CHƯƠNG 3

BIẾN NGẪU
NHIÊN LIÊN TỤC
Nội dung

3.1 Khái niệm biến ngẫu nhiên liên tục

3.2 Hàm mật độ xác suất
3.3 Hàm phân phối xác suất
3.4 Kỳ vọng và phương sai
3.5 Một số luật phân phối xác suất của biến ngẫu nhiên liên tục
3.1 Khái niệm biến ngẫu nhiên liên tục

X là biến ngẫu nhiên liên tục khi giá trị của nó lấp đầy một khoảng số
thực.

- 𝑋 ∈ [1; 3]
- X là biến ngẫu nhiên chỉ vận tốc của một chiếc xe trong khoảng thời gian 𝑡1 → 𝑡2 .
- X chỉ thời gian mua xăng của xe ô tô tại một cây xăng.
- X chỉ tuổi thọ của một chiếc điều hòa.
3.2 Hàm mật độ xác suất

Định nghĩa 𝑏
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = න 𝑓 𝑥 𝑑𝑥
𝑎
Hàm số 𝑓(𝑥) được gọi là hàm mật
độ xác suất của biến ngẫu nhiên liên
tục X nếu nó thỏa mãn:

1. 𝑓 𝑥 ≥ 0, ∀𝑥 ∈ ℝ
+∞
2. න 𝑓 𝑥 𝑑𝑥 = 1
−∞
𝑏
3. 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = න 𝑓 𝑥 𝑑𝑥
𝑎
3.2 Hàm mật độ xác suất

Xác suất X nhận giá trị tại một điểm 𝑎 bất kỳ:
𝑎
𝑃 𝑋 = 𝑎 = 𝑃 𝑎 ≤ 𝑋 ≤ 𝑎 = න 𝑓 𝑥 𝑑𝑥 = 0
𝑎

Tính chất
𝑃 𝑎≤𝑋<𝑏 =𝑃 𝑎<𝑋≤𝑏 =𝑃 𝑎<𝑋<𝑏 =𝑃 𝑎≤𝑋≤𝑏
3.2 Hàm mật độ xác suất

Ví dụ 3.1
Cho biến ngẫu nhiên liên tục X có hàm mật độ:
𝜋
sin 𝑥, 𝑥 ∈ 0,
𝑓 𝑥 = 2
𝜋
0, 𝑥 ∉ 0,
2
−𝜋 𝜋
Tính 𝑃 <𝑋<
4 4
3.2 Hàm mật độ xác suất
𝜋
Giải: 𝑓 𝑥 =0 0 𝑓 𝑥 = sin 𝑥 𝑓 𝑥 =0
2 +∞
-∞
−𝜋 𝜋
4 4
Ta có:
𝜋 𝜋
−𝜋 𝜋 4 0 4
𝑃 <𝑋< = න 𝑓 𝑥 𝑑𝑥 = න−𝜋 𝑓 𝑥 𝑑𝑥 + න 𝑓 𝑥 𝑑𝑥
4 4 −𝜋
0
4 4
𝜋
4 2
= 0 + න sin 𝑥 𝑑𝑥 = 1 − = 0,2929
0 2
3.2 Hàm mật độ xác suất

Ví dụ 3.2
Cho biết thời gian chuyển tiền giữa hai tài khoản của hai ngân hàng khác
nhau được mô hình hóa bằng đại lượng ngẫu nhiên X (tính theo giờ) có
hàm mật độ xác suất là:
0, 𝑥 ∉ [0,4]
𝑓 𝑥 =ቐ3
4𝑥 − 𝑥 2 , 𝑥 ∈ [0,4]
32
Hãy cho biết có bao nhiêu phần trăm giao dịch chuyển tiền được thực
hiện với thời gian nhiều hơn 3 giờ.
3.2 Hàm mật độ xác suất
3
𝑓 𝑥 = 4𝑥 − 𝑥 2
Giải: 𝑓 𝑥 =0 0 32 4 𝑓 𝑥 =0
-∞ +∞
3

Xác suất để giao dịch chuyển tiền được thực hiện với thời gian nhiều hơn 3 giờ
là:
+∞
𝑃 3 < 𝑋 < +∞ = න 𝑓 𝑥 𝑑𝑥 =
3
3.3 Hàm phân phối xác suất

Định nghĩa 𝑥
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑥 𝑑𝑥
−∞
X là biến ngẫu nhiên liên tục có
hàm mật độ 𝑓(𝑡), khi đó hàm
phân phối của X:
𝐹 𝑥 =𝑃 𝑋≤𝑥
𝑥
= න 𝑓 𝑡 𝑑𝑡
−∞
𝑥
3.3 Hàm phân phối xác suất

