Bài Giảng Lý Thuyết Xác Suất Và Thống Kê Toán - ThS. Nguyễn Thị Thùy Trang - 1263035

BTEC - SFM
ĐẠI HỌC KINH TẾ QUỐC DÂN

KHOA TOÁN KINH TẾ
Bộ môn Toán kinh tế
Bài giảng
LÝ THUYẾT XÁC SUẤT
&
THỐNG KÊ TOÁN
www.mfe.neu.edu.vn
2019
Thông tin học phần

▪ Tiếng Anh: Probability and Mathematical Statistics
▪ Số tín chỉ: 3 Thời lượng: 45 tiết
▪ Đánh giá:
• Điểm do giảng viên đánh giá: 10%
• Điểm kiểm tra giữa kỳ: 20%
• Điểm kiểm tra cuối kỳ (90 phút): 70%
▪ Không tham gia quá 20% số tiết không được thi
LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 2
Thông tin học phần

▪ Thông tin chi tiết về Giảng dạy và học tập học phần:
▪ www.mfe.edu.vn  Văn bản quan trọng  “Hướng
dẫn giảng dạy học tập học phần Lý thuyết xác suất và
Thống kê toán”
• Đề cương chi tiết
• Hướng dẫn thực hành Excel
• Bảng số và công thức cơ bản
• Một số đề thi và bài tập
• Nội dung giảng dạy học tập cụ thể
www.mfe.edu.vn/buiduonghai 1
BTEC - SFM
Thông tin giảng viên

▪ Giảng viên: Nguyễn Thị Thùy Trang
▪ Giảng viên Bộ môn Toán kinh tế - Khoa Toán kinh tế -
ĐH Kinh tế quốc dân
▪ Email: thuytrang@neu.edu.vn
▪ Phone: 0985984389
▪ Group:
▪ Trang web: www.mfe.neu.edu.vn/nguyenthithuytrang
Tài liệu
▪ [1] Nguyễn Cao Văn, Trần Thái
Ninh, Ngô Văn Thứ (2015), Giáo
trình Lý thuyết xác suất và
Thống kê toán, NXB ĐHKTQD.
▪ [2] Bùi Dương Hải (2016), Tài
liệu hướng dẫn thực hành Excel,
Lưu hành hội bộ.
▪ [3] Paul Newbold, William L.
Carlson, Betty Thorne (2010),
Statistics for Business and
Economics, 7th edition, Pearson.
▪ Website: www.mfe.neu.edu.vn
Thông tin lớp học LMS + Tài liệu

▪ Thông tin lớp học LMS
▪ Toàn bộ tài liệu+các
thông tin liên quan sẽ
được đăng tải và update
liên tục trên:
www.mfe.edu.vn/nguyen
thithuytrang
BTEC - SFM
Nhà khoa học

▪ Thế kỉ 16: Galilei O Galile (Italia)
▪ Thế kỉ 17: Blaise Pascal, Piere de Fermat (Pháp),
Christian Huygens (Hà Lan), Jakob Bernoulli (Thụy Sĩ)
▪ Thế kỉ 18: Nicolaus Bernoulli (Thụy Sĩ), Thomas Bayes
(Anh), Pierre Simon Laplace (Pháp)
▪ Thế kỉ 19: Carl Friedrich Gauss (Đức), Simeon Denis
Poisson (Pháp), Pafuni Chebyshev (Nga), Francis
Galton, Karl Pearson (Anh)
▪ Thế kỉ 20: Charles Spearman, Royal Aylmer Fisher
(Anh), Andrei Kolmogorov (Nga)
NỘI DUNG
▪ BÀI 1: MỞ ĐẦU
▪ BÀI 2: BIẾN CỐ VÀ XÁC SUẤT
▪ BÀI 3: BIẾN NGẪU NHIÊN RỜI RẠC VÀ QUY LUẬT PHÂN
PHỐI XÁC SUẤT
▪ BÀI 4: BIẾN NGẪU NHIÊN LIÊN TỤC VÀ QUY LUẬT PHÂN
PHỐI XÁC SUẤT
▪ BÀI 5: BIẾN NGẪU NHIÊN HAI CHIỀU
▪ BÀI 6: LUẬT SỐ LỚN
▪ BÀI 7: MẪU NGẪU NHIÊN
▪ BÀI 8: ƯỚC LƯỢNG THAM SỐ
▪ BÀI 9: KIỂM ĐỊNH GIẢ THUYẾT
BÀI 1 – MỞ ĐẦU
▪ 1.1. Các khái niệm cơ bản
▪ 1.2. Bảng biểu – Đồ thị
▪ 1.3. Thống kê mô tả
BTEC - SFM
1.1. CÁC KHÁI NIỆM CƠ BẢN

▪ Khái niệm về Thống kê
▪ Hai nhánh của thống kê
▪ Tổng thể và Mẫu
▪ Cấu trúc dữ liệu cơ bản
▪ Các loại biến, Thang đo
▪ Nguồn gốc dữ liệu
▪ [1] Chương 6, trang 295, 306, 308 – 312.

▪ [2] Chapter 1, pp. 1 – 7.
▪ [3] Chapter 1, pp. 1 – 22.
10
Thống kê (Statistics)
▪ Thu thập dữ liệu
▪ Xử lý dữ liệu
▪ Trình bày, biểu diễn dữ liệu
▪ Phân tích dữ liệu để có được thông tin ở mức cao hơn
▪ Suy diễn về thông tin
Thông tin Thông tin

ban đầu Thống kê cao cấp hơn
(Dữ liệu) (Kết quả)
11
Hai nhánh của Thống kê

▪ Có hai nhánh chính
▪ Thống kê mô tả (Descriptive Statistics): sắp xếp, tổng
hợp, trình bày dữ liệu theo những cách hợp lý, thuận
tiện nhất.
▪ Thống kê suy diễn (Inferential Statistics): dự đoán,
kiểm chứng, phân tích dữ liệu để có các kết luận tổng
quát.
▪ Thống kê mô tả là thông tin cơ bản cho thống kê suy

diễn
12
BTEC - SFM
Tổng thể và Mẫu
▪ Tổng thể (Population): tất cả các phần tử cần quan

tâm
• Kích thước tổng thể: N, có thể vô hạn
• Giá trị tính từ tổng thể: Tham số (parameter)
▪ Mẫu (Sample): tập con rút ra từ tổng thể
• Kích thước mẫu: n, hữu hạn
• Giá trị tính được: Thống kê (statistic)
13
Cấu trúc dữ liệu truyền thống

▪ Gồm: Quan sát / bản ghi – Biến / trường – Giá trị
▪ (Observation / record – Variable / field – Value)
Biến
Điểm Điểm
TT Họ tên Giới Tuổi …
T.Anh Toán
1 Nguyễn A M 19 A 8 …
Quan sát
2 Trần T. F 20 C 9 …
3 Lê …. M 20 B 7
… … … … … …. ….
14
Phân loại biến

▪ Định tính (Qualitative) và Định lượng (Quantitative)
▪ Biến định tính: Định danh và Thứ bậc
• Định danh (Nominal): VD: Tên, địa chỉ, ngành học
• Thứ bậc (Ordinal): VD: Thứ hạng, cỡ giày,…
• Riêng: Nhị phân (binary): Đúng / Sai, Nam / Nữ…
▪ Biến Định lượng (Quantitative): có đơn vị đo lường
• Rời rạc (Discrete): VD: tuổi, số buổi học,…
• Liên tục (Continuous): VD: thời gian, cân nặng
• Biến định lượng có thể sử dụng để xác định biến
định tính
15
BTEC - SFM
Phân loại biến
Định tính Định lượng
Định danh Thứ bậc Rời rạc Liên tục

Liệt kê Liệt kê, nhóm Liệt kê, nhóm, gộp
Nhóm, gộp Sắp xếp thứ Sắp xếp thứ tự, so sánh
tự, so sánh Tính toán, +, -, × , ÷ ,…
Mã hóa bởi con số Sử dụng để xếp hạng
16
Thang đo Likert
▪ Sử dụng trong các bảng hỏi đánh giá, nhận xét
▪ Thang Likert 5 bậc, 7 bậc
Rất không Không Không Đồng ý Rất đồng ý
đồng ý đồng ý ý kiến
1 2 3 4 5
Hoàn Rất Không Không Đồng ý Rất Hoàn

toàn không đồng ý ý kiến đồng ý toàn
không đồng ý đồng ý
đồng ý
1 2 3 4 5 6 7
17
1.2. BẢNG BIỂU & ĐỒ THỊ

▪ Bảng tần số, tần suất, tần suất tích lũy
▪ Đồ thị tròn (pie chart), cột (column chart, bar chart)
▪ Đồ thị phân phối giá trị (histogram)
▪ Đồ thị rải điểm (scatter plot)
▪ [1] Chương 6, trang 312 – 323.

▪ [2] Chapter 1, pp. 8 – 38.
▪ [3] Chapter 2, pp. 33 – 98.
18
BTEC - SFM
Ví dụ: Dữ liệu VHLSS 2012

▪ Dữ liệu hộ gia đình ở Hà Nội, n = 420 quan sát
No. Khu vực Số Thu nhập So với toàn

người (triệu VND) quốc
1 Thành thị 3 130,8 Cao
2 Thành thị 5 133,1 TB cao
3 Nông thôn 4 104,3 TB thấp
…
420 Nông thôn 7 25,7 Thấp
19
Tần số & Tần suất (tỷ lệ)

▪ Bảng tần số (frequency table) của biến Khu vực
Khu vực Thành thị Nông thôn
Tần số 183 237
▪ Bảng tần suất (relative frequency) hay tỷ lệ
(proportion)
Tần số
Tần suất =
Tổng số phần tử
Khu vực Thành thị Nông thôn

Tần suất 0,436 0,564
Tỷ lệ, phần trăm 43,6 % 56,4 %
20
Đồ thị tròn (pie chart)

Khu vực
Khu Thành Nông Thành
vực thị thôn thị
183
Nông 237
Tần số 183 237 44%
thôn 56%
Tỷ lệ 43,6% 56,4%
So sánh với toàn quốc
So với Cao
TB TB
toàn Cao Thấp TB cao 33
cao thấp 78 8%
quốc TB thấp
18% 205
Thấp
Tần số 205 104 78 33 49%
104
25%
% 49% 25% 19% 8%
21
BTEC - SFM
Đồ thị cột (column chart)

So với toàn quốc
So với 250
Tần số %
toàn quốc 205
200
Cao 205 49%
TB cao 104 25% 150
TB thấp 78 19% 104

100
Thấp 33 8% 78
Tổng 420 100% 50

33
0
Cao TB cao TB thấp Thấp
22
Đồ thị cột: phân phối giá trị (histogram)

SN 1 2 3 4 5 6 7 8 9 Tổng
Tần số 22 54 78 139 74 33 12 4 4 420
% 5% 13% 19% 33% 18% 8% 3% 1% 1% 100%
Quy mô hộ gia đình
33%
19% 18%
13%
8%
5% 3% 1% 1%
1 2 3 4 5 6 7 8 9
23
Hình dạng của phân phối giá trị

▪ Phân phối đối xứng và bất đối xứng
Lệch trái (lệch âm) Đối xứng, Lệch phải (lệch dương)
Negatively skewed dạng chuông Positively skewed
Left skewed Right skewed
(Symmertrical)
Bất đối xứng / phân phối lệch
24
BTEC - SFM
Đồ thị rải điểm (scatter plot)

▪ Sử dụng với số liệu hai chiều
Labor Output Labor Output Output – Labor relationship

300
11 80 15 250
250
11 130 16 220
200
12 150 17 210
Output
150
13 110 18 240
100
13 150 18 200
50
13 200 17 260
0
15 170 19 240 10 12 14 16 18 20
Labor
14 180 19 280
25
Tương quan giữa hai biến định lượng

▪ Dạng cơ bản của đồ thị điểm hai biến định lượng
r = 0,5 Tương quan
Dương
Yếu
Mạnh r = 0,8
Tương quan r=0

Âm
Không
r = – 0,5 Tương quan
26
1.3. THỐNG KÊ MÔ TẢ
▪ Xu thế trung tâm: Trung bình, trung vị, mốt
▪ Các vị trí: tứ phân vị, các phân vị
▪ Đo độ phân tán: Phương sai, độ lệch chuẩn, hệ số biến
thiên, khoảng biến thiên, khoảng tứ phân vị
▪ Hình dáng phân phối: Hệ số bất đối xứng, hệ số nhọn
▪ Đo độ liên hệ: Hiệp phương sai, hệ số tương quan
▪ [1] Chương 6
27
BTEC - SFM
Ví dụ
▪ So sánh về điểm Tiếng Anh của 10 sinh viên vào năm
thứ nhất và thứ hai
Điểm Tiếng Anh năm 1 ĐH Điểm Tiếng Anh năm 2 ĐH

100 100
80 80
60 60
40 40
20 20
0 0
A B C D E F G H I J A B C D E F G H I J
28
Nhóm xu thế trung tâm

▪ Dùng một giá trị đại diện cho bộ số liệu
▪ Ba thống kê xu thế trung tâm thường sử dụng:
• Trung bình (mean)
• Trung vị (median)
• Mốt (mode)
29
Trung bình (mean)

▪ Trung bình =
Tổng thể Mẫu

Dữ liệu: {𝑥1 , 𝑥2 , … , 𝑥𝑁 } Dữ liệu: {𝑥1 , 𝑥2 , … , 𝑥𝑛 }
𝒙𝟏 + 𝒙𝟐 + ⋯ + 𝒙𝑵 𝒙𝟏 + 𝒙𝟐 + ⋯ + 𝒙𝒏
𝝁= 𝒙=
ഥ
𝑵 𝒏
▪ Áp dụng cho biến định lượng

▪ Có cùng đơn vị với biến ngẫu nhiên được mô tả trong
bộ dữ liệu
30
BTEC - SFM
Trung bình có trọng số

▪ Nếu số liệu dạng có trọng số (weighted data)
▪ Giá trị 𝑥𝑖 có trọng số là 𝑤𝑖
▪ Trung bình có trọng số (weighted mean):
𝒘𝟏 𝒙𝟏 +𝒘𝟐 𝒙𝟐+⋯+𝒘𝒌 𝒙𝒌 ∑𝒘𝒊 𝒙𝒊
▪ ഥ
𝒙= =
𝒘𝟏 +𝒘𝟐 +⋯+𝒘𝒌 ∑𝒘𝒊
▪ Ví dụ:
Giá bán (triệu / kg) 10 12 14 16

Số lượng (kg) 3 10 5 2
31
Trung vị (median)
▪ Là giá trị trung tâm của bộ dữ liệu khi dữ liệu được
sắp xếp từ nhỏ nhất đến lớn nhất
▪ Sử dụng số liệu về số lần mua hàng: 5, 2, 7, 4, 2
• Sắp xếp theo thứ tự tăng dần: 2,2,4,5,7 → 𝑚𝑑 = 4
𝑛+1
▪ Khi n lẻ, 𝑚𝑑 nhận giá trị tại quan sát thứ
2
▪ Khi n chẵn, 𝑚𝑑 nhận giá trị là trung bình cộng của 2
giá trị đứng giữa.
▪ Ví dụ với dữ liệu: 3, 8, 12, 14
32
Mốt (mode)
▪ Là giá trị xuất hiện ít nhất 2 lần và xuất hiện thường
xuyên nhất trong bộ dữ liệu
▪ Sử dụng số liệu về số lần mua hàng:
• Dữ liệu : 2, 5, 7, 4, 2 → 𝑚0 = 𝟐
▪ Ví dụ với dữ liệu: 4, 8, 7, 6, 9, 8, 10, 5, 8
33
BTEC - SFM
Nhóm thống kê xu thế trung tâm

▪ Khả năng áp dụng các giá trị xu thế trung tâm
Các thống kê Các loại biến

Xu thế
Trung tâm
Định danh Thứ bậc Định tính
(Nomial) (Ordinal) (Interval)
Trung bình x
Trung vị x x
Mốt x x x
34
Nhóm thống kê đo độ phân tán

Đo độ phân tán hoặc mức độ “đồng đều” (homogeneity)
của bộ dữ liệu
▪ Khoảng biến thiên (Range)
▪ Phương sai (Variance)
▪ Độ lệch chuẩn (Standard Deviation)
▪ Hệ số biến thiên (Coefficient of Variation)
▪ Khoảng tứ phân vị (Interquartile Range)
35
Khoảng biến thiên

▪ Thống kê đơn giản nhất đo độ biến động của bộ dữ
liệu là khoảng biến thiên:
▪ Range = Giá trị lớn nhất – Giá trị nhỏ nhất
▪ Ví dụ:
Khoảng biến thiên thu nhập 5 lao động:
12, 10, 8, 20, 21
36
BTEC - SFM
Phương sai và độ lệch chuẩn

