Professional Documents
Culture Documents
Chuong 3luat PP
Chuong 3luat PP
Định nghĩa .
Biến ngẫu nhiên X nhận các giá trị k = 1, n với xác
suất :
k
CN C n−k
A N −NA
P (X = k) = n
CN
được gọi là tuân theo luật phân phối siêu bội và ký hiệu
là X ∼ H(N, NA , n)
Ví dụ .
Ví dụ .
Định lí .
Nếu X ∼ H(N, NA , n) thì:
1 E(X) = np
N −n
2 V ar(X) = npq
N −1
NA
Trong đó p = N và q = 1 − p
Ví dụ .
Một lô hàng có 100 sản phẩm, trong đó có 40 sản phẩm
loại I. Lấy ngẫu nhiên từ lô 30 sản phẩm. Tìm số sản
phẩm loại I trung bình có trong 30 sản phẩm lấy ra và
phương sai của số sản phẩm loại I trong 30 sản phẩm.
2
Binomial Distribution
NGÔ THÁI HƯNG (UFM) XÁC SUẤT & THỐNG KÊ TOÁN 6 / 43
PHÂN PHỐI NHỊ THỨC
Định nghĩa .
Là phân phối của biến số ngẫu nhiên X rời rạc nhận
n + 1 giá trị 0, 1, 2, · · · , n, ký hiệu X ∼ B(n, p). Với
xác suất tương ứng:
P (X = k) = Cnk pk q n−k
Ví dụ .
Xí nghiệp có 10 chiếc máy chạy độc lập. Xác suất để
một máy bất kỳ làm việc tốt trong ngày là 0.9. Tính
xác suất để trong ngày có 7 máy làm việc tốt
Ví dụ .
Một người đi bán hàng ở 5 nơi với xác suất bán được
hàng mỗi nơi là 0.2. Tìm xác suất để người đó:
a. Bán được hàng ở 3 nơi?
b. Bán được hàng?
Ví dụ .
Giả sử tại một sàn giao dịch chứng khoán, trong một
phiên giao dịch giá một loại chứng khoán tăng lên 1
USD với xác suất là p, giá giảm xuống 1 USD với xác
suất là q = 1 – p( không có khả năng đứng giá), và sự
thay đổi giá của các phiên giao dịch là độc lập với nhau.
a. Tính xác suất sau 4 phiên giao dịch giá tăng lên 2
USD.
b. Biết sau 4 phiên giao dịch giá tăng lên 2 USD. Hãy
tính xác suất giá tăng trong phiên giao dịch đầu tiên.
Định lí .
Nếu X ∼ B(n, p) thì:
np − q ≤ M od(X) < np + p
E(X) = np
V ar(X) = npq
Ví dụ .
Một máy sản xuất với tỷ lệ loại I là 0.25. Cho máy sản
xuất 10 sản phẩm. Tìm số sản phẩm loại I tin chắc
nhất trong 10 sản phẩm đó
Ví dụ .
Một xạ thủ có XS bắn trúng mục tiêu là 0.6. Họ bắn 20
viên. Số viên trúng mục tiêu trung bình là bao nhiêu?
Phương sai của số viên trúng là bao nhiêu?
Ví dụ .
Trong kho để 10.000 sản phẩm trong đó có 3.000 sản
phẩm loại A. Lấy ngẫu nhiên từ kho 5 sản phẩm. Tính
xác suất trong 5 sản phẩm lấy ra có 2 sản phẩm loại A.
Định lí .
NA
Cho X ∼ H(N, NA , n). Nếu n cố định và lim =p
N →+∞ N
thì ∀k = 0, n :
NA
X ∼ H(N, NA , n) −→ X ∼ B(n, p = N )
Định nghĩa .
Biến ngẫu nhiên X nhận giá trị k = 0, 1, · · · với xác
suất:
e−λ λk
P (X = k) = k!
được gọi là tuân theo luật phân phối Poisson với tham
số λ > 0, ký hiệu X ∼ P (λ)
Định lí .
Nếu X ∼ P (λ) với tham số λ > 0 thì:
E(X) = λ
V ar(X) = λ
λ − 1 ≤ M od(X) < λ
Ví dụ .
Quan sát 5 phút có 15 người ghé vào một đại lý bưu
điện. Tính xác suất trong một phút có 4 người vào đại
lý bưu điện?
Ví dụ .
Một trạm cho thuê xe du lịch thấy rằng số người đến
thuê xe vào ngày thứ 2 đầu tuần là một đại lượng ngẫu
nhiên có phân phối Poisson với λ = 2. Biết rằng trạm
có 3 xe. Hãy tính:
a. Xác suất không phải tất cả 3 xe đều được thuê
b. Xác suất tất cả 3 xe đều được thuê
c. Xác suất trạm không đáp ứng được nhu cầu
d. Số xe trung bình được thuê
Định lí .
Cho X ∼ B(n, p). Nếu p → 0 và np → λ khi n → ∞
thì với k = 0, n ta có
e−λ .λk
lim P (X = k) = k!
n→∞
Ví dụ .
Định lí .
Biến ngẫu nhiên liên tục X được gọi là tuân theo luật
phân phối chuẩn với tham số µ và σ 2 > 0, ký hiệu là
X ∼ N (µ, σ 2 ), nếu X có hàm mật độ:
(x−µ) 2
f (x) = √1 e− 2σ2 (x ∈ R)
σ 2π
+∞
R
Nhận xét: f (x)dx = 1 và f (x) ≥ 0
−∞
+∞
t2 √
e− 2 dt =
R
Tích phân Euler - Poisson: 2π
−∞
Định lí .
