QAM Chapter 2

Machine Translated by Google
chương 2
Các khái niệm về xác suất và

Các ứng dụng
Đi cùng
Phân tích định lượng cho quản lý, thứ mười một
Phiên bản, Phiên bản toàn cầu của Render, Stair và Hanna
Các trang trình bày Power Point được tạo bởi Brian Peterson
Mục tiêu học tập

Sau khi hoàn thành chương này, sinh viên sẽ có thể:
1. Hiểu những nền tảng cơ bản của
phân tích xác suất.
2. Mô tả các sự kiện phụ thuộc và độc lập

về mặt thống kê .
3. Sử dụng định lý Bayes để thiết lập các xác suất sau.
4. Mô tả và cung cấp ví dụ về cả hai

biến ngẫu nhiên rời rạc và liên tục.
5. Giải thích sự khác biệt giữa phân phối xác suất rời rạc và liên
tục.
6. Tính toán các giá trị và phương sai mong đợi và sử dụng
bảng bình thường.
Bản quyền © 2012 Pearson Education 2-2
Đề cương chương
2.1 Giới thiệu
2.2 Các khái niệm cơ bản

2.3 Các sự kiện hoàn toàn độc quyền và tập
thể lẫn nhau
2.4 Các sự kiện độc lập về mặt thống kê

2.5 Các sự kiện phụ thuộc vào thống kê
2.6 Hiệu chỉnh xác suất với Định lý Bayes
2.7 Các sửa đổi xác suất khác

Đề cương chương
2.8 Biến ngẫu nhiên 2.9
Phân phối xác suất 2.10 Phân phối

nhị thức 2.11 Phân phối chuẩn 2.12
Phân phối F 2.13 Phân phối mũ 2.14
Phân phối Poisson

Giới thiệu
Cuộc sống không chắc chắn; chúng tôi không chắc
chắn những gì tương lai sẽ mang lại.
Xác suất là một số

tuyên bố về khả năng một sự kiện sẽ xảy
ra.

Các khái niệm cơ bản
1. Xác suất P của bất kỳ sự kiện hoặc

trạng thái tự nhiên nào xảy ra đều lớn
hơn hoặc bằng 0 và nhỏ hơn hoặc bằng
1. Nghĩa là:
0 P (sự kiện) 1
2. Tổng các xác suất đơn giản cho tất cả

các kết quả có thể có của một hoạt động
phải bằng 1.
Các chương trong cuốn sách này

Xác suất sử dụng đó
CHƯƠNG TIÊU ĐỀ
3 Phân tích quyết định

4 Mô hình hồi quy
5 Dự báo
6 Mô hình kiểm soát khoảng không quảng cáo
12 Quản lý dự án
13 Mô hình lý thuyết về hàng đợi và xếp hàng
14 Mô hình mô phỏng
15 Phân tích Markov
16 Kiểm soát chất lượng thống kê
Mô-đun 3 Lý thuyết quyết định và phân phối chuẩn
Lý thuyết trò chơi mô-đun 4

Bảng 2.1

Ví dụ về sơn đa dạng
Nhu cầu sơn mủ trắng tại Sơn Đa Dạng

và Cung luôn là 0, 1, 2, 3, hoặc 4 gallon mỗi ngày.
Trong 200 ngày qua, chủ sở hữu đã quan sát các tần
suất nhu cầu sau:
SỐ LƯỢNG
SỐ NGÀY KHẢ NĂNG LỢI NHUẬN
ĐÃ CẦU
0 40 0,20 (= 40/200)
1 80 0,40 (= 80/200)
2 50 0,25 (= 50/200)
3 20 0,10 (= 20/200)
4 10 0,05 (= 10/200)
Tổng 200 Tổng 1,00 (= 200/200)

Ví dụ về sơn đa dạng
Nhu cầu sơn latex trắng tại Đa dạng Sơn và

LưuNguồn
ý xáccung
suấtluôn là 0,
cá nhân 1, 2,mỗi
gallon 3 hoặc 4
tấtngày
cả đều từ 0 đến 1
Trong 200 ngày

kiện) ≤ qua,
1 chủ sở hữu đã quan sát 0 ≤ P (sự
các tần số sau của nhu cầu
Và tổng số của tất cả các sự kiện
Xác suất
QUANTITY bằng 1 SỐ NGÀY KHẢ NĂNG LỢI NHUẬN
ĐÃ CẦU
0 P (sự kiện) = 1,00

40 0,20 (= 40/200)
1 80 0,40 (= 80/200)
2 50 0,25 (= 50/200)
3 20 0,10 (= 20/200)
4 10 0,05 (= 10/200)
Tổng 200 Tổng 1,00 (= 200/200)

Các loại xác suất
Xác định xác suất mục tiêu : Tần suất
tương đối Thông thường dựa trên dữ

liệu lịch sử
Số lần xuất hiện của sự kiện

P (sự kiện) = Tổng số thử nghiệm hoặc kết quả
Phương pháp cổ điển hoặc logic

Xác định một cách hợp lý các xác suất mà không
thử nghiệm
1 Số cách để có được một cái đầu

P (đầu) =
2 Số lượng kết quả có thể xảy ra (đầu hoặc đuôi)

Các loại xác suất
Xác suất chủ quan dựa trên kinh nghiệm và nhận

định của người đưa ra ước tính.
Thăm dò ý kiến
Nhận định của các chuyên gia
Phương pháp Delphi

Sự kiện loại trừ lẫn nhau
Các sự kiện được cho là loại trừ lẫn

nhau nếu chỉ một trong số các sự kiện có thể xảy
ra trên bất kỳ thử nghiệm nào.
Tung đồng xu sẽ có đầu

hoặc đuôi.
Lăn xúc xắc sẽ chỉ dẫn đến

một trong sáu kết quả có
thể xảy ra.

