Thống kê
ứng dụng
Thống kê
ứng dụng
N.T. M. Ngọc
N.T. M. Ngọc
1. Biến ngẫu
nhiên
Chương 3 Phân phối xác suất của trung bình
mẫu, của tỉ lệ mẫu
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Nguyễn Thị Mộng Ngọc
University of Science, VNU - HCM
ngtmngoc@hcmus.edu.vn
Thống kê
ứng dụng
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Ví dụ: Xét phép thử tung hai đồng xu. Không gian mẫu
của phép thử này là
Ω = {SS, SN, NS, NN}
Gọi X là số mặt ngửa xuất hiện. Khi đó, X là một ánh xạ
từ không gian mẫu Ω vào R như:
ω
SS NS SN NN
X (ω) 0
1 1
2
Biến ngẫu nhiên là mô tả bằng số các kết quả
của một phép thử.
Định nghĩa: Biến ngẫu nhiên X là một ánh xạ
từ không gian sơ cấp Ω vào R,
X :Ω→R
ω 7→ X (ω) = x
Giá trị x đgl một giá trị của biến ngẫu nhiên X .
• Kí hiệu: X , Y , . . . là các biến ngẫu nhiên,
x , y , . . . là giá trị của các biến ngẫu
nhiên đó.
Thống kê
ứng dụng
Ví dụ: Các đại lượng sau là biến ngẫu nhiên:
- Số chấm xuất hiện khi thực hiện phép thử tung con xúc
xắc.
- Tuổi thọ của một thiết bị đang hoạt động.
- Số cuộc gọi đến tổng đài.
Định nghĩa biến ngẫu nhiên
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Phân loại biến ngẫu nhiên
Dựa vào miền giá trị của biến ngẫu nhiên mà ta
phân thành 2 loại chính như:
1. Biến ngẫu nhiên rời rạc
2. Biến ngẫu liên tục
Thống kê
ứng dụng
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Biến ngẫu nhiên rời rạc
Biến ngẫu nhiên X gọi là biến ngẫu nhiên rời rạc, nếu X (Ω) là
một tập hợp hữu hạn {x1 , x2 , . . . , xn } hoặc vô hạn đếm được.
Nói cách khác, biến ngẫu nhiên sẽ rời rạc nếu ta có thể liệt kê
tất cả các giá trị có thể của nó.
VD: Các biến ngẫu nhiên sau là các biến ngẫu nhiên rời rạc:
• Số sản phẩm kém chất lượng trong một lô hàng;
• Số con trong một gia đình.
Thống kê
ứng dụng
Biến ngẫu nhiên rời rạc
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Trong một vài trường hợp, kết quả của phép thử không thể
biểu diễn được dưới dạng số.
Chẳng hạn, một phỏng vấn yêu cầu một cá nhân nhắc lại
thông điệp trong một mẫu quảng cáo vừa chiếu. Kết quả của
phép thử có thể xảy ra một trong 2 trường hợp sau:
• không thể nhắc lại được;
• có thể nhắc lại được.
VD: Trong phép thử tung con xúc xắc, nếu ta gọi X là ”số
điểm xuất hiện“ thì X là biến ngẫu nhiên rời rạc vì
X (Ω) = {1, 2, 3, 4, 5, 6} là một tập hợp hữu hạn.
Chúng ta có thể biểu diễn các kết quả của phép thử trên dưới
dạng số bằng cách định nghĩa một biến ngẫu nhiên rời rạc X
như sau:
• x = 0 nếu cá nhân không thể nhắc lại thông tin;
VD: Gọi Y là ”số người vào mua hàng tại một siêu thị trong
• x = 1 nếu cá nhân có thể nhắc lại thông tin.
một ngày“ thì Y là biến ngẫu nhiên rời rạc vì
Y (Ω) = {0, 1, 2, 3, . . . } là một tập hợp vô hạn đếm được.
Thống kê
ứng dụng
N.T. M. Ngọc
Biến ngẫu nhiên rời rạc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
Thống kê
ứng dụng
N.T. M. Ngọc
1. Biến ngẫu
nhiên
Một vài ví dụ khác:
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
3.2 Phân phối xác
suất của trung bình
mẫu
Biến ngẫu nhiên liên tục
Biến ngẫu nhiên X gọi là biến ngẫu nhiên liên
tục, nếu X (Ω) lấy đầy một khoảng nào đó của R
(hoặc cả R).
Đối với biến ngẫu nhiên liên tục ta không thể liệt
kê được tất cả các giá trị có thể của nó.
VD: Trong phép thử bắn một phát súng vào bia, nếu ta gọi X
là” khoảng cách từ điểm chạm của viên đạn đến tâm bia“ thì
X là biến ngẫu nhiên liên tục.
Vì ta không thể liệt kê được tất cả các giá trị có thể của nó mà
ta chỉ có thể nói rằng các giá trị có thể của X nằm trong
khoảng (a, b) nào đó với a < b, a ∈ R, b ∈ R.
