Giải cho tôi chi tiết từ câu 1 tới câu 10

Creado el: 5 de enero de 2026

Respondido usando GPT-5.2 Thinking por Chat01

Pregunta

IMG_0683.pngIMG_0683.png
IMG_0684.pngIMG_0684.png

Giải cho tôi chi tiết từ câu 1 tới câu 10

Python

python
import numpy as np, math, statistics as stats b1=[16,12,18,13,15,16,12,12,12,14,20,13,16,14,18,14,7,14,15,23] n1=len(b1) mean1=np.mean(b1) var1=np.var(b1, ddof=1) mean1, var1, n1 (14.7, 11.589473684210526, 20)

Python

python
import scipy.stats as st, numpy as np, math t_975_19=st.t.ppf(0.975,19) ci1=(mean1 - t_975_19*math.sqrt(var1)/math.sqrt(n1), mean1 + t_975_19*math.sqrt(var1)/math.sqrt(n1)) t_975_19, ci1 (2.093024054408263, (13.10672376412013, 16.29327623587987))

Python

python
s1=math.sqrt(var1) s1 3.404331606088121

Python

python
s1=math.sqrt(var1) s1 3.404331606088121 (2.2621571628540993, 6.48074069840786, (35.36395738547424, 44.63604261452576))

Python

python
z_99=st.norm.ppf(0.99) z_995=st.norm.ppf(0.995) t_99_9=st.t.ppf(0.99,9) upper_norm=mean2 + z_99*s2 upper_pred=mean2 + t_99_9*s2*math.sqrt(1+1/n2) upper_norm, t_99_9, upper_pred (55.07645734595108, 2.821437925025808, 59.17747774793536)

Python

python
from datetime import datetime, timedelta base=datetime(2000,1,1,7,50) for m in [upper_norm, upper_pred]: dep=base - timedelta(minutes=m) print(m, dep.strftime('%H:%M:%S'))

Python

python
n3=120 x3=25 phat3=x3/n3 z_95=st.norm.ppf(0.95) # for 90% CI se3=math.sqrt(phat3*(1-phat3)/n3) ci3=(phat3 - z_95*se3, phat3 + z_95*se3) # one-sided lower 99% z_99=st.norm.ppf(0.99) lower3=phat3 - z_99*se3 phat3, se3, z_95, ci3, lower3 (0.20833333333333334, 0.03707318837510872, 1.6448536269514722, (0.14735336497188062, 0.26931330169478607), 0.12208820037298355)

Python

python
n4=50 x4=37 phat4=x4/n4 se4=math.sqrt(phat4*(1-phat4)/n4) ci4=(phat4 - z_95*se4, phat4 + z_95*se4) z_needed=abs(phat4-0.70)/se4 CL=2*st.norm.cdf(z_needed)-1 phat4,se4,ci4,z_needed,CL (0.74, 0.06203224967708329, (0.6379660291306902, 0.8420339708693098), 0.6448258802191617, 0.48095997148426384)

Python

python
E=0.2 sigma=0.8 z_995=st.norm.ppf(0.995) n_req=math.ceil((z_995*sigma/E)**2) z_995,n_req (2.5758293035489004, 107)

Python

python
additional5=n_req-15 additional5 92

Python

python
phat6=0.84 E6=0.01 z_975=st.norm.ppf(0.975) n6=math.ceil((z_975**2 * phat6*(1-phat6))/E6**2) n6 5163

Python

python
val=z_975**2 * phat6*(1-phat6)/E6**2 val 5162.920655012905

Python

python
phat7=23/100 E7=0.02 n7=math.ceil((z_995**2 * phat7*(1-phat7))/E7**2) val=z_995**2 * phat7*(1-phat7)/E7**2 val,n7,n7-100 (2937.6004701021425, 2938, 2838)

Python

python
xbar9=44283 mu0=45000 s9=1120 n9=100 t9=(xbar9-mu0)/(s9/math.sqrt(n9)) pval9=2*(1-st.t.cdf(abs(t9),df=n9-1)) t9,pval9 (-6.401785714285714, 5.166049810156892e-09)

Python

python
data10=[7.9,7.6,7.2,6.4,8.0,6.8,7.1,7.8,7.2,7.7,6.9,6.4,8.3,7.3] n10=len(data10) xbar10=np.mean(data10) s10=np.std(data10, ddof=1) t10=(xbar10-8)/(s10/math.sqrt(n10)) crit=st.t.ppf(0.01,df=n10-1) # left-tail critical pval10=st.t.cdf(t10,df=n10-1) n10,xbar10,s10,t10,crit,pval10 (14, 7.328571428571429, 0.5836602955995385, -4.304311416962476, -2.6503088378527013, 0.0004282020886455846)