Sự kiện kết thúc tập thể
Các sự kiện được cho là tổng thể

đầy đủ nếu danh sách các kết quả bao
gồm mọi kết quả có thể xảy ra.
Cả đầu và đuôi
OUTCOME
là kết quả có thể CỦA ROLL
KHẢ NĂNG LỢI NHUẬN
có của việc tung 1

1
/ 6
1
đồng xu. 2 / 6
1
3 / 6
Tất cả sáu kết quả 1

4 / 6
có thể có của việc 1
5 / 6
tung súc sắc. 1

6 / 6
Tổng 1

Vẽ một thẻ
Rút một lá bài từ bộ bài 52 lá chơi

4 1
P (hình vẽ a 7) = / 52 = / 13
1
P (vẽ trái tim) = 13/52 = /4
Hai sự kiện này không loại trừ lẫn nhau vì có thể

rút ra 7 trái tim
Hai sự kiện này không gọi chung

hết sức vì có những lá bài khác trong bộ bài ngoài số 7 và
trái tim

Bảng sự khác biệt
HỖ TRƠ TẬP THỂ

VẼ
LOẠI TRỪ XẢ
1. Rút một con thuổng và một câu lạc Đúng Không
bộ 2. Rút một thẻ mặt và một thẻ số Đúng Đúng
3. Rút một con át và một con 3 Đúng Không
4. Vẽ một câu lạc bộ và một nonclub Đúng Đúng
5. Vẽ một số 5 và một hình thoi Không Không
6. Rút một tấm thẻ đỏ và một viên Không Không
kim cương

Thêm các sự kiện loại trừ lẫn nhau
Chúng ta thường muốn biết liệu một hay một sự kiện

thứ hai sẽ xảy ra.
Khi hai sự kiện tương hỗ với nhau

độc quyền, luật bổ sung là:
P (sự kiện A hoặc sự kiện B) = P (sự kiện A) + P (sự kiện B)
P (thuổng hoặc gậy) = P (thuổng) + P (gậy)
= 13/52 + 13/52
1
= 26/52 = / 2 = 0,50

Thêm các sự kiện không loại trừ lẫn nhau
Phương trình phải được sửa đổi để tính toán

hai lần.
Xác suất được giảm đi bằng cách
trừ đi cơ hội của cả hai sự kiện xảy ra
cùng nhau.
P (sự kiện A hoặc sự kiện B) = P (sự kiện A) + P (sự kiện B)

- P (sự kiện A và sự kiện B đều xảy ra)
P (A hoặc B) = P (A) + P (B) - P (A và B)
P (năm hoặc kim cương) = P (năm) + P (kim cương) - P (năm và kim cương)
4 1
= / 52
/ 52 + 13/52 -
= 16/52 =

Sơ đồ Venn
P (A và B)
P (A) P (B) P (A) P (B)
Các sự kiện loại trừ lẫn Các sự kiện không

nhau. loại trừ lẫn nhau.
P (A hoặc B) = P (A) + P (B) P (A hoặc B) = P (A) + P (B)

- P (A và B)
Hình 2.1 Hình 2.2

Sự kiện độc lập về mặt thống kê
Các sự kiện có thể độc lập hoặc phụ thuộc.
Đối với các sự kiện độc lập, sự xuất hiện

của một sự kiện không ảnh hưởng đến xác
suất xuất hiện của sự kiện thứ hai.

Tập hợp sự kiện nào là độc lập?
1. (a) Trình độ học vấn của bạn

Sự kiện phụ thuộc
(b) Mức thu nhập của bạn
2. (a) Rút jack trái tim từ bộ bài 52 lá đầy đủ (b) Rút Sự kiện độc
lập
jack cắm câu lạc bộ từ bộ bài 52 lá đầy đủ
3. (a) Chicago Cubs giành cờ hiệu Liên đoàn Quốc gia (b) Sự kiện phụ
thuộc
Chicago Cubs vô địch World Series
4. (a) Tuyết ở Santiago, Chile (b)

Sự kiện độc lập
Mưa ở Tel Aviv, Israel

Ba loại xác suất

Xác suất cận biên (hoặc đơn giản) chỉ là xác
suất của một sự kiện duy nhất xảy ra.
P (A)
Xác suất chung là xác suất của hai hoặc nhiều sự kiện
xảy ra và bằng tích các xác suất cận biên của chúng
đối với các sự kiện độc lập.
P (AB) = P (A) x P (B)
Xác suất có điều kiện là xác suất của sự kiện

B cho rằng sự kiện A đã xảy ra.
P (B | A) = P (B)
Hoặc xác suất của sự kiện A cho rằng sự kiện B
đã xảy ra
Bản quyền © 2012 Pearson Education P (A | B) = P (A) 2-21

Ví dụ về xác suất chung
Xác suất để tung một con 6 trên con súc sắc

thứ nhất và con 2 ở con thứ hai:
P (6 ở thứ nhất và 2 ở thứ hai)

= P (tung a 6) x P (tung a 2)
= 1 1 1
/ 6 x / 6 = / 36 = 0,028


Một thùng chứa 3 bi đen và 7 bi xanh.
Rút một quả bóng từ xô, thay thế nó và rút
một quả bóng thứ hai.
1. Xác suất để một quả bóng đen được rút ra trong lần rút thăm
đầu tiên là:
P (B) = 0,30 (xác suất cận biên)
2. Xác suất để hai bi xanh rút ra được là:

P (GG) = P (G) x P (G) = 0,7 x 0,7 = 0,49
(xác suất chung cho hai sự kiện độc lập)


Một thùng chứa 3 bi đen và 7 bi xanh.
Rút một quả bóng từ xô, thay thế nó và rút một quả
bóng thứ hai.
3. Xác suất để một quả bóng đen được rút ra trong lần rút
thăm thứ hai nếu quả bóng đầu tiên là màu xanh lá cây là:
P (B | G) = P (B) = 0,30
(một xác suất có điều kiện nhưng bằng với biên vì hai trận hòa là
các sự kiện độc lập)
4. Xác suất để quả bóng xanh được rút ra trong lần rút
thứ hai nếu quả bóng đầu tiên là màu xanh lá cây là:
P (G | G) = P (G) = 0,70
(một xác suất có điều kiện như trong trường hợp 3)

Sự kiện phụ thuộc vào thống kê
Xác suất cận biên của một sự kiện xảy ra được tính
theo cùng một cách:
P (A)
Tính xác suất có điều kiện hơi phức tạp hơn một chút.
Xác suất của sự kiện A cho rằng sự kiện B đã xảy ra là:
P (AB)
P (A | B) =
P (B)
Công thức cho xác suất chung của hai sự kiện là:
P (AB) = P (A | B) P (B)

