PHUONG NGUYEN

XÁC SUẤT VÀ THỐNG KÊ

TRONG MÔ PHỎNG
NỘI DUNG
▪ PHÂN PHỐI XÁC SUẤT CỦA BIẾN NGẪU NHIÊN
▪ MỘT SỐ PHÂN PHỐI THÔNG DỤNG
▪ Liên tục
▪ Rời rạc
▪ TÌM PHÂN PHỐI PHÙ HỢP

2
PHÂN PHỐI XÁC SUẤT
▪ Biến ngẫu nhiên rời rạc (discrete random variable)
Giá trị của biến có thể lập thành dãy rời rạc các số

▪ Hàm khối xác suất (Probability Mass Function)

→ p(x)
▪ Hàm xác suất tích lũy (Cumulative Probability Function)
→ P(x)
▪ Biến ngẫu nhiên liên tục (continuous random variable)
Giá trị của biến có thể lấp đầy một khoảng hay tập các khoảng

▪ Hàm mật độ xác suất (Probability Density Function)

→ f(x)
▪ Hàm phân phối tích lũy (Cumulative Distribution Function)
→ F(x)
3
 Hàm khối xác suất của biến nhẫu nhiên rời rạc
0.50 ▪ p(x0) là xác suất để biến X có giá trị x0
▪ 0  p(xi)  1 và p(xi) = 1

0.40
Probability

0.30

Tổng tất cả các giá trị này phải bằng 1

0.20

0.10

0.00
3 4 5 6 7
Parameter Value
 Hàm xác suất tích lũy của biến ngẫu nhiên rời rạc
P(x0) là xác suất để biến X có giá trị  x0
1.00
Probability of Value < = X Axis Value

0.80

P(x0) = p(x) với x  x0

0.60
0  P(xi)  1
x1 < x2 → P(x1)  P(x2)
0.40

0.20

0.00
2 3 4 5 6 7 8
Parameter Value
 0.16 Hàm mật độ xác suất của biến ngẫu nhiên liên tục
f(x) có các đặc tính sau:
f (x )  0 x


0.12  f (x )dx = 1
−
b
P(a  X  b) =  f (x )dx
Probability

a
0.08

0.04

0.00
0.0 10.0 20.0 30.0 40.0
Parameter Value
 Hàm phân phối tích lũy của biến ngẫu nhiên liên tục
F(x) là xác suất để biến X có giá trị  x
1.00
Probability of Value < = X Axis Value

0.80 0  F (x )  1
x
F( x ) =  f ( x )dx
−
0.60 F(x) là hàm không giảm
P(a  X  b) = F (b) − F (a )

0.40

0.20

0.00
0.0 10.0 20.0 30.0 40.0
Parameter Value
8
MỘT SỐ PHÂN PHỐI THÔNG DỤNG
▪ Phân phối liên tục (Continuous)
▪ Phân phối đều (Uniform)
▪ Phân phối chuẩn (Normal)
▪ Phân phối tam giác (Triangular)
▪ Phân phối mũ (Exponential)
▪ Phân phối rời rạc (Discrete)
▪ Phân phối Yes-No (Bernoulli)
▪ Phân phối đều rời rạc (Discrete Uniform)
▪ Phân phối nhị thức (Binominal)
▪ Phân phối Poisson
▪ Phân phối hình học (Geometric)
▪ Phân phối siêu bội (Hypergeometric)
9
PHÂN PHỐI ĐỀU (UNIFORM)
▪ Tất cả các giá trị trong khoảng từ giá trị nhỏ
nhất tới giá trị lớn nhất đều xuất hiện với một
khả năng như nhau. Ví dụ: Giá bất động sản
▪ Điều kiện
▪ Giá trị nhỏ nhất (min) cố định
▪ Giá trị lớn nhất (max) cố định
▪ Mọi giá trị trong khoảng [min,max] đều có khả
năng xuất hiện như nhau

10
Mọi giá trị trong khoảng [500$,900$] đều có
khả năng xuất hiện như nhau

11
PHÂN PHỐI CHUẨN (NORMAL)
▪ Mô tả nhiều hiện tượng tự nhiên như chỉ số IQ,
chiều cao con người, tỉ lệ lạm phát, sai số đo,…
▪ Điều kiện
▪ Một giá trị nào đó của biến có khả năng xuất hiện
nhiều (trung bình của phân phối)
▪ Biến có thể lấy giá trị ở trên hay dưới giá trị trung
bình với khả năng như nhau (đối xứng qua trị trung
bình)
▪ Biến thường lấy giá trị xung quanh giá trị trung bình

