›
›

Bài giảng Xác suất và thống kê (Phần 2)

pdf 60 trang ngocly 80
Download
Bạn đang xem 20 trang mẫu của tài liệu "Bài giảng Xác suất và thống kê (Phần 2)", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • pdfbai_giang_xac_suat_va_thong_ke_phan_2.pdf

Nội dung text: Bài giảng Xác suất và thống kê (Phần 2)

  1. Chương 6 Lý thuyết mẫu 6.1 Tổng thể, mẫu Ta cần nghiên cứu đặc tính X (cân nặng, chiều cao ) của tập lớn gồm N phần tử (N phần tử này được gọi là tổng thể). Thông thường ta không quan sát hết tất cả các phần tử của tập hợp này bởi vì các lý do: Làm hư hại tất cả các phần tử (kiểm tra đồ hộp, bắn thử đạn) • Thời gian và kinh phí không cho phép – Số phần tử quá lớn (Nghiên cứu • một đặc điểm nào của trẻ ta không thể đợi nghiên cứu toàn bộ trẻ em trên thế giới rồi mới đưa ra kết luận). Do đó người ta lấy từ tổng thể này ra n phần tử (n phần tử này được gọi là mẫu) và quan sát đặc tính X để tính các đặc trưng trên mẫu sau đó sử dụng công cụ toán học để đưa ra kết luận cho tổng thể mà ta không có điều kiện khảo sát tất cả các phần tử. Muốn mẫu lấy ra đại diện tốt cho tổng thể thì mẫu phải thỏa mãn hai điều kiện chính: Mẫu phải chọn ngẫu nhiên từ tổng thể. • Các phân phối của mẫu phải được chọn độc lập nhau. • Khi quan sát phần tử thứ i, ta gọi Xi là biến ngẫu nhiên giá trị quan sát đặc tính X trên phần tử thứ i. Trong trường hợp cụ thể, giả sử Xi có giá trị xn thì bộ n giá trị cụ thể (x1, ,xn) được gọi là mẫu cụ thể, cỡ mẫu cụ thể là n. Bộ n biến ngẫu nhiên độc lập (X1, ,Xn) gọi là mẫu ngẫu nhiên.
  2. 6.2 Mô tả dữ liệu 93 Ví dụ 6.1. Khảo sát điểm môn xác suất thống kê của sinh viên lớp A có 100 sinh viên, tiến hành lấy mẫu có cỡ mẫu là 5. Gọi Xi,i =1, , 5 là điểm của sinh viên thứ i trong 5 sinh viên được khảo sát. Nếu X1 = 3, X2 = 7, X3 = 8, X4 =5, X5 =7 thì ta có mẫu cụ thể (3, 7, 8, 5, 7). Tính chất 6.1 (Mẫu ngẫu nhiên). Cho ngẫu nhiên (X1, ,Xn) , trong đó Xi giá trị quan sát đặc tính X trên phần tử thứ i. Khi đó: i. Các Xi có cùng phân phối như X. ii. Các Xi độc lập nhau. 6.2 Mô tả dữ liệu 6.2.1 Phân loại mẫu ngẫu nhiên Mẫu ngẫu nhiên còn được phân làm 2 loại: Mẫu chỉ quan tâm các phần tử của nó có tính chất A hay không gọi là • mẫu định tính. Giả sử tỷ lệ phần tử A trên tổng thể là p, ta đặt 1 Nếu phần tử thứ i loại A X = , i =1, ,n i 0 Nếu phần tử thứ i khác loại A Khi đó các Xi độc lập và cùng phân phối xác suất với X, Xi B(p). ∼ Mẫu mà ta quan tâm đến các yếu tố về lượng như là chiều cao, cân nặng, • mức hao phí nhiên liệu của một loại động cơ, gọi là mẫu định lượng. 6.2.2 Sắp xếp số liệu Giả sử mẫu cụ thể (x , ,xn) có k giá trị khác nhau x , ,xk, (k n) và 1 1 ≤ xi có tần số ni (với n + + nk = n). khi đó, số liệu được sắp xếp theo thứ 1 tự tăng dần của xi như sau: X x x xk 1 2 ni n n nk 1 2 Bảng này gọi là bảng tần số dạng điểm.
  3. 6.3 Các đặc trưng của mẫu 94 Ví dụ 6.2. Khảo sát tuổi (X) trẻ bắt đầu đến trường ở một địa phương, lấy mẫu cỡ 10 ta có mẫu cụ thể như sau: 4, 5, 6, 7, 6, 6, 5, 5, 6, 6 Có bảng tần số dạng điểm: X 4 5 6 7 ni 1 3 5 1 Giả sử mẫu cụ thể (x1, ,xn) có nhiều giá trị khác nhau (quan sát từ biến ngẫu nhiên liên tục) thường người ta phân dữ liệu theo khoảng: X a0 a1 a1 a2 ak 1 ak − − − − ni n n nk 1 2 Bảng này gọi là bảng tần số dạng khoảng. Trong đó nk là số quan sát có giá trị thuộc khoảng (ak 1; ak]. Khi tính toán ta đưa về bảng tần số dạng điểm − xk 1 + xk bằng cách lấy giá trị chính giữa của mỗi khoảng x = − . k x Ví dụ 6.3. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Bảng tần số dạng điểm có dạng: Thời gian 35 37 39 41 43 Số thai phụ 7 10 59 41 4 6.3 Các đặc trưng của mẫu Giả sử ta cần nghiên cứu đặc tính X. Ký hiệu các tham số µ = EX và σ2 = VarX. Trong thống kê các tham số này là các tham số lý thuyết.
  4. 6.3 Các đặc trưng của mẫu 95 6.3.1 Trung bình mẫu Xét mẫu ngẫu nhiên (X1, ,Xn) lấy từ X. Định nghĩa 6.2 (Trung bình mẫu). Biến ngẫu nhiên 1 X¯ = (X + + Xn) n 1 được gọi là trung bình mẫu. Từ các tính chất của mẫu ngẫu nhiên, ta có: Tính chất 6.3. Trung bình mẫu có tính chất: 1 nµ i. EX¯ = (EX + + EXn)= = µ. n 1 n 1 nσ2 σ2 ii. VarX¯ = (VarX + + VarXn)= = n2 1 n2 n 1 Cho mẫu cụ thể (x , ,xn), trung bình mẫu x¯ = (x + + xn) và trung 1 n 1 1 bình của bình phương x2 = (x2 + + x2 ) n 1 n 1 Chú ý. Khi số liệu cho dưới dạng bảng tần số thì x¯ = (x n + xknk) và n 1 1 2 1 2 2 trung bình của bình phương là x = (x n + x nk) n 1 1 k 6.3.2 Phương sai mẫu Xét mẫu ngẫu nhiên (X1, ,Xn) lấy từ X. Định nghĩa 6.4 (Phương sai mẫu). Biến ngẫu nhiên 2 1 2 2 Sˆ = (X X¯) + +(Xn X¯) n 1 − − được gọi là phương sai mẫu. Tính chất 6.5. Phương sai mẫu có các tính chất i. Sˆ2 = EX2 (EX)2 n −1 ii. ESˆ2 = − σ2. n 2 2 2 Cho mẫu cụ thể (x , ,xn), phương sai mẫu sˆ = x x¯ . 1 −
  5. 6.3 Các đặc trưng của mẫu 96 6.3.3 Phương sai mẫu có hiệu chỉnh Xét mẫu ngẫu nhiên (X1, ,Xn) lấy từ X. Định nghĩa 6.6 (Phương sai mẫu có hiệu chỉnh). Biến ngẫu nhiên 2 1 2 2 S = (X X¯) + +(Xn X¯) n 1 1 − − − được gọi là phương sai mẫu có hiệu chỉnh. Tính chất 6.7. Phương sai mẫu có các tính chất n i. S2 = Sˆ2 n 1 ii. ES2 = σ−2. n Cho mẫu cụ thể (x , ,x ), phương sai mẫu có hiệu chỉnh s2 = sˆ2. 1 n n 1 − Ta thấy phương sai mẫu và phương sai mẫu có đơn vị đo bằng bình phương đơn vị đo của đặc tính X. Để chuyển về cùng đơn vị ta có khái niệm: Độ lệch chuẩn của mẫu, sˆ = √sˆ2 • Độ lệch chuẩn của mẫu có hiệu chỉnh, s = √s2 • Ví dụ 6.4. Khảo sát chiều cao (cm) của nữ sinh trong một trường đại học ta có số liệu như sau 153; 160; 145; 162; 165; 158 Tính: x,¯ sˆ2, s2, s,ˆ s Giải. Trung bình mẫu 1 x¯ = (153+160+145+162+165+158) = 157, 1666 6 Trung bình của bình phương 1 x2 = (1532 + 1602 + 1452 + 1622 + 1652 + 1582) = 24744, 5 6 Phương sai mẫu sˆ2 = x2 x¯2 = 24744, 5 157, 16662 = 43, 1598 − −
  6. 6.3 Các đặc trưng của mẫu 97 n 6 Phương sai mẫu có hiệu chỉnh s2 = sˆ2 = 43, 1598 = 51, 7907 n 1 5 − Độ lệch chuẩn của mẫu sˆ = √sˆ2 = √43, 1598 Độ lệch chuẩn của mẫu có hiệu chỉnh s = √s2 = √51, 7907 Chú ý. Hướng dẫn sử dụng máy tính cầm tay tính các đặc trưng mẫu a. Máy FX500MS (tương tự cho máy FX570MS) – Bước 1: Ấn phím Mod đến khi màn hình xuất hiện chữ SD và chọn số tương ứng với mục SD – Bước 2: Nhập số liệu 153; M+; 160; M+; 145; M+; 162; M+; 165; M+; 158; M+ – Bước 3: Sau khi đã nhập hết các số liệu tiếp theo bạn nhấn phím on – Bước 4: Xuất kết quả nhấn Shift > 2 Tính x¯(¯x): 1; = ∗ Tính sˆ(xσn): 2; = ∗ Tính s(xσn 1) : 3; = ∗ − b. Máy FX500ES (tương tự cho FX570ES ) – Bước 1: Shift; Mode; ; chọn (Stat); chọn (Off) (Số liệu nhập vào ↓ không có tần số) – Bước 2: Mod; chọn (Stat); chọn (1Var) – Bước 3: Nhập số liệu 153; =; 160; =; 145; =; 162; =; 165; =; 158; = – Sau khi đã nhập hết các số liệu tiếp theo bạn nhấn phím on – Xuất kết quả Shift; 1; chọn (Var) Tính n(n): 1; = ∗ Tính x¯(¯x): 2; = ∗ Tính sˆ(xσn): 3; = ∗ Tính s(xσn 1) : 4; = ∗ − Ví dụ 6.5. Điểm môn xác suất thống kê của một số sinh viên khoa A cho như sau
