10/13/2021
I. Định nghĩa
Chương 3
BIẾN NGẪU NHIÊN
● Biến ngẫu nhiên rời rạc: Khi tập hợp các
giá trị của X có hữu hạn hoặc vô hạn đếm
được các phần tử.
Thí dụ:
1) Ở một tổng đài điện thoại có KGSKSC
={B, R}, với B- bận, R- rảnh. BNN X xác
định như sau
X(R)=1, X(B)=0
chỉ trạng thái kết nối với khách hàng.
X có 2 giá trị: 0 , 1
X có hữu hạn giá trị, X là BNN rời rạc
● Biến ngẫu nhiên liên tục: Khi tập hợp các
giá trị của X là một khoảng (đoạn) trên
trục số, hay với số a < b nào đó thì mọi
số nằm giữa a và b đều là giá trị của X.
(X có vô hạn không đếm được các giá trị)
Thí dụ:
1) Khi nghiên cứu sinh thái của một cái hồ,
người ta chọn ngẫu nhiên một chỗ và đo
độ sâu của nó. Gọi X là độ sâu, khi đó X
là BNN liên tục với các giá trị nằm từ a là
độ sâu nhỏ nhất đến b là độ sâu lớn nhất.
Với KGSKSC  của một phép thử nào đó,
biến ngẫu nhiên là một qui tắc cho tương
ứng mỗi SKSC của  với một số.
(Hàm số với giá trị thực X(ω) xác định trên
, nghĩa là X :    , được gọi
là biến ngẫu nhiên).
● Các biến ngẫu nhiên thường được
ký hiệu bằng các chữ X, Y, Z …
2) Tung 2 súc sắc, []=36. Các BNN rời rạc
X- tổng số điểm ; Y- tích số điểm
Z- điểm cực đại trong hai súc sắc
Chẳng hạn, X(23) = X(32)=2+3 = 5,
Y(56) = Y(65)= 5 x 6 = 30, Z(14) = max(1,4) = 4
3) Tung đồng xu đến khi sấp thì ngưng.
 = {S, NS, NNS, …}
BNN X là số lần tung, X(S) = 1, X(NS) = 2, …
X là rời rạc vì có vô hạn đếm được giá trị, hay
có tập giá trị {1, 2, 3, …} là tập vô hạn đếm
được.
2) X là độ pH của một hợp chất hóa học là
BNN liên tục vì pH nằm trong đoạn
[0, 14].
Nhận xét:
● Nếu đơn vị đo của X có thể chia nhỏ mãi
mãi thì X là BNN liên tục. Thí dụ: chiều
cao, cân nặng, thời gian…
● Ngược lại, X là rời rạc. Thí dụ: X là giá
một bình gas được chọn ngẫu nhiên
trong một tháng là BNN rời rạc. Vì tiền
không chia nhỏ mãi được.
1
 10/13/2021

Chú ý: Thí dụ 1: Tung 2 đồng xu.

Khi thực hiện phép thử, biến ngẫu Nếu có sấp được 2 đồng. Nếu có ngửa
nhiên X phải nhận 1 giá trị nào đó và thua 1 đồng. Gọi X là số tiền thu được.
chỉ 1 mà thôi. Ta thấy rằng X là ánh xạ từ  vào  :
SS  4
● Đối với BNN rời rạc X , ký hiệu SK SN  1
 
( X  k )  {   : X ( )  k } X : 
 NS  1
[( X  k )]  NN   2
P (X  k ) 
[ ]
Vậy X là biến ngẫu nhiên.

