XÁC SUẤT - THỐNG KÊ ỨNG DỤNG

(MATH 132901)

Nguyễn Ngọc Tứ

Bài giảng 3

Nguyễn Ngọc Tứ Bài giảng 3 1 / 28

Nội dung

Biến ngẫu nhiên

Hàm khối lượng xác suất (PMF)
Hàm phân phối tích lũy (CDF)
Kì vọng và phương sai
Phân phối Bernoulli
Phân phối nhị thức
Phân phối Poisson
Phân phối hình học
Phân phối nhị thức âm
Phân phối siêu bội

Nguyễn Ngọc Tứ Bài giảng 3 2 / 28

Biến ngẫu nhiên - Khái niệm

Định nghĩa

- Biến ngẫu nhiên X : Ω → R là một hàm số.

(Chỉ định một giá trị cụ thể cho mỗi kết quả của phép thử.)
- Một biến ngẫu nhiên gọi là rời rạc nếu tập giá trị của nó là tập
hữu hạn hay vô hạn đếm được.

Ví dụ

1. Tung một đồng xu: Ω = {H, T }. Khi đó, ta định nghĩa một biến
ngẫu nhiên X bởi
X (H) = 1, X (T ) = 0.

Nguyễn Ngọc Tứ Bài giảng 3 3 / 28

Hàm khối lượng xác suất (PMF)

Bài tập. Một thủ kho có một chùm chìa khóa gồm 9 chìa có bề ngoài giống
hệt nhau, trong đó chỉ có 2 chìa mở được khóa. Anh ta thử ngẫu nhiên từng
chìa (chìa nào không đúng thì bỏ ra).
a. Tính xác suất anh ta mở được cửa ở lần thứ ba.
b. Gọi biến ngẫu nhiên X là số lần thử cho đến khi mở được cửa. Khi đó,
X nhận những giá trị nào? và xác suất tương ứng cho từng trường hợp?

Nguyễn Ngọc Tứ Bài giảng 3 4 / 28

Hàm khối lượng xác suất (PMF)

Bài tập. Một thủ kho có một chùm chìa khóa gồm 9 chìa có bề ngoài giống
hệt nhau, trong đó chỉ có 2 chìa mở được khóa. Anh ta thử ngẫu nhiên từng
chìa (chìa nào không đúng thì bỏ ra).
a. Tính xác suất anh ta mở được cửa ở lần thứ ba.
b. Gọi biến ngẫu nhiên X là số lần thử cho đến khi mở được cửa. Khi đó,
X nhận những giá trị nào? và xác suất tương ứng cho từng trường hợp?
Định nghĩa

Hàm khối lượng xác suất của một biến ngẫu nhiên rời rạc X là
một hàm số p : Z → R xác định bởi

pX (x) = P(X = x) = P({w ∈ Ω sao cho X (w ) = x})

P
pX (x) ≥ 0, x pX (x) = 1.

Nguyễn Ngọc Tứ Bài giảng 3 4 / 28

Hàm khối lượng xác suất (PMF)

Ví dụ

Tung hai con xúc xắc, mỗi con có 4 mặt.

X = mặt lớn nhất trong hai con xúc xắc. Tìm PMF?
Hàm khối lượng xác suất (PMF)

Ví dụ

Tung hai con xúc xắc, mỗi con có 4 mặt.

X = mặt lớn nhất trong hai con xúc xắc. Tìm PMF?

Nguyễn Ngọc Tứ Bài giảng 3 5 / 28

Hàm khối lượng xác suất (PMF) - Bài tập
Một doanh nghiệp thuê sáu đường dây điện thoại của bưu điện. Gọi X là
số đường dây được sử dụng tại một thời điểm xác định. Giả sử hàm khối
lượng xác suất của X được xác định như sau:
x 0 1 2 3 4 5 6
p(x) 0,10 0,15 0,20 0,25 0,20 0,06 0,04

Tính xác suất của các biến cố sau đây.

a. Nhiều nhất ba đường dây được sử dụng.
b. Ít hơn ba đường dây được sử dụng.
c. Ít nhất ba đường dây được sử dụng.
d. Số đường dây đang sử dụng ít nhất là hai và nhiều nhất là năm.
e. Có nhiều nhất 5 đường dây đang được sử dụng nếu biết rằng có ít nhất
2 đường dây đã được sử dụng.
g. Có ít nhất 2 đường dây được sử dụng nếu biết rằng có không quá 5
đường dây được sử dụng.
Nguyễn Ngọc Tứ Bài giảng 3 6 / 28
Hàm phân phối xác suất

