Chuỗi Training Giữa Học Kì 2 Năm Học 2020-2021

BAN HỌC TẬP KHOA CÔNG NGHỆ PHẦN MỀM
CHUỖI TRAINING GIỮA HỌC KÌ 2 NĂM HỌC 2020- 2021
Ban học tập Email / Group

Khoa Công Nghệ Phần Mềm bht.cnpm.uit@gmail.com
Trường ĐH Công Nghệ Thông Tin fb.com/groups/bht.cnpm.uit
ĐHQG Hồ Chí Minh
Training
Xác xuất
thống kê
Thời gian training: 10h ngày 26/4/2021
Phòng: Giảng Đường 3
Trainer: Nguyễn Minh Hiếu – HTTT2020

Lê Trần Hữu Phước – KHCL2020
Nguyễn Thị Kim Liên – HTTT2020
Phạm Trọng Tín – MMTT2020
NỘI DUNG THI
❑ Các công thức tính xác suất.

❑ Hàm mật độ, hàm phân phối, kỳ vọng, phương
sai của biến ngẫu nhiên rời rạc và liên tục.
❑ Phân phối siêu bội, nhị thức, Poisson,chuẩn.
❑ Các loại xấp sỉ của phân phối xác suất.
PHẦN 1: CÁC CÔNG THỨC XÁC SUẤT
Phép thử và biến cố
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
Xác suất cổ điển

2 1
2 1
2 1
2 1
2 1
2
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→
Khi đó ta định nghĩa xác suất của biến cố A là

22
số trường hợp xảy ra thuận lợi đối với A 𝑛𝐴

P(A)= =
số trường hợp có thể xảy ra 𝑛
Xác suất cổ điển
Các tiên đề về xác suất
1) 0≤ P(A) ≤1.
2) P(Ω)= 1.
3) Nếu A1, A2 ,…., Ai,… xung khắc từng đôi một thì
P(A1 +A2 +….+Ai) =σ𝑖=1 𝑃( Ai)+∞
Từ các tiên đề trên ta suy ra :

• P(Ø)=0
• Nếu A, B xung khắc thì P(A + B)= P(A) +P(B)
• P(Ā)=1- P(A)
Các công thức xác suất
Công thức cộng:
• Nếu A, B xung khắc thì
P(A + B)= P(A) + P(B)
• Nếu A, B, C là ba biến cố bất kì
P(A +B) = P(A) +P(B) – P(AB)
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(AB) −
P(AC) − P(BC) + P(ABC).
• Nếu A1, A2 ,…., Ai,… xung khắc từng đôi một thì
P(A1 + A2 +….+Ai) =σ𝑖=1 𝑃( Ai)
+∞
• Nếu {A1, A2 ,…., Ai} là một nhóm đầy đủ các biến cố thì
𝑖=1 𝑃( Ai) = 1
σ+∞
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
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%
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)
,:
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)
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 +∞
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.
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
P(B)= 1/3.0,15 + 1/4.0,08 + 1/4.0,05 + 1/6.0,01 = 0.08417

Công thức Bayes:
Giả sử B1, B2 ,…., Bi,… là họ đầy đủ các biến cố. Khi đó với B là
biến cố bất kỳ sao cho P(A) ≠ 0 ta có
P(Bi )P(A|Bi ) P(Bi )P(A|Bi )
P(Bi |A) = = σ+∞
P(A) = i=1 P(Bi)P(A|B)
Dãy phép thử Bernoulli:
Dãy gồm n phép thử G1, G2 ,…., Gi,… được
gọi là dãy phép
thử Bernoulli nếu thỏa mãn các điều kiện.
• Dãy các phép thử là độc lập.
• Với mỗi i = 1, n trong mỗi phép thử Gi
tương ứng với không gian biến cố sơ
cấp có hai biến cố Ωi = {A, Ā }.
• Xác suất của biến cố A là P(A) không
thay đổi trong mỗi phép thử.
Dãy phép thử Bernoulli:
Giả sử dãy gồm n phép thử G1, G2 ,…., Gi,… là dãy phép thử
Bernoulli. Khi đó, với biến cố A trong mỗi phép thử có xác suất
là p thì xác suất để trong n phép thử đó biến cố A xuất hiện k
lần được tính bởi công thức
Pn(k) = Cnkpk(1-p)n-k với k=1,2,3,…
Ví dụ:Bắn 6 viên đạn vào bia , xác suất trúng bia của mỗi viên
là 0.7. Tính xác suất để có đúng 3 viên trúng bia, :
Giải: P6(3) = C630.73(1-0.7)6-3 = 0.18522

