BG Toán XSTK - c1234

Bài giảng môn
Toán xác suất và thống kê

GV: Th.s Nguyễn Thùy Dung
Giới thiệu học phần Toán xác suất thống kê
› Số tín chỉ: 2TC
– Thời lượng: 34 tiết
– Lý thuyết: 26 tiết
– Bài tập: 8 tiết
› Đánh giá kết quả học tập:
– Điểm quá trình 30% bao gồm:
- Điểm kiểm tra giữa kỳ, điểm chữa bài tập trên lớp, điểm chuyên cần
- Điểm thi kết thúc học phần 70%
📌 Giáo trình:
- Lý thuyết xác suất & Thống kê (Tống Đình Quỳ)
📌 Kiểm tra giữa kỳ: Sau chương 3
Nội dung học phần
1 • Các khái niệm về xác suất

2 • Biến ngẫu nhiên một chiều
3 • Biến ngẫu nhiên nhiều chiều
4 • Mẫu thống kê
5 • Ước lượng
6 • Kiểm định giả thiết thống kê
7 • Tương quan - Hồi quy
Phần 1: Xác suất
Chương 1: Các khái niệm về xác suất
1.1 Biến cố ngẫu nhiên và phép tính xác suất

1.2 Các định nghĩa về xác suất – Định lý cơ bản
của xác suất
1.3 Dãy các phép thử độc lập – Phép thử lặp –
Công thức Bernoulli
1.1.1 Khái niệm phép thử, biến cố
v Phép thử
Một thí nghiệm dùng để nghiên cứu một đại lượng hay một hiện
tượng nào đó được gọi là phép thử.
› Ký hiệu một phép thử là 𝐺, 𝛼, 𝛽 …
› Ví dụ 1:
• Mua ngẫu nhiên một vé số.
• Gieo một con xúc xắc.
• Tung một đồng xu
v Biến cố
› Biến cố sơ cấp (BCSC): Kết quả đơn giản nhất có thể xảy ra khi
thực hiện phép thử.
› Ví dụ 2:
• Tung một đồng xu đồng chất cân đối ta thấy BCSC của phép thử
này là: Ngửa , Sấp.
• Gieo một con xúc xắc đồng chất cân đối, ta thấy các BCSC của
phép thử này là: 𝐴!, 𝐴", 𝐴#, 𝐴$, 𝐴%, 𝐴& 𝑣ớ𝑖 𝐴' là mặt i chấm xuất
hiện
v Biến cố
› Biến cố chắc chắn: Là biến cố nhất định phải xảy ra khi phép thử
được thực hiện. Ký hiệu là Ω (hoặc U).
Ví dụ 3: Gieo một con xúc xắc đồng chất cân đối, biến cố số chấm
xuất hiện nhỏ hơn 7 là biến cố chắc chắn.
› Biến cố không thể (bất khả): Là biến cố không thể xảy ra khi phép
thử được thực hiện. Ký hiệu là ∅ (hoặc 𝑉).
› Biến cố ngẫu nhiên: Là biến cố có thể xảy ra hoặc không khi thực
hiện phép thử.
› Tập hợp các biến cố sơ cấp của một phép thử còn gọi là không gian
các biến cố sơ cấp và ký hiệu Ω.
1.1.2 Quan hệ và các phép toán về biến cố
Giả sử phép thử G có các biến cố A, B, C…
› a) Kéo theo: Biến cố A được gọi là kéo theo biến cố B, ký
hiệu: 𝐴 ⊂ 𝐵 hoặc 𝐴 ⇒ 𝐵 nếu A xảy ra thì B cũng xảy ra.
B A
› b) Tương đương: Biến cố A và B
được gọi là hai biến cố tương
đương, ký hiệu: A = B nếu 𝐴 ⊂ BA
𝐵 𝑣à 𝐵 ⊂ 𝐴
Ω
› c) Xung khắc: A, B là 2 biến cố
xung khắc nếu chúng không thể Ω
đồng thời xảy ra khi thực hiện phép B
thử.
A
› d) Tổng 2 biến cố: Tổng của 2
biến cố A và B là một biến cố, ký
hiệu: A + B hoặc 𝐴 ∪ 𝐵. B A
› Biến cố này xảy ra khi và chỉ khi
có ít nhất một trong hai biến cố A, Ω
B xảy ra.
A+B
Ví dụ 4: Quan sát 2 xạ thụ cùng bắn vào một bia. Mỗi xạ thủ bắn
một viên.
Gọi A là biến cố “Xạ thủ 1 bắn trúng bia”, B là biến cố “Xạ thủ 2
bắn trúng bia”, C là biến cố “bia trúng đạn”
thì C = A + B.
› Tổng của n biến cố A!, A", … , A( trong cùng một phép thử là
một biến cố C ký hiệu là C = 𝐴! + 𝐴" + ⋯ 𝐴) .
› Biến cố này xảy ra khi và chỉ khi có ít nhất một biến cố 𝐴' nào
đó xảy ra khi phép thử được thực hiện.
› e) Hiệu của A và B, ký hiệu 𝐴 − 𝐵( hoặc 𝐴\B), chỉ biến cố

xuất hiện A nhưng không xuất hiện B, tức là
𝐴 − 𝐵 = 𝐴𝐵C
› f) Tích của 2 biến cố: Tích của 2 Ω
biến cố A và B là một biến cố, ký
hiệu: AB hoặc 𝐴 ∩ 𝐵.
› Biến cố này xảy ra khi và chỉ khi A B
cả A và B xảy ra.
AB
Ví dụ 5: Xét phép thử quan sát 2 xạ thụ cùng bắn vào một bia.
Mỗi xạ thủ bắn một viên.
Gọi A là biến cố “Xạ thủ 1 bắn trượt”, B là biến cố “Xạ thủ 2 bắn
trượt”, C là biến cố “bia không trúng đạn”
thì C = AB.
› g) Biến cố đối lập: biến cố đối lập 𝐴̅
A à một biến cố, ký hiệu: 𝐴̅ nếu
𝐴, 𝐴̅ xung khắc và 𝐴 ∪ 𝐴̅ = Ω. A
Ω
Ví dụ 6: Kiểm tra 5 sản phẩm.
Gọi A là biến cố “có ít nhất 3 sản phẩm tốt”, thì 𝐴̅ là biến cố “số
sản phẩm không quá 2”.
1.2 Các định nghĩa về xác suất – Định lý cơ bản của
xác suất
1.2.1 Định nghĩa cổ điển
› a) Định nghĩa
Giả sử phép thử G có n biến cố sơ cấp đồng khả năng.
A là biến cố trong cùng phép thử và có m kết quả thuận lợi cho A
(nghĩa là số khả năng xảy ra biến cố A).
,
Ta gọi tỉ số là xác suất của biến cố A và ký hiệu là P(A)
)
Số khả năng thuận lợi cho A 𝑚

𝑃 𝐴 = =
Tổng số khả năng 𝑛
xác suất
› Ví dụ 7. Tung một con xúc xắc cân đối đồng chất, tính xác suất
mặt xuất hiện có số chấm chia hết cho 2?
Giải: Các trường hợp đồng khả năng là xúc xắc xuất hiện mặt 1
chấm, 2 chấm, 3 chấm, 4 chấm, 5 chấm, 6 chấm vậy n = 6.
Gọi A là biến cố mặt xuất hiện có số chấm chia hết cho 2, số khả
năng A xảy ra là 3 khả năng (xúc xắc xuất hiện mặt 2,4, 6 chấm).
Vậy xác suất của A là
3 1
𝑃 𝐴 = =
6 2
xác suất
› b) Các tính chất của xác suất
1. Nếu A là biến cố ngẫu nhiên thì: 0 ≤ 𝑃 𝐴 ≤ 1
2. Nếu Ω là biến cố chắc chắn thì: P Ω = 1
3. Nếu ∅ là biến cố không thể thì: P ∅ = 0
Với biến cố B bất kỳ, ta luôn có: 0 ≤ 𝑃 𝐵 ≤ 1
4. Nếu A, B xung khắc thì P(A+B) = P(A) + P(B)
5. 𝐴̅ là biến có đối của 𝐴 thì P 𝐴̅ = 1 − 𝑃(𝐴)
6. Nếu 𝐴 ⇒ 𝐵 thì 𝑃 𝐴 ≤ 𝑃(𝐵)
1.2.2 Định nghĩa thống kê
› Xét phép thử G và A là một biến cố.

› Giả sử ta có thể thực hiện phép thử G n lần khi đó biến cố A xuất
,
hiện m lần, và tỉ số gọi là tần suất xuất hiện của biến cố A.
)
› Cho số phép thử tăng lên vô hạn khi đó tần suất xuất hiện của
biến cố A sẽ tiến tới một giá trị xác định gọi là xác suất của A, ký
hiệu P(A)
𝑚
𝑃 𝐴 = lim
!→# 𝑛
› Ví dụ 8.
Người thí Số lần tung Số lần sấp Tần suất

nghiệm
Buffon 4040 2048 0.5080
Pearson 12000 6019 0.5016
Pearson 24000 12012 0.5005
1.2.3 Định nghĩa hình học
› Xét một phép thử đồng khả năng, không gian mẫu có vô hạn phần
tử và được biểu diễn thành một miền hình học Ω có độ đo xác
định (độ dài, diện tích, thể tích…).
› Biến cố A ⊂ Ω được biểu diễn bởi miền hình học g. Khi đó, xác
suất xảy ra A là
𝑚𝑒𝑠(𝑔) Độ đo miền A Ω
𝑃 𝐴 = =
𝑚𝑒𝑠(Ω) Độ đo miền Ω 𝑔
Ví dụ 9. Hai người X, Y hẹn gặp nhau ở một địa điểm trong
khoảng thời gian 1 giờ (8h-9h sáng) và quy ước mỗi người đến
điểm hẹn chờ người kia không quá 20 phút, nếu không thấy người
kia sẽ đi về. Tìm xác suất để 2 người gặp được nhau.
Giải: Gọi x, y lần lượt là thời gian

người X, Y đến địa điểm hẹn tính từ
gốc 8h, (phút), ta có
0 ≤ 𝑥 ≤ 60; 0 ≤ 𝑦 ≤ 60
Ω = 𝑥, 𝑦 ∈ ℝ" 0 ≤ 𝑥, 𝑦 ≤ 60
Gọi A là biến cố 2 người gặp nhau. Ta
có:
𝐴 = {(𝑥, 𝑦) ∈ ℝ"|0 ≤ 𝑥 − 𝑦 ≤ 20}
𝑆(𝐴) 60" − 40" 5
𝑃 𝐴 = = " =
𝑆(Ω) 60 9
xác suất
1.2.4 Định nghĩa tiên đề
› Định nghĩa
Ta gọi xác suất trên (Ω, 𝒜) là một hàm số xác định trên 𝒜
có giá trị trong 0,1 và thỏa mãn 3 tiên đề
(i) 𝑃 Ω = 1
(ii) 𝑃(𝐴 + 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) với A, B xung khắc
(iii) Nếu dãy {𝐴) } có tính chất 𝐴- ⇒ 𝐴' , ∀𝑖 ≤ 𝑗 và
𝐴!𝐴" … 𝐴) … = 𝑉, thì 𝑃 𝐴) 0.
)→/
Có thể thay (ii) và (iii) bằng
(iv) Nếu dãy {𝐴) } có tính chất xung khắc từng đôi và
𝐴 = ∑/ )0! 𝐴) ∈ 𝒜 thì /
𝑃 𝐴 = 𝑃 𝐴! + 𝑃 𝐴" + ⋯ + 𝑃 𝐴) + ⋯ = ^ 𝑃(𝐴) )
)0!
1.2.5 Xác suất tổng các biến cố
› Công thức cộng xác suất:

1) Nếu A và B là hai biến cố xung khắc thì
𝑃 𝐴 + 𝐵 = 𝑃 𝐴 + 𝑃(𝐵)
Tổng quát:
Nếu 𝐴!, 𝐴", … , 𝐴) là n biến cố xung khắc từng đôi, thì:
𝑃 𝐴! + 𝐴" + ⋯ + 𝐴) = 𝑃 𝐴! + 𝑃 𝐴" + ⋯ + 𝑃(𝐴) )
1.2.5 Xác suất tổng các biến cố

Hệ quả: Nếu 𝐴 và 𝐴̅ là hai biến cố đối lập thì
𝑃 𝐴 = 1 − 𝑃(𝐴)̅
Biến cố A độc lập với biến cố B khi biến cố này không ảnh hưởng
C 𝐴,̅ 𝐵 và
đến biến cố kia và ngược lại. Nếu A, B độc lập thì: 𝐴, 𝐵;
𝐴,̅ 𝐵C cũng độc lập.
Nếu 2 biến cố A, B độc lập thì

𝑃 𝐴. 𝐵 = 𝑃 𝐴 . 𝑃(𝐵)
2) Nếu A và B là hai biến cố bất kì thì
𝑃 𝐴 + 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴𝐵)
Trường hợp n = 3:
Nếu 𝐴!, 𝐴", 𝐴# là n biến cố không xung khắc, thì:
𝑃 𝐴! + 𝐴" + 𝐴# = 𝑃 𝐴! + 𝑃 𝐴" + 𝑃 𝐴#
−𝑃 𝐴!𝐴" − 𝑃(𝐴!𝐴#) − 𝑃 𝐴"𝐴# + 𝑃(𝐴!𝐴"𝐴#)
Ví dụ 10.
Hai xạ thủ mỗi người bắn một phát vào 1 tấm bia, xác suất bắn
trúng của người thứ nhất và người thứ hai lần lượt là 0,8 và 0,7.
a) Tính xác suất để cả 2 người bắn trúng.
b) Tính xác suất để có ít nhất một người bắn trúng.
c) Tính xác suất để có đúng một phát trúng đích.
Giải. Gọi A là biến cố người thứ nhất bắn trúng, B là biến cố

người thứ hai bắn trúng. P(A) = 0,8 và P(B) = 0,7.
a) Biến cố “Cả hai người bắn trúng” là: A.B
P(A.B) = P(A).P(B) = 0,8. 0,7 = 0,56
b) Biến cố “Có ít nhất một người bắn trúng” là A + B
P (A + B) = P(A) + P(B) – P(A.B) = 0,8 + 0,7 – 0,56 = 0,94
Ví dụ 10.
Hai xạ thủ mỗi người bắn một phát vào 1 tấm bia, xác suất bắn
trúng của người thứ nhất và người thứ hai lần lượt là 0,8 và 0,7.
a) Tính xác suất để cả 2 người bắn trúng.
b) Tính xác suất để có ít nhất một người bắn trúng.
c) Tính xác suất để có đúng một phát trúng đích.
Giải.
b) Cách 2:
Biến cố “Có ít nhất một người bắn trúng” là A + B
𝑃 𝐴 + 𝐵 = 1 − 𝑃 𝐴.̅ 𝐵C = 1 − 0,2.0,3 = 0,94
c) Biến cố “Có đúng một phát trúng đích” là 𝐴. 𝐵C + 𝐴.̅ 𝐵
𝑃 𝐴. 𝐵C + 𝐴.̅ 𝐵 = 0,8.0,3 + 0,2.0,7 = 0,38
xác suất
1.2.6 Xác suất có điều kiện
› a) Định nghĩa.
Xác suất của biến cố A được tính với điều kiện biến cố B đã xảy ra
gọi là xác suất có điều kiện của A khi biết chắc chắn B đã xảy ra.
Kí hiệu: P(A/B)
v Chú ý: 𝑃 𝐴 ≠ 𝑃 𝐴/𝐵
Xác suất có điều kiện có mọi tính chất của một xác suất bình
thường.
Ví dụ 11. Rút từ bộ bài tú lơ khơ 52 con lần

lượt ra 2 quân bài. Tìm xác suất để quân thứ
hai là át, biết rằng quân thứ nhất đã là át.
Giải.
Nếu kí hiệu A là biến cố rút được quân thứ 1 là át, B là biến cố rút
được quân thứ 2 là át, thì
3 1
𝑃 𝐵/𝐴 = =
51 17
› b) Định lí nhân xác suất
Định lí 1: Nếu A, B là hai biến cố bất kỳ, ta có:
𝑷 𝑨𝑩 = 𝑷 𝑩 . 𝑷 𝑨/𝑩 = 𝑷 𝑨 . 𝑷(𝑩/𝑨)
Ta có nếu 𝑃 𝐴/𝐵 = 𝑃(𝐴) thì A, B độc lập, ngược lại thì A, B phụ
thuộc.
Tổng quát:
𝑷 𝑨𝟏 … 𝑨𝒏 = 𝑷 𝑨𝟏 . 𝑷 𝑨𝟐 /𝑨𝟏 … 𝑷(𝑨𝒏 /𝑨𝟏 … 𝑨𝒏4𝟏 )

Định lí 2: A, B là hai biến cố độc lập khi và chỉ khi
𝑷 𝑨𝑩 = 𝑷 𝑨 . 𝑷(𝑩)
Ví dụ 12.
Gieo đồng thời 2 con xúc xắc. Tính xác suất để tổng số nốt trên hai
con xúc xắc không nhỏ hơn 10 biết rằng ít nhất 1 con ra nốt 5.
𝑷(𝑨𝑩)
𝑷 𝑩/𝑨 =
𝑷(𝑨)
Giải.
Gọi A = {ít nhất một con ra nốt 5}, B = {tổng số nốt ≥ 10}
Xác suất cần tìm là P(B/A).
Ta có:
5 " 11
𝑃 𝐴 = 1 − 𝑃 𝐴̅ = 1 − =
6 36
3
𝐴𝐵 = 5,5 ; 5,6 ; 6,5 ⇒ 𝑃 𝐴𝐵 =
36
𝑃 𝐴𝐵 3
⇒ 𝑃 𝐵/𝐴 = =
𝑃(𝐴) 11
Ví dụ 13.
Một ngăn đựng 3 trục loại I và 7 trục loại II, người lắp máy chọn
ngẫu nhiên 1 chiếc, sau đó lại rút tiếp chiếc thứ hai. Tính xác
suất để chiếc thứ nhất thuộc loại I và chiếc thứ hai thuộc loại II.
Giải.
Gọi A = {Chiếc thứ nhất loại I} và B = {Chiếc thứ hai loại II}.
Xác suất cần tìm là
3 7 7
𝑃 𝐴𝐵 = 𝑃 𝐴 𝑃 𝐵/𝐴 = . =
10 9 30
1.2 Các định nghĩa về xác suất – Định lý cơ bản của xác
suất
1.2.7 Công thức xác suất toàn phần (đầy đủ) và công
thức Bayes
1.2.7 Công thức xác suất toàn phần (đầy đủ) và công
thức Bayes
› a) Hệ đầy đủ các biến cố (nhóm đầy đủ)

