Professional Documents
Culture Documents
Lê Phương
1 Lý thuyết mẫu
Phương pháp mẫu
Các đặc trưng mẫu
Ví dụ.
1 Nếu muốn nghiên cứu chất lượng sản phẩm của một lô hàng thì
tổng thể C là các tất cả sản phẩm của lô hàng, đặc điểm nghiên
cứu có thể là sản phẩm có đạt tiêu chuẩn hay không. Biến ngẫu
nhiên X : C → R được định nghĩa:
(
1 nếu sản phẩm u đạt tiêu chuẩn,
X (u) =
0 nếu sản phẩm u không đạt tiêu chuẩn.
2 Nếu muốn nghiên cứu thu nhập của người Việt Nam thì tổng thể
là toàn bộ người dân Việt Nam, đặc điểm nghiên cứu là thu nhập
của người dân. Biến ngẫu nhiên X : C → R được định nghĩa:
Chúng ta cũng có thể nghiên cứu cùng lúc nhiều đặc điểm của một
hoặc nhiều tổng thể để xác định mối quan hệ giữa các biến ngẫu
nhiên tương ứng với các đặc điểm đó.
Ví dụ.
1 Tỉ lệ người giàu (có tài sản trên 1 triệu USD) ở Mỹ có cao hơn
Việt Nam không? (hai đặc điểm cùng loại của hai tổng thể khác
nhau).
2 Trình độ học vấn có ảnh hưởng đến thu nhập của một người ở
thành phố HCM không? (hai đặc điểm của cùng một tổng thể).
Phương pháp mẫu
Nếu có được dữ liệu về toàn bộ tổng thể thì các câu hỏi trên sẽ được
trả lời một cách chính xác.
Trên thực tế, việc thu thập dữ liệu về toàn bộ tổng thể gặp nhiều khó
khăn do:
• Số đơn vị của tổng thể lớn đòi hỏi nhiều chi phí và thời gian điều
tra.
• Trong nhiều trường hợp không thể biết chính xác tất cả các đơn
vị của tổng thể dù có cố gắng điều tra toàn bộ tổng thể.
Phương pháp mẫu
Phương pháp mẫu là phương pháp chọn ra n đơn vị đại diện cho tổng
thể bằng kỹ thuật chọn mẫu xác suất. Các đơn vị được chọn tạo
thành một mẫu kích thước n. Thống kê suy diễn sử dụng các công cụ
xác suất nghiên cứu mẫu này và dựa vào đó cho kết luận về tổng thể
với một độ tin cậy hoặc mức ý nghĩa nào đó.
Gọi Xi là giá trị của đơn vị thứ i trong mẫu (1, . . . , n), thì các Xi độc
lập và có cùng luật phân phối xác suất với đặc trưng X của tổng thể.
• Tập hợp các biến ngẫu nhiên X1 , X2 , . . . , Xn được gọi là một mẫu
tổng quát.
• Khi thực hiện lấy mẫu thực tế, ta được
X1 = x1 , X2 = x2 , . . . , Xn = xn . Tập hợp các số thực x1 , x2 , . . . , xn
được gọi là một mẫu cụ thể.
• Cho T là một hàm n biến, biến ngẫu nhiên T = T (X1 , X2 , ..., Xn )
được gọi là một thống kê.
Phương pháp mẫu
Ví dụ. Gọi X là chiều cao của một cư dân bất kì trong thành phố.
• Gọi X1 , X2 , X3 , X4 lần lượt là chiều cao của 4 người bất kỳ trong
thành phố thì X1 , X2 , X3 , X4 là các biến ngẫu nhiên độc lập và có
cùng phân phối với X . Tập hợp {X1 , X2 , X3 , X4 } là một mẫu tổng
quát.
• Tiến hành lấy mẫu thực tế bằng phương pháp chọn mẫu xác
suất được chiều cao của 4 người lần lượt là 1,6m, 1,7m, 1,57m,
1,64m. Tập hợp {1, 6; 1, 7; 1, 57; 1, 64} là một mẫu cụ thể.
