PHÂN TÍCH ĐỊNH LƯỢNG

TRONG QUẢN TRỊ

Người trình bày: Đinh Thái Hoàng

PHÂN TÍCH ĐỊNH LƯỢNG
LÀ GÌ?
Phân tích định lượng là một phương pháp khoa
học trong việc xử lý dữ liệu để rút ra các thông
tin có ý nghĩa và đưa ra các quyết định quản lý.

Phân tích Thông tin

Dữ liệu thô định lượng có ý nghĩa
 Giải quyết vấn đề và
ra quyết định
 Định nghĩa vấn đề
 Nhận dạng các giải pháp
 Xác định các tiêu chuẩn lựa chọn giải pháp
 Đánh giá các giải pháp
 Chọn một giải pháp (ra quyết định)
---------------------------------------------------------------
 Thực hiện giải pháp
 Đánh giá kết quả
 Xây dựng mô hình

$ Doanh thu

$ Quảng cáo
 Dữ liệu đầu vào

Nguyên tắc GIGO:

Garbage
In
Process
Garbage
Out

(Quantitative Analysis for Management, Render, Stair & Hanna,

11th edition, Pearson)
 Mô hình xác định (deterministic model)

 Mô hình xác suất (probabilistic model)

 Sự không chắc chắn

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?

 Khả năng một dây chuyền lắp ráp mới sẽ làm

tăng năng suất lao động là bao nhiêu?

 Cơ hội để một khoản đầu tư có thể sinh lợi

là bao nhiêu?
 XÁC SUẤT

 Phép thử, quy tắc đếm, và cách tính xác suất

 Biến cố và xác suất của biến cố

 Các quan hệ cơ bản của xác suất

 Xác suất có điều kiện

 Định lý Bayes
 Probability

 Probability is the Numerical 1 Certain

Measure of the Likelihood
that an Event Will Occur
 Value is between 0 and 1
 Sum of the Probabilities of .5
All Mutually Exclusive and
Collective Exhaustive Events
is 1
0 Impossible
 Phép thử và không gian mẫu

Phép thử là quá trình tạo ra những kết quả mà tập

hợp kết quả này đã được xác định trước đó.

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

Phép thử Các kết quả có thể xảy ra

Tung đồng xu Ngửa, sấp

Kiểm tra sản phẩm Có lỗi, không có lỗi
Gọi điện tiếp thị SP Bán được, không bán được
Tung một con xúc xắc 1, 2, 3, 4, 5, 6
Chơi một trận đá bóng Thắng, thua, hòa
 Phép thử và không gian mẫu
Ví dụ: Các khoản đầu tư của Bradley
Bradley đầu tư vào hai cổ phiếu, Markley Oil và
Collins Mining. Bradley xác định các khả năng
có thể xảy ra với hai khoản đầu tư này sau ba
tháng như sau:

Lãi và lỗ của các khoản đầu tư

sau 3 tháng (1000 USD)

Markley Oil Collins Mining

10 8
5 -2
0
-20
 Quy tắc đếm cho phép thử nhiều bước

Nếu một phép thử gồm một chuỗi k bước, trong đó

có bước 1 có n1 kết quả có khả năng xảy ra, bước
2 có n2 kết quả có khả năng xảy ra, và tiếp tục như
thế. Khi đó, tổng số kết quả có thể xảy ra của phép
thử là (n1)(n2) . . . (nk).

Dạng biểu diễn thích hợp cho phép thử nhiều bước là
biểu đồ hình cây.
 Quy tắc đếm cho phép thử nhiều bước

Ví dụ: Các khoản đầu tư của Bradley

Các khoản đầu tư của Bradley có thể xem như
là một phép thử 2 bước. Nó liên quan đến 2 loại
cổ phiếu, mỗi cổ phiếu có một số kết quả đầu ra

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

Lỗ 2 (5, -2) Lãi $3,000

Lãi 5
Lãi 8
(0, 8) Lãi $8,000
Hòa vốn
(0, -2) Lỗ $2,000
Lỗ 20 Lỗ 2
Lãi 8 (-20, 8) Lỗ $12,000
Lỗ 2 (-20, -2) Lỗ $22,000
 Cách tính xác suất