Cho không gian mẫu Ω và 𝐴!, 𝐴", … , 𝐴) . Các biến cố
𝐴!, 𝐴", … , 𝐴) là hệ biến cố đầy đủ nếu chúng thỏa 𝐴"
mãn 2 điều kiện sau: 𝐴! 𝐴#
𝐴! + 𝐴" + ⋯ + 𝐴) = Ω B
h𝐴 𝐴 = 𝜙 ∀1 ≤ 𝑖 ≠ 𝑗 ≤ 𝑛
' -
𝐴$
Tính chất: 𝑃 𝐴! + 𝑃 𝐴" + ⋯ + 𝑃 𝐴) = 1 𝜴
v Chú ý:
• Đối với một sự kiện A thì ta có nhóm đầy đủ 𝐴, 𝐴̅
• Đối với 2 sự kiện A và B, một nhóm đầy đủ 𝐴𝐵, 𝐴𝐵, ̅ 𝐴𝐵,
C 𝐴.̅ 𝐵C
A 𝐴𝐵9 𝐴𝐵 ̅
𝐴𝐵
𝐴̅
𝐴.̅ 𝐵9
b) Công thức xác suất toàn phần
Giả sử ta có hệ biến cố đầy đủ 𝐴!, 𝐴", … , 𝐴) , 𝐵 là biến cố bất kì, ta có:
)
𝑃 𝐵 = ^ 𝑃 𝐴' 𝑃(𝐵/𝐴' )
'0!
Ví dụ 14
Một công ty một ngày sản xuất được 850 sản phẩm, trong đó có 50
sản phẩm không đạt chất lượng. Lần lượt lấy ra ngẫu nhiên không
hoàn lại 2 sản phẩm để kiểm tra.
a) Tính xác suất để sản phẩm thứ hai không đạt chất lượng, biết
rằng sản phẩm thứ nhất không đạt chất lượng.
b) Tính xác suất để sản phẩm thứ 2 không đạt chất lượng.
c) Tính xác suất để trong hai sản phẩm có ít nhất 1 sản phẩm
không đạt chất lượng.
Giải:
Gọi 𝐴; = {sản phẩm thứ k không đạt chất lượng}, k = 1, 2.
a) Ta có:
49
𝑃 𝐴"/𝐴! =
849
Ví dụ 14
c) Tính xác suất để trong hai sản phẩm có ít nhất 1 sản phẩm
không đạt chất lượng.
Giải:
b) Do 𝐴!, 𝐴!̅ là hệ đầy đủ nên theo công thức XSTP ta có:
𝑃 𝐴" = 𝑃 𝐴! 𝑃 𝐴"/𝐴! + 𝑃 𝐴!̅ P 𝐴"/𝐴!̅
50 49 800 50 1
= . + . =
850 849 850 849 17
Ví dụ 14
c) Tính xác suất để trong hai sản phẩm có ít nhất 1 sản phẩm không
đạt chất lượng.
Giải:
c) Gọi B = {có ít nhất 1 sản phẩm không đạt chất lượng}
Do 𝐴!, 𝐴!̅ là hệ đầy đủ nên theo công thức XSTP ta có:
𝑃 𝐵 = 𝑃 𝐴! 𝑃 𝐵/𝐴! + 𝑃 𝐴!̅ P 𝐵/𝐴!̅
50 800 50 97
= .1 + . =
850 850 849 849
Ví dụ 15.
Một phân xưởng có 3 máy sản xuất cùng loại sản phẩm với tỉ lệ phế
phẩm tương ứng 1%, 0,5% và 0,2%. Biết rằng máy I sản xuất ra
35%, máy II – 45% và máy III – 20% sản phẩm. Chọn hú họa ra
một sản phẩm, tìm xác suất để đó là phế phẩm.
Giải:
Gọi 𝐴' = {sản phẩm do máy i sản xuất ra}, i = 1, 2, 3
𝐴!, 𝐴", 𝐴# là hệ đầy đủ và ta có:
𝑃 𝐴! = 0,35; P A" = 0,45; P A# = 0,2
Gọi H = {sản phẩm rút ra là phế phẩm}
Áp dụng công thức XSTP ta có:
𝑃 𝐻 = 𝑃 𝐴! 𝑃 𝐻/𝐴! + 𝑃 𝐴" 𝑃 𝐻/𝐴" + 𝑃 𝐴# 𝑃 𝐻/𝐴#
= 0,35.1% + 0,45.0,5% + 0,2.0,2% = 0,615%
v Công thức Bayes
Giả sử ta có nhóm đầy đủ 𝐴!, 𝐴", … , 𝐴) và 𝐵 là biến cố bất kì, phép
thử được thực hiện, ta có:
𝑃 𝐴' 𝑃 𝐵/𝐴'
𝑃 𝐴' /𝐵 = , 𝑖 = 1,2, … , 𝑛
𝑃(𝐵)
Thay P(B) dưới mẫu bằng công thức XSTP, ta có:
𝑃 𝐴' 𝑃 𝐵/𝐴'
𝑃 𝐴' /𝐵 = )
∑'0! 𝑃 𝐴' . 𝑃 𝐵/𝐴'
v Chú ý.
- Các xác suất 𝑃 𝐴' /𝐵 được xác định sau khi đã biết kết quả của
phép thử B đã xảy ra nên thường được gọi là các xác suất hậu
nghiệm.
- Công thức Bayes xác định lại các xác suất tiên nghiệm 𝑃 𝐴'
khi biết thông tin là B xảy ra.
Ví dụ 16.
Có 3 hộp bề ngoài giống hệt nhau. Các hộp chứa lần lượt 10, 15, 20
sản phẩm và mỗi hộp đều có 5 phế phẩm. Lấy ngẫu nhiên 1 hộp, từ
đó rút ngẫu nhiên một sản phẩm.
a) Tính xác suất để lấy được chính phẩm.
b) Kiểm tra thì thấy sản phẩm lấy được đúng là chính phẩm. Tính
xác suất để sản phẩm đó được rút ra từ hộp thứ nhất.
Giải:
a) Gọi 𝐴' = {sản phẩm được lấy ra từ hộp thứ i}, i = 1, 2, 3.
B = {Rút được chính phẩm}
Ta có 𝐴!, 𝐴", 𝐴# là một nhóm đầy đủ và chúng đồng khả năng.
!
Vậy 𝑃 𝐴! = 𝑃 𝐴" = 𝑃 𝐴# = #
Theo công thức XSTP:
#
1 5 1 10 1 15 23
𝑃 𝐵 = ^ 𝑃 𝐴' . 𝑃 𝐵/𝐴' = . + . + . =
3 10 3 15 3 20 36
'0!
Ví dụ 16.
Có 3 hộp bề ngoài giống hệt nhau. Các hộp chứa lần lượt 10, 15,
20 sản phẩm và mỗi hộp đều có 5 phế phẩm. Lấy ngẫu nhiên 1
hộp, từ đó rút ngẫu nhiên một sản phẩm.
a) Tính xác suất để lấy được chính phẩm.
b) Kiểm tra thì thấy sản phẩm lấy được đúng là chính phẩm. Tính
xác suất để sản phẩm đó được rút ra từ hộp thứ nhất.
Giải:
b)
Theo công thức Bayes:
1 1
𝑃 𝐴! . 𝑃 𝐵/𝐴! . 6
𝑃 𝐴!/𝐵 = = 3 2 =
𝑃(𝐵) 23 23
36
Ví dụ 17.
Một nhà máy có hai xưởng sản xuất: xưởng I chiếm 65% tổng sản
phẩm, xưởng II chiếm 35%. Biết rằng tỉ lệ sản phẩm đạt chất lượng
tốt của xưởng I là 90% và của xưởng II là 85%.
a) Lấy ra ngẫu nhiên 1 sản phẩm của nhà máy. Tính xác suất để
sản phẩm đó là sản phẩm chất lượng tốt.
b) Xét 1 sản phẩm không đạt chất lượng. Tính xác suất để đó là
sản phẩm do xưởng II sản xuất.
Giải:
a) Gọi 𝐴' = {sản phẩm lấy ra do xưởng i sản xuất} i = 1, 2
B = {sản phẩm lấy ra là sản phẩm chất lượng tốt}.
Ta có: 𝑃 𝐴! = 0,65; 𝑃 𝐴" = 0,35
Theo công thức XSTP, ta có:
𝑃 𝐵 = 𝑃 𝐴! . 𝑃 𝐵/𝐴! + 𝑃 𝐴" . 𝑃 𝐵/𝐴"
= 0,65.0,9 + 0,35.0,85 = 0,8825
Ví dụ 17.
Một nhà máy có hai xưởng sản xuất: xưởng I chiếm 65% tổng sản
phẩm, xưởng II chiếm 35%. Biết rằng tỉ lệ sản phẩm đạt chất lượng
tốt của xưởng I là 90% và của xưởng II là 85%.
a) Lấy ra ngẫu nhiên 1 sản phẩm của nhà máy. Tính xác suất để
sản phẩm đó là sản phẩm chất lượng tốt.
b) Xét 1 sản phẩm không đạt chất lượng. Tính xác suất để đó là
sản phẩm do xưởng II sản xuất.
Giải:
b) Gọi 𝐵C = {sản phẩm lấy ra không đạt chất lượng}
Ta có:
C "
𝑃 𝐴" . 𝑃 𝐵/𝐴 0,35. (1 − 0,85) 21
C
𝑃 𝐴"/𝐵 = = =
C
𝑃(𝐵) 1 − 0,8825 47
1.3 Dãy các phép thử độc lập – Phép thử lặp – Công
thức Bernoulli
1.3.1 Dãy các phép thử độc lập
v Dãy các phép thử Bernouli
Tiến hành n phép thử độc lập, cùng điều kiện.
Mỗi phép thử xuất hiện kết quả hoặc xảy ra A hoặc không.
Khả năng xảy ra A trong mỗi phép thử luôn bằng p.
vVí dụ:
1. Tung đồng xu 10 lần, ta quan tâm đến biến cố xuất hiện mặt
ngửa.
2. Gieo 1 con xúc xắc 100 lần, ta quan tâm đến biến cố ra mặt 6
chấm.
3. 9 người bắn súng độc lập với nhau, mỗi người bắn 1 viên đạn
vào bia và xác suất bắn trúng bia của 9 người là như nhau.
thức Bernoulli
1.3.2 Công thức Bernoulli và hệ quả
Daniel Bernoulli (1700 – 1782)

thức Bernoulli
1.3.2 Công thức Bernoulli và hệ quả
v Công thức Bernoulli
Cho một dãy n phép thử Bernoulli với xác suất biến cố A xuất hiện
trong mỗi phép thử bằng nhau và bằng p.
Khi đó xác suất để biến cố A trong phép thử đó xuất hiện đúng k lần
được tính theo công thức:
𝑃) 𝑘 = 𝐶); 𝑝; 𝑞)4; (0 ≤ 𝑘 ≤ 𝑛) 1 ; q = 1 − p
(1) được gọi là công thức Bernoulli
v Hệ quả: Xác suất để biến cố A xuất hiện đúng k lần,

0 ≤ 𝑘! ≤ 𝑘 ≤ 𝑘" ≤ 𝑛 là:
;"
𝑃) 𝑘!; 𝑘" = ^ 𝐶); 𝑝; 𝑞)4; 2 ;𝑞 = 1 − 𝑝
;0;!
Ví dụ 18.
Một xạ thử bắn 5 viên đạn vào một mục tiêu, xác suất bắn trúng
mục tiêu một viên là 0,8.
a) Tính xác suất để có đúng 2 phát trúng đích.
b) Tính xác suất để số phát trúng đích từ 2 đến 4.
Giải:
Xem như ta thực hiện dãy 5 phép thử độc lập.
Gọi A = {bắn trúng đích}. Ta có P(A) = 0,8.
a) Xác suất để có đúng 2 phát trúng đích là:
𝑃% 2 = 𝐶%". 0,8" 1 − 0,8 %4" = 0,0512
b) Xác suất để số phát trúng đích từ 2 đến 4:
𝑃 = 𝑃% 2 + 𝑃% 3 + 𝑃% 4
= 𝐶%". 0,8". 0,2# + 𝐶%#. 0,8#. 0,2" + 𝐶%$. 0,8$. 0,2!
= 0,6656
Công thức Moivre-Laplace
Định lý 1. Nếu trong mỗi phép thử độc lập biến cố A xuất hiện với
xác suất p (0<p<1) thì:
;4)< "
1 4 ")<=
lim 𝑃) 𝑘 − 𝑒 =0
)→/ 2𝜋𝑛𝑝𝑞
! ;4)<
Vậy với n đủ lớn 𝑃) 𝑘 ≈ )<=
𝜑 𝑥> , 𝑥> = )<=
"
#
! 4"
Với 𝜑 𝑥> là hàm Gauss được xác định bởi 𝜑 𝑥 = "?
𝑒
v Chú ý:
Hàm Gauss là hàm chẵn, tra bảng từ 0 đến 3,99 nên ta có
+ 𝜑 −𝑥 = 𝜑 𝑥
+ x > 3,99 thì 𝜑 𝑥 ≈ 𝜑 3,99
Công thức Moivre-Laplace
Định lý 2. Nếu trong mỗi phép thử độc lập biến cố A xuất hiện với
xác suất p (0 < p < 1) thì:
A"
@" 4 "
1
lim 𝑃) 𝑘!; 𝑘" − {𝑒 𝑑𝑡 =0
)→/ 2𝜋
@!
Vậy với n đủ lớn 𝑃) 𝑘!; 𝑘" = 𝜙 𝑥" − 𝜙 𝑥!

$"
;! 4)< ;" 4)< ! @ 4
Với 𝑥! = )<=
; 𝑥" = )<=
; 𝜙 𝑥 = ∫ 𝑒
"? >
" 𝑑𝑡.
𝜙(x) gọi là hàm Laplace.
v Chú ý :
Hàm 𝜙(𝑥) là hàm lẻ.
+ Tra bảng : x < 0,𝜙(-x) = −𝜙(x)
+ x > 5,0 thì 𝜙(x) =𝜙(5,0)
Ví dụ 19.
Xác suất ném trúng rổ của một cầu thủ là 0,8. Tìm xác suất để
trong 100 lần cầu thủ đó:
a) Ném trúng 75 lần.
b) Ném trúng không ít hơn 75 lần.
Giải: Ta tính xấp xỉ theo công thức Moivre-Laplace

75 − 0,8.100
𝜑
100.0,8.0,2 𝜑 −1,25 0,1826
𝑎)𝑃!>> 75 ≈ = =
100.0,8.0,2 4 4
= 0,04565 (Tra bảng)
100 − 0,8.100 75 − 0,8.100
𝑏) 𝑃!>> 75; 100 ≈ 𝜙 −𝜙
100.0,8.0,2 100.0,8.0,2
= 𝜙 5 − 𝜙 −1,25 = 𝜙 5 + 𝜙 1,25
= 0,49999997 + 0,39435 = 0,8943
(Ta tra bảng 2)
Chương 2: Biến ngẫu nhiên một chiều
2.1 Khái niệm biến cố ngẫu nhiên một chiều

2.2 Luật phân phối xác suất
2.3 Các đặc trưng của biến ngẫu nhiên
2.4 Một số phân phối thường gặp
2.1.1 Định nghĩa
Cho phép thử có không gian mẫu Ω. Ánh xạ X từ Ω vào R được gọi
là một biến ngẫu nhiên.
𝑋: Ω → 𝑅, (𝑋(𝜔) ∈ 𝑅, 𝜔 ∈ Ω)
Tập 𝑋 Ω = {𝑋(𝜔) ∈ 𝑅, : 𝜔 ∈ Ω} là tập giá trị của X.
Các biến ngẫu nhiên kí hiệu bằng chữ in hoa như X, Y, Z…
Các giá trị của biến ngẫu nhiên kí hiệu bằng chữ thường như x, y, z,
…
v Ví dụ:
1) Kiểm tra 3 sản phẩm và quan tâm đến số sản phẩm đạt tiêu chuẩn
có trong 3 sản phẩm kiểm tra.
2) Khảo sát điểm thi môn Toán XSTK của một sinh viên hệ chính
quy và quan tâm đến điểm thi của sinh viên này.
3) Khảo sát doanh thu của siêu thị trong một ngày và quan tâm đến
doanh thu (triệu đồng) của siêu thị.
v Phân loại:
a) Biến ngẫu nhiên rời rạc
Biến ngẫu nhiên X gọi là BNN rời rạc nếu tập giá trị của nó là hữu
hạn hoặc vô hạn đếm được.
Ví dụ:
• Gieo 1 con xúc xắc, gọi X là số chấm xuất hiện của con xúc xắc.
• X là số con trai trong một gia đình có hai con.
b) Biến ngẫu nhiên liên tục

