Professional Documents
Culture Documents
Xác xuất
thống kê
Thời gian training: 10h ngày 26/4/2021
Định nghĩa
Phép thử là sự thực hiện một nhóm điều kiện xác định,
có thể là một thí nghiệm cụ thể, quan sát đo đạc được
hay thu thập dữ liệu về một hiện tượng nào đó.
Biến cố (hay sự kiện) là kết quả của phép thử.
Không gian mẫu là tập hợp tất cả các biến cố của phép
thử. Kí hiệu Ω. Vậy biến cố là tập con của không gian
mẫu.
Phép
Phép thử
thử và
và biến
biến cố
cố
Các loại biến cố
Biến cố chắc chắn là biến cố nhất định sẽ xảy ra khi
thực hiện một phép thử. Không gian mẫu Ω là biến cố
chắc chắn.
Biến cố không thể là biến cố nhất định không xảy ra
khi thực hiện một phép thử
Biến cố ngẫu nhiên là biến cố có thể xảy ra hoặc không
khi thực hiện một phép thử. Các biến cố ngẫu nhiên
được kí hiệu là A, B, C,…
1
Định nghĩa:
Giả sử phép thử thỏa mãn hai điều kiện sau:
• Không gian mẫu có một số hữu hạn phần tử.
• Các kết quả xảy ra đồng khả năng (các kết quả có khả
năng xuất hiện như nhau). 11
+
lim
x→
• Nếu {A1, A2 ,…., Ai} là một nhóm đầy đủ các biến cố thì
𝑖=1 𝑃( Ai) = 1
σ+∞
Các công thức xác suất
Ví dụ: Xác suất để một xạ thủ bắn bia trúng điểm 10 là
0.1, trúng điểm 9 là 0.2, trúng điểm 8 là 0.25 và ít hơn
điểm 8 là 0.45. Xạ thủ ấy bắn 1 viên đạn. Tính xác suất để
xạ thủ ấy được ít nhất 9 điểm.
,:
Giải: Gọi A là biến cố “ xạ thủ này được ít nhất 9 điểm khi bắn
một viên đạn”
Gọi Ai là biến cố “ xạ thủ này được i điểm khi bắn 1 viên
đạn với i= 10,9,8,…
P(A) = P(A10 ) +P(A9 ) = 0.1+0.2=0.3
Các công thức xác suất
Ví dụ: Một của hang giày dép thống kê được trong số các
khách đến của hàng có 50% khách mua giày, 40% khách
mua dép, 20% khách mua giày và dép. Tính xác suất để
một khách đến cửa hàng có mua sản phẩm.
Giải: Gọi A là biến cố “ khách đến của hàng mua sản phẩm”
Gọi B là biến cố “ khách đến của hàng mua giày”
Gọi C là biến cố “ khách đến của hàng mua dép”
P(A) = P(B + C) = P(B) +P(C) - P(BC)= 50% + 40% - 20%= 70%
Các công thức xác suất
Xác suất có điều kiện :
Định nghĩa: Xác suất biến cố A được tính với điều kiện
biến cố B đã xảy ra được gọi là xác suất có điều kiện của
biến cố A đối với biến cố B. Kí hiệu là P(A|B) và được xác
định bởi
P(AB)
P(A|B) = với P(B) >0
P(B)
P(AB)
P(B|A) = với P(A) >0
P(A)
=> P(AB) = P(A)P(B|A) = P(B)P(A|B)
,:
Các công thức xác suất
Công thức nhân :
• Nếu A, B là hai biến cố độc lập nhau thì
P(AB)=P(A)P(B)
• Từ định nghĩa xác suất có điều kiện ta suy ra với A,B là
hai biến cố bất kì
P(AB) = P(A)P(B|A) = P(B)P(A|B)
Các công thức xác suất
Công thức xác suất đầy đủ :
Giả sử A1, A2 ,…., Ailà họ đầy đủ các biến cố.
Khi đó với B là biến cố bất kỳ ta có đẳng thức
P(B) = i=1 P( Ai)P(B|A)
σ +∞
Các công thức xác suất
Ví dụ: Một nông trường có 4 đội sản xuất. Đội 1 sản
xuất 1/3 tổng sản lượng nông sản của nông trường.
