TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

TS Phùng Duy Quang

GIÁO TRÌNH XÁC SUẤT

VÀ THỐNG KÊ TOÁN

(Bản thảo năm 2021)

Nhà xuất bản Đại học Sư phạm Hà nội, 2021

1
 MỤC LỤC

LỜI NÓI ĐẦU .....................................................................................................................................4

Phần I. LÝ THUYẾT XÁC SUẤT.....................................................................................................6

Chương I: Biến cố và phép tính xác suất ..........................................................................................6

§ 1. Giải tích tổ hợp ............................................................................................................................ 6

§2. Biến cố ngẫu nhiên và quan hệ giữa các biến cố ngẫu nhiên ....................................................... 8

§3. Định nghĩa xác suất của biến cố ................................................................................................. 12

§4. Công thức tính xác suất .............................................................................................................. 17

Chương 2. Biến ngẫu nhiên và quy luật phân phối xác suất của biến ngẫu nhiên ......................25

§1. Biến ngẫu nhiên .......................................................................................................................... 25

§2. Quy luật phân phối xác suất của biến ngẫu nhiên ...................................................................... 26

§3.Các tham số đặc trưng của biến ngẫu nhiên ................................................................................ 32

§4. Biến ngẫu nhiên hai chiều .......................................................................................................... 38

§5. Các quy luật phân phối xác suất thông dụng .............................................................................. 51

II. THỐNG KÊ TOÁN

Chương 3. Cơ sở lý thuyết mẫu .......................................................................................................63

§ 1. Các khái niệm cơ bản ................................................................................................................ 63

§2. Thống kê và đặc trưng của mẫu ngẫu nhiên ............................................................................... 66

§3. Quy luật phân phối xác suất của một số thống kê mẫu .............................................................. 71

§1. Phương pháp ước lượng điểm .................................................................................................... 74

§2. Phương pháp ước lượng khoảng tin cậy ..................................................................................... 78

Chương 4. Kiểm định giả thuyết thống kê ......................................................................................90

§1. Giả thuyết thống kê .................................................................................................................... 90

§2. Kiểm định giả thuyết về kỳ vọng toán........................................................................................ 91

§3. Kiểm định giả thiết về phương sai của biến ngẫu nhiên phân phối chuẩn ................................. 96

§4. Kiểm định giả thiết về tham số p của biến ngẫu nhiên phân phối A(p) ..................................... 99

2
§ 5. Suy diễn thống kê .................................................................................................................... 102

§6. Một số bài toán chứng minh ..................................................................................................... 111

TÀI LIỆU THAM KHẢO ..............................................................................................................146

3
 LỜI NÓI ĐẦU

Giáo trình xác suất và thống kê toán được biên soạn cho sinh viên các ngành
kinh tế, quản trị kinh doanh và tài chính ngân hàng của Trường Đại học Ngoại thương
sau khi đã trang bị các kiến thức cơ bản về toán cao cấp bao gồm giải tích cổ điển và
đại số tuyến tính.
Mục đích của giáo trình là trang bị cho các nhà kinh tế tương lai phần đảm bảo
toán học cho quá trình thu thập và xử lý thông tin kinh tế - xã hội sẽ được tiếp tục
nghiên cứu trong các giáo trình khác như Lý thuyết thống kê kinh tế, Kinh tế lượng,
Marketing ....
Giáo trình được viết theo quan điểm thực hành, chú trọng việc áp dụng các
phương pháp của xác suất, thống kê toán trong nghiên cứu kinh tế, quản trị kinh
daonh, tài chính ngân hàng hơn là trình bày dưới dạng thuần túy toán học. Mỗi khái
niệm, vấn đề hay phương pháp đều được minh họa bằng các ví dụ trong nhiều lĩnh
vực kinh tế khác nhau nhằm giới thiệu khả năng ứng dụng rộng rãi của các phương
pháp đó.
Mặc dù đối tượng phục vụ của giáo trình là sinh viên các ngành kinh tế, quản trị
kinh doanh và tài chính ngân hàng; nó vẫn có ích cho tất cả những ai trong công việc
hoặc trong nghiên cứu phải tiến hành thu thập và xử lý một khối lượng lớn thôn tin, số
liệu. Ngoài lời nói đầu, mục lục, tài liệu tham khảo, giáo trình được kết cục gồm:
Phần I. LÝ THUYẾT XÁC SUẤT
Chương 1. Biến cố và phép tính xác suất
Chương 2. Biến ngẫu nhiên và quy luật phân phối xác suất
Phần II. THỐNG KÊ TOÁN
Chương 3. Mẫu ngẫu nhiên
Chương 4. Ước lượng tham số của biến ngẫu nhiên
Chương 5. Kiểm định giả thuyết thống kê
Giáo trình lần đầu tiên ra mắt bạn đọc nên không thể tránh các sai sót. Mọi góp ý
xin gửi về TS Phùng Duy Quang, Khoa Cơ bản, Trường Đại học Ngoại thương, địa
chỉ email: quangpd@ftu.edu.vn.

Trân trọng giới thiệu cùng bạn đọc.

4
Hà nội, ngày 03 tháng 02 năm 2021

Chủ biên

TS Phùng Duy Quang

5
 Phần I. LÝ THUYẾT XÁC SUẤT

Chương I: Biến cố và phép tính xác suất

§ 1. Giải tích tổ hợp

1. Quy tắc cộng và quy tắc nhân
* Quy tắc cộng: Một hành động H xảy ra khi và chỉ khi có một trong k hành
động Hi xảy ra ( i  1, k ) (Hi và Hj không đồng thời xảy ra). Hành động H được gọi là
tuân theo quy tắc cộng. Nếu hành động Hi có mi cách chọn thì H có m1 + m2 + …+mk
cách chọn.
* Quy tắc nhân: Một hành động H xảy ra khi và chỉ khi đồng thời k hành động
Hi xảy ra ( i  1, k ). Hành động H được gọi là tuân theo quy tắc nhân. Nếu hành động
Hi có mi cách chọn thì H có m1. m2 …mk cách chọn H.
2. Hoán vị
Mỗi cách sắp xếp n phần tử khác nhau theo một thứ tự nhất định được gọi là một
hoán vị của n phần tử đó. Số hoán vị: Pn = 1.2.3…n = n!. Quy ước: 0! =1
3. Chỉnh hợp
Cho tập X  x1 , x 2 , ..., x n  ;1 k  n . Sắp xếp k phần tử của tập X theo một thứ tự

n!
nhất định được một chỉnh hợp chập k của X. Số chỉnh hợp: A kn  .
(n  k)!

Ví dụ 1. Hãy liệt kê các chỉnh hợp chập 2 của 3 của tập hợp X = a, b, c

Giải: Các chỉnh hợp chập 2 của 3 của tập X là ab, ba, bc, cb, ac, ca
4. Tổ hợp
Cho tập X  x1 , x 2 , ..., x n  ;1 k  n . Mỗi tập con có k phần tử của tập X được gọi

n! k A kn
là một tổ hợp chập k của n của X. Số tổ hợp C  
n
k!(n  k)! k!

Tính chất:
+) Ckn  Cnn  k , đặc biệt C0n  Cnn  1, C1n  Cnn 1  n

+) Ckn 11  Ckn 1  Cnk

+) C0n  C1n  ...  Cnn  2n

6
 5. Chỉnh hợp lặp
Chỉnh hợp lặp chập k của n phần tử là một bộ có thứ tự k phần tử chọn từ tập
hợp X có n phần tử. Lưu ý rằng mỗi phần tử có thể xuất hiện nhiều lần.
Số chỉnh hợp lặp: A kn  n k
6. Nhị thức Newton
n n
n k k n k
(a  b)   C a b n   Cnk a n  k b k
k 0 k 0

7
 §2. Biến cố ngẫu nhiên và quan hệ giữa các biến cố ngẫu nhiên

1. Phép thử và biến cố

Việc thực hiện một nhóm các điều kiện cơ bản để quan sát một hiện tượng nào đó xảy
ra hay không được gọi là thực hiện một phép thử, còn hiện tượng có thể xảy ra trong
kết quả của phép thử được gọi là biến cố.
Phép thử, ký hiệu: T
Biến cố, ký hiệu: A, B, C, …
Ví dụ 1. Tung một đồng tiền cân đối đồng chất trên mặt phẳng là thực hiện một phép
thử. Các biến cố của phép thử là S = “mặt sấp xuất hiện’, N = “mặt ngửa xuất hiện”.
Ví dụ 2. Bắn một phát súng vào một tấm bia là thực hiện một phép thử. Các biến cố là
“đạn trúng bia”, “đạn không trúng bia”,…
Ví dụ 3. Tung một con xúc sắc cân đối đồng chất trên mặt phẳng là thực hiện một
phép thử. Gọi Ai = “ mặt i chấm xuất hiện” (i =1,.., 6).

2. Các loại biến cố

Giả sử thực hiện một phép thử nào đó, ta có các loại biến cố sau:
* Biến cố chắc chắn: Biến cố chắc chắn là biến cố nhất định xảy ra trong phép thử,
ký hiệu là U.
* Biến cố không: Biến cố không là biến cố không thể xảy ra trong phép thử, ký hiệu
là V.
Ví dụ 4. Trong phép thử ở ví dụ 3. Biến cố “mặt xuất hiện có số chấm nhỏ hơn 7” là
biến cố U, biến cố “mặt xuất hiện có số chấm bằng 7” là biến cố V.
* Biến cố ngẫu nhiên: Các biến cố có thể xảy ra hoặc không thể xảy ra khi thực hiện
phép thử được gọi là biến cố ngẫu nhiên.
Ví dụ 5. Các biến cố ở ví dụ 1, ví dụ 2, ví dụ 3 là các biến cố ngẫu nhiên.
* Biến cố sơ cấp: Một phép thử được xác định bằng một tập hợp các kết quả cụ thể
của nó, các kết quả này là các kết quả nhỏ nhất của phép thử mà không thể chia nhỏ
được hơn nữa. Các kết quả này được gọi là các biến cố sơ cấp. Tập hợp các biến cố sơ
cấp được gọi là không gian xác suất   i ;i  1,.., n .

8
Ví dụ 6. Các biến cố Ai trong ví dụ 3 là các biến cố sơ cấp.
* Biến cố đồng khả năng: Biến cố đồng khả năng là các biến cố có cùng khả năng
xuất hiện như nhau trong một phép thử.

3. Phép toán và quan hệ giữa các biến cố

a. Tổng của các biến cố

Tổng của hai biến cố A và B là biến cố xuất hiện khi ít nhất A hoặc B xuất hiện, ký
hiệu A + B.
Có nghĩa: A + B xảy ra khi và chỉ khi hoặc A xảy ra hoặc B xảy ra.
Tổng của n biến cố A1, A2, …, An là biến cố xuất hiện khi ít nhất một biến cố Ai
( i  1,2,..., n ) xuất hiện, ký hiệu A1 + A2 + … + An.
b. Tích của các biến cố
Tích của hai biến cố A và B là biến cố xuất hiện khi đồng thời A và B xuất hiện, ký
hiệu AB.
Có nghĩa: A.B xảy ra khi và chỉ khi A xảy ra và B xảy ra.
Tích của n biến cố A1, A2, …, An là biến cố xuất hiện khi đồng thời n biến cố Ai
( i  1,2,..., n ) xuất hiện, ký hiệu A1A2 …An.
c. Hiệu hai biến cố
Hiệu của hai biến cố A và B là biến cố xuất hiện khi đồng thời A xuất hiện và B
không xuất hiện, ký hiệu A\B.
Có nghĩa: A\B xảy ra khi và chỉ khi A xảy ra và B không xảy ra.
d. Biến cố đối lập
Biến cố đối lập của A là biến cố không xuất hiện A, ký hiệu A .
A  A  U
Hiển nhiên ta có:  , A  A , U  V , A \ B  AB
A.A  V

e. Phép kéo theo, phép tương đương

Biến cố A kéo theo B nếu A xuất hiện thì B xuất hiện, ký hiệu A  B
Nếu A kéo theo B và B kéo theo A thì A tương đương với B, ký hiệu A = B.
A  B
Hay A  B  
B  A
f. Biến cố xung khắc

9
Hai biến cố A và B được gọi là xung khắc nếu chúng không đồng thời xuất hiện, ký
hiệu AB = V.
Ví dụ: Tung con xúc sắc cân đối đồng chất trên mặt phẳng. A1 và A2 là xung khắc.
Ai và Aj là xung khắc (i khác j).
g. Các tính chất
Giống như các tính chất trên tập hợp, các phép toán trên các biến cố có tác tính chất
sau:
* Giao hoán:
A + B = B +A AB = BA
* Kết hợp:
(A + B) + C = A + (B + C) (AB)C = A(BC)
* Phân phối:
A(B + C) = AB + AC (A+ B)C = AC + BC
* Một số tính chất khác
A + A = A, AA = A, AU = A, AV = V
A  B  B  A , A, B  A  B, AB  A, B

A  B  AB , AB  A  B

4. Hệ đầy đủ các biến cố

Dãy n biến cố {B1, B2, …, Bn} được gọi là hệ đầy đủ n biến cố nếu thỏa mãn:
i) Các biến cố của hệ xung khắc từng đôi một: BiBj = V (i  j)
n
ii) B
i 1
i U

Ví dụ 7. Ba xạ thủ cùng bắn một viên đạn vào một bia. Gọi Ai là biến cố xạ thủ thứ i
bắn trúng bia (i = 1, 2, 3). Hãy biểu diễn qua Ai các biến cố sau:
a) A = “ Bia bị trúng đạn”
b) B = “ Cả ba viên đạn trúng bia”
c) C = “ Không viên đạn nào trúng bia”
d) D = “Chỉ có 1 viên đạn trúng bia”
Giải:
a) A = A1 + A2 + A3
b) B = A1A2A3

10
c) C = A1.A 2 .A3
d) D  A1 A 2 A3  A1A 2 A3  A1 A 2 A3

11
 §3. Định nghĩa xác suất của biến cố

Một biến cố ngẫu nhiên có xảy ra hay không xảy ra khi thực hiện phép thử không thể
đoán trước được. Tuy nhiên điều mà ta có thể quan tâm là mức độ xuất hiện của biến
cố này nhiều hay ít trong phép thử. Khái niệm xác suất được hình thành để nghiên cứu
vấn đề này.

1. Định nghĩa cổ điển về xác suất

Trong phép thử T có xuất hiện biến cố A. Trong đó, có n kết cục duy nhất đồng khả
năng và có m kết cục thuận lợi cho biến cố A. Khi đó, xác suất của biến cố A, ký hiệu
m
P(A) được xác định như sau: P(A) =
n
Tính chất:
i) 0  P(A)  1
ii) P(U) = 1
iii) P(V) = 0
iv) A  B  P(A)  P(B)
Ví dụ 1. Tung một con xúc sắc cân đối đồng chất trên mặt phẳng. Tính xác suất để:
a. Xuất hiện mặt 6 chấm.
b. Xuất hiện mặt có số chấm là bội của 3.
Giải: Gieo một con xúc sắc thì có 6 kết cục duy nhất đồng khả năng xảy ra, n = 6.
a.Gọi A là biến cố “ xuất hiện mặt 6 chấm”, khi đó số kết cục thuận lợi cho biến cố A
1
là mA = 1. Vậy P(A)  .
6
b. Gọi B là biến cố “ xuất hiện mặt có số chấm là bội của 3”, khi đó số kết cục thuận
2 1
lợi cho B là mB = 2. Vậy P(B)   .
6 3
Ví dụ 2. Một hộp có 6 sản phẩm tốt và 4 sản phẩm xấu.
a. Lấy ngẫu nhiên từ hộp ra một sản phẩm, tính xác suất để được sản phẩm tốt.
b. Lấy ngẫu nhiên đồng thời từ hộp ra hai sản phẩm, tính xác suất để lấy được hai sản
phẩm tốt.

12
c. Lấy ngẫu nhiên có hoàn lại lần lượt từ hộp ra hai sản phẩm, tính xác suất để lấy
được hai sản phẩm tốt.
Giải:
Gọi A, B, C tương ứng là các biến cố ở câu hỏi a, b, c.
a. Khi lấy ngẫu nhiên từ hộp ra một sản phẩm, có 10 sự lựa chọn đồng khả năng, tức n
= 10. Số khả năng thuận lợi cho biến cố A là mA = 6. Khi đó, xác suất của biến cố A
6 3
bằng P(A)   .
10 5
b. Khi lấy ngẫu nhiên từ hộp ra hai sản phẩm, số kết cục đồng khả năng là n  C102 .

Số khả năng thuận lợi cho biến cố B là mB = C62 . Do đó, xác suất của biến cố B là

C62 1
P(B)  2
 .
C10 3

c. Số kết cục thuận lợi cho phép thử là n = 10.10.

Số khả năng thuận lợi cho biến cố C là mC = 6.6.
6.6 9
Vậy, xác suất của biến cố C là P(C)   .
10.10 25
Chú ý 1. Định nghĩa cổ điển về xác suất có ưu điểm là dễ vận dụng, tuy nhiên định
nghĩa này chỉ áp dụng được với các phép thử có hữu hạn kết cục đồng khả năng xảy
ra, trong nhiều bài toán thực tế, việc tính hết các kết cục của một phép thử không dễ
dàng.

2. Định nghĩa thống kê của xác suất

Giả sử tiến hành n phép thử cùng loại, trong mỗi phép thử có thể xuất hiện hoặc
không xuất hiện biến cố A, gọi k là số phép thử xuất hiện biến cố A trong n phép thử.
k
Khi đó, tần suất xuất hiện biến cố A trong n phép thử đã cho là fn(A) = .
n
Xác suất của biến cố A là giới hạn của tần suất khi số phép thử tăng lên vô hạn:
P(A)  lim f n (A)
n 

Khi n khá lớn, với sai số cho phép có thể lấy fn(A) thay thế cho P(A).
Ví dụ 3. Khi gieo một đồng xu nhiều lần người ta thu được kết quả sau:
Người thí Số lần Số lần xuất hiện Tần suất (f)
nghiệm gieo (n) mặt sấp (k)

13
 Buffon 4040 2048 0,5080
Pearson 12000 6019 0,5016
Pearson 24000 12012 0,5005
Từ đó có thể thấy rằng khi số lần gieo càng lớn, tần suất xuất hiện mặt sấp càng gần
với xác suất xuất hiện mặt sấp là 0,5.
Định nghĩa thống kê về xác suất đòi hỏi phép thử có hữu hạn kết cục đồng khả năng
nhưng lại yêu cầu phải lặp lại nhiều lần phép thử, trong một số trường hợp điều này
không hiện thực.

3. Định nghĩa hình học của xác suất

Để mở rộng định nghĩa xác suất cho phép thử có vô hạn kết cục đồng khả năng.
Người ta đưa vào định nghĩa hình học của xác suất.
Cho miền G trong mặt phẳng (đường thẳng, không gian 3 chiều, …) và một miền con
đo được g của G. Gọi A là biến cố lấy ngẫu nhiên một điểm thì điểm đó thuộc g. Khi
S(g)
đó, xác suất của A xác định bởi: P(A)  .
S(G)
S(g) là độ đo của g, S(G) là độ đo của G.
Chú ý 1. Khái niệm độ đo được hiểu như sau:
- Nếu G nằm trong đường thẳng thực R thì độ đo chính là độ dài.
- Nếu G nằm trong mặt phẳng R2 thì độ đo chính là diện tích.
- Nếu G nằm trong không gian R3 thì độ đo chính là thể tích.
Chú ý 2. Các bài toán tính xác suất muốn áp dụng định nghĩa hình học đều phải
chuyển về hoặc độ dài, hoặc diện tích, thể tích của g, G.
Ví dụ 4. X và Y hẹn nhau tại một địa điểm từ 8h đến 9h với quy ước người đến trước
chờ quá 20 phút thì sẽ bỏ đi. Tính xác suất để họ gặp nhau, biết mỗi người có thể đến
nơi hẹn vào thời điểm bất kỳ trong thời gian trên.
Giải:
Lấy gốc tọa độ là 8h. Gọi x, y lần lượt là thời điểm đến của X, Y (đơn vị tính: phút).
Khi đó tập các biến cố của phép thử có thể xảy ra là:
G  (x, y) :0  x  60;0  y  60 

Gọi A là biến cố hai người gặp nhau. Khi đó tập các kết cục thuận lợi cho biến cố A là
g  (x, y) :x  20  y  x  20  .

14
Khi đó, xác suất của biến cố A là
s(g) 602  402 5
P(A)   
s(G) 602 9

4. Định nghĩa xác suất theo phương pháp hệ tiên đề

Giả sử  là một tập không rỗng, phần tử của nó được ký hiệu là  . Tập hợp gồm mọi
tập con của  được ký hiệu là P(  ).
Một tập con C  P() được gọi là một nửa đại số nếu:
i)   C
ii) A, B  C  A  B  C
iii) Nếu A, B  C, A  B thì tồn tại các tập con Ak  C (k =1, ..,n) đôi một không
n
giao nhau sao cho B \ A   A k .
k 1

Một tập con F  P() được gọi là một đại số nếu:

T1)   F
T2) A  F  A   \ A  F
T3) A, B  F  A  B  F
Một tập con F  P() được gọi là một  - đại số nếu:
T1)   F
T2) A  F  A   \ A  F
n
T3) A1 ,..., A n  F   A k  F
k 1

Giả sử C  P() . Một  - đại số F  P() bé nhất chứa C được gọi là  - đại số sinh
bởi C và viết F =  (C). Nó cũng là giao tất cả các  - đại số con của P() chứa C.
Giả sử F là  - đại số các tập con của  . Cặp (, P) được gọi là không gian đo. Hàm
tập hợp P: F  R thỏa mãn ba điều kiện:
P1) P(A)  0A  F
P2) P()  1
 
 
P3) Nếu A n  F (n  1, 2,...) đôi một không giao nhau, thì P   A n    P(A n )
 n 1  n 1

được gọi là một độ đo xác suất.

15
Bộ ba (, F, P) được gọi là không gian xác suất,  được gọi là không gian mẫu hay
không gian các biến cố sơ cấp,   gọi là biến cố sơ cấp.
Tập A  F được gọi là biến cố, P(A) được gọi là xác suất của biến cố A.

5. Nguyên lý xác suất nhỏ, xác suất lớn

* Nguyên lý xác suất nhỏ: Một biến cố có xác suất rất nhỏ bằng  (gần bằng 0) có
thể cho rằng trong thực tế nó không xảy ra trong phép thử.  thường gọi là mức ý
nghĩa:   0,1;   0, 05;   0, 01;...
* Nguyên lý xác suất lớn: Một biến cố có xác suất lớn bằng  (gần bằng 1) có thể
cho rằng trong thực tế nó nhất định xảy ra trong phép thử.  thường gọi là độ tin cậy:
  0,99;   0, 95;   0,90;...

16
 §4. Công thức tính xác suất

1. Xác suất có điều kiện

Thông thường khi nói đến xác suất của biến cố A ta hiểu xác suất đó được tính trong
phép thử xác định. Trong nhiều bài toán, đôi khi ngoài các điều kiện ban đầu còn có
thêm những điều kiện phụ, điều kiện này có thể ảnh hưởng đến khả năng xuất hiện
biến cố A.
Định nghĩa 1: Xác suất của biến cố A được tính với giả thiết biến cố B đã xảy ra gọi
là xác suất của A với điều kiện B, ký hiệu: P(A/B) hoặc P(A B) .

Ví dụ 1. Có hai hộp sản phẩm. Hộp I có 7 sản phẩm tốt và 3 sản phẩm xấu, hộp II có
6 sản phẩm tốt và 4 sản phẩm xấu. Lấy ngẫu nhiên một sản phẩm từ hộp I bỏ sang
hộp II sau đó lấy ngẫu nhiên từ hộp II ra một sản phẩm. Xét xác suất để sản phẩm lấy
ra từ hộp II là tốt.
Gọi A = “ sản phẩm từ hộp I bỏ sang hộp II là tốt”, B = “ sản phẩm lấy từ hộp II ra
là tốt”. Có hai trường hợp xảy ra.
7
- Nếu sản phẩm từ hộp I bỏ sang hộp II là tốt, ta có P(B/A) =
11
6
- Nếu sản phẩm từ hộp I bỏ sang hộp II là xấu, ta có P(B / A) 
11
Định nghĩa 2. Hai biến cố A và B được gọi là độc lập với nhau nếu việc xảy ra hay
không xảy ra của biến cố này không ảnh hưởng gì đến việc xảy ra hay không xảy ra
của biến cố kia và ngược lại.
Nói cách khác, A và B độc lập nếu P(A/B) = P(A) = P(A / B) và P(B/A) = P(B) =

P(B / A) . Hai biến cố A và B không độc lập được gọi là phụ thuộc nhau.

Ví dụ 2. Có hai hộp sản phẩm. Hộp I có 7 sản phẩm tốt và 3 sản phẩm xấu, hộp II có
6 sản phẩm tốt và 4 sản phẩm xấu. Lấy ngẫu nhiên ở mỗi họp một sản. Gọi A = “ lấy
được sản phẩm tốt ở hộp I”, B = “lấy được sản phẩm tốt ở hộp II”. Khi đó, dễ thấy A
và B là hai biến cố độc lập.
Khái niệm độc lập có thể tổng quát cho nhiều biến cố. Ta có các định nghĩa sau:

17
Định nghĩa 3.
+) Các biến cố A1, A2, …, An được gọi là độc lập từng đôi nếu mỗi cặp biến cố bất kỳ
trong chúng độc lập với nhau.
+) Các biến cố A1, A2, …, An được gọi là độc lập toàn phần (độc lập trên toàn thể)
nếu mỗi biến cố trong chúng độc lập với tổ hợp của một số bất kỳ các biến cố còn lại.

2. Công thức nhân xác suất

Cho A và B là hai biến cố trong một phép thử. Từ định nghĩa xác suất, ta chứng minh
được định lý sau:
Định lý 1. P(AB) = P(A).P(A/B) = P(B). P(B/A)
P(AB)
Hệ quả 1. i) Nếu P(B) > 0 thì P(A / B) 
P(B)
P(AB)
ii) Nếu P(A) > 0 thì P(B / A) 
P(A)

Hệ quả 2. A và B độc lập  P(AB)  P(A).P(B)

Bằng quy nạp có thể tổng quát định lý nhân xác suất với n biến cố như sau:
Định lý 2. Nếu P(A1A2 … An-1) > 0 thì
P(A1A2 … An) = P(A1). P(A2/A1) … P(An/A1A2 … An-1)
Hệ quả 3. Nếu các biến cố A1, A2, …, An độc lập toàn phần thì ta có
P(A1A2 … An) = P(A1). P(A2) … P(An)
Ví dụ 3. Một hộp đựng 8 bi xanh và 7 bi đỏ. Lấy ngẫu nhiên 1 viên bi sau đó lấy tiếp
viên bi thứ 2. Tính xác suất lần thứ nhất lấy được bi xanh và lần thứ 2 lấy được bi đỏ.
Giải: Gọi A là biến cố lấy lần thứ nhất được bi xanh. B là biến cố lần thứ 2 lấy được
8 7 4
bi đỏ. Ta có: P(AB)  P(A).P(B / A)  .  .
15 14 15

3. Công thức cộng xác suất

Cho A và B là hai biến cố trong một phép thử. Từ định nghĩa xác suất, ta chứng minh
được định lý sau:
Định lý 3. P(A + B) = P(A) + P(B) – P(AB)
Hệ quả 1. Nếu A và B là hai biến cố xung khắc thì P(A + B) = P(A) + P(B)
Tổng quát, nếu n biến cố A1, A2, …, An xung khắc từng đôi một thì ta có:

18
  n  n
P   Ai    P(Ai )
 i 1  i1
n
Nếu A1, A2, …, An là hệ đầy đủ n biến cố thì  P(A )  1 .
i 1
i

Hệ quả 2. P(A)  1  P(A)

Ví dụ 4. Một công nhân đứng 3 máy, biết các máy hoạt động độc lập với nhau, xác
suất để trong thời gian T máy 1, 2, 3 không bị hỏng lần lượt là 0,9; 0,8 và 0,7. Tính
xác suất để cả 3 máy đều bị hỏng trong thời gian trên.
Giải: Gọi Ai là máy i không bị hỏng trong thời gian T (i = 1, 2, 3). Ta có P(A1) = 0,9;
P(A2) = 0,8; P(A3) = 0,7. Xác suất tương ứng để mỗi máy bị hỏng trong thời gian T là:
P(A1 )  0,1; P(A 2 )  0, 2; P(A3 )  0,3 .

Do các máy hoạt động độc lập với nhau nên các biến cố A1 , A 2 , A3 độc lập toàn phần.
Vậy xác suất để cả ba máy bị hỏng trong thời gian T là:

       
P A1 A 2 A 3  P A1 P A 2 P A 3  0,1.0, 2.0,3  0, 006

Ví dụ 5. Hai xạ thủ mỗi người bắn một phát vào bia. Xác suất trúng đích của người
thứ nhất là 0,7; của người thứ hai là 0,8. Tính xác suất để có ít nhất 1 phát trúng.
Giải: Gọi A là biến cố xạ thủ thứ nhất bắn trúng, B là biến cố xạ thủ thứ hai bắn
trúng, khi đó A + B là biến cố có ít nhất một viên trúng.
Ta có: P(A + B) = P(A) + P(B) – P(AB)
Vì A, B độc lập nên P(AB) = P(A).P(B) = 0,7. 0,8 = 0,56.
Vậy P(A + B) = 0,7 + 0,8 – 0,56 = 0,94.
Ví dụ 6. Một sản phẩm xuất xưởng phải qua 3 lần kiểm tra. Xác suất để một phế
phẩm bị loại ở lần kiểm tra đầu bằng 0,8; nếu ở lần kiểm tra đầu không bị loại thì xác
suất bị loại ở lần kiểm tra thứ hai là 0,9; tương tự nếu lần thứ hai nó cũng không bị
loại thì xác suất nó bị loại ở lần kiểm tra thứ ba là 0,95. Tính xác suất để một phế
phẩm bị loại qua 3 lần kiểm tra.
Giải: Gọi A = “phế phẩm bị loại khi qua 3 lần kiểm tra”, Ai = “ phế phẩm bị loại khi
ở lần kiểm tra thứ i”, i =1,2,3. Ta có A là tổng của ba biến cố xung khắc:
A  A1  A1A 2  A1 A 2 A3

Do vậy: P(A)  P(A1 )  P(A1A 2 )  P(A1 A 2 A3 )

 P(A1 )  P(A1 ).P(A 2 / A1 )  P(A1 ).P(A 2 / A1 ).P(A3 / A1 A 2 )

19
 = 0,8 + 0,2.0,9 + 0,2.0,1.0,95 = 0,999
Cách khác:
P(A)  1  P(A1.A 2 .A 3 )  1  P(A1 ).P(A 2 / A1 ).P(A 3 / A1.A 2 )

= 1 – 0,2.0,1.0,05 = 0,999

4. Công thức xác suất đầy đủ và công thức Bayes

a. Công thức xác suất đầy đủ

Cho B1, B2, …, Bn là hệ đầy đủ các biến cố trong phép thử và A là một biến cố trong
phép thử đó. Giả sử ta biết các xác suất P(Bi) và P(A/Bi), i = 1, 2, …, n. Khi đó, xác
suất của biến cố A được tính theo công thức sau:
n
P(A)   P(Bi ).P(A / Bi )
i 1

Công thức này được gọi là công thức xác suất đầy đủ.
Ví dụ 1. Có 5 hộp bóng đèn, trong đó gồm ba hộp loại 1 mỗi hộp có 9 bóng tốt và 1
bóng xấu. Hai hộp loại 2 mỗi hộp gồm 4 bóng tốt và hai bóng xấu. Lấy ngẫu nhiên
một hộp và từ đó rút ra một bóng đèn. Tính xác suất để bóng lấy ra là bóng xấu.
Giải:
Gọi A = “bóng đèn lấy ra là xấu”
Bi = “hộp rút ra thuộc loại i”; i =1,2.
Vì bóng đèn rút ra chỉ có thể thuộc loại 1 hoặc loại 2 nên B1, B2 lập thành hệ đầy đủ
các biến cố. Theo công thức xác suất đầy đủ ta có:
P(A) = P(B1).P(A/B1) + P(B2). P(A/B2)
3 2
Ở đây: P(B1 )  ; P(B2 ) 
5 5
1 2 1
P(A / B1 )  ; P(A / B2 )  
10 6 3
3 1 2 1 29
Vậy, ta có P(A)  P(B1 ).P(A / B1 )  P(B2 ).P(A / B2 )  .  .  .
5 10 5 3 150
Ví dụ 2. Một lô hạt giống được phân chia làm 3 loại: Loại 1 chiếm 2/3 số hạt của cả
1
lô, loại 2 chiếm số hạt của cả lô, còn lại là loại 3. Loại 1 có tỷ lê nảy mầm 80%,
4

20
loại 2 có tỷ lệ nảy mầm 60% và loại 3 có tỷ lệ nảy mầm là 40%. Hỏi tỷ lệ nảy mầm
chung của lô hạt giống là bao nhiêu %.
Giải: Tỷ lệ nảy mầm chung của lô hạt giống chính là xác suất để lấy ngẫu nhiên từ lô
ra một hạt ta được hạt nảy mầm.
Gọi Bi là biến cố hạt nảy mầm lấy ra thuộc loại i (i = 1, 3 ). A là biến cố hạt lấy ra nảy
mầm. Dễ thấy {B1, B2, B3} là hệ đầy đủ các biến cố. Ta có
2 1 1
P(B1 )  ; P(B2 )  ; P(B3 ) 
3 4 12
P(A / B1 )  0,8; P(A / B2 )  0, 6; P(A / B3 )  0, 4

Vậy P(A)  P(B1 ).P(A / B1 )  P(B2 ).P(A / B2 )  P(B3 ).P(A / B3 )

2 1 1
= .0,8  .0, 6  .0, 4  0, 7
3 4 14

b. Công thức Bayes

Với cùng giả thiết như trong công thức xác suất đầy đủ, thêm điều kiện phép thử được
thực hiện và kết quả là biến cố A xảy ra. Ta quan tâm A xảy ra cùng với biến cố Bi
nào của hệ. Theo định lý nhân xác suất ta có:
P(ABj) = P(A).P(Bj/A) = P(Bj). P(A/Bj)
P(B j ).P(A / B j )
Khi đó P(B j / A)  .
P(A)
Công thức này được gọi là công thức Bayes.
Các xác suất P(Bj/A) được gọi là xác suất hậu nghiệm.
Các xác suất P(Bj) được gọi là xác suất tiên nghiệm.
Ví dụ 3. Với giả thiết của ví dụ 1, giả sử bóng lấy ra là bóng xấu. Tính xác suất để
bóng đèn thuộc loại 1.
P(B1 ).P(A / B1 )
Giải: Bài toán đưa về tính xác suất P(B1 / A) 
P(A)
3 1 29
Ta có P(B1 )  ; P(A / B1 )  ; P(A)  .
5 10 150
3 1
.
9
Khi đó P(B1 / A)  5 10  .
29 29
150

21
Ví dụ 4. Một máy gồm 3 loại linh kiện: loại 1 chiếm 35%, loại 2 chiếm 25%, loại 3
chiếm 40% tổng số linh kiện của toàn bộ thiết bị. Xác suất hu hỏng sau khoảng thời
gian hoạt động nào đó của các loại tương ứng là: 15%, 25%, 5%. Máy đang hoạt động
bổng bị hỏng, tính xác suất để từng loại linh kiện bị hỏng (giả thiết các loại linh kiện
không hỏng đồng thời).
Giải:
Gọi A là biến cố máy bị hỏng, Bi là biến cố linh kiện bị hỏng thuộc loại i ( 1,3 ). Khi
đó các biến cố Bi lập nên hệ đầy đủ các biến cố. Cần tính các xác suất P(Bi/A).
Theo công thức xác xuất đầy đủ:
P(A) = P(B1).P(A/B1) + P(B2).P(A/B2) + P(B3).P(A/B3)
= 0,35.0,15 + 0,25.0,25 + 0,4.0,5
= 0,135.
Theo công thức Bayes:
0,35.0,15 21
P(B1 / A)  
0,135 54
25 8
Tương tự: P(B2 / A)  ; P(B3 / A)  .
54 54
Ví dụ 5. Tỷ lệ công nhân nghiện thuộc lá ở một nhà máy là 30%, biết rằng tỷ lệ người
viêm họng trong số công nhân nghiện thuộc lá là 60%, còn trong số không nghiện
thuốc lá là 40%.
a. Chọn ngẫu nhiên một công nhân, thấy công nhân này viêm họng. Tính xác suất
để công nhân đó nghiện thuốc.
b. Nếu công nhân đó không bị viêm họng, tính xác suất để công nhân đó nghiện
thuốc.
Giải:
Gọi A là biến cố chọn ra được công nhân viêm họng. B là biến cố công nhân được
chọn ra là nghiện thuốc. Khi đó B và B lập thành hệ đầy đủ các biến cố.
Ta có P(B) = 0,3; P( B ) = 0,7; P(A / B)  0, 6; P(A / B)  0, 4 .
Theo công thức xác suất đầy đủ, ta có:
P(A) = 0,3. 0,6 + 0,7.0,4 = 0,46
a. Xác suất để công nhân đó nghiện thuốc nếu bị viêm họng là

22
 0,3.0,6
P(B / A)   0,39
0, 46
b. Xác suất để công nhân đó nghiện thuốc nếu không bị viêm họng
P(A)  1  P(A)  0, 54

P(A).P(A / B) 0,3.0, 4
P(B / A)    0, 222
P(A) 0,54

5. Công thức Bernoulli

Thực hiện n lần một phép thử độc lập, trong mỗi phép thử chỉ xuất hiện biến cố A và
A . Xác suất xuất hiện A trong mọi phép thử đều bằng nhau và bằng P(A) = p. Khi đó,
xác suất để trong n lần thực hiện phép thử có k lần xuất hiện biến cố A được tính theo
công thức Bernoulli sau đây:
Pn (k)  Cnk p k q n  k ; k  0, n;q  1  p

Ví dụ 1. Gieo 4 lần một con xúc sắc.

a. Tính xác suất để trong 4 lần gieo có 2 lần xuất hiện mặt 6 chấm.
b. Tính xác suất để trong 4 lần gieo không có lần nào xuất hiện mặt 6 chấm.
Giải:
Gọi A là biến cố “xuất hiện mặt 6 chấm trong một lần gieo” . Việc thực hiện gieo 4
lần một con xúc sắc chính là thực hiện 4 lần phép thử độc lập, xác suất xuất hiện biến
1
cố A trong mỗi phép thử là như nhau và bằng p = P(A) = .
6
a. Xác suất để trong 4 lần gieo có 2 lần xuất hiện mặt 6 chấm (k = 2) là
2 2
1
2 5 25
Pk (2)  C  
4 .  
6 6 216
b.Xác suất để trong 4 lần gieo không có lần nào xuất hiện mặt 6 chấm ( k = 0) là
0 4
1 5
0 625
Pk (0)  C   .   
4
 6   6  1296
Ví dụ 2. Tỷ lệ người mắc bệnh lao ở một vùng là 10%. Kiểm tra ngẫu nhiên 100
người vùng đó.
a. Tính xác suất để trong 100 người được kiểm tra không có người nào bị bệnh
lao.

