794 - Bai Giang Toan Kinh Te Ly Thuyet Xac Suat Va Thong Ke Toan Truong Dai Hoc Kinh Te Quoc Dan 5297

ĐẠI HỌC KINH TẾ QUỐC DÂN
KHOA TOÁN KINH TẾ

BỘ MÔN TOÁN KINH TẾ
Bài giảng
LÝ THUYẾT XÁC SUẤT
VÀ THỐNG KÊ TOÁN
www.mfe.edu.vn
8 / 2017
1
Thông tin học phần
▪ Tiếng Anh: Probability and Mathematical Statistics
▪ Số tín chỉ: 3 Thời lượng: 45 tiết
▪ Đánh giá:
• Điểm do giảng viên đánh giá: 10%
• Điểm kiểm tra giữa kỳ / bài tập lớn: 20%
• Điểm kiểm tra cuối kỳ (90 phút): 70%
▪ Không tham gia quá 20% số tiết không được thi
LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - NEU – www.mfe.edu.vn 2
Thông tin học phần
▪ Thông tin chi tiết về Giảng dạy và học tập học phần:
▪ www.mfe.edu.vn  Văn bản quan trọng  “Hướng
dẫn giảng dạy học tập học phần Lý thuyết xác suất
và Thống kê toán”
• Đề cương chi tiết
• Hướng dẫn thực hành Excel
• Bảng số và công thức cơ bản
• Một số bài tập bổ sung
• Nội dung giảng dạy học tập cụ thể
Thông tin giảng viên
▪ Học vị. Họ tên giảng viên
▪ Giảng viên Bộ môn Toán kinh tế - Khoa Toán kinh tế
- ĐH Kinh tế quốc dân
▪ Email: (giangvien)@neu.edu.vn
▪ Trang web: www.mfe.edu.vn/(họ tên GV)
Tài liệu
▪ [1] Nguyễn Cao Văn, Trần Thái Ninh, Ngô Văn Thứ
(2015), Giáo trình Lý thuyết xác suất và Thống kê
toán, NXB ĐHKTQD.
▪ [2] Bùi Dương Hải (2016), Tài liệu hướng dẫn thực
hành Excel, Lưu hành hội bộ.
▪ [3] Paul Newbold, William L. Carlson, Betty Thorne
(2010), Statistics for Business and Economics, 7th
edition, Pearson.
▪ Website: www.mfe.edu.vn
LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – Bui Duong Hai – NEU – 5
Các nhà khoa học
▪ Thế kỉ 16: Galilei O Galile (Italia)
▪ Thế kỉ 17: Blaise Pascal, Piere de Fermat (Pháp),
Christian Huygens (Hà Lan), Jakob Bernoulli (Thụy Sĩ)
▪ Thế kỉ 18: Nicolaus Bernoulli (Thụy Sĩ), Thomas
Bayes (Anh), Pierre Simon Laplace (Pháp)
▪ Thế kỉ 19: Carl Friedrich Gauss (Đức), Simeon Denis
Poisson (Pháp), Pafuni Chebyshev (Nga), Francis
Galton, Karl Pearson (Anh)
▪ Thế kỉ 20: Charles Spearman, Royal Aylmer Fisher
(Anh), Andrei Kolmogorov (Nga)
NỘI DUNG
Phần 1. LÝ THUYẾT XÁC SUẤT
▪ Chương 1. Biến cố ngẫu nhiên và xác suất
▪ Chương 2. Biến ngẫu nhiên và quy luật phân phối xác suất
▪ Chương 3. Một số quy luật phân phối xác suất thông dụng
▪ Chương 4. Biến ngẫu nhiên hai chiều
▪ Chương 5. Các định lý giới hạn
Phần 2. THỐNG KÊ TOÁN
▪ Chương 6. Cơ sở lý thuyết mẫu
▪ Chương 7. Ước lượng các tham số của biến ngẫu nhiên
▪ Chương 8. Kiểm định giả thuyết thống kê
Phần 1. LÝ THUYẾT XÁC SUẤT
▪ Là môn toán học xác lập những quy luật tất nhiên sau
những hiện tượng mang tính ngẫu nhiên; từ đó cho phép
dự báo các hiện tượng ngẫu nhiên sẽ xảy ra thế nào
Gồm 5 chương:
▪ Chương 1. Biến cố ngẫu nhiên và xác suất
▪ Chương 2. Biến ngẫu nhiên và quy luật phân phối xác suất
▪ Chương 3. Một số quy luật phân phối xác suất thông dụng
▪ Chương 4. Biến ngẫu nhiên hai chiều
▪ Chương 5. Các định lý giới hạn
Chương 1
Chương 1. BIẾN CỐ NGẪU NHIÊN & XÁC SUẤT
▪ Giới thiệu các khái niệm cơ bản của lý thuyết xác

suất: phép thử, biến cố, kết cục
▪ Khái niệm về xác suất và một số cách tính xác suất
theo cách cổ điển, theo thống kê
▪ Cách phân chia các biến cố phức tạp thành các biến
cố đơn giản hơn và tổng hợp thông tin để tính xác
suất biến cố phức tạp
▪ Một số định lý, công thức và áp dụng trong các bài
toán
Chương 1. Biến cố ngẫu nhiên và xác suất
NỘI DUNG CHƯƠNG 1

▪ 1.1. Phép thử và các loại biến cố
▪ 1.2. Xác suất của biến cố
▪ 1.3. Định nghĩa cổ điển về xác suất
▪ 1.4. Định nghĩa thống kê về xác suất
▪ 1.5. Nguyên lý xác suất lớn và nhỏ
▪ 1.6. Định lý nhân xác suất
▪ 1.7. Định lý cộng xác suất
▪ 1.8. Công thức Bernoulli
▪ 1.9. Công thức xác suất đầy đủ và Bayes
Chương 1. Biến cố ngẫu nhiên và xác suất 1.1
1.1. PHÉP THỬ VÀ CÁC LOẠI BIẾN CỐ

▪ Định nghĩa 1.1. Thực hiện một nhóm các điều kiện
cơ bản để quan sát một hiện tượng nào đó có thể xảy
ra hay không gọi là một phép thử (experiment)
▪ Hiện tượng có thể xảy ra  biến cố (event)
▪ Phân loại:
• Biến cố chắc chắn (certain): kí hiệu U hay 
• Biến cố không thể có (impossible): kí hiệu V hay 
• Biến cố ngẫu nhiên (random): kí hiệu A, B,… hay
A1, A2,…
1.2. XÁC SUẤT CỦA BIẾN CỐ

▪ Định nghĩa 1.2. Xác suất (probability) của một
biến cố là một con số đặc trưng khả năng khách
quan xuất hiện biến cố đó khi thực hiện một phép
thử.
▪ Nhận xét:
• Khả năng khách quan, không phải chủ quan
• Là con số xác định
• Cần xây dựng các định nghĩa và định lý để tính
1.3. ĐỊNH NGHĨA CỔ ĐIỂN VỀ XÁC SUẤT

▪ (Classical definition of Probability)
▪ Ví dụ: Gieo con xúc sắc đối xứng đồng chất, quan
tâm biến cố xuất hiện mặt có số chấm chẵn
▪ Định nghĩa 1.3. Xác suất xuất hiện biến cố A trong
một phép thử là tỷ số giữa số kết cục thuận lợi cho A
và tổng số các kết cục duy nhất đồng khả năng có
thể xảy ra khi thực hiện phép thử đó
m
P( A ) 
n
Chương 1. Biến cố ngẫu nhiên và xác suất 1.3. Định nghĩa cổ điển về xác suất
Tính chất của xác suất

▪ Xác suất của biến cố bất kỳ nằm trong đoạn [0, 1]
0  P(Biến cố)  1
▪ Xác suất của biến cố chắc chắn: P(U) = 1
▪ Xác suất của biến cố không thể có: P(V) = 0
▪ Xác suất của biến cố ngẫu nhiên A: 0 < P(A) < 1
▪ Còn ký hiệu biến cố chắc chắn là , biến cố không

thể có là 
Các ví dụ
▪ Ví dụ 1.1: Lớp có 40 sinh viên nữ, 20 sinh viên nam.
Chọn ngẫu nhiên một người, tính xác suất được nữ.
▪ Ví dụ 1.2: Giả sử xác suất sinh con gái và trai là như
nhau. Tìm xác suất gia đình có 3 con thì
• (a) có đúng 2 con gái
• (b) có đúng 2 con gái nếu con đầu lòng là gái
• (c) có đúng 2 con gái nếu con đầu lòng là trai
Các ví dụ
▪ Ví dụ 1.3: Cơ quan có 50 người, trong đó 25 người
học đại học về kinh tế, 20 người học về kỹ thuật, 10
người học cả hai, còn lại không ai học đại học.
▪ Tìm xác suất chọn ngẫu nhiên 1 người thì người đó
• (a) Chỉ học ĐH đúng 1 ngành
• (b) Học ĐH ít nhất 1 ngành
• (c) Học 2 ngành nếu người đó có học đại học
Các ví dụ
▪ Ví dụ 1.4: Một hộp có 10 sản phẩm, trong đó có 6
chính phẩm và 4 phế phẩm.
▪ (a) Tính m và n và xác suất để lấy 2 sản phẩm thì
được 2 chính phẩm, theo 3 cách sau:
• Lần lượt có hoàn lại
• Lần lượt không hoàn lại
• Cùng một lúc
▪ (b) Nếu lấy cùng lúc 3 sản phẩm, tính xác suất được
2 chính phẩm và 1 phế phẩm
Ưu nhược điểm của định nghĩa cổ điển

▪ Ưu điểm:
• Không cần tiến hành phép thử
• Cho phép tính chính xác giá trị của xác suất
▪ Nhược điểm:
• Số cục duy nhất đồng khả năng có thể vô hạn
• Kết quả phép thử không phải các kết cục duy
nhất đồng khả năng
1.4. ĐỊNH NGHĨA THỐNG KÊ VỀ XÁC SUẤT

▪ (Statistical definition)
▪ Định nghĩa 1.4. Tần suất (relative frequency) xuất
hiện biến cố trong n phép thử là tỷ số giữa số phép
thử trong đó biến cố xuất hiện và tổng số phép thử
được thực hiện
k
f ( A) 
n
Chương 1. Biến cố ngẫu nhiên và xác suất 1.4. Định nghĩa thống kê
Định nghĩa
▪ Định nghĩa 1.5: Xác suất xuất hiện biến cố A trong
một phép thử là một số p không đổi mà tần suất f
xuất hiện biến cố đó trong n phép thử sẽ dao động
rất ít xung quanh nó khi số phép thử tăng lên vô hạn
p  P( A )  f ( A )
▪ Ví dụ 1.5:
• Số liệu của 10000 công nhân công nghiệp thấy có
1200 người có bệnh về phổi. Tần suất là 0,12 và
xác suất được coi là xấp xỉ 0,12
Chương 1. Biến cố ngẫu nhiên và xác suất 1.4. Định nghĩa thống kê
Ưu nhược điểm của định nghĩa thống kê

▪ Ưu điểm:
• Không đòi hỏi những điều kiện như ĐN cổ điển
• Dựa trên các quan sát thực tế
▪ Nhược điểm:
• Chỉ áp dụng với hiện tượng ngẫu nhiên mà tần
suất ổn định
• Phải thực hiện một số đủ lớn các phép thử
▪ Có thể khắc phục bằng cách mô phỏng kết quả
Chương 1. Biến cố ngẫu nhiên và xác suất 1.5.
1.5. NGUYÊN LÝ XÁC SUẤT LỚN VÀ NHỎ

▪ “Nguyên lý thực tế chắc chắn xảy ra của các biến cố
có xác suất lớn”: Nếu biến cố ngẫu nhiên có xác suất
gần bằng 1 thì thực tế có thể biến cố đó sẽ xảy ra
trong một phép thử.
▪ “Nguyên lý thực tế không thể có của các biến cố có

xác suất nhỏ”: Nếu một biến cố có xác suất rất nhỏ
thì thực tế có thể cho rằng trong một phép thử biến
cố đó sẽ không xảy ra.
1.6. ĐỊNH LÝ NHÂN XÁC SUẤT

▪ Định nghĩa 1.6. Biến cố C là tích (intersection) của
hai biến cố A và B nếu C xảy ra khi và chỉ khi cả hai
biến cố A và B cùng đồng thời xảy ra.
• Ký hiệu C = A.B
▪ Ví dụ 1.6. Hộp 6 chính
phẩm 4 phế phẩm, lấy lần A A.B B
lượt 2 sản phẩm.
• A = “lần 1 được CF” Ω
• B = “lần 2 được CF”

• A.B = ?
Chương 1. Biến cố ngẫu nhiên và xác suất 1.6. Định lý nhân xác suất
Xác suất có điều kiện

▪ Định nghĩa 1.7. Xác suất của biến cố A được tính với
điều kiện biến cố B đã xảy ra gọi là xác suất có điều
kiện của A, hay xác suất của A trong điều kiện B
• Ký hiệu: P(A | B)
▪ Ví dụ 1.7: Hộp 6 chính phẩm 4 phế phẩm, lấy lần
lượt 2 sản phẩm. A, B là lần 1, 2 được chính phẩm.
▪ Xác định P(B | A) khi:
• Lấy lần lượt có hoàn lại
• Lấy lần lượt không hoàn lại
Tính độc lập

▪ Định nghĩa 1.8. Hai biến cố A và B được gọi là độc
lập (independent) với nhau nếu việc xảy ra hay
không xảy ra của biến cố này không làm thay đổi xác
suất xảy ra của biến cố kia và ngược lại.
▪ Hai biến cố không độc lập với nhau còn gọi là phụ
thuộc (dependent).
▪ Nếu A và B độc lập thì
P(A | B) = P(A)
và P(B | A) = P(B)
Định lý nhân xác suất

▪ Định lý: Xác suất của tích hai biến cố A và B bằng
tích xác suất của một trong hai biến cố đó với xác
suất có điều kiện của biến cố còn lại
P(A.B) = P(A).P(B | A)
= P(B).P(A | B)
▪ Định lý: Xác suất của tích hai biến cố độc lập bằng
tích của các xác suất thành phần
P(A.B) = P(A ).P(B)
Hệ quả
▪ Hệ quả: Nếu P(B) > 0 thì xác suất của biến cố A với
điều kiện biến cố B đã xảy ra bằng:
P( A.B)
P( A | B) 
P(B)
▪ Hệ quả: Nếu A và B độc lập thì:
P( A.B) P( A.B)
P( A )  & P(B) 
P(B) P( A )
Ví dụ 1.8
▪ Hộp 6 chính phẩm 4 phế phẩm, lấy lần lượt 2 sản
phẩm từ hộp.
▪ Tính xác suất “được hai chính phẩm” và xác suất
“lần 1 là chính phẩm trong điều kiện lần 2 là chính
phẩm” khi:
• (a) Lấy lần lượt không hoàn lại
• (b) Lấy lần lượt có hoàn lại
Biến cố xung khắc