Đội 2 sản xuát 1/4 tổng sản lượng, đội 3 sản xuất 1/4
tổng sản lượng và đội 4 sản suất 1/6 tổng sản lượng.
Tỉ lệ phế phẩm tương ứng với các đội sản xuất là
0.15;0.08,0.05 và 0.01. Lấy ngẫu nhiên một sản phảm
trong kho của nông trường. Tìm xác suất để lấy một
phế phẩm.
Các công thức xác suất
Giải:
Gọi Ai là sản phẩm chọn được do đội i sản xuất , i=1,2,3,4
B là sản phẩm chọn được 1 phế phẩm
Giải:
Gọi A là máy tính đạt tiêu chuẩn kỹ thuật
B là 2 người KL máy tính đạt T/C và 1 người kết
luận không đạt T/C
X 1 2 3 4
P 0,2 m 1-2m 0,1
a. Xác định giá trị m
b. Tính P(1 ≤ X < 3)
c. Tính P(X 2 > 1)
Đại lượng ngẫu nhiên
1. Đại lượng ngẫu nhiên rời rạc
1111!1!
Ví dụ :
Cho đại lượng ngẫu nhiên X có bảng phân phối như sau
X 1 2 3 4
P 0,2 m 1-2m 0,1
Giải.
a) Ta có:
∑ p i =1 ⇒ 0,2 +m+(1−2m) +0,1 = 1 ⇔ m = 0, 3
Đại lượng ngẫu nhiên
1. Đại lượng ngẫu nhiên rời rạc
1111!1!
Ví dụ :
Cho đại lượng ngẫu nhiên X có bảng phân phối như sau
X 1 2 3 4
P 0,2 m 1-2m 0,1
Giải.
Ta có công thức P(a < X < b) = σ𝑎 <𝑥𝑖 <𝑏 pi
b. P(1 ≤ X < 3) = P(X = 1)+P(X = 2)=0, 2+0, 3=0,5
c. P( X 2 >1)=P(X=2)+P(X=3)+P(X = 4)=0,3+0, 4+0, 1=0, 8
Đại lượng ngẫu nhiên
2. Đại lượng ngẫu nhiên liên tục
1111!1!
Định nghĩa. Đại lượng ngẫu nhiên được gọi là liên tục nếu
các giá trị của nó có thể lấp đầy một khoảng giá trị trên trục
số.
Ví dụ:
Nhiệt độ không khí ở một thời điểm nào đó.
Sai số khi đo lường một đại lượng vật lý.
Khoảng thời gian giũa hai ca cấp cứu trong một bệnh viện.
Hàm mật độ xác xuất
Định nghĩa
Nếu có hàm số f (x) xác định trên R thỏa mãn
các tính chất sau đây:
1. f (x) ≥ 0, ∀x ∈R
+∞
2.−∞ 𝑓 𝑥 𝑑𝑥 = 1
thì hàm số này được gọi là hàm mật độ xác suất của X.
Hàm mật độ xác xuất
❖ Nhận xét
1. P(X = a) = 0
𝑏
= 𝑓 𝑎 𝑥 𝑑𝑥
Hàm mật độ xác xuất
Ví dụ. Cho biến ngẫu nhiên X có hàm mật độ xác suất
(với C =9
2
, dễ thấy f (x) thỏa mãn điều kiện không âm).
Hàm mật độ xác xuất
Hàm phân phối của biến ngẫu nhiên X, kí hiệu F(x),là hàm xác
= 3
5
+ (-2
5𝑥3
2
− )=1-
5
2
5𝑥3
Hàm phân phối xác xuất
Ví dụ: Cho biến ngẫu nhiên X liên tục có hàm mật độ xác
suất
0, 𝑛ế𝑢 𝑥 < 0
f (x) = ൞ 5 ,𝑛ế𝑢 0 ≤ x ≤ 1
6𝑥
6
5𝑥 4
, 𝑛ế𝑢 𝑥 > 1
Tìm hàm phân phối xác suất F(x).
