TKTKD Chuong1 Xac Suat - p4

25/03/2024
Trường Đại học Kinh tế - Luật

Khoa Toán Kinh tế
Học phần: Thống kê trong kinh doanh

Chương 1:
Xác suất – Đại lượng ngẫu nhiên
TS Dương Đề Tài
Đánh giá học phần
Thành phần
Tiêu chí đánh giá Trọng số
đánh giá
- Câu hỏi ở lớp và ở nhà
Quá trình - Mức độ chăm chỉ, đi học đúng giờ 30%
- Bài nhóm
Giữa kỳ Bài cá nhân 20%
Cuối kỳ Bài cá nhân 50%
 Sinh viên vắng mặt trong buổi thi, kiểm tra đánh giá không
có lý do chính đáng phải nhận điểm 0.
2 TS Dương Đề Tài
Tài liệu môn học

Giáo trình:
[1]. Phạm Hoàng Uyên, Lê Thị Thanh An, Lê Thanh Hoa, Võ Thị Lệ Uyển, Lê Hồng Diễn, Trương Quang Nhật.
“Giáo trình Lý thuyết xác suất”. Nhà xuất bản Đại Học Quốc Gia TP Hồ Chí Minh, 2021.
[2]. Phạm Văn Chững, Lê Thanh Hoa & Nguyễn Đình Uông. “Giáo trình Thống kê Ứng dụng”. NXB Đại học
Quốc gia Thành phố Hồ Chí Minh, 2019. (Giáo trình của Khoa Toán Kinh tế - Đại học Kinh tế - Luật, ĐHQG
TPHCM).
Tài liệu khác:

[3]. Hoàng Trọng, Chu Nguyễn Mộng Ngọc, “Thống kê ứng dụng trong Kinh tế - Xã hội”, NXB Lao Động – Xã
Hội, 2010.
[4]. Trần Bá Nhẫn – Đinh Thái Hoàng, “Thống kê ứng dụng trong quản trị, kinh doanh và nghiên cứu kinh tế”,
NXB Thống kê, 2006.
[5]. Excel ứng dụng trong kinh tế - Chương trình giảng dạy kinh tế Fulbright
[6]. Doughlas A. Lind, William G. Marchal, Samuel A. Wathen, Basic Statistics for Business and Economics,
Mc Graw Hill, Singapore, 2011.
1
25/03/2024
Nội dung môn học
 Chương 1: Xác suất – Đại lượng ngẫu nhiên

Thời gian học: Tuần 1 - 5
 Chương 2: Thống kê mô tả
 Chương 3: Ước lượng các tham số
 Chương 4: Kiểm định giả thuyết các tham số
 Chương 1: Xác suất – Đại lượng ngẫu nhiên

 Định nghĩa xác suất
 Công thức tính xác suất
 Đại lượng ngẫu nhiên
 Một số phân phối xác suất rời rạc thông dụng
 Một số phân phối xác suất liên tục thông dụng
 Chương 2: Thống kê mô tả
 Khái niệm thống kê và các loại thang đo dữ liệu
 Trình bày dữ liệu bằng bảng và đồ thị
 Tóm tắt dữ liệu bằng các đại lượng thống kê mô tả
2
25/03/2024
 Chương 3: Ước lượng các tham số

 Phân phối xác suất của các đại lượng thống kê trên không
gian mẫu
 Khái niệm về ước lượng
 Ước lượng khoảng tin cậy cho trung bình
 Ước lượng khoảng tin cậy cho tỷ lệ
 Ước lượng khoảng tin cậy cho phương sai
 Chương 4: Kiểm định giả thuyết các tham số

 Bài toán kiểm định
 Kiểm định cho trung bình
 Kiểm định cho tỷ lệ
 Kiểm định cho phương sai
 Tuần 8: Thực hành trên Stata

