Professional Documents
Culture Documents
Xác Suất & Thống Kê HK212
Xác Suất & Thống Kê HK212
HK212
LỜI MỞ ĐẦU
Một lần nữa cảm ơn các bạn vì đã tham gia khoá học Xác suất thống kê trong học kỳ 212. Sắp đến kỳ thi giữa
kỳ và tài liệu "Tổng hợp công thức giữa kỳ Xác Suất & Thống Kê" sẽ là món quà mừng năm mới mình dành tặng
các bạn.
Tài liệu này được biên soạn nhằm mục đích tóm gọn lại kiến thức nội dụng Xác suất mà các bạn đã học và sẽ
thi vào ngày 06/03/2022.
Tài liệu được biên soạn, được chỉnh sửa cho các bạn học viên khoá 212 và chỉ lưu hành nội bộ, do đó các bạn
không nên chia sẻ cho người khác (kể cả khi khoá học kết thúc).
Hi vọng các bạn có thể sử dụng tốt nó, gìn giữ để có thể sử dụng cho bản thân mình sau khi khoá học kết thúc.
Chúc các bạn năm mới nhiều sức khoẻ và luôn hạnh phúc, thi giữa kỳ thật tốt và đạt điểm cao.
Trương Đức An
Mục lục
Lời mở đầu 1
Cho các biến cố xung khắc (hoặc xung khắc đôi một):
P (A + B) = P (A) + P (B)
P (A + B + C) = P (A) + P (B) + P (C)
Lưu ý: Hai biến cố A và B được gọi là xung khắc nhau nếu chúng không thể cùng xảy ra trong một phép thử.
Các công thức khác:
P (A.B) = 1 − P (A + B) ; P (A + B) = 1 − P (AB)
P (A.B) = P (A) − P (AB) ; P (A.B) = P (B) − P (AB)
P (A1 .A2 ...An ) = P (A1 ).P (A2 /A1 ).P (A3 /A1 .A2 )....P (An /A1 .A2 ...An−1 ).
Lưu ý: Hai biến cố được gọi là độc lập có nghĩa là việc một biến cố đó xảy ra không làm tăng hay làm giảm khả năng
xảy ra của biến cố kia.
P (AB)
P (A/B) =
P (B)
k2
X
P= Cnk .pk .q n−k .
k1
Ta nói số lần biến cố B xuất hiện có khả năng nhất (hay số lần xuất hiện chắc nhất) là số k0 mà xác suất để biến B
xuất hiện đúng k0 lần trong n phép thử là cao nhất. k0 được tìm từ biểu thức:
np − q ≤ k0 ≤ np − q + 1; k0 ∈ N.
1.1.5 Công thức xác suất đầy đủ. Công thức Bayes
Giả sử H1 , H2 , . . . , Hn là hệ biến cố đầy đủ và F là một biến cố bất kỳ. Khi đó ta có:
Công thức xác suất toàn phần (công thức thức xác suất đầy đủ):
n
X
P (F ) = P (H1 ).P (F/H1 ) + P (H2 ).P (F/H2 ) + ... + P (Hn ).P (F/Hn ) = P (Hi ).P (F/Hi )
i=1
(
Ai ∩ Aj = ∅, ∀i 6= j
Dãy n các biến cố A1 , A2 ,..., An được gọi là một hệ đầy đủ các biến cố nếu: .
A1 ∪ A2 ∪ ... ∪ An = Ω
Độ đo của miền A
P (A) = .
Độ đo của miền Ω
2) Cho một mạch điện gồm 2 linh kiện mắc song song nhau . Biết rằng 2 linh kiện này hoạt động độc lập và có xác
suất hoạt động lần lượt là p1 và p2 .
(−1)n
1 1 1
n! − + − ... +
2! 3! 4! n!
Bài toán 2: Tung 3 con xúc xắc. Tính xác suất số chấm nhỏ nhất trên 3 con xúc xắc bằng 2.
