Thống kê trong kinh doanh và kinh tế

Phân phối chuẩn
Ước lượng trung bình tổng thể

Ước lượng điểm
Ước lượng khoảng
Thống kê trong kinh doanh và kinh tế

M4: Ước lượng tham số tổng thể
Nguyễn Thị Phương Thảo
09/2023
Nguyễn Thị Phương Thảo Thống kê trong kinh doanh và kinh tế

Phân phối chuẩn Phân phối chuẩn
Ước lượng trung bình tổng thể Phân phối chuẩn tắc
Ước lượng điểm Nhận diện phân phối chuẩn
Ước lượng khoảng Phân phối mẫu
Phân phối chuẩn còn được gọi là phân phối Gaussian, là phân phối xác
suất có đường cong hình chuông đối xứng.
Hình 1: Phân phối chuẩn
2 / 97
Phân phối chuẩn được xác định bằng hai tham số:
1 Giá trị trung bình (µ)
2 Độ lệch chuẩn (σ).
Hình 2: Ba phân phối chuẩn
Một biến có phân phối chuẩn với giá trị trung bình tổng thể là µ và độ
lệch chuẩn là σ, được ký hiệu như sau:
X ∼ N (µ, σ)
3 / 97
Phân phối chuẩn tắc
Giá trị chuẩn tắc của biến X là Z được xác định như sau:
X −µ
Z=
σ
sẽ tuân theo phân phối chuẩn tắc với giá trị trung bình là 0 và độ lệch
chuẩn là 1.
Z ∼ N (0, 1)
4 / 97
Ví dụ
Ví dụ 1
Một biến X có phân phối xấp xỉ chuẩn với giá trị trung bình là µ = 3 và
độ lệch chuẩn là σ = 1/2. Với giá trị X = 3.615, hãy xác định giá trị
Z-score?
Hướng dẫn:
X −µ 3.615 − 3
Z= = = 1.23
σ 1/2
5 / 97
Bài tập 1
Một biến X có phân phối xấp xỉ chuẩn với giá trị trung bình là µ = −2 và
độ lệch chuẩn là σ = 1. Với giá trị X = −1, hãy xác định giá trị Z-score?
6 / 97
Bài tập 2
Một biến X có phân phối xấp xỉ chuẩn với giá trị trung bình là µ = 9 và
độ lệch chuẩn là σ = 2. Với giá trị X = 10.5, hãy xác định giá trị Z-score?
7 / 97
Tại sao là phân phối chuẩn tắc
Tại sao chúng ta lại cần quan tâm đến phân phối chuẩn tắc?
Hai biến có phân phối chuẩn có giá trị trung bình và độ lệch chuẩn
bằng nhau thì sẽ có phân phối giống nhau.
Hai biến phân phối chuẩn có 1 trong hai tham số này khác nhau,
hoặc cả hai tham số đều khác nhau thì sẽ có phân phối khác nhau
Bất kể các phân phối xấp xỉ chuẩn khác nhau như thế nào đi chăng
nữa, thì giá trị chuẩn tắc của chúng đều tuân theo phân phối chuẩn
tắc.
X −µ
Z= ∼ N (0, 1)
σ
8 / 97
Hình 3: Phân phối chuẩn tắc 9 / 97