Python

python
sum1=sum(b1) ss1=sum((np.array(b1)-mean1)**2) sum1, ss1 (294, 220.20000000000002)

Python

python
sum10=sum(data10) ss10=sum((np.array(data10)-xbar10)**2) sum10, xbar10, ss10, ss10/(n10-1) (102.60000000000001, 7.328571428571429, 4.428571428571429, 0.34065934065934067)

Python

python
sum10=sum(data10) ss10=sum((np.array(data10)-xbar10)**2) sum10, xbar10, ss10, ss10/(n10-1) (102.60000000000001, 7.328571428571429, 4.428571428571429, 0.34065934065934067) (0.06097996836145274, 0.10203397086930974)

Python

python
sum10=sum(data10) ss10=sum((np.array(data10)-xbar10)**2) sum10, xbar10, ss10, ss10/(n10-1) (102.60000000000001, 7.328571428571429, 4.428571428571429, 0.34065934065934067) (0.06097996836145274, 0.10203397086930974) 4.636042614525761

Python

python
t_975_99=st.t.ppf(0.975,99) ci9=(xbar9 - t_975_99*s9/math.sqrt(n9), xbar9 + t_975_99*s9/math.sqrt(n9)) t_975_99,ci9 (1.9842169515086827, (44060.767701431025, 44505.232298568975))

Pensamiento

t_975_99=st.t.ppf(0.975,99) ci9=(xbar9 - t_975_99s9/math.sqrt(n9), xbar9 + t_975_99s9/math.sqrt(n9)) t_975_99,ci9

(1.9842169515086827, (44060.767701431025, 44505.232298568975))

Thought for 6m 39s

Respuesta

Dưới đây là lời giải chi tiết Bài 1 → Bài 10 (theo đúng đề trong ảnh). Mình dùng các công thức chuẩn của ước lượng/khoảng tin cậykiểm định.


Bài 1

Mẫu sản lượng dứa (quả):
16,12,18,13,15,16,12,12,12,14,20,13,16,14,18,14,7,14,15,2316,12,18,13,15,16,12,12,12,14,20,13,16,14,18,14,7,14,15,23.
n=20n=20

1) Trung bình mẫu và phương sai mẫu

  • Tổng: xi=294\sum x_i = 294
  • Trung bình mẫu:
xˉ=29420=14.7\bar x = \frac{294}{20}=14.7
  • Tổng bình phương độ lệch:
(xixˉ)2=220.2\sum (x_i-\bar x)^2 = 220.2
  • Phương sai mẫu (không chệch):
s2=(xixˉ)2n1=220.219=11.5895s^2=\frac{\sum (x_i-\bar x)^2}{n-1}=\frac{220.2}{19}=11.5895
  • Độ lệch chuẩn mẫu: s=11.5895=3.4043s=\sqrt{11.5895}=3.4043

Kết quả: xˉ=14.7,  s211.5895\bar x=14.7,\; s^2\approx 11.5895.

2) Khoảng tin cậy 95% cho μ\mu

σ\sigma chưa biết, dùng phân phối tt:

xˉ±t0.975;19sn\bar x \pm t_{0.975;19}\frac{s}{\sqrt{n}}

Với t0.975;192.093t_{0.975;19}\approx 2.093, ta có:

ME=2.0933.4043201.5933\text{ME}=2.093\cdot \frac{3.4043}{\sqrt{20}}\approx 1.5933 CI95%=(14.71.5933,  14.7+1.5933)=(13.1067,  16.2933)CI_{95\%}=(14.7-1.5933,\;14.7+1.5933)=(13.1067,\;16.2933)

Kết luận: Sản lượng trung bình mỗi cây (95%) khoảng 13.11 đến 16.29 quả.


Bài 2

n=10,  xˉ=40n=10,\; \bar x=40 phút, phương sai mẫu s2=42s=42=6.4807s^2=42 \Rightarrow s=\sqrt{42}=6.4807.

1) Khoảng tin cậy 95% cho μ\mu

xˉ±t0.975;9sn\bar x \pm t_{0.975;9}\frac{s}{\sqrt{n}}

t0.975;92.262t_{0.975;9}\approx 2.262

ME=2.2626.4807104.6360\text{ME}=2.262\cdot \frac{6.4807}{\sqrt{10}}\approx 4.6360 CI95%=(404.636,  40+4.636)=(35.364,  44.636)CI_{95\%}=(40-4.636,\;40+4.636)=(35.364,\;44.636)

Kết luận: (95%) thời gian đi trung bình khoảng 35.36–44.64 phút.

