỄN VĂN HƯNG

BÀI GIẢNG XÁC SUẤT THỐNG KÊ

LƯU HÀNH NỘI BỘ

1 Các khái niệm cơ bản về xác suất 6

2 Biến ngẫu nhiên và hàm phân phối 26

3 Lý thuyết chọn mẫu và ước lượng tham số 58

4 Kiểm định giả thiết 89

5 Tương quan và hồi quy tuyến tính 122

Các bảng số thông dụng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

Tài liệu tham khảo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

Các khái niệm cơ bản về xác suất

1.1 Bổ túc về giải tích tổ hợp

1.1.1 Các nguyên lý đếm cơ bản

Ví dụ 1. a) Ta có 3 người A, B, C xếp vào 3 chỗ ngồi. Khi đó ta có 3! = 3.2.1 = 6 cách

23, 25, 32, 35, 52, 53

1.1.4 Chỉnh hợp lặp

22, 23, 25, 32, 33, 35, 52, 53, 55

1.2.1 Phép thử ngẫu nhiên

1.2.3 Quan hệ và phép toán giữa các biến cố.

1.3 Các định nghĩa về xác suất

1.3.1 Định nghĩa xác suất theo cổ điển

b) Gọi B là biến cố lấy được 1 quả đen, 1 quả đỏ thì

1.3.2 Định nghĩa xác suất theo tần suất và thống kê

1.3.3 Định nghĩa xác suất theo hệ tiên đề

Định nghĩa 1.3.1. σ-đại số:

Định nghĩa 1.3.2. Độ đo xác suất

C53 + C33 + C43 3

C52 C71 + C42 C81 + C32 C91 29

1.4.1 Công thức cộng xác suất

P (A ∪ B) = P (A) + P (B) − P (AB)

1.4.2 Công thức nhân xác suất

a) Xác suất điều kiện

b) Sự độc lập của các biến cố

P (AB) = P (A)P (B)

c) Công thức nhân xác suất

Giả sử đúng với n − 1 tức là

P (A1 A2 ...An−1 ) = P (A1 )P (A2 /A1 )...P (An−1 /A1 A2 ...An−2 )

P (A1 A2 ...An ) = P (A1 A2 ...An−1 )P (An /A1 A2 ...An−1 )

⇒P (A1 A2 + A1 A2 ) = P (A1 A2 ) + P (A1 A2 )

P (B) = P (AB) + P (AB)

1.4.3 Công thức xác suất đầy đủ và công thức Bayes

Công thức này được gọi là công thức Bayes

A = AΩ = A ∪ni=1 Bi = ∪ni=1 ABi

b) Theo quy tắc nhân

P (A) = P (B1 )P (A/B1 ) + P (B2 )P (A/B2 )

b. Xác suất để linh kiện tốt đó do máy thứ 2 sản xuất là

P (A) = P (H)P (A/H) + P (H)P (A/H)

P (A) = P (H1 )P (A/H1 ) + P (H2 )P (A/H2 )

P (H1 )P (A/H1 ) 0, 3.0, 6

P (A) = P (H1 )P (A/H1 ) + P (H2 )P (A/H2 ) + P (H3 )P (A/H3 )

1.4.4 Dãy phép thử Bernoulli và công thức nhị thức

Công thức nhị thức

Pn (k) = Cnk pk (1 − p)n−k = Cnk pk (q)n−k = Pn (k, p).

Khi đó số k0 , (0 ≤ k0 ≤ n) được gọi là số có khả năng nhất nếu

trong đó k0 được tính theo công thức sau:

• Xác suất để A xuất hiện 1, 2, 3, 4, 5 lần

P10 (n, p) = P10 (0, 0.001)

d. Ta có q = 1 − p = 1 − 0.001 = 0.999 mà q(1 + n) = 11.0, 999 = 10, 989 không phải

Biến ngẫu nhiên và hàm phân phối

2.1 Khái niệm biến ngẫu nhiên và hàm phân phối

2.1.1 Khái niệm biến ngẫu nhiên