Tổng thể Mẫu
Số liệu {𝑥1, 𝑥2, … , 𝑥𝑁 } {𝑥1, 𝑥2, … , 𝑥𝑛}
∑𝒙𝒊 ∑𝒙𝒊
Trung bình 𝝁= 𝒙=
ഥ
𝑵 𝒏
Tổng bình 𝑆𝑆 = ∑ 𝑥𝑖 − 𝜇 2 𝑆𝑆 = ∑ 𝑥𝑖 − 𝑥ҧ 2
phương
Phương 𝑆𝑆 𝑆𝑆
𝝈𝟐 = 𝒔𝟐 =
sai 𝑵 𝒏−𝟏
Độ lệch 𝜎= 𝜎2 𝑠 = 𝑠2
chuẩn
37

▪ Ví dụ: Tính các thống kê phương sai, độ lệch chuẩn
Tổng thể Mẫu

Số liệu 10, 12, 15, 10, 12, 10, 12, 14, 15,
13, 18, 19, 14, 15 19
Trung bình 𝝁= 𝒙=
ഥ
Tổng bình phương 𝑆𝑆 = 𝑆𝑆 =
Phương sai 𝝈𝟐 = 𝒔𝟐 =
Độ lệch chuẩn 𝜎= 𝑠=
38

▪ Phương sai và độ lệch chuẩn đo mức độ phân tán,
biến động, dao động, đồng đều, ổn định của số liệu
▪ Phương sai lớn hơn → phân tán hơn, biến động hơn
Phương sai nhỏ hơn → đồng đều hơn, ổn định hơn
▪ Phương sai có đơn vị là bình phương đơn vị của biến
▪ Độ lệch chuẩn có đơn vị giống đơn vị của biến
39
BTEC - SFM
Hệ số biến thiên
▪ Phương sai, độ lệch chuẩn đo độ biến động tuyệt đối
▪ Hệ số biến thiên đo độ biến động tương đối
𝜎 𝑠
𝐶𝑉𝑡ổ𝑛𝑔 𝑡ℎể = × 100% 𝐶𝑉𝑚ẫ𝑢 = × 100%
𝜇 𝑥ҧ
▪ Ví dụ: Tính hệ số biến thiên của hai số liệu trong ví dụ

trước
40
Tứ phân vị (Quartile)
▪ 𝑄1, 𝑄2, 𝑄3 chia bộ dữ liệu thành 4 phần với số lượng
phần tử bằng nhau
▪ Tứ phân vị thứ hai chính là trung vị
▪ Khoảng tứ phân vị:
𝐼𝑄𝑅 = 𝑄3 − 𝑄1
▪ IQR cũng dùng để đánh giá độ phân tán của bộ dữ liệu
▪ Sử dụng khoảng (𝑄1 − 1,5 ⋅ 𝐼𝑄𝑅 ; 𝑄3 + 1,5 ⋅ 𝐼𝑄𝑅) là 1
tiêu chuẩn để xác định giá trị ngoại lai (outlier)
41
Giá trị chuẩn hóa

▪ Giá trị chuẩn hóa còn gọi là Z-score, dùng để xác định
vị trí tương đối của 1 giá trị cụ thể so với trung bình
của tập dữ liệu
𝑥𝑖 − 𝜇 𝑥𝑖 − 𝑥ҧ
𝑧𝑖 (tổng thể) = 𝑧𝑖 (mẫu) =
𝜎 𝑠
▪ Z-score có trung bình bằng 0, phương sai bằng 1
▪ Ví dụ: Tính Z-score của các giá trị của mẫu sau
𝒙𝒊 5 8 9 10 15
𝑧𝑖
42
BTEC - SFM
Thống kê mô tả hình dạng phân phối

▪ Tính cho mẫu
▪ Hệ số bất đối xứng (Skewness) 𝑎3:
∑ 𝑥𝑖 − 𝑥ҧ 3/𝑛
𝑎3 =
𝑠3
▪ Hệ số nhọn 𝑎4:
∑ 𝑥𝑖 − 𝑥ҧ 4/𝑛
𝑎4 =
𝑠4
▪ Lưu ý: trong một số phần mềm như Excel, hệ số bất
đối xứng Kurtosis = 𝑎4 − 3
43
Thống kê mô tả mức độ liên hệ

▪ Hai biến 𝑋 và 𝑌 là số liệu theo cặp (𝑥𝑖 , 𝑦𝑖 )
Tổng thể Mẫu

Hiệp 𝐶𝑜𝑣 𝑋, 𝑌 𝑐𝑜𝑣 𝑋, 𝑌
phương sai ∑ 𝑥𝑖 − 𝜇𝑋 𝑦𝑖 − 𝜇𝑌 ∑ 𝑥𝑖 − 𝑥ҧ 𝑦𝑖 − 𝑦ത
= =
Covariance 𝑁 𝑛−1
Hệ số 𝐶𝑜𝑣 𝑋, 𝑌 𝐶𝑜𝑣 𝑋, 𝑌
tương quan 𝜌𝑋,𝑌 = 𝑟𝑋,𝑌 =
𝜎𝑋𝜎𝑌 𝑠𝑋 𝑠𝑌
Correlation
44
Hiệp phương sai - hệ số tương quan

▪ Hệ số tương quan nằm trong đoạn [−1,1]
▪ Hệ số tương quan càng gần 0: càng yếu, lỏng
▪ Hệ số tương quan càng gần ±1: càng mạnh, chặt
▪ Ví dụ: Tính hiệp phương sai và hệ số tương quan của
mẫu sau
𝒙𝒊 𝒚𝒊
2 4
5 5
8 7
7 8
9 10
45
BTEC - SFM
BÀI 2 – BIẾN CỐ VÀ XÁC SUẤT

2.1. Phép thử và biến cố
2.2. Xác suất của biến cố
2.3. Các công thức xác suất
[1] Chương 1, trang 5-77

[2] Chapter 3, pp. 73-125
[3] Chapter 4, pp.170-214
46
Ví dụ mở đầu
Một đề thi xác suất gồm 12 câu hỏi trắc nghiệm. Mỗi câu
hỏi có 4 phương án trả lời, với một đáp án đúng. Một
sinh viên sẽ thi qua môn nếu có ít nhất 7 câu đúng.
Huy có 6 câu trả lời chắc chắn đúng còn 6 câu trả lời được
chọn ngẫu nhiên. Tính khả năng xảy ra các trường hợp
sau:
a) Huy có đúng 7 câu trả lời đúng?
b) Huy thi qua môn xác suất?
c) Huy trả lời đúng tất cả các câu hỏi?
47
Tóm tắt nội dung

▪ Các khái niệm cơ bản: Phép thử, Biến cố (định nghĩa
và phân loại), Xác suất (khái niệm, các định nghĩa,
nguyên lý xác suất lớn và nhỏ)
▪ Mối quan hệ các biến cố: Kéo theo, tương đương, biến
cố tổng, biến cố tích, xung khắc-không xung khắc, độc
lập-phụ thuộc, đối lập
▪ Công thức xác suất: định lý cộng, định lý nhân, lược

đồ (công thức Bernoulli), công thức xác suất đầy đủ và
Bayes.
LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - NEU – www.mfe.edu.vn 48
48
BTEC - SFM

▪ Định nghĩa 2.1. Thực hiện một nhóm các điều kiện cơ
bản để quan sát một hiện tượng nào đó có thể xảy ra
hay không gọi là một phép thử (experiment)
▪ Ví dụ:
- Gieo 1 con xúc xắc
- Tung đồng xu
- T(6X,4D) → 1 quả
- Quá trình sản xuất sản phẩm
- Ném 1 cái cốc thủy tinh từ tầng 5 xuống đất
49

▪ Định nghĩa 2.2. Hiện tượng có thể xảy ra hoặc không
xảy ra trong một phép thử được gọi là biến cố (event)
▪ Phân loại:
• Biến cố chắc chắn (certain): kí hiệu U hay 
• Biến cố không thể có (impossible): kí hiệu V hay 
• Biến cố ngẫu nhiên (random): kí hiệu A, B,… hay A1,
A2,…
50
▪ Phân biệt các loại biến cố ngẫu nhiên:

- Biến cố cơ sở (kết cục duy nhất)
- Biến cố thuận lợi (kết cục thuận lợi)
▪ Ví dụ: Xác định số kết cục duy nhất của phép thử và số
kết cục thuận lợi cho biến cố
51
BTEC - SFM
Phép thử và biến cố

Phép thử Kết cục Biến cố
Tung đồng xu Sấp, ngửa ‘sấp’, ‘ngửa’
Tung xúc xắc 1,2,3,4,5,6 chấm ‘lớn hơn 3’
Tham gia 1 kỳ thi Điểm = 0, 1, 2,…, ‘đỗ’;
10 ‘đạt điểm giỏi’
Đầu tư 1 dự án Lợi nhuận: (+), ‘không âm’
(-), 0 ‘có lãi’
Ứng tuyển 1 vị trí Đạt; Bị loại
Làm 1 công việc Lương = …
52

▪ Định nghĩa 2.3. Xác suất (probability) của một biến cố
là một con số đặc trưng khả năng khách quan xuất
hiện biến cố đó khi thực hiện một phép thử.
▪ Nhận xét:
• Khả năng khách quan, không phải chủ quan
• Là con số xác định
• Cần xây dựng các định nghĩa và định lý để tính
53
Tính chất của xác suất

▪ Xác suất của biến cố bất kỳ nằm trong đoạn [0, 1]
0  P(Biến cố)  1
▪ Xác suất của biến cố chắc chắn: P(U) = 1
▪ Xác suất của biến cố không thể có: P(V) = 0
▪ Xác suất của biến cố ngẫu nhiên A: 0 < P(A) < 1
54
BTEC - SFM
Các định nghĩa về xác suất
▪ Định nghĩa cổ điển về xác suất
▪ Định nghĩa thống kê về xác suất
▪ Định nghĩa hình học về xác suất
▪ Định nghĩa chủ quan về xác suất
▪ Định nghĩa tiên đề về xác suất

55
Nguyên lý xác suất lớn và nhỏ

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

suất nhỏ”: Nếu một biến cố có xác suất rất nhỏ thì
thực tế có thể cho rằng trong một phép thử biến cố
đó sẽ không xảy ra.
56
ĐỊNH NGHĨA CỔ ĐIỂN VỀ XÁC SUẤT

(Classical definition of Probability)
▪ Xác suất xuất hiện biến cố A trong một phép thử là tỷ
số giữa số kết cục thuận lợi cho A và tổng số các kết
cục duy nhất đồng khả năng có thể xảy ra khi thực
hiện phép thử đó
𝑁𝐴
𝑃 𝐴 =
𝑁
57
BTEC - SFM
Ví dụ
▪ Ví dụ 2.1: Lớp có 40 sinh viên nữ, 20 sinh viên nam.
Chọn ngẫu nhiên một người, xác suất được nữ.
▪ Ví dụ 2.2: Giả sử xác suất sinh con gái và trai là như
nhau. Tìm xác suất gia đình có 3 con thì
• (a) có đúng 2 con gái
• (b) có đúng 2 con gái nếu con đầu lòng là gái
• (c) có đúng 2 con gái nếu con đầu lòng là trai
58
Ví dụ
▪ Ví dụ 2.3: Cơ quan có 50 người, trong đó 25 người học
đại học về kinh tế, 20 người học về kỹ thuật, 10 người
học cả hai, còn lại không ai học đại học.
▪ Tìm xác suất chọn ngẫu nhiên 1 người thì người đó
• (a) Chỉ học ĐH đúng 1 ngành
• (b) Học ĐH ít nhất 1 ngành
• (c) Học 2 ngành nếu người đó có học đại học
59
Ví dụ
▪ Ví dụ 2.4: Một hộp có 10 sản phẩm, trong đó có 6
chính phẩm và 4 phế phẩm.
▪ (a) Tính m và n và xác suất để lấy 2 sản phẩm thì được
2 chính phẩm, theo 3 cách sau:
• Lần lượt có hoàn lại
• Lần lượt không hoàn lại
• Cùng một lúc
▪ (b) Nếu lấy cùng lúc 3 sản phẩm, tính xác suất được 2
chính phẩm và 1 phế phẩm
60
BTEC - SFM
Ưu nhược điểm của định nghĩa cổ điển

▪ Ưu điểm:
• Không cần tiến hành phép thử
• Cho phép tính chính xác giá trị của xác suất
▪ Nhược điểm:
• Số cục duy nhất đồng khả năng có thể vô hạn
• Kết quả phép thử không phải các kết cục duy nhất
đồng khả năng
61
ĐỊNH NGHĨA THỐNG KÊ VỀ XÁC SUẤT

(Statistical definition)
▪ Tần suất (relative frequency) xuất hiện biến cố trong n
phép thử là tỷ số giữa số phép thử trong đó biến cố xuất
hiện và tổng số phép thử được thực hiện
𝑛𝐴
𝑓=
𝑛
▪ Xác suất xuất hiện biến cố A trong một phép thử là một số
p không đổi mà tần suất f xuất hiện biến cố đó trong n
phép thử sẽ dao động rất ít xung quanh nó khi số phép thử
𝑛
tăng lên vô hạn: 𝑃 𝐴 ≈ 𝑛𝐴
62
Ví dụ
• Số liệu của 10000 công nhân công nghiệp thấy có
1200 người có bệnh về phổi. Tần suất là 0,12 và xác
suất được coi là xấp xỉ 0,12
• Tính xác suất ngày 2/9 năm nay trời sẽ mưa?
• Thí nghiệm tung đồng xu:
Người thực hiện n k f(A)

Buffon 4040 2040 0,5069
Pearson 12000 6019 0,5016
Pearson 24000 12012 0,5005
63
BTEC - SFM
Ưu nhược điểm của định nghĩa thống kê

▪ Ưu điểm:
• Không đòi hỏi những điều kiện như ĐN cổ điển
• Dựa trên các quan sát thực tế
▪ Nhược điểm:
• Chỉ áp dụng với hiện tượng ngẫu nhiên mà tần suất
ổn định
• Phải thực hiện một số đủ lớn các phép thử
▪ Có thể khắc phục bằng cách mô phỏng kết quả
64
ĐỊNH NGHĨA HÌNH HỌC VỀ XÁC SUẤT

(Geometricial definition)
▪ Định nghĩa được sử dụng khi xác suất để một điểm ngẫu
nhiên rơi vào 1 phần nào đó của một miền cho trước tỷ lệ
với độ đo của miền đó và không phụ thuộc vào vị trí và
dạng thức của miền đó.
▪ Ví dụ: phóng phi tiêu, bắn súng
65
ĐỊNH NGHĨA CHỦ QUAN VỀ XÁC SUẤT

(Subjective definition)
▪ Phụ thuộc vào nhận xét cá nhân, thông tin ngoại lai,
trực giác hoặc kinh nghiệm, không có độ tin cậy.
▪ Được sử dụng khi không thể áp dụng các phương pháp
tính xác suất một cách khách quan.
66
BTEC - SFM
ĐỊNH NGHĨA TIÊN ĐỀ VỀ XÁC SUẤT

(Axiomical definition)
▪ Theo định nghĩa này mỗi biến cố A được quan niệm như
một tập hợp con của không gian các biến cố sơ cấp.
67
Bổ sung kiến thức tổ hợp, chỉnh hợp

▪ Để tính xác suất biến cố A theo định nghĩa cổ điển cần
xác định mA và n:
- Suy luận trực tiếp (đếm số kết cục)
- Sơ đồ Venn (tree, table, collect)
- Công thức giải tích tổ hợp
68
2.2. MỐI QUAN HỆ CÁC BIẾN CỐ

▪ Kéo theo
▪ Tương đương
▪ Biến cố tích
▪ Độc lập – phụ thuộc
▪ Biến cố tổng
▪ Xung khắc – không xung khắc
▪ Nhóm biến cố đầy đủ
▪ Đối lập
69
BTEC - SFM
Hình vẽ biểu diễn các mối quan hệ biến cố
B A B A A.B B
A
Ω Ω Ω
B B
A A
Ω Ω
70
Hình vẽ biểu diễn các mối quan hệ biến cố
A B
A B
A+B Ω
Ω
71
2.3. CÔNG THỨC VÀ ĐỊNH LÝ XÁC SUẤT
▪ Định lý cộng
▪ Định lý nhân
▪ Lược đồ (công thức) Bernoulli
▪ Công thức xác suất đầy đủ và Bayes
72
BTEC - SFM
Định lý cộng xác suất
A B
A+B Ω
▪ Định lý: Xác suất của tổng hai biến cố bằng tổng xác
suất hai biến cố trừ đi xác suất của tích hai biến cố
P(A + B) = P(A) + P(B) – P(A.B)
73
Mở rộng
▪ Hệ quả 1: Xác suất của tổng hai biến cố xung khắc
bằng tổng xác suất của các biến cố đó
P(A + B) = P(A) + P(B)
▪ Hệ quả 2: Xác suất của tổng các biến cố xung khắc
từng đôi A1, A2,…, An bằng tổng xác suất của các biến
cố đó:
 n  n
P   Ai  =  P( Ai )
 i =1  i =1
74
Mở rộng
▪ Hệ quả 3: Nếu các biến cố A1, A2,…, An tạo nên một
nhóm đầy đủ các biến cố thì tổng xác suất của chúng
bằng 1.
n
 P( A ) = 1
i =1
i
▪ Hệ quả 4: Tổng xác suất của hai biến cố đối lập nhau
bằng 1:
P(A) + P(Ā) = 1
75
BTEC - SFM
Ví dụ
▪ Một thiết bị có 2 bộ phận sản xuất với xác suất hỏng
của bộ phận 1 là 0.1, của bộ phận 2 là 0.2 và của cả hai
là 0.04. Tìm xác suất để:
- Có bộ phận hoạt động tốt
- Cả hai bộ phận để hoạt động tốt
- Chỉ có 1 bộ phận hoạt động tốt
- Chỉ có bộ phận 1 hoạt động tốt
- Bộ phận 1 hoạt động tốt nếu bộ phận 2 hỏng
- Bộ phận 1 hoạt động tốt nếu chỉ có 1 bộ phận hỏng
76
Xác suất có điều kiện

