CHƯƠNG 4

1.Quy tắc đếm bằng tổ hợp:

Số tổ hợp khi lấy cùng lúc n phần tử từ tập hợp N phần tử:

Trong đó: N! = N (N - 1) (N - 2)…(2)(1)

n! = n (n - 1) (n - 2)…(2)(1)
0! = 1
2. Quy tắc đếm cho chỉnh hợp:

Số chỉnh hợp khi lấy cùng lúc n phần tử từ tập hợp N phần tử:

Trong đó: N! = N (N - 1) (N - 2)…(2)(1)

n! = n (n - 1) (n - 2)…(2)(1)
0! = 1
3. Cách tính xác suất
Yêu cầu cơ bản khi tính xác suất

a. Xác suất tính được của 1 kết quả phép thử bất kỳ đều phải nhận giá trị từ 0 đến 1

0 < P(Ei) < 1 với mọi i

Trong đó: Ei là kết quả thử i của phép thử
P(Ei ) là xác suất của kết quả Ei

b. Tổng xác suất của tất cả các kết quả có thể có của phép thử bằng 1

P(E1) + P(E2) + . . . + P(En) = 1

Trong đó: n là số kết quả có thể có của phép thử
c. Phương pháp cổ điển:
 - Xác suất được tính dựa trên giả định rằng các kết quả có thể có của phép thử là
đồng khả năng
- Nếu 1 phép thử có n kết quả có khả năng xảy ra, thì theo pp cổ điển, xs xảy ra
từng kết quả là 1/n

d. Phương pháp tần suất:

- Xác suất được tính dựa trên kết quả các phép thử hoặc dữ liệu trong quá khứ

e. Phương pháp phán đoán:

- Xác suất được tính dựa trên sự phán đoán

4. Quy tắc cộng xác suất:

P(A ∪ B) = P(A) + P(B) - P(A ∩ B)
5. Biến cố xung khắc:
Nếu hai biến cố A và B xung khắc thì P(A ∩ B) = 0

Quy tắc cộng với 2 biến cố xung khắc là:

P(A ∪ B) = P(A) + P(B)
6. Công thức xác suất có điều kiện:

P(A|B) = P(A ∩ B) / P(B)

7. Quy tắc nhân xác suất:
P(A ∩ B) = P(B)P(A|B)

8. Biến cố độc lập:

Hai biến cố A và B là độc lập nếu:
P(A|B) = P(A) hoặc P(B|A) = P(B)

9. Công thức nhân của biến cố độc lập:

P(A ∩ B) = P(A)P(B)

10. Định lý Bayes:

CHƯƠNG 5
1. Điều kiện của hàm phân phối xác suất của biến ngẫu nhiên rời rạc:
 f(x) > 0
Σf(x) = 1

2. Công thức phân phối xác suất đều của biến rời rạc:
f(x) = 1/n

Trong đó: n = Số giá trị mà biến ngẫu nhiên có thể nhận

3. Kỳ vọng:
E(x) = μ = Σxf(x)

4. Phương sai và độ lệch chuẩn:

- Phương sai:
Var(x) = σ 2 = Σ(x - μ)2f(x)
- Độ lệch chuẩn ( σ 2 ) được định nghĩa là căn bậc 2 của phương sai

5. Phân phối nhị thức:

Công thức:

Trong đó: x = số lần thành công

p = xác suất thành công trong mỗi phép thử
n = số phép thử
f(x) = xác suất có x lần thành công n phép thử

- Kỳ vọng: E(x) = np
- Phương sai: Var(x) = np(1 – p)
- Độ lệch chuẩn: σ

6. Phân phối Poisson

Công thức hàm xác suất Poisson:

Trong đó: x = số lần sự kiện xuất hiện trong 1 khoảng
f(x) = xác suất có x lần sự kiện xuất hiện trong khoảng
μ = trung bình số lần xuất hiện trong khoảng đã cho e = 2.71828

- Một tính chất của phân phối Poisson là trung bình và phương sai bằng nhau:
μ=σ2

7. Phương phối siêu bội:

Công thức:

Trong đó: x = số lần thành công

n = số phép thử
f(x) = xác suất có x thành công trong n phép thử
N = số phần tử của tổng thể
r = số phần tử của tổng thể được xem là thành công

- Công thức xác suất f(x) áp dụng với x = 0,1,2,…n

Tuy nhiên, x chỉ có thể nhận được các giá trị thoả: 1) x ≤ r
và 2) n – x ≤N – r
Nếu giá trị của x ko thoả 2 điều kiện trên, giá trị của f(x) = 0

- Kỳ vọng:

- Phương sai:
- Nếu phân phối siêu bội với n phép thử và đặt p = ( r/n) biểu thị xác suất thành công ở
phép thử đầu tiên.
Nếu kích thước tổng thể lớn, tỷ số (N – n)/(N – 1) sẽ tiến về 1.
Kỳ vọng và phương sai có thể viết lại :
E(x) = np và Var(x) = np(1 – p)
- Khi kích thước tổng thể lớn, phân phối siêu bội có thể xấp xỉ = phân phối nhị thức có n
phép thử và xác suất thành công trong mỗi phép thử là p = (r/N)

CHƯƠNG 6
1. Phân phối xác suất đều:

- Hàm mật độ xác suất đều có dạng:

f (x) = 1/(b – a) với a ≤ x ≤b
=0 với x khác
Trong đó: a = giá trị nhỏ nhận mà biến ngẫu nhiên có thể nhận
b = giá trị lớn nhất mà biến ngẫn nhiên có thể nhận

- Giá trị kỳ vọng của x:

E(x) = (a + b)/2
- Phương sai của x:
Var(x) = (b - a)2/12

2. Phân phối xác suất chuẩn:

- Hàm mật độ xác suất chuẩn:

Trong đó: μ = trung bình

σ = độ lệch chuẩn
p = 3,14159
e = 2,71828

3. Phân phối xác suất chuẩn chuẩn hoá

- Chuyển đổi về phân phối chuẩn chuẩn hoá:

Ta có thể nghĩ về z như là thước đo chỉ số lần độ lệch chuẩn của x tính từ μ.

4. Xấp xỉ chuẩn của các xác suất nhị thức:

- Khi số phép thử, n, trở nên lớn, thì việc tính toán hàm xác suất nhị thức thủ công hoặc
với 1 chiếc máy tính bỏ túi sẽ khó khăn
Phân phối xác suất chuẩn cung cấp 1 các tính xấp dễ dàng cho các xác suất nhị thức
khi np > 5 và n( 1- p) ≥ 5
Từ định nghĩa của đường cong chuẩn, đặt:

μ = np và

5. Phân phối xác suất mũ:

- Hàm mật độ:

với x 0

Trong đó: μ = kỳ vọng hoặc trung bình

E = 2,71828

- Xác suất tích luỹ:

Trong đó: x0 = giá trị cụ thể nào đó của x