tiểu luận lý thuyết xác suất báo cáo thực hành một số hàm tính toán các tham số đặc trưng trong excel

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINHĐẠI HỌC KINH TẾ - LUẬT Tiểu luận LÝ THUYẾT XÁC SUẤT BÁO CÁO THỰC HÀNH MỘT SỐ HÀM TÍNH TOÁN CÁC THAM SỐ ĐẶC TRƯNG TRONG EXCEL Giáo viên hướng dẫn: Th

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

ĐẠI HỌC KINH TẾ - LUẬT

Tiểu luận

LÝ THUYẾT XÁC SUẤT BÁO CÁO THỰC HÀNH MỘT SỐ HÀM TÍNH TOÁN CÁC THAM SỐ ĐẶC TRƯNG

TRONG EXCEL Giáo viên hướng dẫn: Thầy Phạm Văn Chững

Danh sách thành viên nhóm:

Họ và tên

Ngô Thị Thúy Hoa

Trần Thị Mỹ Linh

Tăng Thị Kim Nguyên

Lê Ngọc Quỳnh Như

Hoàng Thị Diệu Tâm

Lê Hà Thanh Trúc

Nguyễn Thị Minh Thiên

Trần Thị Hồng Thắm

Phan Thanh Tuyền

Mục lục

I Khái quát về các tham số đặc trưng của ĐLNN (công thức, ý nghĩa) .1

1 Kỳ vọng toán 1

2 Phương sai 1

3 Độ lệch chuẩn 2

4 Giá trị tin chắc nhất (Mod) 2

5 Trung vị 2

6 Hệ số tương quan 3

7 Hiệp phương sai 3

II Thực hành với excel 3

1 Một số hàm tính toán các tham số đặc trưng trong Excel 3

1.1 Hàm AVERAGE, Hàm tính trung bình cộng 3

1.2 Hàm VAR- hàm tính phương sai 4

1.3 Hàm STDE- hàm độ lệch chuẩn 5

1.4 Hàm MODE- hàm tính mốt 5

1.5 Hàm MEDIAN- hàm tính Trung vị 5

1.6 Hàm COREL- hàm tính Hệ số tương quan 5

1.7 Hàm COVAR- hàm tính Hiệp phương sai 6

2 Các ví dụ 6

2.1 Ví dụ 1 6

2.2 Ví dụ 2 8

2.3 Ví dụ 3 12

III TÀI LIỆU THAM KHẢO THÊM 14

LỜI CẢM ƠN 15

I Khái quát về các tham số đặc trưng của ĐLNN (công thức, ý nghĩa)

1. Kỳ vọng toán

Định nghĩa:

Giả sử đại lượng ngẫu nhiên rời rạc X nhận hữu hạn các giá trị x1 , x2 ,

x3 ,…,xn với xác suất tương ứng là p1 , p2 , p3 ,…, pn Khi đó, kỳ vọng của X, ký hiệu bởi E(X) , là số được xác định bởi biểu thức:

Nếu X là đại lượng ngẫu nhiên liên tục có hàm mật độ xác suất là f(x) thì kì vọng toán được xác định bởi biểu thức:

Ý nghĩa:

Kỳ vọng toán của đại lượng ngẫu nhiên chính là giá trị trung bình của đại lượng ngẫu nhiên đó

Kỳ vọng toán phản ánh giá trị trung tâm của một phân phối xác suất, có nhiều giá trị của đại lượng ngẫu nhiên nhận giá trị gần với kỳ vọng toán

2. Phương sai

Định nghĩa: Phương sai của biến ngẫu nhiên X, ký hiệu là V(X), là kỳ

vọng toán của bình phương sai lệch của biến ngẫu nhiên so với kỳ vọng toán của nó

Công thức:

Ý nghĩa:

Nó phản ánh mức độ phân tán các giá trị của đại lượng ngẫu nhiên xung quanh giá trị trung bình Đại lượng nào có nhiều giá trị sai lệch lớn so với giá trị trung bình thì phương sai sẽ lớn; Đại lượng nào có nhiều giá trị sai lệch ít so với giá trị trung bình thì phương sai sẽ nhỏ