Hàm phân phối tích lũy (cdf) F (x) của một biến ngẫu nhiên rời rạc X
với hàm khối lượng xác suất p(x) được xác định như sau:
X
F (x) = P(X ≤ x) = p(y ), ∀x ∈ R.
y ≤x

Ví dụ

Một cửa hàng bán thẻ nhớ có các loại sau: 1 GB, 2 GB, 4 GB, 8 GB
hoặc 16 GB. Gọi biến ngẫu nhiên X là số lượng thẻ nhớ được bán
được cho trong bảng phân phối xác suất sau:

x 1 2 4 8 16
p(x) 0.05 0.1 0.35 0.4 0.1

Nguyễn Ngọc Tứ Bài giảng 3 7 / 28

Hàm phân phối tích lũy - Ví dụ
Khi đó, F (x) được xác định như sau:

F (1) = P(X ≤ 1) = P(X = 1) = p(1) = 0.05

F (2) = P(X ≤ 2) = P(X = 1, 2) = p(1) + p(2) = 0.15
F (4) = P(X ≤ 4) = P(X = 1, 2, 4) = p(1) + p(2) + p(4) = 0.5
F (8) = P(X ≤ 8) = P(X = 1, 2, 4, 8) = p(1) + p(2) + p(4) + p(8) = 0.9
F (16) = P(X ≤ 16) = 1.



0 x <1




0.05 1 ≤ x < 2

0.15 2 ≤ x < 4
Hàm phân phối xác suất là F (x) =


0.5 4≤x <8

0.9


 8 ≤ x < 16

1 16 ≤ x
Nguyễn Ngọc Tứ Bài giảng 3 8 / 28
Hàm phân phối tích lũy
Mệnh đề. Cho hai số thực a và b bất kì với a ≤ b
P(a ≤ X ≤ b) = F (b) − F (a−)
trong đó, a− là giá trị lớn nhất có thể của X mà bé hẳn hơn a. Đặc biệt,
nếu các giá trị của X là số nguyên và a và b cũng là số nguyên thì
P(a ≤ X ≤ b) = F (b) − F (a − 1)
Nếu a = b thì P(X = a) = F (a) − F (a − 1).

Nguyễn Ngọc Tứ Bài giảng 3 9 / 28

Hàm phân phối tích lũy
Mệnh đề. Cho hai số thực a và b bất kì với a ≤ b
P(a ≤ X ≤ b) = F (b) − F (a−)
trong đó, a− là giá trị lớn nhất có thể của X mà bé hẳn hơn a. Đặc biệt,
nếu các giá trị của X là số nguyên và a và b cũng là số nguyên thì
P(a ≤ X ≤ b) = F (b) − F (a − 1)
Nếu a = b thì P(X = a) = F (a) − F (a − 1).
Ví dụ. Cho X là biến ngẫu nhiên nhận các giá trị 0, 1, . . . , 14. Giả sử F (0) =
0.58, F (1) = 0.72, F (2) = 0.76, F (3) = 0.81, F (4) = 0.88, và F (5) =
0.94. Khi đó, ta có
P(2 ≤ X ≤ 5) =

Nguyễn Ngọc Tứ Bài giảng 3 9 / 28

Hàm phân phối tích lũy
Mệnh đề. Cho hai số thực a và b bất kì với a ≤ b
P(a ≤ X ≤ b) = F (b) − F (a−)
trong đó, a− là giá trị lớn nhất có thể của X mà bé hẳn hơn a. Đặc biệt,
nếu các giá trị của X là số nguyên và a và b cũng là số nguyên thì
P(a ≤ X ≤ b) = F (b) − F (a − 1)
Nếu a = b thì P(X = a) = F (a) − F (a − 1).
Ví dụ. Cho X là biến ngẫu nhiên nhận các giá trị 0, 1, . . . , 14. Giả sử F (0) =
0.58, F (1) = 0.72, F (2) = 0.76, F (3) = 0.81, F (4) = 0.88, và F (5) =
0.94. Khi đó, ta có
P(2 ≤ X ≤ 5) = F (5) − F (1) = 0.22
và
P(X = 3) =

