XS Slide1

X¸c suÊt thèng kª 3
Gi¸o tr×nh vµ tµi liÖu tham kh¶o:
1. Lý thuyÕt x¸c suÊt vµ thèng kª to¸n
NXB §H KTQD 2012. Chñ biªn: TS NguyÔn Cao V¨n
2. Bµi tËp Lý thuyÕt x¸c suÊt vµ thèng kª to¸n häc
NXB Gi¸o dôc VN 2014 . NguyÔn V¨n An - TrÇn An H¶i - Bïi Duy Phó
Probability and statistics

3. Híng dÉn gi¶i bµi tËp X¸c suÊt vµ thèng kª to¸n
NXB Thèng kª 2002 (§H KTQD 2010) . Chñ biªn: TrÇn Th¸i Ninh
4. X¸c suÊt thèng kª vµ øng dông
NXB Gi¸o dôc 2009. Chñ biªn: Lª SÜ §ång
5. Bµi tËp X¸c suÊt thèng kª vµ øng dông
NXB Gi¸o dôc 2009 . Chñ biªn: Lª SÜ §ång
6. Probability Statistics for Engineers Scientists (9th edition)
Prentice Hall, R.E.Walpole, R.H.Myers, S.L.Myers, K. Ye.

Gi¶ng viªn: NguyÔn V¨n An - Bé m«n To¸n - HVNH
Email: an0883@gmail.com
Phone: 0983 998866 - 0944 880011
Facebook: https://www.facebook.com/groups/xstkhvnh/

Néi dung c¬ b¶n
Néi dung vµ môc ®Ých m«n häc:
+ T×m hiÓu vµ ®¸nh gi¸ çc kh¶ n¨ng x¶y ra cña çc hiÖn tîng, sù kiÖn trong
tù nhiªn - x· héi vµ kinh tÕ.
+ Nghiªn cøu vµ chØ ra quy luËt (nÕu cã) cña çc hiÖn tîng, sù kiÖn cã tÝnh
lÆp l¹i liªn tôc.
+ Híng dÉn ¸p dông çc quy luËt x¸c suÊt c¬ b¶n trong lÜnh vùc kinh tÕ.
+ Thèng kª to¸n: ph¬ng ph¸p xö lÝ sè liÖu vµ ®a ra çc kÕt luËn thèng kª
(íc lîng vµ kiÓm ®Þnh).

PhÇn 1: Lý thuyÕt x¸c suÊt
• Ch¬ng I: BiÕn cè vµ x¸c suÊt.
• Ch¬ng II: BiÕn ngÉu nhiªn.
• Ch¬ng III: Mét sè quy luËt ph©n phèi x¸c suÊt cña biÕn ngÉu nhiªn.
• Ch¬ng IV: BiÕn ngÉu nhiªn nhiÒu chiÒu.
• Ch¬ng V: LuËt sè lín - Çc ®Þnh lý giíi h¹n.

PhÇn 2: Thèng kª to¸n
• Ch¬ng VI: C¬ së lý thuyÕt mÉu
• Ch¬ng VII: ¦íc lîng tham sè
• Ch¬ng VIII: KiÓm ®Þnh gi¶ thuyÕt thèng kª

Më ®Çu
TÇm quan träng cña m«n häc:
Nhµ to¸n häc Ph¸p Laplace ë thÕ kû 19 ®· tiªn ®o¸n: "M«n khoa häc nµy høa
hÑn trë thµnh mét trong nh÷ng ®èi tîng quan träng nhÊt cña tri thøc nh©n lo¹i.
RÊt nhiÒu nh÷ng vÊn ®Ò quan träng nhÊt cña ®êi sèng thùc tÕ thuéc vÒ nh÷ng
bµi to¸n cña lý thuyÕt x¸c suÊt".
Tõ ®Çu thÕ kû 20 çc nhµ triÕt häc Anh ®· dù b¸o: "Trong t¬ng lai kh«ng xa,
kiÕn thøc thèng kª vµ t duy thèng kª sÏ trë thµnh mét yÕu tè kh«ng thÓ thiÕu
®îc trong häc vÊn phæ th«ng cña mçi c«ng d©n gièng nh lµ kh¶ n¨ng biÕt
®äc biÕt viÕt vËy".
UNESCO ®· kh¼ng ®Þnh r»ng: "X¸c suÊt-Thèng kª lµ mét trong nh÷ng quan
®iÓm chñ chèt ®Ó x©y dùng häc vÊn trong thêi ®¹i ngµy nay".