Trong sản xuất công nghiệp, phương sai thường biểu thị độ chính xác của sản xuất Trong chăn nuôi, phương sai biểu thị mức độ đồng đều của đàn gia súc Trong trồng trọt, phương sai biểu thị mức độ ổn định của năng suất cây trồng

3. Độ lệch chuẩn

Định nghĩa: Ngoài phương sai ra, người ta còn sử dụng một tham số khác

để đặc trưng cho mức độ phân tán của đại lượng ngẫu nhiên, đó là độ lệch chuẩn

Công thức:

Ý nghĩa:

Khi cần phải đánh giá mức độ phân tán các giá trị của đại lượng ngẫu nhiên theo đơn vị đo của nó, người ta thường dùng độ lệch tiêu chuẩn, vì

độ lệch tiêu chuẵn có cùng đơn vị đo với đại lượng ngẫu nhiên đang nghiên cứu

Độ lệch chuẩn thể hiện độ phân tán dữ liệu từ so với mức trung bình

4. Giá trị tin chắc nhất (Mod)

Định nghĩa:

Giá trị tin chắc nhất của đại lượng ngẫu nhiên rời rạc X [ ký hiệu là Mod(X) ] là giá trị của X ứng với xác suất lớn nhất trong bản phân phối xác suất

Nếu X là đại lượng ngẫu nhiên liên tục có hàm mật độ xác suất f(x) thì Mod(X) là giá trị của X mà tại đó hàm mật độ đạt giá trị cực đại

Ý nghĩa: Mod(X) chính là giá trị có khả năng xảy ra nhiều nhất trong các giá trị mà đại lượng ngẫu nhiên X có thể nhận

5. Trung vị

Định nghĩa: Trung vị của đại lượng ngẫu nhiên X [ ký hiệu là Med(X) ] là

giá trị phân phối của đại lượng ngẫu nhiên thành hai phần bằng nhau

Ý nghĩa:

Giống với ý nghĩa của số trung bình, cả số trung vị và số trung bình có cùng chung một mục đích là đề xuất ra một số ở giữa của tập dữ liệu đã cho

Trong thống kê, nếu dữ liệu tương đồng nhau, sử dụng giá trị trung bình cho bạn kết quả phân tích chính xác nhất, nhưng nếu dữ liệu bị phân tán,

có một vài giá trị mà chúng ta gọi là giá trị nhiễu, giá trị ngoại biên thì sử dụng số trung vị sẽ cho bạn kết quả chính xác nhất bởi số trung vị không phụ thuộc vào giá trị nhiễu

6. Hệ số tương quan

Công thức: Hệ số tương quan giữa X và Y:

Ý nghĩa: Sức mạnh của mối quan hệ dựa trên giá trị của hệ số tương quan.

7. Hiệp phương sai

Định nghĩa: ( Covariance) của đại lượng ngẫu nhiên (X,Y) được xác định

như sau:

Ý nghĩa:

Hiệp phương sai: Hiệp phương sai thể hiện mối quan hệ tuyến tínhgiữa hai biến

Đo lường mối quan hệ định hướng giữa lợi nhuận trên hai tài sản Hiệp phương sai dương có nghĩa là lợi nhuận của hai tài sản di chuyển cùng nhau trong khi hiệp phương sai âm có nghĩa là chúng di chuyển ngược lại

Xác định các giá trị trung bình của hai biến di chuyển cùng nhau như thế nào

Trong tài chính, hiệp phương sai được tính toán để giúp đa dạng hóa nắm giữ cổ phiếu

AI.Thực hành với excel

1. Một số hàm tính toán các tham số đặc trưng trong Excel

Cú pháp hàm AVERAGE = AVERAGE(Number1, [Number2],

[Number3],…)

Trong đ :

Number 1: Đối số thứ nhất ( bắt buộc)

Number 2: Đối số thứ hai Number 3: Đối số thứ ba…

Hàm AVERAGE có tối đa 256 đối số, có thể là số, tên, phạm vi hoặc tham chiếu ô có chứa số Một đối số tham chiếu ô hoặc phạm vi có chứa giá trị logic, văn bản hay ô rỗng thì những giá trị đó sẽ bị bỏ qua Trừ giá trị 0 hoặc được nhập trực tiếp vào danh sách đối số

