THỨ BA, 02/11/2021

1 2 3 4 5
0 1 2 3 4
Không thích Thích ít Thích vừa Khá thích Rất thích
• Thang đo khoảng → + , -
• Thang đo thứ bậc → so sánh hơn kém
• Thang đo Likert
x [50,60)  50  x  60
x [60,70)  60  x  70

THỨ NĂM, 04/11/2021

91 78 93 57 75 52 99 80 97 62
71 69 72 89 66 75 79 75 72 76
104 74 62 68 97 105 77 65 80 109
85 97 88 68 83 68 71 69 67 74
62 82 98 101 79 105 79 69 62 73
Biểu đồ nhánh – lá dạng thô:
(02) 5 | 7 2
(13) 6 | 2 9 2 8 8 6 8 5 9 9 7 2 2
(16) 7 | 1 8 4 2 5 9 5 9 7 1 9 5 2 6 4 3
(07) 8 | 5 2 8 9 3 0 0
(07) 9 | 1 7 3 8 7 9 7
(05)10 | 4 1 5 5 9
Biểu đồ nhánh – lá:
(02) 5 | 2 7
(13) 6 | 2 2 2 2 5 7 8 8 8 9 9 9
(16) 7 | 1 1 2 2 3 4 4 5 5 5 6 7 8 9 9 9
(07) 8 | 5 2 8 9 3 0 0
(07) 9 | 1 7 3 8 7 9 7
(05)10 | 4 1 5 5 9
Lá: 0 – 4: thân 1; 5 – 9: thân 2.
Biểu đồ nhánh – lá mở rộng (2 thân):
(01) 5 | 2
(01) 5 | 7
(04) 6 | 2 2 2 2
(08) 6 | 5 7 8 8 8 9 9 9
(16) 7 | 1 1 2 2 3 4 4 5 5 5 6 7 8 9 9 9
VD:
X là tiền lương (tr.đ/tháng) khởi điểm của 1 SV mới ra trường:
6; 7,5; 5,5; 8; 20

1 5 6 + 7,5 + 5,5 + 8 + 20
x= 
n i =1
xi =
5
= 9,4

5,5 6 (7,5) 8 20 ➔ Med(X) = 7,5

THỨ BẢY, 06/11/2021

Quy tắc Chebyshev:

 X −  1
P (  − z  X   + z ) = P   z   1 − 2 , z  1
   z

1 1
• z = 2 : xi  ( − 2,  + 2) với tỷ lệ (xác suất) ít nhất là 1 − = 1 − = 0,75 = 75(%).
z2 22
1 1
• z = 3: xi  ( − 3,  + 3) với tỷ lệ (xác suất) ít nhất là 1 − 2 = 1 − 2 = 0,89 = 89(%).
z 3
1 1
• z = 4 : xi  ( − 4,  + 4) với tỷ lệ (xác suất) ít nhất là 1 − 2 = 1 − 2 = 0,9375  94(%).
z 4
P( B  A) P( A  B) P( AB)
P( B A) = = =
P( A) P( A) P( A)

P( AB) = P( A).P( B A)
P( ABC ) = P( A).P( B A).P(C AB)
P( ABC ) = P( AB).P(C AB) = P( A).P( B A).P(C AB)
Chỉnh hợp (không lặp):
Lấy không hoàn lại ra n phần tử:
1 2 - Thực hiện n lần lấy, mỗi lần ra 1 phần tử.
- Hoặc, thực hiện lấy cùng 1 lúc ra n phần tử.
… - Hoặc…

1 2 3 n
N N −1 N − 2 N − (n − 1)

( N − n).( N − n − 1)...1
PnN = N .( N − 1).( N − 2)....( N − n + 1) = N .( N − 1).( N − 2)....( N − n + 1)
n thua so
( N − n).( N − n − 1)...1

N!
=
( N − n)!

P610 = 10  9  8  7  6  5 = 151.200 10(nPr)6 = 10P6 = 151.200

6 thua so

Hoán vị: Pn = Pnn = n! (Hoán vị của n phần tử = Chỉnh hợp chập n trong n = Cách sắp thứ tự của
n! n!
n phần tử). Ta có: Pnn = = = pn = n!  0! = 1
(n − n)! 0!

Cách tạo chỉnh hợp chập n trong N ( PnN ) bao gồm 2 bước:

• Bước 1: Lấy n phần tử trong N phần tử và không kể thứ tự, tức là tạo tổ hợp chập n trong
N (CnN ) .
• Bước 2: Hoán vị n phần tử vừa lấy ra, có n! cách.

PnN N!
Theo quy tắc nhân, ta có: P = n!C N N
C =
N
=
n! n!( N − n)!
n n n

• ĐN xác suất theo lối cổ điển (Đồng khả năng):

So diem mau dong kha nang thuan loi cho A So thuan loi
P( A) = =
So diem mau dong kha nang co the xay ra So co the
Ai thuận lợi cho A nếu biến cố Ai xảy ra thì kéo theo biến cố A xảy ra.
VD: Xét phép thử là tung 1 con xúc xắc cân bằng. Gọi A là bc xuất hiện mặt chẵn. Các
điểm mẫu đồng khả năng (1/6) và thuận lợi cho A là: {2, 4, 6}
 P(A) = 3/6 = 0,5
 • ĐN xác suất theo lối thống kê (Tần suất):
m
Tần suất xảy ra biến cố A: f ( A) = ⎯⎯⎯ → p = P( A)
n n→
Trong đó: m là tần số xuất hiện biến cố A trong tổng số n phép thử được thực hiện.

Ac = A
VD:
• A = biến cố xuất hiện mặt chẵn.

 A = biến cố không xuất hiện mặt chẵn = biến cố xuất hiện mặt lẻ.
• A = {1, 2}

 A = biến cố không xuất hiện A (tức là mặt 1 và 2) = {3, 4, 5, 6}

P( A  B  C  D) =

P( A  B  C ) = P( A) + P( B) + P(C ) − P( AB) − P( AC ) − P( BC ) + P( ABC )

P( A  B  C ) = P ( A  B)  C  = P( A  B) + P(C ) − P ( A  B)C 
= P( A) + P( B) − P( AB) + P(C ) − P( AC  BC )

P( AC  BC ) = P( AC ) + P( BC ) − P( ACBC ) = P( AC ) + P( BC ) − P( ABC )

 đpcm.

P( A  B  C  D) = P( A) + P( B) + P(C ) + P( D)

− P( AB) − P( AC ) − P( AD) − P( BC ) − P( BD) − P(CD)

+ P( ABC ) + P( ABD) + P( ACD) + P( BCD)

− P( ABCD)

• A, B xung khắc  A  B =  : biến cố không thể  P( AB) = P() = 0

 P( A  B) = P( A) + P( B)
• A  A =  : bc chắc chắn  P( A  A) = P() = 1  P( A) + P( A) = 1
 P( A) = 1 − P( A); P( A) = 1 − P( A)
 • Viết công thức tính: P( A  B  C ) = …
• P( A  B  C  D) =

P( AB)
P( A B) =  P( AB) = P( B).P( A B)
P( B)
P( BA) P( AB)
P( B A) = =  P( AB) = P( A).P( B A)
P( A) P( A)

P( AB) = P( A).P(B A) = P(B).P( A B)

P( ABC) = P( A).P(B A).P(C AB)

P( ABC) = P ( AB)C  = P( AB).P(C AB) = P( A).P( B A).P(C AB)

P( ABCD) = P( A).P(B A).P(C AB).P(D ABC)

Ta có: P( A) = 1 − P( A)

Ta cũng có: P( A B) = 1 − P( A B)

CMR: A, B độc lập  A, B độc lập  A, B độc lập  A, B độc lập

Bài tập:
Một lớp học có 40 học sinh, trong đó có 25 em giỏi Toán, 20 em giỏi Văn và 10 em giỏi cả Toán
và Văn. Biết rằng giỏi ít nhất 1 môn thì được thưởng. Chọn ngẫu nhiên từ lớp ra 3 học sinh, tính
XS trong đó có 2 em được thưởng và 1 em không được thưởng.
 LỜI GIẢI
• Số hs giỏi cả Toán và Văn: 10
• Số hs chỉ giỏi Toán: 25 – 10 = 15
• Số hs chỉ giỏi Văn: 20 – 10 = 10
• Số hs giỏi ít nhất 1 môn (được thưởng): 10 + 15 + 10 = 35
• Số hs không được thưởng: 40 – 35 = 5
Gọi A là biến cố trong 3 hs được chọn có 2 em được thưởng và 1 em không được thưởng.

C235 .C15
Ta có: P( A) = = 0,3011
C340

LS Clothiers:
A1 = A = biến cố Chính quyền địa phương chấp thuận dự án

A2 = A = biến cố Chính quyền địa phương bác bỏ (không chấp thuận) dự án

P(A1) = 0,7; P(A2) = 0,3 (XS tiên nghiệm)
B là biến cố Ủy ban Kế hoạch không ủng hộ dự án.
Thông tin quá khứ cho biết:
P(B|A1) = 0,2; P(B|A2) = 0,9
Ta có:  A1, A2 là hệ các bc đầy đủ và XK từng đôi.

