BAN HỌC TẬP KHOA CÔNG NGHỆ PHẦN MỀM

CHUỖI TRAINING GIỮA HỌC KÌ 2 NĂM HỌC 2021- 2022

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

1
Training

Xác suất
thống kê
Thời gian training: 19h30 – 6/4/2022

Code phòng: 2TG33DU

Trainer: Nguyễn Bích Phượng - 21522884 – CNCL 2021.2
Huỳnh Tiến Phát – 21520388 – MTIO2021

2
 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 xỉ của phân phối xác suất.

3
PHẦN 1: CÁC CÔNG THỨC XÁC SUẤT

4
 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.

5
 Phép thử và biến cố
Ví dụ: Xét một sinh viên thi hết môn XSTK, thì hành
động của sinh viên này là một phép thử.
* Tập hợp tất cả các điểm số: Ω = {0; 0,5; 1; 1,5;...; 9,5; 10}
mà sinh viên này có thể đạt là không gian mẫu.
* Các phần tử: 1 = 0  ; 2 = 0,5  ;; 21 = 10  
là các biến cố sơ cấp.
* Các tập con của Ω:
A = {4; 4,5;...; 10}, B = {0; 0,5;...; 3,5},… là các biến cố.
* Các biến cố A, B có thể được phát biểu lại là:
A : “sinh viên này thi đạt môn XSTK”;
B : “sinh viên này thi hỏng môn XSTK”.
6
 Phép thử và biến 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,…

7
 Xác suất cổ điển
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).
Khi đó ta định nghĩa xác suất của biến cố A là
số trường hợp xảy ra thuận lợi đối với A nA
P(A)= =n
số trường hợp có thể xảy ra
Ví dụ: Xét phép thử là tung 1 xúc xắc và quan sát số chấm xuất hiện.
Gọi Ai là biến cố "Xuất hiện mặt i chấm" với i=1,2,3…, 6. Hơn nữa, Ai
là các biến cố đôi một xung khắc. Khi đó, không gian các biến cố sơ
cấp là  =  A1 , A2 , A3 , A4 , A5 , A6  .Do đó xác suất hiện mặt i chấm là:
1
P ( Ai ) =
6 8
 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(AB) – P(AC) – P(BC) + P(ABC)
▪ Nếu A1 , A 2 ,..., Ai ,... xung khắc từng đôi một thì
+
P ( A1 +A 2 +…+A i ) =  P ( A i )
i=1
▪ Nếu {A1 , A 2 ,..., Ai } là một nhóm đầy đủ các biến cố thì
+

 P ( A ) =1
i=1
i

9
 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

10
 Các công thức xác suất

Ví dụ: Một cửa hàng 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%
11
 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)
12
 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)
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) =  P(Ai )P(B Ai )
i =1
13
 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 phẩm 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

14
 Các công thức xác suất

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(B) ≠ 0 ta có

∣
P(Bi A) =
P(Bi )P(A Bi )
P(A)
P(Bi )P(A Bi )
= +
 P(Bi )P(A Bi )
i=1

15
Các công thức xác suất

16
Các công thức xác suất

17
 Các công thức xác suất

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.

18
 Các công thức xác suất
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) = C p (1-p) , (k =1,2,3,…)
k
n
k n-k

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) = C63 0.73 (1-0.7)6-3 = 0.18522

19
 Bài tập
Ví dụ: Tính đến ngày 30/4/2020, cả thế giới hiện có 327156
người nhiễm COVID-19, trong đó có 231251 người chết vì
COVID-19 (Theo www.worldometers.info/coronavirus/). Chọp ra
ngẫu nhiên 100 người trong số những người nhiễm COVID-19,
tính xác suất để có:
a. 20 người chết vì COVID-19
b. Ít nhất 98 người không chết vì COVID-19
231251
Giải. Ta có, tỉ lệ người chết vì COVID-19 là:  0.0706
3271567
a) Áp dụng công thức Bernoulli ta có:
P100 (20) = C100
20
(0.0706) 20 (1 − 0.0706)80  0.0000145
20
 Bài tập
Ví dụ: Tính đến ngày 30/4/2020, cả thế giới hiện có 327156
người nhiễm COVID-19, trong đó có 231251 người chết vì
COVID-19 (Theo www.worldometers.info/coronavirus/). Chọp ra
ngẫu nhiên 100 người trong số những người nhiễm COVID-19,
tính xác suất để có:
a. 20 người chết vì COVID-19
b. Ít nhất 98 người không chết vì COVID-19