▪ Định nghĩa 1.9. Hai biến cố A và B gọi là xung khắc
(mutually exclusive) với nhau nếu chúng không thể
đồng thời xảy ra trong một phép thử.
▪ Ngược lại, hai biến cố gọi là không xung khắc.
▪ Nếu A, B xung khắc thì: P(A.B) = 0
A B
Ω
Mở rộng
▪ Định nghĩa 1.10. Biến cố A được gọi là tích của n
biến cố A1, A2,…, An nếu A xảy ra khi và chỉ khi cả n
biến cố đó cùng đồng thời xảy ra.
• Ký hiệu: A   i 1 A i
n
A3
A1 A1A2A3
A2
Ω
Mở rộng
▪ Định nghĩa 1.11. Các biến cố A1, A2,…, An gọi là độc
lập từng đôi với nhau nếu mỗi cặp hai trong n biến
cố đó độc lập nhau.
▪ Định nghĩa 1.12. Các biến cố A1, A2,…, An gọi là độc

lập toàn phần nếu mỗi biến cố độc lập với mọi tổ
hợp bất kỳ của các biến cố còn lại.
Mở rộng
▪ Hệ quả: Xác suất của tích n biến cố độc lập toàn
phần bằng tích các xác suất biến cố thành phần
 n  n
P   A i    P( A i )
 i 1  i 1
▪ Hệ quả: Xác suất của tích n biến cố phụ thuộc:
P(A1.A2…An) = P(A1).P(A2 | A1)…P(An | A1A2…An–1)
▪ Ví dụ 1.9: Từ hộp 6 chính phẩm 4 phế phẩm, tính
xác suất lấy 4 sản phẩm lần lượt đều là chính phẩm,
khi có hoàn lại và không hoàn lại.
Mở rộng
▪ Định nghĩa 1.13. Nhóm n biến cố A1, A2,…, An được
gọi là xung khắc từng đôi nếu bất kỳ hai biến cố
nào trong nhóm này cũng xung khắc với nhau.
▪ Ví dụ 1.10: Tổ có 3 sinh viên, chỉ ra nhóm biến cố

xung khắc từng đôi trong số sau:
A1 = “có đúng 1 nam”, A2 = “có đúng 2 nam”
A3 = “tất cả là nam”, A4 = “có ít nhất 1 nam”
A5 = “có cả nam và nữ”
1.7. ĐỊNH LÝ CỘNG XÁC SUẤT

▪ Định nghĩa 1.14. Biến cố C được gọi là tổng (union)
của hai biến cố A và B, nếu C chỉ xảy ra khi có ít nhất
một trong hai biến cố A và B xảy ra.
▪ Ký hiệu C = A + B
A B
A+B Ω
Chương 1. Biến cố ngẫu nhiên và xác suất 1.7. Định lý cộng xác suất
Định lý cộng xác suất

▪ Định lý: Xác suất của tổng hai biến cố bằng tổng xác
suất hai biến cố trừ đi xác suất của tích hai biến cố
P(A + B) = P(A) + P(B) – P(A.B)
▪ Định lý: Xác suất của tổng hai biến cố xung khắc
bằng tổng xác suất của các biến cố đó
P(A + B) = P(A) + P(B)
Mở rộng
▪ Định nghĩa 1.15. Biến cố A được gọi là tổng của n
biến cố A1, A2,…, An nếu A xảy ra khi có ít nhất một
trong n biến cố ấy xảy ra.
n
• Ký hiệu: A   Ai
i 1
▪ Hệ quả: Xác suất của tổng các biến cố xung khắc

từng đôi A1, A2,…, An bằng tổng xác suất của các biến
cố đó:
 n  n
P   A i    P( A i )
 i 1  i 1
Ví dụ 1.11
▪ Một dự án cần qua hai vòng thẩm định độc lập nhau,
xác suất dự án bị trượt ở hai vòng lần lượt là 0,3 và
0,4. Dự án bị loại nếu có vòng đánh trượt.
▪ (a) Tính xác suất dự án bị loại
▪ (b) Xác suất dự án được thông qua bằng bao nhiêu?
Nhóm đầy đủ
▪ Định nghĩa 1.16. Các biến cố A1, A2,…, An được gọi
là một nhóm đầy đủ (universal set, partitions) các
biến cố nếu trong kết quả phép thử sẽ xảy ra một và
chỉ một trong các biến cố đó
▪ Hệ quả: Nếu các biến cố A1, A2,…, An tạo nên một
nhóm đầy đủ các biến cố thì tổng xác suất của chúng
bằng 1 n
 P( A i )  1 i 1
Biến cố đối lập

▪ Định nghĩa 1.17. Hai biến cố A và Ā gọi là đối lập
(complement) nếu chúng tạo nên một nhóm đầy đủ
các biến cố
▪ Hệ quả: Tổng xác suất của hai biến cố đối lập nhau
bằng 1:
P(A) + P(Ā) = 1
Ví dụ 1.12
▪ Một người đi bán hàng ở hai nơi độc lập nhau. Xác
suất bán được hàng lần lượt là 0,6 và 0,8.
▪ Đặt A1 và A2 tương ứng với biến cố bán được hàng ở
nơi 1 và 2.
▪ Viết biến cố và tính xác suất người đó
• (a) Bán được hàng ở cả hai nơi
• (b) Bán được hàng ở ít nhất một nơi
• (c) Bán được hàng ở đúng một nơi
• (d) Không bán được hàng
Ví dụ 1.12 (tiếp)
▪ Bảng xác suất của các biến cố
A2 Ā2 
A1 P(A1A2) = 0,48 P(A1Ā2) = 0,12 P(A1) = 0,6
Ā1 P(Ā1A2) = 0,32 P(Ā1Ā2) = 0,08 P(Ā1) = 0,4
 P(A2) = 0,8 P(Ā2) = 0,2 1
▪ P(A1 + A2) = 0,6 + 0,8 – 0,48
cũng = 0,32 + 0,48 + 0,12
Ví dụ 1.13
▪ Một người đấu thầu hai dự án. Xác suất trúng thầu
dự án thứ nhất và thứ hai lần lượt là 0,5 và 0,4; xác
suất trúng thầu cả hai là 0,1.
▪ Viết biến cố, lập bảng, và tính xác suất:
• (a) Trúng thầu ở ít nhất một dự án
• (b) Trúng thầu ở đúng một dự án
• (c) Trúng thầu dự án thứ hai, biết rằng trúng
thầu dự án thứ nhất
• (d) Trúng thầu dự án thứ hai, biết rằng không
trúng thầu ở dự án thứ nhất
Ví dụ 1.14
▪ Một người làm hai bài tập kế tiếp. Xác suất làm đúng
bài thứ nhất là 0,6. Nếu làm đúng bài thứ nhất thì
khả năng làm đúng bài thứ hai là 0,9 nhưng nếu làm
sai bài thứ nhất thì khả năng đúng bài thứ hai còn
0,3. Tính xác suất:
• (a) Làm đúng ít nhất một bài
• (b) Làm đúng chỉ 1 bài
• (c) Làm đúng bài 1 biết rằng làm đúng bài 2
• (d) Làm đúng cả hai, biết rằng có làm đúng ít
nhất một bài
1.8. CÔNG THỨC BERNOULLI

▪ Ví dụ 1.15: Một người đi bán hàng ở 3 nơi độc lập,
xác suất bán được ở mỗi nơi đều bằng 0,8. Tính xác
suất người đó:
▪ (a) Bán được ở đúng 1 nơi
▪ (b) Bán được ở đúng 2 nơi
▪ (c) Bán được ở ít nhất 1 nơi
Chương 1. Biến cố ngẫu nhiên và xác suất 1.8. Công thức Bernoulli
Công thức Bernoulli

▪ Thực hiện n phép thử độc lập; trong mỗi phép thử
biến cố A hoặc Ā xảy ra với xác suất tương ứng là p
và 1 – p, được lược đồ (trial) Bernoulli.
▪ Kí hiệu B(n, p)
▪ Xác suất để trong n phép thử, biến cố A xảy ra đúng
x lần, kí hiệu: Pn(x) hay P(x | n, p)
▪ Công thức
P( x | n, p)  Cnx p x (1  p)n x
1.9. CÔNG THỨC XS ĐẦY ĐỦ - BAYES

▪ Ví dụ 1.16: Có hai hộp giống nhau: Hộp loại I chứa 6
chính phẩm và 4 phế phẩm; hộp loại II chứa 8 chính
phẩm và 2 phế phẩm.
▪ (a) Chọn ngẫu nhiên một hộp và từ đó chọn 1 sản
phẩm. Tính xác suất để đó là chính phẩm
▪ (b) Nếu chọn được chính phẩm, xác suất để hộp
được chọn là hộp I bằng bao nhiêu?
▪ (c) Nếu có 5 hộp, 2 hộp loại I và 3 hộp loại II, thì các
câu (a), (b) kết quả bao nhiêu?
Chương 1. Biến cố ngẫu nhiên và xác suất 1.9. Công thức XS đầy đủ - Bayes
Công thức XS đầy đủ - công thức Bayes

▪ Biến cố A có thể xảy ra đồng thời với một trong các
biến cố H1, H2,…, Hn. Nhóm H1, H2,…, Hn là nhóm đầy
đủ các biến cố. Khi đó xác suất đầy đủ:
n
P( A )   P(Hi ).P( A | Hi )
i 1
▪ Công thức Bayes

P(Hi ).P( A | Hi )
P(H i | A )  n
 P(Hi ).P( A | Hi )
i 1
Chương 1. Biến cố ngẫu nhiên và xác suất 1.9. Công thức XS đầy đủ - Bayes
Công thức XS đầy đủ - công thức Bayes

▪ Giải ví dụ 1.16 bằng lập bảng
P(Hi) P(A | Hi) P(A.Hi) P(Hi | A)
H1 0,5 0,6 0,5×0,6 = 0,3 0,3 / 0,7
H2 0,5 0,8 0,5×0,8 = 0,4 0,4 / 0,7
 1 0,7 1
▪ Tiếp ví dụ 1.16: Nếu có hai hộp loại I (6 Chính
phẩm 4 phế phẩm), ba hộp loại II (8 chính phẩm 2
phế phẩm) và năm hộp loại III (5 chính phẩm 5 phế
phẩm) thì kết quả thế nào?
TÓM TẮT CHƯƠNG 1

▪ Phép thử, biến cố ngẫu nhiên, xác suất P(A)
▪ Định nghĩa cổ điển: phương pháp liệt kê, sơ đồ, đại
số tổ hợp
▪ Định nghĩa thống kê
▪ Nguyên lý xác suất lớn và nhỏ
▪ Các quan hệ: tổng, tích, xung khắc, độc lập, nhóm
đầy đủ, đối lập, có điều kiện
▪ Các định lý: xác suất tổng, tích, đối lập, có điều kiện
▪ Công thức Bernoulli, xác suất đầy đủ, Bayes
Bài tập cơ bản trong Giáo trình

▪ Trang 14: 1.3, 1.5, 1.15
▪ Trang 20: 1.20, 1.21
▪ Trang 23: 1.24, 1.26, 1.28, 1.30a
▪ Trang 47: 1.37, 1.42, 1.46, 1.47, 1.51
▪ Trang 53: 1.58, 1.60, 1.61
▪ Trang 59: 1.62, 1.63, 1.68, 1.70
▪ Trang 67: 1.74, .175, 1.79, 1.84
▪ Trang 69: 1.93, 1.94, 1.97, 1.100, 1.102, 1.105a
Chương 2. BIẾN NGẪU NHIÊN &
QUY LUẬT PHÂN PHỐI XÁC SUẤT
▪ Biến ngẫu nhiên là khái niệm trung tâm của lý

thuyết xác suất
▪ Hiểu được khái niệm và cách phản ánh quy luật của
biến ngẫu nhiên, thông qua quy luật phân phối xác
suất
▪ Khái niệm về các tham số đặc trưng cho đại lượng
ngẫu nhiên trong kinh tế - kinh doanh
Chương 2. Biến ngẫu nhiên – Quy luật…

▪ 2.1. Định nghĩa biến ngẫu nhiên
▪ 2.2. Quy luật phân phối xác suất
• Bảng phân phối xác suất
• Hàm phân phối xác suất
• Hàm mật độ xác suất
▪ 2.3. Tham số đặc trưng
• Kỳ vọng
• Phương sai, độ lệch chuẩn
Chương 2. Biến ngẫu nhiên – Quy luật… 2.1.
2.1. ĐỊNH NGHĨA BIẾN NGẪU NHIÊN

▪ Định nghĩa 2.1. Biến số gọi là biến ngẫu nhiên
(random variable) nếu trong kết quả của phép thử
nó sẽ nhận một và chỉ một trong các giá trị có thể có
của nó tùy thuộc vào sự tác động của các nhân tố
ngẫu nhiên.
▪ Viết tắt là BNN
▪ Ký hiệu: X, Y, Z hoặc X1, X2,…
▪ Giá trị có thể có của X là x1, x2,….
▪ (X = x1), (X = x2) là các biến cố
Chương 2. Biến ngẫu nhiên – Quy luật… 2.1. Định nghĩa biến ngẫu nhiên
Phân loại biến ngẫu nhiên

▪ Biến ngẫu nhiên là rời rạc (discrete) nếu các giá trị
có thể có của nó lập thành một tập hợp hữu hạn
hoặc đếm được
• Ví dụ: Điểm số, Số người vào cửa hàng
• X = {x1, x2,…, xn}; n có thể = 
▪ Biến ngẫu nhiên là liên tục (continuous) nếu các giá
trị có thể có của nó lấp đầy một khoảng trên trục số
• Ví dụ: Thời gian, Khoảng cách, Năng suất
• X = (a, b)
2.2. QUY LUẬT PHÂN PHỐI XÁC SUẤT

▪ 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
▪ Ba cách thể hiện thông thường:
• Bảng phân phối xác suất (chỉ cho BNN rời rạc)
• Hàm phân phối xác suất (hàm tích lũy xác suất)
• Hàm mật độ xác suất (chỉ cho BNN liên tục)
Chương 2. Biến ngẫu nhiên – Quy luật… 2.2. Quy luật phân phối xác suất
Bảng phân phối xác suất

▪ Hay hàm khối lượng xác suất (mass probability)
▪ X rời rạc, X = {x1, x2,…, xn} ; n có thể bằng 
▪ Xác suất: pi = P(X = xi), i = 1  n
X x1 x2 … xn
P p1 p2 … pn
▪ Tính chất:
n
0  pi  1 & 
i
pi  1
1
Hàm phân bố xác suất F(x)

▪ Còn gọi là hàm tích lũy xác suất (cumulative
probability function)
▪ Định nghĩa 2.2. Hàm phân bố xác suất của X, ký
hiệu là F(x), x ℝ, được tính bởi công thức:
F(x) = P(X < x)
▪ Nếu X rời rạc: F(x) =  pi

xi  x
Ví dụ 2.1
▪ BNN X rời rạc có: 0,5
X 1 2 3 0,3 0,2
P 0,3 0,5 0,2 x
1 2 3
▪ Hàm F(x) sẽ là:
1
0 :x  1
0,3 :1  x  2
0,8

F (x )  
0, 8 :2  x  3

 1 :3  x 0,3
x
Tính chất của F(x)

▪ F(x) thuộc đoạn [0, 1]
▪ F(x) là hàm không giảm: x1 < x2 thì F(x1)  F(x2)
• Hệ quả: P(a  X < b) = F(b) – F(a)
• Hệ quả: Nếu X liên tục: P(X = x) = 0
• Hệ quả: Nếu X liên tục: P(a  X  b) = P(a  X < b)
= P(a < X  b) = P(a < X < b)
▪ F(–) = 0 và F(+) = 1
• Hệ quả: Nếu X chỉ nhận giá trị trong [a, b] thì F(x)
= 0 với x  a và F(x) = 1 với x > b
Hàm mật độ xác suất f(x)

F(x)
▪ Biến ngẫu nhiên X liên tục
thì hàm F(x) liên tục
▪ Định nghĩa 2.3. Hàm mật
độ xác suất (probability
x
density function: PDF) của
BNN liên tục X, ký hiệu là f(x)
f(x), x ℝ, là đạo hàm của
hàm F(x):
f(x) = F (x)
x
Tính chất của f(x)

