XSTK XSTK

N.T. M. Ngọc N.T. M. Ngọc Tổng quan về thống kê

Chương 4: Lý thuyết mẫu

Lý thuyết ước lượng Hai lĩnh vực thống kê:
• Thống kê mô tả
• Thu thập số liệu
• Tính toán các đặc trưng đo lường
• Mô tả, trình bày dữ liệu

Nguyễn Thị Mộng Ngọc

• Thống kê suy diễn
• Ước lượng, kiểm định thống kê
University of Science, VNU - HCM
• Phân tích mối liên hệ
ngtmngoc@hcmus.edu.vn • Dự đoán, ... .

XSTK XSTK

N.T. M. Ngọc Dữ liệu và thống kê N.T. M. Ngọc Tham số và thống kê

• Dữ liệu (data) là thông tin có được từ
những quan sát, những phép đếm, những đo
đạc, hoặc các câu trả lời. • Tham số (parameter) là một mô tả số về
• Thống kê (statistics) là khoa học về thu một đặc trưng của một tổng thể.
thập, tổ chức, phân tích, và giải thích dữ liệu • Thống kê (statistic) là một mô tả số về
để đưa ra các quyết định. một đặc trưng của một mẫu.
• Tổng thể (population) là toàn bộ tập hợp
Tham số −→ Tổng thể
tất cả các phần tử đồng nhất theo một dấu
hiệu nghiên cứu định tính hoặc định lượng Thống kê −→ Mẫu
nào đó.
• Mẫu (sample) là một tập con của một tổng
thể.
 XSTK XSTK

N.T. M. Ngọc Tổng thể và mẫu N.T. M. Ngọc Tham số và thống kê

Ví dụ: Hãy xác định giá trị số sau đây mô tả

một tham số tổng thể hay một thống kê mẫu?
(a) Một khảo sát về một mẫu 250 sinh viên đại

học báo cáo rằng chi tiêu trung bình hàng

tuần của các sinh viên là 350.000 đ.
Bởi vì giá trị trung bình 350.000 đ dựa trên một mẫu,
Ví dụ: nên đây là một thống kê mẫu.
• Trong một cuộc khảo sát gần đây, 150 sinh viên trường ĐH
KHTN được hỏi rằng họ có tham gia vào một cuộc thi học
(b) Chi tiêu trung bình hàng tuần của tất cả các
thuật nào đó trong năm hay không. 35 sinh viên trả lời có. Xác sinh viên là 400.000 đ.
định tổng thể và mẫu? Bởi vì giá trị trung bình 400.000 đ dựa trên một tổng thể,
• Vào cuối ngày, một thanh tra kiểm soát chất lượng chọn 20 nên đây là một tham số tổng thể.
bóng đèn từ các bóng đèn được sản xuất trong ngày và kiểm
tra chúng.

XSTK XSTK

N.T. M. Ngọc Các loại thang đo N.T. M. Ngọc Phân loại dữ liệu
• Dữ liệu định tính: thu thập từ thang đo danh nghĩa
• Thang đo danh nghĩa: dùng để phân loại và thứ bậc ⇒ không tính được trị trung bình.
• Thang đo thứ bậc: phản ánh sự hơn kém; • Dữ liệu định lượng: thu thập từ thang đo khoảng
cách và tỷ lệ ⇒ tính được trị trung bình.
dùng cho biến định tính, để xếp hạng hay sắp
xếp theo thứ tự giá trị một biến theo một đậc
tính cụ thể.
• Thang đo khoảng : phản ánh mức độ hơn
kém; dùng cho biến định lượng; cung cấp mối
quan hệ thứ bậc như thang đo định hạng.
• Thang đo tỷ lệ: phản ánh mức độ hơn kém và
so sánh tỷ lệ; dùng cho biến định lượng.
 XSTK XSTK

N.T. M. Ngọc Các nhánh của thống kê N.T. M. Ngọc Mô tả dữ liệu định lượng

Nghiên cứu thống kê có hai nhánh chính: thống kê mô tả

và thống kê suy luận.
• Thống kê mô tả: Liên quan đến việc thu thập, tổ
chức, xử lý dữ liệu để biến đỏi dữ liệu thành thông tin;
tổng hợp dữ liệu(tính trung bình mẫu, phương sai
mẫu, trung vị, ...) và và trình bày dữ liệu (dùng bảng
và đồ thị).
• Thống kê suy luận: Liên quan đến việc sử dụng một
mẫu để rút ra kết luận về một tổng thể. Suy diễn
thống kê là xử lý các thông tin có được từ đó đưa ra
các cơ sở cho những dự đoán , dự báo và các ước
lượng, kiểm định giả thuyết thống kê.