P = P (3 con ≥ 2) − P (3 con ≥ 3)
1.2 Chương 02
1.2.1 Bảng phân phối xác suất
X x1 x2 x3 ... xn−1 xn
P p1 p2 p3 ... pn−1 pn
Trong đó:
x1 < x2 < x3 < ... < xn ; xi là các giá trị có thể có của X.
pi = P (”X = xi ”), ∀i
Tính chất:
X
0 ≤ ∀pi ≤ 1; pi = 1
i
f (x) ≥ 0, ∀x
Z +∞
f (x)dx = 1
−∞
P (X = xi ) = 0, ∀xi
Z b
P (a ≤ X ≤ b) = P (a < X < b) = P (a < X ≤ b) = P (a ≤ X < b) = f (x)dx
a
0 ≤ F (x) ≤ 1.
F (−∞) = 0; F (∞) = 1.
F (x) là hàm không giảm trên R.
Nếu X là biến ngẫu nhiên
X rời rạc:
F (x) = P (X ≤ x) = pi
xi ≤x
Nếu X là biến ngẫu nhiên
Z x liên tục:
F (x) = P (X ≤ x) = f (t)dt
−∞
Khi đó: f (x) = F 0 (x) và P (a ≤ X ≤ b) = P (a < X < b) = F (b) − F (a)
1.2.4 Kỳ vọng
Kỳ vọng của X, kí hiệu: E(X), là giá trị trung bình của X tính theo xác suất.
Công thức tính:
Nếu X là biến ngẫu nhiên rời rạc:
X
E(X) = xi .pi
Tính chất:
Tính chất:
1.2.7 Mốt
Mốt của X, kí hiệu: M od(X), là giá trị của biến ngẫu nhiên X tương ứng với xác suất lớn nhất (khi X là BNN rời
rạc) và tương ứng với cực đại của hàm mật độ (khi X là BNN liên tục).
1.2.8 Trung vị
Trung vị của X, kí hiệu: M ed(X), là giá trị thực mà:
1 1
P (X < med(X)) ≤ và P (X > med(X)) ≤
2 2
→ Trung vị của X là giá trị nằm chính giữa tập các giá trị của X.
Trường hợp X là biến ngẫu nhiên liên tục, trung vị được xác định như sau:
Z med(X)
1
P (X < med(X)) = f (x)dx =
−∞ 2
Tính chất:
a+b (b − a)2
E(X) = med(X) = , D(X) = , mod(X) = x, ∀x ∈ [a, b]
2 12
Tính chất:
1 1 ln(2)
E(X) = , D(X) = 2 , mod(X) = 0, med(X) =
λ λ λ
Công thức MẤT TRÍ NHỚ: Nếu X ∼ E(λ) thì với mọi a, b ≥ 0, ta có:
P (X > a + b|X > a) = P (X > b)
Nếu các biến ngẫu nhiên Xi ∼ E(λi ), i = 1, 2,..., n độc lập thì ta có:
Lưu ý: Các biến ngẫu nhiên chỉ khoảng thời gian giữa 2 sự kiện liên tiếp nhau, biến ngẫu ngẫu nhiên chỉ thời gian
để có một kết quả (sự kiện) xảy ra sẽ có phân phối Mũ.
X 0 1 2 ... k ...
e−λ .λ0 e−λ .λ1 e−λ .λ2 e−λ .λk
P ... ...
0! 1! 2! k!
Tính chất:
Nếu các biến ngẫu nhiên Xi ∼ P (λi ), i = 1, 2,..., n độc lập thì ta có:
Y = X1 + X2 + X3 + ... + Xn ∼ P (λ1 + λ2 + λ3 + ... + λn )
Lưu ý: Các biến ngẫu nhiên chỉ số kết quả (sự kiện) xảy ra trong một khoảng đơn vị thời gian hoặc vùng quy ước sẽ
có phân phối Poisson.
X 0 1 2 ... k ... n
n 1 n−1 2 n−2 k n−k n
CN −M CM .CN −M CM .CN −M CM .CN −M CM
P n n n ... n ... n
CN CN CN CN CN
Tính chất:
N −n M
E(X) = np, D(X) = npq , với p = và q = 1 − p
N −1 N
Trong trường hợp n « N (n rất nhỏ so với N), người ta thường xấp xỉ phân phối Siêu bội với phân phối Nhị thức,
nghĩa là:
C k .C n−k
P (X = k) = M nN −M ≈ Cnk .pk .q n−k , k = 0, 1, 2, ..., n.
CN
Lưu ý: Các biến ngẫu nhiên chỉ số sản phẩm A trong n sản phẩm lấy ra từ lô hàng (có M sp A và (N-M) sản phẩm
B) sẽ có phân phối Siêu bội.