Khi các sự kiện phụ thuộc
Giả sử rằng chúng ta có một cái bình đựng 10 quả

bóng như mô tả sau:
4 màu trắng (W) và chữ (L)
2 màu trắng (W) và đánh số (N)
3 là màu vàng (Y) và chữ (L)
1 có màu vàng (Y) và được đánh số (N)
4 3
P (WL) = / 10 = 0,4 P (YL) = / 10 = 0,3
P (WN) = 2/ 10 = 0,2 P (YN) = 1

/ 10 = 0,1
P (W) = 6/ 10 = 0,6 P (L) = 7/ 10 = 0,7
P (Y) = 4/ 10 = 0,4 P (N) = 3/ 10 = 0,3

4 quả bóng
Trắng (W) 4
và Xác suất (WL) =
10
Chữ (L)
2 quả bóng
Bình
Trắng (W) 2
chứa 10 quả Xác suất (WN) =
và 10
bóng:
Được đánh số (N)
3 quả bóng
3
Vàng (Y) Xác suất (YL) =
và 10
Chữ (L)
Hình 2.3 1 quả bóng Vàng (Y) 1
và được đánh số (N) Xác suất (YN) =
10
Xác suất có điều kiện để quả bóng được rút ra có

ký tự, với điều kiện nó có màu vàng, là:
P (YL) 0,3
= = 0,75
P (L | Y) =
P (Y) 0,4
Chúng ta có thể xác minh P (YL) bằng cách sử dụng công thức xác suất chung
P (YL) = P (L | Y) x P (Y) = (0,75) (0,4) = 0,3

Xác suất chung cho

các sự kiện phụ thuộc
Nếu thị trường chứng khoán đạt mức 12.500 điểm vào tháng
1, thì có 70% xác suất là Tubeless Electronics sẽ đi lên.
Bạn tin rằng chỉ có 40% khả năng thị trường chứng
khoán đạt 12.500.
Gọi M đại diện cho sự kiện thị trường chứng khoán
đạt 12.500 và gọi T là sự kiện mà Tubeless tăng
giá trị.
P (MT) = P (T | M) x P (M) = (0,70) (0,40) = 0,28

Điều chỉnh xác suất với

Định lý Bayes
Định lý Bayes được sử dụng để kết hợp thông tin bổ
sung và giúp tạo ra các xác suất sau.
Trước
Xác suất
Bayes ' Sau

Quá trình Xác suất
Mới
Thông tin
Hình 2.4

Xác suất sau
Một chiếc cốc chứa hai viên xúc xắc có hình thức giống hệt nhau nhưng
một viên là công bằng (không thiên vị), viên kia được nạp (thiên vị).
Xác suất để quay được con 3 trên mặt xúc xắc hợp lý là 1 / 6 hoặc 0,166.
Xác suất ném cùng một số khi được nạp

chết là 0,60.
Chúng tôi chọn một cách tình cờ,

ném nó và nhận được 3.
Xác suất để con súc sắc được

tung là công bằng là bao nhiêu?
Xác suất để con súc sắc đã

nạp được lăn là bao nhiêu?

Xác suất sau
Chúng tôi biết xác suất của việc súc sắc là hợp lý hoặc đã
được nạp là:
P (công bằng) = 0,50 P (tải) = 0,50

Và đó
P (3 | công bằng) = 0,166 P (3 | tải) = 0,60
Chúng tôi tính toán xác suất của P (3 và công bằng)

và P (3 và được tải):
P (3 và công bằng) = P (3 | công bằng) x P (công bằng)
= (0,166) (0,50) = 0,083
P (3 và được tải) = P (3 | được tải) x P (được tải)
= (0,60) (0,50) = 0,300

Xác suất sau
Chúng tôi biết xác suất của các

Tổng chết là suất
xác hợp lý
nàyhoặc
cho được
chúng ta
tải là xác suất vô điều kiện của việc tung
P (công bằng) ra 3: P (tải) = 0,50
= 0,50
Và đó
P (3) = 0,083 + 0,300 = 0,383
P (3 | công bằng) = 0,166 P (3 | tải) = 0,60
Chúng tôi tính toán xác suất của P (3 và công bằng)

và P (3 và được tải)
P (3 và công bằng) = P (3 | công bằng) x P (công bằng)
= (0,166) (0,50) = 0,083
P (3 và được tải) = P (3 | được tải) x P (được tải)
= (0,60) (0,50) = 0,300

Xác suất sau
Nếu 3 xảy ra, xác suất để con xúc xắc được tung ra là
con hợp lý là:
P (công bằng và 3) 0,083

= = 0,22
P (công bằng | 3) =
P (3) 0,383
Xác suất để con súc sắc được tải là:
P (đã tải và 3) 0,300

= = 0,78
P (đã tải | 3) =
P (3) 0,383
Đây là các xác suất được sửa đổi hoặc xác suất sau đối với
cuộn tiếp theo của xúc xắc.
Chúng tôi sử dụng chúng để sửa đổi các ước tính xác suất trước đó của chúng tôi .

Tính toán của Bayes

Đã cho sự kiện B đã xảy ra:
TRẠNG THÁI P (B | STATE TRƯỚC CHUNG SAU

THIÊN NHIÊN CỦA THIÊN NHIÊN) KHẢ NĂNG LỢI NHUẬN KHẢ NĂNG LỢI NHUẬN KHẢ NĂNG LỢI NHUẬN
Một
P (B | A) x P (A) = P (B và A) P (B và A) / P (B) = P (A | B)
MỘT' P (B | A ') x P (A ') = P (B và A ') P (B và A') / P (B) = P (A '| B)
P (B)
Bảng 2.2
Cho một 3 đã được cuộn:
TRẠNG THÁI P (B | STATE TRƯỚC CHUNG SAU

THIÊN NHIÊN CỦA THIÊN NHIÊN) KHẢ NĂNG LỢI NHUẬN KHẢ NĂNG LỢI NHUẬN KHẢ NĂNG LỢI NHUẬN
Chết công bằng 0,166 x 0,5 = 0,083 0,083 / 0,383 = 0,22
Tải chết 0,600 x 0,5 = 0,300 0,300 / 0,383 = 0,78
P (3) = 0,383
Bảng 2.3

Dạng tổng quát của Định lý Bayes
Chúng tôi có thể tính toán các xác suất đã sửa đổi trực
tiếp hơn bằng cách sử dụng:
ở đâu
A = sự bổ sung của sự kiện; Một
ví dụ: nếu sự kiện Một

là "fair die", A
sau đó được "tải chết".