▪ Định nghĩa: Xác suất của biến cố A được tính với điều
kiện biến cố B đã xảy ra gọi là xác suất có điều kiện của
A, hay xác suất của A trong điều kiện B
• Ký hiệu: P(A | B)
▪ Ví dụ: Hộp 6 chính phẩm 4 phế phẩm, lấy lần lượt 2 sản
phẩm. A, B là lần 1, 2 được chính phẩm.
▪ Xác định P(B | A) khi:
• Lấy lần lượt có hoàn lại
• Lấy lần lượt không hoàn lại
77
Định lý nhân xác suất
A A.B B
▪ Định lý: Xác suất của tích hai biến cố A và B bằng tích
xác suất của một trong hai biến cố đó với xác suất có
điều kiện của biến cố còn lại
P(A.B) = P(A).P(B | A)
= P(B).P(A | B)
78
BTEC - SFM
Mở rộng
▪ Khi 2 biến cố A, B độc lập thì:
P(A)=P(A| B)
P(B)=P(B | A)
▪ Hệ quả 1: Xác suất của tích hai biến cố độc lập bằng
tích của các xác suất thành phần
P(A.B) = P(A ).P(B)
79
Mở rộng
▪ Hệ quả 2: Nếu P(B) > 0 thì xác suất của biến cố A với
điều kiện biến cố B đã xảy ra bằng:
P( A.B)
P( A | B) =
P(B)
▪ Hệ quả 3: Nếu A và B độc lập thì:
P( A.B) P( A.B)
P( A) = & P(B) =
P(B) P( A)
80
Mở rộng
▪ Hệ quả 4: Xác suất của tích n biến cố độc lập toàn
phần bằng tích các xác suất biến cố thành phần
 n  n
P   A i  =  P( A i )
 i =1  i =1
▪ Hệ quả 5: Xác suất của tích n biến cố phụ thuộc:
P(A1.A2…An) = P(A1).P(A2 | A1)…P(An | A1A2…An–1)
▪ Ví dụ: Từ hộp 6 chính phẩm 4 phế phẩm, tính xác suất
lấy 4 sản phẩm lần lượt đều là chính phẩm, khi có
hoàn lại và không hoàn lại.
81
BTEC - SFM
Ví dụ
▪ Hộp 6 chính phẩm 4 phế phẩm, lấy lần lượt 2 sản
phẩm từ hộp.
▪ Tính xác suất “được hai chính phẩm” và xác suất “lần
1 là chính phẩm trong điều kiện lần 2 là chính phẩm”
khi:
• (a) Lấy lần lượt không hoàn lại
• (b) Lấy lần lượt có hoàn lại
82
Ví dụ
▪ Một người đi bán hàng ở hai nơi độc lập nhau. Xác
suất bán được hàng lần lượt là 0,6 và 0,8.
▪ Đặt A1 và A2 tương ứng với biến cố bán được hàng ở
nơi 1 và 2.
▪ Viết biến cố và tính xác suất người đó
• (a) Bán được hàng ở cả hai nơi
• (b) Bán được hàng ở ít nhất một nơi
• (c) Bán được hàng ở đúng một nơi
• (d) Không bán được hàng
83
Ví dụ
▪ Bảng xác suất của các biến cố
A2 Ā2 
A1 P(A1A2) = 0,48 P(A1Ā2) = 0,12 P(A1) = 0,6
Ā1 P(Ā1A2) = 0,32 P(Ā1Ā2) = 0,08 P(Ā1) = 0,4
 P(A2) = 0,8 P(Ā2) = 0,2 1
▪ P(A1 + A2) = 0,6 + 0,8 – 0,48

cũng = 0,32 + 0,48 + 0,12
84
BTEC - SFM
Ví dụ
▪ Một người đấu thầu hai dự án. Xác suất trúng thầu dự
án thứ nhất và thứ hai lần lượt là 0,5 và 0,4; xác suất
trúng thầu cả hai là 0,1.
▪ Viết biến cố, lập bảng, và tính xác suất:
• (a) Trúng thầu ở ít nhất một dự án
• (b) Trúng thầu ở đúng một dự án
• (c) Trúng thầu dự án thứ hai, biết rằng trúng thầu
dự án thứ nhất
• (d) Trúng thầu dự án thứ hai, biết rằng không trúng
thầu ở dự án thứ nhất
85
Ví dụ
▪ Một người làm hai bài tập kế tiếp. Xác suất làm đúng
bài thứ nhất là 0,6. Nếu làm đúng bài thứ nhất thì khả
năng làm đúng bài thứ hai là 0,9 nhưng nếu làm sai
bài thứ nhất thì khả năng đúng bài thứ hai còn 0,3.
Tính xác suất:
• (a) Làm đúng ít nhất một bài
• (b) Làm đúng chỉ 1 bài
• (c) Làm đúng bài 1 biết rằng làm đúng bài 2
• (d) Làm đúng cả hai, biết rằng có làm đúng ít nhất
một bài
86
Ví dụ
▪ Một dự án cần qua hai vòng thẩm định độc lập nhau,
xác suất dự án bị trượt ở hai vòng lần lượt là 0,3 và
0,4. Dự án bị loại nếu có vòng đánh trượt.
(a) Tính xác suất dự án bị loại
(b) Xác suất dự án được thông qua bằng bao nhiêu?
87
BTEC - SFM
Công thức Bernoulli

▪ Ví dụ: Một người đi bán hàng ở 3 nơi độc lập, xác suất
bán được ở mỗi nơi đều bằng 0,8. Tính xác suất người
đó:
(a) Bán được ở đúng 1 nơi
(b) Bán được ở đúng 2 nơi
(c) Bán được ở ít nhất 1 nơi
88
Công thức Bernoulli

▪ Thực hiện n phép thử độc lập; trong mỗi phép thử
biến cố A hoặc Ā xảy ra với xác suất tương ứng là p và
1 – p, được lược đồ (trial) Bernoulli.
▪ Kí hiệu B(n, p)
▪ Xác suất để trong n phép thử, biến cố A xảy ra đúng x
lần, kí hiệu: Pn(x) hay P(x | n, p)
▪ Công thức
P( x | n, p) = Cnx p x (1 − p)n− x
89
Công thức xác suất đầy đủ - Bayes

▪ Ví dụ: Có hai hộp giống nhau: Hộp loại I chứa 6 chính
phẩm và 4 phế phẩm; hộp loại II chứa 8 chính phẩm và
2 phế phẩm.
▪ (a) Chọn ngẫu nhiên một hộp và từ đó chọn 1 sản
phẩm. Tính xác suất để đó là chính phẩm
▪ (b) Nếu chọn được chính phẩm, xác suất để hộp được
chọn là hộp I bằng bao nhiêu?
▪ (c) Nếu có 5 hộp, 2 hộp loại I và 3 hộp loại II, thì các
câu (a), (b) kết quả bao nhiêu?
90
BTEC - SFM
H1 Hn
H2 Hi
91

▪ Biến cố A có thể xảy ra đồng thời với một trong các
biến cố H1, H2,…, Hn. Nhóm H1, H2,…, Hn là nhóm đầy
đủ các biến cố. Khi đó xác suất đầy đủ:
n
P( A) =  P(Hi ).P( A | Hi )
i =1
▪ Công thức Bayes
P(Hi ).P( A | Hi )
P(Hi | A) = n
 P(Hi ).P( A | Hi )
i =1
92

▪ Giải ví dụ bằng lập bảng
P(Hi) P(A | Hi) P(A.Hi) P(Hi | A)

H1 0,5 0,6 0,5×0,6 = 0,3 0,3 / 0,7
H2 0,5 0,8 0,5×0,8 = 0,4 0,4 / 0,7
 1 0,7 1
▪ Tiếp ví dụ: Nếu có hai hộp loại I (6 Chính phẩm 4 phế

phẩm), ba hộp loại II (8 chính phẩm 2 phế phẩm) và
năm hộp loại III (5 chính phẩm 5 phế phẩm) thì kết
quả thế nào?
93
BTEC - SFM
BÀI 3 – BIẾN NGẪU NHIÊN RỜI RẠC VÀ

QUY LUẬT PHÂN PHỐI XÁC SUẤT CỦA
BIẾN NGẪU NHIÊN
▪ Tham khảo
94
NỘI DUNG
▪ 3.1. Khái niệm biến ngẫu nhiên
▪ 3.2. Bảng phân phối xác suất
▪ 3.3. Hàm phân phối xác suất
▪ 3.4. Các tham số đặc trưng
▪ 3.5. Phân phối Không-Một
▪ 3.6. Phân phối Nhị thức
▪ 3.7. Phân phối Poisson
95
3.1. KHÁI NIỆM BIẾN NGẪU NHIÊN

▪ Ví dụ: Tung 1 con xúc xắc. Gọi 𝑋 là số chấm xuất hiện
𝑋 có thể nhận 1, 2, 3, 4, 5, 6
→ 𝑋 chưa biết nhận giá trị nào, nhưng chắc chắn nhận 1
trong các giá trị đó, 𝑋 gọi là biến ngẫu nhiên
(𝑋 = 2) là biến cố xuất hiện mặt 2 chấm
𝑃(𝑋 = 2) là xác suất xuất hiện mặt 2 chấm
▪ Ví dụ: Gọi 𝑌 là điểm kiểm tra môn xác suất
𝑌 nhận các giá trị 0, 1, 2, …,10
▪ Ví dụ: Gọi 𝑍 là năng suất lúa
𝑍 nhận các giá trị trong khoảng (0; 10)
96
BTEC - SFM
Khái niệm biến ngẫu nhiên

▪ Một biến số được gọi là biến ngẫu nhiên nếu trong kết
quả của phép thử nó chỉ nhận 1 và chỉ 1 trong các giá
trị có thể có của nó .
• Kí hiệu biến ngẫu nhiên: 𝑋, 𝑌, 𝑍, 𝑋1, 𝑋2, …
• Giá trị có thể có của 𝑋: 𝑋 = (𝑥1, 𝑥2, … , 𝑥𝑛 )
• (𝑋 = 𝑥𝑖 ) là các biến cố 𝑋 nhận giá trị 𝑥𝑖
• 𝑃(𝑋 = 𝑥𝑖) là xác suất 𝑋 nhận giá trị 𝑥𝑖
97
Phân loại biến ngẫu nhiên

+ Biến ngẫu nhiên rời rạc:
Nếu các giá trị có thể có của nó lập nên một tập hợp hữu
hạn hoặc đếm được.
+ Biến ngẫu nhiên liên tục:

Nếu các giá trị có thể có của nó lấp đầy một khoảng trên
trục số.
98
3.2. BẢNG PHÂN PHỐI XÁC SUẤT

Quy luật phân phối xác suất của biến ngẫu
nhiên là sự tương ứng giữa các giá trị có thể có và
các xác suất tương ứng.
Các phương pháp mô tả quy luật phân phối
xác suất: Bảng phân phối xác suất, hàm phân phối
xác suất và hàm mật độ xác suất
99
BTEC - SFM
Bảng phân phối xác suất

Cho biến ngẫu nhiên rời rạc 𝑋 nhận các giá trị
𝑥1, 𝑥2, … , 𝑥𝑛 với xác suất tương ứng 𝑝1 , 𝑝2, … , 𝑝𝑛
𝑋 𝑥1 𝑥2 … 𝑥𝑘 … 𝑥𝑛
𝑃 𝑝1 𝑝2 … 𝑝𝑘 … 𝑝𝑛
n
0  pi  1, p
i =1
i =1
Bảng trên gọi là bảng phân phối xác suất của biến ngẫu
nhiên rời rạc
100

Ví dụ 3.1. Hộp có 6 sản phẩm tốt và 4 sản phẩm xấu. Lấy
đồng thời 2 sản phẩm. Gọi 𝑋 số sản phẩm tốt lấy được.
Lập bảng phân phối xác suất của 𝑋
▪ Gọi 𝑋 là số chính phẩm lấy được; 𝑋=0, 1, 2
𝑋 0 1 2
𝑃 ? ? ?
101

Ví dụ 3.2. Số tủ lạnh bán được trong ngày của một cửa
hàng điện máy là biến ngẫu nhiên có bảng phân phối xác
suất
𝑋 1 2 3 4 5
𝑃 0,1 0,4 0,25 0,2 0,05
a) Tính xác suất mỗi ngày bán được trên 3 tủ

b) Tính xác suất để trong 3 ngày bất kì có 2 ngày bán
được dưới ít hơn 2 tủ
102
BTEC - SFM
3.3. HÀM PHÂN PHỐI XÁC SUẤT

Hàm phân phối xác suất của biến ngẫu nhiên, kí hiệu
𝐹(𝑥), là xác suất để biến ngẫu nhiên 𝑋 nhận giá trị nhỏ
hơn 𝑥, với 𝑥 là số thực bất kì
𝐹(𝑥) = 𝑃(𝑋 < 𝑥)
▪ Ý nghĩa: Hàm phân bố xác suất 𝐹(𝑥) phản ánh mức

độ tập trung xác suất ở bên trái điểm x.
103
Tính chất hàm phân phối xác suất

▪ Tính chất 1: 0 ≤ 𝐹(𝑥) ≤ 1
▪ Tính chất 2: 𝐹(𝑥) là hàm không giảm
𝑃(𝑎 ≤ 𝑋 < 𝑏) = 𝐹(𝑏) – 𝐹(𝑎)
▪ Tính chất 3: 𝐹 𝑥 = 0 𝑛ế𝑢 𝑥 < 𝑥𝑚𝑖𝑛
𝐹(𝑥) = 1 𝑛ế𝑢 𝑥 > 𝑥𝑚𝑎𝑥
104
Ví dụ
Ví dụ 3.3: Số tủ lạnh bán được trong ngày của một cửa
hàng điện máy là biến ngẫu nhiên có bảng phân phối xác
suất
𝑋 1 2 3 4 5
𝑃 0,1 0,4 0,25 0,2 0,05
Lập hàm phân phối xác suất và vẽ đồ thị
105
BTEC - SFM
3.4. CÁC THAM SỐ ĐẶC TRƯNG