Nhận xét:  ( X   2)  { NN }
Khi thực hiện phép thử BNN nhận giá trị [{ N N }] 1
của mình một cách ngẫu nhiên, phụ P ( X  2)  
[ ] 4
thuộc vào SKSC nào xảy ra trong P/T và
vì vậy xảy ra với một xác suất nào đó.
Thí dụ 2: (Tiếp thí dụ 1). Sự kiện
 ( X  4 )  { S S   : X (S S )  4}  { S S }
[{ S S }] 1
P ( X  4)  
[ ] 4
 ( X  1)  { S N , N S }
[{ S N , N S }] 2
P ( X  1)  
[ ] 4

II. Bảng phân phối xác suất của biến Thí dụ 2: Trong thí dụ 1 X là số tiền
ngẫu nhiên rời rạc
thu được, X có bảng phân phối
X x1 x2 … xn X -2 1 4
P 1/4 2/4 1/4
P p1 p2 … pn
Đặt T = {Người chơi thắng}
Trong đó xi là các giá trị của X và T  ( X  0)  ( X  1)  ( X  4)

pi = P(X = xi ) P (T )  P ( X  0)  P[( X  1)  ( X  4)]

X /K
n  P ( X  1)  P ( X  4)
Điều kiện:
 pi 1.
i 1
 2 / 4  1/ 4  3 / 4

2
 10/13/2021

III. Hàm phân phối xác suất

3) P( a < X  b ) = F(b) – F(a)
Hàm số
F ( x)  P( X  x), x   Suy ra từ (*).
được gọi là hàm phân phối xác suất 4) F(+ ) = 1
của biến ngẫu nhiên X . F(– ) = 0
Tính chất : Trong đó ký hiệu lim F ( x )  F (  )
1) 0  F (x)  1 x 

Ý nghĩa: lim F ( x )  F ()

2) F(x) là hàm không giảm: x  

F()  P( X  )  P( X  )  1
Nếu a < b thì F(a)  F(b)
F()  P( X  )  P( X  )  0

0 x < -2 Tính xác suất sự kiện

1/ 4
 -2  x <1 T = {Người chơi thắng}
F ( x) = 
3 / 4 1 x < 4 P (T )  P ( X  0)  1  P ( X  0)
1 4 x
 1  F (0)  1  1/ 4  3 / 4
F(x)
1
3/4
1/4

-2 0 1 4 x

IV. Hàm mật độ phân phối xác suất

của biến ngẫu nhiên liên tục f(t)
Nếu hàm phân phối F(x) của biến F(x)
ngẫu nhiên liên tục X có thể biểu
diễn dưới dạng
x
F ( x)   f (t )dt , x  


thì f(t) được gọi là hàm mật độ 0 x t

phân phối xác suất của X.

3
 10/13/2021

Tính chất :
f(x)
1) f ( x )  0, x  
P(a<X<b)
2) f ( x )  F ( x )
tại điểm liên tục của f(x)
b
3 ) P (a  X  b )   f ( x ) dx
a o
 a b x
4)  f ( x )dx  1


5) Nếu X liên tục thì

f(x)
P(X= a) = 0,  a  
1  Nếu X liên tục, thì từ tính chất 5 suy ra:
P (a  X  b )  P (a  X  b ) 
 P (a  X  b )  P (a  X  b )
Thật vậy,
P (a  X  b)  P (a  X  b) P ( X  b)
0 x  P (a  X  b)  0
 P (a  X  b)

Thí dụ: Biến ngẫu nhiên X với hàm mật độ

1 x  [0, 1]
f ( x)  
0 x  [0, 1] f (x)
được gọi là có luật phân phối đều trên
1
đoạn [0,1], ký hiệu là U[0,1]. 1/2
1/2

P ( X  1/ 2)   f ( x ) dx 
0

1/2 0 1/2 1 x
1/2 1
  f ( x ) dx   1dx  x 0

 0
2

4
 10/13/2021

V. Các số đặc trưng của biến ngẫu nhiên Thí dụ 1: Tung 1 súc sắc. Gọi X là số điểm
1. Kỳ vọng-Trung bình (Expectation, mean) nhận được. X có bảng phân phối:
 Nếu X rời rạc (có bảng phân phối) thì kỳ X 1 2 … 6
vọng của X được xác định như sau: P 1/6 1/6 … 1/6
n 6
1 1
EX = xi pi EX   xi pi  1.  ...  6.
i 1 i 1 6 6
 Nếu X liên tục  (1  2  ...  6) 21
   3, 5
EX =  x f ( x )dx 6 6
Trung bình một lần tung có 3,5 điểm.


