Professional Documents
Culture Documents
SUẤT
UTEX
www.hcmute.edu.vn
Chương 4 trang bị cho sinh viên
* Kiến thức cơ bản về biến ngẫu nhiên liên tục và luật phân phối xác suất của
biến ngẫu nhiên liên tục.
* Khả năng phân tích, giải thích và lập luận để giải quyết các bài toán xác
suất về biến ngẫu nhiên liên tục.
Sau khi học xong chương 4 sinh viên có thể
* Hiểu được khái niệm biến ngẫu nhiên liên tục và luật phân phối xác suất của
biến ngẫu nhiên liên tục.
* Nhận diện được các phân phối xác suất của biến ngẫu nhiên liên tục thường
gặp.
* Áp dụng được các kiến thức đã học để giải quyết các bài toán xác suất về
biến ngẫu nhiên liên tục trong thực tế.
Nội dung
1 Hàm mật độ xác suất
2 Hàm phân phối tích lũy và các tham số đặc trưng
3 Phân phối xác suất của biến ngẫu nhiên liên tục
Phân phối đều
Phân phối chuẩn
Phân phối mũ
Phân phối Gamma
Phân phối Chi-bình phương
Một số phân phối liên tục khác
Hàm mật độ xác suất
Hàm mật độ xác suất
Biến ngẫu nhiên X gọi là rời rạc nếu:
Tập giá trị có thể có của nó là tập hữu hạn hay vô hạn đếm được .
Ví dụ: Xsố bi đỏ trong 2 bi lấy ra ={ 0;1;2 }
Biến ngẫu nhiên X gọi là liên tục nếu:
1. Các giá trị có thể có của X nằm trong một khoảng số thực hoặc là hợp
của các khoảng rời nhau;
2. P(X = c) = 0 với bất kì số c là một giá trị của X .
Định nghĩa hàm mật độ xác suất: Cho X là một biến ngẫu nhiên liên tục.
Khi đó, hàm mật độ xác suất của X là hàm số f (x) sao cho với bất kì hai giá
Rb
trị a, b và a ≤ b thì P(a ≤ X ≤ b) = a f (x)dx.
Hơn nữa, f (x) phải thỏa mãn hai điều kiện:
1. f (x) ≥ 0 với mọi x.
R∞
2. −∞ f (x)dx = 1.
Hàm mật độ xác suất
Lưu ý:
P(a ≤ X ≤ b) = P(a < X ≤ b)
Rb
= P(a ≤ X < b) = P(a < X < b) = a f (x)dx.
Ra
P(X < a) = −∞ f (x)dx
R +∞
P(X > b) = b f (x)dx
Hàm mật độ xác suất
1
0 ≤ x < 270,
Ví dụ: Cho hàm f (x) = 270
0 nơi khác.
Ta thấy rằng
1. f (x) ≥ 0
R∞ R 270 1
2. −∞ f (x)dx = 0 dx = 1
270
Như vậy f (x) là hàm mật độ xác suất của biến ngẫu nhiên liên tục X nào đó.
Khi đó Z 170
1 1
P(80 ≤ X ≤ 170) = dx =
80 270 3
Hàm mật độ xác suất
Ví dụ Tuổi thọ của một loại côn
( trùng A là một biến ngẫu nhiên X (đơn vị:
kx 2 .(4 − x) 0 ≤ x ≤ 4
tháng) có hàm mật độ f (x) =
0 nơi khác
1. Tìm k
2. Quan sát ngẫu nhiên một con côn trùng thuộc loài A, tính xác suất côn
trùng chết trước khi nó được một tháng tuổi
3. Tính P(1, 5 < X < 3)
4. Tính P(X > 3, 5)
5. Quan sát ngẫu nhiên một con côn trùng thuộc loài A sống qua một tháng
tuổi, tính xác suất nó chết trước khi được hai tháng tuổi
Hàm phân phối tích lũy của biến ngẫu nhiên liên tục
Hàm phân phối tích lũy của biến ngẫu nhiên liên tục
Hàm phân phối tích lũy:
F (c) của biến ngẫu nhiên liên tục X có hàm mật độ xác suất f (x) xác định
bởi Z c
F (c) = P(X ≤ c) = f (x)dx; với c ∈ R.