Theo công thức XS đầy đủ, ta có:

P(B) = P( A1).P(B A1) + P( A2 ).P(B A2 ) = 0,7  0,2 + 0,3  0,9 = 0,41

• Các A1 , A2 ,..., An là một phân hoạch của không gian mẫu . Khi đó ta có công thức XS
đầy đủ:
n
P( B) =  P( Ai ).P( B Ai )
i =1

P( Ak ).P( B Ak )
Công thức Bayes (XS hậu nghiệm): P( Ak B) = n
; k = 1,2,..., n
 P( A ).P(B A )
i =1
i i

XS hậu nghiệm:
P( A1 ).P( B A1 ) 0,7  0, 2
P( A1 B) = = = 0,3415
P( B) 0, 41
 P( A2 ).P( B A2 ) 0,3  0,9
Tương tự, có: P( A2 B) = = = 0,6585
P( B) 0, 41

Hay: P( A2 B) = 1 − P( A1 B) = 1 − 0,3415 = 0,6585

P( B) = P( A).P( B A) + P( A).P( B A)

1.52. Gọi A là bc SP được KT là phế phẩm.

Ta có: P( A) = 0,05; P( A) = 0,95.

a) Gọi S là bc KCS sai sót khi KT 1 SP tùy ý.

Ta có: P( S ) = P( A).P( S A) + P( A).P( S A) = 0,05  0,01 + 0,95  0,02 = 0,0195

b) B là bc SP bị loại (Không được đưa ra TT)

Ta có: P( B) = P( A).P( B A) + P( A).P( B A) = 0,05  0,99 + 0,95  0,02 = 0,0685 = 137 / 2000

P( A).P( B A) 0,05  0,01 1

c) P( A B) = = = = 0,00054
P( B) 1 − 0,0685 1863
P( A).P( B A) 0,95  0,02
d) P( A B) = = = 0,2774 = 38 /137
P ( B) 0,0685

Chú ý:
• X là biến NN rời rạc, thì ta có bảng PP xác suất:
X x1 x2 ... xK
P p1 p2 ... pK
K có thể là  .
K
Ta có nguyên tắc:  pi = 1 with pi = P( X = xi ).
i =1

K K
ni 1 K K
Kỳ vọng của X:  = E( X ) =  pi xi =  xi =  ni xi . Trong đó: n =  ni → N
i =1 i =1 n n i =1 i =1

 
Phương sai của X: Var ( X ) = E  X − E( X ) = E ( X −  )2  = E( X 2 ) −  2
2
CASIO fx-570/580VNX (FX/ FX PLUS)

• SHIFT\ MENU (MODE)\  \ Statistics\ Frequency? 1: On; 2: Off (Làm 1 lần duy nhất)
• MENU (MODE)\ Statistics (Thống kê)\ 1-Variable (1-biến) (Làm 1 bài TK mới)
x Freq
1
2
3
Nhấn AC
KQ: OPTN (SHIFT\ 1) \ 1-Variable Calc (Var)
1: n 2: x
3:  x 4 : sx

• Gọi X là số chấm xuất hiện của 1 con xúc xắc cân bằng. Ta có phân phối của X là:
X 1 2 3 4 5 6
P 1/6 1/6 1/6 1/6 1/6 1/6
Các đặc trưng số của X là:
E ( X ) = 3,5 = 7 / 2
( X ) = 1,7078
Var ( X ) = 2,9167 = 35 /12

3.1. Có 2 lô hàng, mỗi lô chứa 10 sản phẩm. Lô I có 4 sản phẩm loại A, lô II có 6 sản phẩm loại A.
Lấy từ lô I ra 2 sản phẩm, từ lô II ra 5 sản phẩm.
a) Tính xác suất lấy được 5 sản phẩm loại A.
b) Đem 7 sản phẩm lấy ra đi bán với giá sản phẩm loại A là 10 ngàn đồng, sản phẩm không phải
loại A là 6 ngàn đồng. Tìm số tiền thu được trung bình và phương sai của số tiền thu được.

Bài giải:
Gọi X là số SP loại A có trong n = 2 SP lấy ra từ lô I. X ~ H(N=10, M=4, n=2), X=0,1,2
Gọi Y là số SP loại A có trong n = 5 SP lấy ra từ lô II. Y ~ H(N=10, M=6, n=5), Y=1,2,3,4,5

a) P( X + Y = 5) = P ( X = 0,Y = 5)  ( X = 1,Y = 4)  ( X = 2,Y = 3)

 = P( X = 0).P(Y = 5) + P( X = 1).P(Y = 4) + P( X = 2).P(Y = 3) (Do X, Y độc lập)

C04 .C26 C56 .C04 C14 .C16 C46 .C14 C24 .C06 C36 .C24 25
= 10  10 + 10  10 + 10  10 =
C2 C5 C2 C5 C2 C5 126

Lưu ý: Cnn = C0n = 1; Cnn−1 = C1n = n

b) Tổng doanh thu: T = 10(X + Y) + 6(7 – X – Y) = 42 + 4X + 4Y (ngàn đồng)

4 6
E (T ) = 42 + 4E( X ) + 4E(Y ) = 42 + 4  2  + 4  5  =
10 10
X &Y dl 4 6 10 − 2 2 6 4 10 − 5
Var (T ) = 42Var ( X ) + 42Var (Y ) = 42  2    + 4  5   =
10 10 10 − 1 10 10 10 − 1

X ~ B(n, p) with p = P( A)  pk = P( X = k ) = Ckn p k q n−k , k = 0,1,..., n; q = 1 − p

A là bc thành công, A là bc thất bại.

A A A A A A  XS = P( A) P( A) P( A) P( A) P( A) P( A) = p k q n−k
k n−k k n −k

Ví dụ: Công ty điện tử Evans

Vì vậy, bất kỳ nhân viên làm việc theo giờ nào được chọn một cách ngẫu nhiên, quản lý công ty
cho rằng xác suất người này sẽ không còn làm việc tại công ty trong năm tới là 0,1.
Chọn ngẫu nhiên 3 nhân viên làm việc theo giờ tại công ty, xác suất để có 1 trong 3 người sẽ nghỉ
việc trong năm tới là bao nhiêu?
Giải:
Gọi X là số nhân viên nghỉ việc trong số n = 3 nhân viên. Ta có: X ~ B(n=3; p=0,1), X=0,1,2,3.
Ta tìm: P( X = 1) = C13  0,11  0,92 = 0, 243

Ví dụ:
Một bài thi TN có 10 câu hỏi, mỗi câu có 4 đáp án trả lời và chỉ có 1 đáp án đúng. Một SV làm
bài bằng cách chọn NN 1 trong 4 đáp án. Tìm XS để SV này thi đạt yêu cầu (ít nhất 5 câu đúng).
Giải:
Gọi X là số câu trả lời đúng trong số n = 10 câu. Ta có: X ~ B(n=10; p=0,25), X=0,1,…,10.
10
Ta có XS SV thi đạt: P( X  5) = P(5  X  10) =  C10 x
x .0,25 .0,75
10− x
= 0,0781
x=5

Số câu TB trả lời đúng: E ( X ) = np = 10  0, 25 = 2,5

Phương sai của số câu trả lời đúng: Var ( X ) = npq = 10  0, 25  0,75 = 1,875

Số câu trả lời đúng tin chắc nhất:

np − q = 2,5 − 0,75 = 1,75  Mod ( X )  np − q + 1 = 2,75  Mod ( X ) = 2

THỨ BA, 01/03/2022

Bài tập:
Một xạ thủ có XS bắn trúng bia là 65%.
a) Cho xạ thủ bắn 8 lần, mỗi lần 1 viên đạn. Tìm XS để xạ thủ bắn trúng ít nhất 5 viên.
b) Tìm số viên đạn tối thiểu cần bắn để XS xạ thủ bắn trúng ít nhất 1 viên đạn là 0,99.
Giải:
a) Gọi X là số viên đạn bắn trúng bia trong số n = 8 viên bắn ra.
Ta có: X ~ B(n=8; p=0,65), X=0,1,2,…,8.
8
P( X  5) = P(5  X  8) =  Cx8  0,65x  0,358− x = 0,7064
x=5

b) Gọi X là số viên đạn bắn trúng bia trong số n viên bắn ra. Ta có: X ~ B(n; p=0,65),
X=0,1,2,…,n.
Tìm số viên đạn n cần bắn sao cho: P( X  1) = 0,99

Ta có: P( X  1) = 1 − P( X  1) = 1 − P( X = 0) = 0,99

P( X = 0) = C0n 0,650.0,35n = 1 − 0,99 = 0,01  0,35n = 0,01

 n = log0,35 0,01 = 4,4 → 5.

Vậy xạ thủ cần bắn ít nhất là 5 viên đạn.

Liên hệ giữa nhị thức và Poisson:
p→0
X ~ B(n, p) ⎯⎯⎯
n→
→ X ~ P( = np) : phân phối của các bc hiếm.

X = 0,1,..., n X = 0,1,2,..., 
E ( X ) = np E( X ) = 
Var ( X ) = npq Var ( X ) =  (q = 1 − p → 1)

np − q  Mod ( X )  np − q + 1  − 1  Mod ( X )  

k
pk = Ckn pk qn−k pk = e−
k!
Ta có: p = P( A)  0  A : biến cố hiếm.

Ví dụ:
Trong một quyển sách có 250 trang, người ta đếm thấy có 40 từ bị lỗi. Hãy tìm XS để có ít nhất 3
từ bị lỗi trên một trang sách.
Giải:
Gọi X là số từ bị lỗi trên 1 trang sách. Ta có số từ bị lỗi trung bình trên 1 trang sách là:
40
 = E( X ) = = 0,16 (từ/trang), X = 0,1,2,...
250
2
0,16 x
P( X  3) = 1 − P(0  X  2) = 1 −  e−0,16 = 1 − 0,9994 = 0,0006
x =0 x!