12
Tỉ lệ lạm phát trung bình là 4%, có
thể cao hơn hoặc thấp hơn 4%. Có
khoảng 68% cơ hội mà tỉ lệ lạm phát
sẽ nằm trong khoảng lệch 2% so với
mức trung bình 4%

13
PHÂN PHỐI TAM GIÁC (TRIANGULAR)
▪ Mô tả một trạng thái mà ở đó biết được giá trị nhỏ nhất và lớn nhất
và các giá trị xuất hiện thường xuyên nhất. Ví dụ:
▪ Số xe hơi bán được trong 1 tuần
▪ Chi phí tiếp thị
▪ Lượng tồn kho
▪ Điều kiện
▪ Giá trị nhỏ nhất (min) cố định
▪ Giá trị lớn nhất (max) cố định
▪ Giá trị thường xảy ra nhất nằm giữa min và max tạo thành dạng tam
giác cho thấy các giá trị của biến thường xảy ra ở gần mode hơn là
ở hai đầu

14
Tồn kho lý tưởng là 25
hạng mục

15
PHÂN PHỐI MŨ (EXPONENTIAL)
▪ Mô tả lượng thời gian giữa các sự kiện. Ví dụ:
▪ Thời gian giữa các lần hư hỏng của thiết bị điện tử
▪ Thời gian giữa các chuyến hàng tại một trạm dịch vụ
▪ Thời gian giữa các lần khách hàng ghé nơi giao dịch
▪ Điều kiện
▪ Mô tả khoảng thời gian giữa các biến cố
▪ Những gì xảy ra trong quá khứ không ảnh hưởng
đến hiện tại

16
Số cuộc gọi trung bình trong vòng 10 phút

17
PHÂN PHỐI YES-NO (BERNOULLI)
▪ Mô tả một tập các quan sát chỉ nhận một trong
hai giá trị. Ví dụ:
▪ Yes/no
▪ Thành công/thất bại
▪ Đúng/sai
▪ Sấp/ngửa
▪ Điều kiện
▪ Biến ngẫu nhiên chỉ nhận một trong hai giá trị: 0
hoặc 1.
▪ Cơ hội của 1 bằng p, cơ hội của 0 bằng 1-p.

18
PHÂN PHỐI ĐỀU RỜI RẠC (DISCRETE
UNIFORM)
▪ Tất cả các giá trị nguyên nằm giữa giá trị nhỏ
nhất và lớn nhất có khả năng xuất hiện như
nhau. Ví dụ: Số nút khi tung 1 con xúc sắc
▪ Điều kiện
▪ Giá trị nhỏ nhất (min) cố định.
▪ Giá trị lớn nhất (max) cố định.
▪ Tất cả các giá trị nguyên nằm giữa giá trị min và
max có khả năng xuất hiện như nhau.

19
PHÂN PHỐI NHỊ THỨC (BINOMINAL)
▪ Mô tả số lần xuất hiện của một biến cố cụ thể
trong một số lần thử nhất định. Ví dụ:
▪ Số mặt ngửa trong 10 lần tung đồng tiền
▪ Số hạng mục bị hư trong 50 hạng mục
▪ Điều kiện
▪ Mỗi lần thử chỉ có thể xảy ra hai kết quả
▪ Kết quả của các lần thử là độc lập
▪ Xác suất để một biến cố xảy ra sẽ không thay
đổi từ lần thử này đến lần thử khác
20
Điều tra 100 khách
hàng, biết có 60%
khách hàng chuộng
sản phẩm công ty hơn
sản phẩm của đối thủ

21
PHÂN PHỐI POISSON
▪ Mô tả số lần một biến cố xuất hiện trong một
khoảng đã cho. Ví dụ:
▪ Số cuộc điện thoại trong một phút
▪ Số lỗi trong một trang văn bản
▪ Số sản phẩm khuyết tật trong một đơn vị diện tích
▪ Điều kiện
▪ Số biến cố có thể xảy ra với bất kỳ một đơn vị tính nào không
bị giới hạn là số cố định
▪ Các biến cố độc lập nhau. Số biến cố trong một đơn vị tính
này không ảnh hưởng đến số biến cố trong các đơn vị khác
▪ Số trung bình của các biến cố là không đổi từ đơn vị tính này
đến đơn vị khác