XSTK XSTK

N.T. M. Ngọc Các độ đo hướng tâm N.T. M. Ngọc Trung bình

Trung bình (mean) là đại lượng thường được sử

dụng nhất để đo giá trị trung tâm của dữ liệu
(của biến định lượng). Giả sử ta có dữ liệu (của
tổng thể hoặc mẫu) là x1 , x2 , . . . , xn . Khi đó,
trung bình (của tổng thể hoặc mẫu) là trung
bình cộng của các phần tử trong dữ liệu, tức là
Pn
i=1 xi
n
Ta sẽ ký hiệu tổng này là µ (tương ứng x̄ ) nếu
dữ liệu là của tổng thể (tương ứng, của mẫu).
 XSTK XSTK

N.T. M. Ngọc Trung bình (tt) N.T. M. Ngọc Trung bình (tt)

• Trung bình tổng thể:

Nếu một tổng thể có N phần tử được kí hiệu • Trường hợp dữ liệu có tần số như trong bảng
là x1 , x2 , . . . , xN , thì trung bình tổng thể là sau
PN Giá trị dữ liệu x1 x2 . . . xk
x1 + x2 + . . . + xN i=1 xi
µ= = Tần số tương ứng n1 n2 . . . nk
N N
trong đó, n1 + n2 + . . . + nk = n.
• Trung bình mẫu: Khi đó, trung bình mẫu được tính theo công
Nếu n quan sát của một mẫu được kí hiệu là thức Pk
x1 , x2 , . . . , xn , thì trung bình mẫu là ni xi
x̄ = i=1
x1 + x2 + . . . + xn
Pn n
i=1 xi
x̄ = =
n n

XSTK Ví dụ : Lương tháng của 16 công nhân được chọn ngẫu nhiên (đv XSTK

N.T. M. Ngọc triệu đồng) trong một nhà máy như sau: N.T. M. Ngọc Trung bình (tt)

Lương tháng 0,8 1,0 1,2 1,3 1,5 1,7 2 2,3 2,5
Số công nhân 1 1 2 2 2 3 2 2 1 Trung bình bị ảnh hưởng bởi các giá trị ngoại lai
(outliers).
Lương trung bình hàng tháng của một công nhân từ mẫu gồm 16
công nhân trên là:

Pk P9
i=1 ni xi i=1 ni xi
x̄ = =
n 16

0, 8 ∗ 1 + · · · + 2, 3 ∗ 2 + 2, 5 ∗ 1
x̄ = = 1, 625
16
 XSTK
N.T. M. Ngọc Trung vị mẫu N.T. M. Ngọc
• Trung vị mẫu (sample median) là giá trị chia
các quan sát thành hai phần bằng nhau. Một
phần chứa các quan sát nhỏ hơn trung vị và
phần còn lại chứa các quan sát lớn hơn trung
vị.
• Trung vị không bị ảnh hưởng bởi các giá trị
ngoại lai (outliers).
XSTK
N.T. M. Ngọc Trung vị (tt) N.T. M. Ngọc
Ví dụ 1: Tìm trung vị về quy mô lớp cho mẫu
của chín lớp đại học sau:
35; 34; 32; 56; 30; 54; 46; 38; 42. Giải:
• Sắp xếp dữ liệu theo thứ tự tăng dần :
30; 32; 34; 35; 38; 42; 46; 54; 56.
• n = 9 và i = (n + 1)/2 = (9 + 1)/2 = 5;
• Do n = 9 lẻ nên trung vị là giá trị thứ 5 hay
xi = x5 = 38. Vậy trung vị về quy mô lớp học
với mẫu trên là 38 sinh viên.
XSTK
Trung vị mẫu (tt)
Cách tìm trung vị
Sắp xếp dữ liệu mẫu theo thứ tự tăng dần.
• Nếu kích thước mẫu là lẻ thì trung vị là giá trị ở vị trí
trung tâm của mẫu được sắp
• Nếu kích thước mẫu là chẵn thì trung vị là trung bình của
hai giá trị ở vị trí trung tâm của mẫu được sắp
Nói cách khác, gọi n là kích thước mẫu và
i = (n + 1)/2, thì
• Nếu n lẻ thì trung vị là giá trị thứ i hay xi (trung vị là giá
trị chính giữa);
• Nếu n chẵn thì trung vị là trung bình của hai giá trị thứ i
x[i] + x[i]+1
và thứ i + 1 hay trung vị = , với [i] là phần
2
nguyên của i (trung vị là trung bình của hai giá trị ở giữa).
XSTK
Mode
Mode của dữ liệu là giá trị của dữ liệu có tần số
xuất hiện lớn nhất. Nếu mọi giá trị dữ liệu đều có
cùng tần số, ta nói dữ liệu không có mode.
table2-7
• Mode không bị ảnh hưởng bởi các điểm ngoại
lai (outlier);
• Mode có thể sử dụng cho cả dữ liệu số và dữ
liệu phân loại.
 XSTK XSTK

N.T. M. Ngọc So sánh trung bình, trung vị và N.T. M. Ngọc So sánh trung bình, trung vị và
mode mode (tt)

• nếu phân phối là lệch phải thì

• Nếu dữ liệu có phân phối đối xứng, thì trung
mode < trung vị < trung bình;
bình và trung vị sẽ bằng nhau và rơi vào tâm
của phân phối. • nếu phân phối là lệch trái thì
mode > trung vị > trung bình.
• Nếu dữ liệu có phân phối bị lệch (skewed)
(tức là bất đối xứng, với một đuôi kéo dài về
một phía), thì trung bình và trung vị đều bị
kéo về phía đuôi dài hơn, nhưng trung bình,
thông thường, được kéo xa hơn trung vị.

XSTK XSTK

N.T. M. Ngọc Phân vị N.T. M. Ngọc Phân vị (tt)

Phân vị thứ p là một giá trị mà ít nhất có p%
Cách tính phân vị thứ p:
các quan sát có giá trị nhỏ hơn hoặc bằng giá trị
này và ít nhất có (100 − p)% các quan sát có giá • Bước 1: Sắp xếp dữ liệu theo thứ tự tăng dần.
trị lớn hơn hoặc bằng giá trị này. • Bước 2: Tính chỉ số i
Ví dụ: Các trường đại học thường báo cáo kết quả kiểm tra p
đầu vào dưới dạng phân vị. Giả sử, một sinh viên đạt được i =( )∗n
điểm của phần thi nói là 54 của một bài kiểm tra đầu vào. 100
• Làm thế nào để đánh giá sinh viên này trong mối liên hệ
trong đó, p là phân vị cần tính và n là số
với các sinh viên khác cùng tham gia bài kiểm tra tương
tự? quan sát.
• TL: không dễ dàng trả lời câu hỏi này nếu không biết gì • Bước 3:
thêm về dữ liệu. • Nếu i là một số nguyên, phân vị thứ p là trung bình của
• Tuy nhiên, nếu số điểm 54 tương ứng với phân vị thứ 70, hai giá trị ở vị trí thứ i và i + 1.
• Nếu i không phải là một số nguyên, làm tròn nó. Số
chúng ta biết rằng khoảng 70% số sinh viên đạt điểm thấp
nguyên tiếp theo lớn hơn i biểu thị vị trí của phân vị thứ p.
hơn so với sinh viên này và khoảng 30% số sinh viên có
điểm số cao hơn sinh viên này.
 XSTK XSTK

N.T. M. Ngọc Tứ phân vị N.T. M. Ngọc Độ đo sự biến thiên của dữ liệu

Tứ phân vị chia dữ liệu thành bốn phần, mỗi (hay độ phân tán)
phần chứ khoảng 25% số quan sát.