Tính chất
i. 0 ≤ 𝐹 𝑥 ≤ 1
ii. 𝐹 −∞ = 0; 𝐹 +∞ = 1
iii. Nếu x < y thì F x ≤ F y
iv. 𝐹(𝑥) là hàm số liên tục
v. 𝐹 ′ 𝑥 = 𝑓 𝑥
vi. 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝐹 𝑏 − 𝐹 𝑎
3.3 Hàm phân phối xác suất

Ví dụ 3.3
Cho X là biến ngẫu nhiên liên tục có hàm mật độ
1 𝜋 𝜋
cos 𝑥 , 𝑛ế𝑢 𝑥 ∈ − ,
𝑓 𝑥 = 2 2 2
𝜋 𝜋
0, 𝑛ế𝑢 𝑥 ∉ − ,
2 2
a) Xác định hàm phân phối 𝐹(𝑥)
𝜋
b) Tính 𝑃 < 𝑋 < 𝜋
4
3.4 Kỳ vọng và phương sai

Kỳ vọng
+∞
𝜇=𝐸 𝑋 =න 𝑥𝑓 𝑥 𝑑𝑥
−∞

Phương sai
𝜎 2 = 𝑉 𝑋 = 𝐸 𝑋 2 − 𝜇2
+∞
𝐸 𝑋2 = න 𝑥 2 𝑓 𝑥 𝑑𝑥
−∞
3.4 Kỳ vọng và phương sai

Ví dụ 3.4

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

1 𝜋 𝜋
cos 𝑥 , 𝑛ế𝑢 𝑥 ∈ − ,
𝑓 𝑥 = 2 2 2
𝜋 𝜋
0, 𝑛ế𝑢 𝑥 ∉ − ,
2 2
Tính kỳ vọng và phương sai của X
3.5 Một số luật phân phối xác suất

Phân phối đều

Phân phổi chuẩn
Phân phối mũ
3.5 Một số luật phân phối xác suất
Phân phối đều
Định nghĩa
Biến ngẫu nhiên liên tục X được gọi là tuân theo luật phân phối đều trên
đoạn 𝑎, 𝑏 nếu hàm mật độ của X có dạng:
1
, 𝑛ế𝑢 𝑥 ∈ 𝑎, 𝑏
𝑓 𝑥 = ቐ𝑏 − 𝑎
0, 𝑛ế𝑢 𝑥 ∉ 𝑎, 𝑏
Ký hiệu: 𝑋~𝑈 𝑎, 𝑏
𝑎+𝑏
Kỳ vọng: 𝐸 𝑋 =
2
𝑎−𝑏 2
Phương sai: V 𝑋 =
12
3.5 Một số luật phân phối xác suất
Phân phối đều

Hàm phân phối xác suất của biến có phân phối đều:
0 𝑥<𝑎
𝑥−𝑎
𝐹 𝑥 =൞ 𝑎≤𝑥<𝑏
𝑏−𝑎
1 𝑥>𝑏
3.5 Một số luật phân phối xác suất
Phân phối đều
Ví dụ 3.5
Thể tích của một chai dầu gội được đóng vào lọ tuân theo phân phối đều,
có giá trị biến thiên trong khoảng từ 374 (ml) đến 380 (ml). Tiêu chuẩn
yêu cầu là một lọ dầu gội được đóng phải có thể tích 375 (ml).
a) Hãy tính giá trị trung bình và phương sai của thể tích dầu gội được
đóng chai.
b) Tính tỷ lệ dầu gội có thể tích nhỏ hơn thể tích tiêu chuẩn.
3.5 Một số luật phân phối xác suất
Phân phối chuẩn
Định nghĩa
X được gọi là tuân theo luật phân phối
𝑋~𝑁 𝜇, 𝜎 2
chuẩn với tham số 𝜇 và 𝜎 > 0 nếu: 𝜇 = 2; 𝜎 2
1 − 𝑥−𝜇 2 =4
𝜎2
𝑓 𝑥 = 𝑒 2𝜎2 , ∀𝑥 ∈ ℝ
𝜎 2𝜋
Ký hiệu: X~𝑁(𝜇, 𝜎 2 )