Bài tập
Câu 1(Đề 2017-2018) HKII

Một công ty lắp ráp máy tính có tỉ lệ máy tính đạt
tiêu chuẩn kỹ thuật là 0.85. Chọn ngẫu nhiên một
máy tính, cho ba kỹ sư kiểm tra một cách độc lập để
kết luận có đạt yêu cầu kỹ thuật hay không. Khả
năng đưa ra kết luận đúng của 3 người là 0.8. Biết
rằng 2 người kết luận máy tính này đạt tiêu chuẩn
và 1 người kết luận không tiêu chuẩn. Tính xác suất
máy tính đó đạt tiêu chuẩn kỹ thuật.
Bài tập
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
P(B) =0.85*C320.82(0.2) + 0.15*C320.22(0.8) = 0.3408

0.85∗C320.82(0.2)
P(A|B) = = 0.9577
0.3408
PHẦN 2: HÀM MẬT ĐỘ, HÀM PHÂN PHỐI,KỲ VỌNG, PHƯƠNG SAI
CỦA BIẾN NGẪU NHIÊN RỜI RẠC VÀ LIÊN TỤC
Đại lượng ngẫu nhiên
Định nghĩa
Đại lượng ngẫu nhiên (ĐLNN) là đại lượng biến đổi biểu
thị giá trị kết quả của một phép thử ngẫu nhiên.Ta dùng
các chữ cái in hoa như X,Y,Z,…để ký hiệu ĐLNN.
Ví dụ:
1. Gieo một con xúc xắc. Gọi X là số chấm xuất hiện
trên mặt con xúc xắc thì X là một ĐLNN nhận giá trị có
thể là 1; 2; 3; 4; 5; 6.
2. Nhiệt độ không khí ở một thời điểm nào đó.
3. Sai số khi đo lường một đại lượng vậy lý.
1. Đại lượng ngẫu nhiên rời rạc
ĐLNN được gọi là rời rạc nếu nó chỉ nhận một số hữu
hạn hoặc một số vô hạn đếm được các giá trị.
Ta có thể liệt kê các giá trị của ĐLNN rời rạc là x1, x2,...,
x n.
Ta kí hiệu X nhận giá trị x k là X = x k và xác suất X
nhận giá trị x k là p k = P(X = x k).
Ví dụ:
Số chấm xuất hiện trên mặt con xúc xắc, số học sinh vắng
mặt trong một buổi học, ..., là các ĐLNN rời rạc.
1111!1!
Đại lượng ngẫu nhiên rời rạc X có bảng phân phối xác suất
như sau:
X x1 x2 ... xk ...
P p1 p2 ... pk ...
❖ Nhận xét
1.p k = P(X = x k )
2. pi ≥ 0, ∀i
3. ∑ p i = 1
4. P(a < X < b) = σ𝑎 <𝑥𝑖 <𝑏 pi
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
a. Xác định giá trị m
b. Tính P(1 ≤ X < 3)
c. Tính P(X 2 > 1)
1111!1!
Ví dụ :
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
1111!1!
Ví dụ :
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
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.
❖ Nhận xét
1. P(X = a) = 0
2. P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a < X < b)
𝑏
= ‫𝑓 𝑎׬‬ 𝑥 𝑑𝑥
Ví dụ. Cho biến ngẫu nhiên X có hàm mật độ xác suất
𝐶𝑥, 𝑛ế𝑢 𝑥∈ [0; 3]