Ta được hàm phân phối xác suất F(x) như sau:
0, 𝑛ế𝑢 𝑥 < 0
f(x)= 5 x , nếu 0 ≤ x ≤ 1
3 2
2
1− , 𝑛ế𝑢 𝑥>1
5𝑥3
Các đặc trưng của đại lượng ngẫu nhiên
1.Kỳ vọng(Expectation)
Định nghĩa. Kỳ vọng của ĐLNN X, kí hiệu là E(X), được xác
định như sau:
• Nếu X là ĐLNN rời rạc thì
E(X ) = σ𝑛𝑖 =1 xi.pi
• Nếu X là ĐLNN liên tục, có hàm mật độ xác suất f (x) thì:
+∞
E(X ) = −∞ xf (x)dx
❖ Ý nghĩa. Kỳ vọng là giá trị trung bình theo xác suất của biến
ngẫu nhiên. Nó phản ánh giá trị trung tâm của phân phối
xác suất.
Các đặc trưng của đại lượng ngẫu nhiên
1.Kỳ vọng(Expectation)
❖ Tính chất của kì vọng
Cho biến ngẫu nhiên X, Y và a, b, C là hằng số, ta có
1. E(C) = C.
2. E(aX) = aE(X).
3. E(X + Y) = E(X) + E(Y).
Hệ quả.
E(aX + bY + C) = aE(X) + bE(Y) + C.
4. Nếu X và Y độc lập thì E(XY) = E(X).E(Y).
Các đặc trưng của đại lượng ngẫu nhiên
1.Kỳ vọng(Expectation)
❖ Tính chất của kì vọng
5. *Nếu X rời rạc, nhận giá trị x 1,..., x n với xác suất tương
ứng p 1,..., p n thì
E ( ϕ ( X )) = σ𝑛
𝑖 =1 ϕ(xi)·pi.
1.Kỳ vọng(Expectation )
Ví dụ 2: Cho biến ngẫu nhiên X có hàm mật độ
𝑥
,𝑥 ∈ [0,2]
f (x) =ቐ2
0, 𝑥 ∉ [0,2]
Tìm kỳ vọng của X .
Giải:
+∞
Ta có: E(X ) = −∞ xf (x)dx
2
E(X ) = 0 𝑥 . 𝑥2 𝑑𝑥 = 43
Các đặc trưng của các đại lượng ngẫu nhiên
2.Phương sai(Variance )
Định nghĩa. Phương sai (độ lệch bình phương trung bình) của
ĐLNN X, ký hiệu là Var(X), được xác định bởi công thức:
Var(X) = E( X 2 )− (E(X)) 2
❖ Tính chất.
• Var(X) ≥ 0;Var(X) = 0 ⇔ X = C
• Var(aX) = a 2 Var(X)
• Nếu X, Y độc lập thì Var(X + Y) = Var(X) + Var(Y)
❖ Hệ quả. Nếu X, Y độc lập thì
Var(aX ± bY ± c) = a 2 Var(X) + b 2 Var(Y)
Các đặc trưng của các đại lượng ngẫu nhiên
2.Phương sai(Variance)
Ví dụ 1. Cho biến ngẫu nhiên X có bảng phân phối xác suất:
X -2 0 1 3
P 0,1 0,4 0,3 0,2
Tìm phương sai của X.
Giải:
E(X) = (−2).0,1 + 0.0,4 + 1.0,3 + 3.0,2 = 0, 7.
E(X 2) = (−2)2.0,1 + 02.0, 4 + 12.0, 3 + 32.0, 2 = 2, 5.
Vậy Var(X) = E(X 2) − E(X)2 = 2,5 − 0,7 2 = 2,01.
Các đặc trưng của các đại lượng ngẫu nhiên
2.Phương sai(Variance )
Ví dụ 2: Cho biến ngẫu nhiên X có hàm mật độ
𝑥
,𝑥 ∈ [0,2]
f (x) =ቐ2
0, 𝑥 ∉ [0,2]
Tìm phương sai của X .