Nguyễn Ngọc Tứ Bài giảng 3 9 / 28

Hàm phân phối tích lũy
Mệnh đề. Cho hai số thực a và b bất kì với a ≤ b
P(a ≤ X ≤ b) = F (b) − F (a−)
trong đó, a− là giá trị lớn nhất có thể của X mà bé hẳn hơn a. Đặc biệt,
nếu các giá trị của X là số nguyên và a và b cũng là số nguyên thì
P(a ≤ X ≤ b) = F (b) − F (a − 1)
Nếu a = b thì P(X = a) = F (a) − F (a − 1).
Ví dụ. Cho X là biến ngẫu nhiên nhận các giá trị 0, 1, . . . , 14. Giả sử F (0) =
0.58, F (1) = 0.72, F (2) = 0.76, F (3) = 0.81, F (4) = 0.88, và F (5) =
0.94. Khi đó, ta có
P(2 ≤ X ≤ 5) = F (5) − F (1) = 0.22
và
P(X = 3) = F (3) − F (2) = 0.05.

Nguyễn Ngọc Tứ Bài giảng 3 9 / 28

Hàm phân phối tích lũy - Bài tập
Một tổ chức tiêu dùng đánh giá xe ô tô mới bằng cách xem xét số lượng lỗi
trong mỗi chiếc xe được kiểm tra. Gọi X là số lỗi trong một chiếc xe được
chọn ngẫu nhiên. Hàm phân phối xác suất (cdf) của X là như sau:



 0 x <0




 0, 06 0 ≤ x < 1




 0, 19 1 ≤ x < 2

0, 39 2 ≤ x < 3
F (x) =
0, 67 3 ≤ x < 4






 0, 92 4 ≤ x < 5




 0, 97 5 ≤ x < 6

1 6≤x

Tính các xác suất sau:

a. P(X = 2) b. P(X > 3) c. P(2 ≤ X ≤ 5) d. P(2 < X < 5)
Nguyễn Ngọc Tứ Bài giảng 3 10 / 28
Expectation - Kì vọng
Định nghĩa

Cho X là biến ngẫu nhiên rời rạc với hàm khối lượng xác suất pX (x).
Khi đó giá trị kì vọng của X xác định bởi
X
E (X ) = xpX (x).
x

Ví dụ

Tung một con xúc xắc và đặt X là biến ngẫu nhiên sao cho
X ( ) = 1, X ( ) = 2, . . . , X ( ) = 6. Khi đó,
6
X 1 7
E (X ) = xpX (x) = (1 + 2 + . . . + 6) = .
6 2
x=1

Nguyễn Ngọc Tứ Bài giảng 3 11 / 28

Tính chất của kì vọng

Cho X là biến ngẫu

P nhiên rời rạc và Y = g (X )
- Khó: E (Y ) = y ypY (y )
P
- Dễ: E (Y ) = x g (x)pX (x)
Chú ý: một cách tổng quát, E (g (X )) 6= g (E (X ))

Tính chất

Nếu α, β là hằng số thì

1. E (α) = α
2. E (αX ) = αE (X )
3. E (αX + β) = αE (X ) + β

Nguyễn Ngọc Tứ Bài giảng 3 12 / 28

Phương sai
P
Nhắc lại: E (g (X )) = x g (x)pX (x)
E (X 2 ) = x x 2 pX (x)
P

Phương sai:
Var (X ) = E [(X − E (X ))2 ]
X
= (x − E (X ))2 pX (x)
x
= E (X 2 ) − E 2 (X )

p
Độ lệch chuẩn: σ(X ) = Var (X )

Tính chất
1. Var (X ) ≥ 0
2. Var (αX + β) = α2 Var (X )

Nguyễn Ngọc Tứ Bài giảng 3 13 / 28

Kì vọng và phương sai - Ví dụ

Ví dụ

Một cửa hàng bán thẻ nhớ có các loại sau: 1 GB, 2 GB, 4 GB, 8 GB
hoặc 16 GB. Gọi biến ngẫu nhiên X là số lượng thẻ nhớ được bán
được cho trong bảng phân phối xác suất sau:

x 1 2 4 8 16
p(x) 0.05 0.1 0.35 0.4 0.1

Kì vọng và phương sai của X

EX = µX = 1 · 0.05 + 2 · 0.1 + 4 · 0.35 + 8 · 0.4 + 16 · 0.1 = 6.45

E (X 2 ) = 12 · 0.05 + 22 · 0.1 + 42 · 0.35 + 82 · 0.4 + 162 · 0.1 = 57.25
V (X ) = σX2 = E (X 2 ) − (EX )2 = 57.25 − 6.452 = 15.6475

Nguyễn Ngọc Tứ Bài giảng 3 14 / 28

Phân phối Bernoulli

Tung một đồng xu, Ω = {H, T }.