Giải. b. Có it nhất 98 người không chết vì COVID-19, tức là có

không quá 2 người chết vì COVID-19. Do đó ta có:
2
P 2 = P100 (2) + P100 (1) + P100 (0) =  C (0.0706) (0.9294)
k
100
k 100 − k
 0.0246
k =0
21
PHẦN 2: HÀM MẬT ĐỘ, HÀM PHÂN PHỐI, KỲ VỌNG, PHƯƠNG SAI
CỦA BIẾN NGẪU NHIÊN RỜI RẠC VÀ LIÊN TỤC

22
 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:
✓ Nhiệt độ không khí ở một thời điểm nào đó.
✓ Sai số khi đo lường một đại lượng vậy lý.
✓ 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.
23
 Đại lượng ngẫu nhiên

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,...,
xn.
▪ Ta kí hiệu X nhận giá trị xk là X = xk và xác suất Xnhận
giá trị xk là pk = P(X = xk).
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.
24
 Đại lượng
Đại lượng ngẫu ngẫu
nhiênnhiên
1. Đại lượng ngẫu nhiên rời rạc
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. ∑ pi = 1
4. P(a < X < b) = ∑ 𝑎 < 𝑥 𝑖 < 𝑏 pi
25
 Đại lượng
Đại lượng ngẫungẫu
nhiênnhiên
1. Đại lượng ngẫu nhiên rời rạc
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)
26
 Đại lượng
Đại lượng ngẫungẫu
nhiênnhiên
1. Đại lượng ngẫu nhiên rời rạc
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:
∑ pi = 1 ⇒ 0,2 + m + (1−2m) + 0,1 = 1 ⇔ m = 0,3

27
 Đại lượng
Đại lượng ngẫu ngẫu
nhiênnhiên

1. Đại lượng ngẫu nhiên rời rạc

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) = ∑ 𝑎 < 𝑥 𝑖 < 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
28
 Đại lượng
Đại lượng ngẫungẫu
nhiênnhiên
2. Đại lượng ngẫu nhiên liên tục
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 giữa hai ca cấp cứu trong một bệnh
viện.
29
Đại Hàm ngẫu
lượng mật độ xác suất
nhiên
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)

=∫a 𝑓 𝑥 𝑑𝑥
𝑏

30
 Hàm ngẫu
Đại lượng mật độ xác suất
nhiên
Ví dụ : Cho biến ngẫu nhiên X có hàm mật độ xác suất
Cx, khi x  [0;3]
f ( x) = 
0, khi 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 2
− f ( x)dx = 1  0 C xdx = 1  C = 9
2
(với C = , dễ thấy f(x) thỏa mãn điều kiện không âm).
9
31
 Hàm ngẫu
Đại lượng mật độ xác suất
nhiên
Ví dụ : Cho biến ngẫu nhiên X có hàm mật độ xác suất
Cx, khi x  [0;3]
f ( x) = 
0, khi x  [0;3]
b. Tìm P(−1 ≤ X < 2).

Giải :
Áp dụng tính chất P(a ≤ X ≤ b) =∫a 𝑓(𝑥)𝑑𝑥
𝑏

2 22 4
P(−1  X  2) =  f ( x)dx =  xdx =
−1 0 9 9
32
 Hàm ngẫu
Đại lượng phân nhiên
phối xác suất

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) = p
xj x
j

x
• Đối với biến ngẫu nhiên liên tục: F(x) =  f (t )dt , x  R.
−

33
 Hàm ngẫu
Đại lượng phân nhiên
phối xác suất

❖ 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.
34
 Hàm ngẫu
Đại lượng phân nhiên
phối xác suất

35
 Hàm ngẫu
Đại lượng phân nhiên
phối xác suất


 0, x  0

Ta được hàm phân phối xác suất F(x) như sau: F ( x) =  3 x 2 , 0  x  1
5
 2
 1 − 5 x3 , x  1

36
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: n
• Nếu X là ĐLNN rời rạc thì: E( X ) =  xi  pi
i =1

• Nếu X là ĐLNN liên tục, có hàm mật độ xác suất f (x) thì:
+
E( X ) =  x f ( 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.