Yêu cầu cơ bản khi tính xác suất

1. Xác suất tính được của một kết quả phép thử bất
kỳ đều phải nhận giá trị từ 0 đến 1.

0 < P(Ei) < 1 với mọi i

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

Yêu cầu cơ bản khi tính xác suất

2. Tổng xác suất của tất cả các kết quả có thể có của
phép thử phải bằng 1.

P(E1) + P(E2) + . . . + P(En) = 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

Phương pháp cổ điển

Xác suất được tính dựa trên giả định rằng các
kết quả có thể có của phép thử là đồng khả năng

Phương pháp tần suất

Xác suất được tính dựa trên kết quả các phép
thử hoặc dữ liệu trong quá khứ

Phương pháp phán đoán

Xác suất được tính dựa trên sự phán đoán
 Phương pháp phán đoán
Ví dụ: Các khoản đầu tư của Bradley
Một nhà phân tích đưa ra các mức xác suất sau đây
Kết quả phép thử Tiền lãi/lỗ Probability
(10, 8) Lãi $18.000 0,20
(10, -2) Lãi $8.000 0,08
(5, 8) Lãi $13.000 0,16
(5, -2) Lãi $3.000 0,26
(0, 8) Lãi $8.000 0,10
(0, -2) Lỗ $2.000 0,12
(-20, 8) Lỗ $12.000 0,02
(-20, -2) Lỗ $22.000 0,06
 Biến cố và xác suất của biến cố

Biến cố là tập hợp các điểm mẫu.

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

Ví dụ: Các khoản đầu tư của Bradley

Biến cố M = Khoản đầu tư vào Markley Oil có lãi

M = {(10, 8), (10, -2), (5, 8), (5, -2)}
P(M) = P(10, 8) + P(10, -2) + P(5, 8) + P(5, -2)
= 0,20 + 0,08 + 0,16 + 0,26
= 0,70
 Biến cố và xác suất của biến cố

Ví dụ: Các khoản đầu tư của Bradley

Biến cố C = Khoản đầu tư vào Collins Mining có lãi

C = {(10, 8), (5, 8), (0, 8), (-20, 8)}
P(C) = P(10, 8) + P(5, 8) + P(0, 8) + P(-20, 8)
= 0,20 + 0,16 + 0,10 + 0,02
= 0,48
 Phần bù của một biến cố

Phần bù của biến cố A là biến cố bao gồm tất cả các

điểm mẫu thuộc không gian mẫu nhưng không thuộc A.

Phần bù của biến cố A ký hiệu là Ac.

Biến cố A c Không gian

A
mẫu S
Biểu đồ
Venn
 Phép hợp hai biến cố

Hợp của hai biến cố A và B là biến cố chứa tất cả các

điểm mẫu thuộc A hoặc thuộc B hoặc cả hai.

Hợp của hai biến cố A và B ký hiệu là A  B.

Không gian
Biến cố Biến cố mẫu S
A B
 Phép hợp hai biến cố
Ví dụ: Các khoản đầu tư của Bradley

Biến cố M = Khoản đầu tư vào Markley Oil có lãi

Biến cố C = Khoản đầu tư vào Collins Mining có lãi

M  C = Khoản đầu tư vào Markley Oil có lãi
hoặc khoản đầu tư vào Collins Mining có lãi
(hoặc cả hai)
M  C = {(10, 8), (10, -2), (5, 8), (5, -2), (0, 8), (-20, 8)}
P(M  C) = P(10, 8) + P(10, -2) + P(5, 8) + P(5, -2)
+ P(0, 8) + P(-20, 8)
= 0,20 + 0,08 + 0,16 + 0,26 + 0,10 + 0,02
= 0,82
 Phép giao của hai biến cố

Giao của hai biến cố A và B là tập hợp tất cả các điểm

thuộc cả A và B.

Giao của biến cố A và B được ký hiệu là A  B.

