You are on page 1of 18

Các phân phối xác suất thường gặp

Hoàng Văn Hà
hvha@hcmus.edu.vn
Ngày 13 tháng 10 năm 2012

Các phân phối rời rạc
Biến ngẫu nhiên Bernoulli. . . . . . . .
Phân phối nhị thức . . . . . . . . . . . .
Phân phối nhị thức - hàm xác suất .
Phân phối nhị thức - hàm phân phối
Phân phối Poisson. . . . . . . . . . . . .
Định nghĩa . . . . . . . . . . . . . . . . . .
Hàm xác suất . . . . . . . . . . . . . . . .
Ví dụ. . . . . . . . . . . . . . . . . . . . . .
Xấp xỉ pp nhị thức bằng pp Poisson.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

Các phân phối liên tục
Phân phối đều . . . . . . . . . . . . . . . . . . . . .
Phân phối mũ. . . . . . . . . . . . . . . . . . . . . .
Các đặc trưng của phân phối mũ. . . . . . . . .
Phân phối mũ - Hàm mật độ . . . . . . . . . . .
Phân phối mũ - Hàm phân phối . . . . . . . . .
Tính chất. . . . . . . . . . . . . . . . . . . . . . . . .
Phân phối chuẩn . . . . . . . . . . . . . . . . . . . .
Phân phối chuẩn - Hàm phân phối . . . . . . .
Phân phối chuẩn hóa . . . . . . . . . . . . . . . . .
Phân vị chuẩn hóa . . . . . . . . . . . . . . . . . .
Định lý giới hạn trung tâm . . . . . . . . . . . . .
Áp dụng: Xấp xỉ pp nhị thức bằng pp chuẩn .

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

1

.
.
.
.

2
3
6
7
8
14
15
17
19
20
22
23
28
29
30
31
34
35
38
41
44
48
49

ký hiệu X ∼ B(1. ngược lại biến ngẫu nhiên X nhận giá trị 0. X = 0 nếu xuất hiện mặt ngửa. p). Nếu biến cố A xảy ra (thành công) thì X nhận giá trị là 1 (X = 1). 0 < p < 1 P (A) = P (X = 1) = p và  P A¯ = P (X = 0) = 1 − p = q Khi đó biến ngẫu nhiên X được gọi là biến ngẫu nhiên có phân phối Bernoulli với tham số p. Các phép thử sau đây cho kết quả là một biến ngẫu nhiên Bernoulli ✔ Tung ngẫu nhiên một đồng xu: X = 1 nếu xuất hiện mặt sấp.Các phân phối rời rạc 0. ✔ Kiểm tra ngẫu nhiên một sản phẩm trong lô hàng: X = 1 nếu gặp được sản phẩm tốt. ta quan tâm đến biến cố A. ✔ Mua vé số: X = 0 nếu trúng số.1 2 Phân phối nhị thức Biến ngẫu nhiên Bernoulli Định nghĩa 1 (Biến ngẫu nhiên Bernoulli). X = 1 nếu không trúng số. Thực hiện một phép thử. ✔ Trả lời ngẫu nhiên 1 câu trắc nghiệm: X = 0 nếu trả lời đúng. X = 1 nếu trả lời sai. 3 Phân phối Bernoulli Ví dụ 1. Dựa vào bảng phân phối xác suất của biến ngẫu nhiên X ta dễ dàng tính được E(X) = p Var(X) = pq 5 2 . p) có dạng X 1 0 P p q với q = 1 − p. Phép thử này gọi là phép thử Bernoulli. Giả sử xác suất xảy ra biến cố A là p. X = 0 nếu gặp được sản phẩm kém. 4 Phân phối Bernoulli Bảng phân phối xác suất của biến ngẫu nhiên X ∼ B(1.

k∈S (1) X được gọi là có phân phối nhị thức với các tham số n. 6 Phân phối nhị thức .hàm xác suất 7 Phân phối nhị thức . . Khi đó X là biến ngẫu nhiên rời rạc với miền giá trị S = {0.Phân phối nhị thức Định nghĩa 2 (Binomial distribution).hàm phân phối 8 3 . p ký hiệu X ∼ B (n. . . . là biến ngẫu nhiên có phân phối Bernoulli với cùng tham số p. p). Gọi X là số lần thành công (biến cố A xảy ra) trong n phép thử thì X = X1 + · · · + Xn với Xi . . . . Thực hiện n phép thử Bernoulli độc lập với xác suất thành công trong mỗi phép thử là p. n} và xác suất P (X = k) = Cnk pk q n−k . . (i = 1. n).