23
 b. Tính xác suất để trong 100 người được kiểm tra có ít nhất một người bị bệnh
lao.
Giải:
Gọi A là biến cố “ người được kiểm tra bị bệnh lao”, theo giả thiết P(A) = 0,1. Lập
luận tương tự trên, ở đây ta có n =100, p =0,1.
0
a. P100 (0)  C100 .(0,1)0 .(0, 9)100  0,9100 .

b. Gọi B là biến cố “trong 100 người được kiểm tra có ít nhất một người mắc bệnh
lao”. Khi đó, B là biến cố “ trong 100 người được kiểm tra không có người nào mắc
bệnh lao”. Ta có P(B)  1  P(B)  1  P100 (0)  1  0,9100 .

24
 Chương 2. Biến ngẫu nhiên và quy luật phân phối xác suất của biến ngẫu nhiên

§1. Biến ngẫu nhiên

1. Khái niêm về biến ngẫu nhiên

Định nghĩa 1. Biến ngẫu nhiên là một đại lượng phụ thuộc vào kết quả của phép thử
ngẫu nhiên, nhận giá trị thực. Ký hiệu X, Y, … là các biến ngẫu nhiên; còn x, y là các
giá trị của biến ngẫu nhiên đó.
Ví dụ 1. Tung 1 đồng xu cân đối đồng chất trên mặt phẳng. Gọi X là số mặt sấp xuất
hiện. Khi đó X là biến ngẫu nhiên.
Ví dụ 2. Tung một con xúc sắc cân đối đồng chất trên mặt phẳng. Gọi X số chấm xuất
hiện ở mặt trên con xúc sắc. Khi đó X là biến ngẫu nhiên.
Ví dụ 3. Bắn không hạn chế số lần vào một bia đến khi đạn trúng đích thì dừng. Gọi
X là số viên đạn bắn trượt. Khi đó X là biến ngẫu nhiên.
Ví dụ 4. Tại một bến xe buýt cứ 15 phút lại có một chuyến xe. Một hành khách tới
bến vào thời điểm ngẫu nhiên. Gọi X là thời gian (phút) hành khách đó phải chờ xe
buýt thì X là biến ngẫu nhiên nhận giá trị thuộc nửa đoạn [0; 15).
2. Phân loại biến ngẫu nhiên
* Biến ngẫu nhiên rời rạc: Nếu tập giá trị của X là một tập hữu hạn hoặc vô hạn đếm
được thì X gọi là biến ngẫu nhiên rời rạc.
Các biến ngẫu nhiên ở Ví dụ 1, 2, 3 là biến ngẫu nhiên rời rạc.
* Biến ngẫu nhiên liên tục: Nếu tập giá trị của X là một khoảng liên tục trên trục số
hoặc hợp của các khoảng liên tục thì X gọi là biến ngẫu nhiên liên tục.
Biến ngẫu nhiên ở Ví dụ 4 là biến ngẫu nhiên liên tục.
* Hàm biến ngẫu nhiên: là các hàm số mà đối số của nó là các biến ngẫu nhiên
Ví dụ 4. Với X là biến ngẫu nhiên cho ở ví dụ 1. Khi đó Y = X2 là hàm biến ngẫu
nhiên.
3. Hai biến ngẫu nhiên độc lập
Hai biến X, Y tương ứng với hai phép thử độc lập thì ta nói X, Y là hai biến ngẫu
nhiên độc lập.

25
 §2. Quy luật phân phối xác suất của biến ngẫu nhiên

1.Định nghĩa
Quy luật phân phối xác suất của biến ngẫu nhiên là sự tương ứng giữa các giá trị có
thể có của nó và các xác suất tương ứng với các giá trị đó. Các phương pháp để mô tả
quy luật phân phối xác suất của biến ngẫu nhiên bao gồm:
- Bảng phân phối xác suất
- Hàm phân phối xác suất
- Hàm mật độ xác suất
2.Bảng phân phối xác suất
Giả sử X là biến ngẫu nhiên rời rạc nhận các giá trị x1; x2; ….; xn với các xác suất
tương ứng là p1; p2; …; pn. Bảng sau được gọi là bảng phân phối xác suất của X:
X x1 x2 ……. xn
P p1 p2 ……. pn
p i  0

Trong đó pi thỏa mãn:  n
 p i  1
 i1
* Phương pháp lập bảng phân phối xác suất:
- Tìm tập giá trị của X: {x1; x2; ….; xn}
- Tính các xác suất pi = P(X = xi)
- Lập bảng phân phối xác suất
* Nếu X có tập giá trị là tập vô hạn đếm được ta có bảng phân phối xác suất sau:
X x1 x2 ……. xn ………..
P p1 p2 ……. pn ………..
pi  0 (i  1, 2, 3,...)

Trong đó pi thỏa mãn:  
  pi  1
 i 1

* Công thức tính xác suất: P(a  X  b)  

a  xi  b
pi

Ví dụ 1. Tung một con xúc sắc trên mặt phẳng. Gọi X là số chấm xuất hiện khi tung
con xác sắc. Lập bảng phân phối xác suất của X.
Giải:Bảng phân phối xác suất của X là

26
 X 1 2 3 4 5 6
P 1 1 1 1 1 1
6 6 6 6 6 6
Ví dụ 2. Trong một hộp có 10 sản phẩm trong đó có 6 chính phẩm. Lấy ngẫu nhiên 2
sản phẩm.
a) Lập bảng phân phối xác suất của số phế phẩm X lấy ra.
b) Tính xác suất P(-1<X<2)
Giải:
a) Tập giá trị của X là {0, 1, 2}
Tính các xác suất tương ứng:
C62 1 C14 C16 8 C24 2
P(X  0)  2
 ; P(X  1)  2
 ; P(X  2)  2

C10 3 C10 15 C10 15

Khi đó, bảng phân phối xác suất của X là

X 0 1 2
P 1 8 2
3 15 15
13
b) Ta có P(-1 < X < 2) = P(X = 0) + P(X =1) =
15
Ví dụ 3. Xác suất để một người thi đỗ mỗi khi thi bằng lái xe là 0,3. Anh ta sẽ thi cho
đến khi đỗ mới thôi. Gọi X là số lần người đó dự thi. Lập bảng phân phối xác suất của
X. Tính xác suất để người đó phải thi không ít hơn 2 lần.
Giải:
Tập giá trị của X là: {1, 2,…, n, …}
P(X = n) = 0,7n-1.0,3.

n 1 1
và  0, 7
n 1
.0,3 
1  0, 7
.0,3  1

Khi đó, bảng phân phối xác suất của X là

X 1 2 … n …
P 0,3 0,7.0,3 … 0,7n-10,3 …
Xác suất cần tìm là
P(X  2)  1  P(X  2)  1  P(X  1)  0, 7

27
2. Hàm phân phối xác suất
a.Định nghĩa
Hàm phân phối xác suất của bnn X là F( x )  P(X  x ); x  R
Ý nghĩa: Hàm phân phối xác suất cho biết tỷ lệ phần trăm các giá trị của X nằm về
bên trái số thực x.
Chú ý 1.
Nếu X là biến ngẫu nhiên rời rạc có bảng phân phối xác suất
X x1 x2 ……. xn
P p1 p2 ……. pn

thì F( x )  p
xi x
i

Ví dụ 1. Cho biến ngẫu nhiên X có bảng phân phối xác suất

X 0 1 2
P 1 1 1
4 2 4
Lập bảng phân phối xác suất của X.
Giải:
0 khi x  0
1
 khi 0  x  1

Ta có F(x)   4
3 khi 1  x  2
4
1 khi x  2

b. Tính chất: Hàm phân phối xác suất F(x) có các tính chất sau:
(i) 0  F( x )  1 ; F()  0; F()  1
(ii) F(x) là hàm không giảm
(iii) Hàm F(x) liên tục bên trái
(iv) P(  X  )  F()  F()
Chú ý 2. Một hàm F(x) thỏa mãn 3 tính chất (i), (ii), (iii) thì F(x) là hàm phân phối
xác suất của một biến ngẫu nhiên nào đó.
Ví dụ 2. Cho biến ngẫu nhiên rời rạc X có bảng phân phối xác suất
X 0 1 2
P 0,3 0,4 0,3

28
 a) Lập bảng phân phối xác suất của X
b) Tính P(0  X  2); P(1  X  5)
Giải:
0 khi x  0
0,3 khi 0  x  1

a. Ta có F(x)  
0, 7 khi 1  x  2
1 khi x  2

b. Tính xác suất theo 2 cách:

Cách 1. Thông qua hàm phân phối
P(0  X  2)  P(0  X  2)  P(X  0)  P(X  2)

= F(2) – F(0) – 0,3 + 0, 3 = 0,7

Cách 2. Tính trực tiếp
P(0  X  2)  P(X  1)  P(X  2)  0, 4  0,3  0, 7

Tương tự, ta có P(1 < X < 5) = 0,3

3.Hàm mật độ xác suất

a. Định nghĩa
Hàm mật độ xác suất của biến ngẫu nhiên X liên tục là f(x) được xác định bởi
f ( x )  F' ( x ); x  R

Ý nghĩa: Hàm mật độ xác suất phản ánh mức độ tập trung xác suất tại điểm x.
b. Tính chất
Nếu X là hàm mật độ xác suất f(x) thì
x
(i) F( x )   f ( t )dt


b
(ii) P(a  X  b)   f (x)dx
a

Chú ý 1.
+) Về mặt hình học, xác suất cho bởi (ii) là diện tích hình phẳng giới hạn bởi đồ thị
hàm số y = f(x), trục hoành, đường thẳng x = a, x = b.
+) Dễ dàng chứng minh được, đối với biến ngẫu nhiên liên tục X ta có P(X = xo) = 0.
Do đó: P(a  X  b)  P(a  X  b)  P(a  X  b)  P(a  X  b)

29
Ví dụ 1. Cho biến ngẫu nhiên X có hàm mật độ xác suất
 1
 khi x  (a, b)
f (x)   b  a
0 khi x  (a, b)

Tìm hàm phân phối xác suất của X.

Giải:
Ta xét các trường hợp
* Với x  a , ta có
x x
F(x)   f (t)dt   0dt  0
 

* Với a  x  b , ta có
x a x
1 xa
F(x)   f (t)dt   0dt   dt 
  a
ba ba

* Với x  b , ta có
x a b 
1
F(x)   f (t)dt   0dt   dt   0dt  1
  a
ba b

Vậy hàm phân phối xác suất của X là

0 khi x  a
x  a

F(x)   khi a  x  b
ba
1 khi x  b

c. Tính chất
(i) f ( x )  0; x  R

(ii)  f (x )dx  1


Chú ý 2. Nếu một hàm f(x) thỏa mãn 2 điều kiện (i) và (ii) thì nó là hàm mật độ xác
suất của biến ngẫu nhiên liên tục X.
Ví dụ 3. Thời gian một khách hàng xếp hàng chờ phục vụ là biến ngẫu nhiên liên tục
X (đơn vị: phút) có hàm phân phối xác suất
0 khi x  0

F(x)  ax 2 khi 0  x  3
1 khi x  3

a) Tìm hàm mật độ xác suất của f(x)

30
 b) Tìm xác suất để trong 3 người xếp hàng thì có 2 người phải chờ không quá
2 phút.
Giải:
a. Vì hàm F(x) liên tục trái tại x = 3 nên ta có
1
l im F(x) = F(3)  lim (ax 2 )  1  9a  1  a 
x 3 x 3 9
Khi đó, ta có
0 khi x  (0,3)

f (x)  F '(x)   2 .
 9 x khi x  (0,3)

b. Xác suất để một khách hàng phải chờ không quá 2 phút là
4
P(X  2)  P(  X  2)  F(2)  F() 
9
Khi đó, xác suất để trong 3 khách hàng có 2 người phải chờ không quá 2 phút là:
2 1
 4   5  3.16.5
2
P3 (2)  C     
3  0,329
9 9 729
Ví dụ 4. Biến ngẫu nhiên liên tục X có hàm phân phối xác suất
0 khi x  0
F(x)   x
(  0)
1  e khi x  0
a. Tìm hàm mật độ xác suất của X.
b. Tính xác suất P(-1 < X < 1)
Giải:
a. Ta có hàm mật độ xác suất của X là
0 khi x  0
f (x)  F'(x)   x
e khi x  0
b. Xác suất cần tìm là
Cách 1. Dùng hàm phân phối xác suất
P(1  X  1)  F(1)  F(1)  1  e   0  1  e 

Cách 2. Dùng hàm mật độ xác suất

1 0 1
P(1  X  1)   f (x)dx   0dx   e x dx
1 1 0

x 1 
e  1 e
0

31
 §3.Các tham số đặc trưng của biến ngẫu nhiên

1. Kỳ vọng toán

a. Định nghĩa
Cho biến ngẫu nhiên X. Kỳ vọng toán của X là một số, ký hiệu EX và được xác định
như sau:
* Nếu X là biến ngẫu nhiên rời rạc nhận các giá trị xi với xác suất P(X = xi) = pi ( i
n
= 1, n ) thì EX   x i p i .
i 1

* Nếu X là biến ngẫu nhiên rời rạc nhận các giá trị xi với xác suất P(X = xi) = pi ( i

= 1, 2, …) thì EX   x i pi (nếu chuỗi hội tụ).
i 1


* Nếu X là biến ngẫu nhiên liên tục với hàm mật độ f(x) thì EX   xf ( x )dx (nếu


tích phân hội tụ).

Chú ý 1.
+) Kỳ vọng toán của X là giá trị trung bình theo xác suất của các giá trị mà biến ngẫu
nhiên X nhận. Trong kinh tế, kỳ vọng đặc trưng cho năng suát trung bình của một
phương án sản xuất, lợi nhuận trung bình cho một danh mục đầu tư, trọng lượng trung
bình của một loại sản phẩm, tuổi thọ trung bình của một chi tiết máy, …
+) Đơn vị của EX trùng với đơn vị của X.
Ví dụ 1. Tìm kỳ vọng toán của biến ngẫu nhiên X :
X 1 3 4
P 0,1 a 0,3
Giải:
Trước hết, tìm a ta được: a = 0,6.
Khi đó, kỳ vọng toán của X bằng:
EX = 1. 0,1 + 3. 0,6 + 4.0,3 = 3,1
Ví dụ 2. Tìm kỳ vọng toán của biến ngẫu nhiên X liên tục
a ( x 2  2x ) khi x  (0;1)
f (x)  
0 khi x  (0;1)

Giải:

32
 3
Trước hết, tìm a ta được: a 
4
Khi đó, kỳ vọng toán của X bằng
 1
3 11
EX   xf (x)dx   (x 3  2x 2 )dx 

40 16

Ví dụ 3. Biến ngẫu nhiên liên tục X có hàm phân phối xác suất
0 khi x  0
F(x)   x
(  0)
1  e khi x  0
Tìm kỳ vọng toán của X
Giải:
0 khi x  0
Trước hết, tìm hàm mật độ f(x): f (x)  F'(x)   x
.
e khi x  0

Khi đó, kỳ vọng toán bằng:

 0 
x
EX   xf (x)dx   0dx   xe dx
  0

x  x
 x e  e dx  
0
0

b. Các tính chất của kỳ vọng toán

+) EC = C (C là hằng số)
+) E(kX) = kEX (k là hằng số)
+) E(aX + bY) = aEX +bEY (a, b là các hằng số)
+) Nếu X, Y độc lập: E(X.Y) = EX.EY
+) Cho  là một hàm nào đó và X là biến ngẫu nhiên, ta có

E((X))   (x i )pi nếu X là biến ngẫu nhiên rời rạc

i


E((X))   (x)f (x)dx nếu X là biến ngẫu nhiên liên tục.


Ví dụ 4. Cho phân phối xác suất số máy hỏng X trong một ca làm việc:
X 0 1 2
P 0,9 0,09 0,01
a) Tìm số máy hỏng trung bình trong ca làm việc.
b) Mỗi máy hỏng phải sửa hết 2 triệu đồng, tính số tiền sửa máy trung bình trong ca
làm việc.

33
Giải:
a. Số máy hỏng trung bình trong một ca làm việc là
EX = 0.0,09 + 1.0,09 + 2.0,02 = 0,11
b. Gọi Y là số tiền sửa máy trong một ca làm việc, ta có: Y = 2X (triệu đồng).
Vậy số tiền sửa máy trung bình trong một ca làm việc là
EY = E(2X) = 2.EX = 0,22 triệu đồng.
Ví dụ 5. Một công ty bảo hiểm bán thẻ bảo hiểm với mệnh giá 100 nghìn đồng/1
người/1 năm. Nếu người tham gia bảo hiểm gặp rủi ro trong năm đó thì nhận được số
tiền bồi thường là 1 triệu đồng. Biết rằng, theo thống kê, tỷ lệ người tham gia bảo
hiểm rủi ro trong năm là 0,05. Tính tiền lãi trung bình khi bán mỗi thẻ bảo hiểm.
Giải:
Gọi X là tiền lãi thu được trên mỗi thẻ bảo hiểm, ta có bảng phân phối xác suất của X:
X 100 -900
P 0,95 0,05
Vậy, tiền lãi trung bình khi bán mỗi thẻ bảo hiểm là
EX = 100.0,95 – 900.0,5 = 50 nghìn đồng.

2. Phương sai và độ lệch chuẩn

a. Định nghĩa
Phương sai của biến ngẫu nhiên X là một số, ký hiệu VX hoặc Var(X) được xác định
bởi: V(X) = E(X – EX)2
Dễ dàng chứng minh được V(X) = E(X2) – (EX)2.
Trong đó
* Nếu X là biến ngẫu nhiên rời rạc nhận các giá trị xi với xác suất P(X = xi) = pi ( i
n
= 1, n ) thì E(X 2 )   x i2 pi .
i 1

* Nếu X là biến ngẫu nhiên rời rạc nhận các giá trị xi với xác suất P(X = xi) = pi ( i

= 1, 2, …) thì E(X 2 )   x i2 pi (nếu chuỗi hội tụ).
i 1

* Nếu X là biến ngẫu nhiên liên tục với hàm mật độ f(x) thì

2 2
E(X )   x f (x)dx (nếu tích phân hội tụ).


34
Ý nghĩa:
Phương sai của biến ngẫu nhiên đặc trưng cho độ phân tán của biến ngẫu nhiên xung
quanh giá trị EX. Nếu VX lớn chứng tỏ sự biến động của X lớn hay X không ổn định,
nếu VX nhỏ thì sự biến động của X nhỏ, hay X tương đối ổn định. Trong kinh tế,
phương sai đặc trưng cho độ rủi ro của các quyết định. Tùy từng bài toán, có thể dùng
các danh từ khác nhau để chỉ độ phân tán của các giá trị của X tương ứng như: độ dao
động, độ biến động, độ bấp bênh, độ phân tán, độ ổn định, độ đồng đều, độ chính xác,
…
Chú ý 2. Trong định nghĩa phương sai, đơn vị của VX không trùng với đơn vị của X.
Ví dụ 6. Tìm phương sai của biến ngẫu nhiên X :
X 1 3 4
P 0,1 0,6 0,3
Giải:
Ta có VX = E(X2) – (EX)2
+) EX = 3,1
+) E(X2) = 12. 0,1 + 32. 0,6 + 42. 0,3 = 10,3
Khi đó, phương sai của X bằng
VX = E(X2) – (EX)2 = 10,3 – 3,1 2 = 0,69
Ví dụ 7. Tìm phương sai của biến ngẫu nhiên X liên tục
3 2
 (x  2x) khi x  (0;1)
f (x)   4
0 khi x  (0;1)

Giải:
Ta có VX = E(X2) – (EX)2
11
+) EX =
16
 1
3 21
+) E(X 2 )   x 2f (x)dx   (x 4  2x 3 )dx 

40 40

Khi đó, phương sai của X bằng

2
2 21  11 2
VX = E(X ) – (EX) =     0, 052344
40  16 

35
b.Độ lệch chuẩn
Căn bậc hai của phương sai được gọi là độ lệch chuẩn của X, ký hiệu (X)  VX .
Đơn vị đo độ lệch chuẩn của X trùng với đơn vị của X.
c. Tính chất
+) V(C) = 0 (C là hằng số)
+) V(kX) = k2V(X) (k là hằng số)
+) Nếu X, Y độc lập thì: V(X±Y) = V(X) + V(Y).
Nhận xét :
* V(X + C) = VX (C là hằng số)
* Nếu các biến ngẫu nhiên X1, X2, …, Xn độc lập và có cùng quy luật phân
1 n  1 n
VX
phối xác suất với X thì ta có V   Xi   2
 n i 1  n
 VX
i 1
i 
n
.

Ví dụ 8. Cho X và Y tương ứng là các biến ngẫu nhiên độc lập để chỉ lợi nhuận (tính
theo 5) hàng năm khi đầu tư vào hai ngành A và B nào đó. Giả sử EX = 12, VX = 25,
EY = 14, VY = 36. Một người đầu tư vào cả hai ngành A và B thì cần lựa chọn tỷ lệ
đầu tư như thế nào để ít rủi ro nhất.
Giải:
Gọi a là tỷ lệ phần trăm vốn đầu tư vào ngành A, khi đó tỷ lệ phần trăm đầu tư vào
ngành B của người đó là 1- a. Gọi Z là lợi nhuận của phương án đầu tư này, ta có :
Z = aX + (1- a)Y
Từ đó, suy ra
VZ = V[aX + (1- a)Y] = a2VX + (1- a)2VY = 61a2 – 72a + 36.
Để độ rủi ro của phương án đầu tư nhỏ nhất, ta cần tìm a để VZ đạt giá trị nhỏ nhất.
36
Dễ thấy 61a2 – 72a + 36 đạt giá trị nhỏ nhất khi a   59% .
61
Vậy, người đầu tư nên đầu tư 59% vào ngành A và 41% vào ngành B.
3. Mốt, Med
Mốt của biến ngẫu nhiên X, ký hiệu mo , là giá trị của biến ngẫu nhiên X tương ứng
với:
+) Xác suất lớn nhất nếu biến ngẫu nhiên rời rạc
+) Cực đại của hàm mật độ xác suất nêu là biến ngẫu nhiên liên tục
Trung vị của biến ngẫu nhiên X, ký hiệu MedX được xác định tương ứng

36
 1
+) Nếu X là biến ngẫu nhiên rời rạc thì MedX là số md sao cho P  X  md   và
2
1
P  X  md   .
2
+) Nếu X là biến ngẫu nhiên liên tục thì MedX là số md sao cho
md

 f (x)dx  0, 5


Ví dụ 9. Tìm modX, MedX của bnn X:

X 1 3 4
P 0,1 0,6 0,3
Giải: mo = md = 3
 ( x  ) 2
1 2 2
Ví dụ 10. Cho biến ngẫu nhiên liên tục có hàm mật đố xác suất f ( x )  e .
 2

Tìm Mốt của X.

Giải: mo = 
4. Giá trị tới hạn
Đối với biến ngẫu nhiên liên tục X. Giá trị tới hạn mức ý nghĩa  của X; ký hiệu
x  xác định bởi: P(X > x  ) =  .

37
 §4. Biến ngẫu nhiên hai chiều

1. Khái niệm biến ngẫu nhiên k chiều

Trong nhiều bài toán thực tế thường xét đồng thời nhiều biến ngẫu nhiên X1, X2, .., Xk
có quan hệ với nhau gọi là biến ngẫu nhiên k – chiều hay vécto ngẫu nhiên k – chiều,
ký hiệu là X = (X1, X2, …, Xk), X lấy giá trị trong Rk.
+) Nếu X1, X2, …, Xk rời rạc thì X là véc to ngẫu nhiên k – chiều rời rạc.
+) Nếu X1, X2, …, Xk liên tục thì X là véc to ngẫu nhiên k – chiều liên tục.
Ví dụ 1. Gọi X là biến ngẫu nhiên chỉ chiều dài của một sản phẩm, Y là biến ngẫu
nhiên chỉ chiều rộng của một sản phẩm đó. Khi đó biến ngẫu nhiên hai chiều (X, Y)
mô tả kích thước của sản phẩm đó.
2. Bảng phân phối xác suất của biến ngẫu nhiên hai chiều
Cho biến ngẫu nhiên 2 – chiều (X, Y) nhận các giá trị (xi, yj) với xác suất
P(X  x i , Y  y j )  p(x i , y j );i  1, m; j  1, n

Bảng phân phối xác suất của (X,Y) xác định như sau:
Y y1 y2 … yj … yn P(X)
X
x1 p(x1,y1) p(x1,y2) … p(x1,yj) … p(x1,yn) p(x1)
x2 p(x2,y1) p(x2,y2) … p(x2,yj) … p(x2,yn) p(x2)
… … … … … … … …
xi p(xi,y1) p(xi,y2) … p(xi,yj) … p(xi,yn) p(xi)
… … … … … … … …
xm p(xm,y1) p(xm,y2) … p(xm,yj) … p(xm,yn) p(xm)
P(Y) p(y1) p(y2) … p(yj) … p(yn) 1

Trong đó: 0  p(x i , y j )  1(i  1, m; j  1, n ) ;  p(x , y )  1.

i, j
i j

Từ bảng phân phối xác suất của (X, Y) ta dễ dàng có bảng phân phối xác suất của các
thành phần X, Y được gọi là các bảng phân phối xác suất biên.
* Bảng phân phối xác suất biên của X
X x1 x2 … xm
P p(x1) p(x2) … p(xm)

38
 n
Trong đó: p(x i )   p(x i , y j ) .
j1

* Bảng phân phối xác suất biên của Y

Y y1 y2 … yn
P p(y1) p(y2) … p(yn)
m
Trong đó: p(y j )   p(x i , y j ) .
i 1

Từ đây có thể xác định được các tham số đặc trưng của X, Y.
Ví dụ 2. Từ kết quả phân tích các số liệu thống kê trong tháng về doanh số bán hàng
(D) và chi phí cho quảng cáo (Q) (đơn vị: triệu đồng) của một công ty, thu được bảng
phân phối xác suất đồng thời như sau:
D 100 200 300
Q
1 0,15 0,1 0,04
1,5 0,05 0,2 0,15
2 0,01 0,05 0,25
a. Tính giá trị trung bình và phương sai của doanh số bán hàng
b. Tính giá trị trung bình và phương sai của chi phí cho quảng cáo
Giải:
Từ bảng phân phối xác suất, ta có
D 100 200 300
Q
1 0,15 0,1 0,04 0,29
1,5 0,05 0,2 0,15 0,4
2 0,01 0,05 0,25 0,31
0,21 0,35 0,44
Khi đó ta có bảng phân phối xác suất biên của X, Y là
D 100 200 300
P 0,21 0,35 0,44

Q 1 1,5 2

39
 P 0,29 0,4 0,31
a. Giá trị trung bình và phương sai của doanh số bán hàng là
E(D) = 100.0,21 + 200.0,35 + 300.0,44 = 223
E(D2) = 1002.0,21 + 2002.0,35 + 3002.0,44 = 55700
V(D) = E(D2) – [E(D)]2 = 5971
b. Giá trị trung bình và phương sai của chi phí cho quảng cáo là
E(Q) = 1.0,29 + 1,5.0,4 + 2.0,31 = 1,51
E(Q2) = 12.0,29 + 1,52.0,4 + 22.0,31= 2,43
V(Q) = E(Q2) – [E(Q)]2 = 0,1499

3. Hàm phân phối xác suất của biến ngẫu nhiên hai chiều

a. Định nghĩa
Hàm phân phối xác suất của biến ngẫu nhiên hai chiều (X, Y) ký hiệu F(x, y) được
xác định như sau:
F(x, y) = P(X < x, Y < y)
Ý nghĩa: Giá trị của hàm F(x, y) cho biết xác suất để biến ngẫu nhiên hai chiều (X,
Y) nhận giá trị tại một góc phẳng có đỉnh là (x, y) và nằm phía dưới và bên trái đỉnh
đó.
Ví dụ 1. Tính xác suất để trong kết quả của phép thử thành phần X của biến ngẫu
nhiên hai chiều (X, Y) nhận giá trị X < 2 và thành phần Y nhận giá trị Y < 3 biết hàm
phân phối xác suất của (X, Y) có dạng:
1 x 1 1 y 1
F(x, y)   arctan   .  arctan  
 2 2  3 2

Giải:
Theo định nghĩa của hàm phân phối xác suất của (X, Y):
1 2 1 1 3 1
P(X < 2, Y <3) = F(2, 3) =  arctan   .  arctan  
 2 2  3 2
9
=
16
b. Tính chất
Hàm phân phối xác suất của biến ngẫu nhiên hai chiều (X, Y) có tính chất.
+) 0  F(x, y)  1
+) Không giảm đối với từng biến số:

40
 x1  x 2  F(x1 , y)  F(x 2 , y)

y1  y 2  F(x, y1 )  F(x, y 2 )

+) F(, y)  0; F(x, )  0; F(, )  0; F(, )  1

+) F(x, )  F1 (x) : phân phối xác suất biên của X
F(, y)  F2 (y) : phân phối xác suất biên của Y

+) P(X < x, y1 < Y < y2) = F(x, y2) – F(x, y1)

P(x1<X < x2, y1 < Y < y2) = F(x2, y2) – F(x2, y1) – F(x1, y2) + F(x1, y1)
Ví dụ 2. Tính xác suất để biến ngẫu nhiên hai chiều (X, Y) nhận giá trị trong hình chữ
   
nhật giới hạn bởi các đường thẳng x1  ; x 2  ; y1  ; y2  , biết hàm phân phối
6 2 4 3
 
đồng thời của (X, Y) là F(x, y)  s inx.sin y  0  x  ;0  y  
 2 2

Giải:
Theo công thức tính xác suất, ta có
           
P   X  ,  Y    F ,   F ,   F ,   F , 
6 2 4 3 2 3 2 4 6 3 6 4
       
 sin .sin  sin .sin  sin .sin  sin .sin
2 3 2 4 6 3 6 4
3 2 1 3 1 2 3 2
   .  . 
2 2 2 2 2 2 4

4. Hàm mật độ xác suất của biến ngẫu nhiên hai chiều

a. Định nghĩa
Hàm mật độ xác suất đồng thời của biến ngẫu nhiên hai chiều liên tục (X, Y) được
 2 F(x, y)
xác định như sau: f (x, y) 
xy
Ví dụ 1. Tìm hàm mật độ xác suất đồng thời của biến ngẫu nhiên hai chiều (X, Y) biết
hàm phân phối xác suất của nó:
  
F(x, y)  s inx.sin y  0  x  ;0  y  
 2 2

Giải:
F(x, y)  2 F(x, y)   
Ta có  cos x.sin y  f (x, y)   cos x.cos y  0  x  ;0  y  
x xy  2 2

41
b. Tính chất
+) f (x, y)  0

+) P  (X, Y)  D   f (x, y)dxdy

D

x y

+) F(x, y)    f (x, y)dxdy

 

 
+)   f (x, y)dxdy  1
 

Ví dụ 2. a) Tìm hàm phân phối đồng thời của biến ngẫu nhiên (X, Y) biết hàm mật độ
xác suất đồng thời sau đây:
1
f (x, y) 
 (1  x 2 )(1  y 2 )
2

b) Tính xác suất để biến ngẫu nhiên (X, Y) cho ở a) nhận giá trị trong hình chữ
nhật có các đỉnh M(1, 1); M ( 3;1) ; P(1; 0); Q ( 3; 0)
Giải:
a) Theo tính chất của hàm mật độ đồng thời
x y x y
1 1 1
F(x, y)   f (x, y)dxdy   1  x 2 dx. 1  y2 dy.
 