• Lập công thức tính chiều cao trung bình của 4 người trong mẫu:
X1 + X2 + X3 + X4
T = .
4
x x1 x2 ... xk
f f1 f2 ... fk
x x1 x2 ... xk
d d1 d2 ... dk
Ví dụ. Khảo sát số nhân khẩu trong 10 hộ gia đình được kết quả: 2,
4, 6, 1, 6, 4, 5, 2, 6, 5 (nhân khẩu). Lập bảng phân phối tần số thực
nghiệm của mẫu 10 hộ gia đình trên.
Các đặc trưng mẫu
Để có thể nghiên cứu về các tham số của tổng thể bao gồm:
• Tỉ lệ tổng thể p (là tỉ lệ số đơn vị XA có tính chất A trong tổng thể,
áp dụng với cả đặc điểm định tính và định lượng),
• Trung bình tổng thể µ (áp dụng với đặc điểm định lượng),
• Phương sai tổng thể σ 2 (áp dụng với đặc điểm định lượng),
chúng ta cần nghiên cứu các thống kê đặc biệt sau:
Để ngắn gọn, có thể bỏ chỉ số dưới n trong các ký hiệu đặc trưng
mẫu. Ví dụ: X , x, F , f , S 2 , s2 .
Các đặc trưng mẫu
Một số luật phân phối xác suất của các đặc trưng mẫu
Trường hợp tổng thể X có phân phối chuẩn: X ∼ N(µ, σ 2 )
√ 2
• X −µ
σ n ∼ N(0, 1) ⇒ X ∼ N(µ, σn ).
√
• X −µ
S n ∼ t(n − 1).
√
(F −p) n
• √ ∼ N(0, 1).
F (1−F )
(n−1)S 2
• σ2
∼ χ2 (n − 1).
Trường hợp không biết phân phối của X nhưng kích thước mẫu đủ
lớn (n ≥ 30): áp dụng định lý giới hạn trung tâm
√ 2
• X −µ
σ n ' N(0, 1) ⇒ X ' N(µ, σn ).
√
• X −µ
S n ' N(0, 1).
√
(F −p) n
• √ ' N(0, 1).
F (1−F )
Các đặc trưng mẫu
Tính các đặc trưng mẫu cụ thể
Sử dụng công thức định nghĩa hoặc máy tính bỏ túi.
xi -2 1 2 3 4 5
ni 2 1 2 2 2 1
Ví dụ 2. Lượng xăng hao phí của một ôtô đi từ địa điểm A đến địa
điểm B sau 30 lần chạy được kết quả cho trong bảng:
Bài toán: Tìm ước lượng cho tham số θ của một tổng thể. Trong đó θ
là
1 µ (trung bình tổng thể),
2 p (tỉ lệ tổng thể),
3 σ 2 (phương sai tổng thể).
Ta có thể dùng một con số nào đó để ước lượng θ. Ước lượng như
vậy được gọi là ước lượng điểm.
Ví dụ. Cho một mẫu khảo sát gồm 10000 người của một quốc gia
được chọn ngẫu nhiên có độ tuổi trung bình là 27 và độ lệch chuẩn là
3 tuổi. Ước lượng tuổi trung bình của toàn bộ dân số thuộc quốc gia
đó.
Bài toán ước lượng điểm
Ý nghĩa
Ước lượng không chệch là ước lượng có sai số trung bình bằng 0 (vì
E θ̂ − θ = 0).
(Sai số trung bình bằng 0 được gọi là sai số ngẫu nhiên, ngược lại là
sai số hệ thống).
Ví dụ. Tỉ lệ mẫu F , trung bình mẫu X , phương sai mẫu (hiệu chỉnh)
S 2 tương ứng là ước lượng không chệch của p, µ, σ 2 . Còn Ŝ 2 là ước
lượng chệch của σ 2 .