Thay vì phân tích một phân phối chuẩn với giá trị trung bình và độ lệch
chuẩn bất kỳ, bạn có thể phân tích phân phối chuẩn tắc và đưa ra kết
quả tương tự.
Hình 4: Phân phối chuẩn và phân phối chuẩn tắc
10 / 97
Nhận diện phân phối chuẩn
Cơ sở: Nếu 1 mẫu được chọn ngẫu nhiên từ tổng thể, phân phối của
mẫu sẽ xấp xỉ phân phối của tổng thể. Nếu cỡ mẫu càng lớn thì sẽ càng
xấp xỉ phân phối của tổng thể.
Làm thế nào để xác định phân phối của tổng thể? Dựa trên phân phối
của mẫu.
11 / 97
Làm thế nào để nhận diện 1 tập dữ liệu có phân phối chuẩn?
1 TH cỡ mẫu lớn → dùng Histogram
2 TH cỡ mẫu nhỏ → dùng QQ plot - Normality plot
12 / 97
Histogram
Trong trường hợp cỡ mẫu lớn, dùng Histogram để xác định phân phối
của dữ liệu.
Một tập dữ liệu có phân phối xấp xỉ chuẩn nếu: Đồ thị Histogram có
dạng hình chuông.
13 / 97
Ví dụ 2
Histogram - Xác định phân phối chuẩn
Trả lời:
Biểu đồ đối xứng, có
dạng hình chuông với đa số
dữ liệu tập trung ở phần giữa
và giảm dần ở các phần đuôi.
Phần đuôi vừa
phải cho thấy tốc độ đuôi
giảm về 0 vừa phải. Phân
phối có đuôi vừa điển hình là
phân phối chuẩn (Gaussian)
→ Dữ liệu
có phân phối xấp xỉ chuẩn
14 / 97
Ví dụ 3
Trả lời:
Biểu đồ đối xứng
Tuy nhiên,
phần đuôi ngắn, cho thấy
đuôi tiến về 0 rất nhanh.
Phân
bố đuôi ngắn điển hình nhất
là phân phối đều (uniform)
→ Dữ liệu không có phân
phối chuẩn. Nên kiểm tra dữ liệu
có phân phối đều không.
15 / 97
Ví dụ 4
Trả lời:
Biểu đồ đối xứng
Tuy nhiên, phần đuôi dài, cho
thấy đuôi tiến về 0 rất chậm
Phân bố đuôi dài điển hình
nhất là phân phối Cauchy
→ Dữ liệu không có phân phối
chuẩn. Nên kiểm tra dữ liệu có
phân phối Cauchy không.
16 / 97
Ví dụ 5
Trả lời:
Yếu vị của phân phối được
thể hiện ở đỉnh của phân phối
Trong hầu hết các tình huống,
các dữ liệu tập trung xung
quanh 1 yếu vị và phân phối
với tần suất thấp hơn ra 2 đuôi.
là phân phối 1 yếu vị điển hình
Trong ví dụ, đồ thị histogram
thể hiện 1 phân phối có 2 yếu vị
→ Dữ liệu
không có phân phối chuẩn.
17 / 97
Ví dụ 6
Trả lời:
Trong ví dụ, đồ thị histogram
thể hiện 1 phân phối có 2 yếu vị
Tuy nhiên, 2 phần đỉnh thuộc
thuộc 2 phân phối hình chuông.
Có thể có
sự kết hợp 2 phân phối chuẩn.
→ Dữ liệu không có phân
phối chuẩn. Nhưng cần kiểm tra
sự kết hợp của 2 phân phối chuẩn và
tại sao lại có sự kết hợp này.
18 / 97
Ví dụ 7
Trả lời:
là phân phối cân xứng điển hình
Nhưng, trong
ví dụ này, đồ thị không cân xứng
Dữ liệu bị lệch phải
→ Dữ liệu
19 / 97
Ví dụ 8
Trả lời:
Đồ thị không cân xứng
Dữ liệu bị lệch trái
→ Dữ liệu
20 / 97
Ví dụ 9
Trả lời:
Đồ thị cân xứng
Nhưng tồn tại giá trị ngoại lai
→ Nên xử lý giá trị ngoại lai
21 / 97
Q-Q plot
Trong trường hợp cỡ mẫu tương đối nhỏ (n < 30), dùng đồ thị Q-Q
plot để xác định phân phối của dữ liệu.
Tập dữ liệu càng có phân phối xấp xỉ chuẩn thì đồ thị Q-Q plot
càng có dạng tuyến tính.
Lưu ý:
Q-Q plot có thể sử dụng để xác định phân phối chuẩn của các tập
dữ liệu lớn.
Việc kết luận đường Q-Q plot có tuyến tính hay không mang tính
chất khá chủ quan.
Các kết luận có thể tương đối nới lỏng với các cỡ mẫu nhỏ, nhưng
cần chặt chẽ với các mẫu lớn.
22 / 97
Ví dụ 10
Q-Q plot - Xác định phân phối chuẩn
Trả lời:
Đồ thị QQ plot
có dạng tuyến tính mạnh, chỉ
có 1 vài sai lệch nhỏ so với
đường tuyến tính → Dữ liệu
có phân phối xấp xỉ chuẩn.
Các sai lệch ở phần đuôi so
với đường tuyến tính không
đáng kể→ Không có các
giá trị ngoại lai đáng kể nào.
Hình 5: Đồ thị phân phối chuẩn đối với