Đặt P(H) = p và P(T ) = 1 − p.
Biến ngẫu nhiên Bernoulli nhận hai giá trị 1 và 0:
(
1 nếu mặt ngữa,
X =
0 nếu mặt sấp.

Hàm khối lượng xác suất là

(
p if x = 1,
pX (x) =
1−p if x = 0.

Kí hiệu: X ∼ Ber(p) và EX = p, Var (X ) = p(1 − p)

Nguyễn Ngọc Tứ Bài giảng 3 15 / 28

Phân phối nhị thức
Tung một đồng xu n lần. Đặt P(H) = p.
X : số lần xuất hiện mặt ngữa trong n lần tung độc lập.
n = 4, X = 2

Nguyễn Ngọc Tứ Bài giảng 3 16 / 28

Phân phối nhị thức
Tung một đồng xu n lần. Đặt P(H) = p.
X : số lần xuất hiện mặt ngữa trong n lần tung độc lập.
n = 4, X = 2
pX (2) = P(HHTT ) + P(HTHT ) + P(HTTH)
+ P(THHT ) + P(THTH) + P(TTHH)
 
2 2 4 2
= 6p (1 − p) = p (1 − p)2
2

Nguyễn Ngọc Tứ Bài giảng 3 16 / 28

Phân phối nhị thức
Tung một đồng xu n lần. Đặt P(H) = p.
X : số lần xuất hiện mặt ngữa trong n lần tung độc lập.
n = 4, X = 2
pX (2) = P(HHTT ) + P(HTHT ) + P(HTTH)
+ P(THHT ) + P(THTH) + P(TTHH)
 
2 2 4 2
= 6p (1 − p) = p (1 − p)2
2

Tổng quát, nếu X là một biến ngẫu nhiên có phân phối nhị thức với
hai tham số n và p thì hàm khối lượng xác suất của X là
 
n k
pX (k) = P(X = k) = p (1 − p)n−k , k = 0, 1, . . . , n
k
Kí hiệu: X ∼ B(n, p) và EX = np, Var (X ) = np(1 − p)
Nguyễn Ngọc Tứ Bài giảng 3 16 / 28
Phân phối nhị thức

1. Một số điện thoại cụ thể được sử dụng để nhận cả cuộc gọi thoại và tin
nhắn fax. Giả sử rằng 25% các cuộc gọi đến bao gồm các tin nhắn fax. Xét
một mẫu của 25 cuộc gọi đến. Tính xác suất
a. Tối đa 6 cuộc gọi đến là tin nhắn fax?
b. Chính xác 6 cuộc gọi đến là tin nhắn fax?
c. Ít nhất 6 cuộc gọi đến là tin nhắn fax?
d. Hơn 6 cuộc gọi đến là tin nhắn fax?
e. Tính số cuộc gọi thông báo fax trung bình và độ lệch chuẩn trong số 25
cuộc gọi đến.
g. Tính xác suất trong số 25 cuộc gọi số lượng có liên quan đến việc truyền
fax lớn hơn số cuộc gọi thông báo fax trung bình 2 độ lệch chuẩn.

Nguyễn Ngọc Tứ Bài giảng 3 17 / 28

Phân phối nhị thức
2. Giả sử rằng 30% tất cả sinh viên phải mua một văn bản cho một khóa
học cụ thể muốn có một bản sao mới, Trong khi 70% khác muốn mua bản
đã được sử dụng. Chọn ngẫu nhiên 25 người mua.
a. Giá trị trung bình và độ lệch chuẩn của số người muốn có một bản sao
mới của cuốn sách là bao nhiêu?
b. Tính xác suất số người muốn bản sao mới nhiều hơn hai độ lệch chuẩn
so với giá trị trung bình.
c. Hiệu sách có 15 bản mới và 15 bản đã sử dụng. Nếu 25 người đến từng
người một để mua văn bản này, xác suất mà tất cả 25 sẽ nhận được loại
sách họ muốn từ số sách hiện tại là bao nhiêu? [Gợi ý: Gọi X là số người
muốn có một bản sao mới. Giá trị nào của X thì tất cả 25 người sẽ nhận
được những gì họ muốn?]
d. Giả sử các bản sao mới có giá 100 đô la và các bản sao đã sử dụng có
giá 70 đô la. Giả sử hiệu sách hiện có 50 bản sao mới và 50 bản sao đã
sử dụng. Giá trị kỳ vọng của tổng doanh thu từ việc bán 25 bản tiếp theo
được mua là bao nhiêu?
Nguyễn Ngọc Tứ Bài giảng 3 18 / 28
Phân phối nhị thức