f (x) = ቊ
0, 𝑛ế𝑢 x ∉ [0; 3]
a. Xác định hằng số C.
b. Tìm P(−1 ≤ X < 2).
Giải
a) Theo công thức của hàm mật độ
+∞ 3
‫׬‬−∞ 𝑓(𝑥)𝑑𝑥= 1 ⇔ ‫׬‬0 𝐶𝑥𝑑𝑥= 1 ⇔C= 9
2
(với C =9
2
, dễ thấy f (x) thỏa mãn điều kiện không âm).
Ví dụ. Cho biến ngẫu nhiên X có hàm mật độ xác suất

𝐶𝑥, 𝑛ế𝑢 𝑥∈ [0; 3]
f (x) = ቊ
0, 𝑛ế𝑢 x ∉ [0; 3]
b. Tìm P(−1 ≤ X < 2).

Giải:
𝑏
Áp dụng tính chất P(a ≤ X ≤ b) = ‫𝑓 𝑎׬‬ 𝑥 𝑑𝑥
2 22
P (− 1 ≤ X < 2) = ‫׬‬− 1 𝑓 𝑥 𝑑𝑥= xd x =
4
‫׬‬0 9 9
Hàm phân phối xác xuất
Định nghĩa :
Hàm phân phối của biến ngẫu nhiên X, kí hiệu F(x),là hàm xác
định bởi: F(x) = P(X < x), với mọi x ∈ R.

❖ Nhận xét.
• Đối với biến ngẫu nhiên rời rạc:
F(x) = σx <x p j
j
• Đối với biến ngẫu nhiên liên tục:
𝑥
F(x) = ‫׬‬−∞ 𝑓 𝑡 𝑑𝑡, ∀x ∈ R.
❖ Tính chất.
1. 0 ≤ F(x) ≤ 1.
2. F(x) là hàm không giảm, liên tục trái.
3. F(+∞) = 1; F(−∞) = 0
4. Đối với biến ngẫu nhiên liên tục, nếu F(x) khả vi tại điểm x
thì F (x) = f (x).
❖ Hệ quả. Nếu X liên tục thì
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a < X < b)
= F(b) − F(a).
❖ Ý nghĩa. Hàm phân phối xác suất F(x) phản ánh mức độ
tập trung xác suất về bên trái của điểm x.
Ví dụ: Cho biến ngẫu nhiên X liên tục có hàm mật độ xác suất
0, 𝑛ế𝑢 𝑥 < 0
6𝑥
f (x) =൞ 5 ,𝑛ế𝑢 0 ≤ x ≤ 1
6
5𝑥
, 𝑛ế𝑢 𝑥 > 1
4
Tìm hàm phân phối xác suất F(x).

Giải:
𝑥
• Với x < 0 ‫׬‬−∞ 𝑓 𝑡 𝑑𝑡 = 0
𝑥 𝑥6
• Với 0 ≤ 𝑥 ≤ 1 ‫׬‬−∞ 𝑓 𝑡 𝑑𝑡 = ‫׬‬0 5 𝑡 𝑑𝑡= 35 x2
𝑥 16 𝑥 6
• Với x>1 ‫׬‬−∞ 𝑓 𝑡 𝑑𝑡 = ‫׬‬0 5𝑡𝑑𝑡 + ‫׬‬1 5𝑥 4𝑑𝑡
= 3
5
+ (-2
5𝑥3
2
− )=1-
5
2
5𝑥3
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.
❖ 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).
❖ 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.
*Nếu X liên tục, có hàm mật độ xác suất f (x) thì

+∞
E ( ϕ ( X )) = ‫׬‬−∞ ϕ(x) ·f (x)dx
Các đặc trưng của các đại lượng ngẫu nhiên
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 kỳ vọng của X.