nhiệt lượng kế
23 / 97
Ví dụ 11
Trả lời:
Phần giữa của dữ
liệu có mẫu hình chữ S
Phần đuôi trên và đuôi
dưới có sự sai lệch đáng
kể so với đường tuyến tính
→ Dữ liệu không tuân
theo phân phối chuẩn
24 / 97
Ví dụ 12
Trả lời:
Phần giữa
của dữ liệu có mẫu hình
tuyến tính ở trung tâm
Phần đuôi trên và đuôi
dưới có sự sai lệch đáng
kể so với đường tuyến tính
25 / 97
Ví dụ 13
Trả lời:
Đồ thị có mẫu hình bậc 2
Tất cả các điểm dữ
liệu nằm dưới đường tham
chiếu → Dữ liệu lệch phải
26 / 97
Bài tập 3
Hình 6: Đồ thị phân phối chuẩn đối với thu nhập thuần.
27 / 97
Bài tập 4
28 / 97
Bài tập 5
29 / 97
Bài tập 6
30 / 97
Bài tập 7
31 / 97
Bài tập 8
32 / 97
Bài tập 9
33 / 97
Phân phối mẫu của trung bình mẫu
Định nghĩa 1
Phân phối mẫu của trung bình mẫu - Sampling distribution of sample
mean
Cho 1 biến X và 1 cỡ mẫu (sample size) bất kỳ, phân phối của giá trị
trung bình X̄ được gọi là phân phối mẫu của trung bình mẫu.
34 / 97
Cho 1 tổng thể gồm 3.6 triệu cư dân của thành phố A.
Liên tục chọn mẫu gồm 80,232 cá nhân từ 3.6 triệu cư dân của thành
phố A và tính thu nhập bình quân của mẫu đó.
Với lần chọn mẫu thứ nhất, n1 = 80, 232, bạn thu được thu nhập
bình quân của mẫu là x¯1
Với lần chọn mẫu thứ hai, n2 = 80, 232, bạn thu được thu nhập
bình quân của mẫu là x¯2
Với lần chọn mẫu thứ k, nk = 80, 232, bạn thu được thu nhập bình
quân của mẫu là x¯k
Lúc này, phân phối của x¯1 , x¯2 , ..., x¯k , ... được gọi là phân phối mẫu của
trung bình mẫu.
35 / 97
Đặc trưng của phân phối mẫu
1 Với 1 cỡ mẫu bất kỳ, giá trị trung bình của tất cả các trung bình
mẫu bằng với trung bình tổng thể.
µX̄ = µX
2 Với một cỡ mẫu bất kỳ, độ lệch chuẩn của trung bình mẫu
(Standard deviation of sample mean) bằng:
σ
σX̄ = √
n
3 Cỡ mẫu càng lớn, sai số chọn mẫu (sampling error) càng nhỏ. Theo
quy tắc thực nghiệm, một cỡ mẫu nhỏ so với tổng thể của nó là khi
cỡ mẫu đó không vượt quá 5% tổng số quan sát của tổng thể, tức
là: n < 0.05N
36 / 97
Phân phối mẫu của biến có phân phối chuẩn
Định nghĩa 2
Phân phối mẫu của trung bình mẫu của biến có phân phối chuẩn
Giả sử một biến X có phân phối chuẩn với giá trị trung bình µ và độ lệch
chuẩn σ.
Khi đó, với một cỡ mẫu bất kỳ, biến X̄ √
cũng có phân phối chuẩn với giá
trị trung bình µ và độ lệch chuẩn là σ/ n
√
X ∼ N (µ, σ) −→ X̄ ∼ N (µ, σ/ n)
37 / 97
Định lý giới hạn trung tâm
Định lý 1
Định lý giới hạn trung tâm - Central limit theorem
Với một cỡ mẫu tương đối lớn, bất kể biến X có phân phối nào, biến X̄
có phân phối xấp xỉ chuẩn. Nếu cỡ mẫu càng lớn, thì phân phối càng xấp
xỉ chuẩn.
Thông thường, một cỡ mẫu n ≥ 30 được coi là đủ lớn.
38 / 97