(b) Số câu trả lời đúng trung bình mà học sinh làm được là bao nhiêu? Tính phương sai của số câu trả lời đúng. ii) Var (X) = npq. Tính xác suất (a) Có đúng 7 vi mạch không đạt chất lượng. Nếu X là biến ngẫu nhiên có phân phối nhị thức B (n. Khi kiện hàng được giao cho khách hàng. Nếu cả hai sản phẩm đều tốt. Trong một nhà máy. 11 Phân phối nhị thức Ví dụ 4. mỗi câu có 5 đáp án và chỉ có 1 đáp án đúng. h là hai số nguyên nguyên dương thì P (x ≤ X ≤ x + h) =P (X = x) + P (X = x + 1) + · · · · · · + P (X = x + h) . Một học sinh làm một bài thi trắc nghiệm có 60 câu hỏi. (b) Tính E (X) và Var (X). hàng đóng thành kiện. (b) Học sinh làm đúng 30 câu. biết rằng tỷ lệ vi mạch không đạt chất lượng là 5%. kiện hàng sẽ được nhận. 12 4 . trong đó có 3 phế phẩm. 10 Phân phối nhị thức Ví dụ 3. ngược lại kiện hàng sẽ bị trả lại. (b) Có ít nhất 1 vi mạch không đạt chất lượng.Phân phối nhị thức Ví dụ 2. Gọi X là số kiện hàng được nhận trong số 50 kiện hàng giao cho khách hàng. mỗi kiện 10 sản phẩm. Trong một nhà máy sản xuất vi mạch điện tử. 9 Phân phối nhị thức Định lý 3 (Các đặc trưng của BNN có phân phối nhị thức). Biết rằng học sinh không học bài và đánh ngẫu nhiên toàn bộ bài thi. khách hàng sẽ lấy ngẫu nhiên ra 2 sản phẩm trong kiện để kiểm tra. Kiểm tra ngẫu nhiên 15 vi mạch. Tính xác suất: (a) Học sinh làm đúng ít nhất 1 câu. (a) Tính xác suất có 40 kiện hàng được nhận. p) thì i) E (X) = np. iv) Với x.

Đặt λ = np thì E(X) = np = λ và P (X = x) = Cnx px (1 n−x − p) = Cnx   x  λ n−x λ 1− n n Giả sử số truyền đi tăng lên và xác suất một bit lỗi giảm xuống sao cho np không đổi. x = 0.2 Phân phối Poisson Phân phối Poisson Ví dụ 6. Ta có thể chỉ ra lim P(X = x) = n→∞ e−λ λx . Nghĩa là. x! (2) Kỳ vọng và phương sai của X lần lượt bằng E(X) = λ Var(X) = λ 15 5 . 1. . x = 0. Giả sử ta cần truyền đi n bit qua một kênh truyền tín hiệu số. 1. (b) Xác suất máy bay cất cánh mà còn dư ghế ngồi là bao nhiêu? 13 0. . Biến ngẫu nhiên rời rạc X nhận các giá trị từ 0. 1. (a) Tính xác suất tất cả những hành khác có mặt tại sân bay đều có thể thực hiện chuyến bay (có đủ ghế). gọi là có phân phối Poisson với tham số λ. 2 .10 và độc lập với các hành khách khác. 2. Gọi X là số bit lỗi trong n bit được truyền. . Khi xác suất một bit bị lỗi là hằng số và việc truyền tín hiệu độc lập. n và p đồng thời tăng và giảm sao cho E(X) = λ là hằng số.Phân phối nhị thức Ví dụ 5. Trong các chuyến bay. Một hãng hàng không bán ra 125 vé cho một chuyến bay chỉ có 120 ghế. có thể có những hành khách bỏ chuyến bay mặc dù đã đặt vé trước. . X có phân phối nhị thức. . 2. x! 14 Định nghĩa Định nghĩa 4 (Poissson distribution). . . . Xác suất một hành khác vắng mặt là 0. Gọi p là xác suất một bit truyền đi bị lỗi. ký hiệu X ∼ P (λ) nếu f (x) = P(X = x) = e−λ λx .

iii) Số người đến một bưu điện nào đó trong một ngày. Các biến ngẫu nhiên được sử dụng để mô tả. iv) Số tai nạn hoặc sự cố giao thông xảy ra tại một điểm giao thông trong một ngày . sự kiện nào đó xảy ra trong một khoảng thời gian và thỏa một số điều kiện (các điều kiện này thường thỏa mãn trong thực tế) thường được mô tả bằng phân phối Poisson. ii) Số người sống lâu trên 100 tuổi trong một cộng đồng dân cư. 16 Hàm xác suất 17 6 .. "đếm" số lần xảy ra của một biến cố.Định nghĩa Một số biến ngẫu nhiên mô tả các sự kiện sau thường được xem là tuân theo phân phối Poisson i) Số lỗi in trong một (hoặc một số) trang sách..