▪ Kì vọng (Expected value)
▪ Phương sai (Variance)
▪ Độ lệch chuẩn (Standard Deviation)
▪ Ví dụ: X: điểm môn TCC của sinh viên lớp A
Điểm 6 7 8
Số SV 40 20 40
Tỷ lệ 40% 20% 40%
Xác suất 0,4 0,2 0,4
-Tính điểm trung bình
106
Kì vọng
▪ Kì vọng của biến ngẫu nhiên 𝑋, kí hiệu 𝐸(𝑋)
▪ 𝑬 𝑿 = ∑𝒊 𝒙𝒊 𝒑𝒊
▪ Ví dụ 3.4: Số tủ lạnh bán được trong ngày của một cửa
hàng điện máy có bảng phân phối xác suất:
𝑋 1 2 3 4 5
𝑃 0,1 0,4 0,25 0,2 0,05
Tính kì vọng số tủ bán được trong ngày
107
Kì vọng
▪ Kì vọng phản ánh giá trị trung bình của biến ngẫu
nhiên.
▪ 𝐸(𝑋) đơn vị trùng với đơn vị của 𝑋
▪ Tính chất:
𝐸 𝐶 =0, 𝐶: hằng số
𝐸 𝐶 + 𝑋 = 𝐶 + 𝐸(𝑋)
𝐸 𝐶. 𝑋 = 𝐶. 𝐸(𝑋)
𝐸 𝑋 ± 𝑌 = 𝐸(𝑋) ± 𝐸(𝑌)
𝐸 𝑋. 𝑌 = 𝐸 𝑋 . 𝐸 𝑌
nếu 𝑋, 𝑌 độc lập
108
BTEC - SFM
Kì vọng
▪ Ví dụ 3.5: Mua một vé sổ số loại 2 chữ số hết 10.000
đồng, nếu trúng thì được 70 lần tiền mua vé. Tính kì
vọng tiền lãi
▪ Gọi 𝑋 là tiền lãi (nghìn đồng)
𝑋 +690 -10
𝑃 0,01 0,99
▪ Kì vọng lợi nhuận: 𝐸(𝑋) =
109
Phương sai
▪ Ví dụ:
Điểm lớp A 6 7 8
Số SV 40 20 40
Xác suất 0,4 0,2 0,4
Điểm lớp B 5 7 9
Số SV 40 20 40
Xác suất 0,4 0,2 0,4
▪ So sánh điểm số giữa 2 lớp
110
Phương sai
2
𝑉(𝑋) = 𝐸 𝑋 – 𝐸 𝑋
2
Biến đổi ta có: 𝑉(𝑋) = 𝐸(𝑋2) – 𝐸 𝑋
n
Trong đó: E ( X 2 ) =  xi2 pi
i =1
Chú ý: 𝑉(𝑋) ≥ 0
111
BTEC - SFM
Phương sai
▪ Tính chất
𝑉 𝐶 =0, 𝐶: hằng số
𝑉 𝑋+𝐶 =𝑉 𝑋
𝑉 𝐶 × 𝑋 = 𝐶2 × 𝑉 𝑋
𝑉 𝑋±𝑌 =𝑉 𝑋 +𝑉 𝑌
Với 𝑋 và 𝑌 độc lậP
112
Phương sai
▪ Ví dụ 3.6: Tỷ suất lợi nhuận nếu đầu tư vào 2 ngành A
và B có bảng phân phối xác suất như sau
𝑋𝐴 30 40 42
𝑃 0,2 0,6 0,2
𝑋𝐵 -10 40 120
𝑃 0,2 0,6 0,2
▪ So sánh kì vọng tỷ suất lợi nhuận, so sánh phương sai
▪ Nếu chọn 1 trong 2 ngành, Nhà đầu tư nên đầu tư vào
ngành nào ?
113
Phương sai
▪ Ý nghĩa: Phương sai phản ánh độ phân tán của
biếngẫu nhiên. Phương sai lớn thì độ phân tán lớn.
Phương sai phản ánh độ rủi ro, độ ổn định, độ đồng
đều
▪ Đơn vị của phương sai?
114
BTEC - SFM
Độ lệch chuẩn
Độ lệch chuẩn của biến ngẫu nhiên 𝑋, kí hiệu 𝜎(𝑋), là
căn bậc hai của phương sai
 X =  (X ) = V (X )
115
Ví dụ:
Một người chơi trò chơi phải bỏ tiền. Nếu thắng sẽ được
nhận 70 lần số tiền bỏ ra, nếu thua sẽ mất toàn bộ số
tiền. Xác suất thắng bằng 1%.
Tính kì vọng, phương sai của lợi ích về tiền khi:
▪ (a) Chơi một lần, bỏ ra 1 triệu đồng
▪ (b) Chơi một lần, bỏ ra 10 triệu đồng
▪ (c) So sánh khi chơi 1 lần 10 triệu và chơi 10 lần - mỗi
lần 1 triệu, biết các lần chơi là độc lập nhau
116
Trung vị - Mốt
▪ Trung vị (median) của BNN X ký hiệu là md là giá trị
nằm ở chính giữa phân phối xác suất
Nếu X rời rạc: md thỏa mãn: F(xi)  0,5 < F(xi+1)
▪ Mốt (mode) của BNN X, ký hiệu m0 là giá trị ứng với

xác suất lớn nhất (X rời rạc) hoặc hàm mật độ f(x) lớn
nhất (X liên tục)
BNN có thể không có mốt, có 1 mốt, hoặc nhiều mốt
117
BTEC - SFM
3.5. PHÂN PHỐI KHÔNG – MỘT

Định nghĩa: Biến ngẫu nhiên rời rạc 𝑋 chỉ nhận 2 giá trị 0
và 1 với xác suất được tính bằng công thức
P( X = x) = p x (1 − p)1− x ; x = 0,1
𝑋 có bảng phân phối xác suất

𝑋 0 1
𝑃 1−𝑝 𝑝
Kí hiệu: 𝑋 ~ 𝐴(𝑝)
Tham số đặc trưng: 𝐸(𝑋) = 𝑝; 𝑉(𝑋) = 𝑝(1 − 𝑝)
118
Phân phối Không – Một

▪ Ví dụ 3.7: Tỷ lệ sản phẩm tốt trong một kho hàng là
85%. Lấy ngẫu nhiên 1 sản phẩm.
▪ Gọi 𝑋 là số sản phẩm tốt lấy được.
a) Lập bảng phân phối xác suất của 𝑋
b) Tính kì vọng và độ lệch chuẩn của 𝑋
119
3.6. PHÂN PHỐI NHỊ THỨC

Định nghĩa:
+Xét n phép thử độc lập
+ Xác suất xảy ra biến cố A trong mỗi phép thử là p
Gọi 𝑋 là số lần xảy ra A trong n lần thử
𝑋 có thể nhận các giá trị 0, 1, 2,…, n với các xác suất
tương ứng được tính theo công thức
P( X = x) = Cnx p x (1 − p)n− x ; x = 0,1, 2,..., n;
𝑋 gọi là phân phối theo quy luật nhị thức với tham số
𝑛 và 𝑝.
Kí hiệu: 𝑋 ~ 𝐵(𝑛; 𝑝)
120
BTEC - SFM
Phân phối nhị thức

Các tham số đặc trưng:
▪ Kì vọng 𝐸(𝑋) = 𝑛𝑝;
▪ Phương sai 𝑉(𝑋) = 𝑛𝑝(1 − 𝑝).
▪ Mốt 𝑚0 thỏa mãn
𝑛𝑝 + 𝑝 – 1 ≤ 𝑚0 ≤ 𝑛𝑝 + 𝑝
121
Phân phối nhị thức

Ví dụ 3.8: Một người đi chào hàng ở 10 địa điểm. Xác
suất bán được hàng ở mỗi đại điểm đều bằng 0,2.
a) Tính xác suất bán được hàng ở đúng 3 địa điểm.
b) Tính xác suất bán được hàng ở ít nhất 2 địa điểm.
c) Tính kì vọng, phương sai và mốt của số địa điểm bán
được hàng.
122
3.7. PHÂN PHỐI POISSON

Định nghĩa: Biến ngẫu nhiên rời rạc 𝑋 nhận một trong các
giá trị có thể có là 0, 1,2,… với các xác suất tương ứng
được tính theo công thức x

Px = P( X = x) = e− ; x = 0,1, 2,...
x!
gọi là phân phối theo quy luật Poisson với tham số 𝜆.
Kí hiệu: 𝑋 ~ 𝑃(𝜆)
Chú ý: Nếu 𝑋 ~ 𝐵(𝑛; 𝑝) với n khá lớn, p khá nhỏ và
𝑛𝑝 ≈ 𝑛𝑝𝑞 thì coi như 𝑋 ~ 𝑃(𝜆)
Các tham số đặc trưng
𝐸(𝑋) = 𝜆; 𝑉(𝑋) = 𝜆; 𝜆 − 1 ≤ 𝑚0 ≤ 𝜆
123
BTEC - SFM
BÀI 4 – BIẾN NGẪU NHIÊN LIÊN TỤC

VÀ QUY LUẬT PHÂN PHỐI XÁC SUẤT
4.1. Biến ngẫu nhiên liên tục
4.2. Hàm phân phối xác suất
4.3. Hàm mật độ xác suất
4.4. Các tham số đặc trưng
4.5. Phân phối Đều
4.6. Phân phối Chuẩn
4.7. Phân phối khác
124
4.1. BIẾN NGẪU NHIÊN LIÊN TỤC

Định nghĩa
Biến ngẫu nhiên liên tục (Continuous Random Variable)
là biến ngẫu nhiên có thể nhận mọi giá trị trong một
khoảng 𝑎; 𝑏 , 𝑎, 𝑏 ∈ ℝ.
Ví dụ
▪ Thời gian đi từ nhà đến trường của sinh viên
▪ Lợi nhuận của nhà đầu tư cổ phiếu sau một năm
▪ Cân nặng của trẻ sơ sinh ở Việt Nam
125
4.2. HÀM PHÂN PHỐI XÁC SUẤT

Định nghĩa
Hàm phân phối xác suất( hàm tích lũy xác suất -
Cumulative Distribution Function) của biến ngẫu nhiên 𝑋
là: 𝐹 𝑥 = 𝑃 𝑋 < 𝑥 ,𝑥 ∈ ℝ
126
BTEC - SFM
Tính chất
▪ 𝑃 𝑎< 𝑋 <𝑏 =𝐹 𝑏 −𝐹 𝑎
▪ Nếu X là biến ngẫu nhiên liên tục thì: 𝑃 𝑋 = 𝑥𝑜 = 0

⇒ 𝑃 𝑎 <𝑋 < 𝑏 = 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝐹 𝑏 −𝐹 𝑎
127
Ví dụ
Ví dụ 4.1. Tuổi thọ của một loại sản phẩm là biến ngẫu
nhiên liên tục(đơn vị:năm) có hàm phân phối xác suất:
0 𝑛ế𝑢 𝑥 < 0
1
𝐹 𝑥 = ൞ 𝑥 2 𝑛ế𝑢 0 ≤ 𝑥 ≤ 2
4
1 𝑛ế𝑢 𝑥 > 2
Lấy ngẫu nhiên một sản phẩm.
Tính xác suất để:
a) Sản phẩm có tuổi thọ nhỏ hơn 1 năm.
b) Sản phẩm có tuổi thọ từ 1 đến 2 năm.
128
4.3. HÀM MẬT ĐỘ XÁC SUẤT

Phân phối nhị thức khi
𝑛 = 10, 𝑝 = 0,3
129
BTEC - SFM
Định nghĩa
𝑋 là biến ngẫu nhiên liên tục, hàm mật độ xác suất
(Density Function) của 𝑋, ký hiệu 𝑓 𝑥 , là:
𝑓 𝑥 = 𝐹′(𝑥)
Ví dụ 4.2. Tìm hàm mật độ xác suất của biến ngẫu nhiên
trong ví dụ 4.1
0 𝑛ế𝑢 𝑥 < 0
1 2
𝐹 𝑥 = 𝑥 𝑛ế𝑢 0 ≤ 𝑥 ≤ 2
4
1 𝑛ế𝑢 𝑥 > 2
130
Tính chất
▪ 𝑓 𝑥 ≥ 0 ∀𝑥
x
▪ 𝐹 𝑥 = ‫׬‬−∞ f(t) 𝑑𝑡
+∞
▪ ‫׬‬−∞ 𝑓 𝑥 𝑑𝑥 = 1
𝑏
▪ 𝑃 𝑎 < 𝑋 < 𝑏 = ‫𝑥𝑑 𝑥 𝑓 𝑎׬‬
131
Ví dụ
Ví dụ 4.3. Thời gian để công nhân hoàn thành một sản
phẩm là biến ngẫu nhiên liên tục (đơn vị: phút) có hàm
mật độ xác suất:
1
𝑥 𝑛ế𝑢 𝑥 ∈ 2; 6
𝑓 𝑥 = ቐ16
0 𝑛ế𝑢 𝑥 ∉ 2; 6
a) Tìm tỷ lệ sản phẩm có thời gian hoàn thành từ 3 đến 5
phút.
b) Tính xác suất để trong 5 sản phẩm có đúng 2 sản
phẩm có thời gian hoàn thành nhiều hơn 4 phút.
132
BTEC - SFM
4.4. CÁC THAM SỐ ĐẶC TRƯNG

▪ Kỳ vọng:
+∞
𝐸 𝑋 =න 𝑥. 𝑓 𝑥 𝑑𝑥
−∞
▪ Phương sai:
𝑉 𝑋 = 𝐸 𝑋2 − 𝐸 𝑋 2
+∞
𝐸 𝑋2 = න 𝑥 2. 𝑓 𝑥 𝑑𝑥
−∞
▪ Độ lệch chuẩn:
𝜎= 𝑉 𝑋
133
Ví dụ
Tính thời gian hoàn thành sản phẩm trung bình và độ lệch
chuẩn trong ví dụ 4.3
1
𝑥 𝑛ế𝑢 𝑥 ∈ 2; 6
𝑓 𝑥 = ቐ16
0 𝑛ế𝑢 𝑥 ∉ 2; 6
134
Các tham số
▪ Trung vị
Trung vị, ký hiệu 𝑚𝑑 , là giá trị chia phân phối xác suất của
biến ngẫu nhiên thành hai phần bằng nhau.
𝑚𝑑
න 𝑓(𝑥) 𝑑𝑥 = 0,5
−∞
135
BTEC - SFM
Các tham số
▪ Mốt
Mốt, ký hiệu 𝑚𝑜 , là giá trị mà tại đó hàm mật độ xác suất
𝑓 𝑥 đạt giá trị cực đại.
136
Giá trị tới hạn
Giá trị tới hạn mức 𝛼 của biến ngẫu nhiên X, ký hiệu 𝑥𝛼 , là
giá trị của 𝑋 thỏa mãn:
𝑃 𝑋 > 𝑥𝛼 = 𝛼
137
4.5. PHÂN PHỐI ĐỀU

Ví dụ 4.4
Thống kê cho thấy, thời gian một chuyến xe buýt A đi hết
một hành trình thấp nhất là 40 phút và nhiều nhất là 60
phút. Tìm hàm mật độ xác suất của thời gian đi hết hành
trình của xe buýt A.
138
BTEC - SFM
Định nghĩa
Biến ngẫu nhiên liên tục X có phân phối Đều (Uniform
Distribution) trên khoảng 𝑎; 𝑏 nếu hàm mật độ xác suất
của 𝑋 có dạng:
1
𝑥 ∈ (𝑎; 𝑏)
𝑓 𝑥 = ቐ𝑏 − 𝑎
0 𝑥 ∉ (𝑎; 𝑏)
Ký hiệu: 𝑋 ∼ 𝑈 𝑎; 𝑏
139
Các tham số
𝑎+𝑏
▪ 𝐸 𝑋 =
2
𝑏−𝑎 2
▪ 𝑉 𝑋 =
12
𝑑−𝑐
▪ 𝑃 𝑐<𝑋<𝑑 =
𝑏−𝑎 a c d b
Ví dụ 4.4 (tiếp)
a) Tính xác suất để thời gian đi hết hành trình của
chuyến xe buýt nhiều hơn 55 phút.
b) Tính thời gian đi hết hành trình trung bình và phương
sai.
140
4.6. QUY LUẬT CHUẨN

▪ 𝐵 (𝑛; 𝑝 = 0,5) với 𝑛 = 10; 20; 100
0.25 0.25
0.2 0.2
0.15 0.15
0.1 0.1
0.05 0.05
0 0
1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
0.025 0.025
0.02 0.02
0.015 0.015
0.01 0.01
0.005 0.005
0 0
1 7 131925313743495561677379859197 0 20 40 60 80 100
141
BTEC - SFM
Định nghĩa
Biến ngẫu nhiên liên tục 𝑋 có phân phối Chuẩn (Normal
Distribution) nếu hàm mật độ xác suất của 𝑋 có dạng:
1 𝑥−𝜇 2
−
𝑓 𝑥 = 𝑒 2𝜎 2
𝜎 2𝜋
Đồ thị của 𝑓 𝑥 có dạng
quả chuông và đối xứng
qua đường thẳng 𝑥 = 𝜇
Ký hiệu: 𝑋 ∼ 𝑁 𝜇, 𝜎 2
142
Các tham số
𝑋 ∼ 𝑁 𝜇, 𝜎 2
▪ 𝐸 𝑋 =𝜇
▪ 𝑉 𝑋 = 𝜎2
Khi  tăng thì đồ thị của Khi 𝜎 tăng thì đồ thị của 𝑓(𝑥)
𝑓(𝑥) dịch sang phải thấp xuống và rộng ra
143
Phân phối Chuẩn hóa

Biến ngẫu nhiên liên tục 𝑍 được gọi là có phân phối
Chuẩn hóa (Standardzied Normal Distribution), nếu 𝑍 có
phân phối Chuẩn với 𝜇 = 0 và 𝜎 2 = 1.
𝑍 ∼ 𝑁 0; 1
Hàm mật độ xác suất của 𝑍 có dạng:
𝑧2
1
𝜑 𝑧 = 𝑒− 2
2𝜋
Đồ thị hàm mật độ có dạng hình
quả chuông đối xứng qua trục tung.
144
BTEC - SFM
Hàm phân phối xác suất