Tại sao chúng ta lại cần ước lượng trung bình tổng thể?
Một vấn đề được quan tâm trong thống kê là thu được các thông tin về
trung bình của tổng thể µ. Ví dụ:
Độ tuổi trung bình của người lao động
Thu nhập bình quân của hộ gia đình
Mức lương khởi điểm bình quân của sinh viên ngành Kinh tế
Tại sao chúng ta không ước lượng trực tiếp ước lượng trung bình tổng
thể?
1 Các tổng thể thường lớn → Việc thu thập dữ liệu tổng thể tốn thời
gian, chi phí và không khả thi.
2 Nếu việc chọn mẫu được thực hiện theo cách thức phù hợp, các
tham số của mẫu có thể cung cấp các thông tin đầy đủ và phù hợp
về tham số của tổng thể.
39 / 97
Phương pháp ước lượng
1 Ước lượng điểm

2 Ước lượng khoảng
40 / 97
Ước lượng điểm đối với tham số tổng thể là việc sử dụng giá trị tham
số mẫu để ước lượng cho tham số tổng thể.
Như vậy, ước lượng điểm của tham số tổng thể (a parameter) là tham số
mẫu (a statistic). Ví dụ, Ước lượng điểm của trung bình tổng thể
(population mean) là trung bình mẫu (sample mean).
41 / 97
Ví dụ
Ví dụ 14
Ước tính thu nhập bình quân của nhân viên làm việc bán thời gian tại
chuỗi cửa hàng S
Khảo sát ngẫu nhiên thu nhập của của 36 nhân viên bán thời gian tại
chuỗi cửa hàng S (đôla/tuần). Hãy ước tính thu nhập bình quân của
nhân viên làm việc bán thời gian tại chuỗi cửa hàng S.
Hình 7: Thu nhập của 36 nhân viên làm việc bán thời gian tại chuỗi cửa hàng S
42 / 97
Thu nhập bình quân của 36 nhân viên thuộc cửa hàng S là:
a. 293.033
b. 285.033
c. 270.033
Vậy ước lượng điểm của thu nhập bình quân của nhân viên thuộc chuỗi
cửa hàng S là: ............................
43 / 97
Ước lượng trung bình tổng thể Ước lượng trung bình của 1 tổng thể: TH phương sai tổng thể đã biết
Ước lượng điểm Ước lượng trung bình của 1 tổng thể: TH Phương sai tổng thể chưa biết
Trường hợp phương sai tổng thể đã biết
Mục tiêu: Xác định trung bình của 1 tổng thể, µ

Giả định:
Mẫu ngẫu nhiên đơn giản
Có phân phối chuẩn hoặc cỡ mẫu lớn
Phương sai tổng thể đã biết/ độ lệch chuẩn tổng thể đã biết
Sử dụng Quy trình thống kê Z
44 / 97
Lưu ý: Ước lượng khoảng tin cậy sử dụng quy trình thống kê Z
1 Đối với các cỡ mẫu nhỏ (n<15), chỉ sử dụng khi biến có phân phối
xấp xỉ chuẩn.
2 Đối với cỡ mẫu vừa (15<n<30), có thể sử dụng khi biến vi phạm
giả định phân phối chuẩn ở mức độ vừa phải. Không sử dụng nếu có
giá trị ngoại lai và vi phạm giả định phân phối chuẩn ở mức độ cao.
3 Đối với cỡ mẫu lớn (n>30), có thể sử dụng mà không có giới hạn
nào đáng kể. Tuy nhiên, nếu có giá trị ngoại lai, bạn nên so sánh
khoảng tin cậy thu được khi có và khi không có giá trị ngoại lai để
xem các ảnh hưởng của giá trị ngoại lai có đáng kể không. Nếu ảnh
hưởng đáng kể, bạn cần sử dụng quy trình khác.
4 Nếu dữ liệu có giá trị ngoại lai nhưng có thể được điều chỉnh và các
điều kiện khác được thỏa mãn thì quy trình có thể được sử dụng.
45 / 97
Quy trình ước lượng
1. Bước 1: Với độ tin cậy 1 − α hoặc mức ý nghĩa α, xác định Zα/2
2. Bước 2: Xác định khoảng tin cậy theo công thức sau:
σ σ
X̄ − Zα/2 × √ ; X̄ + Zα/2 × √
n n
Trong đó:
X̄ : Giá trị trung bình của mẫu được chọn
n: Cỡ mẫu
3. Bước 3: Phân tích khoảng tin cậy
Lưu ý: Một khoảng tin cậy chỉ chính xác cho 1 phân phối chuẩn, và xấp
xỉ đúng cho trường hợp cỡ mẫu lớn được lấy từ 1 phân phối khác không
phải là phân phối chuẩn.
46 / 97
Làm thế nào để tra Zα/2
Hướng dẫn sau đây giúp bạn tra bất kỳ Zα và Zα/2 nào.
Đầu tiên, bạn cần hiểu ký hiệu Zα là gì?
Zα dùng để ký hiệu giá trị Z mà tại đó phần diện tích phía dưới đường
phân phối chuẩn, về phía bên phải điểm Z đó bằng α
P(z > Zα ) = α
47 / 97
Ví dụ 15
Zα là gì?
Z0.025 dùng để ký hiệu giá trị Z mà tại đó phần diện tích phía dưới đường
phân phối chuẩn, về phía bên phải điểm Z0.025 đó bằng 0.025
Hay:
P(z > Z0.025 ) = 0.025
48 / 97
Ví dụ 16
Zα là gì?
49 / 97
Cho 1 giá trị α cho trước, làm thế nào để xác định Zα ?
→ Tra bảng thống kê Z
Hướng dẫn:
Với α
P(z > Zα ) = α
Suy ra:
P(z < Zα ) = 1 − α
Tìm giá trị 1 − α tại bảng thống kê Z.