 Các mô phỏng dữ liệu của các phân phối xác suất thông
dụng
 Các bảng biểu của các bộ dữ liệu.
 Thống kê mô tả các bộ dữ liệu
 Tuần 14: Thực hành trên Stata
 Thống kê suy diễn
 Các bài toán ước lượng và kiểm định
3
25/03/2024
Nội dung Chương 1
1.1. Biến cố
I. Định nghĩa xác xuất 1.2. Định nghĩa xác suất theo quan điểm cổ điển
1.3. Định nghĩa xác suất theo quan điểm thống kê
2.1. Công thức cộng xác xuất

II. Công thức tính 2.2. Xác suất có điều kiện
xác suất 2.3. Công thức nhân xác suất
2.4. Công thức xác suất đầy đủ
2.5. Công thức Bayes
10
Ôn tập về hoán vị, chỉnh hợp, tổ hợp
Bài tập
 Sắp xếp 5 người vào một băng ghế 5 chỗ, hỏi có bao nhiêu cách sắp?
 Sắp xếp 5 người vào một băng ghế 7 chỗ, hỏi có bao nhiêu cách sắp xếp?
 Có 10 cuốn sách khác nhau, chọn ra 4 cuốn, hỏi có bao nhiêu cách?
11
Ôn tập về hoán vị, chỉnh hợp, tổ hợp
Bài tập
 Sắp xếp 5 người vào một băng ghế 5 chỗ, hỏi có bao nhiêu cách sắp?
 Sắp xếp 5 người vào một băng ghế 7 chỗ, hỏi có bao nhiêu cách sắp xếp?
 Có 10 cuốn sách khác nhau, chọn ra 4 cuốn, hỏi có bao nhiêu cách?
Giải:
Hoán vị: 𝑃 𝑛 = 𝑛! = 𝑛. 𝑛 − 1 … .1. Áp dụng vào bài toán sắp xếp vị trí cho từng phần tử của
tập hợp.
!
Chỉnh hợp: 𝐴 = .  Lựa chọn một tập hợp con từ tập hợp cha mà trong đó tập hợp con có
!
xét đến tính thứ tự.
!
Tổ hợp: 𝐶 =  Lựa chọn một tập hợp từ tập hợp cha mà trong đó không xét đến vị
! !
trí, thứ tự của các phần tử này.
12
4
25/03/2024
Ôn tập về xác suất
Bài tập
Tung một xúc xắc có 6 mặt gồm các mặt 1 chấm, 2 chấm, 3 chấm, 4 chấm, 5
chấm và 6 chấm.
 Khả năng xuất hiện mặt 1 chấm là bao nhiêu %?
 Khả năng xuất hiện mặt có số chấm chẵn là bao nhiêu %?
Giải:
13
I. Định nghĩa Xác suất
Xác suất (Probability)

Là một nhánh của toán học liên quan đến các mô tả bằng số về khả năng
xảy ra một sự kiện, hoặc khả năng một mệnh đề là đúng.
 Xác suất của một sự kiện là một số trong khoảng từ 0 đến 1, trong đó,
• 0 biểu thị sự bất khả thi của sự kiện
• 1 biểu thị sự chắc chắn.
 Các sự kiện hay mệnh đề này được gọi chung là biến cố.
14
Định nghĩa Phép thử ngẫu nhiên
Phép thử ngẫu nhiên

Là hành động, thí nghiệm hoặc quá trình dẫn đến một trong những kết quả
có thể xảy ra, KHÔNG THỂ ĐOÁN TRƯỚC ĐƯỢC, mặc dù biết tập hợp tất cả
các kết quả có thể xảy ra.
Ví dụ minh họa
Phép thử: Chọn một sản phẩm ngẫu nhiên trong lô hàng mới sản xuất, xem
có đạt tiêu chuẩn chất lượng hay không?
 Tập hợp các kết quả: “Đạt” hoặc “Không đạt”
15
5
25/03/2024
Định nghĩa Phép thử ngẫu nhiên
Ví dụ minh họa
Phép thử: Chọn ngẫu nhiên một sinh viên UEL để đánh giá kết quả học tập
GPA của sinh viên đó trong Học kì I
 Tập hợp các kết quả: “Yếu”, “Trung bình”, “Khá”, “Giỏi”, “Xuất sắc”
Ví dụ minh họa
Phép thử: Chọn ngẫu nhiên một nhân viên Google để xem lương của nhân
viên đó trong một tháng là bao nhiêu USD?
 Tập hợp các kết quả: Một số thực lớn hơn 0
16
Định nghĩa Không gian mẫu
Không gian mẫu

