SlideXSTK SV

9/20/2009
 PHẦN II. LÝ THUYẾT THỐNG KÊ

MÔN TOÁN Chƣơng 4. Lý thuyết mẫu
XÁC SUẤT & THỐNG KÊ Chƣơng 5. Ƣớc lƣợng đặc trƣng của tổng thể
Chƣơng 6. Kiểm định Giả thiết Thống kê
PHÂN PHỐI CHƯƠNG TRÌNH Chƣơng 7. Lý thuyết tƣơng quan và hàm hồi quy
Số tiết: 30 Tài liệu tham khảo
--------------------- 1. Giáo trình Xác suất – Thống kê và Ứng dụng
 PHẦN I. LÝ THUYẾT XÁC SUẤT – Nguyễn Phú Vinh – NXB Thống kê.
2. Lý thuyết Xác suất và Thống kê
Chƣơng 0. Bổ túc về Đại số Tổ hợp – Đinh Văn Gắng – NXB Giáo dục.
Chƣơng 1. Các khái niệm cơ bản của xác suất 3. Lý thuyết Xác suất và Thống kê toán
Chƣơng 2. Biến ngẫu nhiên – Vector ngẫu nhiên – Nguyễn Thanh Sơn, Lê Khánh Luận – NXBTK.
4. Xác suất – Thống kê – Lý thuyết và các bài tập
Chƣơng 3. Định lý giới hạn trong xác suất – Đậu Thế Cấp – NXB Giáo dục.
5. Xác suất – Thống kê và Ứng dụng  PHẦN I. LÝ THUYẾT XÁC SUẤT

– Lê Sĩ Đồng – NXB Giáo dục.
6. Xác suất và Thống kê Chƣơng 0. BỔ TÚC VỀ ĐẠI SỐ TỔ HỢP
– Đặng Hấn – NXB Giáo dục. 1. Tính chất của các phép toán  , 
7. Giáo trình Xác suất và Thống kê
a) Tính giao hoán:
– Phạm Xuân Kiều – NXB Giáo dục.
A  B  B  A, A  B  B  A.
8. Giáo trình Lý thuyết Xác suất & Thống kê
b) Tính kết hợp:
– Nguyễn Cao Văn – NXB Ktế Quốc dân.
(A  B )  C  A  (B  C ),
(A  B )  C  A  (B  C ).
Giảng viên: ThS. Đoàn Vương Nguyên c) Tính phân phối:
A  (B  C )  (A  B )  (A  C ),
Download Slide bài giảng Toán XSTK tại A  (B  C )  (A  B )  (A  C ).
dvntailieu.wordpress.com d) Tính đối ngẫu (De–Morgan):
A  B  A  B, A  B  A  B.
 Chương 0. Bổ túc về Đại số tổ hợp  Chương 0. Bổ túc về Đại số tổ hợp

2. Quy tắc nhân 4. Mẫu lặp, mẫu không lặp
Giả sử một công việc nào đó được chia thành k giai
đoạn. Có n1 cách thực hiện giai đoạn thứ 1, có n2 • Mẫu không lặp: các phần tử của mẫu chỉ có mặt
cách thực hiện giai đoạn thứ 2,..., có nk cách thực một lần (các phần tử khác nhau từng đôi một).
hiện giai đoạn thứ k. Khi đó ta có n = n1.n2…nk • Mẫu có lặp: các phần tử của mẫu có thể lặp lại
cách thực hiện toàn bộ công việc. nhiều lần trong mẫu.
3. Quy tắc cộng • Mẫu không thứ tự: khi thay đổi vị trí các phần tử
Giả sử một công việc có thể thực hiện được k cách khác nhau của mẫu ta không nhận được mẫu mới.
(trường hợp) loại trừ lẫn nhau: cách thứ nhất cho m1
kết quả, cách thứ hai cho m2 kết quả, …, cách thứ k • Mẫu có thứ tự: khi thay đổi vị trí các phần tử
cho mk kết quả. Khi đó việc thực hiện công việc trên khác nhau của mẫu ta nhận được mẫu mới.
cho m = m1 + m2 + … + mk kết quả.
1
9/20/2009
 Chương 0. Bổ túc về Đại số tổ hợp  Chương 0. Bổ túc về Đại số tổ hợp

5. Các công thức thƣờng dùng 5.3. Chỉnh hợp (mẫu không lặp, có thứ tự)
• Chỉnh hợp chập k của n phần tử (k  n ) là một nhóm
5.1. Hoán vị (bộ) có thứ tự gồm k phần tử khác nhau được chọn từ n
• Hoán vị của n phần tử là một nhóm có thứ tự gồm phần tử đã cho. Số chỉnh hợp chập k của n phần tử
đủ mặt n phần tử đã cho. Số hoán vị của n phần tử n!
được ký hiệu là Pn và Pn  n !. ký hiệu là Ank  n(n  1)...(n  k  1)  .
(n  k )!
5.2. Chỉnh hợp lặp (có thứ tự) 5.4. Tổ hợp (mẫu không lặp, không có thứ tự)
• Tổ hợp chập k của n phần tử (k  n ) là một nhóm (bộ)
• Chỉnh hợp lặp k của n phần tử là một nhóm (bộ) có thứ
không phân biệt thứ tự gồm k phần tử khác nhau được
tự gồm phần k tử không nhất thiết khác nhau được
chọn từ n phần tử đã cho. Số tổ hợp chập k của n
chọn từ n phần tử đã cho.
n!
Số các chỉnh hợp lặp k của n phần tử là nk. phần tử ký hiệu là C nk  . Quy ước: 0! = 1.
k ! n  k !
Tính chất: C nk  C nn k ; 1
C nk  C nk1
 C nk1 .
Chương1. Các khái niệm cơ bản của Xác suất Chương1. Các khái niệm cơ bản của Xác suất
§1. Biến cố ngẫu nhiên VD 1
• Tung đồng tiền lên là một phép thử, biến cố là “mặt
§2. Xác suất của biến cố sấp xuất hiện” hay “mặt ngửa xuất hiện”.
§3. Công thức tính xác suất • Chọn ngẫu nhiên một số sản phẩm từ một lô hàng để
……………………. kiểm tra là phép thử, biến cố là “chọn được sản phẩm
tốt” hay “chọn được phế phẩm”.
§1. BIẾN CỐ NGẪU NHIÊN
• Gieo một số hạt lúa là phép thử, biến cố là “hạt lúa nảy
1.1. Phép thử và biến cố mầm” hay “hạt lúa không nảy mầm”.
• Phép thử là việc thực hiện 1 thí nghiệm hay quan sát
một hiện tượng nào đó để xem có xảy ra hay không. 1.2. Các loại biến cố
• Hiện tượng có xảy ra hay không trong phép thử được a) Không gian mẫu và biến cố sơ cấp
gọi là biến cố ngẫu nhiên. • Trong một phép thử, tập hợp tất cả các kết quả có thể
• Biến cố ngẫu nhiên thường được ký hiệu A, B, C… xảy ra được gọi là không gian mẫu ký hiệu là  .
• Mỗi phần tử    không thể phân nhỏ thành hai biến VD 3. Từ một nhóm có 6 nam và 4 nữ chọn ra 5 người.
cố được gọi là biến cố sơ cấp. Khi đó, biến cố “chọn được 5 người nữ” là không thể,
VD 2. Xét phép thử gieo 3 hạt lúa. biến cố “chọn được ít nhất 1 nam” là chắc chắn.
• Gọi Ai là biến cố “có i hạt nảy mầm” (i = 0, 1, 2, 3). c) Số trƣờng hợp đồng khả năng
Khi đó các Ai là các biến cố sơ cấp và Ai   . • Hai hay nhiều biến cố trong một phép thử có khả năng
• Gọi B là biến cố “có ít nhất 1 hạt nảy mầm” thì B xảy ra như nhau được gọi là đồng khả năng.
không là biến cố sơ cấp và B  A1  A2  A3 . • Trong một phép thử mà mọi biến cố sơ cấp đều đồng
khả năng thì số phần tử sơ cấp của  được gọi là số
b) Biến cố chắc chắn và biến cố không thể
trường hợp đồng khả năng của phép thử.
• Trong một phép thử, biến cố nhất định xảy ra là chắc
chắn, ký hiệu là  . VD 4. Gọi ngẫu nhiên một học sinh trong lớp để kiểm
• Biến cố không thể (rỗng) là biến cố không thể xảy ra tra thì mỗi HS của lớp đều có khả năng bị gọi như nhau.
khi thực hiện phép thử, ký hiệu  .
2
9/20/2009
d) Các phép toán VD 6. Một người chọn mua áo. Gọi A: “chọn được áo
• Tổng của hai biến cố A và B là biến cố C màu xanh”, B: “chọn được áo sơ–mi” và
ký hiệu C  A  B hay C  A  B C: “chọn được áo sơ–mi màu xanh” thì C = AB.
xảy ra khi ít nhất 1 trong hai biến cố A, B xảy ra. VD 7. Chọn ngẫu nhiên 10 linh kiện trong 1 lô hàng ra
• Tích của A và B là C, ký hiệu C  AB  A  B , kiểm tra. Gọi Ai : “chọn được linh kiện thứ i tốt” và
xảy ra khi và chỉ khi cả A và B cùng xảy ra. C: “chọn được 10 linh kiện tốt” thì
• Phần bù của A là biến cố A không xảy ra, ký hiệu: 10

A  \A    A . 
C  A1  A2  ...  A10   Ai .
i 1
VD 8. Bắn lần lượt 2 viên đạn vào 1 tấm bia.
VD 5. Bắn hai viên đạn vào 1 tấm bia. Gọi A1: “viên thứ
Gọi Ai : “có i viên đạn trúng bia” (i = 0, 1, 2),
nhất trúng bia”, A2: “viên thứ hai trúng bia” và
C: “bia bị trúng đạn” thì C  A1  A2 . B: “có không quá 1 viên đạn trúng bia”.
Khi đó: B  A2 , A0  A2 và A1  A2 .
1.3. Quan hệ giữa các biến cố b) Biến cố con
a) Biến cố xung khắc • Biến cố A là con của biến cố B, ký hiệu A  B nếu
• Hai biến cố A và B được gọi là xung khắc nếu chúng nếu trong 1 phép thử khi A xảy ra thì B xảy ra.
không đồng thời xảy ra trong một phép thử. c) Biến cố đối lập – Hệ đầy đủ
• Họ các biến cố A1, A2,…, An được gọi là xung khắc • Hai biến cố A và B được gọi là đối lập với nhau nếu
(hay đôi một xung khắc) khi một biến cố bất kỳ trong chúng thỏa mãn cả 2 điều sau:
họ xảy ra thì các biến cố còn lại không xảy ra. 1) A và B xung khắc với nhau.
2) Có ít nhất 1 trong 2 biến cố xảy ra trong phép thử.
Nghĩa là Ai  Aj  , i  j .
• Họ các biến cố {Ai} (i = 1,…, n) được gọi là hệ đầy đủ
VD 9. Một hộp có 3 viên phấn màu đỏ, xanh và trắng. các biến cố nếu thỏa mãn cả 2 điều sau:
Chọn ngẫu nhiên 1 viên. Gọi A: “chọn được viên màu 1) Họ xung khắc, nghĩa là Ai  Aj  ,  i  j .
đỏ”, B: “chọn được viên màu trắng” và C: “chọn được
viên màu xanh” thì A, B, C là xung khắc. 2) Có ít nhất 1 biến cố của họ xảy ra trong phép thử,
nghĩa là A1  A2  ...  An   .
VD 10. Theo dõi 5 con gà mái đẻ trứng trong 1 ngày. §2. XÁC SUẤT CỦA BIẾN CỐ
Gọi Ai : “Có i con gà mái đẻ”, i  0; 5 . B : “Có nhiều 2.1. Định nghĩa xác suất dạng cổ điển
hơn 3 con gà mái đẻ”  A4  B , A2  B . • Trong một phép thử có tất cả n biến cố sơ cấp đồng khả
năng, trong đó có m khả năng thuận lợi cho biến cố A
VD 11. Trồng 1 cây bạch đàn.
xuất hiện thì xác suất của A là:
Gọi A: “cây bạch đàn sống”, B: “cây bạch đàn chết”.
Khi đó, A và B là đối lập. m Soá bieán coá thuaän lôïi cho A
P(A)   .
VD 12. Trộn lẫn 4 bao lúa vào nhau rồi bốc ra 1 hạt. n Soá bieán coá sô caáp ñoàng khaû naêng
Gọi Ai : “Hạt lúa là của bao thứ i ”, i  1, 4 . VD 1. Một hộp chứa 10 sản phẩm trong đó có 3 phế
phẩm. Tính xác suất:
 
Khi đó, hệ A1 ; A2 ; A3 ; A4 là đầy đủ. 1) Chọn ngẫu nhiên 1 sản phẩm từ hộp được phế phẩm.
Chú ý 2) Chọn ngẫu nhiên từ hộp ra 2 sản phẩm được 2
 
• Họ A; A là đầy đủ với biến cố A tùy ý. phế phẩm.
3
9/20/2009
VD 2. Một hộp có 10 sản phẩm trong đó có 4 phế phẩm. VD 3. Một lớp có 60 học sinh trong đó có 28 em giỏi
Chọn ngẫu nhiên từ hộp đó ra 3 sản phẩm. Toán, 30 em giỏi Lý, 32 em giỏi Ngoại ngữ, 15 em vừa
Tính xác suất để: giỏi Toán vừa giỏi Lý, 10 em vừa giỏi Lý vừa giỏi Ngoại
1) Cả 3 sản phẩm đều tốt; 2) Có đúng 2 phế phẩm. ngữ, 12 em vừa giỏi Toán vừa giỏi Ngoại ngữ, 2 em giỏi
cả 3 môn. Chọn ngẫu nhiên một học sinh của lớp.
Tính xác suất:
1) Chọn được em giỏi ít nhất 1 môn.
2) Chọn được em chỉ giỏi môn Toán.
3) Chọn được em giỏi đúng 2 môn.
Giải Ưu điểm và hạn chế của định nghĩa dạng cổ điển
Gọi A: “Chọn được em giỏi ít nhất 1 môn”, • Ƣu điểm: Tính được chính xác giá trị của xác suất mà
B: “Chọn được em chỉ giỏi môn Toán”, không cần thực hiện phép thử.
C: “Chọn được em giỏi đúng 2 môn”. • Hạn chế: Trong thực tế có nhiều phép thử vô hạn các
Từ sơ đồ Ven, ta có: biến cố và biến cố không đồng khả năng.
2.2. Định nghĩa theo hình học
• Cho miền  . Gọi độ đo của  là độ dài, diện tích, thể
tích (ứng với  là đường cong, miền phẳng, khối).
Gọi A là biến cố:
“điểm M  S  ”,
ñoä ño S
ta có P(A)  .
ñoä ño 
VD 4. Tìm xác suất của điểm M rơi vào hình tròn nội VD 5. Hai người bạn hẹn gặp nhau tại 1 địa điểm theo
tiếp tam giác đều có cạnh 2 cm. quy ước như sau:
• Mỗi người độc lập đi đến điểm hẹn trong khoảng từ
7 đến 8 giờ.
• Mỗi người đến điểm hẹn nếu không gặp người kia thì
đợi 30 phút hoặc đến 8 giờ thì không đợi nữa.
Tìm xác suất để hai người gặp nhau.
4
9/20/2009
§3. CÔNG THỨC TÍNH XÁC SUẤT