Các tiêu chuẩn ước lượng
Kết luận
Chúng ta sử dụng f , x, s2 lần lượt làm các ước lượng điểm cho
p, µ, σ 2 .
Cho xác suất 1 − α, từ mẫu tổng quát (X1 , ..., Xn ) tìm các thống kê
θ̂1 , θ̂2 sao cho
P(θ̂1 < θ < θ̂2 ) = 1 − α.
Với mẫu cụ thể (x1 , x2 , ..., xn ), ta có θ̂1 nhận giá trị θ1 và θ̂2 nhận giá trị
θ2 . Khi đó (θ1 , θ2 ) được gọi là ước lượng khoảng của θ trong đó
• 1 − α: độ tin cậy của ước lượng,
• (θ1 , θ2 ): khoảng tin cậy của ước lượng,
• ε = θ2 −θ2 : độ chính xác (sai số) của ước lượng.
1
Bài toán ước lượng khoảng với độ tin cậy 1 − α còn được gọi là bài
toán tìm khoảng tin cậy 1 − α.
Bài toán ước lượng khoảng
Giá trị tới hạn
Cho X là một biến ngẫu nhiên liên tục có hàm mật độ f và α ∈ (0, 1).
Số thực qα được gọi là giá trị tới hạn mức α của X nếu
Z +∞
P(X > qα ) = α, nghĩa là f (x)dx = α.
qα
Bài toán ước lượng khoảng
Xác định giá trị tới hạn mức α của các luật phân phối
Luật phân phối Ký hiệu Cách xác định
Chuẩn tắc N(0, 1) zα ϕ(zα ) = 0, 5 − α.
Tra bảng thống kê
Student t(n) t(n, α) Tra bảng thống kê
2 2
Chi bình phương χ (n) χ (n, α) Tra bảng thống kê
Fisher F (m, n) F (m, n, α) Tra bảng thống kê
Lưu ý:
• ϕ là hàm số tăng,
• ϕ là hàm số lẻ, nghĩa là ϕ(−x) = −ϕ(x),
• ϕ(x) ≈ 0, 5 nếu x ≥ 4,
• ϕ(x) ≈ −0, 5 nếu x ≤ −4,
• Nếu φ là hàm phân phối của phân phối chuẩn tắc thì
φ(x) = ϕ(x) + 0, 5.
Ước lượng tỉ lệ
Ví dụ 1. Để đánh giá tỉ lệ phế phẩm của một dây chuyền sản xuất,
người ta khảo sát ngẫu nhiên 500 sản phẩm thì thấy có 30 phế phẩm.
Với độ tin cậy 95%, hãy ước lượng tỉ lệ phế phẩm của dây chuyền sản
xuất.
Giải.
30
Các đặc trưng mẫu: n = 500, f = 500 = 0, 06.
Độ tin cậy: 1 − α = 0, 95 ⇒ ϕ(z α2 ) = 1−α 2 = 0, 475 ⇒ z 2 = 1, 96.
α
q
f (1−f )
Độ chính xác (sai số): ε = z α2 n = 0, 0208.
Khoảng ước lượng: (f − ε, f + ε) = (0, 0392; 0, 0808).
Ước lượng tỉ lệ
Ví dụ 2. Giám đốc một ngân hàng muốn ước lượng tỉ lệ khách hàng
gửi tiền tại ngân hàng được chi trả theo tháng. Một mẫu ngẫu nhiên
100 khách hàng có 30 người được chi trả theo tháng. Với độ tin cậy
90%, hãy ước lượng số khách hàng được chi trả theo tháng, cho biết
ngân hàng đó có 2000 khách hàng.
Giải.
30
Các đặc trưng mẫu: n = 100, f = 100 = 0, 3.
Độ tin cậy: 1 − α = 0, 9 ⇒ ϕ(z α2 ) = 1−α 2 = 0, 45 ⇒ z 2 = 1, 65.