Có 3 hàm để tìm phương sai mẫu trong Excel: VAR, VAR.S và VARA

Hàm VAR trong Excel

Đây là hàm Excel cũ nhất để ước tính phương sai dựa trên mẫu Hàm VAR có sẵn trong tất cả các phiên bản Excel 2000 đến 2019

VAR (số 1, [number2], Giáo)

Ghi chú: Trong Excel 2010, hàm VAR đã được thay thế bằng VAR.S cung

cấp độ chính xác được cải thiện Mặc dù VAR vẫn có sẵn để tương thích ngược, nhưng nên sử dụng VAR.S trong các phiên bản hiện tại của Excel

Hàm VAR.S trong Excel

Nó là bản sao hiện đại của hàm VAR Excel Sử dụng hàm VAR.S để tìm phương sai mẫu trong Excel 2010 trở lên

VAR.S (số 1, [number2], Giáo)

Hàm VARA trong Excel

Hàm VARA của Excel trả về một phương sai mẫu dựa trên một tập hợp các số, văn bản và các giá trị logic như được hiển thị trong cái bàn này

VARA (giá trị 1, [value2], Giáo)

1.3 Hàm STDE- hàm độ lệch chuẩn

STDEV(number1,[number2], )

Cú pháp hàm STDEV có các đối số sau đây:

Number1: Bắt buô zc Đối số dạng số đầu tiên tương ứng với mẫu tổng thể

Number2: Tùy chọn Đối số dạng số từ 2 đến 255 tương ứng với mẫu tổng thể

MODE(số 1,[số 2], )

Cú pháp hàm MODE có các đối số dưới đây:

Number 1: Bắt buộc Đối số dạng số đầu tiên cho những gì bạn muốn vị

Number 2: Tùy chọn Các đối số dạng số từ 2 tới 255 mà bạn muốn tính toán số yếu vị trong đó Bạn cũng có thể sử dụng mô zt mảng đơn hay tham chiếu tới mô zt mảng thay thế cho các đối số được phân tách bởi dấu phẩy

Mô tả: Trả về số trung vị của các số đã cho Số trung vị là số ở giữa mô zt bô z số

MEDIAN(number1, [number2], )

Cú pháp hàm MEDIAN có các đối số dưới đây:

Number1, number2, Number1 là bắt buô zc, các số tiếp theo là tùy chọn 1 tới 255 số mà bạn muốn tìm trung vị

Cú pháp: CORREL(array1, array2)

Cú pháp hàm CORREL có các đối số sau đây:

array1: Bắt buô zc Một phạm vi giá trị ô

array2: Bắt buô zc Phạm vi thứ hai chứa các giá trị ô

Cú pháp : COVARIANCE.P(array1,array2)

Cú pháp hàm COVARIANCE.P có các đối số sau đây:

Array1: Bắt buô zc Phạm vi ô thứ nhất chứa các số nguyên Array2: Bắt buô zc Phạm vi ô thứ hai chứa các số nguyên

2. Các ví dụ

2.1 Ví dụ 1

Dữ liệu chiều cao, cân nặng của một nhóm sinh viên

Tổng số sinh viên: 15

Chiều cao trung bình:

=AVERAGE(D3:D17) Cân nặng trung bình:

=AVERAGE(E3:E17) Phương sai của chiều cao:

=VAR(D3:D17) Phương sai của cân nặng:

=VAR(E3:E17) Trung vị của chiều cao:

=MEDIAN(D3:D17) Trung vị của cân nặng:

=MEDIAN(E3:E17) Chiều cao xuất hiện nhiều nhất:

=MODE(D3:D17) Cân nặng xuất hiện nhiều nhất:

=MODE(E3:E17)

Độ lệch chuẩn của chiều cao:

=STDEV(D3:D17)

Độ lệch chuẩn của cân nặng:

=STDEV(E3:E17)

Hiệp phương sai của chiều cao và cân nặng:

=COVAR(D3:D17;E3:E17)

Hệ số tương quan của chiều cao và cân nặng:

=CORREL(D3:D17;E3:E17)

