Professional Documents
Culture Documents
I. Định nghĩa
Chương 3 Với KGSKSC của một phép thử nào đó,
biến ngẫu nhiên là một qui tắc cho tương
BIẾN NGẪU NHIÊN 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 …
● Biến ngẫu nhiên rời rạc: Khi tập hợp các 2) Tung 2 súc sắc, []=36. Các BNN rời rạc
giá trị của X có hữu hạn hoặc vô hạn đếm X- tổng số điểm ; Y- tích số điểm
được các phần tử. Z- điểm cực đại trong hai súc sắc
Thí dụ: Chẳng hạn, X(23) = X(32)=2+3 = 5,
1) Ở một tổng đài điện thoại có KGSKSC Y(56) = Y(65)= 5 x 6 = 30, Z(14) = max(1,4) = 4
={B, R}, với B- bận, R- rảnh. BNN X xác 3) Tung đồng xu đến khi sấp thì ngưng.
định như sau = {S, NS, NNS, …}
X(R)=1, X(B)=0 BNN X là số lần tung, X(S) = 1, X(NS) = 2, …
chỉ trạng thái kết nối với khách hàng. X là rời rạc vì có vô hạn đếm được giá trị, hay
X có 2 giá trị: 0 , 1 có tập giá trị {1, 2, 3, …} là tập vô hạn đếm
X có hữu hạn giá trị, X là BNN rời rạc được.
● Biến ngẫu nhiên liên tục: Khi tập hợp các 2) X là độ pH của một hợp chất hóa học là
giá trị của X là một khoảng (đoạn) trên BNN liên tục vì pH nằm trong đoạn
trục số, hay với số a < b nào đó thì mọi [0, 14].
số nằm giữa a và b đều là giá trị của X. Nhận xét:
(X có vô hạn không đếm được các giá trị) ● Nếu đơn vị đo của X có thể chia nhỏ mãi
Thí dụ: mãi thì X là BNN liên tục. Thí dụ: chiều
1) Khi nghiên cứu sinh thái của một cái hồ, cao, cân nặng, thời gian…
người ta chọn ngẫu nhiên một chỗ và đo ● Ngược lại, X là rời rạc. Thí dụ: X là giá
độ sâu của nó. Gọi X là độ sâu, khi đó X một bình gas được chọn ngẫu nhiên
là BNN liên tục với các giá trị nằm từ a là trong một tháng là BNN rời rạc. Vì tiền
độ sâu nhỏ nhất đến b là độ sâu lớn nhất. không chia nhỏ mãi được.
1
10/13/2021
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)
2
10/13/2021
F() P( X ) P( X ) 1
Nếu a < b thì F(a) F(b)
F() P( X ) P( X ) 0
-2 0 1 4 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
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.
5
10/13/2021
i 1 6 6
6
10/13/2021
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
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
8
10/13/2021
Thí dụ: Tung 10 đồng xu. Tính XS a) P(X 2) C2 (1/ 2)2 (1 1/ 2)102 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)10k 0,8174
c) có ít nhất một sấp. k 2
10
Giải: Mô hình Nhị thức k
(1/ 2)k (1 1/ 2)10k 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 Hoặc chuyển qua đối lập:
+ Có n=10 P/T độc lập (ứng với 10 đồng xu)
+ X- số lần sấp (số lần thành công, số lần A P(X 1) 1 P (X 1) 1 P (X 0)
xuất hiện trong 10 P/T) 0 10
1 C10 (1/ 2)0 (1 1/ 2)100 1 1/ 2
X ~ B(10, 1/2) ; n=10; p=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)
k e k e
P( X k) , với k = 0, 1,… lim Cnk p k q n k
k! n
p0
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.e1 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.e1 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
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
21 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