Thí dụ 2: Cho BNN X có luật phân phối Tính chất :

đều trên [0, 1] hay

X~ 0U[0,1]. 1) EC = C , C là hằng số
2) ECX = C.EX
EX   x f ( x ) dx   x f ( x ) dx 
 
3) E(X+Y) = EX + EY
1  4) E(XY) = EX.EY nếu X và Y độc lập.
  x f ( x ) dx   x f ( x ) dx  ▪ BNN X và Y là độc lập nếu BNN này
0 1 nhận bất kỳ giá trị nào đều không ảnh
1 1
1 1 hưởng đến XS của BNN kia nhận giá trị
2
  x .1. dx  2 x
0 0

2 của mình.

Thí dụ: • Cho C=2, BNN CX=2X với X là điểm khi

• X = C = hằng số (X suy biến)
tung 1 súc sắc có bảng phân phối
X C
P 1 2X 2.1 2.2 … 2.6
EC = C.1 = C P 1/6 1/6 … 1/6

P(2X=2) = P(X=1) = 1/6 ; P(2X=4) =

P(X=2) = 1/6 …
E2X = 2EX = 2. 3,5 = 7
n
E 2X   xi pi  2.(1/ 6)  ...  12.(1/ 6)  7
i 1

5
 10/13/2021

• Tung 2 S/S. Tính trung bình tổng số điểm.

5) Cho hàm số g(x), khi đó
n

GọiX – điểm của S/S 1 Eg( X )   g( xi ) pi , nếu X rời rạc

i 1
Y – điểm của S/S 2 

Eg ( X )   g( x ) f ( x)dx , nếu X liên tục

E(X+Y ) = EX+EY = 3,5+3,5 = 7 
Tính trung bình tích số điểm. Do độc
lập:
E(XY) = EX.EY = 3,5 . 3,5=12,25

Thí dụ : Cho g(x) = x2

Thí dụ: Cho X - số điểm khi tung 1 S/S.
g(X) = X2 X 1 2 … 6
n P 1/6 1/6 … 1/6
2 2
EX  x
i 1
i pi , nếu X rời rạc
X2 12 22 … 62
 P 1/6 1/6 … 1/6
E X 2   x2 f ( x) dx , nếu X liên tục
6
 1 1
EX   xi2 pi  12.  ...  62.
2

i 1 6 6

2. Phương sai - Độ phân tán (Dispersion)

Phương sai hay độ phân tán của biến Phương sai: DX= E(X - EX)2
ngẫu nhiên X được xác định như sau: là trung bình của bình phương sai lệch
giữa các giá trị của BNN và giá trị trung
DX= E(X - EX)2 bình của nó.
n
a) X rời rạc: DX   ( xi  EX )2 pi (Variance: Var(X))
i 1

b) X liên tục: DX  2
 ( x  EX )

f ( x)dx

6
 10/13/2021

Tính chất: Công thức tính phương sai nhanh

1) DC = 0 , C là hằng số DX = EX2 - (EX)2
2) D(CX) = C2 DX Chứng minh: Đặt   E X
3) D(X+Y) = DX + DY , nếu X và Y độc lập
DX  E( X  )2  E( X 2  2 X  2 )
Nhận xét: Người ta dùng phương sai để
định lượng sự phân tán các giá trị của
 E X 2  E(2 X )  E 2
biến ngẫu nhiên. Phương sai chính là  E X 2  2 E X  2
trung bình của bình phương khoảng
cách giữa các giá trị của BNN đến  E X 2  22   2  E X 2   2
trung bình của nó.

Thí dụ:
DX - độ lệch chuẩn của X
(Standard deviation) X -1 1 -1 0 1
Thí dụ: ●
P 1/2 1/2 1/2 1/2

Biến ngẫu nhiên X là thu nhập của các hộ EX=0

EX= -1. 1/2 + 1. 1/2 = 0
gia đình ở địa phương.
DX = (-1-0)2 .1/2+(1-0)2 .1/2=1
• EX là thu nhập trung bình của một hộ.
Y -10 10 -10 0 10
• Nếu DX nhỏ thì thu nhập các hộ đồng ●
đều. P 1/2 1/2 1/2 1/2