22
Số cuộc gọi trung bình trong vòng 10 phút

23
PHÂN PHỐI HÌNH HỌC (GEOMETRIC)
▪ Mô tả số lần thử cho đến biến cố thành công
đầu tiên. Ví dụ:
▪ Số lần quay kẹo kéo trước khi thắng kẹo
▪ Số lần khoan trước khi tìm được giếng dầu
▪ Điều kiện
▪ Số lần thử là không cố định
▪ Tiếp tục thử cho đến thành công đầu tiên
▪ Xác suất thành công là như nhau qua các lần thử

24
Xác suất khoan trúng dầu là 10%

25
PHÂN PHỐI SIÊU BỘI (HYPERGEOMETRIC)
▪ Tương tự như phân phối nhị thức, cả hai đều mô tả số lần
thành công trong một số lần thử cố định. Tuy nhiên, các
lần thử của phân phối nhị thức là độc lập, trong khi các lần
thử của phân phối siêu bội thay đổi xác suất cho mỗi lần
thử kế tiếp và các lần thử không thay thế cho nhau.
▪ Điều kiện
▪ Tổng số phần tử (kích thước tổng thể) là một số cố định (hữu
hạn)
▪ Kích thước mẫu (số lần thử) đại diện cho một phần của tổng
thể
▪ Xác suất thành công đã biết ban đầu trong tổng thể sẽ thay
đổi một chút sau mỗi lần thử

26
Có 30 khách hàng
chuộng sản phẩm X
trong tổng số 40 khách
hàng → điều tra 20
người trong số 40
người này → tỉ lệ 30/40
thay đổi mỗi lần hỏi
một người (phụ thuộc
vào sự ưa chuộng của
khách hàng trước đó)

27
Buộc thẻ 100 con ngựa
trong tổng số 1000 con
→ tìm những con ngựa
được buộc thẻ trong
mẫu 200 con

28
 TÌM PHÂN PHỐI PHÙ HỢP
▪ Các bước theo lý thuyết:
▪ Xây dựng biểu đồ tần suất từ dữ liệu
▪ Chọn phân phối xác suất có hình dáng hàm mật độ xác suất giống với biểu
đồ tần suất nhất
▪ Ước lượng các tham số của phân phối xác suất
▪ Kiểm định Goodness-of-Fit (Thích hợp tốt)
▪ Chi-Square (>0.5)
▪ Kolmogorov-Smirnov (<0.03)
▪ Anderson-Darling (<1.5)
→ Sử dụng công cụ cho nhanh: Crystal Ball, @RISK, EasyFit,…
▪ Bài tập: Tìm phân phối xác suất phù hợp với dữ liệu trong file
C:\Program Files\Oracle\Crystal Ball\Examples\TESTDATA.txt

29
TÌM PHÂN PHỐI PHÙ HỢP

Lập bảng và vẽ biểu đồ tần số:

Data > Analysis >
Data Analysis > Histogram

30
TÌM PHÂN PHỐI PHÙ HỢP

Lập bảng tần số:

Giới =FREQUENCY(data,bins)
hạn
trên

31
TÌM PHÂN PHỐI PHÙ HỢP

Lập bảng và vẽ biểu đồ tần số:

Insert > Tables > Pivot Table

32
33
TÌM PHÂN PHỐI PHÙ HỢP
▪ Không có dữ liệu quá khứ
→ Kinh nghiệm, ý kiến chuyên gia. Ví dụ:
▪ Phân phối Poisson thường được sử dụng để mô tả các sự
kiện độc lập xảy ra với cường độ là hằng số. Ví dụ: Sinh viên
đến trạm xe buýt với cường độ 0.8 sinh viên/phút
▪ Phân phối mũ thường được sử dụng để mô tả thời gian phục
vụ.
▪ Biết cận trên và cận dưới [a,b] → phân phối đều
▪ Biết cận trên và cận dưới [a,b], một số c[a,b] có khả năng
xuất hiện cao → phân phối tam giác

34