Kỳ vọng: 𝑬 𝑿 = 𝝁
Phương sai: 𝐕 𝑿 = 𝝈𝟐
𝜎 > 0 được gọi là độ lệch chuẩn
3.5 Một số luật phân phối xác suất
Phân phối chuẩn
Phân phối chuẩn tắc:
• Nếu 𝑍 tuân theo luật phân phối chuẩn với 𝜇 = 0 và 𝜎 = 1 thì ta nói 𝑍 có
phân phối chuẩn tắc. Ký hiệu: Z~𝑁(0, 1)
• Hàm mật độ của phân phối chuẩn tắc:
1 −𝑥 2
𝑓 𝑥 = 𝑒 2 , ∀𝑥 ∈ ℝ
2𝜋
• Giá trị hàm phân phối của biến chuẩn tắc:
𝛼 2
1 𝑥
Φ 𝛼 = 𝑃(𝑍 ≤ 𝛼) = න 𝑒 − 2 𝑑𝑥
2𝜋 −∞
•𝑃 𝛼 ≤𝑍 ≤𝛽 =Φ 𝛽 −Φ 𝛼
3.5 Một số luật phân phối xác suất
Phân phối chuẩn
Hướng dẫn tra bảng:

𝑍~𝑁(0; 1)
• 𝑃 𝑍 ≤ −3,07 =
Φ −3,07 = 0,0011
• 𝑃 𝑍 ≤ −2,82 =
Φ −2,82 = 0,0024
3.5 Một số luật phân phối xác suất
Phân phối chuẩn
Hướng dẫn tra bảng:
Ta quy ước:
0, 𝑛ế𝑢 𝑧 < −3,59
Φ 𝑧 =ቊ
1, 𝑛ế𝑢 𝑧 > 3,59

Ví dụ 3.6
Cho biến ngẫu nhiên Z có phân phối chuẩn tắc. Tính xác suất
a) 𝑃 𝑍 ≤ 1.53
b) 𝑃 −1.43 ≤ 𝑍 ≤ 0.72
c) 𝑃 𝑍 > 1.26
d) 𝑃 𝑍 < −4.2
3.5 Một số luật phân phối xác suất
Phân phối chuẩn
Định lý
Nếu 𝑋~𝑁 𝜇, 𝜎 2 thì
𝑋−𝜇
𝑍= ~N 0,1
𝜎
Z tuân theo phân phối chuẩn tắc với 𝐸 𝑍 = 0; 𝑉 𝑍 = 1
3.5 Một số luật phân phối xác suất
Phân phối chuẩn
Ví dụ 3.7
Cường độ nén của một mẫu bê tông là biến ngẫu nhiên có phân phối
chuẩn với trung bình là 1000 (kg/𝑐𝑚2 ) và độ lệch chuẩn là 100 (kg/𝑐𝑚2 ).
a) Tính xác suất để một mẫu bê tông tùy ý có cường độ nén nhỏ hơn
1250 (kg/𝑐𝑚2 ).
b) Tính xác suất để một mẫu bê tông tùy ý có cường độ nén nằm trong
khoảng từ 800 (kg/𝑐𝑚2 ) đến 900 (kg/𝑐𝑚2 ).
c) Tìm cường độ 𝑎 (kg/𝑐𝑚2 ) để có 95% số mẫu bê tông có cường độ nén
lớn hơn 𝑎.
3.5 Một số luật phân phối xác suất
Phân phối mũ
Khái niệm
X được gọi là tuân theo luật phân phối mũ với tham số 𝜆 > 0, nếu hàm
mật độ của X có dạng:
𝜆. 𝑒 −𝜆𝑥 , 𝑛ế𝑢 𝑥 > 0
𝑓 𝑥 =ቊ
0, 𝑛ế𝑢 𝑥 ≤ 0
Ký hiệu: 𝑋~𝐸𝑥𝑝 𝜆

1
Kỳ vọng: 𝐸 𝑋 =
𝜆
1
Phương sai: V 𝑋 =
𝜆2
3.5 Một số luật phân phối xác suất
Phân phối mũ
Hàm phân phối của phân phối mũ:
1 − 𝑒 −𝜆𝑥 , 𝑛ế𝑢 𝑥 > 0
𝐹 𝑥 =ቊ
0, 𝑛ế𝑢 𝑥 ≤ 0
3.5 Một số luật phân phối xác suất
Phân phối mũ
Ví dụ 3.8
Một công ty trang bị 20 máy tính để bàn cho các nhân viên. Cho biết tuổi
thọ của các máy tính có phân phối mũ với tuổi thọ trung bình là 4,5 năm.
a) Tính xác suất để một chiếc máy tính có tuổi thọ trên 4 năm.
b) Tính trung bình số máy tính phải thay thế sau 4 năm (trong số 20
máy).