▪ Tính chất 1: f(x)  0  x
b
▪ Tính chất 2: P(a  X  b)   f ( x )dx
a
x
▪ Tính chất 3: F ( x )   f ( x )dx


▪ Tính chất 4:  f ( x )dx  1

Ví dụ 2.2
▪ Thời gian chờ của khách hàng (giờ) ở một cửa hàng
có hàm mật độ:
0 : x [0,1]
f (x)  
2x : x [0,1]
▪ (a) Tính xác suất một khách chờ hơn nửa giờ
▪ (b) Tính xác suất một khách chờ từ 20 đến 40 phút
▪ (c) Tìm mức thời gian mà 20% số khách chờ lâu
hơn mức đó
Ví dụ 2.2
F(x)
▪ Minh họa ví dụ
▪ Hàm F(x) có dạng
4/9
0 : x  0
 2 1/9 x
F( x )  x : 0  x  1
1/3 2/3 1
1 : 1  x f(x)

2.3. CÁC THAM SỐ CỦA BIẾN NGẪU NHIÊN

▪ Các tham số đặc trưng xu thế trung tâm: Kỳ vọng
toán, trung vị, mốt
▪ Các tham số đặc trưng độ phân tán: Phương sai, độ
lệch chuẩn, hệ số biến thiên
▪ Các tham số đặc trưng khác: Giá trị tới hạn, Hệ số
nhọn, hệ số bất đối xứng
▪ Tại đây tập trung: Kỳ vọng, Phương sai, Độ lệch
chuẩn, Giá trị tới hạn
Chương 2. Biến ngẫu nhiên – Quy luật… 2.3. Các tham số của biến ngẫu nhiên
Kỳ vọng toán
▪ Định nghĩa 2.4. Kỳ vọng toán (expected value) của
BNN X, ký hiệu là E(X), được tính :
n
• Nếu X rời rạc: E( X )   x i pi
i 1

• Nếu X liên tục: E( X )   x f ( x )dx

▪ Kỳ vọng của biến ngẫu nhiên là số xác định

▪ Kỳ vọng có cùng đơn vị với X
▪ Kỳ vọng đo độ lớn về mặt trung bình
Tính chất của kỳ vọng toán

▪ Nếu C là hằng số; X, Y là biến ngẫu nhiên
▪ Tính chất 1: E(C) = C
▪ Tính chất 2: E(C.X) = C.E(X)
▪ Tính chất 3: E(X + Y) = E(X) + E(Y)
• Hệ quả: 𝐸 σ𝑛𝑖=1 𝑋𝑖 = σ𝑛𝑖=1 𝐸(𝑋𝑖 )
▪ Tính chất 4: Nếu X, Y độc lập: E(X.Y) = E(X).E(Y)
• Hệ quả: Nếu các Xi độc lập:
𝐸 ς𝑛𝑖=1 𝑋𝑖 = ς𝑛𝑖=1 𝐸( 𝑋𝑖 )
Phương sai
▪ Định nghĩa 2.5. Phương sai (variance) của BNN X,
ký hiệu V(X) được tính theo công thức:
V(X) = E( X – E(X))2
▪ Chứng minh được: V(X) = E(X2) – (E(X))2

n
• X rời rạc: E( X )  2 2
x p
i 1 i i
 2
• X liên tục: E( X 2 )   x f ( x )dx

Phương sai
▪ Phương sai đo độ dao động của các giá trị của X
quanh kỳ vọng toán
▪ Phương sai có đơn vị là bình phương đơn vị của X
▪ Nếu X, Y cùng đơn vị, cùng ý nghĩa, V(X) > V(Y) thì:
• X biến động, dao động, phân tán hơn Y
• Y ổn định, đồng đều hơn X
Tính chất của phương sai

▪ Với C là hằng số; X, Y là biến ngẫu nhiên
▪ Tính chất 1: V(C) = 0
▪ Tính chất 2: V(C.X) = C2V(X)
▪ Tính chất 3: Nếu X, Y độc lập: V(X + Y) = V(X) + V(Y)
• Hệ quả: Nếu các Xi độc lập:
n
 n

V  i 1 X i   i 1V ( X i )
• Hệ quả: V(C + X) = V(X)
• Hệ quả: V(X – Y) = V(X) + V(Y)
Độ lệch chuẩn
▪ Định nghĩa 2.6. Độ lệch chuẩn (standard
deviation) của BNN X, ký hiệu σX là căn bậc hai của
phương sai
σX  V(X )
▪ Độ lệch chuẩn cũng đo mức độ dao động, phân tán

của X tương tự ý nghĩa phương sai, nhưng:
▪ Độ lệch chuẩn có cùng đơn vị với X
▪ Phương sai, độ lệch chuẩn đo độ biến động tuyệt đối
Ví dụ 2.3
▪ Tính kì vọng, phương sai độ lệch chuẩn của X:
▪ (a) Với X là số lần bán được hàng trong ngày, có
bảng phân phối xác suất:
X 1 2 3
P 0,3 0,5 0,2
▪ (b) Với X là thời gian chờ đợi ở cửa hàng (giờ), có
hàm mật độ
0 : x [0,1]
f (x)  
2x : x [0,1]
Ví dụ 2.4
Một người chơi trò chơi phải bỏ tiền. Nếu thắng sẽ
được nhận 70 lần số tiền bỏ ra, nếu thua sẽ mất toàn
bộ số tiền. Xác suất thắng bằng 1%.
Tính kì vọng, phương sai của lợi ích về tiền khi:
▪ (a) Chơi một lần, bỏ ra 1 triệu đồng
▪ (b) Chơi một lần, bỏ ra 10 triệu đồng
▪ (c) So sánh khi chơi 1 lần 10 triệu và chơi 10 lần -
mỗi lần 1 triệu, biết các lần chơi là độc lập nhau
Hệ số biến thiên
▪ Định nghĩa 2.7. Hệ số biến thiên (coefficient of
variation) của X ký hiệu là CV được tính theo công
thức:
σX
CV  100%
| E( X )|
▪ Hệ số biến thiên đơn vị là %

▪ Hệ số biến thiên đo độ phân tán tương đối
▪ Có thể so sánh hệ số biến thiên của nhiều BNN khác
nhau, không cần cùng đơn vị, ý nghĩa.
Trung vị
▪ Định nghĩa 2.8. Trung vị (median) của BNN X ký
hiệu là md là giá trị nằm ở chính giữa phân phối xác
suất
▪ Nếu X rời rạc: md = xi thỏa mãn: F(xi)  0,5 < F(xi+1)

▪ Nếu X liên tục: md thỏa mãn:
md
 f ( x )dx  0,5

Mốt (mode)
▪ Định nghĩa 2.9. Mốt (mode) của BNN X, ký hiệu m0
là giá trị - nếu có - ứng với xác suất lớn nhất (X rời
rạc) hoặc hàm mật độ f(x) lớn nhất (X liên tục)
▪ BNN có thể không có mốt, có 1 mốt, hoặc nhiều mốt
Giá trị tới hạn

▪ Định nghĩa 2.10. Với X liên tục, giá trị tới hạn
(cutoff point, critical value) mức  (0    1) ký
hiệu là x là số thực sao cho:
P(X > x) = 
▪ Ngoài ra còn Hệ số bất đối xứng (Skewness) và Hệ số

nhọn (Kurtosis): tự đọc

▪ Biến ngẫu nhiên và giá trị có thể có
▪ BNN rời rạc và liên tục
▪ Quy luật phân phối xác suất: Bảng phân phối xác
suất, hàm phân bố xác suất, hàm mật độ xác suất
▪ Các tham số và ý nghĩa: kỳ vọng, phương sai, độ lệch
chuẩn

▪ Trang 84: 2.1, 2.2
▪ Trang 91: 2.7
▪ Trang 98: 2.9, 2.12
▪ Trang 113: 2.19, 2.22, 2.23
▪ Trang 123: 2.30, 2.34, 2.36, 2.41, 2.42
▪ Trang 133: 2.50, 2.51, 2.53
▪ Trang 136: 2.65, 2.67, 2.74, 2.76, 2.77, 2.83, 2.85,
2.86
Chương 3.
Chương 3. MỘT SỐ QUY LUẬT

PHÂN PHỐI XÁC SUẤT THÔNG DỤNG
▪ Giới thiệu một số quy luật phân phối xác suất thông
dụng nhất trong kinh tế, gồm hai nhóm:
▪ Các quy luật rời rạc: Không-một, Nhị thức, Poisson
▪ Các quy luật liên tục: Đều, Chuẩn, Khi-bình phương,
Student, Fisher
▪ Các ứng dụng của các quy luật trong kinh tế
Chương 3. Một số quy luật thông dụng

▪ 3.1. Quy luật Không-một – A(p)
▪ 3.2. Quy luật Nhị thức – B(n, p)
▪ 3.3. Quy luật Poisson – P()
▪ 3.4. Quy luật Đều – U(a, b)
▪ 3.5. Quy luật Chuẩn – N(, σ2)
▪ 3.6. Quy luật Khi bình phương – 2(n)
▪ 3.7. Quy luật Student – T(n)
▪ 3.8. Quy luật Fisher Snedecor – F(n1, n2)
Chương 3. Một số quy luật thông dụng 3.1
3.1. QUY LUẬT KHÔNG-MỘT – A(p)

▪ Còn gọi là quy luật Bernoulli
▪ X rời rạc chỉ nhận hai giá trị 0, 1
▪ P(X = 1) = p và P(X = 0) = 1 – p
▪ Hay: P( X  x )  p x (1  p)1 x ; x  0,1
▪ X gọi là phân phối theo quy luật Không-một với
tham số p
▪ Ký hiệu X ~ A(p)
▪ Tham số đặc trưng
E(X) = p ; V(X) = p(1 – p) ; 𝜎𝑋 = 𝑝(1 − 𝑝)
Chương 3. Một số quy luật thông dụng 3.1. Quy luật Không-một
Ví dụ 3.1
▪ Có 4 người bắn vào bia độc lập nhau, mỗi người bắn
1 viên đạn. Xác suất trúng của mỗi người lần lượt là
0,6 ; 0,7 ; 0,8 ; 0,9.
▪ (a) Số viên đạn trúng bia của mỗi người có quy luật
phân phối thế nào?
▪ (b) Tính kỳ vọng và phương sai của tổng số viên đạn
trúng bia
▪ (c) Nếu có n người và xác suất trúng của mỗi người
đều là 0,6 thì câu (b) có kết quả thế nào?
Chương 3. Một số quy luật thông dụng 3.2.
3.2. QUY LUẬT NHỊ THỨC – B(n, p)

▪ Biến ngẫu nhiên X rời rạc có giá trị có giá trị có thể
có là X = {0, 1, 2,…, n}
▪ Công thức tính xác suất
x x n x
P( X  x )  Cn p (1  p) ; x  0,1,2,..., n
▪ X gọi là phân phối theo quy luật Nhị thức
(Binomial) với hai tham số n và p
▪ Ký hiệu X ~ B(n, p)
▪ Có thể tra giá trị xác suất qua Phụ lục 1 (trang 939)
Chương 3. Một số quy luật thông dụng 3.2. Quy luật Nhị thức
Tham số đặc trưng của quy luật B(n, p)

▪ Nếu X ~ B(n, p) thì X = X1 + X2 + … + Xn với mỗi Xi
đều phân phối Không-một: Xi ~ A(p)
▪ Kỳ vọng: E(X) = np
▪ Phương sai: V(X) = np(1 – p)
▪ Độ lệch chuẩn: 𝝈𝑿 = 𝒏𝒑(𝟏 − 𝒑)
▪ Mốt m0 thỏa mãn: (n + 1)p – 1  m0  (n + 1)p
Quy luật phân phối của tần suất

▪ X ~ B(n, p) thì tần suất là f :
X
f 
n
▪ Tần suất f phân phối theo quy luật Nhị thức tỷ lệ
p(1  p) p(1  p)
E ( f )  p; V( f )  ; σf 
n n
Ví dụ 3.2
▪ Một đề thi trắc nghiệm gồm 60 câu hỏi, mỗi câu có 4
lựa chọn, chỉ có 1 lựa chọn đúng. Một thí sinh làm
tất cả bằng cách chọn ngẫu nhiên, độc lập.
▪ (a) Quy luật phân phối xác suất của số câu đúng như
thế nào?
▪ (b) Tính kỳ vọng, phương sai của số câu đúng
▪ (c) Số câu đúng có khả năng xảy ra nhiều nhất?
▪ (d) Tỷ lệ đúng phân phối thế nào, kỳ vọng và
phương sai bằng bao nhiêu?
3.3. QUY LUẬT POISSON – P()

▪ BNN rời rạc X có giá trị có thể có: 0, 1, 2,… và xác
suất được tính bởi công thức:
λx e  λ x  0, 1, 2,...
P(X  x)  ;
x! λ0
▪ X gọi là phân phối theo quy luật Poisson với tham
số , ký hiệu X ~ P()
▪ Tham số đặc trưng: E(X) = ; V(X) = ;  – 1  m0  
▪ X ~ B(n, p) với n lớn, p nhỏ thì X xấp xỉ ~ P( = np)
3.4. QUY LUẬT ĐỀU – U(a, b)

▪ BNN X liên tục nhận giá trị trong khoảng (a, b)
 1
 : x  (a, b)
f (x)   b  a
 0 : x  (a, b)
▪ X gọi là phân phối theo quy luật Đều (Uniform) với

hai tham số a và b, ký hiệu: X ~ U(a, b)
ab (b  a)2
E( X )  ; V(X ) 
2 12
3.5. QUY LUẬT CHUẨN – N(, σ2)

▪ BNN liên tục X nhận giá trị trong khoảng (-, +) có
hàm mật độ:
( x  μ )2
1 
f (x) 
2
e 2 σ
σ 2π
▪ gọi là phân phối theo quy luật Chuẩn (Normal) với
hai tham số  và σ2
▪ Ký hiệu: X ~ N(, σ2)
x
▪ Hàm phân phối xác suất: F ( x )   f ( x )dx

Chương 3. Một số quy luật thông dụng 3.5. Quy luật Chuẩn
Tính chất f(x) và F(x)

▪ Hàm mật độ f(x)
• Hình quả chuông, đối xứng trục qua x = 
• Đỉnh cao 1/(𝜎 2𝜋) tại x = 
• Tiệm cận ngang với trục hoành
• Điểm uốn tại x =   σ
▪ Hàm phân phối F(x)
• Tiệm cận trái Ox, tiệm cận phải đường y = 1
• Đối xứng tâm tại ( , ½)
Tham số đặc trưng

▪ X ~ N(, σ2) thì:
▪ Kỳ vọng: E(X) = 
1
▪ Phương sai: V(X) = σ2 σ 2π
▪ Độ lệch chuẩn: σX = σ
f(x)
▪  tăng thì f(x), F(x) μ μ’
1
dịch sang phải
▪ σ tăng thì f(x) thấp
½
xuống và rộng ra
F(x)
Phân phối Chuẩn hóa – N(0,1)

Xμ
▪ X ~ N(, σ2), đặt U 
σ
u2
1
▪ BNN U có hàm mật độ: φ(u)  e 2
2π
u
▪ Hàm phân phối xác suất: (u)   φ(u)du

▪ Khi đó U là biến ngẫu nhiên Chuẩn hóa, U ~ N(0,1)

▪ Và X =  + σ.U
Phân phối Chuẩn hóa – N(0,1)

▪ Hàm (u): Hình chuông, đối xứng qua trục tung
▪ Đặt 0(u) = (u) – 0,5 = P(0 < U < u)
▪ Tính chất:
• 0(–u) = –0(u)
• 0(u : u  4)  0,5
▪ Giá trị cho trong Bảng phụ lục 5
• P(0 < U < 1,5) = 0(1,5)
• P(–1,5 < U < 0) = P(0 < U < 1,5)
• P(–1,5 < U < 1,5) = 2P(0 < U < 1,5)
Bảng giá trị hàm 0(u)

