Professional Documents
Culture Documents
Bai Giang XSTK - SV
Bai Giang XSTK - SV
LÝ THUYẾT THỐNG KÊ
(Statistical theory)
ĐẠI HỌC Chương 6. Mẫu thống kê và Ước lượng tham số
Chương 7. Kiểm định Giả thuyết Thống kê
PHỐI CHƯƠNG TRÌNH
PHÂN PHỐ Chương 8. Bài toán Tương quan và Hồi quy
Số tiế
tiết: 45 Tài liệu tham khảo
---------------------
PHẦN I. LÝ THUYẾT XÁC SUẤT 1. Nguyễn Phú Vinh – Giáo trình Xác suất – Thống kê
(Probability theory) và Ứng dụng – NXB Thống kê.
Chương 1. Xác suất của Biến cố 2. Đinh Ngọc Thanh – Giáo trình Xác suất Thống kê
– ĐH Tôn Đức Thắng Tp.HCM.
Chương 2. Biến ngẫu nhiên
3. Đặng Hùng Thắng – Bài tập Xác suất; Thống kê
Chương 3. Phân phối Xác suất thông dụng – NXB Giáo dục.
Chương 4. Vector ngẫu nhiên 4. Lê Sĩ Đồng – Xác suất – Thống kê và Ứng dụng
Chương 5. Định lý giới hạn trong Xác suất – NXB Giáo dục.
• Nếu A và B là hai biến cố xung khắc thì: P (A) = 1 − P (A); P (A) = P (A.B ) + P (A.B ).
(
được: P A H = ) 2 P (AH )
3
=
P (H )
.
( )
2) nếu A ⊂ C thì P A B ≤ P C B ; ( )
3) P (A B ) = 1 − P (A B ).
Chương 1. Xác suấ
suất của Biế
Biến cố Chương 1. Xác suấ
suất của Biế
Biến cố
3.2.2. Công thức nhân xác suất b) Công thức nhân
a) Sự độc lập của hai biến cố • Nếu A và B là hai biến cố không độc lập thì:
Trong một phép thử, hai biến cố A và B được gọi là
độc lập nếu B có xảy ra hay không cũng không ảnh
( )
P (A ∩ B ) = P (B )P A B = P (A)P B A . ( )
hưởng đến khả năng xảy ra A và ngược lại. Nếu A và B là hai biến cố độc lập thì:
Chú ý P (A ∩ B ) = P (A).P (B ).
Nếu A và B độc lập với nhau thì các cặp biến cố:
A và B , A và B , A và B cũng độc lập với nhau. • Nếu n biến cố Ai , i = 1,..., n không độc lập thì:
( ) (
P (A1A2 ...An ) = P (A1 ) P A2 A1 ...P An A1...An −1 . )
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
VD 1. Người A mua một loại bảo hiểm tai nạn trong 1 • Nếu X (Ω) là 1 tập hữu hạn {x 1, x 2 ,..., x n } hay vô hạn
năm với phí là 70 ngàn đồng. Nếu bị tai nạn thì công ty đếm được thì X được gọi là biến ngẫu nhiên rời rạc.
sẽ chi trả 3 triệu đồng. Gọi X là số tiền người A có Để cho gọn, ta viết là X = {x1, x 2 ,..., x n ,...}.
được sau 1 năm mua bảo hiểm này. Khi đó, ta có
• Nếu X (Ω) là 1 khoảng của ℝ (hay cả ℝ ) thì X được
Phép thử là: “mua bảo hiểm tai nạn”.
gọi là biến ngẫu nhiên liên tục.
Biến cố là T : “người A bị tai nạn”.
Không gian mẫu là Ω = {T , T }. Chú ý
Trong thực nghiệm, các biến ngẫu nhiên thường là rời
Vậy X (T ) = 2, 93 (triệu), X (T ) = 0, 07 (triệu).
rạc. Khi biến ngẫu nhiên rời rạc X có các giá trị đủ
nhiều trên 1 khoảng của ℝ , thì ta xem X là biến ngẫu
nhiên liên tục. Thực chất là, các biến ngẫu nhiên liên
tục được dùng làm xấp xỉ cho các biến ngẫu nhiên rời
rạc khi tập giá trị của biến ngẫu nhiên rời rạc đủ lớn.
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
• Cho biến ngẫu nhiên X và hàm số y = ϕ(x ). 1.2. Hàm mật độ
Khi đó, biến ngẫu nhiên Y = ϕ(X ) được gọi là hàm a) Biến ngẫu nhiên rời rạc
của biến ngẫu nhiên X . Cho BNN rời rạc X : Ω → ℝ , X = {x 1, x 2 ,..., x n ,...}.
Giả sử x1 < x 2 < ... < x n < ... với xác suất tương ứng
là P ({ω : X (ω) = x i }) ≡ P (X = x i ) = pi , i = 1, 2,...
Ta định nghĩa
• Bảng phân phối xác suất của X là
X x1 x 2 … xn …
P p1 p2 … pn …
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
• Hàm mật độ của X là VD 2. Cho BNN rời rạc X có bảng phân phối xác suất:
p khi x = x , X –1 0 1 3 5
f (x ) = i i
P 3a a 0,1 2a 0,3
0 khi x ≠ x i , ∀i.
1) Tìm a và tính P (−1 < X ≤ 3).
Chú ý
2) Lập bảng phân phối xác suất của hàm Y = X 2 .
pi ≥ 0 ; ∑ pi = 1, i = 1, 2,...