2

1 1  1 1
=  arctan x    arctan y  
 2   2
b) Theo công thức tính xác suất, ta có
3 1
1 1 1
P  (X, Y)  D   2 1 1  x 2 dx.0 1  y2 dy


1 3 1 1
= 2
arc tan x 1 .arctan y 0 
 48
Chú ý: Từ hàm mật độ xác suất đồng thời của vecto ngẫu nhiên (X, Y) bao giờ cũng
xác định được hàm mật độ xác suất biên của từng thành phần của nó.
 
f1 (x)   f (x, y)dy;f 2 (y)   f (x, y)dx
 

Ví dụ 3. Biến ngẫu nhiên hai chiều (X, Y) có hàm mật độ xác suất đồng thời như sau:
1 x 2 y2
 6 khi  1
9 4
f (x, y)   2 2
.
0 khi x  y  1
 9 4

42
Tìm hàm mật độ xác suất biên của các thành phần X và Y.
Giải:
Theo công thức, ta có
x2
2 1
 9
1 2
f1 (x)   f (x, y)dy  6  dy  9  x2
 x2
9
2 1
9

Như vậy:
2
 9  x 2 khi x  3
f1 (x)   9
0 khi x  3

Tương tự, ta tìm được:
2
 4  y 2 khi y  2
f 2 (y)   4 
0 khi y  2


5.Quy luật phân phối xác suất có điều kiện của các thành phần của hệ hai biến
ngẫu nhiên.

a) Trường hợp rời rạc

Xét biến ngẫu nhiên rời rạc (X, Y) trong đó các giá trị của X là x1, x2, …, xm; còn các
giá trị của Y là y1, y2, …, yn. Gọi P(xi/yj)  i  1, m; j  1, n  là xác suất có điều kiện để X

nhận giá trị xi khi Y nhận giá trị yj.

Bảng phân phối xác suất có điều kiện của X khi Y nhận giá trị yj là
X/yj x1 x2 … xi … xm
P P(x1/yj) P(x2/yj) … P(xi/yj) … P(xm/yj)
P(x i , y j )
trong đó: P(x i / y j ) 
P(y j )
 i  1, m; j  1, n 
m

m  P(x , y ) i j
P(y j )
Lưu ý rằng:  P(x i / y j ) 
i 1
i 1

P(y j )

P(y j )
 1; j  1, n

Tương tự bảng phân phối xác suất có điều kiện của Y khi X nhận giá trị xi là
Y/xi y1 y2 … yj … yn
P P(y1/xi) P(y2/xi) … P(yj/xi) … P(yn/xi)

43
 P(x i , y j )
trong đó: P(y j / x i ) 
P(x i )
 i  1, m; j  1, n 
n

n  P(x , y )
j1
i j
P(x i )
Lưu ý rằng:  P(y j / x i ) 
j1 P(x i )

P(x i )
 1;i  1, m

Ví dụ 1. Phân phối xác suất của lương tháng Y (triệu đồng) và giới tính X của công
nhân một công ty như sau:
Y 0,5 1 1,5
X
Nữ: 0 0,1 0,3 0,2
Nam: 1 0,06 0,18 0,16
Tìm phân phối xác suất của lương tháng của nữ công nhân.
Giải:
Ta có P(x1) = 0,1 + 0,3 + 0,2 = 0,6
Khi đó
P(x1 , y1 ) 0,10 1
P(y1 / x1 )   
P(x1 ) 0,60 6

P(x1 , y 2 ) 0,30 1
P(y 2 / x1 )   
P(x1 ) 0, 60 2

P(x1 , y3 ) 0, 20 1
P(y3 / x1 )   
P(x1 ) 0, 60 3

Vậy bảng phân phối xác suất của lương tháng của nữ công nhân là:
Y/X = x1 0,5 1 1,5

P 1 1 1
6 2 3
b) Trường hợp liên tục
Giả sử (X, Y) là biến ngẫu nhiên hai chiều liên tục.
Hàm mật độ xác suất có điều kiện của X khi Y = y, ký hiệu f(x/y) được xác định bởi:
f (x, y) f (x, y)
f (x / y)   
.
f 2 (y)
 f (x, y)dx


44
Tương tự, hàm mật độ xác suất có điều kiện của Y khi X = x, ký hiệu f(y/x) được xác
f (x, y) f (x, y)
định bởi: f (y / x)   
.
f1 (x)
 f (x, y)dy


Hàm mật độ xác suất có điều kiện cũng thỏa mãn các tính chất của hàm mật độ xác
 
suất: f (x / y)  0;  f (x / y)dx  1 ; f (y / x)  0;  f (y / x)dy  1
 

Ví dụ 2. Biến ngẫu nhiên liên tục (X, Y) có hàm mật độ xác suất đồng thời như
 1
 khi x 2  y2  r 2
sau: f (x, y)   r 2 .
0 2 2
khi x  y  r 2

Tìm các hàm mật độ xác suất có điều kiện của các thành phần.
Giải:
Theo công thức:
1
f (x, y) r 2 1
f (x / y)  
 2 2

1
r y
2 r  y2 2

 f (x, y)dx  dr
 r 2 2
 r y 2

với x  r 2  y 2 vì f(x,y) = 0 với x2 + y2  r2 nên f(x, y) = 0 với x  r 2  y 2 .

Tương tự, ta tìm được:

 1
 khi y  r 2  x 2
2 2
f (x / y)   2 r  y

0 khi y  r 2  x 2

Trên cơ sở các phân phối xác suất có điều kiện, ta có các công thức tổng hợp hệ hai
biến ngẫu nhiên theo phân phối xác suất của các thành phần như sau:
* Nếu (X, Y) là biến ngẫu nhiên hai chiều rời rạc thì:
P(xi, yi) = P(xi). P(yi/xi) = P(yi). P(xi/yi) ( i  1, m; j  1, n )
* Nếu (X, Y) là biến ngẫu nhiên hai chiều liên tục thì:
f (x, y)  f1 (x).f (y / x)  f 2 (y).f (x / y)

Như vậy, phân phối xác suất của hệ hai biến ngẫu nhiên bằng tích giữa phân phối xác
suất biên của một thành phần với phân phối xác suất có điều kiện của thành phần còn
lại.

45
* Nếu hai thành phần X và Y độc lập với nhau thì phân phối xác suất có điều kiện
cũng bằng phân phối xác suất không điều kiện, lúc đó ta có kết quả:
+) X và Y độc lập  P(xi, yi) = P(xi). P(yi) ( i  1, m; j  1, n )
+) X và Y độc lập  f(x, y) = f1(x).f2(y)

6. Các tham số đặc trưng của hệ hai biến ngẫu nhiên

a) Kỳ vọng toán và phương sai:

Đối với hệ hai biến ngẫu nhiên, các tham số đặc trưng cơ bản của nó trước hết là các
kỳ vọng toán và phương sai của các thành phần. Các kỳ vọng toán, phương sai được
xác định bằng các công thức sau đây:
* Nếu (X, Y) là biến ngẫu nhiên rời rạc:
m m n
EX   x i P(x i )   x i P(x i , y j )
i 1 i 1 j1

n n m
EY   y jP(y j )   y jP(x i , y j )
j1 j1 i 1

m m n
2 2
VX    x i  EX  P(x i )   x i2 P(x i , y j )   EX 
i 1 i 1 j1

n n m
2 2
VY    y j  EX  P(y j )   yi2 P(x i , y j )   EY 
j1 j1 i 1

* Nếu (X, Y) là biến ngẫu nhiên liên tục:

  
EX   xf1 (x)dx    xf (x, y)dxdy
  

  
EY   yf 2 (y)dy    yf (x, y)dxdy
  

  
2
  x  EX  f1 (x)dx  
2 2
VX   x f (x, y)dxdy  (EX)
  

  
2
  y  EY
2 2
VY  f1 (y)dy    y f (x, y)dxdy  (EY)
  

b)Hiệp phương sai và hệ số tương quan

Hiệp phương sai, ký hiệu Cov(X, Y) của các biến ngẫu nhiên X và Y là kỳ vọng toán
của tích các sai lệch của các biến ngẫu nhiên đó với kỳ vọng toán của chúng
Cov(X,Y) = E  X  EX  Y  EY 

46
Đối với biến ngẫu nhiên rời rạc:
m n
Cov(X, Y) =  x y P(x , y )  EX.EY
i 1 j1
i j i j

Đối với biến ngẫu nhiên liên tục:

 
Cov(X, Y)    xy(x, y)dxdy  EX.EY
 

Từ định nghĩa trên, ta thấy hiệp phương sai có đơn vị đo lượng bằng tích đơn vị đo
lượng của các biến ngẫu nhiên X và Y. Do đó, hiệp phương sai sẽ có các giá trị khác
nhau tùy thuộc vào đơn vị đo lường của các biến đó.
Để khắc phục hạn chế này người ta đưa ra một tham số khác là hệ số tương quan
Hệ số tương quan, ký hiệu xy là tỷ số giữa hiệp phương sai và tích các độ lệch chuẩn

của các biến ngẫu nhiên đó.

Cov(X, Y)
 xy 
 X . Y

Hệ số tương quan không có đơn vị đo và có các tính chất sau:

1) xy  yx

2) 1  xy  1

3) Nếu X và Y độc lập thì xy  0

4) Nếu xy  1 thì X và Y phụ thuộc hàm số với nhau.

Hiệp phương sai và hệ số tương quan được dùng để đặc trưng cho mức độ chặt chẽ
của mối liên hệ phụ thuộc giữa các biến ngẫu nhiên X và Y. Chú ý rằng nếu X và Y
độc lập thì  xy  0 song điều ngược lại chưa chắc đã đúng, tức là nếu xy  0 thì X và

Y có thể độc lập hoặc phụ thuộc ở một dạng nào đó. Trong thực tế trường hợp được
quan tâm hơn cả là sự phụ thuộc tương quan.
Hai biến ngẫu nhiên được gọi là tương quan với nhau nếu hiệp phương sai (cũng là hệ
số tương quan) khác không và hai biến nói trên gọi là không tương quan nếu hiệp
phương sai (cũng là hệ số tương quan) bằng không.
Chú ý rằng: nếu hai biến ngẫu nhiên tương quan với nhau thì cũng phụ thuộc với
nhau.

47
Ví dụ 1. Xét số liệu ở ví dụ 1 ở mục 4, hãy cho biết lương tháng của công nhân có
tương quan với giới tính của công nhân hay không và mức độ tương quan chặt chẽ
đến đâu.
Giải:
Dễ thấy P(x1, y1) = 0,1  0,2.0,6 = P(x1). P(y1)
Do đó, X và Y phụ thuộc nhau.
Ta tìm hiệp phương sai giữa X và Y.
X 0,5 1 1,5 P(x)
Y
0 0,1 0,3 0,2 0,6
0 0 0
1 0,06 0,18 0,16 0,4
0,03 0,18 0,24
P(y) 0,16 0,48 0,36 1

 x y P(x , y )  0, 03  0,18  0, 24  0, 45
i j
i j i j

E(X) = 0.0,06 + 1.0,4 = 0,4

E(Y) = 0,5.0,16 + 1. 0,48 + 1,5.0,36 = 1,1
Từ đó, Cov(X, Y) = 0,45 – 0,4.1,1 = 0,01
V(X) = 02.0,6 + 12.0,4 – (0,4)2 = 0,24  X  0, 4899
V(Y) = 0,52.0,16 + 12.0,48 + 1,52.0,36– (1,1)2 = 0,12  Y  0,3464
0, 01
Vậy, XY   0, 0589 .
0, 4899.0,3464
Ví dụ 2. Biến ngẫu nhiên hai chiều (X, Y) có hàm mật độ xác suất đồng thời như sau:
1 x 2 y2
 6 khi  1
9 4
f (x, y)   2 2
.
0 khi  x y
1
 9 4
Hãy chứng minh rằng X và X là phụ thuộc nhưng không tương quan.
Giải: Theo hàm mật độ xác suất đồng thời đã cho có thể tìm được hàm mật độ xác
suất biên của các thành phần như sau:

48
  2  2
 9  x 2 khi x  3  9  y 2 khi y  3
f1 (x)   9 và f2 (y)   9
0 khi x  3 0 khi y  3
 
Vì f(x, y)  f1 (x).f2 (y) nên X và Y phụ thuộc nhau. Còn để chứng minh X và Y không
tương quan với nhau, ta chỉ cần chứng minh rằng Cov(X, Y) = 0.
Thật vậy, theo công thức ta có:
 
Cov(X, Y)    xyf(x, y)dxdy  E(X).E(Y)
 

Vì các hàm mật độ xác suất biên f1(x) và f2(y) đối xứng qua các trục tọa độ, do đó
E(X) = 0 và E(Y) = 0, vì thế:
2
  3
9  x2  32 4 y2 
1  
Cov(X, Y)    xyf(x, y)dxdy    y 3  xdx dy
6
9  x2  
  2
4  y2
3  2 
Tích phân trong ngoặc bằng 0 (vì cận tích phân đối xứng và hàm dưới dấu tích phân là
hàm lẻ), do đó Cov(X, Y) = 0. Tức là, X và Y không tương quan với nhau.
Phương sai của tổng và tích
+) V(aX  bY)  a 2 VX  b 2 VY  2abCov(X, Y) , a, b  R
+) Nếu X và Y là hai biến ngẫu nhiên độc lập thì
2 2
V(XY)   E(Y) .V(X)   E(X) .V(Y)  V(X).V(Y)

Ví dụ 3. Lãi suất hàng năm của trái phiếu T và cổ phiếu S của một công ty có bảng
phân phối xác suất như sau:
-10% 0% 10% 20% P(T)
6% 0 0 0,1 0,1 0,2
8% 0 0,1 0,3 0,2 0,6
10% 0,1 0,1 0 0 0,2
P(S) 0,1 0,2 0,4 0,3 1
Nếu muốn đầu tư tiền vào cả trái phiếu và cổ phiếu thì nên đầu tư theo tỷ lệ bao nhiêu
để:
a- Lãi suất kỳ vọng thu được là lớn nhất.
b- Độ rủi ro về lãi suất là nhỏ nhất.
Giải:
Theo bảng phân phối xác suất đồng thời ta tìm được:

49
 E(T) = 6.0,2 + 8.0,6 + 10.0,2 = 8%
V(T) = 62.0,2 + 82.0,6 + 102. 0,2 – 82 = 1,6   T  1, 2649%
E(S) = -10.0,1 + 0.0,2 + 10.0,4 + 20.0,3= 9%
V(S) = (-10)2.0,1 + 02.0,2 + 102. 0,4 + 202.0,3 - 92 = 89   S  9, 4339%
Từ đó Cov(S, T) = - 8.
a. Gọi p là tỷ lệ đầu tư cho trái phiếu ( 0  p  1 ) và gọi X là lãi suất thu được khi đầu
tư cho cả trái phiếu và cổ phiếu thì X = pT + (1- p)S.
Từ đó E(X) = p.E(T) + (1 – p)E(S) = 8p + 9(1- p) = 9- p
E(X) đạt cực đại khi p = 0 tức là khi đầu tư toàn bộ cho cổ phiếu.
b.Độ rủi ro được đặc trưng bởi phương sai hoặc độ lệch chuẩn của X.
Ta có V(X) = p2.V(T) + (1 – p)2.V(S) + 2p(1 – p).Cov(S,T)
= 106,6p2 – 194p + 89
V(X) đạt giá trị cực tiểu khi p = 0,9099%.

50
 §5. Các quy luật phân phối xác suất thông dụng
Phân loại:

+) Quy luật rời rạc

+) Quy luật liên tục

1. Quy luật không – một: A(p)

Định nghĩa: Biến ngẫu nhiên rời rạc X được gọi là tuân theo quy luật không – một
với tham số p, ký hiệu: X ~ A(p) nếu X có bảng phân phối xác suất:
X 0 1
P q=1-p p
Các tham số đặc trưng: EX = p; VX = pq; X  pq
2. Quy luật nhị thức: B(n,p)
Định nghĩa: Biến ngẫu nhiên rời rạc X tuân theo phân phối nhị thức nếu X nhận các
giá trị 0, 1, 2, …, n với các xác suất PX  k  C kn p k (1  p) n k ; k = 0, 1, …., n.
Ký hiệu X ~ B(n, p).
Các tham số đặc trưng: EX = np; VX = np(1-p); modX = mo: np  q  m o  (n  1)p
k2
i i n i
Công thức tính xác suất: P( k1  X  k2 ) =  C p (1  p)
i  k1
n

Ví dụ 1. Một nhân viên một ngày đi chào hàng ở 10 nơi với xác suất bán được hàng ở
mỗi nơi bằng 0,2. Gọi X là số lần người đó bán được hàng trong ngày.
a) Tìm EX, VX
b) Tính xác suất người đó bán được hàng trong ngày.
c) Nếu mỗi năm người đó đi chào hàng 300 ngày thì trung bình sẽ có khoảng bao
nhiêu ngày người đó bán được hàng.
Giải:
X tuân theo luật phân phối nhị thức B(n, p) với n = 10, p = 0,2.
a) EX = n.p = 10.0,2 = 2
VX = n.p.(1-p) =10.0,2.0,8 = 0,16
b) Xác suất để người đó bán được hàng trong ngày là
P(X  1)  1  P(X  0)  1  0,810  0,8926

51
c) Gọi Y là số ngày người đó bán được hàng trong năm thì Y tuân theo luật phân phối
nhị thức B(n, p) với n = 300 và p = 0,8926.
Vậy số ngày trung bình người đó bán được hàng là
EY = n.p = 300.0,8926 = 267,78 ngày
Tính chất
* Nếu X1, X2, ..., Xn là các biến ngẫu nhiên độc lập và có cùng phân phối A(p) thì
n

X
i 1
i tuân theo luật phân phối nhị thức B(n, p).

* Nếu X1~ B(n1, p), X2 ~ B(n2, p) và X1, X2 độc lập thì X1 + X2 ~ B(n1 + n2, p)
Phân phối xác suất của tần suất
Nếu X là số lần xuất hiện biến cố A trong n phép thử thì tần suất xuất hiện biến cố A
X
là f  . Do X ~ B(n, p) nên f ~ B(n, p).
n
Trong đó:
 1 2 n 1 
Tập giá trị của f là: 0, , ,..., ;1
 n n n 
k
P(f  )  C kn p k (1  p)n  k (k  0,1, 2,..., n)
n
Tham số đặc trưng của f như sau:
pq pq
E(f) = p, V(f)  , f 
n n
3. Quy luật phân phối Poisson: P()
Định nghĩa: Biến ngẫu nhiên rời rạc X tuân theo phân phối Poisson nếu X nhận các
 x 
giá trị 0, 1, 2, …có phân phối xác suất P X  x  e ;x  0,1,2,... .
x!
Ký hiệu: X ~ P() .

Các tham số đặc trưng: E(X)  V(X)  ; X   ;   1  ModX  

Tính chất: Nếu X1 ~ P(1 ) , X2 ~ P( 2 ) và X1, X2 độc lập thì X1 + X2 ~ P()
Chú ý về xấp xỉ phân phối nhị thức bởi phân phối Poisson
Nếu X ~ B(n, p) và p rất nhỏ, tích np =  không đổi thì X ~ P( ) .
Thường kiểm tra điều kiện: n  20;p  0,1
Ví dụ 1. Xác suất để trong khi vận chuyển mỗi chai rượu bị vỡ là 0,001. Người ta tiến
hành vận chuyển 2000 chai rượu đến cửa hàng.

52
a. Tính số chai vỡ trung bình khi vận chuyển.
b. Tính số chai vỡ có khả năng nhiều nhất khi vận chuyển.
Giải:
Gọi X là số chai rượu bị vỡ khi vận chuyển thì X ~ B(n, p): n = 2000, p = 0,001
Vì n = 2000 khá lớn và np = 2000.0,001 = 2 không đổi nên X ~ P() với   2
a. Số chai vỡ trung bình chính là kỳ vọng toán của X:
E(X)    2

b. Số chai vỡ nhiều khả năng nhất chính là ModX:

 ModX  1
  1  ModX    1  ModX  2  
 ModX  2
5. Quy luật phân phối siêu bội
Định nghĩa: Biến ngẫu nhiên rời rạc X tuân theo phân phối siêu bội nếu X nhận các
C kM C nNkM
giá trị: 0, 1, 2, ..., n với các xác suất P  X  k   .
C nN
Ký hiệu: X ~ M(N, n)
nM M NM Nn
Các tham số đặc trưng: E(X)  ;V(X)  n. . .
N N N N 1
Ví dụ. Trong cửa hàng có bán 100 bóng đèn trong đó có lẫn 5 bóng hỏng mà không
kiểm tra thì không thể xác định được. Một người khách chọn ngẫu nhiên 2 bóng. Tính
xác suất để người đó mua được cả hai bóng tốt.
Giải: Gọi X là số bóng tốt mà người đó có thể mua được. X phân phối theo quy luật
siêu bội với N = 100, M = 95 và n = 2.
Xác suất để mua được cả 2 bóng tốt là xác suất để X = 2. Theo công thức tính xác suất
C 295 C 50 95.94
của biến ngẫu nhiên có phân phối siêu bội, ta có: P  X  2   2   0, 9
C100 100.99
6. Quy luật phân phối đều
Định nghĩa: Biến ngẫu nhiên liên tục X tuân theo luật phân phối đều nếu hàm mật độ
 1
 khi x  (a, b)
xác suất của X có dạng: f(x)   b  a .
0 khi x  (a, b)

53
 0 khi x  a
x  a

Hàm phân phối xác suất của X: F(x)   khi a  x  b
b  a
1 khi x  b

x  1
 khi x  (a, b)
F(x)   f(t)dt ; f(x)  b  a
0 khi x  (a, b)
x
+) x  a : F(x)   0dt


a x a x
1 xa
+) a  x  b : F(x)   f(t)dt   f(t)dt   0dt   dt 
 a  a
ba ba
a b x a b x
1 ba
+) x  b : F(x)   f(t)dt   f(t)dt   f(t)dt   0dt   dt   0dt  1
 a b  a
b a b
ba

ab (b  a)2 ba

Các tham số đặc trưng: E(X)  ; V(X)  ; X 
2 12 2 2
Ứng dụng của quy luật phân phối đều: Nếu ta không biết gì về giá trị của tham số
cần ước lượng thì mỗi giá trị có thể có của tham số đó là đồng khả năng.
Ví dụ 1. Khi thâm nhập vào một thị trường mới, doanh nghiệp không thể khẳng định
được một cách chắc chắn doanh số hàng tháng có thể đạt được sẽ là bao nhiêu mà chỉ
dự kiến được doanh số tối thiểu sẽ là 20 triệu đồng/tháng và tối đa là 40 triệu
đồng/tháng. Tính xác suất để doanh nghiệp đạt được doanh số tối thiểu là 35 triệu
đồng/tháng.
Giải:
Gọi X là doanh số hàng tháng mà doanh nghiệp có thể đạt được ở thị trường đó nên
có thể xem X là biến ngẫu nhiên liên tục có phân phối đều trên khoảng (20, 40).
Vậy X có hàm mật độ xác suất như sau:
 1
  0, 05 khi x  (20, 40)
f(x)   40  20
0 khi x  (20, 40)

Xác suất để doanh nghiệp đạt doanh số tối thiểu 35 triệu đồng là:
 40
40
P(X  35)   f(x)dx   0, 05dx  0, 05x 35  0, 25
35 35

54
7. Quy luật phân phối lũy thừa: E( )
Định nghĩa: Biến ngẫu nhiên liên tục X tuân theo luật phân phối lũy thừa nếu hàm
0 khi x  0
mật độ xác suất của X có dạng: f(x)   x
(   0 ).
 e khi x  0

1  e  x khi x  0
Hàm phân phối xác suất của X: F(x)  
0 khi x  0

1 1 1
Các tham số đặc trưng: E(X)  ;V(X)  2
; X 
  
Ứng dụng của quy luật phân phối lũy thừa: Thời gian giữa hai lần xuất hiện yêu
cầu của một dòng yêu cầu tối giản trong các hệ thống phục vụ công cộng phân phối
theo quy luật lũy thừa,...
Ví dụ 1. Biến ngẫu nhiên liên tục X tuân theo quy luật phân phối lũy thừa có hàm mật
0 khi x  0
độ xác suất f(x)   2x
2e khi x  0

a) Viết hàm F(x).

b) Tính xác suất để trong kết quả của phép thử X nhận giá trị thuộc [0,3; 1].
c) Tìm kỳ vọng toán, phương sai, độ lệch chuẩn của X.
Giải:
a. Hàm phân phối xác suất của X có dạng:
0 khi x  0
F(x)   2x
1  e khi x  0
b. Xác suất cần tìm:
P(0, 3  X  1)  F(1)  F(0,3)  e 2.0,3  e2.1  0, 41

c. Theo công thức tính kỳ vọng toán và phương sai:

1 1 1 1 1 1
E(X)    0, 5 ; V(X)  2   0, 25 ;  X    0,5
 2  4  2
7. Quy luật phân phối chuẩn: N(;  2 )
a. Luật chuẩn tổng quát: N(;  2 )
Định nghĩa: Biến ngẫu nhiên liên tục X tuân theo luật chuẩn nếu X có hàm mật độ
 ( x  ) 2
1 2 2
phân phối xác suất: f ( x )  e , xR.
 2

Tính chất của hàm f(x):

55
 +) Tập xác định: R
+) Tập giá trị:  0;  

+) Đồ thị luôn nằm phía trên trục hoành

+) Nhận trục 0x làm đường tiệm cận
+) Đạt cực đại tại x = 
 1   1 
+) Có hai điểm uốn:     ;  ;    ; 
  2 e    2 e 
Hàm phân bố xác suất
x  ( t  ) 2
1 2 2
F(x)= e dt
 2 

Các tham số đặc trưng: EX  MedX  ModX  ; VX  2 ; X  

b. Luật chuẩn hóa (chuẩn tắc): N(0; 1)
Định nghĩa: Biến ngẫu nhiên liên tục U, tuân theo luật chuẩn hóa; có hàm mật độ
u 2
1
phân phối xác suất: (u )  e 2
; u  R (Phụ lục số 1)
2
u t2
1
Hàm phân bố xác suất  (u)= e 2
dt
2  
Lý thuyết xác suất và thống kê toán (Nguyễn Cao Văn).
Các tham số đặc trưng: EU  MedU  ModU  1; VU  1;  U  1
Hàm Laplace:
u t2
1
 o (u )  e 2
dt ; hàm Laplace (Phụ lục số 2) có tính chất:
2 0

*  o ( u )   o (u ); u  0
* u > 5:  o (u )  0,5;  o ()  0,5;  o ()  0,5
u t2
1
* (u )  e 2
dt  0,5   o (u )
2 

Ví dụ 1.  o (1)  0,3413;  o (2)  0, 4772

Giá trị tới hạn chuẩn: Giá trị tới hạn chuẩn mức ý nghĩa  của biến ngẫu nhiên
chuẩn hóa U, ký hiệu u  : P( U  u  )   ; tra giá trị u  (Phụ lục số 3).
có tính chất: u1  u
Ví dụ 2. Tìm u0,025; u0,05

56
Giải:
Ta có u0,025 = 1,96; u0,05 = 1,645
Ví dụ 3. Tìm giá trị tới hạn biết P(U <1,96) = 0,975; P(U>1,64) = 0,0505
Giải:
Từ P(U <1,96) = 0,975  P(U >1,96) = 0,025  u0,025 = 1,96.
P(U>1,64) = 0,0505  u0,0505 = 1,64.
Chú ý:
Nếu biết P(U > b) =   u   b

Nếu biết P(U < b) =   u1  b và u   b

c. Công thức tính xác suất
b  a 
Nếu X ~ N(;  2 ) thì P(a  X  b)   o    o  
     
 
* P( | X - EX | < ) = 2 0  
 

Quy tắc 3  : P( | X -  | < 3 ) = 2o(3) = 0,9974

Quy tắc 2  : P( | X -  | < 2 ) = 2o(2) = 0,9544
Ví dụ 4. Thời gian X (phút) của một khách hàng chờ để được phục vụ tại một quầy
hàng là biến ngẫu nhiên có phân phối chuẩn: N (4,5; 1) .
a) Tính tỷ lệ khách phải chờ để được phục vụ quá 6,5 phút
b) Có 3 khách hàng vào một quầy hàng, tính xác suất để có đúng 2 khách hàng vào
phục vụ không quá 6,5 phút.
Giải:
a) Tỷ lệ khách hàng chờ để được phục vụ quá 6,5 phút là
  4,5 6,5  4,5
p  P(X  6, 5)  P(6,5  X  )   o ( )  o ( )
1 1
=   o ()   o (2)  0,5  0, 4772  0, 0228
b) Xác suất cần tìm là
p  C 32 p 2 (1  p)1  3.0,02282 .0,9772 = 0,0668

d. Các tính chất

Tính chất 1: Nếu X ~ N(;  2 ) thì X + a ~ N(  a;  2 )
Tính chất 2: Nếu X ~ N(;  2 ) thì aX ~ N(a; a 2  2 )

57
Tính chất 3:Giả sử X i~ N( i ;  i2 ) và X1, X2, …, Xn độc lập với nhau.
n n n
 
Nếu Y   X i thì Y ~ N   i ;   i2 
i 1  i1 i 1 
Tính chất 4. (Xấp xỉ phân phối nhị thức bởi quy luật phân phối chuẩn)
1 p 1 p
Nếu X ~ B(n, p) và thỏa mãn: n  5;   0, 3 thì X xấp xỉ phân phối
n 1 p p

chuẩn N(;  2 ) :   np; 2  npq  np(1  p) (q = 1- p)

Khi đó:

1  k  np 
+) P(X  k)  C kn p k q n  k   
npq  npq 
 

 b  np   a  np 
+) P(a  X  b)   o    o  
 npq   npq 
   
Ví dụ 5. Xác suất để sản phẩm sau khi sản xuất không được kiểm tra chất lượng bằng
0,2. Tính xác suất để trong 400 sản phẩm được kiểm tra có:
a) 80 sản phẩm không được kiểm tra chất lượng.
b) Có từ 70 đến 100 sản phẩm không được kiểm tra chất lượng.
Giải:
Bài toán thỏa mãn lược đồ Bernoulli do đó nếu gọi X là số sản phẩm không được
kiểm tra chất lượng thì X ~ B(n, p) với n = 400, p = 0,2. Song vì n = 400 > 5 và

1 p 1 p 1 0, 2 0,8
    0, 075  0,3 nên có thể coi X ~ N (;  2 ) :
n 1 p p 400 0,8 0, 2

  np  80; 2  npq  64

1  80  400.0, 2   (0)
a) Ta có P(X  80)     0, 04986
400.0, 2.0,8  400.0, 2.0,8  8

 100  400.0, 2   700  400.0, 2 

b) P(70  X  100)   o    o  
 400.0, 2.0,8   400.0, 2.0,8 
=  o (2,5)   o (1,25)   o (2,5)   o (1,25)  0,882
Tính chất 5. (Xấp xỉ phân phối Poisson bởi quy luật phân phối chuẩn)
Nếu biến ngẫu nhiên X tuân theo phân phối P(  ) với  > 20 thì có thể coi X xấp xỉ
phân phối chuẩn N(;  2 ) :    ; 2   .
8. Quy luật khi bình phương

58
Định nghĩa: Biến ngẫu nhiên liên tục X gọi là tuân theo phân phối khi bình phương
với bậc tự do n nếu hàm mật độ xác suất của X có dạng:
n x
 1 1
 n x 2 .e 2
khi x  0
 n
f (x)   2 2   . Ký hiệu X ~  2( n )
 2
0 khi x  0

Với ( x )   t x 1e  t dt ; x > 0 có tính chất: ( x  1)  x.( x ); (k  1)  k! (k số nguyên)
0

1
và     .
2
Định nghĩa khác:
k
2
Nếu X1, X2, …, Xk độc lập với nhau và cùng phân phối chuẩn N(0; 1) thì X
i 1
i
~

 2(k ) .

Các tham số đặc trưng: X ~  2 ( n )  EX  n; VX  2n

Giá trị tới hạn:  2 ( n ) xác định bởi P(X  2( n)

 )   (bảng phụ lục số 4)

Ví dụ 1. a)Tìm  02,(05
12)
b) Tìm giá trị tới hạn nếu biết P(  2(12)  23,34)  0,975

Giải:
2(12)
a)  0,05  21, 03

b) Ta có P(  2(12)  23,34)  1  P (  2(12)  23,34)  0, 025   0,025

2(12)
 23,34

Ví dụ 2. Dùng bảng giá trị tới hạn  2 ( n ) , tìm các xác suất sau

a) P 2( 9)  2,7  b) P 2 (30)  18,49

Giải:
a) Ta có P   2(9)  2, 7   P   2(9)   0,975
2(9)
  0, 975
b) Ta có P   2(30)  18, 49   1  P   2(30)   0,95
2(30)
  1  0, 95  0, 05
Tính chất:
Tính chất 1: Nếu X ~ N (0;1) thì X 2 ~  2 (1)
Tính chất 2: Cho X ~  2 ( m ) và Y ~  2( n ) và X, Y độc lập thì X + Y ~  2 ( m  n )
k
k 2(  ni )
Hệ quả: * Cho Xi~  2 ( n ) (i =1, k) và các Xi độc lập với nhau thì
i
X i ~ i 1

i 1

59
 * Nếu X1, X2, …, Xk độc lập với nhau và cùng phân phối chuẩn N(0; 1) thì
k

X i ~  2(k ) .
i 1

e. Chú ý: Khi bậc tự do n tăng thì phân phối khi bình phương sẽ xấp xỉ quy luật
chuẩn.


Nếu biết P 2( n)  b    2(

n)
 b. 
Nếu biết P   2( n)
 b     2(n)
1 b .

5. Quy luật phân phối Student

Định nghĩa: Biến ngẫu nhiên liên tục X gọi là tuân theo phân phối Student với bậc tự
do n nếu hàm mật độ xác suất của X có dạng:
 n 1   n 1 
   x 2   2 
 2  . 1
f(x)    . Ký hiệu X ~ T ( n )
n n
  .  n  
2

Với ( x )   t x 1e  t dt ; x > 0
0

Cách định nghĩa khác:

U
Cho U ~ N(0; 1) và V~  2( n ) và U, V độc lập thì X  ~ T(n)
V/n
n
Các tham số đặc trưng: X ~ T ( n )  EX  0; VX 
n2
Giá trị tới hạn: t (n ) xác định bởi P(X  t (n) )   (bảng phụ lục số 5) có tính chất

t (n )   t 1(n )

Ví dụ 1. a)Tìm t (012,05) b) Tìm giá trị tới hạn nếu biết P(T (11)  2, 718)  0,99

Giải:
a) Ta có t (12)
0,05  1, 782

b) Ta có P(T (11)  2, 718)  1  P(T (11)  2, 718)  0, 01  t0,01

(11)
 2, 718

Ví dụ 2. Dùng bảng giá trị tới hạn t (n ) , tìm các xác suất sau

a) PT (15)  2,602 b) PT (10)  2,228

Giải:
a) Ta có P  T (15)  2, 602   P  T (15)  t (15)
0,01   0, 01 .