  7. 6.3 Các đặc trưng của mẫu 98 Điểm 5 6 7 8 9 10 Số SV 2 4 12 15 6 2 a. Tính x¯. 1 x¯ = (5 2+6 4+7 12+8 15+9 6+10 2)=7, 6097 41 b. Tính sˆ2. 1 x2 = (52 2+62 4+72 12+82 15+92 6+102 2) = 59, 2195 41 suy ra sˆ2 = x2 x¯2 = 59, 2195 7, 60972 =1, 3119. − Chú ý. Hướng dẫn sử dụng máy tính cầm ta tính các đặc trưng mẫu (mẫu có tần số) a. Máy FX500MS (tương tự cho máy FX570MS) – Bước 1: Ấn phím Mod đến khi màn hình xuất hiện chữ SD và chọn số tương ứng với mục SD – Bước 2: Nhập số liệu 5; Shift;, ; 2; M+; 6; Shift;, ; 4; M+; 7; Shift;, ; 12; M+; 8; Shift;, ; 15; M+; 9; Shift;, ; 6; M+; 10; Shift;, ; 2; M+ – Bước 4: Sau khi đã nhập hết các số liệu tiếp theo bạn nhấn phím on – Bước 3: Xuất kết quả nhấn Shift; 2 Tính x¯(¯x): 1; = ∗ Tính sˆ(xσn): 2; = ∗ Tính s(xσn 1) : 3; = ∗ − b. Máy FX500ES (tương tự cho FX570ES)
  8. 6.4Phânphốixácsuấtcủatrungbìnhmẫu 99 – Bước 1: Shift; Mode; ; chọn (Stat); chọn (On) (Số liệu nhập vào có ↓ tần số) – Bước 2: Mod; chọn (Stat); chọn (1Var) – Bước 3: Nhập số liệu Cột x: 5 ; =; 6; =; 7; =; 8; =; 9; =; 10; = Cột Freq: 2; =; 4; =; 12; =; 15; =; 6; =; 2; = – Sau khi đã nhập hết các số liệu tiếp theo bạn nhấn phím on – Xuất kết quả Shift; 1; chọn (Var) Tính n(n): 1; = ∗ Tính x¯(¯x): 2; = ∗ Tính sˆ(xσn): 3; = ∗ Tính s(xσn 1) : 4; = ∗ − Ví dụ 6.6. Năng suất lúa trong 1 vùng là đại lượng ngẫu nhiên có phân phối chuẩn. Gặt ngẫu nhiên 115 ha của vùng này, người ta thu được bảng số liệu: Năng suất (tạ / ha) 4042 42 – 44 44 – 46 46 – 48 48 – 50 50 – 52 Diện tích (ha) 7 13 25 35 30 5 Tính x¯; sˆ2. 6.4 Phân phối xác suất của trung bình mẫu a. Trường hợp X N(µ; σ3) ∼ 2 Gọi (X , ,Xn) là mẫu ngẫu nhiên lấy từ X, khi đó Xi N(µ; σ ) và 1 ∼ σ2 X¯ N µ; (6.1) ∼ n Trong trường hợp chưa biết σ2 ta có ¯ X µ n 1 − T − (6.2) S ∼ √n
  9. 6.5 Đại lượng thống kê 100 b. Trường hợp cỡ mẫu lớn∗ . σ2 X¯ N µ; (6.3) ∼ n Trong trường hợp chưa biết σ2 ta có . S2 X¯ N µ; (6.4) ∼ n Chú ý. Khi mẫu (X1, ,Xn) là mẫu định tính, tỷ lệ phần tử A trên tổng thể là p. 1 Nếu phần tử thứ i loại A, P (X =1)= p X = i , i =1, ,n i 0 Nếu phần tử thứ i khác loại A, P (X =0)= q i Các biến ngẫu nhiên Xi độc lập và Xi B(p), theo 4.5.2 ta có ∼ . 2 X/n p . X = X + + Xn N np; √npq hay − N (0; 1) (6.5) 1 ∼ npq ∼ n Trong đó X/n gọi là tỷ lệ phần tử A của mẫu, thường được ký hiệu F. 6.5 Đại lượng thống kê Giả sử có mẫu ngẫu nhiên (X1, ,Xn) từ biến ngẫu nhiên X. Định nghĩa 6.8. Hàm số θ (X1, ,Xn) phụ thuộc vào mẫu được gọi là đại lượng thống kê. (Người ta còn gọi ngắn gọn là thống kê). Ví dụ 6.7. Trung bình mẫu, phương sai mẫu, tỷ lệ mẫu là các thống kê. ∗Trong thống kê, cỡ mẫu gọi là lớn khi n 30. ≥
  10. Chương 7 Ước lượng tham số 7.1 Khái niệm chung Giả sử biến ngẫu nhiên X có tham số θ chưa biết, dựa vào mẫu ngẫu nhiên (X1, ,Xn) ta đưa ra thống kê θˆ = θ(X1, ,Xn) để ước lượng giá trị của θ. Có hai phương pháp: Ước lượng điểm: Chỉ ra giá trị θ để ước lượng cho θ. • 0 Ước lượng khoảng: Chỉ ra một khoảng (θ ; θ ) chứa θ sao cho P (θ <θ<θ )= • 1 2 1 2 1 α cho trước, trong đó 1 α gọi là độ tin cậy của ước lượng. − − 7.2 Ước lượng điểm Định nghĩa 7.1 (Ước lượng không chệch). Thống kê θˆ được gọi là ước lượng không chệch cho tham số θ nếu E(θˆ)= θ. Ví dụ 7.1. Giả sử biến ngẫu nhiên X có giá trị trung bình là µ. Từ X ta lập mẫu ngẫu nhiên (X1, ,Xn). Khi đó X¯ là ước lượng không chệch∗ cho µ 1 Ta nhận thấy thống kê θˆ = (X + X ) cũng là một ước lượng không chệch 2 1 n cho θ. Vì vậy có thể nói có nhiều ước lượng không chệch cho θ. Vấn đề cần một tiêu chuẩn để chọn một thống kê θˆ trong lớp các ước lượng không chệch cho θ. ∗Theo tính chất 6.3
  11. 7.3 Ước lượng khoảng 102 Định nghĩa 7.2 (Ước lượng hiệu quả). Ước lượng không chệch θˆ được gọi là ước lượng có hiệu quả của tham số θ nếu Var θˆ nhỏ nhất trong các ước lượng không chệch của θ. Chú ý. Người ta chứng minh được rằng nếu θˆ là ước lượng hiệu quả của θ thì phương sai của nó là 1 Var θˆ = nE ∂ ln f(x,0) ∂θ Trong đó f(x,θ) là hàm mật độ xác suất của biến ngẫu nhiên gốc. Các thống kê X,S¯ 2,F là ước lượng hiệu quả cho tham số µ, σ2,p. Ta có quy tắc thực hành ước lượng điểm như sau: Tham số lý thuyết Đặc trưng mẫu Ước lượng EX = µ x¯ µ x¯ ≈ VarX = σ2 s2 σ2 s2 ≈ p (tỷ lệ phần tử A ) f=tỷ lệ phần tử A trên mẫu p f ≈ 7.3 Ước lượng khoảng 7.3.1 Mô tả phương pháp. Gọi θ là tham số của X chưa biết. Với mẫu cụ thể (x1, ,xn) ta tìm khoảng (θ ; θ ) chứa θ sao cho P (θ <θ<θ )=1 α cho trước. 1 2 1 2 − Khoảng (θ ; θ ) gọi là khoảng tin cậy. • 1 2 θ θ gọi là độ dài khoảng tin cậy. • | 1 − 2| 1 α gọi là độ tin cậy. • − 7.3.2 Ước lượng khoảng cho trung bình Gọi µ là trung bình của X chưa biết ta tìm khoảng (µ1; µ2) chứa µ sao cho P (µ <µ<µ )=1 α. Khoảng tin cậy (µ ; µ )=(¯x ε;¯x + ε), với ε gọi 1 2 − 1 2 − là độ chính xác của ước lượng. Trong đó ε tính như sau† †Công thức tính độ chính xác được giải thích ở phụ lục B.1.1
  12. 7.3 Ước lượng khoảng 103 XXX XX XXX Cỡ mẫu 2 XX n 30 n< 30, X N(µ; σ ) V XX arX XXX ≥ ∼ σ σ 2 ε = t 1−α ε = t 1−α Biết σ √n 2 √n 2 1−α 1−α (t 2 tra bảng A.2) (t 2 tra bảng A.2) s s n 1 2 ε = t 1−α ε = t − Không biết σ √n 2 √n α n 1 1−α (t 2 tra bảng A.2) (tα− tra bảng A.3). Ví dụ 7.2. Khảo sát về thời gian tự học X (giờ/tuần) trong tuần của một số sinh viên hệ chính quy ở trường đại học A trong thời gian gần đây, người ta thu được bảng số liệu X 5 6 7 8 9 10 Số SV 10 35 45 36 10 8 Ước lượng thời gian tự học trung bình của một sinh viên với độ tin cậy 95% cho hai trường hợp: a. Biết σ =2 b. Chưa biết σ Giải. Từ mẫu ta tính được n = 144;¯x =7, 1736; s =1, 2366. Gọi µ là thời gian tự học trung bình của sinh viên. Khoảng ước lượng cho µ với độ tin cậy 95% có dạng (µ ; µ )=(¯x ε;¯x + ε) 1 2 − Tiếp theo ta tính ε cho từng trường hợp: a. Biết σ =2 σ 2 ε = t 1−α = 1, 96=0, 3267 √n 2 √144 Vậy khoảng ước lượng (µ ; µ )=(7, 1736 0, 3267; 7, 1736+ 0, 3267) = (6, 8469; 7, 5003) 1 2 −