▪ Bảng chi tiết tại phụ lục 5 giáo trình (trang 951)
▪ Bảng giản lược
u 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
0 .0000 .0398 .0793 .1179 .1554 .1915 .2257 .2580 .2881 .3159
1 .3413 .3643 .3849 .4032 .4192 .4332 .4452 .4554 .4641 .4713
2 .4772 .4821 .4861 .4893 .4918 .4938 .4953 .4965 .4974 .4981
3 .4987 .4990 .4993 .4995 .4997 .4998 .4998 .4999 .4999 .5000
Công thức tính xác suất

▪ X ~ N(, σ2) thì:
a μ b μ 
P(a  X  b)  P  U  
 σ σ 
 b μ   a μ   b μ   a μ 
       0    0  
 σ   σ   σ   σ 
 a μ   a μ 
P(a  X )  1      0,5   0  
 σ   σ 
 b μ   b μ 
P( X  b)      0    0,5
 σ   σ 
Ví dụ 3.3
▪ Khối lượng của sản phẩm là biến ngẫu nhiên phân
phối chuẩn với trung bình là 100g, phương sai là
25g2. Lấy ngẫu nhiên 1 sản phẩm, Tính xác suất:
▪ (a) Sản phẩm nặng hơn 105g
▪ (b) Sản phẩm nhẹ hơn 110g
▪ (c) Sản phẩm nặng trong khoảng 97g đến 102g
▪ (d) Khối lượng của sản phẩm sai lệch với trung bình
không quá 4g
Xác suất “sai lệch với kỳ vọng”

▪ X ~ N(, σ2), xác suất X sai lệch với kỳ vọng một
khoảng không quá  là:
P(|X –  | <  ) = 20( / σ)
▪ Ba trường hợp riêng
• Quy tắc 1-sigma: P(|X –  | < σ) = 0,6826
• Quy tắc 2-sigma: P(|X –  | < 2σ) = 0,9544
• Quy tắc 3-sigma: P(|X –  | < 3σ) = 0,9974
Tổ hợp các biến phân phối Chuẩn

▪ X1, X2,…, Xn độc lập, phân phối Chuẩn
▪ Xi ~ N(i , σi2), i = 1  n
▪ Tổng là BNN: Y   i 1 X i
n
▪ Thì Y phân phối Chuẩn: Y ~ N(Y , σY2)

μY   i 1 μi
n
  i 1 σ i2
n
với σY2
▪ Tương tự với Z: Z   i 1 αi X i
n
Hội tụ về quy luật Chuẩn

▪ Khi n đủ lớn thì quy luật Nhị thức hội tụ về quy luật
Chuẩn
▪ X ~ B(n, p)
• Khi n  100 thì X ~ N(, σ2)
• Với  = np và σ2 = np(1 – p)
▪ Ví dụ: Đề thi gồm 100 câu hỏi trắc nghiệm, mỗi câu
có 4 lựa chọn, trong đó chỉ có 1 lựa chọn đúng. Một
thí sinh trả lời toàn bộ bằng cách chọn bừa, tính xác
suất thí sinh đó đúng trên 30 câu.
Giá trị tới hạn Chuẩn mức 

▪ Ký hiệu là u : P(U > u ) = 
▪ Tính chất: u1 = – ; u0 = + ; u0,5 = 0; u1– = – u
▪ Tra bảng phụ lục 6
▪ Hai giá trị quan trọng: u0,05 = 1,645; u0,025 = 1,96
0.05
u
1.645
3.6. QUY LUẬT KHI BÌNH PHƯƠNG - 2(n)

▪ BNN liên tục 𝜒 2 tuân theo quy luật Khi bình phương
với n bậc tự do (degree of freedom: df)
▪ Ký hiệu: 𝜒 2 ~𝜒 2 (𝑛)
▪ Tham số: 𝐸(𝜒 2 ) = 𝑛; 𝑉 𝜒 2 = 2𝑛
2(𝑛)
▪ Giá trị tới hạn mức 𝛼, kí hiệu 𝜒𝛼
2(𝑛)
𝑃 𝜒 2 (𝑛) > 𝜒𝛼 =𝛼
Chương 3. Một số quy luật thông dụng 3.6. Quy luật Khi bình phương
Giá trị tới hạn mức 

▪ Bảng đầy đủ: phụ lục 7 giáo trình
α α
0.975 0.95 0.05 0.025 0.975 0.95 0.05 0.025
n n
1 0.001 0.004 3.841 5.024 20 9.591 10.85 31.41 34.17
2 0.051 0.103 5.991 7.378 24 12.40 13.85 36.42 39.36
3 0.216 0.352 7.815 9.348 30 16.79 18.49 43.77 46.98
4 0.484 0.711 9.488 11.14 39 23.65 25.70 54.57 58.12
5 0.831 1.145 11.07 12.83 50 32.36 34.76 67.50 71.42
10 3.247 3.940 18.31 20.48 99 73.36 77.05 123.2 128.4
15 6.262 7.261 25.00 27.49 120 91.57 95.70 146.6 152.2
3.7. QUY LUẬT STUDENT – T(n)

▪ BNN liên tục T tuân theo quy luật Student với n bậc
tự do, ký hiệu: T ~ T(n)
▪ Tham số: E(T) = 0; V(T) = n / (n – 2)
(𝑛)
▪ Giá trị tới hạn mức , kí hiệu: 𝑡𝛼
(𝑛)
𝑃 𝑇(𝑛) > 𝑡𝛼 =𝛼
▪ Tính chất:
(𝑛) (𝑛) 𝑛 (𝑛)
• 𝑡0 = +∞; 𝑡1 = −∞; 𝑡1−𝛼 = −𝑡𝛼
(𝑛)
• Với n > 30 thì có thể lấy 𝑡𝛼 ≈ 𝑢𝛼
Chương 3. Một số quy luật thông dụng 3.7. Quy luật Student

▪ Bảng đầy đủ: phụ lục 8 giáo trình
α α
0.1 0.05 0.025 0.1 0.05 0.025
n n
10 1.372 1.812 2.228 17 1.333 1.740 2.110
11 1.363 1.796 2.201 18 1.330 1.734 2.101
12 1.356 1.782 2.179 19 1.328 1.729 2.093
13 1.350 1.771 2.160 20 1.325 1.725 2.086
14 1.345 1.761 2.145 24 1.318 1.711 2.064
15 1.341 1.753 2.131 30 1.310 1.697 2.042
16 1.337 1.746 2.120  1.282 1.645 1.960
3.8. QUY LUẬT FISHER – F(n1, n2)

▪ BNN liên tục F tuân theo quy luật Fisher-Snedecor
(gọi tắt là Fisher) với hai bậc tự do n1 và n2
▪ Ký hiệu: F ~ F(n1, n2)
(𝑛1 ,𝑛2 )
▪ Giá trị tới hạn mức 𝛼, kí hiệu: 𝑓𝛼
(𝑛1 ,𝑛2 )
𝑃 𝐹 𝑛1 , 𝑛2 > 𝑓𝛼 =𝛼
▪ Tính chất:
(𝑛1 ,𝑛2 ) 1
𝑓1−𝛼 = (𝑛2 ,𝑛1 )
𝑓𝛼
Chương 3. Một số quy luật thông dụng 3.8. Quy luật Fisher

▪ Bảng đầy đủ: phụ lục 9 giáo trình; Bảng giản lược:
n1
n2 24 39 59 99 120
α
0.025 2.27 2.15 2.08 2.03 2.01
24
0.05 1.98 1.90 1.84 1.80 1.79
0.025 2.02 1.89 1.82 1.75 1.74
39
0.05 1.80 1.70 1.65 1.60 1.58
0.025 1.94 1.81 1.73 1.66 1.65
49
0.05 1.74 1.64 1.58 1.53 1.52
0.025 1.89 1.75 1.67 1.60 1.59
59
0.05 1.70 1.60 1.54 1.49 1.47
0.025 1.79 1.65 1.56 1.49 1.46
99
0.05 1.63 1.52 1.45 1.39 1.38

▪ Quy luật Không một: A(p)
▪ Quy luật Nhị thức: B(n, p)
▪ Quy luật Chuẩn và Chuẩn hóa, cách tính xác suất
▪ Các giá trị tới hạn Chuẩn, Khi bình phương, Student,
Fisher

▪ Trang 149: 3.3, 3.4
▪ Trang 156: 3.5, 3.7, 3.11, 3.17
▪ Trang 163: 3.20, 3.22, 3.25
▪ Trang 189: 3.39, 3.40, 3.43, 3.46
▪ Trang 201: 3.51, 3.60, 3.61, 3.65, 3.68
▪ Trang 204: 3.78, 3.80, 3.84, 3.87, 3.89, 3.90, 3.93
Sử dụng Microsoft Excel

Quy luật Giá trị Hàm
X ~ B(n,p) P(X  x) = BINOMDIST(x,n,p,1)
X ~ B(n,p) P(X = x) = BINOMDIST(x,n,p,0)
X ~ P(λ) P(X  x) = POISSON(x, λ,1)
X ~ P(λ) P(X = x) = POISSON(x, λ,0)
X ~ N(,2) P(X  x) = F(x) = NORMDIST(x,μ,σ,1)
X ~ N(,2) Hàm mật độ f(x) = NORMDIST(x,μ,σ,0)
U ~ N(0,1) Phân vị mức α = NORMINV(α,0,1)

Quy luật Giá trị Hàm
U ~ N(0,1) Tới hạn uα = – NORMINV(α,0,1)
= NORMINV((1–α),0,1)
T ~ T(n) P(T  c) = 1– TDIST(c,n,2)
T ~ T(n) (𝑛) = TINV(2*α,n)
Tới hạn 𝑡𝛼
χ2 ~ χ2(n) P(χ2  c) = 1 – CHIDIST(c,n)
χ2 ~ χ2(n) 2(𝑛) = CHIINV(α,n)
Tới hạn χ𝛼
F ~ F(n1,n2) P(F  c) = 1 – FDIST(c,n1,n2)
F ~ F(n1,n2) Tới hạn 𝑓𝛼(𝑛1 ,𝑛2 ) = FINV(α,n1,n2)
Chương 4.
Chương 4. BIẾN NGẪU NHIÊN HAI CHIỀU

▪ Biến ngẫu nhiên xét trong các chương trước là 1
chiều: chỉ có 1 đại lượng
▪ Trong thực tế phải xét nhiều chiều cùng lúc, vì một
đối tượng cần phải xét trên nhiều góc độ.
▪ Ví dụ: Đánh giá một sản phẩm trên các chiều: kích
thước, trọng lượng, giá thành, giá bán.
▪ Ví dụ: Đánh giá một phương án kinh doanh qua các
chiều: lợi nhuận, doanh thu, tốc độ tăng trưởng…
Chương 4. Biến ngẫu nhiên hai chiều

▪ 4.1. Biến ngẫu nhiên nhiều chiều
▪ 4.2. Bảng phân phối xác suất BNN hai chiều
▪ 4.3. Bảng phân phối xác suất có điều kiện
▪ 4.7. Tham số đặc trưng
Chương 4. Biến ngẫu nhiên hai chiều 4.1.
4.1. BIẾN NGẪU NHIÊN NHIỀU CHIỀU

▪ Hệ gồm n biến ngẫu nhiên đồng thời (X1, X2,…, Xn) có
giá trị có thể có là (x1, x2,…, xn)
▪ Trường hợp đơn giản nhất: hai chiều (X, Y)
▪ Nếu X và Y liên tục thì có BNN hai chiều liên tục
▪ Nếu X và Y rời rạc thì có BNN hai chiều rời rạc
▪ (X, Y) với X = {x1, x2,…, xn} và Y = {y1, y2,…, ym}
▪ Chương này chỉ xét biến hai chiều rời rạc
4.2. BẢNG PHÂN PHỐI XÁC SUẤT 2 CHIỀU

▪ Ví dụ 4.1: X là số người đi làm, Y là số người phụ
thuộc trong các hộ gia đình ở một khu vực
Y
0 1 2 
X
1 0,05 0,05 0,1  0,2
2 0,1 0,15 0,25  0,5
3 0,05 0,1 0,15  0,3
   
 0,2 0,3 0,5  1
Chương 4. Biến ngẫu nhiên hai chiều 4.2. Bảng phân phối xác suất hai chiều
Bảng phân phối xác suất hai chiều

▪ Bảng phân phối xác suất (biên) của X và Y
X 1 2 3
P 0,2 0,5 0,3
Y 0 1 2
P 0,2 0,3 0,5
Bảng phân phối xác suất hai chiều

▪ Tổng quát nếu X = {x1, x2,…, xn} và Y = {y1, y2,…, ym}
▪ pij = P(X = xi , Y = yj)
Y
y1 y2 … ym P(X)
X
x1 p11 p12 … p1m P(x1)
x2 p21 p22 … p2m P(x2)
… … … … … …
xn pn1 pn2 … pnm P(xn)
P(Y) P(y1) P(y2) … P(ym) 1
Bảng phân phối biên – tính độc lập

▪ Bảng phân phối xác suất biên (marginal) của X và Y
X x1 x2 … xn
P(X) P(x1) P(x2) … P(xn)
Y y1 y2 … ym
P(Y) P(y1) P(y2) … P(ym)
▪ X và Y độc lập  P(X = xi).P(Y = yi) = pij i, j
▪ Tồn tại ít nhất một cặp (xi, yj) không thỏa mãn thì X,
Y không độc lập (phụ thuộc)
4.3. BẢNG PHÂN PHỐI XÁC SUẤT CÓ ĐIỀU KIỆN
▪ Ví dụ 4.1 (tiếp)
▪ (a) X và Y có độc lập với nhau không?
▪ (b) Tìm phân phối xác suất của số người phụ thuộc
trong số hộ có số người đi làm là 1.
▪ Hay phân phối của Y khi X = 1, ký hiệu (Y | X = 1)
(Y | X = 1) 0 1 2
P 0, 05 0, 05 0, 1
0, 2 0, 2 0, 2
 0, 25  0, 25  0, 5
Bảng phân phối xác suất có điều kiện

▪ Bảng phân phối của (X | Y = yj):
P ( xi , y j )
P ( xi | y j ) 
P( y j )
(X | Y = yj) x1 x2 … xn
P P(x1 | yj ) P(x2| yj) … P(xn | yj)
▪ Bảng phân phối của (Y | X = xi)
(Y | X = xi) y1 y2 … ym
P P(y1 | xi ) P(y2| xi ) … P(ym | xi )
4.4. THAM SỐ ĐẶC TRƯNG

▪ Tham số tính cho từng thành phần:
▪ Kỳ vọng: E(X), E(Y)
▪ Phương sai: V(X), V(Y)
▪ Hiệp phương sai (covariance): Cov(X, Y)
Cov ( X ,Y )  E  X  E ( X ) Y  E (Y ) 
n m
  xi y j P ( xi , y j )  E ( X ).E (Y )
i 1 j 1
Chương 4. Biến ngẫu nhiên hai chiều 4.4. Các tham số đặc trưng

▪ Tính chất của hiệp phương sai
• Cov(X, Y) = Cov(Y, X)
• X, Y độc lập  Cov(X, Y) = 0
• Cov(X, Y) > 0 thì X, Y có “tương quan dương”
• Cov(X, Y) < 0 thì X, Y có “tương quan âm”
▪ Phương sai tổng hiệu tổng quát
• V(X  Y) = V(X) + V(Y)  2Cov(X, Y)