Từ đó, suy ra được giá trị Zα cần tìm.
50 / 97
Ví dụ 17
Cho α = 5% Tìm Zα
Với α = 0.05
P(z > Z0.05 ) = 0.05
Suy ra:
P(z < Z0.05 ) = 0.95
Tìm giá trị 0.95 trên bảng thống kê Z.
51 / 97
52 / 97
Ta nhận thấy, không có giá trị 0.95 trên bảng thống kê Z (Tuy nhiên nếu
dùng máy tính bạn vẫn có thể tính được nhé!)
Ngược lại, có hai giá trị lân cận
P1 = 0.9495 ứng với Z1 = 1.64
P2 = 0.9505 ứng với Z2 = 1.65
Vì: 0.9495 < 0.95 < 0.9505 nên Z1 < Zα < Z2
Pα − P1
Zα = Z1 + (Z2 − Z1 ) ×
P2 − P1
0.95 − 0.9495
Z0.05 = 1.64 + (1.65 − 1.64) × = 1.645
0.9505 − 0.9495
53 / 97
Ví dụ 18
Cho α = 5% Tìm Zα/2
Hướng dẫn: Với α = 0.05 → α/2 = 0.025
P(z > Z0.025 ) = 0.025
Suy ra:
P(z < Z0.025 ) = 0.975
Tìm giá trị 0.975 trên bảng thống kê Z

Ta nhận thấy:
P(z < Z0.025 ) = P(z < 1.96) = 0.975
Vậy
Z0.025 = 1.96
54 / 97
55 / 97
Bài tập 10
Cho α = 1%. Tìm Zα
56 / 97
Bài tập 11
Cho α = 1%. Tìm Zα/2
57 / 97
Bài tập 12
58 / 97
Bài tập 13
59 / 97
Bài tập 14
60 / 97
Bài tập 15
61 / 97
Ví dụ
Ví dụ 19
Mức chi mua sắm trực tuyến của nhân viên văn phòng tại thành phố H
Khảo sát 64 nhân viên văn phòng tại thành phố H về mức chi mua sắm
trực tuyến của họ (ngàn đồng). Hãy ước lượng khoảng tin cậy 95% cho
mức chi tiêu bình quân của nhân viên văn phòng tại thành phố H, biết
độ lệch chuẩn tổng thể là 3.6 triệu.
Hình 8: Mức chi mua sắm trực tuyến của 64 nhân viên văn phòng tại TP H
62 / 97
Trước khi thực hiện xây dựng khoảng tin cậy, chúng ta cần xác định quy
trình nào là phù hợp.
(a) Boxplot (b) QQ-plpot
63 / 97
Dựa vào đồ thị Boxplot
Có giá trị ngoại lai không? Dữ liệu tập trung ở phần nào của
dữ liệu?
a. Có
a. Phần trên/ Phần bên phải
b. Không
b. Phần dưới/ Phần bên trái
Giá trị trung bình ............. Giá trị
trung vị Dữ liệu lệch về phía nào?
a. Lớn hơn a. Lệch trái
b. Nhỏ hơn b. Lệch phải
Kết luận: Dữ liệu lệch nhẹ, không có giá trị ngoại lai
64 / 97
Dựa vào đồ thị QQ Plot

