Ước lượng điểm

Ước lượng khoảng

Chương 3: Ước lượng tham số

Tiến sĩ Nguyễn Phúc Sơn

Trường Đại học Kinh tế - Luật

Đại học Quốc gia Thành phố Hồ Chí Minh

Ngày 25 tháng 7 năm 2020

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm
Ước lượng khoảng

Table of Contents

1 Ước lượng điểm

2 Ước lượng khoảng

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm
Ước lượng khoảng

Ba loại ước lượng thống kê

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm
Ước lượng khoảng

Ước lượng điểm

Tham số tổng thể là một hằng số nên ta dùng tính một số từ

mẫu để ước lượng cho tham số này.
Ví dụ:
Trung bình mẫu X̄ là một ước lượng điểm cho trung bình tổng
thế µ.
Phương sai mẫu hiệu chỉnh S 2 là một ước lượng điểm cho
phương sai tổng thế σ 2 .
Tần suát mẫu f là một ước lượng điểm cho tần suất tổng thế
p.
Thường có nhiều cách để tạo ra một ước lượng điểm cho một
tham số, do đó ta cần một số tiêu chí (criteria) để biết cách
ước lượng nào tốt hơn.

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm
Ước lượng khoảng

Tiêu chuẩn chọn ước lượng

Giả sử
θ là một tham số tổng thẻ.
θ̂1 là một ước lượng điểm của θ.
Nhắc lại là θ̂1 đi kèm với một phân phối mẫu P̂1 .
Khi đó
Không chệch (unbiased) θ̂ được gọi là ước lượng không chệch
nếu
E [θ̂] = θ
nghĩa là kỳ vọng (trung bình) của θ̂ trong phân phối mẫu P̂
chính là tham số tổng thể.

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm
Ước lượng khoảng

Tiêu chuẩn chọn ước lượng (tt)

Ước lượng vững (consistency): θ̂ được gọi là ước lượng vững

nếu xác suất θ̂ gần tham số θ tăng theo cỡ mẫu n.

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm
Ước lượng khoảng

Tiêu chuẩn chọn ước lượng (tt)

Ước lượng hiệu quả (efficient estimator): Giả sử có cách thứ 2

để ước lượng θ, tạm gọi là θ̂2 . θ̂2 có phân phối mẫu của riêng
nó là P̂2 .
θ̂1 có phương sai là S12 và θ̂2 có phương sai là S22 . Nếu

S12 < S22

thì ước lượng θ̂1 được gọi là hiệu quả hơn θ̂2 .

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Table of Contents

1 Ước lượng điểm

2 Ước lượng khoảng

Ước lượng khoảng một tổng thể
Ước lượng khoảng hai tổng thể

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng

Nhắc lại ví dụ đoán giá xăng tháng tới.

Nếu ước lượng điểm (mỗi người cho 1 con số) thì chúng ta có
đoán đúng ko ?
Trong thực tế, có cần phải đoán giá xăng chính xác đến từng
đồng ?
Từ ví dụ trên dẫn đến nhu cầu dự đoán theo khoảng giá trị
thay vì chỉ một số như ước lượng điểm.

Ước lượng khoảng tin cậy (confidence interval estimate)

Ước lượng khoảng tin cậy là một khoảng giá trị [l, u] được tính từ
mẫu (sample data) sao cho tham số tổng thể sẽ lọt vào trong
khoảng này với một xác suất cho trước. Xác suất này được chỉ định
trước bởi người dùng và được gọi là độ tin cậy (level of confidence)

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng (tt)

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng (tt)

Ước lượng khoảng phụ thuộc vào phân phối mẫu.

Đến lượt mình,theo chương 2 phân phối mẫu phụ thuộc vào
1 Cỡ mẫu n
2 Phương sai của tổng thể σ 2 . Lưu ý: σ 2 thường không biết nên
được ước lượng thông qua S 2
Cuối cùng, khoảng phụ thuộc vào độ tin cậy 1 − α hay nói
cách khác nó phụ thuộc mức độ chấp nhận sai lầm của người
dùng.