Mét sè kiÕn thøc c¬ b¶n
1. LÞch sö m«n häc:
N¨m 1654 nhµ quý téc Ph¸p Chevalier de MÐre nhê Blaise Pascal (1623-1662)
gi¶i ®¸p mét sè vÊn ®Ò n¶y sinh trong çc trß ch¬i may rñi. Pascal ®· "to¸n
häc hãa" çc trß ch¬i nµy vµ trao ®æi víi Pierre de Fermat (1601-1665), nh÷ng
cuéc trao ®æi ®ã ®îc çc nhµ to¸n häc (Huygens, N. Bernoulli, J.Bernoulli, De
Moivre,...) më réng vµ ph¸t triÓn ®· khai sinh m«n Lý thuyÕt x¸c suÊt.
N¨m 1713 ®îc coi lµ n¨m ra ®êi cña chuyªn ngµnh X¸c suÊt thèng kª
(n¨m c«ng bè cuèn s¸ch Ars Conjectandi (NghÖ thuËt pháng ®o¸n) cña Jacob
Bernoulli (1654-1705)).
Trong thÕ kû 19, 20 m«n häc ®îc ph¸t triÓn m¹nh víi sù ®ãng gãp quan träng
cña P.S.Laplace, C.F.Gauss, K.Pearson, R.A.Fisher,...

2. Gi¶i tÝch tæ hîp:
* Quy t¾c céng vµ quy t¾c nh©n
a) Quy t¾c céng:
Quy t¾c céng cho n ph¬ng ¸n:

C«ng viÖc A ®îc thùc hiÖn theo n ph¬ng ¸n:
+ Ph¬ng ¸n 1 cã m1 çch thùc hiÖn.
+ Ph¬ng ¸n 2 cã m2 çch thùc hiÖn.
+....
+ Ph¬ng ¸n n cã mn çch thùc hiÖn.
⇒ cã m1 + m2 + ... + mn çch thùc hiÖn c«ng viÖc A.

b) Quy t¾c nh©n:
Quy t¾c nh©n cho n giai ®o¹n:
C«ng viÖc A ®îc thùc hiÖn qua n giai ®o¹n:

+ Giai ®o¹n 1 cã k1 çch thùc hiÖn.
+ Giai ®o¹n 2 cã k2 çch thùc hiÖn.
+....
+ Giai ®o¹n n cã kn çch thùc hiÖn.
⇒ cã k1.k2.....kn çch thùc hiÖn c«ng viÖc A.

**Çc c«ng thøc gi¶i tÝch tæ hîp:
a) Ho¸n vÞ:
+ Sè çc ho¸n vÞ cña n phÇn tö:
Pn = n! = 1.2.3...(n − 1).n

b) ChØnh hîp:
+ Sè çc chØnh hîp chËp k cña n phÇn tö:
n!
Akn =
(n − k)!
c) Tæ hîp:
+ Sè çc tæ hîp chËp k cña n phÇn tö:
Akn n!
Cnk = =
k! k!(n − k)!

PhÇn 1: Lý thuyÕt x¸c suÊt

Ch¬ng I: BiÕn cè vµ x¸c suÊt

§1 BiÕn cè ngÉu nhiªn
• 1.1 PhÐp thö vµ biÕn cè
ViÖc thùc hiÖn mét nhãm çc ®iÒu kiÖn c¬ b¶n ®Ó quan s¸t mét hiÖn tîng
nµo ®ã cã x¶y ra hay kh«ng ®îc gäi lµ thùc hiÖn mét phÐp thö (experiment),
cßn hiÖn tîng cã thÓ x¶y ra trong kÕt qu¶ cña phÐp thö ®ã ®îc gäi lµ biÕn
cè (event).
Mét biÕn cè chØ cã thÓ x¶y ra khi mét phÐp thö g¾n liÒn víi nã ®îc thùc hiÖn.

• 1.2 Ph©n lo¹i
Trong thùc tÕ cã thÓ x¶y ra çc lo¹i biÕn cè sau ®©y:
+ BiÕn cè ch¾c ch¾n (kÝ hiÖu: Ω)
+ BiÕn cè kh«ng thÓ (kÝ hiÖu: ∅)
+ BiÕn cè ngÉu nhiªn (Random variable ): biÕn cè cã thÓ x¶y ra hoÆc kh«ng
x¶y ra khi thùc hiÖn mét phÐp thö (kÝ hiÖu: A, B, C,..).

§2 X¸c suÊt cña biÕn cè
X¸c suÊt (probability) cña mét biÕn cè lµ mét con sè ®Æc trng kh¶ n¨ng
kh¸ch quan xuÊt hiÖn biÕn cè ®ã khi thùc hiÖn phÐp thö.
-- 2.1 §Þnh nghÜa cæ ®iÓn vÒ x¸c suÊt
X¸c suÊt xuÊt hiÖn biÕn cè A :
m
P (A) =
n
trong ®ã:
m: sè kÕt qu¶ thuËn lîi cho A;

n: tæng sè çc kÕt qu¶ cã thÓ x¶y ra khi thùc hiÖn phÐp thö .

* TÝnh chÊt
(i) 0 ≤ P (A) ≤ 1
(ii) P (Ω) = 1
(iii) P (∅) = 0
MÖnh ®Ò ®¶o cña (ii) vµ (iii) kh«ng ®óng! ??