α
q
f (1−f )
Độ chính xác (sai số): ε = z α2 n = 0, 0756.
Khoảng ước lượng cho tỉ lệ: p ∈ (f − ε, f + ε) = (0, 2244; 0, 3756).
Gọi NA là số khách hàng được chi trả theo tháng thì p = NNA = 2000 NA
.
Ta có
NA
0, 2244 < < 0, 3756 ⇔ 448, 8 < NA < 751, 2.
2000
Với độ tin cậy 90%, số khách hàng nằm trong khoảng 449 đến 751.
Ước lượng tỉ lệ
Bài tập 1. Trước ngày bầu cử tổng thống, người ta phỏng vấn ngẫu
nhiên 2000 cử tri thì thấy có 1200 người sẽ bầu cho ứng viên A. Với
độ tin cậy 90%, hãy ước lượng tỉ lệ cử tri sẽ bầu cho ứng viên A.
Bài tập 2. Khảo sát ngẫu nhiên thu nhập (triệu đồng/năm) của một số
hộ dân ở một địa phương thì được thông tin sau:
Bài tập 3. Để đánh giá trữ lượng cá trong hồ người ta đánh bắt 2000
con cá, đánh dấu rồi thả trở lại hồ. Sau đó bắt lại 400 con thì thấy có
80 con đã được đánh dấu. Với độ tin cậy 95%, hãy ước lượng trữ
lượng cá có trong hồ.
Ước lượng tỉ lệ
Bài toán 3. Cho 1 − α và ε0 (sai số tối đa), tìm kích thước mẫu n.
Ta có r
f (1 − f )
z α2 = ε ≤ ε0
n
p
√ z α2 f (1 − f )
⇔ n≥
ε0
z 2α f (1 − f )
⇔n≥ 2
.
ε20
Ước lượng tỉ lệ
Ví dụ. Giám đốc một ngân hàng muốn ước lượng tỉ lệ khách hàng gửi
tiền tại ngân hàng được chi trả theo tháng. Một mẫu ngẫu nhiên 100
khách hàng có 30 người được chi trả theo tháng.
1 Sử dụng mẫu trên, nếu muốn ước lượng tỉ lệ khách hàng được
chi trả theo tháng với độ chính xác 0,08 thì độ tin cậy đạt được là
bao nhiêu?
2 Nếu muốn ước lượng tỉ lệ khách hàng được chi trả theo tháng với
độ tin cậy 95% và sai số tối đa 5% thì cần kích thước mẫu khảo
sát là bao nhiêu?
Giải.
30
1 n = 100, f = 100 = 0, 3, ε = 0, 08.
Độ tin cậy q
n
1 − α = 2ϕ ε f (1−f ) = 2ϕ(1, 75) = 2 · 0, 4599 = 91, 98%.
2 1 − α = 0, 95 ⇒ z α2 = 1, 96; ε ≤ ε0 = 0, 05.
Kích thước mẫu
z 2α f (1 − f )
n≥ 2
= 322, 7 ⇒ n ≥ 323.
ε20
Ước lượng tỉ lệ
Bài tập. Một nông dân muốn ước lượng tỉ lệ nảy mầm của một giống
lúa mới. Anh ấy lấy ngẫu nhiên 1000 hạt lúa loại này đem gieo thì
thấy có 640 hạt nảy mầm.
1 Sử dụng mẫu trên, nếu muốn ước lượng đạt độ chính xác (sai
số) 0,02 thì độ tin cậy đạt được là bao nhiêu?
2 Nếu muốn sai số của ước lượng không vượt quá 0,02 và độ tin
cậy là 95% thì người nông dân cần gieo thêm tối thiểu bao nhiêu
hạt?
Đáp số: 1) 81,32%. 2) 1213.
Ước lượng tỉ lệ
Ước lượng tỉ lệ 2 tổng thể (hiệu 2 tỉ lệ)
Gọi tỉ lệ phần tử có tính chất A của hai tổng thể lần lượt là p1 và p2 .