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng (tt)

Hình: Nọi dung ước lượng khoảng chương 3

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số
 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng trung bình tổng thể

Trường hợp đã biết phương sai tổng thể σ 2

Lưu ý:
“đã biết” là nói quá vì về mặt nguyên tắc, σ 2 mãi mãi
unknown do không bao giờ biết toàn bộ population.
Tuy nhiên, trong một số trường hợp khi người dùng là true
expert, có kinh nghiệm cực tốt và data rất ổn định, ít thay
đổi theo thời gian thì ước lượng cá nhân của true expert có
thể xem như σ 2 .
Nhắc lại, phân phối mẫu của trường hợp này là

σ2
 
X̄ ∼ N µ,
n

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng trung bình tổng thể (tt)

Như vậy, theo LTXS
X̄ − µ
σ ∼ N(0, 1)
√
n

Như vậy, có thể sử dụng bảng Z để tìm zα và giá trị đối xưng
z1−α sao cho
 
X̄ − µ
P −zα/2 < σ < zα/2  = 1 − α
 
√
n
Hay nói cách khác
 
σ σ
P X̄ − zα/2 √ < µ < X̄ + zα/2 √ =1−α
n n
Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số
 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng trung bình tổng thể (tt)

Cuối cùng, khoảng tin cậy của µ với độ tin cậy 1 − α là

 
σ σ
X̄ − zα/2 √ , X̄ + zα/2 √
n n

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng trung bình tổng thể

Trường hợp chưa biết phương sai tổng thể σ 2

S 2 thay vai trò của σ 2
Phân phối student-t thay vai trò của phân phối chuẩn.
Quy luật phân phối mẫu

X̄ − µ
T = ∼ T (n − 1)
S
√
n

phân phối t với bậc tự do df = n − 1

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

LTXS- Phân phối student t

Tương tự phân phối Z , nó có dạng hình chuông, đối xứng và

trung bình tại 0.
Tuy nhiên, student t là một họ phân phối phân biệt bởi bậc
tự do df . Độ lệch chuẩn khác nhau theo df , df càng nhỏ thì
độ lệch chuẩn càng lớn (đồ thị mật độ càng bẹt).
df càng lớn thì student t càng giống phân phối Z . Khi
df > 30 thì sai biệt rất nhỏ, trong ứng dụng, nhiều khi người
ta bỏ qua.
Phân phối t có bảng tra.
Click seeing theory - student t

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng trung bình tổng thể (tt)

Trường hợp chưa biết phương sai tổng thể σ 2

Tương tự, ta có khoảng tin cậy với độ tin cậy 1 − α
 
n−1 S n−1 S
X̄ − tα/2 √ , X̄ + tα/2 √
n n

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng phương sai tổng thể

Chúng ta không biết cả trung bình tổng thể µ và phương sai

tổng thể σ 2 .
Từ mục phân phối mẫu, ta đã có kết quả sau

(n − 1)S 2
χ2 = ∼ χ2 (n − 1)
σ2
Giải σ 2 ra
(n − 1)S 2
σ2 =
χ2
Tra bảng χ2 , ta có khoảng tin cậy (df = n − 1)
!
(n − 1)S 2 (n − 1)S 2
,
χ2α/2 χ21−α/2

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Xác định cỡ mẫu

Trong ước lượng khoảng tin cậy, sai số E (margin of error) là
1/2 độ rộng khoảng như hình dưới đây

Hình: Sai số khoảng ước lượng

Trong ứng dụng, với độ tin cậy cho trước 1 − α, chúng ta tìm
kích cỡ n để thu thập mẫu sao cho sai số E bằng một mức đủ
nhỏ xác định trước.
Nhận xét: Nếu E quá lớn thì không hữu ích cho việc hoạch
định trong kinh doanh.
Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số
 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Xác định cỡ mẫu (tt)