Giải:
Ta có: E(X ) = σ𝑛𝑖 =1 xi.pi
E(X) = (−2).0,1 + 0.0,4 + 1.0,3 + 3.0,2 = 0,7.
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
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)
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.
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
Vậy Var(X)=E(X 2) − E(X) 2 =2-( ) =9

4 2 2
3
Bài tập
Câu 3(Đề 2017-2018 HKII)
T hờ i g i a n ( t í n h b ằ n g p h ú t ) đ ể k h ô i p hục l ạ i m ột h ệ
thống là một đại lượng ngẫu nhiên liên tục với mật
độ xác suất
𝐶 10−𝑥 2, 𝑛ế𝑢 0<𝑥≤ 10
𝑓 𝑥 =ቊ
0 , 𝑛ế𝑢 𝑥 ∉ 0,10 .
a)Tìm C.
b)Tính xác suất có thể khôi phục lại hệ thống đó trong
vòng 1 đến 2 phút.
Bài tập
Câu 3(Đề 2017-2018 HKII)
Thời gian (tính bằng phút) để khôi phục lại một hệ
t hống 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
độ xác suất
𝐶 10−𝑥 2, 𝑛ế𝑢 0<𝑥≤ 10
𝑓 𝑥 =ቊ
0 , 𝑛ế𝑢 𝑥 ∉ 0,10 .
a)Tìm C.
Giải:
Theo công thức của hàm mật độ:
+∞ 10
a) ‫׬‬−∞ 𝑓(𝑥)𝑑𝑥= 1 ⇔ ‫׬‬0 𝐶 10 − 𝑥 𝑑𝑥 = 1 ⇔C= 1000
2 3
Bài tập
Câu 3(Đề năm 2017-2018 HKII)
Thời gian (tính bằng phút) để khôi phục lại một hệ
thống là một đại lượng ngẫu nhiên liên tục với mật
đ ộ x á c s uấ t
𝐶 10−𝑥 2, 𝑛ế𝑢 0<𝑥≤ 10
𝑓 𝑥 =ቊ
0 , 𝑛ế𝑢 𝑥 ∉ 0,10 .
b)Tính xác suất có thể khôi phục lại hệ thống đó trong
vòng 1 đến 2 phút.
Giải:
2 3
P(1≤X≤ 2) = ‫׬‬1 10 0 0 10 − 𝑥 2𝑑 𝑥 = 0 ,2 1 7
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)Tìm K.Tìm hàm phân phối F(x) của X.
b)Hỏi thời gian sống trung bình của loại máy tính đó là
bao nhiêu năm.
Bài tập
Câu 2(Đề 2018-2019 HKI)
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 ?
Bài tập
Câu 2(Đề 2018-2019 HKI)
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)
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
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)
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)
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
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. PHÂN PHỐI SIÊU BỘI

II. PHÂN PHỐI NHỊ THỨC
III. PHÂN PHỐI POISSON
IV. PHÂN PHỐI CHUẨN

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).
• 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 ?
Giải: Ta có: X = 0,1,2,3 và
N = 10, NA = 6, n=3 ⇒ 𝑋 ∈ 10,6,3 .

Vậy ta có bảng phân phối xác xuất của X:
X 0 1 2 3
P
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 ?
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:
1 𝑘ℎ𝑖 𝐴 𝑥𝑢ấ𝑡 ℎ𝑖ệ𝑛,

X=ቊ P(𝐴ഥ ) = 1 – p = q.
0 𝑘ℎ𝑖 𝐴ഥ 𝑥𝑢ấ𝑡 ℎ𝑖ệ𝑛,
Khi đó, ta nói X có phân phối Bernoulli với tham số p.

