Slide XSTK Chương4

Chương 4: BIẾN NGẪU NHIÊN LIÊN TỤC VÀ PHÂN PHỐI XÁC
SUẤT
Nguyễn Hồng Nhung - Lê Thị Mai Trang
Bộ môn Toán, Khoa Khoa học Ứng dụng

Đại học Sư phạm Kỹ thuật Tp. HCM
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
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 .
Ví dụ: Xđộ sâu của hồ nước =(2; 5) mét

Biến rời rạc X: Bảng phân phối xác suất
Biến liên tục X: Xđộ sâu của hồ nước =(2; 5) mét .

Tính xác suất cho các giá trị X? Tính P(3 < X < 4.5) , P(X < 4)?
Biến liên tục X: Kí hiệu hàm mật độ xác suất của X là hàm số f (x)
f (x) ≥ 0 với mọi x;

Rb
P(a ≤ X ≤ b) = a f (x)dx
Biến liên tục X: Kí hiệu hàm mật độ xác suất của X là hàm số f (x)
f (x) ≥ 0 với mọi x;

Rb R∞
P(a ≤ X ≤ b) = a f (x)dx; −∞ f (x)dx =1
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.
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

 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
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:
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.
−∞
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.

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)
Giải: 1. Tìm hàm phân phối xác suất của X .
Rc Rc
*) Với c < −1 thì F (c) = −∞ f (x)dx = −∞ 0dx = 0.
Rc
*) Với giá trị c bất kì trong đoạn [−1; 1], ta có F (c) = −∞ f (x)dx =
*) Với c > 1 thì Z c

F (c) = f (x)dx =
−∞

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
Câu hỏi: Cho biến ngẫu nhiên liên tục X
1/ Tìm vị trí a trên trục Ox mà P(X ≤ a) = 0.2

–> a được gọi là phân vị thứ 20 của phân phối của biến liên tục X
Câu hỏi: Cho biến ngẫu nhiên liên tục X
2/ Tìm vị trí b trên trục Ox mà P(X ≤ b) = 0.5

–> b được gọi là phân vị thứ 50 của phân phối của biến liên tục X
Định nghĩa Cho p là một số thuộc [0, 1]. Phân vị thứ (100p) của phân
phối của biến ngẫu nhiên X liên tục, kí hiệu η(p), được xác định bởi
Z η(p)
p = F (η(p)) = P(X ≤ η(p)) = f (x)dx
−∞
Định nghĩa Cho p là một số thuộc [0, 1]. Phân vị thứ (100p) của phân
phối của biến ngẫu nhiên X liên tục, kí hiệu η(p), được xác định bởi
Z η(p)
p = F (η(p)) = P(X ≤ η(p)) = f (x)dx
−∞
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.
2.Phân vị thứ 50 (p = 0, 5) là η(0, 5) là nghiệm phương trình ?

Trung vị - Tứ phân vị của phân phối liên tục
Trung vị của một phân phối liên tục, kí hiệu µ

e, là phân vị thứ 50, sao cho µ
e
thỏa mãn
µ) = 0, 5
F (e
Nghĩa là, trung vị là giá trị chia phân phối thành 2 phần bằng nhau.
Trung vị - Tứ phân vị của phân phối liên tục
Tứ phân vị của một phân phối liên tục, lần lượt là phân vị thứ 25; 50 và 75,
ký hiệu là η(0, 25); η(0, 5) và η(0, 75)
F (η(0, 25)) = 0, 25; F (η(0, 5)) = 0, 5; F (η(0, 75)) = 0, 75
là các giá trị chia phân phối thành 4 phần bằng nhau.
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
−∞
Ví dụ: Cho X là biến ngẫu nhiên liên tục có hàm mật độ


3
(1 − x 2 ) −1 ≤ x ≤ 1,
f (x) = 4
0 nếu khác.
R∞
Kỳ vọng của X là 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
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
−∞
Ví dụ Cho X là biến ngẫu nhiên liên tục có hàm mật độ