** Çc ph¬ng ph¸p tÝnh x¸c suÊt b»ng ®Þnh nghÜa cæ ®iÓn
1. Ph¬ng ph¸p suy luËn trùc tiÕp vµ sö dông çc c«ng thøc gi¶i tÝch tæ hîp
2. Ph¬ng ph¸p dïng s¬ ®å Venn: S¬ ®å d¹ng tËp hîp, d¹ng b¶ng, s¬ ®å
h×nh c©y

VÝ dô 1:
TÝnh x¸c suÊt ®Ó 12 sinh viªn ®îc chän ngÉu nhiªn cã ngµy sinh r¬i vµo 12
th¸ng kh¸c nhau.

VÝ dô 2 (1.8):
BiÕt r»ng trong th¸ng 12 mét m¸y ATM bÞ háng 6 lÇn. TÝnh x¸c suÊt ®Ó kh«ng
ngµy nµo cña th¸ng nµy m¸y ATM ®ã háng qu¸ 1 lÇn.

VÝ dô 3:
Theo thèng kª cã 80% sè sinh viªn HVNH dïng thÎ ATM cña NHNN, 30%
sè sinh viªn HVNH dïng thÎ ATM cña mét NH kh¸c, trong ®ã 25% sè sinh
viªn dïng 2 lo¹i thÎ ATM.
Tû lÖ sinh viªn cã sö dông thÎ ATM cña HVNH lµ bao nhiªu?
(Chän ngÉu nhiªn 1 sinh viªn HVNH th× kh¶ n¨ng sinh viªn nµy cã dïng thÎ
ATM lµ bao nhiªu?)

VÝ dô 4:
Trong 1 hép cã 6 qu¶ xanh, 4 qu¶ ®á. LÊy ngÉu nhiªn 3 qu¶.
a) TÝnh x¸c suÊt ®Ó lÊy ®îc 2 qu¶ xanh, 1 qu¶ ®á.
b) X¸c suÊt ®Ó lÊy ®îc c¶ 3 qu¶ xanh trong 2 trêng hîp sau cã nh nhau
hay kh«ng?
TH1: LÊy cïng lóc.
TH2: LÊy lÇn lît tõng qu¶.

*** ¦u ®iÓm vµ h¹n chÕ cña ®Þnh nghÜa cæ ®iÓn vÒ x¸c suÊt
+ ¦u ®iÓm: ®Ó t×m x¸c suÊt kh«ng cÇn ph¶i tiÕn hµnh phÐp thö.
+ H¹n chÕ:
- Tæng sè kÕt qu¶ cã thÓ x¶y ra trong phÐp thö (n) ph¶i lµ h÷u h¹n.
- Trong thùc tÕ cã thÓ kh«ng biÓu diÔn ®îc kÕt qu¶ cña phÐp thö díi d¹ng
tËp hîp çc kÕt côc duy nhÊt vµ ®ång kh¶ n¨ng.

-- 2.2 §Þnh nghÜa thèng kª vÒ x¸c suÊt
* Çc ®Þnh nghÜa
a) TÇn suÊt (frequency)
TÇn suÊt xuÊt hiÖn biÕn cè trong n phÐp thö lµ tû sè gi÷a sè phÐp thö trong
®ã biÕn cè xuÊt hiÖn vµ tæng sè phÐp thö ®îc thùc hiÖn.
KÝ hiÖu:
k
fn(A) =
n

Thùc nghiÖm gieo ®ång tiÒn kim lo¹i, A lµ biÕn cè "xuÊt hiÖn mÆt ngöa":
2048
C. Buffon gieo 4040 lÇn cã 2048 lÇn xuÊt hiÖn A: f4040(A) = ≈ 0, 50693
4040
6019
K. Pearson gieo 12000 lÇn cã 6019 lÇn xuÊt hiÖn A: f12000(A) = ≈
12000
0, 50158
12012
K. Pearson gieo 24000 lÇn cã 12012 lÇn xuÊt hiÖn A: f24000(A) = ≈
24000
0, 5005
−→ Khi sè lÇn gieo cµng nhiÒu th× tÇn suÊt cµng gÇn 0,5.

b) §Þnh nghÜa x¸c suÊt theo thèng kª
P (A) = lim fn(A)

n→+∞

** ¦u ®iÓm vµ h¹n chÕ cña ®Þnh nghÜa thèng kª vÒ x¸c suÊt
+ ¦u ®iÓm: kh«ng ®ßi hái ®iÒu kiÖn ¸p dông vµ cã h÷u h¹n tæng sè kÕt qu¶
nh ®èi víi ®Þnh nghÜa cæ ®iÓn, tÝnh x¸c suÊt dùa trªn quan s¸t thùc tÕ nªn
®îc øng dông réng r·i.
+ H¹n chÕ:
- ChØ ¸p dông ®èi víi çc hiÖn tîng ngÉu nhiªn mµ tÇn suÊt cña nã cã tÝnh
æn ®Þnh.
- X¸c suÊt ®îc tÝnh khi phÐp thö ®· thùc hiÖn do ®ã trong thùc tÕ cã thÓ
kh«ng tiÕn hµnh sè phÐp thö ®ñ lín ®Ó tÝnh x¸c suÊt cña mét biÕn cè.