Biến ngẫu nhiên X gọi là BNN liên tục nếu tập giá trị của nó lấp đầy
một khoảng trên trục số.
Ví dụ:
• X là trọng lượng của một trẻ sơ sinh.
• X là huyết áp của một bệnh nhân.
• X là tuổi thọ của con người
2.2 Luật phân phối xác suất
2.2.1 Bảng phân bố xác suất của BNN rời rạc
Bảng phân phối xác suất biến ngẫu nhiên rời rạc X có dạng:
𝑋 𝑥! 𝑥" … 𝑥)
𝑃' 𝑝! 𝑝" … 𝑝)
Trong đó biến ngẫu nhiên X có tập giá trị là

𝑋 Ω = {𝑥!, 𝑥", … 𝑥) }
và xác suất tại các điểm là
𝑃 𝑋 = 𝑥' = 𝑝' , 𝑖 = 1,2, … , 𝑛.
2.2.1 Bảng phân bố xác suất của BNN rời rạc
Ví dụ 1.
Một nhóm có 10 người gồm 6 nam và 4 nữ. Chọn ngẫu nhiên ra 3
người. Gọi X là số nữ trong nhóm. Lập bảng phân bố xác suất của
X.
Giải: 𝑋 Ω = {0,1,2, 3}
𝑋 0 1 2 3
và xác suất tại các điểm là
𝐶&# 5 𝑃' 5 15 9 1
𝑃 𝑋=0 = # = 30 30 30 30
𝐶!> 30
𝐶$!. 𝐶&" 15
𝑃 𝑋=1 = # = Tính chất:
𝐶!> 30
𝐶$"𝐶&! 9 1)0 ≤ 𝑝$ ≤ 1
𝑃 𝑋=2 = # = !
𝐶!> 30
𝐶$# 1 2) @ 𝑝$ = 1
𝑃 𝑋=3 = # =
𝐶!> 30 $%&
2.2.2 Hàm phân phối (phân bố) xác suất
Định nghĩa.
Hàm F(x) xác định trên R gọi là hàm phân phối của biến ngẫu
nhiên X nếu F(x) = P(X < x)
Ví dụ 2: Cho bảng phân phối xác suất sau: 𝑋 1 2 3
Tìm hàm phân bố xác suất của BNN X. 𝑃' 0,6 0,24 0,16
Giải: Ta có:
𝑥≤1⇒𝐹 𝑥 =𝑃 𝑋<𝑥 =𝑃 ∅ =0
1 < 𝑥 ≤ 2 ⇒ 𝐹 𝑥 = 𝑃 𝑋 = 1 = 0,6
2<𝑥 ≤3⇒𝐹 𝑥 =𝑃 𝑋 =1 +𝑃 𝑋 =2 = 0,6 + 0,24 = 0,84
𝑥 >3⇒𝐹 𝑥 =𝑃 𝑋 =1 +𝑃 𝑋 =2 +𝑃 𝑋=3 =1
𝟎, 𝒙≤𝟏
𝟎, 𝟔 , 𝟏 < 𝒙 ≤ 𝟐
Ta sẽ có: 𝑭 𝒙 =
𝟎, 𝟖𝟒 , 𝟐 < 𝒙 ≤ 𝟑
𝟏, 𝒙>𝟑
2.2.2 Hàm phân phối xác suất
Đồ thị của hàm phân phối xác suất
𝟎, 𝒙≤𝟏
𝟎, 𝟔 , 𝟏<𝒙≤𝟐
𝑭 𝒙 =
𝟎, 𝟖𝟒 , 𝟐<𝒙≤𝟑
𝟏, 𝒙>𝟑
Nếu X là BNN rời rạc bất kì thì từ định nghĩa ta suy ra
𝐹 𝑥 = ^ 𝑝(𝑥' )
@% B@
v Tính chất của hàm phân phối xác suất:
i) 𝐹 𝑥 ∈ 0; 1 , 𝐹 −∞ = 0, 𝐹 +∞ = 1.
ii) 𝐹(𝑥) là hàm không giảm, nghĩa là 𝑥! < 𝑥" thì 𝐹 𝑥! ≤ 𝐹(𝑥")
iii) 𝑃 𝑎 ≤ 𝑋 < 𝑏 = 𝐹 𝑏 − 𝐹(𝑎)
iv) Nếu X là BNN liên tục thì 𝐹 𝑥 liên tục trên R, 𝐹 C 𝑥 = 𝑓 𝑥
v) 𝐹 𝑥 liên tục trái tại mọi 𝛼 ∈ 𝑅, tức là 𝑃 𝑋 = 𝛼 = 0.
Trong trường hợp 𝐹(𝑥) liên tục ta có:
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝑃 𝑎 < 𝑋 < 𝑏 = 𝑃 𝑎 < 𝑋 ≤ 𝑏 = 𝑃(𝑎 ≤ 𝑋 < 𝑏)
v Ý nghĩa của hàm phân phối xác suất:

Hàm 𝐹(𝑥) phản ánh mức độ tập trung xác suất về phía bên trái
của điểm x. Giá trị của hàm 𝐹(𝑥) cho biết có bao nhiêu phần
của một đơn vị xác suất phân phối trong khoảng (−∞, 𝑥).
Ví dụ 3.
Cho hàm phân phối xác suất của một BNN liên tục X có dạng:
0, 𝑥≤2
𝐹 𝑥 = š𝑎 𝑥 − 2 ", 2<𝑥≤4
1, 𝑥>4
Xác định hằng số a và tính 𝑃(2 ≤ 𝑋 < 3).
Giải:
Do 𝐹(𝑥) liên tục nên tại 𝑥 = 4 ta phải có
"
1
𝑎 4−2 =1⇒𝑎=
4
Ta có:
1 "
1
𝑃 2≤𝑋 <3 =𝐹 3 −𝐹 2 = 3−2 −0=
4 4
2.2.3 Hàm mật độ xác suất (Dùng cho BNN liên tục)
Định nghĩa.
Hàm 𝑓(𝑥) gọi là hàm mật độ xác suất của biến ngẫu nhiên X có hàm
phân phối 𝐹(𝑥) khả vi (trừ ở 1 số hữu hạn điểm gián đoạn), được xác
định bằng
𝑓 𝑥 = 𝐹′(𝑥)
Ta suy ra:
@
𝐹 𝑥 = { 𝑓 𝑡 𝑑𝑡
4/
E
𝑃 𝑎 ≤ 𝑋 < 𝑏 = { 𝑓 𝑥 𝑑𝑥
D
2.2.3 Hàm mật độ xác suất (Dùng cho BNN liên tục)
Tính chất.
(i) 𝑓 𝑥 ≥ 0 ∀𝑥;
F/
(ii) ∫4/ 𝑓 𝑥 𝑑𝑥 = 1
(iii) 𝑃 𝑋 = 𝑎 = 0, 𝑎 ∈ 𝑅
2.2.3 Hàm mật độ xác suất
Ví dụ 4.
Cho BNN liên tục X có hàm mật độ
𝜋 𝜋
𝑎. cos 𝑥 , 𝑥∈ − ;
𝑓 𝑥 = 2 2
𝜋 𝜋
0, 𝑥∉ − ;
2 2
a) Tìm a và hàm phân phối F(x) của X.
?
b) Tính xác suất để X nhận giá trị trong khoảng ; 𝜋
$
Giải: a) Ta có:
?
F/ "
1
{ 𝑓 𝑥 𝑑𝑥 = 𝑎 { cos 𝑥 𝑑𝑥 = 2𝑎 = 1 ⇒ 𝑎 =
2
4/ ?
4"
Giải:
@
𝐹 𝑥 = { 𝑓 𝑡 𝑑𝑡
4/
? @
Với 𝑥 ≤ −" thì ∫4/ 𝑓 𝑡 𝑑𝑡 = 0
? ?
Với − ≤𝑥 ≤ thì
" "
?
@ 4" @
1 𝑥 1
{ 𝑓 𝑡 𝑑𝑡 = { 0𝑑𝑡 + { 𝑓 𝑡 𝑑𝑡 = sin 𝑡 ž 𝜋 = (sin 𝑥 + 1)
2 − 2
4/ 4/ 4
? 2
"
&
? @
Với 𝑥 > "
thì ∫4/ 𝑓 𝑡 𝑑𝑡 = ∫ 𝑓 𝑡 𝑑𝑡 = 1
"
&
4"
𝜋
0 nếu 𝑥 ≤ −
2
1 𝜋 𝜋
⇒𝐹 𝑥 = sin 𝑥 + 1 nếu − ≤ 𝑥 ≤
2 2 2
𝜋
1 nếu 𝑥 >
2
2.2.3 Hàm mật độ xác suất
Ví dụ 4.
Cho BNN liên tục X có hàm mật độ
𝜋 𝜋
𝑎. cos 𝑥 , 𝑥∈ − ;
𝑓 𝑥 = 2 2
𝜋 𝜋
0, 𝑥∉ − ;
2 2
a) Tìm a và hàm phân phối F(x) của X.
?
b) Tính xác suất để X nhận giá trị trong khoảng ; 𝜋
$
Giải: b)
𝜋 𝜋 𝜋
𝑃 <𝑋<𝜋 =𝑃 ≤𝑋 <𝜋 =𝐹 𝜋 −𝐹
4 4 4
1 𝜋 1 2
= 1 − sin + 1 = −
2 4 2 4
2.2.4 Liên hệ giữa hàm phân phối và hàm mật độ
𝐹 𝑥 = 𝑃 𝑋 < 𝑥 = 𝑃 −∞ < 𝑋 < 𝑥 = { 𝑓 𝑥 𝑑𝑥

4/
E
𝑃 𝑎 < 𝑋 < 𝑏 = { 𝑓 𝑥 𝑑𝑥 = 𝐹 𝑏 − 𝐹(𝑎)

D
2.3.1 Kỳ vọng (GTTB)
Định nghĩa 1.
Cho BNN rời rạc X có bảng phân phối xác suất
𝑋 𝑥! 𝑥" … 𝑥)
𝑃' 𝑝! 𝑝" … 𝑝)
Kỳ vọng của X ký hiệu là EX được xác định bởi

𝒏
𝑬𝑿 = 𝒙𝟏 𝒑𝟏 + 𝒙𝟐 𝒑𝟐 + ⋯ + 𝒙𝒏 𝒑𝒏 = ^ 𝒙𝒊 𝒑𝒊
𝒊0𝟏
2.3.1 Kỳ vọng
Định nghĩa 2.
Cho BNN liên tục X có hàm mật độ f(x), 𝑥 𝜖 𝑅.
Kỳ vọng của X ký hiệu là EX được xác định bởi