Giải:
2
E(X ) = 0 𝑥 . 𝑥2 𝑑𝑥 = 43
2 2 𝑥
E(X )= 0 𝑥 . 2 𝑑𝑥 =2
2
Thời gian sống X(tính bằng năm) của một loại máy
t í n h l à m ột đ ạ i l ư ợ n g n g ẫ u nhi ê n l i ê n t ục v ớ i m ậ t đ ộ
xác suất
𝑥
𝐾− , 𝑛ế𝑢 0<𝑥≤10
50
𝑓 𝑥 =൝
0 , 𝑛ế𝑢 𝑥 ∉ 0,10 .
a)Tìm K.Tìm hàm phân phối F(x) của X.
Giải:
Bài tập
Câu 2(Đề 2018-2019 HKI)
Thời gian sống X(tính bằng năm) của một loại máy
t í n h l à m ộ t đ ạ i l ư ợ n g n g ẫ u nhi ê n l i ê n t ục v ớ i m ậ t đ ộ
xác suất
𝑥
𝐾− , 𝑛ế𝑢 0<𝑥≤10,
50
𝑓 𝑥 =൝
0 , 𝑛ế𝑢 𝑥 ∉ 0,10 .
Theo công thức của hàm mật độ:
+∞ 10 𝑥
a) −∞ 𝑓(𝑥)𝑑𝑥= 1 ⇔ 0 𝐾 −
50
𝑑𝑥 = 1
1
⇔K= 5
𝑥
*Với x< 0 −∞ 𝑓 𝑡 𝑑𝑡 = 0
Bài tập
Câu 2(Đề 2018-2019 HKI)
T hờ i g i a n s ố n g X ( t í n h b ằ n g nă m ) c ủ a m ột l oạ i m á y
tính là một đại lượng ngẫu nhiên liên tục với mật độ
xác suất
𝑥
𝐾− , 𝑛ế𝑢 0<𝑥≤10,
50
𝑓 𝑥 =൝
0 , 𝑛ế𝑢 𝑥 ∉ 0,10 .
* Với 0 < 𝑥 ≤ 10 𝑥 𝑥 1 𝑡 𝑥2 𝑥
−∞ 𝑓 𝑡 𝑑𝑡 = 0 ( − )dt=- 100 + 5
5 50
* Với x>10 −∞ 𝑓 𝑡 𝑑𝑡
𝑥 10 1
5
𝑡 𝑥
= 0 ( − )𝑑𝑡 + 10 0𝑑𝑡
50
= 1 + 0 = 1
Bài tập
Câu 2(Đề 2018-2019 HKI)
Thời gian sống X(tính bằng năm) của một loại máy
tính là một đại lượng ngẫu nhiên liên tục với mật độ
xác suất
𝑥
𝐾− , 𝑛ế𝑢 0<𝑥≤10,
50
𝑓 𝑥 =൝
0 𝑛ế𝑢 𝑥 ∉ 0,10 .
a ) Ta đ ư ợ c h à m p h â n p h ố i x á c s uấ t n h ư s a u :
0, 𝑥2 < 0
F ( x ) = ቐ − 100 + 5 , 0<x ≤ 1 0
𝑥 𝑥
1, 𝑥 > 10
Bài tập
Câu 2(Đề 2018-2019 HKI)
Thời gian sống X(tính bằng năm) của một loại máy
t í n h l à m ột đ ạ i l ư ợ n g n g ẫ u n h i ê n l i ê n t ụ c v ớ i m ậ t đ ộ
xác suất
𝑥
𝐾− , 𝑛ế𝑢 0<𝑥≤10,
50
𝑓 𝑥 =൝
0, 𝑛ế𝑢 𝑥 ∉ 0,10 .
b)Hỏi thời gian sống trung bình của loại máy tính đó là
bao nhiêu năm.
Giải:
10 1 𝑥 10
E ( x ) = 0 𝑥 − 𝑑𝑥= 3
5 50
Bài tập
Câu 2(Đề 2018-2019 HKI)
T hờ i g i a n s ố n g X ( t í n h b ằ n g n ă m ) c ủ a m ột l oạ i m á y
tính là một đại lượng ngẫu nhiên liên tục với mật độ
xác suất
𝑥
𝐾− , 𝑛ế𝑢 0<𝑥≤10,
50
𝑓 𝑥 =൝
0 , 𝑛ế𝑢 𝑥 ∉ 0,10 .
c)Nếu thời gian bảo hành là một năm thì xác suất để một
máy tính phải đưa đi bảo hành trong vòng 1 năm là bao
nhiêu ?