2) (99%) nên xuất phát lúc nào để đến trước 7h50?

Cách hiểu thường gặp: chọn thời gian đi sao cho xác suất đi không quá thời gian đó là 99%.

Cách A (xấp xỉ theo chuẩn, dùng z0.99=2.326z_{0.99}=2.326):

t99xˉ+z0.99s=40+2.3266.480755.08 phuˊtt_{99} \approx \bar x + z_{0.99}s = 40 + 2.326\cdot 6.4807 \approx 55.08\text{ phút}

Vậy muộn nhất nên xuất phát:

  • 7:5055.087{:}50 - 55.08 phút \approx 06:54:55

Cách B (chặt hơn cho “một chuyến đi bất kỳ” – dự báo 1 quan sát, dùng tt):

t99,pred=xˉ+t0.99;9s1+1nt_{99,\text{pred}}=\bar x+t_{0.99;9}\,s\sqrt{1+\tfrac{1}{n}}

t0.99;92.821t_{0.99;9}\approx 2.821

t99,pred40+2.8216.48071.159.18 phuˊtt_{99,\text{pred}}\approx 40+2.821\cdot 6.4807\cdot \sqrt{1.1}\approx 59.18\text{ phút}

Muộn nhất nên xuất phát:

  • 7:5059.187{:}50-59.18 phút \approx 06:50:49

Nếu thầy/cô yêu cầu kiểu “đảm bảo 99% cho một chuyến cụ thể”, thường dùng Cách B. Nếu chỉ cần “mốc 99% theo phân phối (ước lượng)”, dùng Cách A.


Bài 3

Gieo xúc xắc n=120n=120, có x=25x=25 lần ra mặt 6.

p^=25120=0.20833\hat p=\frac{25}{120}=0.20833

1) Khoảng tin cậy 90% cho pp

Dùng xấp xỉ chuẩn:

p^±z0.95p^(1p^)n\hat p \pm z_{0.95}\sqrt{\frac{\hat p(1-\hat p)}{n}}

z0.95=1.645z_{0.95}=1.645.

SE=0.208330.79167120=0.03707SE=\sqrt{\frac{0.20833\cdot 0.79167}{120}}=0.03707 ME=1.6450.03707=0.06098ME=1.645\cdot 0.03707=0.06098 CI90%=(0.208330.06098,  0.20833+0.06098)=(0.14735,  0.26931)CI_{90\%}=(0.20833-0.06098,\;0.20833+0.06098)=(0.14735,\;0.26931)

2) (99%) xác suất ra mặt 6 lớn hơn bao nhiêu?

Hiểu là cận dưới 1 phía mức tin cậy 99%:

pp^z0.99SEp \ge \hat p - z_{0.99}SE

z0.99=2.326z_{0.99}=2.326

L=0.208332.3260.03707=0.12209L = 0.20833 - 2.326\cdot 0.03707 = 0.12209

Kết luận: Với độ tin cậy 99%, có thể nói p>0.122p > \mathbf{0.122} (xấp xỉ).


Bài 4

n=50n=50, có x=37x=37 người thíchp^=37/50=0.74\hat p=37/50=0.74.

1) Khoảng tin cậy 90% cho pp

SE=0.740.2650=0.06203,z0.95=1.645SE=\sqrt{\frac{0.74\cdot 0.26}{50}}=0.06203,\quad z_{0.95}=1.645 ME=1.6450.06203=0.10203ME=1.645\cdot 0.06203=0.10203 CI90%=(0.740.10203,  0.74+0.10203)=(0.63797,  0.84203)CI_{90\%}=(0.74-0.10203,\;0.74+0.10203)=(0.63797,\;0.84203)

2) Độ tin cậy lớn hơn bao nhiêu thì 70% nằm trong khoảng tin cậy?

Ta cần mức zz sao cho:

0.70(p^zSE,  p^+zSE)    zp^0.70SE0.70 \in \left(\hat p - zSE,\; \hat p + zSE\right) \iff z \ge \frac{|\hat p-0.70|}{SE} zmin=0.040.06203=0.64483z_{\min}=\frac{0.04}{0.06203}=0.64483

Độ tin cậy tương ứng (hai phía):

1α=2Φ(zmin)12Φ(0.64483)10.4811-\alpha = 2\Phi(z_{\min})-1 \approx 2\Phi(0.64483)-1 \approx 0.481

Kết luận: Chỉ cần độ tin cậy ≥ 48.1% thì 70% sẽ nằm trong khoảng tin cậy (theo CI đối xứng xấp xỉ chuẩn).