Nếu X ∼ N (µ, σ 2 ) thì:
E(X) = µ
V ar(X) = σ 2
M od(X) = µ
√
Độ lệch chuẩn σ(X) = σ 2
3
Normal Distribution
NGÔ THÁI HƯNG (UFM) XÁC SUẤT & THỐNG KÊ TOÁN 24 / 43
4
PHÂN PHỐI CHUẨN TẮC
Định nghĩa .
Biến số ngẫu nhiên X ∼ N (0, 1) gọi là phân phối
chuẩn tắc.
Hàm mật độ của X là:
x 2
f (x) = √1 e− 2
2π
gọi là hàm mật độ Gauss
Hàm phân phối của luật chuẩn tắc ký hiệu là:
Rx 1
Rx − t2
Φ(x) = f (t)dt = 2π
√ e 2 dt
−∞ −∞
4
Standard Normal Distribution
NGÔ THÁI HƯNG (UFM) XÁC SUẤT & THỐNG KÊ TOÁN 25 / 43
PHÂN PHỐI CHUẨN TẮC
Định lí .
X−µ
Nếu X ∼ N (µ, σ 2 ) thì biến ngẫu nhiên Z = σ có
phân phối chuẩn tắc: Z ∼ N (0, 1)
Định lí .
Nếu X ∼ N (0, 1) thì:
P (α ≤ X ≤ β) = Φ(β) − Φ(α)
P (|X| ≤ α) = 2Φ(α)
Định lí .
X−µ
Nếu X ∼ N (µ, σ 2 ) thì biến ngẫu nhiên Z = σ có
phân phối chuẩn tắc: Z ∼ N (0, 1)
Định lí .
Nếu X ∼ N (0, 1) thì:
P (α ≤ X ≤ β) = Φ(β) − Φ(α)
P (|X| ≤ α) = 2Φ(α)
Ví dụ .
Cho X ∼ N (3, 9). Tìm:
a. P (2 < X < 5)
b. P (X > 0)
c. P (|X − 3| > 6)
Ví dụ .
Trọng lượng của một loại trái cây là X có phân phối
chuẩn với trung bình là 200 gram, phương sai 36
gram2
a. Tính tỷ lệ những trái cây có trọng lượng từ 194
gram đến 212 gram
b. Trái cây có trọng lượng ≥ 209 gram là loại I. Tìm
tỷ lệ loại I.
c. Xác định a để P (X ≤ a) = 0.98
Định lí .
Nếu X ∼ N (µ, σ 2 ) thì P (|X − µ| ≤ kσ) = 2Φ(k)
Định lý này thường gọi là quy tắc k - sigma
Trường hợp k = 1:
Trường hợp k = 2:
Trường hợp k = 3:
Định lí .
Nếu X1 , X2 , · · · , Xn là n biến ngẫu nhiên chuẩn tắc
n
Xi2 có phân phối χ2 (n) với
P
độc lập thì U =
i=1
E(U ) = n và V ar(U ) = 2n
Ví dụ .
Cho X ∼ χ2 (20). Tìm χ2 thỏa mãn P (X ≤ χ2 ) = 0.95
Định nghĩa .
Giả sử Z ∼ N (0, 1), V ∼ χ2 (n), đồng thời Z và V độc
lập. Khi đó luật phân phối của biến ngẫu nhiên
T = √ZV
n
Định lí .
Cho T ∼ St(n). Khi đó
E(T ) = 0
n
V ar(T ) = n−2
NGÔ THÁI HƯNG (UFM) XÁC SUẤT & THỐNG KÊ TOÁN 36 / 43
PHÂN PHỐI STUDENT St(n)
Định nghĩa .
Giả sử Z ∼ N (0, 1), V ∼ χ2 (n), đồng thời Z và V độc
lập. Khi đó luật phân phối của biến ngẫu nhiên
T = √ZV
n
Định lí .
Cho T ∼ St(n). Khi đó
E(T ) = 0
n
V ar(T ) = n−2
NGÔ THÁI HƯNG (UFM) XÁC SUẤT & THỐNG KÊ TOÁN 36 / 43
PHÂN PHỐI FISHER
Định nghĩa .
Giả sử X ∼ χ2 (n) và Y ∼ χ2 (m) là độc lập. Khi đó
luật phân phối của biến ngẫu nhiên
X/n
F = Y /m
3. Một người cân nhắc giữa việc mua nhà hay gửi tiền
vào tiết kiệm với lãi suất 12% một năm và chờ một
năm sau mới mua. Biết mức tăng giá nhà là biến
ngẫu nhiên có phân phối chuẩn với trung bình là
8% và độ lệch chuẩn là 10%. Tìm khả năng rủi ro
của người đó nếu gửi tiền vào tiết kiệm và chờ một
năm.
Trần Lộc Hùng, Lí thuyết xác suất và thống kê toán học, Nhà xuất
bản giáo dục, (1998).
Nguyễn Thành Cả, Lí thuyết xác suất và thống kê toán học, Nhà
xuất bản lao động, (2010).
Tô Anh Dũng, Lí thuyết xác suất và thống kê toán học, Nhà xuất
bản đại học quốc gia TP HCM, (2007).
Rick Durrett, Elementary Probability for Applications , Cambridge
University , (2009).
Shaledon Ross, A first course in Probability , Pearson , (2010).
Sharpe–De Veaux–Velleman, Business Statistics , Pearson , (2012).