Ví dụ: Bệnh viện Mercy

Vào chiều cuối tuần, trung bình trong 1 giờ sẽ có 6 bệnh nhân được chuyển đến phòng cấp cứu
của bệnh viện Mercy.
Vào một chiều cuối tuần, xác suất có 4 bệnh nhân chuyển đến trong vòng 30 phút là bao nhiêu?
Giải:
Gọi X là số bệnh nhân chuyển đến bv Mercy trong vòng 30 phút, vào một chiều cuối tuần.
Ta có:  = E( X ) = 6 / 2 = 3 (bệnh nhân/30 phút). X ~ P( = 3), X = 0,1, 2,...

34
Ta có: P( X = 4) = e−3 = 0,1680
4!
Ví dụ:
Người ta quan sát thấy trong 1 giờ ở một trạm đổ xăng trung bình có 75 xe ghé trạm.
a) Tìm xác suất để trong 1 phút có ít nhất 5 xe ghé trạm đổ xăng.
b) Tìm xác suất để trong 1 phút có nhiều nhất 3 xe ghé trạm đổ xăng.
Giải:
a) Gọi X là số xe đến trạm đổ xăng trong 1 phút.
 75
Ta có số xe đến trạm đổ xăng TB trong 1 phút là:  = E ( X ) = = 1,25 (xe/phút)
60
Ta có: X ~ P( = 1, 25), X = 0,1, 2,...
4
1,25x
P( X  5) = 1 − P(0  X  4) = 1 −  e−1,25 = 0,0091
x=0 x!
3 x
1,25
b) P(0  X  3) =  e−1,25 = 0,9617
x =0 x!

Bài 5.
a) X là số lần xuất hiện mặt 6 khi tung con xúc xắc 6 lần. Ta có: X ~ B(n=6, p=1/6)
0 6 x 6− x
1 5 6
1 5
P( X  1) = 1 − P( X = 0) = 1 − C     =  Cx6    
6
0 = 0,6651
6 6 x =1 6 6
b) Y là số lần xuất hiện mặt 6 khi tung con xúc xắc 12 lần. Ta có: Y ~ B(n=12, p=1/6)
0 12 1 11
1 5 1 5
P(Y  2) = 1 − P(Y = 0) − P(Y = 1) = 1 − C012     − C112    
6 6 6 6
x 12− x
1 5
12
=  C     = 0,6187
12
x
x =2 6 6
c) Z là số lần xuất hiện mặt 6 khi tung con xúc xắc 18 lần. Ta có: Z ~ B(n=18, p=1/6)
P(Z  3) = 1 − P( Z = 0) − P( Z = 1) − P( Z = 2)
0 18 1 17 2 16
1 5 1 5 1 5
= 1 − C     − C118     − C218    
18
0
6 6 6 6 6 6
x 18− x
18
1 5
= C    
18
x = 0,5973
x =3 6 6

Ai là bc người đó chọn câu chỗ i, i=1,2,3.

P(Ai) = 1/3, i=1,2,3
B là bc người đó thả câu 3 lần và chỉ câu được 1 con cá.
P(B) = P( A1 ).P(B A1 ) + P( A2 ).P(B A2 ) + P( A3 ).P(B A3 )

= (
1 3
3
C1 .0,81.0, 22 + C13.0,91.0,12 + C13.0,71.0,32 ) = 0,104

1
P( A1 ).P( B A1 ) 3 0,096 4
P( A1 B) = = = = 0,3076
P( B) 0,104 13
 CV
=
d
 n
1  1
 n! = nlim 1 +  = e
→  n
n=0

Chú ý:
• X là biến NN rời rạc, thì ta có bảng PP xác suất:
X x1 x2 ... xK
P p1 p2 ... pK
K có thể là  .
K
Ta có nguyên tắc:  pi = 1 with pi = P( X = xi ).
i =1

K K
ni 1 K K
Kỳ vọng của X:  = E( X ) =  pi xi =  xi =  ni xi . Trong đó: n =  ni → N
i =1 i =1 n n i =1 i =1

 
Phương sai của X: Var ( X ) = E  X − E( X ) = E ( X −  )2  = E( X 2 ) −  2
2

• X là biến NN liên tục, thì ta có hàm mật độ xác suất: f ( x), x  (−, +)

+
Ta có nguyên tắc:  f ( x)dx = 1
−

+
P(−  X  +) = 
−
f ( x)dx = 1  X  (−, +) là một bc chắc chắn.


P(  X   ) = P(  X   ) =  f ( x)dx


Ta có: P( X =  ) = 0

Bảng Laplace:
• z = 1,968  1,97  ( z )  (1,97) = 0, 4756
• z = 1,963  1,96  ( z )  (1,96) = 0, 4750
• (0) = 0
• () = 0,5
• z1  z2  ( z1 )  ( z2 )
• z  4  0,5 = (4)  ( z)  () = 0,5  ( z) = 0,5
Tính bằng Scientific Calculator:

Vào chế độ Stat \ OPTN \  \ Norm Dist (Shift \ 1 \ Distr)

1:P( 2:Q( ) = ( )

3:R( 4: t
• Q(1.968) = 0.47547 = P(1.968) – 0.5 = 0.5 – R(1.968): Hàm Laplace
• Q(1.963) = 0.47518
• P(1.968) = 0.97547: XS tích lũy
• R(1.968) = 0.024534 = 1- P(1.968): XS bên phải
Tính bằng Excel:
=NORM.S.DIST(1.968,TRUE) = 0.975465981144829

THỨ BA, 08/03/2022

P ( Z   ) = P(−  Z  ) = () − (−) = 2()

Ta có: X    z/2 với hệ số tin cậy 1 − .

1− 
Trong đó:  ( z /2 ) =  1 −  = 2 ( z/2 )
2

• z/2 = 1  1 −  = 2(1) = 2  0,34134 = 0,68268  68,27(%)

• z/2 = 2  1 −  = 2(2) = 2  0,47725 = 0,9545
• z/2 = 3  1 −  = 2(3) = 2  0,49865 = 0,9973

Ví dụ: Pep Zone

Pep Zone bán các phụ tùng và dầu mô tô đa cấp nổi tiếng. Khi trữ lượng của loại dầu này chỉ còn
20 gallons thì một đơn hàng bổ sung sẽ được đặt ra.
Người ta xác định rằng nhu cầu trong thời gian chờ bổ sung có phân phối chuẩn với trung bình là
15 gallons và độ lệch chuẩn là 6 gallons.
Giải:
Gọi X là lượng cầu của dầu trong khi chờ hàng về kho.

Ta có: X ~ N ( = 15; 2 = 62 )

  − 15   20 − 15 
Ta phải tính: P( X  20) = P(20  X  ) =    −  
 6   6 
= () − (0,8333) = 0,5 − 0, 29766 = 0, 20234
SD Excel:
P( X  20) = 1 − P( X  20)

Mà P( X  20) = 0,797672  P( X  20) = 0, 202328381

Ví dụ: Pep Zone (tiếp)

Nếu người quản lý của Pep Zone muốn xác suất hết hàng trong thời gian chờ bổ sung không lớn
hơn 0,05 thì cần đặt hàng lúc còn bao nhiêu dầu?
Giải:
Gọi a là số lượng dầu cần tìm. Ta có điều kiện: P( X  a)  0,05

 a − 15 
 P(a  X  ) = 0,5 −     0,05
 6 

 a − 15 
    0,5 − 0,05 = 0,45 = (1,645)
 6 
1,64 0, 4495
z=  ( z ) = 
1,65 0, 4505
1,64 + 1,65 0, 4495 + 0, 4505
z= = 1,645  ( z) = = 0, 45
2 2
a − 15
  1,645  a  15 + 6 1,645 = 24,87 (gallons)
6
Ví dụ: Xấp xỉ chuẩn của nhị thức
Gọi X là số hóa đơn mắc lỗi trong số n = 100 hóa đơn được KT.
Ta có: X ~ B(n = 100; p = 0,1), X = 0,1,2,...,100

• Tính chính xác: P( X = 12) = C12

100
 0,112  0,988 = 0,098788  0,1
• Tính gần đúng:
np=105
Ta có: X ~ B(n = 100; p = 0,1) ⎯⎯⎯⎯
nq=905
→ X ~ N ( = np = 10; 2 = npq = 9)
 12,5 − 10   11,5 − 10 
 P( X = 12)  P(11,5  X  12,5) =    −  
 3   3 
= (0,8333) − (0,5) = 0, 29766 − 0,19146 = 0,1062  0,1

Ví dụ: Xấp xỉ chuẩn của nhị thức (tiếp)

Một lô hàng có 100 SP, trong đó có 40 SP loại A. Lấy có hoàn lại từ lô hàng ra 100 SP. Hãy tính
XS có tối đa 50 SP loại A trong số 100 SP lấy ra.
Giải:
Gọi X là số SP loại A có trong n = 100 SP lấy ra (theo phương thức có hoàn lại).
Ta có: X ~ B(n = 100; p = 40 /100 = 0,4), X = 0,1,2,...,100.
50
• Tính chính xác: P( X  50) = P(0  X  50) =  C100 x
x .0,4 .0,6
100− x
= 0,983238
x=0
• Tính gần đúng:
np=405
Ta có: X ~ B(n = 100; p = 0,4) ⎯⎯⎯⎯
nq=605
→ X ~ N ( = np = 40; 2 = npq = 24)
 50,5 − 40   −0,5 − 40 
P(0  X  50)  P(−0,5  X  50,5) =    −  
 24   24 
= (2,1433) − (−8, 27) = 0, 48396 + 0,5 = 0,98396