Dạng tổng quát của Định lý Bayes
Về cơ bản đây là những gì chúng ta đã làm trong ví dụ trước:
Thay thế bằng

Một "fair die"
A “khuôn đã nạp
Thay thế bằng
B "3 cuộn"
Thay thế bằng
Chúng tôi nhận được
P (fair die | 3 cuộn)
P (|
3 hội chợ)P () bằng
công
=
P (|
3 hội chợPcông
) ()
bằng + P (|
3 tải được)Ptải
()
0 166
(.) (.) 0 50 0 .083
= = 0 .22
0 166
(.) +(.)
(.) 0 50 )0 60 0
(.50 0 .383
Các bản sửa đổi xác suất khác
Chúng tôi có thể có thêm thông tin bằng cách thực hiện
thử nghiệm lần thứ hai
Nếu bạn có đủ khả năng, hãy thực hiện các thí nghiệm
vài lần.
Chúng tôi lăn con súc sắc một lần nữa và một lần nữa nhận được một 3.
P (công bằng) = 0,50 và P (có tải) = 0,50
P (,) = 0
(.) bằng
3 3 công (.) 166 0 166 0 027 = .
P (,)
3 3 (.) tải =0 6 0 6 0 36=
được(.)
| |
.

Chúng tôi Pcó thể

(3,3 có bằng)
và công thêm= Pthông tin bằng)
(3,3 | công bằng Pcách
(công thực
bằng) hiện
thử nghiệm lần thứ hai = (0,027) (0,5) = 0,013

vài lầnvà được tải) = P (3,3 | được tải)
P (3,3 P (được tải)
= (0,36) (0,5) = 0,18

Chúng tôi lăn con súc sắc một lần nữa và một lần nữa nhận được 3
P (,) = 0
(.) bằng
3 3 công (.) 166 0 166 0 027 = .
P (,)
3 3 (.) tải =0 6 0 6 0 36=
được(.)
| |
.

Chúng tôi Pcó thể

(3,3 có bằng)
và công thêm= Pthông tin bằng)
(3,3 | công bằng Pcách
(công thực
bằng) hiện
thử nghiệm lần thứ hai = (0,027) (0,5) = 0,013

P (3,3
vài lầnvà được tải) = P (3,3 | được tải) P (được tải)
= (0,36) (0,5) = 0,18

Chúng tôi lăn con súc sắc một lần nữa và một lần nữa nhận được 3

()
bằng
3,3 và P công 0 .013
= =
=
= 0,027 = 0 .067
P (3,3
3công bằng
3 (|,)
| Pcông bằng) (0,166)
P 3 3
(,)
(0,166) 0 .193
= (0,6) (0,6)
P (3,3 | đã tải) = 0,36
P ()
3,3 và được tải 0 .18
được= tải
(|,) P 3 3 = = 0 .933
P (,)
3 3 0 .193

Sau lần cuộn xúc xắc đầu tiên:
xác suất xúc xắc là hợp lý = 0.22 xác
suất xúc xắc được nạp = 0.78
Sau lần cuộn thứ hai của xúc xắc:
xác suất xúc xắc là hợp lý = 0,067 xác
suất xúc xắc được nạp = 0,933

Biến ngẫu nhiên
Một biến ngẫu nhiên chỉ định một số thực cho

mọi kết quả hoặc sự kiện có thể xảy ra trong
một thử nghiệm.
X = số tủ lạnh bán được trong ngày
Các biến ngẫu nhiên rời rạc chỉ có thể giả sử một
tập giá trị hữu hạn hoặc giới hạn.
Các biến ngẫu nhiên liên tục có thể giả định

bất kỳ một trong số các giá trị vô hạn.

Biến ngẫu nhiên - Số
RANGE OF
NGẪU NHIÊN
CUỘC THÍ NGHIỆM OUTCOME NGẪU NHIÊN
BIẾN
BIẾN
Cổ phiếu 50 Số lượng cây thông Noel đã X 0, 1, 2,…, 50

cây thông Noel bán
Kiểm tra 600 Số lượng mặt hàng có thể chấp Y 0, 1, 2,…, 600
mặt hàng nhận được
Gửi 5.000 thư Số người trả lời Z 0, 1, 2,…, 5.000

chào hàng các bức thư
Xây nhà Phần trăm tòa nhà R 0 ≤ R ≤ 100

chung cư hoàn thành sau 4 tháng
Kiểm tra tuổi thọ Thời gian bóng đèn S 0 ≤ S ≤ 80.000

của bóng đèn (phút) kéo dài lên đến 80.000
phút
Bảng 2.4

Biến ngẫu nhiên - Không phải số
RANGE OF
CUỘC THÍ NGHIỆM OUTCOME BIẾN NGẪU NHIÊN NGẪU NHIÊN
BIẾN
Học sinh Hoàn toàn đồng ý (SA) 5 nếu SA 1, 2, 3, 4, 5

trả lời bảng Đồng ý (A) 4 nếu A..
câu hỏi Trung tính (N) X = 3 nếu N..