Ký hiệu là X ∈ 𝐵 𝑝 ℎ𝑎𝑦 𝑋~ 𝐵 𝑝 .
Bảng Phân Phối xác xuất của X là: X 0 1

P p q
• Các số đặc trưng của X~ B(p)
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
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).
1 𝑘ℎ𝑖 𝑙ầ𝑛 𝑡ℎứ 𝑖 𝐴 𝑥𝑢ấ𝑡 ℎ𝑖ệ𝑛

Nghĩa là: Xi= ቊ
0 𝑘ℎ𝑖 𝑙ầ𝑛 𝑡ℎứ 𝑖 𝐴ഥ 𝑥𝑢ấ𝑡 ℎ𝑖ệ𝑛
• Gọi X là số lần biến cố A xuất hiện trong n phép thử. Khi đó,
X = X1+…+ Xn và ta nói X có phân phối Nhị Thức với tham số n,p.
• Ký hiệu: X∈ 𝐵 𝑛, 𝑝 ℎ𝑎𝑦 𝑋~𝐵 𝑛, 𝑝 .
• Xác suất trong n lần thử có k lần A xuất hiện là:
pk = P(X = k) =Cnk pkqn-k (k=0,1,…,n).

• Các số đặc trưng của X~B(n,p):
EX = np; VarX = npq;

ModX= x0 : np - q ≤ x0 ≤ 𝒏𝒑 − 𝒒 + 𝟏
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.
1.Bài toán dẫn đến phân phối POISSON:

• Giả sử các vụ tai nạn giao thông ở vùng A xảy ra một cách
ngẫu nhiên, độc lập với nhau và trung bình 1 ngày có λ vụ tai
nạn. Gọi X là số vụ tai nạn giao thông xảy ra trong 1 ngày ở
vùng A.
• Chia 24 giờ trong ngày thành n khoảng thời gian sao cho ta
có thể coi rằng trong mỗi khoảng thời gian đó có nhiều nhất
1 vụ tai nạn xảy ra, và khả năng xảy ra tai nạn giao thông
𝜆
trong mỗi khoảng thời gian bằng .
𝑛
𝜆
Khi đó, X∈ 𝐵(n, ).
𝑛
• Định nghĩa phân phối POISSON:
Biến ngẫu nhiên X được gọi là có phân phối POISSON tham số 𝜆 > 0, 𝑘ý ℎ𝑖ệ𝑢 𝑙à
𝑋 ∈ 𝑃 𝜆 ℎ𝑎𝑦 𝑋~𝑃 𝜆 , 𝑛ế𝑢 𝑋 𝑛ℎậ𝑛 𝑐á𝑐 𝑔𝑖á 𝑡𝑟ị 0,1,2, … , 𝑛. . 𝑣ớ𝑖 𝑥á𝑐 𝑠𝑢ấ𝑡:
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.
2.Phân phối Poisson thường gắn với yếu tố thời gian.

• Các số đặc trưng của X~P(𝝀):
EX=VarX= 𝝀; ModX=x0: 𝝀-1≤ 𝒙𝟎 ≤ 𝝀
VD: Quan sát thấy trung bình 1 phút có 3 ô tô đi qua trạm

thu phí. Biết xác suất có ít nhất 1 ô tô đi qua trạm thu phí
trong t phút là 0.9 . Giá trị của t là:
Giải:
1p -> 3 ô tô
t p -> 3t ô tô
Gọi X là số ô tô đi qua trạm thu phí, X~P(3t)
Áp dụng công thức, ta có:
𝑒 −3𝑡 3𝑡 0
1 - P(X=0) = 1- = 0,9 ➔ t = 0,7675 phút.
0!
III. PHÂN PHỐI CHUẨN
• Phân phối chuẩn đơn giản:
1. Định nghĩa:
Biến ngẫu nhiên liên tục T được gọi là phân phối chuẩn đơn giản, ký
hiệu là
T∈ 𝑁 0,1 ℎ𝑎𝑦 𝑇~𝑁 0,1 , 𝑛ế𝑢 ℎà𝑚 𝑚ậ𝑡 độ 𝑥á𝑐 𝑠𝑢ấ𝑡 𝑐ủ𝑎 𝑇 𝑐ó 𝑑ạ𝑛𝑔:
𝟐𝒕
𝟏
f(t)= 𝒆 ,
−𝟐
t𝝐𝑹.
𝟐𝝅
(Giá trị f(t) được cho trong bảng phụ lục A).
2. Các số đặc trưng của T~N(0,1)