Với độ tin cậy 1 − α cho trước, tìm ước lượng khoảng cho p1 − p2 .
Phương pháp. Lấy mẫu ngẫu nhiên từ 2 tổng thể với kích thước tối
thiểu 30 mỗi mẫu. Gọi n1 , f1 lần lượt là kích thước mẫu và tỉ lệ mẫu từ
tổng thể thứ nhất; n2 , f2 lần lượt là kích thước mẫu và tỉ lệ mẫu từ tổng
thể thứ hai.
Công thức khoảng tin cậy:
s
f1 (1 − f1 ) f2 (1 − f2 )
(f1 − f2 − ε, f1 − f2 + ε), với ε = z α2 + .
n1 n2
Giải.
Các đặc trưng mẫu: n1 = 1000, f1 = 0, 075, n2 = 500, f2 = 0, 072.
Độ tin cậy: 1 − α = 0, 99 ⇒ ϕ(z α2 ) = 1−α 2 = 0, 495 ⇒ z 2 = 2, 58.
α
q
f1 (1−f1 ) f2 (1−f2 )
Độ chính xác (sai số): ε = z α2 n1 + n2 = 0, 0368.
Khoảng ước lượng 99% cho sự khác biệt về tỉ lệ thất nghiệp giữa
thành phố A và thành phố B:
Với độ tin cậy 99%, tỉ lệ thất nghiệp giữa thành phố A và thành phố B
có thể coi là bằng nhau.
Ước lượng tỉ lệ
Bài tập. Một doanh nghiệp dự định ra mắt sản phẩm của mình ở hai
thị trường khác nhau. Bán thử sản phẩm cho 100 khách hàng tiềm
năng của thị trường thứ nhất thì có 50 người mua. Còn với thị trường
thứ hai, khi bán thử sản phẩm cho 50 khách hàng tiềm năng thì có 20
người mua.
1 Với độ tin cậy 95% hãy ước lượng mức độ chênh lệch về thị phần
mà doanh nghiệp có thể đạt được tại hai thị trường đó.
2 Sử dụng 2 mẫu trên, nếu muốn ước lượng mức độ chênh lệch về
thị phần đạt độ chính xác 10% thì độ tin cậy đạt được là bao
nhiêu?
3 Sử dụng mẫu 1, nếu muốn ước lượng mức độ chênh lệch về thị
phần đạt độ tin cậy 95% và sai số tối đa 10% thì kích thước mẫu
2 cần phải điều tra là bao nhiêu?
Đáp số: 1) (-0,0675; 0,2675). 2) 75,8%. 3) 2329.
Ước lượng trung bình
Ước lượng trung bình 1 tổng thể
Gọi µ là trung bình của một tổng thể X (µ = EX ). Với độ tin cậy 1 − α
cho trước, tìm ước lượng khoảng cho µ.
Công thức khoảng tin cậy (đối xứng):
(x − ε, x + ε),
n ≥ 30 n < 30 và
Trường hợp
X có phân phối chuẩn
chưa biết σ 2 z α2 √s t(n − 1, α2 ) √sn
n
đã biết σ 2 z α2 √σn
Lưu ý: Phân phối t(n) hội tụ đến phân phối N(0, 1) khi n → ∞. Do đó
lim t(n, α) = zα .
n→∞
Ước lượng trung bình
Ví dụ 1. Chủ một kho sơn muốn đánh giá lượng sơn chứa trong các
thùng 1 lít được sản xuất từ một dây chuyền công nghệ quốc gia.
Khảo sát một mẫu 50 thùng được lượng sơn trung bình là 0,97 lít và
độ lệch chuẩn là 0,08 lít.
a. Với độ tin cậy 95% hãy ước lượng lượng sơn trung bình chứa
trong một thùng của dây chuyền sản xuất.
b. Cũng câu hỏi trên trong trường hợp cho biết độ lệch chuẩn của
dây chuyền sản xuất là 0,05 lít.