Không đồng ý (D) 2 nếu D.
Hoàn toàn không đồng ý (SD) 1 nếu SD
Một máy được Khiếm khuyết Y = 0 nếu bị lỗi 0, 1

kiểm tra Không bị lỗi 1 nếu không bị lỗi
Người tiêu Tốt 3 nếu tốt…. 1, 2, 3

dùng phản hồi Trung bình Z = 2 nếu trung bình
về cách họ thích Nghèo 1 nếu kém… ..
một sản phẩm
Bảng 2.5

Phân phối xác suất của một

Biến ngẫu nhiên rời rạc
Đối với các biến ngẫu nhiên rời

rạc , một xác suất được gán cho mỗi sự kiện.
Các học sinh trong lớp thống kê của Pat

Shannon vừa hoàn thành một bài kiểm tra gồm
5 bài toán đại số. Sự phân bố điểm đúng được
đưa ra trong bảng sau:


Biến ngẫu nhiên rời rạc
BIẾN NGẪU NHIÊN CON SỐ KHẢ NĂNG SINH LỜI

(X - Điểm) TRẢ LỜI P (X)
5 10 0,1 = 10/100
4 20 0,2 = 20/100
3 30 0,3 = 30/100
2 30 0,3 = 30/100
1 10 0,1 = 10/100
Tổng 100 1,0 = 100/100
Bảng 2.6
Phân phối xác suất tuân theo cả ba quy tắc:

1. Các sự kiện loại trừ lẫn nhau và mang tính toàn diện.
2. Các giá trị xác suất riêng lẻ nằm trong khoảng từ 0 đến 1.
3. Tổng tất cả các giá trị xác suất bằng 1.
Phân phối xác suất cho lớp

của Tiến sĩ Shannon
0,4 -
0,3 -
0,2 -
0,1 -
0 -
| | | | | |
Hình 2.5
1 2 3 4 5
X
Phân phối xác suất cho lớp

của Tiến sĩ Shannon
0,4 - Xu hướng trung tâm của

phân phối là giá trị trung
bình hoặc giá trị kỳ vọng.
0,3 -
Lượng biến thiên là
phương sai.
0,2 -
0,1 -
0 -
Hình 2.5 | | | | | |
1 2 3 4 5
X
Giá trị mong đợi của một rời rạc

Phân phối xác suất
Giá trị kỳ vọng là thước đo xu hướng trung tâm

của phân phối và là giá trị trung bình có trọng
số của các giá trị của biến ngẫu nhiên.
N
()XiP
EX = Xi ( )
tôi
=1
= X1P(X1) () X2P X2 + + XnP (Xn

+ ...)
ở đâu
Xi = các giá trị có thể có của biến ngẫu nhiên
)(
PN Xi= xác suất của mỗi giá trị có thể có của biến ngẫu nhiên
=
tôi 1
= dấu tổng kết cho biết chúng ta đang thêm tất cả n
những giá trị khả thi
VÍ DỤ) = giá trị kỳ vọng hoặc giá trị trung bình của mẫu ngẫu nhiên
Giá trị mong đợi của một rời rạc

Phân phối xác suất
Đối với lớp của Tiến sĩ Shannon:
()XiP
EX = Xi ( )
tôi
=1
= 5 (0,1)+ 4 (0,2)+3 (0,3)+2 (0,3) +1 (0,1)

= .5
+ +.8+ .9
+ .6 .1
= 2,9

Phương sai của một
Phân phối xác suất rời rạc
Đối với phân phối xác suất rời rạc, phương

sai có thể được tính bằng
=
σ 2Phương sai = - 2
[()]
Xi EXP()
Xi
tôi
=1
ở đâu
Xi = các giá trị có thể có của biến ngẫu nhiên
VÍ DỤ) = giá trị mong đợi của biến ngẫu nhiên

tôi
= sự khác biệt giữa mỗi giá trị của ngẫu nhiên
biến và giá trị trung bình dự kiến

)(
P Xi= xác suất của mỗi giá trị có thể có của biến ngẫu nhiên

5
- 2
phương sai [()]
Xi EXP(Xi )
= 1
=
tôi
2 2
phương sai = (5 - 2,9) (0,1) + (4 - 2,9) (0,2) +
2 2
(3 2,9) (0,3) + (2 2,9) (0,3) +
2
= 0.441+ 0.242+0 .003+0 .243 +0 .

361
= 1 .29

Một thước đo độ phân tán có liên quan là

độ lệch chuẩn.
σ = Phương sai = σ 2
ở đâu
= căn bậc hai

σ = độ lệch chuẩn

Một thước đo độ phân tán có liên quan là

độ lệch chuẩn.
σ = Phương sai = σ 2
ở đâu
= căn bậc hai

σ = độ lệch chuẩn
σ = Phương sai
= 1,29 = 1,14

Sử dụng Excel
Công thức trong Bảng tính Excel cho Dr.

Ví dụ Shannon
Chương trình 2.1A

Sử dụng Excel
Kết quả Excel cho Ví dụ Tiến sĩ Shannon
Chương trình 2.1B


Biến ngẫu nhiên liên tục
Vì các biến ngẫu nhiên có thể nhận vô số giá trị, các

quy tắc cơ bản cho các biến ngẫu nhiên liên tục phải
được sửa đổi.
Tổng các giá trị xác suất vẫn phải bằng 1.
Xác suất của từng giá trị riêng lẻ của biến ngẫu
nhiên xảy ra phải bằng 0 hoặc tổng sẽ lớn vô hạn.
Phân phối xác suất được xác định bởi một hàm
toán học liên tục được gọi là hàm mật độ xác suất
hoặc chỉ hàm xác suất.
Điều này được biểu diễn bởi f (X).


Biến ngẫu nhiên liên tục
| | | | | | |
5,06 5.10 5.14 5.18 5,22 5,26 5.30
Trọng lượng (gam)
Hình 2.6
Phân phối nhị thức
Nhiều thử nghiệm kinh doanh có thể được

đặc trưng bởi quá trình Bernoulli.
Quá trình Bernoulli được mô tả bằng phân phối
xác suất nhị thức.
1. Mỗi thử nghiệm chỉ có hai kết quả có thể xảy ra.
2. Xác suất của mỗi kết quả không đổi từ lần thử
nghiệm này sang lần thử nghiệm tiếp theo.
3. Các thử nghiệm độc lập về mặt thống kê.