3.1. Công thức cộng xác suất
a) Biến cố xung khắc
• Nếu A và B xung khắc thì:
P(A  B )  P(A)  P(B ).
2.3. Tính chất của xác suất • Nếu họ {Ai} (i = 1, 2,…, n) xung khắc từng đôi thì:
1) 0  P(A)  1, A ; 2) P()  0 ; 3) P()  1. P A1  A2  ...  An  =P(A1 )+P(A2 )+...+P(An ).
2.4. Ý nghĩa của xác suất
• Xác suất là số đo mức độ tin chắc, thường xuyên xảy ra b) Biến cố tùy ý
của 1 biến cố trong phép thử. • Nếu A và B là hai biến cố tùy ý thì:
P(A  B )  P(A)  P(B )  P(AB ).
Chú ý
• Xác suất phụ thuộc vào điều kiện của phép thử.
• Nếu họ {Ai} (i = 1, 2,…, n) các biến cố tùy ý thì: VD 2. Có 33 học sinh tham dự kỳ thi chọn học sinh giỏi
n  n gồm 2 vòng thi. Biết rằng có 17 học sinh thi đỗ vòng 1;

P   Ai    P(Ai )   P(Ai Aj ) 14 học sinh thi đỗ vòng 2 và 11 học sinh trượt cả hai
i 1  i 1 i j vòng thi. Chọn ngẫu nhiên một học sinh trong danh sách
  P(Ai Aj Ak )+...+(1)n 1 P(A1A2 ...An ). dự thi. Tìm xác suất để học sinh đó chỉ thi đỗ 1 vòng thi.
i  j k
c) Biến cố đối lập


P A  1  P(A).
VD 1. Một hộp phấn có 10 viên trong đó có 3 viên màu

đỏ. Lấy ngẫu nhiên từ hộp ra 3 viên phấn.
Tính xác suất để lấy được ít nhất 1 viên phấn màu đỏ.
3.2. Công thức nhân xác suất VD 3. Một hộp có 10 vé, trong đó có 3 vé trúng thưởng.
Người thứ nhất đã bốc 1 vé không trúng thưởng.
a) Xác suất có điều kiện Tính xác suất để người thứ 2 bốc được vé trúng thưởng
• Trong một phép thử, xét 2 biến cố bất kỳ A và B với (mỗi người chỉ được bốc 1 vé).
P(B )  0 . Xác suất có điều kiện của A với điều kiện B
đã xảy ra được ký hiệu và định nghĩa:
P(AB )
P AB   P(B )
.
• Xác suất có điều kiện cho phép chúng ta sử dụng thông

tin về sự xảy ra của 1 biến cố để dự báo xác suất xảy ra
biến cố khác.
5
9/20/2009
Tính chất Khi đó ta có:
P(AB )  P(A).P(B ).

1) 0  P A B  1;  
2) P B B  1 ; 
• Nếu A và B không độc lập (phụ thuộc) thì:
 
3) P A B  1  P A B ;  
 
P(AB )  P(B )P A B  P(A)P B A .  
4) nếu A1 và A2 xung khắc thì:

P A1  A2  B   P A1 B  P A2 B .
     VD 4. Một lô hàng có 100 sản phẩm trong đó có 10 phế
phẩm. Kiểm tra liên tiếp không hoàn lại 5 sản phẩm, nếu
b) Công thức nhân có ít nhất 1 phế phẩm thì không nhận lô hàng đó.
• A và B là 2 biến cố độc lập nếu B có xảy ra hay không Tính xác suất để nhận lô hàng.
cũng không ảnh hưởng đến khả năng xảy ra A và
ngược lại, nghĩa là:
 
P A B  P(A) và P B A  P(B ).  
VD 6. Một cầu thủ bóng rổ có 4 quả bóng đang ném

VD 5. Một lô hàng gồm 12 sản phẩm trong đó có 8 sản
từng quả vào rổ. Nếu bóng vào rổ hoặc hết bóng thì cầu
phẩm tốt và 4 phế phẩm. Rút ngẫu nhiên 1 sản phẩm từ
thủ ngừng ném. Biết xác suất vào rổ của quả bóng thứ 1,
lô hàng và không để ý tới sản phẩm đó, sau đó rút tiếp
2, 3 và 4 lần lượt là 90%, 80%, 85% và 70%.
sản phẩm thứ 2. Tính xác suất để sản phẩm thứ hai là tốt.
Tính xác suất cầu thủ ném được bóng vào rổ.
3.3. Công thức xác suất đầy đủ và Bayes. b) Công thức Bayes
a) Công thức xác suất đầy đủ • Cho họ các biến cố {Ak} (k = 1, 2,…, n) đầy đủ và B là
• Cho họ các biến cố {Ai} (i = 1, 2,…, n) đầy đủ và B là biến cố bất kỳ trong phép thử.
biến cố bất kỳ trong phép thử, ta có: Xác suất để xuất hiện Ak sau khi đã xuất hiện B là:
n 
P(Ak )P B Ak  
P(Ak )P B Ak 
P(B )   P(Ai ) B Ai    
P Ak B 
n

P(B )
.
i 1
 
 P(A1 )P B A1  ...  P(An )P B An .    iP (A )P 
B A i 
i 1
VD 7. Một đám đông có số đàn ông bằng nửa số đàn bà. VD 8. Tỷ số ôtô tải và ôtô con đi qua đường có trạm
Xác suất để đàn ông bị bệnh tim là 0,06 và đàn bà là bơm dầu là 5/2. Xác suất để 1 ôtô tải đi qua đường này
0,0036. Chọn ngẫu nhiên 1 người từ đám đông. vào bơm dầu là 10%; ôtô con là 20%. Có 1 ôtô qua
Tính xác suất để người này bị bệnh tim. đường để bơm dầu, tính xác suất để đó là ôtô tải.
6
9/20/2009
VD 9. Có 3 bao lúa cùng loại. Bao 1 nặng 20kg chứa 1% VD 10. Ba kiện hàng đều có 20 sản phẩm với số sản
hạt lép, bao 2 nặng 30kg chứa 1,2% hạt lép và bao 3 phẩm tốt tương ứng là 12, 15, 18. Lấy ngẫu nhiên 1 kiện
nặng 50kg chứa 1,5% hạt lép. Trộn cả 3 bao lại rồi bốc hàng (giả sử 3 kiện hàng có cùng khả năng) rồi từ kiện
ngẫu nhiên 1 hạt thì được hạt lép. đó lấy tùy ý ra 1 sản phẩm.
Tính xác suất để hạt lép này là của bao thứ ba. 1) Tính xác suất để sản phẩm chọn ra là tốt.
2) Giả sử sản phẩm chọn ra là tốt. Tính xác suất để sản
phẩm đó thuộc kiện hàng thứ hai.
 Chương 2. Biến ngẫu nhiên – Vector ngẫu nhiên  Chương 2. Biến ngẫu nhiên – Vector ngẫu nhiên
§1. Biến ngẫu nhiên và luật phân phối xác suất • Các biến ngẫu nhiên được ký hiệu: X, Y, Z, …
§2. Các đặc trƣng số của biến ngẫu nhiên các giá trị tương ứng của chúng là x, y, z,…
§3. Một số luật phân phối xác suất thông dụng VD 1. Khi tiến hành gieo n hạt đậu ta chưa thể biết có
bao nhiêu hạt sẽ nảy mầm, số hạt nảy mầm có thể là
§4. Vector ngẫu nhiên 0, 1, …, n. Kết thúc phép thử gieo hạt thì ta sẽ biết chắc
………………………
chắn có bao nhiêu hạt nảy mầm. Gọi X là số hạt nảy
§1. BIẾN NGẪU NHIÊN mầm thì là X biến ngẫu nhiên và X = {0, 1, 2, …, n}.
VÀ LUẬT PHÂN PHỐI XÁC SUẤT
b) Phân loại biến ngẫu nhiên
1.1. Khái niệm và phân loại biến ngẫu nhiên
• Biến ngẫu nhiên (BNN) được gọi là rời rạc nếu các giá
a) Khái niệm
trị có thể có của nó lập nên 1 tập hợp hữu hạn hoặc
• Một biến cố được gọi là ngẫu nhiên nếu trong kết quả
đếm được.
của phép thử nó sẽ nhận một và chỉ một trong các giá
• Biến ngẫu nhiên được gọi là liên tục nếu các giá trị có
trị có thể có của nó tùy thuộc vào sự tác động của các
thể có của nó lấp đầy 1 khoảng trên trục số.
nhân tố ngẫu nhiên.
VD 2 1.2.1. Phân phối xác suất của biến ngẫu nhiên
• Biến X trong VD 1 là BNN rời rạc (tập hữu hạn).
• Gọi Y là số người đi qua 1 ngã tư trên đường phố thì Y a) Trƣờng hợp rời rạc
là BNN rời rạc (tập đếm được). • Cho biến ngẫu nhiên rời rạc X, X  {x1, x 2,..., xn } với
VD 3 xác suất tương ứng là pi  P(X  xi ).
• Bắn 1 viên đạn vào bia, gọi X (cm) là “khoảng cách từ
điểm chạm của viên đạn đến tâm của bia” thì X là BNN Ta có phân phối xác suất (dạng bảng):
liên tục. X x1 x2 … xn
• Gọi Y là “sai số khi đo 1 đại lượng vật lý” thì Y là BNN
P p1 p2 … pn
liên tục.
1.2. Luật phân phối xác suất của biến ngẫu nhiên Trong đó:
n
• Luật phân phối xác suất của BNN là một cách biểu
diễn quan hệ giữa các giá trị của biến ngẫu nhiên với
pi  0 ;  pi  1; P(a  X  b)   pi .
i 1 a xi b
các xác suất tương ứng mà nó nhận các giá trị đó.
7
9/20/2009
VD 4. Một lô hàng có 20 sản phẩm tốt và 10 phế phẩm.
Lấy ngẫu nhiên từ lô hàng ra 10 sản phẩm. Gọi X là số
phế phẩm trong 10 sản phẩm lấy ra.
Tìm phân phối xác suất của X và chứng minh:
0 10 1 9 9 1 10 0 10
C10C 20  C10C 20  ...  C10C 20  C10C 20  C 30 .
VD 5. Xác suất để 1 người thi đạt mỗi khi thi lấy bằng
lái xe là 0,3. Người đó thi cho đến khi đạt mới thôi.
Gọi X là số lần người đó dự thi.
1) Lập bảng phân phối xác suất của X.
2) Tính xác suất để người đó phải thi không ít hơn 3 lần.
a
b) Trƣờng hợp liên tục
• Cho biến ngẫu nhiên liên tục X. Hàm f (x ), x  
2) Do P(X  a )   f (x )dx  0 nên ta không quan
a
được gọi là hàm mật độ xác suất của X nếu thỏa: tâm đến xác suất để X nhận giá trị cụ thể.
1) f (x )  0, x   ; Suy ra:
 P(a  X  b )  P(a  X  b )  P(a  X  b )
2)  f (x )dx  1; b

 P(a  X  b)   f (x )dx .
b a
3) Về mặt hình học, xác suất của BNN X nhận giá trị
3) P(a  X  b)   f (x )dx (a < b). trong (a; b) bằng diện tích hình thang cong giới hạn
a bởi x = a, x = b, y = f(x) và trục Ox.
Chú ý 
1) Đôi khi người ta dùng ký hiệu fX (x ) để chỉ hàm 4) Nếu f(x) thỏa f (x )  0, x   và  f (x )dx  1 thì

mật độ xác suất của X.
f(x) là hàm mật độ xác suất của BNN X.
 VD 7. Cho BNN X có hàm mật độ xác suất:
4x 3 , x  (0; 1)
VD 6. Chứng tỏ f (x )  
 là hàm mật độ 

0, x 1



0, x  (0; 1) f (x )  
k .

 , x 1
xác suất của biến ngẫu nhiên X.  2
x
Tìm k và tính P(1  X  2).
8
9/20/2009
1.2.2. Hàm phân phối xác suất • Giả sử x1  x 2  ...  xn , ta có hàm phân phối
• Hàm phân phối xác suất của biến ngẫu nhiên X, ký hiệu xác suất của X là:
F(x) hoặc FX(x), là xác suất để X nhận giá trị nhỏ hơn x 

0 neáu x  x1
(với x là số thực bất kỳ). 
Nghĩa là: F (x )  P(X  x ), x   . 
 p1 neáu x1  x  x 2


Nhận xét  p  p neáu x 2  x  x 3
1) Hàm phân phối xác suất cho biết tỉ lệ phần trăm giá trị F (x )  

1 2

...........................................................
của X nằm bên trái của số x. 

2) Với biến ngẫu nhiên rời rạc X = {x1, x2, …, xn} thì:  p1  p2  ...  pn 1 neáu x n 1  x  x n


F (x )   P(X  xi )   pi . 1 neáu x  xn .


xi x xi x
x
• Tính chất:
1) 0  F (x )  1, x   .
3) Với biến ngẫu nhiên liên tục X thì: F (x )   f (t )dt .
2) F(x) không giảm.