VD 3. Một xạ thủ có 4 viên đạn, bắn lần lượt từng viên
Nếu x ∉ {x1, x 2,..., x n ,...} thì P (X = x ) = 0 . vào một mục tiêu một cách độc lập. Xác suất trúng mục
tiêu ở mỗi lần bắn là 0,8. Biết rằng, nếu có 1 viên trúng
P (a < X ≤ b) = ∑ pi . mục tiêu hoặc hết đạn thì dừng. Gọi X là số viên đạn
a <x i ≤b xạ thủ đã bắn, hãy lập bảng phân phối xác suất của X ?
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
b) Biến ngẫu nhiên liên tục Ý nghĩa hình học, xác suất của biến ngẫu nhiên X
Hàm số f : ℝ → ℝ được gọi là hàm mật độ của biến nhận giá trị trong [a ; b ] bằng diện tích hình thang
ngẫu nhiên liên tục X nếu: cong giới hạn bởi x = a, x = b, y = f (x ) và Ox .
b
P (a ≤ X ≤ b ) = ∫ f (x )dx , ∀a, b ∈ ℝ. b
P (a ≤ X ≤ b) = ∫ f (x )dx
a
a
Nhận xét
f (x )
S
+∞
∀x ∈ ℝ, f (x ) ≥ 0 và ∫ f (x )dx = 1.
−∞
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
4x 3 , x ∈ [0; 1] §2. HÀM PHÂN PHỐI XÁC SUẤT
VD 5. Chứng tỏ f (x ) =
là hàm mật độ
0, x ∉ [0; 1] 2.1. Định nghĩa
của biến ngẫu nhiên X và tính P (0, 5 ≤ X < 3)? Hàm phân phối xác suất (hay hàm phân phối tích lũy)
của biến ngẫu nhiên X , ký hiệu F (x ), là xác suất để X
nhận giá trị nhỏ hơn x với mọi x ∈ ℝ .
VD 6. Cho biến ngẫu nhiên X có hàm mật độ: Nghĩa là:
0, x < 2 F (x ) = P(X < x ), ∀x ∈ ℝ .
f (x ) = k Tính P (−3 < X < 5) ?
, x ≥ 2.
x 2
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
Nhận xét 1 x1
f (x )
Nếu biến ngẫu nhiên X là rời rạc với phân phối F (x 1 ) = ∫ f (x )dx
−∞
xác suất P (X = x i ) = pi thì:
F (x ) = ∑ pi .
x i <x
x1
Nếu biến ngẫu nhiên X là liên tục với hàm mật độ
x2
f (x ) thì: f (x )
x F (x 2 ) = ∫ f (x )dx
F (x ) = ∫ f (t )dt . −∞
−∞
x1 x2
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
Nhận xét 2 • Giả sử BNN liên tục X có hàm mật độ
• Giả sử BNN rời rạc X nhận các giá trị trong [x 1; x n ] và ϕ(x ), x ∈ [a; b ]
f (x ) =
x1 < x 2 < ... < x n , P (X = x i ) = pi (i = 1, 2,..., n ). 0, x ∉ [a; b ].
Ta có hàm phân phối của X là: Ta có hàm phân phối của X là:
0 khi x ≤ x1 0
khi x ≤a
p khi x1 < x ≤ x 2 x
1
p + p khi x 2 < x ≤ x 3 F (x ) = ∫ ϕ(t )dt khi a < x ≤ b
F (x ) = 1 2
......................................................... a
1 khi b < x .
p1 + p2 + ... + pn −1 khi x n −1 < x ≤ x n
1 khi x n < x .
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
• Giả sử BNN liên tục X có hàm mật độ VD 1. Cho BNN X có bảng phân phối xác suất là:
0, x <a X −2 1 3 4
f (x ) = P 0,1 0, 2 0,2 0, 5
ϕ(x ), x ≥ a.
Hãy lập hàm phân phối của X và vẽ đồ thị của F (x )?
Ta có hàm phân phối của X là:
0 VD 2. Cho BNN X có hàm mật độ là:
khi x ≤ a
0, x ∈ / [0; 1]
F (x ) = f (x ) = 2
x
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
Đặc biệt
§3. THAM SỐ ĐẶC TRƯNG
• Nếu X là BNN rời rạc thì: CỦA BIẾN NGẪU NHIÊN
pi = F (x i +1 ) − F (x i ), ∀i.
Những thông tin cô đọng phản ánh từng phần về biến
• Nếu X là BNN liên tục thì: ngẫu nhiên giúp ta so sánh giữa các đại lượng với nhau
P (a ≤ X ≤ b ) = P (a ≤ X < b ) = P (a < X ≤ b ) được gọi là các đặc trưng số. Có 3 loại đặc trưng số là
Các đặc trưng số cho xu hướng trung tâm của BNN:
= P (a < X < b ) = F (b ) − F (a ). Trung vị, Mode, Kỳ vọng,…
Các đặc trưng số cho độ phân tán của BNN:
• Nếu X là BNN liên tục có hàm mật độ f (x ) thì: Phương sai, Độ lệch chuẩn,…
F ′(x ) = f (x ). Các đặc trưng số cho dạng phân phối xác suất.
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
3.1. TRUNG VỊ và MODE VD 2. Cho BNN X có hàm mật độ:
3.1.1. Trung vị (tham khảo) 2 3x − x , x ∈ [0; 3]
2
Vậy ModX = 1; 5; 8 .