VÝ dô ?? P (A) = 0 nhng A 6= ∅:
1
A = "5 ngêi ngÉu nhiªn cã cïng sinh nhËt": P (A) = 4
≈0
365
Gia ®×nh cã 5 ngêi con cïng sinh ngµy 20-02:
Thùc tÕ: gia ®×nh Lalph - Caroline ë Virginia (USA) cã 5 ngêi con:
Cassalind sinh ngµy 20-02-1952
Caron sinh ngµy 20-02-1953
Charles sinh ngµy 20-02-1955
Claudia sinh ngµy 20-02-1959
Cecilia sinh ngµy 20-02-1965

-- 2.3 Mét sè ®Þnh nghÜa kh¸c vÒ x¸c suÊt
* §Þnh nghÜa h×nh häc vÒ x¸c suÊt
®é ®o miÒn biÓu diÔn çc kÕt qu¶ thuËn lîi

P (A) =
®é ®o miÒn biÓu diÔn çc kÕt qu¶ cã thÓ
** §Þnh nghÜa x¸c suÊt theo tiªn ®Ò (Kolmogorov -1933)

-- 2.4 Çc nguyªn lý x¸c suÊt
Nguyªn lý x¸c suÊt nhá:
NÕu mét biÕn cè cã x¸c suÊt rÊt nhá th× thùc tÕ cã thÓ cho r»ng trong mét
phÐp thö biÕn cè ®ã sÏ kh«ng x¶y ra.
Nguyªn lý x¸c suÊt lín
NÕu mét biÕn cè cã x¸c suÊt gÇn b»ng 1 th× thùc tÕ cã thÓ cho r»ng biÕn cè
®ã sÏ x¶y ra trong mét phÐp thö.

§3 Quan hÖ gi÷a çc biÕn cè
§Þnh nghÜa 1
BiÕn cè C gäi lµ tæng cña 2 biÕn cè A vµ B , (C = A + B ) nÕu C x¶y ra khi
A hoÆc B x¶y ra.

BiÕn cè A gäi lµ tæng cña n biÕn cè A1, A2, ..., An nÕu A x¶y ra khi cã Ýt
nhÊt 1 trong n biÕn cè ®ã x¶y ra.
KÝ hiÖu:
n
X
A= Ai
i=1
.

§Þnh nghÜa 2
BiÕn cè D gäi lµ tÝch cña 2 biÕn cè A vµ B , (D = A.B ) nÕu D x¶y ra khi A

vµ B ®ång thêi x¶y ra.

BiÕn cè A gäi lµ tÝch cña n biÕn cè A1, A2, ..., An nÕu A x¶y ra khi vµ chØ
khi c¶ n biÕn cè ®ã ®ång thêi x¶y ra.
KÝ hiÖu:
n
Y
A= Ai
i=1

VÝ dô:
Gieo 2 con xóc x¾c mét lÇn:
A = "Con xóc x¾c thø nhÊt xuÊt hiÖn 6 chÊm"
B = "Con xóc x¾c thø hai xuÊt hiÖn 6 chÊm"
C = A+B; C = "Cã Ýt nhÊt mét mÆt 6 chÊm xuÊt hiÖn".
D = A.B; D = "Tæng sè chÊm xuÊt hiÖn lµ 12".

§Þnh nghÜa 3
Hai biÕn cè A vµ B gäi lµ xung kh¾c víi nhau nÕu chóng kh«ng thÓ ®ång
thêi x¶y ra trong mét phÐp thö.
A.B = ∅
Ngîc l¹i nÕu 2 biÕn cè cã thÓ cïng x¶y ra trong 1 phÐp thö th× ®îc gäi lµ
kh«ng xung kh¾c.

§Þnh nghÜa 4
Nhãm n biÕn cè A1, A2, ..., An ®îc gäi lµ xung kh¾c tõng ®«i nÕu hai biÕn
cè bÊt k× trong nhãm nµy còng xung kh¾c víi nhau.
Ai.Aj = ∅, ∀i 6= j

§Þnh nghÜa 5
BiÕn cè ®èi lËp cña biÕn cè A, kÝ hiÖu A.
A+A=Ω
A.A = ∅

*Çc tÝnh chÊt:
A + B = A.B
A.B = A + B
A = AB + A.B
B = AB + A.B
A + B = AB + A.B + A.B

VÝ dô:
Cã 3 lo¹i cæ phiÕu. Gäi Ai lµ biÕn cè " Cæ phiÕu thø i t¨ng gi¸", i = 1, 2, 3.

M« t¶ çc biÕn cè sau theo Ai:
a) A = "ChØ cã cæ phiÕu thø nhÊt t¨ng gi¸".
b) B = "Cã 1 cæ phiÕu t¨ng gi¸".
c) C = "Cã cæ phiÕu t¨ng gi¸".