• Nếu DX lớn thì thu nhập các hộ không EY=0

đồng đều. EY= -10.1/2+10.1/2=0
DY = (-10-0)2.1/2+(10-0)2.1/2=100

Thí dụ: Kỳ vọng đặc trưng cho vị trí VI. Các luật phân phối xác suất
của BNN.
thường gặp
Z -1 1
1. Luật Bernoulli – B(p)
P 1/3 2/3 X ~ B(p) nếu X có bảng phân phối
-1 0 1 X 0 1
●
1/3 2/3
P q p
EZ=1/3
P(X=1) = p
1 2 1.(1)  1.(2) 1
EZ  1.  1.   P(X=0) = 1-p := q ; p+q = 1
3 3 3 3
● EX = p , DX = pq

7
 10/13/2021

 Phép thử Bernoulli

Chứng minh:
+ Có 2 sự kiện A và A .
Trong một phép thử, SK A nếu xảy ra
Ký hiệu P(A)=p, P( A )=1-p := q thì xảy ra 1 lần, hoặc không xảy ra, hay
+ Khi A xuất hiện ta nói phép thử thành xảy ra 0 lần.
công, và gọi p là xác suất thành công.
Vậy X có 2 giá trị: 0 và 1.
 Mô hình Bernoulli
P( X  1)  P(A)  p
+ Xét 1 phép thử Bernoulli với xác suất
thành công là p. P( X  0)  P(A)  1 P(A)  1 p : q
+ X – số lần xuất hiện thành công trong Hay
X 0 1  X ~ B(p)
phép thử. P q p
Khi đó X ~ B(p).

Thí dụ: Tính trung bình số lần xuất hiện

2. Luật Nhị thức – B(n, p) (Binomial)
mặt ≥ 5 nút khi tung 1 súc sắc.
Giải: Mô hình Bernoulli X ~ B(n, p) nếu
+ P/T Bernoulli: Tung 1 súc sắc 1 lần
A={X/h mặt ≥ 5 nút }
P ( X  k )  C nk p k q n  k
P(A)=2/6 k  0 , 1, 2 , . . . , n
+ X - số lần x/h mặt ≥ 5 nút (số lần thành công,
số lần x/h A) Trong đó q = 1- p.
X ~ B(2/6)
● EX=np, DX=npq
EX=2/6
KL: Trung bình số lần xuất hiện mặt ≥ 5 nút khi
tung 1 súc sắc là 2/6.

 Mô hình Nhị thức:

● Tổng xác suất bằng 1, theo Nhị
thức Newton + Xét n phép thử Bernoulli giống nhau.
n + Xác suất thành công trong mỗi phép
 P (X
k 0
 k)  thử là p.
+ Các phép thử độc lập với nhau.
n (Kết quả của phép thử này (có thành
k
 C n p k q n k công hay không) không ảnh hưởng đến
xác suất thành công p ở phép thử kia).
k 0
+ X – số lần xuất hiện thành công trong
 ( p  q ) n  1n  1 n phép thử.
Chú ý: Khi n = 1 ta có luật Bernoulli. Khi đó X ~ B(n, p).

8
 10/13/2021

Thí dụ: Tung 10 đồng xu. Tính XS a) P(X  2)  C2 (1/ 2)2 (1 1/ 2)102  0,0439
10
a) có 2 sấp. b) 6
b) số sấp từ 2 đến 6. P(2  X  6)  C10k (1/ 2)k (1 1/ 2)10k  0,8174
c) có ít nhất một sấp. k 2
10
Giải: Mô hình Nhị thức k
(1/ 2)k (1 1/ 2)10k  0,999
+ P/T Bernoulli: Tung 1 đồng xu (1 lần)
c) P(X  1)  C
k 1
10

A={ X/h mặt sấp } , P(A)=1/2
+ Có n=10 P/T độc lập (ứng với 10 đồng xu)
+ X- số lần sấp (số lần thành công, số lần A
xuất hiện trong 10 P/T)
X ~ B(10, 1/2) ; n=10; p=1/2
Hoặc chuyển qua đối lập:
P(X  1)  1 P (X  1)  1 P (X  0)
0 10
 1 C10 (1/ 2)0 (1 1/ 2)100  1 1/ 2