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
VD 5. Tìm ModX , biết X có hàm mật độ xác suất: 3.2. KỲ VỌNG
3 2 3.2.1. Định nghĩa
x (4 − x ), x ∈ [0; 4]
f (x ) = 64 Kỳ vọng (Expectation) của biến ngẫu nhiên X , ký hiệu
0, x ∉ [0; 4]. EX hay M (X ) , là một số thực được xác định như sau:
Nếu X là rời rạc với xác suất P (X = x i ) = pi thì:
Giải. Với x ∈ [0; 4], ta có:
f ′(x ) = 0 ⇔ x = 0, x = .
8 EX = ∑ x i pi .
3 i
8 4
f (0) = f (4) = 0, f = Nếu X là liên tục có hàm mật độ f (x ) thì:
3 9 +∞
8 4 8
EX = ∫ x .f (x )dx .
⇒ max f (x ) = f = . Vậy ModX = . −∞
ℝ 3 9 3
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
Đặc biệt VD 7. Một lô hàng gồm 10 sản phẩm tốt và 2 phế phẩm.
Nếu biến ngẫu nhiên rời rạc X = {x1; x 2 ;...; x n } với Lấy ngẫu nhiên 4 sản phẩm từ lô hàng đó, gọi X là số
xác suất tương ứng là p1, p2 ,..., pn thì: sản phẩm tốt trong 4 sản phẩm lấy ra.
Tìm phân phối xác suất và tính kỳ vọng của X ?
EX = x 1p1 + x 2 p2 + ... + x n pn .
VD 6. Cho BNN X có bảng phân phối xác suất: VD 8. Tìm kỳ vọng của BNN X có hàm mật độ:
X –1 0 2 3 3 2
(x + 2x ), x ∈ [0; 1]
P 0,1 0,2 0,4 0,3 f (x ) = 4
Tính kỳ vọng của X ? 0, x ∉ [0; 1].
Giải. Ta có:
EX = −1 × 0,1 + 0 × 0,2 + 2 × 0, 4 + 3 × 0, 3 .
Vậy EX = 1, 6 .
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
VD 9. Cho BNN X có bảng phân phối xác suất: 3.2.2. Ý nghĩa của Kỳ vọng
X 1 2 4 5 7 • Kỳ vọng của biến ngẫu nhiên X là giá trị trung bình
P a 0,2 b 0,2 0,1 (tính theo xác suất) mà X nhận được, nó phản ánh giá
Tìm giá trị của tham số a và b để EX = 3, 5 ? trị trung tâm phân phối xác suất của X .
• Trong thực tế sản xuất hay kinh doanh, khi cần chọn
phương án cho năng suất hay lợi nhuận cao, người ta
VD 10. Cho biến ngẫu nhiên X có hàm mật độ: thường chọn phương án sao cho kỳ vọng năng suất
ax + bx 2, x ∈ [0; 1]
f (x ) =
hay kỳ vọng lợi nhuận cao.
0, x ∉ [0; 1].
Cho biết EX = 0, 6 . Hãy tính P (X < 0, 5)?
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
VD 11. Một thống kê cho biết tỉ lệ tai nạn xe máy ở 3.2.3. Kỳ vọng của hàm của biến ngẫu nhiên
thành phố H là 0,001. Công ty bảo hiểm A đề nghị bán
Giả sử Y = ϕ(X ) là hàm của biến ngẫu nhiên X .
loại bảo hiểm tai nạn xe máy cho ông B ở thành phố H
trong 1 năm với số tiền chi trả là 10 (triệu đồng), phí Nếu X là biến ngẫu nhiên rời rạc thì:
bảo hiểm là 0,1 (triệu đồng). Hỏi trung bình công ty A EY = ∑ yi .pi = ∑ ϕ(x i ).pi
lãi bao nhiêu khi bán bảo hiểm cho ông B ? i i
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
Chú ý 3.3. PHƯƠNG SAI
Khi biến ngẫu nhiên X là rời rạc thì ta nên lập bảng
3.3.1. Định nghĩa
phân phối xác suất của Y , rồi tính EY .
VD 15. Cho BNN X có bảng phân phối xác suất: Phương sai (Variance hay Dispersion) của biến ngẫu
nhiên X , ký hiệu VarX hay D(X ), là một số thực
X –1 0 1 2
không âm được xác định bởi:
P 0,1 0,3 0,35 0,25
Tính EY với Y = X 2 − 3 ? VarX = E (X − EX )2 = E (X 2 ) − (EX )2 .
VD 16. Cho BNN X có hàm mật độ xác suất:
2 Nếu BNN X là rời rạc và P(X = x i ) = pi thì:
, x ∈ [1; 2]
f (x ) = x 2
2
VarX = ∑ x i .pi − ∑ x i .pi .
2
0, x ∉ [1; 2]. i
i
2
Tính EY với Y = X 5 − ?
X
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
Nếu BNN X là liên tục và có hàm mật độ f (x ) thì: VD 18. Tính phương sai của X , biết hàm mật độ:
2 3 2
+∞ +∞ (x + 2x ), x ∈ [0; 1]
VarX = ∫ x .f (x )dx − ∫ x .f (x )dx .
2 f (x ) = 4
0, x ∉ [0; 1].
−∞ −∞
VD 17. Cho BNN X có bảng phân phối xác suất: VD 19. Cho BNN X có hàm mật độ xác suất:
X 1 2 3 3
(1 − x 2 ), x ≤ 1
P 0,2 0,7 0,1 f (x ) = 4
Ta có: VarX = (12.0, 2 + 22.0, 7 + 32.0,1) 0, x > 1.