ModT = ET = 0; VarT = 1.
3. Xác suất của T~N(0,1)

• Hàm Laplace
𝑥
Hàm 𝜑 𝑥 = ‫׬‬0 𝑓 𝑡 𝑑𝑡 (𝑡 ≥ 0) được gọi là hàm Laplace.
Giá trị hàm 𝜑 𝑥 được cho trong bảng 4.
• Tính chất hàm Laplace
1. Hàm 𝜑 𝑥 đồng biến trên R;
2. 𝜑 −𝑥 = −𝜑 𝑥 (hàm 𝜑 𝑥 lẻ);
3. 𝜑 −∞ = −0,5 ; 𝜑 +∞ = 0,5.
• Công thức tính xác suất
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.
• 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:
2. Các số đặc trưng của X~N(μ, σ𝟐 )
ModX=EX=μ ; 𝑽𝒂𝒓𝑿 = σ𝟐 .
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 Siêu N, NA , n Xác suất trong n phần tử chọn ra EX = np ;

có k phần tử A là:
𝑵 −𝒏
Bội N: Tổng phần tử trong tập VAR X = npq
𝑵 −𝟏
mà ta xét
NA : các phần tử có tính chất NA
Trong đó: p = ,q=1
A trong N phần tử 𝑁
– p.
n : số phần tử được chọn
ngẫu nhiên từ tập có N phần
tử
PP Nhị n,p EX = np;

Thức n: số phép thử Xác suất trong n lần thử có k lần A xuất VarX = npq;
Bernoulli độc lập
hiện là: ModX= x0
p: xác suất biến cố A np - q ≤ x0 ≤ 𝑛𝑝 −
xuất hiện pk = P(X = k) =Cnk pkqn-k 𝑞+1
(k=0,1,…,n).
IV. TỔNG KẾT
Tham số Công thức Tham số đặc trưng

PP 𝝀>0 𝑒 −𝜆 .𝜆𝑘 EX=VarX= 𝝀;
Poisson 𝝀 ∶ 𝑇𝑟𝑢𝑛𝑔 𝑏ì𝑛ℎ 𝑥𝑢ấ𝑡 ℎ𝑖ệ𝑛 pk =P(X=k)= ModeX=x0
Biến cố nào đó mà ta quan 𝑘! 𝜆-1≤ 𝑥0 ≤ 𝜆
tâm
(k=0,1,2,…,n)
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
I.Xấp xỉ phân phối Siêu bội bởi nhị thức

II. Xấp xỉ phân phối Nhị thức bởi Poisson
III. Xấp xỉ phân phối Nhị thức bởi phân phối chuẩn
Xấp xỉ phân phối Siêu bội bởi nhị thức
Xét BNN X có phân phối Siêu bội H (N ; NA; n).

Nếu p cố định, N
N
C kN C nN k
d
A NA C k pkqn k . Với (q=1-p)
n
CNn
ỨNG DỤNG: Nếu N khá lớn và n rất nhỏ so với N thì:
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: câu b trong bài tập 1.
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 viên đạn bắn trúng mục tiêu

