Chương 3: Các quy luật phân phối xác suất thông dụng

Phân phối rời rạc
Phân phối đều (rời rạc)

Phân phối nhị thức
Phân phối siêu bội
Chương 3 Phân phối Poisson
Phân phối liên tục

Phân phối đều (liên tục)
Các quy luật phân phối xác suất Phân phối chuẩn
Các phân phối khác
thông dụng
Bài giảng Lý thuyết xác suất
Lê Phương
Khoa Toán Kinh tế
Trường Đại học Kinh tế - Luật
Đại học Quốc Gia TP. Hồ Chí Minh
3.1
Nội dung Phân phối rời rạc
Phân phối Poisson

Phân phối chuẩn
1 Phân phối rời rạc
2 Phân phối liên tục

3.2
Phân phối đều (rời rạc) Phân phối rời rạc
Định nghĩa Phân phối siêu bội
Biến ngẫu nhiên rời rạc X được gọi là có phân phối đều Phân phối liên tục
(discrete uniform distribution) trong khoảng [a, b], kí hiệu Phân phối đều (liên tục)
X ∼ U(a, b), nếu X (Ω) = {a, a + 1, a + 2, . . . , b} và xác suất X Các phân phối khác
nhận mỗi giá trị đó là bằng nhau
1
P(X = k) =
b−a+1
với mọi k ∈ X (Ω).
Các số đặc trưng

Nếu X ∼ U(a, b) thì
a+b
• EX = ,
2
(b − a + 1)2 − 1
• VX = .
12
Ví dụ: Tính kỳ vọng và độ lệch chuẩn của số chấm nhận được

khi gieo một con xúc sắc cân đối. 3.4
Phân phối nhị thức Phân phối rời rạc
Định nghĩa Phân phối liên tục

Biến ngẫu nhiên rời rạc X được gọi là có phân phối nhị thức Các phân phối khác
(binomial distribution) với tham số n, p, kí hiệu X ∼ B(n, p),

nếu tập giá trị của nó là X (Ω) = {0, 1, ..., n} và
P(X = k) = Cnk p k q n−k
với mọi k ∈ X (Ω), trong đó q = 1 − p.
X được gọi là có phân phối Bernoulli hay phân phối không –

một với xác suất p nếu X ∼ B(1, p).
Tình huống vận dụng

Gọi X là số lần xuất hiện biến cố A trong dãy n phép thử
Bernoulli với P(A) = p thì X ∼ B(n, p).
3.6

Ví dụ. Một phân xưởng có 10 máy hoạt động độc lập. Xác suất
để trong 1 ngày mỗi máy bị hỏng là 10%.
1 Tính xác suất trong 1 ngày có 2 máy bị hỏng.
2 Tính xác suất trong 1 ngày có không quá 2 máy bị hỏng.
3 Trong một ngày nọ có không quá 2 máy bị hỏng, tính xác
suất có ít nhất 1 máy bị hỏng vào ngày hôm đó.
3.7
Các số đặc trưng Phân phối đều (liên tục)

Nếu X ∼ B(n, p) thì
• EX = np,
• VX = npq,
• np − q ≤ ModX ≤ np + p.
Ví dụ. Một đề thi trắc nghiệm có 10 câu hỏi, mỗi câu hỏi có 4
câu trả lời, trong đó chỉ có một câu trả lời đúng. Sinh viên An
không học bài nên chọn câu trả lời ngẫu nhiên cho mỗi câu hỏi.
1 Tính số câu hỏi trung bình và độ lệch chuẩn của số câu

hỏi mà An trả lời đúng.
2 Khả năng cao nhất An sẽ trả lời đúng bao nhiêu câu hỏi?
3.8
Phân phối siêu bội Phân phối rời rạc

Biến ngẫu nhiên rời rạc X được gọi là có phân phối siêu bội Phân phối chuẩn
(hypergeometric distribution) với tham số N, m, n, kí hiệu

X ∼ H(N, m, n), nếu tập giá trị của nó là
X (Ω) = {0, 1, ..., min(m, n)} và
k n−k
Cm CN−m
P(X = k) =
CNn

Cho một tập hợp có N phần tử, trong đó có m phần tử có tính
chất T. Lấy ra n phần tử từ tập hợp đó. Gọi X là số phần tử có
tính chất T trong n phần tử lấy được thì X ∼ H(N, m, n).
3.10