Nhận định nào sao đây là đúng?
a. Phần giữa của dữ liệu có mẫu hình tuyến tính
b. Phần giữa của dữ liệu có mẫu hình chữ S
c. Đồ thị có mẫu hình bậc 2
d. Phần đuôi có sự sai lệch đáng kể so với đường tuyến tính
e. Phần đuôi có sự sai lệch không đáng kể so với đường tuyến tính
Kết luận: Dữ liệu mẫu không có phân phối chuẩn. Song, chỉ vi phạm
chuẩn ở mức độ nhẹ.
65 / 97
Ta có:
Mẫu được chọn ngẫu nhiên
Mẫu không có giá trị ngoại lai, có độ lệch nhẹ, vi phạm chuẩn ở
mức độ vừa phải. Song, cỡ mẫu lớn (n > 64)
Độ lệch chuẩn tổng thể đã biết σ = 3.6 triệu
→ Sử dụng quy trình xây dựng khoảng tin cậy cho trung bình tổng thể
sử dụng thống kê z.
66 / 97
1 Với 1 − α = 95% −→ α = 5% −→ α/2 = 2.5% = 0.025 −→ Zα/2 =

Z0.025 =?
→ Tra bảng thống kê Z
→ Zα/2 = Z0.025 = 1.96
67 / 97
2. Giá trị trung bình mẫu: X̄ = 8, 646 và độ lệch chuẩn của tổng thể
bằng 3.6 triệu hay 3,600 ngàn đồng.
Do đó, khoảng tin cậy 95% được xác định theo công thức:
σ σ
X̄ − Zα/2 × √ ; X̄ + Zα/2 × √
n n
Và bằng:
3600 3600
(8, 646 − 1.96 × √ ; 8, 646 + 1.96 × √ ) = (7, 764; 9, 528)
64 64
Chúng ta tự tin 95% rằng mức chi tiêu bình quân nằm trong khoảng
7.764 triệu đến 9.528 triệu đồng
68 / 97
Bài tập
Bài tập 16
Xác định khoảng tin cậy
Cho x̄ = 20; n = 36; σ = 3, xác định khoảng tin cậy 95%
69 / 97
Bài tập 17
Xác định khoảng tin cậy
Cho x̄ = 25; n = 25; σ = 3, xác định khoảng tin cậy 95%. Giả sử rằng dữ
liệu thỏa mãn các giả định về phân phối chuẩn.
70 / 97
Bài tập 18
Quản lý chất lượng sản phẩm
Một nhà máy sản xuất giấy theo dây chuyền tự động. Giấy được sản xuất
có chiều dài trung bình 29.7cm và độ lệch tiêu chuẩn của chiều dài là
0.05cm. Để kiểm soát tiêu chuẩn giấy, định kỳ, người ta sẽ chọn mẫu
gồm 100 tờ giấy để tiến hành kiểm tra xem chiều dài các tờ giất sản xuất
còn đạt tiêu chuẩn 29.7cm hay không. Nếu không, cần phải kiểm tra xem
có vấn đề gì xảy ra với dây chuyền sản xuất đã gây ảnh hưởng đến tiêu
chuẩn của giấy. Trong lần kiểm tra gần đây nhất, chiều dài tờ giấy trung
bình tính được từ mẫu là 29.698cm. Hãy xác định khoảng ước lượng với
độ tin cậy 95% cho chiều dài giấy trung bình của tổng thể các tờ giấy
sản xuất trong gian đoạn giữa lần kiểm tra định kỳ này với lần kiểm tra
trước đó.
71 / 97
72 / 97
Xác định trung bình tổng thể trong trường hợp phương sai
tổng thể chưa biết
Mục tiêu: Xây dựng khoảng tin cậy cho trung bình tổng thể
Giả định:
Mẫu ngẫu nhiên đơn giản
Có phân phối chuẩn hoặc cỡ mẫu lớn
Phương sai tổng thể chưa biết (độ lệch chuẩn của tổng thể chưa
biết)
→ Thay phương sai tổng thể bằng phương sai mẫu
→ Sử dụng quy trình thống kê T
73 / 97
Phân phối t-student
Ta sẽ thay thế độ lệch chuẩn tổng thể trong công thức chuẩn hóa bằng
độ lệch chuẩn của mẫu, và dựa trên quy trình xác định khoảng tin cậy, ta
có giá trị chuẩn hóa t, với:
x̄ − µ
t= √
s/ n
tuân theo phân phối students với bậc tự do n − 1
74 / 97
Vậy phân phối chuẩn và phân phối students khác nhau như thế
nào?
Cả hai phân phối đều có dạng hình chuông cân, đối xứng qua giá trị 0.
Tuy nhiên, điểm khác biệt là phân phối students có phần đuôi trải rộng
hơn so với phân phối chuẩn.
Hình 9: Phân phối chuẩn và phân phối students 75 / 97