3) F ()  0; F ()  1.
4) P(a  X  b)  F (b)  F (a ).
• Liên hệ với xác suất và hàm mật độ xác suất

1) Nếu X rời rạc thì:
pi = F(xi+1) – F(xi).
2) Nếu X liên tục thì: VD 9. Tuổi thọ X(giờ) của 1 thiết bị có hàm mật độ
F(x) liên tục tại x và F (x )  f (x ). 
 x  100
0,
xác suất là f (x )  
100 .
VD 8. Một phân xưởng có 2 máy hoạt động độc lập. 
 , x  100
Xác suất trong 1 ngày làm việc các máy đó hỏng tương 
x
2
ứng là 0,1 và 0,2. Gọi X là số máy hỏng trong 1 ngày 1) Tìm hàm phân phối xác suất của X.
làm việc. Lập hàm phân phối xác suất của X và vẽ đồ thị. 2) Thiết bị được gọi là loại A nếu tuổi thọ của nó
kéo dài ít nhất là 400 giờ. Tính tỉ lệ loại A.
VD 11. Thời gian chờ phục vụ của khách hàng là BNN

     
a cos x , x   ; 
0, x 0
  2 
 2  
VD 10. BNN X có f (x )    4
 . X(phút) liên tục có hàm ppxs F (x )  ax , x  (0; 3].
     


0, 
x  ; 1, x 3
  2 2  


 
1) Tìm hàm mật độ xác suất f(x) của X.
Tìm a và hàm phân phối xác suất F(x).
2) Tính P  
2  Y  5 với Y  X 2  1 .
3) Vẽ đồ thị của F(x).
9
9/20/2009
3) Đồ thị: a) Trƣờng hợp 1 biến

VD 12. Lập bảng phân phối xác suất của
Y  (X )  X 2  2, biết:
X –1 0 1 2
1.3. Phân phối xác suất của hàm của biến ngẫu nhiên P 0,1 0,3 0,4 0,2
• Trong thực tế, đôi khi ta xét BNN phụ thuộc vào 1 hay
nhiều BNN khác đã biết luật phân phối.
Bài toán
Y
P
3
0,1
2
0,3
3
0,4
6
0,2
  Y
P
2
0,3
3
0,5
6
0,2
• Cho hàm (x ) và BNN rời rạc X có phân phối xác suất
cho trước. Tìm phân phối xác suất của (x ).
b) Trƣờng hợp nhiều biến §2. CÁC ĐẶC TRƢNG SỐ (tham số đặc trƣng)
VD 13. Cho bảng: CỦA BIẾN NGẪU NHIÊN
Y • Những thông tin cô đọng phản ánh từng phần về biến
–1 0 1
X ngẫu nhiên giúp ta so sánh giữa các đại lượng với nhau
1 0,1 0,15 0,05 được gọi là các đặc trưng số.
2 0,3 0,2 0,2 Có ba loại đặc trưng số:
Lập bảng phân phối xác suất của: – Các đặc trưng số cho xu hướng trung tâm của BNN:
Kỳ vọng toán, Trung vị, Mod,…
1) Z  (X )  2X 2  X  1.
2) Z  (X ,Y )  2X Y  5. – Các đặc trưng số cho độ phân tán của BNN:
2 2 Phương sai, Độ lệch chuẩn, Hệ số biến thiên,…
3) Z  (X ,Y )  X Y .
– Các đặc trưng số cho dạng phân phối xác suất.
2.1. Kỳ vọng toán b) Biến ngẫu nhiên liên tục
2.1.1. Định nghĩa • Nếu BNN X có hàm mật độ là f(x) thì kỳ vọng toán là:
a) Biến ngẫu nhiên rời rạc 
• Cho BNN X = {x1, x2,…, xn} với xác suất tương ứng là EX   x .f (x )dx .
p1, p2,…, pn thì kỳ vọng toán (gọi tắt là kỳ vọng) của 
X, ký hiệu EX hay M(X), là: VD 2. Tìm kỳ vọng của biến ngẫu nhiên X có hàm
n


EX  x1p1  x 2 p2  ...  xn pn   xi pi .  3 (x 2  2x ), x  (0; 1)
i 1 mật độ xác suất f (x )  
4 .

0, x  (0; 1)
VD 1. Một lô hàng gồm 10 sản phẩm tốt và 2 phế phẩm. 

Lấy ngẫu nhiên 2 sản phẩm từ lô hàng đó, gọi X là số
phế phẩm trong 2 sản phẩm lấy ra.
Lập bảng phân phối xác suất và tính kỳ vọng toán của X.
10
9/20/2009
Chú ý
1) Nếu X  {x  A}, X liên tục thì EX  A .
2) Nếu X = {x1,…, xn} thì:
EX  [min{x1,..., xn }; max{x1,..., xn }].
VD 3. Thời gian chờ mua hàng của khách là biến ngẫu

nhiên liên tục T (đơn vị: phút) có hàm mật độ xác suất : VD 4. Cho biến ngẫu nhiên X có hàm mật độ xác suất :

 
ax  bx 2 , x  (0; 1)
 4 t 3 , t  (0; 3) f (x )  
f (t )  
 81 . 
0, x  (0; 1)
.

0, t  (0; 3) 


  1
Hãy t ính thời gian trung bình chờ mua hàng của 1 Cho biết EX = 0,6 . Hãy tính P X  .
khách hàng.  2 
2.1.2. Ý nghĩa của Kỳ vọng VD 6. Một dự án xây dựng được viện C thiết kế cho cả 2
• Kỳ vọng là giá trị trung bình (theo xác suất) của BNN bên A và B xét duyệt một cách độc lập. Xác suất (khả
X, nó phản ánh giá trị trung tâm của phân phối xác suất năng) để A và B chấp nhận d ự án này khi xét duyệt thiết
của X. kế là 70% và 80%. Nếu chấp nhận dự án thì bên A phải
• Trong thực tế sản xuất hay kinh doanh nếu cần chọn trả cho C là 400 triệu đồng, còn ngược lại thì phải trả
phương án cho năng suất hay lợi nhuận cao, người ta 100 triệu đồng. Nếu chấp nhận dự án thì bên B phải trả
chọn phương án sao cho năng suất kỳ vọng hay cho C là 1 tỉ đồng, còn ngược lại thì phải trả 300 triệu
lợi nhuận kỳ vọng cao. đồng. Biết chi phí cho thiết kế của C là 1 tỉ đồng và 10%
VD 5. Theo thống kê, một người Mỹ 25 tuổi sẽ sống thuế doanh thu.
thêm trên 1 năm có xác suất là 0,992 và người đó chết Hỏi viện C có nên nhận thiết kế hay không?
trong vòng 1 năm tới là 0,008. Một công ty bảo hiểm đề
nghị người đó bảo hiểm sinh mạng cho 1 năm với số tiền
chi trả là 10000 USD, phí bảo hiểm là 100 USD.
Hỏi công ty đó có lãi không?
2.1.3. Tính chất của Kỳ vọng VD 7. Tính EY với Y  (X )  X 2  3 , biết X có bảng
1) EC  C , C   . phân phối xác suất:
X –1 0 1 2
2) E (CX )  C .EX , C   . P 0,1 0,3 0,35 0,25
3) E (X Y )  EX  EY .
. )  EX .EY nếu X ,Y độc lập.
4) E (XY
5) Khi Y  (X ) thì:


  (xi )pi, neáu X rôøi raïc 


 i  2 , x  [1; 2]
EY   VD 8. Cho BNN X có hàm f (x )  
x 2 .
 



 (x )f (x)dx, neáu X lieân tuïc. 


0, x  [1; 2]

 2
1) Tính EX; 2) Tính EY , Y  X 5  .
X
11
9/20/2009
2.2. Phƣơng sai VD 9. Tính phương sai của biến ngẫu nhiên X có bảng
2.2.1. Định nghĩa phân phối xác suất:
• Phương sai của biến ngẫu nhiên X, ký hiệu VarX hay X 1 2 3
VX hay D(X), được xác định: P 0,2 0,7 0,1
2 2
VarX  E X  EX   E (X 2 )  EX 

  2


  xi 2 .pi   xi .pi  , neáu X rôøi raïc

  i 
 i
  2 VD 10. Tìm phương sai của biến ngẫu nhiên X có hàm
   

  x .f (x )dx    x .f (x )dx  , neáu X lieân tuïc.
2 
 3 (x 2  2x ), x  (0; 1)
 


   mật độ xác suất f (x )  
4 .

0, x  (0; 1)


2.2.2. Ý nghĩa của Phƣơng sai
• Do X – EX là độ lệch giữa giá trị của X so với trung
bình của nó nên phương sai là trung bình của bình
phương độ lệch đó. Phương sai dùng để đo mức độ phân
tán của X quanh kỳ vọng. Nghĩa là: phương sai nhỏ thì
VD 11. Cho biến ngẫu nhiên X có hàm mật độ xác suất: độ phân tán nhỏ nên độ tập trung lớn và ngược lại.

 • Trong kỹ thuật, phương sai đặc trưng cho độ sai số của
 3 (1  x 2 ), x  1 thiết bị. Trong kinh doanh, phương sai đặc trưng cho độ
f (x )  
4 Tìm EY , Y  2X 2 .
 rủi ro đầu tư.

0, x  1. • Do đơn vị đo của VarX bằng bình phương đơn vị đo

của X nên để so sánh được với các đặc trưng khác người
ta đưa vào khái niệm:
độ lệch tiêu chuẩn (X )  VarX .
VD 12. Năng suất của hai máy tương ứng là các BNN X 2.2.3. Tính chất của Phƣơng sai
và Y (đơn vị: sản phẩm/phút), bảng phân phối xác suất: 1) VarX  0 ; VarC  0, C   .
X 1 2 3 4 Y 2 3 4 5 2) Var (CX )  C 2 .VarX ; (CX )  C .X , C   .
P 0,3 0,1 0,5 0,1 P 0,1 0,4 0,4 0,1 2
3) Var (aX  b)  a .VarX ; a, b   .
Nếu phải chọn mua 1 trong 2 loại máy này thì ta nên 4) Nếu X và Y độc lập thì:
chọn máy nào? Var (X Y )  VarX VarY ;
(X  Y )  2(X )  2(Y ) .
2.3. Trung vị và Mod
2.3.1. Trung vị
• Trung vị của biến ngẫu nhiên X, ký hiệu medX, là số
1 1
thực m thỏa P(X  m )  và P(X  m )  .
2 2
12
9/20/2009
– Nếu X rời rạc thì medX = xi với: VD 14. Tìm med của BNNX có bảng phân phối xác suất:
1 X –1 0 1 2
F (xi )   F (xi 1 ). P 0,25 0,15 0,30 0,30
2
– Nếu X liên tục thì medX = m với: 

 4 , x 1
VD 15. Cho hàm f (x )  
m
x 5
F (m )   f (x )dx  0, 5. 

0, x  1.
 
1) Chứng tỏ f(x) là hàm mật độ xác suất của BNN X.
VD 13. Cho BNN X có bảng phân phối xác suất: 2) Tìm medX.
X 1 2 3 4 5
P 0,1 0,2 0,15 0,3 0,45
Khi đó ta có medX = 4.
2.3.2. Mod VD 18. Tìm modX của BNN X có hàm mật độ xác suất:
• ModX là giá trị x0 mà tại đó X nhận xác suất lớn nhất x2
1 
nếu X rời rạc hay hàm mật độ đạt cực đại nếu X liên f (x )  .e 2, x  .
tục. ModX còn được gọi là số có khả năng nhất. 2
VD 16. Cho BNN X có bảng phân phối xác suất:
X 0 1 2 4 5 8
P 0,10 0,20 0,30 0,05 0,25 0,10
Khi đó ta có modX = 2.
VD 17. Tìm medX và modX của BNN X có bảng phân
phối xác suất:
X 20 21 22 23 24
P 0,30 0,25 0,18 0,14 0,13
§3. MỘT SỐ LUẬT PHÂN PHỐI XÁC SUẤT VD 1. Trong 1 cửa hàng bán 100 bóng đèn có 5 bóng
THÔNG DỤNG hỏng. Một người chọn mua ngẫu nhiên 3 bóng từ cửa
3.1. Phân phối xác suất của biến ngẫu nhiên rời rạc hàng này. Gọi X là số bóng hỏng người đó mua phải.
3.1.1. Phân phối siêu bội Lập bảng phân phối xác suất của X.
• Xét tập có N phần tử, trong đó có NA phần tử có tính
chất A. Từ tập đó lấy ra n phần tử. Gọi X là số phần tử
có tính chất A được lấy ra thì X có phân phối siêu bội.
Ký hiệu: X  H (N , N A , n ) hay X  H (N , N A , n ).
a) Định nghĩa
• Phân phối siêu bội là phân phối của biến ngẫu nhiên rời
rạc X = {0; 1; 2; …; n} với xác suất tương ứng là:
C Nk C Nn kN
pk  P(X  k )  A A
.
C Nn
13
9/20/2009
b) Các số đặc trƣng
N n
EX  np; VarX  npq ,
N 1
NA
với p  , q  1  p.
N VD 3. Một bà mẹ sinh 2 con (mỗi lần sinh 1 con) với
VD 2. Một rổ mận có 20 trái trong đó có 6 trái bị hư. xác suất sinh con trai là 0,51. Gọi X là số con trai trong 2
Chọn ngẫu nhiên từ rổ đó ra 4 trái. Gọi X là số trái mận lần sinh. Lập bảng phân phối xác suất của X.
hư chọn phải. Lập bảng phân phối xác suất của X và tính
EX, VarX bằng hai cách.
VD 4. Một máy sản xuất lần lượt từng sản phẩm với
xác suất có 1 phế phẩm là 1%.
1) Cho máy sản xuất ra 10 sản phẩm, tính xác suất có
2 phế phẩm.
2) Máy cần sản xuất ít nhất bao nhiêu sản phẩm để
xác suất có ít nhất 1 phế phẩm lớn hơn 3%. 
4x 3 , x  (0; 1)
VD 5. Cho X có hàm mật độ f (x )    .