F/
𝑬𝑿 = { 𝒙𝒇 𝒙 𝒅𝒙
4/
2.3.1 Kỳ vọng
Ví dụ 5.
Tính kỳ vọng của BNN X và Y khi
a) X có bảng PPXS như sau:
X 1 3 4
P 0,1 0,5 0,4
b) Y có hàm mật độ
3 "
𝑥 + 2𝑥 , 𝑣ới 𝑥 ∈ (0,1)
𝑓 𝑥 = š4
0 , 𝑣ới 𝑥 ∉ (0,1)
Giải:
a) 𝐸𝑋 = 1.0,1 + 3.0,5 + 4.0,4 = 3,2
F/ ! # " !!
b) 𝐸𝑌 = ∫4/ 𝑥𝑓 𝑥 𝑑𝑥 = ∫> 𝑥. $ 𝑥 + 2𝑥 𝑑𝑥 = &
2.3.1 Kỳ vọng
Ví dụ 6. Tính 𝐸 𝑋 " với
X -3 1 3 5 6
P 0,1 0,2 0,3 0,2 0,2
Giải:
𝐸 𝑋 " = −3 ". 0,1 + 1". 0,2 + 3". 0,3 + 5". 0,2 + 6". 0,2 = 16
2.3.1 Kỳ vọng
v Tính chất.
i) E(C) = C, C = const
ii) E(CX) = CEX
iii) E(X±Y) = EX ± EY
iv) X, Y là 2 biến ngẫu nhiên độc lập thì E(XY) = EX.EY
2.3.1 Kỳ vọng
v Tính chất.
v) Y = g(X) thì
)
^ 𝑔 𝑥' 𝑝' 𝑘ℎ𝑖 𝑋 rời rạc
'0!
𝐸𝑌 = 𝐸𝑔 𝑋 = F/
{ 𝑔 𝑥 𝑓 𝑥 𝑑𝑥 𝑘ℎ𝑖 𝑋 liên tục

4/
2.3.2 Phương sai
Định nghĩa.
Phương sai của BNN X ký hiệu là VX (VarX) hoặc DX được xác
định bởi: 𝑉 𝑋 = 𝐸 𝑋 − 𝐸𝑋 ".
Khi tính toán, ta thường sử dung công thức tính phương sai:
𝑉𝑋 = 𝐸 𝑋 " − 𝐸𝑋 "
)
^ 𝑥'"𝑝' − 𝐸𝑋 " 𝑘ℎ𝑖 𝑋 rời rạc
'0!
𝑉𝑋 = 𝐸𝑋 " − 𝐸𝑋 " = F/
{ 𝑥 "𝑓 𝑥 𝑑𝑥 − 𝐸𝑋 " 𝑘ℎ𝑖 𝑋 liên tục

4/
2.3.2 Phương sai
Tính chất.
i) 𝑉 𝐶 = 0, 𝐶 = 𝑐o𝑛𝑠𝑡; 𝑉𝑋 ≥ 0, ∀𝑋
ii) 𝑉 𝐶𝑋 = 𝐶 "𝑉𝑋; V X + C = VX
iii) X, Y là 2 biến ngẫu nhiên độc lập 𝑉 𝑋 ± 𝑌 = 𝑉𝑋 ± 𝑉𝑌
Ví dụ 7.
Cho biến ngẫu nhiên X có bảng PPXS:
X 0 1 2 3 4
P 0,1 0,2 0,3 0,25 0,15
Tìm hàm phân phối, kỳ vọng, phương sai của X.

Giải. Hàm phân phối của X là:
0 nếu 𝑥 ≤ 0
0,1 nếu 0 < 𝑥 ≤ 1
0,3 nếu 1 < 𝑥 ≤ 2
𝐹 𝑥 =𝑃 𝑋<𝑥 =
0,6 nếu 2 < 𝑥 ≤ 3
0,85 nếu 3 < 𝑥 ≤ 4
1 nếu 𝑥 > 4
𝐸𝑋 = 0.0,1 + 1.0,2 + 2.0,3 + 3.0,25 + 4.0,15 = 2,15
𝐸𝑋 " = 0". 1 + 1". 0,2 + 2". 0,3 + 3". 0,25 + 4". 0,15 = 6,05
𝐷𝑋 = 𝐸𝑋 " − 𝐸𝑋 " = 6,05 − 2,15 " = 1,4275
2.3.3 Một số đặc trưng khác
Độ lệch chuẩn.
Độ lệch chuẩn của biến ngẫu nhiên X, kí hiệu là 𝜎(𝑋), được định
nghĩa như sau:
𝜎 𝑋 = 𝑉𝑋
Mode.
Mode của BNN X là giá trị của X ứng với xác suất lớn nhất đối
với biến rời rạc, còn đối với biến liên tục, mode là giá trị làm
hàm mật độ đạt max.
Trung vị.
Trung vị là giá trị BNN X chia phân phối thành hai phần có xác
suất giống nhau, kí hiệu là: medX
1
𝑃 𝑋 < 𝑚𝑒𝑑 X = P X ≥ 𝑚𝑒𝑑 X =
2
2.4.1 Phân phối đều
Phân phối đều rời rạc.

Định nghĩa 1. Biến ngẫu nhiên X được gọi là tuân theo luật đều
rời rạc với tham số n, kí hiệu 𝑋~𝒰 𝑛 , nếu X có bảng phân phối
XS
x 1 2 … n
p(x) 1 1 … 1
𝑛 𝑛 𝑛
Ta có:
𝑛+1 𝑛" − 1
𝐸𝑋 = ; 𝑉𝑋 =
2 12
2.4.1 Phân phối đều
Phân phối đều liên tục.

Định nghĩa 2. Biến ngẫu nhiên X được gọi là tuân theo luật đều
liên tục trên [a, b], kí hiệu 𝑋~𝒰 [𝑎, 𝑏] , nếu X có hàm mật độ
(a < b):
1
, 𝑥 ∈ [𝑎, 𝑏]
𝑓 𝑥 = º𝑏 − 𝑎
0, 𝑥 ∉ [𝑎, 𝑏]
Ta có:
𝑎+𝑏 𝑏−𝑎 "
𝐸𝑋 = ; 𝑉𝑋 =
2 12
2.4.2 Phân phối nhị thức
Phân phối Bernoulli

Định nghĩa 3. Biến ngẫu nhiên X được gọi là tuân theo luật
phân phối Bernoulli với tham số p, kí hiệu là 𝑋~𝐵 1, 𝑝 , nếu có
bảng PPXS:
x 0 1
p(x) 1−𝑝 𝑝
Khi đó:
𝑬𝑿 = 𝒑; 𝑽𝑿 = 𝒑(𝟏 − 𝒑)
Phân phối nhị thức B(n;p)

Định nghĩa 4. Biến ngẫu nhiên X được gọi là tuân theo luật
phân phối nhị thức với tham số n ∈ 𝑁, 𝑝 ∈ [0,1], kí hiệu là
𝑋~𝐵 𝑛, 𝑝 , nếu hàm xác suất của nó có dạng:
𝒑 𝒙 = 𝑷𝒏 𝒙 = 𝑪𝒙𝒏 𝒑𝒙 𝒒𝒏4𝒙 , 𝑥 = 0, 𝑛, 𝑞 = 1 − 𝑝
Khi đó:
𝑬𝑿 = 𝒏𝒑; 𝑽𝑿 = 𝒏𝒑𝒒
Ví dụ 8. Trong một thành phố 65% gia đình có máy tính bàn. Chọn
ngẫu nhiên 12 gia đình và gọi X là số gia đình có máy tính bàn.
a) Gọi tên phân phối xác suất của X.
b) Tính xác suất để có đúng 5 gia đình có máy tính bàn.
c) Tính xác suất để có ít nhất 2 gia đình có máy tính bàn.
d) Tìm giá trị trung bình và độ lệch chuẩn của X.
Giải: a) X có phân phối nhị thức với n = 12, p = 0,65.
%
b) 𝑃 𝑋 = 5 = 𝑃 5 = 𝐶!" . 0,65 %. 1 − 0,65 I = 0,0591
c) 𝑃 𝑋 ≥ 2 = 1 − 𝑃 0 − 𝑃 1
!
= 1 − 0,35 !" − 𝐶!" 0,65 . 0,35 !! = 0,999
d) EX = 12.0,65 = 7,8
𝜎 𝑋 = 𝑉𝑋 = 12.0,65.0,35 = 1,6522
2.4.3 Phân phối Poisson 𝑷(𝝀)
Định nghĩa 5. Biến ngẫu nhiên X gọi là có quy luật Poisson

với tham số 𝝀 > 𝟎 nếu nó có tập giá trị là N và
𝒆4𝝀 𝝀𝒌
𝑷 𝑿=𝒌 = ,𝒌 ∈ 𝑵
𝒌!
Khi đó:
𝑬𝑿 = 𝝀; 𝑽𝑿 = 𝝀
2.4.3 Phân phối Poisson 𝑷(𝝀)
Ví dụ 9. Một gara ô tô nhận thấy rằng số người đến thuê ô tô vào

ngày thứ bảy cuối tuần là một BNN X có phân phối Poisson với
tham số 𝜆 = 2. Giả sử gara có 5 chiếc ô tô. Hãy tìm xác suất để:
a) Tất cả 5 chiếc ô tô đều được thuê.
b) Gara không đáp dứng được yêu cầu.
Giải: a) Xác suất để tất cả 5 chiếc ô tô đều được thuê là:
2> 2! 2 " 2#
𝑃 𝑋 ≥ 4 = 1 − 𝑃 𝑋 ≤ 3 = 1 − 𝑒 4" + + +
0! 1! 2! 3!
1 8
=1− " 1+2+2+ = 0,143
𝑒 6
b) Xác suất để gara không đáp dứng được yêu cầu:
𝑃 𝑋 >5 =1−𝑃 𝑋 ≤4 =1−𝑃 𝑋 ≤3 −𝑃 𝑋 =4
2 $
= 0,143 − 𝑒 4". = 0,053
4!
2.4.4 Phân phối chuẩn
Định nghĩa 6. Biến ngẫu nhiên X gọi là có quy luật chuẩn với
tham số a và 𝜎, kí hiệu là X~𝒩(𝑎, 𝜎 "), nếu hàm mật độ của nó
có dạng
1 @4D "
4
𝑓 𝑥 = 𝑒 "L"
𝜎 2𝜋
Khi đó:
𝐸𝑋 = 𝑎; 𝑉𝑋 = 𝜎 "
• Nếu a = 0 và 𝜎 = 1 thì hàm mật độ xác suất của X
1 4@"
𝑓 𝑥 = 𝑒 "
2𝜋
Khi đó X có quy luật chuẩn tắc.
Kí hiệu: X~𝒩(0,1)
Mật độ của phân phối chuẩn 𝒩(𝑎, 𝜎 ")
v Định nghĩa: Hàm phân bố chuẩn tắc của BNN X kí hiệu Φ 𝑥 ,
được định nghĩa như sau:
Φ 𝑥 = 𝑃(𝑋 < 𝑥)
Người ta lập bảng tính sẵn các giá trị của hàm Φ 𝑥 với 𝑥 > 0.
Với 𝑥 < 0, ta dùng công thức:
Φ −𝑥 = 1 − Φ 𝑥
Ví dụ: Φ −0,62 = 1 − Φ 0,62 = 1 − 0,7324 = 0,2676

v Định nghĩa: Phân vị mức 𝛼 (0 < 𝛼 < 1) kí hiệu 𝑢M là 1 số thỏa
mãn 𝑃 𝑋 > 𝑢M = 𝛼
Định lí. Cho X là BNN có phân phối chuẩn X~𝒩(𝑎, 𝜎 ").
Ta có công thức:
𝛽−𝑎 𝛼−𝑎
𝑃 𝛼<𝑋<𝛽 =𝜙 −𝜙
𝜎 𝜎
Trong đó
@
1 A"
𝜙 𝑥 ={ 𝑒 4 " 𝑑𝑡
2𝜋
>
Chú ý: 𝜙 𝑥 = Φ 𝑥 − 0,5
Ví dụ 10. Cho X có phân phối chuẩn 𝒩 5, 0,8" .
Tính P(4 < X < 7)
Giải.
𝑃 4 < 𝑋< 7
7−5 4−5
=𝜙 −𝜙
0,8 0,8
= 𝜙 2,5 − 𝜙 −1,25
= 0,49379 + 0,3944
= 0,88814
(Tra bảng Laplace)
Chương 3: Biến ngẫu nhiên nhiều chiều
3.1 Luật phân phối xác suất của biến cố ngẫu
nhiên nhiều chiều