37
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).

38
Các
Cácđặc
đặctrưng
trưng của
của đại
cáclượng ngẫungẫu
đại lượng nhiên
nhiên

1.Kỳ vọng(Expectation )
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 ) = ∑𝑖𝑛=1 xi.pi
E(X) = (−2)*0,1 + 0*0,4 + 1*0,3 + 3*0,2 = 0,7.
39
Các đặc trưng của đại lượng ngẫu nhiên

1.Kỳ vọng(Expectation )
Ví dụ 2: Cho biến ngẫu nhiên X có hàm mật độ
𝑥
, 𝑥 ∈ [0,2]
f (x) = 2
0, 𝑥 ∉ [0,2]
Tìm kỳ vọng của X .
Giải:
Ta có: E(X) = ∫−∞
+∞
x.f(x)dx
2 x 4
E( X ) =  x  dx =
0 2 3
40
Các đặc trưng của đại lượng ngẫu nhiên
2. Phương sai(Variance )

Định nghĩa. Phương sai (độ lệch bình phương trung bình) của
ĐLNN X, ký hiệu là V(X), được xác định bởi công thức:
V(X) = E( X 2 )− (E(X)) 2
❖ Tính chất:
• V(X) ≥ 0; V(X) = 0 ⇔ X = C
• V(aX) = a2 V(X)
• Nếu X, Y độc lập thì V(X + Y) = V(X) + V(Y)
❖ Hệ quả: Nếu X, Y độc lập thì
V(aX ± bY ± c) = a2 V(X) + b2 V(Y)
41
Các đặc trưng của 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(X2) = (−2)2.0,1 + 02.0,4 + 12.0,3 + 32.0,2 = 2,5.
Vậy V(X) = E(X2) − E(X)2 = 2,5 − 0,72 = 2,01.
42
Các đặc trưng của 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) =  2
0, x  [0, 2]
Tìm phương sai của X.
x 4
Giải: E( X ) = 0 x  dx =
2

2 3
E( X )=
2 x
2
x  dx = 2
2
0 2
2
4
V( X ) = E ( X ) − X( X ) = 2 −   =
2 2 2
3 9 43
Bài tập
Câu 3 (Đề 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
độ xác suất
c(10 − x) 2 , khi 0  x  10
f ( x) = 
 0, khi x  (0,10].
a)Tìm C.
b)Tính xác suất có thể khôi phục lại hệ thống đó trong
vòng 1 đến 2 phút.
44
Bài tập
Câu 3 (Đề 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
độ xác suất
c(10 − x) 2 , khi 0  x  10
f ( x) = 
 0, khi x  (0,10].
a) Tìm C.
Giải: Theo công thức của hàm mật độ
+ 10 3
 f ( x)dx = 1   C (10 − x) dx = 1  C =
2
− 0 1000
45
Bài tập
Câu 3 (Đề 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
độ xác suất
c(10 − x) 2 , khi 0  x  10
f ( x) = 
 0, khi x  (0,10].
b) Tính xác suất có thể khôi phục lại hệ thống đó trong
vòng 1 đến 2 phút.
2 3
Giải: P(1  X  2) = 1 (10 − x) dx = 0, 217
2

1000
46
Bài tập
Câu 2 (Đề 2018-2019 HKII)
Thời gian sống X( t ính bằng năm) của một loại máy
tính là một đại lượng ngẫu nhiên liên tục với mật
độ xác suất
 x
 K − , khi 0  x  10
f ( x) =  50
 0, khi 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. 47
Bài tập
Câu 2 (Đề 2018-2019 HKII)
Thời gian sống X( t ính bằng năm) của một loại máy
tính là một đại lượng ngẫu nhiên liên tục với mật
độ xác suất
 x
 K − , khi 0  x  10
f ( x) =  50
 0, khi 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 ? 48
Bài tập
Câu 2 (Đề 2018-2019 HKII)
Thời gian sống X( t ính bằng năm) của một loại máy
tính là một đại lượng ngẫu nhiên liên tục với mật
độ xác suất
 x
 K − , khi 0  x  10
f ( x) =  50
 0, khi x  (0,10].

a) Tìm K. Tìm hàm phân phối F(x) của X .