Các số đặc trưng Các phân phối khác
Nếu X ∼ H(N, m, n) thì

• EX = np,
N −n
• VX = npq ,
N −1
m
với p = và q = 1 − p.
N
Ví dụ. Một hộp sản phẩm có 10 sản phẩm trong đó có 4 phế
phẩm. Chọn ngẫu nhiên 3 sản phẩm từ hộp.
1 Tính xác suất lấy được tối đa 1 phế phẩm.
2 Tính kỳ vọng và độ lệch chuẩn của số phế phẩm lấy được.
3.11

Xấp xỉ phân phối siêu bội bằng phân phối nhị thức
Cho X ∼ H(N, m, n). Nếu n khá nhỏ so với N thì ta có thể xấp
m
xỉ X ≈ B(n, p) với p = . Do đó
N
P(X = k) ≈ Cnk p k q n−k .
Ví dụ. Một máy sản xuất ra 1 triệu sản phẩm, trong đó có

10000 phế phẩm. Chọn ngẫu nhiên 10 sản phẩm. Tính xác
suất có đúng 2 phế phẩm trong số 10 sản phẩm được chọn.
3.12
Phân phối Poisson Phân phối rời rạc

Định nghĩa Phân phối đều (liên tục)
Biến ngẫu nhiên rời rạc X được gọi là có phân phối Poisson Các phân phối khác
(Poisson distribution) với tham số λ (λ > 0), kí hiệu X ∼ P(λ),

nếu tập giá trị của nó là X (Ω) = {0, 1, 2, 3, ...} và
λk e−λ
P(X = k) =
k!

Gọi X là số sự kiện ngẫu nhiên, độc lập xuất hiện trong một
khoảng thời gian hoặc không gian xác định thì X có phân phối
Poisson.
3.14
Các số đặc trưng Phân phối đều (liên tục)

Nếu X ∼ P(λ) thì
• EX = VX = λ,
• λ − 1 ≤ ModX ≤ λ.
Ví dụ. Cho biết các cuộc gọi đến một tổng đài điện thoại là
ngẫu nhiên, độc lập và trung bình có 6,5 cuộc gọi trong 1 phút.
1 Tính xác suất có đúng 5 cuộc gọi đến tổng đài trong 1
phút.
2 Tính xác suất có từ 1 đến 3 cuộc gọi đến tổng đài trong 2
phút.
3 Khả năng cao nhất có bao nhiêu cuộc gọi đến tổng đài
trong 1 phút?
3.15

Xấp xỉ phân phối nhị thức bằng phân phối Poisson

Cho X ∼ B(n, p). Nếu n khá lớn (n > 50) và p khá bé (p < 0, 1)
thì ta có thể xấp xỉ X ≈ P(λ) với λ = np. Do đó
λk e−λ
P(X = k) ≈ .
k!
Ví dụ. Xác suất để một máy sản xuất ra một phế phẩm là
0,1%. Cho máy sản xuất 1000 sản phẩm. Tính xác suất có
đúng 2 phế phẩm trong số 1000 sản phẩm được sản xuất ra.
3.16
Phân phối đều (liên tục) Phân phối rời rạc

Biến ngẫu nhiên liên tục X được gọi là có phân phối đều Phân phối chuẩn
(uniform distribution) trong khoảng [a, b], kí hiệu X ∼ Uc (a, b),

nếu hàm mật độ xác suất của nó là

 1 nếu x ∈ [a, b],
f (x) = b − a
0 nếu x ̸∈ [a, b].

a+b
• EX = .
2
(b − a)2
• VX = .
12
3.18
Phân phối đều (liên tục) Phân phối rời rạc

Ví dụ
Khối lượng sản phẩm do một xí nghiệp sản xuất có phân phối
đều trong khoảng [10, 12] gram.
1 Tính kỳ vọng và độ lệch chuẩn về khối lượng sản phẩm.
2 Một sản phẩm phải có khối lượng tối thiểu là bao nhiêu để
nằm trong số 10% sản phẩm nặng nhất?
3.19
Phân phối chuẩn Phân phối rời rạc