▪ Hệ số tương quan (correlation) của X và Y: X,Y :
Cov ( X ,Y )
ρX ,Y 
▪ X,Y = Y,X σ X . σY
▪ –1  X,Y  1
▪ X,Y > 0: tương quan cùng chiều, X,Y < 0: ngược chiều
▪ X,Y = 0: không tương quan
▪ X, Y độc lập  X,Y = 0
▪ X,Y =  1: X, Y có quan hệ hàm số bậc 1 với nhau

▪ Dựa trên bảng phân phối xác suất có điều kiện
▪ Kỳ vọng có điều kiện
• E(Y | X = xi)
• E(X | Y = yj)
▪ Phương sai có điều kiện
• V(Y | X = xi)
• V(X | Y = yj)
▪ Đây là khái niệm cơ sở cho hồi quy và Kinh tế lượng

▪ Ví dụ 4.1 (tiếp)
▪ (c) Tính kỳ vọng và phương sai của tổng số người
trong hộ gia đình theo hai cách:
• Lập bảng phân phối xác suất của X + Y
• Theo công thức phương sai của tổng
▪ (d) X và Y có tương quan với nhau không? Hệ số
tương quan bằng bao nhiêu?
▪ (e) Tìm kì vọng và phương sai của số ăn theo trong
hộ gia đình có 1 người đi làm

▪ Biến ngẫu nhiên hai chiều, nhiều chiều
▪ Bảng phân phối xác suất hai chiều
▪ Bảng phân phối xác suất biên
▪ Bảng phân phối xác suất có điều kiện
▪ Kỳ vọng, phương sai
▪ Hiệp phương sai, hệ số tương quan
▪ Kỳ vọng có điều kiện

▪ Trang 213: 4.2, 4.3
▪ Trang 229: 4.12, 4.13
▪ Trang 236: 4.16, 4.17, 4.18
▪ Trang 240: 4.23
▪ Trang 258: 4.32, 4.35, 4.37
▪ Trang 261: 4.46, 4.49, 4.64, 4.65
Chương 5.
Chương 5. CÁC ĐỊNH LÝ GIỚI HẠN

▪ Tập trung Định lý giới hạn trung tâm
▪ Bất đẳng thức Trebusep (Chebyshev)
▪ Định lý Trebusep
▪ Định lý Bernoulli
▪ Định lý giới hạn trung tâm
Chương 5. Các định lý giới hạn
Định lý giới hạn trung tâm

▪ Xét X1, X2,…, Xn là các BNN độc lập có cùng quy luật
phân phối xác suất, kỳ vọng và phương sai hữu hạn
n
Y  E (Y )
▪ Đặt Y   X i và U 
i 1 V (Y )
▪ Thì U sẽ hội tụ về quy luật N(0, 1) khi n  
▪ Trong ứng dụng, n ≥ 30 được coi là đủ lớn để áp
dụng quy luật Chuẩn (dù biến ngẫu nhiên gốc không
phân phối chuẩn)
Phần hai. THỐNG KÊ TOÁN
▪ Nghiên cứu các hiện tượng có tính chất số lớn
▪ Dùng thông tin đã biết từ một mẫu để suy đoán về
toàn bộ tổng thể, dựa trên cơ sở quy luật phân phối
xác suất
▪ NỘI DUNG:
• Chương 6. Cơ sở lý thuyết mẫu
• Chương 7. Ước lượng tham số
• Chương 8. Kiểm định giả thuyết thống kê
Chương 6.
Chương 6. CƠ SỞ LÝ THUYẾT MẪU

▪ Giới thiệu phương pháp nghiên cứu phổ biến trong
thực tế là phương pháp lấy mẫu và phân tích trên
mẫu để suy đoán về thông tin của toàn bộ tổng thể
▪ Các đại lượng tính toán trên mẫu là các con số tổng
hợp quan trọng sử dụng trong phân tích, so sánh,
đánh giá các vấn đề kinh tế-xã hội, kinh doanh
▪ Kết hợp sử dụng phần mềm chuyên dụng như Excel,
SPSS, STATA, R
Chương 6. Cơ sở lý thuyết mẫu

▪ 6.1. Khái niệm phương pháp mẫu
▪ 6.2. Tổng thể nghiên cứu
▪ 6.3. Mẫu ngẫu nhiên
▪ 6.4. Thống kê
▪ 6.5. Mẫu hai chiều
▪ 6.6. Quy luật phân phối xác suất của một số thống kê
▪ 6.7. Suy diễn về mẫu
Chương 6. Cơ sở lý thuyết mẫu 6.1.
6.1. KHÁI NIỆM PHƯƠNG PHÁP MẪU

▪ Nghiên cứu một vấn đề thông qua các dấu hiệu
▪ Dấu hiệu có thể định tính hoặc định lượng
▪ Nghiên cứu toàn bộ: Tổng thể, gặp nhiều khó khăn:
• Chi phí lớn, có thể không khả thi
• Sai sót khi thu thập, có thể phá hủy tập hợp
▪ Do đó nghiên cứu một số phần tử đại diện: Mẫu
▪ Đại lượng tính trong tổng thể gọi là Tham số, tính
trong mẫu gọi là Thống kê.
Chương 6. Cơ sở lý thuyết mẫu 6.1. Khái niệm phương pháp mẫu
Biến trong thống kê

▪ Gồm Định tính và Định lượng
▪ Biến định tính (qualitative) gồm hai loại:
• Biến định danh (nominal): tên, địa danh, màu…
• Biến thứ bậc (ordinal): xếp hạng, học vấn, đánh
giá, cỡ
▪ Biến định lượng (quantitative), có thể phân chia
thành: rời rạc và liên tục; hoặc chia thành biến
khoảng và tỉ lệ.
▪ Thường xếp 3 loại: định danh, thứ bậc, định lượng
6.2. TỔNG THỂ NGHIÊN CỨU

▪ Toàn bộ tập hợp các phần tử đồng nhất theo một
dấu hiệu nghiên cứu nào đó được gọi là tổng thể
(population)
▪ Kích thước tổng thể (population size): N
▪ Dấu hiệu lượng hóa được: X
▪ X = {x1, x2, … , xN }
Chương 6. Cơ sở lý thuyết mẫu 6.2. Tổng thể nghiên cứu
Mô tả tổng thể
▪ Nếu X chỉ gồm k giá trị khác nhau: x1, x2,…, xk
▪ Số lượng tương ứng là N1, N2,…, Nk
▪ Ni gọi là tần số tổng thể của xi
▪ Đặt pi = Ni / N gọi là tần suất tổng thể
0  Ni  N

Giá trị x1 x2 … xk  k
 i 1 Ni  N

Tần số N1 N2 … Nk
Tần suất p1 p2 … pk 0  pi  1

 k
 i 1 pi  1

Tham số đặc trưng của tổng thể

▪ Trung bình tổng thể (population mean): m
1 N
m   xi
N i 1
• Chứng minh được: m = E(X)
▪ Phương sai tổng thể (population variance): σ2
1 N
σ   ( xi  m)2
2
N i 1
• Chứng minh được: σ2 = V(X)
Tham số đặc trưng của tổng thể

▪ Độ lệch chuẩn tổng thể: σ
2
σ σ
▪ Tần suất tổng thể (population proportion): p

• Số phần tử chứa dấu hiệu (hay biến cố) A là MA
MA
p
N
• Dễ thấy: p = P(A)
6.3. MẪU NGẪU NHIÊN

▪ Nghiên cứu qua mẫu (sample)
▪ Mẫu ngẫu nhiên kích thước n là tập hợp của n biến
ngẫu nhiên độc lập X1, X2, …, Xn được thành lập từ
biến ngẫu nhiên trong tổng thể và có cùng quy luật
phân phối xác suất với X.
▪ Ký hiệu: W = (X1, X2, …, Xn)
▪ E(Xi) = E(X) = m
▪ V(Xi) = V(X) = σ2 i = 1, 2,…, n
Chương 6. Cơ sở lý thuyết mẫu 6.3. Mẫu ngẫu nhiên
Các phương pháp lấy mẫu

▪ Lấy mẫu giản đơn (simple sampling)
▪ Lấy mẫu hệ thống (systematic sampling)
▪ Lấy mẫu chùm (quote sampling)
▪ Lấy mẫu phân tổ (cluster sampling)
▪ Lấy mẫu nhiều cấp (stratiffed sampling)
Mẫu cụ thể
▪ Gồm n quan sát (n con số): w = (x1, x2,…, xn)
▪ Nếu chỉ gồm k giá trị khác nhau: x1, x2,…, xk với số
lượng tương ứng: n1, n2,…, nk
▪ ni là tần số mẫu của xi (frequency)
▪ Đặt fi = ni / n : tần suất mẫu (sample proportion)
Giá trị x1 x2 … xk
 i 1 ni  n
k
Tần số n1 n2 … nk
 i 1 fi  1
k
Tần suất f1 f2 … fk
Mô tả mẫu cụ thể
▪ Có thể liệt kê giá trị, dùng bảng tần số, tần suất
▪ Dùng đồ thị: đồ thị tròn, đồ thị cột, đồ thị phân phối
giá trị, đồ thị radar,…
▪ Nếu số liệu theo khoảng (biến ngẫu nhiên gốc được
coi là liên tục) thì lấy giá trị chính giữa làm đại diện
▪ Ví dụ:
Khối lượng (g) 20-22 22-24 24-26 26-28 28-30

Số sản phẩm 2 5 8 7 3
6.4. THỐNG KÊ
▪ Một hàm G của các giá trị trong mẫu là một thống kê
(statistic)
G = G(X1, X2,…, Xn)
▪ Vì mẫu ngẫu nhiên nên G là ngẫu nhiên
▪ Mẫu cụ thể: thống kê là số cụ thể, giá trị quan sát
Gqs = g = G(x1, x2, …, xn)
▪ Thống kê trong mẫu thường tương ứng với một
tham số trong tổng thể
Chương 6. Cơ sở lý thuyết mẫu 6.4. Thống kê
ഥ)
Trung bình mẫu ( 𝐗
▪ Trung bình mẫu ngẫu nhiên (sample mean)
1 n
X   Xi
n i 1
▪ 𝑋ത là biến ngẫu nhiên:
σ2 σ
E(X )  m; V (X )  ; σX 
n n
▪ Kích thước mẫu càng lớn thì phương sai của trung
bình mẫu càng nhỏ
Trung bình mẫu

▪ Với mẫu cụ thể
1 n
x   xi
n i 1
▪ Nếu mẫu phân thành k nhóm:
1 k
x   ni xi
n i 1
Trung vị - Mốt mẫu cụ thể
▪ Trung vị (median) me là giá trị chia mẫu làm hai
phần có số phần tử bằng nhau:
• Sắp xếp các phần tử mẫu theo giá trị tăng dần
• Nếu n lẻ thì me là giá trị phần tử chính giữa, nếu n
chẵn thì me là trung bình cộng cặp giữa
▪ Mốt (mode) m0 là giá trị có tần số xảy ra nhiều nhất.
Một mẫu có thể có 1 mốt, nhiều mốt, hoặc không có
mốt.
Ví dụ 6.1
▪ Cho hai mẫu là thu nhập (triệu đồng) của các hộ gia
đình từ hai khu vực A và B. Tìm trung bình, trung vị,
mốt của hai mẫu
▪ (A) 7, 6, 9, 10, 15, 12, 8, 9, 8
▪ (A) 7, 4, 5, 6, 4, 4, 5, 7, 8, 60
▪ Có nhận xét gì về việc so sánh thu nhập qua Trung
bình và qua Trung vị?
Độ lệch bình phương trung bình (MS)

▪ Tổng bình phương sai lệch (sum of squares)
n
SS   ( X i  X )2
i 1
▪ Độ lệch bình phương trung bình (mean of squares)

SS 1 n
MS    ( X i  X )2
n n i 1
n1 2
▪ Khi đó: E (MS )  σ
n
Phương sai mẫu – Độ lệch chuẩn mẫu

▪ Phương sai mẫu (sample variance) S2
SS 1 n
S 2
 
n  1 n  1 i 1
( X i  X ) 2
▪ Hay: 2 n
S  MS
n1
▪ Suy ra: E(S2) = 2

▪ Độ lệch chuẩn mẫu: 𝑺 = 𝑺𝟐
Phương sai mẫu – độ lệch chuẩn mẫu

▪ Với mẫu cụ thể: Phương sai s2
1 n
s2  
n  1 i 1
( x i  x ) 2
▪ Hoặc: 2
s 
n
n1
ms 
n
n1
x 2  ( x )2  
1 n 2
với: x   xi
2
n i 1
▪ Độ lệch chuẩn mẫu cụ thể: : 𝒔 = 𝒔𝟐
Phương sai mẫu – độ lệch chuẩn mẫu

▪ Nếu mẫu phân thành k nhóm với tần số tương ứng
trong mỗi nhóm là ni :
1 k
s2  
n  1 i 1
ni ( x i  x ) 2
▪ Hoặc: 2
s 
n
n1

x 2  ( x )2 
1 k
Với x 2   ni xi2
n i 1
Hệ số biến thiên
▪ Hệ số biến thiên (coefficient of variation) của mẫu:
s
CV   100%
|x|
▪ Hệ số biến thiên có thể dùng để so sánh giữa tất cả

các mẫu.
▪ Ví dụ 6.1 (tiếp): Tính phương sai, độ lệch chuẩn, hệ
số biến thiên với hai mẫu trong ví dụ 6.1 trên
Phương sai S*2

▪ Trường hợp đặc biệt: Biết trung bình tổng thể m
▪ Có thể tính phương sai S*2
1 n
S   ( X i  m)2
*2
n i 1
▪ Khi đó E(S*2) = σ2
▪ Với mẫu cụ thể
1 n 1 k
s*2   ( xi  m)2   ni ( x i  m)2
n i 1 n i 1
Tần suất mẫu

▪ Trong mẫu kích thước n có XA phần tử có dấu hiệu
(biến cố) A
XA
▪ Tần suất mẫu: f 
n
▪ Nếu P(A) = p thì: E( f )  p

p(1  p)
V(f ) 
n
p(1  p)
σf 
n
Ví dụ 6.2
▪ Cho kết quả cân thử một số sản phẩm như sau:
Khối lượng (g) 20-22 22-24 24-26 26-28 28-30
▪ (a) Kích thước mẫu bằng bao nhiêu?
▪ (b) Tính các thống kê: trung bình, phương sai, độ
lệch chuẩn, hệ số biến thiên của mẫu
▪ (c) Tỷ lệ sản phẩm nặng hơn 26g là bao nhiêu?
Một số thống kê khác

▪ Bốn Tứ phân vị (Quartile): Q1, Q2, Q3 chia mẫu
thành 4 phần với số lượng phần tử bằng nhau.
• Tứ phân vị thứ hai chính là trung vị
• Khoảng tứ phân vị: IQR = Q3 – Q1 cũng dùng để
đánh giá độ phân tán của mẫu
▪ Hệ số bất đối xứng (Skewness): a3 hay Sk
• a3=0: đối xứng; a3 > 0: lệch phải, a3 < 0: lệch trái
▪ Hệ số nhọn (Kurtosis) a4 ; khi mẫu gần phân phối
chuẩn thì a4  3
6.5. MẪU NGẪU NHIÊN HAI CHIỀU

▪ Xét hai dấu hiệu (X, Y) cùng lúc, mẫu ngẫu nhiên hai
chiều kích thước n: W = {(X1, Y1), (X2, Y2),…, (Xn, Yn)}
▪ Mẫu cụ thể: w = {(x1, y1), (x2, y2),…, (xn, yn)}
▪ Trong các phần mềm quản lý dữ liệu:
Quan sát (i) X Y
1 x1 y1
2 x2 y2
… … …
n xn yn
Chương 6. Cơ sở lý thuyết mẫu 6.5. Mẫu ngẫu nhiên hai chiều
Thống kê của mẫu hai chiều