Tập hợp tất cả các kết quả có thể xảy ra khi thực hiện phép thử được gọi là
không gian mẫu, kí hiệu là Ω
Ví dụ minh họa
Phép thử: Chọn ngẫu nhiên một số nguyên tố bé hơn 10?
 Không gian mẫu bao gồm các phần tử: Ω = {2, 3, 5, 7}
17
Định nghĩa Biến cố
Biến cố
 Mỗi kết quả của một không gian mẫu được gọi là một biến cố sơ cấp
 Biến cố là tập hợp một hoặc nhiều biến cố sơ cấp trong không gian mẫu
Ví dụ minh họa
Phép thử: Gieo một con xúc xắc 6 mặt
 Tập hợp Ω = {1, 2, 3, 4, 5, 6} được gọi là Không gian mẫu

 Tập con 𝐴 = 2, 5 hoặc 𝐵 = {1, 3, 4} là một biến cố
 Biến cố 𝐶 = {2} hoặc 𝐷 = {6}, …. Là một biến cố sơ cấp
18
6
25/03/2024
Phân loại biến cố

 Biến cố rỗng: Là biến cố không bao giờ xảy ra trong phép thử. Kí hiệu: ∅
 Biến cố chắc chắn: Là biến cố luôn xảy ra trong phép thử
 Biến cố ngẫu nhiên: Là biến cố có thể xảy ra hoặc không xảy ra khi thực
hiện phép thử
19
Ví dụ minh họa
Phép thử: Gieo một con xúc xắc 6 mặt
 Gọi A là biến cố xúc xắc xuất hiện mặt có số chấm nhỏ hơn hoặc bằng 6.
Khi đó ta nói A là biến cố chắc chắn
 Gọi B là biến cố xúc xắc xuất hiện mặt 7 chấm. Khi đó ta nói B là biến cố
không thể (biến cố rỗng)
 Gọi C là biến cố xuất hiện mặt số “2”. Khi đó, C là biến cố ngẫu nhiên.
20
Một số phép toán giữa các biến cố

Gọi 𝐴, 𝐵, 𝐶 và 𝐴 với 𝑖 ∈ 𝑁 là các biến cố từ một phép thử ngẫu nhiên
Biến cố tổng
Biến cố tổng của hai biến cố A và B, kí hiệu là A ∪ 𝐵 hay 𝐴 + 𝐵, là biến cố
xảy ra khi có ít nhất một trong hai biến cố A hoặc B xảy ra
21
7
25/03/2024

Biến cố tổng
Biến cố tổng của hai biến cố A và B, kí hiệu là A ∪ 𝐵 hay 𝐴 + 𝐵, là biến cố
xảy ra khi có ít nhất một trong hai biến cố A hoặc B xảy ra
Ví dụ minh họa
Gieo xúc sắc 6 mặt. Khi đó:
 Không gian mẫu: Ω = 1, 2, 3, 4, 5, 6
 Biến cố A: xuất hiện 1 trong các số 1, 2, 4  A={1, 2, 4}
 Biến cố B: xuất hiện số chẵn  B={2, 4, 6}
 Tổng của 2 biến cố A+B=C = {1, 2, 4, 6} với 𝐴 ∈ 𝐶; 𝐵 ∈ 𝐶
22
Ví dụ minh họa Biến cố tổng

Hai xạ thủ cùng bắn vào một bia. Gọi A là biến cố xạ thủ thứ nhất bắn
trúng, B là biến cố xạ thủ thứ hai bắn trúng. Khi đó biến cố bia bị trúng đạn
là C = A + B
23
Ví dụ minh họa Biến cố tổng

Hai xạ thủ cùng bắn vào một bia. Gọi A là biến cố xạ thủ thứ nhất bắn
trúng, B là biến cố xạ thủ thứ hai bắn trúng. Khi đó biến cố bia bị trúng đạn
là C = A + B
Giải thích kĩ hơn