Định nghĩa Phân phối đều (liên tục)
Biến ngẫu nhiên liên tục X được gọi là có phân phối chuẩn
(normal distribution) với tham số µ và σ 2 (σ > 0), kí hiệu
X ∼ N(µ, σ 2 ), nếu hàm mật độ xác suất của nó là
1 (x−µ)2
f (x) = √ e− 2σ2 .
σ 2π
X được gọi là có phân phối chuẩn tắc nếu X ∼ N(0, 1).
• EX = ModX = MedX = µ.
• VX = σ 2 .
3.21
Hàm Gauss Phân phối liên tục
1 x2
f (x) = √ e− 2 . Phân phối chuẩn

2π
Hàm Gauss chính là hàm mật độ của phân phối chuẩn tắc.
3.22
Hàm Laplace Phân phối nhị thức

Z x
1 2
− t2 Phân phối Poisson
φ(x) = √ e dt. Phân phối liên tục
2π 0 Phân phối đều (liên tục)
Giá trị của hàm Laplace là diện tích của miền sau khi x > 0 Các phân phối khác
Hàm phân phối chuẩn tắc

Z x
1 t2 1
Φ(x) = √ e− 2 dt = φ(x) + .
2π −∞ 2
3.23

Một số tính chất của hàm phân phối chuẩn tắc Các phân phối khác
Z x
1 t2
Φ(x) = √ e− 2 dt.
2π −∞
1 0 < Φ(x) < 1,

2 Φ là hàm số tăng, liên tục,
3 Φ(−x) = 1 − Φ(x),
4 Với x ≥ 3, 1 thì Φ(x) ≈ 1. Với x ≤ −3, 1 thì Φ(x) ≈ 0.
(Chính xác đến 3 chữ số thập phân)
Giá trị của hàm Φ có thể tra trong Bảng C.3 ở cuối giáo trình.
3.24
Công thức tính xác suất của biến cố (a<X<b) Phân phối liên tục
Nếu X ∼ N(µ, σ 2 ) thì Phân phối chuẩn

b−µ a−µ
P(a < X < b) = Φ −Φ .
σ σ
Tính chất
Nếu X ∼ N(µ, σ 2 ) và c ∈ R thì
1 X + c ∼ N(µ + c, σ 2 ),
2 cX ∼ N(cµ, (cσ)2 ),
X −µ
3 ∼ N(0, 1),
σ
4 Nếu Y ∼ N(µ′ , σ ′2 ) và X độc lập với Y thì
X + Y ∼ N(µ + µ′ , σ 2 + µ′2 ).
3.25

Ví dụ 1. Cho X ∼ N(1; 0, 25). Tính các xác suất sau Phân phối chuẩn
1 P(−5 ≤ X < 1, 23),

2 P(|X − 1| < 0, 64),
3 P(X < 2, 1).
Ví dụ 2. Cho biết khối lượng của một loại trái cây có phân phối
chuẩn với trung bình là 60 gram và độ lệch chuẩn là 4 gram.
Chọn ngẫu nhiên 1 trái.
1 Tính xác suất trái được chọn có khối lượng lớn hơn 63
gram.
2 Biết rằng trái được chọn có khối lượng lớn hơn 63 gram,
tính xác suất trái đó có khối lượng không lớn hơn 70 gram.
3.26

Ví dụ 3. Một kỳ thi đầu vào ở trường chuyên A quy định điểm Phân phối đều (liên tục)
đỗ là tổng số điểm các môn thi không được thấp hơn 15 điểm. Các phân phối khác
Giả sử tổng điểm các môn thi của học sinh là biến ngẫu nhiên
có phân phối chuẩn với trung bình 12 điểm. Biết rằng tỉ lệ học
sinh thi đỗ là 25,14%. Tìm độ lệch chuẩn.
Ví dụ 4. Thời gian đi từ nhà tới trường của sinh viên An (đơn vị

là phút) là biến ngẫu nhiên có phân phối chuẩn. Biết rằng 65%
số ngày An đến trường mất hơn 20 phút và 8% số ngày mất
hơn 30 phút.
1 Tính thời gian đến trường trung bình của An và độ lệch
tiêu chuẩn.
2 An cần phải xuất phát trước giờ học bao nhiêu phút để xác
suất bị muộn học của An không quá 0,02.
3.27