Bài 5

Sai số không quá E=20 cm=0.2 mE=20\text{ cm}=0.2\text{ m}. Mẫu sơ bộ n0=15n_0=15, độ lệch chuẩn mẫu s=80 cm=0.8 ms=80\text{ cm}=0.8\text{ m}. Tin cậy 99% ⇒ z0.995=2.576z_{0.995}=2.576.

Cỡ mẫu cần:

n(z0.995sE)2=(2.5760.80.2)2=(10.304)2106.1n=107n \ge \left(\frac{z_{0.995}\,s}{E}\right)^2 = \left(\frac{2.576\cdot 0.8}{0.2}\right)^2 = (10.304)^2 \approx 106.1 \Rightarrow n=107

Đã có 15 cây ⇒ cần khảo sát thêm:

10715=92107-15=92

Kết luận: Cần khảo sát thêm 92 cây (tổng 107 cây).


Bài 6

Gieo 100 hạt, nảy mầm 84 ⇒ p^=0.84\hat p=0.84.
Muốn sai số không quá E=1%=0.01E=1\% = 0.01, tin cậy 95% ⇒ z0.975=1.96z_{0.975}=1.96.

Cỡ mẫu:

nz0.9752p^(1p^)E2=1.9620.840.160.0125162.92n=5163n \ge \frac{z_{0.975}^2\,\hat p(1-\hat p)}{E^2} = \frac{1.96^2\cdot 0.84\cdot 0.16}{0.01^2} \approx 5162.92 \Rightarrow n=5163

Kết luận: Cần gieo khoảng 5163 hạt (nếu đã gieo 100 thì cần thêm 5063).


Bài 7

Trong 100 cây có 23 cây cao hơn 8m ⇒ p^=0.23\hat p=0.23.
Sai số E=2%=0.02E=2\%=0.02, tin cậy 99% ⇒ z0.995=2.576z_{0.995}=2.576.

nz0.9952p^(1p^)E2=2.57620.230.770.0222937.60n=2938n \ge \frac{z_{0.995}^2\,\hat p(1-\hat p)}{E^2} = \frac{2.576^2\cdot 0.23\cdot 0.77}{0.02^2} \approx 2937.60 \Rightarrow n=2938

Cần khảo sát thêm:

2938100=28382938-100=2838

Kết luận: Cần khảo sát thêm 2838 cây (tổng 2938).


Bài 8

Trong ảnh chỉ ghi: “Bài 8, trang 160, sách Thống kê” nên mình chưa có đề bài để giải chính xác.

Bạn chụp/ghi lại nội dung Bài 8 (trang 160) hoặc gửi ảnh trang đó, mình sẽ giải tiếp ngay.


Bài 9

n=100,  xˉ=44283n=100,\; \bar x=44283 giờ, s=1120s=1120 giờ. Mức ý nghĩa α=5%\alpha=5\%.
Kiểm định:

  • H0:μ=45000H_0:\mu=45000
  • H1:μ45000H_1:\mu\neq 45000

Thống kê kiểm định (dùng t, df=99; n lớn nên gần như z):

t=xˉμ0s/n=44283450001120/10=717112=6.402t=\frac{\bar x-\mu_0}{s/\sqrt{n}} =\frac{44283-45000}{1120/10} =\frac{-717}{112}=-6.402

Ngưỡng tới hạn hai phía: ±t0.975;99±1.984\pm t_{0.975;99}\approx \pm 1.984.

t=6.402>1.984|t|=6.402>1.984bác bỏ H0H_0.

Kết luận: Với mức ý nghĩa 5%, không thể nói μ=45000\mu=45000; dữ liệu cho thấy tuổi thọ trung bình thấp hơn 45000 giờ (rất rõ).

(Tham khảo: CI 95% cho μ\mu44283±1.9841120/10(44060.8,  44505.2)44283 \pm 1.984\cdot 1120/10 \Rightarrow (44060.8,\;44505.2), không chứa 45000.)