Hình 3.1 cho thấy một phân phối dữ liệu chia thành bốn phần.
Các điểm chia đgl Tứ phân vị và được xac định như sau:
• Q1 = tứ phân vị thứ nhất, hay là phân vị thứ 25.
• Q2 = tứ phân vị thứ hai, hay là phân vị thứ 50
(Q2 cũng được gọi là trung vị ).
• Q3 = tứ phân vị thứ ba, hay là phân vị thứ 75.

XSTK XSTK

N.T. M. Ngọc Khoảng biến thiên hay N.T. M. Ngọc Độ trải giữa hay Khoảng tứ phân
Miền giá trị mẫu (sample range) vị (interquartile range - IQR)
Khoảng biến thiên = giá trị lớn nhất − giá trị nhỏ nhất.
Hay miền giá trị mẫu là khoảng cách giữa giá trị lớn nhất và Độ trải giữa (hay Khoảng tứ phân vị ) (IQR) là
giá trị nhỏ nhất trong mẫu.
Nếu n quan sát trong một mẫu được kí hiệu là x1 , x2 , . . . , xn
khoảng cách giữa tứ phân vị đầu tiên và tứ phân
thì miền giá trị mẫu là vị thứ ba; tức là, IQR = Q3 − Q1 .
r = max(xi ) − min(xi )
• Người ta thường sử dụng IQR để đo sự biến
thiên của dữ liệu khi trung vị được sử dụng
để đo trung tâm của dữ liệu.
• Tương tự trung vị, IQR không bị ảnh hưởng
bởi các điểm ngoại lai (outlier).
 XSTK XSTK

N.T. M. Ngọc Ví dụ N.T. M. Ngọc Phương sai và độ lệch chuẩn

Phương sai là trung bình bình phương độ lệch so với giá trị
Một công ty truyền thông khảo sát thói quen trung bình. Phương sai phản ánh mức độ phân tán các giá trị
của các quan sát xung quanh giá trị trung bình.
xem ti vi của một cộng đồng dân cư. 20 người • Nếu x1 , x2 , . . . , xN là các phần tử của tổng thể và µ là
được chọn ngẫu nhiên và có thời gian (giờ) xem trung bình tổng thể thì phương sai tổng thể là
ti vi hàng tuần như sau: N
X
(xi − µ)2
25 41 27 32 43 σ2 = i=1
.
66 35 31 15 5 N
√
Độ lệch chuẩn tổng thể là σ = σ 2 .
34 26 32 38 16 • Nếu x1 , x2 , . . . , xn là một mẫu có n quan sát và x̄ là trung
30 38 30 20 21 bình mẫu thì phương sai mẫu là
n
X
(a) Tìm các tứ phân vị của mẫu dữ liệu trên? (xi − x̄ )2
i=1
s2 = .
(b) Tìm khoảng tứ phân vị? n−1
√
Độ lệch chuẩn mẫu là s = s 2 .

XSTK XSTK

N.T. M. Ngọc Phương sai và độ lệch chuẩn (tt)
Ví dụ: Tính phương sai mẫu về dữ liệu lương khởi
điểm trong bảng 3.1
N.T. M. Ngọc Hệ số biến thiên (Coefficient of
Variation)
Hệ số biến thiên cho biết độ lệch chuẩn lớn bằng
bao nhiêu lần so với trung bình,

Độ lệch chuẩn
CV = × 100%.
trung bình
Hệ số biến thiên là một thống kê hữu ích để so
sánh độ phân tán của các biến có độ lệch chuẩn
khác nhau và trung bình khác nhau.
 XSTK XSTK

N.T. M. Ngọc Ví dụ so sánh hệ số biến thiên N.T. M. Ngọc

• Dữ liệu 1 có: trung bình x̄1 = 50 và độ lệch Mẫu ngẫu nhiên

chuẩn s1 = 5 nên Mẫu ngẫu nhiên kích thước n là tập hợp của n
biến ngẫu nhiên độc lập X1 , X2 , . . . , Xn được
x̄1 5 thành lập từ biến ngẫu nhiên X trong tổng thể
CV1 = × 100% = × 100% = 10%.
s1 50 nghiên cứu và có cùng quy luật phân phối xác
• Dữ liệu 2 có: trung bình x̄2 = 100 và độ lệch suất với X .
chuẩn s2 = 5 nên Kí hiệu: W = (X1 , X2 , . . . , Xn )
Thống kê
x̄2 5
CV2 = × 100% = × 100% = 5%. Một thống kê (statistic) là một hàm bất kì của
s2 100
các quan sát trong một mẫu ngẫu nhiên.
• Cả hai bộ dữ liệu có cùng độ lệch chuẩn
nhưng dữ liệu 2 biến thiên ít hơn so với giá
trị của nó.