VÝ dô:
3 ngêi cïng b¾n 1 con nai. Gäi Ai lµ biÕn cè "ngêi thø i b¾n tróng", i = 1, 2, 3.
ViÕt b»ng kÝ hiÖu çc biÕn cè sau:
a) ChØ cã ngêi thø nhÊt b¾n tróng.
b) ChØ cã 1 ngêi b¾n tróng.
c) Cã Ýt nhÊt 2 ngêi b¾n tróng.
d) Cã ngêi b¾n tróng.

§4 Çc c«ng thøc tÝnh x¸c suÊt
• 4.1 C«ng thøc céng x¸c suÊt
P (A + B) = P (A) + P (B) − P (AB)

VÝ dô:
Ng©n hµng Z ph¸t hµnh 2 lo¹i thÎ ATM lµ M vµ N. Gi¶ sö cã 25% kh¸ch hµng
cña ng©n hµng sö dông thÎ M, 1/3 kh¸ch hµng sö dông thÎ N vµ 1/6 kh¸ch
hµng sö dông c¶ 2 lo¹i thÎ nµy.
TÝnh tû lÖ kh¸ch hµng cña ng©n hµng Z cã sö dông thÎ ATM.

HÖ qu¶ 1
NÕu A vµ B lµ 2 biÕn cè xung kh¾c víi nhau th×: P (A + B) = P (A) + P (B).
P (A) = 1 − P (A)
NÕu çc biÕn cè A1, A2, ..., An xung kh¾c tõng ®«i th×
Xn n
X
P( Ai) = P (Ai)
i=1 i=1

HÖ qu¶ 2
P (A+B +C) = P (A)+P (B)+P (C)−P (AB)−P (BC)−P (AC)+P (ABC)
Xn X X X
P( Ai) = P (Ai) − P (AiAj ) + P (AiAj Ak ) − ...
i=1 i i<j i<j<k
+(−1)n−1P (A1A2...An)

• 4.2 X¸c suÊt cã ®iÒu kiÖn vµ c«ng thøc nh©n x¸c suÊt
a. X¸c suÊt cã ®iÒu kiÖn:
§Þnh nghÜa 1
X¸c suÊt cña biÕn cè A ®îc tÝnh sau khi biÕn cè B ®· x¶y ra gäi lµ x¸c
suÊt cã ®iÒu kiÖn (Conditional probability) cña A víi ®iÒu kiÖn B , kÝ hiÖu lµ
P (A/B).
TÝnh chÊt: P (A/B) = 1 − P (A/B)
(Kh«ng tån t¹i kÝ hiÖu biÕn cè A/B )

§Þnh nghÜa 2
Hai biÕn cè A vµ B gäi lµ ®éc lËp víi nhau nÕu viÖc x¶y ra hay kh«ng x¶y
ra cña biÕn cè nµy kh«ng lµm thay ®æi x¸c suÊt x¶y ra cña biÕn cè kia vµ
ngù¬c l¹i.
Khi ®ã:
P (A/B) = P (A); P (B/A) = P (B)
TÝnh chÊt ®éc lËp cña çc biÕn cè cã tÝnh t¬ng hç: nÕu A vµ B ®éc lËp víi
nhau th× A vµ B , A vµ B , A vµ B còng ®éc lËp víi nhau.

Çc biÕn cè A1, A2, ..., An gäi lµ ®éc lËp tõng ®«i víi nhau nÕu mçi cÆp 2
trong n biÕn cè ®ã ®éc lËp víi nhau.
Çc biÕn cè A1, A2, ..., An gäi lµ ®éc lËp toµn phÇn víi nhau nÕu mçi biÕn
cè ®éc lËp víi 1 tæ hîp bÊt k× cña çc biÕn cè cßn l¹i.

b. C«ng thøc nh©n x¸c suÊt:
P (AB) = P (A).P (B/A) = P (B).P (A/B)

HÖ qu¶ 1
NÕu P(B)> 0 th×:

P (AB)
P (A/B) =
P (B)
NÕu P(A)> 0 th×:

P (AB)
P (B/A) =
P (A)
.

HÖ qu¶ 2
NÕu A vµ B ®éc lËp th×: P(A.B) = P(A).P(B)
NÕu A1, A2, ..., An lµ çc biÕn cè ®éc lËp toµn phÇn:
n
Y n
Y
P( Ai) = P (Ai)
i=1 i=1
X¸c suÊt cña tæng n biÕn cè kh«ng xung kh¾c vµ ®éc lËp toµn phÇn:
Xn n
Y
P( Ai) = 1 − P (Ai)
i=1 i=1

HÖ qu¶ 3
P (ABC) = P (A).P (B/A).P (C/AB)
P (A1A2...An) = P (A1)P (A2/A1)...P (An/A1...An−1)

HÖ qu¶ 4
n
Y X X X
P( Ai) = P (Ai) − P (Ai + Aj ) + P (Ai + Aj + Ak ) − ...
i=1 i i<j i<j<k
+(−1)n−1P (A1 + A2 + ... + An)

VÝ dô 1:
Hai c«ng ty A vµ B cïng kinh doanh 1 lo¹i s¶n phÈm. X¸c suÊt c«ng ty A
thua lç lµ 0,2; x¸c suÊt c«ng ty B thua lç lµ 0,4. Trªn thùc tÕ, kh¶ n¨ng c¶ 2
c«ng ty cïng thua lç lµ 10%. TÝnh çc x¸c suÊt:
a) ChØ cã 1 c«ng ty thua lç.
b) Cã Ýt nhÊt 1 c«ng ty kh«ng thua lç.