  13. 7.3 Ước lượng khoảng 104 1 α Chú ý. Cho trước độ tin cậy là 1 α =0, 95 cho nên ta có − =0, 475. Tra − 2 bảng A.2 ta có t0,475 =1, 96. b. Không biết σ s 1, 2366 ε = t 1−α = 1, 96=0, 202 √n 2 √144 Vậy khoảng ước lượng (µ ; µ ) = (7, 1736 0, 202;7, 1736 + 0, 202) = 1 2 − (6, 9716; 7, 3756) Chú ý. Với t0,475 =1, 96 được tính như câu a. Ví dụ 7.3. Khảo sát cân nặng (kg) của gà khi xuất chuồng, người ta cân một số con và kết quả cho như sau: 2,1; 1,8; 2,0; 2,3; 1,7; 1,5; 2,0; 2,2; 1,8 Giả sử cân nặng của gà là biến ngẫu nhiên có phân phối chuẩn. Với độ tin cậy 95% ước lượng cân nặng trung bình của gà khi xuất chuồng: a. Biết σ =0, 3. b. Không biết σ. Giải. Từ mẫu ta tính được n = 9;¯x =1, 9333; s =0, 2549. Gọi µ là cân nặng trung bình của gà khi xuất chuồng. a. Cho biết σ =0, 3 σ 0, 3 ε = t 1−α = 1, 96=0, 196 √n 2 √9 Vậy khoảng ước lượng (µ ; µ )=(1, 9333 0, 196;1, 9333+ 0, 196) = (1, 7373; 2, 1293) 1 2 − b. Không biết σ s n 1 0, 2549 ε = t − = 2, 306= 0, 1959 √n α √9 Vậy khoảng ước lượng (µ ; µ ) = (1, 9333 0, 1959; 1, 9333 + 0, 1959) = 1 2 − (1, 7374; 2, 1292)
  14. 7.3 Ước lượng khoảng 105 Chú ý. Cho trước độ tin cậy là 1 α = 0, 95 cho nên ta có α = 0, 05. Tra 8 − bảng A.3 ta có t0,05 =2, 306. Chú ý. Các chỉ tiêu ước lượng trung bình. Ta nhận thấy trong ước lượng trung bình có 3 chỉ tiêu chính ε, 1 α,n. Nếu biết hai chỉ tiêu thì sẽ xác định − được chỉ tiêu thứ 3. a. Xác định cỡ mẫu n nhỏ nhất sao cho độ chính xác không lớn hơn ε và độ tin cậy là 1 α (ở đây ta luôn giả sử cỡ mẫu lớn). Ta có − σ 2 s 2 n t 1−α hoặc n t 1−α ≥ ε 2 ≥ ε 2 n nhỏ nhất thỏa điều kiện trên là σ 2 s 2 n = t 1−α +1 hoặc n = t 1−α +1 ε 2 ε 2 b. Xác định độ tin cậy của ước lượng khi biết độ chính xác của ước lượng. ε√n Trước hết xác định giá trị t 1−α = . Và từ đây dễ dàng tính được 2 s 1 α. − Ví dụ 7.4. Cân thử 121 sản phẩm (đơn vị tính bằng kg) ta tính được s2 =5, 76. a. Xác định độ chính xác nếu muốn ước lượng trọng lượng trung bình với độ tin cậy 95%. b. Xác định cỡ mẫu nhỏ nhất để lượng trọng lượng trung bình với độ tin cậy 95% và độ chính xác nhỏ hơn 0,4. c. Xác định độ tin cậy nếu muốn ước lượng trung bình với độ chính xác là ε =0, 5. Giải. a. Xác định độ chính xác: s 2, 4 ε = t 1−α = 1, 96=0, 4276 √n 2 √121
  15. 7.3 Ước lượng khoảng 106 b. Xác định cỡ mẫu n. s 2 2, 4 2 n = t 1−α +1= 1.96 +1=139 ε 2 0, 4 c. Xác định độ tin cậy, trước hết ta tính ε√n 0, 5√121 t 1−α = = =2, 29 2 s 2, 4 1 α Tra bảng A.2 ta tính được − =0, 489. Từ đó suy ra 1 α =0, 978 2 − 7.3.3 Ước lượng khoảng cho tỷ lệ Gọi p là tỷ lệ phần tử A chưa biết ta tìm khoảng (p1; p2) chứa p sao cho P (p <p<p )=1 α. Khoảng tin cậy 1 2 − (p ; p )=(f ε; f + ε) 1 2 − trong đó f là tỷ lệ phần tử A tính trên mẫu. • ε gọi là độ chính xác của ước lượng được tính như sau‡ • f(1 f) 1−α ε = − t 2 n Ví dụ 7.5. Khảo sát tỷ lệ phế phẩm do một nhà máy sản xuất ra, người ta quan sát 800 sản phẩm thấy có 8 phế phẩm. Với độ tin cậy 95% hãy ước lượng tỷ lệ phế phẩn của nhà máy. Giải. Gọi 8 f là tỷ lệ phế phẩm trên mẫu. f = =0, 01 . 800 p là tỷ lệ phế phẩm của nhà máy. ‡Công thức tính độ chính xác được giải thích ở phụ lục B.1.2
  16. 7.3 Ước lượng khoảng 107 Độ chính xác của ước lượng tỷ lệ f(1 f) 0, 01(1 0, 01) 1−α ε = − t 2 = − 1, 96=0, 0069 n 800 Vậy khoảng ước lượng cho p với độ tin cậy 95% là (p ; p )=(0, 01 0, 0069; 0, 01+0, 0069) = (0, 0031; 0, 0169) 1 2 − Chú ý. Xác định các chỉ tiêu ước lượng a Xác định cỡ mẫu n nhỏ nhất sao cho độ chính xác không lớn hơn ε và f(1 f) 2 độ tin cậy là 1 α Ta có n − t 1−α . n nhỏ nhất thỏa điều − ≥ ε2 2 kiện trên là f(1 f) 2 n = − t 1−α +1 ε2 2 b Xác định độ tin cậy của ước lượng khi biết độ chính xác của ước lượng. Trước hết xác định giá trị n t 1−α = ε . 2 f(1 f) − Và từ đây dễ dàng tính được 1 α bằng bảng A.2. − Ví dụ 7.6. Quan sát 800 sản phẩm do một xí nghiệp sản xuất ra thấy có 128 mẫu loại A. a. Xác định độ chính xác nếu muốn ước lượng tỷ lệ sản phẩm loại A với độ tin cậy 95%. b. Xác định cỡ mẫu nhỏ nhất để ước lượng tỷ lệ sản phẩm loại A với độ chính xác nhỏ hơn 0,023 và độ tin cậy 95%. c. Xác định độ tin cậy nếu muốn ước lượng tỷ lệ sản phẩm A với độ chính xác là 0,022. Giải. Gọi: 128 f là tỷ lệ sản phẩm loại A tính trên mẫu f = =0, 16 . 800
  17. 7.4 Bài tập chương 7 108 p là tỷ lệ sản phẩm loại A do xí nghiệp sản xuất ra. a. Độ chính xác của ước lượng f(1 f) 0, 16(1 0, 16) 1−α ε = − t 2 = − 1, 96=0, 0254 n 800 b. Xác định n 2 f(1 f) 0, 16(1 0, 16) 2 n = − t 1−α +1= − 1, 96 +1=977 ε2 2 0, 0232 c. Xác định độ tin cậy 1 α − n 800 t 1−α = ε =0, 022 =1, 69 2 f(1 f) 0, 016(1 0, 016) − − 1 α Tra bảng A.2 ta tính được − =0, 4545. Từ đó suy ra 1 α =0, 909 2 − 7.4 Bài tập chương 7 Bài tập 7.1. Kiểm tra ngẫu nhiên 25 bóng đèn của một hãng điện tử, thấy tuổi thọ trung bình là 5000 giờ, độ lệch chuẩn của mẫu có hiệu chỉnh là 200 giờ. Giả sử tuổi thọ của bóng đèn có phân phối chuẩn. Tính khoảng ước lượng tuổi thọ trung bình của loại bóng đèn trên với độ tin cậy 95%. (4917,44 giờ; 5082,56 giờ) Bài tập 7.2. Kiểm tra ngẫu nhiên 25 bóng đèn của một hãng điện tử, thấy độ lệch chuẩn của mẫu có hiệu chỉnh là 200 giờ. Giả sử tuổi thọ của bóng
  18. 7.4 Bài tập chương 7 109 đèn có phân phối chuẩn. Sử dụng mẫu trên để ước lượng tuổi thọ trung bình của loại bóng đèn trên với độ chính xác là 73,12 giờ thì đảm bảo độ tin cậy bao nhiêu? 92% Bài tập 7.3. Thăm dò 25 người đang sử dụng điện thoại di động về số tiền phải trả trong 1 tháng, thấy số tiền trung bình một người phải trả là 200 ngàn đồng, độ lệch chuẩn của mẫu có hiệu chỉnh là 50 ngàn đồng. Giả sử số tiền phải trả trong một tháng có phân phối chuẩn. Với độ tin cậy là 95% tính khoảng ước lượng số tiền trung bình một người sử dụng điện thoại di động phải trả. (179,36 ngàn đồng; 220,64 ngàn đồng) Bài tập 7.4. Thăm dò 25 người đang sử dụng điện thoại di động về số tiền phải trả trong 1 tháng, thấy độ lệch chuẩn của mẫu có hiệu chỉnh là 50 ngàn đồng. Giả sử số tiền phải trả trong một tháng có phân phối chuẩn. Với độ chính xác là 19,74 ngàn đồng thì độ tin cậy bao nhiêu? 94%
  19. 7.4 Bài tập chương 7 110 Bài tập 7.5. Biết chiều dài của một loại sản phẩm là biến ngẫu nhiên có phân phối chuẩn. Đo ngẫu nhiên 10 sản phẩm loại này thì được chiều dài trung bình là 10,02m và độ lệch chuẩn của mẫu chưa hiệu chỉnh là 0,04m. Tính khoảng ước lượng chiều dài trung bình của loại sản phẩm này với độ tin cậy 95%. (9,9898m; 10,0502m)