Trường hợp biết σ 2

 
σ σ
X̄ − zα/2 √ , X̄ + zα/2 √
n n

Sai số
σ
E = zα/2 √
n
Nếu cho trước E thì cỡ mẫu n tính ngược lại sẽ có kết quả
sau:
2 σ2
sα/2
n=
E2

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Xác định cỡ mẫu (tt)

Trường hợp không biết σ 2

Sai số
n−1 S
E = tα/2 √
n
Nếu cho trước E thì cỡ mẫu n tính ngược lại sẽ có kết quả
sau:
n−1 2 2
(tα/2 ) S
n=
E2

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng phương sai tổng thể (tt)

Hình: Mật độ χ2

Click seeing theory - χ2

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số
 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng tần suất tổng thể

Nhắc lại: Tần suất tổng thể ký hiệu là p, tần suất mẫu ký
hiệu là f . Trong đó, f là ước lượng điểm của p.
Phân phối mẫu
 
p(1 − p)
f ∼ N p,
n

Tuy nhiên, do p không biết và cỡ mẫu n thường lớn (>30)

nên ta thay thế p trong công thức phương sai bằng f . Khi đó,
f −p
Z=r ∼ N(0, 1)
f (1 − f )
n

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Ước lượng khoảng tần suất tổng thể (tt)

Tra cứu bảng

 
 f −p 
P −zα/2 < r < zα/2

 f (1 − f ) 
n

Khoảng tin cậy

r r !
f (1 − f ) f (1 − f )
f − zα/2 , f + zα/2
n n

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Khác biệt trung bình hai tổng thể độc lập

Hai tổng thể độc lập nhau

X ∼ N(µ1 , σ12 )
Y ∼ N(µ2 , σ22 )
Ví dụ: Hai chi nhánh của chain coffee shop như Highland,
khách hàng đến 2 branches độc lập nhau.
Câu hỏi: So sánh trung bình tổng thể, nói cách khác µ1 − µ2
so với số 0.
Nhắc lại phần phân phối mẫu

σ12 σ22
 
(X̄1 − X̄2 ) ∼ N µ1 − µ2 , +
n1 n2

nếu biết σ12 và σ22

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Khác biệt trung bình hai tổng thể độc lập (tt)
Nếu không biết σ12 và σ22
Nếu cả n1 và n2 đều lớn hơn 30 thì thay σ12 và σ22 bằng S12 và
S22 trong công thức trên.
Nếu cỡ mẫu nhỏ và giả sử hai phương sai tổng thể bằng nhau
thì ước lượng phương sai chung bằng pooled variance
(n1 − 1)S12 + (n2 − 1)S22
Sp2 =
n1 + n2 − 2
Nếu không thể giả sử hai phương sai tổng thể bằng nhau thì
quy luật phân phối mẫu là student t với bậc tự do
 2 2
s1 s22
+
n1 n2
df =  2  2 2
2
s1 s2
n1 n2
+
n1 − 1 n2 − 1
Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số
 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Khác biệt trung bình hai tổng thể độc lập (tt)

Phương sai mẫu

s12 s2
+ 2
n1 n2
Việc ước lượng khoảng tin cậy là routine giống trường hợp
trước.

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số

 Ước lượng điểm Ước lượng khoảng một tổng thể
Ước lượng khoảng Ước lượng khoảng hai tổng thể

Khác biệt giữa hai tỉ lệ tổng thể

Nhắc lại: quy luật phân phối mẫu của hiệu tỷ lệ mẫu f1 − f2
của hai tổng thể độc lập là phân phối chuẩn với
Trung bình mẫu
E [Z ] = p1 − p2
Phương sai mẫu:

p1 (1 − p1 ) p2 (1 − p2 )
+
n1 n2

Ở đây, do tham số tổng thể p1 và p2 không biết nên ta thay

chúng bằng f1 và f2 trong công thức phương sai

f1 (1 − f1 ) f2 (1 − f2 )
+
n1 n2

Tiến sĩ Nguyễn Phúc Sơn Chương 3: Ước lượng tham số