−(1.0, 2 + 2.0, 7 + 3.0,1)2 = 0, 29 . Tính phương sai của Y , cho biết Y = 2X 2 .
Chương 2. Biế
Biến ngẫ
ngẫu nhiên Chương 2. Biế
Biến ngẫ
ngẫu nhiên
3.3.2. Ý nghĩa của Phương sai • Do đơn vị đo của VarX bằng bình phương đơn vị đo
• (X − EX )2 là bình phương sai biệt giữa giá trị của X của X nên để so sánh được với các đặc trưng khác,
so với trung bình của nó. Và phương sai là trung bình người ta đưa vào khái niệm độ lệch tiêu chuẩn
của sai biệt này, nên phương sai cho ta hình ảnh về sự (standard deviation) là:
phân tán của các số liệu: phương sai càng nhỏ thì số σ = VarX .
liệu càng tập trung xung quanh trung bình của chúng. VD 20. Năng suất (sản phẩm/phút) của hai máy tương
• Trong kỹ thuật, phương sai đặc trưng cho độ sai số của ứng là các BNN X và Y , có bảng phân phối xác suất:
thiết bị. Trong kinh doanh, phương sai đặc trưng cho X 1 2 3 4 Y 2 3 4 5
độ rủi ro đầu tư. P 0,3 0,1 0,5 0,1 P 0,1 0,4 0,4 0,1
Từ bảng phân phối xác suất, ta tính được:
EX = 2, 4 ; VarX = 1, 04 ; EY = 3, 5 ; VarY = 0, 65.
Vì EX < EY , VarX > VarY nên nếu phải chọn mua
một trong hai loại máy này thì ta chọn mua máy Y .
• Xác suất trong n lần thử có k lần A xuất hiện là: VD 2. Một đề thi XSTK gồm 20 câu hỏi trắc nghiệm
như trong VD 1. Sinh viên B làm bài một cách ngẫu
pk = P (X = k ) = C nk p kq n −k (k = 0,1,..., n ). nhiên. Biết rằng, nếu trả lời đúng 1 câu thì sinh viên B
được 0,5 điểm và nếu trả lời sai 1 câu thì bị trừ 0,125
điểm. Tính xác suất để sinh viên B đạt điểm 5 ?
e −λ .λk
pk = P (X = k ) = (k = 0,1,..., n,...).
k!
Trong đó, λ là trung bình số lần xuất hiện biến cố nào
đó mà ta quan tâm.
Nhận xét
• Phân phối Poisson không phải là phân phối xác suất
chính xác. Tuy vậy, phân phối Poisson rất thuận tiện
cho việc mô tả và tính toán.
• Phân phối Poisson thường gắn với yếu tố thời gian.
(Giá trị hàm f (t ) được cho trong bảng phụ lục A).
µ=0
Chương 3. Phân phố
phối xác suấ
suất thông dụng
Phân bố xác suất VD 1. Tốc độ chuyển dữ liệu từ máy chủ của ký túc xá
đến máy tính của sinh viên vào buổi sáng chủ nhật có
34,1% 34,1%
phân phối chuẩn với trung bình 60Kbits/s và độ lệch
chuẩn 4Kbits/s. Xác suất để tốc độ chuyển dữ liệu lớn
hơn 63Kbits/s là:
13,6% 13,6% A. 0,2266; B. 0,2144; C. 0,1313; D. 0,1060.
2,1% 2,1% VD 2. Một kỳ thi đầu vào ở trường chuyên A quy định
điểm đỗ là tổng số điểm các môn thi không được thấp
0,1% 0,1% hơn 15 điểm. Giả sử tổng điểm các môn thi của học
sinh là biến ngẫu nhiên có phân phối chuẩn với trung
−3σ −2σ −σ µ σ 2σ 3σ bình 12 điểm. Biết rằng tỉ lệ học sinh thi đỗ là 25,14%.
Độ lệch chuẩn là:
A. 4 điểm; B. 4,5 điểm; C. 5 điểm; D. 5,5 điểm.
• Bảng phân phối xác suất của X với điều kiện Y = y j : • Bảng phân phối xác suất của Y với điều kiện X = x i :
X x1 x 2 ⋯ xm y1 y2 ⋯ yn
Y
p1 j p2 j pmj
(
P X =x i Y =y j ) p• j p• j
⋯
p• j (
P Y =y j X =x i )
pi 1 pi 2
⋯
pin
pi • pi • pi •
Kỳ vọng của X với điều kiện Y = y j là: Kỳ vọng của Y với điều kiện X = xi là:
1 1
EX = (x p + x 2 p2 j + ... + x m pmj ). EY = (y p + y2 pi 2 + ... + yn pin ).
p• j 1 1 j pi • 1 i 1
VD 3. Tuổi thọ X (năm) và thời gian chơi thể thao Y §1. Một số loại hội tụ trong xác suất và các định lý
(giờ) có hàm mật độ đồng thời được cho như sau: §2. Các loại xấp xỉ phân phối xác suất
………………………………………………………………………
15 §1. MỘT SỐ LOẠI HỘI TỤ TRONG XÁC SUẤT
x (1 − y 2 ), khi 0 ≤ y < x ≤ 1,
f (x , y ) = 4 VÀ CÁC ĐỊNH LÝ
0, nôi khaùc. (tham khảo)
Thời gian chơi thể thao trung bình là: 1.1. Hội tụ theo xác suất – Luật số lớn
A. 0,3125 giờ; B. 0,5214 giờ; a) Định nghĩa
C. 0,1432 giờ; D. 0,4132 giờ. • Dãy các biến ngẫu nhiên {X i } (i = 1,..., n,...) được gọi
là hội tụ theo xác suất đến biến ngẫu nhiên X nếu:
…………………………………………………………… (
∀ω ∈ Ω, ∀ε > 0 : lim P Xn (ω) − X (ω) ≥ ε = 0.
n →∞
)
P
Ký hiệu: Xn
→ X (n → ∞).