Đặt: A – biến cố xạ thủ 1 bắn trúng; B – biến cố xạ thủ 2 bắn trung; C – biến cố xạ thủ 1
băt trượt; D – biến cố xạ thủ 2 bắn trươtj
Không gian mẫu Ω = {𝐴𝐵, 𝐴𝐷, 𝐵𝐶, 𝐶𝐷}
Biến cố sơ cấp của phép thử là: AB, AD, BC, CD.
Biến cố bia bị trúng đạn {AB, AD, BC}
24
8
25/03/2024

Biến cố tích
Biến cố tổng của hai biến cố A và B, kí hiệu 𝐴 ∩ 𝐵 hay 𝐴. 𝐵 là biến cố xảy ra
khi A và B đồng thời xảy ra
25

Biến cố tích
Biến cố tổng của hai biến cố A và B, kí hiệu 𝐴 ∩ 𝐵 hay 𝐴. 𝐵 là biến cố xảy ra
khi A và B đồng thời xảy ra
Ví dụ minh họa
Trong lớp học có 72 bạn. Có 50 bạn biết nói tiếng Anh và 30 bạn biết
nói tiếng Pháp. Chọn ngẫu nhiên một sinh viên trong lớp học.
 Đặt A là biến cố sinh viên biết nói tiếng Anh
 Đặt B là biến cố sinh viên biết nói tiếng Pháp
 Khi đó, AB là biến cố sinh viên biết nói cả tiếng Anh lẫn tiếng Pháp
26

Biến cố bù (biến cố đối lập)
Kí hiệu: 𝐴̅ = Ω\A. Là biến cố xảy ra khi và chỉ khi A không xảy ra
27
9
25/03/2024

Biến cố bù (biến cố đối lập)
Kí hiệu: 𝐴̅ = Ω\A. Là biến cố xảy ra khi và chỉ khi A không xảy ra
Ví dụ minh họa
Có tập hợp số từ 1-10.
Không gian mẫu: Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9,10}
Biến cố A = { 1, 4, 5}
Biến cố 𝐴̅ = {2, 3, 6, 7, 8,9,10}
28

Biến cố hiệu
Kí hiệu: A\B. Là biến cố xảy ra khi và chỉ khi A xảy ra và B không xảy ra
29

Biến cố hiệu
Kí hiệu: A\B. Là biến cố xảy ra khi và chỉ khi A xảy ra và B không xảy ra
Ví dụ minh họa
Trong lớp học có 72 bạn. Có 50 bạn biết nói tiếng Anh, 30 bạn
biết nói tiếng Pháp. Chọn ngẫu nhiên một sinh viên trong lớp.
Đặt: Biến cố A: Sinh viên biết nói tiếng Anh; Biến cố B: Sinh
viên biết nói tiếng Pháp.
Biến cố A\B: Sinh viên chỉ biết nói tiếng Anh
Biến cố B\A: Sinh viên chỉ biết nói tiếng Pháp
Biến cố A.B: Sinh viên biết nói cả tiếng Anh và tiếng Pháp
Biến cố A+B: Sinh viên biết nói tiếng Anh hoặc tiếng Pháp.
30
10
25/03/2024
Quan hệ giữa các biến cố
Biến cố xung khắc

Hai biến cố A và B được gọi là xung khắc nếu hai biến cố này không đồng
thời xảy ra, nói cách khác A và B xung khắc khi và chỉ khi 𝐴𝐵 = ∅
31
Biến cố xung khắc

Hai biến cố A và B được gọi là xung khắc nếu hai biến cố này không đồng
thời xảy ra, nói cách khác A và B xung khắc khi và chỉ khi 𝐴𝐵 = ∅
Ví dụ minh họa
Gieo xúc xắc có 6 mặt. Khi đó: Biến cố gieo ra mặt {1} hoặc mặt
{2} là 2 biến cố xung khắc.
Giả sử Biến cố ra số lẻ đặt là C. Khi đó: 𝐶 = {1, 3, 5}
Biến cố ra số nhỏ hơn 3 là D. Khi đó: D = {1, 2}
2 biến cố C và D không xung khắc nhau.
Đặt Biến cố số chẵn là E. Khi đó : E = {2, 4, 6}
 Biến cố C và E là xung khắc nhau.
32
Hệ đầy đủ các biến cố