Giải.
Các đặc trưng mẫu: n = 50, x = 0, 97, s = 0, 08.
Độ tin cậy: 1 − α = 0, 95 ⇒ ϕ(z α2 ) = 1−α
2 = 0, 475 ⇒ z 2 = 1, 96.
α
Giải.
Các đặc trưng mẫu: n = 20, x = 10, 1, s = 1.
Độ tin cậy: 1 − α = 0, 95 ⇒ t(n − 1, α2 ) = t(19; 0, 025) = 2, 093.
Độ chính xác (sai số): ε = t(n − 1, α2 ) √sn = 0, 468.
Khoảng ước lượng cho khối lượng trung bình các linh kiện:
µ ∈ (x − ε, x + ε) = (9, 632; 10, 568).
6
Gọi N là số lượng linh liện trong lô hàng thì µ = 10
N .
Với độ tin cậy 95%,
106
9, 632 < < 10, 568 ⇔ 94625, 3 < N < 103820, 6.
N
Với độ tin cậy 95%, số linh kiện nằm trong khoảng từ 94626 đến
103820.
Ước lượng trung bình
Bài tập. Để ước lượng lợi nhuận của một tổng công ty có 380 cửa
hàng trên toàn quốc trong tháng 1, người ta chọn ngẫu nhiên 10% số
cửa hàng của tổng công ty, tiến hành điều tra doanh thu được kết quả
cho trong bảng
1 Với độ tin cậy 95%, hãy ước lượng doanh thu trung bình mỗi cửa
hàng của tổng công ty trong tháng 1.
2 Với độ tin cậy 95%, hãy ước lượng lợi nhuận của tổng công ty
trong tháng 1, cho biết lợi nhuận của tổng công ty bằng 25%
doanh thu.
Đáp số. 1) (38,8477; 49,5733). 2) (3690,5; 4709,5).
Ước lượng trung bình
Xác định các chỉ tiêu của ước lượng trung bình
Trong bài toán tìm khoảng tin cậy cho trường hợp n ≥ 30 và chưa biết
σ 2 , ta có các bài toán tìm các chỉ tiêu của ước lượng như sau:
Bài toán 1. Cho 1 − α và n, tìm độ chính xác ε.
s
ε = z α2 √ .
n
Bài tập. Giám đốc chi nhánh của một ngân hàng muốn ước lượng
lượng tiền gửi trung bình của mỗi khách hàng tại ngân hàng. Chọn
ngẫu nhiên 50 khách hàng gửi tiền tại ngân hàng, tính được lượng
tiền gửi trung bình của một người là 475 triệu đồng và độ lệch tiêu
chuẩn là 12 triệu đồng.
1 Nếu sử dụng mẫu trên để ước lượng lượng tiền gửi trung bình
của một khách hàng tại ngân hàng đạt độ chính xác tới 2,5 triệu
đồng thì độ tin cậy đạt được là bao nhiêu?
2 Nếu muốn ước lượng lượng tiền gửi trung bình của một khách
hàng tại ngân hàng với độ tin cậy là 99% và độ chính xác đến 3
triệu đồng thì cần điều tra thêm bao nhiêu khách hàng nữa?
Đáp số: 1) 85,84%, 2) 57.
Ước lượng trung bình
Phân biệt 2 mẫu đại diện là độc lập hay phụ thuộc:
• Phụ thuộc: mẫu được chọn theo cách một quan sát ở mẫu 1
tương xứng với 1 quan sát ở mẫu 2. Mục đích : kiểm tra sự tác
động của các nhân tố bên ngoài.
Ví dụ: doanh số bán hàng của 10 cửa hàng thuộc một doanh
nghiệp trước và sau khi thực hiện khuyến mãi.