  20. Chương 8 Kiểm định giả thiết 8.1 Bài toán kiểm định giả thiết 8.1.1 Giả thiết không, đối thiết Trong chương này chúng ta sẽ đề cặp đến bài toán thống kê liên quan đến tham số θ, với giá trị của nó không biết thuộc không gian tham Θ. Tuy nhiên chúng ta sẽ giả sử Θ có thể được phân chia thành hai tập tách biệt Θ0 và Θ1 và nhiệm vụ của người làm thống kê phải quyết định xem θ thuộc Θ0 hay Θ1. Chúng ta đặt H để ký hiệu giả thiết θ Θ , và H ký hiệu giả thiết θ Θ . 0 ∈ 0 1 ∈ 1 Bởi vì Θ và Θ tách biệt và Θ Θ = Θ, chính xác chỉ có giả thiết H 0 1 0 ∩ 1 0 hoặc H1 là đúng. Chúng ta phải quyết định chấp nhận H0 để bác bỏ H1 hoặc ngược lại. Bài toán thuộc dạng này được gọi là kiểm định giả thiết. Đến đây, chúng ta thấy vai trò của giả thiết H0 và H1 cơ bản giống nhau. Trong hầu hết các bài toán kiểm định, hai giả thiết này hơi khác. Để phân biệt giữa hai giả thiết này ta gọi H0 gọi là giả thiết không và H1 gọi là đối thiết. Chúng ta sẽ dùng các thuật ngữ này trong phần còn lại của chương. 8.1.2 Miền tới hạn Ta xét bài toán với giả thiết có dạng như sau: Giả thiết không H : θ Θ 0 ∈ 0 Đối thiết H : θ Θ 1 ∈ 1
  21. 8.1 Bài toán kiểm định giả thiết 112 Giả sử trước khi chúng ta quyết định giả thiết nào sẽ được chấp nhận, chúng ta có mẫu ngẫu nhiên X1, ,Xn được trích từ phân phối của đặc tính X với tham số θ chưa biết. Chúng ta ký hiệu Ω là không gian mẫu, Ω chứa tất cả các kết quả có thể xảy ra khi lấy mẫu ngẫu nhiên. Trong quá trình kiểm định, chúng ta sẽ chia Ω thành hai tập con. Một tập chứa tất cả các giá trị của X sao cho ta chấp nhận H0, và tập còn lại chứa tất cả các giá trị của X sao cho ta bác bỏ H0 và chấp nhận H1. Tập các giá trị của X để H0 bị bác bỏ gọi là miền tới hạn, ký hiệu C . Với mỗi giá trị θ Θ ta đặt hàm lực lượng π(θ) là xác suất dẫn đến bác bỏ ∈ H , ngược lại 1 π(θ) là xác suất dẫn đến chấp nhận H . Nếu ký hiệu C là 0 − 0 miền tới hạn của kiểm định, hàm π(θ) được xác định bởi quan hệ π(θ)= P (X C θ) , θ Θ ∈ | ∀ ∈ Bởi vì π(θ) là xác suất ứng với mỗi θ thì H0 bị bác bỏ, trong trường hợp lý tưởng hàm π(θ)=0 với mọi θ Θ và π(θ)=1 với mọi θ Θ . Nếu hàm ∈ 0 ∈ 1 π(θ) có các giá trị này thì bất chấp giá trị thực tế θ nào ta luôn có kết luận đúng với xác suất 1. 8.1.3 Hai loại sai lầm Khi chọn một trong hai quyết định trên sẽ nẩy sinh ra hai sai lầm: Sai lầm loại I: Bác bỏ H khi H đúng, xác suất sai lầm loại I là • 0 0 P (C H )= P ((X , ,Xn) C H ) | 0 1 ∈ | 0 Sai lầm loại II: Chấp nhận H khi H sai, xác suất sai lầm loại II là • 0 0 P C¯ H = P ((X , ,Xn) / C H ) | 1 1 ∈ | 1 Ví dụ 8.1. Cần nghiên cứu tác dụng phụ của một loại thuốc mới vừa được nghiên cứu ta đặt giả thiết và đối thiết như sau Giả thiết H0 : Thuốc có tác dụng phụ Đối thiết H : Thuốc không có tác dụng phụ 1
  22. 8.2Kiểmđịnhgiảthiếtvềtrungbình 113 XX XX XXX Thực tế XX XXX Thuốc có tác dụng phụ Thuốc không có tác dụng phụ Kết luận XXX Chấp nhận H0 Kêt luận đúng Sai lầm loại II Bác bỏ H0 Sai lầm loại I Kết luận đúng Việc đặt giả thiết như trên khi sai lầm loại I xảy ra là tai hại hơn sai lầm loại II (thuốc có tác dụng phụ mà kết luận thuốc không có tác dụng phụ). Lẽ tự nhiên là ta chọn miền C sao cho cực tiểu cả hai xác suất phạm sai lầm. Song không thể cực tiểu đồng thời cả hai sai lầm khi cỡ mẫu cố định, bởi vì hai xác suất trên hiên hệ nhau bởi: P (C H )+ P C¯ H = 1; P (C H )+ P C¯ H =1. | 0 | 0 | 1 | 1 Do đó C cực tiểu P (C H ) chưa chắc đã cực tiểu P C¯ H | 0 | 1 8.1.4 Phương pháp chọn miền tới hạn Ta cố định một loại xác suất sai lầm và tìm miền C sao cho xác suất phạm sai lầm kia đạt giá trị nhỏ nhất. Thông thường ta cố định xác suất sai lầm loại I: P (C H ) α, ta sẽ chọn miền C sao cho P C¯ H đạt cực tiểu hay | 0 ≤ | 1 P (C H ) cực đại, nghĩa là tim C sao cho: | 1 P (C H ) α π(θ) α với θ Θ | 0 ≤ hay ≤ ∈ 0 (8.1) P (C H ) đạt cực đại π(θ) đạt cực đại với θ Θ | 1 ∈ 1 Ta gọi α là mức ý nghĩa của kiểm định, khi cố định α và có hàm lực lượng π(θ), θ Θ lớn nhất thì qui tắc này gọi là qui tắc mạnh nhất. ∀ ∈ 1 8.2 Kiểm định giả thiết về trung bình Giả sử µ (chưa biết) là trung bình của biến ngẫu nhiên X, cần kiểm định∗ Giả thiết H0 : µ = µ0 Đối thiết H : µ = µ 1 0 ∗Xem giải thích phụ lục B.2.1
  23. 8.2Kiểmđịnhgiảthiếtvềtrungbình 114 XXX XX XXX Cỡ mẫu 2 XX n 30 n t 1−α hoặc t > t − • 2 α Ví dụ 8.2. Cân thử 15 con gà tây ở 1 trại chăn nuôi khi xuất chuồng ta tính được x¯ =3, 62kg. Cho biết σ2 =0, 01. a. Giám đốc trại tuyên bố trọng lương trung bình của gà tây là 3, 5kg thì có tin được không với mức ý nghĩa α =1%. b. Giả sử người ta dùng thức ăn mới và khi xuất chuồng trọng lượng trung bình của gà tây là 3,9 kg. Cho kết luận về loại thức ăn này với mức ý nghĩa α = 1%. Giải. a. Gọi µ cân nặng trung bình của gà khi xuất chuồng. Cần kiểm định: Giả thiết H0 : µ =3, 5kg Đối thiết H : µ =3, 5kg 1 x¯ µ0 3, 62 3, 5 t = | − |√n = | − |√15=4, 6 và t 1−α =2, 58 σ 0, 1 2 1−α t > t 2 nên bác bỏ giả thiết. Vậy giám đốc báo cáo sai.
  24. 8.3 Kiểm định giả thiết về tỷ lệ 115 b. Gọi µ cân nặng trung bình của gà tây khi xuất chuồng (trước khi sử dụng thức ăn mới) Giả thiết H0 : µ =3, 9kg Đối thiết H : µ =3, 9kg 1 xn µ 3, 62 3, 9 t = | − 0|√n = | − |√15 = 10, 84 σ 0, 1 1−α t > t 2 nên bác bỏ giả thiết. Vậy thức ăn mới có tác dụng tốt. 8.3 Kiểm định giả thiết về tỷ lệ Giả sử p(chưa biết) là tỷ lệ phần tử loại A, cần kiểm định† Giả thiết H0 : p = p0 Đối thiết H : p = p 1 0 Qui tắc thực hành như sau: Tính giá trị f p0 t = | − | √n và t 1−α (Bảng A.2) p (1 p ) 2 0 − 0 Trong đó f là tỷ lệ phần tử A trên mẫu Kết luận: Chấp nhận giả thiết H0 khi t t 1−α . • ≤ 2 Bác bỏ giả thiết H0 khi t > t 1−α . • 2 Ví dụ 8.3. Để kiểm tra một loại súng thể thao, người ta cho bắn 1000 viên đạn vào bia thấy có 540 viên trúng mục tiêu. Sau đó, bằng cải tiến kỹ thuật người ta tính được tỷ lệ trúng mục tiêu là 70%. Hãy cho kết luận về cải tiến với mức ý nghĩa 1%. Giải. Gọi p là tỷ lệ bắn trúng trước cải tiến. • f là tỷ lệ bắn trúng trên mẫu (trước cải tiến). • †Xem giải thích ở phụ lục B.2.2
  25. 8.4 So sánh hai giá trị trung bình 116 Cần kiểm định giả thiết Giả thiết H0 : p =0, 7 Đối thiết H : p =0, 7 1 Tiến hành kiểm tra giả thiết f p 0, 54 0, 7 t = | − 0| √n = | − |√1000 = 11, 04 p (1 p ) √0, 7.0, 3 0 − 0 1 α =0, 99 tra bảng A.2 ta được t 1−α =2, 58. Kết luận cải tiến có tác dụng − 2 tốt. Ví dụ 8.4. Kiểm tra 800 sinh viên thấy có 128 sinh viên giỏi. Trường báo cáo tổng kết là có 40% sinh viên giỏi thì có thể chấp nhận được không với mức ý nghĩa 5%. Giải. Gọi p tỷ lệ sinh viên giỏi thực tế (chưa biết) • 128 f tỷ lệ sinh viên giỏi tính trên mẫu f = =0, 16 • 800 Giả thiết H0 : p = 40% Đối thiết H : p = 40% 1 Tiến hành kiểm tra giả thiết f p 0, 16 0, 4 t = | − 0| √n = | − |√800 = 13, 871 p (1 p ) √0, 4.0, 6 0 − 0 1 α = 0, 95 tra bảng A.2 ta được t 1−α = 1, 96. Kết luận báo cáo là sai sự − 2 thật, tỷ lệ sinh viên giỏi trong thực tế thấp hơn nhiều. 8.4 So sánh hai giá trị trung bình Giả sử X1 và X2 là hai biến ngẫu nhiên độc lập có giá trị trung bình là µ1 và µ2 . Cần kiểm định Giả thiết H0 : µ1 = µ2 Đối thiết H : µ = µ 1 1 2 Ký hiệu các đặc trưng của mẫu 1, 2 lấy từ tổng thể 1, tổng thể 2.