2.3. Xấp xỉ phân phối Nhị thức bởi phân phối Chuẩn b) Định lý giới hạn tích phân Moivre – Laplace
Xét biến ngẫu nhiên X có phân phối Nhị thức B(n; p).
a) Định lý giới hạn địa phương Moivre – Laplace
Xét biến ngẫu nhiên X có phân phối Nhị thức B(n; p). Với mọi a, b ∈ ℝ và a < b , ta có:
b −np
k − np
Với k = 0,1,..., n bất kỳ và x = , ta có : npq
−
x2
1
npq lim P (a ≤ X ≤ b) =
n →∞ 2π
∫ e 2 dx .
VD 6. Một khách sạn nhận đặt chỗ của 325 khách hàng Tóm tắt xấp xỉ Chuẩn cho Nhị thức
cho 300 phòng vào ngày 1/1 vì theo kinh nghiệm của
những năm trước cho thấy có 10% khách đặt chỗ nhưng
không đến. Biết mỗi khách đặt 1 phòng, tính xác suất: np ≥ 5
1) có 300 khách đến vào ngày 1/1 và nhận phòng;
nq ≥ 5
2) tất cả khách đến vào ngày 1/1 đều nhận được phòng. X ∈ B(n, p) X ∈ N (µ, σ 2 )
Hướng dẫn: EX = np µ = np EX = µ
X ∈ B(325; 0,9) ⇒ µ = 292, 5; σ2 = 29, 25
VarX = npq σ = npq
2
VarX = σ 2
⇒ X ∼ N (292, 5; 29, 25).
1) P (X = 300) = 0, 0281; …………………………………….
2) P (0 ≤ X ≤ 300) = 0, 9177 .
Chương 6. Mẫu thố
thống kê & Ước lượ
lượng tham số
PHẦN II. LÝ THUYẾT THỐNG KÊ
• Từ tổng thể ta chọn ra n phần tử thì n phần tử đó được
(Statistical theory)
gọi là một mẫu có kích thước n (cỡ mẫu).
Chương VI. MẪU THỐNG KÊ
VÀ ƯỚC LƯỢNG THAM SỐ • Mẫu được chọn ngẫu nhiên một cách khách quan được
§1. Lý thuyết mẫu gọi là mẫu ngẫu nhiên.
§2. Ước lượng điểm
• Có hai cách lấy mẫu:
§3. Ước lượng khoảng
……………………………………………………… Mẫu có hoàn lại: phần tử vừa quan sát xong được
§1. LÝ THUYẾT MẪU trả lại cho tổng thể trước khi quan sát lần sau.
Mẫu không hoàn lại: Phần tử vừa quan sát xong
1.1. Mẫu và tổng thể không được trả lại cho tổng thể.
• Tập hợp tất cả phần tử là các đối tượng mà ta nghiên
cứu được gọi là tổng thể. Số phần tử của tổng thể được Khi mẫu có kích thước lớn thì ta không phân biệt mẫu
gọi là kích thước của tổng thể (thường rất lớn). có hoàn lại hay không hoàn lại.
Dùng máy tính bỏ túi để tính đặc trưng mẫu Dùng máy tính bỏ túi để tính đặc trưng mẫu
b) Máy fx 500 – 570 ES
a) Máy fx 500 – 570 MS
• Xóa bộ nhớ: SHIFT → 9 → 3 → = → =
• Xóa bộ nhớ: SHIFT → MODE → 3 → = → = • Vào chế độ thống kê nhập dữ liệu:
• Vào chế độ thống kê nhập dữ liệu: – SHIFT → MODE (SETUP) dịch chuyển mũi tên
– MODE → 2 (chọn SD đối với fx500MS); →4→1
MODE → MODE → 1 (chọn SD đối với fx570MS). – MODE → 3 (stat) → 1 (1-var)
– Nhập các số: – Nhập các giá trị và tần số vào 2 cột trên màn hình:
12 → SHIFT → , → 3 → M+ X FREQ
11 → SHIFT → , → 2 → M+ 12 3
15 → SHIFT → , → 4 → M+ 11 2
15 4 → AC
• Xuất kết quả, ta làm như 1a).
• Xuất kết quả, làm như 1b).
Dùng máy tính bỏ túi để tính đặc trưng mẫu Chương 6. Mẫu thố
thống kê & Ước lượ
lượng tham số
VD 3. Điều tra năng suất của 100 ha lúa trong vùng A , KHÁI NIỆM CHUNG VỀ ƯỚC LƯỢNG
ta có bảng số liệu sau:
• Ước lượng là phỏng đoán một giá trị chưa biết của tổng
Năng suất 3 - 3,5 4 - 4,5 5 - 5,5 6 - 6,5 thể dựa vào quan sát trên mẫu lấy ra từ tổng thể đó.