60
b) Ta có P  T (10)  2, 228   P  T (10)  t (10)
0,025   P  T
(10)
0,975 
 t (10)

= 1  P  T (10)  t (10)
0,975   1  0, 975  0, 025

U
Tính chất: Cho U ~ N(0; 1) và V~  2( n ) và U, V độc lập thì X  ~ T(n)
V/n
Chú ý: Khi bậc tự do n tăng thì phân phối Student sẽ xấp xỉ quy luật chuẩn (n > 30)


Nếu biết P T ( n)  b    t (n)
  b. 

Nếu biết P T (n)  b    t1(n)
  b . 
Nếu n >30 và không cho biết t (n) ta chấp nhận t (n)  u 
6. Quy luật phân phối Fisher – Snedecor: F(n1, n2)
Định nghĩa: Biến ngẫu nhiên liên tục X gọi là tuân theo phân phối khi Fisher -
Snedecor nếu hàm mật độ xác suất của X có dạng:
n n
0 khi x  0  n  n 2  21 22
 n1  n 2
 1 .n 1 n 2
  2 
f (x)   x 2 , với C 
 C khi x  0 n  n 
n1  n 2
 1 . 2 
 (n 2  n 1 x ) 2  2  2 

Ký hiệu X ~ F(n1, n2).

Định nghĩa cách khác:
Cho U, V lần lượt tuân theo phân phối khi bình phương bậc tương ứng n1, n2 và U, V
U / n1
độc lập thì X  ~ F(n1, n2)
V / n2

n2 2n 22 (n 1  n 22  2)
Các tham số đặc trưng: X ~ F(n1 , n 2 )  EX  ; VX 
n2  2 n 1 (n 2  2) 2 (n 2  4)

Giá trị tới hạn: f ( n , n ) xác định bởi P(X  f( n1 ,n2 ) )   (bảng phụ lục số 6) có tính
1 2

1
chất f ( n , n ) 
1 2
( n 2 , n1 )
f 1 

Ví dụ 1. a)Tìm f 0(,805,10) b) Tìm giá trị tới hạn, nếu biết P( F (2, 6)  5,14)  0,95

Giải:
(8,10)
a) Ta có f0,05  3, 07

b) Ta có P( F (2, 6)  5,14)  1  P( F (2, 6)  5,14)  0, 05  f 0,05

(2, 6)
 5,14

Ví dụ 2. Dùng bảng giá trị tới hạn f ( n , n ) , tìm các xác suất sau
1 2

61
 a) P  F (3,7)  5,89  b) Pf ( 4,9)  4,72

Giải:
a) P  F (3,7)  5,89   P  F (3,7)  f0,025
(3,7)
  0, 025
b) P  F (4,9)  f0,025
(4,9)
  1  P  F(4,9)  f0,025
(4,9)
  1  0, 025  0, 975
Tính chất: Cho U, V lần lượt tuân theo phân phối khi bình phương bậc tương ứng n1,
U / n1
n2 và U, V độc lập thì X  ~ F(n1, n2)
V / n2

Chú ý:
1
Nếu biết P(F ( n1 , n2 )  b)    f(n1 ,n2 )  b và f1(
n2 , n1 )

b
Nếu biết P(F ( n1 , n2 )  b)    f1(n1 ,n2 )  b

62
 Phần II: THỐNG KÊ TOÁN

Chương 3. Cơ sở lý thuyết mẫu

§ 1. Các khái niệm cơ bản

1. Tổng thể và mẫu

* Tổng thể là tập hợp toàn bộ các phần tử đồng nhất theo một dấu hiệu nghiên
cứu định tính hoặc định lượng nào đó. Số lượng các phần tử của tổng thể được gọi là
kích thước của tông thể, ký hiệu là N (N hữu hạn hoặc vô hạn). Mỗi dấu hiệu nghiên
cứu là một biến ngẫu nhiên X.
* Việc chọn từ tổng thể một tập con nào đó được gọi là phép lấy mẫu. Tâp con
đó được gọi là một mẫu.
* Kích thước mẫu: n là số lượng các phần tử của mẫu.
* Mẫu ngẫu nhiên: mẫu ngẫu nhiên kích thước n là tập n biến ngẫu nhiên độc lập
X1, X2, …, Xn được thành lập từ biến lượng ngẫu nhiên X của tổng thể và có cùng luật
phân phối xác suất với X; ký là: W = (X1, X2, …, Xn). Khi Xi nhận các giá trị xi thì w
= (x1, x2, … , xn) được gọi là mẫu cụ thể.
Ví dụ 1: X là số chấm xuất hiện khi tung một con xúc sắc; X là biến ngẫu nhiên với
1
phân phối xác suất: P( X = xi) = ; xi = 1; 2; 3; 4; 5; 6.
6
Nếu tung con xúc sắc 3 lần và gọi Xi là số chấm xuất hiện trong lần tung thứ i
(i  1,3) thì có 3 biến ngẫu độc lập cùng qui luật xác suất với X. Vậy thu được mẫu
ngẫu nhiên W = (X1, X2 , X3) kích thước n = 3 được xây dựng từ biến ngẫu nhiên gốc
X.
Thực hiện một phép thử đối với mẫu ngẫu nhiên này; chẳng hạn tung con xúc
sắc 3 lần (và giả sử lần thứ nhất được 6 chấm, lần thứ 2 được 5 chấm, lần thứ 3 được
2 chấm) thì có được một mẫu cụ thể w =(6; 5; 2).
Chú ý: với cách xây dựng mẫu ngẫu nhiên như vậy thì các biến lượng ngẫu
nhiên X1, X2, …, Xn của mẫu không những có cùng dạng phân phối xác suất với biến
ngẫu nhiên gốc X ( tức là có cùng hàm phân phối xác suất F(x) ) mà các tham số đặc
trưng của chúng cũng bằng các tham số đặc trưng của X, nghĩa là:
E(X1) = E(X2) = …. = E(Xn) = m

63
 V(X1) = V(X2) = … = V(Xn) = σ 2
2. Phương pháp mô tả mẫu
Cho mẫu w = (x1, x2, ..., xn)
 Bảng phân phối tần số
X x1 x2 x3 .... xk
ni n1 n2 n3 .... nk
0  n i  n

Trong đó:  k .
 n i  n
 i 1
 Bảng phân phối tần suất
X x1 x2 x3 .... xk
fi f1 f2 f3 .... fk
0  fi  1

Trong đó:  k .
 fi  1
 i1
Ví dụ 2. Điều tra điểm thi Toán kinh tế của 20 học viên Cao học được kết quả
6, 6, 7, 9, 10, 8, 4, 5, 6, 7, 4, 8, 8, 9, 10, 10, 8, 8, 4, 10
Gọi X là điểm thi môn Toán kinh tế của các học viên Cao học. Lập bảng phân
phối tần số và tần suất của mẫu trên.
Giải:
Bảng phân phối tần số
X 4 5 6 7 8 9 10
ni 3 3 3 2 5 2 4
Bảng phân phối tần suất
X 4 5 6 7 8 9 10
fi 0,15 0,15 0,15 0,1 0,25 0,1 0,2
 Bảng phân phối tần số ghép lớp
X a1-a2 a2-a3 a3-a4 .... ak-1-ak
ni n1 n2 n3 .... nk
0  n i  n

Trong đó:  k .
 n i  n
 i 1

64
Ví dụ 3. Đo chiều cao của 100 thanh niên của một vùng thu được bảng số liệu sau:
Chiều cao (cm) 154-158 158 - 162 162 - 166 166 - 170 170 - 174 174-178 178-182
Số thanh niên 10 14 26 28 12 8 2

Ví dụ 4. Đo chiều dài của 200 chi tiết do một máy sản xuất người ta lấy ngẫu nhiên
200 chi tiết và thu được bảng số liệu sau:
Chiều dài chi tiết (cm) Số chi tiết tương ứng
54,795 - 54,805 6
54,805 - 54,815 14
54,815-54,825 33
54,825-54,835 47
54,835-54,845 45
54,845-54,855 33
54,855-54,865 15
54,865-54,875 7
n = 200

65
 §2. Thống kê và đặc trưng của mẫu ngẫu nhiên

1. Khái niệm về thống kê

Việc tổng hợp mẫu W = (X1, X2, …, Xn) được thực hiện dưới dạng một hàm nào
đó của các X1, X2 ,…, Xn . Hàm này được gọi là thống kê, ký hiệu là G:
G = f(X1, X2, … , Xn)
Với mẫu cụ thể: w = (x1, x2, … , xn) ta có g = f(x1, x2, …, xn)
Vậy thống kê là một hàm của các biến ngẫu nhiên và bản thân thống kê cũng là
một biến ngẫu nhiên tuân theo qui luật phân phối xác suất nhất định với các tham số
đặc trưng nào đó.
Chính thống kê cùng với luật phân phối xác suất của thống kê là cơ sở để suy
rộng các thông tin của mẫu cho dấu hiệu nghiên cứu của tổng thể.
Ví dụ 1.Cho mẫu ngẫu nhiên kích thước n = 3: W = (X1, X2, X3).
X1  X 2  X 3 2 1 3
Một số thống kê là X  ;S   (X i  X)2 .
3 2 i 1
Ví dụ 2.Cho mẫu ngẫu nhiên kích thước n = 3: W = (X1, X2, X3).
X1  2X 2  X 3 X  2X 2  3X 3
Một số thống kê là G1  ;G 2  1 .
4 6
2. Một số thống kê thông dụng của mẫu ngẫu nhiên
a) Trung bình mẫu:
Từ biến ngẫu nhiên gốc X trong tổng thể, lập mẫu kích thước n:
W = (X1, X2, …, Xn)
1 n
Trung bình mẫu X : X   Xi
n i 1

Lưu ý: trung bình mẫu X là một thống kê, do đó X là một biến ngẫu nhiên
tuân theo một luật phân phối xác suất nào đó với các tham số đặc trưng tương ứng.
Khi mẫu ngẫu nhiên nhận một giá trị cụ thể w = (x1, x2, …, xn) thì trung bình
1 n 1 k
mẫu cũng nhận giá trị cụ thể bằng: x  
n i 1
x i hoặc x   n i x i .
n i 1

Định lý 1: Nếu biến ngẫu nhiên gốc X có kỳ vọng toán E(X) =  và phương sai V(X)
2 
= σ 2 thì E( X ) =  ; V( X ) = ; se(X)  .
n n

66
Ví dụ 1. Giả sử trên một tổng thể có hai mẫu kích thước n = 5:
w1 =( 1; 4; 3; 4; 1)
w2 = (1; 5; 4; 6; 4)
Xác định trung bình x1 ;x 2 của các mẫu trên
Giải:
1 4  3  4 1 1 5  4  6  4
x1   2, 6 ; x 2  4
5 5
b) Tổng bình phương các độ lệch và trung bình của tổng bình phương các độ
lệch:
Từ biến ngẫu nhiên gốc X, lập mẫu: W = (X1, X2, …, Xn)
Tổng bình phương các độ lệch giữa các giá trị của mẫu và trung bình được xác
n
định bởi: SS   (X i  X)2 .
i 1

Trên một mẫu cụ thể, biến ngẫu nhiên SS nhận một giá trị cụ thể bằng:
n k
ss   (x i  x)2 hoặc ss   n i ( x i  x ) 2
i 1 i 1

Trung bình của tổng bình phương độ lệch giữa các giá trị của mẫu và trung bình
mẫu, ký là MS và được xác định:
1 n 2 1 n 2
MS   (X i  X)   X i  (X)2  X 2  (X)2
n i n i 1

1 n 2 2 1 n 2 1 k
Đặt X 2   X i ;x   x i   n i x 2i
n i 1 n i 1 n i 1
Trên một mẫu cụ thể, biến ngẫu nhiên MS nhận một giá trị cụ thể bằng:
2
1 n 1 n
ms   (x i  x)2   x 2i  x
n i 1 n i 1

1 k 1 k 2 2
hoặc ms  
n i 1 n i 1

n i (x i  x)2   n i x 2i  x 
 x2  x

n 1 2
Định lý 2. Nếu biến ngẫu nhiên gốc X có EX=  và VX =  2 thì E(MS) = 
n
c) Phương sai mẫu S2 và phương sai S*2:
Trong thống kê toán, phương sai mẫu, ký hiệu là S2 được xác định bởi công
thức:

67
 1 n
S2   (X i  X)2
n  1 i 1
Phương sai S*2 được xác định bởi công thức:
1 n
S*2   (Xi  )2
n i 1
trong đó: m là trung bình tổng thể.
n 2 2
Định lý 3. S2  .MS ; E(S2) = σ ; E(S*2) = σ
n 1

1 n
Độ lệch chuẩn mẫu: S   (X i  X) 2 ; S được gọi là độ lệch mẫu và giá trị cụ
n  1 i1

thể của nó trên một giá trị cụ thể của mẫu ký là s:

1 n n
s  (xi  x)2 
n  1 i 1 n 1
ms

1 k n
hoặc s   n i (x i  x)2  ms
n  1 i 1 n 1

e) Tần suất mẫu: Giả sử từ tổng thể, lấy mẫu ngẫu nhiên kích thước n có Y phần tử
mang dấu hiệu nghiên cứu, thì X tuân theo qui luật A(p). Khi đó tần suất mẫu là một
Y
thống kê, ký hiệu là f được xác định bởi biểu thức sau: F
n

Thống kê F cũng là một biến lượng ngẫu nhiên vì là hàm của biến lượng ngẫu
nhiên Y (số lần xuất hiện dấu hiệu nghiên cứu trong mẫu; tức là trong n phép thử độc
m
lập). Khi Y = m (nhận giá trị cụ thể) ta có tần suất mẫu nhận giá trị cụ thể: f 
n

Định lý 4. nếu biến ngẫu nhiên gốc X tuân theo qui luật A(p) với E(Y) = p và V(Y) =
p(1  p)
p(1 - p) thì E(F) = p; V(F) =
n
3. Cách tính các giá trị cụ thể của đặc trưng mẫu
Việc tính giá trị của tần suất mẫu f , trung bình mẫu x , các phương sai s2, s trên một
mẫu cụ thể thường được thực hiện qua bảng tính toán.

68
Ví dụ 1: Điều tra doanh thu hằng năm của 365 doanh nghiệp nhỏ ở một vùng thu
được bảng số liệu sau:
Doanh thu (triệu DVN) 25 30 33 34 35 36 37 39 40
Số doanh nghiệp tương ứng 6 13 38 74 106 85 30 10 3
Dấu hiệu nghiên cứu trong tổng thể là doanh thu X trên một năm. Xác định
doanh thu trung bình, phương sai và độ lệch chuẩn của doanh thu.
Giải:
Để tiện tính toán ta lập bảng sau:
xi ni nixi nixi2
(1) (2) (3) (4)
25 6 150 3750
30 13 390 11700
33 38 1254 41382
34 74 2516 85544
35 106 3710 129850
36 85 3060 110160
37 30 1110 41070
39 10 390 15210
40 3 120 4800
∑ 365 12700 443466
k
1 12700
x   nixi   34,795 triệu ĐVN
n i 1 365
1 n 443466
ms   n i x i2  ( x ) 2   (34,795) 2  4,283
n i 1 365
n 365
s2  ms  .4, 283  4, 295  s  s 2  2,072
n 1 364
Nếu các số liệu sai khác nhau rất ít hoặc có quá nhiều giá trị, thường sử dụng
Bảng phân phối tần số ghép lớp. Khi này, để tính các thống kê đặc trưng của mẫu,
người ta lấy giá trị trung bình của mỗi lớp để đại diện cho lớp đó trong tính toán.
Ví dụ 2. Đo chiều cao của 100 thanh niên ở một vùng thu được số liệu sau:
Chiều cao (cm) 154-158 158 - 162 162 - 166 166 - 170 170 - 174 174-178 178-182
Số thanh niên 10 14 26 28 12 8 2

Dấu hiệu nghiên cứu trong tổng thể là chiều cao X (cm).
a) Xác định chiều cao trung bình, phương sai, độ lệch chuẩn của chiều cao của
các thanh niên trên.
b) Xác định tỷ lệ thanh niên có chiều cao nhỏ hơn 162 cm của mẫu trên.
Giải:

69
a) Trong bảng tính toán, mỗi lớp giá trị xi được thay bằng giá trị trung bình của mỗi
lớp
xi ni nixi nixi2
(1) (2) (3) (4)
156 10 1560 243360
160 14 2240 358400
164 26 4264 699296
168 28 4704 790272
172 12 2064 355008
176 8 1408 247808
180 2 360 64800
∑ 100 16600 2758944
k

n x i i
16600 2758944
x i 1
 166; ms  x 2  ( x ) 2   (166) 2  33,44
n 100 100
n 100
s2  ms  .33,44  33,778  s  s 2  5,8119
n 1 99

m 24
b) Ta có f    0, 24
n 100

70
 §3. Quy luật phân phối xác suất của một số thống kê mẫu

Nói chung, quy luật phân phối xác suất của các thống kê đặc trưng mẫu phụ
thuộc chặt chẽ vào qui luật phân phối xác suất của biến ngẫu nhiên gốc X
1. Biến ngẫu nhiên gốc phân phối theo luật chuẩn
Giả sử dấu hiệu nghiên cứu X trong tổng thể là biến ngẫu nhiên tuân theo luật
chuẩn với E(X) =  và V(X) = σ 2 . Các tham số này có thể đã biết hoặc chưa biết. Từ
tổng thể, rút ra mẫu ngẫu nhiên kích thước n: W = (X1, X2, …, Xn)
Khi đó thường sử dụng định lý sau:
Nếu các biến ngẫu nhiên X1, X2, … ,Xn độc lập và cùng phân phối theo luật
chuẩn thì mọi tổ hợp tuyến tính của chúng cũng có phân phối theo luật chuẩn.
1 n  2  X X n  
*Với X   X i thì ta có X ~ N ;  và U   ~ N(0; 1)
n i 1  n  se(X) 

1 n 2 nS*2
* Với S*2   i ( X   ) 2
thì ta có   ~  2(n )
n i1 2

1 n (n  1)S 2
* Với S 2   i ( X  X ) 2
thì ta có  2
 ~  2( n 1)
n  1 i 1 2

* Với U 
X   n
~ N(0; 1) và  2 
(n  1)S 2
~  2 ( n 1) thì
2
 

U ( X  ) n
GT  ~ T(n -1).
2 S
n 1
2. Hai biến ngẫu nhiên gốc cùng phân phối chuẩn
Xét đồng thời hai tổng thể . Ở tổng thể thứ nhất, dấu hiệu nghiên cứu được xem
như biến ngẫu nhiên X1 có phân phối chuẩn với E(X1) =  1 và V(X1) = 12 và ở tổng

thể thứ hai có E(X2) =  2 và V(X2) = 22 .

Từ hai tổng thể rút ra hai mẫu ngẫu nhiên độc lập có kích thước là n1 và n2:
W1 = (X11, X12, … , X1 n ) 1

W2 = (X21, X22, … , X 2n 2 )

* X1  X 2 tuân theo luật chuẩn với

12  22
E (X 1  X 2 )  1   2 ; V ( X 1  X 2 )  V ( X 1 )  V (X 2 )   .
n1 n 2

71
 (X 1  X 2 )  (1   2 )
Do đó U  ~ N(0; 1).
12  22

n1 n 2

(n 1  1)S12
2 2 (n 2  1)S 22
* Các thống kê   1 và  2  tuân theo phân phối khi bình
12  22

phương bậc tự do tương ứng là (n1 – 1) và (n2 – 1).

(n 1  1)S12 (n 2  1)S 22
Theo tính chất cộng của  2 ta có thống kê:  2   ~  2 ( n1  n 2  2 ) .
12  22

Khi đó, ta cũng có T 

X 1 
 X 2  1   2 
~ T ( n1  n2  2)
2 2
(n 1  1)S  (n 2  1)S
1 1 12
. 
n1  n 2  2 n1 n 2

Chú ý: Nếu n1 > 30; n2 > 30 thì thống kê T sẽ xấp xỉ phân phối chuẩn hóa N(0; 1)
(n 1  1)S12 (n 2  1)S 22
* Các thống kê 12  và  2
2  tuân theo phân phối khi bình
12  22

phương bậc tự do tương ứng là (n1 – 1) và (n2 – 1).

S12 . 22
Khi đó thống kê F  2 2 ~ F(n1 – 1; n2 – 1).
S 2 .1

3. Biến ngẫu nhiên gốc X phân phối theo luật không - một.
Thông thường khi dấu hiệu nghiên cứu X là biến lượng ngẫu nhiên phân phối
theo luật khác luật chuẩn, thì kích thước mẫu ngẫu nhiên n là khá lớn:
W = (X1, X2 , … ,Xn)
Khi đó, để xác định luật phân phối xác suất của các thống kê đặc trưng mẫu, có
thể sử dụng định lý giới hạn Lindenberg - Lewy sau:
Nếu các biến ngẫu nhiên {Xi }ni=1 độc lập, có cùng kỳ vọng toán m và phương
(X  ) n (X  ) n
sai σ 2 hữu hạn thì các biến ngẫu nhiên U  và U  sẽ phân phối
 S
xấp xỉ chuẩn hóa N(0; 1) khi n khá lớn. Vận dụng định lý trên để xét một số trường
hợp thông dụng sau:
a) Giả sử dấu hiệu nghiên cứu trong tổng thể là biến ngẫu nhiên phân phối theo qui
luật không - một với tham số p. Nếu từ tổng thể rút ra một mẫu kích thước n thì trung
p(1  p)
bình mẫu chính là tần suất ƒ với E (f )  p; V(f )  (p là xác suất của tổng thể)
n

72
b) Nếu n đủ lớn mà p rất nhỏ và np gần bằng np(1-p) thì f sẽ phân phối xấp xỉ
Poisson với tham số p.

1 p 1 p
c) Nếu n  5 và   0,3 hoặc n  100 thì U  (f  p) n có phân phối
n 1 p p f (1  f )

xấp xỉ N(0; 1).

4. Hai biến ngẫu nhiên gốc cùng phân phối theo quy luật không – một
Giả sử có hai tổng thể, trong tổng thể thứ i (i =1,2) thì dấu hiệu nghiên cứu được
xem là biến lượng ngẫu nhiên Xi với phân phối A(pi) (i =1,2). Từ hai tổng thể rút ra
hai mẫu ngẫu nhiên độc lập kích thước n1 và n2:
W1 = (X11, X12, … , X n ) 1

W2 = (X21, X22, … , X n ) 2

Từ đó xác định được các tần suất mẫu tương ứng là f1 và f2. Xét thống kê
(f1  f 2 )  (p1  p 2 ) với f  n1f1  n 2 f 2  m1  m 2
GU
1 1 n1  n 2 n1  n 2
f (1  f )(  )
n1 n 2

Khi đó, thống kê U phân phối xấp xỉ N(0, 1) khi n1 và n2 khá lớn (n1 > 30 và
n2 > 30)

73
 Chương 4. Ước lượng các tham số của biến ngẫu nhiên

§1. Phương pháp ước lượng điểm

1. Khái niệm
Giả sử cần ước lượng tham số  (chưa biết) của biến ngẫu nhiên gốc X dựa
trên mẫu (X1, X2, …, Xn). Thống kê ˆ  f (X1 , X 2 , ..., X n ) được gọi là hàm ước lượng

của  . Khi mẫu nhận giá trị cụ thể thì ˆ  f ( x 1 , x 2 , ..., x n ) nhận giá trị cụ thể (x1, x2,
…, xn).
2. Tiêu chuẩn ước lượng
a) Ước lượng không chệch
* Định nghĩa
Thống kê ̂ được gọi là ước lượng không chệch của  nếu E( ̂ ) =  .
Ngược lại E( ̂ )   thì ̂ được gọi là ước lượng không chệch của  .
Ví dụ 1. Cho biến ngẫu nhiên gốc X có EX =  ; VX =  2 . Chứng minh rằng X; S 2
lần lượt là ước lượng không chệch của  và  2 .
Giải:
1 n 1 n  1 n 1 n n
Ta có X  
n i 1
nX i  E(X)  E   X i   
 n i 1  n i 1
E(X i )  
n i 1

n


n
Mặt khác: X  MS .
n 1
1 n 2 2 1 n
Trước hết, ta có MS   (X i   )  (X   )  E(MS)   E(X i   )2  E(X   )2
n i 1 n i 1

2
Do E(X i   )2  V(X i )  V(X)   2 và E(X   )2  V(X)  .
n
2 n 1 2 n
 E(MS) =  2     E(S 2 )  E(MS)   2 .
n n n 1
* Tính chất: Với tổng thể có biến ngẫu nhiên gốc X với EX =  , VX =  2 và F là

tần suất mẫu. Ta có X ; S2 (S*2) và F lần lượt là ước lượng không chệch của  ,  2 và
p.
Ví dụ 2.(KTQD – 2009). Cho mẫu ngẫu nhiên W=(X1, X2, X3) lập từ tổng thể phân
1 1 1 1 1 1
phối N( ; 2 ). Lập các thống kê G 1  X1  X 2  X 3 ; G 2  X1  X 2  X 3
4 2 4 3 6 2
Chứng minh rằng G1, G2 là các ước lượng không chệch của  .

74
Giải:
1 1 1 1 1 1
Ta có E(G1 )  E(X1 )  E(X 2 )  E(X 3 )        
4 2 4 4 2 4  
1 1 1 1 1 1
và E(G 2 )  E(X1 )  E(X 2 )  E(X 3 )         .
3 6 2 6 3 2  
Vậy G1, G2 là các ước lượng không chệch của  .
b) Ước lượng hiệu quả
* Định nghĩa: Thống kê ̂ được gọi là ước lượng hiệu quả của  nếu nó là ước
lượng không chệch và có phương sai nhỏ nhất so với mọi ước lượng không chệch
khác xây dựng trên cùng mẫu đó.
*Định lý Cramer – Rao: Với mẫu ngẫu nhiên xây dựng từ tổng thể có biến ngẫu
nhiên gốc X có hàm mật độ xác suất f(x;  ) và  * là ước lượng không chệch bất kỳ
1
của  thì V(* )  2
(*)
  ln f ( x; ) 
nE  
  

Ví dụ 3: Với X là biến ngẫu nhiên tuân theo luật chuẩn N(;  2 ) . Chứng minh rằng

X là ước lượng hiệu quả của  .

Giải:
 ( x  ) 2
1 2 2
X tuân theo luật chuẩn nên f ( x; )  e (với    )
 2
n
+) Ta đã có V(X)  và X là ước lượng không chệch của  (1)
2
( x  ) 2  ln f ( x , )  ln f ( x, ) x  
 ln f ( x; )   ln  2  2
và   2
2   
2 2
  ln f (X, )  X  n n
Vậy nE    nE  2   4 E(X  )2  2 (2)
       
Từ (1) và (2) suy ra dấu bằng của bđt Cramer – Rao xảy ra.
Vậy X là ước lượng hiệu quả của  .

Chú ý: Cho hai ước lượng của  là ̂ 1, ̂ 2 không phải là ước lượng hiệu quả.
Nếu V( ̂ 1) < V( ̂ 2) thì ̂ 1 là hiệu quả hơn ̂ 2.

75
Ví dụ 4.(KTQD – 2009). Cho mẫu ngẫu nhiên W3 =(X1, X2, X3) lập từ tổng thể phân
1 1 1 1 1 1
phối N( ; 2 ). Lập các thống kê G 1  X1  X 2  X 3 ; G 2  X1  X 2  X 3
4 2 4 3 6 2
Trong hai ước lượng trên, ước lượng nào tốt hơn cho  .
Giải: Tính V(G1) so sánh với V(G2)
1 1 1 3
Ta có V(G1 )  V(X1 )  V(X 2 )  V(X 3 )  2
16 4 16 8
1 1 1 7
V(G 2 )  V(X1 )  V(X 2 )  V(X 3 )   2
9 36 4 18
So sánh, ta có V(G1 )  V(G 2 ) nên G1 là ước lượng tốt hơn G2 cho  .

Tính chất: Nếu biến ngẫu nhiên gốc X tuân theo luật chuẩn N(;  2 ) .

* Trung bình X là ước lượng không chệch, hiệu quả của 

* Phương sai mẫu S*2, S2 cùng là ước lượng không chệch của  2 .
* Tần suất mẫu F là ước lượng không chệch hiệu quả của tần suất tổng thể p.
c) Ước lượng hợp lý tối đa
Giả sử đã biết quy luật phân phối xác suất của bnn gốc X dưới dạng hàm mật độ xác
suất f(x,  ). Cần ước lượng tham số  cho X.
Lập mẫu W = (X1, X2, … ,Xn) và xây dựng hàm hợp lý của đối số  tại một giá trị cụ
thể của mẫu: L(x1, x2, … , xn,  ) = f(x1,  ). f(x2,  ) … f(xn,  )
Giá trị ̂ = f(x1, x2, … , xn) tại điểm (x1, x2, … , xn) được gọi là ước lượng hợp lý tối
đa của  nếu ứng với giá trị này của  thì hàm hợp lý đạt cực đại.
Phương pháp tìm ước lượng điểm hợp lý tối đa:
 Tìm đạo hàm bậc nhất của lnL theo 
d ln L
 Giải phương trình:  0 . Giả sử nó có nghiệm ̂ = f(x1, x2, … , xn)
d
d 2 ln L
 Tìm đạo hàm bậc hai
d 2
d 2 ln L
Nếu tại  = ̂ đạo hàm bậc hai âm thì điểm này hàm ln L đạt cực đại, do đó
d 2
̂ = f(x1, x2, … , xn) là ước lượng điểm hợp lý tối đa của  .
Ví dụ 1. (Cao học KTQD, 2010) Cho mẫu ngẫu nhiên kích thước n lập từ tổng thể
có phân phối A(p). Chứng minh rằng tần suất mẫu f là ước lượng hợp lý tối đa của p.
Giải:

76
Biểu thức xác suất tổng quát của quy luật không – một là
Px = px(1- p)1-x
Lập mẫu ngẫu nhiên kích thước n: W = (X1, X2, … , Xn) và giá trị w = (x1, x2, …, xn)
của nó lập hàm hợp lý với mỗi giá trị xi (xi = 0 hoặc xi = 1)
1 x i
L(x1, x2, …, xn, p) =  p x (1p ) i

n
d ln L 1 n 1 n
Từ đó lnL =  x
i 1
i ln p  (1  x i ) ln(1  p) 
dp
  xi 
p i 1
 (1  x i )
1  p i 1
dLnL
0px
dp

d 2 LnL n
Dễ thấy rằng 2
  0 . Do đó ước lượng hợp lý tối đa của p là x = f.
dp p(1  p)

Ví dụ 2. Tìm ước lượng hợp lý tối đa của tham số  và  2 của biến ngẫu nhiên X
tuân theo luật chuẩn.
Giải:
n
1
1 2  ( x i  ) 2
Hàm hợp lý có dạng: L( x 1 , x 2 ,..., x n , ,  2 )  e 2 i 1

 2
Tìm các đạo hàm riêng của LnL theo  và  2 và cho bằng 0 ta có hệ:

 LnL n X  n
  2
0
 
   X
 n
2
 2
  ( x i  )   MS
 LnL   n  i1 0
  2  3
Dễ kiểm tra điều kiện còn lại cũng thỏa mãn. Tuy nhiên ước lượng hợp lý tối đa của
 2 là ước lượng chệch.

77
 §2. Phương pháp ước lượng khoảng tin cậy

1. Các khái niệm

Bài toán đặt ra là tìm các khoảng ước lượng cho tham số  của biến ngẫu nhiên gốc X
trong tổng thể. Lập mẫu ngẫu nhiên W = (X1, X2, … ,Xn) kích thước n và xây dựng
hàm thống kê G = f(X1, X2, …, Xn) sao cho quy luật phân phối xác suất của G không
phụ thuộc vào các đối số của nó và hoàn toàn xác định. Với độ tin cậy 1-  , tìm được
các thống kê G1, G2 sao cho P(G1 <  <G2) = 1-  .
(G1, G2) khoảng tin cậy
1-  : độ tin cậy
I = G2 – G1: độ dài khoảng tin cậy
G 2  G1
 : độ chính xác của ước lượng
2
Chú ý: vì  nhỏ nên theo nguyên lý xác suất lớn thì 1-  khá lớn (gần tới 1)
nên biến cố (G1 <  < G2) hầu như xảy ra trong các phép thử nên ta tính toán trên
mẫu cụ thể.
2. Ước lượng khoảng cho kỳ vọng toán của biến ngẫu nhiên có phân phối chuẩn
Giả sử tổng thể là biến ngẫu nhiên gốc X có phân phối chuẩn N(;  2 ) . Chọn mẫu
ngẫu nhiên kích thước n: W = (X1, X2, … , Xn)
a) Phương sai  2 đã biết
X   ( X  ) n
Chọn thống kê G  U   ~ N(0; 1)
Se(X) 

 Khoảng tin cậy đối xứng cho  :

 (X  ) n 
P  U  u / 2   1    P   u / 2   1  
  
 

   
 P X  u /2    X  u /2   1  
 n n 

Độ chính xác của ước lượng là   u  / 2 . Độ dài của khoảng tin cậy là 2
n

  
 Khoảng tin cậy bên phải cho  : P  X  u       1  
 n 

78
   
 Khoảng tin cậy bên trái cho  : P      X  u   1  
 n 

Chú ý: Độ dài của khoảng tin cậy đối xứng là I  2 u/2
n
 Nhận xét:
+) Tăng kích thước mẫu và giữ nguyên độ tin cậy 1-  thì độ dài của khoảng tin cậy
giảm nên độ chính xác tăng
+) Khi tăng độ tin cậy 1-  mà giữ nguyên kích thước mẫu n thì giá trị tới hạn chuẩn
cũng tăng lên theo do đó  cũng tăng lên làm cho độ chính xác của ước lượng giảm
đi.
Bài toán 1. Xác định kích thước mẫu tối thiểu n sao cho với độ tin cậy 1   cho trước
, độ dài khoảng tin cậy không vượt quá giá trị Io (cho trước). Công thức có dạng
 4 2  2 
n   2 u 2 / 2    2 u 2 / 2 
 I0   0 
Ví dụ 1. Trọng lượng một loại sản phẩm là biến ngẫu nhiên phân phối theo quy luật
chuẩn với độ lệch chuẩn là 1 gam. Cân thử 25 sản phẩm loại này thu được kết quả
sau.
Trọng lượng (gam) 18 19 20 21
Số SP tương ứng 3 5 15 2
a) Với độ tin cậy 0,95 hãy tìm khoảng tin cậy đối xứng cho trọng lượng trung
bình của loại sản phẩm nói trên.
b) Nếu yêu cầu độ chính xác của ước lượng chỉ là 0,1 và giữ nguyên độ tin cậy
95% thì phải điều tra một mẫu kích thước bao nhiêu?
Cho biết: u0,025= 1,96
Giải: Gọi X là “trọng lượng sản phẩm”, theo giả thiết X phân phối chuẩn với  = 1.
Vậy trọng lượng trung bình của sản phẩm chính là tham số  .
a) Đây là bài toán ước lượng bằng khoảng tin cậy đối xứng cho tham số  của biến
ngẫu nhiên X tuân theo luật chuẩn N(;  2 ) khi đã biết phương sai. Nên khoảng tin
cậy là:

79
    
P X  u /2    X  u /2   1    0,95
 n n 
   
 P X  u0,025    X  u0,025   0,95
 n n 
Và với mẫu cụ thể, khoảng tin cậy 95% cho tham số  là
1 1
x .1, 96    x  .1, 96
25 25

Mà x = 19,64 nên khoảng tin cậy cho tham số  là 19,248    20,032 .