Giải:
1 1 𝑥
P(0<X≤ 1) = 0 5 − 𝑑 𝑥 = 0, 19
50
Bài tập
Câu 1.3(Đề 2018-2019 HKII)
Từ một hãng sản xuất linh kiện điện tử,các nhà thống kê
nhận thấy tuổi thọ của linh kiện điện tử đó là một đại lượng
ngẫu nhiên liên tục(đơn vị:năm) có hàm mật độ như sau
𝐶
𝑛ế𝑢 𝑥≥1,
𝑓 𝑥 =൝ 𝑥4
0 𝑛ế𝑢 𝑥 < 1.
a)Xác định C và hàm phân phối của X.(C=3)
b)Tìm tuổi thọ trung bình của linh kiện điện tử đó do hãng
này sản xuất.(E(X)=1,5)
c)Tỉ lệ linh kiện điện tử do hãng này sản xuất có tuổi thọ không
quá 2 năm.(P(X≤ 2) = 𝑃(0 < 𝑋 < 1) + 𝑃(1 < 𝑋 < 2) = ) 7
8
PHẦN 3: PHÂN PHỐI SIÊU BỘI,NHỊ THỨC,POISSON
VÀ PHÂN PHỐI CHUẨN
Nội dung Training
I. ĐỊNH NGHĨA
• Xét tập có N phần tử gồm NA phần tử có tính chất
A và N - NA phần tử có tính chất 𝐴ഥ .Từ tập đó ta
chọn ra n phần tử.
• Gọi X là số phần từ có tính chất A lẫn trong n phần
tử đã chọn thì X có phân phối siêu bội với 3 tham số
N, NA , n.
• Ký hiệu là: X ∈ H (N, NA , n) hay X ~ H (N, NA,n).
I. PHÂN PHỐI SIÊU BỘI
• Xác suất trong n phần tử chọn ra có k phần tử A là:
Trong đó 0≤ 𝒌 ≤ 𝒏 𝒗à 𝒏 − 𝑵 − NA ≤ 𝒌 ≤ NA.
Bài tập
VD: Một hộp phấn gồm 10 viên, trong đó có 6 viên
màu trắng. Lấy ngẫu nhiên 3 viên phấn từ hộp này. Gọi
X là số viên phấn trắng lấy được. Lập bảng phân phối
xác suất của X ?
X 0 1 2 3
P
I. PHÂN PHỐI SIÊU BỘI
II. CÁC SỐ ĐẶC TRƯNG CỦA X~ H(N, NA , n).
𝑵 −𝒏
EX = np ; VAR X = npq
𝑵 −𝟏
NA
Trong đó: p = , q = 1 – p.
𝑁
VD: Tại một công trình có 100 người đang làm việc,
trong đó có 70 kỹ sư. Chọn ngẫu nhiên 40 người từ
công trình này. Gọi X là số kỹ sư chọn được.
1) Tính xác suất chọn được từ 27 đến 29 kỹ sư ?
2) Tính trung bình số kỹ sư chọn được vàVarX ?
II. PHÂN PHỐI NHỊ THỨC
1. Phân Phối Bernoulli
• Định nghĩa:
Phép thử Bernoulli là một phép thử mà ta chỉ quan tâm đến 2
biến cố A và 𝐴ഥ , với P(A) = p.
• Xét biến ngẫu nhiên:
EX =p ; Var X = pq.
VD: Một câu hỏi trắc nghiệm có 4 phương án trả lời, trong đó chỉ có 1
phương án đúng. Một sinh viên chọn ngẫu nhiên 1 phương án để trả
lời câu hỏi đó.
Giải:
Gọi A: “sinh viên này trả lời đúng”.
Khi đó, việc trả lời câu hỏi của sinh viên này là một phép thử Bernoulli
Và p = P(A)=0.25 , q = 0.75.