Bài 10

Thời gian hồi phục ~ chuẩn. Quy trình cũ: trung bình khoảng 88 tuần.
Mẫu quy trình mới (14 người): 7.9,7.6,7.2,6.4,8.0,6.8,7.1,7.8,7.2,7.7,6.9,6.4,8.3,7.37.9,7.6,7.2,6.4,8.0,6.8,7.1,7.8,7.2,7.7,6.9,6.4,8.3,7.3

Bước 1: Tính xˉ,s\bar x, s

  • n=14n=14
  • xi=102.6xˉ=102.6/14=7.3286\sum x_i = 102.6 \Rightarrow \bar x = 102.6/14 = 7.3286
  • s0.5837s \approx 0.5837

Bước 2: Kiểm định 1 phía (nhanh hơn)

  • H0:μ=8H_0:\mu=8 (hoặc μ8\mu\ge 8)
  • H1:μ<8H_1:\mu<8
  • α=1%\alpha=1\%
t=xˉ8s/n=7.328680.5837/144.304t=\frac{\bar x-8}{s/\sqrt{n}} =\frac{7.3286-8}{0.5837/\sqrt{14}} \approx -4.304

Ngưỡng trái: t0.01;132.650t_{0.01;13}\approx -2.650.

4.304<2.650-4.304 < -2.650bác bỏ H0H_0.

Kết luận: Với mức ý nghĩa 1%, có thể kết luận quy trình mới giúp hồi phục nhanh hơn (trung bình < 8 tuần).


Nếu bạn gửi thêm ảnh/nội dung Bài 8 (trang 160) mình sẽ giải nốt để đủ 1→10 theo đúng đề.

Pregunta

IMG_0685.pngIMG_0685.png
IMG_0684.pngIMG_0684.png
IMG_0683.pngIMG_0683.png

Giải chi tiết cho tôi từ câu 16 đến câu 26

Python

python
import mpmath as mp def Phi(z): return 0.5*(1+mp.erf(z/mp.sqrt(2))) zs=[2.14,2.49,1.85,2.00,1.96] vals=[Phi(z) for z in zs] vals [mpf('0.98382261662783388'), mpf('0.99361284523505677'), mpf('0.96784322520438626'), mpf('0.97724986805182079'), mpf('0.97500210485177963')]

Python

python
two=[2*Phi(z)-1 for z in [2.14,2.49,1.85]] two [mpf('0.96764523325566776'), mpf('0.98722569047011355'), mpf('0.93568645040877252')]

Python

python
import numpy as np, math, mpmath as mp x=np.array([700,750,800,850,900,950,1000],dtype=float) f=np.array([2,3,6,8,7,4,5],dtype=float) n=int(f.sum()) n 35

Python

python
import numpy as np, math, mpmath as mp x=np.array([700,750,800,850,900,950,1000],dtype=float) f=np.array([2,3,6,8,7,4,5],dtype=float) n=int(f.sum()) n 35 867.1428571428571

Python

python
s2=((f*(x-mean)**2).sum())/(n-1) s=math.sqrt(s2) s2,s (7344.53781512605, 85.70027896760926)

Python

python
import scipy, scipy.stats as st, numpy as np, math st.t.ppf(0.975,34) 2.032244509317718

Python

python
t975=st.t.ppf(0.975,34) ME=t975*s/math.sqrt(n) ME 29.439075834719528

Python

python
E=10 t_needed=E*math.sqrt(n)/s t_needed 0.6903221149765009

Python

python
conf=2*st.t.cdf(t_needed,34)-1 conf 0.5053226053743411

Python

python
n=10000 phat=7234/10000 se_hat=math.sqrt(phat*(1-phat)/n) z99=st.norm.ppf(0.99) lower=phat - z99*se_hat phat,se_hat,z99,lower (0.7234, 0.0044731693462242185, 2.3263478740408408, 0.7129938520011867)

Python

python
z_needed=(0.8-phat)/se_hat conf=st.norm.cdf(z_needed) z_needed,conf (17.12432373360908, 1.0)

Python

python
1-Phi mpf('4.886930966448236897642200684927703496713998493499169638109714388921435199641567306e-66')

Python

python
import numpy as np, math pairs=[(3,7.2),(7,15.1),(2,5.3),(9,19.4),(11,23.0), (4,9.1),(13,25.2),(6,13.3),(15,29.5),(8,17.0), (12,24.1),(5,11.2),(10,21.3),(14,27.4),(1,3.9)] X=np.array([p[0] for p in pairs],dtype=float) Y=np.array([p[1] for p in pairs],dtype=float) n=len(X) n, X.mean(), Y.mean() (15, 8.0, 16.8)

Python

python
xbar=X.mean(); ybar=Y.mean() Sxx=((X-xbar)**2).sum() Sxy=((X-xbar)*(Y-ybar)).sum() Syy=((Y-ybar)**2).sum() Sxx,Sxy,Syy (280.0, 517.5, 959.5999999999998)