(tấn/ha) 3,5 - 4 4,5 - 5 5,5 - 6 6,5 - 7 Thông thường, ta cần ước lượng về trung bình, tỉ lệ,
Diện tích(ha) 7 12 18 27 20 8 5 3 phương sai, hệ số tương quan của tổng thể.
Những thửa ruộng có năng suất ít hơn 4,4 tấn/ha là có
năng suất thấp. • Có hai hình thức ước lượng:
Dùng máy tính bỏ túi để tính: Ước lượng điểm: kết quả cần ước lượng được cho
1) tỉ lệ diện tích lúa có năng suất thấp; bởi một trị số.
2) năng suất lúa trung bình, phương sai mẫu chưa hiệu Ước lượng khoảng: kết quả cần ước lượng được cho
chỉnh và độ lệch chuẩn của mẫu có hiệu chỉnh. bởi một khoảng.
Chương 6. Mẫu thố
thống kê & Ước lượ
lượng tham số Chương 6. Mẫu thố
thống kê & Ước lượ
lượng tham số
• Ước lượng điểm có ưu điểm là cho ta một giá trị cụ §3. ƯỚC LƯỢNG KHOẢNG
thể, có thể dùng để tính các kết quả khác, nhưng nhược Trong bài này, ta chỉ xét đến ước lượng trung bình,
điểm là không cho biết sai số của ước lượng. phương sai trong phân phối chuẩn N (µ; σ2 ) và ước
Ước lượng khoảng thì ngược lại.
lượng tỉ lệ trong phân phối Bernoulli B(1; p).
• Xác suất 1 − α được gọi là độ tin cậy của ước lượng, 3.2. Ước lượng khoảng cho trung bình tổng thể µ
2ε = θ2 − θ1 được gọi là độ dài của khoảng ước lượng
Giả sử tổng thể X có trung bình µ chưa biết.
và ε được gọi là độ chính xác của ước lượng.
Với độ tin cậy 1 − α cho trước, ta đi tìm khoảng ước
• Bài toán đi tìm khoảng ước lượng cho θ được gọi là lượng cho µ là (µ1; µ 2 ) thỏa P (µ1 < µ < µ 2 ) = 1 − α .
bài toán ước lượng khoảng.
Trong thực hành, ta có 4 trường hợp sau.
CÁC BÀI TOÁN VỀ ƯỚC LƯỢNG KHOẢNG Bài 3. Tìm cỡ mẫu (ta chỉ xét TH1 và TH2)
• Khi ta chấp nhận giả thuyết H , nghĩa là ta tin rằng H a) Sai lầm loại I
đúng; khi bác bỏ H , nghĩa là ta tin rằng H sai. Do chỉ • Sai lầm loại 1 là loại sai lầm mà ta phạm phải trong
dựa trên một mẫu quan sát ngẫu nhiên, nên ta không việc bác bỏ giả thuyết H khi H đúng.
thể khẳng định chắc chắn điều gì cho tổng thể. • Xác suất của việc bác bỏ H khi H đúng là xác suất
• Trong chương này, ta chỉ xét loại kiểm định tham số của sai lầm loại 1 và được ký hiệu là α .
(so sánh đặc trưng với 1 số, so sánh hai đặc trưng của
hai tổng thể). b) Sai lầm loại II
1.2. Các loại sai lầm trong kiểm định • Sai lầm loại 2 là loại sai lầm mà ta phạm phải trong
Khi thực hiện kiểm định giả thuyết, ta dựa vào quan việc chấp nhận giả thuyết H khi H sai.
sát ngẫu nhiên một số trường hợp rồi suy rộng ra cho • Xác suất của việc chấp nhận giả thuyết H khi H sai là
tổng thể. Sự suy rộng này có khi đúng, có khi sai. xác suất của sai lầm loại 2 và được ký hiệu là β .
Thống kê học phân biệt 2 loại sai lầm sau:
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
c) Mối liên hệ giữa hai loại sai lầm 1.3. Cơ sở lý thuyết của kiểm định
• Khi thực hiện kiểm định, ta luôn muốn xác suất phạm • Để giải quyết bài toán kiểm định, ta quan sát mẫu ngẫu
phải sai lầm càng ít càng tốt. Tuy nhiên, nếu hạ thấp α nhiên X1,..., X n và đưa ra giả thuyết H .
thì β sẽ tăng lên và ngược lại.
• Từ mẫu trên, ta chọn thống kê T = f (X1,..., X n ; θ0 )
Trong thực tế, giữa hai loại sai lầm này, loại nào tác hại
hơn thì ta nên tránh. sao cho nếu khi H đúng thì phân phối xác suất của T
hoàn toàn xác định.
• Trong thống kê, người ta quy ước rằng sai lầm loại 1 • Với mức ý nghĩa α , ta tìm được khoảng tin cậy (hay
tác hại hơn loại 2 nên cần tránh hơn. Do đó, ta chỉ xét khoảng ước lượng) [a; b ] cho T ở độ tin cậy 1 − α .
các phép kiểm định có α không vượt quá một giá trị
ấn định trước, thông thường là 1%; 3%; 5%;… Khi đó:
Giá trị α còn được gọi là mức ý nghĩa của kiểm định. nếu t ∈ [a; b ] thì ta chấp nhận giả thuyết H ;
nếu t ∉ [a; b ] thì ta bác bỏ giả thuyết H .
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
• Nếu hàm mật độ của T đối xứng qua trục Oy thì ta §2. KIỂM ĐỊNH SO SÁNH ĐẶC TRƯNG
chọn khoảng đối xứng [−tα ; tα ], với: CỦA TỔNG THỂ VỚI MỘT SỐ
α 2.1. Kiểm định so sánh trung bình với một số
P (T ≤ −tα ) = P (T ≥ tα ) = .