𝑥 𝑥
1 𝑧2
Φ 𝑥 = න 𝜑 𝑧 𝑑𝑧 = න 𝑒 − 2 𝑑𝑧
2𝜋
−∞ −∞
Tính chất: Φ −𝑥 + Φ 𝑥 = 1
145
Biến ngẫu nhiên phân phối chuẩn – chuẩn hóa
Cho 𝑋 ∼ 𝑁 𝜇; 𝜎 2
𝑋−𝜇
Đặt 𝑍 =
𝜎
Khi đó: Z ∼ 𝑁 0; 1
• 𝑃 𝑍<𝑏 =Φ 𝑏
• 𝑃 𝑍>𝑎 =1−Φ 𝑎
• 𝑃 𝑍 > −𝑎 = 𝑃 𝑍 < 𝑎 = Φ 𝑎
• 𝑃 𝑎 < 𝑍 < 𝑏 = Φ 𝑏 − Φ(𝑎)
Ví dụ 4.5. Tính
𝑃 𝑍 > 1,96
𝑃 −2 ≤ 𝑍 ≤ 2
146
Xác suất của biến ngẫu nhiên phân phối chuẩn
𝑋 ∼ 𝑁 𝜇; 𝜎 2
𝑋−𝑏 𝑏−𝜇
• 𝑃 𝑋<𝑏 =𝑃 <
𝜎 𝜎
𝑏−𝜇 𝑏−𝜇
=𝑃 𝑍< =Φ
𝜎 𝜎
𝑎−𝜇
• 𝑃 𝑋>𝑎 =1−Φ
𝜎
𝑏−𝜇 𝑎−𝜇
• 𝑃 𝑎<𝑋<𝑏 =Φ −Φ
𝜎 𝜎
147
BTEC - SFM
Ví dụ
Ví dụ 4.6: Lợi nhuận (đv: triệu) của một dự án là biến
ngẫu nhiên có phân phối Chuẩn, với trung bình bằng
500, phương sai bằng 400. Tính xác suất để:
a) Lợi nhuận cao hơn 540.
b) Lợi nhuận thấp hơn 570.
c) Lợi nhuận từ 480 đến 550.
148
Ví dụ
Ví dụ 4.7. Thời gian sử dụng không bị hỏng của một loại
sản phẩm là biến ngẫu nhiên có phân phối chuẩn, thời
gian không hỏng trung bình là 4 năm. Tỷ lệ sản phẩm
hỏng trước 3 năm là 10%.
a) Tìm tỷ lệ sản phẩm hỏng sau 5 năm đầu sử dụng.
b) Tính xác suất để trong 6 sản phẩm có không quá 2
sản phẩm hỏng trong 5 năm đầu sử dụng.
149
Xác suất biến ngẫu nhiên sai lệch so với kì vọng

𝑋 ∼ 𝑁 𝜇; 𝜎 2
𝜀
𝑃 𝑋 –  <  = 2Φ −1
𝜎
Ba trường hợp riêng:
• Quy tắc 1-sigma:
𝑃(|𝑋 –  | < 𝜎) = 0,6826
𝑃 𝑋 –  < 2𝜎 = 0,9544
𝑃 𝑋 –  < 3𝜎 = 0,9974
150
BTEC - SFM
Ví dụ
Ví dụ 4.8. Chi tiêu hàng tháng của sinh viên là biến ngẫu
nhiên có phân phối Chuẩn, chi tiêu trung bình là 5 triệu.
Tỷ lệ sinh viên có mức chi tiêu hàng tháng từ 3,5 đến 6,5
triệu là 95,44%. Một sinh viên có mức chi tiêu bình
thường nếu chênh lệch so với chi tiêu trung bình không
quá 3 triệu. Tìm tỷ lệ sinh viên có mức chi tiêu bình
thường.
151
Tổ hợp của các BNN phân phối chuẩn
Nếu 𝑋1 , 𝑋2, … , 𝑋𝑛 độc lập và 𝑋𝑖 ∼ 𝑁 𝜇𝑖 , 𝜎𝑖2 , 𝑖 = 1,2, … , 𝑛

thì:
𝑛
𝑌 = ෍ 𝑎𝑖 𝑋𝑖 ∼ 𝑁 𝜇𝑌 , 𝜎𝑌2
𝑖=1
Trong đó: 𝑛
𝜇𝑌 = ෍ 𝑎𝑖 𝜇𝑖
𝑖=1
𝑛
𝜎𝑌2 = ෍ 𝑎𝑖2𝜎𝑖2
𝑖=1
152
Ví dụ
▪ Ví dụ 4.9. Cho 𝑋𝐴 , 𝑋𝐵 là tỷ suất lợi nhuận (%) trong một
năm của cổ phiếu A, B.
𝑋𝐴 ∼ 𝑁 8; 16 , 𝑋𝐵 ∼ 𝑁 12; 9
a) Tính xác suất để tỷ suất lợi nhuận cổ phiếu A cao hơn cổ
phiếu B.
b) Một người đầu tư 60 triệu vào cổ phiếu A và 80 triệu vào
cổ phiếu B. Tính xác suất để sau một năm người đó thu
được ít nhất 20 triệu tiền lãi. Giả sử 𝑋𝐴 , 𝑋𝐵 độc lập.
153
BTEC - SFM
Hội tụ của phân phối B(n;p) về Chuẩn

𝑋 ~ 𝐵 𝑛; 𝑝
▪ Khi n  100 thì 𝑋 ~ 𝑁 , 𝜎2
▪ Với  = np và 𝜎 2 = 𝑛𝑝 1 – 𝑝
Ví dụ 4.10
Xác suất để một khách hàng vào siêu thị mua sản
phẩm của hãng A là 0,3. Tính xác suất để trong 200
khách vào siêu thị có:
a) Nhiều hơn 70 khách mua hàng của hãng A.
b) Từ 40 đến 50 khách mua hàng của hãng A.
154
Giá trị tới hạn chuẩn

Giá trị tới hạn Chuẩn mức 𝛼, ký kiệu là 𝑧𝛼 , được xác
định bởi:
𝑃 𝑍 > 𝑧𝛼 = 𝛼
Ví dụ
𝑃 𝑍 > 1,96 = 0.025
⇒ 𝑧0,025 = 1,96
Tính chất:
𝑧1−𝛼 = −𝑧𝛼
155
4.7. PHÂN PHỐI KHÁC

▪ Phân phối Khi bình phương
▪ Phân phối Student
▪ Phân phối Fissher
156
BTEC - SFM
Phân phối Khi bình phương

▪ BNN liên tục 𝜒2 tuân theo quy luật Khi bình phương với
n bậc tự do (degree of freedom: df)
▪ Ký hiệu: 𝜒2 ~𝜒2 (𝑛)
▪ Tham số: 𝐸(𝜒2) = 𝑛; 𝑉 𝜒2 = 2𝑛
2(𝑛)
▪ Giá trị tới hạn mức 𝛼, kí hiệu 𝜒𝛼
2(𝑛)
𝑃 𝜒2 (𝑛) > 𝜒𝛼 =𝛼
157
Phân phối Khi bình phương

▪ Bảng đầy đủ: phụ lục 7 giáo trình
▪ Bảng giản lược
α α
0.975 0.95 0.05 0.025 0.975 0.95 0.05 0.025
n n
1 0.001 0.004 3.841 5.024 20 9.591 10.85 31.41 34.17
2 0.051 0.103 5.991 7.378 24 12.40 13.85 36.42 39.36
3 0.216 0.352 7.815 9.348 30 16.79 18.49 43.77 46.98
4 0.484 0.711 9.488 11.14 39 23.65 25.70 54.57 58.12
5 0.831 1.145 11.07 12.83 50 32.36 34.76 67.50 71.42
10 3.247 3.940 18.31 20.48 99 73.36 77.05 123.2 128.4
15 6.262 7.261 25.00 27.49 120 91.57 95.70 146.6 152.2
158
Phân phối Student

▪ BNN liên tục T tuân theo quy luật Student với 𝑛 bậc tự
do, ký hiệu: 𝑇 ~ 𝑇(𝑛)
𝑛
▪ Tham số: 𝐸(𝑇) = 0; 𝑉 𝑇 =
𝑛−2
(𝑛)
▪ Giá trị tới hạn mức , kí hiệu: 𝑡𝛼
(𝑛)
𝑃 𝑇(𝑛) > 𝑡𝛼 = 𝛼
▪ Tính chất:
𝑛 (𝑛)
• 𝑡1−𝛼 = −𝑡𝛼
(𝑛)
• Với n > 30 thì 𝑡𝛼 ≈ 𝑢𝛼
159
BTEC - SFM
Phân phối Student

▪ Bảng đầy đủ: phụ lục 8 giáo trình
▪ Bảng giản lược
α α
0.1 0.05 0.025 0.1 0.05 0.025
n n
10 1.372 1.812 2.228 17 1.333 1.740 2.110
11 1.363 1.796 2.201 18 1.330 1.734 2.101
12 1.356 1.782 2.179 19 1.328 1.729 2.093
13 1.350 1.771 2.160 20 1.325 1.725 2.086
14 1.345 1.761 2.145 24 1.318 1.711 2.064
15 1.341 1.753 2.131 30 1.310 1.697 2.042
16 1.337 1.746 2.120  1.282 1.645 1.960
160
Phân phối Fisher

▪ BNN liên tục F tuân theo quy luật Fisher-Snedecor (gọi
tắt là Fisher) với hai bậc tự do n1 và n2
▪ Ký hiệu: 𝐹 ~ 𝐹(𝑛1, 𝑛2 )
(𝑛1,𝑛2)
▪ Giá trị tới hạn mức 𝛼, kí hiệu: 𝑓𝛼
(𝑛1,𝑛2)
𝑃 𝐹 𝑛1 , 𝑛2 > 𝑓𝛼 =𝛼
▪ Tính chất:
(𝑛 ,𝑛2 ) 1
𝑓1−𝛼1 = (𝑛 ,𝑛 )
𝑓𝛼 2 1
161
Phân phối Fisher

▪ Bảng đầy đủ: phụ lục 9 giáo trình; Bảng giản lược:
n1
n2 24 39 59 99 120
α
0.025 2.27 2.15 2.08 2.03 2.01
24
0.05 1.98 1.90 1.84 1.80 1.79
0.025 2.02 1.89 1.82 1.75 1.74
39
0.05 1.80 1.70 1.65 1.60 1.58
0.025 1.94 1.81 1.73 1.66 1.65
49
0.05 1.74 1.64 1.58 1.53 1.52
0.025 1.89 1.75 1.67 1.60 1.59
59
0.05 1.70 1.60 1.54 1.49 1.47
0.025 1.79 1.65 1.56 1.49 1.46
99
0.05 1.63 1.52 1.45 1.39 1.38
162
BTEC - SFM
BÀI 5 – BIẾN NGẪU NHIÊN HAI CHIỀU

▪ 5.1. Khái niệm biến ngẫu nhiên nhiều chiều
▪ 5.2. Bảng phân phối xác suất hai chiều
▪ 5.3. Tham số đặc trưng
163
5.1. BIẾN NGẪU NHIÊN NHIỀU CHIỀU

▪ Hệ gồm n biến ngẫu nhiên đồng thời (X1, X2,…, Xn) có
giá trị có thể có là (x1, x2,…, xn)
▪ Trường hợp đơn giản nhất: hai chiều (X, Y)
▪ Nếu X và Y liên tục thì có BNN hai chiều liên tục
▪ Nếu X và Y rời rạc thì có BNN hai chiều rời rạc
▪ (X, Y) với X = {x1, x2,…, xn} và Y = {y1, y2,…, ym}
▪ Chương này chỉ xét biến hai chiều rời rạc
164
5.2. BẢNG PHÂN PHỐI XÁC SUẤT 2 CHIỀU

▪ Ví dụ 5.1: X là số người đi làm, Y là số người phụ thuộc
trong các hộ gia đình ở một khu vực
Y
0 1 2 
X
1 0,05 0,05 0,1  0,2
2 0,1 0,15 0,25  0,5
3 0,05 0,1 0,15  0,3
   
 0,2 0,3 0,5  1
165
BTEC - SFM
Bảng phân phối xác suất hai chiều

▪ Bảng phân phối xác suất (biên) của X và Y
X 1 2 3
P 0,2 0,5 0,3
Y 0 1 2
P 0,2 0,3 0,5
166
Bảng phân phối xác suất hai chiều

▪ Tổng quát nếu X = {x1, x2,…, xn} và Y = {y1, y2,…, ym}
▪ pij = P(X = xi , Y = yj)
Y
y1 y2 … ym P(X)
X
x1 p11 p12 … p1m P(x1)
x2 p21 p22 … p2m P(x2)
… … … … … …
xn pn1 pn2 … pnm P(xn)
P(Y) P(y1) P(y2) … P(ym) 1
167
Bảng phân phối biên – tính độc lập

▪ Bảng phân phối xác suất biên (marginal) của X và Y
X x1 x2 … xn
P(X) P(x1) P(x2) … P(xn)
Y y1 y2 … ym
P(Y) P(y1) P(y2) … P(ym)
▪ X và Y độc lập  P(X = xi).P(Y = yi) = pij i, j
▪ Tồn tại ít nhất một cặp (xi, yj) không thỏa mãn thì X, Y
không độc lập
168
BTEC - SFM
Bảng phân phối xác suất có điều kiện

▪ Ví dụ 5.1 (tiếp)
▪ (a) X và Y có độc lập với nhau không?
▪ (b) Tìm phân phối xác suất của số người phụ thuộc
trong số hộ có số người đi làm là 1.
▪ Hay phân phối của Y khi X = 1, ký hiệu (Y | X = 1)
(Y | X = 1) 0 1 2
P 0, 05 0, 05 0, 1
0, 2 0, 2 0, 2
= 0, 25 = 0, 25 = 0, 5
169
Bảng phân phối xác suất có điều kiện

▪ Bảng phân phối của (X | Y = yj):
▪ P ( xi , y j )
P ( xi | y j ) =
P( y j )
(X | Y = yj) x1 x2 … xn
P P(x1 | yj ) P(x2| yj) … P(xn | yj)
▪ Bảng phân phối của (Y | X = xi)

(Y | X = xi) y1 y2 … ym
P P(y1 | xi ) P(y2| xi ) … P(ym | xi )
170
5.3. THAM SỐ ĐẶC TRƯNG

▪ Tham số tính cho từng thành phần:
▪ Kỳ vọng: E(X), E(Y)
▪ Phương sai: V(X), V(Y)
▪ Hiệp phương sai (covariance): Cov(X, Y)
Cov ( X ,Y ) = E ( X − E ( X ) Y − E (Y ) )
n m
=  xi y j P ( xi , y j ) − E ( X ).E (Y )
i =1 j =1
171
BTEC - SFM
Tham số đặc trưng

▪ Tính chất của hiệp phương sai
• Cov(X, Y) = Cov(Y, X)
• X, Y độc lập  Cov(X, Y) = 0
• Cov(X, Y) > 0 thì X, Y có “tương quan dương”
• Cov(X, Y) < 0 thì X, Y có “tương quan âm”
▪ Phương sai tổng hiệu tổng quát
• V(X  Y) = V(X) + V(Y)  2Cov(X, Y)
172

▪ Hệ số tương quan (correlation) của X và Y: X,Y :
Cov ( X ,Y )
ρX ,Y =
▪ X,Y = Y,X σ X . σY
▪ –1  X,Y  1
▪ X,Y > 0: tương quan cùng chiều, X,Y < 0: ngược chiều
▪ X,Y = 0: không tương quan
▪ X, Y độc lập  X,Y = 0
▪ X,Y =  1: X, Y có quan hệ hàm số bậc 1 với nhau
173

▪ Dựa trên bảng phân phối xác suất có điều kiện
▪ Kỳ vọng có điều kiện
• E(Y | X = xi)
• E(X | Y = yj)
▪ Phương sai có điều kiện
• V(Y | X = xi)
• V(X | Y = yj)
▪ Đây là khái niệm cơ sở cho hồi quy và Kinh tế lượng
174
BTEC - SFM

▪ Ví dụ 5.1 (tiếp)
▪ (c) Tính kỳ vọng và phương sai của tổng số người
trong hộ gia đình theo hai cách:
• Lập bảng phân phối xác suất của X + Y
• Theo công thức phương sai của tổng
▪ (d) X và Y có tương quan với nhau không? Hệ số tương
quan bằng bao nhiêu?
▪ (e) Tìm kì vọng và phương sai của số ăn theo trong hộ
gia đình có 1 người đi làm
175
BÀI 6. LUẬT SỐ LỚN

▪ Tập trung Định lý giới hạn trung tâm
▪ Bất đẳng thức Trebusep (Chebyshev)
▪ Định lý Trebusep
▪ Định lý Bernoulli
▪ Định lý giới hạn trung tâm
176
Định lý giới hạn trung tâm

▪ Xét X1, X2,…, Xn là các BNN độc lập có cùng quy luật
phân phối xác suất, kỳ vọng và phương sai hữu hạn
n
Y − E (Y )
▪ Đặt Y =  Xi và U=
i =1 V (Y )
▪ Thì U sẽ hội tụ về quy luật N(0, 1) khi n → 
▪ Trong ứng dụng, n ≥ 30 được coi là đủ lớn để áp dụng
quy luật Chuẩn (dù biến ngẫu nhiên gốc không phân
phối chuẩn)
177
BTEC - SFM
BÀI 7 – MẪU NGẪU NHIÊN