Ví dụ: Xấp xỉ chuẩn của nhị thức (tiếp)

Một lô hàng có 100 SP, trong đó có 40 SP loại A. Lấy có hoàn lại từ lô hàng ra 300 SP. Hãy tính
XS có tối thiểu 110 SP loại A trong số 300 SP lấy ra.
Giải:
Gọi X là số SP loại A có trong n = 300 SP lấy ra (theo phương thức có hoàn lại).
Ta có: X ~ B(n = 300; p = 40 /100 = 0,4), X = 0,1,2,...,300.
300
• Tính chính xác: P( X  110) = P(110  X  300) =  Cx300.0,4x.0,6300−x = Math Error
x=110
• Tính gần đúng:
np=1205
Ta có: X ~ B(n = 300; p = 0,4) ⎯⎯⎯⎯
nq=1805
→ X ~ N ( = np = 120; 2 = npq = 72)
 300,5 − 120   109,5 − 120 
P(110  X  300)  P(109,5  X  300,5) =    −  
 72   72 
= (21, 27) − (−1, 2374) = 0,5 + (1, 2374) = 0,5 + 0,39203 = 0,89203

3.28. Tuổi thọ của một máy điện tử là một đại lượng ngẫu nhiên có phân phối chuẩn trung bình 4,2
năm và độ lệch chuẩn 1,5 năm. Bán một máy được lãi 140 ngàn đồng, song nếu máy phải bảo hành
thì lỗ 300 ngàn đồng. Vậy để tiền lãi trung bình khi bán một máy là 30 ngàn đồng thì phải qui định
thời gian bảo hành là bao lâu?
Giải:
Gọi X là tiền lãi (ngàn đồng) khi bán 1 máy. Ta có luật phân phối XS của X như sau:
 X -300 140
P p 1–p
Trong đó: p là tỷ lệ máy phải bảo hành.
E( X ) = −300 p + 140(1 − p) = 30  p = 0,25

Gọi Y là tuổi thọ của 1 máy. Ta có: Y ~ N ( = 4,2; 2 = 1,52 )

Gọi t là TG bảo hành cần tìm. Ta có:

 t − 4, 2 
p = 0, 25 = P(Y  t ) = P(−  Y  t ) =    + 0,5
 1,5 

 t − 4, 2   −t + 4, 2 
 −   =   = 0,5 − 0, 25 = 0, 25 = (0,675)
 1,5   1,5 
−t + 4,2
 = 0,675  t = 4,2 − 1,5  0,675 = 3,1875
1,5

N −n 2
Tổng thể hữu hạn: Var ( X ) = 
N −1 n

2
Tổng thể vô hạn: Var ( X ) =
n

N −n 2 2
Trường hợp n / N  0,05 thì Var ( X ) =  
N −1 n n

 2 
Tổng thể X ~ N (  ,  2 )  X ~ N   ,  , n (giả sử kích thước tổng thể N rất lớn)
 n 

Định lý giới hạn trung tâm:

Các Xi độc lập, có cùng phân phối xác suất với E ( X i ) = ; Var ( X i ) =  2  
n
Khi đó: X =  X i ⎯⎯⎯
n30
→ N ( E ( X ),Var ( X ) )
i =1

Trong đó: E( X ) = n; Var ( X ) = n 2

1 n  2 
Hoặc: X =  X i ⎯⎯⎯
n 30
→ N   ,  (Bất kể tổng thể X có phân phối gì)
n i =1  n 

Bài 7.
a) 0,0197
b) 0,9803
Bài 2. Một con xúc xắc cân đối được gieo 40 lần. Tìm xác suất để tổng số chấm xuất hiện lớn hơn
130.
Giải:
Gọi Xi là số chấm xuất hiện ở lần gieo thứ i, i=1,2,…,40.
40
Ta có tổng số chấm xuất hiện là: Y =  X i . Ta phải tìm: P(Y > 130)???
i =1

Ta có các Xi độc lập với nhau và có cùng luật phân phối xác suất:
Xi 1 2 3 4 5 6
P 1/6 1/6 1/6 1/6 1/6 1/6
Ta có: E(Xi) = 3,5; Var(Xi) = 35/12, i=1,2,…,40

Do đó theo định lý giới hạn trung tâm, ta có: Y =  X i ~ N (  = E (Y ),  2 = Var (Y ) ) (do n = 40 rất
40

i =1

lớn)
40 40
35 350
Ta có:  = E(Y ) =  E( X i ) = 40  3,5 = 140;  2 = Var (Y ) = Var ( X i ) = 40  =
i =1 i =1 12 3

 240,5 −140   130,5 −140 

P(Y  130) = P(131  Y  240)  P(130,5  Y  240,5) =    −  = 0,81043
 350 / 3   350 / 3 

THỨ HAI, 21/03/2022

Xác suất mà một mẫu ngẫu nhiên đơn giản gồm 30 ứng viên sẽ cho một ước lượng của điểm SAT
trung bình tổng thể ở trong vòng +/-10 so với trung bình tổng thể thực sự µ là bao nhiêu?
Nói cách khác, xác suất 𝑋̅ nằm giữa 1.080 và 1.100 là bao nhiêu?
Giải:
Ta có:  = E(X) = 1090;  = 80; n = 30 (mẫu lớn).

 2    2  80  
2

Khi đó: X ~ N   ,  = N   = 1090, =  

 n  
 n  30  

 1100 − 1090   1080 − 1090 

 P(1080  X  1100) =    −   = (0,68465) − (−0,68465)
 80 / 30   80 / 30 
= 2(0,68465) = 0,50644
• Với n = 100 ta có:
  1100 − 1090   1080 − 1090 
P(1080  X  1100) =    −   = (1, 25) − (−1, 25)
 80 / 100   80 / 100 
= 2(1,25) = 0,7887
N − n pq
Tổng thể hữu hạn: Var ( P) =  ; q = 1− p
N −1 n
pq
Tổng thể vô hạn: Var ( P) = ; q = 1− p
n
N − n pq pq
Trường hợp n / N  0,05 thì Var ( P) =  
N −1 n n

Nhắc lại là 72% sinh viên tương lai nộp đơn vào Đại học St. Andrew’s muốn ở ký túc xá. Xác suất
để một mẫu ngẫu nhiên đơn giản gồm 30 ứng viên sẽ cho một ước lượng của tỷ lệ tổng thể ứng
viên muốn ở ký túc xá nằm trong vòng cộng trừ 0,05 so với tỷ lệ tổng thể thực sự là bao nhiêu?
Giải:
p = 0,72; n = 30

 pq 0,72  0,28 
Ta có: P ~ N  p = 0,72; = = 0,0822  ; np, nq  5
 n 30 

 0,77 − 0,72   0,67 − 0,72 

P(0,72 − 0,05  P  0,72 + 0,05) =    −   =  (0,61) −  (−0,61)
 0,082   0,082 
= 2(0,61) = 0,45814

6.7. Một mẫu ngẫu nhiên có kích thước n được rút ra từ tổng thể có phân phối chuẩn với trung bình
là µ và độ lệch chuẩn là 10. Hãy tìm n sao cho:

( )
a) P X −   10 = 0,9544

b) P ( X −   5) = 0,9544

c) P ( X −   2 ) = 0,9544
Giải:

  2 102  X −
Ta có tổng thể: X ~ N (  , = 10 )  X ~ N   ,
2 2
= Z = ~ N (0,1)
 n n  10 / n

 X − 2 
( )
P X −   2 = 0,9544  P  
 10 / n 10 / n 
= 0,9544
 

( )
 P Z  0,2 n = 2(0,2 n ) = 0,9544  (0,2 n ) = 0,4772 = (2)

 n = 102 = 100.
Cách khác:

( ) ( ) (
P X −   2 = P −2  X −   2 = P  − 2  X   + 2 = 0,9544 )
  +2−    −2− 
   − 
 10 / n 
( ) ( ) (
 =  0, 2 n −  −0, 2 n = 2 0, 2 n = 0,9544
 10 / n 
)
 (0,2 n ) = 0,4772 = (2)  n = 102 = 100.
Bài 3. Tỉ lệ đậu tốt nghiệp trung học chung của cả nước là 80%. Vậy một trường có 900 em học
sinh thi tốt nghiệp thì phải có tối thiểu bao nhiêu em đậu mới được xem là bình thường. Kết luận
với xác suất 99%.
Giải:
Tỷ lệ tổng thể: p = 0,8.
m  pq 0,8  0, 2 
Tỷ lệ mẫu: P = ~ N  p = 0,8; = = 0,01332  (n = 900)
n  n 900 

Ta tìm a sao cho: P( P  a) = 0,99

 a − 0,8   −a + 0,8 
 P( P  a) = 0,5 −    = 0,99     = 0,99 − 0,5 = 0, 49 = (2,326)
 0,0133   0,0133 
 a = 0,8 − 2,326  0,0133 = 0,7690642

 Số hs đậu tối thiểu là: 0,7691 900 = 692, 2 → 693

Cách khác:
X là số hs đậu TN trong số n = 900 em. Ta có: X ~ B(n=900; p=0,8), X = 0,1,…,900.
np =7205
X ~ B(n = 900; p = 0,8) ⎯⎯⎯⎯
nq =1805
→ X ~ N ( = np = 720; 2 = npq = 144)