(d) Có 5 cuộc điện thoại gọi đến trong 30 phút. Giả sử số lỗi in trong một trang nào đó của quyển sách có phân phối Poisson với tham số λ = 12 . (b) Có nhiều nhất 3 cuộc điện thoại gọi đến trong một giờ.001. Tính xác suất (a) Có 5 cuộc điện thoại gọi đến trong một giờ. p). Ví dụ 9. nếu n → ∞ và p → 0 sao cho np → λ thì P(X = x) = e−λ λx x! Trong thực tế. phân phối Poisson sẽ xấp xỉ tốt cho phân phối nhị thức khi n ≥ 100 và np ≤ 10. 20 7 . Cho X ∼ B(n. 19 Xấp xỉ pp nhị thức bằng pp Poisson Định lý 5. Tính xác suất có ít nhất một lỗi in trong trang này. Số cuộc điện thoại gọi đến một tổng đài điện thoại trong một giờ có phân phối Poisson với λ = 10. Ví dụ 8. Trong một đợt tiêm chủng cho trẻ em ở một khu vực. (c) Có 15 cuộc điện thoại gọi đến trong hai giờ.Hàm phân phối 18 Ví dụ Ví dụ 7. biết xác suất một trẻ bị phản ứng với thuốc sau khi tiêm là 0. Thực hiện tiêm cho 2000 trẻ. tính xác suất có nhiều nhất 1 trẻ bị phản ứng với thuốc sau khi tiêm.

nếu hàm mật độ xác suất của X có dạng 1 b−a f (x) =  0   khi x ∈ [a. b]). ký hiệu X ∼ U ([a.Xấp xỉ pp nhị thức bằng pp Poisson 21 Các phân phối liên tục 0. b] khi x > b 23 . b])   0    x−a F (x) =  b−a    1 8 khi x < a khi x ∈ [a. b] nơi khác Từ định nghĩa trên ta có được hàm phân phối xác suất của X ∼ U ([a.3 22 Phân phối đều Phân phối đều Định nghĩa 6 (Uniform distribution). Biến ngẫu nhiên liên tục X được gọi là có phân phối đều trên đoạn [a. b].

b])) thì i) Kỳ vọng E (X) = a+b .Hàm mật độ 24 Phân phối đều . b] (X ∼ U ([a. Cho X là biến ngẫu nhiên có phân phối đều trên [a.Hàm phân phối 25 Kỳ vọng và phương sai của pp đều Định lý 7 (Các đặc trưng của biến ngẫu nhiên có phân phối đều).Phân phối đều . 12 26 9 . 2 ii) Phương sai Var (X) = (b − a)2 .

Biến ngẫu nhiên T (t > 0) gọi là có phân phối mũ. Giả sử một hành khách đến trạm trong khoảng thời gian từ 7h . t>0 (4) Định lý 9. sau 15 phút sẽ có một xe khác đến trạm. 27 0. Lịch xuất bến của một trạm xe buýt như sau: chiếc xe đầu tiên trong ngày sẽ khởi hành vào lúc 7h.Phân phối đều Ví dụ 10.7h30. nếu nó có hàm mật độ xác suất f (t) = λe−λt .4 Phân phối mũ Phân phối mũ Định nghĩa 8 (Exponential distribution). (b) ít nhất 12 phút. ký hiệu X ∼ Exp(λ). Nếu T ∼ Exp(λ) thì kỳ vọng và phương sai của T lần lượng bằng 1 λ 1 Var(T ) = 2 λ E(T ) = 29 10 . Tìm xác suất để hành khách này chờ (a) ít hơn 5 phút. (3) t>0 trong đó • λ: số biến cố trung bình xảy ra trong một đơn vị thời gian • t: số đơn vị thời gian cho đến biến cố kế tiếp 28 Các đặc trưng của phân phối mũ Hàm phân phối của T : F (t) = P (T ≤ t) = 1 − e−λt .

biết rằng số người dùng đăng nhập vào mạng trong một giờ có phân phối Poisson với trung bình bằng 25. 32 11 . (b) Tính xác suất lần đăng nhập kế tiếp cách lần đăng nhập đầu từ 2 đến 3 phút. (a) Tính xác suất không có người dùng nào đăng nhập trong khoảng thời gian 6 phút.Hàm mật độ 30 Phân phối mũ .Hàm phân phối 31 Phân phối mũ Ví dụ 11.Phân phối mũ . Trong một mạng máy tính ở một công ty.