1
Độ chính xác của ước lượng:   .1,96  0,392
5
b) Với  o  0,1 theo công thức xác định kích thước mẫu, khi độ tin cậy không đổi ta

 12 
có n   2
(1,96) 2   385 .
 (0,1) 
Vậy để tăng độ chính xác từ 0,392 lên 0,1 thì kích thước mẫu tăng từ 25 đến 385
b) Phương sai  2 chưa biết
X 
Chọn thống kê G  T  n ~ T(n-1)
S
 S ( n1) S ( n 1) 
 Khoảng tin cậy đối xứng cho  : P  X  t / 2    X  t   1
 n n  /2 
S
Độ chính xác của ước lượng là   t (n/ 21) . Độ dài của khoảng tin cậy là 2
n

 S ( n 1) 
 Khoảng tin cậy bên phải cho  : P  X  t       1  
 n 
 S ( n 1) 
 Khoảng tin cậy bên trái cho  : P      X  t   1  
 n 
2S
Chú ý: Độ dài của khoảng tin cậy đối xứng là I  2  t (n/ 21)
n
Bài toán 2. Xác định kích thước mẫu tối thiểu n sao cho với độ tin cậy 1   cho
trước, độ dài khoảng tin cậy không vượt quá giá trị Io (cho trước).
Trước hết, điều tra một mẫu sơ bộ kích thước m  2: W1 = (X1, X2, …, Xm) và từ đó
tìm được phương sai mẫu của mẫu sơ bộ đó là:
1 m 1 m
S2   (X i  X ) 2 với X   X i
m  1 i 1 m i 1

80
Sau đó lập mẫu thứ hai kích thước n – m:
W2 =(Xm+1, Xm+2, …, Xn)
1 n 
  Xi   n
n
Khi đó, thống kê T   i 1  ~ T(m -1) và kích thước mẫu cần tìm là
S
 S2 
n   2 t 2 (/m21) 
 0 
Chú ý: Khi kích thước mẫu n > 30, phân phối T(n-1) xấp xỉ phân phối chuẩn. Nên
trong các công thức trên giá trị tới hạn Student thay bởi giá trị tới hạn chuẩn.
Ví dụ 2. Để xác định trọng lượng của các bao bột trong kho, người ta đem cân ngẫu
nhiên 15 bao bột của kho và tìm được x =39,8kg; s2 = 0,144. Hãy tìm khoảng tin cậy
đối xứng của trọng lượng trung bình của các bao bột trong kho với độ tin cậy là 99%.
Giả thiết trọng lượng của các bao bột là biến ngẫu nhiên có phân phối chuẩn.
Cho biết: t (015, 005
)
 2,977

Giải:
Gọi X là trọng lượng bột đóng bao, theo giả thiết X tuân theo luật chuẩn: N(;  2 ) .
Vậy trọng lượng trung bình chính là  và bài toán đưa về tìm khoảng tin cậy đối xứng
cho  :

 S (14) S (15) 
P X  t0,005    X  t0,005   1    0,95
 15 15 
Với mẫu cụ thể ta có: x =39,8kg; s  0,144  0,379 ; t (015, 005
)
 2,977 .

0,379 0,379
Khoảng tin cậy đối xứng cho  là: 39,8  2,977    39,8  2,977
15 15
 39,5033    40,0977

81
Ví dụ 3. Để xác định chiều dài trung bình của chi tiết do một máy sản xuất người ta
lấy ngẫu nhiên 200 chi tiết và thu được bảng số liệu sau:
Chiều dài chi tiết (cm) Số chi tiết tương ứng
54,795 - 54,805 6
54,805 - 54,815 14
54,815-54,825 33
54,825-54,835 47
54,835-54,845 45
54,845-54,855 33
54,855-54,865 15
54,865-54,875 7
n = 200
Với độ tin cậy 95%, hãy ước lượng bằng khoảng tin cậy đối xứng cho chiều dài trung
bình của chi tiết do máy sản xuất ra. Giả thiết chiều dài chi tiết là biến ngẫu nhiên có
phân phối chuẩn.
Cho biết: u0,025= 1,96.
Giải:
Gọi X là chiều dài của chi tiết, theo giả thiết X tuân theo luật chuẩn: N(;  2 ) với
 2 chưa biết. Bài toán đưa về tìm khoảng tin cậy đối xứng cho  :

 S ( n 1) S ( n1) 
P X  t / 2    X  t   1    0,95
 n n  /2 

Do n = 200 > 30 nên với độ tin cậy 95%, t( n/21)  t0,025
(199)
 u0,025  1,96 .

Với mẫu cụ thể lập bảng

xi ni nixi nixi2
54,8 6 328,80 18018,240
54,81 14 767,34 42057,905
54,82 33 1809,06 99172,669
54,83 47 2577,01 14197,669
54,84 45 1467,80 135334,150
54,85 33 1810,05 99281,242
54,86 15 822,90 45144,294

82
 54,87 7 384,09 21,075,018
n=200 10967,05 601380,950
10967,05 601380,95
Từ đó, ta suy ra x   54,83525 ; x 2   3006,90475
200 200
2
ms  3006,90475   54,83525   0,0002559

200
s .0,0002559  0,0164
199
Vậy với độ tin cậy 95%, qua mẫu cụ thể này khoảng tin cậy đối xứng cho  :
0,0164 0,0164
54,83525  .1,96    54,83525  .1,96  54,83298    54,83752
200 200
3. Ước lượng phương sai của biến ngẫu nhiên phân phối chuẩn
a) chưa biết kỳ vọng toán
Giả sử tổng thể X tuân theo luật chuẩn N(;  2 ) :   E(X) chưa biết. Chọn thống kê
(n  1)S 2
G  2  2
~  2( n1)


 (n  1) S 2 (n  1) S 2 
* Khoảng tin cậy hai phía cho  2 : P  2( n 1)   2    1
  /2 12(n /21) 

 (n  1) S 2 
* Khoảng tin cậy bên phải cho  2 : P  2( n 1)   2     1  
  
 (n  1) S 2 
* Khoảng tin cậy bên trái cho  2 : P  0   2    1
 12(n 1) 
b) biết kỳ vọng toán
Giả sử tổng thể X tuân theo luật chuẩn N(;  2 ) :   E(X) đã biết. Chọn thống kê

nS*2 1 n
G  2  ~  2( n )
; S*2
  (Xi  )2
2 n i 1

 nS*2 nS*2 
* Khoảng tin cậy hai phía cho  2 : P  2(n )   2  2(n )   1  
  /2 1 /2 

 nS*2 
* Khoảng tin cậy bên phải cho  2 : P  2(n )   2     1  
  
2 2 nS*2 
* Khoảng tin cậy bên trái cho  : P  0    2(n )   1  
 1 

83
Với mẫu cụ thể, xác định s*2 tính toán trên mẫu. Thông thường, lập bảng để tính s*2:
xi ni (xi -  ) (xi -  )2 ni(xi -  )2
…. …. …. …. ….
k
N 2
 n (x  )
i 1
i i

1 k
s*2   ni ( xi   ) 2 và từ đó xây dựng được khoảng tin cậy tương ứng.
n i 1

Nếu đề bài yêu cầu độ lệch chuẩn thì khai căn phương sai:    2
Ví dụ 1. Với giả thiết của ví dụ 3 mục 2 và độ tin cậy 95%; hãy ước lượng khoảng tin
cậy cho phương sai của kích thước các chi tiết.
Giải: Đây là bài toán ước lượng phương sai của biến ngẫu nhiên phân phối chuẩn
N (;  2 ) khi chưa biết  . Khoảng tin cậy cho  2 :

 (n  1) S 2 (n  1) S 2 
P  2( n 1)   2  2( n 1) 
 1    0,95

  /2  1 /2 
Với mẫu cụ thể ta có s 2  0,0002689; n  200;  0,975
2(199) 2(199)
 198,98;  0,025  284,8

Khi đó khoảng tin cậy cho  2 là

199. 0,0002689 199. 0,0002689
 2   0,000188   2  0.000269
284,8 198,98

Ví dụ 2. (Đề thi Cao học Trường Đại học KTQD năm 2008)
Điều tra doanh thu trong tuần (x: triệu đồng) của một số đại lý xăng dầu ở vùng A,
người ta thu được số liệu sau đây:
x 21 22 23 24 25 26
số đại lý 7 17 29 27 15 5
Với độ tin cậy 95%, hãy tìm khoảng tin cậy cho độ phân tán của doanh thu/tuần. Giả
thiết doanh thu/tuần của đại lý vùng A là biến ngẫu nhiên có phân phối chuẩn.
2(99) 2(99)
Cho biết:  0,975  73,36;  0,025  128, 4

Giải: Đây là bài toán ước lượng phương sai của biến ngẫu nhiên phân phối chuẩn
N (;  2 ) khi chưa biết  . Khoảng tin cậy cho  2 :

 (n  1) S 2 (n  1) S 2 
P  2( n 1)   2  2( n 1) 
 1    0,95

  /2  1 /2 
Lập bảng tính toán

84
 xi ni xini xi2ni
(1) (2) (3) (4)
21 7 147 3087
22 17 374 8228
23 29 667 15341
24 27 648 15552
25 15 375 9375
26 5 130 3380
100 2341 54963

Với mẫu cụ thể ta có

n
s2  ms; ms  x 2  ( x) 2 ; s 2  1,6181; n  100;  0,975
2(99) 2(99)
 73,36;  0,025  128, 4
n 1
Khi đó khoảng tin cậy cho  2 là
99.1, 6181 99.1,6181
2   1, 2474   2  2,1836  1,116871    1, 477701
128, 4 73,36
Ví dụ 3. Mức hao phí nguyên liệu cho một đơn vị sản phẩm là biến ngẫu nhiên X
phân phối chuẩn N(;  2 ) . Để ước lượng độ phân tán của mức hao phí nguyên liệu
người ta cân thử 25 sản phẩm thu được bảng số liệu sau:
Mức hao phí (gam) 19,5 20,0 20,5
Số sản phẩm 5 18 2
Cho độ tin cậy 90%, hãy ước lượng độ phân tán (đo bằng  ), độ phân tán tối đa, tối
thiểu của mức hao phí trong 2 trường hợp:
a) Đã biết EX =  = 20; b)Chưa biết EX
2(25) 2(25) 2(25) 2(25)
Cho biết:  0,05  37,65;  0,95  14,61 ,  0,9  16, 47;  0,1  34,38
2(24) 2(24) 2(24) 2(24)
 0,05  36, 42;  0,95  13,85 ,  0,9  15,66;  0,1  33, 2

Giải:
Đây là bài toán xây dựng khoảng tin cậy cho  2 rồi suy ra khoảng tin cậy  trong
2 trường hợp đã biết và chưa biết EX.
25S*2
a) Chọn thống kê: G   2  2
~  2 ( 25)

Lập bảng tính được: s*2 = 0,07.

85
  25S *2 25S *2 
* Khoảng tin cậy 2 phía cho  2 : P  2(25)   2  2(25)   1    0,9 .
  /2 1 /2 
2(25) 2(25)
Với s*2 = 0,07;  0,05  37,65;  0,95  14,61 ta có

25s*2 2 25s*2
2(25)
  2(25)
 0,0464   2  0,1198  0, 215407    0,346121
 0,05  0,95

 25S *2 
* Khoảng tin cậy bên trái cho  2 : P  0   2  2(25)   1    0,9 .
 1 
2(25)
Với s*2 = 0,07;  0,9  16, 47 ta có

2 25s*2
0   2(25)
 0   2  0,1063
 0,9

 25S *2 
* Khoảng tin cậy bên phải cho  2 : P  2(25)   2     1    0,9 .
  
2(25)
Với s*2 = 0,07;  0,1  34,38 ta có

25s*2
2(25)
  2    0,0509   2  
 0,1

2 24S 2
b) Chọn thống kê: G    2
~  2( 24)

Lập bảng tính được: s2 = 0,06917.
 24 S 2 24S 2 
* Khoảng tin cậy 2 phía cho  2 : P  2(24)   2  2(24)   1    0,9 .
  /2 1 /2 
2(24) 2(24)
Với s2 = 0,06917;  0,05  36, 42;  0,95  13,85 ta có

24s 2 24s 2
2(25)
2  2(25)
 0, 4558   2  0,1199  0,067513    0,346266
 0,05  0,95

 24 S 2 
* Khoảng tin cậy bên trái cho  2 : P  0   2  2(24)   1    0,9
 1 
2(24)
Với s2 = 0,06917;  0,9  15,66 ta có

24s 2
0 2  2( n )
 0   2  0,106  0    0,325576
 0,9

 24 S 2 
* Khoảng tin cậy bên phải cho  2 : P  2(24)   2     1    0,9
  

86
 2(24)
Với s2 = 0,06917;  0,1  33, 2 ta có

24s 2
2(24)
  2    0,05   2    0, 223607    
 0,1
4.Ước lượng xác suất p của biến ngẫu nhiên phân phối theo quy luật không –
một
Bài toán: giả sử tổng thể có kích thước N có M phần tử mang dấu hiệu nghiên cứu.
Lấy ngẫu nhiên ra một phần tử và gọi X là số phần tử mang dấu hiệu nghiên cứu được
lấy ra thì X là biến ngẫu nhiên có quy luật không – một:
X 0 1
P 1-p p
trong đó p là xác suất để lấy ngẫu nhiên một phần tử thì được phần tử mang dấu hiệu
M
nghiên cứu: p = .
N

p(1  p) 1 p 1 p
Ta đã có EX  p; VX  và nếu n > 5 và   0,3 hoặc n  100
n n 1 p p

f  p ( f  p) n
thì ta có G  U   phân phối xấp xỉ chuẩn N(0; 1).
se( f ) p(1  p )
* Khoảng tin cậy đối xứng cho p:
 f (1  f ) f (1  f ) 
P f  u /2  p  f  u /2   1  
 n n 
 f (1  f ) 
* Khoảng tin cậy bên phải cho p: P  f  u   p  1  1  
 n 
 f (1  f ) 
* Khoảng tin cậy bên trái cho p: P  0  p  f  u   1  
 n 
Bài toán: Kích thước mẫu tối thiểu n đảm bảo độ tin cậy 1-  cho trước và độ dài
 f (1  f ) 
khoảng tin cậy không vượt quá Io cho trước là: n   2
u 2 / 2 
  0 
Ví dụ 1. Kiểm tra ngẫu nhiên 400 sản phẩm do một máy sản xuất thấy có 20 phế
phẩm. Với độ tin cậy 95%,
a) Hãy ước lượng khoảng tin cậy đối xứng cho tỷ lệ phế phẩm của nhà máy
b) Hãy ước lượng tỷ lệ phế phẩm tối đa, tối thiểu của nhà máy

87
 c) Nếu muốn độ chính xác ở câu a) không quá 0,01 cần điều tra mẫu mới bằng
bao nhiêu.
Cho biết: u0,025 = 1,96, u0,05 = 1,645.
Giải:
Gọi p là tỷ lệ phế phẩm của máy đó. Như vậy p là cơ cấu của tập hợp sản phẩm do
máy sản xuất ra theo dấu hiệu phế phẩm. Đây là bài toán ước lượng tỷ lệ của tổng thể
a) * Khoảng tin cậy đối xứng cho p là
 f (1  f ) f (1  f ) 
P f  u /2  p  f  u /2   1    0,95
 n n 
Với n = 400; f = 20/400 = 0,05; u0,025 = 1,96, ta có
0,05.0,95 0,05.0,95
0,05  .1,96  p  0,05  .1,96
400 400
 0,0286  p  0, 0714
b) * Khoảng tin cậy bên trái cho p là
 f (1  f ) 
P0  p  f  u   1    0,95
 n 
Với n = 400; f = 20/400 = 0,05; u0,05 = 1,645, ta có
0,05.0,95
0  p  0,05  .1,645  0  p  0,069
400
* Khoảng tin cậy bên phải cho p là
 f (1  f ) 
P f  u  p  1  1    0,95
 n 
Với n = 400; f = 20/400 = 0,05; u0,05 = 1,645, ta có
0,05.0,95
0,05  .1, 645  p  1  0,0321  p  1
400

 f (1  f ) 2  0,05.0,95
c) n   2
u /2   2
.1,962  1824,8  n =1825
  0  0,01

88
Ví dụ 2. Điều tra nhu cầu tiêu dùng một loại hàng hóa của một vùng người ta nghiên
cứu 100 gia đình và thấy có 60 gia đình có nhu cầu về loại hàng hóa đó. Cho biết độ
tin cậy 95%.
a) Biết vùng đó có 2000 hộ gia đình, hãy ước lượng khoảng tin cậy đối xứng cho
số hộ gia đình trong vùng có nhu cầu về loại hàng hóa đó.
b) Biết vùng đó có 1000 hộ gia đình có nhu cầu sử dụng hàng hóa trên, hãy ước
lượng số hộ gia đình của vùng đó.
Cho biết: u0,025 = 1,96.
Giải:
Gọi N là số hộ gia đình của vùng đó, M là số hộ gia đình có nhu cầu về loại hàng hóa
trên. Ta có p = M/N. Trước hết xây dựng khoảng tin cậy đối xứng cho p:
 f (1  f ) f (1  f ) 
P f  u /2  p  f  u /2   1    0,95
 n n 
Với n = 100; f = m/n = 0,6; u0,025 = 1,96
0,6.0, 4 0,6.0, 4
0,6  .1,96  p  0,6  .1,96  0,54  p  0,696
400 400
M
a) Với N = 2000: 0,54   0,696  1008  M  1392
2000
1000
b) Với M = 1000: 0,54   0,696  1437  N  1851
N

89
 Chương 5. Kiểm định giả thuyết thống kê

§1. Giả thuyết thống kê

1. Khái niệm
Giả thuyết thống kê là các mệnh đề phát biểu về dạng phân phối xác suất của biến
ngẫu nhiên, về các tham số của biến ngẫu nhiên hoặc về tính độc lập của các biến
ngẫu nhiên.
Giả thuyết thống kê, ký hiệu Ho: giả thuyết gốc
Giả thuyết đối của nó, ký hiệu H1
Cặp giả thuyết thống kê (Ho; H1)
Ví dụ 1. Nhu cầu trung bình về một hàng hóa năm nay cao hơn năm trước. Biết
nhu cầu trung bình năm trước là 1000 đơn vị/tháng. Hãy phát biểu cặp giả thuyết
thống kê.
Giải: Gọi X là nhu cầu về loại hàng hóa đó năm nay:   EX . Bài toán đưa về

H o :  1000
kiểm định cặp giả thuyết:  .
H1 :   1000
2. Tiêu chuẩn kiểm định và miền bác bỏ
Từ tổng thể có biến ngẫu nhiên gốc X lập mẫu ngẫu nhiên kích thước n: W = (X1,
X2, …, Xn) và chọn thống kê G = f(X1, X2,. .., Xn,  o ); trong đó  o là tham số liên
quan đến bài toán cần kiểm định. Nếu Ho đúng thì quy luật phân phối xác suất của G
hoàn toàn xác định. G được gọi là tiêu chuẩn kiểm định.
Với mức ý nghĩa  , miền W : P(G  W H o )   , thì W được gọi là miền bác bỏ

W   R \ W được gọi là miền chấp nhận.

Với mẫu cụ thể w = (x1, x2, …, xn): Gqs = f(x1, x2,. .., xn,  o )
3. Quy tắc kiểm định
Bước 1: Phát biểu cặp giả thuyết thống kê
Bước 2: Chọn tiêu chuẩn kiểm định và xây dựng miền bác bỏ
Bước 3. Tính Gqs trên mẫu cụ thể và kết luận
4. Các sai lầm:
+ Sai lầm loại 1: Bác bỏ Ho trong khi Ho đúng
+ Sai lầm loại 2: Thừa nhận Ho trong khi Ho sai

90
 §2. Kiểm định giả thuyết về kỳ vọng toán

1. Kiểm định giả thiết về một kỳ vọng toán của biến ngẫu nhiên có phân phối
chuẩn
Giả sử tổng thể có biến ngẫu nhiên gốc X ~ N(;  2 ) . Song  chưa biết, với mức ý
nghĩa  , cần kết luận về giả thiết Ho:    o ( o đã biết).

a) Trường hợp biết phương sai  2

X  o
Tiêu chuẩn kiểm định U  n ~ N(0; 1)


H o :    o
Trường hợp 1:  . Miền bác bỏ là W  U : U  u  /2 
H 1 :    o

H o :    o
Trường hợp 2:  . Miền bác bỏ là W  U :U  u  
H 1 :    o

H o :    o
Trường hợp 3:  . Miền bác bỏ là W  U :U  u  
H 1 :    o
Đối với mẫu cụ thể w =(x1, x2, …, xn). Tính Uqs và kết luận:
U qs  W : bác bỏ Ho, chấp nhận H1.

U qs  W : chưa có cơ sở bác bỏ Ho.

b) Trường hợp chưa biết phương sai  2

X  o
Tiêu chuẩn kiểm định T  n ~ T(n-1)
S
H o :    o
Trường hợp 1:  
. Miền bác bỏ là W  T : T  t (n/21) 
H 1 :    o

H o :    o
Trường hợp 2: 
H :   

. Miền bác bỏ là W  T : T  t (n 1) 
 1 o

H o :    o
Trường hợp 3: 
H :   

. Miền bác bỏ là W  T : T   t (n 1) 
 1 o

Đối với mẫu cụ thể w =(x1, x2, …, xn). Tính Tqs và kết luận
Tqs  W : bác bỏ Ho, chấp nhận H1.

Tqs  W : chưa có cơ sở bác bỏ Ho.

91
Ví dụ 1: Trọng lượng đóng bao của các bao gạo là biến ngẫu nhiên có phân phối
chuẩn với trọng lượng trung bình theo quy định bằng 50kg. Nghi ngờ đóng thiếu,
người ta đem cân ngẫu nhiên 25 bao thu được kết quả sau:
Trọng lượng bao (kg) 48-48,5 48,5 – 49 49 – 49,5 49,5 – 50 50 – 50,5
Số bao 2 5 10 6 2
Với mức ý nghĩa 1%, hãy cho kết luận về điều nghi ngờ trên.
(24)
Cho biết: t0,01  2, 402 .

Giải: Goi X là trọng lượng của bao gạo. Theo giả thuyết X có phân phối chuẩn.
Vậy trọng lượng trung bình chính là tham số  . Đây là bài toán kiểm định giả thuyết
về tham số  của biến ngẫu nhiên có phân phối chuẩn khi chưa biết phương sai  2 .
Cặp giả thuyết thống kê Ho:  = 50;
H1:  < 50

X  50
Tiêu chuẩn kiểm định: U  25 ~ T(24)
S
Miền bác bỏ: W  T : T   t (024, 01)  2,402  (;  2,402)

Lập bảng để tính x; s 2 :

xi ni xini x i2 n i

48,25 2 96,5 4656,125

48,75 5 243,75 11882,8125
49,25 10 492,5 24255,625
49,75 6 298,5 14850,375
50,25 2 100,5 5050,125
n = 25 1231,75 60695,062
1231,75 60695,062
Từ đó, suy ra: x   49,27 ; ms   (49,27) 2  0,27
25 25

25
s .0,07  0,53
24

(49,27  50) 25
Giá trị quan sát: Tqs   6,887 .
0,53

Tqs  W nên bác bỏ Ho, chấp nhận H1.

92
 3. Kiểm định giả thuyết về hai kỳ vọng toán của hai biến ngẫu nhiên phân
phối chuẩn
Giả sử có hai tổng thể nghiên cứu có các biến ngẫu nhiên gốc X1, X2 có phân phối
chuẩn lần lượt là N(1 ; 12 ); N( 2 ;  22 ) . Nếu  1,  2 chưa biết song có cơ sở cho thấy
chúng bằng nhau, nên với mức ý nghĩa  cần kiểm định kết luận Ho:  1 =  2
Với 2 mẫu ngẫu nhiên kích thước n1, n2 và các 12 ; 22 chưa biết
a) Chưa phương sai và giả thiết 12   22

X1  X 2
Tiêu chuẩn kiểm định T  ~ T(n1 + n2 – 2)
1 1
Sp . 
n1 n 2

(n 1  1)S12  (n 2  1)S 22
với S p 
n1  n 2  2

H o :  1   2
* Trường hợp 1:  
. Miền bác bỏ là W  T : T  t (n/12 n 2  2) 
H 1 :  1   2

H o :  1   2
* Trường hợp 2:  
. Miền bác bỏ là W  T : T  t (n1  n 2 2 ) 
H 1 :  1   2

H o :  1   2
* Trường hợp 3: 
H :   

. Miền bác bỏ là W  T : T   t (n1  n 2 2 ) 
 1 1 2

Với mẫu cụ thể tính được x 1 , x 2 ; s12 ; s 22 . Tqs và kết luận

Tqs  W : bác bỏ Ho, chấp nhận H1.

Tqs  W : chưa có cơ sở bác bỏ Ho.

Chú ý: Khi n1 > 30; n2 > 30 thì phân phối T xấp xỉ chuẩn nên các giá trị tới hạn
dùng giá trị tới hạn chuẩn.
b) Chưa phương sai và không có giả thiết 12   22
X1  X 2
Tiêu chuẩn kiểm định T  ~ T(k)
S12 S22

n1 n 2

S12
(n 1  1)(n 2  1) n1
với k  ;C  2
(n 2  1)C 2  (1  C)(n 1  1) S1 S 22

n1 n 2

93
 H o :  1   2
* Trường hợp 1:  . Miền bác bỏ là W  T : T  t (k/)2 
H 1 :  1   2

H o :  1   2
* Trường hợp 2:  . Miền bác bỏ là W  T : T  t (k ) 
H
 1 1:    2

H o :  1   2
* Trường hợp 3:  . Miền bác bỏ là W  T : T   t (k ) 
H
 1 1:    2

Với mẫu cụ thể tính được x 1 , x 2 ; s12 ; s 22 . Tqs và kết luận.

Tqs  W : bác bỏ Ho, chấp nhận H1.

Tqs  W : chưa có cơ sở bác bỏ Ho.

Chú ý: Khi n1 > 30; n2 > 30 thì phân phối T xấp xỉ chuẩn nên các giá trị tới hạn
dùng giá trị tới hạn chuẩn.
X1  X 2
Tiêu chuẩn kiểm định U  ~ N(0; 1)
S12 S22

n1 n 2

H o :  1   2
* Trường hợp 1:  . Miền bác bỏ là W  U : U  u  / 2 
H 1 :  1   2

H o :  1   2
* Trường hợp 2:  . Miền bác bỏ là W  U : U  u  
H 1 :  1   2

H o :  1   2
* Trường hợp 3:  . Miền bác bỏ là W  U : U  u  
H 1 :  1   2

x1  x 2
Với mẫu cụ thể tính được x 1 , x 2 ; s12 ; s 22 . Uqs U qs  và kết luận.
s12 s 22

n1 n 2

U qs  W : bác bỏ Ho, chấp nhận H1.

U qs  W : chưa có cơ sở bác bỏ Ho.

Ví dụ 1. Cân thử 40 quả trồng theo phương pháp truyền thống thấy trọng lượng trung
bình là 30,32g; phương sai 7,572g2; cân thử 50 quả trồng theo phương pháp cải tiến
thì trọng lượng trung bình là 32,5g; phương sai 6,722g2. Biết trọng lượng quả là biến
ngẫu nhiên có phân phối chuẩn với mức ý nghĩa 5%.
a. Trọng lượng loại quả trồng theo hai phương pháp là như nhau.
b. Phải chăng loại quả trồng theo phương pháp cải tiến nặng hơn.

94
Cho biết: u0,025= 1,96, u0,05=1,645.
Giải:
Gọi X1, X2 lần lượt là trọng lượng quả trồng theo phương pháp truyền thống, cải tiến:
Khi đó X1, X2 có phân phối chuẩn lần lượt N(1 ; 12 ); N( 2 ;  22 ) .

Từ mẫu ta có: n 1  40; x 1  30,32; s12  7,572 ; n 2  40; x 2  32,5; s 22  6,722

Với kích thước mẫu n1, n2 > 30 thì Ho:  1 =  2

X1  X 2
Tiêu chuẩn kiểm định : U  ~ N(0; 1)
S12 S22

n1 n2

H o :  1   2
a)  . Miền bác bỏ W  U : U  u  / 2  u 0,025  1,96
H 1 :  1   2

x1  x 2 30,32  30,5
U qs    3,814  W
2 2
s s 7,572 6,722
1
 2 
n1 n 2 40 50

Bác bỏ Ho, chấp nhận H1: trọng lượng của loại quả trồng theo hai phương pháp là
khác nhau.
H o :  1   2
b)  . Miền bác bỏ W  U : U  u    u 0,05  1,645
H 1 :  1   2

x1  x 2 30,32  30,5
U qs    3,814  W
s12 s 22 7,572 6,722
 
n1 n 2 40 50

Bác bỏ Ho, chấp nhận H1: trọng lượng của loại quả trồng theo cải tiến là cao hơn
phương pháp truyền thống.

95
 §3. Kiểm định giả thiết về phương sai của biến ngẫu nhiên phân phối chuẩn

1. Kiểm định giả thiết về một phương sai của biến ngẫu nhiên phân phối chuẩn
Giả sử tổng thể là biến ngẫu nhiên X có phân phối chuẩn N(  ;  2 ) với  2 chưa biết
nhưng có giả thiết bằng  o2 . Với mức ý nghĩa  , cần kết luận về giả thiết Ho:  2 =  o2
Để kiểm định giả thuyết, lập mẫu: W = (X1, X2, …, Xn)

2 (n  1) S 2
Và chọn tiêu chuẩn:   2
~  2 ( n 1)

Các miền bác bỏ tương ứng

2

2
 2   2( n1) 
H o :     o  1
2 
Trường hợp 1:  2 2
. W   2 : 2 2 ( n 1) 
H1 :    o      
  2 
H o :  2   o2
Trường hợp 2:  2 2

. W   2 :  2  12(n 1) 
H 1 :    o

H o :  2   o2
Trường hợp 3:  2 2

. W   2 :  2   2( n 1) 
H 1 :    o

Với mẫu cụ thể tìm s2 và  qs2 . Sau đó kết luận.

2
qs  W : bác bỏ Ho, chấp nhận H1.
2
qs  W : chưa có cơ sở bác bỏ Ho.

Ví dụ 1. Để kiểm tra độ chính xác của một máy người ta đo ngẫu nhiên kích thước
của 15 chi tiết do máy đó sản xuất và tính được s2 = 14,6. Với mức ý nghĩa 1%, hãy
kết luận máy móc có hoạt động bình thường không, biết rằng kích thước chi tiết là
biến ngẫu nhiên phân phối chuẩn có phương sai thiết kế là  2  12 .
2(14)
Cho biết:  0,01  29,14 .

Giải: Gọi X là kích thước chi tiết, theo giả thiết X có phân phối chuẩn. Vậy đây là bài
toán kiểm định cặp giả thuyết thống kê:
H o :  2  12

H 1 :  2  12

14S 2
Tiêu chuẩn kiểm định:  2  ~  2 (14)
12

96
Miền bác bỏ: W   2 :  2   02,(01
14)
 29,14

14.14,6
Giá trị quan sát:  qs2   17,033
12
2
 qs  W , vậy chưa có cơ sở để bác bỏ Ho, hay có thể nói máy móc vẫn làm việc bình

thường.
2. Kiểm định giả thiết về sự bằng nhau của hai phương sai của hai biến ngẫu
nhiên có phân phối chuẩn
Giả sử có hai tổng thể nghiên cứu có các biến ngẫu nhiên gốc X1, X2 có phân phối
chuẩn lần lượt là N(1 ; 12 ); N( 2 ;  22 ) . Nếu 12 ; 22 chưa biết song có cơ sở cho thấy
chúng bằng nhau, nên với mức ý nghĩa  , cần cho kết luận về giả thiết Ho: 12   22
Với 2 mẫu ngẫu nhiên kích thước n1, n2 : W1, W2
S12
Chọn thống kê: F  2 ~ F(n1-1, n2-1)
S2
Các miền bác bỏ tương ứng
 F  f ( n1 1;n 2 1) 
2 2
H :      1
2 
Trường hợp 1:  o 2 1
2
. W
2
  F :  ( n1 1; n 2 1) 
H 1 : 1   2  F  f  
  2 

H o : 12   22
Trường hợp 2:  
. W  F : F  f ( n1 1; n 2 1) 
H 1 : 12   22
2 2
H o : 1   2
Trường hợp 3:  2 2

. W  F :F  f1(n1 1;n 2 1) 
H1 : 1   2

Với mẫu cụ thể tìm s12 ; s 22 ; Fqs . Sau đó kết luận.

Fqs  W : bác bỏ Ho, chấp nhận H1.

Fqs  W : chưa có cơ sở bác bỏ Ho.

1
Chú ý : Giá trị tới hạn của phân phối Fisher có tính chất: f ( n ,n )  1 2
( n 2 , n \1 )
f 1 

97
Ví dụ 2. Có hai giống lúa có năng suất trung bình xấp xỉ như nhau song mức độ phân
tán về năng suất có thể khác nhau. Để kiểm tra người ta gặt mẫu tại 2 vùng trồng hai
giống lúa đó và thu được kết quả sau:
Giống lúa Số điểm gặt Phương sai
A n1 = 41 s12  11,41

B n2 = 30 s 22  6,52

Với mức ý nghĩa 5%, hãy cho kết luận về vấn đề trên, biết năng suất hai giống lúa
trên là biến ngẫu nhiên có phân phối chuẩn.
(40,29) (29;40)
Cho biết: f 0,025  2,03; f 0,025  1,94.

Giải: Gọi X1, X2 là năng suất của hai giống lúa A và B, thì chúng có phân phối chuẩn.
H o : 12   22
Bài toán đưa về kiểm định cặp giả thuyết: 
H1 : 12   22

S12
Tiêu chuẩn kiểm định: F 
S 22

1 1
Ta có f 0(,40025, 29)  2,03; f 0(,40975;29)  ( 29; 40 )
  0,52
f 0 , 025 1,94

Miền bác bỏ là: W  (0; 0,52)  (2,03;   )

11,41
Với mẫu cụ thể ta có: Fqs   1,75  W . Vậy chưa có cơ sở để bác bỏ Ho hay độ
6,52
phân tán của năng suất hai giống lúa trên là như nhau.