Hệ các biến cố {𝐴 , 1 ≤ 𝑖 ≤ 𝑛} được gọi là hệ đầy đủ nếu nó thỏa mãn hai
điều kiện sau:
 Các biến cố xung khắc từng đôi một, nghĩa là 𝐴 𝐴 = ∅ với 1 ≤ 𝑖, 𝑗 ≤ 𝑛
và 𝑖 ≠ 𝑗
 Tổng của các biến cố là biến cố chắc chắc:
𝐴 + 𝐴 + ⋯+ 𝐴 = Ω
Nhận xét: Hệ 𝐴̅, 𝐴 là một hệ đầy đủ gồm hai biến cố
33
11
25/03/2024
Quy tắc đối ngẫu De Morgan

𝐴 + 𝐵 = 𝐴̅. 𝐵
𝐴. 𝐵 = 𝐴̅ + 𝐵
Quy tắc đối ngẫu De Morgan mở rộng

n n n n
A A
i 1
i
i 1
i A A
i 1
i
i 1
i
34
Các định nghĩa xác suất
Theo quan điểm cổ điển

Phương pháp cổ điển được các nhà toán học sử dụng để giúp xác định xác
suất liên quan đến các trò chơi may rủi.
 Số khả năng xảy ra biến cố A là 𝑘
 Số phần tử của không gian mẫu Ω là n
 Xác suất xảy ra biến cố A là:
𝑘
𝑃 𝐴 =
𝑛
35
Ví dụ minh họa Theo quan điểm cổ điển

Xác suất xuất hiện mặt sấp khi tung 1 đồng xu là bao nhiêu
Giải:
Biến cố xuất hiện mặt sấp là 𝐴 = {𝑆} số khả năng xảy ra biến cố A là 1
khả năng: 𝑘 = 1
Không gian mẫu Ω = {𝑆, 𝑁}  có 2 phần tử trong không gian mẫu: 𝑛 = 2
Xác xuất xuất hiện biến cố A là:
𝑘 1
𝑃 𝐴 = =
𝑛 2
36
12
25/03/2024
Theo quan điểm thống kê

Cách tiếp cận này nhằm xác định xác suất dự trên tần suất xảy ra khi tiến
hành phép thử nhiều lần. Chính vì thế, quan điểm này có yếu tố “thống
kê”.
Khi đó, xác suất xảy ra biến cố A là:
𝑚
𝑃 𝐴 = lim
→ 𝑛
Trong đó, 𝑚 là số lần xảy ra biến cố A trong 𝑛 lần thử
37
Ví dụ minh họa
Gieo xúc xắc, tính xác suất để xuất hiện mặt nhỏ hơn hoặc bằng 2.
Giải:
Đặt biến cố xuất hiện mặt nhỏ hơn hoặc bằng 2 là A. Khi đó 𝐴 = {1, 2}
Không gian mẫu là: Ω = 1, 2, 3, 4, 5, 6
 Theo quan điểm cổ điển: Xác suất để biến cố A xuất hiện là: 𝑃 𝐴 = =
 Theo quan điểm thống kê: Giả sử gieo xúc xắc 500 lần (𝑛 = 500). Thống kê
lại số lần xuất hiện mặt 1 hoặc mặt 2. Cộng 2 số này lại (bằng 𝑚) và chia số
lần thử n xác suất của biến cố A: 𝑃 𝐴 =
38