XSTK XSTK

N.T. M. Ngọc Các đặc trưng của mẫu ngẫu nhiên N.T. M. Ngọc Phân phối mẫu
Bởi vì thống kê là một mẫu ngẫu nhiên nên nó
Nếu (X1 , X2 , . . . , Xn ) là một mẫu ngẫu nhiên kích thước n có phân phối xác suất.
thì:
1X n Định nghĩa
◦ Trung bình mẫu: X̄ = Xi
n i=1 Phân phối xác suất của một thống kê đgl một
◦ Phương sai mẫu có hiệu chỉnh: phân phối mẫu.
n n Ví dụ: Phân phối xác suất của X̄ đgl phân phối
1 X 1 X n
S2 = (Xi − X̄ )2 = Xi2 − X̄ 2 mẫu của trung bình.
n − 1 i=1 n − 1 i=1 n−1
√ Nhận xét
◦ Độ lệch chuẩn mẫu: S = S2 Phân phối xác suất của một thống kê phụ thuộc
đều là các thống kê.
vào phân phối của tổng thể, kích thước mẫu và
phương pháp chọn mẫu.
 XSTK XSTK

N.T. M. Ngọc Phân phối mẫu của trung bình và N.T. M. Ngọc Phân phối mẫu của trung bình và
phương sai phương sai
Trường hợp tổng thể có phân phối xác suất chưa biết, từ định lí giới
hạn trung tâm ta suy ra rằng

Nếu tổng thể X có phân phối chuẩn X ∼ N (µ, σ 2 ) và X̄ − µ D

√ −→ N (0, 1)
(X1 , X2 , . . . , Xn ) là một mẫu ngẫu nhiên từ tổng thể trên σ/ n
thì
2 X̄ − µ D
• X̄ ∼ N (µ, σn ). √ −→ N (0, 1)
S/ n
n
(n−1) 2 (Xi − X̄ )2 Trong thực hành khi mẫu có kích thước đủ lớn (n ≥ 30), ta có các
∼ χ2 (n − 1).
X
• σ2
S =
σ 2
i=1 phân phối xấp xỉ chuẩn sau:
√
(X̄ −µ) n
• S
∼ t(n − 1). X̄ − µ
√ ≈ N (0, 1)
• X̄ và S là hai biến ngẫu nhiên độc lập.
2 σ/ n

và
X̄ − µ
√ ≈ N (0, 1).
S/ n

XSTK XSTK

N.T. M. Ngọc Sai số chuẩn (Standard Error) của N.T. M. Ngọc Phân phối mẫu của tỉ lệ
trung bình
Giả sử cần khảo sát đặc trưng A của tổng thể, khảo sát n
phần tử và đặt
Sai số chuẩn (Standard Error) của trung bình, kí hiệu là σX̄ (
1 nếu thỏa A
σ Xi =
σX̄ := √ 0 nếu khác
n
thu được mẫu ngẫu nhiên X1 , . . . , Xn với Xi ∼ B(1, p), p là tỉ
Nhận xét: lệ phần tử thỏa đặc trưng A.
n
• σX̄ đo độ biến thiên của X̄ xung quanh trung bình
X
Đặt X = Xi là số phần tử thỏa đặc trưng A trong mẫu
tồng thể µ. i=1
• Sai số chuẩn càng nhỏ, ước lượng tham số từ tổng thể khảo sát, thì X ∼ B(n, p).
Tỉ lệ mẫu P̂ là một ước lượng của tỉ lệ p được xác định bởi
càng tốt và độ tin cậy cao.
• Độ biến thiên của tổng thể, σ, càng lớn thì sai số X
P̂ =
chuẩn, σX̄ , càng lớn. n
 XSTK XSTK