 0, x  (0; 1)

Tính xác suất để trong 3 phép thử độc lập có 2 lần X
nhận giá trị trong khoảng (0, 25; 0,5).
b) Định nghĩa VD 6. Một nhà vườn trồng trồng 5 cây lan quý, với xác
• Phân phối nhị thức là phân phối của biến ngẫu nhiên suất nở hoa của mỗi cây trong 1 năm là 0,8.
rời rạc X = {0; 1; 2; …; n} với xác suất tương ứng là: 1) Lập bảng phân phối xác suất của số cây lan trên nở
pk  P(X  k )  C nk pkq nk . hoa trong 1 năm.
2) Giá 1 cây lan nở hoa là 1,2 triệu đồng. Giả sử nhà
Ký hiệu: X  B(n, p) hay X ~ B(n, p).
vườn bán hết những cây lan nở hoa thì mỗi năm nhà
Chú ý vườn thu được chắc chắn nhất là bao nhiêu tiền?
• Khi n = 1 thì X  B(1, p) ≡ B(p), khi đó X còn được 3) Nếu muốn trung bình mỗi năm có 10 cây lan quý nở
gọi là có phân phối không – một hay Bernoulli. hoa thì nhà vườn phải trồng mấy cây ?
c) Các số đặc trƣng
EX  np; VarX  npq ;
ModX  x 0 , np  q  x 0  np  p.
14
9/20/2009
VD 7. Một lô hàng chứa 20 sản phẩm trong đó có 4 phế 3.1.3. Phân phối Poisson
phẩm. Chọn liên tiếp 3 lần (có hoàn lại) từ lô hàng, mỗi a) Bài toán dẫn đến phân phối Poisson
lần chọn ra 4 sản phẩm. Tính xác suất để trong 3 lần có • Gọi X là số lần xuất hiện biến cố A tại những thời điểm
đúng 1 lần chọn có không quá 2 phế phẩm. ngẫu nhiên trong khoảng thời gian (t1; t2) thỏa mãn hai
điều kiện:
1) Số lần xuất hiện biến cố A trong khoảng (t1; t2)
không ảnh hưởng đến xác suất xuất hiện A trong
khoảng thời gian kế tiếp.
2) Số lần xuất hiện biến cố A trong 1 khoảng thời gian
bất kỳ tỉ lệ với độ dài của khoảng đó.
• Khi đó X có phân phối Poisson, ký hiệu X  P() với
  c(t2  t1 )  0 , c là cường độ xuất hiện biến cố A.
• Chẳng hạn, số xe qua 1 trạm hoặc số cuộc điện thoại
tại 1 trạm công cộng… có phân phối Poisson.
b) Định nghĩa
• Biến ngẫu nhiên X có phân phối Poisson với tham số
  0 (trung bình số lần xuất hiện A) nếu X nhận các
giá trị 0, 1, 2,…, n,… với xác suất tương ứng là:
e .k
pk  P(X  k )  . VD 9. Một trạm điện thoại trung bình nhận được 300
k!
cuộc gọi trong 1 giờ.
c) Các số đặc trƣng
1) Tính xác suất để trạm nhận được đúng 2 cuộc gọi
EX  VarX  ; ModX  x 0 ,   1  x 0  . trong 1 phút.
2) Tính xác suất để trạm nhận được đúng 5 cuộc gọi
VD 8. Trung bình cứ 3 phút có 1 khách đến quầy mua trong 3 phút.
hàng. Tính xác suất để trong 30 giây có 2 khách đến 3) Tính xác suất để 2 trong 3 phút liên tiếp, mỗi phút
quầy mua hàng. trạm nhận được nhiều nhất 1 cuộc gọi.
VD 10. Trung bình 1 ngày (24 giờ) có 12 chuyến tàu vào 3.2. Phân phối xác suất của biến ngẫu nhiên liên tục
cảng Cam Ranh. Chọn ngẫu nhiên liên tiếp 6 giờ trong 1 3.2.1. Phân phối chuẩn
ngày. Tính xác suất để 4 trong 6 giờ ấy có đúng 1 tàu a) Định nghĩa
vào cảng. • BNN X được gọi là có phân phối chuẩn với tham số 
và 2 (  0), ký hiệu X  N ; 2 , nếu 
hàm mật độ phân phối xác suất của X có dạng:
(x  )2
1 
f (x )  e 22 , x  .
 2
Các số đặc trƣng
ModX  MedX  EX  ; VarX  2 .
15
9/20/2009
• Công thức tính xác suất:
b) Phân phối chuẩn đơn giản b t2
X  1 
 2

• Cho X  N ;  , đặt BNN T 

thì T có P(a  T  b)  
a 2
e 2 dt  (b)  (a ).
phân phối chuẩn đơn giản T  N 0; 1 . x t2

1 
• Hàm mật độ phân phối xác suất của T:

Trong đó, hàm (x )   2
e (x  0 ) được gọi
2 dt
0
t2 là hàm Laplace (với giá trị được cho trong bảng B).
1 
f (t )  e 2
2 Tính chất của hàm Laplace (dùng để tra bảng)
(giá trị của f(t) được cho trong bảng phụ lục A). 1) (x ) không giảm và (x )  (x ) (hàm số lẻ).
2) Nếu x  5 thì (x )  0, 5.
3) P(T  x )  0, 5  (x ).
c) Xác suất của phân phối chuẩn tổng quát
 
• Cho X  N , 2 , để tính P(a  X  b) ta đặt:
a  b 
 ,
 
VD 12. Thống kê điểm thi X (điểm) trong một kỳ tuyển
 P(a  X  b)  ()  ().
sinh Đại học môn toán của học sinh cả nước cho thấy X
Sau đó, tra bảng phụ lục B ta được kết quả.
là biến ngẫu nhiên với X  N (4; 2, 25).
VD 11. Thời gian X (phút) của 1 khách chờ được phục Tính tỉ lệ điểm thi X ≥ 5,5.
vụ tại 1 cửa hàng là BNN với X  N 4, 5; 1,21.
1) Tính xác suất khách phải chờ để được phục vụ từ
3,5 phút đến 5 phút; không quá 6 phút.
2) Tính thời gian tối thiểu t nếu xác suất khách phải
chờ vượt quá t là không quá 5%.
VD 14. Cho BNN X có phân phối chuẩn với EX = 10 và
P 10  X  20  0, 3 . Tính P 0  X  15.
VD 13. Tuổi thọ của 1 loại bóng đèn là X (năm) với

X  N (4, 2; 2, 25). Khi bán 1 bóng đèn thì lãi được 100
ngàn đồng nhưng nếu bóng đèn phải bảo hành thì lỗ 300
ngàn đồng. Vậy để có tiền lãi trung bình khi bán mỗi
bóng đèn loại này là 30 ngàn đồng thì cần phải quy định
thời gian bảo hành là bao nhiêu?
16
9/20/2009
VD 15. Một công ty cần mua 1 loại thiết bị có độ dày từ Chú ý.  
Nếu X  N ; 2 thì:
0,118cm đến 0,122cm. Có 2 cửa hàng cùng bán loại thiết
aX  b  N a   b; a 2 . 
bị này với độ dày là các biến ngẫu nhiên có phân phối 2
chuẩn N(μ, σ2). 3.2.3. Phân phối χ (n) (xem giáo trình)
3.2.4. Phân phối Student T(n) (với n bậc tự do)
Giá bán của cửa hàng I là 300 USD/hộp/1000 cái và cửa • Cho T  N (0; 1) và Y  2 (n ) độc lập thì
hàng II là 260 USD/hộp/1000 cái. T
X   T (n ) có hàm mật độ xác suất:
Chỉ số độ dày trung bình μ (cm) và độ lệch chuẩn σ (cm) Y
được cho trong bảng: n
n  1 
Cửa hàng μ (cm) σ (cm)    
n 1
I 0,1200 0,0010  2   x 2  2

f (x )  1   .
 n   n 
II 0,1200 0,0015 n .   
 2 
Hỏi công ty nên mua loại thiết bị này ở cửa hàng nào?
Giá trị của t(n) được cho trong bảng C.
§4. VECTOR NGẪU NHIÊN 4.2. Phân phối xác suất của vector ngẫu nhiên rời rạc
4.1. Khái niệm vector ngẫu nhiên 4.2.1 Bảng phân phối xác suất đồng thời
• Một bộ có thứ tự n biến ngẫu nhiên (X1, , Xn ) được Y y1 y2  yj  yn Tổng dòng
gọi là một vector ngẫu nhiên n chiều. X
x1 p11 p12  p1j  p1n p1•
Vector ngẫu nhiên n chiều là liên tục hay rời rạc nếu
các biến ngẫu nhiên thành phần là liên tục hay rời rạc. x2 p21 p22  p2 j  p2n p2•
VD 1. Một nhà máy sản xuất một loại sản phẩm, nếu xét        
xi pi 1 pi 2  pij  pin pi •
đến kích thước của sản phẩm được đo bằng chiều dài X
và chiều rộng Y thì ta có vector ngẫu nhiên hai chiều        
(X ,Y ), còn nếu xét thêm cả chiều cao Z nữa thì ta có xm pm1 pm 2  pmj  pmn pm •
vector ngẫu nhiên ba chiều (X ,Y , Z ). Tổng cột p•1 p•2  p•j  p•n 1
• Trong chương trình ta chỉ xét vector ngẫu nhiên hai m n
chiều thường được ký hiệu (X ,Y ).


Trong đó P X  xi ; Y  y j  pij và   pij  1.
i 1 j 1
VD 2. BNN rời rạc X nhận các giá trị 6, 7 và 8. BNN Y 4.2.2. Bảng phân phối xác suất thành phần (lề)
nhận các giá trị 1, 2 và 3. Phân phối đồng thời của vector Từ bảng phân phối xác suất đồng thời của (X ,Y ) ta có:
ngẫu nhiên (X ,Y ) cho bởi bảng: • Bảng phân phối xác suất của X
Y
1 2 3 X x1 x 2  xm
X P p1• p2•  pm •
6 0,1 0,05 0,15 Trong đó pi •  pi1  pi 2    pin
7 0,05 0,15 0,1 (tổng dòng i của bảng phân phối xác suất đồng thời).
8 0,2 0,1 0,1
• Bảng phân phối xác suất của Y
 
Tính P X  7, Y  2 và P X  6.
Y y1 y 2  yn
Giải
P p•1 p•2  p•n
 
P X  7, Y  2  0,15  0,1  0,1  0,1  0, 45 .
Trong đó p• j  p1 j  p2 j    pmj
P X  6  0,1  0, 05  0,15  0, 3. (tổng cột j của bảng phân phối xác suất đồng thời).
17
9/20/2009
VD 3. Xác định phân phối thành phần của biến ngẫu 4.2.3. Phân phối xác suất có điều kiện
nhiên X , Y trong VD 2.
• Bảng phân phối xác suất của X với điều kiện Y  y j :
Giải Từ công thức xác suất có điều kiện ta có xác suất
• Bảng phân phối của X
P(X  xi ; Y  y j ) pij
X 6 7 8  
P X  xi Y  y j 
P(Y  y j )

p• j
, i  1, m .
P 0,3 0,3 0,4
Bảng phân phối xác suất
• Bảng phân phối của Y
X x1 x 2  xm
Y 1 2 3
p1 j p2 j pmj
P 0,35 0,30 0,35 
P X  xi Y  y j  p• j p• j

p• j
• Bảng phân phối xác suất của Y với điều kiện X  xi : VD 4. Xét bảng phân phối đồng thời của (X ,Y )
P(X  xi ; Y  y j ) pij Y

P Y  y j X  xi   P(X  xi )

pi •
, j  1, n . X
1 2 3
Bảng phân phối xác suất 6 0,1 0,05 0,15

7 0,05 0,15 0,1
Y y1 y 2  yn 8 0,2 0,1 0,1
pi 1 pi 2 pin
 
Ta có:
0, 05 1
P Y  y j X  xi
pi • pi •

pi • P X  6 | Y  2   .
0, 05  0,15  0,1 6
0,15 1
P X  7 | Y  2 
Chú ý
 .
• Hai biến ngẫu nhiên X và Y được gọi là độc lập khi và 0, 05  0,15  0,1 2
chỉ khi xi , y j ta có: 0,1 1
P X  8 | Y  2   .
P(X  xi ;Y  y j )  P(X  xi )P(Y  y j ). 0, 05  0,15  0, 1 3
Bảng phân phối xác suất của X với điều kiện Y = 2 là: VD 5. Cho bảng phân phối xác suất đồng thời của
Vector ngẫu nhiên rời rạc (X ,Y ):
X 6 7 8 Y 0 1 2
P X  xi | Y  2 1 1 1 X
6 2 3 1 0,20 0,30 0,10
2 0,15 0,15 0,10
Tương tự, bảng phân phối xác suất của Y với
1) Lập bảng phân phối xác suất thành phần của X , Y .
điều kiện X = 8 là:
2) Tính xác suất P(X  Y  2).
3) Lập bảng phân phối xác suất của Y với điều kiện
Y 1 2 3
X  2.
 
P Y  y j | X  8 0, 50 0, 25 0, 25
18
9/20/2009
VD 7. Bảng phân phối đồng thời của số lỗi vẽ màu X và
VD 6. Cho vector ngẫu nhiên rời rạc (X ,Y ) có bảng số lỗi đúc Y của một loại sản phẩm nhựa ở một công ty
phân phối đồng thời như sau: cho bởi:
Y
(X ,Y ) (0; 0) (0; 1) (1; 0) (1; 1) (2; 0) (2; 1) 0 1 2
X
pij 1 3 4 3 6 1 0 0, 48 0,10 0, 06
18 18 18 18 18 18
1 0, 06 0, 05 0, 05
1) Tính xác suất P X Y  1. 2 0, 02 0, 04 0, 01
2) Lập bảng phân phối xác suất thành phần của X , Y . 3 0, 02 0, 01 0,10
3) Tính xác suất P(X  0 | Y  1). 1) Nếu ta biết trên sản phẩm có 2 lỗi vẽ màu thì xác suất
4) Lập bảng phân phối xác suất của Y với điều kiện để không có lỗi đúc là bao nhiêu.
2) Nếu tổng số lỗi không vượt quá 2 và số lỗi đúc không
X  1.
vượt quá 1 thì hàng có thể bán ra thị trường.
Tìm tỉ lệ các sản phẩm bán ra thị trường.
4.3. Phân phối xác suất của vector ngẫu nhiên liên tục 4.3.2. Phân phối xác suất thành phần
4.3.1. Phân phối xác suất đồng thời 
Định nghĩa • Hàm mật độ của X : fX (x )   f (x , y )dy.