Histogram của dữ liệu chiều cao

Histogram của dữ liệu cân nặng

2.2 Ví dụ 2

Cho bảng danh sách một số nước trên thế giới (Năm 2020)

Cách tính hệ số tương quan:

Cách 1:

= CORREL(C4:C13,D4:D13)

Cách 2: Mở hộp Analysis ToolPak

Bước 1: Chọn “File” => chọn “Options”

Bước 2: Vào mục “Add-Ins” => chọn “Analysis ToolPak” sau đó bấm vào“Go”

Bước 3: Sau khi bấm “Go” thì sẽ hiện ra 1 giao diện cửa sổ “Add-Ins” Chọn “Analysis ToolPak” rồi bấm “Ok”

Chọn Data Analysis/ Correlation/OK

Hộp thoại Correlation xuất hiện

Khai báo các thông số để lập bảng tính hệ số tương quan như hình trên, ta được kết quả:

Nhận xét:

Hệ số tương quan trong hai cách đều bằng -0.235799 Từ đó có thể kết luận mối liên hệ giữa dân số và tỷ lệ sinh của các nước trên thế giới tương quan âm Nghĩa là dân số tăng thì tỷ lệ sinh giảm và ngược lại dân số giảm thì

tỷ lệ sinh tăng

Biểu đồ thể hiện sự tương quan giữa dân số và tỷ lệ sinh của một số quốc gia trên thế giới (Năm 2020)

2.3 Ví dụ 3

Dữ liệu

4

7

1

5

8

10

0

1

6

6

9

2

5

6

8

BIỂU ĐỒ HỆ SỐ TƯƠNG QUAN

45

40 f(x) = 1.68 x + 22.64 R² = 0.65

35

30

25

20

15 0 Sốố năm

Cách 1: =CORREL(A3:A17,B3:B17)

HỆ SỐ TƯƠNG QUAN: R0.805232349 Cách 2: Tương tự ví dụ 2 : Ta thu được kết quả như trong hình

download by : skknchat@gmail.com

Nhận xét: Mặc dù tiền lương còn phụ thuộc vào nhiều yếu tố khác nhau

như năng lực, bằng cấp, thái độ, năng suất làm việc, Tuy nhiên qua dữ liệu của ví dụ trên ta có thể thấy được mối liên hệ giữa số năm kinh nghiệm và mức lương là tương quan dương và khá chặt Hệ số tương quan trong 2 cách trên đều bằng 0,805232349 Nghĩa là, số năm làm việc càng nhiều thì mức lương càng cao

Liên hệ bản thân : Ngoài việc tích lũy kiến thức chuyên môn vững chắc

và chuyên sâu trong chuyên ngành cúa mình, thì việc thực tập, thực hành lấy kinh nghiệm là điều vô cùng cần thiết và quan trọng để có được công việc tốt sau này

Giáo trình lý thuyết xác suất (Trường đại học Kinh tế-Luật) chương 2, 3

LỜI CẢM ƠN

Nhóm chúng em xin gửi lời cảm ơn sâu sắc đến giảng viên bộ môn Lý thuyết xác suất – Thầy Phạm Văn Chững vì đã tận tình chỉ dạy, truyền đạt kiến thức quý báu trong suốt thời gian vừa qua Trong thời gian tham gia lớp học, chúng

em đã được tiếp thu thêm nhiều bài học bổ ích, tinh thần học tập hiệu quả, nghiêm túc Chính những điều mà chúng em được học hỏi sẽ là hành trang

mở đầu cho con đường tri thức trong tương lai vững chắc hơn, đặc biệt là đối với những sinh viên thuộc khối ngành kinh tế như chúng em

Với vốn kiến thức giới hạn và kỹ năng lập luận còn hạn chế, bài tiểu luận của nhóm chắc chắn không thể tránh khỏi những thiếu sót Chúng em rất mong có thể nhận được sự đánh giá, nhận xét cũng như những ý kiến đóng góp phê bình từ thầy để bài tiểu luận có thể được hoàn thiện hơn

Một lần nữa, nhóm chúng em xin chân thành cảm ơn thầy Kính chúc thầy thật nhiều sức khỏe, thành công và hạnh phúc