−∞
Hàm phân phối tích lũy của biến ngẫu nhiên liên tục
Mệnh đề:
Biến ngẫu nhiên liên tục X có hàm mật độ f (x) và hàm phân phối F (c).
1. P(X > a) = 1 − P(X ≤ a) = 1 − F (a) với mọi số thực a.
2. P(a ≤ X ≤ b) = P(X ≤ b) − P(X < a) = F (b) − F (a). với a < b thì
3. F 0 (c) = f (c) với mọi c sao cho đạo hàm F 0 (c) tồn tại.
Hàm phân phối tích lũy của biến ngẫu nhiên liên tục
3
(1 − x 2 ) −1 ≤ x ≤ 1
Ví dụ Cho X có hàm mật độ f (x) = 4
0 nơi khác
1. Tìm hàm phân phối xác suất của X
2. Tính P(−0, 9 ≤ X ≤ 0) và P(X > 0, 5)
Hàm phân phối tích lũy của biến ngẫu nhiên liên tục
Rc Rc
*) Với c < −1 thì F (c) = −∞ f (x)dx = −∞ 0dx = 0.
Hàm phân phối tích lũy của biến ngẫu nhiên liên tục
Rc
*) Với giá trị c bất kì trong đoạn [−1; 1], ta có F (c) = −∞ f (x)dx =
Hàm phân phối tích lũy của biến ngẫu nhiên liên tục
Giải: 1. Tìm hàm phân phối xác suất của X .
3
(1 − x 2 ) −1 ≤ x ≤ 1
Ví dụ Cho X có hàm mật độ f (x) = 4
0 nơi khác
Giải:
2. Tính P(−0, 9 ≤ X ≤ 0) và P(X > 0, 5)
Phân vị của phân phối liên tục
Phân vị của phân phối liên tục
Câu hỏi: Cho biến ngẫu nhiên liên tục X
Ví dụ: Phân vị thứ 50 của biến ngẫu nhiên X liên tục là giá trị η(0, 5) thỏa
mãn Z η(0,5)
0, 5 = F (η(0, 5)) = P(X ≤ η(0, 5)) = f (x)dx
−∞
Ví dụ: Biến
ngẫu nhiên X có hàm mật độ
3
(1 − x 2 ) −1 ≤ x ≤ 1,
f (x) = 4
0 nơi khác.
1. Tìm phân vị thứ 20 của phân phối liên tục.
2. Tìm phân vị thứ 50 của phân phối liên tục.
3
(1 − x 2 ) −1 ≤ x ≤ 1,
Ví dụ: Biến ngẫu nhiên X có hàm mật độ f (x) = 4
0 nơi khác.
Rc 3
Giải: Với c ∈ [−1, 1] : F (c) = P(X ≤ c) = −1 (1 − x 2 )dx
4
3 3
c3
3 c 3 (−1) 3
= c− − −1 − = c− + 0.5
4 3 4 3 4 3
Phân vị thứ (100p) của phân phối này thỏa mãn biểu thức
η(p)3
3
p = F (η(p)) = η(p) − + 0.5
4 3
nghĩa là (η(p))3 − 3η(p) + 4p − 2 = 0
Giải: Với (η(p))3 − 3η(p) + 4p − 2 = 0
1.Phân vị thứ 20 (p = 0, 2) là η(0, 2) là nghiệm phương trình
η 3 − 3η − 1.6 = 0;
Giải phương trình có nghiệm tương ứng là η = η(0, 2) = −0.608399.
là các giá trị chia phân phối thành 4 phần bằng nhau.
Phân vị của phân phối liên tục
Kỳ vọng và phương sai của phân phối liên tục
Kỳ vọng của phân phối liên tục
Kỳ vọng hay giá trị trung bình của một biến ngẫu nhiên liên tục X với hàm
mật độ f (x) là Z ∞
µX = E (X ) = x · f (x)dx
−∞
Ý nghĩa: Kỳ vọng của biến ngẫu nhiên X là trung bình các giá trị có thể có
của X theo xác suất.
Tính chất của kỳ vọng:
1. E (C ) = C với C là hằng số.
2. E (C .X ) = C .E (X ) với C là hằng số.
3. E (X + Y ) = E (X ) + E (Y ).
4. E (X .Y ) = E (X ).E (Y ) với X,Y là hai biến ngẫu nhiên độc lập.
Ví dụ: E (5X + 3Y + 9) = E (5X ) + E (3Y ) + E (9) = 5EX + 3EY + 9
Kỳ vọng của phân phối liên tục
Mệnh đề Cho X là biến ngẫu nhiên liên tục và h(X ) là hàm bất kì của X .