Python

python
b=Sxy/Sxx a=ybar-b*xbar yhat=a+b*12.5 a,b,yhat (2.0142857142857142, 1.8482142857142858, 25.11696428571429)

Python

python
r=Sxy/math.sqrt(Sxx*Syy) r 0.9983578079475371

Python

python
pairs20=[(5,40),(12,28),(9,32),(3,44),(15,25), (20,15),(7,36),(18,18),(11,30),(6,38), (14,22),(4,41),(8,34),(10,31),(2,46), (16,20),(13,24),(1,48),(17,19),(19,17)] X=np.array([p[0] for p in pairs20],float) Y=np.array([p[1] for p in pairs20],float) n=len(X) n, X.mean(), Y.mean() (20, 10.5, 30.4)

Python

python
sY=np.std(Y,ddof=1) t=st.t.ppf(0.975,n-1) ME=t*sY/math.sqrt(n) (Y.mean()-ME, Y.mean()+ME), sY, t, ME ((25.594913472545954, 35.20508652745404), 10.26696285742719, 2.093024054408263, 4.805086527454043)

Python

python
X2=X[mask]; n2=len(X2) meanX2=X2.mean() sX2=np.std(X2,ddof=1) t2=st.t.ppf(0.975,n2-1) ME2=t2*sX2/math.sqrt(n2) meanX2,sX2,t2,ME2,(meanX2-ME2,meanX2+ME2) (5.5, 3.0276503540974917, 2.2621571628540993, 2.1658505897216838, (3.3341494102783162, 7.665850589721684))

Pensamiento

Confirming CI95% for mean X and response strategy

The 95% confidence interval for the mean X in the subset is (3.334, 7.666) hours. Now, part 2 seems to be asking about the conditional mean of X given Y>30, which we've already handled.

For parts 21-26, we don’t have the info, so I'll ask for those pages. I’ll provide the steps for parts 16-20, show detailed calculations with proper decimals, and explain everything clearly. Plus, we’ll ensure earlier solutions from 1-10 are revisited if necessary. I'll finish it all in Vietnamese.

Providing full steps for Bài 17-19 solutions

For Bài 17, I'll compute the sample mean and variance using the grouped data formula. I'll calculate Σf, Σfx, and Σfx², derive the sample variance, and compute the margin of error (ME). For part 2, I’ll use the t-distribution and CDF to compute the confidence level (about 50.5%).

For Bài 18, I’ll calculate the standard error and 99% confidence for lower bound. For part 2, I'll compute the one-sided upper CI and test for p<0.8, finding basically 100% confidence.

For Bài 19, I'll work on regression line.

Finalizing response and clarifying Bài 16-26

For Bài 20, I've computed the 95% confidence intervals for both parts: for part 1, the interval is (25.595, 35.205), and for part 2, it's (3.334, 7.666). I'll provide answers up to two decimal places.

For Bài 16, using standard normal quantiles works.

I’ll remind the user for pages containing Bài

Thought for 5m 10s

Respuesta

Mình xem ảnh bạn gửi thì chỉ thấy rõ từ Bài 16 đến Bài 20 (chưa có Bài 21–Bài 26 trong ảnh), nên mình giải chi tiết Bài 16–20 trước. Cuối câu trả lời mình ghi rõ bạn cần gửi thêm trang nào để mình giải tiếp 21–26.


Bài 16

Gọi Z=Xˉμσ/nN(0,1)Z=\dfrac{\bar X-\mu}{\sigma/\sqrt{n}}\sim N(0,1) (vì σ2\sigma^2 đã biết, tổng thể chuẩn).

1) xˉ2.14σnμxˉ+2.14σn\bar x-2.14\frac{\sigma}{\sqrt n}\le \mu \le \bar x+2.14\frac{\sigma}{\sqrt n}

P(Z2.14)=2Φ(2.14)1P\left(|Z|\le 2.14\right)=2\Phi(2.14)-1

Φ(2.14)0.9838226\Phi(2.14)\approx 0.9838226\Rightarrow

1α=20.98382261=0.967645296.76%1-\alpha=2\cdot 0.9838226-1=0.9676452\approx 96.76\%

2) xˉ2.49σnμxˉ+2.49σn\bar x-2.49\frac{\sigma}{\sqrt n}\le \mu \le \bar x+2.49\frac{\sigma}{\sqrt n}