4. Số lần thử là một số nguyên dương.

Phân phối nhị thức được sử dụng để tìm xác suất của một số
thành công cụ thể trong n lần thử.
Chúng ta cần biết:
n = số lần thử
= xácđơn
nghiệm suấtlẻthành
nào công của p bất kỳ thử
Chúng tôi để
r = số lần thành công
q = 1 - p = xác suất thất bại

Công thức của nhị thức là:
N !
trong các thửN nghiệm =
-
r
Xác suất thành công
rnr
rnr -
! ( pq )!
Biểu tượng ! nghĩa là giai thừa, và

n! = n (n - 1) (n - 2)… (1)
Ví dụ
4! = (4) (3) (2) (1) = 24
Theo định nghĩa
1! = 1 và 0! = 1

Phân phối nhị thức cho n = 5 và p = 0,50.
5!
0 0,03125 = (0,5) 0 (0,5) 5 - 0 0! (5
- 0)! 5! (0,5) 1 (0,5) 5 - 1 1! (5
- 1)! 5! (0,5) 2 (0,5) 5 - 2
1 0,15625 = 2! (5 - 2)! 5!
(0,5) 3 (0,5) 5 - 3 3! (5 - 3)! 5!
(0,5) 4 (0,5) 5 - 4 4! (5 -
2 0,31250 = 4)! 5! (0,5) 5
(0,5) 5 - 5 5! (5 - 5)!
3 0,31250 =
4 0,15625 =
Bảng 2.7 5 0,03125 =

Giải quyết vấn đề với

Công thức nhị thức
Chúng ta muốn tìm xác suất của 4 cái đầu trong 5 lần tung.
n = 5, r = 4, p = 0,5 và q = 1 - 0,5 = 0,5
Như vậy
5!
P = (4 thành công trong 5 lần thử nghiệm) =
4 5- 4
0,5 0,5
-
4! (5 4)!
5 ()
4 ()
3 2()1 ()
= 0 0625
(.) 0 ()
(.) () 5 0= 15625
.
4 ()
3 (!)
2 1 1


Công thức nhị thức
Phân phối xác suất nhị thức cho n = 5 và p = 0,50.

0,4 -
0,3 -
0,2 -
0,1 -
0 -| | | | | | |
Hình 2.7 1 2 3 4 5 6
Giá trị của r (số lần thành công)

Bảng nhị thức
MSA Electronics đang thử nghiệm sản xuất một bóng

bán dẫn mới.
Mỗi giờ, một mẫu ngẫu nhiên gồm 5 bóng bán dẫn là
Lấy.
Xác suất của một bóng bán dẫn bị lỗi

là 0,15.
Xác suất tìm thấy 3, 4 hoặc 5 bị lỗi là bao nhiêu?

Vì thế
n = 5, p = 0,15 và r = 3, 4 hoặc 5
Chúng ta có thể sử dụng công thức để giải quyết vấn đề này,

nhưng sử dụng bảng sẽ dễ dàng hơn.


Bảng nhị thức
P
N r 0,05 0,10 0,15
5 0 0,7738 0,5905 0,4437

1 0,2036 0,3281 0,3915
2 0,0214 0,0729 0,1382
3 0,0011 0,0081 0,0244
4 0,0000 0,0005 0,0022

5 0,0000 0,0000 0,0001
Bảng 2.8 (một phần)
Chúng ta tìm ba xác suất trong bảng cho n =

5, p = 0,15,lại
và với
r = nhau.
3, 4 và 5 và cộng chúng


Bảng nhị thức
P
P (3 khuyết
N r tật trở 0,05
lên) = P (3) + P0,10
(4) + P (5) 0,15
5 0 0,7738 = 0,0244 + 0,0022+
0,5905 0,4437 0,0001 = 0,0267
1 0,2036 0,3281 0,3915
2 0,0214 0,0729 0,1382
3 0,0011 0,0081 0,0244

4 0,0000 0,0005 0,0022
5 0,0000 0,0000 0,0001
Chúng tôi tìm ba xác suất trong bảng cho n

= 5, p = 0,15,
chúng
và lại
r = với
3, 4nhau
và 5 và cộng


Bảng nhị thức
Dễ dàng tìm thấy giá trị kỳ vọng (hoặc giá trị trung bình) và
phương sai của một phân phối nhị thức.
Giá trị mong đợi (trung bình) = np
Phương sai = np (1 - p)
Đối với ví dụ MSA:
Gia tri đươ c ki vo ng

= np 0 15= 0 .75
5(.)
Phương sai = np 1p -()
= 5(.) 0 85= 0 .6375
0 15(.)

Sử dụng Excel
Hàm trong bảng tính Excel 2010 cho nhị thức

Xác suất

Sử dụng Excel
Kết quả Excel cho ví dụ nhị thức

Phân phối bình thường
Phân phối chuẩn là một trong những phân phối

xác suất liên tục phổ biến và hữu ích nhất.
Công thức cho hàm mật độ xác suất khá phức
tạp:
2
- -
(x )
2
2
Phân phối chuẩn được chỉ định

hoàn toàn khi chúng ta biết giá trị trung
bình, µ và độ lệch chuẩn, .

Phân phối chuẩn là đối xứng,

với điểm giữa đại diện cho giá trị trung bình.
Dịch chuyển giá trị trung bình không làm
thay đổi hình dạng của phân phối.
Các giá trị trên trục X được đo bằng số độ
lệch chuẩn so với giá trị trung bình.
Khi độ lệch chuẩn càng lớn, đường cong càng

phẳng.
Khi độ lệch chuẩn càng nhỏ, đường cong
càng dốc.
| 40
| 50
| 40 | 50
Hình 2.8

Hình 2.9
µ
Sử dụng bảng thông thường tiêu chuẩn
Bước 1
Chuyển phân phối chuẩn thành phân phối chuẩn chuẩn.
Phân phối chuẩn chuẩn có giá trị trung bình là 0 và độ lệch

chuẩn là 1
Biến ngẫu nhiên tiêu chuẩn mới là Z
X -
Z =
ở đâu
µ = trung bình của phân phối

Ví dụ, µ = 100, = 15, và chúng ta muốn tìm xác suất

để X nhỏ hơn 130.
X - 130 100
Z = =
15
=
30
2 stddev
15
| | | |
| 55 | 70 | 85 100 115 130 145
|
| –3 | –2 | –1 | 0 | 1 | 2 3
2-76
Hình 2.10
Bản quyền © 2012 Pearson Education
Bước 2
Tra cứu xác suất từ bảng bình thường
các khu vực đường cong.
Sử dụng Phụ lục A hoặc Bảng 2.9 (phần bên dưới).

