Professional Documents
Culture Documents
1 Gioi Thieu Phan Phoi Xac Suat PDF
1 Gioi Thieu Phan Phoi Xac Suat PDF
$ Doanh thu
$ Quảng cáo
Dữ liệu đầu vào
Garbage
In
Process
Garbage
Out
Các nhà quản trị thường đưa ra các quyết định dựa
trên các phân tích về sự không chắc chắn:
Khả năng doanh thu sẽ giảm nếu chúng ta
tăng giá là bao nhiêu?
Định lý Bayes
Probability
Không gian mẫu của một phép thử là tập hợp tất cả
các kết quả có thể xảy ra của phép thử đó.
Kết quả của một phép thử được gọi là điểm mẫu.
Phép thử và không gian mẫu
Dạng biểu diễn thích hợp cho phép thử nhiều bước là
biểu đồ hình cây.
Quy tắc đếm cho phép thử nhiều bước
Markley Oil: n1 = 4
Collins Mining: n2 = 2
Tổng số kết quả có
thể có của phép thử : n1n2 = (4)(2) = 8
Biểu đồ hình cây
Ví dụ: Các khoản đầu tư của Bradley
Markley Oil Collins Mining Các kết quả
(Bước 1) (Bước 2) của phép thử
Lãi 8 (10, 8) Lãi $18,000
(10, -2) Lãi $8,000
Lãi 10 Lỗ 2
Lãi 8 (5, 8) Lãi $13,000
1. Xác suất tính được của một kết quả phép thử bất
kỳ đều phải nhận giá trị từ 0 đến 1.
Trong đó:
Ei là kết quả thứ i của phép thử
và P(Ei) là xác suất của kết quả Ei
Cách tính xác suất
2. Tổng xác suất của tất cả các kết quả có thể có của
phép thử phải bằng 1.
trong đó:
n là số kết quả có thể có của phép thử
Số lượng
SỐ NGÀY Xác suất
đặt mua
0 40 0.20 (= 40/200)
1 80 0.40 (= 80/200)
2 50 0.25 (= 50/200)
3 20 0.10 (= 20/200)
4 10 0.05 (= 10/200)
Total 200 Total 1.00 (= 200/200)
Cách tính xác suất
Xác suất của một biến cố bằng tổng xác suất của các
điểm mẫu thuộc biến cố đó.
Nếu chúng ta xác định được tất cả các điểm mẫu của
một phép thử và xác suất tương ứng của từng điểm
mẫu, chúng ta luôn tính được xác suất của các biến cố.
Biến cố và xác suất của biến cố
Không gian
Biến cố Biến cố mẫu S
A B
Phép hợp hai biến cố
Ví dụ: Các khoản đầu tư của Bradley
Không gian
Biến cố Biến cố mẫu S
A B
Quy tắc cộng xác suất cho phép tính xác suất xảy ra
biến cố A, hoặc biến cố B, hoặc cả hai biến cố A và B
Không gian
Biến cố A Biến cố B mẫu S
Biến cố xung khắc
P (A and B)
Xác suất của một biến cố khi cho trước thông tin rằng
một biến cố khác đã xảy ra gọi là xác suất có điều kiện.
P( A B)
P( A|B)
P( B)
Xác suất có điều kiện
Quy tắc nhân dùng để tính xác suất của phần giao
của hai biến cố.
Nếu xác suất của biến cố A không đổi bởi sự hiện hữu
của biến cố B, chúng ta nói hai biến cố A và B là độc lập.
Đừng nhầm lẫn giữa khái niệm biến cố xung khắc và biến cố
độc lập.
Hai biến cố với xác suất xảy ra khác 0 không thể vừa xung
khắc vừa độc lập.
Nếu một biến cố xung khắc được biết là đã xảy ra, thì biến cố
còn lại không thể xảy ra; vì vậy xác suất biến cố còn lại xảy
ra là bằng 0; (và vì vậy, chúng không độc lập).
Hai biến cố không xung khắc thì có thể độc lập hoặc không
độc lập.
Định lý Bayes
Chúng ta thường bắt đầu các phân tích xác suất với
các xác suất tiên nghiệm.
Sau đó, từ dữ liệu mẫu, từ báo cáo, hay từ kết quả thử
nghiệm sản phẩm, chúng ta có thêm thông tin.
Với thông tin đã có, chúng ta tính toán cập nhật lại để
được các xác suất hậu nghiệm.
Định lý Bayes cung cấp công thức để cập nhật lại các
xác suất tiên nghiệm.