Ta tìm A sao cho: P( X  A) = 0,99

  900,5 − 720   A − 0,5 − 720 
P( X  A) = P( A  X  900)    −  = 0,99
 144   144 
 − A + 720,5 
   = 0,99 − 0,5 = 0, 49 = (2,326)
 144 

 A = 720,5 − 2,326  144 = 692,6 → 693

THỨ SÁU, 04/03/2022

Discount Sounds
Một mẫu n = 36 được lấy; trung bình mẫu của thu nhập là 41.100 USD. Tổng thể không bị lệch
nhiều. Độ lệch chuẩn tổng thể được ước lượng là 4.500 USD, và hệ số tin cậy được sử dụng
trong ước lượng khoảng là 0,95.
Giải:

Khoảng tin cậy khi biết độ lệch chuẩn của tổng thể  = Var ( X ) là:

   1− 
 = E( X )   x  z/2  with ( z/2 ) =
 n 2

• Với hệ số tin cậy (độ tin cậy)

1 −  0,95
1 −  = 0,95  ( z/2 ) = = = 0,475 = (1,96)  z/2 = z0,025 = 1,96
2 2
 4500
Ta có sai số biên (độ chính xác) của ước lượng:  = z/2 = 1,96 = 1470
n 36

Khoảng tin cậy của thu nhập TB hàng năm của cư dân quanh địa điểm:

 = E( X )  ( x   ) = ( 41100  1470) = (39.630;42.570) (USD / year)

• Với hệ số tin cậy (độ tin cậy): 1 −  = 0,90  z/2 = 1,645

    4500 
 = E ( X )   x  z /2  =  41100  1,645  = (39.866;42.334)
 n  36 
• Với hệ số tin cậy (độ tin cậy): 1 −  = 0,99  z/2 = 2,576
    4500 
 = E ( X )   x  z/2  =  41100  2,576  = (39.168;43.032)
 n  36 

Cận trên (giới hạn trên) là: x + 

Cận dưới (giới hạn dưới) là: x − 
 Độ rộng của khoảng tin cậy là: ( x +  ) – ( x −  ) = 2
 1 n  2 
• Nếu tổng thể X ~ N (, 2 )  X =  i  , n  , n
n i=1
X ~ N
 
• 1 −  = 0,95; k =   t/2 (k ) = t0,025 () = 1,96 = z/2 = z0,025

Căn hộ cho thuê:

Một phóng viên của một tờ báo sinh viên đang viết một bài báo về chi phí thuê phòng ở ngoài
trường. Một mẫu 16 căn hộ tiện dụng trong vòng nửa dặm xung quanh trường cho trung bình mẫu
là 750 USD/tháng và độ lệch chuẩn mẫu là 55 USD. Xét với hệ số tin cậy 1 −  = 0,95

Giải:

Ta có: n = 16; x = 750; s = 55 và tổng thể X (số tiền thuê 1 căn hộ bất kỳ) có X ~ N (, 2 )

với hệ số tin cậy 1 −  = 0,95  t/2 (n − 1) = t0,025 (15) = 2,1314

s 55
Ta có sai số biên (độ chính xác) của ước lượng:  = t/2 (n − 1) = 2,1314 = 29,31
n 16

Khoảng tin cậy của giá thuê TB 1 căn hộ bất kỳ:

 = E( X )  ( x   ) = ( 750  29,31) = (720,69;779,31) (USD / month)

Ví dụ: Discount Sounds

Giả sử rằng đội ngũ quản lý Discount Sounds muốn ước lượng trung bình tổng thể với xác
suất 0,95 rằng sai số khi lấy mẫu tối đa là 500 USD.
Cỡ mẫu tối thiểu cần thiết để đáp ứng yêu cầu về độ chính xác là bao nhiêu?
Giải:
Độ lệch chuẩn tổng thể được ước lượng là 4.500 USD

Ta có sai số biên:  = 500 = z/2
n
Hệ số tin cậy 1 −  = 0,95  z/2 = 1,96
2
 4.500  4.500 
  = 500 = z/2 = 1,96  n = 1,96  = 311,17 → 312
n n  500 
 Vậy cỡ mẫu cần thiết là 312 (người).
Ví dụ: Political Science, Inc.
Trong một chiến dịch tranh cử hiện nay, PSI đã tìm thấy 220 cử tri đã đăng ký, trong số 500 cử tri
liên lạc được, ưa thích 1 ứng cử viên cụ thể. PSI muốn xây dựng 1 ước lượng khoảng 95% của tỷ
lệ tổng thể các cử tri đã đăng ký ưa thích ứng cử viên này.
Giải:
m 220
Ta có tỷ lệ mẫu các cử tri ủng hộ ứng viên: p = = = 0,44
n 500
Hệ số tin cậy 1 −  = 0,95  z/2 = 1,96

 Khoảng tin cậy 95% các cử tri ủng hộ ứng viên:

M  pq   0,44  0,56 
p =   p  z/2  =  0,44  1,96  = (0,3965;0,4835)
N  n   500 
Ví dụ: Political Science, Inc.
Giả sử PSI muốn một xác suất 0,99 rằng tỷ lệ mẫu nằm trong vòng ± 0,03 của tỷ lệ tổng thể.
Cỡ mẫu lớn cỡ nào là cần thiết để thỏa yêu cầu độ chính xác? (Một mẫu trước đó có cùng đơn vị
cho tỷ lệ mẫu là 0,44.)
Giải:
Hệ số tin cậy 1 −  = 0,99  z/2 = 2,576; p* = 0,44

p*q* 0,44  0,56

Ta có sai số biên của ước lượng:  = 0,03 = z/2 = 2,576
n n
0,44  0,56
 n = 2,5762 = 1816,73 → 1817.
0,032
Bài tập:
Để đánh giá trữ lượng cá trong hồ, người ta đánh bắt 200 con cá, đánh dấu chúng rồi thả xuống hồ.
Vài ngày sau đánh bắt lại 100 con thì thấy có 25 con được đánh dấu. Với độ tin cậy 95%, hãy ước
lượng trữ lượng cá có trong hồ.
Giải:
m 25
Tỷ lệ mẫu các con cá được đánh dấu: p = = = 0, 25
n 100
Với độ tin cậy 1 −  = 0,95  z /2 = 1,96

Tỷ lệ tổng thể các con cá được đánh dấu trong hồ:

 M 200  p(1 − p)   0, 25  0,75 
p= =   p  z /2  =  0, 25  1,96  = (0,1651;0,3349)
N N  n   100 
200 200 200
 0,1651   0,3349  N
N 0,1651 0,3349

 200 200 
 Số lượng cá trong hồ (tổng thể) là: N   ;  = (597;1.212) (con)
 0,3349 0,1651 

THỨ BẢY, 02/04/2022

H0: A vô tội.
Ha: A có tội.
Chấp nhận H0 = KL A vô tội.
Bác bỏ H0 = KL A có tội.
Không thể bác bỏ H0 = Không thể KL A có tội = A chưa chắc vô tội nhưng A có bằng chứng
ngoại phạm.
 Chấp nhận H0 ≠ Không thể bác bỏ H0

1− 
Ta có:  ( z /2 ) = = 0,5 −  / 2   ( z ) = 0,5 − 
2

• Với  = 0,1   ( z ) = 0,5 −  = 0,5 − 0,1 = 0,4 = (1,28)

 z = z0,1 = 1,28

• p − value = P( Z  z ) = P( Z  −1, 46) = 0,072145

• Với  = 0,04   ( z ) = 0,5 −  = 0,5 − 0,04 = 0,46 = (1,75)

 z = z0,04 = 1,75

• p − value = P( Z  z ) = P( Z  2, 29) = 1 − P( Z  2, 29) = P( Z  −2, 29) = 0,011011

Ví dụ: Metro EMS

Thời gian đáp ứng của một mẫu ngẫu nhiên gồm 40 tình huống y khoa khẩn cấp được cho trong
bảng. Trung bình mẫu là 13.25 phút. Độ lệch chuẩn tổng thể là 3.2 phút.
Giám đốc EMS muốn trình bày một kiểm định giả thuyết thống kê, với mức ý nghĩa 0.05, để xác
định xem mục tiêu dịch vụ nhỏ hơn hoặc bằng 12 phút là có đạt được hay không.
Giải:
Ta có: 0 = 12 phút là TG tối đa để mục tiêu dịch vụ đạt được.

 = E ( X ) là TG TB của dịch vụ trong thực tế, chưa biết.

 H 0 :   0 = 12  H :  = 0 = 12
Xét giả thuyết:    0
 H a :   0 = 12  H a :   0 = 12
Ta có: n = 40 > 30 (mẫu lớn) và biết  = 3,2 nên ta tính giá trị kiểm định:

x − 0 13,25 − 12
z= = = 2,4705
 / n 3,2 / 40

• Cách 1: Dùng giá trị tới hạn

Với mức ý nghĩa  = 0,05  z = z0,05 = 1,645 ( z/2 = z0,025 = 1,96)

Vì z = 2,4705 > 1,645 = z nên ta bác bỏ H0. Vậy mục tiêu dịch vụ tối đa 12 phút là không đạt
được.
• Cách 2: Dùng p-value
Tính p − value = P(Z  2, 4705) = 1 − P(Z  2, 4705) = P( Z  −2, 4705) = 1 − 0,99325 = 0,00675

Ta có: p-value = 0,00675 < 0,05 = α nên bác bỏ H0. Vậy mục tiêu dịch vụ tối đa 12 phút là không
đạt được.