Ví dụ
Có học sinh đi từ trường về nhà, phải đi qua 3 cột đèn giao thông. Tại mỗi cột đèn này, học sinh
sẽ tiếp tục đi nếu đèn xanh (biến cố G), và dừng lại nếu là đèn đỏ (biến cố S). Khi đó:
 Không gian mẫu có 8 trường hợp xảy ra:
Ω = {𝐺𝐺𝐺, 𝐺𝐺𝑆, 𝐺𝑆𝐺, 𝐺𝑆𝑆, 𝑆𝐺𝐺, 𝑆𝐺𝑆, 𝑆𝑆𝐺, 𝑆𝑆𝑆}
 Giả sử A là biến cố học sinh dừng ở đèn giao thông thứ 1. Khi đó:
𝐴 = {𝑆𝐺𝐺, 𝑆𝐺𝑆, 𝑆𝑆𝐺, 𝑆𝑆𝑆}
 Giả sử B là biến cố học sinh dừng ở cột đèn thứ 2. Khi đó:
𝐵 = {𝐺𝑆𝐺, 𝐺𝑆𝑆, 𝑆𝑆𝐺, 𝑆𝑆𝑆}
 Giả sử C là biến cố học sinh dừng ở đèn giao thông 1 hoặc đèn giao thông 2. Khi đó:
𝐶 = 𝐴 ∪ 𝐵 = {𝑆𝐺𝐺, 𝑆𝐺𝑆, 𝑆𝑆𝐺, 𝐺𝑆𝐺, 𝐺𝑆𝑆, 𝑆𝑆𝑆}
 Giả sử D là biến cố học sinh dừng ở cả 2 đèn 1 và 2. Khi đó:
𝐷 = 𝐴 ∩ 𝐵 = {𝑆𝑆𝐺, 𝑆𝑆𝐶}
 Giả sử E là biến học sinh không dừng ở đèn thứ nhất. Khi đó:
𝐸 = 𝐴̅ = {𝐺𝐺𝐺, 𝐺𝐺𝑆, 𝐺𝑆𝐺, 𝐺𝑆𝑆}
 Giả sử F là biến không dừng ở đèn giao thông nào. Khi đó:
𝐹 = {𝐺𝐺𝐺}
39
13
25/03/2024
Ví dụ
Tung cùng lúc 2 đồng xu.
a) Xác định không gian mẫu của phép thử và tìm một biến cố sơ cấp.
b) Gọi A biến cố xuất hiện mặt ngửa ở đồng xu 1, và B là biến cố xuất hiện mặt ngửa ở
đồng xu thứ 2. Xác định biến cố xuất hiện mặt ngửa ở cả 2 đồng xu và biến cố xuất
hiện mặt sấp ở một trong hai đồng xu.
c) Trình bày một hệ đầy đủ gồm 3 biến cố. Xác định số phần tử của biến cố đó.
d) Trình bày một hệ đầy đủ gồm 4 biến cố. Xác định số phần tử của các biến cố đó.
40
Xác suất của biến cố

Xác xuất của biến cố là tổng giá trị xác suất của biến cố sơ cấp chứa trong nó.
Ví dụ
Giả sử trong một lớp học, chọn ngẫu nhiên một học sinh. Có 4 biến cố có thể xảy ra:
Biến cố A: học sinh Giỏi; Biến cố B: học sinh Khá; Biến cố C: học sinh Trung Bình; biến
cố D: học sinh Yếu.
Biết xác suất xuất hiện các biến cố là: P(A)=0.2; P(B)=0.5; P(C)=0.15; P(D)=0.15;
Khi đó, một học sinh được xem là lên lớp nếu kết quả học tập không xếp loại Yếu. Gọi
biến cố E là biến cố học sinh đó được lên lớp. Khi đó, xác xuất để chọn trúng học sinh
lên lớp là:
𝑃 𝐸 = 𝑃 𝐴 + 𝑃 𝐵 + 𝑃 𝐶 = 0.2 + 0.5 + 0.15 = 0.85
41
Nguyên lý xác suất nhỏ

Nếu một biến cố ngẫu nhiên có xác suất rất nhỏ thì thực tế có thể
cho rằng trong một phép thử, biến cố đó sẽ không xảy ra
Nguyên lý xác xuất lớn