Giải: Theo công thức của hàm mật độ
+ 10  x  1

−
f ( x)dx = 1  
0  K − dx = 1  K =
 50  5
49
Bài tập
Câu 2 (Đề 2018-2019 HKII)
Thời gian sống X( t ính bằng năm) của một loại máy
tính là một đại lượng ngẫu nhiên liên tục với mật
độ xác suất
 x
 K − , khi 0  x  10
f ( x) =  50
 0, khi x  (0,10].

Giải: Với x  0 :
x

−
f (t )dt = 0
1 t  x2 x
Với 0  x  10 : − f (t )dt = 0  − dt = −
x x
+
 5 50  100 5
10  1 t 
Với x  10 : − f (t )dt = 0  − dt + 10 0dt = 1 + 0 = 1
x x

 5 50  50
Bài tập
Câu 2 (Đề 2018-2019 HKII)
Thời gian sống X( t ính bằng năm) của một loại máy
tính là một đại lượng ngẫu nhiên liên tục với mật
độ xác suất
 x
 K − , khi 0  x  10
f ( x) =  50
 0, khi x  (0,10].

a) Ta đư ợc hàm phân phối x ác suất như sau:

0, khi x  0

 x2 x
F(x) = − + , khi 0  x  10
 100 5
1, khi x  10 51
Bài tập
Câu 2 (Đề 2018-2019 HKII)
Thời gian sống X( t ính bằng năm) của một loại máy
tính là một đại lượng ngẫu nhiên liên tục với mật
độ xác suất
 x
 K − , khi 0  x  10
f ( x) =  50
 0, khi 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) =  x  −  dx =
0
 5 50  3
52
Bài tập
Câu 2 (Đề 2018-2019 HKII)
Thời gian sống X( t ính bằng năm) của một loại máy
tính là một đại lượng ngẫu nhiên liên tục với mật
độ xác suất
 x
 K − , khi 0  x  10
f ( x) =  50
 0, khi 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) =   − dx = 0,19

0 5 50  53
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
 4 , khi x  1
f ( x) =  x
 0, khi 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(𝑋 < 1) + 𝑃(1 ≤ 𝑋 ≤ 2) = 7/8)
54
PHẦN 3: PHÂN PHỐI SIÊU BỘI, NHỊ THỨC, POISSON
VÀ PHÂN PHỐI CHUẨN

55
Nội dung Training

❑ PHÂN PHỐI SIÊU BỘI

❑ PHÂN PHỐI NHỊ THỨC
❑ PHÂN PHỐI POISSON
❑ PHÂN PHỐI CHUẨN

56
I. PHÂN PHỐI SIÊU BỘI

I. ĐỊNHNGHĨA
• Xét tập có N phần tử gồm NA phần tử có tính chất A và N - NA
phần tử có Ā tính chất. 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:

k n−k
C C N −NA
P( X = k ) =
NA
n
C N

57
I. PHÂN PHỐI SIÊU BỘI

Ví dụ: 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 ∈ H(10, 6, 3) .

Vậy ta có bảng phân phối xác xuất của X:

X 0 1 2 3
CNk A CNn −−kN A
P( X = k ) =
CNn

P
58
I. PHÂN PHỐI SIÊU BỘI
II. CÁC SỐ ĐẶC TRƯNG CỦA X~ H(N, NA , n).

NA NA  NA  N − n
E( X ) = n ;V ( X ) = n 1 − 
N N  N  N −1

Ví dụ: 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.
a) Tính xác suất chọn được từ 27 đến 29 kỹ sư?
b) Tính trung bình số kỹ sư chọn được và V(X)?

59
I. PHÂN PHỐI SIÊU BỘI
Ví dụ: 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.
a) Tính xác suất chọn được từ 27 đến 29 kỹ sư?
b) Tính trung bình số kỹ sư chọn được và V(X)?
Giải: X ~ H(100; 70; 40)
C70k C3040− k CNk A CNn −−kN A
a) P(27≤X≤29) = 
29

40
 0, 4955 P( X = k ) =
k = 27 C100 CNn

NA 70
b) E(X) = n. = 40 = 28
N 100
NA  NA  N-n 70  70  100 - 40
V(X) = n N 1- N  = 40 1-   5,091
  N-1 100  100  100 -1 60
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 Ā, với P(A) = p.
• Xét biến ngẫu nhiên:
1 khi A xuất hiện ,
X= P(Ā)= 1 – p = q.
 0 khi A 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).
X 0 1
Bảng Phân Phối xác xuất của X là:
P q p
61
II. PHÂN PHỐI NHỊ THỨC
Các số đặc trưng của X~ B(p)

E(X) =p ; V(X) = pq.