• Hàm hai biến f (x, y )  0 xác định trên 2 được gọi là 

hàm mật độ của vector ngẫu nhiên (X ,Y ) nếu:
 
• Hàm mật độ của Y : fY (y )   f (x , y )dx .

  f (x , y )dxdy  1.
  Chú ý
2
• Với mọi tập I   thì xác suất: • Hai biến ngẫu nhiên X và Y được gọi là độc lập khi và
P (X ,Y )  I   chỉ khi f (x , y )  fX (x )fY (y ).
 f (x , y )dxdy.
I
4.3.3. Phân phối xác suất có điều kiện VD 8. Cho (X ,Y ) có hàm mật độ đồng thời:

10x 2y, khi 0  y  x  1,
• Hàm mật độ của X với điều kiện Y  y : f (x , y )  

 0, nôi khaùc.
f (x , y ) 
fX (x | y )  .  1 
fY (y ) 1) Tính xác suất P Y  X .
 2 
• Hàm mật độ của Y với điều kiện X  x : 2) Tìm hàm mật độ của X , Y .
f (x , y ) 3) Tìm hàm mật độ có điều kiện fX (x | y ), fY (y | x ).
fY (y | x )  .
fX (x )  1 1
4) Tính xác xuất P Y  X  .
 8 4 
19
9/20/2009
Giải

 x 2) • Hàm mật độ của X. Ta có:
1) Đặt D  (x , y ) : y  
 .


 2 

 
D  0  x  1, 0  y  x 
Do hàm f (x , y )  10x 2y 
trên 0  y  x  1 nên:
 
 fX (x )   f (x , y )dy
 x 
D  0  x  1,  y  x 




 2 

 x
 10x ydy  5x
2 4
  với 0  x  1.
1 
 P Y  X    f (x , y )dxdy 0
 2 
D 
5x 4 , khi 0  x  1,
 fX (x )  
1 x
3 
 5x dx 
2
 2ydy  .  0, nôi khaùc.
0 x
4 

2
• Hàm mật độ của Y. 3) • Hàm mật độ của X với điều kiện Y  y :

Ta có: D  y  x  1, 0  y  1  fX (x | y ) 
f (x , y )
fY (y )

3x 2
1  y3
 1  3x 2


 , khi 0  y  x  1,
  10x ydx
2
 fY (y )  f (x , y )dx   fX (x | y )  1  y 3


 y  0, nôi khaùc.


10 • Hàm mật độ của Y với điều kiện X  x :
 y(1  y 3 ) với 0  y  1.
3 fY (y | x ) 
f (x , y )

2y
 fX (x ) x2

10 y(1  y 3 ), khi 0  y  1,
 fY (y )  
3


 2y , khi 0  y  x  1,

 0, nôi khaùc.  fY (y | x )  
x 2

 
 0, nôi khaùc.


 1 1 VD 9. Cho hàm mật độ đồng thời của X và Y
4) Tính xác xuất P Y  X  . Theo câu 3) ta có: 
6x , khi 0  x  1; 0  y  1  x ,
 8 4  f (x , y )  

 
 0, nôi khaùc.
  1 
1  32y, khi 0  y  ,
fY y x      4 1) Tìm hàm mật độ fX (x ), fY (y ) của X , Y .
 4   0, nôi khaùc.


1
 
2) Tìm hàm mật độ có điều kiện fX x y , fY y x .  
 3) Tính xác suất P X  0, 3 Y  0, 5.
1  1
8
1
 P Y  X     fY y x  dy
 8 4   4  Giải

1 0  x  1,
 0  y  1,

8 Đặt D : 
 
 .
1 
  32ydy  4 . 0  y  1  x . 
 0  x  1  y.

0
20
9/20/2009
 1x
f (x , y ) 2x
1) • fX (x )   f (x , y )dy   6xdy  
2) • fX x y 
fY (y )

(1  y )2
, (x , y )  D
 0
 6x (1  x ), 0  x  1  2x


 , khi 0  x  1; 0  y  1  x ,

6x (1  x ), khi 0  x  1,
 fX (x )  

 fX  
x y 
(1  y )2

 0, nôi khaùc. 
 0, nôi khaùc.

 

 1y
f (x , y ) 1
• fY (y )   f (x , y )dx   6xdx  
• fY y x 
fX (x )

1x
, (x , y )  D
 0
 3(1  y )2 , 0  y  1 

 1 , khi 0  x  1; 0  y  1  x ,

3(1  y )2 , khi 0  y  1,  fY  
y x 1  x

 fY (y )  
 


0, nôi khaùc.

 0, nôi khaùc.

 Chương 2. Biến ngẫu nhiên – Vector ngẫu nhiên  Chương 3. Định lý giới hạn trong xác suất
§1. Một số loại hội tụ trong xác suất và các định lý
3) Theo câu 2) ta có: §2. Các loại xấp xỉ phân phối xác suất

8x , khi 0  x  0, 5 …………………………
fX  x y  0, 5  



0, nôi khaùc. §1. MỘT SỐ LOẠI HỘI TỤ TRONG XÁC SUẤT



VÀ CÁC ĐỊNH LÝ

 P X  0, 3 Y  0, 5     
fX x y  0, 5 dx 1.1. Hội tụ theo xác suất – Luật số lớn
0,3 a) Định nghĩa
0,5 • Dãy các biến ngẫu nhiên {Xi} (i = 1, 2,…, n) được gọi
là hội tụ theo xác suất đến biến ngẫu nhiên X nếu:
  8xdx  0, 64 .
0,3 
  ,   0 : lim P Xn ()  X ()    0.
n 

P
Ký hiệu: Xn  
 X (n  ).
 Chương 3. Định lý giới hạn trong xác suất  Chương 3. Định lý giới hạn trong xác suất
• Họ các biến ngẫu nhiên {Xi} (i = 1, 2,…, n) được gọi là VD (tham khảo). Thu nhập trung bình hàng năm của
tuân theo luật số lớn (dạng Tchébyshev) nếu: dân cư 1 vùng là 700USD với độ lệch chuẩn 120USD.
1 n  Hãy xác định một khoảng thu nhập hàng năm xung
 1 n 
  0 : lim P   Xi   EXi    1 quanh giá trị trung bình của ít nhất 95% dân cư vùng đó.
n   n n i 1 
 i 1  Giải. Gọi X(USD) là thu nhập hàng năm của dân cư
1 n vùng đó. Ta có:
  X  EXi   
n i 1 i
P

 0. VarX

P X  EX    1  2
b) Bất đẳng thức Tchébyshev
• Nếu biến ngẫu nhiên X có EX và VarX hữu hạn thì: 1202
VarX

 P X  700    1   2
 0, 95

  0 : P X  EX   
2
    536, 656USD .
hay Vậy ít nhất 95% dân cư vùng đó có thu nhập hàng năm
VarX trong khoảng

P X  EX    1 
2
. (EX  ; EX  ) = (163,344USD; 1236,656USD).
21
9/20/2009
Ý nghĩa của định lý
c) Định lý luật số lớn Tchébyshev • Thể hiện tính ổn định của trung bình số học các BNN
Định lý độc lập cùng phân phối và có phương sai hữu hạn.
• Nếu họ các BNN {Xi} (i = 1, 2,…, n) độc lập từng đôi • Để đo 1 đại lượng vật lý nào đó ta đo n lần và lấy trung
có EXi hữu hạn và VarXi bị chặn trên bởi hằng số C thì: bình các kết quả làm giá trị thực của đại lượng cần đo.
1 n 1 n  • Áp dụng trong thống kê là dựa vào một mẫu khá nhỏ
 
  0 : lim P   Xi   EXi    0 . để kết luận tổng thể.
n   n n 
 i 1 i 1 
1.2. Hội tụ yếu – Định lý giới hạn trung tâm
Hệ quả a) Định nghĩa
• Nếu họ các BNN {Xi} (i = 1, 2,…, n) độc lập từng đôi • Dãy các biến ngẫu nhiên {Xi} (i = 1, 2,…, n) được gọi
là hội tụ yếu hay hội tụ theo phân phối đến BNN X nếu:
có EXi = μ và VarXi = σ2 thì:
lim Fn (x )  F (x ), x  C (F ).
1 n n 
X 
n i 1 i
P

 . Trong đó, C(F) là tập các điểm liên tục của F(x).
d d
Ký hiệu: Xn   X hay Fn   F.
P d
Chú ý. Nếu Xn  
 X thì Xn   X . §2. CÁC LOẠI XẤP XỈ PHÂN PHỐI XÁC SUẤT
b) Định lý Liapounop (giới hạn trung tâm) 2.1. Liên hệ giữa phân phối Siêu bội và Nhị thức
Định lý N
• Cho họ các BNN {Xi} (i = 1, 2,…, n) độc lập từng đôi. • Nếu n cố định, N tăng vô hạn và A  p (0  p  1)
n n n N
Đặt Y   Xi ,   EXi , 2  VarXi . C Nk C Nn kN d
i 1 i 1 i 1
3
thì A A
  C nk pkq n k .
n E Xi  EXi C Nn
Nếu EXi, VarXi hữu hạn và lim
n 
 3
0
i 1
Ứng dụng xấp xỉ phân phối siêu bội bằng Nhị thức

thì Y  N ,  2
.
• Cho X  H (N ; N A ; n ), nếu N khá lớn và n rất nhỏ so
Ý nghĩa của định lý
• Sử dụng định lý giới hạn trung tâm Liapounop để tính với N (n < 0,05N) thì:
xấp xỉ (gần đúng) xác suất. NA
• Xác định các phân phối xấp xỉ để giải quyết các vấn đề X  B(n; p), p  .
của lý thuyết ước lượng, kiểm định,… N
VD 1. Một vườn lan có 10.000 cây sắp nở hoa, trong đó 2.2. Liên hệ giữa phân phối Nhị thức và Poisson
có 1.000 cây hoa màu đỏ. • Nếu n  , p  0, np   thì:
1) Tính xác suất để khi chọn ngẫu nhiên 20 cây lan thì e  .k
d
được 5 cây có hoa màu đỏ. C nk pkq nk   .
2) Tính xác suất để khi chọn ngẫu nhiên 50 cây lan thì k!
Ứng dụng xấp xỉ phân phối Nhị thức bằng Poisson
được 10 cây có hoa màu đỏ.
3) Có thể tính xác suất để khi chọn ngẫu nhiên 200 cây • Cho X có phân phối nhị thức B(n, p),   np . Khi đó:
lan thì có 50 cây hoa màu đỏ được không ? 1) Nếu n lớn và p khá bé (gần bằng 0) thì X  P().
2) Nếu n lớn và p cũng khá lớn (n  1) thì X  P().
VD 2. Một lô hàng thịt đông lạnh đóng gói nhập khẩu có
chứa 0,6% bị nhiểm khuẩn. Tìm xác suất để khi chọn
ngẫu nhiên 1.000 gói thịt từ lô hàng này có:
1) Không quá 2 gói bị nhiểm khuẩn.
2) Đúng 40 gói bị nhiểm khuẩn.
22
9/20/2009
VD 3. Giải câu 3) trong VD 1. Ứng dụng xấp xỉ Nhị thức bằng phân phối chuẩn
2.3. Định lý giới hạn Moivre – Laplace • Cho X  B(n, p), nếu n khá lớn, p không quá gần 0
Định lý 1 (giới hạn địa phƣơng)
• Gọi pk là xác suất xuất hiện k lần biến cố A trong n và 1 thì X  N (; 2 ) với   np, 2  npq .
phép thử Bernoulli với P(A) = p (p không quá gần 0 và Khi đó:
npq .Pn (k ) 1  k   
không quá gần 1) thì lim  1. 1) P(X  k )  .f   (tra bảng A, f(–x) = f(x)).
n  f (x k )    
x2
k     
Trong đó, f (x ) 
1
e

2 , xk 
k  np
hữu hạn. 2) P(k1  X  k2 )    2     k1   .
  
2 npq       
Định lý 2 (giới hạn Moivre – Laplace)
VD 4. Trong một kho lúa giống có tỉ lệ hạt lúa lai là
X  np
• Cho X  B(n, p) và Sn  thì: 20%. Tính xác suất sao cho khi chọn 1000 hạt lúa giống
npq trong kho thì có:
F
Sn   
 N (0, 1). 1) Đúng 172 hạt lúa lai; 2) Từ 170 đến 180 hạt lúa lai.
 Chương 3. Định lý giới hạn trong xác suất PHẦN II. LÝ THUYẾT THỐNG KÊ
VD 5. Một khách sạn nhận đặt chỗ của 325 khách hàng Chƣơng 4. LÝ THUYẾT MẪU
cho 300 phòng vào ngày 1/1 vì theo kinh nghiệm của
những năm trước cho thấy có 10% khách đặt chỗ nhưng
§1. Khái niệm về phƣơng pháp xác định mẫu
không đến. Biết mỗi khách đặt 1 phòng, tính xác suất: §2. Các đặc trƣng của mẫu
1) Có 300 khách đến vào ngày 1/1 và nhận phòng.
2) Tất cả các khách đến vào ngày 1/1 đều nhận được §3. Phân phối xác suất của các đặc trƣng mẫu
phòng. §4. Thực hành tính các đặc trƣng mẫu cụ thể
…………………………
§1. KHÁI NIỆM VỀ
PHƢƠNG PHÁP XÁC ĐỊNH MẪU
1.1. Mẫu và tổng thể (đám đông)
• Tập hợp có các phần tử là các đối tượng mà ta nghiên
cứu được gọi là tổng thể. Số phần tử của tổng thể được
gọi là kích thước của tổng thể.
 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

• Từ tổng thể ta chọn ra n phần tử thì n phần tử đó được 1.2. Phƣơng pháp xác định mẫu
gọi là một mẫu có kích thước (cỡ mẫu) n. • Mẫu định tính là mẫu mà ta chỉ quan tâm đến các phần
• Mẫu được chọn ngẫu nhiên một cách khách quan được tử của nó có tính chất A nào đó hay không.
gọi là mẫu ngẫu nhiên. VD 2. Điều tra 100 hộ dân của một thành phố về thu
• Khi mẫu có kích thước lớn thì ta không phân biệt mẫu nhập trong 1 năm. Nếu hộ có thu nhập dưới 10 triệu
có hoàn lại hay không hoàn lại. đồng/năm là hộ nghèo. Thì trong 100 hộ được điều tra ta
quan tâm đến hộ nghèo (tính chất A).
VD 1. Khi nghiên cứu về số cá trong một hồ thì số cá • Mẫu định lượng là mẫu mà ta quan tâm đến một yếu tố
trong hồ là kích thước của tổng thể. Từ hồ đó bắt lên 10
về lượng (như chiều dài, cân nặng,…) của các phần tử
con cá thì được 1 mẫu không hoàn lại kích thước là 10.
có trong mẫu.
Nếu từ hồ đó bắt lên 1 con cá rồi thả xuống, sau đó tiếp
tục bắt con khác, tiến hành 10 lần như thế ta được mẫu VD 3. Cân 100 trái dưa gang được chọn ngẫu nhiên từ 1
có hoàn lại kích thước 10. cánh đồng là mẫu định lượng.
23
9/20/2009