Nguyễn Ngọc Tứ Bài giảng 3 19 / 28

Phân phối Poisson
Cho λ là một số thực dương. Phân phối Poisson với tham số λ được
định nghĩa như sau:
λk
pX (k) = e −λ , k = 0, 1, . . .
k!
Phân phối Poisson với tham số λ là một xấp xỉ tốt cho phân phối nhị
thức với tham số n và p, với λ = np, trong đó n rất lớn và p rất nhỏ,
nghĩa là,
λk n!
e −λ ≈ p k (1 − p)n−k , k = 0, 1, . . . , n
k! k!(n − k)!
Kí hiệu: X ∼ P(λ) và EX = λ = Var (X )
Phân phối Poisson thường sử dụng cho các biến cố ít khi xảy ra (biến
cố hiếm). Chẳng hạn số lỗi chính tả trong một quyển sách hay số vụ
tai nạn giao thông trong một ngày.
Nguyễn Ngọc Tứ Bài giảng 3 20 / 28
Phân phối Poisson

Ví dụ

- Một quyển sách có n chữ và gọi p là xác suất mà một từ sai chính
tả. Rõ ràng n rất lớn và p rất nhỏ.
- n = 100 và p = 0.01. Khi đó, xác suất k = 5 thành công trong
n = 100 phép thử là
1. Dùng phân phối nhị thức
100!
0.015 (1 − 0.01)95 = 0.00290.
95!5!

2. Dùng phân phối Poisson với λ = np = 100 · 0.01 = 1

1
e −1 = 0.00306.
5!

Nguyễn Ngọc Tứ Bài giảng 3 21 / 28

Phân phối Poisson
1. Giả sử số lượng máy bay nhỏ đến một sân bay nhất định tuân theo phân
phối Poisson với tốc độ α = 8 mỗi giờ. Khi đó số lượng máy bay nhỏ đến
trong một khoảng thời gian t là một biến ngẫu nhiên có phân phối Poisson
với tham số µ = 8t.
a. Tính xác suất có chính xác 6 chiếc máy bay nhỏ đến trong khoảng thời
gian 1 giờ; Ít nhất 6? Ít nhất 10?
b. Tính giá trị kỳ vọng và độ lệch chuẩn của số lượng máy bay nhỏ đến
trong khoảng thời gian 90 phút.
c. Tính xác suất có ít nhất 20 máy bay nhỏ đến trong khoảng thời gian 2,5
giờ. Tính xác suất có tối đa 40 máy bay nhỏ bay đến trong thời gian này?
2. Khi thử nghiệm một loại bảng mạch điện cụ thể, xác suất điốt bất kỳ sẽ
bị hỏng là 0,01. Giả sử một bảng mạch có 200 điốt.
a. Xác suất (gần đúng) mà ít nhất 10 điốt sẽ thất bại trên một bảng mạch
điện được chọn ngẫu nhiên là bao nhiêu?
b. Nếu năm bảng mạch được chuyển đến một khách hàng cụ thể, thì khả
năng ít nhất bốn bảng sẽ hoạt động đúng cách là bao nhiêu?
Nguyễn Ngọc Tứ Bài giảng 3 22 / 28
Phân phối hình học

Tung một đồng xu cho đến khi xuất hiện mặt ngữa H thì dừng. Hỏi
tung bao lâu thì dừng lại?

Nguyễn Ngọc Tứ Bài giảng 3 23 / 28

Phân phối hình học

Tung một đồng xu cho đến khi xuất hiện mặt ngữa H thì dừng. Hỏi
tung bao lâu thì dừng lại?
X = số lần tung cho đến khi được mặt ngữa H.