▪ 7.1. Các khái niệm
▪ 7.2. Trung bình mẫu
▪ 7.3. Phương sai mẫu
▪ 7.4. Tần suất mẫu
▪ [1] Chương 6, trang 295 – 347, 361 – 363, 367 – 369

▪ [2] Chapter 7, pp.298 – 306, 310 – 328, 337 – 339
178
7.1. CÁC KHÁI NIỆM

▪ Tổng thể
▪ Tham số đặc trưng của tổng thể
▪ Mẫu ngẫu nhiên
▪ Mẫu cụ thể
▪ Thống kê (tham số đặc trưng mẫu)
179
Tổng thể
▪ Tập hợp toàn bộ các phần tử đồng nhất theo một dấu
hiệu nghiên cứu định tính hay định lượng nào đó
được gọi là tổng thể (population)
▪ Kích thước tổng thể (population size): là số phần tử 𝑵
▪ Dấu hiệu lượng hóa được: 𝑿- Biến ngẫu nhiên gốc
▪ 𝑋 = {𝑥1, 𝑥2, … , 𝑥𝑁 }
▪ Các tham số đặc trưng của 𝑋 là tham số đặc trưng của
tổng thể
180
BTEC - SFM
Mô tả tổng thể
▪ Nếu 𝑋 chỉ gồm k giá trị khác nhau: 𝑥1, 𝑥2, … , 𝑥𝑘
▪ Số lượng tương ứng là 𝑁1, 𝑁2, … , 𝑁𝑘
▪ 𝑁𝑖 gọi là tần số tổng thể của 𝑥𝑖
▪ Đặt 𝑝𝑖 = 𝑁𝑖 / 𝑁 gọi là tần suất tổng thể
0  Ni  N

𝑥𝑘  k
 i =1 Ni = N
Giá trị 𝑥1 𝑥2 …

Tần số 𝑁1 𝑁2 … 𝑁𝑘
Tần suất 𝑝1 𝑝2 … 𝑝𝑘 0  pi  1

 k
 i =1 pi = 1

181
Tham số đặc trưng của tổng thể

▪ Trung bình tổng thể (population mean): m
1 N
m=  xi
N i =1
• Chứng minh được: 𝑚 = 𝐸(𝑋)
▪ Phương sai tổng thể (population variance): σ2
1 N
σ2 =  ( xi − m)2
N i =1
• Chứng minh được: 𝜎2 = 𝑉(𝑋)
182
Tham số đặc trưng của tổng thể

▪ Độ lệch chuẩn tổng thể: σ
σ = σ2
▪ Tần suất tổng thể (population proportion): p

• Số phần tử chứa dấu hiệu (hay biến cố) A là NA
𝑁𝐴
𝑝=
𝑁
• Dễ thấy: 𝑝 = 𝑃(𝐴)
183
BTEC - SFM
Ví dụ
▪ Nghiên cứu về chiều cao của sinh viên một lớp có 50
sinh viên: chiều cao trung bình 160 cm, độ phân tán
3cm, có 30% sinh viên cao hơn 170cm.
• X “ chiều cao”; N=50 ; A“ sinh viên cao hơn 170cm”
• m=160 ; σ =3 ; p= P(A)=0,3
▪ Lấy ngẫu nhiên 10 sinh viên trong lớp tính được chiều
cao trung bình là 162 cm, độ phân tán 2,5 cm và có 2
sinh viên cao trên 170 cm.
• Mẫu kích thước =10
• Trung bình mẫu =162
• Độ lệch chuẩn mẫu =2,5
• Tỉ lệ trên mẫu =0,2
184
Nhận xét
▪ Nghiên cứu Tổng thể => nghiên cứu về tham số đặc
trưng tổng thể =>nghiên cứu toàn bộ các phần tử =>
gặp nhiều khó khăn:
• Chi phí lớn, có thể không khả thi
• Sai sót khi thu thập, có thể phá hủy tập hợp
▪ Do đó nghiên cứu một số phần tử đại diện => Mẫu
• Từ tổng thể rút n phần tử (mẫu kích thước n)
• Xác định tham số đặc trưng mẫu (thống kê)
• Rút ra kết luận liên quan đến tổng thể
185
Mẫu ngẫu nhiên

▪ Mẫu ngẫu nhiên kích thước n là tập hợp của n biến
ngẫu nhiên độc lập 𝑋1, 𝑋2, … , 𝑋𝑛 được thành lập từ
biến ngẫu nhiên gốc 𝑋 và có cùng quy luật phân phối
xác suất với 𝑋.
▪ Ký hiệu: 𝑊 = (𝑋1, 𝑋2, … , 𝑋𝑛)
▪ 𝐸(𝑋𝑖) = 𝐸(𝑋) = 𝑚
▪ 𝑉(𝑋𝑖) = 𝑉(𝑋) = 𝜎2 𝑖 = 1, 2, … , 𝑛
186
BTEC - SFM
Mẫu cụ thể
▪ Gồm n quan sát (n con số): 𝑤 = (𝑥1, 𝑥2, … , 𝑥𝑛)
▪ Nếu chỉ gồm k giá trị khác nhau: 𝑥1, 𝑥2, … , 𝑥𝑘 với số lần
xuất hiện tương ứng : 𝑛1, 𝑛2, … , 𝑛𝑘
▪ 𝑛𝑖 là tần số mẫu của 𝑥𝑖 (frequency)
▪ Đặt pො i = 𝑛𝑖 / 𝑛 : tần suất mẫu (sample proportion)
Giá trị …
i =1 ni = n
𝑥1 𝑥2 𝑥𝑘 k
Tần số 𝑛1 𝑛2 … 𝑛𝑘
𝑘
Tần suất pො 1 pො 2 … pො k ෍ pො 𝑖 = 1
𝑖=1
187
Ví dụ
▪ Nghiên cứu về khối lượng sản phẩm (𝑋)
▪ Mẫu ngẫu nhiên kích thước n=10,
▪ 𝑊 = (𝑋1, 𝑋2, … , 𝑋10)
• 𝐸(𝑋1) = 𝐸(𝑋2) = ⋯ = 𝐸(𝑋10) = 𝐸(𝑋)
• 𝑉(𝑋1) = 𝑉(𝑋2) = ⋯ . = 𝑉(𝑋10) = 𝑉(𝑋)
▪ Mẫu cụ thể 𝑤 = ( 20,21,20,23,23,24,22,24,22,22)
Khối lượng (g) 20 21 22 23 24
Số sản phẩm 2 1 3 2 2
188
Thống kê (tham số đặc trưng mẫu)

▪ Một hàm của các biến ngẫu nhiên Xi trong mẫu là một
thống kê (statistic)
𝐺 = 𝑓(𝑋1, 𝑋2, … , 𝑋𝑛)
▪ Vì mẫu ngẫu nhiên nên 𝐺 là ngẫu nhiên với qui luật
phân phối xác suất xác định
▪ Mẫu cụ thể=> thống kê là số cụ thể, giá trị quan sát
𝐺𝑞𝑠 = 𝑔 = 𝑓(𝑥1, 𝑥2, … , 𝑥𝑛)
▪ Thống kê trong mẫu thường tương ứng với một tham
số trong tổng thể
189
BTEC - SFM
7.2. TRUNG BÌNH MẪU

▪ Trung bình mẫu ngẫu nhiên (sample mean)
1 n
X=  Xi
n i =1
▪ 𝑋ത là biến ngẫu nhiên:
σ2 σ
E (X ) = m; V (X ) = ; σX =
n n
𝜎 2
▪ Nếu 𝑋 ~ 𝑁(𝜇, 𝜎2 ) thì: ሜ
𝑋~𝑁 𝜇, 𝑛
(𝑋ሜ − 𝜇) 𝑛
𝑍= ~𝑁(0,1)
𝜎
190
Ví dụ
▪ Ví dụ 7.1. Chiều dài của một loại sản phẩm là một biến
ngẫu nhiên phân phối chuẩn với trung bình là 100 cm
và phương sai là 16 cm2 .
Kiểm tra ngẫu nhiên 25 sản phẩm.
a) Tính khả năng để chiều dài trung bình của 25 sản phẩm
này lớn hơn 102 cm.
b) Với xác suất là 0,95 thì chiều dài trung bình của 25 sản
phẩm trên tối đa là bao nhiêu ?
191
7.3. PHƯƠNG SAI MẪU

▪ Độ lệch bình phương trung bình (mean of squares)
𝑛
1
𝑀𝑆 = ሜ 2
෍(𝑋𝑖 − 𝑋)
𝑛
𝑖=1
▪ Phương sai mẫu (sample variance) S2
𝑛
1 n
𝑆2 = ሜ 2
෍(𝑋𝑖 − 𝑋) Hay S 2 = MS
𝑛−1
𝑖=1
n −1
▪ Độ lệch chuẩn mẫu: 𝑺 = 𝑺𝟐
n−1 2
▪ Ta có : 𝐸(𝑆2) = 2 và E (MS ) = σ
n
192
BTEC - SFM
Phương sai mẫu

▪ Với mẫu cụ thể:
1 n
• Trung bình mẫu x=  xi
n i =1
• Phương sai s2 1 n
s2 =  ( xi − x )2
n − 1 i =1
• Độ lệch chuẩn mẫu cụ thể: : 𝑠 = 𝑠 2
193
Phương sai mẫu

▪ Nếu mẫu phân thành k nhóm
1 k
x=  ni xi
n i =1
1 k
s2 =  ni ( xi − x )2
n − 1 i =1
Hoặc: s2 =
n
n −1
(
x 2 − ( x )2 )
194
7.4. TẦN SUẤT MẪU

▪ Trong mẫu kích thước n có XA phần tử có dấu hiệu
(biến cố) A
𝑋𝐴
▪ Tần suất mẫu: pො =
𝑛
𝑝(1 − 𝑝)
▪ Nếu 𝑃(𝐴) = 𝑝 thì: 𝐸 pො = 𝑝 𝑉(ොp) =
𝑛
▪ 𝑋 ~ 𝐴(𝑝), mẫu kích thước n  100, tần suất mẫu pො

Thì: (ොp − 𝑝) 𝑛
𝑍 = ~𝑁(0,1)
𝑝(1 − 𝑝)
195
BTEC - SFM
Ví dụ
▪ Ví dụ 7.2. Tỉ lệ phế phẩm của nhà máy A là 10%. Lấy
ngẫu nhiên 100 sản phẩm của nhà máy này.
a) Tính xác suất để trong số sản phẩm lấy ra có ít nhất là
15% phế phẩm.
b) Với xác suất là 0,9 thì trong mẫu trên có tối đa là bao
nhiêu phế phẩm?
196
MẪU NGẪU NHIÊN HAI CHIỀU

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

1 x1 y1
2 x2 y2
… … …
n xn yn
197
Thống kê của mẫu hai chiều

▪ Trung bình mẫu thành phần: 𝑋, ത 𝑌ത
▪ Phương sai mẫu thành phần: 𝑆𝑋2, 𝑆𝑌2
▪ Hiệp phương sai mẫu:
n n
cov( X ,Y ) =  ( ( X i − X )(Yi − Y ) )
n − 1 i =1
▪ Hệ số tương quan mẫu:
cov( X ,Y )
r ( X ,Y ) =
S X SY
198
BTEC - SFM
QUY LUẬT PHÂN PHỐI XÁC SUẤT

▪ Sử dụng thống kê trong mẫu để phản ánh về tham số
trong tổng thể.
▪ Cần có quy luật thể hiện mối liên hệ giữa các đại
lượng này.
▪ Quy luật liên hệ này phụ thuộc vào quy luật phân phối
xác suất của chính biến ngẫu nhiên X
▪ Dấu hiệu định lượng: thường dùng biến phân phối
Chuẩn N(, σ2)
▪ Dấu hiệu định tính: dùng biến Không một A(p)
199
SUY DIỄN VỀ MẪU

▪ Khi biết các tham số và quy luật phân phối xác suất
của tổng thể, với mức xác suất (1 − 𝛼) cho trước, suy
đoán về một số thống kê của mẫu ngẫu nhiên.
▪ Suy diễn về trung bình mẫu 𝑋ത rút ra từ tổng thể phân
phối chuẩn đã biết  và σ2
▪ Suy diễn về phương sai mẫu S2 rút ra từ tổng thể phân
phối chuẩn đã biết  và σ2
▪ Suy diễn về tần suất mẫu pො rút ra từ tổng thể phân
phối Không-một đã biết p
200
Tóm tắt chương
Tổng Mẫu ngẫu Mẫu cụ Quy luật

Đại lượng
thể nhiên thể liên hệ
N(0,1)
Trung bình  𝑋ത 𝑥ҧ
T(n – 1)
Phương sai σ2 S2 s2
2(n – 1)
Độ lệch chuẩn σ S s
Tần số MA XA xA
N(0,1)
Tần suất p pො pො
201
BTEC - SFM
BÀI 8 - ƯỚC LƯỢNG THAM SỐ

8.1. Ước lượng tham số tổng thể
8.2. Ước lượng điểm
8.3. Ước lượng bằng khoảng tin cậy
▪ 1] Chương 7, trang 389 – 420, 431 – 437, 440 – 445

▪ [2] Chapter 7, pp. 306 – 309, 328 – 330
▪ [3] Chapter 8, pp. 342 – 365
202
8.1. ƯỚC LƯỢNG THAM SỐ TỔNG THỂ

▪ Trong tổng thể, X đã biết qui luật nhưng tham số 
(tham số tổng thể) là chưa biết.
▪ Sử dụng thông tin từ mẫu ̶˃ ước lượng tham số 
(parameter estimate) ̶˃ước lượng tham số tổng thể
▪ Mẫu ngẫu nhiên: xây dựng ước lượng ngẫu nhiên
(estimator)
▪ Mẫu cụ thể: tính được ước lượng cụ thể (estimate),
hay giá trị quan sát (observed value)
203
8.2. ƯỚC LƯỢNG ĐIỂM

▪ Khái niệm
▪ Tính chất của ước lượng điểm
▪ Phương pháp ước lượng điểm:
Phương pháp hàm thống kê
Phương pháp hàm hợp lý tối đa
204
BTEC - SFM
Khái niệm
▪ Tham số tổng thể ( ) là chưa biết ̶˃ Cần ước lượng
▪ Sử dụng mẫu 𝑊 = (𝑋1, 𝑋2, … , 𝑋𝑛 ) ̶˃ xác định thống
kê 𝜃መ trên mẫu
▪ Dùng một giá trị của thống kê 𝜃መ để thay thế cho tham
số  ̶˃ 𝜃መ là ước lượng điểm của 
205
Tính chất của ước lượng điểm

▪ Tính không chệch (unbiased)
• 𝜃መ là ước lượng không chệch của   𝐸(𝜃) መ =
• Nếu 𝐸(𝜃) መ   : ước lượng chệch
▪ Tính hiệu quả (efficient)
• 𝜃መ1, 𝜃መ2 là ước lượng không chệch
• 𝑉(𝜃መ1) < 𝑉(𝜃መ2) thì 𝜃መ1 là ước lượng hiệu quả hơn 𝜃መ2
• 𝑉(𝜃መ1) là nhỏ nhất thì 𝜃መ1 là ước lượng hiệu quả
▪ Ước lượng không chệch, hiệu quả => ước lượng tốtnhất
206
Tính chất của ước lượng điểm

▪ Tính vững (consistent): khi kích thước mẫu tiến đến vô
cùng thì ước lượng hội tụ đến tham số (theo nghĩa xác
suất)
▪ Tính đủ (sufficient): ước lượng sử dụng toàn bộ các
thông tin trong mẫu
207
BTEC - SFM
Ví dụ
▪ Ví dụ 8.1.
▪ Tổng thể X có trung bình là m, phương sai là 2
▪ Với mẫu kích thước n = 3, trong các thống kê sau, đâu
là ước lượng không chệch, hiệu quả hơn cho m:
1 1 1 1 1 1
G1 = X1 + X 2 + X3 ; G2 = X1 + X 2 + X3
2 2 2 2 3 6
1 1 1 1 1 1
G3 = X1 + X 2 + X3 ; G4 = X1 + X 2 + X3
2 4 4 3 3 3
208
Bất đẳng thức Cramer - Rao

▪ Nếu BNN X có công thức tính xác suất hoặc hàm mật
độ là f(x,  ) thì với mọi 𝜃መ là ước lượng không chệch
của , luôn có:
1
V (θˆ)  2
  ln f ( x , θ ) 
nE  
 θ 
መ ∗
▪ Do đó nếu 𝜃 là ước lượng không chệch và có phương
sai bằng vế phải bất đẳng thức thì nó là ước lượng
hiệu quả nhất
209
Một số kết luận