98
 §4. Kiểm định giả thiết về tham số p của biến ngẫu nhiên phân phối A(p)

1. Kiểm định giả thiết về một tham số p của biến ngẫu nhiên phân phối A(p)

Giả sử tổng thể nghiên cứu có biến ngẫu nhiên gốc X có phân phối không – một với
tham số p, p chính là cơ cấu của tổng thể theo dấu hiệu nghiên cứu (p tỷ lệ tổng thể).
Nếu p chưa biết nhưng có giả thiết cho rằng bằng po. Khi đó, đưa ra giả thiết: p = po
Với mẫu ngẫu nhiên kích thước n: W = (X1, X2, …, Xn).

1 p 1 p
Nếu n, p thỏa mãn điều kiện: n > 5 và   0,3 hoặc n  100 thì chọn
n 1 p p

(f  p o ) n
tiêu chuẩn kiểm định: G  U  xấp xỉ N(0; 1).
p o (1  p o )

Các miền bác bỏ tương ứng như sau:

H :p  po
Trường hợp 1:  o ; W  U : U  u  /2 
H
 1 :p  p o

H o : p  p o
Trường hợp 2:  ; W  U : U  u  
H 1 : p  p o

H o : p  p o
Trường hợp 3:  ; W  U : U  u  
H 1 : p  p o
Với mẫu cụ thể tính Uqs và kết luận.
U qs  W : bác bỏ Ho, chấp nhận H1.

U qs  W : chưa có cơ sở bác bỏ Ho.

Ví dụ 1. Tỷ lệ khách hàng tiêu dùng một loại sản phẩm ở địa phương A là 60%. Sau
một chiến dịch quảng cáo người ta muốn đánh giá xem chiến dịch quảng cáo có thực
sự mang lại hiệu quả hay không. Để làm điều đó người ta phỏng vấn ngẫu nhiên 400
khách hàng thì thấy có 250 người tiêu dùng loại sản phẩm nói trên. Với mức ý nghĩa
5%, hãy kết luận về hiệu quả của chiến dịch quảng cáo đó.
Giải: Gọi p là tỷ lệ khách hàng tiêu dùng loại sản phẩm ở địa phương A. Đây là bài
toán kiểm định tham số p của phân phối A(p). Cặp kiểm định giả thuyết thống kê có
dạng:
Ho: p = po=0,6;
H1: p>0,6

99
 ( f  po ) n
Vì n = 400> 100, tiêu chuẩn kiểm định: U  xấp xỉ N(0; 1)
po (1  po )

Với   0,05  u 0, 05  1,645 và miền bác bỏ là W  (1,645;  )

250 (0,625  0,6) 400

Trên mẫu ta có: f   0,625 nên U qs   1,02
400 0,6.0,4

Vì U qs  W nên chưa có cơ sở để bác bỏ Ho. Vậy chưa thể nói chiến dịch quảng cáo

có hiệu quả.
2.Kiểm định giả thiết về hai tham số p của hai biến ngẫu nhiên phân phối A(p)
Giả sử có hai tổng thể nghiên cứu, trong đó biến ngẫu nhiên X1, X2 cùng phân phối
không – một với các tham số tương ứng là p1, p2. Nếu p1, p2 chưa biết song có cơ sở
để giả thiết rằng giá trị của chúng bằng nhau ta đưa ra cặp giả thuyết sau:
Ho: p1 = p2
Để kiểm định giả thuyết trên, từ các tổng thể rút ra hai mẫu ngẫu nhiên độc lập kích
thước n1 và n2:
W1 = (X11, X12, … , X1n1)
W2 =(X21,X22, …, X2n2)
f1  f 2
Chọn tiêu chuẩn kiểm định: U 
p1 (1  p1 ) p2 (1  p2 )

n1 n2

Nếu n1 > 30; n2 > 30 ta đã biết thống kê U tuân theo phân phối chuẩn hóa.
Khi Ho đúng ta có p1 = p2 = p, thì ta có
f1  f 2
U
1 1
p(1  p)   
 n1 n2 
n1 f1  n2 f 2 f1  f 2
Do p chưa biết nên thay bởi f  :U có phân phối
n1  n2 1 1
f (1  f )   
 n1 n2 
xấp xỉ chuẩn N(0; 1) nếu n1 > 30; n2 > 30
*Trường hợp 1. H 1 : p1  p 2 : W  U : U  u  / 2 

* Trường hợp 2. H1 : p1  p 2 : W  U : U  u  
* Trường hợp 3. H1 : p1  p 2 : W  U : U  u  

100
Với hai mẫu cụ thể ta tính được các giá trị cụ thể của f1, f2 và giá trị U qs và so sánh

với W để kết luận.

U qs  W : bác bỏ Ho, chấp nhận H1.

U qs  W : chưa có cơ sở bác bỏ Ho.

Ví dụ 2: Kiểm tra ngẫu nhiên các sản phẩm cùng loại do hai máy sản xuất thu được
số liệu sau:
Nhà máy Số Sp được kiểm tra Số phế phẩm
A n1 = 1000 m1 = 20
B n2 = 900 m2 = 30
Với mức ý nghĩa 5%, có thể coi tỷ lệ phế phẩm của hai nhà máy là như nhau hay
không?
Giải: Gọi p1, p2 tương ứng là tỷ lệ phế phẩm của hai nhà máy A và B. Như vậy, đây là
H o : p 1  p 2
bài toán kiểm định cặp giả thuyết :  với n1, n2 khá lớn.
H 1 : p 1  p 2

f1  f 2
Tiêu chuẩn kiểm định là U  ~ N(0; 1) với
1 1
f (1  f )   
 n1 n2 
n1 f1  n2 f 2 m1  m2
f  
n1  n2 n1  n2

Miền bác bỏ là: W  U : U  u 0, 025  1,96 

20 30 20  30
Với mẫu cụ thể, ta tìm được: f1   0,02; f 2   0,033 ; f   0,0263
1000 900 1000  900
0,02  0,033
U qs   1,81  U qs  W .
 1 1 
0,0263.0,9737  
 1000 900 
Vậy chưa có cơ sở để bác bỏ Ho.
Có thể coi tỷ lệ phế phẩm của hai nhà máy là như nhau.

101
 § 5. Suy diễn thống kê

Biết thông tin của tổng thế suy đoán thông tin của mẫu
1. Suy diễn về mẫu ngẫu nhiên rút từ tổng thế có phân phối chuẩn
a) Suy đoán về giá trị trung bình mẫu
Giả sử X tuân theo phân phối N (  ,  2 ) .

X 
Sử dụng thống kê U  n ~ N(0; 1)

Với xác suất 1-  có thể tìm được các giá trị 1  0,  2  0 sao cho 1   2   và các
giá trị tới hạn u 1 , u  tương ứng sao cho thỏa mãn điều kiện:
1 2

   
P   u  X   
1
u    1   (1)
2
 n n 
    
* Với 1   2  : P   u/2  X    u/2   1 
2  n n 
 
hay khoảng tin cậy cho X là   u/2  X    u  / 2 (2)
n n
  
* Với 1  ;  2  0 : P   u   X    1  
 n 

khoảng tin cậy cho X là   u   X   (3)
n
  
* Với 1  0;  2   : P    X    u   1 
 n 

khoảng tin cậy cho X là    X    u  (4)
n
Ví dụ 1. Một công ty sản xuất sản phẩm với trọng lượng đóng gọi là biến ngẫu nhiên
phân phối chuẩn có trọng lượng trung bình là 340 gam và độ lệch chuẩn là 10gam.
Lấy ngẫu nhiên 16 gói mỳ để kiểm tra.
a) Tính xác suất để trọng lượng trung bình của các sản phẩm đó nằm trong
khoảng từ 335 đến 345 gam.
b) Tính xác suất để trọng lượng trung bình của các sản phẩm đó lớn hơn 340 gam

102
 c) Với xác suất 99% thì trọng lượng trung bình của các sản phẩm đó nằm trong
khoảng nào xung quanh giá trị trung bình.
Cho biết: u0,0228 = 2, u0,5 = 0, u0,005 = 2,58.
Giải: Gọi X là trọng lượng mỳ đóng gói. Theo giả thiết X phân phối chuẩn với
  340;   10 . Lấy ngẫu nhiên một mẫu n =16.

a) Bài toán đưa về tính xác suất để X  (335; 345) . Từ (1) ta có

   
P   u  X    u   1 
1 2
 n n 
 10
 u   340  1
u   335  u   2
1 1
n 16
 10
 u   340 
2
u   345  u   2
2 2
n 16
u   u   2  u 0 , 0228  1   2  0,0228    1   2  0,0456
1 2

Từ đó suy ra P( X  (335; 345) ) = 1-   1  0,0456  0,9544

b) Bài toán đưa về tính xác suất để X  340 .

  
Sử dụng công thức P   u   X    1  
 n 
 10
 u   340  u   340  u   0 = u0,5    0,5  1    0,5
n 16

 
Vậy P 340  X    1    1  0,5  0,95 .
c) Bài toán đưa về tìm a, b sao cho:

 
P a  X  b  1    0,99    0,01  1   2 
2
 0,005

 u 0 , 005  2,58

Do đó
 10
a  u   340  1
.2,58  333,55(gam)
n 16
 10
b u   340  21
.2,58  346,45(gam)
n 16
Vậy, với xác suất 99% trọng lượng trung bình của các sản phẩm được đem kiểm
tra sẽ nằm trong khoảng (333,55; 346,45) gam.

103
b) Suy đoán về giá trị của phương sai mẫu

2 (n  1)S2 2
Giả sử X tuân theo phân phối N (  ,  ) .Ta có thống kê:   2
~  2 ( n 1) .

Vì vậy, với xác suất 1   có thể tìm được cặp giá trị 1  0,  2  0 sao cho

1   2   và các giá trị tới hạn 12(n 1) ;  2 ( n 1) tương ứng sao cho thỏa mãn điều kiện:
1 2

 
P 12(n 1)   2   2 ( n 1)  1  
1 2

  2 2( n1)  2 2( n 1) 
hay P  11  S 2    1 (4)
 n 1 n  1 2 

Với mỗi cặp 1 , 2 ta xác định được khoảng tương ứng của S2.

   2 2( n1) 2  2 2( n 1) 
* Với 1   2  : P    S     1  
2  n  1 1 2 n 1 2 

2 2( n 1) 2 2
hay khoảng tin cậy cho X là   S   2( n 1) (5)
n 1 1
2
n 1 2

  2 2( n1) 
* Với 1  ;  2  0 : P  1  S 2     1  
 n 1 
2
khoảng tin cậy cho X là 12(n1)  S 2   (6)
n 1
  2 2( n1) 
* Với 1  0;  2   : P 0  S 2     1  
 n 1 

2 2
khoảng tin cậy cho X là 0  S  2( n1) (7)
n 1
Ví dụ 2. Xí nghiệp sử dụng một loại nguyên liệu với lượng tạp chất là biến ngẫu
nhiên phân phối chuẩn với phương sai là 20 gam2 trong 1 kg nguyên liệu. Từ một lô
nguyên liệu mới nhập về người ta lấy ngẫu nhiên ra 16kg. Tính xác suất để độ phân
tán của lượng tạp chất trong mẫu hàng nằm trong khoảng (9,68; 33,33) gam2.
2(15) 2(15)
Cho biết:  0,95  7, 26;  0,05  24,9975

Giải: Gọi X là lượng tạp chất trong nguyên liệu thì X phân phối chuẩn với  2 =20.
Nếu lấy một mẫu ngẫu nhiên n = 16 thì theo (4) ta có:
 2 2 ( n 1) 20 2 (15)
1  1  9,68  12(15 ) 2 (15 )
  7,26   0 , 95
n 1 1
15 1 1

 1  1  0,95  1  0,05

104
  2 2 ( n 1) 20 2 (15)
và      33,33   2 (15)  24,9975   02,(05
15 )

n 1 2
15 21 12

  2  0,05 . Từ đó   1   2  0,1 .

Khi đó P(9,68  S 2  33,33)  1    1  0,1  0,9 .

2. Suy diễn về mẫu ngẫu nhiên rút từ tổng thể phân phối không – một
Giả sử biến ngẫu nhiên X trong tổng thể phân phối không – một với tham số p. Khi
đó, từ tổng thể rút ra một mẫu ngẫu nhiên kích thước n có thể suy đoán về số lần xuất
hiện biến cố trong mẫu đó hoặc tần suất mẫu.
(f  p) n
Ta có thống kê: U  xấp xỉ N(0; 1) nếu thỏa mãn điều kiện: n  100 hoặc
p(1  p)

p 1 p 1
n  5 và  .  0,3 .
1 p p n

Với xác suất 1-  có thể tìm được các giá trị 1 , 2 sao cho 1   2   và các giá trị
tới hạn u 1 , u  tương ứng sao cho thỏa mãn điều kiện:
1 2

 p(1  p) p(1  p) 
Pp u1  f  p  u 2   1   (8)
 n n 

  p(1  p) p(1  p) 
* Với 1   2  : Pp u1  f  p  u 2   1   (9)
2  n n 

p (1  p ) p(1  p )
hay khoảng tin cậy cho X là p  u /2  f  p  u /2
n n
 p(1  p) 
* Với 1  ;  2  0 : P  p  u   f  1  1   (10)
 n 

p(1  p)
khoảng tin cậy cho X là p  u  f  1
n
 p(1  p) 
*Với 1  0;  2   : P  0  f  p  u    1   (11)
 n 

p(1  p)
khoảng tin cậy cho X là 0  f  p  u
n
Ví dụ 3. Một lô hàng đủ tiêu chuẩn xuất khẩu nếu tỷ lệ sản phẩm loại một của lô hàng
đó bằng 90%. Tù một lô hàng dự định xuất khẩu người ta lấy ngẫu nhiên ra 100 sản

105
phẩm thì trong đó phải có ít nhất bao nhiêu sản phẩm loại một thì đủ tiêu chuẩn xuất
khẩu. Hãy kết luận với xác suất 90%.
Cho biết: u0,1 = 1,282
Giải: Gọi p là tỷ lệ phế phẩm loại một của lô hàng đó, p =0.9. Nếu lấy ra một mẫu sản
phẩm n = 100 và gọi X là số sản phẩm loại một trong đó thì ta có tần suất mẫu:
X X (f  p ) n
f  . Do n  100 nên U  xấp xỉ N(0; 1).
n 100 p(1  p)
Áp dụng công thức (6) ta có
 p (1  p ) 
P f  p u   1    0,9    0,1: u  1, 282
 n 
Suy ra:

p (1  p) 0,9.0,1
f  p u  0,9  .1, 282  0,86154
n 100
Từ đó X  100.0,86154  86,154 .
Vậy trong mẫu sản phẩm đó phải có ít nhất 87 sản phẩm loại 1 thì lô hàng có thể xuất
khẩu được.
Ví dụ 4. Chiều dài của một sản phẩm được sản xuất hàng loạt là biến ngẫu nhiên có
phân phối chuẩn với chiều dài trung bình bằng 100mm, độ lệch chuẩn bằng 4mm.
Kiểm tra ngẫu nhiên 25 sản phẩm. Tính xác suất để chiều dài trung bình của 25 sản
phẩm nằm trong khoảng 98mm đến 101mm. Giải theo 2 cách:
a) Cách 1: Cho biết u0,0062  2,5; u0,1056  1, 25

b) Cách 2: Cho biết  o (1, 25)  0,3944;  o (2,5)  0, 4938

Giải:
Gọi X là chiều dài của sản phẩm, ta có X tuân theo phân phối
N (  ,  2 ) :   100,   4 . Gọi X là chiều dài trung bình của các sản phẩm trên.

a) Theo yêu cầu của bài toán ta cần tính xác suất: p  P 98  X  101  
Ta có khoảng tin cậy cho X là
   
P   u1  X    u 2   1    1  (1   2 )
 n n 

106
  
   n
u1  98
u1  2,5 1  0,0062
Nên ta có   
 u  1, 25  2  0,1056
  u 2  101   2
 n
Hay

 
p  P 98  X  101  1  (0,0062  0,1056)  0,8882

2
b) Ta sử dụng quy luật phân phối xác suất của X tuân theo luật N (  ; )
n
với   100,   4 .Nên áp dụng công thức tính xác suất đối với biến ngẫu nhiên có
phân phối chuẩn ta thu được:
 101  100   98  100 

p  P 98  X  101   o 
 4/5 
  o 
 4/5 


  o 1, 25    o  2,5  0,3944  0, 4938  0,8882 .

Ví dụ 5. (Cao học Ngoại thương năm 2011, đợt 2)

Tỷ lệ chính phẩm của một lô hàng là 90%. Với xác suất 95% hãy cho biết khi kiểm tra
một mẫu 144 sản phẩm thì có ít nhất bao nhiêu phế phẩm.
Cho biết: P(U > 1,645) = 0,05.
Giải
Gọi p là tỷ lệ phế phẩm của lô hàng, ta có p = 0,1. Bài toán đưa về suy diễn cho tỷ lệ
m
mẫu f  để suy ra ước lượng cho m.
n
(f  p ) n
Do n = 144 > 100 nên U  xấp xỉ N(0; 1). Do đó khoảng ước lượng bên
p(1  p)
phải cho f là:
 p(1  p) 
P f  p u   1    0,95    0,05 : u0,05  1,645
 n 
Suy ra

p (1  p ) 0,1.0,9
f  p u  0,1  .1,645  0,058875
n 144
Từ đó m  144.0,058875  8, 478 .
Vậy trong mẫu sản phẩm đó phải có ít nhất 9 phế phẩm.

107
Ví dụ 6. Tỷ lệ phế phẩm của một sản phẩm được sản xuất theo dây chuyền A là 10%..
Với xác suất 95%, hãy cho biết nếu kiểm tra 200 sản phẩm của dây chuyền thì
a) Số phế phẩm thuộc khoảng nào?
b) Số phế phẩm tối thiểu, tối đa bao nhiêu?
Cho biết: P(U > 1,645) = 0,05; P(U>1,96) = 0.025.
Giải:
Gọi p là tỷ lệ phế phẩm của dây chuyền: p = 0,1.
m
Gọi f là tỷ lệ phế phẩm của mẫu có 200 sản phẩm: f  với m là số phế phẩm của
200
mẫu. Trước hết ta tìm khoảng tin cậy cho f để suy ra khoảng tin cậy cho m.
(f  p) n
Do n = 200 > 100 nên U  xấp xỉ N(0; 1).
p(1  p)
Khoảng tin cậy đối xứng cho f là
 p(1  p) p(1  p) 
Pp u /2  f  p  u /2   1    0,95    0,05
 n n 
p =0,1; u0,025 = 1,96 nên ta có

p(1  p) p(1  p)
p u0,025  f  p  u0,025
n n

0,1.0,9 0,1.0,9
 0,1  .1,96  f  0,1  .1,96  0,05842  f  0,14158
200 200
 0,05842.200  m  0.14158.200  11,68  m  28,3156
Vậy với độ tin cậy 95%, số phế phẩm của dây chuyền thuộc [12; 28].
b) Tương tự, với độ tin cậy 95% số phế phẩm tối thiểu bằng 14.
với độ tin cậy 95% số phế phẩm tối đa bằng 26.

108
Ví dụ 7. Chiều cao của thanh niên vùng M là biến ngẫu nhiên có phân phối chuẩn với
  165 cm,  2  102 cm2. Người ta đo ngẫu nhiên chiều cao của 100 thanh niên vùng
đó.
a) Xác suất để chiều cao trung bình của 100 thanh niên đó sẽ sai lệch so với chiều cao
trung bình của thanh niên vùng M không vượt quá 2 cm là bao nhiêu?
b) Khả năng chiều cao của số thanh niên trên vượt quá 168 cm là bao nhiêu?
c) Nếu muốn chiều cao trung bình đo được sai lệch so với chiều cao trung bình của
tổng thể (của tất cả các thanh niên vùng M) không vượt quá 1cm với xác suất 0,99 thì
phải tiến hành đo chiều cao của bao nhiêu thanh niên.
d) Với kích thước mẫu là 100 thì độ lệch tiêu chuẩn mẫu sẽ lớn hơn giá trị thật của nó
ít nhất bao nhiêu lần với xác suất 0,05.
2(99)
Cho biết: u0,0228=2, u0,001=3, u0,005= 2,5758,  0,05  123, 23 .
Giải:
Gọi X là chiều cao của thanh niên vùng M, ta có X tuân theo phân phối
N (  ,  2 ) :   165,  2  102 . Gọi X là chiều cao trung bình của 100 thanh niên trên.


a) Theo yêu cầu của bài toán ta cần tính xác suất: p  P X    2 
Từ khoảng tin cậy cho X ta có
  
P X   u /2   1  
 n 
 10
Nên ta có u /2  2  u /2  2  u /2  2    0,0456
n 100
Hay

 
p  P X    2  1  0,0456  0,9544

b) Bài toán đưa về tính xác suất để X  168 .

  
Sử dụng công thức P   u   X    1  
 n 
 10
 u  165  u  168  u  3  u1  3  1    0,001
n 100

Vậy P 168  X     1    0,001 .

c) Từ khoảng tin cậy cho X ta có

109
   
P X   u /2   1    0,99    0,01
 n 
2 2
   10 
Khi đó, cần tìm n để u /2  1  n   u0,005    .2,5758  663, 4746
n 1  1 
Vậy cần điều tra ít nhất 664 thanh niên.
S 
d)n = 100. Ta cần tìm   0 để P      0,05
 
Mà

S   S2   (n  1) S 2 
P     P 2   2   P 2
 (n  1) 2   P   2(99)  99 2 
      
Do đó
0,05  P   2(99)  99 2   99 2   0,05
2(99)
 123, 23    1,1157

110
 §6. Một số bài toán chứng minh
Ví dụ 1. Cho tổng thể có biến ngẫu nhiên X tuân theo phân phối chuẩn N (  ,  2 ) . Từ
tổng thể lập mẫu ngẫu nhiên kích thước n:

W  ( X 1 , X 2 ,..., X n )

Lập các thống kê:

1 n 1 n 1 n 1 n
X  X i ; MS   ( X i  X ) 2 , S 2   ( X i  X )2 ; S *2   ( X i   ) 2
n i 1 n i 1 n  1 i 1 n i 1

a)Chứng minh rằng MS  X 2  ( X ) 2

2
b) E ( X )   ,V ( X ) 
n

n 1 2
c) E ( MS )   , E ( S 2 )  E ( S *2 )   2
n

Ví dụ 2. Cho tổng thể có biến ngẫu nhiên Y tuân theo phân phối A(p). Từ tổng thể
lập mẫu ngẫu nhiên kích thước n:

W  (Y1 , Y2 ,..., Yn )

1 n
Lập thống kê: f   Yi .
n i 1

p(1  p)
Chứng minh rằng E ( f )  p và V ( f ) 
n

Ví dụ 3. Cho tổng thể có biến ngẫu nhiên X tuân theo phân phối chuẩn N (  ,  2 ) . Từ
tổng thể lập mẫu ngẫu nhiên kích thước n: W  ( X 1 , X 2 ,..., X n ) lập các thống kê
X , S 2 , S *2 . Chứng minh rằng

X 
a) U  n tuân theo luật N(0, 1)


X 
b) T  n tuân theo luật T(n-1)
S

nS *2
c)  2  tuân theo luật  2( n )
2

111
 (n  1) S 2
d)  2  2
tuân theo luật  2( n1)


Ví dụ 4. Cho tổng thể có biến ngẫu nhiên X tuân theo phân phối chuẩn N (  ,  2 ) . Từ
tổng thể lập mẫu ngẫu nhiên kích thước n: W  ( X 1 , X 2 ,..., X n ) lập các thống kê
X .Chứng minh rằng X là ước lượng hiệu quả của  .

Giải:
 ( x  ) 2
1 2 2
X tuân theo luật chuẩn nên f ( x; )  e (với    )
 2

n
ta đã có V(X)  và X là ước lượng không chệch của  (1)
2

( x  ) 2  ln f ( x , )  ln f ( x, ) x  
 ln f ( x; )   ln  2  2
và   2
2   

2
  ln f (X, )  X  n n
Vậy nE    nE  2   2 E(X  ) 2  2 (2)
       

Từ (1) và (2) suy ra dấu bằng của bđt Crame – Rao xảy ra.

Vậy X là ước lượng hiệu quả của  .

Ví dụ 5. Cho mẫu ngẫu nhiên kích thước n lập từ tổng thể có phân phối A(p). Chứng
minh rằng tần suất mẫu f là ước lượng hợp lý tối đa của p.

Giải:

Biểu thức xác suất tổng quát của quy luật không – một là

Px = px(1- p)1-x

Lập mẫu ngẫu nhiên kích thước n: W = (X1, X2, … , Xn) và giá trị w = (x1, x2, …, xn)
của nó lập hàm hợp lý với mỗi giá trị xi (xi = 0 hoặc xi = 1)
1 x i
L(x1, x2, …, xn, p) =  p x (1p ) i

n
d ln L 1 n 1 n
Từ đó lnL =  x
i 1
i ln p  (1  x i ) ln(1  p) 
dp
  xi 
p i 1
 (1  x i )
1  p i 1

dLnL
0px
dp

112
 d 2 LnL n
Dễ thấy rằng 2
  0 . Do đó ước lượng hợp lý tối đa của p là x = f.
dp p(1  p)

Ví dụ 6. Cho tổng thể có biến ngẫu nhiên X tuân theo phân phối chuẩn N (  ,  2 ) . Từ
tổng thể lập mẫu ngẫu nhiên kích thước n: W  ( X 1 , X 2 ,..., X n ) lập các thống kê
X , S 2 .Tìm ước lượng hợp lý tối đa của tham số  và  2 của biến ngẫu nhiên X tuân
theo luật chuẩn.

Giải:
n
1
2 1 22
 ( x i  ) 2
Hàm hợp lý có dạng: L( x 1 , x 2 ,..., x n , ,  )  e i 1

 2

Tìm các đạo hàm riêng của LnL theo  và  2 và cho bằng 0 ta có hệ:

 LnL n X  n
  2
0
 
   X
 n
2
 2

LnL  n  ( x i  )   MS
   i 1
0
  2  3

Dễ kiểm tra điều kiện còn lại cũng thỏa mãn. Tuy nhiên ước lượng hợp lý tối đa của
 2 là ước lượng chệch.

Ví dụ 7. (Cao học KTQD, 2011). Cho mẫu ngẫu nhiên W  ( X 1 , X 2 , X 3 , X 4 , X 5 ) lập

từ tổng thế X tuân theo N (  ,  2 ) . Xét các thống kê:

1 5 1 5
G1   i 2 15 
5 i 1
X ; G 
i 1
iX i

Nêu quy luật phân phối xác suất, tính kỳ vọng toán và phương sai của G1, G2.

Nếu dùng hai thống kê trên để ước lượng cho  thì thống kê nào tốt hơn? Tại sao?

Ví dụ 8. (Cao học Ngoại thương năm 2012 đợt 1).

Cho biến ngẫu nhiên X có phân phối chuẩn với kỳ vọng 30 và phương sai 4. Lấy một
mẫu ngẫu nhiên có kích thước mẫu bằng 25.

Nêu (có chứng minh) quy luật phân phối xác suất của trung bình mẫu X . Tính kỳ
vọng và phương sai của X .

Tìm k để tỷ lệ giữa phương sai mẫu và phương sai tổng thể ít nhất là k với xác suất
0,05.

113
Ví dụ 9. (Cao học Ngoại thương năm 2012, đợt 2).

Cho mẫu ngẫu nhiên W = (X1, X2, ..., Xn) lập từ tổng thể có biến ngẫu nhiên X ~
N(; 2 ) và có trung bình X . Chứng minh:

a. X là ước lượng không chệch của 

b. X là ước lượng hiệu quả nhất của 

Ví dụ 10. (Cao học Ngoại thương năm 2013). Cho mẫu ngẫu nhiên
W  ( X 1 , X 2 , X 3 , X 4 , X 5 , X 6 , X 7 , X 8 ) lập từ tổng thế X tuân theo N (  ,  2 ) . Xét các
thống kê:

1 8 1 5 
Y1  
8 i 1
X i ; Y2   
14  i 1
X i  2 X 6  3X 7  4 X 8 


Nêu quy luật phân phối xác suất, tính kỳ vọng toán và phương sai của Y1, Y2.

Chứng minh thống kê Y1 hiệu quả hơn thống kê Y2 khi dùng để ước lượng cho  .

114
 Phụ lục. CÁC BẢNG THỐNG KÊ
2
1  2u
Bảng 1. Giá trị hàm mật độ (u )  e ,u R
2

115
 2
1 u  2u
Bảng 2. Giá trị hàm  (u )   e du  0,5   o (u )
2  

116
 Bảng 3: Giá trị tới hạn chuẩn, P( U  u  )   , U ~ N(0; 1)

U 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

0.00 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641

0.10 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247

0.20 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859

0.30 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483

0.40 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121

0.50 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776

0.60 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451

0.70 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148

0.80 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867

0.90 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611

1.00 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379

1.10 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170

1.20 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985

1.30 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823

1.40 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681

1.50 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559

1.60 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455

1.70 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367

1.80 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294

1.90 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233

2.00 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183

2.10 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143

2.20 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110

2.30 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084

2.40 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064

2.50 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048

2.60 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036

117
2.70 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026

2.80 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019

2.90 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014

3.00 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010

118
 Bảng 4: Giá trị tới hạn 2
df 0.999 0.995 0.99 0.975 0.95 0.9 0.1 0.05 0.025 0.01 0.005 0.001

1 .000002 0.000039 0.000157 0.000982 0.003932 0.015791 2.705544 3.841459 5.023886 6.634897 7.879439 10.827566

2 0.0020 0.0100 0.0201 0.0506 0.1026 0.2107 4.6052 5.9915 7.3778 9.2103 10.5966 13.8155

3 0.0243 0.0717 0.1148 0.2158 0.3518 0.5844 6.2514 7.8147 9.3484 11.3449 12.8382 16.2662

4 0.0908 0.2070 0.2971 0.4844 0.7107 1.0636 7.7794 9.4877 11.1433 13.2767 14.8603 18.4668

5 0.2102 0.4117 0.5543 0.8312 1.1455 1.6103 9.2364 11.0705 12.8325 15.0863 16.7496 20.5150

6 0.3811 0.6757 0.8721 1.2373 1.6354 2.2041 10.6446 12.5916 14.4494 16.8119 18.5476 22.4577

7 0.5985 0.9893 1.2390 1.6899 2.1673 2.8331 12.0170 14.0671 16.0128 18.4753 20.2777 24.3219

8 0.8571 1.3444 1.6465 2.1797 2.7326 3.4895 13.3616 15.5073 17.5345 20.0902 21.9550 26.1245

9 1.1519 1.7349 2.0879 2.7004 3.3251 4.1682 14.6837 16.9190 19.0228 21.6660 23.5894 27.8772

10 1.4787 2.1559 2.5582 3.2470 3.9403 4.8652 15.9872 18.3070 20.4832 23.2093 25.1882 29.5883

11 1.8339 2.6032 3.0535 3.8157 4.5748 5.5778 17.2750 19.6751 21.9200 24.7250 26.7568 31.2641

12 2.2142 3.0738 3.5706 4.4038 5.2260 6.3038 18.5493 21.0261 23.3367 26.2170 28.2995 32.9095

13 2.6172 3.5650 4.1069 5.0088 5.8919 7.0415 19.8119 22.3620 24.7356 27.6882 29.8195 34.5282

14 3.0407 4.0747 4.6604 5.6287 6.5706 7.7895 21.0641 23.6848 26.1189 29.1412 31.3193 36.1233

15 3.4827 4.6009 5.2293 6.2621 7.2609 8.5468 22.3071 24.9958 27.4884 30.5779 32.8013 37.6973

16 3.9416 5.1422 5.8122 6.9077 7.9616 9.3122 23.5418 26.2962 28.8454 31.9999 34.2672 39.2524

17 4.4161 5.6972 6.4078 7.5642 8.6718 10.0852 24.7690 27.5871 30.1910 33.4087 35.7185 40.7902

18 4.9048 6.2648 7.0149 8.2307 9.3905 10.8649 25.9894 28.8693 31.5264 34.8053 37.1565 42.3124

19 5.4068 6.8440 7.6327 8.9065 10.1170 11.6509 27.2036 30.1435 32.8523 36.1909 38.5823 43.8202

20 5.9210 7.4338 8.2604 9.5908 10.8508 12.4426 28.4120 31.4104 34.1696 37.5662 39.9968 45.3147

21 6.4467 8.0337 8.8972 10.2829 11.5913 13.2396 29.6151 32.6706 35.4789 38.9322 41.4011 46.7970

22 6.9830 8.6427 9.5425 10.9823 12.3380 14.0415 30.8133 33.9244 36.7807 40.2894 42.7957 48.2679

23 7.5292 9.2604 10.1957 11.6886 13.0905 14.8480 32.0069 35.1725 38.0756 41.6384 44.1813 49.7282

24 8.0849 9.8862 10.8564 12.4012 13.8484 15.6587 33.1962 36.4150 39.3641 42.9798 45.5585 51.1786

25 8.6493 10.5197 11.5240 13.1197 14.6114 16.4734 34.3816 37.6525 40.6465 44.3141 46.9279 52.6197

26 9.2221 11.1602 12.1981 13.8439 15.3792 17.2919 35.5632 38.8851 41.9232 45.6417 48.2899 54.0520

27 9.8028 11.8076 12.8785 14.5734 16.1514 18.1139 36.7412 40.1133 43.1945 46.9629 49.6449 55.4760

28 10.391 12.4613 13.5647 15.3079 16.9279 18.9392 37.9159 41.3371 44.4608 48.2782 50.9934 56.8923

29 10.986 13.1211 14.2565 16.0471 17.7084 19.7677 39.0875 42.5570 45.7223 49.5879 52.3356 58.3012

30 11.588 13.787 14.953 16.791 18.493 20.599 40.256 43.773 46.979 50.892 53.672 59.703

40 17.916 20.707 22.164 24.433 26.509 29.051 51.805 55.758 59.342 63.691 66.766 73.402

50 24.674 27.991 29.707 32.357 34.764 37.689 63.167 67.505 71.420 76.154 79.490 86.661

119
60 31.738 35.534 37.485 40.482 43.188 46.459 74.397 79.082 83.298 88.379 91.952 99.607

70 39.036 43.275 45.442 48.758 51.739 55.329 85.527 90.531 95.023 100.425 104.215 112.317

80 46.520 51.172 53.540 57.153 60.391 64.278 96.578 101.879 106.629 112.329 116.321 124.839

90 54.155 59.196 61.754 65.647 69.126 73.291 107.565 113.145 118.136 124.116 128.299 137.208

100 61.918 67.328 70.065 74.222 77.929 82.358 118.498 124.342 129.561 135.807 140.169 149.449

110 69.789 75.550 78.458 82.867 86.792 91.471 129.385 135.480 140.917 147.414 151.948 161.581