VD: Chọn ngẫu nhiên một bóng đèn, gọi Y là ”tuổi thọ của
bóng đèn đó“ thì Y là biến ngẫu nhiên, Y (Ω) lấy đầy một
khoảng giá trị.
Thống kê
ứng dụng
Biến ngẫu nhiên liên tục
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
Thống kê
ứng dụng
1. Biến ngẫu
nhiên
Một vài ví dụ khác:
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
3.2 Phân phối xác
suất của trung bình
mẫu
Thống kê
ứng dụng
Thống kê
ứng dụng
Bảng phân phối xác suất
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
Giả sử biến ngẫu nhiên X có thể nhận các giá trị
có thể có là x1 , x2 , . . . , xn với các xác suất tương
ứng là p1 , p2 , . . . , pn .
Bảng phân phối xác suất của biến ngẫu nhiên rời
rạc X có dạng:
3.2 Phân phối xác
suất của trung bình
mẫu
xi . . .
pi . . .
Trong pi phải thoả mãn
∀i, 0 ≤ pi ≤ 1, với pi
n
X
pi = 1
i=1
xn Tổng
pn
1
hai điều kiện:
= P(X = xi )
Phân phối xác suất là hình thức diễn đạt mối
quan hệ giữa giá trị của biến ngẫu nhiên với xác
suất tương ứng.
• Bảng phân phối xác suất dùng để mô tả quy
luật phân phối xác suất của biến ngẫu nhiên
rời rạc.
• Hàm mật độ xác suất dùng để mô tả quy
luật phân phối xác suất của biến ngẫu nhiên
liên tục.
Ví dụ
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
X x1 x2 . . .
P p1 p2 . . .
Phân phối xác suất
N.T. M. Ngọc
Một lô hàng có 10 sản phẩm trong đó có 8 sản phẩm tốt. Lấy
ngẫu nhiên 2 sản phẩm từ lô hàng này. Tìm quy luật phân phối
xác suất của số sản phẩm tốt trong 2 sản phẩm được lấy ra.
Gọi X là ”số sản phẩm tốt trong 2 sản phẩm được lấy ra“. Vậy X là
biến ngẫu nhiên rời rạc có thể nhận các giá trị có thể có 0, 1, 2; và
các xác suất tương ứng được tính theo định nghĩa cổ điển như sau:
C22
C81 × C21
1
16
;
P(X
=
1)
=
;
=
=
2
2
45
45
C10
C10
28
C2
.
P(X = 2) = 28 =
45
C10
P(X = 0) =
Như vậy, quy luật phân phối xác suất của X được biểu thị bởi phân
phối xác suất sau:
X 0
1 2 Tổng
1
16
P 45 45 28
1
45
Thống kê
ứng dụng
Hàm mật độ xác suất
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Luật phân phối xác suất của biến ngẫu nhiên liên tục X được biểu thị
bởi hàm số f (x ) xác định trên R thỏa mãn các điều kiện:
• f (x ) ≥ 0, ∀x
Z
• P(X ∈ I) = f (x )dx ; ∀I ⊂ R
•
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
I
Z
Thống kê
ứng dụng
+∞
Ví dụ
Phân phối xác suất của biến ngẫu nhiên liên tục
X là một hàm f(x) sao cho
P(a < X < b) =
Z b
a
f (x )dx
3.1 Các đặc trưng
của mẫu ngẫu nhiên
f (x )dx = 1
−∞
f (x ) gọi là hàm mật độ xác suất của X .
Nhận xét: Mọi hàm f (x ) không âm và thỏa mãn điều kiện
Z +∞
f (x )dx = 1 đều là hàm mật độ xác suất của biến ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
−∞
X nào đó.
Tính chất: X là biến ngẫu nhiên liên tục
• P(X = x0 ) = 0, ∀x0 ∈ R;
Z b
• P(a < X < b) =
f (x )dx
a
Thống kê
ứng dụng
Mẫu ngẫu nhiên
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Mẫu ngẫu nhiên
Mẫu ngẫu nhiên kích thước n là tập hợp của n
biến ngẫu nhiên độc lập X1 , X2 , . . . , Xn được
thành lập từ biến ngẫu nhiên X trong tổng thể
nghiên cứu và có cùng quy luật phân phối xác
suất với X .
Kí hiệu: (X1 , X2 , . . . , Xn )
Thống kê
Một thống kê (statistic) là một hàm bất kì của
các quan sát trong một mẫu ngẫu nhiên.