Ví dụ 5. Khối lượng của gói mì ăn liền tuân theo quy luật phân Phân phối chuẩn
phối chuẩn N(100, 4). Gói mì có khối lượng 98,28g đến
102,28g là đạt tiêu chuẩn. Chọn ngẫu nhiên 200 gói mì. Tìm số
gói phế phẩm trung bình và số gói phế phẩm có khả năng xảy
ra cao nhất.
Ví dụ 6. Tuổi thọ một loại thiết bị (đơn vị: năm) của công ty là
biến ngẫu nhiên có phân phối chuẩn với trung bình là 4,2 năm
và độ lệch chuẩn là 1,5 năm. Khi công ty bán một thiết bị lãi 2
triệu đồng, nhưng nếu thiết bị phải sửa chữa trong thời gian
bảo hành thì lỗ 2 triệu đồng. Để tiền lãi trung bình khi bán một
thiết bị là 750 ngàn đồng thì công ty cần quy định thời gian bảo
hành của thiết bị là bao lâu?
3.28

Xấp xỉ phân phối nhị thức bằng phân phối chuẩn Phân phối chuẩn
Cho X ∼ B(n, p) với n đủ lớn và p không quá gần 0 hoặc 1

(np ≥ 10, nq ≥ 10) thì ta có thể xấp xỉ X ≈ N(µ, σ 2 ) với µ = np
√
và σ = npq. Do đó với k1 , k2 ∈ N ta có
k − µ k − µ
2 1
P(k1 ≤ X ≤ k2 ) ≈ φ −φ .
σ σ
Ví dụ. Tỷ lệ nảy mầm của 1 loại hạt giống là 0,8. Gieo thử 100
hạt giống.
1 Tính xác suất có từ 30 đến 80 hạt nảy mầm.
2 Tính xác suất có ít nhất 70 hạt nảy mầm.
3.29
Phân phối Perato Phân phối rời rạc

Định nghĩa Phân phối chuẩn
Biến ngẫu nhiên X được gọi là có phân phối Perato (Perato
distribution) với các tham số x0 > 0 và α > 0, nếu hàm mật độ
xác suất của nó là
αx α
0
, với x ≥ x0 ;
f (x) = x α+1
0, với x < x0 .

Phân phối Perato thường được sử dụng để mô tả sự phân phối
của cải và hiệu quả lao động trong xã hội. Nó là cơ sở của quy
luật 80/20 (quy luật thiểu số quan trọng và phân bố nhân tố).
3.31
Phân phối mũ Phân phối rời rạc

Định nghĩa Phân phối chuẩn
Biến ngẫu nhiên X được gọi là có phân phối mũ (exponential
distribution) với tham số λ (λ > 0), kí hiệu X ∼ E(λ), nếu hàm
mật độ xác suất của nó là
λe−λx , với x ≥ 0;

f (x) =
0, với x < 0.

Nếu số lần xuất hiện của một biến cố trong một khoảng thời
gian có phân phối Poisson thì thời gian giữa 2 lần xuất hiện
biến cố đó có phân phối mũ.
3.32
Phân phối Khi bình phương Phân phối rời rạc
Biến ngẫu nhiên X có phân phối Khi bình phương (chi-squared Phân phối liên tục
distribution) với n bậc tự do, kí hiệu X ∼ χ2 (n), nếu hàm mật Phân phối đều (liên tục)
độ xác suất của nó là Các phân phối khác
( 1 x n
n e− 2 x 2 −1 , với x > 0;
2 2 Γ( n )
f (x) = 2
0, với x ≤ 0.
R∞
với Γ(x) = 0
t x−1 e−t dt được gọi là hàm Gamma.

X ∼ χ2 (n) khi và chỉ khi
n
X
X = Zi2 ,
i=1
trong đó các biến ngẫu nhiên Z1 , Z2 , . . . , Zn độc lập và có cùng

phân phối chuẩn tắc.
3.33
Phân phối Student Phân phối rời rạc

X được gọi là có phân phối Student (Student’s t-distribution) Phân phối liên tục
với n bậc tự do, kí hiệu X ∼ t(n), nếu hàm mật độ xác suất của Phân phối chuẩn
nó là
 − n+1
 1 Γ( n+1 2 )

x2 2
f (x) =
√ n
πn Γ( 2 )
1 + n , với x > 0;
0, với x ≤ 0.

trong đó Γ(x) là hàm Gamma.