Khi bậc tự do càng lớn, nghĩa là cỡ mẫu càng lớn thì phân phối t sẽ xấp
xỉ phân phối chuẩn.
Hình 10: Phân phối t-students với các bậc tự do khác nhau
76 / 97
Quy trình thống kê t

1. Bước 1: Với độ tin cậy 1 − α hoặc mức ý nghĩa α, với cỡ mẫu n, sử
dụng bảng t để xác định tα/2,n−1
2. Bước 2: Xác định khoảng tin cậy theo công thức sau:
s s
X̄ − tα/2,n−1 × √ ; X̄ + tα/2,n−1 × √
n n
Trong đó:
X̄ : Giá trị trung bình của mẫu được chọn
s: Độ lệch chuẩn của mẫu
n: Cỡ mẫu
3. Bước 3: Phân tích khoảng tin cậy
Lưu ý: Một khoảng tin cậy chỉ chính xác cho 1 phân phối chuẩn, và xấp
xỉ đúng cho trường hợp cỡ mẫu lớn được lấy từ 1 phân phối khác không
phải là phân phối chuẩn.
77 / 97
Làm thế nào để xác định tα/2,n−1 ?
Làm thế nào để xác định tα/2,n−1 ? → Bạn sẽ tra bảng t.
78 / 97
Ví dụ 20
Cho mức ý nghĩa α = 5%, cỡ mẫu n = 20. Hãy xác định tα/2,n−1
Hướng dẫn:
Với α = 5%, −→ α/2 = 2.5% = 0.025; n = 20 −→ n − 1 = 19, ta có
t0.025;19 = 2.093
79 / 97
Hình 11: Bảng thống kê t
80 / 97
Bài tập 19
Cho mức ý nghĩa α = 5%, cỡ mẫu n = 20. Hãy xác định tα,n−1
81 / 97
Bài tập 20
Cho mức ý nghĩa α = 1%, cỡ mẫu n = 30. Hãy xác định tα,n−1
82 / 97
Bài tập 21
Cho mức ý nghĩa α = 1%, cỡ mẫu n = 25. Hãy xác định tα/2,n−1
83 / 97
Ví dụ
Ví dụ 21
Mức chi mua sắm trực tuyến của nhân viên văn phòng tại thành phố H
Khảo sát 64 nhân viên văn phòng tại thành phố H về mức chi mua sắm
trực tuyến của họ (ngàn đồng). Hãy ước lượng khoảng tin cậy 95% cho
mức chi tiêu bình quân của nhân viên văn phòng tại thành phố H.
Hình 12: Mức chi mua sắm trực tuyến của 64 nhân viên văn phòng tại TP H
84 / 97
Bây giờ, bạn sẽ kiểm tra các điều kiện để xác định quy trình phù
hợp.
(a) Boxplot (b) QQ-plpot
85 / 97
Đồ thị Boxplot cho thấy không có sự tồn tại của giá trị ngoại lai, giá trị
trung bình và trung vị có sự chênh lệch nhỏ, phân phối có xu hướng lệch
trái.
Đồ thị QQ-plot cho thấy dữ liệu tương đối đồng đều, phần trung tâm có
xu hướng tuyến tính, phần đuôi lệch nhẹ khỏi đường tuyến tính.
→ Dữ liệu có vi phạm giả định phân phối chuẩn nhưng ở mức độ
nhẹ.
86 / 97
Kiểm tra các giả định ta thấy:

Mẫu ngẫu nhiên
Mẫu vi phạm giả định phân phối chuẩn ở mức độ nhẹ, cỡ mẫu lớn
Độ lệch chuẩn tổng thể chưa biết
→ Sử dụng quy trình thống kê t
87 / 97
1 Ta có: 1 − α = 95% −→ α = 5% −→ α/2 = 2.5% = 0.025

n − 1 = 64 − 1 = 63
−→ tα/2,n−1 = t0.025;63 = 1.998
2 Giá trị trung bình mẫu: X̄ = 8, 646 và độ lệch chuẩn của tổng thể
được thay thế bằng độ lệch chuẩn của mẫu s = 4, 004
Do đó, khoảng tin cậy 95% được xác định theo công thức:
s s
X̄ − tα/2;n−1 × √ ; X̄ + tα/2,n−1 × √
n n
Và bằng:
4, 004 4, 004
(8, 646 − 1.998 × √ ; 8, 646 + 1.998 × √ ) = (7, 646; 9, 646)
64 64
Chúng ta tự tin 95% rằng mức chi tiêu bình quân nằm trong khoảng
7.646 triệu đến 9.646 triệu đồng
88 / 97
Bài tập
Bài tập 22
Hãy xác định khoảng tin cậy cho trung bình tổng thể trong trường hợp
sau. Giả định rằng các phân tích dữ liệu sơ bộ cho thấy có thể sử dụng
Quy trình xây dựng khoảng tin cậy dựa trên giá trị chuẩn hóa t.
a. X̄ = 20, n = 36, s = 3, 1 − α = 95%
89 / 97
Bài tập 23
b. X̄ = 25, n = 64, s = 3, 1 − α = 99%
90 / 97
Bài tập 24
b. X̄ = 26, n = 25, s = 5, 1 − α = 90%
91 / 97
Bài tập 25
Đói nghèo và dinh dưỡng
Theo các chuyên gia y tế, lượng canxi tiêu thụ 1 ngày của 1 người trưởng
thành là khoảng 1000mg. Một nghiên cứu khảo sát 18 người nghèo
trưởng thành về lượng canxi tiêu thụ 1 ngày cho kết quả như sau:
92 / 97
a. Hãy tính giá trị trung bình và độ lệch chuẩn của mẫu
b. Dựa vào phân tích sau, hãy cho biết dữ liệu có tuân theo phân phối
chuẩn không?
c. Từ đó, hãy xác định khoảng tin cậy 95%.
(c) Boxplot (d) QQ plot
93 / 97
Bài tập 26
Thời gian di chuyển đến nơi làm việc
Khảo sát 30 người về thời gian di chuyển từ nhà đến nơi làm việc, kết
quả cho thấy
94 / 97
chuẩn không?
c. Từ đó, hãy xác định khoảng tin cậy 99%
95 / 97
Bài tập 27
Chiều cao trung bình của trẻ 6 tháng tuổi
Đo ngẫu nhiên chiều cao của 28 đứa trẻ cho thấy kết quả như sau:
62 73 66 67 73 73 61
65 68 70 59 66 67 64
69 66 73 73 74 72 63
72 64 62 61 62 68 68
chuẩn không?
c. Từ đó, hãy xác định khoảng tin cậy 90% của chiều cao trung bình
của trẻ 6 tháng tuổi.
96 / 97
(e) QQ-plot
(f) Boxplot
97 / 97
Bài tập 28
Nghiên cứu độ tuổi của người lao động
Chọn ngẫu nhiên một mẫu gồm 50 người lao động, kết quả như
sau:
98 / 97
chuẩn không?
c. Từ đó, hãy xác định khoảng tin cậy 90% cho độ tuổi trung bình của
người lao động.
99 / 97

Thống kê trong kinh doanh và kinh tế

Uploaded by

Document Information

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

Thống kê trong kinh doanh và kinh tế

Uploaded by

Copyright:

Available Formats

Phân phối chuẩn

Ước lượng trung bình tổng thể