ത 𝑌ത
▪ Trung bình mẫu thành phần: 𝑋,
▪ Phương sai mẫu thành phần: 𝑆𝑋2 , 𝑆𝑌2
▪ Hiệp phương sai mẫu:
1 n
cov( X ,Y )  
n  1 i 1
 ( X i  X )(Yi  Y ) 
▪ Hệ số tương quan mẫu:

cov( X ,Y )
r ( X ,Y ) 
S X SY
6.6. QUY LUẬT PHÂN PHỐI XÁC SUẤT

▪ Sử dụng thống kê trong mẫu để phản ánh về tham
số trong tổng thể.
▪ Cần có quy luật thể hiện mối liên hệ giữa các đại
lượng này.
▪ Quy luật liên hệ này phụ thuộc vào quy luật phân
phối xác suất của chính biến ngẫu nhiên X
▪ Dấu hiệu định lượng: thường dùng biến phân phối
Chuẩn N(, σ2)
▪ Dấu hiệu định tính: dùng biến Không một A(p)
Chương 6. Cơ sở lý thuyết mẫu 6.6. Quy luật phân phối xác suất
Biến ngẫu nhiên X phân phối chuẩn

▪ X ~ N(, σ2)
2
▪ Khi đó 
X ~ N μX , σ 2X  μ X  μ ; σ 2X 
σ
n
▪ Suy ra:
( X  μ) n
U ~ N (0, 1)
σ
2
(n  1 ) S
χ2  2
~ χ 2
(n  1)
σ
( X  μ) n
T ~ T (n  1)
S
Hai biến ngẫu nhiên phân phối chuẩn

▪ X1 ~ N(1, σ12) ; X2 ~ N(2, σ22)
▪ Mẫu n1, n2 > 30
( X 1  X 2 )  ( μ1  μ2 )
U ~ N (0, 1)
(σ12 / n1 )  (σ22 / n2 )
( X 1  X 2 )  ( μ1  μ2 )
T  N (0, 1)
( S12 / n1 )  ( S22 / n2 )
S12
F  2 ~ F (n1  1, n2  1)
S2
Biến ngẫu nhiên phân phối A(p)

▪ X ~ A(p), mẫu kích thước n  100, tần suất f
( f  p) n
U ~ N (0, 1)
p(1  p)
▪ X1 ~ A(p1), mẫu kích thước n1  100, tần suất f1

▪ X2 ~ A(p2), mẫu kích thước n2  100, tần suất f2
( f1  f2 )  ( p1  p2 )
U ~ N (0, 1)
p1 (1  p1 ) p2 (1  p2 )

n1 n2
6.7. SUY DIỄN VỀ MẪU

▪ Khi biết các tham số và quy luật phân phối xác suất
của tổng thể, với mức xác suất (1 − 𝛼) cho trước,
suy đoán về một số thống kê của mẫu ngẫu nhiên.
▪ Suy diễn về trung bình mẫu 𝑋ത rút ra từ tổng thể
phân phối chuẩn đã biết  và σ2
▪ Suy diễn về phương sai mẫu S2 rút ra từ tổng thể
phân phối chuẩn đã biết  và σ2
▪ Suy diễn về tần suất mẫu f rút ra từ tổng thể phân
phối Không-một đã biết p

▪ Tổng thể và mẫu
▪ Tham số tổng thể: trung bình, phương sai, tần suất
▪ Mẫu ngẫu nhiên và mẫu cụ thể (quan sát)
▪ Thống kê cơ bản: trung bình, phương sai, tần suất
▪ Thống kê khác: trung vị, mốt, độ lệch chuẩn, hệ số
nhọn, hệ số bất đối xứng
▪ Quy luật phân phối xác suất thể mối liên hệ giữa
tham số và thống kê: T, N(0,1), 2, F
Tóm tắt chương
Tổng Mẫu ngẫu Mẫu cụ Quy luật

Đại lượng
thể nhiên thể liên hệ
N(0,1)
Trung bình  𝑋ത 𝑥ҧ
T(n – 1)
Phương sai σ2 S2 s2
2(n – 1)
Độ lệch chuẩn σ S s
Tần số MA XA xA
N(0,1)
Tần suất p f f

▪ Trang 304: 6.1
▪ Trang 343: 6.12, 6.13, 6.14, 6.15, 6.20, 6.25
▪ Trang 371: 6.31, 6.34, 6.40
▪ Trang 382: 6.43, 6.47, 6.54, 6.57
▪ Trang 384: 6.59, 6.64, 6.66

Thống kê Hàm
Trung bình = AVERAGE(số liệu)
Phương sai = VAR(số liệu)
Độ lệch chuẩn = STDEV(số liệu)
Tứ phân vị thứ j = QUARTILE(số liệu, j)
Hiệp phương sai = COVAR(số liệu 1, số liệu 2)
Hệ số tương quan = CORREL(số liệu 1, số liệu 2)
Hệ số bất đối xứng = SKEW(số liệu)
Hệ số nhọn = KURT(số liệu)

▪ Data > Data Analysis > Descriptive Statistics
Mean 25.32 Skewness -0.15631

Standard Error 0.457238 Range 8
Median 25 Minimum 21
Mode 25 Maximum 29
Standard Deviation 2.28619 Sum 633
Sample Variance 5.226667 Count 25
Kurtosis -0.57901 Conf. Level (95.0%) 0.943693
Chương 7.
Chương 7. ƯỚC LƯỢNG THAM SỐ

▪ Tham số tổng thể (cũng là tham số của biến ngẫu
nhiên) là chưa biết
▪ Có thông tin của mẫu, ước lượng các tham số tổng
thể bằng các phương pháp
▪ Ba tham số cơ bản:
• Trung bình tổng thể
• Tỷ lệ tổng thể
• Phương sai tổng thể
Chương 7. Ước lượng tham số
NỘI DUNG CỦA CHƯƠNG 7

▪ 7.1. Khái niệm
▪ 7.2. Phương pháp ước lượng điểm
▪ 7.3. Phương pháp ước lượng khoảng
▪ 7.4. Ước lượng tham số 
▪ 7.5. Ước lượng tham số σ2
▪ 7.6. Ước lượng tham số p
Chương 7. Ước lượng tham số 7.1
7.1. KHÁI NIỆM

▪ Trong tổng thể biến ngẫu nhiên X được đặc trưng
bởi tham số 
▪ Không biết đủ thông tin tổng thể,  chưa biết, cần
ước lượng tham số (parameter estimate)
▪ Sử dụng thông tin từ mẫu
▪ Mẫu ngẫu nhiên: xây dựng ước lượng ngẫu nhiên
(estimator)
▪ Mẫu cụ thể: được ước lượng cụ thể (estimate), hay
giá trị quan sát (observed value)
Chương 7. Ước lượng tham số 7.2
7.2. PHƯƠNG PHÁP ƯỚC LƯỢNG ĐIỂM
▪ Dùng một giá trị 𝜃መ ước lượng cho tham số 

▪ Sử dụng mẫu W = (X1, X2, …, Xn)
▪ Lập thống kê tương ứng với , là một hàm trên mẫu
𝜃መ = G(X1, X2, …, Xn)
▪ Gọi là hàm ước lượng của 
▪ Có nhiều hàm ước lượng có thể sử dụng, cần có tiêu
chí lựa chọn “tốt nhất”
Chương 7. Ước lượng tham số 7.2. Phương pháp ước lượng điểm
Tiêu chí lựa chọn hàm ước lượng

▪ Tính không chệch (unbiased)
• 𝜃መ là ước lượng không chệch của   E(𝜃)
መ =
• Nếu E(𝜃)መ   : ước lượng chệch
▪ Tính hiệu quả (efficient)
• 𝜃መ1 , 𝜃መ2 là ước lượng không chệch
• 𝑉(𝜃መ1 ) < 𝑉(𝜃መ2 ) thì 𝜃መ1 là ước lượng hiệu quả hơn 𝜃መ2
• 𝑉(𝜃መ1 ) là nhỏ nhất thì 𝜃መ1 là ước lượng hiệu quả nhất
▪ Ước lượng không chệch hiệu quả nhất: tốt nhất
Bất đẳng thức Cramer-Rao

▪ Nếu BNN X có công thức tính xác suất hoặc hàm mật
độ là f(x,  ) thì với mọi 𝜃መ là ước lượng không chệch
của , luôn có:
ˆ 1
V (θ )  2
  ln f ( x , θ ) 
nE  
 θ 
▪ Do đó nếu 𝜃መ ∗ là ước lượng không chệch và có

phương sai bằng vế phải thì nó là ước lượng hiệu
quả nhất
Tiêu chí lựa chọn hàm ước lượng

▪ Tính vững (consistent): khi kích thước mẫu tiến đến
vô cùng thì ước lượng hội tụ đến tham số (theo
nghĩa xác suất)
▪ Tính đủ (sufficient): ước lượng sử dụng toàn bộ các
thông tin trong mẫu
Ước lượng điểm

▪ Khi X ~ N( , σ2) thì
• 𝑋ത là ước lượng không chệch, hiệu quả của 
• S*2 là ước lượng không chệch, hiệu quả của σ2
• S2 là ước lượng không chệch của σ2
• MS là ước lượng chệch của σ2
▪ Khi X ~ A(p) thì f là ước lượng không chệch, hiệu
quả của p.
Ví dụ 7.1
▪ Trung bình tổng thể là m, phương sai là 2
▪ Với mẫu kích thước n = 3, trong các thống kê sau,
đâu là ước lượng không chệch, hiệu quả cho m:
1 1 1 1 1 1
G1  X 1  X 2  X 3 ; G2  X 1  X 2  X 3
2 2 2 2 3 6
1 1 1 1 1 1
G3  X 1  X 2  X 3 ; G4  X 1  X 2  X 3
2 4 4 3 3 3
Ước lượng hợp lý tối đa

▪ Mẫu W = (X1, X2, …, Xn), tại giá trị cụ thể (x1, x2, …, xn)
▪ Hàm hợp lý:
L(x1, x2, …, xn, ) = f(x1,  ). f(x2,  )… f(xn,  )
▪ L gọi là hàm hợp lý (likelihood function) của 
▪ Giá trị 𝜃መ làm L đạt max gọi là ước lượng hợp lý tối
đa của  (maximum likelihood estimator: MLE)
▪ Nếu hàm L không dễ tìm cực đại thì tính thông qua
hàm logarit của L (maximum log-likelihood)
Ví dụ 7.2
▪ (a) Xác suất sinh viên đi làm ngoài giờ p = 0,4. Trong
các mẫu sau, mẫu nào hợp lý nhất, giá trị 1 ứng với
có đi làm và 0 nếu ngược lại:
w1 = (1, 0, 0, 1, 1) w2 = (1, 0, 1, 1, 1)
w3 = (0, 1, 0, 0, 1) w4 = (1, 0, 1, 0, 0)
▪ (b) Có mẫu (0, 1, 1, 0, 1) rút từ biến A(p). Trong các
giá trị ước lượng cho p sau, giá trị nào hợp lý nhất?
𝑝Ƹ1 = 0,4 𝑝Ƹ 2 = 0,5
𝑝Ƹ 3 = 0,6 𝑝Ƹ4 = 0,7
Ước lượng hợp lý tối đa

▪ Khi X ~ N(, σ2) thì
• 𝑋ത là ước lượng hợp lý tối đa của 
• Biết  thì S*2 là ước lượng hợp lý tối đa của σ2
• Không biết  và thay bởi 𝑋ത thì MS là ước lượng
hợp lý tối đa của σ2
▪ Khi X ~ A(p) thì f là ước lượng hợp lý tối đa của p.
Chương 7. Ước lượng tham số 7.3.
7.3. PHƯƠNG PHÁP ƯỚC LƯỢNG KHOẢNG

▪ Còn gọi là ước lượng bằng khoảng tin cậy
▪ Với mẫu ngẫu nhiên, tìm khoảng ngẫu nhiên để khả
năng khoảng đó chứa  bằng một mức cho trước
P(G1 <  < G2) = 1 – 
▪ Mức xác suất (1 – ) là độ tin cậy (confidence level)
▪ (G1, G2) là khoảng tin cậy (confidence interval)
▪ I = G2 – G1 là độ dài khoảng tin cậy
Chương 7. Ước lượng tham số 7.3. Phương pháp ước lượng khoảng
Xây dựng khoảng tin cậy

▪ Xét thống kê G liên kết giữa tham số và thống kê
trong mẫu, G có quy luật phân phối xác suất xác
định
▪ Với độ tin cậy (1 − 𝛼),
▪ Hai giá trị 𝛼1 và 𝛼2 sao cho: 𝛼1 + 𝛼2 = 𝛼
▪ Hai giá trị tới hạn: 𝑔𝛼1 và 𝑔𝛼2
▪ 𝑃 𝑔1−𝛼1 < 𝐺 < 𝑔𝛼2 = 1 − 𝛼
▪ Biến đổi sẽ thu được khoảng 𝐺1 , 𝐺2
7.4. ƯỚC LƯỢNG THAM SỐ 

▪ Hay ước lượng trung bình tổng thể phân phối chuẩn
▪ X ~ N(, σ2)
▪ Ước lượng khoảng cho  với độ tin cậy (1 − 𝛼)
▪ Mẫu W = (X1, X2, …, Xn)
▪ Chia hai trường hợp:
• Khi σ là đã biết  dùng thống kê U
• Khi σ là chưa biết  Sử dụng S để thay, và dùng
thống kê T
Chương 7. Ước lượng tham số 7.4. Ước lượng tham số µ
Ước lượng  khi biết σ

Xμ
▪ Do ~ N (0, 1) với α1 + α2 = α
σ/ n
 Xμ 
P  u1α1   uα2   1  α
 σ/ n 
 σ σ 
P  X  uα2  μ  X  uα1  1α
 n n
▪ Có 3 khoảng tin cậy thông dụng tương ứng với:
• (1) 𝛼1 = 𝛼, 𝛼2 = 0
• (2) 𝛼1 = 0, 𝛼2 = 𝛼
• (3) 𝛼1 = 𝛼2 = 𝛼/2
▪ Khoảng tin cậy tối đa (phía trái: left-tail)

σ
μ  X  uα
n
▪ Khoảng tin cậy tối thiểu (phía phải: right-tail)
σ
X  uα μ
n
▪ Khoảng tin cậy hai phía (đối xứng: two-tail)
σ σ
X  uα /2  μ  X  uα /2
n n

▪ Khoảng tin cậy đối xứng có dạng: 𝑋ത ± 𝜀 hay 𝑋ത ± 𝑀𝐸
▪ 𝜀 là sai số biên (ME: marginal error): 𝜀 = 𝑢𝛼/2 𝜎/ 𝑛
▪ Độ dài khoảng tin cậy: I = 2𝜀 = 2𝑢𝛼/2 𝜎/ 𝑛
▪ Xác định kích thước mẫu khi có yêu cầu về sai số
hoặc độ dài khoảng tin cậy:
σ 2uα2 / 2
ε  ε0  n0 
ε02
4σ 2uα2 / 2
I  I0  n0 
I02
Ước lượng  khi không biết σ
▪ Khoảng tin cậy tối đa

S
μX  t α(n1)
n
▪ Khoảng tin cậy tối thiểu
( n1) S
X  tα μ
n
▪ Khoảng tin cậy hai phía (đối xứng)
S ( n1) S
X  t α(n/21)  μ  X  t α /2
n n
Ước lượng  khi không biết σ