Nếu thời gian bảo hành của sản phẩm là 5 năm. Số khách hàng đến làm thủ tục tại một quầy dịch vụ ở ngân hàng với tỷ lệ là 15 người một giờ.Phân phối mũ Ví dụ 12. −∞ < µ < +∞. σ nếu hàm mật độ xác suất có dạng ! 1 (x − µ)2 − ∞ < x < +∞ f (x) = √ exp − 2σ 2 σ 2π (6)  trong đó µ. Nếu X ∼ N (µ. +∞) được gọi là có phân phối chuẩn tham số µ.5 Phân phối chuẩn Phân phối chuẩn Định nghĩa 11 (Normal distribution). Nếu T là biến ngẫu nhiên có phân phối mũ thì. P (T < t1 + t2 |T > t1 ) = P (T < t2 ) (5) 34 0. σ 2 ) E(X) = µ Var(X) = σ 2 35 12 . biết tuổi thọ của một mạch điện là biến ngẫu nhiên có phân phối mũ với tuổi thọ trung bình 6. Biến ngẫu nhiên liên tục X nhận giá trị trong khoảng (−∞.Lack of memory). Hỏi xác suất thời gian giữa 2 khách hàng liên tiếp đến quầy dịch vụ ít hơn 3 phút là bao nhiêu? Ví dụ 13. Hỏi tỷ lệ sản phẩm bảo hành của nhà máy là bao nhiêu? 33 Tính chất Định lý 10 (Tính mất trí nhớ . ký hiệu X ∼ N µ. Trong một nhà máy sản xuất linh kiện điện tử. σ 2 . σ là hằng số và σ > 0.25 năm.

Tính chất ✔ Đồ thị có dạng như một cái chuông ✔ Phân phối đối xứng ✔ Trung bình = trung vị (median) = Yếu vị (mode) ✔ Vị trí của phân phối được xác định bởi kỳ vọng µ ✔ Độ phân tán được xác định bởi độ lệch tiêu chuẩn σ ✔ Xác định trên R 36 Phân phối chuẩn .Phân phối chuẩn .Hàm mật độ 37 13 .

. . . . Định lý 12 (Tính "tuyến tính" của phân phối chuẩn). . thì Y có phân phối chuẩn với kỳ vọng aµ + b và phương sai a2 σ 2 .Hàm phân phối 38 Phân phối chuẩn Nhờ vào định lý sau. . (i = 1. Xn là độc lập và Xi có phân phối chuẩn với kỳ vọng µi và phương sai σi2 . n). thì biến ngẫu nhiên a1 X1 + · · · + an Xn + b có phân phối chuẩn với kỳ vọng a1 µ1 + · · · + an µn và phương sai a21 σ12 + · · · + a2n σn2 . . . thì tổng X1 + · · · + Xn có phân phối chuẩn với kỳ vọng là µ1 + · · · + µn và phương sai là σ12 + · · · + σn2 . . 2. . b là hằng số và a 6= 0). Nếu biến ngẫu nhiên X có phân phối chuẩn với kỳ vọng µ. (i = 1. Định lý 13. ai . n). 40 14 . an và b là các hằng số sao cho có ít nhất một ai 6= 0. Xn là độc lập và nếu Xi có phân phối chuẩn với kỳ vọng µi và phương sai σi2 . . . .Phân phối chuẩn . Nếu các biến ngẫu nhiên X1 . . . . . . (a. Nếu các biến ngẫu nhiên X1 . . . nên nếu biến ngẫu nhiên X có phân phối chuẩn thì biến đổi tuyến tính của X cũng có phân phối chuẩn. phương sai σ 2 và nếu Y = aX + b. 39 Phân phối chuẩn Mệnh đề 1.