120 77.755 83.852 86.923 91.573 95.705 100.624 140.233 146.567 152.211 158.950 163.648 173.617

130 85.804 92.222 95.451 100.331 104.662 109.811 151.045 157.610 163.453 170.423 175.278 185.571

140 93.926 100.655 104.034 109.137 113.659 119.029 161.827 168.613 174.648 181.840 186.847 197.451

150 102.11 109.142 112.668 117.985 122.692 128.275 172.581 179.581 185.800 193.208 198.360 209.265

160 110.36 117.679 121.346 126.870 131.756 137.546 183.311 190.516 196.915 204.530 209.824 221.019

170 118.66 126.261 130.064 135.790 140.849 146.839 194.017 201.423 207.995 215.812 221.242 232.719

180 127.01 134.884 138.820 144.741 149.969 156.153 204.704 212.304 219.044 227.056 232.620 244.370

190 135.41 143.545 147.610 153.721 159.113 165.485 215.371 223.160 230.064 238.266 243.959 255.976

200 143.84 152.241 156.432 162.728 168.279 174.835 226.021 233.994 241.058 249.445 255.264 267.541

210 152.32 160.969 165.283 171.759 177.465 184.201 236.655 244.808 252.027 260.595 266.537 279.066

220 160.83 169.727 174.160 180.813 186.671 193.582 247.274 255.602 262.973 271.717 277.779 290.556

230 169.38 178.512 183.063 189.889 195.895 202.978 257.879 266.378 273.898 282.814 288.994 302.012

240 177.95 187.324 191.990 198.984 205.135 212.386 268.471 277.138 284.802 293.888 300.182 313.437

120
 Bảng 5: Giá trị tới hạn Student
df 0.1 0.05 0.025 0.01 0.005 0.001

1 3.078 6.314 12.706 31.821 63.657 318.309

2 1.886 2.920 4.303 6.965 9.925 22.327

3 1.638 2.353 3.182 4.541 5.841 10.215

4 1.533 2.132 2.776 3.747 4.604 7.173

5 1.476 2.015 2.571 3.365 4.032 5.893

6 1.440 1.943 2.447 3.143 3.707 5.208

7 1.415 1.895 2.365 2.998 3.499 4.785

8 1.397 1.860 2.306 2.896 3.355 4.501

9 1.383 1.833 2.262 2.821 3.250 4.297

10 1.372 1.812 2.228 2.764 3.169 4.144

11 1.363 1.796 2.201 2.718 3.106 4.025

12 1.356 1.782 2.179 2.681 3.055 3.930

13 1.350 1.771 2.160 2.650 3.012 3.852

14 1.345 1.761 2.145 2.624 2.977 3.787

15 1.341 1.753 2.131 2.602 2.947 3.733

16 1.337 1.746 2.120 2.583 2.921 3.686

17 1.333 1.740 2.110 2.567 2.898 3.646

18 1.330 1.734 2.101 2.552 2.878 3.610

19 1.328 1.729 2.093 2.539 2.861 3.579

20 1.325 1.725 2.086 2.528 2.845 3.552

21 1.323 1.721 2.080 2.518 2.831 3.527

22 1.321 1.717 2.074 2.508 2.819 3.505

23 1.319 1.714 2.069 2.500 2.807 3.485

24 1.318 1.711 2.064 2.492 2.797 3.467

25 1.316 1.708 2.060 2.485 2.787 3.450

26 1.315 1.706 2.056 2.479 2.779 3.435

27 1.314 1.703 2.052 2.473 2.771 3.421

28 1.313 1.701 2.048 2.467 2.763 3.408

121
 29 1.311 1.699 2.045 2.462 2.756 3.396

30 1.310 1.697 2.042 2.457 2.750 3.385

40 1.303 1.684 2.021 2.423 2.704 3.307

50 1.299 1.676 2.009 2.403 2.678 3.261

60 1.296 1.671 2.000 2.390 2.660 3.232

70 1.294 1.667 1.994 2.381 2.648 3.211

80 1.292 1.664 1.990 2.374 2.639 3.195

90 1.291 1.662 1.987 2.368 2.632 3.183

100 1.290 1.660 1.984 2.364 2.626 3.174

110 1.289 1.659 1.982 2.361 2.621 3.166

120 1.289 1.658 1.980 2.358 2.617 3.160

130 1.288 1.657 1.978 2.355 2.614 3.154

140 1.288 1.656 1.977 2.353 2.611 3.149

150 1.287 1.655 1.976 2.351 2.609 3.145

160 1.287 1.654 1.975 2.350 2.607 3.142

170 1.287 1.654 1.974 2.348 2.605 3.139

180 1.286 1.653 1.973 2.347 2.603 3.136

190 1.286 1.653 1.973 2.346 2.602 3.134

200 1.286 1.653 1.972 2.345 2.601 3.131

210 1.286 1.652 1.971 2.344 2.599 3.129

220 1.285 1.652 1.971 2.343 2.598 3.128

230 1.285 1.652 1.970 2.343 2.597 3.126

240 1.285 1.651 1.970 2.342 2.596 3.125

122
 Bảng 6: Giá trị tới hạn Fisher

df2 df1 1 2 3 4 5 6 7 8 9 10 15 20

1 0.25 5.83 7.50 8.20 8.58 8.82 8.98 9.10 9.19 9.26 9.32 9.49 9.58

1 0.1 39.86 49.50 53.59 55.83 57.24 58.20 58.91 59.44 59.86 60.19 61.22 61.74

1 0.05 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88 245.95 248.01

1 0.025 647.79 799.50 864.16 899.58 921.85 937.11 948.22 956.66 963.28 968.63 984.87 993.10

1 0.01 4052.18 4999.50 5403.35 5624.58 5763.65 5858.99 5928.36 5981.07 6022.47 6055.85 6157.28 6208.73

2 0.25 2.57 3.00 3.15 3.23 3.28 3.31 3.34 3.35 3.37 3.38 3.41 3.43

2 0.1 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38 9.39 9.42 9.44

2 0.05 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.43 19.45

2 0.025 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40 39.43 39.45

2 0.01 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39 99.40 99.43 99.45

2 0.005 198.50 199.00 199.17 199.25 199.30 199.33 199.36 199.37 199.39 199.40 199.43 199.45

2 0.001 998.50 999.00 999.17 999.25 999.30 999.33 999.36 999.37 999.39 999.40 999.43 999.45

3 0.25 2.02 2.28 2.36 2.39 2.41 2.42 2.43 2.44 2.44 2.44 2.46 2.46

3 0.1 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24 5.23 5.20 5.18

3 0.05 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.70 8.66

3 0.025 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42 14.25 14.17

3 0.01 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35 27.23 26.87 26.69

3 0.005 55.55 49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.88 43.69 43.08 42.78

3 0.001 167.03 148.50 141.11 137.10 134.58 132.85 131.58 130.62 129.86 129.25 127.37 126.42

4 0.25 1.81 2.00 2.05 2.06 2.07 2.08 2.08 2.08 2.08 2.08 2.08 2.08

4 0.1 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94 3.92 3.87 3.84

4 0.05 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.86 5.80

4 0.025 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.66 8.56

4 0.01 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55 14.20 14.02

4 0.005 31.33 26.28 24.26 23.15 22.46 21.97 21.62 21.35 21.14 20.97 20.44 20.17

4 0.001 74.14 61.25 56.18 53.44 51.71 50.53 49.66 49.00 48.47 48.05 46.76 46.10

123
 5 0.25 1.69 1.85 1.88 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.88

5 0.1 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32 3.30 3.24 3.21

5 0.05 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.62 4.56

5 0.025 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.43 6.33

5 0.01 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05 9.72 9.55

5 0.005 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77 13.62 13.15 12.90

5 0.001 47.18 37.12 33.20 31.09 29.75 28.83 28.16 27.65 27.24 26.92 25.91 25.39

6 0.25 1.62 1.76 1.78 1.79 1.79 1.78 1.78 1.78 1.77 1.77 1.76 1.76

6 0.1 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96 2.94 2.87 2.84

6 0.05 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 3.94 3.87

6 0.025 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.27 5.17

6 0.01 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.56 7.40

6 0.005 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39 10.25 9.81 9.59

6 0.001 35.51 27.00 23.70 21.92 20.80 20.03 19.46 19.03 18.69 18.41 17.56 17.12

7 0.25 1.57 1.70 1.72 1.72 1.71 1.71 1.70 1.70 1.69 1.69 1.68 1.67

7 0.1 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70 2.63 2.59

7 0.05 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.51 3.44

7 0.025 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.57 4.47

7 0.01 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.31 6.16

7 0.005 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51 8.38 7.97 7.75

7 0.001 29.25 21.69 18.77 17.20 16.21 15.52 15.02 14.63 14.33 14.08 13.32 12.93

8 0.25 1.54 1.66 1.67 1.66 1.66 1.65 1.64 1.64 1.63 1.63 1.62 1.61

8 0.1 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56 2.54 2.46 2.42

8 0.05 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.22 3.15

8 0.025 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.10 4.00

8 0.01 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.52 5.36

df2 df1 1 2 3 4 5 6 7 8 9 10 15 20

8 0.005 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34 7.21 6.81 6.61

8 0.001 25.41 18.49 15.83 14.39 13.48 12.86 12.40 12.05 11.77 11.54 10.84 10.48

124
9 0.25 1.51 1.62 1.63 1.63 1.62 1.61 1.60 1.60 1.59 1.59 1.57 1.56

9 0.1 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42 2.34 2.30

9 0.05 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.01 2.94

9 0.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.77 3.67

9 0.01 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26 4.96 4.81

9 0.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42 6.03 5.83

9 0.001 22.86 16.39 13.90 12.56 11.71 11.13 10.70 10.37 10.11 9.89 9.24 8.90

10 0.25 1.49 1.60 1.60 1.59 1.59 1.58 1.57 1.56 1.56 1.55 1.53 1.52

10 0.1 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32 2.24 2.20

10 0.05 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.85 2.77

10 0.025 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.52 3.42

10 0.01 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.56 4.41

10 0.005 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97 5.85 5.47 5.27

10 0.001 21.04 14.91 12.55 11.28 10.48 9.93 9.52 9.20 8.96 8.75 8.13 7.80

11 0.25 1.47 1.58 1.58 1.57 1.56 1.55 1.54 1.53 1.53 1.52 1.50 1.49

11 0.1 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27 2.25 2.17 2.12

11 0.05 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.72 2.65

11 0.025 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.33 3.23

11 0.01 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54 4.25 4.10

11 0.005 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54 5.42 5.05 4.86

11 0.001 19.69 13.81 11.56 10.35 9.58 9.05 8.66 8.35 8.12 7.92 7.32 7.01

12 0.25 1.46 1.56 1.56 1.55 1.54 1.53 1.52 1.51 1.51 1.50 1.48 1.47

12 0.1 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19 2.10 2.06

12 0.05 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.62 2.54

12 0.025 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.18 3.07

12 0.01 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.01 3.86

12 0.005 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20 5.09 4.72 4.53

12 0.001 18.64 12.97 10.80 9.63 8.89 8.38 8.00 7.71 7.48 7.29 6.71 6.40

13 0.25 1.45 1.55 1.55 1.53 1.52 1.51 1.50 1.49 1.49 1.48 1.46 1.45

13 0.1 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16 2.14 2.05 2.01

125
 13 0.05 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.53 2.46

13 0.025 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.05 2.95

13 0.01 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10 3.82 3.66

13 0.005 11.37 8.19 6.93 6.23 5.79 5.48 5.25 5.08 4.94 4.82 4.46 4.27

13 0.001 17.82 12.31 10.21 9.07 8.35 7.86 7.49 7.21 6.98 6.80 6.23 5.93

14 0.25 1.44 1.53 1.53 1.52 1.51 1.50 1.49 1.48 1.47 1.46 1.44 1.43

14 0.1 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12 2.10 2.01 1.96

14 0.05 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.46 2.39

14 0.025 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 2.95 2.84

14 0.01 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94 3.66 3.51

14 0.005 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72 4.60 4.25 4.06

14 0.001 17.14 11.78 9.73 8.62 7.92 7.44 7.08 6.80 6.58 6.40 5.85 5.56

15 0.25 1.43 1.52 1.52 1.51 1.49 1.48 1.47 1.46 1.46 1.45 1.43 1.41

15 0.1 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06 1.97 1.92

15 0.05 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.40 2.33

15 0.025 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 2.86 2.76

15 0.01 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.52 3.37

15 0.005 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42 4.07 3.88

15 0.001 16.59 11.34 9.34 8.25 7.57 7.09 6.74 6.47 6.26 6.08 5.54 5.25

16 0.25 1.42 1.51 1.51 1.50 1.48 1.47 1.46 1.45 1.44 1.44 1.41 1.40

16 0.1 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06 2.03 1.94 1.89

df2 df1 1 2 3 4 5 6 7 8 9 10 15 20

16 0.05 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.35 2.28

16 0.025 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.79 2.68

16 0.01 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.41 3.26

16 0.005 10.58 7.51 6.30 5.64 5.21 4.91 4.69 4.52 4.38 4.27 3.92 3.73

16 0.001 16.12 10.97 9.01 7.94 7.27 6.80 6.46 6.19 5.98 5.81 5.27 4.99

17 0.25 1.42 1.51 1.50 1.49 1.47 1.46 1.45 1.44 1.43 1.43 1.40 1.39

17 0.1 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03 2.00 1.91 1.86

126
17 0.05 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.31 2.23

17 0.025 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.72 2.62

17 0.01 8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.31 3.16

17 0.005 10.38 7.35 6.16 5.50 5.07 4.78 4.56 4.39 4.25 4.14 3.79 3.61

17 0.001 15.72 10.66 8.73 7.68 7.02 6.56 6.22 5.96 5.75 5.58 5.05 4.78

18 0.25 1.41 1.50 1.49 1.48 1.46 1.45 1.44 1.43 1.42 1.42 1.39 1.38

18 0.1 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00 1.98 1.89 1.84

18 0.05 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.27 2.19

18 0.025 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.67 2.56

18 0.01 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51 3.23 3.08

18 0.005 10.22 7.21 6.03 5.37 4.96 4.66 4.44 4.28 4.14 4.03 3.68 3.50

18 0.001 15.38 10.39 8.49 7.46 6.81 6.35 6.02 5.76 5.56 5.39 4.87 4.59

19 0.25 1.41 1.49 1.49 1.47 1.46 1.44 1.43 1.42 1.41 1.41 1.38 1.37

19 0.1 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98 1.96 1.86 1.81

19 0.05 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.23 2.16

19 0.025 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.62 2.51

19 0.01 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.15 3.00

19 0.005 10.07 7.09 5.92 5.27 4.85 4.56 4.34 4.18 4.04 3.93 3.59 3.40

19 0.001 15.08 10.16 8.28 7.27 6.62 6.18 5.85 5.59 5.39 5.22 4.70 4.43

20 0.25 1.40 1.49 1.48 1.47 1.45 1.44 1.43 1.42 1.41 1.40 1.37 1.36

20 0.1 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94 1.84 1.79

20 0.05 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.20 2.12

20 0.025 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.57 2.46

20 0.01 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.09 2.94

20 0.005 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96 3.85 3.50 3.32

20 0.001 14.82 9.95 8.10 7.10 6.46 6.02 5.69 5.44 5.24 5.08 4.56 4.29

21 0.25 1.40 1.48 1.48 1.46 1.44 1.43 1.42 1.41 1.40 1.39 1.37 1.35

21 0.1 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95 1.92 1.83 1.78

21 0.05 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.18 2.10

21 0.025 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.53 2.42

127
 21 0.01 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31 3.03 2.88

21 0.005 9.83 6.89 5.73 5.09 4.68 4.39 4.18 4.01 3.88 3.77 3.43 3.24

21 0.001 14.59 9.77 7.94 6.95 6.32 5.88 5.56 5.31 5.11 4.95 4.44 4.17

22 0.25 1.40 1.48 1.47 1.45 1.44 1.42 1.41 1.40 1.39 1.39 1.36 1.34

22 0.1 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93 1.90 1.81 1.76

22 0.05 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.15 2.07

22 0.025 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.50 2.39

22 0.01 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26 2.98 2.83

22 0.005 9.73 6.81 5.65 5.02 4.61 4.32 4.11 3.94 3.81 3.70 3.36 3.18

22 0.001 14.38 9.61 7.80 6.81 6.19 5.76 5.44 5.19 4.99 4.83 4.33 4.06

23 0.25 1.39 1.47 1.47 1.45 1.43 1.42 1.41 1.40 1.39 1.38 1.35 1.34

23 0.1 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92 1.89 1.80 1.74

23 0.05 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.13 2.05

23 0.025 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.47 2.36

23 0.01 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21 2.93 2.78

23 0.005 9.63 6.73 5.58 4.95 4.54 4.26 4.05 3.88 3.75 3.64 3.30 3.12

df2 df1 1 2 3 4 5 6 7 8 9 10 15 20

23 0.001 14.20 9.47 7.67 6.70 6.08 5.65 5.33 5.09 4.89 4.73 4.23 3.96

24 0.25 1.39 1.47 1.46 1.44 1.43 1.41 1.40 1.39 1.38 1.38 1.35 1.33

24 0.1 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91 1.88 1.78 1.73

24 0.05 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.11 2.03

24 0.025 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.44 2.33

24 0.01 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17 2.89 2.74

24 0.005 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59 3.25 3.06

24 0.001 14.03 9.34 7.55 6.59 5.98 5.55 5.23 4.99 4.80 4.64 4.14 3.87

25 0.25 1.39 1.47 1.46 1.44 1.42 1.41 1.40 1.39 1.38 1.37 1.34 1.33

25 0.1 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89 1.87 1.77 1.72

25 0.05 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.09 2.01

25 0.025 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.41 2.30

128
25 0.01 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13 2.85 2.70

25 0.005 9.48 6.60 5.46 4.84 4.43 4.15 3.94 3.78 3.64 3.54 3.20 3.01

25 0.001 13.88 9.22 7.45 6.49 5.89 5.46 5.15 4.91 4.71 4.56 4.06 3.79

26 0.25 1.38 1.46 1.45 1.44 1.42 1.41 1.39 1.38 1.37 1.37 1.34 1.32

26 0.1 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88 1.86 1.76 1.71

26 0.05 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.07 1.99

26 0.025 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59 2.39 2.28

26 0.01 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09 2.81 2.66

26 0.005 9.41 6.54 5.41 4.79 4.38 4.10 3.89 3.73 3.60 3.49 3.15 2.97

26 0.001 13.74 9.12 7.36 6.41 5.80 5.38 5.07 4.83 4.64 4.48 3.99 3.72

27 0.25 1.38 1.46 1.45 1.43 1.42 1.40 1.39 1.38 1.37 1.36 1.33 1.32

27 0.1 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87 1.85 1.75 1.70

27 0.05 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.06 1.97

27 0.025 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57 2.36 2.25

27 0.01 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06 2.78 2.63

27 0.005 9.34 6.49 5.36 4.74 4.34 4.06 3.85 3.69 3.56 3.45 3.11 2.93

27 0.001 13.61 9.02 7.27 6.33 5.73 5.31 5.00 4.76 4.57 4.41 3.92 3.66

28 0.25 1.38 1.46 1.45 1.43 1.41 1.40 1.39 1.38 1.37 1.36 1.33 1.31

28 0.1 2.89 2.50 2.29 2.16 2.06 2.00 1.94 1.90 1.87 1.84 1.74 1.69

28 0.05 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.04 1.96

28 0.025 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55 2.34 2.23

28 0.01 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03 2.75 2.60

28 0.005 9.28 6.44 5.32 4.70 4.30 4.02 3.81 3.65 3.52 3.41 3.07 2.89

28 0.001 13.50 8.93 7.19 6.25 5.66 5.24 4.93 4.69 4.50 4.35 3.86 3.60

29 0.25 1.38 1.45 1.45 1.43 1.41 1.40 1.38 1.37 1.36 1.35 1.32 1.31

29 0.1 2.89 2.50 2.28 2.15 2.06 1.99 1.93 1.89 1.86 1.83 1.73 1.68

29 0.05 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.03 1.94

29 0.025 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53 2.32 2.21

29 0.01 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00 2.73 2.57

29 0.005 9.23 6.40 5.28 4.66 4.26 3.98 3.77 3.61 3.48 3.38 3.04 2.86

129
 29 0.001 13.39 8.85 7.12 6.19 5.59 5.18 4.87 4.64 4.45 4.29 3.80 3.54

30 0.25 1.38 1.45 1.44 1.42 1.41 1.39 1.38 1.37 1.36 1.35 1.32 1.30

30 0.1 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82 1.72 1.67

30 0.05 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.01 1.93

30 0.025 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.31 2.20

30 0.01 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.70 2.55

30 0.005 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45 3.34 3.01 2.82

30 0.001 13.29 8.77 7.05 6.12 5.53 5.12 4.82 4.58 4.39 4.24 3.75 3.49

31 0.25 1.37 1.45 1.44 1.42 1.40 1.39 1.38 1.37 1.36 1.35 1.32 1.30

31 0.1 2.87 2.48 2.27 2.14 2.04 1.97 1.92 1.88 1.84 1.81 1.71 1.66

31 0.05 4.16 3.30 2.91 2.68 2.52 2.41 2.32 2.25 2.20 2.15 2.00 1.92

df2 df1 1 2 3 4 5 6 7 8 9 10 15 20

31 0.025 5.55 4.16 3.57 3.23 3.01 2.85 2.73 2.64 2.56 2.50 2.29 2.18

31 0.01 7.53 5.36 4.48 3.99 3.67 3.45 3.28 3.15 3.04 2.96 2.68 2.52

31 0.005 9.13 6.32 5.20 4.59 4.20 3.92 3.71 3.55 3.42 3.31 2.98 2.79

31 0.001 13.20 8.70 6.99 6.07 5.48 5.07 4.77 4.53 4.34 4.19 3.71 3.45

32 0.25 1.37 1.45 1.44 1.42 1.40 1.39 1.37 1.36 1.35 1.34 1.31 1.30

32 0.1 2.87 2.48 2.26 2.13 2.04 1.97 1.91 1.87 1.83 1.81 1.71 1.65

32 0.05 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14 1.99 1.91

32 0.025 5.53 4.15 3.56 3.22 3.00 2.84 2.71 2.62 2.54 2.48 2.28 2.16

32 0.01 7.50 5.34 4.46 3.97 3.65 3.43 3.26 3.13 3.02 2.93 2.65 2.50

32 0.005 9.09 6.28 5.17 4.56 4.17 3.89 3.68 3.52 3.39 3.29 2.95 2.77

32 0.001 13.12 8.64 6.94 6.01 5.43 5.02 4.72 4.48 4.30 4.14 3.66 3.40

33 0.25 1.37 1.45 1.44 1.42 1.40 1.38 1.37 1.36 1.35 1.34 1.31 1.29

33 0.1 2.86 2.47 2.26 2.12 2.03 1.96 1.91 1.86 1.83 1.80 1.70 1.64

33 0.05 4.14 3.28 2.89 2.66 2.50 2.39 2.30 2.23 2.18 2.13 1.98 1.90

33 0.025 5.51 4.13 3.54 3.20 2.98 2.82 2.70 2.61 2.53 2.47 2.26 2.15

33 0.01 7.47 5.31 4.44 3.95 3.63 3.41 3.24 3.11 3.00 2.91 2.63 2.48

33 0.005 9.05 6.25 5.14 4.53 4.14 3.86 3.66 3.49 3.37 3.26 2.92 2.74

130
33 0.001 13.04 8.58 6.88 5.97 5.38 4.98 4.67 4.44 4.26 4.10 3.62 3.36

34 0.25 1.37 1.44 1.43 1.42 1.40 1.38 1.37 1.36 1.35 1.34 1.31 1.29

34 0.1 2.86 2.47 2.25 2.12 2.02 1.96 1.90 1.86 1.82 1.79 1.69 1.64

34 0.05 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12 1.97 1.89

34 0.025 5.50 4.12 3.53 3.19 2.97 2.81 2.69 2.59 2.52 2.45 2.25 2.13

34 0.01 7.44 5.29 4.42 3.93 3.61 3.39 3.22 3.09 2.98 2.89 2.61 2.46

34 0.005 9.01 6.22 5.11 4.50 4.11 3.84 3.63 3.47 3.34 3.24 2.90 2.72

34 0.001 12.97 8.52 6.83 5.92 5.34 4.93 4.63 4.40 4.22 4.06 3.58 3.33

35 0.25 1.37 1.44 1.43 1.41 1.40 1.38 1.37 1.36 1.35 1.34 1.31 1.29

35 0.1 2.85 2.46 2.25 2.11 2.02 1.95 1.90 1.85 1.82 1.79 1.69 1.63

35 0.05 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11 1.96 1.88

35 0.025 5.48 4.11 3.52 3.18 2.96 2.80 2.68 2.58 2.50 2.44 2.23 2.12

35 0.01 7.42 5.27 4.40 3.91 3.59 3.37 3.20 3.07 2.96 2.88 2.60 2.44

35 0.005 8.98 6.19 5.09 4.48 4.09 3.81 3.61 3.45 3.32 3.21 2.88 2.69

35 0.001 12.90 8.47 6.79 5.88 5.30 4.89 4.59 4.36 4.18 4.03 3.55 3.29

40 0.25 1.36 1.44 1.42 1.40 1.39 1.37 1.36 1.35 1.34 1.33 1.30 1.28

40 0.1 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79 1.76 1.66 1.61

40 0.05 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 1.92 1.84

40 0.025 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39 2.18 2.07

40 0.01 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80 2.52 2.37

40 0.005 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22 3.12 2.78 2.60

40 0.001 12.61 8.25 6.59 5.70 5.13 4.73 4.44 4.21 4.02 3.87 3.40 3.14

60 0.25 1.35 1.42 1.41 1.38 1.37 1.35 1.33 1.32 1.31 1.30 1.27 1.25

60 0.1 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71 1.60 1.54

60 0.05 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.84 1.75

60 0.025 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27 2.06 1.94

60 0.01 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.35 2.20

60 0.005 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01 2.90 2.57 2.39

60 0.001 11.97 7.77 6.17 5.31 4.76 4.37 4.09 3.86 3.69 3.54 3.08 2.83

80 0.25 1.34 1.41 1.40 1.38 1.36 1.34 1.32 1.31 1.30 1.29 1.26 1.23

131
 80 0.1 2.77 2.37 2.15 2.02 1.92 1.85 1.79 1.75 1.71 1.68 1.57 1.51

80 0.05 3.96 3.11 2.72 2.49 2.33 2.21 2.13 2.06 2.00 1.95 1.79 1.70

80 0.025 5.22 3.86 3.28 2.95 2.73 2.57 2.45 2.35 2.28 2.21 2.00 1.88

80 0.01 6.96 4.88 4.04 3.56 3.26 3.04 2.87 2.74 2.64 2.55 2.27 2.12

80 0.005 8.33 5.67 4.61 4.03 3.65 3.39 3.19 3.03 2.91 2.80 2.47 2.29

80 0.001 11.67 7.54 5.97 5.12 4.58 4.20 3.92 3.70 3.53 3.39 2.93 2.68

df2 df1 1 2 3 4 5 6 7 8 9 10 15 20

100 0.25 1.34 1.41 1.39 1.37 1.35 1.33 1.32 1.30 1.29 1.28 1.25 1.23

100 0.1 2.76 2.36 2.14 2.00 1.91 1.83 1.78 1.73 1.69 1.66 1.56 1.49

100 0.05 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.97 1.93 1.77 1.68

100 0.025 5.18 3.83 3.25 2.92 2.70 2.54 2.42 2.32 2.24 2.18 1.97 1.85

100 0.01 6.90 4.82 3.98 3.51 3.21 2.99 2.82 2.69 2.59 2.50 2.22 2.07

100 0.005 8.24 5.59 4.54 3.96 3.59 3.33 3.13 2.97 2.85 2.74 2.41 2.23

100 0.001 11.50 7.41 5.86 5.02 4.48 4.11 3.83 3.61 3.44 3.30 2.84 2.59

120 0.25 1.34 1.40 1.39 1.37 1.35 1.33 1.31 1.30 1.29 1.28 1.24 1.22

120 0.1 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65 1.55 1.48

120 0.05 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.75 1.66

120 0.025 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16 1.94 1.82

120 0.01 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47 2.19 2.03

120 0.005 8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.81 2.71 2.37 2.19

120 0.001 11.38 7.32 5.78 4.95 4.42 4.04 3.77 3.55 3.38 3.24 2.78 2.53

140 0.25 1.33 1.40 1.38 1.36 1.34 1.32 1.31 1.30 1.29 1.28 1.24 1.22

140 0.1 2.74 2.34 2.12 1.99 1.89 1.82 1.76 1.71 1.68 1.64 1.54 1.47

140 0.05 3.91 3.06 2.67 2.44 2.28 2.16 2.08 2.01 1.95 1.90 1.74 1.65

140 0.025 5.13 3.79 3.21 2.88 2.66 2.50 2.38 2.28 2.21 2.14 1.93 1.81

140 0.01 6.82 4.76 3.92 3.46 3.15 2.93 2.77 2.64 2.54 2.45 2.17 2.01

140 0.005 8.14 5.50 4.47 3.89 3.52 3.26 3.06 2.91 2.78 2.68 2.35 2.16

140 0.001 11.30 7.26 5.73 4.90 4.37 4.00 3.72 3.51 3.34 3.20 2.74 2.49

160 0.25 1.33 1.40 1.38 1.36 1.34 1.32 1.31 1.29 1.28 1.27 1.24 1.21

132
160 0.1 2.74 2.34 2.12 1.98 1.88 1.81 1.75 1.71 1.67 1.64 1.53 1.47

160 0.05 3.90 3.05 2.66 2.43 2.27 2.16 2.07 2.00 1.94 1.89 1.73 1.64

160 0.025 5.12 3.78 3.20 2.87 2.65 2.49 2.37 2.27 2.19 2.13 1.92 1.80

160 0.01 6.80 4.74 3.91 3.44 3.13 2.92 2.75 2.62 2.52 2.43 2.15 1.99

160 0.005 8.10 5.48 4.44 3.87 3.50 3.24 3.04 2.88 2.76 2.66 2.33 2.14

160 0.001 11.24 7.21 5.69 4.86 4.33 3.97 3.69 3.48 3.31 3.17 2.71 2.47

180 0.25 1.33 1.40 1.38 1.36 1.34 1.32 1.31 1.29 1.28 1.27 1.23 1.21

180 0.1 2.73 2.33 2.11 1.98 1.88 1.81 1.75 1.70 1.67 1.63 1.53 1.46

180 0.05 3.89 3.05 2.65 2.42 2.26 2.15 2.06 1.99 1.93 1.88 1.72 1.63

180 0.025 5.11 3.77 3.19 2.86 2.64 2.48 2.36 2.26 2.19 2.12 1.91 1.79

180 0.01 6.78 4.73 3.89 3.43 3.12 2.90 2.74 2.61 2.51 2.42 2.14 1.98

180 0.005 8.08 5.46 4.42 3.85 3.48 3.22 3.02 2.87 2.74 2.64 2.31 2.12

180 0.001 11.19 7.18 5.66 4.83 4.31 3.94 3.67 3.45 3.28 3.14 2.69 2.44

200 0.25 1.33 1.40 1.38 1.36 1.34 1.32 1.30 1.29 1.28 1.27 1.23 1.21

200 0.1 2.73 2.33 2.11 1.97 1.88 1.80 1.75 1.70 1.66 1.63 1.52 1.46

200 0.05 3.89 3.04 2.65 2.42 2.26 2.14 2.06 1.98 1.93 1.88 1.72 1.62

200 0.025 5.10 3.76 3.18 2.85 2.63 2.47 2.35 2.26 2.18 2.11 1.90 1.78

200 0.01 6.76 4.71 3.88 3.41 3.11 2.89 2.73 2.60 2.50 2.41 2.13 1.97

200 0.005 8.06 5.44 4.41 3.84 3.47 3.21 3.01 2.86 2.73 2.63 2.30 2.11

200 0.001 11.15 7.15 5.63 4.81 4.29 3.92 3.65 3.43 3.26 3.12 2.67 2.42

220 0.25 1.33 1.40 1.38 1.36 1.34 1.32 1.30 1.29 1.28 1.27 1.23 1.21

220 0.1 2.73 2.33 2.11 1.97 1.87 1.80 1.74 1.70 1.66 1.63 1.52 1.45

220 0.05 3.88 3.04 2.65 2.41 2.26 2.14 2.05 1.98 1.92 1.87 1.71 1.62

220 0.025 5.09 3.75 3.18 2.84 2.62 2.47 2.35 2.25 2.17 2.11 1.89 1.77

220 0.01 6.75 4.70 3.87 3.41 3.10 2.88 2.72 2.59 2.49 2.40 2.12 1.96

220 0.005 8.04 5.43 4.40 3.83 3.46 3.20 3.00 2.85 2.72 2.62 2.29 2.10

220 0.001 11.12 7.13 5.61 4.79 4.27 3.90 3.63 3.42 3.25 3.11 2.66 2.41

240 0.25 1.33 1.39 1.38 1.36 1.34 1.32 1.30 1.29 1.28 1.27 1.23 1.21

240 0.1 2.73 2.32 2.11 1.97 1.87 1.80 1.74 1.70 1.66 1.63 1.52 1.45

240 0.05 3.88 3.03 2.64 2.41 2.25 2.14 2.05 1.98 1.92 1.87 1.71 1.61

133
 240 0.025 5.09 3.75 3.17 2.84 2.62 2.46 2.34 2.25 2.17 2.10 1.89 1.77

df2 df1 25 30 35 40 60 80 100 120 140 160

1 0.25 9.63 9.67 9.70 9.71 9.76 9.78 9.80 9.80 9.81 9.82

1 0.1 62.05 62.26 62.42 62.53 62.79 62.93 63.01 63.06 63.10 63.13

1 0.05 249.26 250.10 250.69 251.14 252.20 252.72 253.04 253.25 253.40 253.52

1 0.025 998.08 1001.41 1003.80 1005.60 1009.80 1011.91 1013.17 1014.02 1014.62 1015.08

1 0.01 6239.83 6260.65 6275.57 6286.78 6313.03 6326.20 6334.11 6339.39 6343.17 6346.00