Cột bên trái có Z giá trị.
Hàng ở trên cùng có chữ số thập phân thứ

hai cho các giá trị Z.
KHU VỰC THEO KHU VỰC THƯỜNG XUYÊN
Z 0,00 0,01 0,02 0,03
1,8 0,96407 0,96485 0,96562 0,96638

P (X <130)
1,9 0,97128 0,97193 0,97257 0,97320
= P (Z <2,00)
2.0 0,97725 0,97784 0,97831 0,97882
2.1 0,98214 0,98257 0,98300 0,98341

= 0,97725
2,2 0,98610 0,98645 0,98679 0,98713

Công ty xây dựng Haynes
Haynes xây dựng các tòa nhà căn hộ ba và bốn đơn nguyên
(tương ứng được gọi là ba tầng và bốn căn hộ ).
Tổng thời gian xây dựng tuân theo phân phối chuẩn.
Đối với bộ ba lần, µ = 100 ngày và = 20 ngày.

Hợp đồng yêu cầu hoàn thành trong 125 ngày, và việc hoàn
thành trễ sẽ phải chịu một khoản phí phạt nặng.
Xác suất hoàn thành trong 125 là bao nhiêu
ngày nào?

Từ Phụ lục A, với Z = 1,25,

diện tích là 0,89435.
25 Xác suất khoảng 0,89 là
= 1 .25
20 Haynes sẽ không vi phạm
hợp đồng.
100ngày
µ = 20 ngày X = 125 ngày
Hình 2.11

Giả sử rằng việc hoàn thành một bộ ba mặt trong 75 ngày

hoặc ít hơn sẽ kiếm được khoản tiền thưởng là 5.000 đô la.
Xác suất Haynes sẽ nhận được tiền thưởng là bao nhiêu?

X - 75 100
Z = =
20 Nhưng Phụ lục A chỉ có
- 25 các giá trị Z dương , và
= = - 1 .25
20 xác suất chúng ta đang tìm là
ở đuôi âm.
P (X <75 ngày)
Diện tích
Quan tâm
X = 75 ngày µ = 100 ngày
Hình 2.12
X - 75 100 Bởi vì đường cong là

Z = =
20 đối xứng, chúng ta có thể nhìn
vào xác suất ở đuôi dương trong
- 25
= = - 1 .25 cùng một khoảng cách với giá trị
20 trung bình.
P (X> 125 ngày)

Diện tích
Quan tâm

Chúng tôi biết xác suất

hoàn thành trong 125 ngày
là 0,89435.
Vậy xác suất hoàn
thành trong hơn 125
ngày là 1 - 0,89435
= 0,10565.

Xác suất hoàn

thành trong hơn 125 ngày
là 1 - 0,89435 = 0,10565.
Quay lại phần đuôi

bên trái của bản
phân phối:
X = 75 ngày µ = 100 ngày
Xác suất hoàn thành trong vòng ít hơn 75 ngày

là 0,10565.

Xác suất để hoàn thành một bộ ba trong vòng 110 và

125 ngày là bao nhiêu?
Chúng ta biết xác suất hoàn thành trong 125 ngày,

P (X <125) = 0,89435.
Ta phải tính xác suất hoàn thành trong 110

ngày và tìm tích giữa hai sự kiện đó.

X - 110 100 Từ Phụ lục A, với Z = 0,5, diện

Z = =
20 tích là 0,69146.
P (110 < X <125) = 0,89435 -
10
= 0 .5 0,69146 = 0,20289.
20
= 20 ngày
= 100
µ ngày 110 125
Hình 2.13 ngày ngày

Sử dụng Excel
Hàm trong Bảng tính Excel 2010 cho

Ví dụ về phân phối bình thường

Sử dụng Excel
Kết quả đầu ra của Excel cho ví dụ về phân phối chuẩn

Quy tắc thực nghiệm
Đối với một biến ngẫu nhiên có phân phối chuẩn với
giá trị trung bình µ và độ lệch chuẩn ,thì
2. Khoảng 95,4% giá trị sẽ nằm trong khoảng ± 2 sau đó

Quy tắc thực nghiệm
16% 68% 16%
–1 + 1
a µ b
2,3% 95,4% 2,3%
–2 +2
một
µ b
99,7%
Hình 2.14

Phân phối F
Nó là một phân phối xác suất liên tục.

Thống kê F là tỷ số của hai phương sai mẫu.
Các phân phối F có hai bộ bậc tự do.
Bậc tự do dựa trên cỡ mẫu và được sử dụng để tính tử

số và mẫu số của tỷ số.
df1 = bậc tự do cho tử số

df2 = bậc tự do cho mẫu số
Xác suất của các giá trị lớn của F là rất

nhỏ bé.
Phân phối F
F
Hình 2.15

Phân phối F
Hãy xem xét ví dụ: df1 =
5 df2
= 6 = 0,05
Từ Phụ lục D, chúng tôi nhận được
= 4,39
F , df1, df2 = F0,05, 5, 6
Điều này có nghĩa là
P (F > 4,39) = 0,05
Xác suất chỉ 0,05 F sẽ vượt 4,39.

Phân phối F
Giá trị F cho xác suất

0,05 với 5 và 6 bậc tự do
0,05
F = 4,39
Hình 2.16

Sử dụng Excel

Sử dụng Excel
Kết quả Excel cho Phân phối F

Phân phối theo cấp số nhân
Phân phối hàm mũ (còn gọi là phân phối hàm

mũ âm) là một phân phối liên tục thường được
sử dụng trong các mô hình xếp hàng để mô tả
thời gian cần thiết để phục vụ khách hàng.
Hàm xác suất của nó được cho bởi:
f ()
X =e
ở đâu
X = biến ngẫu nhiên (thời gian phục vụ)
lý =trong
số đơn
mộtvị trung thời
khoảng bình gian
mà cơ
cụ sở
thểdịch vụ µ có thể xử
e = 2,718 (cơ số của logarit tự nhiên)

f (X)
2

Hình 2.17
Arnold's Muffler Shop
Arnold's Muffler Shop cài đặt mới

bộ giảm thanh trên ô tô và xe tải nhỏ.
Người thợ có thể lắp 3 bộ giảm âm mới mỗi giờ.
Thời gian phục vụ được phân bổ theo cấp số nhân.
Xác suất để thời gian lắp một bộ giảm âm mới là ½ giờ

hoặc ít hơn là bao nhiêu?