σ 2 . σ 2 thì σ chuẩn hóa hay X −µ ∼ N (0. Theo quy ước. với a ≤ b thì P (a < X ≤ b) = P (X ≤ b) − P (X ≤ a) = Φ  b−µ σ  −Φ  a−µ σ  42 Phân phối chuẩn hóa  Nếu X ∼ N µ." 43 15 .     b−µ b−µ X −µ ≤ =Φ P (X ≤ b) = P σ σ σ Tương tự. 1) σ  Dựa vào tính chất này ta có thể tính xác suất của biến ngẫu nhiên X ∼ N µ. hàm phân phối của biến ngẫu nhiên chuẩn hóa được ký hiệu là Φ(z).Phân phối chuẩn hóa Định nghĩa 14 (Standard normal distribution). σ 2 thì  X −µ P (|X − µ| ≤ kσ) = P −k ≤ ≤k σ = 2Φ(k) − 1  người ta hay gọi đẳng thức trên là "Quy tắc k-sigma (kσ)". ký hiệu Z ∼ N (0. Biến ngẫu nhiên Z được gọi là có phân phối chuẩn hóa nếu nó có phân phối chuẩn với tham số µ = 0 và σ 2 = 1. nếu X ∼ N µ.9973 "Sai số giữa X và µ không quá 3 σ là gần chắc chắn (xác suất gần bằng 1). 1). tức Z z x2 1 e− 2 dx Φ(z) = √ 2π −∞ 41 Phân phối chuẩn hóa  X −µ có phân phối Theo định lý về tính tuyến tính của phân phối chuẩn. Với k = 3 ta có quy tắc 3-sigma:   X −µ ≤k P (|X − µ| ≤ 3σ) = P −k ≤ σ = 2Φ(3) − 1 ≈ 0.

tìm x sao cho (a) P(X > x) = 0. phương sai (0. 4).2mm)2 .5 (b) P(X > x) = 0.95 (e) P(−x < X − 10 < x) = 0. Cho biến ngẫu nhiên X ∼ N µ.3mm.95 (c) P(x < X < 10) = 0. Tính xác suất lấy ngẫu nhiên một chi tiết a) có đường kính trong khoảng 19. 45 Ví dụ 15. phân vị chuẩn hóa mức α.Phân vị chuẩn hóa  Định nghĩa 15 (Phân vị chuẩn hóa. Cho X ∼ N (10.9mm đến 20. 4). normal quartile). b) có đường kính sai khác với kỳ vọng không quá 0.3mm.99 47 16 . Đường kính của một chi tiết máy do một máy tiện sản xuất có phân phối chuẩn với kỳ vọng 20mm.2 (d) P(−x < X − 10 < x) = 0. là giá trị của biến ngẫu nhiên X thỏa mãn điều kiện P (X ≤ xα ) = α α O xα 44 Ví dụ 14. tính các xác suất sau (a) P(X < 13) (b) P(X > 9) (c) P(6 < X < 14) (d) P(2 < X < 4) (e) P(−2 < X < 8) 46 Ví dụ 16. σ 2 . ký hiệu xα . Cho X ∼ N (10.

. Ta đặt Sn = X1 + · · · + Xn . p). 1) (7) (8) (9) 48 Áp dụng: Xấp xỉ pp nhị thức bằng pp chuẩn • Xét X ∼ B(n.Định lý giới hạn trung tâm Định lý 16 (Central limit theorem). Xác suất   X − np b − np a − np ≤ √ < √ P (a ≤ X < b) = P √ npq npq npq     a − np b − np −Φ √ (10) ≈ Φ √ npq npq • Điều kiện xấp xỉ: np > 5 và n(1 − p) > 5. 49 17 . . σ n  với Z ∼ N (0. Sn có kỳ vọng là E (Sn ) = nµ và phương sai Var (Sn ) = nσ 2 . npq). Nếu X1 . Khi n lớn. ký hiệu X ∼ N (np. npq). σ n với Z ∼ N (0. . Xn là các biến ngẫu nhiên độc lập và cùng phân phối với kỳ vọng µ và phương sai σ 2 hữu hạn. Khi n → ∞ thì biến ngẫu nhiên F Sn − → X. ta có E(X) = np và Var(X) = npq (q = 1 − p). . Hay biến ngẫu nhiên Zn = với X ∼ N nµ. nσ 2 Sn − nµ F √ − → Z. theo định lý giới hạn trung tâm phân phối của biến ngẫu nhiên X được xấp xỉ bằng phân phối chuẩn approx N (np. 1) Nghĩa là khi n lớn thì với mọi x ∈ R   Sn − nµ √ P < x ≈ P (Z < x) .

Áp dụng: Xấp xỉ pp nhị thức bằng pp chuẩn 50 Ví dụ 17. hỏi xác suất có hơn 150 lỗi là bao nhiêu? 51 18 . Chọn ngẫu nhiên 200 người. Nếu 16 triệu bit được truyền đi. Trong một kênh truyền tín hiệu số. biết rằng xác suất một bit bị lỗi khi truyền là 1 × 10−5 . hỏi xác suất gặp được từ 76 đến 120 người ủng hộ ứng cử viên A là bao nhiêu? Ví dụ 18. Trong một cuộc bầu cử ở một thành phố. biết rằng 40% người dân ủng hộ ứng cử viên A.