3
(1 − x 2 ) −1 ≤ x ≤ 1,
f (x) = 4
0 nếu khác.
R∞
Kỳ vọng của X 2 là E (X 2 ) = −∞ x 2 · f (x)dx =
Phương sai và độ lệch chuẩn biến ngẫu nhiên liên tục
Phương sai của một biến ngẫu nhiên liên tục X với hàm mật độ xác suất
f (x) và kì vọng E (X ) = µ là
Z ∞
2
σX = V (X ) = (x − µ)2 · f (x)dx = E [(X − µ)2 ]
−∞
Hoặc có thể tính phương sai theo công thức

Z ∞ Z ∞ 2
2 2 2 2
σX = V (X ) = E (X ) − (E (X )) = x · f (x)dx − x · f (x)dx
−∞ −∞
p
Độ lệch chuẩn của X là σX = V (X ).
Ví dụ Cho X là biến ngẫu nhiên liên tục có hàm mật độ

3
(1 − x 2 ) −1 ≤ x ≤ 1,
f (x) = 4
0 nếu khác.
Tính phương sai X.

R∞ R1 3
Ta có: E (X ) = −∞ x · f (x)dx = −1 x · (1 − x 2 )dx = 0
4
R∞ 2 R1 2 3 1
E (X ) = −∞ x · f (x)dx = −1 x · (1 − x 2 )dx =
2
4 r 5
1 1 1
Phương sai của X là V (X ) = − 02 = và σX =
5 5 5
Tính chất của phương sai:

1. V (X ) ≥ 0.
2. V (C ) = 0 với C là hằng số không đổi.
3. V (X + b) = V (X ) với b là hằng số.
4. V (aX ) = a2 V (X ) với a là hằng số.
5. V (X + Y ) = VX + VY nếu X, Y là hai biến ngẫu nhiên độc lập
Ví dụ: V (3X − 2Y − 8) = V (3X ) + V (−2Y ) = 9VX + 4VY
Ví dụ Tuổi thọ của một loại côn
 trùng A là một biến ngẫu nhiên X (đơn vị:

 0 x <0
3 2

tháng) có hàm mật độ f (x) = .x .(4 − x) 0≤x ≤4

 64
0 x >4

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
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
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

Đồ thị của hàm F (c):

Phân phối đều
Ví dụ Thời gian đến trường của sinh viên H là biến ngẫu nhiên X (phút) có
phân phối đều trên [15; 20].
1. Viết hàm mật độ xác suất của X
2. Sinh viên H đi từ nhà lúc 6 giờ 42 phút. Tính xác suất sinh viên H đến
trường trước 7 giờ .
3. Thời gian đi đến trường của sinh viên H trung bình là bao nhiêu?
Giải
1. Hàm mật độ xác suất của X có dạng
 1

A≤x ≤B
f (x; A, B) = B − A
0 nơi khác.
Phân phối chuẩn rất hay xuất hiện trong các biến khác nhau trong tự
nhiên.
Ví dụ: cân nặng, chiều cao, thể tích, chỉ số huyết áp . . . .
Nên phân phối chuẩn rất thường được dùng trong lý thuyết và thực hành.
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
Đồ thị của phân phối chuẩn: có dạng hình chuông
Dữ liệu chủ yếu tập trung quanh giá trị trung bình µ
Giá trị trung bình µ là đặc trưng vị trí cho phân phối chuẩn
Độ lệch chuẩn σ là đặc trưng cho mức độ lan truyền của dữ liệu có phân phối
chuẩn
Quy tắc 3σ
P(X chênh lệch 1σ so với trung bình) = P (µ − σ ≤ X ≤ µ + σ) = 0, 6826