  26. 8.4 So sánh hai giá trị trung bình 117 Mẫu Cỡ mẫu Trung bình mẫu Độ lệch chuẩn có hiệu chỉnh I n1 x¯1 s1 II n2 x¯2 s2 ``` ``` 2 ``` Cỡ mẫu n1 t 1−α hoặc t > t − • 2 α Ví dụ 8.5. Cân thử 100 trái cây ở nông trường I ta tính được x¯1 = 101, 2; 2 2 s1 = 571, 7 và 361 trái cây ở nông trường II tính được x¯2 = 66, 39; s2 = 29, 72. So sánh trọng lượng trung bình của trái cây ở hai nông trường với mức ý nghĩa 1%. Giải. Gọi µ1, µ2 cân nặng trung bình của trái cây ở nông trường I và II. Cần kiểm định Giả thiết H0 : µ1 = µ2 Đối thiết H : µ = µ 1 1 2
  27. 8.4 So sánh hai giá trị trung bình 118 Mẫu Cỡ mẫu Trung bình mẫu Độ lệch chuẩn có hiệu chỉnh 2 I n1 = 100 x¯1 = 101, 2 s1 = 571, 7 2 II n2 = 361 x¯2 = 66, 39 s2 = 29, 72 Tính giá trị x¯ x¯ 101, 2 66, 39 t = | 1 − 2| = | − | = 14, 4549 2 2 571, 7 29, 72 s1 s2 + + 100 361 n1 n2 1−α 1−α Tra bảng A.2 ta được t 2 = t0, 495 = 2, 58. Vậy t > t 2 cho nên bác bỏ giả thiết H0 hay cân nặng trung bình của trái cây ở hai địa phương không bằng nhau. Ví dụ 8.6. Đo đường kính 20 trục máy do máy I sản xuất và 22 trục máy do 2 2 máy II sản xuất ta tính được x¯1 = 251, 7; s1 = 52, 853 và x¯2 = 249, 8; s2 = 56, 2. Có thể xem đường kính trung bình của các trục máy ở 2 máy như nhau với mức ý nghĩa 1% không? Giải.
  28. 8.5 So sánh hai tỷ lệ 119 8.5 So sánh hai tỷ lệ Gọi p1; p2 tỷ lệ phần tử A trên tổng thể 1 và 2 chưa biết. Ta cần kiểm định Giả thiết H0 : p1 = p2 Đối thiết H : p = p 1 1 2 n1f1 + n2f2 Tính: f = (Tỷ lệ phần tử A chung của 2 mẫu), trong đó f1; f2 n1 + n2 tỷ lệ phần tử A trên mẫu 1, 2. f f t = | 1 − 2| 1 f(1 f) + 1 − n n2 1 Kết luận: Chấp nhận giả thiết H0 khi t t 1−α . • ≤ 2 Bác bỏ giả thiết H0 khi t > t 1−α . • 2 Ví dụ 8.7. Từ hai đám đông tiến hành 2 mẫu với n1 = 100,n2 = 120 tính được tỷ lệ phần tử loại A trên mẫu 1, 2 lần lượt f1 = 0, 2 và f2 = 0, 3. Với mức ý nghĩa α = 1% cho kết luận tỷ lệ phần tử A của 2 đám đông có như nhau không. 20+36 Giải. Tính f = =0, 255. 100 + 120 Gọi p1,p2 (chưa biết) tỷ lệ phần tử A trên tổng thể 1, 2. Cần kiểm định giả thiết Giả thiết H0 : p1 = p2 Đối thiết H : p = p 1 1 2 0, 2 0, 3 t = | − | =1, 695 1 1 0, 255.0, 745 + 100 120 1−α Với α = 1% tra bảng A.2 tính được t 2 = 2, 58. Kết luận chấp nhận giả thiết H0 hay tỷ lệ phần tử A trên 2 mẫu như nhau.
  29. 8.5 So sánh hai tỷ lệ 120 Ví dụ 8.8. Kiểm tra 120 sinh viên trường A thấy có 80 sinh viên giỏi, 150 sinh viên trường B có 90 sinh viên giỏi. Hỏi tỷ lệ sinh viên giỏi của 2 trường như nhau không? Biết mức ý nghĩa là 5%. Giải. Ví dụ 8.9. Kiểm tra 230 sản phẩm của ca ngày thấy có 4 sản phẩm hỏng. Còn kiểm tra 160 sản phẩm của ca đêm thấy có 3 sản phẩm hỏng. Kết luận tỷ lệ sản phẩm hỏng phụ thuộc vào ca có đúng không với mức ý nghĩa 1%. Giải.
  30. 8.6 Bài tập chương 8 121 8.6 Bài tập chương 8 Bài tập 8.1. Biết chiều dài của một loại sản phẩm là biến ngẫu nhiên có phân phối chuẩn. Đo ngẫu nhiên 10 sản phẩm loại này thì được chiều dài trung bình là 10,02m và độ lệch chuẩn của mẫu chưa hiệu chỉnh là 0,04m. Kiểm định giả thuyết H: “chiều dài trung bình của loại sản phẩm này là 10,0543m” có giá trị kiểm định t là bao nhiêu và cho kết luận với mức ý nghĩa 3%. t = 2,5703; chiều dài trung bình của loại sản phẩm này là 10,0543m với mức ý nghĩa 3% Bài tập 8.2. Khảo sát về thời gian tự học (giờ/tuần) của sinh viên hệ chính quy ở trường đại học A trong học kỳ này. Tiến hành lấy mẫu, người ta thu được bảng số liệu: Thời gian 3 5 5 7 7 9 9 11 11 13 − − − − − Số sinh viên 5 14 16 8 6 a. Tìm khoảng ước lượng thời gian tự học trung bình trong tuần của sinh viên trường A với độ tin cậy 95%. (7,1817giờ/tuần; 8,4917giờ/tuần)
  31. 8.6 Bài tập chương 8 122 b. Để ước lượng thời gian tự học trung bình trong tuần với độ tin cậy 95% và độ chính xác nhỏ hơn ε =0, 6(giờ/tuần) thì cỡ mẫu nhỏ nhất là bao nhiêu? 59 c. Sử dụng mẫu ban đầu để ước lượng thời gian tự học trung bình trong tuần với độ chính xác ε =0, 6(giờ/tuần) thì đảm bảo độ tin cậy là bao nhiêu? 92,82% d. Những sinh viên có thời gian tự học từ 9(giờ/tuần) trở lên gọi là sinh viên “chăm học”. Với độ tin cậy 95% khoảng ước lượng tỷ lệ sinh viên chăm học là bao nhiêu? (15,92%; 41,22%) e. Những sinh viên có thời gian tự học từ 9(giờ/tuần) trở lên gọi là sinh viên “chăm học”. Để ước lượng tỷ lệ sinh viên “chăm học” với độ tin cậy
  32. 8.6 Bài tập chương 8 123 95% và độ chính xác nhỏ hơn ε = 0, 12 thì cỡ mẫu nhỏ nhất là bao nhiêu? 55 f. Những sinh viên có thời gian tự học từ 9(giờ/tuần) trở lên gọi là sinh viên “chăm học”. Sử dụng mẫu trên để ước lượng tỷ lệ sinh viên “chăm học” với độ chính xác ε = 0, 12 thì đảm bảo độ tin cậy là bao nhiêu? 93,71% g. Tính giá trị thống kê t để kiểm định giả thuyết H: “thời gian tự học trung bình của sinh viên trường A là 8,4(giờ/tuần)” và cho kết luận với mức ý nghĩa 5%. t = 1,6855; thời gian tự học trung bình của sinh viên trường A là 8,4(giờ/tuần) với mức ý nghĩa 5%
  33. 8.6 Bài tập chương 8 124 h. Trong kiểm định giả thuyết H: “thời gian tự học trung bình của sinh viên trường A là 8,4(giờ/tuần)”, mức ý nghĩa tối đa để giả thuyết H được chấp nhận là bao nhiêu? 9,1% i. Những sinh viên có thời gian tự học từ 9(giờ/tuần) trở lên gọi là sinh viên “chăm học”. Tính giá trị thống kê t để kiểm định giả thuyết H: “tỷ lệ sinh viên chăm học ở trường A là 18%” và cho kết luận với mức ý nghĩa 5%. t = 1,9261; tỷ lệ sinh viên chăm học ở trường A là 18% với mức ý nghĩa 5% j. Những sinh viên có thời gian tự học từ 9(giờ/tuần) trở lên gọi là sinh viên “chăm học”. Trong kiểm định giả thuyết H: “tỷ lệ sinh viên chăm học ở trường A là 18%”, mức ý nghĩa tối đa để giả thuyết H được chấp nhận là bao nhiêu? 5,36%
  34. 8.6 Bài tập chương 8 125 k. Trường B khảo sát 64 sinh viên về thời gian tự học. Người ta tính được độ lệch chuẩn của mẫu có hiệu chỉnh là 2(giờ/tuần) và trung bình mẫu là 8,5(giờ/tuần). Tính giá trị thống kê t để kiểm định giả thuyết H: “thời gian tự học trung bình trong tuần của sinh viên hai trường là như nhau” và cho kết luận với mức ý nghĩa 5%. t = 1,5893; thời gian tự học trung bình trong tuần của sinh viên hai trường là như nhau mức ý nghĩa 5% l. Trường B khảo sát 64 sinh viên về thời gian tự học. Người ta tính được độ lệch chuẩn của mẫu có hiệu chỉnh là 2(giờ/tuần) và trung bình mẫu là 8,5(giờ/tuần). Trong kiểm định giả thuyết H: “thời gian tự học trung bình trong tuần của sinh viên hai trường là như nhau”, mức ý nghĩa tối đa để giả thuyết H được chấp nhận là bao nhiêu? 11,18% m. Những sinh viên có thời gian tự học từ 9(giờ/tuần) trở lên gọi là sinh viên “chăm học”. Trường B khảo sát 64 sinh viên về thời gian tự học thấy có 28 sinh viên “chăm học”. Tính giá trị thống kê t để kiểm định giả thuyết H: “tỷ lệ sinh viên “chăm học” của hai trường là như nhau” và cho kết luận với mức ý nghĩa 5%. t = 1,6546; tỷ lệ sinh viên chăm học của hai trường là như nhau với mức ý nghĩa 5%
  35. 8.6 Bài tập chương 8 126 n. Những sinh viên có thời gian tự học từ 9(giờ/tuần) trở lên gọi là sinh viên “chăm học”. Trường B khảo sát 64 sinh viên về thời gian tự học thấy có 28 sinh viên “chăm học”. Trong kiểm định giả thuyết H: “tỷ lệ sinh viên “chăm học” của hai trường là như nhau”, mức ý nghĩa tối đa để giả thuyết H được chấp nhận là bao nhiêu? 9,7% Bài tập 8.3. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Khoảng ước lượng thời gian mang thai trung bình của thai phụ với độ tin cậy 95% là: A. (39,1049 tuần; 39,7215 tuần). B. (38,1049 tuần; 38,7215 tuần). C. (37,1049 tuần; 37,7215 tuần). D. (40,1049 tuần; 40,7215 tuần).