Thống kê
ứng dụng
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Các đặc trưng của mẫu ngẫu
nhiên
Nếu (X1 , X2 , . . . , Xn ) là một mẫu ngẫu nhiên kích thước n
thì:
n
1X
Xi
◦ Trung bình mẫu: X̄ =
n i=1
Y
◦ Tỉ lệ mẫu: P̂ =
,
n
◦ Phương sai mẫu (có hiệu chỉnh):
n
1 X
(Xi − X̄ )2
n − 1 i=1
√
◦ Độ lệch chuẩn mẫu: S = S 2
đều là các thống kê.
S2 =
Thống kê
ứng dụng
Thống kê
ứng dụng
N.T. M. Ngọc
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Nếu x1 , x2 , . . . , xn lần lượt là các giá trị của các biến ngẫu
nhiên X1 , X2 , . . . , Xn của mẫu ngẫu nhiên trên (kích thước
n) thì giá trị của :
n
1X
xi
◦ Trung bình mẫu: x̄ =
n i=1
y
◦ Tỉ lệ mẫu: p̂ = ,
n
◦ Phương sai mẫu (có hiệu chỉnh):
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
trong đó, µ là trung bình của tổng thể.
3.2 Phân phối xác suất của trung
bình mẫu X̄
Phương sai của trung bình mẫu: Nếu tổng thể N
phần tử (N → ∞) và chọn mẫu ngẫu nhiên hoặc
nếu tổng thể có N hữu hạn phần tử và chọn mẫu
có hoàn lại thì phương sai của trung bình mẫu, kí
hiệu là σX̄2 , được cho bởi
E[(X̄ − µ)2 ] = σX̄2 =
Kỳ vọng của trung bình mẫu: Trung bình của
trung bình mẫu, kí hiệu là µX̄ , được cho bởi
E[X̄ ] = µX̄ = µ
n
1 X
(xi − x̄ )2
s =
n − 1 i=1
√
◦ Độ lệch chuẩn mẫu: s = s 2
2
Thống kê
ứng dụng
3.2 Phân phối xác suất của trung
bình mẫu X̄
2
σ
n
trong đó, σ 2 là phương sai của tổng thể.
Thống kê
ứng dụng
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
3.2 Phân phối xác suất của trung
bình mẫu X̄
• Nếu tổng thể có kích thước là N, chọn mẫu
không hoàn và kích thước mẫu là n ≤ N thì
phương sai của trung bình mẫu là
σX̄2
σ2 N − n
=
n N −1
!
• Nếu tổng thể có phân phối chuẩn N (µ, σ 2 )
với trung bình µ và phương sai σ 2 . Một mẫu
được chọn từ tổng thể này thì trung bình
mẫu X̄ cũng có phân phối chuẩn với trung
σ2
σ2
hay X̄ ∼ N (µ, ).
bình µ và phương sai
n
n
Thống kê
ứng dụng
N.T. M. Ngọc
1. Biến ngẫu
nhiên
3.2 Phân phối xác suất của trung
bình mẫu X̄
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
• Nếu tổng thể có phân phối (không nhất thiết
là phân phối chuẩn) với trung bình µ và
phương sai σ 2 . Một mẫu được chọn từ tổng
thể này thì biến ngẫu nhiên X̄ được chuẩn
hóa như:
X̄ − µ
Z= √
σ n
Thống kê
ứng dụng
Phân phối mẫu của tỉ lệ
N.T. M. Ngọc
2. Phân phối
xác suất
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Kì vọng và phương sai của P̂ là
E(P̂) = µP̂ = p,
Var (P̂) = σP̂2 =
p(1 − p)
n
Theo định lí giới hạn trung tâm ta có
P̂ − p
r
p(1−p)
n
D
−→ N (0, 1)
Vì vậy trong thực hành, khi np ≥ 5, n(1 − p) ≥ 5,
thì phân phối xác suất
của tỉ lệ mẫu
P̂ xấp xỉ
p(1
−
p)
.
phân phối chuẩn N p,
n
3.3 Phân phối xác suất của tỉ lệ
mẫu
N.T. M. Ngọc
1. Biến ngẫu
nhiên
2. Phân phối
xác suất
xấp xỉ phân phối chuẩn tắc N (0; 1).
1. Biến ngẫu
nhiên
Thống kê
ứng dụng
3. Phân phối
xác suất của
trung bình
mẫu
3.1 Các đặc trưng
của mẫu ngẫu nhiên
3.2 Phân phối xác
suất của trung bình
mẫu
Giả sử cần khảo sát đặc trưng A của tổng thể, khảo sát n
phần tử và đặt
(
1 nếu thỏa A
Xi =
0 nếu khác
thu được mẫu ngẫu nhiên X1 , . . . , Xn với Xi ∼ B(1, p), p là tỉ
lệ phần tử thỏa đặc trưng A.
Đặt Y =
n
X
i=1
Xi là số phần tử thỏa đặc trưng A trong mẫu
khảo sát, thì Y ∼ B(n, p).
Tỉ lệ mẫu P̂ là một ước lượng của tỉ lệ p được xác định bởi
P̂ =
Y
n