Ta có: X ~ B(1000; 0,001) ≈ P ( 𝜆 ) Với: 𝜆 = np = 1000 x 0,001 = 1
Suy ra: X ~ B(1000; 0,001) ≈ P (1)
Gọi B là biến cố máy bay bị rơi.
Gọi A0 là biến cố không có viên đạn nào trúng máy bay
A1 là biến cố có 1 viên đạn bắn trúng máy bay
A2 là biến cố có trên 2 viên đạn bắn trúng máy bay
Ta có A0 , A1 , A2 lập thành một hệ đầy đủ xung khắc từng đôi.
Theo công thức xác suất đầy đủ ta có:
P(B) = P(A0).P(B/ A0) + P(A1).P(B/A1) + P(A2).P(B/A2)
Với P(A0) = P(X=0) =(e-1*10 ) /0!=1/e ; P(B/ A0) = 0
Tương tự P(A1) = P(X=1) =1/e ; P(B/ A1) =0.8
P(A2) = P[X≥2] = 1 – P[X<2] = 1-2/e; P(B/ A1) =1
P(B)=1/e*0+1/e*0.8+(1-2/e)=0.5585
Vậy xác suất máy bay bị bắn rơi khi 1000 khẩu súng cùng bắn, mỗi khẩu bắn một viên là
0,5585
Xấp xỉ phân phối Nhị thức bởi phân phối chuẩn
Cho X ∈ B(n;p). Nếu n khá lớn, np ≥ 5 và nq ≥ 5

thì X ∼ N(μ; σ2) với μ =np; σ2=npq
Khi đó:
1
P(X=k)= .𝑓 𝑘−𝜇
𝜎
𝜎
(giá trị được cho trong bảng A với f(-x)=f(x)).
P(k1 ≤ 𝑋 ≤ 𝑘2) = φ 𝑘2−𝜇𝜎
− φ 𝑘1−𝜇
𝜎
(giá trị được cho trong bảng B với φ(−x)=−φ(x)).
Chú ý
Khi k = μ, ta sử dụng công thức hiệu chỉnh:
P(X=k)≈ 𝑃(𝑘 − 0,5 < 𝑋 < 𝑘 + 0,5)
Tóm tắt xấp xỉ chi Nhị thức
𝑛𝑝 ≥ 5
ቊ
𝑛𝑞 ≥ 5
𝜇 = 𝑛𝑝
X ∈ B 𝑛, 𝑝 𝜎 2 = 𝑛𝑝𝑞 X ∈ N 𝜇, 𝜎 2
E(X)=np E(X)= 𝜇
Var(X)=npq Var(X)= 𝜎 2
BÀI TẬP
Ví dụ (HKI 2018-2019): Xác suất virus máy tính V có thể gây hại cho một tập tin bất
kì là 35%. Giả sử virus V xâm nhập vào một thư mục gồm 2400 tập tin. Tính xác suất
có từ 800 đến 850 tập tin bị nhiễm virus.
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
Giải : Gọi X là số khách đến nhận phòng vào ngày 1/5

Ta có: X ∈ B(215;0.9)
1. X ∈ B(215;0.9) ⇒ μ =193.5; σ2 =19.35

⇒ X ∼ N (193.5;19.35).
200−193.5 2
−
1 1 10 1 19.35
P(X=200)= .𝑓 𝑘−𝜇
𝜎
= .𝑓 200−193.5 = ∗ 𝑒 2 = 0.0304
𝜎 19.35 19.35 3 215 2𝜋
200−193.5 0−193.5
2. P(0≤ x ≤ 200) =𝜑 -𝜑 =0.93
√19.35 √19.35
89
BAN HỌC TẬP KHOA CÔNG NGHỆ PHẦN MỀM
CHUỖI TRAINING GIỮA HỌC KÌ 2 NĂM HỌC 2020 - 2021
HẾT
CẢM ƠN CÁC BẠN ĐÃ THEO DÕI.
CHÚC CÁC BẠN CÓ KẾT QUẢ THI THẬT TỐT!
Ban học tập Email / Group

Khoa Công Nghệ Phần Mềm bht.cnpm.uit@gmail.com
Trường ĐH Công Nghệ Thông Tin fb.com/groups/bht.cnpm.uit
ĐHQG Hồ Chí Minh

Chuỗi Training Giữa Học Kì 2 Năm Học 2020-2021

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chuỗi Training Giữa Học Kì 2 Năm Học 2020-2021

Uploaded by

Copyright:

Available Formats

BAN HỌC TẬP KHOA CÔNG NGHỆ PHẦN MỀM

CHUỖI TRAINING GIỮA HỌC KÌ 2 NĂM HỌC 2020- 2021

Ban học tập Email / Group

Phòng: Giảng Đường 3

Trainer: Nguyễn Minh Hiếu – HTTT2020

❑ Các công thức tính xác suất.