Ví dụ: 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 thì X ∈ B(0.25), ta có:
E(X) = p = 0.25
V(X) = p . q = 0.1875

62
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) với i=1, 2, 3,…n.

Nghĩa là: X i =  1 khi lần thứ i 𝐴 xuất hiện


 0 khi lần thứ i Ā 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:

P ( X = k ) = Cn k p k q n − k (k = 0,1, , n)

63
II. PHÂN PHỐI NHỊ THỨC
Các số đặc trưng của X~B(n,p):
E(X) = np; V(X) = npq;
ModX = x0 : np - q ≤ x0 ≤ 𝒏𝒑 − 𝒒 + 𝟏

Ví dụ: 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}. P ( X = k ) = Cn k p k q n − k
Gọi n là số người cần kiểm tra.
Theo đề bài, 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.
64
III. PHÂN PHỐI POISSON
• 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−   k
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.

65
III. PHÂN PHỐI POISSON
Các số đặc trưng của X~P(𝝀):
E(X)=V(X)= 𝝀; ModX=x0: 𝝀-1≤ 𝒙𝟎 ≤ 𝝀

Ví dụ: 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.
Tìm giá trị của t.

Giải:
1 phút -> 3 ô tô
t phút -> 3t ô tô e−    k
P(X = k) =
Gọi X là số ô tô đi qua trạm thu phí, X~P(3t) k!
e −3t 3t 0
Áp dụng công thức, ta có: 1 − P( X = 0) = 1 − = 0,9 → t = 0, 7675
0!
66
IV. 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:
t2
1 −
f (t ) = e 2
,t  R
2
(Giá trị f(t) được cho trong bảng phụ lục A4).

2. Các số đặc trưng của T~N(0,1) ModT = E(T) = 0; V(T) = 1.

3. Xác suất của T~N(0,1)
x
Hàm 𝜑(𝑥) =  f (t )dt (Giá trị hàm 𝜑(𝑥) được cho trong bảng 4)
−

b t2


1 −
P(a≤ 𝑻 ≤ 𝒃) = 𝒇 𝒕 𝒅𝒕 = 𝝋 𝒃 − 𝝋 𝒂 với f (t ) = e 2

a 2
67
IV. 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).
Hàm mật độ xác suất của X có dạng:
( x −  )2 t2
− 1 −
1 Công thức khi ∈ N(μ, σ2) sẽ
f ( x) = e 2 2
,x khó nhớ hơn khi ∈ N(0;1)
f (t ) = e 2
,t  R
 2 2

2. Các số đặc trưng của X~N(μ, σ𝟐)

ModX = E(X) = μ; V(X) = σ𝟐

68
IV. PHÂN PHỐI CHUẨN
3. Xác suất của X~N(μ, σ𝟐)
X −
Nếu X ∈ N(μ, σ2) thì T =  N (0,1)

Vậy ta có công thức xác xuất:

a− b− b−  a− 

P ( a  X  b) = P ( T  ) =  −   
       
Ví dụ: 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)
t2
 63 − 60  0,75 1 −
 P( X  63) = 1 − P( X  63) = 1 − P  T   = 1 − − = 0, 2266
2
e
 4  2
69
V. TỔNG KẾT

Tham số Công thức TS đặc trưng

* N: Tổng phần tử E(X) = np;
Xác suất trong n phần tử
trong tập mà ta xét V(X) = npq N-n
chọn ra có k phần tử A là: N-1
* NA : các phần tử có
PP Siêu tính chất A trong N Trong đó:
Bội phần tử CNk A CNn −−kN A NA
* n: số phần tử được P( X = k ) = p= ; q =1-p
CNn n
chọn ngẫu nhiên từ
tập có N phần tử
* n: số phép thử Xác suất trong n lần thử có k E(X) = np;
Bernoulli độc lập V(X) = npq;
lần A xuất hiện là: ModX= x0
PP Nhị * p: xác suất biến cố A
xuất hiện P ( X = k ) = Cn k p k q n − k np-q ≤ x0 ≤ 𝑛𝑝−𝑞+1
Thức
(k = 0,1, , n)
70
V. TỔNG KẾT