 = 0,2   ( z ) = 0,5 −  = 0,3 = (0,84)  z = 0,84

Ví dụ: Kem đánh răng Glow

Giả sử rằng một mẫu gồm 30 ống kem đánh răng có trung bình mẫu bằng 6.1 oz. Độ lệch chuẩn
tổng thể được tin là bằng 0.2 oz.
Thực hiện một kiểm định giả thuyết, tại mức ý nghĩa 0.03, để giúp xác định xem liệu quy trình
nên được tiếp tục vận hành hay phải tạm dừng để điều chỉnh.
Giải:
Có: n = 30; x = 6,1;  = 0, 2

0 = 6 là giá trị trọng lượng quy định của mỗi ống kem.

 = E ( X ) là trọng lượng TB của mỗi ống kem trong thực tế, chưa biết.
  H 0 :  = 0 = 6
Xét giả thuyết: 
 H a :   0 = 6
Ta có: n = 30 (mẫu lớn) và biết  = 0,2 nên ta tính giá trị kiểm định:

x − 0 6,1 − 6
z= = = 2,7386
 / n 0,2 / 30

• Cách 1: Dùng giá trị tới hạn

Với mức ý nghĩa  = 0,03  z/2 = z0,015 = 2,17

Có |z| = 2,7386 > 2,17 = z/2 nên bác bỏ H0. Vậy quy trình SX không đạt yêu cầu về khối lượng
theo quy định, cần dừng lại để điều chỉnh.
• Cách 2: Dùng p-value
Tính p − value = 2.P( Z  2,7386) = 2.P(Z  −2,7386) = 0,00617

Ta có: p-value = 0,00617 < 0,03 = α nên bác bỏ H0. Vậy quy trình SX không đạt yêu cầu về khối
lượng theo quy định, cần dừng lại để điều chỉnh.

Ví dụ: Tuần tra đường cao tốc

Đội tuần tra đường cao tốc của bang thường định kỳ lấy mẫu vận tốc xe tại nhiều khu vực khác
nhau trên một con đường cụ thể. Mẫu đo vận tốc xe được sử dụng để kiểm định giả thuyết
H0 :   65

Những khu vực mà H0 bị bác bỏ được cho là khu vực tốt nhất để đặt radar. Tại khu vực F, một mẫu
gồm 64 chiếc xe với vận tốc trung bình là 66.2 mph với độ lệch chuẩn mẫu 4.2 mph. Sử dụng α =
0.05 để kiểm định giả thuyết.
Giải:
Ta có: n = 64; x = 66, 2; s = 4, 2

0 = 65 (mph) là vận tốc tối đa được phép tại khu vực F.

 = E ( X ) là vận tốc TB thực tế tại khu vực F, chưa biết.

 H 0 :   0 = 65  H :  = 0 = 65
Xét giả thuyết:    0
 H a :   0 = 65  H a :   0 = 65

Do không biết  = Var ( X ) nên ta tính giá trị thống kê kiểm định:

x − 0 66,2 − 65
t= = = 2,2857
s / n 4,2 / 64
 • Cách 1: Dùng giá trị tới hạn
Với mức ý nghĩa  = 0,05  t (n − 1) = t0,05 (63) = 1,6694

Có t = 2,2857 > 1,6694 = t (n − 1) nên bác bỏ H0. Vậy khu vực F nên được đặt radar.

• Cách 2: Dùng p-value

Tính p − value = P T (df = 63)  2,2857 = 0,012823

Ta có: p-value = 0,012823 < 0,05 = α nên bác bỏ H0. Vậy khu vực F nên được đặt radar.

Ví dụ: Hội đồng bảo an quốc gia (NSC)

Trong tuần lễ Giáng sinh và năm mới, hội đồng bảo an quốc gia ước lượng có 500 người bị chết và
25.000 người bị thương khi tham gia giao thông. NSC tuyên bố rằng 50% các vụ tai nạn là do lái
xe trong khi say rượu.
Một mẫu gồm 120 vụ tai nạn cho thấy có 67 vụ là do say xỉn. Sử dụng dữ liệu này để kiểm định
tuyên bố của NSC với α = 0,05.
Giải:
p0 = 0,5 là tỷ lệ các vụ tai nạn giao thông do say rượu theo NSC.
p = M/N là tỷ lệ các vụ tai nạn giao thông do say rượu theo thực tế, chưa biết.

 H 0 : p = p0 = 0,5
Xét giả thuyết: 
 H a : p  p0 = 0,5
m 67
Tỷ lệ mẫu các vụ tai nạn do say rượu: p = = = 0,5583
n 120
p − p0 0,5583 − 0,5
Ta tính giá trị thống kê kiểm định: z = = = 1, 278
p0q0 0,5  0,5
n 120

• Cách 1: Dùng giá trị tới hạn

Với mức ý nghĩa  = 0,05  z/2 = z0,025 = 1,96

Có |z| = 1,278 < 1,96 = z/2 nên không bác bỏ H0. Vậy tuyên bố của NSC là đúng.

• Cách 2: Dùng p-value

Tính p − value = 2.P( Z  1, 278) = 2.P( Z  −1, 278) = 0, 20125

Ta có: p-value = 0,20125 > 0,05 = α nên không bác bỏ H0. Vậy tuyên bố của NSC là đúng.
Ví dụ: Metro EMS (revisited)
Thời gian đáp ứng của một mẫu ngẫu nhiên gồm 40 tình huống y khoa khẩn cấp được cho trong
bảng. Trung bình mẫu là 13.25 phút. Độ lệch chuẩn tổng thể là 3.2 phút.
Giám đốc EMS muốn trình bày một kiểm định giả thuyết thống kê, với mức ý nghĩa 0.05, để xác
định xem mục tiêu dịch vụ nhỏ hơn hoặc bằng 12 phút là có đạt được hay không.
Giải:
Ta có: 0 = 12 phút là TG tối đa để mục tiêu dịch vụ đạt được.

 = E ( X ) là TG TB của dịch vụ trong thực tế, chưa biết.

 H 0 :   0 = 12  H :  = 0 = 12
Xét giả thuyết:    0
 H a :   0 = 12  H a :   0 = 12

 0 − 1 
 = 0,5 +   z − 
 / n 

 12 − 14 
• TH giá trị đúng  = 1 = 14 :  = 0,5 +   z0,05 − 
 3,2 / 40 
 12 − 14 
= 0,5 +  1,645 −  = 0,5 + (−2,3078) = 0,5 − (2,3078) = 0,01051
 3,2 / 40 
(2,3078) = P(0  Z  2,3078) = P( Z  2,3078) − 0,5 = 0,9895 − 0,5 = 0, 4895

z = 1,6  p − value = 2.P(Z  z ) = 2.P(Z  1,6) = 2.P(Z  −1,6) = 0,1096

8.2. Các bao gạo do một máy đóng bao làm ra có phân phối chuẩn với trọng lượng qui định là 20
kg. Người ta nghi ngờ máy hoạt động không bình thường làm thay đổi trọng lượng trung bình của
sản phẩm nên tiến hành cân thử 100 bao và thu được kết quả sau:
Trọng lượng 1 bao 19,6 19,8 20 20,2 20,4 20,6
Số bao 10 8 40 15 14 13
Với mức ý nghĩa 5% hãy kết luận về điều nghi ngờ trên. (Quyết định bằng p-value và giá trị tới
hạn).
Giải:
Gọi X là trọng lượng (kg) của 1 bao gạo bất kỳ, ta có số liệu mẫu:
xi 19,6 19,8 20 20,2 20,4 20,6
ni 10 8 40 15 14 13
Ta tính được: n = 100; x = 20,108; s = 0, 2891

0 = 20 (kg ) là trọng lượng quy định của 1 bao gạo.

 = E( X ) là trọng lượng TB của 1 bao gạo trong thực tế, chưa biết.

 H 0 :  = 0 = 20
Xét giả thuyết: 
 H a :   0 = 20
Vì n = 100 > 30 (mẫu lớn) và không biết  = Var ( X ) nên ta tính giá trị thống kê kiểm định:

x − 0 20,108 − 20
t= = = 3,7357
s / n 0, 2891/ 100

• Cách 1: (Dùng giá trị tới hạn)

Với mức ý nghĩa  = 0,05  t /2 (n − 1) = t0,025 (99) = 1,9842
Ta có: t = 3,7357  1,9842 = t /2 (n −1)  Bác bỏ H0. Vậy máy HĐ không bình thường.
• Cách 2: (Dùng p-value)
Tính p − value = 2.P T (df = 99)  3,7357 = 0,000313
Ta có: p − value = 0,000313  0,05 =   Bác bỏ H0. Vậy máy HĐ không bình thường.

8.3. Các bao bột mì do một máy đóng bao sản xuất ra có phân phối chuẩn với trọng lượng qui định
là 25 kg và độ lệch chuẩn tổng thể là 1 kg. Lấy ngẫu nhiên ra 16 bao để kiểm tra ta tìm được trọng
lượng trung bình của mỗi bao là 24,6 kg. Với mức ý nghĩa 5% hãy xét xem máy có hoạt động bình
thường hay không? (Quyết định bằng p-value và giá trị tới hạn).
Giải:
Có: n = 16; x = 24,6;  = 1

0 = 25 là giá trị trọng lượng quy định của mỗi bao bột mì.

 = E ( X ) là trọng lượng TB của mỗi bao trong thực tế, chưa biết.