N.T. M. Ngọc Phân phối mẫu của tỉ lệ N.T. M. Ngọc Bài toán ước lượng

Kì vọng và phương sai của p̂ là

p(1 − p) Các tham số đặc trưng của tổng thể như trung
E(P̂) = p, Var (P̂) =
n bình, phương sai, tỷ lệ, ... được sử dụng rộng rãi
Theo định lí giới hạn trung tâm ta có trên nhiều lĩnh vực khác nhau. Tuy nhiên các
tham số đặc trưng của tổng thể này thường chưa
P̂ − p d
r −→ N(0, 1) biết. Vì vậy cần ước lượng chúng bằng phương
p(1−p)
n pháp mẫu.
Vì vậy trong thực hành, khi
np ≥ 5, n(1 − p) ≥ 5, thì P̂ ≈ N(p, p(1−p)
n )

XSTK XSTK

N.T. M. Ngọc Bài toán ước lượng N.T. M. Ngọc Ước lượng điểm - Ước lượng
khoảng
Giả sử biến ngẫu nhiên X có tham số θ chưa
biết. Ước lượng tham số θ là dựa vào mẫu ngẫu • Một ước lượng điểm là một giá trị đơn.
nhiên W = (X1 , X2 , . . . , Xn ) ta đưa ra thống kê θ̂ • Một khoảng tin cậy cung cấp thông tin bổ
để ước lượng (dự đoán) θ. sung về sự biến thiên của một ước lượng
Ví dụ: điểm tương ứng.
◦ Ước lượng điểm: chỉ ra θ̂ = θ0 nào đó để ước
lượng θ.
◦ Ước lượng khoảng: chỉ ra một khoảng
(θ̂L , θ̂U ) chứa θ sao cho P(θ̂L < θ < θ̂U ) = 1 − α
cho trước, (1 − α đgl độ tin cậy của ước lượng).
 XSTK
N.T. M. Ngọc Ước lượng điểm
Định nghĩa
Một ước lượng điểm cho tham số tổng thể θ là
một giá trị đơn θ̂ của một thống kê
θ̂ = f (X1 , X2 , . . . , Xn ).
Nhận xét
Thông thường giá trị được chọn này là giá trị cụ
thể của một thống kê θ̂ = f (X1 , X2 , . . . , Xn ) nào
đó của mẫu ngẫu nhiên.
Ví dụ: Giá trị x̄ của thống kê X̄ được tính toán
từ một mẫu ngẫu nhiên kích thước n là một ước
lượng điểm của tham số trung bình tổng thể µ .
XSTK
N.T. M. Ngọc
c. Ước lượng vững
Thống kê θ̂ của mẫu đgl ước lượng vững của
tham số θ của biến ngẫu nhiên gốc X nếu: θ̂ hội
tụ theo xác suất đến θ khi n → ∞
d. Ước lượng đủ
Một ước lượng θ̂ đgl ước lượng đủ nếu nó chứa
đựng toàn bộ các thông tin trong mẫu về tham
số θ của ước lượng.
XSTK
N.T. M. Ngọc Cùng một mẫu ngẫu nhiên ta có thể xây dựng được nhiều
thống kê θ̂ khác nhau để ước lượng cho tham số tổng thể
θ. Vì vậy ta cần lựa chọn thống kê tốt nhất để ước lượng
cho tham số θ dựa vào các tiêu chuẩn sau:
a. Ước lượng không chệch
Thống kê θ̂ của mẫu đgl ước lượng không chệch của tham
số θ của biến ngẫu nhiên gốc X nếu:
E(θ̂) = θ
b. Ước lượng hiệu quả
Thống kê θ̂ của mẫu đgl ước lượng hiệu quả nhất của tham
số θ của biến ngẫu nhiên gốc X nếu nó là ước lượng không
chệch và có phương sai nhỏ nhất so với mọi ước lượng
không chệch khác được xây dựng trên cùng mẫu đó.
XSTK
N.T. M. Ngọc Ước lượng khoảng
• Giả sử cần khảo sát một đặc tính X trên một tổng thể
xác định.
• BNN X có phân phối F (x ; θ), tham số θ chưa biết.
• Chọn một mẫu ngẫu nhiên cỡ n: X = (X1 , . . . , Xn ).
 XSTK XSTK