• Mẫu có kích thước n là tập hợp của n biến ngẫu nhiên  Xét về lƣợng
độc lập X1, X2,…, Xn được lập từ biến ngẫu nhiên X và • Trung bình tổng thể là   EX .
có cùng luật phân phối với X là mẫu tổng quát.
• Phương sai tổng thể 2  VarX là biểu thị cho mức độ
• Tiến hành quan sát (cân, đo,…) từng biến Xi và nhận
biến động của biến X.
được các giá trị cụ thể Xi = xi, khi đó ta được
mẫu cụ thể x1, x2,…, xn.  Xét về chất
VD 4. Chiều cao của cây bạch đàn là biến ngẫu nhiên có • Tổng thể được chia thành 2 loại phần tử: loại có tính
phân phối chuẩn. Đo ngẫu nhiên 5 cây X1, X2,…, X5 ta chất A đó mà ta quan tâm và loại không có tính chất A.
được X1=3,5m; X2=3,2m; X3=2,5m; X4=4,1m; X5=3m. • Gọi X = 0 nếu phần tử không có tính chất A và X = 1
Khi đó, {X1, X2,…, X5} là mẫu tổng quát có phân phối nếu phần tử có tính chất A, p là tỉ lệ các phần tử có tính
chuẩn và {3,5m; 3,2m; 2,5m; 4,1m; 3m} là mẫu cụ thể. chất A thì:
Nhận xét Soá phaàn töû coù tính chaát A
• Xác suất nghiên cứu về tổng thể để hiểu về mẫu còn X  B(p), p  .
thống kê thì ngược lại. Soá phaàn töû cuûa toång theå

1.3. Sắp xếp số liệu thực nghiệm 1.3.2. Sắp xếp dƣới dạng khoảng
• Giả sử mẫu (X1, X2,…, Xn) có nhiều quan sát khác
1.3.1. Sắp xếp theo các giá trị khác nhau
nhau, khoảng cách giữa các quan sát không đồng đều
• Giả sử mẫu (X1, X2,…, Xn) có k quan sát khác nhau là hoặc các Xi khác nhau rất ít thì ta sắp xếp chúng dưới
X1, X2,…, Xk (k  n ) và Xi có tần số ni (số lần lặp lại) dạng khoảng.
với n1  n2  ...  nk  n . Khi đó, số liệu được sắp • Xét khoảng x min , x max  chứa toàn bộ quan sát Xi.
xếp theo thứ tự tăng dần của Xi.
Ta chia x min , x max  thành các khoảng bằng nhau (còn
VD 5. Kiểm tra ngẫu nhiên 50 sinh viên, ta có kết quả: gọi là lớp ) theo nguyên tắc:
số khoảng tối ưu là 1  3, 322 lgn và độ dài khoảng là
X (điểm) 2 4 5 6 7 8 9 10 x  x min
ni (số SV) 4 6 20 10 5 2 2 1 h  max .
1  3, 322 lg n

VD 6. Đo chiều cao của n  100 thanh niên, ta có bảng
số liệu ở dạng khoảng: ni
xi Tần số ni Tần suất
Lớp (khoảng) Tần số ni ni n
(đơn vị: cm) (số thanh niên) Tần suất n 150 5 0,05
148 – 152 5 0,05 154 20 0,20
152 – 156 20 0,20 158 35 0,35
156 – 160 35 0,35 162 25 0,25
160 – 164 25 0,25 166 15 0,15
164 – 168 15 0,15
Chú ý
ai 1  ai
Khi cần tính toán, ta sử dụng công thức xi  • Đối với trường hợp số liệu được cho bởi cách liệt kê
2 thì ta sắp xếp lại ở dạng bảng.
để đưa số liệu trên về dạng bảng:
24
9/20/2009

VD 7. Theo dõi mức nguyên liệu hao phí để sản xuất ra §2. CÁC ĐẶC TRƢNG MẪU (tham khảo)
một đơn vị sản phẩm ở một nhà máy, ta thu được các số 2.1. Các đặc trƣng mẫu
liệu sau (đơn vị: gam): Giả sử tổng thể có trung bình EX   , phương sai
20; 22; 21; 20; 22; 22; 20; 19; 20; 22; 21; VarX  2 và tỉ lệ các phần tử có tính chất A là p.
2.1.1. Tỉ lệ mẫu Fn
19; 19; 20; 18; 19; 20; 20; 18; 19; 20; 20; • Cho mẫu định tính kích thước n, ta gọi:
1 n 
0
21; 20; 18; 19; 19; 21; 22; 21; 21; 20; 19; Fn   Xi , Xi    là tỉ lệ mẫu tổng quát.
n i 1 
 1

20; 22; 21; 21; 22; 20; 20; 20; 19; 20; 21; • Cho mẫu định tính kích thước n, trong đó có m phần tử
có tính chất A. Khi đó ta gọi:
19; 19; 20; 21; 21. m
f  fn  là tỉ lệ mẫu cụ thể.
Hãy sắp xếp số liệu trên dưới dạng bảng ? n

Tính chất Tính chất
1) Kỳ vọng của tỉ lệ mẫu bằng tỉ lệ tổng thể:
2 VarX
 X  ...  X 
M Fn   M  1 n   p .  
E X n    EX , Var X n    n

n
.
 n 
Chú ý
2) Phương sai của tỉ lệ mẫu:
 X  ...  X  X1  ...  Xn
n pq • Tỉ lệ mẫu Fn  và trung bình mẫu
VarFn  Var  1  
n
 n  n
(các Xi có phân phối Bernoulli).
X1  ...  Xn
Xn  khác nhau ở chỗ là trong Fn, các
2.1.2. Trung bình mẫu n
1 n biến Xn chỉ có phân phối Bernoulli:
• Trung bình mẫu: X  Xn   Xi . 
0, neáu phaàn töû khoâng coù tính chaát A
n i 1 Xi   .
1 n 
 1, neáu phaàn töû coù tính chaát A

• Trung bình mẫu cụ thể: x  xn 
n
 xi .
i 1

2.1.3. Phƣơng sai mẫu • Trong tính toán ta sử dụng công thức:
n
n  2 2 1 n
 Xi  Xn   
2
2  1
2  S 2
• Phương sai mẫu: S n . sn2  x n  xn  , x n   xi2 .
n i 1 n  1  
 n i 1
1 n
 
2 2 2
Mẫu cụ thể: 
s  s n   xi  xn . 2.2. Liên hệ giữa đặc trƣng của mẫu và tổng thể
n i 1
• Các đặc trưng mẫu Fn , X n , Sn2 là các thống kê dùng
• Phương sai mẫu hiệu chỉnh:
n để nghiên cứu các đặc trưng p, , 2 tương ứng của
 
1 2
S 2  Sn2   X  Xn
n  1 i 1 i
. tổng thể. Từ luật số lớn ta có:
n Fn  p, X n  , Sn2  2 (theo xác suất).
 
1 2
Mẫu cụ thể: s 2  sn2   x  xn .
n  1 i 1 i • Trong thực hành, khi cỡ mẫu n khá lớn thì các đặc
 2  n  1 2 trưng mẫu xấp xỉ các đặc trưng tương ứng của tổng thể:
Tính chất. E S  
  n
 
 , E S 2  2 .
x  , f  p, 
2
s  2 , s2  2.
25
9/20/2009
§3. PHÂN PHỐI XÁC SUẤT CỦA 3.2. Phân phối xác suất của trung bình mẫu
CÁC ĐẶC TRƢNG MẪU (tham khảo) 3.2.1. Trƣờng hợp tổng thể X có phân phối chuẩn
2
3.1. Phân phối xác suất của tỉ lệ mẫu F • Do EF = p và EX  , VarX  nên:
n
pq  2  X 
• Do EF = p và VarF 
n
nên với n khá lớn thì: X  N ,  hay n  N 0, 1.
 n  
 pq 
F  N  p, . • Với mẫu cụ thể kích thước n đủ lớn, thì 2  s 2 và:
 n 
 s 2  X 
• Với mẫu cụ thể kích thước n, tỉ lệ mẫu f thì p  f và: X  N ,  hay n  N 0, 1.
 n  s
 f (1  f ) (F  p) n
F  N  p,  hay  N (0, 1). X 
 n  f (1  f ) • Khi n < 30 và 2 chưa biết thì n  2 (n  1)
s
có phân phối Student với n – 1 bậc tự do.

3.2.2. Trƣờng hợp X không có phân phối chuẩn 3.3. Phân phối xác suất của phƣơng sai mẫu
• Từ định lý giới hạn trung tâm, ta suy ra:
X 
 
• Giả sử tổng thể X  N , 2 , khi đó:
d
n   N 0, 1, n
n 1 2
 Xi  X n 
 n  2 1 2
S  S 
X  2 2
d
n   N 0, 1.   2 i 1
s 2
• Với n  30 , ta có các phân phối xấp xỉ chuẩn như sau: sẽ có phân phối  (n  1).
1) Nếu 2 đã biết thì: §4. THỰC HÀNH TÍNH
X   2 
n  N 0, 1, X  N   , .
CÁC ĐẶC TRƢNG CỦA MẪU CỤ THỂ
  n 
4.1. Tính tỉ lệ mẫu f
2) Nếu 2 chưa biết thì: • Nếu trong mẫu có m phần tử có tính chất A mà ta quan
X   S 2  m
n  N 0, 1, X  N 
 , . tâm thì tỉ lệ mẫu là f  .
S  n  n

2
4.2. Tính trung bình mẫu x 4.3. Tính phƣơng sai mẫu  s
• Nếu mẫu có n giá trị xi thì trung bình mẫu là:
1 1 n
x  x 2  ...  xn 1 n • Tính x  (x1  x 2  ...  xn )   xi .
x 1   xi . n n i 1
n n i 1
1 n
1 2
 
2
• Nếu xi lặp lại ni (i = 1,…, k  n ) lần thì trung bình và x  x1  x 22  ...  xn2   xi2 .
n n i 1
1 k
mẫu là: x   xini . • Phương sai mẫu là:
n i 1

2 2 2
s x  x .
VD. Xét 10 kết quả quan sát:
• Phương sai mẫu có hiệu chỉnh là:
102; 102; 202; 202; 202; 302; 302; 302; 302; 402.
n 2
1 s2  s .
Ta có: x  (102.2  202.3  302.4  402.1). n 1
10
26
9/20/2009

SỬ DỤNG MÁY TÍNH BỎ TÚI ĐỂ TÍNH • Xuất kết quả:
CÁC ĐẶC TRƢNG CỦA MẪU – SHIFT  2  1  =
(xuất kết quả x : trung bình mẫu).
1. Số liệu đơn (không có tần số) – SHIFT  2  2  =
VD 1. Cho mẫu có cỡ mẫu là 5: (xuất kết quả ŝ  x n : độ lệch chuẩn của mẫu).
w = (12; 13; 11; 14; 11). – SHIFT  2  3  = (xuất kết quả s  x n  1:
độ lệch chuẩn của mẫu có hiệu chỉnh).
a) Máy fx 500MS
• Xóa bộ nhớ: MODE  3  =  = b) Máy fx 500ES
• Vào chế độ thống kê nhập dữ liệu: • Xóa bộ nhớ: SHIFT  9  3  =  =
• Vào chế độ thống kê nhập dữ liệu:
– MODE  2 (chọn SD đối với fx500MS);
– SHIFT  MODE  dịch chuyển mũi tên tìm chọn
MODE  MODE  1 (chọn SD đối với fx570MS). mục Stat  2 (chế độ không tần số).
– Nhập các số: – MODE  3 (stat)  1 (1-var)  (nhập các số):
12 M+ 13 M+…. 11 M+ 12 = 13 =…. 11 =

• Xuất kết quả: • Vào chế độ thống kê nhập dữ liệu:
– SHIFT  1  5 (var)  1  = (n: cỡ mẫu) – MODE  2 (chọn SD đối với fx500MS);
– SHIFT  1  5 (var)  2  = (x :trung bình mẫu) MODE  MODE  1 (chọn SD đối với fx570MS).
– SHIFT  1  5 (var)  3  = (x n : độ lệch – Nhập các số:
chuẩn của mẫu). 12  SHIFT  ,  3  M+
– SHIFT  1  5 (var)  4  = (x n  1: độ lệch 11  SHIFT  ,  2  M+
chuẩn của mẫu có hiệu chỉnh). 15  SHIFT  ,  4  M+
2. Số liệu có tần số • Xuất kết quả, làm như 1a).
VD 2. Cho mẫu như sau: b) Máy fx 500ES
xi 12 11 15 • Xóa nhớ vào chế độ thống kê nhập dữ liệu có tần số:
ni 3 2 4 – SHIFT  MODE (SETUP) dịch chuyển mũi tên
41
a) Máy fx 500MS
– MODE  3 (stat)  1 (1-var)
• Xóa bộ nhớ: MODE  3  =  =
 Chương 4. Lý thuyết mẫu  Chương 5. Ước lượng đặc trưng của tổng thể
– Nhập các giá trị và tần số vào 2 cột trên màn hình: §1. Ƣớc lƣợng điểm
X FREQ
12 3 §2. Ƣớc lƣợng khoảng
11 2 ………………………..
15 4
• Xuất kết quả, làm như 1b). §1. ƢỚC LƢỢNG ĐIỂM
VD 3. Điều tra năng suất của 100 ha lúa trong vùng, ta 1.1. Thống kê
có bảng số liệu sau: • Một hàm của mẫu tổng quát T = T(X1, X2,…, Xn) được
gọi là 1 thống kê.
Năng suất 3 - 3,5 4 - 4,5 5 - 5,5 6 - 6,5
• Các vấn đề của thống kê toán được giải quyết chủ yếu
(tấn/ha) 3,5 - 4 4,5 - 5 5,5 - 6 6,5 - 7
nhờ vào việc xây dựng các hàm thống kê chỉ phụ thuộc
Diện tích(ha) 7 12 18 27 20 8 5 3
vào mẫu tổng quát, không phụ thuộc các tham số.
Những thửa ruộng có năng suất ít hơn 4,4 tấn/ha là có 1.2. Ƣớc lƣợng điểm
năng suất thấp. • Ước lượng điểm của tham số  (tỉ lệ, trung bình,
1) Tính tỉ lệ diện tích lúa có năng suất thấp.
2) Tính năng suất lúa trung bình, phương sai và độ phương sai,…) là thống kê    X1,..., Xn  chỉ phụ
lệch chuẩn của mẫu có hiệu chỉnh. thuộc vào n quan sát X1, …, Xn, không phụ thuộc vào  .
27
9/20/2009
 Chương 5. Ước lượng đặc trưng của tổng thể  Chương 5. Ước lượng đặc trưng của tổng thể
VD 2.
VD 1. • EF = p (tỉ lệ mẫu là ước lượng không chệch của tỉ lệ
X1  X 2  ...  Xn tổng thể).
• Tỉ lệ mẫu F  là ước lượng điểm
của tỉ lệ tổng thể p.
n
 