1 𝑘ℎ𝑖 𝑆𝑉 𝑡𝑟ả 𝑙ờ𝑖 đú𝑛𝑔
Gọi BNN X = ቊ
0 𝑘ℎ𝑖 𝑆𝑉 𝑡𝑟ả 𝑙ờ𝑖 𝑠𝑎𝑖
Thì X ∈ 𝐵 0.25 𝑣à 𝐸𝑋 = 0.25 , 𝑉𝑎𝑟 𝑋 = 0.1875
II. PHÂN PHỐI NHỊ THỨC
2.Phân Phối Nhị Thức
• Định nghĩa:
Xét dãy n phép thử Bernoulli độc lập. Với phép thử thứ I, ta xét biến ngẫu
nhiên Xi ∈ 𝐵 𝑝 (i=1,…n).
VD: Một nhà tuyển dụng kiểm tra kiến thức lần lượt các ứng viên, xác suất được
chọn của mỗi ứng viên đều bằng 0,56. Biết xác suất để nhà tuyển dụng chọn
đúng 8 ứng viên là 0,0843. Số người cần phải kiểm tra là:
A. 9 người B.10 người C.12 người D.13 người
Giải:
Gọi X là số ứng viên được chọn, X∈ 0,1,2,3, … , 𝑛
Gọi n là số người cần kiểm tra
Theo đề, ta có: P(X=8) = 0,0843
⇔ Cn8 (0,56)8(1-0,56)n-8 = 0,0843
Thử trực tiếp đáp án, ta được đáp án B.
III. PHÂN PHỐI POISSON
𝑒 −𝜆 .𝜆𝑘
pk =P(X=k)= (k=0,1,2,…,n).
𝑘!
Trong đó, 𝝀 là trung bình xuất hiện biến cố nào đó mà ta quan tâm.
• Nhận xét:
1.Phân phối Poisson không phải là phân phối xác suất chính xác. Tuy vậy,
phân phối Poisson rất thân thiện cho việc mô tả và tính toán.
𝒃
P(a≤ 𝑻 ≤ 𝒃) =𝒇 𝒂 𝒕 𝒅𝒕 = 𝝋 𝒃 − 𝝋 𝒂 .
Chú ý:
• P(T<b) = 0,5+𝜑 𝑏 ; 𝑃 𝑇 > 𝑎 = 0,5 − 𝜑 𝑎 .
• Nếu x≥ 4 𝑡ℎì 𝜑 𝑥 ≈ 0,5.
III. PHÂN PHỐI CHUẨN
• Phân Phối Chuẩn:
1. Định nghĩa:
Biến ngẫu nhiên liên tục X được gọi là có phân phối chuẩn tham số μ
và σ2 (σ > 0), ký hiệu là X ∈ 𝑁 μ, σ2 ℎ𝑎𝑦 𝑋~ 𝑁(μ, σ2 ), nếu hàm mật độ
xác suất của X có dạng:
ModX=EX=μ ; 𝑽𝒂𝒓𝑿 = σ𝟐 .
III. PHÂN PHỐI CHUẨN
3. Xác suất của X~N(μ, σ𝟐 )
𝑋− μ
Nếu X ∈ 𝑁 μ, σ2
𝑡ℎì 𝑇 = ∈ 𝑁 0,1 .
𝜎
Vậy ta có công thức xác xuất:
𝒃 −μ 𝒂 −μ
P(a≤ 𝑿 ≤b) = 𝝋( ) - 𝝋( ).
𝝈 𝝈
VD: Tốc độ chuyển dữ liệu từ máy chủ của ký túc xá đến máy tính của
sinh viên vào buổi sáng chủ nhật có phân phối chuẩn với trung bình
60Kbits/s và độ lệch chuẩn 4Kbits/s. Xác suất để tốc độ chuyển dữ liệu
lớn hơn 63Kbits/s là bao nhiêu?
Giải:
Gọi X là tốc độ chuyển dữ liệu, X∈ 𝑁 60, 42 .
63−60
➔ P(63<X<+∞) = 0,5 - 𝜑( ) = 0,5 - 𝜑(0,75) = 0,5 – 0,27337 = 0,2266.