X 0 1 2 ... k ... n
P qn Cn1 .p1 .q n−1 Cn2 .p2 .q n−2 ... Cnk .pk .q n−k ... pn
Tính chất:
Lưu ý: Các biến ngẫu nhiên chỉ số kết quả xảy ra thành công (số lần biến cố A xuất hiện) trong n phép thử sẽ có
phân phối Nhị thức.
X 1 2 ... k ...
Tính chất:
1 q
E(X) = , D(X) = 2 , với q = 1 − p
p p
P (X = k) = p.q k−1
Công thức MẤT TRÍ NHỚ: Nếu X ∼ G(p) thì và k là một số nguyên dương, thì với mọi số nguyên dương n:
P (X = k + n|X > k) = P (X = n)
Lưu ý: Các biến ngẫu nhiên chỉ số phép thử thực hiện để có một lượt thành công đầu tiên sẽ có phân phối Hình học.
Biến ngẫu nhiên X = X1 + X2 + ... + Xn hội tụ về phân phối Chuẩn N (n.µ, n.σ 2 )
X1 + X2 + ... + Xn σ2
Biến ngẫu nhiên X = hội tụ về phân phối Chuẩn N (µ, ).
n n
1.3 Chương 03
1.3.1 Bảng phân phối xác suất đồng thời
Cho X = {x1 , x2 , ..., xm }; Y = {y1 , y2 , ..., yn } Đặt:
pij = P (X = xi , Y = yj ), i = 1, m, j = 1, n.
Dưới đây là bảng phân phối xác suất đồng thời của (X, Y ):
Y
y1 y2 ... yn
X
1.3.2 Bảng phân phối xác suất theo các biến ngẫu nhiên thành phần X, Y
Đặt:
n
X
pi = pij = P (X = xi ), i = 1, m
j=1
X x1 x2 x3 ... xm
PX p1 p2 p3 ... pm
Đặt:
m
X
qi = pij = P (Y = yi ), = 1, n
i=1
Y y1 y2 y3 ... ym
PY q1 q2 q3 ... qm
X x1 x2 x3 ... xm
p1j p2j p3j pmj
P X/yj ...
qj qj qj qj
Tức là:
pij
P (X = xi |Y = yj ) =
qj
Bảng phân phối xác suất của Y với điều kiện X = xi (i = 1, m) là:
Y y1 y2 y3 ... yn
pi1 pi2 pi3 pin
P Y /xi ...
pi pi pi pi
Tức là:
pij
P (Y = yj |X = xi ) =
pi
1.3.5 Hàm phân phối xác suất đồng thời của (X, Y)
X X
F (x, y) = P (X ≤ x, Y ≤ y) = pij
xi ≤x yj ≤y
Tính chất:
Cov(X, X) = D(X); Cov(Y, Y ) = D(Y ); Cov(X, Y ) = Cov(Y, X)
Cov(aX, bY ) = abCov(X, Y ) với a, b là hằng số.
Nếu RXY = 0 thì ta nói X, Y không tương quan, ngược lại khi RXY 6= 0, ta nói X, Y có tương quan. Nếu X, Y độc
lập thì cov(X, Y ) = RXY = 0. Điều ngược lại không đúng, tức là nếu cov(X, Y ) = 0 thì hoặc X, Y độc lập, hoặc X,
Y phụ thuộc ở một dạng thức nào đó. Khi (X, Y ) có phân phối Chuẩn thì X, Y độc lập ⇔ RXY = 0.
Hệ số tương quan không có đơn vị đo và |RXY | ≤ 1.
Nếu RXY = ±1 thì X, Y có tương quan tuyến tính (thuận/ nghịch).
hi RXY ≈ 1 thì X, Y có tương quan "xấp xỉ" tuyến tính.
2.3 Sử dụng máy tính bỏ túi để tìm các đặc trưng của véc-tơ ngẫu nhiên 2 chiều
Máy tính CASIO 570VN, ES, VINACAL
3.2 Bảng tra giá trị hàm phân phối của phân phối chuẩn tắc - bảng 1
3.3 Bảng tra giá trị hàm phân phối của phân phối chuẩn tắc - bảng 2
3. Douglas C. Montgomery,George C. Runger, Applied Statistics and Probability for Engineers, 6th Edition.