Thí dụ: Trong gia đình có 4 con, xác suất a) Số con trai trung bình:
sinh con trai hay gái đều bằng1/2. EX=np=4.1/2=2
a) Trung bình có bao nhiêu con trai? b) Độ lệch chuẩn của số con trai:
b) Độ lệch chuẩn của số con trai là bao
DX=npq=4. 1/2.1/2 =1
nhiêu?
Giải: Mô hình nhị thức DX  1  1
+ P/T Bernoulli: Sinh 1 con.
+ A={ Đứa con này là trai }, P(A)=1/2
+ Có n=4 P/T độc lập
+ X- số con trai
X~ B(4, 1/2)

3. Luật Poisson – P() EX = DX = λ

X ~ P() nếu  Định lý Poisson

 k e  k e 
P( X  k)  , với k = 0, 1,… lim Cnk p k q n  k 
k! n 
p0
k!
Tổng xác suất bằng 1: np  
 
 k e  
k
P(X  k)    e   
k 0 k 0 k! k 0 k !
 e e  e   e 0  1

9
 10/13/2021

 Mô hình Poisson Thí dụ: Máy sản xuất ra 1 phế phẩm với
XS 1%. Máy SX 100 sản phẩm. Tính XS
+ Xét n phép thử Bernoulli giống nhau.
a) có 2 phế phẩm.
+ Trong đó xác suất thành công là p. b) có ít nhất 2 phế phẩm.
+ Các phép thử độc lập với nhau. Giải: Mô hình Poisson
+ X – số lần xuất hiện thành công trong + P/T Bernoulli: SX 1 SP
n phép thử. A={SP là phế phẩm} ; P(A)=0,01 (nhỏ)
+ Với n lớn (n  100) và p nhỏ (p  0,01) + Có n=100 P/T độc lập (lớn)
và  = np  20. + X – số phế phẩm (trong 100 P/T)
Khi đó X ~ P().  = np = 100.0,01=1
X ~ P(1)

a) P (X  2) 
1 2.e1 4. Luật chuẩn (Luật Gauss) N(  ,  2)
2! X ~ N(  ,  2 ) nếu X có hàm mật độ
b) P (X  2)  1 P (X  2) ( x   )2

 1 [P( X  0)  P( X  1)]
1 2 2
f ( x)  e
10.e1 11.e 1  2
 1 [  ]  1 2e 1
0! 1! với x  .
Hay 100
1k .e 1  EX  , DX   2 , DX   2  
P (X  2)  
k 2 k ! (Normal)

1
f(x) f ( x)  Luật chuẩn tắc – N(0, 1)
Khi  = 0,  2 =1 ta có luật N(0, 1), được
 2
gọi là luật chuẩn tắc (Standard Normal)
và ký hiệu hàm mật độ là
x2
1 
 ( x)  e 2 , với x 
2
o x Hàm phân phối luật chuẩn tắc ký hiệu là
0  x x

(x)    ( t ) dt
Đồ thị hàm mật độ chuẩn


10
 10/13/2021

 Tính chất của (x) :

1  (x)
( x )  1 ( x )
2
 Hàm (x) tra bảng II (trang 223).

 Nếu Z  N (0, 1), theo tính chất hpp, ta có

P( a < Z < b) = (b) - (a)

 Công thức chuyển đổi : Cho X ~ N(  ,  2 )

o
x x khi đó
0
 b    a 
P (a  X  b)       
Đồ thị hàm mật độ chuẩn tắc      

Thí dụ: Cho biến ngẫu nhiên X ~ N(1, 4). ● Biến ngẫu nhiên chuẩn hóa
Tính P(-1 < X < 2). Đặt
Giải: Ta có µ = 1, σ2 = 4, σ = 2. X  EX X 
X 
 21   1  1  DX 
P(1  X  2)       
 2   2  khi đó X’ được gọi là biến ngẫu nhiên
chuẩn hóa từ X hay là thu gọn, qui tâm
   0, 5     1    0, 5   (1    1)
từ X, ta có EX’ = 0, DX’ = 1.
 0, 6915  (1  0, 8413)
 0, 5328

11