4
IV. TỔNG KẾT
Tham số Công thức Tham số đặc trưng
PP μ, σ𝟐 (σ > 0) ModX=EX=μ
Chuẩn 𝑽𝒂𝒓𝑿 = σ𝟐
𝒃 −μ 𝒂 −μ
μ: Giá trị trung bình P(a≤ 𝑿 ≤b) = 𝝋( ) - 𝝋( )
𝝈 𝝈
σ: độ lệch chuẩn
VarX = σ𝟐 ∶ 𝑝ℎươ𝑛𝑔 𝑠𝑎𝑖
PHẦN 3: CÁC DẠNG XẤP XỈ PHÂN PHỐI XÁC SUẤT
Nội dung Training
X B(n; p), p NA
.
N
Chú ý: Khi cỡ mẫu n khá nhỏ so với kích thước N (khoảng 5%N ) của tổng thể thì việc lấy mẫu
có hoàn lại hay không hoàn lại là như nhau.
BÀI TẬP
Bài tập: Một vườn lan có 10.000 cây sắp nở hoa, trong đó
có 1.000 cây hoa màu đỏ.
a) Tính xác suất để khi chọn ngẫu nhiên 50 cây lan thì
được 10 cây có hoa màu đỏ.
b) Có thể tính xác suất để khi chọn ngẫu nhiên 200 cây
lan thì có 50 cây hoa màu đỏ được không
Giải:
a) Gọi X là số cây lan màu đỏ trong 50 cây lan được chọn
Ta có: x~𝐻 10 000; 1 000; 50 ≈ 𝐵(50; 0.1)
P[X=10]=50C10*(0.1)10 *(1-0.1)40=0.0152
b)
Ta có: x~𝐻 10 000; 1 000; 200 ≈ 𝐵(200; 0.1)
P[X=50]=200C50*(0.1)50 *(1-0.1)150=error
Xấp xỉ phân phối Nhị thức bởi Poisson
Xét biến ngẫu nhiên X có phân phối Nhị thức B(n;p).
• Khi n → ∞, nếu p → 0 và np → λ thì:
C knpkqn-k d 𝑒 −λ .λ𝑘
𝑘!
• Ứng dụng, đặt λ = np.
Nếu n đủ lớn và p gần bằng 0 (hoặc gần bằng 1) thì:
X ∼ P(λ).
Chú ý
Xấp xỉ trên sẽ có hiệu quả khi np < 5 hay nq < 5.
BÀI TẬP
Bài tập : Tại một trận địa phòng không, người ta bố trí 1000 khẩu
súng trường. Xác suất bắn trúng máy bay của mỗi khẩu súng là
0,001. Nếu máy bay bị bắn trúng 1 phát thì xác suất rơi là 0,8. Nếu
máy bay bị bắn trúng ít nhất 2 phát thì chắc chắn bị rơi. Tính xác
suất máy bay bị bắn rơi khi 1000 khẩu súng cùng bắn, mỗi lần bắn
một viên.
BÀI TẬP
Giải: Gọi X là số tập tin bị nhiễm virus trong thư mục bị virus V xâm nhập:
X ~ B(2400; 0,35) ~ N(2400*0,35; 2400*0,35*0,65) ⟹ X ~ N(840, 546)
850−840 800−840
P(800≤ x ≤ 850) =𝜑 -𝜑 =0.16566+0.45654=0.6222
√546 √546
Ví dụ (Đề tham khảo 2017-2018):Một khách sạn nhận đặt chỗ của 215 khách hàng cho 200
phòng vào ngày 1/5 vì theo kinh nghiệm của những năm trước có 10% khách đặt chỗ nhưng
không đến (phương pháp kinh doanh “overbooking” ). Biết mỗi khách đặt một phòng. Tính xác
suất:
a/ Có đúng 200 khách đến vào ngày 1/5 và nhận phòng.
b/ Tất cả các khách đến vào ngày 1/5 đều nhận được phòng.
BÀI TẬP
HẾT
CẢM ƠN CÁC BẠN ĐÃ THEO DÕI.
CHÚC CÁC BẠN CÓ KẾT QUẢ THI THẬT TỐT!