Không gian
Biến cố Biến cố mẫu S
A B

Phần giao của A và B

 Phép giao của hai biến cố

Ví dụ: Các khoản đầu tư của Bradley

Biến cố M = Khoản đầu tư vào Markley Oil có lãi
Biến cố C = Khoản đầu tư vào Collins Mining có lãi
M  C = Khoản đầu tư vào Markley Oil và
Collins Mining cùng có lãi
M  C = {(10, 8), (5, 8)}
P(M  C) = P(10, 8) + P(5, 8)
= 0,20 + 0,16
= 0,36
 Quy tắc cộng xác suất

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

P(A  B) = P(A) + P(B) - P(A  B)

 Quy tắc cộng xác suất

Ví dụ: Các khoản đầu tư của Bradley

Biến cố M = Khoản đầu tư vào Markley Oil có lãi
Biến cố C = Khoản đầu tư vào Collins Mining có lãi
M C = Khoản đầu tư vào Markley Oil có lãi
hoặc khoản đầu tư vào Collins Mining có lãi
Biết rằng: P(M) = 0,70, P(C) = 0,48, P(M C) = 0,36
Vì vậy: P(M  C) = P(M) + P(C) - P(M  C)
= 0,70 + 0,48 - 0,36
= 0,82
(Kết quả này giống với kết quả đã tính trước đó
bằng định nghĩa xác suất.)
 Các biến cố xung khắc

Hai biến cố được gọi là xung khắc nếu chúng

không có chung bất kỳ điểm mẫu nào.

Hai biến cố là xung khắc nếu khi một biến cố này

xảy ra thì biến cố còn lại không thể xảy ra.

Không gian
Biến cố A Biến cố B mẫu S
 Biến cố xung khắc

Nếu hai biến cố A và B xung khắc thì P(A  B) = 0

P(A B) = P(A) + P(B)

 Venn Diagrams

P (A and B)

P (A) P (B) P (A) P (B)

Events that are mutually Events that are not

exclusive. mutually exclusive.

P (A or B) = P (A) + P (B) P (A or B) = P (A) + P (B)

– P (A and B)
 Xác suất có điều kiện

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.

Xác suất của A với điều kiện B được ký hiệu là P(A|B).

P( A  B)
P( A|B) 
P( B)
 Xác suất có điều kiện

Ví dụ: Các khoản đầu tư của Bradley

Biến cố M = Khoản đầu tư vào Markley Oil có lãi

Biến cố C = Khoản đầu tư vào Collins Mining có lãi
P(C | M ) = Khoản đầu tư vào Collins Mining có lãi
với điều kiện khoản đầu tư vào Markley
Oil có lãi
Biết rằng: P(M C) = 0,36, P(M) = 0,70
P(C  M ) 0, 36
Vì vậy: P(C | M )    0,5143
P( M ) 0,70
 Quy tắc nhân xác suất

Quy tắc nhân dùng để tính xác suất của phần giao
của hai biến cố.

P(A B) = P(B)P(A|B)

 Quy tắc nhân xác suất
Ví dụ: Các khoản đầu tư của Bradley

Biến cố M = Khoản đầu tư vào Markley Oil có lãi

Biến cố C = Khoản đầu tư vào Collins Mining có lãi
M C = Khoản đầu tư vào Markley Oil có lãi
và Khoản đầu tư vào Collins Mining có lãi
Biết rằng : P(M) = 0,70; P(C|M) = 0,5143
Vì vậy: P(M  C) = P(M)P(C|M)
= (0,70)(0,5143)
= 0,36
(Kết quả này giống với kết quả tính được bằng định
nghĩa xác suất của biến cố.)
 Bảng phân phối đồng thời

Collins Mining Tổng

Markley Oil Có lãi (C) Không có lãi (Cc) cộng

Có lãi (M) 0,36 0,34 0,70

Không có lãi (Mc) 0,12 0,18 0,30

Tổng cộng 0,48 0,52
1
Xác suất đồng thời
(xuất hiện trong
Xác suất biên
phần thân của bảng)
(xuất hiện trong phần lề
của bảng)
 Biến cố độc lập

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.

Hai biến cố A và B là độc lập nếu:

P(A|B) = P(A) hoặc P(B|A) = P(B)

 Quy tắc nhân với các biến cố độc lập

Quy tắc nhân cũng có thể được sử dụng để

kiểm tra sự độc lập của hai biến cố.