▪ Khoảng tin cậy đối xứng: 𝑋ത ± 𝜀 hay : 𝑋ത ± 𝑀𝐸
(𝑛−1)
▪ Với 𝜀 = 𝑀𝐸 = 𝑡𝛼/2 𝑆/ 𝑛
(𝑛−1)
▪ Độ dài khoảng tin cậy: I = 2𝜀 = 2𝑡𝛼/2 𝑆/ 𝑛
▪ Khi có yêu cầu về sai số hoặc độ dài khoảng tin cậy
S 2 (t α(n/21) )2
ε  ε0  n0 
ε02
4S 2 (t α(n/21) )2
I  I0  n0 
I02
Ví dụ 7.3
▪ Cân ngẫu nhiên 25 sản phẩm khối lượng trung bình
là 25,32g và phương sai là 5,28g2 (từ ví dụ 6.1). Giả
sử khối lượng phân phối chuẩn. Với độ tin cậy 95%
▪ (a) Ước lượng khối lượng trung bình của tất cả các
sản phẩm bằng khoảng tin cậy tối đa
▪ (b) Tìm khoảng tin cậy đối xứng cho khối lượng
trung bình
▪ (c) Muốn sai số trong câu (b) còn không quá 0,5g thì
cần cân thử thêm ít nhất bao nhiêu sản phẩm?
7.5. ƯỚC LƯỢNG THAM SỐ p
▪ Ước lượng tần suất tổng thể, ước lượng xác suất
▪ Tổng thể có dấu hiệu A (biến cố A), biến X = 1 khi A
xảy ra, X = 0 khi A không xảy ra, hay X ~ A(p)
▪ Ước lượng p cũng là ước lượng xác suất A xảy ra
▪ Trong mẫu kích thước n
 p(1  p) p(1  p) 
P  f  uα2  p  f  uα1   1  α1  α2
 n n 
▪ n ≥ 100 đủ lớn thì thay p trong căn bởi f
Chương 7. Ước lượng tham số 7.5. Ước lượng tham số p
Ước lượng tham số p
▪ Với độ tin cậy (1 – α), khoảng tin cậy tối đa

f (1  f )
p  f  uα
n
▪ Khoảng tin cậy tối thiểu
f (1  f )
f  uα p
n
▪ Khoảng tin cậy hai phía (đối xứng)
f (1  f ) f (1  f )
f  uα /2  p  f  uα /2
n n
Ước lượng tham số p

▪ Khoảng tin cậy đối xứng: f  ME hay f  
𝑀𝐸 = 𝜀 = 𝑢𝛼/2 𝑓(1 − 𝑓)/ 𝑛
▪ Độ dài khoảng tin cậy:
𝐼 = 2𝑀𝐸 = 2𝜀 = 2𝑢𝛼/2 𝑓(1 − 𝑓)/ 𝑛
▪ Suy ra:
f (1  f )uα2 / 2
ε  ε0  n0 
ε02
4 f (1  f )uα2 / 2
I  I0  n0 
I02
Ví dụ 7.4
▪ Quan sát ngẫu nhiên 400 người vào cửa hàng thì có
144 người mua hàng. Với độ tin cậy 95%:
▪ (a) Ước lượng tỉ lệ khách mua hàng bằng khoảng tin
cậy đối xứng
▪ (b) Muốn độ dài khoảng tin cậy trong câu giảm
xuống còn một nửa thì cần quan sát tối thiểu bao
nhiêu người?
▪ (c) Nếu trong một ngày có 5000 người vào cửa hàng
thì có tối đa bao nhiêu người mua hàng?
7.6. ƯỚC LƯỢNG THAM SỐ σ2

▪ Ước lượng phương sai tổng thể phân phối chuẩn
▪ X ~ N(, σ2)
▪ Sử dụng quy luật Khi bình phương
 2(n1) (n  1) S 2 2( n1) 
P  χ1α1  2
 χ α2  1α
 σ 
 (n  1) S 2 2 (n  1 ) S 2 
P  2(n1)  σ   1α
 χα χ 2 ( n 1 ) 
 2 1 α 1 
Ước lượng tham số σ2

2
▪ Khoảng tin cậy tối đa (n  1 ) S
σ2 
χ12(nα1)
(n  1) S 2 2
▪ Khoảng tin cậy tối thiểu  σ
χ α2(n1)
2 2
▪ Khoảng tin cậy hai phía (n  1 ) S 2 (n  1 ) S
2( n1)
 σ 
χ α /2 χ12(nα/21)
Ví dụ 7.5
là 25,32g và phương sai là 5,28g2. Giả sử khối lượng
của sản phẩm phân phối chuẩn.
▪ Với độ tin cậy 95%
▪ (a) Độ dao động của khối lượng đo bởi phương sai
tối đa là bao nhiêu?
▪ (b) Tìm khoảng tin cậy cho độ lệch chuẩn của khối
lượng sản phẩm

▪ Ước lượng điểm và khoảng
▪ Tiêu chí ước lượng điểm: không chệch, hiệu quả
▪ Ước lượng hợp lý tối đa
▪ Ước lượng bằng khoảng tin cậy cho ba tham số:
trung bình, phương sai, tần suất
▪ Ba loại khoảng tin cậy: tối đa, tối thiểu, hai phía (đối
xứng)
▪ Xác định kích thước mẫu

▪ Trang 397: 7.4, 7.9, 7.10, 7.11
▪ Trang 402: 7.12
▪ Trang 417: 7.18, 7.20, 7.25, 7.27,
▪ Trang 437: 7.39, 7.44, 7.45
▪ Trang 445: 7.52, 7.53,
▪ Trang 458: 7.71, 7.72, 7.73, 7.74, 7.77, 7.79, 7.80,
7.83, 7.91

Mean 25.32
Standard Error 0.457238
Standard Deviation 2.28619
Sample Variance 5.226667
Count 25
Confidence Level (95.0%) 0.943693
Chương 8.
Chương 8. KIỂM ĐỊNH GIẢ THUYẾT

▪ Kiểm định tính Đúng / Sai của một mệnh đề về
thống kê
▪ Có kiểm định tham số và phi tham số
▪ Kiểm định tham số gồm ba tham số quan trọng:
Trung bình, tần suất, phương sai; với hai trường
hợp: 1 tham số và 2 tham số
▪ Kiểm định phi tham số gồm kiểm định tính phân
phối chuẩn và kiểm định tính độc lập của hai dấu
hiệu định tính
Chương 8. Kiểm định giả thuyết

▪ 8.1. Khái niệm cơ bản
▪ 8.2. Kiểm định tham số 
▪ 8.3. Kiểm định hai tham số 1 và 2
▪ 8.4. Kiểm định tham số p
▪ 8.5. Kiểm định hai tham số p1 và p2
▪ 8.6. Kiểm định tham số σ2
▪ 8.7. Kiểm định hai tham số 𝜎12 và 𝜎22
▪ 8.8. Kiểm định phi tham số
Chương 8. Kiểm định giả thuyết 8.1
8.1. KHÁI NIỆM CƠ BẢN

▪ Kiểm định tính Đúng / Sai của một mệnh đề về tham
số tổng thể: kiểm định tham số
▪ Ví dụ: Mệnh đề cần kiểm định:
• Thu nhập trung bình của người lao động là trên
2000 USD/năm
• Độ dao động của giá vàng trên thị trường tư
nhân trong năm qua là chưa đến 30 USD
• Tỷ lệ khách quay lại mua hàng lần hai là 50%
Chương 8. Kiểm định giả thuyết 8.1. Khái niệm cơ bản
Cặp giả thuyết

▪ Tham số  chưa biết, kiểm định so sánh với giá trị 0
được đưa về 3 cặp giả thuyết
 H0 : θ  θ0  H0 : θ  θ0  H0 : θ  θ0
(1)  (2)  (3) 
 H1 : θ  θ0  H1 : θ  θ0  H1 : θ  θ0
▪ Nếu 0 là con số: kiểm định 1 tham số

▪ Nếu 0 là tham số chưa biết: kiểm định 2 tham số
Tiêu chuẩn kiểm định – Miền bác bỏ

▪ Với mẫu ngẫu nhiên W = (X1, X2, …, Xn)
▪ Tiêu chuẩn kiểm định G tính trên mẫu
▪ Xác định một miền W sao cho nếu H0 đúng thì xác
suất G thuộc miền đó là một mức  đủ nhỏ
▪ P(G  W | H0 đúng) = 
▪ W gọi là miền bác bỏ (reject area)
▪ Mức  gọi là mức ý nghĩa (significant level)
▪ Phân định W bởi giá trị tới hạn (critical value)
Quy tắc kiểm định

▪ Cặp giả thuyết cụ thể
▪ Mẫu cụ thể
▪ Tiêu chuẩn G là con số cụ thể: Gqs
▪ Mức ý nghĩa  cho trước, tìm được miền bác bỏ W
▪ Nếu Gqs  W : kết luận bác bỏ H0 (reject H0), H0 là
sai, H1 là đúng
▪ Nếu Gqs  W : chưa (có cơ sở) bác bỏ H0 (not
reject H0), H0 là đúng, H1 là sai
Các loại sai lầm

▪ Sai lầm loại 1: bác bỏ một điều đúng (type 1 error)
▪ Sai lầm loại 2: chấp nhận một điều sai (type 2 error)
H0 đúng H0 sai
Sai lầm loại 1 Không sai lầm

Bác bỏ H0
Xác suất =  Xác suất = 1 – 
Không sai lầm Sai lầm loại 2
Chưa bác bỏ H0
Xác suất = 1 –  Xác suất = 
Giá trị xác suất (P-value)

▪ Tiêu chuẩn G: với  cho trước thì  nhỏ nhất
▪ P-value là mức xác suất sao cho:
• Nếu P-value <  thì bác bỏ H0
• Nếu P-value >  thì chưa bác bỏ H0
▪ P-value là “mức xác suất thấp nhất để bác bỏ H0”
▪ P-value được tính qua các phần mềm chuyên dụng
Chương 8. Kiểm định giả thuyết 8.2.
8.2. KIỂM ĐỊNH THAM SỐ 

▪ Tổng thể phân phối chuẩn X ~ N( , σ2)
▪ Tham số  chưa biết, kiểm định so sánh với số 0
▪ Ba cặp giả thuyết
 H0 : μ  μ0  H0 : μ  μ0  H0 : μ  μ0
(1)  (2)  (3) 
 H1 : μ  μ0  H1 : μ  μ0  H1 : μ  μ0
▪ Xét hai trường hợp:
• Phương sai tổng thể σ2 đã biết (lý thuyết)
• Phương sai tổng thể σ2 chưa biết (thực tế)
Chương 8. Kiểm định giả thuyết 8.2. Kiểm định tham số µ
Kiểm định  khi biết σ2

( X  μ0 ) n
▪ Tiêu chuẩn chung U 
σ
 H0 : μ  μ0
▪ Với cặp giả thuyết (1) 
 H1 : μ  μ0
▪ Nếu H0 đúng: ( X  μ) n
U ~ N (0, 1)
σ
P (U  uα )  α
▪ Miền bác bỏ: Wα  U : U  uα 
Kiểm định  khi biết σ2

( X  μ0 ) n
▪ Tiêu chuẩn chung U 
σ
 H0 : μ  μ0
▪ (2)  thì : Wα  U : U  uα 
 H1 : μ  μ0
 H0 : μ  μ0  U  uα /2 
▪ (3)  thì : Wα  U :[ 
 H1 : μ  μ0  U  uα /2 
hay : Wα  U :| U | uα /2 
( x  μ0 ) n
▪ Tính Uqs  so sánh và kết luận
σ
P-value
▪ Với cặp giả thuyết cho trước, mẫu cụ thể
▪ Giá trị quan sát: Uqs
▪ P-value của các cặp giả thuyết tính như sau:
 H0 : μ  μ0
(1)  p  P U  U qs 
 H1 : μ  μ0
 H0 : μ  μ0
(2)  p  P (U  U qs )
 H1 : μ  μ0
 H0 : μ  μ0
(3)  p  2  P U | U qs |
 H1 : μ  μ0
Ví dụ 8.1
▪ Biết kích thước sản phẩm là biến ngẫu nhiên phân
phối chuẩn với phương sai là 36mm2.
▪ Đo ngẫu nhiên 50 sản phẩm thấy trung bình mẫu là
122mm. Với mức ý nghĩa 5%
▪ (a) Kiểm định giả thuyết kích thước trung bình là
trên 120mm
▪ (b)* Tìm P-value của cặp giả thuyết trong câu (a)
▪ (c) Kiểm định giả thuyết kích thước trung bình chưa
đến 123mm
Kiểm định  khi chưa biết σ2

X ~ N( , σ2) Cặp Miền bác bỏ
Tiêu chuẩn giả thuyết W
H0:  = 0 (𝑛−1)
𝑇: 𝑇 > 𝑡𝛼
H1:  > 0
𝑋 − 𝜇0 𝑛
𝑇= H0:  = 0 (𝑛−1)
𝑆 𝑇: 𝑇 < −𝑡𝛼
H1:  < 0
H0:  = 0 (𝑛−1)
𝑇: |𝑇| > 𝑡𝛼/2
H1:   0
Ví dụ 8.2
là 25,32g và phương sai là 5,28g2. Giả sử khối lượng
phân phối chuẩn. Với mức ý nghĩa 5%
▪ (a) Kiểm định giả thuyết trung bình tổng thể lớn
hơn 24g
▪ (b) Có thể nói khối lượng trung bình là chưa đến
26g hay không? Nếu mức ý nghĩa là 10% thì sao?
▪ (c) Nhận xét ý kiến cho rằng khối lượng trung bình
là khác 26,5g
8.3. KIỂM ĐỊNH HAI THAM SỐ 1 VÀ 2

▪ Hai tổng thể phân phối chuẩn:
𝑋1 ~𝑁 𝜇1 , 𝜎12 ; 𝑋2 ~𝑁(𝜇2 , 𝜎22 )
▪ Các tham số đều chưa biết
▪ Với X1, lấy mẫu W1, kích thước n1, có 𝑋ത1 và 𝑆12
▪ Với X2, lấy mẫu W2, kích thước n2, có 𝑋ത2 và 𝑆22
▪ Với mức ý nghĩa , kiểm định so sánh 1 và 2
▪ Hai trường hợp:
• Giả sử 𝜎12 ≠ 𝜎22
• Giả sử 𝜎12 = 𝜎22 : tự đọc trong giáo trình
Chương 8. Kiểm định giả thuyết 8.3. Kiểm định tham số µ1 và µ2
Kiểm định 1 và 2
𝑋1 ~𝑁 𝜇1 , 𝜎12 Cặp Miền bác bỏ
𝑋2 ~𝑁(𝜇2 , 𝜎22 ) giả thuyết W
H0: 1 = 2
𝑋ത1 − 𝑋ത2 𝑇: 𝑇 > 𝑢𝛼
𝑇= H1: 1 > 2
𝑆12 𝑆22 H0: 1 = 2
+ 𝑇: 𝑇 < −𝑢𝛼
𝑛1 𝑛2 H1: 1 < 2
H0: 1 = 2
n1, n2 > 30 𝑇: |𝑇| > 𝑢𝛼/2
H1: 1  2
Chương 8. Kiểm định giả thuyết 8.3. Kiểm định tham số µ1 và µ2
Ví dụ 8.3
▪ Khảo sát ngẫu nhiên 40 khách hàng nam và 40
khách hàng nữ thấy khách nam chi trung bình là
230 nghìn và độ lệch chuẩn là 50 nghìn; khách nữ
chi trung bình là 205 nghìn và độ lệch chuẩn là 60
nghìn. Giả sử chi tiêu phân phối chuẩn.
▪ Với mức ý nghĩa 5%, kiểm định giả thuyết mức chi
trung bình của nam nhiều hơn nữ
8.4. KIỂM ĐỊNH THAM SỐ p