N.T. M. Ngọc N.T. M. Ngọc Ý nghĩa

Với 100 lần lấy mẫu cùng cỡ n từ tồng thể thì

• Có 100(1 − α) lần lấy, giá trị tham số θ ∈ [l, u] (hay
nói cách khác, có 100(1 − α)% số khoảng được tính
toán theo cách này sẽ chứa giá trị thực của tham số θ).
• Có 100α lần lấy, giá trị tham số θ ∈/ [l, u].
• Khoảng tin cậy được tính theo cách này là l ≤ θ ≤ u
với độ tin cậy 100(1 − α)%.
• (1 − α) đgl hệ số tin cậy hay độ tin cậy.

XSTK XSTK

N.T. M. Ngọc Công thức tổng quát cho N.T. M. Ngọc

khoảng tin cậy

Công thức tổng quát cho mọi khoảng tin cậy:

Ước lượng điểm ± dung sai

trong đó, dung sai = (nhân tố độ tin cậy)× sai
số chuẩn.
Chú ý:
Giá trị của nhân tố độ tin cậy phụ thuộc vào độ
tin cậy mong muốn.
 XSTK XSTK

2
N.T. M. Ngọc TH 1: σ đã biết và n ≥ 30 (hoặc N.T. M. Ngọc TH 1: σ 2 đã biết và n ≥ 30 (hoặc
n < 30 nhưng tổng thể có phân n < 30 nhưng tổng thể có phân
phối chuẩn) phối chuẩn)

XSTK XSTK

2
N.T. M. Ngọc TH 1: σ đã biết và n ≥ 30 (hoặc N.T. M. Ngọc Tìm z1−α/2
n < 30 nhưng tổng thể có phân
phối chuẩn)
 XSTK XSTK

2
N.T. M. Ngọc TH 1: σ đã biết và n ≥ 30 (hoặc N.T. M. Ngọc TH 2: σ 2 chưa biết và n ≥ 30.
n < 30 nhưng tổng thể có phân
phối chuẩn)

Ví dụ: Hàm lượng kẽm trung bình thu hồi được

từ một mẫu các giá trị đo kẽm tại 36 điểm đo
khác nhau được xác định là 2.6g/ml. Xác định
các khoảng tin cậy 95% và 99% cho mật độ kẽm
trung bình ở sông. Giả thiết độ lệch tiêu chuẩn
tổng thể là 0.3.

XSTK XSTK

2
N.T. M. Ngọc TH 2: σ chưa biết và n ≥ 30. N.T. M. Ngọc TH 2: σ 2 chưa biết và n ≥ 30.
 XSTK XSTK

2
N.T. M. Ngọc TH 3: σ chưa biết; n < 30 và X N.T. M. Ngọc TH 3: σ 2 chưa biết; n < 30 và X
có phân phối chuẩn. có phân phối chuẩn.

XSTK XSTK

2
N.T. M. Ngọc TH 3: σ chưa biết; n < 30 và X N.T. M. Ngọc TH 3: σ 2 chưa biết; n < 30 và X
có phân phối chuẩn. có phân phối chuẩn.

Ví dụ: Các hàm lượng của 7 container axit

sulfuric là 9.8, 10.2, 10.4, 9.8, 10.0, 10.2, 9.6 lít.
Tìm khoảg tin cậy 95% cho giá trị trung bình
của tất cả các container đó, giả sử có phân phối
chuẩn ước lượng.
 XSTK XSTK

N.T. M. Ngọc N.T. M. Ngọc Ước lượng trung bình tổng thể
Ví dụ:

XSTK XSTK

N.T. M. Ngọc N.T. M. Ngọc

 XSTK XSTK

N.T. M. Ngọc N.T. M. Ngọc

XSTK XSTK

N.T. M. Ngọc N.T. M. Ngọc

 XSTK XSTK

N.T. M. Ngọc Ví dụ N.T. M. Ngọc

XSTK XSTK

N.T. M. Ngọc N.T. M. Ngọc

 XSTK

N.T. M. Ngọc Ví dụ