Z ∞
E [h(X )] = µh(X ) = h(x) · f (x)dx
−∞
1. Tính tuổi thọ trung bình của loài côn trùng này
2. Tính phương sai và độ lệch chuẩn cho tuổi thọ của loài côn trùng này
3. Tính E(2X+8)
4. Tính V(3X-1)
Phân phối đều
Phân phối đều
Phân phối đều
Định nghĩa Một biến ngẫu nhiên liên tục X có phân phối đều trên [A, B]
nếu hàm mật độ của X là
1
A≤x ≤B
f (x; A, B) = B − A
0 nơi khác.
Kí hiệu X ∼ U(A; B)
Mệnh đề X có phân phối đều trên [A, B] thì
A+B (A − B)2
E (X ) = ; V (X ) =
2 12
Phân phối đều
Hàm phân phối tích luỹ của phân phối đều:
Cho X là biến ngẫu nhiên có phân phối đều trên [A, B].
c < A thì F (c) = 0 vì không có diện tích phía bên trái x < A.
c ≥ B thì F (c) = 1 vì toàn bộ diện tích tích lũy phía bên trái x > B.
Phân phối đều
Hàm phân phối tích luỹ của phân phối đều:
Cho X là biến ngẫu nhiên có phân phối đều trên khoảng [A, B].
Rc Rc 1 c −A
A ≤ c ≤ B thì F (c) = −∞ f (x)dt = A dt =
B −A B −A
Phân phối đều
Hàm phân phối tích luỹ của phân phối đều:
Cho X là biến ngẫu nhiên có phân phối đều trên khoảng [A, B]. Ta có:
0 c <A
c −A
F (c) = A≤c <B
B −A
1 c ≥B
Định nghĩa: Một biến ngẫu nhiên liên tục X gọi là có phân phối chuẩn với
hai tham số µ và σ 2 , trong đó −∞ < µ < ∞ và 0 < σ, nếu hàm mật độ của
X là 2
1 − (x−µ)
f (x; µ, σ) = √ e (2σ 2)
, −∞ < x < ∞
2πσ
Ký hiệu: X ∼ N(µ; σ 2 ).
Mệnh đề: Nếu X ∼ N(µ; σ 2 ) thì E (X ) = µ; V (X ) = σ 2
Phân phối chuẩn
Đồ thị của phân phối chuẩn: có dạng hình chuông
Dữ liệu chủ yếu tập trung quanh giá trị trung bình µ
Phân phối chuẩn
Giá trị trung bình µ là đặc trưng vị trí cho phân phối chuẩn
Phân phối chuẩn
Độ lệch chuẩn σ là đặc trưng cho mức độ lan truyền của dữ liệu có phân phối
chuẩn
Phân phối chuẩn
Quy tắc 3σ
P (µ − 2σ ≤ X ≤ µ + 2σ) = 0, 9544
Phân phối chuẩn
Quy tắc 3σ
P (µ − 3σ ≤ X ≤ µ + 3σ) = 0, 9974
Phân phối chuẩn
Phân phối chuẩn tắc
Định nghĩa Phân phối chuẩn với hai tham số µ = 0, σ = 1 gọi là phân phối
chuẩn tắc, ký hiệu là Z ∼ N(0; 1). Hàm mật độ của Z có dạng
1 z2
f (z; 0, 1) = √ e − 2 − ∞ < z < ∞
2π
Phân phối chuẩn
Phân phối chuẩn tắc Rz
Hàm phân phối của Z là P(Z ≤ z) = −∞ f (y ; 0, 1)dy = Φ(z).
Phân phối chuẩn
Phân phối chuẩn tắc
Bảng phân phối chuẩn tắc:
Phân phối chuẩn
Phân phối chuẩn tắc
Bảng phân phối chuẩn tắc:
P(X ≤ 1.96) = Φ(1.96) =
Phân phối chuẩn
Phân phối chuẩn tắc
Bảng phân phối chuẩn tắc:
P(X ≤ 1.96) = Φ(1.96) = 0.975
Phân phối chuẩn
Phân phối chuẩn tắc
Bảng phân phối chuẩn tắc:
P(X < −2.58) = Φ(−2.58) =
Phân phối chuẩn
Phân phối chuẩn tắc
Bảng phân phối chuẩn tắc:
Ví dụ Cho Z là biến ngẫu nhiên có phân phối chuẩn tắc Z ∼ N(0; 1). Tính:
a. P(Z ≤ 1, 25)
b. P(Z > 1, 25)
c. P(−0, 38 ≤ Z ≤ 1, 25)
Phân phối chuẩn
Phân vị thứ 99 của phân phối chuẩn tắc được ký hiệu là z0,01 .