X ∼ t(n) khi và chỉ khi
Z
X =q ,
Y
n
với Z ∼ N(0, 1), Y ∼ χ2 (n) và Z , Y độc lập.

3.34
Phân phối F Phân phối rời rạc
Định nghĩa Phân phối Poisson

X được gọi là có phân phối F (Snedecor’s F distribution) có Phân phối đều (liên tục)
bậc tự do n và m, kí hiệu X ∼ F (n, m), nếu hàm mật độ xác Các phân phối khác
suất của nó là
( n m n+m
n 2 m 2 Γ( 2 ) n−2 n+m
2 (m + nx)− 2 ,
f (x) = Γ( n2 )Γ( m2 ) x với x > 0;
0, với x ≤ 0.
trong đó Γ(x) là hàm Gamma.

X ∼ F (n, m) khi và chỉ khi
X1 /n
X = ,
X2 /m
với X1 ∼ χ2 (n), X2 ∼ χ2 (m) và X1 , X2 độc lập.
3.35

Chương 3: Các quy luật phân phối xác suất thông dụng

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

Chương 3: Các quy luật phân phối xác suất thông dụng

Uploaded by

Copyright:

Available Formats

Phân phối rời rạc

Phân phối đều (rời rạc)

Chương 3 Phân phối Poisson

Phân phối liên tục

Phân phối liên tục

2 Phân phối liên tục

nhận mỗi giá trị đó là bằng nhau

Các số đặc trưng

Ví dụ: Tính kỳ vọng và độ lệch chuẩn của số chấm nhận được

Định nghĩa Phân phối liên tục

(binomial distribution) với tham số n, p, kí hiệu X ∼ B(n, p),

P(X = k) = Cnk p k q n−k

với mọi k ∈ X (Ω), trong đó q = 1 − p.

X được gọi là có phân phối Bernoulli hay phân phối không –

Tình huống vận dụng

Phân phối liên tục

Phân phối liên tục

Các số đặc trưng Phân phối đều (liên tục)

1 Tính số câu hỏi trung bình và độ lệch chuẩn của số câu

Định nghĩa Phân phối liên tục

(hypergeometric distribution) với tham số N, m, n, kí hiệu

với mọi k ∈ X (Ω).

Tình huống vận dụng

Phân phối liên tục

Nếu X ∼ H(N, m, n) thì

Phân phối liên tục

P(X = k) ≈ Cnk p k q n−k .

Ví dụ. Một máy sản xuất ra 1 triệu sản phẩm, trong đó có

Phân phối liên tục

(Poisson distribution) với tham số λ (λ > 0), kí hiệu X ∼ P(λ),

Tình huống vận dụng

Phân phối liên tục

Các số đặc trưng Phân phối đều (liên tục)

Phân phối liên tục

Xấp xỉ phân phối nhị thức bằng phân phối Poisson

Định nghĩa Phân phối liên tục

(uniform distribution) trong khoảng [a, b], kí hiệu X ∼ Uc (a, b),

Các số đặc trưng

Phân phối liên tục

Phân phối liên tục

X được gọi là có phân phối chuẩn tắc nếu X ∼ N(0, 1).

Các số đặc trưng

Hàm Gauss Phân phối liên tục

f (x) = √ e− 2 . Phân phối chuẩn

Hàm Laplace Phân phối nhị thức

Hàm phân phối chuẩn tắc

Phân phối liên tục

1 0 < Φ(x) < 1,

Phân phối liên tục

1 P(−5 ≤ X < 1, 23),

Phân phối liên tục

Ví dụ 4. Thời gian đi từ nhà tới trường của sinh viên An (đơn vị

Phân phối liên tục

Phân phối liên tục

Cho X ∼ B(n, p) với n đủ lớn và p không quá gần 0 hoặc 1

Phân phối liên tục

Tình huống vận dụng

Phân phối liên tục

Tình huống vận dụng

độ xác suất của nó là Các phân phối khác

Tình huống vận dụng

trong đó các biến ngẫu nhiên Z1 , Z2 , . . . , Zn độc lập và có cùng

Định nghĩa Phân phối siêu bội