Nguyễn Ngọc Tứ Bài giảng 3 23 / 28

Phân phối hình học

Tung một đồng xu cho đến khi xuất hiện mặt ngữa H thì dừng. Hỏi
tung bao lâu thì dừng lại?
X = số lần tung cho đến khi được mặt ngữa H.
Giả sử các lần tung độc lập nhau, 0 < P(H) = p < 1.
Hàm khối lượng xác suất của X là

Nguyễn Ngọc Tứ Bài giảng 3 23 / 28

Phân phối hình học

Tung một đồng xu cho đến khi xuất hiện mặt ngữa H thì dừng. Hỏi
tung bao lâu thì dừng lại?
X = số lần tung cho đến khi được mặt ngữa H.
Giả sử các lần tung độc lập nhau, 0 < P(H) = p < 1.
Hàm khối lượng xác suất của X là

pX (k) = P(X = k) = P(TT . . . TH) = (1 − p)k−1 p, k = 1, 2 . . .

và
∞ ∞ ∞
X X
k−1
X 1
pX (k) = (1 − p) p=p (1 − p)k−1 = p =1
1 − (1 − p)
k=1 k=1 k=1

1 1−p
Kí hiệu: X ∼ Geo(p) và EX = , Var (X ) =
p p2
Nguyễn Ngọc Tứ Bài giảng 3 23 / 28
Phân phối nhị thức âm

Tung đồng xu n lần, tính xác suất k lần xuất hiện mặt ngữa?

Nguyễn Ngọc Tứ Bài giảng 3 24 / 28

Phân phối nhị thức âm

Tung đồng xu n lần, tính xác suất k lần xuất hiện mặt ngữa?
Một câu hỏi khác, "gần giống" câu hỏi trên:
Hỏi phải tung đồng xu bao nhiêu lần để lấy k mặt ngữa?
Giả sử tung đến n lần sẽ được k mặt ngữa.

Nguyễn Ngọc Tứ Bài giảng 3 24 / 28

Phân phối nhị thức âm

Tung đồng xu n lần, tính xác suất k lần xuất hiện mặt ngữa?
Một câu hỏi khác, "gần giống" câu hỏi trên:
Hỏi phải tung đồng xu bao nhiêu lần để lấy k mặt ngữa?
Giả sử tung đến n lần sẽ được k mặt ngữa.
Một phép thử Bernoulli thì lặp lại cho đến khi lấy được k mặt ngữa.
n phép thử:
* k − 1 mặt sấp trong n − 1 phép thử đầu tiên
* phép thử thứ n phải được mặt ngữa.
Bởi tính độc lập, ta có
   
n − 1 k−1 n−k n−1 k
pX (k) = p (1 − p) p= p (1 − p)n−k , n ≥ k
k −1 k −1
k(1 − p) k(1 − p)
Kí hiệu: X ∼ NB(x, k, p) và EX = , Var (X ) =
p p2
Nguyễn Ngọc Tứ Bài giảng 3 24 / 28
Bài tập về pp hình học và pp nhị thức âm

1. An chơi cờ với một phần mềm trên điện thoại, xác suất thắng của An là 0.6.
a. An chơi cho đến khi thắng thì dừng lại. Tính xác suất An chơi đến ván thứ ba.
b. An chơi đến khi thắng 5 ván thì dừng. Tính xác suất An chơi đến ván thứ tám.
c. Giả sử An chơi 10 ván. Tính xác suất An thắng 7 ván.
2. Giả sử rằng p = P(sinh con trai) = 0.5. Một cặp vợ chồng mong muốn có hai
con gái. Họ sẽ sinh con cho đến khi có được hai người con gái.
a. Xác suất mà gia đình có x người con trai là bao nhiêu?
b. Xác suất mà gia đình có bốn người con là bao nhiêu?
c. Xác suất mà gia đình có tối đa là bốn người con là bao nhiêu?
d. Tính kì vọng số con trai của gia đình này. Tính kì vọng số con của gia đình này.

3. Một gia đình quyết định sinh con cho đến khi có được 3 người con cùng giới
tính thì dừng. Giả sử P(sinh con trai) = P(sinh con gái) = 0.5. Gọi X là số con
của gia đình này. Tính EX.