3.2 Các đặc trưng của biến ngẫu nhiên 2 chiều
3.1 Luật phân phối xác suất của biến cố ngẫu nhiên
nhiều chiều
3.1.1 Các khái niệm cơ sở
a) Định nghĩa.
Ta gọi BNN Z (X, Y) là một vector biến ngẫu nhiên 2 chiều có các
thành phần X, Y là các BNN một chiều.
Chú ý:
• X, Y là biến ngẫu nhiên rời rạc thì Z là BNN rời rạc
• X, Y là biến ngẫu nhiên liên tục thì Z là BNN liên tục.
nhiều chiều
b) Hàm phân phối.
Hàm phân phối xác suất của biến hai chiều (X,Y) được xác định
như sau:
𝑭 𝒙, 𝒚 = 𝑷 𝑿 < 𝒙; 𝒀 < 𝒚 , 𝒙, 𝒚 ∈ 𝑹
Tính chất:
1) 0 ≤ 𝐹 𝑥, 𝑦 ≤ 1
2) F(x,y) là hàm không giảm đối với từng biến số
3) F(x,y) liên tục trái với từng biến số
lim' 𝐹(𝑥, 𝑦) = 𝐹 𝑥!, 𝑦
@→@!
4) 𝐹 −∞, 𝑦 = 𝐹 𝑥, −∞ = 0 ; 𝐹 +∞, +∞ = 1 ∀𝑥, 𝑦 ∈ 𝑅
5) Xác suất để điểm ngẫu nhiên (X,Y) rơi vào hình chữ nhật ABCD
𝑥, 𝑦 : 𝑎 < 𝑥 ≤ 𝑏; 𝑐 < 𝑦 ≤ 𝑑 :
nhiều chiều
v Tính chất:
5) Xác suất để điểm ngẫu nhiên (X,Y) rơi vào hình chữ nhật ABCD
𝑥, 𝑦 : 𝑎 < 𝑥 ≤ 𝑏; 𝑐 < 𝑦 ≤ 𝑑 :
𝑷 𝒂 < 𝒙 ≤ 𝒃, 𝒄 < 𝒚 ≤ 𝒅 = 𝑭 𝒃, 𝒅 + 𝑭 𝒂, 𝒄 − 𝑭 𝒂, 𝒅 − 𝑭(𝒃, 𝒄)
v Hai biến ngẫu nhiên X, Y độc lập nếu

𝑭 𝒙, 𝒚 = 𝑭𝑿 𝒙 . 𝑭𝒀 𝒚 ∀𝒙, 𝒚 ∈ 𝑹
3.1.2 Phân phối xác suất của biến ngẫu nhiên 2
chiều rời rạc
Bảng phân phối xác suất BNN 2 chiều rời rạc
X Y 𝒚𝟏 𝒚𝟐 … 𝒚𝒋 … 𝒚𝒎
𝑥! 𝑝!! 𝑝!" … 𝑝!- … 𝑝!,
𝑥" 𝑝"! 𝑝"" … 𝑝"- … 𝑝",
… … … … … … …
𝑥' 𝑝'! 𝑝'" … 𝑝'- … 𝑝',
… … … … … … …
𝑥) 𝑝)! 𝑝)" … 𝑝)- … 𝑝),
Trong đó 𝑝'- = 𝑃(𝑋 = 𝑥' ; 𝑌 = 𝑦- )

chiều rời rạc
v Tính chất:
1) 𝒑𝒊𝒋 ≥ 𝟎, ∀𝒊 = 𝟏, 𝒏, ∀𝒋 = 𝟏, 𝒎
2) ∑𝒊,𝒋 𝒑𝒊𝒋 = 𝟏
v Chú ý:
Hàm phân phối xác suất được xác định theo công thức:
𝑭 𝒙, 𝒚 = 𝑷 𝑿 < 𝒙; 𝒀 < 𝒚 = ^ 𝒑𝒊𝒋

𝒊,𝒋:
𝒙𝒊 B𝒙;𝒚𝒋 B𝒚
Ví dụ 1. Cho bảng PPXS đồng thời của (X,Y) như sau:
X Y 1 2 3
1 0,1 0,25 0,1
2 0,15 0,05 0,35
Tìm bảng PPXS của X và Y sau đó tính F(2,3).
Giải.
Bảng PPXS của X:
X 1 2
P 0,45 0,55
Bảng PPXS của Y:

Y 1 2 3
P 0,25 0,3 0,45
Ví dụ 1. Cho bảng PPXS đồng thời của (X,Y) như sau:
X Y 1 2 3
1 0,1 0,25 0,1
2 0,15 0,05 0,35
Tìm bảng PPXS của X và Y sau đó tính F(2,3).
Giải:
𝐹 2,3 = 𝑃 𝑋 < 2, 𝑌 < 3
= 𝑃 𝑋 = 1, 𝑌 = 1 + 𝑃 𝑋 = 1, 𝑌 = 2
= 0,1 + 0,25
= 0,35
Ví dụ 2.
Ta lấy ngẫu nhiên 3 sản phẩm từ 1 nhóm gồm 3 sản phẩm mới, 4
sản phẩm đã qua sử dụng nhưng vẫn dùng được và 5 sản phẩm
hỏng. Nếu kí hiệu X, Y tương ứng là số sản phẩm mới và số sản
phẩm đã qua sử dụng nhưng vẫn dùng được trong 3 sản phẩm lấy
ra. Lập bảng PPXS đồng thời cho (X,Y).
Giải. X và Y có thể nhận giá trị 0, 1, 2, 3.
Ta có bảng PPXS đồng thời của (X,Y) như sau:
Y X 0 1 2 3
0 10/220 40/220 30/220 4/220
1 30/220 60/220 18/220 0
2 15/220 12/220 0 0
3 1/220 0 0 0
Trong đó:
𝐶!" 10 𝐶"# 𝐶!$ 30
𝑃 𝑋 = 0, 𝑌 = 0 = " = 𝑃 𝑋 = 1, 𝑌 = 0 = " =
𝐶#$ 220 𝐶#$ 220
𝐶%# 𝐶!$ 40 𝐶"# 𝐶%# 𝐶!# 60
𝑃 𝑋 = 0, 𝑌 = 1 = " = 𝑃 𝑋 = 1, 𝑌 = 1 = " =
𝐶#$ 220 𝐶#$ 220
𝐶%$ 𝐶!# 30 𝐶"# 𝐶%$ 60
𝑃 𝑋 = 0, 𝑌 = 2 = " = 𝑃 𝑋 = 1, 𝑌 = 2 = " =
𝐶#$ 220 𝐶#$ 220
𝐶!" 4
𝑃 𝑋 = 0, 𝑌 = 3 = " =
𝐶#$ 220
𝐶"$ 𝐶!# 15
𝑃 𝑋 = 2, 𝑌 = 0 = " =
𝐶#$ 220
𝐶"$ 𝐶%# 12
𝑃 𝑋 = 2, 𝑌 = 1 = " =
𝐶#$ 220
𝐶"" 1
𝑃 𝑋 = 3, 𝑌 = 0 = " =
𝐶#$ 220
chiều liên tục
Định nghĩa.
Giả sử vector ngẫu niên Z(X,Y) liên tục (các BNN thành phần
liên tục) có hàm phối xác suất là F(x,y) liên tục khắp nơi và có
V" W V" W
đạo hàm cấp 2 là ; cũng là hàm liên tục khắp nơi. Khi
V@VX VXV@
đó hàm mật độ đồng thời của BNN Z(X,Y) là
𝜕 "𝐹(𝑥, 𝑦)
𝑓 𝑥, 𝑦 =
𝜕𝑥𝜕𝑦
chiều liên tục
v Tính chất.
i) 𝑓 𝑥, 𝑦 ≥ 0;
F/ F/
ii) ∫4/ ∫4/ 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦 = 1;
v Mối liên hệ giữa hàm phân phối và hàm mật độ xác suất
của BNN 2 chiều:
F/ F/
𝐹 𝑥, 𝑦 = 𝑃 𝑋 < 𝑥; 𝑌 < 𝑦 = { { 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
4/ 4/
chiều liên tục
v Hệ quả.
𝑷 𝑿, 𝒀 ∈ 𝑫 = Õ 𝒇 𝒙, 𝒚 𝒅𝒙𝒅𝒚
𝑫
Mối liên hệ giữa hàm phân phối và hàm mật độ xác suất của
BNN thành phần:
@ F/
𝐹Z 𝑥, 𝑦 = 𝑃 𝑋 < 𝑥; 𝑌 < +∞ = { { 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
4/ 4/
Các hàm mật độ biên:

F/
𝑓Z 𝑥 = 𝐹ZC 𝑥 = { 𝑓 𝑥, 𝑦 𝑑𝑦
4/
F/
𝑓[ (𝑦) = 𝐹[C 𝑦 = { 𝑓 𝑥, 𝑦 𝑑𝑥
4/
chiều liên tục
Hàm mật độ xác suất tại 1 điểm:

Hàm mật độ xác suất có điều kiện của X khi đã biết Y = y:
𝑓 𝑥, 𝑦
𝜑 𝑥𝑦 =
𝑓[ (𝑦)
chiều liên tục
Ví dụ 3. Hàm mật độ đồng thời của X, Y được cho bởi:
2𝑒 4@ 𝑒 4"X với 0 < 𝑥 < +∞, 0 < 𝑦 < +∞

𝑓 𝑥, 𝑦 = h
0 với trường hợp khác
Tính 𝑃 𝑋 > 1, 𝑌 < 1 , 𝑃 𝑋 < 𝑌 , 𝑃 𝑋 < 𝑎 𝑎 > 0 .

Giải:
! F/
𝑃 𝑋 > 1, 𝑌 < 1 = { { 2𝑒 4@ 𝑒 4"X 𝑑𝑥𝑑𝑦 = 𝑒 4! 1 − 𝑒 4"

> !
F/ X
1
𝑃 𝑋<𝑌 ={ { 2𝑒 4@ 𝑒 4"X 𝑑𝑥 𝑑𝑦 =
3
> >
D F/
𝑃 𝑋 < 𝑎 = { { 2𝑒 4@ 𝑒 4"X 𝑑𝑦 𝑑𝑥 = 1 − 𝑒 4D
> >
3.2 Các đặc trưng của biến ngẫu nhiên 2 chiều
3.2.1 Các số đặc trưng của biến ngẫu nhiên thành phần
v Kỳ vọng và phương sai của BNN thành phần

Ø X, Y là BNN rời rạc
𝐸 𝑋 = ^ 𝑥' 𝑃 𝑋 = 𝑥' = ^ 𝑥' 𝑝 𝑥' = ^ ^ 𝑥' 𝑝(𝑥' , 𝑦- )

' ' ' -
𝐸 𝑋 " = ^ 𝑥'" 𝑃 𝑋 = 𝑥' = ^ 𝑥'" 𝑝 𝑥' = ^ ^ 𝑥'"𝑝(𝑥' , 𝑦- )

- ' ' -
𝑉 𝑋 = 𝐸𝑋 " − 𝐸𝑋 "
Tương tự với biến Y.