2 0.25 3.44 3.44 3.45 3.45 3.46 3.46 3.47 3.47 3.47 3.47

2 0.1 9.45 9.46 9.46 9.47 9.47 9.48 9.48 9.48 9.48 9.48

2 0.05 19.46 19.46 19.47 19.47 19.48 19.48 19.49 19.49 19.49 19.49

2 0.025 39.46 39.46 39.47 39.47 39.48 39.49 39.49 39.49 39.49 39.49

2 0.01 99.46 99.47 99.47 99.47 99.48 99.49 99.49 99.49 99.49 99.49

2 0.005 199.46 199.47 199.47 199.47 199.48 199.49 199.49 199.49 199.49 199.49

2 0.001 999.46 999.47 999.47 999.47 999.48 999.49 999.49 999.49 999.49 999.49

3 0.25 2.46 2.47 2.47 2.47 2.47 2.47 2.47 2.47 2.47 2.47

3 0.1 5.17 5.17 5.16 5.16 5.15 5.15 5.14 5.14 5.14 5.14

3 0.05 8.63 8.62 8.60 8.59 8.57 8.56 8.55 8.55 8.55 8.54

3 0.025 14.12 14.08 14.06 14.04 13.99 13.97 13.96 13.95 13.94 13.94

3 0.01 26.58 26.50 26.45 26.41 26.32 26.27 26.24 26.22 26.21 26.20

3 0.005 42.59 42.47 42.38 42.31 42.15 42.07 42.02 41.99 41.97 41.95

3 0.001 125.84 125.45 125.17 124.96 124.47 124.22 124.07 123.97 123.90 123.84

4 0.25 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08

4 0.1 3.83 3.82 3.81 3.80 3.79 3.78 3.78 3.78 3.77 3.77

4 0.05 5.77 5.75 5.73 5.72 5.69 5.67 5.66 5.66 5.65 5.65

4 0.025 8.50 8.46 8.43 8.41 8.36 8.33 8.32 8.31 8.30 8.30

4 0.01 13.91 13.84 13.79 13.75 13.65 13.61 13.58 13.56 13.54 13.53

134
 4 0.005 20.00 19.89 19.81 19.75 19.61 19.54 19.50 19.47 19.45 19.43

4 0.001 45.70 45.43 45.23 45.09 44.75 44.57 44.47 44.40 44.35 44.31

5 0.25 1.88 1.88 1.88 1.88 1.87 1.87 1.87 1.87 1.87 1.87

5 0.1 3.19 3.17 3.16 3.16 3.14 3.13 3.13 3.12 3.12 3.12

5 0.05 4.52 4.50 4.48 4.46 4.43 4.41 4.41 4.40 4.39 4.39

5 0.025 6.27 6.23 6.20 6.18 6.12 6.10 6.08 6.07 6.06 6.06

5 0.01 9.45 9.38 9.33 9.29 9.20 9.16 9.13 9.11 9.10 9.09

5 0.005 12.76 12.66 12.58 12.53 12.40 12.34 12.30 12.27 12.26 12.24

5 0.001 25.08 24.87 24.72 24.60 24.33 24.20 24.12 24.06 24.02 23.99

6 0.25 1.75 1.75 1.75 1.75 1.74 1.74 1.74 1.74 1.74 1.74

6 0.1 2.81 2.80 2.79 2.78 2.76 2.75 2.75 2.74 2.74 2.74

6 0.05 3.83 3.81 3.79 3.77 3.74 3.72 3.71 3.70 3.70 3.70

6 0.025 5.11 5.07 5.04 5.01 4.96 4.93 4.92 4.90 4.90 4.89

6 0.01 7.30 7.23 7.18 7.14 7.06 7.01 6.99 6.97 6.96 6.95

6 0.005 9.45 9.36 9.29 9.24 9.12 9.06 9.03 9.00 8.98 8.97

6 0.001 16.85 16.67 16.54 16.44 16.21 16.10 16.03 15.98 15.95 15.92

7 0.25 1.67 1.66 1.66 1.66 1.65 1.65 1.65 1.65 1.65 1.65

7 0.1 2.57 2.56 2.54 2.54 2.51 2.50 2.50 2.49 2.49 2.49

7 0.05 3.40 3.38 3.36 3.34 3.30 3.29 3.27 3.27 3.26 3.26

7 0.025 4.40 4.36 4.33 4.31 4.25 4.23 4.21 4.20 4.19 4.18

7 0.01 6.06 5.99 5.94 5.91 5.82 5.78 5.75 5.74 5.72 5.72

7 0.005 7.62 7.53 7.47 7.42 7.31 7.25 7.22 7.19 7.18 7.16

df2 df1 25 30 35 40 60 80 100 120 140 160

7 0.001 12.69 12.53 12.41 12.33 12.12 12.01 11.95 11.91 11.88 11.86

8 0.1 2.40 2.38 2.37 2.36 2.34 2.33 2.32 2.32 2.31 2.31

8 0.05 3.11 3.08 3.06 3.04 3.01 2.99 2.97 2.97 2.96 2.96

8 0.025 3.94 3.89 3.86 3.84 3.78 3.76 3.74 3.73 3.72 3.71

135
8 0.01 5.26 5.20 5.15 5.12 5.03 4.99 4.96 4.95 4.93 4.92

8 0.005 6.48 6.40 6.33 6.29 6.18 6.12 6.09 6.06 6.05 6.04

8 0.001 10.26 10.11 10.00 9.92 9.73 9.63 9.57 9.53 9.50 9.48

9 0.25 1.55 1.55 1.55 1.54 1.54 1.54 1.53 1.53 1.53 1.53

9 0.1 2.27 2.25 2.24 2.23 2.21 2.20 2.19 2.18 2.18 2.18

9 0.05 2.89 2.86 2.84 2.83 2.79 2.77 2.76 2.75 2.74 2.74

9 0.025 3.60 3.56 3.53 3.51 3.45 3.42 3.40 3.39 3.38 3.38

9 0.01 4.71 4.65 4.60 4.57 4.48 4.44 4.41 4.40 4.39 4.38

9 0.005 5.71 5.62 5.56 5.52 5.41 5.36 5.32 5.30 5.28 5.27

9 0.001 8.69 8.55 8.45 8.37 8.19 8.09 8.04 8.00 7.97 7.95

10 0.25 1.52 1.51 1.51 1.51 1.50 1.50 1.49 1.49 1.49 1.49

10 0.1 2.17 2.16 2.14 2.13 2.11 2.09 2.09 2.08 2.08 2.08

10 0.05 2.73 2.70 2.68 2.66 2.62 2.60 2.59 2.58 2.57 2.57

10 0.025 3.35 3.31 3.28 3.26 3.20 3.17 3.15 3.14 3.13 3.13

10 0.01 4.31 4.25 4.20 4.17 4.08 4.04 4.01 4.00 3.98 3.97

10 0.005 5.15 5.07 5.01 4.97 4.86 4.80 4.77 4.75 4.73 4.72

10 0.001 7.60 7.47 7.37 7.30 7.12 7.03 6.98 6.94 6.92 6.90

11 0.25 1.49 1.48 1.48 1.47 1.47 1.46 1.46 1.46 1.46 1.46

11 0.1 2.10 2.08 2.06 2.05 2.03 2.01 2.01 2.00 2.00 1.99

11 0.05 2.60 2.57 2.55 2.53 2.49 2.47 2.46 2.45 2.44 2.44

11 0.025 3.16 3.12 3.09 3.06 3.00 2.97 2.96 2.94 2.94 2.93

11 0.01 4.01 3.94 3.89 3.86 3.78 3.73 3.71 3.69 3.68 3.67

11 0.005 4.74 4.65 4.60 4.55 4.45 4.39 4.36 4.34 4.32 4.31

11 0.001 6.81 6.68 6.59 6.52 6.35 6.26 6.21 6.18 6.15 6.13

12 0.25 1.46 1.45 1.45 1.45 1.44 1.44 1.43 1.43 1.43 1.43

12 0.1 2.03 2.01 2.00 1.99 1.96 1.95 1.94 1.93 1.93 1.93

12 0.05 2.50 2.47 2.44 2.43 2.38 2.36 2.35 2.34 2.33 2.33

12 0.025 3.01 2.96 2.93 2.91 2.85 2.82 2.80 2.79 2.78 2.77

136
 12 0.01 3.76 3.70 3.65 3.62 3.54 3.49 3.47 3.45 3.44 3.43

12 0.005 4.41 4.33 4.27 4.23 4.12 4.07 4.04 4.01 4.00 3.99

12 0.001 6.22 6.09 6.00 5.93 5.76 5.68 5.63 5.59 5.57 5.55

13 0.25 1.44 1.43 1.43 1.42 1.42 1.41 1.41 1.41 1.41 1.41

13 0.1 1.98 1.96 1.94 1.93 1.90 1.89 1.88 1.88 1.87 1.87

13 0.05 2.41 2.38 2.36 2.34 2.30 2.27 2.26 2.25 2.25 2.24

13 0.025 2.88 2.84 2.80 2.78 2.72 2.69 2.67 2.66 2.65 2.64

13 0.01 3.57 3.51 3.46 3.43 3.34 3.30 3.27 3.25 3.24 3.23

13 0.005 4.15 4.07 4.01 3.97 3.87 3.81 3.78 3.76 3.74 3.73

13 0.001 5.75 5.63 5.54 5.47 5.30 5.22 5.17 5.14 5.11 5.10

14 0.25 1.42 1.41 1.41 1.41 1.40 1.39 1.39 1.39 1.39 1.38

14 0.1 1.93 1.91 1.90 1.89 1.86 1.84 1.83 1.83 1.82 1.82

14 0.05 2.34 2.31 2.28 2.27 2.22 2.20 2.19 2.18 2.17 2.17

14 0.025 2.78 2.73 2.70 2.67 2.61 2.58 2.56 2.55 2.54 2.54

14 0.01 3.41 3.35 3.30 3.27 3.18 3.14 3.11 3.09 3.08 3.07

df2 df1 25 30 35 40 60 80 100 120 140 160

14 0.005 3.94 3.86 3.80 3.76 3.66 3.60 3.57 3.55 3.53 3.52

14 0.001 5.38 5.25 5.17 5.10 4.94 4.86 4.81 4.77 4.75 4.73

15 0.25 1.40 1.40 1.39 1.39 1.38 1.37 1.37 1.37 1.37 1.37

15 0.1 1.89 1.87 1.86 1.85 1.82 1.80 1.79 1.79 1.78 1.78

15 0.05 2.28 2.25 2.22 2.20 2.16 2.14 2.12 2.11 2.11 2.10

15 0.025 2.69 2.64 2.61 2.59 2.52 2.49 2.47 2.46 2.45 2.44

15 0.01 3.28 3.21 3.17 3.13 3.05 3.00 2.98 2.96 2.95 2.94

15 0.005 3.77 3.69 3.63 3.58 3.48 3.43 3.39 3.37 3.36 3.34

15 0.001 5.07 4.95 4.86 4.80 4.64 4.56 4.51 4.47 4.45 4.43

16 0.25 1.39 1.38 1.38 1.37 1.36 1.36 1.36 1.35 1.35 1.35

16 0.1 1.86 1.84 1.82 1.81 1.78 1.77 1.76 1.75 1.75 1.74

137
16 0.05 2.23 2.19 2.17 2.15 2.11 2.08 2.07 2.06 2.05 2.05

16 0.025 2.61 2.57 2.53 2.51 2.45 2.42 2.40 2.38 2.37 2.37

16 0.01 3.16 3.10 3.05 3.02 2.93 2.89 2.86 2.84 2.83 2.82

16 0.005 3.62 3.54 3.48 3.44 3.33 3.28 3.25 3.22 3.21 3.20

16 0.001 4.82 4.70 4.61 4.54 4.39 4.31 4.26 4.23 4.20 4.19

17 0.25 1.38 1.37 1.37 1.36 1.35 1.35 1.34 1.34 1.34 1.34

17 0.1 1.83 1.81 1.79 1.78 1.75 1.74 1.73 1.72 1.71 1.71

17 0.05 2.18 2.15 2.12 2.10 2.06 2.03 2.02 2.01 2.00 2.00

17 0.025 2.55 2.50 2.47 2.44 2.38 2.35 2.33 2.32 2.31 2.30

17 0.01 3.07 3.00 2.96 2.92 2.83 2.79 2.76 2.75 2.73 2.72

17 0.005 3.49 3.41 3.35 3.31 3.21 3.15 3.12 3.10 3.08 3.07

17 0.001 4.60 4.48 4.40 4.33 4.18 4.10 4.05 4.02 3.99 3.98

18 0.25 1.37 1.36 1.35 1.35 1.34 1.33 1.33 1.33 1.33 1.33

18 0.1 1.80 1.78 1.77 1.75 1.72 1.71 1.70 1.69 1.69 1.68

18 0.05 2.14 2.11 2.08 2.06 2.02 1.99 1.98 1.97 1.96 1.96

18 0.025 2.49 2.44 2.41 2.38 2.32 2.29 2.27 2.26 2.25 2.24

18 0.01 2.98 2.92 2.87 2.84 2.75 2.70 2.68 2.66 2.65 2.64

18 0.005 3.38 3.30 3.25 3.20 3.10 3.04 3.01 2.99 2.97 2.96

18 0.001 4.42 4.30 4.22 4.15 4.00 3.92 3.87 3.84 3.81 3.80

19 0.25 1.36 1.35 1.34 1.34 1.33 1.32 1.32 1.32 1.32 1.31

19 0.1 1.78 1.76 1.74 1.73 1.70 1.68 1.67 1.67 1.66 1.66

19 0.05 2.11 2.07 2.05 2.03 1.98 1.96 1.94 1.93 1.92 1.92

19 0.025 2.44 2.39 2.36 2.33 2.27 2.24 2.22 2.20 2.19 2.19

19 0.01 2.91 2.84 2.80 2.76 2.67 2.63 2.60 2.58 2.57 2.56

19 0.005 3.29 3.21 3.15 3.11 3.00 2.95 2.91 2.89 2.87 2.86

19 0.001 4.26 4.14 4.06 3.99 3.84 3.76 3.71 3.68 3.66 3.64

20 0.25 1.35 1.34 1.33 1.33 1.32 1.31 1.31 1.31 1.31 1.30

20 0.1 1.76 1.74 1.72 1.71 1.68 1.66 1.65 1.64 1.64 1.63

138
 20 0.05 2.07 2.04 2.01 1.99 1.95 1.92 1.91 1.90 1.89 1.88

20 0.025 2.40 2.35 2.31 2.29 2.22 2.19 2.17 2.16 2.15 2.14

20 0.01 2.84 2.78 2.73 2.69 2.61 2.56 2.54 2.52 2.50 2.49

20 0.005 3.20 3.12 3.07 3.02 2.92 2.86 2.83 2.81 2.79 2.78

20 0.001 4.12 4.00 3.92 3.86 3.70 3.62 3.58 3.54 3.52 3.50

21 0.25 1.34 1.33 1.33 1.32 1.31 1.30 1.30 1.30 1.30 1.30

21 0.1 1.74 1.72 1.70 1.69 1.66 1.64 1.63 1.62 1.62 1.61

21 0.05 2.05 2.01 1.98 1.96 1.92 1.89 1.88 1.87 1.86 1.85

df2 df1 25 30 35 40 60 80 100 120 140 160

21 0.025 2.36 2.31 2.27 2.25 2.18 2.15 2.13 2.11 2.10 2.10

21 0.01 2.79 2.72 2.67 2.64 2.55 2.50 2.48 2.46 2.44 2.43

21 0.005 3.13 3.05 2.99 2.95 2.84 2.79 2.75 2.73 2.71 2.70

21 0.001 4.00 3.88 3.80 3.74 3.58 3.50 3.46 3.42 3.40 3.38

22 0.25 1.33 1.32 1.32 1.31 1.30 1.30 1.29 1.29 1.29 1.29

22 0.1 1.73 1.70 1.68 1.67 1.64 1.62 1.61 1.60 1.60 1.60

22 0.05 2.02 1.98 1.96 1.94 1.89 1.86 1.85 1.84 1.83 1.82

22 0.025 2.32 2.27 2.24 2.21 2.14 2.11 2.09 2.08 2.07 2.06

22 0.01 2.73 2.67 2.62 2.58 2.50 2.45 2.42 2.40 2.39 2.38

22 0.005 3.06 2.98 2.92 2.88 2.77 2.72 2.69 2.66 2.65 2.63

22 0.001 3.89 3.78 3.69 3.63 3.48 3.40 3.35 3.32 3.29 3.28

23 0.25 1.33 1.32 1.31 1.31 1.30 1.29 1.29 1.28 1.28 1.28

23 0.1 1.71 1.69 1.67 1.66 1.62 1.61 1.59 1.59 1.58 1.58

23 0.05 2.00 1.96 1.93 1.91 1.86 1.84 1.82 1.81 1.81 1.80

23 0.025 2.29 2.24 2.20 2.18 2.11 2.08 2.06 2.04 2.03 2.02

23 0.01 2.69 2.62 2.57 2.54 2.45 2.40 2.37 2.35 2.34 2.33

23 0.005 3.00 2.92 2.86 2.82 2.71 2.66 2.62 2.60 2.59 2.57

23 0.001 3.79 3.68 3.60 3.53 3.38 3.30 3.25 3.22 3.20 3.18

139
24 0.25 1.32 1.31 1.31 1.30 1.29 1.28 1.28 1.28 1.27 1.27

24 0.1 1.70 1.67 1.65 1.64 1.61 1.59 1.58 1.57 1.57 1.56

24 0.05 1.97 1.94 1.91 1.89 1.84 1.82 1.80 1.79 1.78 1.78

24 0.025 2.26 2.21 2.17 2.15 2.08 2.05 2.02 2.01 2.00 1.99

24 0.01 2.64 2.58 2.53 2.49 2.40 2.36 2.33 2.31 2.30 2.29

24 0.005 2.95 2.87 2.81 2.77 2.66 2.60 2.57 2.55 2.53 2.52

24 0.001 3.71 3.59 3.51 3.45 3.29 3.22 3.17 3.14 3.11 3.09

25 0.25 1.31 1.31 1.30 1.29 1.28 1.28 1.27 1.27 1.27 1.27

25 0.1 1.68 1.66 1.64 1.63 1.59 1.58 1.56 1.56 1.55 1.55

25 0.05 1.96 1.92 1.89 1.87 1.82 1.80 1.78 1.77 1.76 1.75

25 0.025 2.23 2.18 2.15 2.12 2.05 2.02 2.00 1.98 1.97 1.96

25 0.01 2.60 2.54 2.49 2.45 2.36 2.32 2.29 2.27 2.26 2.25

25 0.005 2.90 2.82 2.76 2.72 2.61 2.55 2.52 2.50 2.48 2.47

25 0.001 3.63 3.52 3.43 3.37 3.22 3.14 3.09 3.06 3.03 3.02

26 0.25 1.31 1.30 1.29 1.29 1.28 1.27 1.27 1.26 1.26 1.26

26 0.1 1.67 1.65 1.63 1.61 1.58 1.56 1.55 1.54 1.54 1.53

26 0.05 1.94 1.90 1.87 1.85 1.80 1.78 1.76 1.75 1.74 1.73

26 0.025 2.21 2.16 2.12 2.09 2.03 1.99 1.97 1.95 1.94 1.94

26 0.01 2.57 2.50 2.45 2.42 2.33 2.28 2.25 2.23 2.22 2.21

26 0.005 2.85 2.77 2.72 2.67 2.56 2.51 2.47 2.45 2.43 2.42

26 0.001 3.56 3.44 3.36 3.30 3.15 3.07 3.02 2.99 2.96 2.95

27 0.25 1.30 1.30 1.29 1.28 1.27 1.26 1.26 1.26 1.26 1.25

27 0.1 1.66 1.64 1.62 1.60 1.57 1.55 1.54 1.53 1.53 1.52

27 0.05 1.92 1.88 1.86 1.84 1.79 1.76 1.74 1.73 1.72 1.72

27 0.025 2.18 2.13 2.10 2.07 2.00 1.97 1.94 1.93 1.92 1.91

27 0.01 2.54 2.47 2.42 2.38 2.29 2.25 2.22 2.20 2.18 2.17

27 0.005 2.81 2.73 2.67 2.63 2.52 2.47 2.43 2.41 2.39 2.38

27 0.001 3.49 3.38 3.30 3.23 3.08 3.00 2.96 2.92 2.90 2.88

140
 28 0.25 1.30 1.29 1.28 1.28 1.27 1.26 1.25 1.25 1.25 1.25

df2 df1 25 30 35 40 60 80 100 120 140 160

28 0.1 1.65 1.63 1.61 1.59 1.56 1.54 1.53 1.52 1.51 1.51

28 0.05 1.91 1.87 1.84 1.82 1.77 1.74 1.73 1.71 1.71 1.70

28 0.025 2.16 2.11 2.08 2.05 1.98 1.94 1.92 1.91 1.90 1.89

28 0.01 2.51 2.44 2.39 2.35 2.26 2.22 2.19 2.17 2.15 2.14

28 0.005 2.77 2.69 2.64 2.59 2.48 2.43 2.39 2.37 2.35 2.34

28 0.001 3.43 3.32 3.24 3.18 3.02 2.94 2.90 2.86 2.84 2.82

29 0.25 1.30 1.29 1.28 1.27 1.26 1.25 1.25 1.25 1.24 1.24

29 0.1 1.64 1.62 1.60 1.58 1.55 1.53 1.52 1.51 1.50 1.50

29 0.05 1.89 1.85 1.83 1.81 1.75 1.73 1.71 1.70 1.69 1.68

29 0.025 2.14 2.09 2.06 2.03 1.96 1.92 1.90 1.89 1.88 1.87

29 0.01 2.48 2.41 2.36 2.33 2.23 2.19 2.16 2.14 2.12 2.11

29 0.005 2.74 2.66 2.60 2.56 2.45 2.39 2.36 2.33 2.32 2.30

29 0.001 3.38 3.27 3.18 3.12 2.97 2.89 2.84 2.81 2.79 2.77

30 0.25 1.29 1.28 1.28 1.27 1.26 1.25 1.25 1.24 1.24 1.24

30 0.1 1.63 1.61 1.59 1.57 1.54 1.52 1.51 1.50 1.49 1.49

30 0.05 1.88 1.84 1.81 1.79 1.74 1.71 1.70 1.68 1.68 1.67

30 0.025 2.12 2.07 2.04 2.01 1.94 1.90 1.88 1.87 1.86 1.85

30 0.01 2.45 2.39 2.34 2.30 2.21 2.16 2.13 2.11 2.10 2.09

30 0.005 2.71 2.63 2.57 2.52 2.42 2.36 2.32 2.30 2.28 2.27

30 0.001 3.33 3.22 3.13 3.07 2.92 2.84 2.79 2.76 2.74 2.72

31 0.25 1.29 1.28 1.27 1.27 1.25 1.25 1.24 1.24 1.24 1.23

31 0.1 1.62 1.60 1.58 1.56 1.53 1.51 1.50 1.49 1.48 1.48

31 0.05 1.87 1.83 1.80 1.78 1.73 1.70 1.68 1.67 1.66 1.65

31 0.025 2.11 2.06 2.02 1.99 1.92 1.89 1.86 1.85 1.84 1.83

31 0.01 2.43 2.36 2.31 2.27 2.18 2.14 2.11 2.09 2.07 2.06

141
 31 0.005 2.68 2.60 2.54 2.49 2.38 2.33 2.29 2.27 2.25 2.24

31 0.001 3.28 3.17 3.09 3.03 2.87 2.79 2.75 2.71 2.69 2.67

32 0.25 1.28 1.28 1.27 1.26 1.25 1.24 1.24 1.23 1.23 1.23

32 0.1 1.62 1.59 1.57 1.56 1.52 1.50 1.49 1.48 1.47 1.47

32 0.05 1.85 1.82 1.79 1.77 1.71 1.69 1.67 1.66 1.65 1.64

32 0.025 2.09 2.04 2.00 1.98 1.91 1.87 1.85 1.83 1.82 1.81

32 0.01 2.41 2.34 2.29 2.25 2.16 2.11 2.08 2.06 2.05 2.04

32 0.005 2.65 2.57 2.51 2.47 2.36 2.30 2.26 2.24 2.22 2.21

32 0.001 3.24 3.13 3.05 2.98 2.83 2.75 2.70 2.67 2.65 2.63

33 0.25 1.28 1.27 1.26 1.26 1.25 1.24 1.23 1.23 1.23 1.23

33 0.1 1.61 1.58 1.56 1.55 1.51 1.49 1.48 1.47 1.47 1.46

33 0.05 1.84 1.81 1.78 1.76 1.70 1.67 1.66 1.64 1.64 1.63

33 0.025 2.08 2.03 1.99 1.96 1.89 1.85 1.83 1.81 1.80 1.79

33 0.01 2.39 2.32 2.27 2.23 2.14 2.09 2.06 2.04 2.03 2.01

33 0.005 2.62 2.54 2.48 2.44 2.33 2.27 2.24 2.21 2.20 2.18

33 0.001 3.20 3.09 3.01 2.94 2.79 2.71 2.66 2.63 2.61 2.59

34 0.25 1.28 1.27 1.26 1.26 1.24 1.23 1.23 1.23 1.22 1.22

34 0.1 1.60 1.58 1.56 1.54 1.50 1.48 1.47 1.46 1.46 1.45

34 0.05 1.83 1.80 1.77 1.75 1.69 1.66 1.65 1.63 1.62 1.62

34 0.025 2.06 2.01 1.97 1.95 1.88 1.84 1.82 1.80 1.79 1.78

34 0.01 2.37 2.30 2.25 2.21 2.12 2.07 2.04 2.02 2.00 1.99

34 0.005 2.60 2.52 2.46 2.42 2.30 2.25 2.21 2.19 2.17 2.16

df2 df1 25 30 35 40 60 80 100 120 140 160

34 0.001 3.16 3.05 2.97 2.91 2.75 2.67 2.63 2.59 2.57 2.55

35 0.25 1.27 1.27 1.26 1.25 1.24 1.23 1.23 1.22 1.22 1.22

35 0.1 1.60 1.57 1.55 1.53 1.50 1.48 1.47 1.46 1.45 1.45

35 0.05 1.82 1.79 1.76 1.74 1.68 1.65 1.63 1.62 1.61 1.61

142
 35 0.025 2.05 2.00 1.96 1.93 1.86 1.82 1.80 1.79 1.77 1.77

35 0.01 2.35 2.28 2.23 2.19 2.10 2.05 2.02 2.00 1.98 1.97

35 0.005 2.58 2.50 2.44 2.39 2.28 2.22 2.19 2.16 2.15 2.13

35 0.001 3.13 3.02 2.93 2.87 2.72 2.64 2.59 2.56 2.53 2.51

40 0.25 1.26 1.25 1.25 1.24 1.22 1.22 1.21 1.21 1.21 1.20

40 0.1 1.57 1.54 1.52 1.51 1.47 1.45 1.43 1.42 1.42 1.41

40 0.05 1.78 1.74 1.72 1.69 1.64 1.61 1.59 1.58 1.57 1.56

40 0.025 1.99 1.94 1.90 1.88 1.80 1.76 1.74 1.72 1.71 1.70

40 0.01 2.27 2.20 2.15 2.11 2.02 1.97 1.94 1.92 1.90 1.89

40 0.005 2.48 2.40 2.34 2.30 2.18 2.12 2.09 2.06 2.05 2.03

40 0.001 2.98 2.87 2.79 2.73 2.57 2.49 2.44 2.41 2.39 2.37

60 0.25 1.23 1.22 1.21 1.21 1.19 1.18 1.18 1.17 1.17 1.17

60 0.1 1.50 1.48 1.45 1.44 1.40 1.37 1.36 1.35 1.34 1.33

60 0.05 1.69 1.65 1.62 1.59 1.53 1.50 1.48 1.47 1.46 1.45

60 0.025 1.87 1.82 1.78 1.74 1.67 1.63 1.60 1.58 1.57 1.56

60 0.01 2.10 2.03 1.98 1.94 1.84 1.78 1.75 1.73 1.71 1.70

60 0.005 2.27 2.19 2.13 2.08 1.96 1.90 1.86 1.83 1.81 1.80

60 0.001 2.67 2.55 2.47 2.41 2.25 2.17 2.12 2.08 2.06 2.04

80 0.25 1.22 1.21 1.20 1.19 1.17 1.16 1.16 1.15 1.15 1.15

80 0.1 1.47 1.44 1.42 1.40 1.36 1.33 1.32 1.31 1.30 1.29

80 0.05 1.64 1.60 1.57 1.54 1.48 1.45 1.43 1.41 1.40 1.39

80 0.025 1.81 1.75 1.71 1.68 1.60 1.55 1.53 1.51 1.49 1.48

80 0.01 2.01 1.94 1.89 1.85 1.75 1.69 1.65 1.63 1.61 1.60

80 0.005 2.17 2.08 2.02 1.97 1.85 1.79 1.75 1.72 1.70 1.68

80 0.001 2.52 2.41 2.32 2.26 2.10 2.01 1.96 1.92 1.90 1.88

100 0.25 1.21 1.20 1.19 1.18 1.16 1.15 1.14 1.14 1.14 1.13

100 0.1 1.45 1.42 1.40 1.38 1.34 1.31 1.29 1.28 1.27 1.27

100 0.05 1.62 1.57 1.54 1.52 1.45 1.41 1.39 1.38 1.36 1.35

143
100 0.025 1.77 1.71 1.67 1.64 1.56 1.51 1.48 1.46 1.45 1.44

100 0.01 1.97 1.89 1.84 1.80 1.69 1.63 1.60 1.57 1.55 1.54

100 0.005 2.11 2.02 1.96 1.91 1.79 1.72 1.68 1.65 1.63 1.61

100 0.001 2.43 2.32 2.24 2.17 2.01 1.92 1.87 1.83 1.80 1.78

120 0.25 1.20 1.19 1.18 1.18 1.16 1.14 1.14 1.13 1.13 1.12

120 0.1 1.44 1.41 1.39 1.37 1.32 1.29 1.28 1.26 1.26 1.25

120 0.05 1.60 1.55 1.52 1.50 1.43 1.39 1.37 1.35 1.34 1.33

120 0.025 1.75 1.69 1.65 1.61 1.53 1.48 1.45 1.43 1.42 1.41

120 0.01 1.93 1.86 1.81 1.76 1.66 1.60 1.56 1.53 1.51 1.50

120 0.005 2.07 1.98 1.92 1.87 1.75 1.68 1.64 1.61 1.58 1.57

120 0.001 2.37 2.26 2.18 2.11 1.95 1.86 1.81 1.77 1.74 1.72

140 0.25 1.20 1.19 1.18 1.17 1.15 1.14 1.13 1.13 1.12 1.12

140 0.1 1.43 1.40 1.38 1.36 1.31 1.28 1.26 1.25 1.24 1.24

140 0.05 1.58 1.54 1.51 1.48 1.41 1.38 1.35 1.33 1.32 1.31

140 0.025 1.73 1.67 1.63 1.60 1.51 1.46 1.43 1.41 1.39 1.38

df2 df1 25 30 35 40 60 80 100 120 140 160

140 0.01 1.91 1.84 1.78 1.74 1.63 1.57 1.53 1.50 1.48 1.47

140 0.005 2.04 1.96 1.89 1.84 1.72 1.65 1.60 1.57 1.55 1.53

140 0.001 2.33 2.22 2.14 2.07 1.91 1.82 1.76 1.72 1.69 1.67

160 0.25 1.20 1.18 1.17 1.17 1.15 1.13 1.13 1.12 1.12 1.11

160 0.1 1.42 1.39 1.37 1.35 1.30 1.27 1.26 1.24 1.23 1.23

160 0.05 1.57 1.53 1.50 1.47 1.40 1.36 1.34 1.32 1.31 1.30

160 0.025 1.72 1.66 1.62 1.58 1.50 1.45 1.42 1.39 1.38 1.36

160 0.01 1.89 1.82 1.76 1.72 1.61 1.55 1.51 1.48 1.46 1.45

160 0.005 2.02 1.93 1.87 1.82 1.69 1.62 1.58 1.55 1.52 1.51

160 0.001 2.31 2.19 2.11 2.04 1.88 1.79 1.73 1.69 1.66 1.64

180 0.25 1.19 1.18 1.17 1.16 1.14 1.13 1.12 1.12 1.11 1.11

144
180 0.1 1.42 1.39 1.36 1.34 1.29 1.27 1.25 1.23 1.22 1.22

180 0.05 1.57 1.52 1.49 1.46 1.39 1.35 1.33 1.31 1.30 1.29

180 0.025 1.71 1.65 1.61 1.57 1.48 1.43 1.40 1.38 1.36 1.35

180 0.01 1.88 1.81 1.75 1.71 1.60 1.53 1.49 1.47 1.45 1.43

180 0.005 2.00 1.92 1.85 1.80 1.68 1.61 1.56 1.53 1.50 1.49

180 0.001 2.28 2.17 2.08 2.02 1.85 1.76 1.70 1.66 1.63 1.61

200 0.25 1.19 1.18 1.17 1.16 1.14 1.13 1.12 1.11 1.11 1.11

200 0.1 1.41 1.38 1.36 1.34 1.29 1.26 1.24 1.23 1.22 1.21

200 0.05 1.56 1.52 1.48 1.46 1.39 1.35 1.32 1.30 1.29 1.28

200 0.025 1.70 1.64 1.60 1.56 1.47 1.42 1.39 1.37 1.35 1.34

200 0.01 1.87 1.79 1.74 1.69 1.58 1.52 1.48 1.45 1.43 1.42

200 0.005 1.99 1.91 1.84 1.79 1.66 1.59 1.54 1.51 1.49 1.47

200 0.001 2.26 2.15 2.07 2.00 1.83 1.74 1.68 1.64 1.61 1.59

220 0.25 1.19 1.18 1.17 1.16 1.14 1.13 1.12 1.11 1.11 1.10

220 0.1 1.41 1.38 1.35 1.34 1.28 1.26 1.24 1.22 1.21 1.21

220 0.05 1.56 1.51 1.48 1.45 1.38 1.34 1.31 1.30 1.28 1.27

220 0.025 1.69 1.63 1.59 1.56 1.47 1.42 1.38 1.36 1.34 1.33

220 0.01 1.86 1.79 1.73 1.69 1.57 1.51 1.47 1.44 1.42 1.40

220 0.005 1.98 1.89 1.83 1.78 1.65 1.58 1.53 1.50 1.47 1.46

220 0.001 2.25 2.14 2.05 1.98 1.82 1.73 1.67 1.62 1.59 1.57

240 0.25 1.19 1.18 1.17 1.16 1.14 1.12 1.12 1.11 1.10 1.10

240 0.1 1.41 1.38 1.35 1.33 1.28 1.25 1.23 1.22 1.21 1.20

240 0.05 1.55 1.51 1.47 1.44 1.37 1.33 1.31 1.29 1.28 1.26

240 0.025 1.69 1.63 1.58 1.55 1.46 1.41 1.38 1.35 1.34 1.32

240 0.01 1.85 1.78 1.72 1.68 1.57 1.50 1.46 1.43 1.41 1.39

240 0.005 1.97 1.89 1.82 1.77 1.64 1.57 1.52 1.49 1.46 1.44

240 0.001 2.24 2.12 2.04 1.97 1.80 1.71 1.65 1.61 1.58 1.55

145
 TÀI LIỆU THAM KHẢO

1. Đào Hữu Hồ. Xác suất và thống kê Toán, Nhà xuất bản Đại học quốc gia Hà nội,
2001.

2. Nguyễn Cao Văn, Giáo trình Lý thuyết xác suất và Thống kê Toán, NXB Thống
kê 2008

3. Nguyễn Cao Văn, Bài tập Xác suất và thống kê Toán, NXB Thống kê 2008.

4. Đặng Hùng Thắng, Mở đầu về lý thuyết xác suất và ứng dụng, NXB Giáo dục,
2008.

Đặng Hùng Thắng, Thống kê và ứng dụng, NXB Giáo dục, 2008

146