2 Với số µ0 cho trước, ta đặt giả thuyết H : µ = µ 0 .
Vậy, khi xét nửa bên phải của trục Oy thì ta được: a) Trường hợp 1. Với n ≥ 30, σ2 đã biết.
nếu t ≤ tα thì ta chấp nhận giả thuyết H ;
1−α B
nếu t > tα thì ta bác bỏ giả thuyết H . • Từ mức ý nghĩa α ⇒ = ϕ(tα ) → tα .
2
• Nếu hàm mật độ của T không đối xứng qua trục Oy thì x − µ0
ta chọn khoảng tin cậy [0; C ], với P (T ≥ C ) = α . • Tính giá trị thống kê t = n.
σ
Nếu t ≤ C thì ta chấp nhận giả thuyết H , và • Nếu t ≤ tα thì ta chấp nhận H , nghĩa là µ = µ 0 ;
nếu t > C thì ta bác bỏ giả thuyết H .
………………………………………………………………………… nếu t > tα thì ta bác bỏ H , nghĩa là µ ≠ µ 0 .
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
b) Trường hợp 2. Với n ≥ 30, σ2 chưa biết. Chú ý
Ta làm như trường hợp 1 nhưng thay σ bằng s . Trong tất cả các trường hợp bác bỏ, ta so sánh x và µ 0 :
c) Trường hợp 3. Với n < 30, σ2 đã biết và Nếu x > µ 0 thì ta kết luận µ > µ 0 .
X có phân phối chuẩn, ta làm như trường hợp 1. Nếu x < µ 0 thì ta kết luận µ < µ 0 .
d) Trường hợp 4. Với n < 30, σ2 chưa biết và
X có phân phối chuẩn.
• Từ cỡ mẫu n và mức ý nghĩa α → tαn −1.
tra baûng C
x − µ0
• Tính giá trị thống kê t = n.
s
• Nếu t ≤ tαn −1 thì ta chấp nhận giả thuyết H ;
t > tαn −1 thì ta bác bỏ giả thuyết H .
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
VD 1. Sở Điện lực A báo cáo rằng: trung bình một hộ VD 2. Nhà Giáo dục học B muốn nghiên cứu xem số
hàng tháng phải trả 250 ngàn đồng tiền điện, với độ giờ tự học trung bình hàng ngày của sinh viên có thay
lệch chuẩn là 20 ngàn. Người ta khảo sát ngẫu nhiên đổi không so với mức 1 giờ/ngày cách đây 10 năm.
500 hộ thì tính được trung bình hàng tháng một hộ trả Ông B khảo sát ngẫu nhiên 120 sinh viên và tính được
252 ngàn đồng tiền điện. trung bình là 0,82 giờ/ngày với sˆ = 0, 75 giờ/ngày.
Trong kiểm định giả thuyết H : “trung bình một hộ Với mức ý nghĩa 3%, hãy cho biết kết luận của ông B ?
phải trả hàng tháng là 250 ngàn đồng tiền điện” với
mức ý nghĩa α = 1% , hãy cho biết giá trị thống kê t và
kết luận ?
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
VD 4. Một công ty cho biết mức lương trung bình của VD 5. Người ta kiểm tra ngẫu nhiên 38 cửa hàng của
một kỹ sư ở công ty là 5,7 triệu đồng/tháng với độ lệch công ty A và có bảng doanh thu trong 1 tháng là:
chuẩn 0,5 triệu đồng/tháng. Kỹ sư A dự định xin vào X (triệu đồng/tháng) 200 220 240 260
làm ở công ty này và đã thăm dò 18 kỹ sư thì thấy Số cửa hàng 8 16 12 2
lương trung bình là 5,45 triệu đồng/tháng. Kiểm định giả thuyết H : “doanh thu trung bình hàng
Kỹ sư A quyết định rằng: nếu mức lương trung bình tháng của một cửa hàng công ty là 230 triệu đồng”,
bằng với mức công ty đưa ra thì nộp đơn xin làm. mức ý nghĩa tối đa để giả thuyết H được chấp nhận là:
Với mức ý nghĩa 2%, cho biết kết luận của kỹ sư A ? A. 3,4%; B. 4,2%; C. 5,6%; D. 7,8%.
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
VD 7. Thời gian X (phút) giữa hai chuyến xe bus trong VD 8. Chiều cao cây giống X (m) trong một vườm
một thành phố là biến ngẫu nhiên có phân phối chuẩn. ươm là biến ngẫu nhiên có phân phối chuẩn. Người ta
Công ty xe bus nói rằng: trung bình cứ 5 phút lại có 1 đo ngẫu nhiên 25 cây giống này và có bảng số liệu:
chuyến xe bus. Người ta chọn ngẫu nhiên 8 thời điểm X (m) 0,8 0,9 1,0 1,1 1,2 1,3
và ghi lại thời gian (phút) giữa hai chuyến xe bus là: Số cây 1 2 9 7 4 2
5,3; 4,5; 4,8; 5,1; 4,3; 4,8; 4,9; 4,7.