1α=2Φ(2.49)1,Φ(2.49)0.99361281-\alpha=2\Phi(2.49)-1,\quad \Phi(2.49)\approx 0.9936128 1α20.99361281=0.987225798.72%1-\alpha\approx 2\cdot 0.9936128-1=0.9872257\approx 98.72\%

3) xˉ1.85σnμxˉ+1.85σn\bar x-1.85\frac{\sigma}{\sqrt n}\le \mu \le \bar x+1.85\frac{\sigma}{\sqrt n}

1α=2Φ(1.85)1,Φ(1.85)0.96784321-\alpha=2\Phi(1.85)-1,\quad \Phi(1.85)\approx 0.9678432 1α20.96784321=0.935686593.57%1-\alpha\approx 2\cdot 0.9678432-1=0.9356865\approx 93.57\%

4) μxˉ+2.00σn\mu \le \bar x+2.00\dfrac{\sigma}{\sqrt n} (cận trên 1 phía)

P(μxˉ+2σn)=P(Z2)=Φ(2)P\left(\mu \le \bar x+2\frac{\sigma}{\sqrt n}\right)=P\left(Z\ge -2\right)=\Phi(2) 1α=Φ(2.00)0.977249997.72%1-\alpha=\Phi(2.00)\approx 0.9772499\approx 97.72\%

5) xˉ1.96σnμ\bar x-1.96\dfrac{\sigma}{\sqrt n}\le \mu (cận dưới 1 phía)

P(xˉ1.96σnμ)=P(Z1.96)=Φ(1.96)P\left(\bar x-1.96\frac{\sigma}{\sqrt n}\le \mu\right)=P(Z\le 1.96)=\Phi(1.96) 1α0.975002197.50%1-\alpha\approx 0.9750021\approx 97.50\%

Bài 17

Bảng số liệu (nghìn đồng):

  • Mức tiền điện x:x: 700, 750, 800, 850, 900, 950, 1000
  • Số hộ f:f: 2, 3, 6, 8, 7, 4, 5
    Tổng mẫu: n=f=35n=\sum f=35

Bước 1: Tính xˉ\bar x

xˉ=fixin=3035035=867.1429 (nghıˋn)\bar x=\frac{\sum f_ix_i}{n}=\frac{30350}{35}=867.1429\ (\text{nghìn})

Bước 2: Tính phương sai mẫu s2s^2

s2=fi(xixˉ)2n17344.5378s85.7003 (nghıˋn)s^2=\frac{\sum f_i(x_i-\bar x)^2}{n-1}\approx 7344.5378 \Rightarrow s\approx 85.7003\ (\text{nghìn})

1) Sai số (95%) khi ước lượng μ\mu

σ\sigma chưa biết, dùng tt với df=34df=34:

E=t0.975;34snE=t_{0.975;34}\frac{s}{\sqrt n}

t0.975;342.0322t_{0.975;34}\approx 2.0322

E2.032285.70033529.4391 (nghıˋn)E\approx 2.0322\cdot\frac{85.7003}{\sqrt{35}}\approx 29.4391\ (\text{nghìn})

Kết luận: Với độ tin cậy 95%, sai số khoảng 29.44 nghìn đồng.
(Nếu cần khoảng tin cậy: xˉ±E=(867.14±29.44)(837.70; 896.58)\bar x\pm E=(867.14\pm 29.44)\Rightarrow (837.70;\ 896.58) nghìn.)

2) Nếu yêu cầu sai số không vượt quá 10 nghìn, độ tin cậy đạt được?

Ta cần mức 1α1-\alpha sao cho:

E=t1α/2;34sn10t1α/2;34=103585.70030.6903E= t_{1-\alpha/2;34}\frac{s}{\sqrt n}\le 10 \Rightarrow t_{1-\alpha/2;34}=\frac{10\sqrt{35}}{85.7003}\approx 0.6903

Suy ra:

1α=2Ft,34(0.6903)10.505350.53%1-\alpha = 2F_{t,34}(0.6903)-1\approx 0.5053 \approx 50.53\%

Kết luận: Độ tin cậy đạt được khoảng 50.53%.


Bài 18

n=10000n=10000, nảy mầm x=7234x=7234p^=0.7234\hat p=0.7234

1) Với độ tin cậy 99%, tỉ lệ nảy mầm lớn hơn bao nhiêu?