VÝ dô 2:
Mét nh©n viªn qu¶ng ço nghiªn cøu së thÝch xem TV cña nh÷ng ngêi cã
gia ®×nh cã kÕt luËn: 60% çc «ng chång thÝch xem TV, khi chång thÝch xem
TV cã 40% çc bµ vî còng thÝch xem TV, khi chång kh«ng thÝch xem TV cã
30% çc bµ vî thÝch xem TV.
a) TÝnh tû lÖ çc bµ vî thÝch xem TV.
b) TÝnh x¸c suÊt nÕu vî thÝch xem TV th× chång còng thÝch xem TV.

VÝ dô 3:
Cho P (A) = 0, 23; P (A + B) = 0, 52.

TÝnh P (A.B); P (B/A); P (AB/B).

• 4.3 C«ng thøc x¸c suÊt ®Çy ®ñ, c«ng thøc Bayes
a. Nhãm ®Çy ®ñ çc biÕn cè:
§Þnh nghÜa
Çc biÕn cè A1, A2, ..., An ®îc gäi lµ mét nhãm ®Çy ®ñ çc biÕn cè nÕu
trong kÕt qu¶ cña 1 phÐp thö sÏ x¶y ra mét vµ chØ mét trong çc biÕn cè ®ã.
Çc biÕn cè A1, A2, ..., An sÏ t¹o thµnh 1 nhãm ®Çy ®ñ çc biÕn cè nÕu:
+) A1 + A2 + ... + An = Ω
+) Ai.Aj = ∅, (∀i 6= j)
VÝ dô: A vµ A lµ mét nhãm ®Çy ®ñ.

b. C«ng thøc x¸c suÊt ®Çy ®ñ:
Gi¶ sö trong 1 phÐp thö cã biÕn cè A vµ mét nhãm ®Çy ®ñ çc biÕn cè
A1, A2, ..., An x¶y ra th×:
n
X
P (A) = P (Ai).P (A/Ai)
i=1
P (Ai) gäi lµ çc x¸c suÊt thµnh phÇn.
P (A/Ai) gäi lµ çc x¸c suÊt tiªn nghiÖm.

VÝ dô:
Tû lÖ SV Hµ Néi cña HVNH lµ 15% cßn l¹i cña çc tØnh kh¸c. Tû lÖ SV Hµ
Néi bÞ cËn thÞ cña HVNH lµ 35% cßn cña çc tØnh lµ 25%.
a) TÝnh tû lÖ SV bÞ cËn thÞ cña HVNH.
b) GÆp 1SV bÞ cËn thÞ, tÝnh x¸c suÊt ®Ó SV ®ã ë HN?

c. C«ng thøc Bayes:
P (Ai).P (A/Ai)
P (Ai/A) =
P (A)
C«ng thøc Bayes cho biÕt x¸c suÊt cña çc biÕn cè trong nhãm ®Çy ®ñ
thay ®æi nh thÕ nµo khi mét biÕn cè ®· x¶y ra (tÝnh x¸c suÊt hËu nghiÖm
P (Ai/A)).

VÝ dô:
Mét c«ng ty b¶o hiÓm chia d©n c vïng A lµm 3 lo¹i: Ýt rñi ro (40%), rñi ro
trung b×nh (50%); rñi ro cao (10%). Kinh nghiÖm cho thÊy tû lÖ ngêi d©n
vïng A gÆp rñi ro trong n¨m t¬ng øng víi çc lo¹i trªn lµ: 5%; 15%; 30%.
a) T×m tû lÖ d©n c vïng A gÆp rñi ro trong 1 n¨m.
b) NÕu trong n¨m 2012 mét ngêi vïng A kh«ng gÆp rñi ro th× x¸c suÊt ngêi
®ã thuéc lo¹i Ýt rñi ro lµ bao nhiªu ?

• 4.4 C«ng thøc Bernoulli
a. Bµi to¸n Bernoulli:
Lµ bµi to¸n víi d·y n phÐp thö tháa m·n çc ®iÒu kiÖn sau:
i) Çc phÐp thö ®éc lËp víi nhau.
ii) Trong mçi phÐp thö chØ cã 2 biÕn cè A hoÆc A xuÊt hiÖn.
iii) X¸c suÊt xuÊt hiÖn A trong mäi phÐp thö nh nhau: P (A) = p

b. C«ng thøc Bernoulli:
X¸c suÊt xuÊt hiÖn k lÇn biÕn cè A trong n phÐp thö ®îc cho bëi c«ng thøc:
Pn(k) = Cnk .pk .(1 − p)n−k

VÝ dô 1:
1 nh©n viªn b¸n hµng mçi ngµy tíi 10 cöa hµng ®Ó b¸n hµng, x¸c suÊt b¸n
®îc hµng ë mçi cöa hµng lµ 0,4. TÝnh x¸c suÊt ®Ó trong ngµy:
a) nh©n viªn ®ã b¸n ®îc hµng ë 4 cöa hµng.
b) nh©n viªn ®ã b¸n ®îc hµng.
c)...