Quy tắc 3σ
P (µ − 2σ ≤ X ≤ µ + 2σ) = 0, 9544
Quy tắc 3σ
P (µ − 3σ ≤ X ≤ µ + 3σ) = 0, 9974
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 tắc Rz
Hàm phân phối của Z là P(Z ≤ z) = −∞ f (y ; 0, 1)dy = Φ(z).
Bảng phân phối chuẩn tắc:
P(X ≤ 1.96) = Φ(1.96) =
P(X ≤ 1.96) = Φ(1.96) = 0.975
P(X < −2.58) = Φ(−2.58) =
P(X < 5) = Φ(5) = 1
P(X ≤ −4) = Φ(−4) = 0

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)

Lưu ý:
P(Z ≤ a) = Φ(a)
P(Z > a) = 1 − Φ(a)
P(a ≤ Z ≤ b) = Φ(b) − Φ(a)
Phân vị của phân phối chuẩn tắc
Ví dụ: Phân vị thứ 99 của phân phối chuẩn tắc là giá trị thỏa mãn
P(Z ≤ z0,01 ) = Φ(z0,01 ) = 0, 99
Phân vị thứ 99 của phân phối chuẩn tắc được ký hiệu là z0,01 .
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.
Bảng phân vị của phân phối chuẩn tắc
Phần trăm % 90 95 97,5 99 99,5 99,9 99,95

α 0,1 0,05 0,025 0,01 0,005 0,001 0,0005
zα 1,28 1,645 1,96 2,33 2,58 3,08 3,27
Ví dụ z0,05 là phân vị thứ 100(1 − 0, 05) = 95 của phân phối chuẩn tắc nên
z0,05 = 1, 645.
Do tính đối xứng, diện tích dưới đường cong của phân phối chuẩn tắc nằm
bên trái của −z0,05 cũng bằng với diện tích nằm bên phải của z0,05 .
Chuẩn tắc hóa
Chuẩn tắc hóa

https://www.geogebra.org/m/xygWGDB8
Chuẩn tắc hóa
X −µ
Mệnh đề: Cho X ∼ N(µ; σ 2 ). Khi đó, Z= ∼ N(0, 1)
σ
Do đó,
a−µ b−µ b−µ a−µ
P(a ≤ X ≤ b) = P ≤Z ≤ =Φ −Φ
σ σ σ σ
a−µ
P(X ≤ a) = Φ
σ
b−µ
P(X ≥ b) = 1 − Φ
σ
Ví dụ Cho X ∼ N(3; 4). Tính

a) P(X < 5) b) P(3 ≤ X < 7)
c) P(X < 9) d) P(X > 2.1)
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
Xấp xỉ chuẩn của phân phối nhị thức

https://www.geogebra.org/m/knAbwFo2

Mệnh đề: Cho X ∼ B(n, p), nếu đồ thị của phân phối nhị thức không quá
mất đối xứng ( tức là np ≥ 10 và n(1 − p) ≥ 10) thì ta có thể xem như X có
p
phân phối chuẩn với µ = np và σ = np(1 − p).
!
x + 0, 5 − np
Khi đó P(X ≤ x) = B(x; n, p) ' Φ p
np(1 − p)
Ví dụ: Mua 100 tờ vé số, xác suất trúng của mỗi tờ là 0,1.
a/ Tính xác suất trúng 16 tờ
b/ Tính xác suất trúng nhiều nhất 16 tờ
c/ Tính xác suất trúng từ 16 tờ trở lên
Giải: Gọi X là số tờ trúng trong 100 tờ .
X có phân phối nhị thức với n = 100; p = 0, 1
u
Hàm xác suất của X là pX (u) = C100 .(0, 1)u .(1 − 0, 1)(100−u)
a/
P(X = 16) =
b/ Tính xác suất trúng nhiều nhất 16 tờ
https://www.geogebra.org/m/tteCwzUC
Giải: Gọi X là số tờ trúng trong 100 tờ.
X có phân phối nhị thức với n = 100; p = 0, 1
b/ Vì np ≥ 10 ; n(1 − p) ≥ 10 nên xấp xỉ X sang phân phối chuẩn.
µ = 100.0, 1 = 10; σ 2 = 100.0, 1.(1 − 0, 1) = 9 hay σ = 3
Vậy X ∼ N(10; 9) . Với Z = (X −10)3 ∼ N(0; 1)
Xác suất trúng nhiều nhất 16 tờ là
16.5 − 10 16.5 − 10
P(X ≤ 16) ≈ P(X ≤ 16 + 0.5) = P(Z ≤ )=Φ
3 3
c/ Tính xác suất trúng từ 16 tờ trở lên . Đáp số: 0.0336
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
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
Hàm phân phối bù