• E X   (trung bình mẫu là ước lượng không chệch
X1  X 2  ...  Xn của trung bình tổng thể  ).
• Trung bình mẫu X  là ước  2 
n
lượng điểm của trung bình tổng thể  .
•E S 2
 E S    (phương sai mẫu là ước lượng
 
2
1.3. Ƣớc lƣợng không chệch (tham khảo) không chệch của phương sai tổng thể 2 ).
• Thống kê   X1,..., Xn  là ước lượng không chệch của VD 3. Cân 100 sản phẩm của 1 xí nghiệp, bảng số liệu:
 nếu E  X1,..., Xn    . X (gr) 498 502 506 510
  ni 40 20 20 20
Ta có:
Giải
498.40+502.20+506.20+510.20 1
x  502, 8(gr ). 1  1
100    2 2  2
1
1) E X  E  X1  X 2   E X1   E X 2 
2
Dự đoán (ước lượng): Trọng lượng trung bình của các 1 1
sản phẩm trong xí nghiệp là   502, 8(gr ).      .
2 2
1 2  1
VD 4 (tham khảo). Từ mẫu tổng quát W = (X1, X2) ta
xét hai ước lượng của trung bình tổng thể  sau:
   3 
3  3
2
E X   E  X1  X 2   E X1   E X 2 

3
1 1 1 2 1 2
X  X1  X 2 và X   X1  X 2 .        (đpcm).
2 2 3 3 3 3
1) Chứng tỏ X và X  là ước lượng không chệch của  .
2) Ước lượng nào hiệu quả hơn?
1 §2. ƢỚC LƢỢNG KHOẢNG

1 
 
2) Var X  Var  X1  X 2 
 2 2 
2.1. Định nghĩa
1 1
 Var X1   Var X 2  
2 2

2
 .
• Khoảng  
1 ;  
2 của thống kê  được gọi là khoảng tin
4 4 4 4 2 cậy của tham số  nếu với xác suất 1   cho trước thì
 
1
 3
2 
Var X   Var  X1  X 2 
3 
P  
   
1 
  1  .
2
• Xác suất 1   là độ tin cậy của ước lượng,

1 4 2 42 52
 Var X1   Var X 2     
2  
1  2 là độ dài khoảng tin cậy và
9 9 9 9 9
 
 Var X  Var X  .    là độ chính xác của ước lượng. Khi đó:    
1 ; 
2 . 
Vậy ước lượng X hiệu quả hơn. • Bài toán tìm khoảng tin cậy của  là bài toán
ước lượng khoảng.
28
9/20/2009
• Trong thực hành
Chú ý
m
• Do tổng thể X là biến ngẫu nhiên liên tục nên: Nếu biết tỉ lệ mẫu f  fn  với n là cỡ mẫu, m là
n
P  
   
1  P 
2  
    1 . 2  số phần tử ta quan tâm thì khoảng tin cậy cho p là:
f 1  f 
Do đó, ta có thể ghi    2  .
1 ;   f  ; f  ,   t .
  n
2.2. Ƣớc lƣợng khoảng cho tỉ lệ tổng thể p 1
Trong đó t tìm được từ (t )  (tra bảng B).
• Giả sử tỉ lệ p các phần tử có tính chất A của tổng thể 2
chưa biết. Với độ tin cậy 1   cho trước, khoảng tin Chú ý
t 2 
cậy cho p là  p1 ; p2  thỏa:
• n    f 1  f   1 là kích thước mẫu cần chọn ứng
P p1  p  p2   1   .
2
  
với  , 1   cho trước ([x] là phần nguyên của x).
VD 1. Một trường Đại học có 50.000 sinh viên. Điểm VD 2. Để ước lượng số cá trong 1 hồ người ta bắt lên
danh ngẫu nhiên 7000 sinh viên thấy có 765 sinh viên 3000 con, đánh dấu rồi thả lại xuống hồ. Sau 1 thời gian
nghỉ học. Hãy ước lượng số sinh viên nghỉ học của bắt lên 400 con thấy có 60 con có đánh dấu.
trường với độ tin cậy 95%. Với độ tin cậy 97%, hãy ước lượng số cá có trong hồ.
VD 3. Lấy ngẫu nhiên 200 sản phẩm trong 1 kho hàng 2.3. Ƣớc lƣợng trung bình tổng thể 
thấy có 21 phế phẩm. • Giả sử tổng thể có trung bình  chưa biết. Với độ tin
1) Ước lượng tỉ lệ phế phẩm có trong kho hàng với độ cậy 1   cho trước, khoảng tin cậy cho  là 1 ;  2 
tin cậy 99%.
2) Dựa vào mẫu trên, nếu muốn độ chính xác của ước thỏa: P 1     2   1   .
lượng là   0, 035 thì độ tin cậy của ước lượng là Trong thực hành ta có 4 trƣờng hợp sau
bao nhiêu ? a) Trường hợp 1. Kích thước mẫu n  30 và
3) Dựa vào tỉ lệ mẫu trên, nếu muốn độ chính xác của phương sai tổng thể 2 đã biết.
ước lượng là 0,01 với độ tin cậy 93% thì cần kiểm tra • Tính x (trung bình mẫu).
thêm bao nhiêu sản phẩm nữa ?
1 B
Từ 1     (t )   
 t .
2

 
• Suy ra   x  ; x   với   t
n
.
29
9/20/2009
b) Trường hợp 2. Kích thước mẫu n  30 và
d) Trường hợp 4. Kích thước mẫu n  30 , phương sai
phương sai tổng thể 2 chưa biết.
tổng thể 2 chưa biết và X có phân phối chuẩn.
n 2
• Tính x , sˆ2  s 2  sˆ  s n 2
n 1 • Tính x , sˆ2  s 2  sˆ  s .
n 1
(độ lệch chuẩn mẫu hiệu chỉnh). C
1 Từ 1        tn 1 (tra bảng C).

B
• Từ 1     (t )   
 t (tra bảng B)
2
s
 
• Suy ra   x  ; x   với   tn 1.
s
n
.
   x  ; x   với   t .
n Chú ý
• Trong thực hành, nếu đề bài không cho X có phân phối
c) Trường hợp 3. Kích thước mẫu n  30 , phương sai chuẩn thì ta bổ sung vào.
tổng thể 2 đã biết và X có phân phối chuẩn thì ta làm
như trường hợp 1.
VD 4. Khảo sát ngẫu nhiên 100 sinh viên thấy điểm VD 5. Đo đường kính của 100 trục máy do 1 nhà máy
trung bình môn XSTK là 5,12 điểm với độ lệch chuẩn sản xuất thì được bảng số liệu:
0,26 điểm. Hãy ước lượng điểm trung bình môn XSTK
Đường kính (cm) 9,75 9,80 9,85 9,90
của sinh viên với độ tin cậy 98%.
Số trục máy 5 37 42 16
1) Hãy ước lượng đường kính trung bình của trục máy
với độ tin cậy 97%.
2) Dựa vào mẫu trên, với độ chính xác 0,006, hãy xác
định độ tin cậy.
3) Dựa vào mẫu trên, nếu muốn có độ chính xác là 0,003
với độ tin cậy 95% thì cần phải đo bao nhiêu trục máy ?
VD 6. Biết chiều dài của 1 sản phẩm là biến ngẫu nhiên VD 7. Năng suất lúa trong 1 vùng là biến ngẫu nhiên có
có phân phối chuẩn. Đo ngẫu nhiên 10 sản phẩm này thì phân phối chuẩn. Gặt ngẫu nhiên 115 ha lúa của vùng
được trung bình 10,02m và độ lệch chuẩn của mẫu chưa này ta có số liệu:
hiệu chỉnh là 0,04m.
Tìm khoảng ước lượng chiều dài trung bình của loại sản Năng suất (tạ/ha) 40 – 42 42 – 44 44 – 46
phẩm này với độ tin cậy 95%. Diện tích (ha) 7 13 25
Năng suất (tạ/ha) 46 – 48 48 – 50 50 – 52
Diện tích (ha) 35 30 5
1) Hãy ước lượng năng suất lúa trung bình ở vùng này
với độ tin cậy 95%.
2) Những thửa ruộng có năng suất không quá 44 tạ/ha là
năng suất thấp. Hãy ước lượng năng suất trung bình của
những thửa ruộng có năng suất thấp với độ tin cậy 99%.
30
9/20/2009
 Chương 5. Ước lượng đặc trưng của tổng thể  Chương 6. Kiểm định Giả thiết Thống kê
VD 8. Để nghiên cứu nhu cầu về loại hàng X ở phường §1. Kiểm định giả thiết về đặc trƣng tổng thể
A người ta tiến hành khảo sát 400 trong toàn bộ
4000 gia đình, kết quả: §2. Kiểm định so sánh hai đặc trƣng
…………………………..
Nhu cầu (kg/tháng) 0 – 1 1 – 2 2 – 3 3 – 4
§1. KIỂM ĐỊNH GIẢ THIẾT
Số gia đình 10 35 86 132
VỀ ĐẶC TRƢNG TỔNG THỂ
Nhu cầu (kg/tháng) 4 – 5 5 – 6 6 – 7 7 – 8 1.1. Khái niệm bài toán kiểm định
Số gia đình 78 31 18 10 • Dùng các thống kê từ mẫu để chấp hay bác bỏ một giả
1) Ước lượng nhu cầu trung bình về loại hàng X của toàn thiết H nào đó nói về tổng thể gọi là
bộ gia đình phường A trong 1 năm với độ tin cậy 95%. kiểm định giả thiết thống kê.
2) Với mẫu khảo sát trên, nếu muốn có ước lượng nhu • Khi kiểm định giả thiết H có thể xảy ra 1 trong 2 sai
cầu trung bình về loại hàng X của phường A với độ lầm sau:
chính xác 4,8 tấn và độ tin cậy 99% thì cần khảo sát Loại 1: Bác bỏ H trong khi H đúng;
bao nhiêu gia đình trong phường A ? Loại 2: Chấp nhận H trong khi H sai.
 Chương 6. Kiểm định Giả thiết Thống kê  Chương 6. Kiểm định Giả thiết Thống kê
Các bước giải
• Phương pháp kiểm định là cho phép xác suất xảy ra sai
lầm loại 1 không vượt quá mức ý nghĩa α. Với mức ý • Đặt giả thiết H: p = p0
(tỉ lệ tổng thể như tỉ lệ p0).
nghĩa α đã cho, ta chấp nhận H nếu xác suất xảy ra sai • Từ mẫu cụ thể ta tính:
lầm loại 2 là nhỏ nhất. m
Tỉ lệ mẫu f  và
Chú ý n
f  p0
• Mức ý nghĩa α giảm thì P(loại I) giảm  P(loại II) Giá trị kiểm định t  .
tăng, nghĩa là khả năng chấp nhận H tăng. p0q 0
n
1.2. Kiểm định giả thiết tỉ lệ tổng thể p
1 B
F  p0 • Từ   1     (t )   
 t .
Với tỉ lệ p0 cho trước thì T   N (0; 1) và 2
p0q 0 – Nếu t  t thì ta chấp nhận giả thiết, nghĩa là p  p0 .
– Nếu t  t thì ta bác bỏ giả thiết, nghĩa là p  p0 .
n
• Trong trường hợp bác bỏ, nếu:
W  t  T P(t  t )    là miền bác bỏ giả thiết H. f  p0 thì kết luận p  p0 và f  p0 thì p  p0 .
VD 1. Kiểm tra 800 sinh viên trường A thấy có 128 SV VD 2. Để kiểm tra 1 loại súng thể thao, người ta cho bắn
giỏi. Trường A báo cáo tổng kết là có 20% sinh viên giỏi 1000 viên đạn vào bia thấy có 640 viên trúng đích. Sau
thì có thể chấp nhận được không với mức ý nghĩa 5% ? đó, bằng cải tiến kỹ thuật người ta nâng tỉ lệ trúng lên
70%. Hãy cho kết luận về cải tiến với mức ý nghĩa 1%.
31
9/20/2009
VD 3. Theo báo cáo, tỉ lệ hàng phế phẩm trong kho là VD 4. Một công ty tuyên bố rằng 40% dân chúng ưa
10%. Kiểm tra ngẫu nhiên 100 sản phẩm thấy có 13 phế thích sản phẩm của công ty. Một cuộc điều tra 400 người
phẩm. Với mức ý nghĩa 5% thì báo cáo trên có đáng tin tiêu dùng thấy có 170 người ưa thích sản phẩm của công
không ? ty. Với mức ý nghĩa 3%, hãy kiểm định tuyên bố trên ?
1.3. Kiểm định giả thiết trung bình tổng thể μ c) Trường hợp 3. Với n  30, 2 đã biết,
• Với trung bình μ0 cho trước, tương tự bài toán ước X có phân phối chuẩn (ta làm như trường hợp 1).
lượng khoảng cho trung bình tổng thể, ta có 4 trường d) Trường hợp 4. Với n  30, 2 chưa biết,
hợp sau (4 trường hợp đều đặt giả thiết H: µ = µ0).
X có phân phối chuẩn.
a) Trường hợp 1. Với n  30, 2 đã biết. x  0 C
x  0 • Tính t  . Từ mức ý nghĩa     tn1 .