 H 0 :  = 25
Xét giả thuyết: 
 H a :   25
Ta có: n = 16 và biết  = 1 nên ta tính giá trị kiểm định:

x − 0 24,6 − 25
z= = = −1,6
/ n 1/ 16

• Cách 1: Dùng giá trị tới hạn

Với mức ý nghĩa  = 0,05  z/2 = z0,025 = 1,96

Có |z| = 1,6 < 1,96 = z/2 nên không bác bỏ H0. Vậy máy hoạt động bình thường.
 • Cách 2: Dùng p-value
Tính p − value = 2.P( Z  1,6) = 2.P( Z  −1,6) = 0,1096

Ta có: p-value = 0,1096 > 0,05 = α nên không bác bỏ H0. Vậy máy hoạt động bình thường.

8.5. Lô hàng đủ tiêu chuẩn xuất khẩu nếu tỉ lệ phế phẩm không quá 2%. Kiểm tra ngẫu nhiên 400
sản phẩm của lô hàng thì thấy có 10 phế phẩm. Với mức ý nghĩa 5% thì có cho phép lô hàng xuất
khẩu được không? (Quyết định bằng p-value và giá trị tới hạn).
Giải:
p0 = 0,02 là tỷ lệ phế phẩm tối đa cho phép.

p = M / N là tỷ lệ phế phẩm thực tế trong lô hàng, chưa biết.

 H 0 : p  p0 = 0,02  H : p = p0 = 0,02
Đặt giả thuyết:    0
 H a : p  p0 = 0,02  H a : p  p0 = 0,02
m 10
Tỷ lệ mẫu các phế phẩm: p = = = 0,025
n 400

p − p0 0,025 − 0,02
Giá trị thống kê kiểm định: z = = = 0,7143
p0 q0 0,02  0,98
n 400

• Dùng giá trị tới hạn: Với mức ý nghĩa  = 0,05  z = z0,05 = 1,645 . Vì z = 0,7143 <
1,645 = zα nên ta không bác bỏ H0. Vậy lô hàng được phép xuất khẩu.
• Dùng P-value: p − value = P(Z  z ) = P(Z  0,7143) = P(Z  −0,7143) = 0,23752 > 0,05
= α nên ta không bác bỏ H0. Vậy lô hàng được phép xuất khẩu.
8.6. Tỉ lệ phế phẩm của máy I là 3%. Đối với máy II, người ta cho sản xuất 200 sản phẩm thì thấy
có 10 phế phẩm. Với mức ý nghĩa 5% có thể xem tỉ lệ phế phẩm của 2 máy là như nhau không?
(Quyết định bằng p-value và giá trị tới hạn).
Giải:
p0 = 0,03 là tỷ lệ phế phẩm tổng thể của máy I.

p = M / N là tỷ lệ phế phẩm tổng thể của máy II, chưa biết.

 H 0 : p = p0 = 0,03
Đặt giả thuyết: 
 H a : p  p0 = 0,03
m 10
Tỷ lệ mẫu các phế phẩm do máy II làm ra: p = = = 0,05
n 200
 p − p0 0,05 − 0,03
Giá trị thống kê kiểm định: z = = = 1,6581
p0 q0 0,03  0,97
n 200

• Dùng giá trị tới hạn: Với mức ý nghĩa  = 0,05  z = z0,025 = 1,96 . Vì |z| = 1,6581 < 1,96
= zα/2 nên ta không bác bỏ H0. Vậy tỷ lệ phế phẩm của 2 máy là như nhau.
• Dùng P-value: p − value = 2.P(Z  1,6581) = 2.P( Z  −1,6581) = 0,0973 > 0,05 = α nên ta
không bác bỏ H0. Vậy tỷ lệ phế phẩm của 2 máy là như nhau.
8.7. Tỉ lệ bệnh nhân hết bệnh S khi sử dụng thuốc A là 80%. Sử dụng thuốc B để chữa 500 người
mắc bệnh S thì thấy có 440 người hết bệnh. Với mức ý nghĩa 5% có thể cho rằng thuốc B hiệu quả
hơn thuốc A không? (Quyết định bằng p-value và giá trị tới hạn).
Giải:
p0 = 0,8 là tỷ lệ tổng thể hết bệnh S khi SD thuốc A.

p = M / N là tỷ lệ tổng thể hết bệnh S khi SD thuốc B, chưa biết.

 H 0 : p  p0 = 0,8  H : p = p0 = 0,8
Đặt giả thuyết:    0
 H a : p  p0 = 0,8  H a : p  p0 = 0,8
m 440
Tỷ lệ mẫu các bệnh nhân hết bệnh S khi SD thuốc B: p = = = 0,88
n 500

p − p0 0,88 − 0,8
Giá trị thống kê kiểm định: z = = = 4,4721
p0 q0 0,8  0,2
n 500

• Dùng giá trị tới hạn: Với mức ý nghĩa  = 0,05  z = z0,05 = 1,645 . Vì z = 4,4721 >
1,645 = zα nên ta bác bỏ H0. Vậy thuốc B hiệu quả hơn thuốc A trong điều trị bệnh S.
• Dùng P-value: p − value = P(Z  4,4721) = P(Z  −4,4721) = 3,87.10−6 < 0,05 = α nên ta
bác bỏ H0. Vậy thuốc B hiệu quả hơn thuốc A trong điều trị bệnh S.

8.4. Điều tra ngẫu nhiên một số sinh viên học môn Toán ở 2 trường đại học ta có số liệu sau đây:
Trường Số SV Điểm trung bình Độ lệch chuẩn mẫu
A 40 7,6 1,1
B 50 7,3 0,8
Với mức ý nghĩa 5% có thể kết luận sinh viên trường A học Toán tốt hơn sinh viên trường B được
không? (Quyết định bằng p-value và giá trị tới hạn).
Giải:
X A là điểm toán của 1 SV trường A.

X B là điểm toán của 1 SV trường B.

A = E( X A ) là điểm toán TB của 1 SV trường A, chưa biết.

B = E( X B ) là điểm toán TB của 1 SV trường B, chưa biết.
 H 0 :  A  B H :  −  = 0
Ta xét giả thuyết:    0 A B
 H a :  A  B  H a :  A − B  0
Vì không biết  A = Var ( X A ),  B = Var ( X B ) nên ta tính giá trị thống kê kiểm định:

xA − xB 7,6 − 7,3
t= = = 1,4459
2 2
s s 1,12 0,82
A
+ B
+
nA nB 40 50
2
 1,12 0,82 
 40 + 50 
 
Bậc tự do df = 2 2
= 69,1 → 69
1  1,12  1  0,82 
+
39  40  49  50 

• Dùng giá trị tới hạn: Với mức ý nghĩa  = 0,05  t (df ) = t0,05 (69) = 1,6672 . Vì
t = 1,4459  1,6672 = t (df ) nên ta không bác bỏ H0. Vậy SV 2 trường có học lực môn
Toán như nhau.
• Dùng P-value: p − value = P T (df = 69)  1, 4459 = 0,076366  0,05 =  nên ta không
bác bỏ H0. Vậy SV 2 trường có học lực môn Toán như nhau.
8.8. Kiểm tra chất lượng sản phẩm ở 2 xí nghiệp cùng loại, ta có kết quả:
Xí nghiệp I II
Số SP được kiểm tra 400 500
Số phế phẩm 12 12
Với mức ý nghĩa 5% có thể xem tỉ lệ phế phẩm ở 2 xí nghiệp là như nhau không? (Quyết định
bằng p-value và giá trị tới hạn).

Giải:
p1 = M1 / N1 là tỷ lệ tổng thể các phế phẩm do XN I làm ra, chưa biết.

p2 = M 2 / N2 là tỷ lệ tổng thể các phế phẩm do XN II làm ra, chưa biết.

  H 0 : p1 = p2 H : p − p = 0
Ta lập giả thuyết:    0 1 2
 H a : p1  p2  H a : p1 − p2  0
m1 12
Tỷ lệ mẫu các phế phẩm do XN I làm ra: p1 = = = 0,03.
n1 400

m2 12
Tỷ lệ mẫu các phế phẩm do XN II làm ra: p2 = = = 0,024.
n2 500

m1 + m2 12 + 12 2
Tỷ lệ mẫu gộp: p = = =
n1 + n2 400 + 500 75

p1 − p2 0,03 − 0,024
Giá trị thống kê kiểm định: z = = = 0,5552
1 1 2 73  1 1 
pq  +    + 
 n1 n2  75 75  400 500 

• Dùng giá trị tới hạn: Với mức ý nghĩa  = 0,05  z /2 = z0,025 = 1,96 . Vì |z| = 0,5552 <
1,96 = zα/2 nên ta không bác bỏ H0. Vậy tỷ lệ phế phẩm của 2 XN là như nhau.
• Dùng P-value: p − value = 2.P( Z  0,5552) = 2.P( Z  −0,5552) = 0,57876 > 0,05 = α nên
ta không bác bỏ H0. Vậy tỷ lệ phế phẩm của 2 XN là như nhau.

THỨ BẢY, 09/04/2022

 H 0 : µ1  µ2  H 0 : µ1 − µ2  0  H 0 : µ1 − µ2 = 0
    
 H a : µ1  µ2  H a : µ1 − µ2  0 H a : µ1 − µ2  0
p − value = P(Z  6,49) = P(Z  −6, 49) = 4,29182.10−11 < 0,01 = α  Bác bỏ H0.
p − value = P T (df = 41)  4, 003 = 0,000128  0, 05 =   Bác bỏ H0.