Nếu một biến cố ngẫu nhiên có xác suất rất lớn (gần bằng 1) thì thực
tế ta có thể cho rằng biến cố đó chắc chắc xảy ra trong phép thử.
Chú ý: Việc quy định một mức xác suất được coi là nhỏ hay lớn sẽ tùy thuộc vào
bài toán cụ thể.
 Thông thường, các mức xác suất nhỏ có thể được lấy như 0.01 hay 0.05…
 Tương tự, các mức xác xuất lớn có thể được lấy như: 0.99 hay 0.95….
42
14
25/03/2024
Công thức tính xác suất

Cho hai biến cố A, B.
Cộng hai biến cố
𝑃 𝐴 + 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃 𝐴𝐵
Ω
A B
AB
Khi A và B xung khắc, nghĩa là: 𝐴𝐵 = 𝐴 ∩ 𝐵 = ∅ thì

𝑃 𝐴 + 𝐵 = 𝑃 𝐴 + 𝑃(𝐵)
43

Cho hai biến cố A, B, C.
Cộng ba biến cố
𝑃 𝐴+𝐵+𝐶
= 𝑃 𝐴 + 𝑃 𝐵 + 𝑃 𝐶 − 𝑃 𝐴𝐵 − 𝑃 𝐴𝐶 − 𝑃 𝐵𝐶 + 𝑃(𝐴𝐵𝐶)
Ω A B
AB
ABC
AC BC
C
Khi A, B, C xung khắc từng đôi thì
𝑃 𝐴 + 𝐵 + 𝐶 = 𝑃 𝐴 + 𝑃 𝐵 + 𝑃(𝐶)
44
Ví dụ minh họa
Bạn A siêu thị. Xác suất để bạn A mua kem trong siêu thị là 0.5, xác
suất để bạn ấy mua nước suối là 0.4 và xác suất để bạn ấy mua cả
hai loại kem và nước suối là 0.1.
Hỏi, xác suất bạn ấy mua ít nhất một trong hai món nước suối và
kem là bao nhiêu?
45
15
25/03/2024
Giải:
Đặt N, K lần lượt là biến cố bạn A mua nước suối và kem. Ta
có:
𝑃 𝑁 = 0.4; 𝑃 𝐾 = 0.5, 𝑃 𝑁𝐾 = 0.1
Khi đó, xác suất bạn ấy mua ít nhất một trong hai món nước
suối và kem là:
𝑃 𝑁 + 𝐾 = 𝑃 𝑁 + 𝑃 𝐾 − 𝑃 𝑁𝐾 = 0.4 + 0.5 − 0.1 = 0.8
46
Ví dụ minh họa
Khảo sát một lớp học có 100 sinh viên thì thấy rằng có 20 sinh viên
biết tiếng Pháp, 70 sinh viên biết tiếng Anh, 10 sinh viên biết cả 2
tiếng Pháp và Anh. Chọn ngẫu nhiên 1 người trong 100 sinh viên.
a) Tính xác suất để sinh viên đó biết ít nhất 1 trong 2 loại tiếng.
b) Tính xác suất để sinh viên đó không biết cả 2 loại tiếng
47
Ví dụ minh họa
Khảo sát một lớp học có 100 sinh viên thì thấy rằng có 20 sinh viên
biết tiếng Pháp, 70 sinh viên biết tiếng Anh, 10 sinh viên biết cả 2
tiếng Pháp và Anh. Chọn ngẫu nhiên 1 người trong 100 sinh viên.
a) Tính xác suất để sinh viên đó biết ít nhất 1 trong 2 loại tiếng.
b) Tính xác suất để sinh viên đó không biết cả 2 loại tiếng
A: sv biết tiếng Anh, P: sv biết tiếng Pháp 100

P(A)=0.7; P(P)=0.2; P(AP)=0.1. 20 10
P(A+P)=P(A)+P(P)-P(AP)=0.7+0.2-0.1=0.8 70
Gọi biến cố C là sinh viên ko biết cả 2 loại tiếng
𝐶 = 𝐴 + 𝑃 → P(C) = 1 − P A + P = 1 − 0.8 = 0.2
48
16
25/03/2024
a) Đặt A là biến cố sinh viên biết tiếng Anh và B là biến cố sinh viên
biết tiếng Pháp.
Khi đó, biến cố sinh viên được chọn biết ít nhất 1 trong 2 loại ngôn
ngữ là: A+B. Áp dụng công thức:
70 20 10 80
𝑃 𝐴 + 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃 𝐴𝐵 = + − = = 0.8
100 100 100 100
b) Đặt C là biến cố sinh viên không biết loại tiếng nào. Khi đó:
𝐶 = 𝐴 + 𝐵 → 𝑃 𝐶 = 1 − 𝑃 𝐴 + 𝐵 = 1 − 0.8 = 0.2
49
Xác suất có điều kiện