Tham số Công thức TS đặc trưng

PP 𝝀(𝝀 > 0)∶ Trung bình E(X)=V(X)= 𝝀;
Poisson xuất hiện biến cố nào ModeX=x0
e−   k
đó mà ta quan tâm P(X = k) = (𝜆-1≤ 𝑥0 ≤ 𝜆)
k!
(k = 0,1, 2, , n)

PP μ, σ𝟐 (σ > 0) ModX=E(X)=μ
Chuẩn a− b− V(X) = σ𝟐
* μ: giá trị trung bình P ( a  X  b) = P ( T  )
 
* σ: độ lệch chuẩn
* V(X) = σ𝟐 ∶ phương sai b−  a− 
=  −   
* Đặt T = X −   N (0,1)      


71
PHẦN 4: CÁC DẠNG XẤP XỈ PHÂN PHỐI XÁC SUẤT

72
NỘI DUNG TRAINING

❑ Xấp xỉ phân phối Siêu bội bởi nhị thức

❑ Xấp xỉ phân phối Nhị thức bởi Poisson
❑ Xấp xỉ phân phối Nhị thức bởi phân phối
chuẩn

73
XẤP XỈ PP SIÊU BỘI BẰNG PP NHỊ THỨC
Xét BNN X có phân phối Siêu bội H (N; M; n).

74
XẤP XỈ PP SIÊU BỘI BẰNG PP NHỊ THỨC
Bài tập:
Một vườn lan có 10.000 cây sắp nở hoa, trong đó có 1.000 cây hoa
màu đỏ. Tính xác suất để khi chọn ngẫu nhiên 50 cây lan thì được
10 cây có hoa màu đỏ.
CNk A CNn −−kN A
Giải: P( X = k ) =
Gọi X là số cây lan màu đỏ trong 50 cây lan được chọn CNn
Ta có: X~H(10 000; 1 000; 50) ≈ B(50; 0.1)
P( X = 10) = C50
10
0,110.(1 − 0,1) 40  0, 0152

P( X = k ) = Cnk p k q n − k

75
XẤP XỈ PP NHỊ THỨC BẰNG PP POISSON
Xét biến ngẫu nhiên X có phân phối Nhị thức B(n; p).

Kí hiệu:

76
XẤP XỈ PP NHỊ THỨC BẰNG PP POISSON

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.

77
XẤP XỈ PP NHỊ THỨC BẰNG PP POISSON
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.
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(Ai )P(B A i )
P(B) = P(A0).P(B/ A0) + P(A1).P(B/A1) + P(A2).P(B/A2) i =1
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/ A2) =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

78
XẤP XỈ PP NHỊ THỨC BẰNG PP CHUẨN

Xét biến ngẫu nhiên X có phân phối Nhị thức B(n; p).

79
XẤP XỈ PP NHỊ THỨC BẰNG PP CHUẨN

80
XẤP XỈ PP NHỊ THỨC BẰNG PP CHUẨN
Ví dụ: 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)

P(800  X  850) = P(799,5  X  850, 5)

 850,5 − 840   799,5 − 840 
=  −   =  ( 0, 45 ) −  ( −1, 73)
 546   546 
− x2
0,45 1
= e 2
dx  0, 632
−1,73
2
81
XẤP XỈ PP NHỊ THỨC BẰNG PP CHUẨN

Ví dụ: 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.

82
XẤP XỈ PP NHỊ THỨC BẰNG PP CHUẨN

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=n.p=193.5; σ2 =n.p.(1-p)=19.35
⇒ X ∼ N (193.5;19.35).
P( X = 200) = P (199,5  X  200, 5)
 200,5 − 193,5   199,5 − 193,5  1 − x2

( ) ( ) 1,36
1,59
=  −    =  1,59 −  1,36 = e 2
dx  0, 031
 19,35   19,35  2

2. P(0  X  200) = P(−0,5  X  200, 5)

 200,5 − 193,5   −0,5 − 193,5 
=  −    0,944
 19, 35   19, 35 

83
 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

84