• Độc lập: 2 mẫu được chọn từ 2 tổng thể độc lập, sao cho một
quan sát được chọn vào mẫu 1 không ảnh hưởng xác suất chọn
được một quan sát khác vào mẫu 2.
Ví dụ: năng suất cây trồng khi dùng 2 loại phân bón khác nhau.
Ước lượng trung bình
Trường hợp 2 mẫu là phụ thuộc: công thức khoảng tin cậy
(d − ε, d + ε),
với
n
P
di
i=1
di = x1i − x2i , d= ,
n
v
u n
uP
u (di − d)2
t i=1 α sd
sd = , ε = t(n − 1, )√ .
n−1 2 n
Điều kiện vận dụng: X1 − X2 có phân phối chuẩn.
Ước lượng trung bình
Trường hợp 2 mẫu là độc lập: công thức khoảng tin cậy
(x 1 − x 2 − ε, x 1 − x 2 + ε),
với ε được cho trong bảng sau
q
σ12 σ22
đã biết z α2 n1 + n2
σ12 , σ22
Ước lượng trung bình
(n − 1)s2 (n − 1)s2
, .
χ2 (n − 1, α2 ) χ2 (n − 1, 1 − α2 )
Ước lượng phương sai
Ví dụ. Cho biết khối lượng của một loại sản phẩm có phân phối
chuẩn. Người ta cân thử một mẫu 25 sản phẩm loại này thì nhận
được kết quả cho trong bảng
Khoảng
√ ước
√lượng cho độ lệch chuẩn:
( 1, 0087; 3, 1251) = (1; 1, 77).
Ước lượng phương sai
Chú ý:
1
F (m, n, α) = .
F (n, m, 1 − α)
Ước lượng phương sai
Ví dụ. Giá cổ phiếu của hai công ty A và B là các biến ngẫu nhiên có
phân phối chuẩn. Theo dõi giá cổ phiếu của công ty A trong 10 ngày
tìm được phương sai mẫu 0,51 và cổ phiếu của công ty B trong 15
ngày tìm được phương sai mẫu 0,2. Với độ tin cậy 90% hãy ước lượng
tỷ số của hai phương sai giá cổ phiếu của hai công ty đó.
Giải.
Các đặc trưng mẫu: n1 = 10, s12 = 0, 51, n2 = 15, s22 = 0, 2.
Các giá trị tới hạn:
F (n2 − 1, n1 − 1, α2 ) = F (14; 9; 0, 05) = 3, 03,
1 1
F (n2 − 1, n1 − 1, 1 − α2 ) = F (14; 9; 0, 95) = = =
F (9; 14; 0, 05) 2, 65
0, 38.
Khoảng tin cậy:
2
s12
s1
F (9; 14; 0, 05), F (14; 9; 0, 05) = (0, 97; 7, 73).
s22 s22
Ước lượng phương sai
Bài tập 1. Để nghiên cứu tuổi thọ (tính bằng tháng) của một loại thiết
bị, người ta điều tra ngẫu nhiên 15 thiết bị loại này được kết quả như
sau: 114, 78, 96, 137, 78, 103, 126, 86, 99, 114, 72, 104, 73, 86, 117.
Hãy ước lượng phương sai của tuổi thọ thiết bị với độ tin cậy 95%,
cho biết tuổi thọ của thiết bị có phân phối chuẩn.
Bài tập 2. Các nhà phân tích tài chính thường dùng độ lệch chuẩn
hoặc phương sai làm thước đo về rủi ro đầu tư. Mẫu ngẫu nhiên 20
số liệu về tốc độ tăng lợi nhuận hàng năm của hai công ty chứng
khoán A và B có độ lệch chuẩn tương ứng là 8,89% và 13,03%. Với
độ tin cậy 95%, hãy ước lượng tỉ số của 2 độ lệch chuẩn về tốc độ
tăng lợi nhuận của 2 công ty đó. Từ kết quả tính toán, liệu có thể cho
rằng rủi ro của A thấp hơn B hay không?