X1 : TG giao hàng (giờ) của UPX. 1 = E( X1 ) : TG giao hàng (giờ) TB của UPX.
X 2 : TG giao hàng (giờ) của INTEX. 2 = E( X 2 ) : TG giao hàng (giờ) TB của INTEX.
 H 0 : 1 = 2 H :  −  = 0 H :  = 0
Xét giả thuyết:    0 1 2   0 D
 H a : 1  2  H a : 1 − 2  0 Ha : D  0
Trong đó: D = E( D) = E( X1 − X 2 ) = E( X1) − E( X 2 ) = 1 − 2 ; D = X1 − X 2

Ta tính được: n = 10; d = 2,7; sD = 2,9078

Thống kê kiểm định: t = d 2,7
= = 2,936
sD / n 2,9078 / 10

• Dùng p-value:
Ta có: df = n – 1 = 9 thì p − value = 2  P T (df = 9)  2,936 = 2  0,008297152 = 0, 0166
p − value = 0, 0166  0, 05 =  nên bác bỏ H0. Vậy TG giao hàng TB của 2 DV là khác nhau.
• Dùng giá trị tới hạn:
Với mức ý nghĩa  = 0,05  t/2 (n − 1) = t0,025 (9) = 2,2622
Ta có: |t| = 2,936 > 2,262 = t/2 (n − 1) nên bác bỏ H0. Vậy TG giao hàng TB của 2 DV là
khác nhau.
Kiểm định xem UPX có giao hàng chậm hơn INTEX không? KL với mức ý nghĩa 5%.

X1 : TG giao hàng (giờ) của UPX. 1 = E( X1 ) : TG giao hàng (giờ) TB của UPX.
X 2 : TG giao hàng (giờ) của INTEX. 2 = E( X 2 ) : TG giao hàng (giờ) TB của INTEX.
 H 0 : 1  2 H :  −   0 H :  = 0
Xét giả thuyết:    0 1 2   0 D
 H a : 1  2  H a : 1 − 2  0 Ha : D  0
Trong đó: D = E( D) = E( X1 − X 2 ) = E( X1) − E( X 2 ) = 1 − 2 ; D = X1 − X 2

Ta tính được: n = 10; d = 2,7; sD = 2,9078

Thống kê kiểm định: t = d 2,7

= = 2,936
sD / n 2,9078 / 10

• Dùng p-value:
Ta có: df = n – 1 = 9 thì p − value = P T (df = 9)  2,936 = 0,008297152 = 0, 0083
p − value = 0, 0083  0, 05 =  nên bác bỏ H0. Vậy TG giao hàng của UPX thực sự chậm
hơn INTEX.
• Dùng giá trị tới hạn:
Với mức ý nghĩa  = 0,05  t (n − 1) = t0,05 (9) = 1,8331
Ta có: t = 2,936 > 1,8331 = t (n − 1) nên bác bỏ H0. Vậy TG giao hàng của UPX thực sự
chậm hơn INTEX.
Ví dụ: Hiệp hội nghiên cứu thị trường
Hiệp hội nghiên cứu thị trường tiến hành nghiên cứu để đánh giá hiệu quả của một chiến dịch quảng
cáo mới của một khách hàng. Trước khi bắt đầu chiến dịch mới, một khảo sát qua điện thoại đối
với 150 hộ gia đình trong một khu vực, và kết quả chỉ ra rằng 60 hộ gia đình “nhận biết” về sản
phẩm của khách hàng.
Một chiến dịch quảng cáo mới được thực hiện trên TV và báo chí trong vòng 3 tuần. Một khảo sát
được tiến hành ngay lập tức sau chiến dịch quảng cáo, và thấy rằng 120 trên 250 hộ gia đình “nhận
biết” về sản phẩm của khách hàng.
Dữ liệu này có đáp ứng yêu cầu là chiến dịch quảng cáo đã làm tăng sự nhận biết về sản phẩm của
khách hàng?
Giải:
p1 = M1 / N1 là tỷ lệ tổng thể các hộ nhận biết SP trước quảng cáo, chưa biết.

p2 = M 2 / N2 là tỷ lệ tổng thể các hộ nhận biết SP ngay sau quảng cáo, chưa biết.

1) Tìm khoảng tin cậy 95% của p2 − p1

m1 60
Tỷ lệ mẫu các hộ nhận biết về SP trước quảng cáo: p1 = = = 0,4
n1 150

m2 120
Tỷ lệ mẫu các hộ nhận biết về SP ngay sau quảng cáo: p2 = = = 0, 48
n2 250

 p .q p .q   0,4  0,6 0,48  0,52 

Ta có: p2 − p1   p2 − p1  z/2 1 1 + 2 2  =  0,48 − 0,4  1,96 + 
 n1 n2   150 250 
 (−0, 020;0,180)

2) Ta có thể kết luận rằng, với mức ý nghĩa 0,05, tỷ lệ hộ gia đình nhận biết về sản phẩm tăng
lên sau khi tiến hành chiến dịch quảng cáo mới hay không?
 H 0 : p2  p1 H : p − p = 0
Đặt giả thuyết:    0 2 1
 H a : p2  p1  H a : p2 − p1  0
m1 + m2 60 + 120
Tỷ lệ mẫu gộp: p = = = 0,45
n1 + n2 150 + 250

p2 − p1 0,48 − 0,4
Giá trị thống kê kiểm định: z = = = 1,557
1 1  1 1 
p.q  +  0,45  0,55   + 
 n1 n2   150 250 
 • Cách 1: Dùng p-value
Ta có: p − value = P( Z  1,557) = P( Z  −1,557) = 0, 0597

p − value = 0, 0597  0, 05 =   Không bác bỏ H0. Vậy chiến dịch quảng cáo là không
hiệu quả.
• Cách 2: Dùng giá trị tới hạn
Ta có với mức ý nghĩa  = 0,05  z = z0,05 = 1,645
Ta có: z = 1,557 < 1,645 = z nên không bác bỏ H0. Vậy chiến dịch quảng cáo là không
hiệu quả.

p − value = P T (df = 69)  1,4459 = 0, 0764

t (df ) = t0,05 (69) = 1,6672

CHƯƠNG 13
29,412
I 2008 = = 1,99 = 199(%)
14,794
n n n
Pi 0Qi P
 Pit Qi  Pit Pi 0
 Pit wi
i =1 i =1 i =1 i 0
It = n
= n
= n
; wi = Pi 0Qi
 Pi0Qi  wi  wi
i =1 i =1 i =1

THỨ HAI, 18/04/2022

Hồi quy: Yt = f ( X1t , X 2t ,..., X kt ) : Quan hệ nhân – quả.

Trong đó: f là một dạng hàm số nào đó.

Yt là biến phụ thuộc/ biến được giải thích.

X1t , X 2t ,..., X kt là các biến độc lập/ biến giải thích.

HQ chéo: Y = f ( X1, X 2 ,..., X k )

HQ chuỗi thời gian: Yt = f (t ) : Chuỗi TG.

• Các đại lượng phản ánh sai số dự báo:

et = Yt − Ft : Sai số dự báo.
1 n
MAE =  et
n t =1
1 n
MSE =  et2
n t =1
 1 n et
MAPE =  100(%)
n t =1 Yt

Phương pháp Naïve: Ft +1 = Yt

Month 3 4 5 6 7 8 9 10
Jobs 353 387 342 374 396 409 399 412

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,8007608
R Square 0,6412178
Adjusted R Square 0,5899632
Standard Error 16,205819
Observations 9

ANOVA
df SS MS F Significance F
Regression 1 3285,6 3285,6 12,51044 0,00950792
Residual 7 1838,4 262,6286
Total 8 5124

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept 334,86667 15,60964293 21,45255 1,21E-07 297,9557264 371,77761
Month 7,4 2,092162244 3,537011 0,009508 2,452822418 12,347178

Ta có phương trình hồi quy: Jobs(t ) = b0 + b1t = 334,867 + 7,4t with t = 3,4,...

Từ PT trên ta suy ra dự báo số công việc của tháng 12 là:

Jobs(12) = 334,867 + 7, 4 12 = 423,667

Tt = b0 .b1t  ln Tt = ln b0 + t.ln b1 = 0 + 1t (semi − log = log− lin)

• Biến định tính có k phân loại (nhóm) thì số biến giả là k – 1.

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.993717276
R Square 0.987474024
Adjusted R Square 0.982776783
Standard Error 73.08607939
Observations 12
 ANOVA
df SS MS F Significance F
Regression 3 3368786.067 1122929 210.2243 6.02781E-08
Residual 8 42732.6 5341.575
Total 11 3411518.667

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept 797 59.67453393 13.35578 9.45E-07 659.390278 934.609722
Seas1 1095.433333 53.18887467 20.59516 3.24E-08 972.7795684 1218.0871
Seas2 1189.466667 52.06106724 22.84753 1.43E-08 1069.41363 1309.5197
t 36.46666667 6.290248184 5.797334 0.000406 21.96132834 50.972005

Yt = 797 + 1095, 433Seas1 + 1189, 467Seas2 + 36, 467t

Chi tiêu:
• Dưới 1,5 tr.đ
• Từ 1,5 tr.đ đến dưới 3,0 tr.đ
• Từ 3,0 tr.đ đến dưới 4,5 tr.đ
• Từ 4,5 tr.đ đến dưới 6,0 tr.đ
• Từ 6,0 tr.đ trở lên
Khoảng GT ni xi
< 1,5 3 0,75
1,5 – 3,0 7 2,25
3,0 – 4,5 15 3,75
4,5 – 6,0 50 5,25
>6 10 6,75