Chương 3

MỘT SỐ QUY LUẬT PHÂN PHỐI THÔNG NG

DỤ

1. Quy luật phân phối A (p)

2. Quy luật phân phối nhị thức B(n, p)

3. Quy luật phân phối Poisson P(λ)

4. Quy luật phân phối chuẩn N(μ, σ2)

5. Một số quy luật khác

1. Quy luật phân phối Không-Một A(p)
Định nghĩa: Biến ngẫu nhiên rời rạc X được gọi là
tuân theo quy luật phân phối Không – Một với tham
số p nếu X là biến ngẫu nhiên chỉ số lần xuất hiện
biến
cố A trong một phép thử Bernoulli. Kí hiệu: X~A(p).

Bảng phân phối xác suất của X là:

X 0 1
P 1-p p

Tính chất: E(X) = p Var(X) = p(1-p)

2. Quy luật phân phối nhị thức (B(n, p))
Định nghĩa: Biến ngẫu nhiên rời rạc X được gọi là
tuân theo quy luật phân phối nhị thức với hai tham
số n và p nếu X là biến ngẫu nhiên chỉ số lần xuất
hiện của biến cố A trong n phép thử Bernoulli.
Kí hiệu là X ~ B(n, p)
Nhận xét:
+ X= X1 +...+ Xn với Xi ~A(p)
+ X nhận các giá trị 0,1,2,…,n
 P(X  k) P (k)  C k pk nk
 (1 p)
n n
k2
 P(k  X  k )  P (k ,k )  pk p) nk

 C k
1 2 n 1 2 n
(1
k1
Tính chất: E(X)=np và Var(X)=np(1-p)
2. Quy luật phân phối nhị thức (B(n, p))
Ví dụ:
Xác suất để một máy sản xuất ra một phế phẩm là
0,1. Máy sản xuất 30 sản phẩm. Gọi X là số phế
phẩm trong 30 sản phẩm do máy sản xuất ra.
a) Tính xác suất để không có quá 2 phế phẩm
b) Tính số phế phẩm trung bình
3. Quy luật phân phối Poisson (P())

Định nghĩa: Biến ngẫu nhiên rời rạc X được gọi là

tuân theo quy luật phân phối Poisson với tham số ,
ký hiệu X ~ P() nếu X nhận các giá trị 0,1,2,..,n..
trong đó:

ke
P ( X  k)  , k  0,1, 2,...
k!

Tính chất: E(X) = , Var(X) = 

Chú ý:
 Trong thực tế các biến ngẫu nhiên chỉ số lần
một hiện tượng nào đó xảy ra trong một khoảng
thời gian ngắn sẽ tuân theo quy luật phân phối
Poisson, chẳng hạn:
+ số cuộc gọi ở một trạm điện thoại trong một
khoảng thời gian ngắn;

+ số chi tiết máy hỏng trong một ngày, số người

đến cây ATM rút tiền trong 1 giờ, …
3. Quy luật phân phối Poisson (P())

Ví dụ:
Số khách đến mua hàng tại một cửa hàng là một biến
ngẫu nhiên tuân theo quy luật phân phối Poisson, với
lượng khách trung bình trong 1h là 8 người . Tính
xác suất:
a) Để trong 1h có hơn 4 người đến mua hàng.
b) Để trong 10 phút có không quá 1 người đến mua
hàng.
4. Quy luật phân phối chuẩn
Định nghĩa 1: Biến ngẫu nhiên liên tục X được gọi là
tuân theo luật phân phối chuẩn, ký hiệu X ~ N (,
2

)
nếu hàm mật độ xác suất của X có dạng:

f (x) ( x  )
(  0)
2
với
 1
2 2
 2 e
f(x)
Tính chất:
E(X) = μ, Var(X) = 
2
Hàm phân phối của X là:

1 x (t  )2

F (x) 
 2 2
dt
e
 2 

Định nghĩa 2: Biến ngẫu nhiên U được gọi là tuân

theo quy luật phân phối chuẩn tắc (chuẩn hóa) nếu
hàm mật độ xác suất là:

 (x) 1  x2

 e 2
 2
Như vậy: U ~ N(0, 1) và E(U) = 0, Var(U) =1
Đồ thị của hàm mật độ phân phối chuẩn tắc:

φ(x)

0 x
Định nghĩa 3: Hàm phân phối của biến ngẫu nhiên
U được gọi là hàm Laplace ký hiệu là (x) , được
xác định bởi công thức sau:
x t 2
1
(x) 
 e dt
2
2 
Tính chất của hàm Laplace:
(x) 1 (x)
Giá trị tới hạn chuẩn mức α: Là giá trị của biến
ngẫu nhiên U, kí hiệu uα ,xác định bởi công thức:

P(U  u ) =  hay (u ) 1 

Chú ý:
♦ Người ta đã chứng minh được rằng:
X 
X ~ N (,
2
Nếu thì: U  ~ N (0,1)
) 

♦ Mối quan hệ giữa các hàm Laplace:

(x)   0 (x)  0,5
0(x)  0(x)
• Công thức xác suất của phân phối chuẩn tắc:
Nếu U ~N(0,1) thì:
P(  a)    a 
U  a)  1  (a)
P( (a)
U
P(a  U   (b)  (a)
b)
• Công thức xác suất của phân phối chuẩn tổng quát:
Nếu X ~ N(µ, δ2) thì:
P(
X 
 a)   a   P(
X  a)  1 a
 
 ;   

  
 
 P(a  X  b 
  a
  
b)  

   
trong đó (x) là hàm Laplace, với các giá trị được tính sẵn
trong bảng phụ lục.
Ta thấy rằng nếu biến ngẫu nhiên X ~ N(µ, δ2)
thì với mọi k>0 ta đều có:

P X   k  P k X 

 k  2  k  1
 
   


 
Với k = 3 thì ta có quy tắc 3 xich-ma:

P  X    3   23 1  0,9973
Ý nghĩa: Có tới 99,73% các giá trị của BNN X nằm trong
khoảng (µ − 3σ; µ + 3σ).
Đặc biệt: Nếu X~N(0,1) thì có tới 99,73% các giá trị của X
nằm trong khoảng (-3; 3).
Ví dụ 1:
Cho U ~N(0,1), khi đó hãy tính:
a) P(2,43   2,43) b) P(U 1,65)
U
c) P(1,21 1,05) d) P(U 1,58)
U e) P(U  f ) P(U  5,6)
4,2)
Ví dụ 2: Cho X ~N(2, 9), khi đó hãy tính:
a) P(X < 2,6) b) P(X > 3)
c) P ( X < a) =0,8413 d) P(X<a) =0,36
3.5. Một số quy luật khác

a) Quy luật phân phối Khi – bình phương

Định nghĩa 1: Giả sử X1, X2, ..., Xn là các biến ngẫu

nhiên độc lập có cùng phân phối N(0,1). Biến ngẫu

n

nhiên xác định bởi công thức X 2 được gọi


2
  i1 i

là tuân theo luật phân phối Khi- bình phương với n

bậc tự do, kí hiệu là:  ~  (n)

2

2
Định nghĩa 2:

Giá trị tới hạn mức α của phân phối  (n), ký hiệu
2

 2
được xác định bởi:

(n)

P     (n)  
2 2


Giá trị này có thể tra trong bảng phụ lục.

3.4. Một số quy luật khác
b) Quy luật phân phối T - Student:

Định nghĩa 1: Giả sử U, V là các biến ngẫu nhiên

độc lập, U có phân phối chuẩn tắc N(0,1) và V có
phân phối Khi-bình phương bậc tự do n. Khi đó biến
ngẫu nhiên T xác định bởi công thức:
U
T
V
n
được gọi là tuân theo quy luật phân phối T-Student
với n bậc tự do, kí hiệu là: T~ T(n)
Định nghĩa 2: Giá trị tới hạn mức α của phân phối

Student, ký hiệu là (n)

t , là giá trị của biến ngẫu

nhiên T thoả mãn điều

kiện: P(T  t (n)
 )

Giá trị của nó được tính sẵn ở bảng phụ lục.

c) Quy luật phân phối F - Fisher:
Định nghĩa1: Cho hai biến ngẫu nhiên V1, V2 tuân theo quy luật
Khi - bình phương với bậc tự do tương ứng n 1 và n2. Biến ngẫu
F nhiên xác định bởi công thức:

V1 / n1
F =
V2 / n2
được gọi là tuân theo luật phân phối Fisher với bậc tự do (n1, n2).
Kí hiêu: F ~ F(n1, n2)
c) Quy luật phân phối F - Fisher:
Định nghĩa 2:

Giá trị tới hạn mức α của biến ngẫu nhiên có phân
phối F(n1, n2),

ký hiệu là fα (n1, n2), được xác định qua đẳng thức:

P(F(n1, n2)> fα (n1, n2)), =α.

Giá trị này có thể tra trong bảng Phụ lục.