Công thức nhân của hai biến cố độc lập:

P(A B) = P(A)P(B)

 Quy tắc nhân với các biến cố độc lập

Ví dụ: Các khoản đầu tư của Bradley

Biến cố M = Khoản đầu tư vào Markley Oil có lãi
Biến cố C = Khoản đầu tư vào Collins Mining có lãi
Các biến cố M và C có độc lập hay không ?
Liệu P(M  C) = P(M)P(C) hay không?
Biết rằng: P(M  C) = 0,36, P(M) = 0,70, P(C) = 0,48
Ta có: P(M)P(C) = (0,70)(0,48) = 0,34
, không bằng 0,36
Vì vậy: M và C không phải là hai biến cố độc lập.
 Độc lập và xung khắc

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 )

 Định lý Bayes có thể áp dụng được khi các biến cố cần

tính xác suất hậu nghiệm là xung khắc và hợp của chúng
là toàn bộ không gian mẫu.
 BIẾN
NGẪU NHIÊN
 PHÂN PHỐI XÁC SUẤT CỦA
BIẾN NGẪU NHIÊN RỜI RẠC

 Biến ngẫu nhiên

 Phân phối xác suất của biến rời rạc
 Kỳ vọng và Phương sai
 Phân phối nhị thức
 Biến ngẫu nhiên

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.

Biến ngẫu nhiên liên tục là biến ngẫu nhiên có thể

nhận bất kỳ giá trị nào trong một khoảng hoặc hợp của
nhiều khoảng.
Biến ngẫu nhiên rời rạc với tập giá trị hữu hạn

Ví dụ: Cửa hàng điện gia dụng JSL

Gọi x = số ti vi cửa hàng bán được trong 1 ngày

với x có thể nhận 5 giá trị (0, 1, 2, 3, 4)

Chúng ta có thể đếm được số ti vi bán trong ngày, và

có một giới hạn trên xác định của số ti vi có thể bán
được (chính là số ti vi cửa hàng hiện có).
Biến ngẫu nhiên rời rạc với tập giá trị vô hạn

Ví dụ: Cửa hàng điện gia dụng JSL

Gọi x = số khách hàng đến cửa hàng trong 1 ngày,

với x có thể nhận các giá trị 0, 1, 2, …

Chúng ta có thể đếm số khách hàng đến cửa hàng

trong ngày, nhưng không có giới hạn trên cho số
khách hàng có thể đến.
 Biến ngẫu nhiên

Vấn đề Biến ngẫu nhiên x Loại

Quy mô gia x = Số thành viên trong gia Rời rạc
đình đình

Khoảng cách x = Khoảng cách (m) từ nhà Liên tục

từ nhà đến đến cửa hàng
cửa hàng
x = 1 nếu không nuôi chó mèo;
Có nuôi chó, = 2 nếu chỉ nuôi chó;
mèo không? = 3 nếu chỉ nuôi mèo; Rời rạc
= 4 nếu nuôi cả chó và mèo
 Phân phối xác suất của biến
ngẫu nhiên rời rạc
Phân phối xác suất của biến ngẫu nhiên cho
biết xác suất mà biến ngẫu nhiên nhận các
giá trị có thể nhận của nó.

Chúng ta có thể mô tả phân phối xác suất của biến ngẫu

nhiên rời rạc bằng bảng, đồ thị hoặc công thức.

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

Kỳ vọng, hay trung bình, của biến ngẫu nhiên là thước đo

giá trị trung tâm của biến ngẫu nhiên:

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

Phương sai là đại lượng dùng để đo lường mức độ phân

tán của các giá trị của một biến ngẫu nhiên.

Var(x) =  2 = (x - )2f(x)

Phương sai là trung bình có trọng số của bình phương

chênh lệch giữa giá trị của biến ngẫu nhiên với trung
bình của nó. Trọng số là các xác suất.

Độ lệch chuẩn,  , được định nghĩa là căn bậc hai của

phương sai.
 Phân phối nhị thức

Bốn tính chất của phép thử nhị thức:

1. Thí nghiệm là một chuỗi gồm n phép thử giống

nhau.

2. Trong mỗi phép thử chỉ có thể xảy ra 2 kết quả,

thành công hoặc thất bại.

3. Xác suất thành công, kí hiệu là p, không thay đổi

từ phép thử này sang phép thử khác

4. Các phép thử độc lập với nhau.

 Phân phối nhị thức

Chúng ta quan tâm đến số lần thành công

trong n phép thử.