▪ Khi 𝑋~𝑁(, 𝜎2) thì
• 𝑋ത là ước lượng không chệch, hiệu quả của 
• 𝑆2 là ước lượng không chệch của σ2
• 𝑀𝑆 là ước lượng chệch của σ2
▪ Khi 𝑋 ~ 𝐴(𝑝) thì pො là ước lượng không chệch, hiệu
quả của p.
▪ Cách thay thế tham số đặc trưng tổng thể(,p,σ2) bởi
tham số đặc trưng mẫu (𝑿 ഥ ,ෝ
𝒑,S2 ) tương ứng như trên
là tìm ước lượng điểm theo hàm ước lượng.
210
BTEC - SFM
Ước lượng hợp lý tối đa

▪ Mẫu 𝑊 = (𝑋1, 𝑋2, … , 𝑋𝑛), tại giá trị cụ thể
(𝑥1, 𝑥2, … , 𝑥𝑛)
▪ Hàm hợp lý:
𝐿(𝑥1, 𝑥2, … , 𝑥𝑛,  ) = 𝑓(𝑥1,  ). 𝑓(𝑥2,  ) … 𝑓(𝑥𝑛,  )
▪ 𝐿 gọi là hàm hợp lý (likelihood function) của 
▪ Giá trị 𝜃መ làm L đạt max gọi là ước lượng hợp lý tối đa
của  (maximum likelihood estimator: MLE)
▪ Nếu hàm L không dễ tìm cực đại thì tính thông qua
hàm logarit của L (maximum log-likelihood)
211
Ví dụ
▪ Ví dụ 8.2.
▪
212
Một số kết luận

▪ Khi 𝑋 ~ 𝑁(𝜇, 𝜎2 ) thì
• 𝑋ത là ước lượng hợp lý tối đa của 
• MS là ước lượng hợp lý tối đa của σ2
▪ Khi 𝑋 ~ 𝐴(𝑝) thì pො là ước lượng hợp lý tối đa của p
213
BTEC - SFM
8.3. ƯỚC LƯỢNG BẰNG KHOẢNG TIN CẬY

▪ Các khái niệm
▪ Ước lượng trung bình tổng thể
▪ Ước lượng phương sai tổng thể
▪ Ước lượng tần suất tổng thể
214
Các khái niệm

▪ Với mẫu ngẫu nhiên, tìm khoảng ngẫu nhiên
(𝐺1, 𝐺2) để khả năng khoảng đó chứa  bằng một
mức xác suất cho trước:
𝑃(𝐺1 <  < 𝐺2) = 1 – 
▪ Mức xác suất (1 – ) là độ tin cậy (confidence level)
▪ (𝐺1, 𝐺2) là khoảng tin cậy (confidence interval)
▪ 𝐼 = 𝐺2 – 𝐺1 là độ dài khoảng tin cậy
215
Xây dựng khoảng tin cậy

▪ Xét thống kê G liên kết giữa tham số và thống kê trong
mẫu, G có quy luật phân phối xác suất xác định
▪ Với 1 − 𝛼 ˃̶ xác định 𝛼1 và 𝛼2 : 𝛼1 + 𝛼2 = 𝛼
▪ Xác định giá trị tới hạn 𝑔𝛼1 và 𝑔𝛼2 sao cho:
𝑃 𝑔1−𝛼1 < 𝐺 < 𝑔𝛼2 = 1 − 𝛼
▪ Biến đổi sẽ thu được khoảng 𝐺1, 𝐺2 thỏa mãn:
𝑃(𝐺1 <  < 𝐺2) = 1 – 
216
BTEC - SFM
Ước lượng trung bình tổng thể

▪ 𝑋 ~ 𝑁(𝜇, 𝜎2) với  chưa biết
▪ Ước lượng khoảng cho  với độ tin cậy (1 − 𝛼)
▪ Ước lượng  cũng là ước lượng trung bình tổng thể
trong qui luật chuẩn.
▪ Mẫu 𝑊 = (𝑋1, 𝑋2, … , 𝑋𝑛)
▪ Chia hai trường hợp:
• Khi 𝜎 là đã biết  dùng thống kê 𝑍
• Khi 𝜎 là chưa biết  Sử dụng S để thay, và dùng
thống kê ( X − μ) n
T= ~ T (n − 1)
S
217
Ước lượng  khi không biết σ2

▪ Dùng thống kê:
( X − μ) n
T= ~ T (n − 1)
S
▪ Với 𝛼1+𝛼2 = 𝛼
(𝑛−1) ሜ
𝑋−𝜇 (𝑛−1)
𝑃 𝑡1−𝛼 < 𝑠/ < 𝑡𝛼2 = 1-α
1 𝑛
218
▪ Khoảng tin cậy tối đa

(𝑛−1) 𝑆
𝜇 < 𝑋ത + 𝑡𝛼
𝑛
▪ Khoảng tin cậy tối thiểu
S
X − t α(n−1) μ
n
▪ Khoảng tin cậy hai phía (đối xứng)
S S
X − t α(n/2−1)  μ  X + t α(n/2−1)
n n
219
BTEC - SFM

▪ Khoảng tin cậy đối xứng: 𝑋ത ± 𝜀 hay : 𝑋ത ± 𝑀𝐸
(𝑛−1)
▪ Với 𝜀 = 𝑀𝐸 = 𝑡𝛼/2 𝑆/ 𝑛
(𝑛−1)
▪ Độ dài khoảng tin cậy: I = 2𝜀 = 2𝑡𝛼/2 𝑆/ 𝑛
▪ Xác định kích thước mẫu n0 (đáp ứng yêu cầu về sai số
hoặc độ dài khoảng tin cậy) dựa vào mẫu sơ bộ n cho
trước
S 2 (t α(n/−21) )2
ε  ε0  n0 
ε02
4S 2 (t α(n/−21) )2
I  I0  n0 
I02
220
Ví dụ
▪ Ví dụ 8.3. Cân ngẫu nhiên 25 sản phẩm khối lượng
trung bình là 25,32g và phương sai là 5,28g2 . Giả sử
khối lượng phân phối chuẩn. Với độ tin cậy 95%
a) Ước lượng khối lượng trung bình của tất cả các sản
phẩm bằng khoảng tin cậy tối đa
b) Tìm khoảng tin cậy đối xứng cho khối lượng trung bình
c) Muốn sai số trong câu (b) còn không quá 0,5g thì cần
cân thử thêm ít nhất bao nhiêu sản phẩm?
221
Ước lượng phương sai tổng thể

▪ 𝑋 ~ 𝑁(𝜇, 𝜎2), với tham số σ2 là chưa biết
▪ Ước lượng khoảng cho σ2 với độ tin cậy (1 − 𝛼)
▪ Ước lượng σ2 cũng là ước lượng phương sai tổng
thể, độ phân tán trong qui luật chuẩn.
▪ Sử dụng thống kê Khi bình phương
(n − 1)S 2
χ2 = ~ χ 2 (n − 1)
σ2
▪ Với 𝛼1 + 𝛼2 = 𝛼
 (n − 1)S 2 
P  χ12−(nα−1 1)  2
 χα22(n−1)  = 1 − α
 σ 
222
BTEC - SFM
Ước lượng tham số σ2

(n − 1)S 2
σ2 
χ12−(nα−1)
(n − 1)S 2
 σ2
χα2(n−1)
▪ Khoảng tin cậy hai phía
(n − 1)S 2 (n − 1)S 2
2( n−1)
 σ2 
χ α /2 χ12−(nα−/21)
223
Ví dụ
▪ Ví dụ 8.4. Cân ngẫu nhiên 25 sản phẩm khối lượng
trung bình là 25,32g và phương sai là 5,28g2. Giả sử
khối lượng của sản phẩm phân phối chuẩn.
▪ Với độ tin cậy 95%
a) Độ dao động của khối lượng đo bởi phương sai tối đa
là bao nhiêu?
b) Tìm khoảng tin cậy cho độ lệch chuẩn của khối lượng
sản phẩm
224
Ước lượng tần suất tổng thể

▪ 𝑋 𝐴(𝑝) với p chưa biết
~
▪ Ước lượng khoảng cho p với độ tin cậy (1 − 𝛼)
▪ Ước lượng p cũng là ước lượng tần suất tổng thể.
▪ Sử dụng thống kê (ොp − 𝑝) 𝑛
𝑍= ~𝑁(0,1)
𝑝(1 − 𝑝)
▪ Với 𝛼1 + 𝛼2 = 𝛼
(ෝ
p−𝑝) 𝑛
P( 𝑧1−𝛼1 < < 𝑧𝛼2 ) = 1 − 𝛼
𝑝(1−𝑝)
▪ n ≥ 100 đủ lớn thì thay p trong căn bởi p

ො
225
BTEC - SFM
Ước lượng tham số p

pො (1 − pො )
𝑝 < pො + 𝑧𝛼
𝑛
pො (1 − pො )
pො − 𝑧𝛼 <𝑝
𝑛
▪ Khoảng tin cậy hai phía (đối xứng)
pො (1 − pො ) pො (1 − pො )
pො − 𝑧𝛼/2 < 𝑝 < pො + 𝑧𝛼/2
𝑛 𝑛
226
Ước lượng tham số p

▪ Khoảng tin cậy đối xứng: pො  ME hay pො  
𝑀𝐸 = 𝜀 = 𝑧𝛼/2 pො (1 − pො )/ 𝑛
▪ Độ dài khoảng tin cậy:
𝐼 = 2𝑀𝐸 = 2𝜀 = 2𝑧𝛼/2 pො (1 − pො )/ 𝑛
▪ Xác định kích thước mẫu n0 thỏa mãn yêu cầu về sai
số hoặc độ dài KTC: 2
pො (1 − pො )𝑧𝛼/2
𝜀 ≤ 𝜀0 ⇔ 𝑛0 ≥
𝜀02
2
4ොp(1 − pො )𝑧𝛼/2
𝐼 ≤ 𝐼0 ⇔ 𝑛0 ≥
𝐼02
227
Ví dụ
▪ Ví dụ 8.5. Quan sát ngẫu nhiên 400 người vào cửa
hàng thì có 144 người mua hàng. Với độ tin cậy 95%:
a) Ước lượng tỉ lệ khách mua hàng bằng khoảng tin cậy
đối xứng
b) Muốn độ dài khoảng tin cậy trong câu giảm xuống còn
một nửa thì cần quan sát tối thiểu bao nhiêu người?
c) Nếu trong một ngày có 5000 người vào cửa hàng thì có
tối đa bao nhiêu người mua hàng?
228
BTEC - SFM
BÀI 9 - KIỂM ĐỊNH GIẢ THUYẾT
▪ 9.1. Khái niệm

▪ 9.2. Kiểm định tham số một tổng thể
▪ 9.3. Kiểm định tham số hai tổng thể
▪ 9.4. Kiểm định phi tham số
229
9.1. KIỂM ĐỊNH THAM SỐ TỔNG THỂ

▪ Cặp giả thuyết, tiêu chuẩn kiểm định
▪ Các loại sai lầm
▪ Mức ý nghĩa và miền bác bỏ
▪ P-Value
▪ [1] Chương 8, trang 465-470, trang 479

▪ [2] Chapter 9, pp.346-352, 354-355
▪ [3] Chapter 9, pp.382-389; 392-394
230
Cặp giả thuyết, tiêu chuẩn kiểm định

▪ Giả thuyết thống kê: Mệnh đề về một vấn đề thống kê
nào đó về tổng thể.
▪ Kiểm định tham số: Kết luận về tính đúng / sai của một
giả thuyết thống kê đối với tham số tổng thể dựa vào
các bằng chứng thực nghiệm.
▪ Ví dụ:
➢ Thu nhập trung bình của người lao động là trên
2000 USD/năm
➢ Tỷ lệ khách quay lại mua hàng lần hai là 50%
➢ Độ dao động của giá vàng trên thị trường tư nhân
trong năm qua là chưa đến 30 USD
231
BTEC - SFM
Cặp giả thuyết, tiêu chuẩn kiểm định

▪ Bài toán kiểm định giả thuyết thống kê so sánh giá trị
tham số  (của tổng thể) và giá trị thực 0 cho trước:
H0: θ = θ0 H0: θ = θ0 H0: θ = θ0
ቊ ቊ ቊ
H1 : θ > θ 0 H1 : θ < θ 0 H1 : θ ≠ θ 0
▪ Với mỗi cặp giả thuyết ta có một tiêu chuẩn kiểm định,
ký hiệu là 𝐺.
▪ Giá trị của tiêu chuẩn kiểm định G tính trên mẫu là 𝐺𝑞𝑠
232
Ví dụ
Viết cặp giả thuyết phù hợp cho các bài toán kiểm
định giả thuyết thống kê đối với các nhận định sau:
(a) Thu nhập trung bình của người lao động là trên
2000 USD/năm.
(a) Tỷ lệ khách quay lại mua hàng lần hai là 50%.
(b) Độ dao động của giá vàng trên thị trường trong
năm qua là chưa đến 30 USD phải không?
(c) Tỷ lệ nữ khách hàng trong ngày của một cửa hàng
là ít hơn nam.
(d) Mức độ biến động của giá vàng là quá 500 USD2.
233
Các sai lầm

▪ Sai lầm loại I: bác bỏ một điều đúng (type I error)
▪ Sai lầm loại II: chấp nhận một điều sai (type II error)
Quyết định Tình trạng trên tổng thể
𝐻0 đúng 𝐻0 sai
Chấp nhận 𝐻0 Đúng Sai lầm loại II
Xác suất=1-α Xác suất=β
Bác bỏ 𝐻0 Sai lầm loại I Đúng
Xác suất=α Xác suất=1-β
▪ α và β thay đổi trái chiều nhau.

234
BTEC - SFM
Mức ý nghĩa và miền bác bỏ

▪ Xác định một miền 𝑊 sao cho nếu 𝐻0 đúng thì xác suất 𝐺
thuộc miền đó là một mức  đủ nhỏ:
𝑃(𝐺  𝑊 | 𝐻0 đú𝑛𝑔) = 
▪ 𝑊 gọi là miền bác bỏ (reject area)
▪ 𝑊 được xác định bởi các giá trị tới hạn (critical value)
▪  gọi là mức ý nghĩa (significant level)
▪ Mức  hay dùng là  =0,01; 0,05; 0,1
235
Quy tắc kiểm định

▪ Cặp giả thuyết 𝐻0 và 𝐻1
▪ Mẫu cụ thể thì tiêu chuẩn 𝐺 nhận giá trị cụ thể: 𝐺𝑞𝑠
▪ Mức ý nghĩa  cho trước, tìm được miền bác bỏ 𝑊
❖ Nếu 𝐺𝑞𝑠  𝑊: bác bỏ 𝐻0 (reject 𝐻0), 𝐻0 là sai, 𝐻1 là
đúng
❖ Nếu 𝐺𝑞𝑠  𝑊: chưa có cơ sở bác bỏ 𝐻0 (not reject
𝐻0), 𝐻0 là đúng, 𝐻1 là sai
▪ Kết luận về mệnh đề đã nêu ra.
236
P-value
▪ P-value là “mức xác suất thấp nhất để bác bỏ 𝐻0”
▪ P-value thường được tính sẵn qua các phần mềm
chuyên dụng
▪ Quy tắc kiểm định theo P-value

Với mức ý nghĩa  cho trước:
❖ Nếu P-value <  thì bác bỏ 𝐻0 , nhận 𝐻1
❖ Nếu P-value ≥  thì chưa bác bỏ 𝐻0
237
BTEC - SFM
9.2. KIỂM ĐỊNH THAM SỐ MỘT TỔNG THỂ

▪ Kiểm định trung bình tổng thể
▪ Kiểm định phương sai tổng thể
▪ Kiểm định tần suất tổng thể
▪ [1] Chương 8, trang 471-491, 512-519, 524-527

▪ [2] Chapter 9, pp. 353-384
▪ [3] Chapter 9, pp. 390-440; 481-493
238
Kiểm định trung bình tổng thể

▪ Tổng thể phân phối chuẩn 𝑋 ~ 𝑁 (  , 𝜎 2 )
▪ Tham số  chưa biết, kiểm định so sánh  với số 0
Ba cặp giả thuyết
H : μ = μ0 H0: μ = μ0 H0: μ = μ0
(1)ቊ 0 (2) ൜ 3 ቊ
H1 : μ > μ 0 H1 : μ < μ 0 H1 : μ ≠ μ 0
Xét hai trường hợp:

❖ Phương sai tổng thể σ2 đã biết (lý thuyết)
❖ Phương sai tổng thể σ2 chưa biết (thực tế)
239
Kiểm định  khi biết σ2 (tự đọc)

ഥ −μ
X n
▪ Tiêu chuẩn chung 𝑍 = ~ N 0,1
σ
H0: μ = μ0
(1) ቊ
H1 : μ > μ 0
Nếu 𝐻0 đúng thì