Với mức ý nghĩa 5%, hãy kiểm định lời nói trên ? Theo quy định của vườn ươm, khi nào cây cao hơn 1 m
thì đem ra trồng. Với mức ý nghĩa 5%, kiểm định giả
thuyết H : “cây giống của vườn ươm cao 1 m” có giá
trị thống kê và kết luận là:
A. t = 2, 7984 , không nên đem cây ra trồng.
B. t = 2, 7984 , nên đem cây ra trồng.
C. t = 1, 9984 , không nên đem cây ra trồng.
D. t = 1, 9984 , nên đem cây ra trồng.
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
2.2. Kiểm định so sánh tỉ lệ với một số VD 9. Một báo cáo cho biết có 58% người tiêu dùng
• Với số p0 cho trước, ta đặt giả thuyết H : p = p0 . Việt Nam quan tâm đến hàng Việt. Khảo sát ngẫu nhiên
1−α B
1.000 người dân Việt Nam thấy có 536 người được hỏi
• Từ mức ý nghĩa α ⇒ = ϕ(tα ) → tα . là có quan tâm đến hàng Việt. Với mức ý nghĩa 5%,
2
m hãy kiểm định lại báo cáo trên ?
• Từ mẫu cụ thể, ta tính tỉ lệ mẫu f = và
n VD 10. Khảo sát ngẫu nhiên 400 sinh viên về mức độ
f − p0 nghiêm túc trong giờ học thì thấy 13 sinh viên thừa
giá trị thống kê t = n , q 0 = 1 − p0 .
p0q 0 nhận có ngủ trong giờ học. Trong kiểm định giả thuyết
H : “có 2% sinh viên ngủ trong giờ học”, mức ý nghĩa
Nếu t ≤ tα thì chấp nhận H , nghĩa là p = p0 . tối đa là bao nhiêu để H được chấp nhận ?
Nếu t > tα thì bác bỏ H , nghĩa là p ≠ p0 .
Khi đó: f > p0 ⇒ p > p0 ; f < p0 ⇒ p < p0 .
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
§3. KIỂM ĐỊNH SO SÁNH HAI ĐẶC TRƯNG b) Trường hợp 2. nx , ny ≥ 30 và σ2x , σy2 chưa biết.
CỦA HAI TỔNG THỂ
3.1. So sánh hai trung bình của hai tổng thể X, Y Ta thay σ2x , σy2 bằng sx2 , sy2 trong trường hợp 1.
Ta có 4 trường hợp và việc chấp nhận hay bác bỏ H
ta đều làm như kiểm định so sánh trung bình với 1 số c) Trường hợp 3. nx , ny < 30 và σ2x , σy2 đã biết
(cả 4 trường hợp ta đều đặt giả thuyết H : µ x = µ y ). đồng thời X , Y có phân phối chuẩn.
Ta làm như trường hợp 1.
a) Trường hợp 1. nx , ny ≥ 30 và σ2x , σy2 đã biết.
x −y
Ta tính thống kê t = và so sánh với tα .
σ2x σy2
+
nx ny
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
d) Trường hợp 4. nx , ny < 30 và σ2x , σy2 chưa biết VD 1. Người ta tiến hành bón hai loại phân X , Y cho
đồng thời X , Y có phân phối chuẩn. cây cà chua. Với 60 cây được bón phân X thì thu được
trung bình 32,2 quả và độ lệch chuẩn 8,5 quả; 72 cây
• Tính phương sai chung của 2 mẫu: được bón phân Y thu được trung bình 28,4 quả và độ
(nx − 1)sx2 + (ny − 1)sy2 lệch chuẩn 9,3 quả. Với mức ý nghĩa 5%, hãy cho biết
s2 = . kết luận về hai loại phân bón trên ?
nx + ny − 2
x −y
• Tính giá trị thống kê t = .
1 1
s. +
nx ny
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
VD 3. Tuổi thọ (năm) của pin là biến ngẫu nhiên có 3.2. So sánh hai tỉ lệ của hai tổng thể X, Y
phân phối chuẩn. Một công ty sản xuất thử nghiệm 10
Ta thực hiện các bước sau:
chiếc pin loại X và 12 chiếc pin loại Y thì có kết quả:
• Đặt giả thuyết H : px = py .
x = 4, 8 , sx = 1,1 và y = 4, 3 , sy = 0, 3 .
Với mức ý nghĩa 1%, ta có thể kết luận tuổi thọ của mx my mx + my
• Từ 2 mẫu ta tính fx = , fy = , p0 = .
loại pin X cao hơn loại pin Y được không ? nx ny nx + ny
fx − fy
• Tính giá trị thống kê t = .
1 1
p0q 0 +
nx ny
Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê Chương 7. Kiể
Kiểm định Giả
Giả thuyế
thuyết Thố
Thống kê
• Kết luận: VD 5. Từ hai tổng thể X và Y người ta tiến hành kiểm
Nếu t ≤ tα thì ta chấp nhận H ⇒ px = py . tra 2 mẫu có kích thước nx = 1000 , ny = 1200 về một
Nếu t > tα và fx < fy thì ta bác bỏ H ⇒ px < py . tính chất A thì được fx = 0, 27 và fy = 0, 3 . Với mức ý
Nếu t > tα và fx > fy thì ta bác bỏ H ⇒ px > py . nghĩa 9%, hãy so sánh hai tỉ lệ px , py của hai tổng thể ?
VD 6. Kiểm tra 120 sản phẩm ở kho I thấy có 6 phế
phẩm; 200 sản phẩm ở kho II thấy có 24 phế phẩm.
Hỏi chất lượng hàng ở hai kho có khác nhau không với:
1) mức ý nghĩa 5%; 2) mức ý nghĩa 1%.