VÝ dô 2:
Mçi c©u hái thi tr¾c nghiÖm cho häc sinh cã 4 ph¬ng ¸n tr¶ lêi trong ®ã chØ
cã 1 ph¬ng ¸n ®óng.
a) Bµi thi §H cã 50 c©u hái, tÝnh x¸c suÊt ®Ó tr¶ lêi ngÉu nhiªn ®îc 40 c©u
®óng.
b) Hái ph¶i tr¶ lêi Ýt nhÊt bao nhiªu c©u hái ®Ó víi x¸c suÊt lín h¬n 0,99 cã
thÓ hy väng r»ng ®óng Ýt nhÊt 1 c©u?

• Bµi tËp ch¬ng I
Bµi tËp 1:
Cã 3 ngêi thî s¨n cïng b¾n 1 con nai, mçi ngêi b¾n 1 viªn ®¹n. X¸c suÊt
b¾n tróng cña mçi ngêi lÇn lît lµ: 0,4; 0,5 vµ 0,7.
a) TÝnh x¸c suÊt ®Ó con nai tróng 1 viªn ®¹n.
b) TÝnh x¸c suÊt ®Ó con nai tróng ®¹n.
c) Con nai tróng 1 viªn ®¹n, vËy ph¶i chia thÞt nai cho 3 ngêi thî s¨n thÕ
nµo cho c«ng b»ng?

Bµi tËp 2 :
Tû lÖ ngêi d©n nghiÖn thuèc l¸ ë vïng D lµ 30%. BiÕt r»ng tû lÖ ngêi bÞ
bÖnh phæi trong sè ngêi nghiÖn thuèc lµ 80%, trong sè ngêi kh«ng hót
thuèc l¸ lµ 20%.
a) GÆp ngÉu nhiªn mét ngêi vïng D bÞ bÖnh phæi, tÝnh x¸c suÊt ngêi ®ã
nghiÖn thuèc l¸.
b) NÕu ngêi ®ã kh«ng bÞ bÖnh phæi th× x¸c suÊt ngêi ®ã nghiÖn thuèc l¸ lµ
bao nhiªu?

Bµi tËp 3 :
Trong mét bÖnh viÖn, tû lÖ bÖnh nh©n çc tØnh A, B, C t¬ng øng lµ 25%,
35%, 40%. Thèng kª cho thÊy tû lÖ bÖnh nh©n lµ sinh viªn cña çc tØnh: tØnh
A: 3,5%, tØnh B: 3%, tØnh C: 2%.
a) TÝnh tû lÖ bÖnh nh©n lµ sinh viªn trong bÖnh viÖn.
b) GÆp 1 bÖnh nh©n lµ sinh viªn, kh¶ n¨ng bÖnh nh©n nµy cña tØnh nµo lµ
cao nhÊt?

Bµi tËp 4:
Mét ngêi ®i c©u cã 3 chç c©u ç a thÝch nh nhau, x¸c suÊt ®Ó c©u ®îc
ç ë mçi chç lÇn lît lµ: 0,6; 0,7; 0,8. Trong 1 lÇn c©u ngêi ®ã th¶ c©u 3
lÇn vµ ®îc 1 con ç. TÝnh x¸c suÊt ®Ó ç ®îc c©u ë chç thø nhÊt.

Bµi tËp 5:
Theo thèng kª cña 1 cöa hµng b¸n dông cô thÓ thao tû lÖ ®Ó mét ®«i giµy
thÓ thao cã 0 hoÆc 1 hoÆc 2 chiÕc bÞ háng t¬ng øng lµ 90%, 8% vµ 2%.
Mét kh¸ch hµng chän ngÉu nhiªn 1 ®«i giµy thÓ thao råi kiÓm tra ngÉu nhiªn
1 chiÕc th× thÊy nã bÞ háng. Hái x¸c suÊt chiÕc kia còng bÞ háng lµ bao nhiªu?

XS Slide1

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

XS Slide1

Uploaded by

Copyright:

Available Formats

X¸c suÊt thèng kª 3

Gi¸o tr×nh vµ tµi liÖu tham kh¶o:

1. Lý thuyÕt x¸c suÊt vµ thèng kª to¸n

NXB §H KTQD 2012. Chñ biªn: TS NguyÔn Cao V¨n

2. Bµi tËp Lý thuyÕt x¸c suÊt vµ thèng kª to¸n häc

Probability and statistics

3. H­íng dÉn gi¶i bµi tËp X¸c suÊt vµ thèng kª to¸n

4. X¸c suÊt thèng kª vµ øng dông

NXB Gi¸o dôc 2009. Chñ biªn: Lª SÜ §ång

5. Bµi tËp X¸c suÊt thèng kª vµ øng dông

NXB Gi¸o dôc 2009 . Chñ biªn: Lª SÜ §ång

6. Probability Statistics for Engineers Scientists (9th edition)

Prentice Hall, R.E.Walpole, R.H.Myers, S.L.Myers, K. Ye.