Ø X, Y là BNN liên tục
𝑓Z 𝑥 = { 𝑓 𝑥, 𝑦 𝑑𝑦
\
𝐸 𝑋 = { 𝑥𝑓Z 𝑥 𝑑𝑥 = Õ 𝑥𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
\ \"
𝐸 𝑋 " = { 𝑥𝑓Z 𝑥 𝑑𝑥 = Õ 𝑥 "𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦

\ \"
𝑉 𝑋 = 𝐸𝑋 " − 𝐸𝑋 "
Tương tự với biến Y.

Ø Tổng quát:
BNN Z = g(X,Y) (g là hàm đo được), khi đó:
X, Y rời rạc:
𝐸 𝑔(𝑋, 𝑌) = ^ ^ 𝑔 𝑥' , 𝑦- 𝑝(𝑥' , 𝑦- )

' -
X,Y liên tục:
𝐸 𝑔(𝑋, 𝑌) = Õ 𝑔 𝑥, 𝑦 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
\"
3.2.2 Hiệp phương sai và hệ số tương quan
v Hiệp phương sai
Định nghĩa. Cho BNN 2 chiều (X, Y), hiệp phương sai của 2 thành
phần X và Y, kí hiệu là cov(X, Y) được xác định bởi:
𝑐𝑜𝑣 𝑋, 𝑌 = 𝐸 𝑋 − 𝐸𝑋 𝑌 − 𝐸𝑌
Thực tế ta dùng công thức:
𝑐𝑜𝑣 𝑋, 𝑌 = 𝐸 𝑋. 𝑌 − 𝐸 𝑋 . 𝐸(𝑌)
X, Y rời rạc X, Y liên tục
𝐸 𝑋 = ^ 𝑥' 𝑝'-
𝐸 𝑋 = Õ 𝑥𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
',-
\"
𝐸 𝑌 = ^ 𝑦' 𝑝'-
',- 𝐸 𝑌 = Õ 𝑦𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
𝐸 𝑋𝑌 = ^ 𝑥' 𝑦- 𝑝'- \"
',-
𝐸 𝑋𝑌 = Õ 𝑥𝑦𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦
\"
v Hệ số tương quan
Định nghĩa. Hệ số tương quan của 2 biến ngẫu nhiên X và Y kí
hiệu là 𝜌Z[ và được xác định bằng
𝑐𝑜𝑣(𝑋, 𝑌)
𝜌Z[ =
𝑉 𝑋 . 𝑉(𝑌)
Tính chất.
𝜌Z[ ≤ 1
𝜌Z[ = 1 : X, Y có quan hệ tuyến tính đồng biến
𝜌Z[ = −1: X, Y có quan hệ tuyến tính nghịch biến
𝜌Z[ = 0: X và Y không tương quan.
Ví dụ 4. Tính hiệp phương sai và hệ số tương quan của X, Y:
X Y 1 2 3
1 0,1 0,25 0,1
2 0,15 0,05 0,35
Giải. 𝐸𝑋 = 1.0,45 + 2.0,55 = 1,55
Bảng PPXS của X: 𝐸𝑌 = 1.0,25 + 2.0,3 + 3.0,45 = 2,2
𝐸𝑋 " = 1". 0,45 + 2". 0,55 = 2,65
X 1 2 ⇒ VX = EX " − EX " = 2,65 − 1,55"
P 0,45 0,55 = 0,2475
EY " = 5,5 ⇒ VY = EY " − EY "
Bảng PPXS của Y: = 5,5 − 2,2 " = 0,66
Y 1 2 3 𝐸𝑋𝑌 = ^ 𝑥' 𝑦- 𝑝'-

P 0,25 0,3 0,45 ',-
= 1.1.0,1 + 1.2.0,25 + 1.3.0,1
+2.1.0,15 + 2.2.0,05 + 2.3.0,35 = 3,5
Ví dụ 4. Tính hiệp phương sai và hệ số tương quan của X, Y:
X Y 1 2 3
1 0,1 0,25 0,1
2 0,15 0,05 0,35
Giải.
𝐸𝑋 = 1,55
𝐸𝑌 = 2,2
𝐸𝑋 " = 2,65 ⇒ VX = 0,2475
EY " = 5,5 ⇒ VY = 0,66
𝐸𝑋𝑌 = 3,5
Hiệp phương sai:
𝑐𝑜𝑣 𝑋, 𝑌 = 𝐸 𝑋𝑌 − 𝐸𝑋. 𝐸𝑌 = 3,5 − 1,55.2,2 = 0,09
Hệ số tương quan:
𝑐𝑜𝑣(𝑋, 𝑌) 0,09
𝜌Z[ = = ≈ 0,223
𝑉 𝑋 . 𝑉(𝑌) 0,2475.0,66
3.2.3 Các đặc trưng có điều kiện
Định nghĩa.
Kỳ vọng có điều kiện của BNN X với Y = y là một giá trị xác định
như sau:
𝐸 𝑋 𝑦; = ^ 𝑥' 𝑃 𝑋 = 𝑥' 𝑌 = 𝑦; X rời rạc
'
F/
E X y = { 𝑥 𝜑 𝑥 𝑦 𝑑𝑥
4/
Ví dụ 5. Cho bảng PPXS của biến (X, Y)

x y 1 2 3
2 0,15 0,08 0,27
4 0,1 0,2 0,2
Tính các kỳ vọng có điều kiện 𝐸 𝑋 𝑦! , 𝐸 𝑌 𝑥" .
Giải: Ta tính
0,15
𝑃 𝑋 = 2, 𝑌 = 1 = = 0,6
0,25
0,1
𝑃 𝑋 = 4, 𝑌 = 1 = = 0,4
0,25
⇒ 𝐸 𝑋 𝑌 = 1 = 2.0,6 + 4.0,4 = 2,8

Ví dụ 5. Cho bảng PPXS của biến (X, Y)

x y 1 2 3
2 0,15 0,08 0,27
4 0,1 0,2 0,2
Tính các kỳ vọng có điều kiện 𝐸 𝑋 𝑦! , 𝐸 𝑌 𝑥" .
Giải: Ta tính
0,1
𝑃 𝑌 = 1, 𝑋 = 4 = = 0,2
0,5
0,2
𝑃 𝑌 = 2, 𝑋 = 4 = = 0,4
0,5
0,2
𝑃 𝑌 = 3, 𝑋 = 4 = = 0,4
0,5
⇒ 𝐸 𝑌 𝑥" = 1.0,2 + 2.0,4 + 3.0,4 = 2,2
Chương 4: Mẫu thống kê
4.1 Khái niệm mẫu và các phương pháp chọn

mẫu
4.2 Mẫu ngẫu nhiên và các đặc trưng mẫu
4.3 Phân phối xác suất của một số đại lượng
thống kê thường gặp
4.1 Khái niệm mẫu và các phương pháp chọn mẫu
4.1.1 Khái niệm mẫu
1 .Tổng thể:
Khái niệm: Tập hợp tất cả các phần tử để nghiên cứu theo 1 dấu
hiệu nghiên cứu nào đó gọi là tổng thể.
Số phần tử của tổng thể được gọi là kích thước N của nó.
Đại lượng ngẫu nhiên đặc trưng cho dấu hiệu nghiên cứu gọi là đại
lượng ngẫu nhiên gốc X.
Dấu hiệu nghiên cứu được chia ra làm 2 loại: Định lượng và định
tính.
-Định lượng: 𝐸 𝑋 = 𝑎, 𝑉 𝑋 = 𝜎 "
-Định tính: 𝐸 𝑋 = 𝑝, 𝑉 𝑋 = 𝑝. 𝑞
1 .Tổng thể:
Gọi 𝑎 là trung bình tổng thể , p là tỉ lệ tổng thể
𝜎 " gọi là phương sai tổng thể
𝜎 gọi là độ lệch tổng thể
Chú ý: Định tính là trường hợp riêng của định lượng với hai lượng
là 0 và 1. Cho nên p là trường hợp riêng của 𝑎, còn p.q là trường
hợp riêng của 𝜎 ".
1 .Tổng thể:
Từ tổng thể lấy ngẫu nhiên ra n phân tử để nghiên cứu được gọi là
lấy một mẫu kích thước n.
Định nghĩa: Từ đại lượng ngẫu nhiên gốc X, xét n đại lượng
ngẫu nhiên độc lập có cùng phân phối với X. Véctơ ngẫu nhiên n
chiều 𝑊 = 𝑋!, 𝑋", … , 𝑋) được gọi là một mẫu kích thước n. Thực
hiện phép thử ta nhận được 𝑤 = (𝑥!, 𝑥", … , 𝑥) ) là giá trị cụ thể hay
giá trị thực hành mẫu W.
4.1.2 Các phương pháp chọn mẫu
1) Mẫu cơ học: Chia tập nền thành n tập nhỏ sau đó chọn từ mỗi
tập một phần tử làm đại diện
2) Mẫu điển hình: Chia tập nền thành n tập nhỏ có tính điển hình.
Sau đó chọn từ mỗi tập một phần tử làm đại diện
3) Mẫu dãy: Chia tập nền thành n dãy sau đó chọn từ mỗi dãy một
phần tử làm đại diện.
4) Chọn mẫu ngẫu nhiên:
Các phần tử được chọn một cách ngẫu nhiên làm đại diện
5) Chọn mẫu có suy luận: dựa trên ý kiến các chuyên gia hoặc các
nhà phân tích về vấn đề đó.
4.2 Mẫu ngẫu nhiên và các đặc trưng mẫu
4.2.1 Mẫu ngẫu nhiên từ một tập nền
Định nghĩa 1.
Ta gọi mẫu ngẫu nhiên kích thức n từ tập nền có NBB gốc X là
một tập các biến 𝑋!, 𝑋", … , 𝑋) thỏa mãn điều kiện:
(i) Độc lập thống kê
(ii) Có cùng PPXS với biến X
Định nghĩa 2. Thống kê

Một hàm nào đó 𝑌 = 𝑔 𝑋!, 𝑋", … , 𝑋) phụ thuộc vào tập giá trị
của mẫu ngẫu nhiên được gọi là một thống kê.
Ví dụ. Xét tập hợp giá trị mẫu 𝑥!, 𝑥", … , 𝑥) , hàm sau đây được
gọi là thống kê:
)
1
𝑔 𝑥!, … , 𝑥) = ^ 𝑥' = 𝑋C
𝑛
'0!
4.2.2 Các đặc trưng mẫu
Cho mẫu ngẫu nhiên (𝑋!, 𝑋", … , 𝑋) ), mẫu cụ thể có kích thước n
𝑥!, 𝑥", … 𝑥) . Ta có:
v Mô tả dữ liệu:
+ Dữ liệu được liệt kê thành dãy số liệu: 𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏
+ Dữ liệu được mô tả bằng bảng phân phối tần số
Với 𝑛! + 𝑛" + ⋯ + 𝑛; = 𝑛
𝒙𝒊 𝒙𝟏 … 𝒙𝒌
𝑛' 𝒏𝟏 … 𝒏𝒌
1. Trung bình mẫu:
)
1
C
𝑋 = ^ 𝑋'
𝑛
'0!
Với mẫu cụ thể:
;
1
𝑋C = ^ 𝑛' 𝑥'
𝑛
'0!
4.2.2 Các đặc trưng mẫu
Cho mẫu ngẫu nhiên (𝑋!, 𝑋", … , 𝑋) ), mẫu cụ thể có kích thước n
𝑥!, 𝑥", … 𝑥) . Ta có:
2. Phương sai mẫu:
)
1
𝑆 𝑋 = ^ 𝑋' − 𝑋C "
"
𝑛
'0!
Với mẫu cụ thể ta có:
)
1
𝑆" 𝑋 = ^ 𝑥' − 𝑋C "n
]
𝑛
'0!
Vì ES " ≠ 𝜎 " nên ta đưa vào phương sai mẫu hiệu chỉnh:
)
1 Rõ ràng:
"
𝑠 = ^ 𝑋' − 𝑋C "
𝑛−1 "
1
'0! 𝑠 = 𝑆"
) 𝑛−1
1 𝑛
"
𝑠 = C
^ 𝑥' − 𝑋 𝑛' " "
Và 𝐸𝑠 = 𝐸𝑆 " = 𝜎 "
𝑛−1 𝑛−1
'0!
4.3 Phân phối xác suất của một số đại lượng thống kê thường gặp
4.3.1 Đại lượng thống kê có phân phối chuẩn
Các kết quả cần nhớ:

Ø Nếu 𝑿~𝓝(𝒂, 𝝈𝟐 ) thì
𝑿−𝒂
~𝓝(𝟎, 𝟏)
𝝈
Ø Nếu có n BNN độc lập 𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 có cùng phân phối

chuẩn 𝓝(𝒂, 𝝈𝟐 ) thì
è−𝒂
𝑿
. 𝒏~𝓝(𝟎, 𝟏)
𝝈
4.3.2 Đại lượng thống kê có phân phối 𝜒 ! (khi bình phương)
Định nghĩa 1. BNN liên tục X gọi là có phân bố 𝜒 "(khi bình

phương) với n bậc tự do, ký hiệu X~𝜒 "(𝑛) nếu hàm mật độ cho
bởi
) @
4! 4
𝑥" 𝑒 "
𝑓 𝑥 = ) ,𝑥 > 0, 𝑛 > 0,
𝑛
2" Γ2
Trong đó hàm gamma đã được xét trong giải tích
@
Γ 𝑥 = { 𝑡 @4!𝑒 4A 𝑑𝑡 , 𝑥 > 0
>
Định nghĩa 2. Xét n BNN độc lập 𝑥' ~𝑁 0; 1 , 𝑖 = 1, 𝑛. Khi đó
BNN
)
𝑋 = ^ 𝑥'" ~𝜒 "(𝑛)
'0!
4.3.2 Đại lượng thống kê có phân phối 𝜒 ! (khi bình phương)
Tính chất:
a) Nếu X~ 𝜒 "(𝑛), Y~𝜒 "(𝑚) và độc lập ⇒ 𝑋 + 𝑌~𝜒 " 𝑛 + 𝑚
b)
𝑈) − 𝑛 ^
→ 𝒩 0; 1 𝑘ℎ𝑖 𝑛 → ∞
2𝑛
Hệ quả:
Nếu ta có n biến độc lập 𝑋' ~𝒩 𝑎; 𝜎 " ; 𝑖 = 1, 𝑛 và
!
𝑋C = ) (𝑋! + ⋯ + 𝑋) ) thì
)
1
^ 𝑥' − C
𝑋 " ~𝜒 " (𝑛 − 1)
𝜎"
'0!
4.3.3 Đại lượng thống kê có phân phối Student
Định nghĩa. BNN T được gọi là có phân phối Student với n bậc tự
do (n nguyên dương cho trước) nếu hàm mật độ của nó có dạng
*+!
4
@" "
𝑓 𝑥 =𝐶 1+ với C là hằng số.
)
Định nghĩa. Cho X và Y là hai BNN độc lập tuân theo 𝒩(0,1) và
𝜒 " 𝑛 tương ứng. Khi đó biến
𝑋
𝑇) = ~𝑡 𝑛
𝑌
𝑛
Kết quả TQ:
Nếu có 𝑛 (𝑛 ≤ 30) BNN độc lập 𝑥' tuân theo 𝒩(0,1) nhưng không
biết phương sai thì:
𝑋C − 𝑎
𝑛~𝑡(𝑛 − 1)
𝑠
trong đó 𝑠 " là phương sai hiệu chỉnh.
Còn khi 𝑛 > 30 thì ta coi phân phối t và chuẩn 𝒩(0,1) là như nhau.
4.3.4 Đại lượng thống kê có phân phối Fisher
Định nghĩa. BNN X được gọi là có phân phối Fisher với (n,m)
bậc tự do nếu hàm mật độ của nó có dạng
0 nếu 𝑥 < 0
)
𝑓 𝑥 = 𝑥 "4!
𝐶. nếu 𝑥 ≥ 0
𝑛 + 𝑚𝑥 (𝑛 + 𝑚)/2
C là hằng số dương.
Định nghĩa: Cho X và Y là 2 BNN độc lập tuân theo luật 𝜒 " 𝑛
và 𝜒 " 𝑚 tương ứng. Khi đó biến
𝑋/𝑛
𝑈= ~𝐹(𝑛, 𝑚)
𝑌/𝑚
Kết quả TQ:
Nếu ta có 𝑥!, 𝑥", … , 𝑥)! và có 𝑦!, 𝑦", … , 𝑦)" là các BNN độc lập,
có PP chuẩn, thì
𝑠!"
" ~𝐹(𝑛! − 1, 𝑛" − 1)
𝑠"
4.3.5 Đại lượng thống kê có phân phối tiệm cận chuẩn
Định lý giới hạn trung tâm: Nếu các 𝑋' độc lập có cùng kỳ
vọng a và phương sai 𝜎 " thì
𝒏
^ 𝑿𝒊
𝒊0𝟏
sẽ có phân phối tiệm cận tới 𝒩(𝑛𝑎, 𝑛𝜎 ") khi 𝑛 → ∞.
Ví dụ. Cho BNN 𝑋~𝜒 "(9). Tìm xác suất để X không vượt quá
giá trị 2,7.
Giải:
Ta phải tìm P(X < 2,7). Theo bảng phân phối 𝜒 ", ở giao điểm của
hàng n = 9 với cột a = 0,975 ta có giá trị 2,7 tức là:
P(X > 2,7) = 0,975
Vậy suy ra P(X < 2,7) = 1 – 0,975 = 0,025.

BG Toán XSTK - c1234

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

BG Toán XSTK - c1234

Uploaded by

Copyright:

Available Formats

Bài giảng môn

Toán xác suất và thống kê

1 • Các khái niệm về xác suất

1.1 Biến cố ngẫu nhiên và phép tính xác suất

› e) Hiệu của A và B, ký hiệu 𝐴 − 𝐵( hoặc 𝐴\B), chỉ biến cố

Số khả năng thuận lợi cho A 𝑚

› Xét phép thử G và A là một biến cố.

Người thí Số lần tung Số lần sấp Tần suất

Giải: Gọi x, y lần lượt là thời gian

› Công thức cộng xác suất:

› Công thức cộng xác suất:

Nếu 2 biến cố A, B độc lập thì

Giải. Gọi A là biến cố người thứ nhất bắn trúng, B là biến cố

Ví dụ 11. Rút từ bộ bài tú lơ khơ 52 con lần

𝑷 𝑨𝟏 … 𝑨𝒏 = 𝑷 𝑨𝟏 . 𝑷 𝑨𝟐 /𝑨𝟏 … 𝑷(𝑨𝒏 /𝑨𝟏 … 𝑨𝒏4𝟏 )

› a) Hệ đầy đủ các biến cố (nhóm đầy đủ)

Giả sử ta có hệ biến cố đầy đủ 𝐴!, 𝐴", … , 𝐴) , 𝐵 là biến cố bất kì, ta có:

Thay P(B) dưới mẫu bằng công thức XSTP, ta có:

Daniel Bernoulli (1700 – 1782)

v Hệ quả: Xác suất để biến cố A xuất hiện đúng k lần,

Vậy với n đủ lớn 𝑃) 𝑘!; 𝑘" = 𝜙 𝑥" − 𝜙 𝑥!

Giải: Ta tính xấp xỉ theo công thức Moivre-Laplace

2.1 Khái niệm biến cố ngẫu nhiên một chiều

b) Biến ngẫu nhiên liên tục

Trong đó biến ngẫu nhiên X có tập giá trị là

v Ý nghĩa của hàm phân phối xác suất:

𝐹 𝑥 = 𝑃 𝑋 < 𝑥 = 𝑃 −∞ < 𝑋 < 𝑥 = { 𝑓 𝑥 𝑑𝑥

𝑃 𝑎 < 𝑋 < 𝑏 = { 𝑓 𝑥 𝑑𝑥 = 𝐹 𝑏 − 𝐹(𝑎)

Kỳ vọng của X ký hiệu là EX được xác định bởi

Kỳ vọng của X ký hiệu là EX được xác định bởi

Ví dụ 6. Tính 𝐸 𝑋 " với

{ 𝑔 𝑥 𝑓 𝑥 𝑑𝑥 𝑘ℎ𝑖 𝑋 liên tục

{ 𝑥 "𝑓 𝑥 𝑑𝑥 − 𝐸𝑋 " 𝑘ℎ𝑖 𝑋 liên tục

Tìm hàm phân phối, kỳ vọng, phương sai của X.

Phân phối đều rời rạc.

Phân phối đều liên tục.

Phân phối Bernoulli

Phân phối nhị thức B(n;p)

Định nghĩa 5. Biến ngẫu nhiên X gọi là có quy luật Poisson

Ví dụ 9. Một gara ô tô nhận thấy rằng số người đến thuê ô tô vào

Ví dụ: Φ −0,62 = 1 − Φ 0,62 = 1 − 0,7324 = 0,2676

3.1 Luật phân phối xác suất của biến cố ngẫu

nhiên nhiều chiều

𝑷 𝒂 < 𝒙 ≤ 𝒃, 𝒄 < 𝒚 ≤ 𝒅 = 𝑭 𝒃, 𝒅 + 𝑭 𝒂, 𝒄 − 𝑭 𝒂, 𝒅 − 𝑭(𝒃, 𝒄)

v Hai biến ngẫu nhiên X, Y độc lập nếu

Bảng phân phối xác suất BNN 2 chiều rời rạc

Trong đó 𝑝'- = 𝑃(𝑋 = 𝑥' ; 𝑌 = 𝑦- )

𝑭 𝒙, 𝒚 = 𝑷 𝑿 < 𝒙; 𝒀 < 𝒚 = ^ 𝒑𝒊𝒋

Tìm bảng PPXS của X và Y sau đó tính F(2,3).

Bảng PPXS của Y:

Tìm bảng PPXS của X và Y sau đó tính F(2,3).

đó hàm mật độ đồng thời của BNN Z(X,Y) là

Các hàm mật độ biên:

Hàm mật độ xác suất tại 1 điểm:

2𝑒 4@ 𝑒 4"X với 0 < 𝑥 < +∞, 0 < 𝑦 < +∞

Tính 𝑃 𝑋 > 1, 𝑌 < 1 , 𝑃 𝑋 < 𝑌 , 𝑃 𝑋 < 𝑎 𝑎 > 0 .

𝑃 𝑋 > 1, 𝑌 < 1 = { { 2𝑒 4@ 𝑒 4"X 𝑑𝑥𝑑𝑦 = 𝑒 4! 1 − 𝑒 4"

v Kỳ vọng và phương sai của BNN thành phần

𝐸 𝑋 = ^ 𝑥' 𝑃 𝑋 = 𝑥' = ^ 𝑥' 𝑝 𝑥' = ^ ^ 𝑥' 𝑝(𝑥' , 𝑦- )

𝐸 𝑋 " = ^ 𝑥'" 𝑃 𝑋 = 𝑥' = ^ 𝑥'" 𝑝 𝑥' = ^ ^ 𝑥'"𝑝(𝑥' , 𝑦- )

Tương tự với biến Y.

𝐸 𝑋 " = { 𝑥𝑓Z 𝑥 𝑑𝑥 = Õ 𝑥 "𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦

Tương tự với biến Y.