Áp dụng
Xác suất Thông tin Xác suất
định lý
tiên nghiệm mới hậu nghiệm
Bayes
Định lý Bayes
Để tìm xác suất hậu nghiệm của biến cố Ai biết rằng biến
bố B đã xảy ra, chúng ta áp dụng Định lý Bayes.
P( Ai )P( B| Ai )
P( Ai |B)
P( A1 )P( B| A1 ) P( A2 )P( B| A2 ) ... P( An )P( B| An )
Một biến ngẫu nhiên là cách thức mô tả kết quả của phép
thử dưới dạng các con số.
Biến ngẫu nhiên rời rạc là biến ngẫu nhiên có tập các giá
trị mà nó có thể nhận là một tập hợp hữu hạn hoặc tập vô
hạn đếm được.
Phaân phoái xaùc suaát cuûa soá ñieåm thu ñöôïc khi gieo con xuùc xaéc:
x 1 2 3 4 5 6 Coäng
f(x) 1/6 1/6 1/6 1/6 1/6 1/6 1
Phân phối xác suất của biến
ngẫu nhiên rời rạc
Phân phối xác suất được định nghĩa bằng một hàm
xác suất, ký hiệu là f(x), cho biết xác suất biến ngẫu
nhiên nhận một giá trị trong tập giá trị của nó.
Điều kiện của hàm phân phối xác suất của biến ngẫu
nhiên rời rạc:
f(x) > 0
f(x) = 1
Phân phối xác suất của biến
ngẫu nhiên rời rạc
Ví dụ: Cửa hàng điện gia dụng JSL
Sử dụng dữ liệu thu thập được trong quá khứ, …
Bảng phân phối xác suất của số ti vi bán được trong
một ngày được trình bày như sau:
Số ti vi bán Số ngày
80/200
được trong ngày x f(x)
0 80 0 0,40
1 50 1 0,25
2 40 2 0,20
3 10 3 0,05
4 20 4 0,10
200 1,00
Phân phối xác suất của biến
ngẫu nhiên rời rạc
Ví dụ: Cửa hàng điện gia dụng JSL
0,50
0,40 Đồ thị mô tả
Xác suất
phân phối
0,30 xác suất
0,20
0,10
0 1 2 3 4
Giá trị của biến ngẫu nhiên x (Số ti vi)
Kỳ vọng
E ( x) xf ( x)
Giá trị kỳ vọng là trung bình có trọng số của các giá trị mà
biến ngẫu nhiên có thể nhận. Trọng số ở đây là các xác suất.
Giá trị kỳ vọng không cần phải bằng một trong các giá trị
mà biến ngẫu nhiên có thể nhận.
Phương Sai và Độ Lệch Chuẩn
n!
f (x) p x (1 - p )( n - x )
x !(n - x )!
trong đó:
x = số lần thành công
p = xác suất thành công trong mỗi phép thử
n = số phép thử
f(x) = xác suất có x lần thành công n phép thử
Phân phối nhị thức
Hàm xác suất của phân phối nhị thức
n!
f (x) p x (1 - p )( n - x )
x !( n - x )!
Với xác suất một nhân viên nghỉ việc trong năm tới là
0,10; xác suất để nhân viên thứ nhất nghỉ việc và
nhân viên thứ 2, thứ 3 không nghỉ việc là:
(0,10)(0,90)(0,90) = (0,10)(0,90)2 = 0,081
Phân phối nhị thức
Ví dụ: Công ty điện tử Evan
E(x) = = np
Phương sai
Var(x) = 2 = np(1 - p)
Độ lệch chuẩn
np(1 - p )
PHÂN PHỐI XÁC SUẤT CỦA
Phaân phoái xaùc suaát cuûa X laø moät haøm f(x) sao cho
vôùi hai giaù trò baát kyø a vaø b ( a b),
b
0
a b x
Phân phối xác suất liên tục
Probability
| | | | | | |
5.06 5.10 5.14 5.18 5.22 5.26 5.30
Weight (grams)
Phaân phoái chuaån
f(x)
0 x
X ~ N( , )
TÍNH CHAÁT
1. Phaân phoái chuaån ñoái xöùng, coù daïng hình chuoâng
f(X)
X
c d
PHAÂN PHOÁI CHUAÅN CHUAÅN HOÙA
X - Z ~ N(0,1)
Z
f(Z)
Z 1
Z 0 Z
Baûng phaân phoái chuaån chuaån hoùa
Z 0 Z 1
Z .00 .01 .02
.0478
0.0 .0000 .0040 .0080
P (0<Z<0.12) = 0.0478