Gọi x là số lần thành công trong n phép thử.

 Phân phối nhị thức

Công thức phân phối nhị thức

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 )!

Xác suất có x thành công

Số trường hợp thuận lợi có
trong n phép thử của
x thành công trong n
1 trường hợp thuận lợi.
phép thử
 Phân phối nhị thức
Ví dụ: Công ty điện tử Evans
Công ty điện tử Evans đang lo ngại về tình trạng
nghỉ việc của nhân viên. Trong năm vừa qua,
quản lý công ty theo dõi và cho biết rằng có 10%
nhân viên làm việc theo giờ đã thôi việc.
Vì vậy, bất kỳ nhân viên làm việc theo giờ nào
được chọn một cách ngẫu nhiên, quản lý công ty
cho rằng xác suất người này sẽ không còn làm
việc tại công ty trong năm tới là 0,1.
Chọn ngẫu nhiên 3 nhân viên làm việc theo giờ tại
công ty, xác suất để có 1 trong 3 người sẽ nghỉ việc
trong năm nay là bao nhiêu?
 Phân phối nhị thức
Ví dụ: Công ty điện tử Evan
Xác suất để nhân viên thứ nhất nghỉ việc, nhân viên
thứ 2 và thứ 3 không nghỉ việc, ký hiệu (S, F, F), là:
p(1 – p)(1 – p)

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

Có hai trường hợp khác cũng dẫn đến kết quả có 1

thành công và 2 thất bại. Xác suất xảy ra của mỗi
trường hợp được thể hiện trong bảng sau:

Trường hợp Xác suất xảy ra

của mỗi trường hợp
(S, F, F) p(1 – p)(1 – p) = (0,1)(0,9)(0,9) = 0,081
(F, S, F) (1 – p)p(1 – p) = (0,9)(0,1)(0,9) = 0,081
(F, F, S) (1 – p)(1 – p)p = (0,9)(0,9)(0,1) = 0,081
Tổng = 0,243
 Phân phối nhị thức
Ví dụ: Công ty điện tử Evan

Cho: p = 0,10 n=3 x=1

n!
f ( x)  p x (1 - p ) ( n - x )
x !( n - x )!
3!
f (1)  (0, 1)1 (0, 9)2  3(0, 1)(0, 81)  0,243
1!(3 - 1)!
 Phân phối nhị thức
Ví dụ: Công ty điện tử Evan
Nhân viên Nhân viên Nhân viên
thứ 1 thứ 2 thứ 3 x X.suất
Nghỉ (0,1) 3 0,0010
Nghỉ (0,1)
K.nghỉ(0,9) 2 0,0090
Nghỉ
(0,1) Nghỉ (0,1) 2 0,0090
Không nghỉ(0,9)
K.nghỉ(0,9) 1 0,0810
Nghỉ (0,1) 2 0,0090
Nghỉ (0,1)
Không 1 0,0810
K.nghỉ(0,9)
nghỉ
(0,9) Nghỉ (0,1) 1 0,0810
Không nghỉ(0,9)
K.nghỉ(0,9) 0 0,7290
 Phân phối nhị thức
 Kỳ vọng

E(x) =  = np

 Phương sai

Var(x) =  2 = np(1 - p)

 Độ lệch chuẩn

  np(1 - p )
PHÂN PHỐI XÁC SUẤT CỦA

BIẾN NGẪU NHIÊN LIÊN TỤC

Phaân phoái xaùc suaát cuûa bieán ngaãu nhieân lieân tuïc

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

f(x) P(a  X  b)   f ( x )dx

a

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

2. Trung bình = Trung vò = Mode

3. Xaáp xæ 68% giaù trò naèm trong khoaûng 1 so vôùi .

Xaáp xæ 95% giaù trò naèm trong khoaûng  2 so vôùi .

Xaáp xæ 99.73%giaù trò naèm trong khoaûng  3 so vôùi .

23 26 29 32 35 38 41
68,3%
95,5%
99,7%
 P c  X  d   ?

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

0.1 .0398 .0438 .0478

0.2 .0793 .0832 .0871 0
Xaùc suaát
0.3 .1179 .1217 .1255 Z = 0.12

P (0<Z<0.12) = 0.0478