Ý này là cận dưới 1 phía 99%:

pp^z0.99p^(1p^)np \ge \hat p - z_{0.99}\sqrt{\frac{\hat p(1-\hat p)}{n}} SE=0.72340.2766100000.0044732,z0.992.3263SE=\sqrt{\frac{0.7234\cdot 0.2766}{10000}}\approx 0.0044732,\quad z_{0.99}\approx 2.3263 L=0.72342.32630.00447320.712994L=0.7234-2.3263\cdot 0.0044732\approx 0.712994

Kết luận: Với độ tin cậy 99%, pp > 0.7130 (tức > 71.30%).

2) Khi nói p<80%p<80\% thì độ tin cậy là bao nhiêu?

Xem như tìm mức tin cậy 1 phía sao cho cận trên đúng bằng 0.80:

0.80=p^+z1αSEz1α=0.800.72340.004473217.1240.80=\hat p+z_{1-\alpha}\cdot SE \Rightarrow z_{1-\alpha}=\frac{0.80-0.7234}{0.0044732}\approx 17.124 1α=Φ(17.124)14.89×1066100%1-\alpha=\Phi(17.124)\approx 1-4.89\times 10^{-66}\approx 100\%

Kết luận: Độ tin cậy để khẳng định p<0.8p<0.8gần như 100% (cực kỳ chắc chắn với cỡ mẫu 10000).


Bài 19

Dữ liệu 15 cặp (X,Y)(X,Y) (đúng theo bảng trong ảnh).

Bước 1: Tính trung bình

xˉ=8,yˉ=16.8\bar x=8,\quad \bar y=16.8

Bước 2: Tính các tổng bình phương

Sxx=(xixˉ)2=280,Sxy=(xixˉ)(yiyˉ)=517.5S_{xx}=\sum (x_i-\bar x)^2=280,\quad S_{xy}=\sum (x_i-\bar x)(y_i-\bar y)=517.5

Bước 3: Đường hồi quy YY theo XX: y^=a+bx\hat y=a+bx

b=SxySxx=517.5280=1.8482143b=\frac{S_{xy}}{S_{xx}}=\frac{517.5}{280}=1.8482143 a=yˉbxˉ=16.81.84821438=2.0142857a=\bar y-b\bar x=16.8-1.8482143\cdot 8=2.0142857

Vậy:

y^=2.0143+1.8482x\boxed{\hat y=2.0143+1.8482x}

Ước lượng điểm khi X=12.5X=12.5

y^(12.5)=2.0143+1.848212.525.117\hat y(12.5)=2.0143+1.8482\cdot 12.5\approx 25.117

Kết luận: X=12.5Y^25.12X=12.5\Rightarrow \hat Y\approx 25.12.


Bài 20

Bảng có n=20n=20 cặp (X,Y)(X,Y).

1) Ước lượng thời gian tự học trung bình (Y) với độ tin cậy 95%

yˉ=30.4,sy10.267,t0.975;192.093\bar y=30.4,\quad s_y\approx 10.267,\quad t_{0.975;19}\approx 2.093 CI95%: yˉ±tsyn=30.4±2.09310.26720=30.4±4.805CI_{95\%}:\ \bar y\pm t\frac{s_y}{\sqrt n} =30.4\pm 2.093\cdot\frac{10.267}{\sqrt{20}} =30.4\pm 4.805 CI95%(μY)(25.59; 35.21)\boxed{CI_{95\%}( \mu_Y )\approx (25.59;\ 35.21)}

2) Ước lượng thời gian đi làm thêm trung bình (X) của nhóm tự học > 30 giờ với 95%

Lọc các bạn có Y>30Y>30 được 10 bạn với XX: 5,9,3,7,6,4,8,10,2,15,9,3,7,6,4,8,10,2,1

n2=10,xˉ2=5.5,sx23.028,t0.975;92.262n_2=10,\quad \bar x_2=5.5,\quad s_{x2}\approx 3.028,\quad t_{0.975;9}\approx 2.262 CI95%: xˉ2±tsx2n2=5.5±2.2623.02810=5.5±2.166CI_{95\%}:\ \bar x_2\pm t\frac{s_{x2}}{\sqrt{n_2}} =5.5\pm 2.262\cdot\frac{3.028}{\sqrt{10}} =5.5\pm 2.166 CI95%(μXY>30)(3.33; 7.67)\boxed{CI_{95\%}(\mu_{X|Y>30})\approx (3.33;\ 7.67)}

Bài 21–Bài 26

Trong ảnh hiện tại không có nội dung Bài 21–26, nên mình chưa thể giải đúng đề.

Bạn gửi thêm ảnh các trang có Bài 21, 22, 23, 24, 25, 26 (chụp rõ phần đề) là mình sẽ giải tiếp ngay theo đúng yêu cầu “chi tiết”.

Compartir este Q&A