ഥ −μ 0 ) n
(X
𝑍= ~ N 0,1
σ
𝑃 (𝑍 > 𝑧 𝛼 ) = 𝛼
Miền bác bỏ Wα = Z: Z > z α
240
BTEC - SFM

ഥ −μ
X n
σ
H0: μ = μ0
(2) ቊ
H1 : μ < μ 0
Tiêu chuẩn kiểm định

ഥ −μ 0 ) n
(X
𝑍= ~ N 0,1
σ
𝑃(𝑍 < −𝑧 𝛼 ) = 𝛼
Miền bác bỏ Wα = Z: Z < −z α
241

ഥ −μ
X n
σ
H0: μ = μ0
(3) ቊ
H1 : μ ≠ μ 0
ഥ −μ 0 ) n
(X
𝑍= ~N 0,1
σ
𝑃( Z > z α/2 )=
Miền bác bỏ Wα = Z: Z > z α/2
242
P - value
▪ Với cặp giả thuyết cho trước, mẫu cụ thể
▪ Giá trị quan sát: 𝑍𝑞𝑠
▪ 𝑃- value của các cặp giả thuyết tính như sau:
H0 : μ = μ0
(1) ቊ 𝑃 = 𝑃 (𝑍 > 𝑍 𝑞 𝑠 )
H1 : μ > μ0
H0 : μ = μ0
(2) ቊ 𝑃 = 𝑃(𝑍 < 𝑍 𝑞𝑠 )
H1 : μ < μ0
H0 : μ = μ0
(3) ቊ 𝑃 = 2𝑃 (𝑍 >∣ 𝑍 𝑞𝑠 ∣)
H1 : μ ≠ μ 0
243
BTEC - SFM
Ví dụ
▪ Ví dụ 9.1. Biết kích thước sản phẩm là biến ngẫu
nhiên phân phối chuẩn với phương sai là 36mm2. Đo
ngẫu nhiên 50 sản phẩm tính được trung bình mẫu là
122mm. Với mức ý nghĩa 5%
a) Kiểm định giả thuyết kích thước trung bình là trên
120mm
b)* Tìm P-value của cặp giả thuyết trong câu (a)
c) Kiểm định giả thuyết kích thước trung bình chưa đến
123mm
244
Kiểm định  khi chưa biết σ2

𝑋 ~ 𝑁( , 𝜎2) Cặp Miền bác bỏ
Tiêu chuẩn giả thuyết 𝑊
𝐻0:  = 0
𝐻1:  > 0
𝐻0:  = 0
𝐻1:  < 0
𝐻0:  = 0
𝐻1:   0
245
Ví dụ
▪ Ví dụ 9.2. Cân ngẫu nhiên 25 sản phẩm khối lượng trung
bình là 25,32g và phương sai là 5,28g2. Giả sử khối lượng
phân phối chuẩn. Với mức ý nghĩa 5%
a) Kiểm định giả thuyết trung bình tổng thể lớn hơn 24g
b) Có thể nói khối lượng trung bình là chưa đến 26g hay
không? Nếu mức ý nghĩa là 10% thì sao?
c) Nhận xét ý kiến cho rằng khối lượng trung bình là khác
26,5g
246
BTEC - SFM
Kiểm định phương sai tổng thể

𝑋 ~ 𝑁( , 𝜎2 ) Cặp Miền bác bỏ
Tiêu chuẩn giả thuyết 𝑊
247
Ví dụ
▪ Ví dụ 9.3. Tiêu chuẩn cho độ dao động của
khối lượng một loai quả đóng hộp là không
được vượt quá 5g. Kiểm tra ngẫu nhiên 50 quả
thu hoạch tại một vườn thấy phương sai mẫu
của khối lượng quả là 30g2.
Với mức ý nghĩa 5%, cho biết mức dao động của
khối lượng loại quả tại vườn này là đạt tiêu
chuẩn hay không? Giả thiết rằng khối lượng quả
là biến ngẫu nhiên phân phối chuẩn.
248
Kiểm định tần suất tổng thể

Tiêu chuẩn Cặp Miền bác bỏ
giả thuyết 𝑊
kiểm định: 𝐻0: 𝑝 = 𝑝0

p − p0 n 𝐻 1 :
ෝ 𝑝 > 𝑝0 Z: Z > z α
Z=
p0 1 − p0 𝐻 : 𝑝 = 𝑝0
0
𝑍~N 0,1 , 𝐻1: 𝑝 < 𝑝0 Z: Z < −z α
n ≥100 𝐻0: 𝑝 = 𝑝 0
𝐻1: 𝑝 ≠ 𝑝 0 Z: Z > z α/2
249
BTEC - SFM
Ví dụ
▪ Ví dụ 9.4. Trong số 400 người vào cửa hàng thì có 224
nữ và 176 nam.
Trong 224 nữ có 108 người mua hàng; trong 176 nam có 94
người mua hàng. Với mức ý nghĩa 5%:
a) Có thể nói tỷ lệ nữ chiếm trên một nửa số người vào
cửa hàng hay không?
b) Có thể cho rằng tỷ lệ mua hàng của nữ là ít hơn của
nam hay không?
250
9.3. KIỂM ĐỊNH THAM SỐ HAI TỔNG THỂ

▪ Khái niệm mẫu độc lập và mẫu phụ thuộc
▪ Kiểm định trung bình hai tổng thể
▪ Kiểm định phương sai hai tổng thể
▪ Kiểm định tần suất hai tổng thể
▪ [1] Chương 8
▪ [2] Chapter 10
▪ [3] Chapter 10, 11, 12
251
Khái niệm mẫu độc lập – mẫu phụ thuộc

▪ Mẫu độc lập: quan sát thu được từ các đối tượng độc
lập hay khác nhau.
• Số quan sát có thể khác nhau
• Không quan trọng thứ tự các quan sát
▪ Mẫu phụ thuộc: là hai mẫu được chọn theo cách một
quan sát bất kì ở mẫu thứ nhất tương ứng duy nhất
với một quan sát ở mẫu thứ hai (quan hệ theo cặp)
• Số quan sát phải bằng nhau
• Thứ tự của các quan sát là cố định
252
BTEC - SFM
Ví dụ
▪ Hai mẫu phụ thuộc ▪ Hai mẫu độc lập
Cửa Trước Sau Công ty A Công ty B
hàng quảng cáo quảng cáo 76 90
1 72 76 79 82
2 75 79 77 85
3 70 77 80 90
4 82 80 75 80
5 70 75 89 79
6 83 89 87
Quảng cáo thành công? 88
Doanh số của A và B có
sự khác biệt?
253
Kiểm định về trung bình hai tổng thể

▪ Hai tổng thể phân phối chuẩn:
𝑋1 ~𝑁 𝜇1 , 𝜎12 ; 𝑋2 ~𝑁(𝜇2, 𝜎22 )
▪ Các tham số đều chưa biết
▪ Với X1, lấy mẫu W1, kích thước n1, có 𝑋ത1 và 𝑆12
▪ Với X2, lấy mẫu W2, kích thước n2, có 𝑋ത2 và 𝑆22
▪ Với mức ý nghĩa , kiểm định so sánh 1 và 2
▪ Hai trường hợp:
• Giả sử 𝜎12 ≠ 𝜎22
• Giả sử 𝜎12 = 𝜎22 : tự đọc trong giáo trình
254
Kiểm định trung bình hai tổng thể

kiểm định giả thuyết W
H0: 1 = 2 𝑇: 𝑇 > 𝑍𝛼
𝑋ത1 − 𝑋ത2 H1: 1 > 2
𝑇=
𝑆12 𝑆22 H0: 1 = 2 𝑇: 𝑇 < −𝑍𝛼
𝑛1 + 𝑛2 H1: 1 < 2
H0: 1 = 2 𝑇: |𝑇| > 𝑍𝛼/2
n1, n2 > 30 thì H1: 1  2
(𝑑𝑓)
𝑡𝛼 = 𝑧𝛼
255
BTEC - SFM
Kiểm định phương sai hai tổng thể

kiểm định giả thuyết W
H0: 𝜎12 = 𝜎22 𝐹: 𝐹 > 𝑓𝛼
(𝑛1−1,𝑛2−1)
𝑆12 H1: 𝜎12 > 𝜎22

𝐹= 2
𝑆2 H0: 𝜎12 = 𝜎22 𝐹: 𝐹 < 𝑓1−𝛼1
(𝑛 −1,𝑛2−1)
H1: 𝜎12 < 𝜎22
(𝑑𝑓 ,𝑑𝑓)
𝑓1−𝛼1 H0: 𝜎12 = 𝜎22 𝐹 > 𝑓𝛼/21
(𝑛 −1,𝑛 −1)
2
1 H1: 𝜎12 ≠ 𝜎22 𝐹: [
= (𝑑𝑓2,𝑑𝑓1)
(𝑛1−1,𝑛2−1)
𝐹 < 𝑓1−𝛼/2
𝑓𝛼
256
Kiểm định phương sai hai tổng thể

▪ Giả thuyết 𝜎12 < 𝜎22 hoán vị thành 𝜎22 > 𝜎12
▪ Chỉ xét với 𝑆12 > 𝑆22 thì bảng quyết định:
𝑋1~𝑁 𝜇1, 𝜎12 Cặp Miền bác bỏ
𝑋2~𝑁(𝜇2, 𝜎22 ) giả thuyết W
𝑺𝟐𝟏 > 𝑺𝟐𝟐 H0: 𝜎12 = 𝜎22 𝐹: 𝐹 > 𝑓𝛼
(𝑛1−1,𝑛2−1)
𝑆12 H1: 𝜎12 > 𝜎22

𝐹= 2
𝑆2 H0: 𝜎12 = 𝜎22 (𝑛 −1,𝑛2−1)
𝐹: 𝐹 > 𝑓𝛼/21
H1: 𝜎12 ≠ 𝜎22
257
Ví dụ
▪ Ví dụ 9.5. Khảo sát ngẫu nhiên 40 khách hàng nam
và 40 khách hàng nữ thấy khách nam chi trung bình
là 230 nghìn và độ lệch chuẩn là 50 nghìn; khách nữ
chi trung bình là 205 nghìn và độ lệch chuẩn là 60
nghìn. Giả sử chi tiêu phân phối chuẩn.
▪ Với mức ý nghĩa 5%, kiểm định giả thuyết mức chi
trung bình của nam nhiều hơn nữ
▪ Với mức ý nghĩa 10%, mức chi của nam có đồng đều
như nữ không?
258
BTEC - SFM
Kiểm định tần suất hai tổng thể
Tiêu chuẩn kiểm định Cặp Miền bác bỏ

𝑛1 , 𝑛2 ≥ 100 giả thuyết W
𝐻0: 𝑝1 = 𝑝2 𝑍: 𝑧 > 𝑧𝛼
𝑝1Ƹ − 𝑝Ƹ 2 𝐻1: 𝑝1 > 𝑝2
z=
ҧ − 𝑓)ҧ 1 + 1
𝑓(1 𝐻0: 𝑝1 = 𝑝2 𝑍: 𝑧 < −𝑧𝛼
𝑛1 𝑛1
𝐻1: 𝑝1 < 𝑝2
𝑛1 𝑝1Ƹ + 𝑛2 𝑝Ƹ 2 𝐻0: 𝑝1 = 𝑝2 𝑍: |𝑧| > 𝑧𝛼/2
𝑝ҧ =
𝑛1 + 𝑛2 𝐻1: 𝑝1 ≠ 𝑝2
259
Ví dụ
▪ Ví dụ 9.6. Quan sát số khách hàng vào ba cửa hàng
A, B, C
A B C
Nữ 55 115 85
Nam 45 55 35
Tổng 100 170 120
a) Với mức ý nghĩa 5%, kiểm định giả thuyết “tỷ lệ khách
hàng là nữ ở hai cửa hàng A và B là như nhau”
b) Với mức ý nghĩa là 1% thì tỷ lệ khách hàng là nữ ở cửa
hàng B nhỏ hơn tỷ lệ khách hàng là nữ ở cửa hàng C?
260
9.4. KIỂM ĐỊNH PHI THAM SỐ

Kiểm định phi tham số được sử dụng trong những
trường hợp dữ liệu không có phân phối chuẩn hoặc
cho các mẫu nhỏ có ít quan sát.
▪ Kiểm định Jarques Berra (JB)
▪ Kiểm định tính độc lập
Tham khảo
▪ [1] Chương 9
▪ [3] Chapter 12
261
BTEC - SFM
Kiểm định Jarques – Berra (JB)

𝐻0: Biến 𝑋 phân phối chuẩn
𝐻1: Biến 𝑋 không phân phối chuẩn
 ( X i − X )3 / n
n
▪ Hệ số bất đối xứng: a3 = i =1

S3

n
( X − X )4 / n
▪ Hệ số nhọn: a4 = i =1 i 4
S
 a32 (a4 − 3)2 
▪ Tiêu chuẩn: JB = n  + 
 6 24 
▪ Miền bác bỏ: 
Wα = JB : JB  χα2(2) 
262
Ví dụ
▪ Ví dụ 9.7. Với số liệu sau:
▪ Tính được: 𝑥ҧ = 25,32 và 𝑠 = 2,286

▪ ∑ 𝑥𝑖 − 𝑥ҧ 3 = −38,56; ∑ 𝑥𝑖 − 𝑥ഥ 4 = 568,63
▪ Với mức ý nghĩa 5%, kiểm định giả thuyết khối lượng
sản phẩm là biến ngẫu nhiên phân phối chuẩn.
263
Kiểm định tính độc lập

▪ Hai dấu hiệu định tính A và B và bảng tiếp liên
• A gồm h phạm trù: 𝐴1, 𝐴2, … , 𝐴ℎ
• B gồm k phạm trù: 𝐵1, 𝐵2, … , 𝐵𝑘
264
BTEC - SFM
Kiểm định tính độc lập

▪ Kiểm định cặp giả thuyết
• 𝐻0: A và B độc lập
• 𝐻1: A và B không độc lập
 h k n2 
▪ Tiêu chuẩn χ 2 = n    ij − 1 
 i =1 j =1 ni m j 
 
2((ℎ−1)×(𝑘−1))
▪ Miền bác bỏ: 𝑊𝛼 = 2 : 2 > 𝛼
265
Ví dụ
▪ Ví dụ 9.7. Với mức ý nghĩa 5%, kiểm định tính độc lập
giới tính và loại tốt nghiệp của các cử nhân
Loại
Trung
TN Khá Giỏi ∑
bình
Giới
Nữ 90 150 40
Nam 100 100 20
∑
266
TỔNG KẾT
267

Bài Giảng Lý Thuyết Xác Suất Và Thống Kê Toán - ThS. Nguyễn Thị Thùy Trang - 1263035

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Bài Giảng Lý Thuyết Xác Suất Và Thống Kê Toán - ThS. Nguyễn Thị Thùy Trang - 1263035

Uploaded by

Copyright:

Available Formats

BTEC - SFM

ĐẠI HỌC KINH TẾ QUỐC DÂN

Thông tin học phần

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 2

Thông tin học phần

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 3

Thông tin giảng viên

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 4

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 5

Thông tin lớp học LMS + Tài liệu

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 6

Nhà khoa học

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 7

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 8

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 9

1.1. CÁC KHÁI NIỆM CƠ BẢN

▪ [1] Chương 6, trang 295, 306, 308 – 312.

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 10

Thông tin Thông tin

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 11

Hai nhánh của Thống kê

▪ Thống kê mô tả là thông tin cơ bản cho thống kê suy

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 12

Tổng thể và Mẫu

▪ Tổng thể (Population): tất cả các phần tử cần quan

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 13

Cấu trúc dữ liệu truyền thống

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 14

Phân loại biến

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 15

Phân loại biến

Định tính Định lượng

Định danh Thứ bậc Rời rạc Liên tục

Mã hóa bởi con số Sử dụng để xếp hạng

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 16

Hoàn Rất Không Không Đồng ý Rất Hoàn

1.2. BẢNG BIỂU & ĐỒ THỊ

▪ [1] Chương 6, trang 312 – 323.

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 18

Ví dụ: Dữ liệu VHLSS 2012

No. Khu vực Số Thu nhập So với toàn

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 19

Tần số & Tần suất (tỷ lệ)

Khu vực Thành thị Nông thôn

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 20

Đồ thị tròn (pie chart)

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 21

Đồ thị cột (column chart)

TB thấp 78 19% 104

Tổng 420 100% 50

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 22

Đồ thị cột: phân phối giá trị (histogram)

Quy mô hộ gia đình

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 23

Hình dạng của phân phối giá trị

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 24

Đồ thị rải điểm (scatter plot)

Labor Output Labor Output Output – Labor relationship

Tương quan giữa hai biến định lượng

Tương quan r=0

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 26

LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN – BỘ MÔN TOÁN KINH TẾ - www.mfe.neu.edu.vn 27

Điểm Tiếng Anh năm 1 ĐH Điểm Tiếng Anh năm 2 ĐH