  36. 8.6 Bài tập chương 8 127 Bài tập 8.4. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Để ước lượng thời gian mang thai trung bình của thai phụ với độ tin cậy 95% và độ chính xác nhỏ hơn ε =0, 25(tuần) thì cỡ mẫu nhỏ nhất là: A.175. B.185. C.195. D.165. Bài tập 8.5. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Sử dụng mẫu trên để ước lượng thời gian mang thai trung bình của thai phụ với độ chính xác ε =0, 25(tuần) thì đảm bảo độ tin cậy: A. 86,82%. B. 87,82%. C. 88,82%. D. 89,82%.
  37. 8.6 Bài tập chương 8 128 Bài tập 8.6. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Những thai phụ có thời gian mang thai dưới 36 tuần là thai phụ sinh non. Với độ tin cậy 95% khoảng ước lượng tỷ lệ thai phụ sinh non: A. (2,63%;10,95%). B. (3,63%;11,95%). C. (4,63%;12,95%). D. (1,63%;9,95%). Bài tập 8.7. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Những thai phụ có thời gian mang thai dưới 36 tuần là thai phụ sinh non. Để ước lượng tỷ lệ thai phụ sinh non với độ tin cậy 95% và độ chính xác nhỏ hơn ε =0, 04 thì cỡ mẫu nhỏ nhất là:
  38. 8.6 Bài tập chương 8 129 A.121. B.141. C.151. D.131. Bài tập 8.8. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Những thai phụ có thời gian mang thai dưới 36 tuần là thai phụ sinh non. Sử dụng mẫu trên để ước lượng tỷ lệ thai phụ sinh non với độ chính xác ε =0, 04 thì đảm bảo độ tin cậy: A. 91,99%. B. 95,99%. C. 93,99%. D. 97,99%. Bài tập 8.9. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau:
  39. 8.6 Bài tập chương 8 130 Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Giá trị thống kê t để kiểm định giả thuyết H: “thời gian mang thai trung bình của thai phụ là 39,7 tuần” là: A. t = 1,8231; thời gian mang thai trung bình của thai phụ là 39,7 tuần với mức ý nghĩa 7%. B. t = 1,8231; thời gian mang thai trung bình của thai phụ là 39,7 tuần với mức ý nghĩa 5%. C. t = 2,8231; thời gian mang thai trung bình của thai phụ lớn hơn 39,7 tuần với mức ý nghĩa 5%. D. t = 2,8231; thời gian mang thai trung bình của thai phụ nhỏ hơn 39,7 tuần với mức ý nghĩa 3%. Bài tập 8.10. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Trong kiểm định giả thuyết H: “thời gian mang thai trung bình của thai phụ là 39,7 tuần”, mức ý nghĩa tối đa để giả thuyết H được chấp nhận là: A. 6,72%. B. 7,72%. C. 8,72%. D. 9,72%.
  40. 8.6 Bài tập chương 8 131 Bài tập 8.11. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Những thai phụ có thời gian mang thai dưới 36 tuần là thai phụ sinh non. Giá trị thống kê t để kiểm định giả thuyết H: “tỷ lệ thai phụ sinh non là 12%” là: A. t = 2,1037; tỷ lệ thai phụ sinh non thấp hơn 12% với mức ý nghĩa 5%. B. t = 2,1037; tỷ lệ thai phụ sinh non lớn hơn 12% với mức ý nghĩa 5%. C. t = 1,1037; tỷ lệ thai phụ sinh non cao hơn 12% với mức ý nghĩa 5%. D. t = 1,1037; tỷ lệ thai phụ sinh non là 12% với mức ý nghĩa 5%.
  41. 8.6 Bài tập chương 8 132 Bài tập 8.12. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Những thai phụ có thời gian mang thai dưới 36 tuần là thai phụ sinh non. Trong kiểm định giả thuyết H: “tỷ lệ thai phụ sinh non là 12%”, mức ý nghĩa tối đa để giả thuyết H được chấp nhận là: A. 3,48%. B. 4,48%. C. 5,48%. D. 6,48%. Bài tập 8.13. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Khảo sát thời gian mang thai của 100 thai phụ có hút thuốc và tính được thời gian mang thai trung bình là 38,5 tuần và độ lệch chuẩn của mẫu có hiệu chỉnh 3,5 tuần. Giá trị thống kê t để kiểm định giả thuyết H: “Thời gian mang thai của thai phụ hút thuốc và không hút thuốc là như nhau” là: A. t = 1,3798; Thời gian mang thai của thai phụ hút thuốc và không hút thuốc là như nhau với mức ý nghĩa 5%. B. t = 1,3798; Thời gian mang thai của thai phụ hút thuốc nhỏ hơn với mức ý nghĩa 5%.
  42. 8.6 Bài tập chương 8 133 C. t = 2,3798; Thời gian mang thai của thai phụ hút thuốc lớn hơn với mức ý nghĩa 5%. D. t = 2,3798; Thời gian mang thai của thai phụ hút thuốc nhỏ hơn với mức ý nghĩa 5%. Bài tập 8.14. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Khảo sát thời gian mang thai của 100 thai phụ có hút thuốc và tính được thời gian mang thai trung bình là 38,5 tuần và độ lệch chuẩn của mẫu có hiệu chỉnh 3,5 tuần. Trong kiểm định giả thuyết H: “Thời gian mang thai của thai phụ hút thuốc và không hút thuốc là như nhau”, mức ý nghĩa tối đa để giả thuyết H được chấp nhận là A. 2,74%. B. 3,74%. C. 1,74%. D. 4,74%.
  43. 8.6 Bài tập chương 8 134 Bài tập 8.15. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4 Những thai phụ có thời gian mang thai dưới 36 tuần là thai phụ sinh non. Khảo sát thời gian mang thai của 100 thai phụ có hút thuốc và tính được thời gian mang thai thấy có 16 thai phụ sinh non. Giá trị thống kê t để kiểm định giả thuyết H: “tỷ lệ sinh non của thai phụ có hút thuốc và không hút thuốc là như nhau” là: A. t = 2,4753; tỷ lệ sinh non của thai phụ không hút thuốc lớn hơn với mức ý nghĩa 5%. B. t = 2,4753; tỷ lệ sinh non của thai phụ có hút thuốc lớn hơn với mức ý nghĩa 5%. C. t = 1,4753; tỷ lệ sinh non của thai phụ không hút thuốc lớn hơn với mức ý nghĩa 5%. D. t = 1,4753; tỷ lệ sinh non của thai phụ có hút thuốc lớn hơn với mức ý nghĩa 5%. Bài tập 8.16. Khảo sát thời gian (tuần) mang thai của thai phụ không hút thuốc. Tiến hành lấy mẫu, người ta có số liệu cho như bảng sau: Thời gian 34 36 36 38 38 40 40 42 42 44 − − − − − Số thai phụ 7 10 59 41 4
  44. 8.6 Bài tập chương 8 135 Những thai phụ có thời gian mang thai dưới 36 tuần là thai phụ sinh non. Khảo sát thời gian mang thai của 100 thai phụ có hút thuốc và tính được thời gian mang thai thấy có 16 thai phụ sinh non. Trong kiểm định giả thuyết H: “tỷ lệ sinh non của thai phụ có hút thuốc và không hút thuốc là như nhau”, mức ý nghĩa tối đa để giả thuyết H được chấp nhận là: A. 1,32%. B. 2,32%. C. 3,32%. D. 4,32%. Đáp án câu hỏi trắc nghiệm 8.3 A 8.5 C 8.7 D 8.9 B 8.11 A 8.13 D 8.15 B 8.4 B 8.6 D 8.8 C 8.10 A 8.12 A 8.14 C 8.16 A
  45. Chương 9 Tương quan, hồi qui 9.1 Mở đầu 9.1.1 Số liệu trong phân tích tương quan, hồi qui Quan trắc n đối tượng và ở mỗi đối tượng chúng ta “đo” 2 đại lượng X,Y. Số liệu cụ thể của n đối tượng cụ thể như sau: (x1, y1), (x2, y2), , (xn, yn) Ví dụ 9.1. Khảo sát chiều cao Y (cm) của 10 đứa trẻ tuổi X(tháng tuổi). Mỗi đứa trẻ ta ghi nhận một cặp (X; Y ) và các giá trị như sau: (18; 76, 0) (19;77, 0) (19;76, 3) (20;77, 3) (21;77, 7) (22; 78, 8) (22;78, 2) (23;79, 0) (24;80, 2) (25;80, 6) Thông thường các giá trị trên còn được xếp thành bảng như sau X 18 19 19 20 21 22 22 23 24 25 Y 76,0 77,0 76,3 77,3 77,7 78,8 78,2 79,0 80,2 80,6 9.1.2 Biểu đồ tán xạ Khi quan sát một đối tượng ta có cặp giá trị (xi; yi). Để có được hình ảnh về sự phân tán của các cặp giá trị (xi; yi) ta có thể biểu diễn các cặp giá trị này trên hệ trục 0xy. Để minh họa, với số liệu ta có biểu đồ tán xạ như sau
  46. 9.2 Hệ số tương quan 137 height height 76 77 78 79 80 76 77 78 79 80 18 19 20 21 22 23 24 25 18 19 20 21 22 23 24 25 age age Hìnha Hìnhb Ta nhận thấy hai đứa trẻ bất kỳ mặc dù cùng tuổi nhưng có chiều cao khác nhau (ngẫu nhiên) tuy nhiên xu hướng ở đây là chiều cao tăng theo độ tuổi (tất nhiên) hay chiều cao Y thay đổi một cách có hệ thống theo độ tuổi X. Biểu đồ trên đây gợi ý cho thấy mối liên hệ giữa độ tuổi (X) và chiều cao (Y ) là một đường thẳng (tuyến tính như hình b). Để “đo lường” mối liên hệ này, chúng ta có thể sử dụng hệ số tương quan 9.2 Hệ số tương quan Định nghĩa 9.1. Giả sử ta có mẫu n quan trắc (x1, y1), , (xn, yn). Hệ số tương quan Pearson được ước tính bằng công thức như sau xy x y rxy = − sˆxsˆy n 1 Trong đó xy = n xiyi i=1 Ý nghĩa hệ số tương quan rxy đo mức độ quan hệ tuyến tính giữa x; y và 1 rxy 1. • − ≤ ≤
  47. 9.3 Tìm đường thẳng hồi qui 138 rxy =0 hai biến số không có quan hệ tuyến tính, rxy = 1 thì hai biến • ± số có quan hệ tuyến tính tuyệt đối (các cặp (xi; yi) thuộc một đường thằng). rxy 0 quan hệ giữa x, y là đồng biến (có nghĩa là khi x tăng cao thì y • tăng) Ví dụ 9.2. Nghiên cứu đo lường độ cholesterol (Y ) trong máu của 10 đối tượng nam của người độ tuổi (X). Kết quả đo lường như sau: X 20 52 30 57 28 43 57 63 40 49 Y 1,9 4 2,6 4,5 2,9 3,8 4,1 4,6 3,2 4 n n 1 451 1 35, 6 x¯ = x = = 45, 1;y ¯ = y = =3, 56 n i 10 n i 10 i=1 i=1 ⌢ ⌢ sx = 11, 785; sy =0, 8333 n 1 1695, 4 xy = x y = = 169, 54 n i i 10 i=1 xy x.y 169, 54 33, 9 3, 56 rxy = − = − =0, 914 ⌢ ⌢ 11, 785 0.8333 sx.sy 9.3 Tìm đường thẳng hồi qui Để tiện việc theo dõi và mô tả mô hình, gọi độ tuổi cho cá nhân ilà xivà cholesterol là yi ở đây i =1, 2 10. Mô hình hồi tuyến tính phát biểu rằng: yi = a + bxi + εi Nói cách khác, phương trình trên giả định rằng độ cholesterol của một cá nhân bằng một hằng số a cộng với một hệ số b liên quan đến độ tuổi, và một sai số εi. Trong phương trình trên, alà chặn (intercept, tức giá trị lúc xi=0), và b là độ dốc (slope hay gradient).