Phân vị của phân phối chuẩn tắc
Ký hiệu zα biểu thị giá trị trên trục z mà α là diện tích vùng dưới đường
cong z và nằm bên phải zα .
Khi đó, zα chính là phân vị thứ 100(1 − α) của phân phối chuẩn tắc.
Phân vị của phân phối chuẩn tắc
Bảng phân vị của phân phối chuẩn tắc
Giải: Ta có µ = 3; σ = 2
X −3
Với Z = ∼ N(0; 1)
2
X −3 5−3 5−3
a) P(X < 5) = P < =P Z <
2 2 2
= P(Z < 1) = Φ(1) = 0, 8413
Phân phối chuẩn
Xấp xỉ chuẩn của phân phối nhị thức
Phân phối chuẩn
Ví dụ: Mua 100 tờ vé số, xác suất trúng của mỗi tờ là 0,1.
c/ Tính xác suất trúng từ 16 tờ trở lên . Đáp số: 0.0336
Phân phối chuẩn
Ví dụ: Tỷ lệ sản phẩm phải bảo hành của nhà máy M là 0,15866. Tính xác
suất có không quá 1500 sản phẩm phải bảo hành trong số 10000 sản phẩm .
Đáp số: ≈ 0.0094
Phân phối chuẩn
X −µ
X ∼ N(µ; σ 2 ) chuẩn tắc hoá về Z ∼ N(0; 1) bằng cách đặt Z =
σ
Tra bảng chuẩn chuẩn tắc Z ∼ N(0; 1) để tìm xác suất
Phân vị của phân phối chuẩn zα
Xấp xỉ phân phối nhị thức về phân phối chuẩn
Phân phối mũ
Phân phối mũ
Định nghĩa: Biến ngẫu nhiên X gọi là có phân phối mũ với tham số λ
(λ > 0) khi X có hàm mật độ xác suất
(
λe −λx x ≥ 0,
f (x) =
0 nơi khác.
Phân phối mũ
Hàm phân phối tích luỹ của X là
(Rc
0 λe −λx dx = 1 − e −λc c ≥ 0,
F (c; λ) = P(X ≤ c) =
0 c <0
1 1
Kỳ vọng và Phương sai : E (X ) = µX = ; V (X ) = σX2 =
λ λ2
Phân phối mũ
Ví dụ Cho X là biến ngẫu nhiên có phân phối mũ với giá trị trung bình là 6.
a) Tính P(X ≤ 10)
b) Tính P(5 ≤ X ≤ 10)
Phân phối mũ
Tính chất không nhớ của phân phối mũ :
X là biến ngẫu nhiên có phân phối mũ với tham số λ
Giả sử
X : tuổi thọ của sản phẩm (hay thời gian sử dụng cho đến khi sản phẩm hỏng)
t : thời gian đã sử dụng của sản phẩm
s : thời gian sử dụng thêm của sản phẩm cho đến khi sản phẩm hỏng
Tính xác suất sản phẩm sử dụng được trên s năm khi biết sản phẩm đã sử
dụng được t năm rồi?
Phân phối mũ
Tính chất không nhớ của phân phối mũ :
X là biến ngẫu nhiên có phân phối mũ với tham số λ
Giả sử
X : tuổi thọ của sản phẩm (hay thời gian sử dụng cho đến khi sản phẩm hỏng)
t : thời gian đã sử dụng của sản phẩm
s : thời gian sử dụng thêm của sản phẩm cho đến khi sản phẩm hỏng
Tính xác suất sản phẩm sử dụng được trên s năm khi biết sản phẩm đã sử
dụng được t năm rồi?
Phân phối mũ
Tính chất không nhớ của phân phối mũ :
Tính xác suất sản phẩm sử dụng được trên s năm khi biết sản phẩm đã sử
dụng được t năm rồi?