Probability and statistics

Gi¶ng viªn: NguyÔn V¨n An - Bé m«n To¸n - HVNH

Phone: 0983 998866 - 0944 880011

Probability and statistics

Néi dung c¬ b¶n

Néi dung vµ môc ®Ých m«n häc:

tù nhiªn - x· héi vµ kinh tÕ.

lÆp l¹i liªn tôc.

(­íc l­îng vµ kiÓm ®Þnh).

Probability and statistics

PhÇn 1: Lý thuyÕt x¸c suÊt

• Ch­¬ng I: BiÕn cè vµ x¸c suÊt.

• Ch­¬ng II: BiÕn ngÉu nhiªn.

• Ch­¬ng IV: BiÕn ngÉu nhiªn nhiÒu chiÒu.

• Ch­¬ng V: LuËt sè lín - C¸c ®Þnh lý giíi h¹n.

Probability and statistics

PhÇn 2: Thèng kª to¸n

• Ch­¬ng VI: C¬ së lý thuyÕt mÉu

• Ch­¬ng VII: ¦íc l­îng tham sè

• Ch­¬ng VIII: KiÓm ®Þnh gi¶ thuyÕt thèng kª

Probability and statistics

TÇm quan träng cña m«n häc:

bµi to¸n cña lý thuyÕt x¸c suÊt".

®äc biÕt viÕt vËy".

Probability and statistics

Mét sè kiÕn thøc c¬ b¶n

1. LÞch sö m«n häc:

cña P.S.Laplace, C.F.Gauss, K.Pearson, R.A.Fisher,...

Probability and statistics

2. Gi¶i tÝch tæ hîp:

* Quy t¾c céng vµ quy t¾c nh©n

a) Quy t¾c céng:

Quy t¾c céng cho n ph­¬ng ¸n:

+ Ph­¬ng ¸n 2 cã m2 c¸ch thùc hiÖn.

+ Ph­¬ng ¸n n cã mn c¸ch thùc hiÖn.

⇒ cã m1 + m2 + ... + mn c¸ch thùc hiÖn c«ng viÖc A.

Probability and statistics

b) Quy t¾c nh©n:

Quy t¾c nh©n cho n giai ®o¹n:

C«ng viÖc A ®­îc thùc hiÖn qua n giai ®o¹n:

+ Giai ®o¹n 2 cã k2 c¸ch thùc hiÖn.

+ Giai ®o¹n n cã kn c¸ch thùc hiÖn.

⇒ cã k1.k2.....kn c¸ch thùc hiÖn c«ng viÖc A.

Probability and statistics

**C¸c c«ng thøc gi¶i tÝch tæ hîp:

+ Sè c¸c ho¸n vÞ cña n phÇn tö:

Probability and statistics

+ Sè c¸c chØnh hîp chËp k cña n phÇn tö:

+ Sè c¸c tæ hîp chËp k cña n phÇn tö:

Probability and statistics

3. Híng dÉn gi¶i bµi tËp X¸c suÊt vµ thèng kª to¸n

(íc lîng vµ kiÓm ®Þnh).

• Ch¬ng I: BiÕn cè vµ x¸c suÊt.

• Ch¬ng II: BiÕn ngÉu nhiªn.

• Ch¬ng IV: BiÕn ngÉu nhiªn nhiÒu chiÒu.

• Ch¬ng V: LuËt sè lín - C¸c ®Þnh lý giíi h¹n.

• Ch¬ng VI: C¬ së lý thuyÕt mÉu

• Ch¬ng VII: ¦íc lîng tham sè

• Ch¬ng VIII: KiÓm ®Þnh gi¶ thuyÕt thèng kª

Quy t¾c céng cho n ph¬ng ¸n:

+ Ph¬ng ¸n 2 cã m2 c¸ch thùc hiÖn.

+ Ph¬ng ¸n n cã mn c¸ch thùc hiÖn.

C«ng viÖc A ®îc thùc hiÖn qua n giai ®o¹n:

Ch¬ng I: BiÕn cè vµ x¸c suÊt

2. Ph¬ng ph¸p dïng s¬ ®å Venn: S¬ ®å d¹ng tËp hîp, d¹ng b¶ng, s¬ ®å

a) TÝnh x¸c suÊt ®Ó lÊy ®îc 2 qu¶ xanh, 1 qu¶ ®á.

TH2: LÊy lÇn lît tõng qu¶.

®ã biÕn cè xuÊt hiÖn vµ tæng sè phÐp thö ®îc thùc hiÖn.

®îc øng dông réng r·i.