  48. 9.4 Sử dụng máy tính cầm tay 139 Các thông số a, b phải được ước tính từ dữ liệu. Phương pháp để ước tính các thông số này là phương pháp bình phương nhỏ nhất (least squares method). Như tên gọi, phương pháp bình phương nhỏ nhất tìm giá trị a, b sao cho tổng bình phương sai số n 2 [yi (a + bxi)] − i=1 là nhỏ nhất. Sau vài thao tác toán, có thể chứng minh dễ dàng rằng, ước lượng cho a, bđáp ứng điều kiện đó là xy x.¯ y¯ b = −2 ; a =y ¯ bx¯ ⌢ − sx Cuối cùng ta được đường hồi qui y = a + bx y y x x Chú ý: ⌢− = rxy ⌢− sy sx Ví dụ 9.3. xác định phương trình hồi qui mẫu giữa tuổi và cholesterol. Từ y y x x ⌢− = rxy ⌢− sy sx ⌢ ⌢ thay các giá trị y,¯ x,¯ sx, sy,rxy được tính ở ví dụ trên vào ta có kết quả y =0, 9311+ 0, 05988x 9.4 Sử dụng máy tính cầm tay Ví dụ 9.4. Bài toán cho dạng cặp (xi, yi) như sau: X 20 52 30 57 28 43 57 63 40 49 Y 1,9 4 2,6 4,5 2,9 3,8 4,1 4,6 3,2 4 Tìm hệ số tương quan rxy, đường hồi qui mẫu y = a + bx. a. Máy FX500MS (máy FX570MS tương tự)
  49. 9.4 Sử dụng máy tính cầm tay 140 – Bước 1: Nhấn phím Mod đến lúc màn hình xuất hiện REG; chọn (REG); Chọn (Lin) – Bước 2: Nhập liệu 20; ,; 1.9; M+ – Bước 3: Xuất kết quả Shift; chọn (SVar); chọn ( mũi tên phải 2 lần); 1(A =a); 2(B=b); 3(r=rxy) b. Máy FX500ES(tương tự FX570ES) – Bước 1: SHIFT; MODE; ; chọn (Stat); chọn (Off) ↓ – Bước 2: MODE; chọn (stat); chọn (A+Bx); (nhập các giá trị của X,Y vào 2 cột) Nhập giá trị của X 20= 52= ∗ Nhập giá trị của Y 1.9= 4= ∗ – Bước 3: Xuất kết quả SHIFT; chọn phím (Stat); chọn (Reg); 1(A =a); 2(B=b); 3(r=rxy). Kết quả rxy =0, 9729; y =0, 9311+ 0, 0599x.
  50. Phụ lục A Các bảng giá trị xác suất
  51. A.1Giátrịhàmmậtđộchuẩnđơngiản 142 z2 A.1 Giá trị hàm mật độ chuẩn đơn giản f(z)= 1 e 2 √2π − f(z) O z z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,3989 0,3989 0,3989 0,3988 0,3986 0,3984 0,3982 0,3980 0,3977 0,3970 0,1 0,3970 0,3965 0,3961 0,3956 0,3951 0,3945 0,3939 0,3932 0,3925 0,3911 0,2 0,3910 0,3902 0,3894 0,3885 0,3876 0,3867 0,3857 0,3847 0,3836 0,3815 0,3 0,3814 0,3802 0,3790 0,3778 0,3765 0,3752 0,3739 0,3725 0,3712 0,3684 0,4 0,3683 0,3668 0,3653 0,3637 0,3621 0,3605 0,3589 0,3572 0,3555 0,3522 0,5 0,3521 0,3503 0,3485 0,3467 0,3448 0,3429 0,3410 0,3391 0,3372 0,3334 0,6 0,3332 0,3312 0,3292 0,3271 0,3251 0,3230 0,3209 0,3187 0,3166 0,3125 0,7 0,3123 0,3101 0,3079 0,3056 0,3034 0,3011 0,2989 0,2966 0,2943 0,2899 0,8 0,2897 0,2874 0,2850 0,2827 0,2803 0,2780 0,2756 0,2732 0,2709 0,2663 0,9 0,2661 0,2637 0,2613 0,2589 0,2565 0,2541 0,2516 0,2492 0,2468 0,2422 1,0 0,2420 0,2396 0,2371 0,2347 0,2323 0,2299 0,2275 0,2251 0,2227 0,2181 1,1 0,2179 0,2155 0,2131 0,2107 0,2083 0,2059 0,2036 0,2012 0,1989 0,1944 1,2 0,1942 0,1919 0,1895 0,1872 0,1849 0,1826 0,1804 0,1781 0,1758 0,1716 1,3 0,1714 0,1691 0,1669 0,1647 0,1626 0,1604 0,1582 0,1561 0,1539 0,1499 1,4 0,1497 0,1476 0,1456 0,1435 0,1415 0,1394 0,1374 0,1354 0,1334 0,1297 1,5 0,1295 0,1276 0,1257 0,1238 0,1219 0,1200 0,1182 0,1163 0,1145 0,1111 1,6 0,1109 0,1092 0,1074 0,1057 0,1040 0,1023 0,1006 0,0989 0,0973 0,0942 1,7 0,0940 0,0925 0,0909 0,0893 0,0878 0,0863 0,0848 0,0833 0,0818 0,0791 1,8 0,0790 0,0775 0,0761 0,0748 0,0734 0,0721 0,0707 0,0694 0,0681 0,0657 1,9 0,0656 0,0644 0,0632 0,0620 0,0608 0,0596 0,0584 0,0573 0,0562 0,0541 2,0 0,0540 0,0529 0,0519 0,0508 0,0498 0,0488 0,0478 0,0468 0,0459 0,0441 2,1 0,0440 0,0431 0,0422 0,0413 0,0404 0,0396 0,0387 0,0379 0,0371 0,0356 2,2 0,0355 0,0347 0,0339 0,0332 0,0325 0,0317 0,0310 0,0303 0,0297 0,0284 2,3 0,0283 0,0277 0,0270 0,0264 0,0258 0,0252 0,0246 0,0241 0,0235 0,0224 2,4 0,0224 0,0219 0,0213 0,0208 0,0203 0,0198 0,0194 0,0189 0,0184 0,0176 2,5 0,0175 0,0171 0,0167 0,0163 0,0158 0,0154 0,0151 0,0147 0,0143 0,0136 2,6 0,0136 0,0132 0,0129 0,0126 0,0122 0,0119 0,0116 0,0113 0,0110 0,0104 2,7 0,0104 0,0101 0,0099 0,0096 0,0093 0,0091 0,0088 0,0086 0,0084 0,0079 2,8 0,0079 0,0077 0,0075 0,0073 0,0071 0,0069 0,0067 0,0065 0,0063 0,0060 2,9 0,0060 0,0058 0,0056 0,0055 0,0053 0,0051 0,0050 0,0048 0,0047 0,0044 3,0 0,0044 0,0043 0,0042 0,0040 0,0039 0,0038 0,0037 0,0036 0,0035 0,0033
  52. A.1Giátrịhàmmậtđộchuẩnđơngiản 143 z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 3,1 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026 0,0025 0,0024 3,2 0,0024 0,0023 0,0022 0,0022 0,0021 0,0020 0,0020 0,0019 0,0018 0,0017 3,3 0,0017 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014 0,0013 0,0012 3,4 0,0012 0,0012 0,0012 0,0011 0,0011 0,0010 0,0010 0,0010 0,0009 0,0009 3,5 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007 0,0007 0,0007 0,0006 3,6 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005 0,0005 0,0005 0,0005 0,0004 3,7 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003 0,0003 0,0003 0,0003 3,8 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002 0,0002 0,0002 0,0002 0,0002 3,9 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0001 0,0001 Bảng A.1: Giá trị hàm mật độ chuẩn hóa
  53. A.2 Giá trị hàm Laplace ϕ(x) của phân phối chuẩn đơn giản 144 x A.2 Giá trị hàm ϕ(x)= 1 exp 1z2 dz √2π 2 0 − ϕ(x) O x x 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359 0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753 0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141 0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517 0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879 0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224 0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549 0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852 0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133 0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389 1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621 1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830 1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015 1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177 1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319 1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441 1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545 1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633 1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706 1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,475 0,4756 0,4761 0,4767 2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817 2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857 2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890 2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916 2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936 2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952 2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964 2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974 2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981 2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986 3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