Nơi đây:
X = Thời gian dịch vụ được phân phối theo cấp số nhân
mỗi= giờ
số đơn vị trung bình được phục vụ trong một khoảng thời gian = µ 3
t = ½ giờ = 0,5 giờ
-1,5 = 1 = 0,2231 = 0,7769

P (X≤0,5) = 1 - e -3 (0,5) = 1 - e

Cũng lưu ý rằng nếu:
-1,5 = 1 = 0,2231 = 0,7769

P (X≤0,5) = 1 - e -3 (0,5) = 1 - e
Sau đó, nó phải là trường hợp:
P (X> 0,5) = 1 - 0,7769 = 0,2231

Xác suất mà thợ máy sẽ lắp bộ giảm âm trong 0,5 giờ
Hình 2.18
Sử dụng Excel
Hàm trong Bảng tính Excel cho


Sử dụng Excel
Kết quả Excel cho Phân phối theo cấp số nhân

Phân phối Poisson là một
phân phối thường được sử dụng trong mô hình xếp hàng

để mô tả tỷ lệ đến theo thời gian.
Hàm xác suất của nó được cho bởi:
e
PX() =
X!
ở đâu
P (X) = xác suất chính xác X đến hoặc xuất hiện
= số lượng khách đến trung bình trên một đơn vị thời

gian (tỷ lệ đến trung bình)
e = 2,718, cơ số của logarit tự nhiên
X = giá trị cụ thể (0, 1, 2, 3,…) của biến ngẫu nhiên

Giá trị trung bình và phương sai của phân phối đều
.
Giá trị mong đợi =

Phương sai =

Chúng ta có thể sử dụng Phụ lục C để tìm xác suất Poisson.

Giả sử rằng λ = 2. Một số phép tính xác suất là:
e
PX() =
X!
2
P (0)
= = 1 (0,1353) = 0,1353
0! 1
2
P (1)= = 2 (0,1353) = 0,2706
1! 1
2 4 (0,1353)
P (2)= = = 0,2706
2! 2

Phân bố Poisson mẫu với λ = 2 và λ = 4
Hình 2.19

Sử dụng Excel
Các hàm trong Bảng tính Excel 2010 cho


Sử dụng Excel
Kết quả Excel cho Phân phối Poisson

Hàm mũ và Poisson
Cùng với nhau
Nếu số lần xuất hiện mỗi lần

chu kỳ tuân theo phân phối Poisson, sau đó
thời gian giữa các lần xuất hiện tuân theo
phân phối hàm mũ:
Giả sử số lượng cuộc gọi vào một
trung tâm dịch vụ tuân theo phân phối Poisson với
trung bình 10 cuộc gọi mỗi giờ.
Sau đó, thời gian giữa mỗi cuộc gọi sẽ được
phân phối theo cấp số nhân với thời gian trung
bình giữa các cuộc gọi là 6 phút (1/10 giờ).

Bản quyền
Đã đăng ký Bản quyền. Không một phần nào của ấn phẩm này có
thể được sao chép, lưu trữ trong hệ thống truy xuất, hoặc truyền
tải, dưới bất kỳ hình thức nào hoặc bằng bất kỳ phương tiện nào,
điện tử, cơ khí, photocopy, ghi âm, hoặc bằng cách khác, mà không
có sự cho phép trước bằng văn bản của nhà xuất bản. Được in tại
Hoa Kỳ.

QAM Chapter 2

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

QAM Chapter 2

Uploaded by

Copyright:

Available Formats

Machine Translated by Google

Các khái niệm về xác suất và

Mục tiêu học tập

1. Hiểu những nền tảng cơ bản của

phân tích xác suất.

2. Mô tả các sự kiện phụ thuộc và độc lập

4. Mô tả và cung cấp ví dụ về cả hai

2.1 Giới thiệu

2.2 Các khái niệm cơ bản

2.4 Các sự kiện độc lập về mặt thống kê

2.7 Các sửa đổi xác suất khác

Bản quyền © 2012 Pearson Education 2-3

2.8 Biến ngẫu nhiên 2.9

Phân phối xác suất 2.10 Phân phối

Bản quyền © 2012 Pearson Education 2-4

Cuộc sống không chắc chắn; chúng tôi không chắc

chắn những gì tương lai sẽ mang lại.

Xác suất là một số

Bản quyền © 2012 Pearson Education 2-5

Các khái niệm cơ bản

1. Xác suất P của bất kỳ sự kiện hoặc

2. Tổng các xác suất đơn giản cho tất cả

Các chương trong cuốn sách này

3 Phân tích quyết định

Lý thuyết trò chơi mô-đun 4

Bản quyền © 2012 Pearson Education 2-7

Nhu cầu sơn mủ trắng tại Sơn Đa Dạng

Bản quyền © 2012 Pearson Education 2-8

Nhu cầu sơn latex trắng tại Đa dạng Sơn và

Trong 200 ngày

0 P (sự kiện) = 1,00

Bản quyền © 2012 Pearson Education 2-9

Các loại xác suất

Xác định xác suất mục tiêu : Tần suất

tương đối Thông thường dựa trên dữ

Số lần xuất hiện của sự kiện

Phương pháp cổ điển hoặc logic

1 Số cách để có được một cái đầu

Bản quyền © 2012 Pearson Education 2-10

Các loại xác suất

Xác suất chủ quan dựa trên kinh nghiệm và nhận

Phương pháp Delphi

Bản quyền © 2012 Pearson Education 2-11

Sự kiện loại trừ lẫn nhau

Các sự kiện được cho là loại trừ lẫn

Tung đồng xu sẽ có đầu

Lăn xúc xắc sẽ chỉ dẫn đến

Bản quyền © 2012 Pearson Education 2-12

Sự kiện kết thúc tập thể

Các sự kiện được cho là tổng thể

có của việc tung 1

Tất cả sáu kết quả 1

tung súc sắc. 1

Bản quyền © 2012 Pearson Education 2-13

Rút một lá bài từ bộ bài 52 lá chơi

Hai sự kiện này không loại trừ lẫn nhau vì có thể

Hai sự kiện này không gọi chung

Bản quyền © 2012 Pearson Education 2-14

Bảng sự khác biệt

HỖ TRƠ TẬP THỂ

1. Rút một con thuổng và một câu lạc Đúng Không

bộ 2. Rút một thẻ mặt và một thẻ số Đúng Đúng

3. Rút một con át và một con 3 Đúng Không