(
1 − P(X ≤ c) = e −λc c ≥ 0,
1 − F (c; λ) = P(X > c) =
1 c <0
Phân phối mũ
Hàm phân phối tích luỹ của X là
(
1 − e −λc
c ≥ 0,
F (c; λ) = P(X ≤ c) =
0 c <0
(
e −λc c ≥ 0,
Hàm phân phối bù: 1 − F (c; λ) = P(X > c) =
1 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
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
Phân phối mũ
P(X > s + t, X > t) P(X > s + t)

P(X > s + t/X > t) = =
P(X > t) P(X > t)
e −λ(s+t)
= = e −λs = P(X > s)
e −λt
Phân phối mũ

X là biến ngẫu nhiên có phân phối mũ với tham số λ, khi đó
P(X > s + t/X > t) = P(X > s)

Phân phối mũ

Slide XSTK Chương4

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

Slide XSTK Chương4

Uploaded by

Copyright:

Available Formats

Chương 4: BIẾN NGẪU NHIÊN LIÊN TỤC VÀ PHÂN PHỐI XÁC

Nguyễn Hồng Nhung - Lê Thị Mai Trang

Bộ môn Toán, Khoa Khoa học Ứng dụng

Ví dụ: Xđộ sâu của hồ nước =(2; 5) mét

Biến liên tục X: Xđộ sâu của hồ nước =(2; 5) mét .

f (x) ≥ 0 với mọi x;

f (x) ≥ 0 với mọi x;

Giải: 1. Tìm hàm phân phối xác suất của X .

Giải: 1. Tìm hàm phân phối xác suất của X .

*) Với c > 1 thì Z c

1/ Tìm vị trí a trên trục Ox mà P(X ≤ a) = 0.2

2/ Tìm vị trí b trên trục Ox mà P(X ≤ b) = 0.5

2.Phân vị thứ 50 (p = 0, 5) là η(0, 5) là nghiệm phương trình ?

Trung vị của một phân phối liên tục, kí hiệu µ

F (η(0, 25)) = 0, 25; F (η(0, 5)) = 0, 5; F (η(0, 75)) = 0, 75

Ví dụ: Cho X là biến ngẫu nhiên liên tục có hàm mật độ

Ví dụ Cho X là biến ngẫu nhiên liên tục có hàm mật độ

Hoặc có thể tính phương sai theo công thức

Tính phương sai X.

Tính chất của phương sai:

Đồ thị của hàm F (c):

P(X chênh lệch 1σ so với trung bình) = P (µ − σ ≤ X ≤ µ + σ) = 0, 6826

P(X < 5) = Φ(5) = 1

P(X ≤ −4) = Φ(−4) = 0

Phân phối chuẩn tắc

Phân phối chuẩn tắc

Phần trăm % 90 95 97,5 99 99,5 99,9 99,95

Chuẩn tắc hóa

Ví dụ Cho X ∼ N(3; 4). Tính

Xấp xỉ chuẩn của phân phối nhị thức

Xấp xỉ chuẩn của phân phối nhị thức

Hàm phân phối bù

P(X > s + t, X > t) P(X > s + t)

Tính chất không nhớ của phân phối mũ :

P(X > s + t/X > t) = P(X > s)

You might also like