  54. A.2 Giá trị hàm Laplace ϕ(x) của phân phối chuẩn đơn giản 145 x 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993 3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995 3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997 3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998 3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 Bảng A.2: Giá trị hàm ϕ của phân phối chuẩn đơn giản
  55. . i r hnv ủ utSuet146 Student luật của vị phân trị Giá A.3 A.3 Giá trị phân vị của luật Student (T Tn) ∼ P ( T > tn)= α | | α α/2 α/2 n n tα O tα H H α HH 0,14 0,13 0,12 0,11 0,10 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 n HH 1 4,474 4,829 5,242 5,730 6,314 7,026 7,916 9,058 10,579 12,706 15,895 21,205 31,821 63,657 2 2,383 2,495 2,620 2,760 2,920 3,104 3,320 3,578 3,896 4,303 4,849 5,643 6,965 9,925 3 1,995 2,072 2,156 2,249 2,353 2,471 2,605 2,763 2,951 3,182 3,482 3,896 4,541 5,841 4 1,838 1,902 1,971 2,048 2,132 2,226 2,333 2,456 2,601 2,776 2,999 3,298 3,747 4,604 5 1,753 1,810 1,873 1,941 2,015 2,098 2,191 2,297 2,422 2,571 2,757 3,003 3,365 4,032 6 1,700 1,754 1,812 1,874 1,943 2,019 2,104 2,201 2,313 2,447 2,612 2,829 3,143 3,707 7 1,664 1,715 1,770 1,830 1,895 1,966 2,046 2,136 2,241 2,365 2,517 2,715 2,998 3,499 8 1,638 1,687 1,740 1,797 1,860 1,928 2,004 2,090 2,189 2,306 2,449 2,634 2,896 3,355 9 1,619 1,666 1,718 1,773 1,833 1,899 1,973 2,055 2,150 2,262 2,398 2,574 2,821 3,250 10 1,603 1,650 1,700 1,754 1,812 1,877 1,948 2,028 2,120 2,228 2,359 2,527 2,764 3,169 11 1,591 1,636 1,686 1,738 1,796 1,859 1,928 2,007 2,096 2,201 2,328 2,491 2,718 3,106 12 1,580 1,626 1,674 1,726 1,782 1,844 1,912 1,989 2,076 2,179 2,303 2,461 2,681 3,055 13 1,572 1,616 1,664 1,715 1,771 1,832 1,899 1,974 2,060 2,160 2,282 2,436 2,650 3,012 14 1,565 1,609 1,656 1,706 1,761 1,821 1,887 1,962 2,046 2,145 2,264 2,415 2,624 2,977 15 1,558 1,602 1,649 1,699 1,753 1,812 1,878 1,951 2,034 2,131 2,249 2,397 2,602 2,947
  56. . i r hnv ủ utSuet147 Student luật của vị phân trị Giá A.3 Bảng A.3: Giá trị phân vị của luật Student (tiếp theo) H HH α H 0,14 0,13 0,12 0,11 0,10 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 n HH 16 1,553 1,596 1,642 1,692 1,746 1,805 1,869 1,942 2,024 2,120 2,235 2,382 2,583 2,921 17 1,548 1,591 1,637 1,686 1,740 1,798 1,862 1,934 2,015 2,110 2,224 2,368 2,567 2,898 18 1,544 1,587 1,632 1,681 1,734 1,792 1,855 1,926 2,007 2,101 2,214 2,356 2,552 2,878 19 1,540 1,583 1,628 1,677 1,729 1,786 1,850 1,920 2,000 2,093 2,205 2,346 2,539 2,861 20 1,537 1,579 1,624 1,672 1,725 1,782 1,844 1,914 1,994 2,086 2,197 2,336 2,528 2,845 21 1,534 1,576 1,621 1,669 1,721 1,777 1,840 1,909 1,988 2,080 2,189 2,328 2,518 2,831 22 1,531 1,573 1,618 1,665 1,717 1,773 1,835 1,905 1,983 2,074 2,183 2,320 2,508 2,819 23 1,529 1,570 1,615 1,662 1,714 1,770 1,832 1,900 1,978 2,069 2,177 2,313 2,500 2,807 24 1,526 1,568 1,612 1,660 1,711 1,767 1,828 1,896 1,974 2,064 2,172 2,307 2,492 2,797 25 1,524 1,566 1,610 1,657 1,708 1,764 1,825 1,893 1,970 2,060 2,167 2,301 2,485 2,787 26 1,522 1,564 1,608 1,655 1,706 1,761 1,822 1,890 1,967 2,056 2,162 2,296 2,479 2,779 27 1,521 1,562 1,606 1,653 1,703 1,758 1,819 1,887 1,963 2,052 2,158 2,291 2,473 2,771 28 1,519 1,560 1,604 1,651 1,701 1,756 1,817 1,884 1,960 2,048 2,154 2,286 2,467 2,763 29 1,517 1,558 1,602 1,649 1,699 1,754 1,814 1,881 1,957 2,045 2,150 2,282 2,462 2,756 30 1,516 1,557 1,600 1,647 1,697 1,752 1,812 1,879 1,955 2,042 2,147 2,278 2,457 2,750 40 1,506 1,546 1,589 1,635 1,684 1,737 1,796 1,862 1,936 2,021 2,123 2,250 2,423 2,704 60 1,496 1,535 1,577 1,622 1,671 1,723 1,781 1,845 1,917 2,000 2,099 2,223 2,390 2,660 80 1,491 1,530 1,572 1,616 1,664 1,716 1,773 1,836 1,908 1,990 2,088 2,209 2,374 2,639 100 1,488 1,527 1,568 1,613 1,660 1,712 1,769 1,832 1,902 1,984 2,081 2,201 2,364 2,626 1000 1,477 1,515 1,556 1,600 1,646 1,697 1,752 1,814 1,883 1,962 2,056 2,173 2,330 2,581 Bảng A.3: Giá trị phân vị của luật Student
  57. Phụ lục B Giải thích lý thuyết B.1 Ước lượng khoảng B.1.1 Ước lượng khoảng cho trung bình Trường hợp X X(µ; σ2), biết σ ∼ Từ 6.1 trang 99 ta có σ2 X¯ µ X¯ N µ; suy ra T = − N(0;1) ∼ n σ ∼ √n Gọi t1 α là giá trị của T sao cho − 2 P t1 α <T <t1 α =1 α  − −  − 2 2   Thay T vào ta được P ¯ σ ¯ σ X t1 α <µ< X + t1 α =1 α  − √n − √n −  − 2 2   ¯ σ ¯ σ Vậy ta có µ1 = X t1 α và µ2 = X + t1 α − √n − √n − 2 2 Các trường hợp còn lại giải tương tự.
  58. B.2 Kiểm định giả thiết 149 B.1.2 Ước lượng khoảng cho tỷ lệ Từ 6.5 trang 100 ta có . 2 X np . X = X1 + + Xn N np; np(1 p) hay − N (0; 1) ∼ − np(1 p) ∼ − (B.1) Bỏi vì F = X/n là ước lượng điểm cho p cho nên n(X/n)(1 X/n) sẽ xấp − xỉ cho np(1 p), cho nên B.1 trở thành − X np . T = − N (0; 1) n(X/n)(1 X/n) ∼ − Gọi t1 α là giá trị của T sao cho − 2 P t1 α c (B.2) 1 | − 0|
  59. B.2 Kiểm định giả thiết 150 với c là một giá trị nào đó. Nếu cho trước mức ý nghĩa α, chúng ta sẽ xác định giá trị tới hạn c trong (B.2) sao cho sai lầm loại I bằng với α. Do đó, c phải thoải P X¯ µ > c H = α hay P X¯ µ > c µ = µ = α (B.3) | − 0| | 0 | − 0| | 0 Ở đây chỉ xét trường hợp à X N(µ;σ2) và đã biết σ. Khi µ = µ thì theo ∼ 0 (6.1) trang 99 ta có X¯ µ X¯ µ T = − = − 0 N(0;1) σ σ ∼ √n √n Bây giờ (B.3) trở thành c√n P T > = α | | σ P Ta biết rằng T N(0;1) thì T > t1 α = α. Cho nên ta chọn ∼ | | −  2 c√n   = t1 α . Vậy ta bác bỏ H0 khi σ − 2 X¯ µ0 T = | −σ | > t1 α − √n 2 B.2.2 So sánh tỷ lệ với một số Giống như B.2.1, ở đây ta xem thống kê . 2 X np . X = X1 + + Xn N np; np(1 p) hay T = − N (0; 1) ∼ − np(1 p) ∼ −
  60. Tài liệu tham khảo [1] Nguyễn Phú Vinh. Xác Suất Thống Kê Và Ứng Dụng [2] Đinh Văn Gắng. (1999). Lý thuyết xác suất và thống kê toán. NXB Giáo dục. [3] Tô Anh Dũng. (2007). Lý thuyết xác suất và thống kê toán. NXB ĐHQG TP.HCM. [4] Nguyễn Bác Văn. (1999). Xác suất và xử lý số liệu thống kê. NXB Giáo dục. [5] Đặng Hấn. (1986). Xác suất thống kê. NXB Thống kê. [6] Sheldon M. Ross. (1987). Introduction to probability and statistics for engineers and scientists. A John Wiley & Sons Publication. [7] F.M. Dekking. (2005). A modern introduction to Probability and Statis tics. Springer Publication. [8] T.T. Song. (2004). Fundamentals of probability and statistics for engi neers. A John Wiley & Sons Publication. [9] Ronald N. Forthofer. (2007). Biostatistics: Aguide to design, analysis, and discovery. Academic Press. [10] Y. Suhov. (2005). Volume I: Basic probability and statistics. Cambridge University Press. [11] Michaelr. Chernick. (2003). Introductory biostatistics for the health sci ences. A John Wiley & Sons Publication. [12] E.L. Lehmann. (2005). Testing statistical hypotheses: Third Edition. Springer Publication.