• Tính t , t  . s

n
n • Nếu t  tn 1 ta chấp nhận giả thiết;
• Nếu t  t ta chấp nhận giả thiết;
t  tn 1 ta bác bỏ giả thiết.
t  t ta bác bỏ giả thiết.
b) Trường hợp 2. Với n  30, 2 chưa biết. Chú ý. Trong trường hợp bác bỏ:
Ta làm như trường hợp 1 nhưng thay   s . Nếu x   0 thì    0 ; nếu x   0 thì    0 .
VD 5. Trọng lượng trung bình của của một loại sản VD 6. Cân thử 15 con gà tây ở 1 trại chăn nuôi khi xuất
phẩm là 6 kg. Kiểm tra 121 sản phẩm thấy trọng lượng chuồng ta tính được x  3, 62kg . Biết trọng lượng gà tây
trung bình là 5,795 kg và phương sai sˆ2  5, 712 . là biến ngẫu nhiên có phương sai 2  0, 01.
Hãy kiểm định về trọng lượng trung bình của sản phẩm 1) Giám đốc nói rằng trọng lượng trung bình của gà tây
này với mức ý nghĩa 5%. của trại chăn nuôi này là 3,57 kg. Với mức ý nghĩa 7%
hãy kiểm định lời nói trên ?
2) Giả sử người ta dùng thức ăn mới và khi xuất chuồng
trọng lượng trung bình của gà tây là 3,69 kg. Với mức ý
nghĩa 2%, hãy cho kết luận về loại thức ăn này ?
32
9/20/2009
VD 7. Khối lượng của một bao gạo của 1 nhà máy là VD 8. Điểm trung bình môn Toán của sinh viên năm
BNN có độ lệch tiêu chuẩn là 0,3kg. Giám đốc tuyên bố trước là 5,72. Năm nay theo dõi 100 SV được số liệu:
khối lượng mỗi bao gạo của nhà máy là 50kg. Cân thử
50 bao thì thấy khối lượng trung bình là 49,97kg. Với Điểm 3 4 5 6 7 8 9
mức ý nghĩa 6%, hãy kiểm tra lời tuyên bố trên ? Số sinh viên 3 5 27 43 12 6 4
Với mức ý nghĩa 5%, phải chăng điểm trung bình môn
Toán của sinh viên năm nay cao hơn năm trước ?
VD 9. Chiều cao cây giống X(m) trong một vườm ươm §2. KIỂM ĐỊNH SO SÁNH HAI ĐẶC TRƢNG
là biến ngẫu nhiên có phân phối chuẩn. 2.1. So sánh hai tỉ lệ p x , p y của hai tổng thể X, Y
Đo ngẫu nhiên 25 cây ta có:
• Đặt giả thiết H : px  py .
X (m) 0,8 0,9 1,0 1,1 1,2 1,3 my mx  my
mx
Số cây 1 2 9 7 4 2 • Từ 2 mẫu ta tính fx  , fy  , p0  .
nx ny nx  ny
Theo quy định khi nào cây cao trung bình trên 1m thì
đem ra trồng. Với mức ý nghĩa 5%, có thể đem cây ra fx  fy
trồng được chưa ? • Tính giá trị kiểm định t  .
1 1 

p0q 0   
 nx ny 
• Nếu t  t thì chấp nhận H  px  py .
Nếu t  t và fx  fy thì bác bỏ H và px  py ;
Nếu t  t và fx  fy thì bác bỏ H và px  py .
VD 1. Từ hai tổng thể X và Y người ta tiến hành kiểm tra VD 2. Kiểm tra 120 sinh viên trường A thấy có 81 sinh
tỉ lệ 2 mẫu có kích thước nx  100 , ny  120 về 1 tính viên giỏi, 150 sinh viên trường B có 90 sinh viên giỏi.
Hỏi tỉ lệ sinh viên giỏi của 2 trường như nhau không với
chất A thì được fx  0, 27 và fy  0, 3 . Với mức ý nghĩa
mức ý nghĩa là 8%?
9% hãy so sánh hai tỉ lệ px , py của hai tổng thể X và Y.
33
9/20/2009
VD 3. Kiểm tra 120 sản phẩm ở kho I thấy có 6 phế 2.2. So sánh hai trung bình µx và µy của hai tổng thể
phẩm; 200 sản phẩm ở kho II thấy có 24 phế phẩm. Chất
lượng hàng ở hai kho có khác nhau không với: Tóm tắt 4 trƣờng hợp (chấp nhận hay bác bỏ giả thiết
1) Mức ý nghĩa 5% ? 2) Mức ý nghĩa 1% ? như bài kiểm định trung bình):
Trường hợp 1. nx , ny  30 và x2 , y2 đã biết.
x y
Ta tính kiểm định t  và so sánh với t .
2
x2 y

nx ny
Trường hợp 2. nx , ny  30 và x2 , y2 chưa biết.
Ta thay x2 , y2 bởi sx2 , sy2 trong trường hợp 1.
Trường hợp 3. nx , ny  30 và x2 , y2 đã biết đồng thời VD 4. Cân 100 trái cây ở nông trường X ta tính được
X, Y có phân phối chuẩn (làm như trường hợp 1). x  102gr; sx2  30 và 150 trái cây ở nông trường Y ta
Trường hợp 4. nx , ny  30 và x2 , y2 chưa biết có y  100 gr; sy2  31 . Hãy so sánh khối lượng trung
đồng thời X, Y có phân phối chuẩn. bình của trái cây ở 2 nông trường với mức ý nghĩa 1%.
• Tính phương sai mẫu chung chưa hiệu chỉnh của 2 mẫu
(nx  1)sx2  (ny  1)sy2
s2  .
nx  ny  2
x y
• Tính giá trị kiểm định t  .
1 1
s. 
nx ny
C n ny 2
• Từ    
 tx và so sánh với t.
VD 5. Đo đường kính 15 trục máy do máy X sản xuất và VD 6. Khối lượng trung bình của 23 trái dưa hấu do xã
17 trục máy do máy Y sản xuất ta tính được X trồng là 6,72kg với sx  0, 32kg. Khối lượng trung
x =251, 7 mm; sx2 =52, 853 và y  249, 8 mm; sy2  56, 2 . bình của 19 trái dưa hấu do xã Y trồng là 6,46kg với
Với mức ý nghĩa 1%, có thể xem đường kính trung bình sy  0, 41kg. Với mức ý nghĩa 5% có kết luận khối
của các trục máy do 2 máy sản xuất như nhau không? lượng trung bình trái dưa hấu do xã X trồng nặng hơn
không ?
34
9/20/2009
 Chương 7. Lý thuyết tương quan – Hàm hồi quy  Chương 7. Lý thuyết tương quan – Hàm hồi quy
1. Hệ số tƣơng quan giữa X và Y Biểu đồ trên đây gợi ý cho thấy mối liên hệ giữa độ tuổi
• Để minh họa cho vấn đề, chúng ta thử xem xét nghiên (X) và cholesterol (Y) là một đường thẳng (tuyến tính).
cứu sau đây mà trong đó nhà nghiên cứu đo lường độ
cholesterol (Y) trong máu của 10 đối tượng nam ở độ • Để “đo lường” mối liên hệ này, chúng ta có thể
tuổi (X). Kết quả đo lường như sau: sử dụng hệ số tương quan:
n
X 20 52 30 57 28 43 57 63 40 49
Y 1,9 4,0 2,6 4,5 2,9 3,8 4,1 4,6 3,2 4,0  (xi  x )(yi  y ) xy  x .y
i 1
rxy   .
Biểu đồ liên hệ giữa độ tuổi và độ cholesterol: n n sˆx .sˆy
 (xi  x )2  (yi  y )2
i 1 i 1
1
Trong đó xy   n x y , n   nij .
n i 1 ij i i
j 1
Ý nghĩa VD 1. Tính hệ số tương quan giữa độ tuổi và cholesterol
• Hệ số tương quan đo mối quan hệ tuyến tính giữa x, y. cho ở bảng trên. Ta có:
Cụ thể là: 1 n 1 n
x   xi  43, 9 ; y   yi  3, 56 ;
1) 1  rxy  1 . n i 1 n i 1
1
2) Nếu rxy  0 thì x và y không có quan hệ tuyến tính; xy   nij xiyi  167, 26 ;
n i 1
Nếu rxy  1 thì x và y có quan hệ tuyến tính j 1
tuyệt đối. sˆx  13, 5385 ; sˆy  0, 8333 .

3) Nếu rxy  0 thì quan hệ giữa x, y là giảm biến. xy  x .y
Vậy rxy   0, 9729 .
sˆx .sˆy
4) Nếu rxy  0 thì quan hệ giữa x, y là đồng biến.
2. Đƣờng thẳng hồi qui – Ước lượng cho a, b đáp ứng điều kiện trên là:
• Để tiện việc theo dõi và mô tả mô hình, ta gọi độ tuổi xy  x .y
cho cá nhân i là xi và cholesterol là yi, i  1;10 . a , b  y  ax .
– Các điểm có tọa độ (xi; yi) tạo thành đường gấp khúc sˆx2
và gần với đường thẳng có dạng y = ax + b. y y x x
Người ta dùng đường thẳng y = ax + b để tính xấp xỉ Chú ý. x  rxy .
sˆy sˆx
các giá trị yi theo xi: yi  axi  b  i với một sai số
VD 2. Đo chiều cao X(m) và khối lượng Y(kg) của 5
i , đường thẳng này được gọi là đường thẳng hồi quy. học sinh, ta có kết quả:
– Các thông số a, b phải được ước tính từ dữ liệu. X(m) 1,45 1,6 1,5 1,65 1,55
Phương pháp để ước tính các thông số này là phương Y(kg) 50 55 45 60 55
pháp bình phương bé nhất. Phương pháp bình phương 1) Tìm hệ số tương quan rxy.
bé nhất là tìm giá trị a, b sao cho tổng bình phương
n n
2) Lập phương trình hồi quy tuyến tính của Y theo X.
2
sai số  i2   yi  (axi  b) là nhỏ nhất. 3) Dự đoán nếu một học sinh cao 1,62m thì nặng khoảng
i 1 i 1 bao nhiêu kg?
35
9/20/2009
VD 3. Số vốn đầu tư X (triệu đồng) và lợi nhuận Y (triệu VD 4. Số thùng bia Y(thùng) được bán ra phụ thuộc vào
đồng) trong một đơn vị thời gian của 100 quan sát là: giá bán X (triệu đồng/ thùng). Điều tra 100 đại lý về 1
Y loại bia trong một đơn vị thời gian có bảng số liệu:
X 0,3 0,7 1,0 Y
1 20 10 X 100 110 120
2 30 10 0,150 5 15 30
3 10 20 0,160 10 25
1) Lập phương trình hồi tuyến tính của X theo Y. 0,165 15
2) Dự đoán nếu muốn lợi nhuận thu được là 0,5 triệu 1) Tính hệ số tương quan rxy.
đồng thì cần đầu tư bao nhiêu? 2) Lập phương trình hồi tuyến tính của X theo Y.
3) Dự đoán nếu muốn bán được 115 thùng bia thì giá
bán mỗi thùng cỡ bao nhiêu?
3. Sử dụng máy tính bỏ túi tìm đƣờng hồi qui Xuất kết quả:
VD 5. (fx 500ES) Bài toán cho dạng cặp (xi , yi )như sau SHIFT 1  7  1(A chính là b trong phương trình)
X 20 52 30 57 28 43 57 63 40 49 2 (B chính là a trong phương trình)
Y 1,9 4,0 2,6 4,5 2,9 3,8 4,1 4,6 3,2 4,0  3 (r chính là rxy ).
Tìm hệ số rxy , đường hồi qui mẫu yx  ax  b . Đáp số: rxy  0, 9729 ; y  0, 0599x  0, 9311.
Nhập liệu:
SHIFT  MODE  dịch chuyển mũi tên tìm chọn VD 6. (fx 500ES) Bài toán cho dạng bảng như sau
mục Stat  2 (chế độ không tần số)
MODE  3 (stat)  2 (A+Bx)  (nhập các giá trị X
của X, Y vào 2 cột) Y 21 23 25
X Y 3 2
20 1,9 4 5 3
… … 5 11 8
49 4,0
 Chương 7. Lý thuyết tương quan – Hàm hồi quy

Nhập liệu:
SHIFT  MODE  dịch chuyển mũi tên tìm chọn
Mục Stat  1 (chế độ có tần số)
MODE  3 (stat)  2 (A+Bx)  (nhập các giá trị
của X, Y, tần số vào 2 cột)
X Y FREQ
21 3 2
21 4 5
23 4 3
23 5 11
25 5 8
Xuất kết quả giống ví dụ trên.
Đáp số: rxy  0, 7326; y  0, 3145x  2, 6694.
Chú ý. Sai số khi tính sẽ lớn hơn cách dùng công thức.
36

SlideXSTK SV

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

SlideXSTK SV

Uploaded by

Copyright:

Available Formats

9/20/2009

 PHẦN II. LÝ THUYẾT THỐNG KÊ

5. Xác suất – Thống kê và Ứng dụng  PHẦN I. LÝ THUYẾT XÁC SUẤT

 Chương 0. Bổ túc về Đại số tổ hợp  Chương 0. Bổ túc về Đại số tổ hợp

 Chương 0. Bổ túc về Đại số tổ hợp  Chương 0. Bổ túc về Đại số tổ hợp

§3. CÔNG THỨC TÍNH XÁC SUẤT

c) Biến cố đối lập

VD 1. Một hộp phấn có 10 viên trong đó có 3 viên màu

• Xác suất có điều kiện cho phép chúng ta sử dụng thông

VD 6. Một cầu thủ bóng rổ có 4 quả bóng đang ném

• Liên hệ với xác suất và hàm mật độ xác suất

3) Đồ thị: a) Trƣờng hợp 1 biến

VD 3. Thời gian chờ mua hàng của khách là biến ngẫu

phân phối chuẩn đơn giản T  N 0; 1 . x t2

• Hàm mật độ phân phối xác suất của T:

VD 13. Tuổi thọ của 1 loại bóng đèn là X (năm) với

I 0,1200 0,0010  2   x 2  2

chiều thường được ký hiệu (X ,Y ).

Bảng phân phối xác suất 6 0,1 0,05 0,15

1) Tính xác suất P X Y  1. 2 0, 02 0, 04 0, 01

Định nghĩa • Hàm mật độ của X : fX (x )   f (x , y )dy.

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

 Chương 4. Lý thuyết mẫu  Chương 4. Lý thuyết mẫu

1 §2. ƢỚC LƢỢNG KHOẢNG

• Xác suất 1   là độ tin cậy của ước lượng,

tuyệt đối. sˆx  13, 5385 ; sˆy  0, 8333 .

 Chương 7. Lý thuyết tương quan – Hàm hồi quy

You might also like