X ~ A(p) Cặp Miền bác bỏ
n ≥ 100 giả thuyết W
H0: 𝑝 = 𝑝0
𝑓 − 𝑝0 𝑛 𝑈: 𝑈 > 𝑢𝛼
𝑈= H1: 𝑝 > 𝑝0
𝑝0 (1 − 𝑝0 )
H0: 𝑝 = 𝑝0
𝑈: 𝑈 < −𝑢𝛼
H1: 𝑝 < 𝑝0
H0: 𝑝 = 𝑝0
𝑈: |𝑈| > 𝑢𝛼/2
H1: 𝑝 ≠ 𝑝0
8.5. KIỂM ĐỊNH HAI THAM SỐ p1 và p2

X1 ~ A(p1); X2 ~ A(p2) Cặp Miền bác bỏ
n1 , n2 ≥ 100 giả thuyết W
H0: 𝑝1 = 𝑝2
𝑓1 − 𝑓2 H1: 𝑝1 > 𝑝2 𝑈: 𝑈 > 𝑢𝛼
𝑈=
ҧ ҧ 1 1
𝑓(1 − 𝑓) + H0: 𝑝1 = 𝑝2
𝑛1 𝑛2 𝑈: 𝑈 < −𝑢𝛼
H1: 𝑝1 < 𝑝2
𝑛1 𝑓1 + 𝑛2 𝑓2 H0: 𝑝1 = 𝑝2
𝑓ҧ = 𝑈: |𝑈| > 𝑢𝛼/2
𝑛1 + 𝑛2 H1: 𝑝1 ≠ 𝑝2
Ví dụ 8.4
▪ Trong số 400 người vào cửa hàng thì có 224 nữ và
176 nam.
▪ Trong 224 nữ có 108 người mua hàng; trong 176
nam có 94 người mua hàng.
▪ Với mức ý nghĩa 5%:
▪ (a) Có thể nói nữ chiếm trên một nửa số người vào
cửa hàng hay không?
▪ (b) Có thể cho rằng tỷ lệ mua hàng của nữ là ít hơn
của nam hay không?
8.6. KIỂM ĐỊNH THAM SỐ σ2

X ~ N( , σ2) Cặp Miền bác bỏ
Tiêu chuẩn giả thuyết W
H0: 𝜎 2 = 𝜎02 2(𝑛−1)

2 : 2 > 𝛼
H1: 𝜎 2 > 𝜎02
𝑛 − 1 𝑆 2
2 = H0: 𝜎 2 = 𝜎02
𝜎02 2
 : < 2 2(𝑛−1)
1−𝛼
H1: 𝜎 2 < 𝜎02
2(𝑛−1)
H0:𝜎2 = 𝜎02 2 > 𝛼/2
2 : [
H1: 𝜎 2 ≠ 𝜎02 2 2(𝑛−1)
 < 1−𝛼/2
𝟐 𝟐
8.7. KIỂM ĐỊNH HAI THAM SỐ 𝝈𝟏 và 𝝈𝟐
H0: 𝜎12 = 𝜎22 (𝑛1 −1,𝑛2 −1)

𝑆12 𝐹: 𝐹 > 𝑓𝛼
𝐹= H1: 𝜎12 > 𝜎22
𝑆22
H0: 𝜎12 = 𝜎22 (𝑛1 −1,𝑛2 −1)
𝐹: 𝐹 < 𝑓1−𝛼
(𝑛1 −1,𝑛2 −1) H1: 𝜎12 < 𝜎22
𝑓1−𝛼
1 (𝑛 −1,𝑛2 −1)
𝐹 > 𝑓𝛼/21
= H0: 𝜎12 = 𝜎22
𝑓𝛼
(𝑛2 −1,𝑛1 −1) 𝐹: [
H1: 𝜎12 ≠ 𝜎22 𝐹<
(𝑛1 −1,𝑛2 −1)
𝑓1−𝛼/2
𝟐 𝟐
Kiểm định hai tham số 𝝈𝟏 và 𝝈𝟐
▪ Giả thuyết 𝜎12 < 𝜎22 hoán vị thành 𝜎22 > 𝜎12
▪ Chỉ xét với 𝑆12 > 𝑆22 thì bảng quyết định:

𝑺𝟐𝟏 > 𝑺𝟐𝟐 H0: 𝜎12 = 𝜎22 (𝑛1 −1,𝑛2 −1)
𝐹: 𝐹 > 𝑓𝛼
𝑆12 H1: 𝜎12 > 𝜎22
𝐹= 2
𝑆2 H0: 𝜎12 = 𝜎22 (𝑛1 −1,𝑛2 −1)
𝐹: 𝐹 > 𝑓𝛼/2
H1: 𝜎12 ≠ 𝜎22
Ví dụ 8.5
▪ Tiêu chuẩn cho độ dao động của khối lượng một loại
quả đóng hộp là không được vượt quá 5g.
▪ Kiểm tra ngẫu nhiên 50 quả thu hoạch tại vườn A
thấy phương sai mẫu là 30g2. Kiểm tra ngẫu nhiên
60 quả thu hoạch tại vườn B thấy phương sai mẫu là
18g2. Với mức ý nghĩa 5%
▪ (a) Mức dao động của quả ở vườn A có quá 5g?
▪ (b) Quả vườn B có đồng đều hơn ở vườn A không?
Ví dụ 8.6
▪ Cho kết quả sau về thu nhập người lao động, giả sử
Thu nhập phân phối chuẩn. Với mức ý nghĩa 5%
Số người Tr. bình Ph. sai Số làm 2 việc
Nam 100 240 325 34
Nữ 100 230 207 22
▪ (a) Độ dao động của thu nhập nam và nữ có như
nhau hay không?
▪ (b) Thu nhập trung bình của nam có cao hơn nữ?
▪ (c) Tỷ lệ làm 2 việc của nam và nữ có như nhau?
F-Test for Variances t-Test: Unequal Variances

Male Female Male Female
Mean 240 230 Mean 240 230
Variance 325 207 Variance 325 207
Observations 100 100 Observations 100 100
df 99 99 Mean Difference 0
F 1.570 df 193
P(F<=f) one-tail 0.013 t Stat 4.336
F Critical one-tail 1.394 P(T<=t) one-tail 0.000
t Critical one-tail 1.653
P(T<=t) two-tail 0.000
t Critical two-tail 1.972
8.8. KIỂM ĐỊNH PHI THAM SỐ

▪ Không kiểm định về tham số của biến ngẫu nhiên
▪ Có nhiều kiểm định phi tham số, về các quy luật của
biến ngẫu nhiên
▪ Giới thiệu hai kiểm định:
• (1) Kiểm định tính phân phối chuẩn
• (2) Tính độc lập của hai dấu hiệu định tính
Chương 8. Kiểm định giả thuyết 8.8. Kiểm định phi tham số
Kiểm định tính phân phối Chuẩn

H0: Biến X phân phối chuẩn
H1: Biến X không phân phối chuẩn
n
▪ Hệ số bất đối xứng: a3 
 i 1
( Xi 3
 X) /n
S3
n
▪ Hệ số nhọn: a4 
 i 1 i
( X  X ) 4
/n
S4
 a32 (a4  3)2 
▪ Tiêu chuẩn: JB  n   
 6 24 
▪ Miền bác bỏ: 
Wα  JB : JB  χ α2(2) 
Ví dụ 8.7
▪ Với số liệu sau:
Khối lượng (g) 20-22 22-24 24-26 26-28 28-30
▪ Tính được: 𝑥ҧ = 25,32 và s = 2,286
▪ σ25 (𝑥
𝑖=1 𝑖 − 𝑥)
ҧ 3 = −38,56 ; σ25 (𝑥 − 𝑥)
𝑖=1 𝑖 ҧ 4 = 568,63
▪ Với mức ý nghĩa 5%, kiểm định giả thuyết khối

lượng sản phẩm là biến ngẫu nhiên phân phối
chuẩn.
Ví dụ 5.7 (Excel)
▪ P-value của kiểm định Mean 25.32

tính phân phối chuẩn Standard Error 0.457238
thuộc khoảng nào? Standard Deviation 2.28619
• A. 0% - 2,5% Sample Variance 5.226667
• B. 2,5% - 5% Kurtosis (a4 – 3) -0.57901

Skewness (a3) -0.15631
• C. 5% - 95%
Count 25
• D. 95% - 100% Conf. Level (95.0%) 0.943693
Kiểm định tính độc lập của hai dấu hiệu

▪ Hai dấu hiệu định tính A và B và bảng tiếp liên
• A gồm h phạm trù: A1, A2,…, Ah
• B gồm k phạm trù: B1, B2,…, Bk
B1 B2 … Bk 
A1 n11 n12 … n1k n1
A2 n21 n22 … n2k n2
… … … … …
Ah nh1 nh2 … nhk nh
 m1 m2 … mk n
Kiểm định tính độc lập của hai dấu hiệu

▪ Kiểm định giả thuyết
• H0: A và B độc lập
• H1: A và B không độc lập
 h k n 2

▪ Tiêu chuẩn χ  n  
2 ij
 1
 i 1 j 1 ni m j 
 
2((ℎ−1)×(𝑘−1))
▪ Miền bác bỏ: 2 : 2 > 𝛼
Ví dụ 8.8
▪ Với mức ý nghĩa 5%, kiểm định tính độc lập giới
tính và loại tốt nghiệp của các cử nhân
Loại
Trung
TN Khá Giỏi ∑
bình
Giới
Nữ 90 150 40
Nam 100 100 20
∑

▪ Trang 487: 8.2, 8.6, 8.10,
▪ Trang 508: 8.16, 8.18, 8.20
▪ Trang 518: 8.29, 8.34,
▪ Trang 523: 8.38, 8.41
▪ Trang 526: 8.44, 8. 47
▪ Trang 530: 8.49, 8.51, 8.52
▪ Trang 542: 8.62, 8.65, 8.70,8.74, 8.76, 8.77, 8.79
8.81, 8.83
▪ Trang 555: 9.1, 9.2, 9.5
TỔNG KẾT HỌC PHẦN
▪ Chương 1: Các cách tính xác suất, xác suất tích,
tổng, đầy đủ, Bayes
▪ Chương 2: Biến ngẫu nhiên, bảng xác suất và hàm
mật độ, các tham số kì vọng, phương sai
▪ Chương 3: Quy luật A(p), B(n, p), N(µ, 2) và các
ứng dụng trong kinh tế
▪ Chương 4: Bảng xác suất hai chiều, các tham số, hệ
số tương quan
▪ Chương 6: Khái niệm mẫu, các thống kê đặc trưng
mẫu: trung bình, phương sai, độ lệch chuẩn,…
▪ Chương 7: Ước lượng điểm không chệch, hiệu quả;
ước lượng khoảng của ba tham số trung bình,
phương sai, tần suất
▪ Chương 8: Kiểm định giả thuyết về ba tham số
trung bình, phương sai, tần suất; một tổng thể và
hai tổng thể; kiểm định phi tham số
▪ Thi hết học phần:
▪ Được sử dụng máy tính bấm tay (calculator)
▪ Đề thi có sẵn bảng số và công thức cơ bản
▪ Cấu trúc:
• Lý thuyết xác suất: 4 - 5 điểm
• Thống kê toán: 5 - 6 điểm
• Có 2 – 3 điểm phần tự đọc, có phần sử dụng kết
quả tính từ Excel
CHÚC CÁC BẠN HỌC TẬP TỐT
VÀ ĐẠT KẾT QUẢ CAO

794 - Bai Giang Toan Kinh Te Ly Thuyet Xac Suat Va Thong Ke Toan Truong Dai Hoc Kinh Te Quoc Dan 5297

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

794 - Bai Giang Toan Kinh Te Ly Thuyet Xac Suat Va Thong Ke Toan Truong Dai Hoc Kinh Te Quoc Dan 5297

Uploaded by

Copyright:

Available Formats

ĐẠI HỌC KINH TẾ QUỐC DÂN

KHOA TOÁN KINH TẾ

Chương 1. BIẾN CỐ NGẪU NHIÊN & XÁC SUẤT

▪ Giới thiệu các khái niệm cơ bản của lý thuyết xác

NỘI DUNG CHƯƠNG 1

1.1. PHÉP THỬ VÀ CÁC LOẠI BIẾN CỐ

1.2. XÁC SUẤT CỦA BIẾN CỐ

1.3. ĐỊNH NGHĨA CỔ ĐIỂN VỀ XÁC SUẤT

Tính chất của xác suất

▪ Còn ký hiệu biến cố chắc chắn là , biến cố không

Ưu nhược điểm của định nghĩa cổ điển

1.4. ĐỊNH NGHĨA THỐNG KÊ VỀ XÁC SUẤT

Ưu nhược điểm của định nghĩa thống kê

1.5. NGUYÊN LÝ XÁC SUẤT LỚN VÀ NHỎ

▪ “Nguyên lý thực tế không thể có của các biến cố có

1.6. ĐỊNH LÝ NHÂN XÁC SUẤT

• B = “lần 2 được CF”

Xác suất có điều kiện

Tính độc lập

Định lý nhân xác suất

Biến cố xung khắc

▪ Định nghĩa 1.12. Các biến cố A1, A2,…, An gọi là độc

▪ Ví dụ 1.10: Tổ có 3 sinh viên, chỉ ra nhóm biến cố

1.7. ĐỊNH LÝ CỘNG XÁC SUẤT

Định lý cộng xác suất

▪ Hệ quả: Xác suất của tổng các biến cố xung khắc

Biến cố đối lập

1.8. CÔNG THỨC BERNOULLI

Công thức Bernoulli

1.9. CÔNG THỨC XS ĐẦY ĐỦ - BAYES

Công thức XS đầy đủ - công thức Bayes

▪ Công thức Bayes

Công thức XS đầy đủ - công thức Bayes

TÓM TẮT CHƯƠNG 1

Bài tập cơ bản trong Giáo trình

▪ Biến ngẫu nhiên là khái niệm trung tâm của lý

NỘI DUNG CHƯƠNG 2

2.1. ĐỊNH NGHĨA BIẾN NGẪU NHIÊN

Phân loại biến ngẫu nhiên

2.2. QUY LUẬT PHÂN PHỐI XÁC SUẤT

Bảng phân phối xác suất

Hàm phân bố xác suất F(x)

▪ Nếu X rời rạc: F(x) =  pi

Tính chất của F(x)

Hàm mật độ xác suất f(x)

Tính chất của f(x)

2.3. CÁC THAM SỐ CỦA BIẾN NGẪU NHIÊN

▪ Kỳ vọng của biến ngẫu nhiên là số xác định

Tính chất của kỳ vọng toán

▪ Chứng minh được: V(X) = E(X2) – (E(X))2

Tính chất của phương sai

▪ Độ lệch chuẩn cũng đo mức độ dao động, phân tán

▪ Hệ số biến thiên đơn vị là %

▪ Nếu X rời rạc: md = xi thỏa mãn: F(xi)  0,5 < F(xi+1)

▪ BNN có thể không có mốt, có 1 mốt, hoặc nhiều mốt

Giá trị tới hạn

▪ Ngoài ra còn Hệ số bất đối xứng (Skewness) và Hệ số

TÓM TẮT CHƯƠNG 2

Bài tập cơ bản trong Giáo trình

Chương 3. MỘT SỐ QUY LUẬT

NỘI DUNG CHƯƠNG 3

3.1. QUY LUẬT KHÔNG-MỘT – A(p)

3.2. QUY LUẬT NHỊ THỨC – B(n, p)