Xác suất cổ điển

Khi đó ta định nghĩa xác suất của biến cố A là

số trường hợp xảy ra thuận lợi đối với A 𝑛𝐴

Từ các tiên đề trên ta suy ra :

P(B)= 1/3.0,15 + 1/4.0,08 + 1/4.0,05 + 1/6.0,01 = 0.08417

Giải: P6(3) = C630.73(1-0.7)6-3 = 0.18522

Câu 1(Đề 2017-2018) HKII

P(B) =0.85*C320.82(0.2) + 0.15*C320.22(0.8) = 0.3408

2. P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a < X < b)

𝐶𝑥, 𝑛ế𝑢 𝑥∈ [0; 3]

Ví dụ. Cho biến ngẫu nhiên X có hàm mật độ xác suất

b. Tìm P(−1 ≤ X < 2).

định bởi: F(x) = P(X < x), với mọi x ∈ R.

Tìm hàm phân phối xác suất F(x).

*Nếu X liên tục, có hàm mật độ xác suất f (x) thì

Tìm kỳ vọng của X.

Vậy Var(X)=E(X 2) − E(X) 2 =2-( ) =9

I. PHÂN PHỐI SIÊU BỘI

III. PHÂN PHỐI POISSON

IV. PHÂN PHỐI CHUẨN

Giải: Ta có: X = 0,1,2,3 và

N = 10, NA = 6, n=3 ⇒ 𝑋 ∈ 10,6,3 .

1 𝑘ℎ𝑖 𝐴 𝑥𝑢ấ𝑡 ℎ𝑖ệ𝑛,

Khi đó, ta nói X có phân phối Bernoulli với tham số p.

Bảng Phân Phối xác xuất của X là: X 0 1

1 𝑘ℎ𝑖 𝑙ầ𝑛 𝑡ℎứ 𝑖 𝐴 𝑥𝑢ấ𝑡 ℎ𝑖ệ𝑛

pk = P(X = k) =Cnk pkqn-k (k=0,1,…,n).

EX = np; VarX = npq;

1.Bài toán dẫn đến phân phối POISSON:

2.Phân phối Poisson thường gắn với yếu tố thời gian.

EX=VarX= 𝝀; ModX=x0: 𝝀-1≤ 𝒙𝟎 ≤ 𝝀

VD: Quan sát thấy trung bình 1 phút có 3 ô tô đi qua trạm

2. Các số đặc trưng của T~N(0,1)

3. Xác suất của T~N(0,1)

2. Các số đặc trưng của X~N(μ, σ𝟐 )

PP Siêu N, NA , n Xác suất trong n phần tử chọn ra EX = np ;

PP Nhị n,p EX = np;

Tham số Công thức Tham số đặc trưng

I.Xấp xỉ phân phối Siêu bội bởi nhị thức

Xét BNN X có phân phối Siêu bội H (N ; NA; n).

Bài tập: câu b trong bài tập 1.

Giải: Gọi X là số viên đạn bắn trúng mục tiêu

Cho X ∈ B(n;p). Nếu n khá lớn, np ≥ 5 và nq ≥ 5

Giải : Gọi X là số khách đến nhận phòng vào ngày 1/5

1. X ∈ B(215;0.9) ⇒ μ =193.5; σ2 =19.35

Ban học tập Email / Group

You might also like

P(B) =0.85C320.82(0.2) + 0.15C320.22(0.8) = 0.3408