Nguyễn Ngọc Tứ Bài giảng 3 25 / 28

Phân phối siêu bội
Một biến ngẫu nhiên có phân phối siêu bội nếu thỏa mãn các điều kiện sau:
1. Tập hợp mẫu chứa N phần tử.
2. Mỗi phần tử có hai khả năng: xảy ra (S) hoặc không xảy ra (F) và có M
lần xảy ra (S) trong tập hợp mẫu.
3. Chọn một mẫu có n phần tử (không lặp lại) sao cho mỗi lần chọn tập n
phần tử này đều có khả năng như nhau.
Gọi X là số lần xảy ra (S) trong mẫu có kích thước n. Khi đó, phân phối
xác suất của X phụ thuộc vào tham số n, M và N:
    
M N −M N
P(X = x) = h(x; n, M, N) = ÷ .
x n−x n
với x là số nguyên thỏa mãn max(0, n − N + M) ≤ x ≤ min(n, M).
Kì vọng và phương sai của X
 
M N −n M M
E (X ) = n · , V (X ) = ·n· · 1−
N N −1 N N
Nguyễn Ngọc Tứ Bài giảng 3 26 / 28
Phân phối siêu bội - Bài tập

1. Năm con hổ trong một vùng được đeo định vị rồi thả lại tự nhiên. Sau
đó, người ta bắt ngẫu nhiên 10 con hổ trong vùng này để kiểm tra xem có
bao nhiêu con được đeo định vị. Gọi X là số hổ được gắn định vị trong 10
con hổ. Giả sử rằng trong vùng này chỉ còn 25 con hổ. Tính
a. P(X = 2) b. P(X ≤ 2) c. EX , V (X )
2. Một cửa hàng điện tử đã nhận được 20 radio có thể kết nối với iPod
hoặc iPhone. Mười hai radio trong số này có hai khe cắm (để chúng có thể
kết nối cả hai thiết bị) và tám cái còn lại có một khe cắm duy nhất. Giả sử
rằng sáu trong số 20 radio được chọn ngẫu nhiên được đặt trên một kệ và
những cái còn lại được đặt trong kho. Gọi X là số radio trong số các radio
đặt trên kệ trưng bày có hai khe kết nối.
a. Xác định phân phối của X (tên và giá trị của tất cả các tham số)?
b. Tính P(X = 2), P(X ≤ 2) và P(X ≥ 2).
c. Tính giá trị trung bình và độ lệch chuẩn của X.

Nguyễn Ngọc Tứ Bài giảng 3 27 / 28

Phân phối siêu bội

1. Ta có: n = 10, M = 5, N = 25. Do đó,

  
5 20
x 10 − x
P(X = x) = h(x; 10, 5, 25) =   , x = 0, 1, 2, 3, 4, 5
25
10

Nguyễn Ngọc Tứ Bài giảng 3 28 / 28

Phân phối siêu bội

1. Ta có: n = 10, M = 5, N = 25. Do đó,

  
5 20
x 10 − x
P(X = x) = h(x; 10, 5, 25) =   , x = 0, 1, 2, 3, 4, 5
25
10
  
5 20
2 8
a) P(X = 2) = h(2; 10, 5, 25) =   = 0.385
25
10

Nguyễn Ngọc Tứ Bài giảng 3 28 / 28

Phân phối siêu bội

1. Ta có: n = 10, M = 5, N = 25. Do đó,

  
5 20
x 10 − x
P(X = x) = h(x; 10, 5, 25) =   , x = 0, 1, 2, 3, 4, 5
25
10
  
5 20
2 8
a) P(X = 2) = h(2; 10, 5, 25) =   = 0.385
25
10
b) P(X ≤ 2) = P(X = 0, 1, 2) = 2x=0 h(x; 10, 5, 25) = 0.699
P

Nguyễn Ngọc Tứ Bài giảng 3 28 / 28

Phân phối siêu bội

1. Ta có: n = 10, M = 5, N = 25. Do đó,

  
5 20
x 10 − x
P(X = x) = h(x; 10, 5, 25) =   , x = 0, 1, 2, 3, 4, 5
25
10
  
5 20
2 8
a) P(X = 2) = h(2; 10, 5, 25) =   = 0.385
25
10
b) P(X ≤ 2) = P(X = 0, 1, 2) = 2x=0 h(x; 10,
P
 5, 25) 
= 0.699
5 15 5 5
c) EX = 10 · = 2, V (X ) = · 10 · 1− =1
25 24 25 25

Nguyễn Ngọc Tứ Bài giảng 3 28 / 28