Là xác suất của biến cố A với điều kiện biến cố B đã xảy ra.
𝑃 𝐴𝐵
𝑃 𝐴𝐵 =
𝑃 𝐵
 Như vậy, ta có thể hiểu là xác suất có điều kiện P(A|B) là xác suất
xảy ra biến cố A trong “không gian mẫu” mới B
 Tương tự, xác suất của biến cố B với điều kiện biến cố A đã
xảy ra là:
𝑃 𝐵𝐴
𝑃 𝐵𝐴 =
𝑃 𝐴
50
Ví dụ minh họa
Một nhóm nghiên cứu sinh viên gồm có 10 thành viên, trong đó có 6
nữ và 4 nam. Chọn ngẫu nhiên 2 sinh viên trong nhóm lên để thuyết
trình. Tính xác suất để sinh viên thứ 2 được chọn là nữ, biết rằng
sinh viên đầu tiên được chọn là nữ.
51
17
25/03/2024
Đặt 𝐹 (𝑖 = 1, 2) là biến cố “lần thứ 𝑖 chọn được sinh viên nữ”.

Cách 1:
Nếu lần đầu đã chọn được sinh viên nữ (biến cố 𝐹 đã xảy ra),
lúc này nhóm chỉ còn 9 sinh viên với 5 nữ và 4 nam. Do đó xác
xuất để sinh viên thứ 2 là nữ được tính như sau:
5
𝑃 𝐹 𝐹 =
9
52

Cách 2:
Xác suất để chọn được cả 2 sinh viên là nữ là: Tổng số cách chọn
2 sinh viên (không
𝐶 15 1 gian mẫu):
𝑃 𝐹𝐹 = = = 𝑁=𝐶
𝐶 45 3 Số cách để chọn 2
sv nữ trong 6 sv
nữ:
Xác suất để sinh viên đầu tiên là nữ là: 𝑘=𝐶
6 3 Xác suất là:
𝑃 𝐹 = =
10 5
Do đó, theo công thức xác suất có điều kiện là:
𝑃 𝐹𝐹 5
𝑃 𝐹 𝐹 = =
𝑃 𝐹 9
53
Ví dụ minh họa
Gieo hai xúc xắc 𝐷 và 𝐷 . Tìm:
a) Xác suất để xúc xắc 1 xuất hiện mặt 2 𝑃 𝐷 = 2 ?
b) Xác suất để tổng điểm của 2 xúc sắc nhỏ hơn hoặc bằng 5
(𝑃 𝐷 + 𝐷 ≤ 5 ).
c) Xác suất để xúc sắc 1 xuất hiện mặt 2 với điều kiện tổng điểm
của cả 2 xúc sắc nhỏ hơn hoặc bằng 5. (𝑃 𝐷 = 2 𝐷 + 𝐷 ≤ 5 )
d) Xác suất để tổng điểm cả 2 xúc sắc nhỏ hơn hoặc bằng 5 với
điều kiện xúc sắc 1 xuất hiện mặt 2. (𝑃 𝐷 + 𝐷 ≤ 5 𝐷 = 2
54
18
25/03/2024
6 1
𝑃 𝐷 =2 = =
36 6
D2
+
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
D1
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
55
10 5
𝑃 𝐷 +𝐷 ≤5 = =
36 18
D2
+
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
D1
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
56
3
𝑃 𝐷 = 2|𝐷 + 𝐷 ≤ 5 =
10
D2
+
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
D1
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
57
19
25/03/2024
3
𝑃 𝐷 + 𝐷 ≤ 5|𝐷 = 2 =
6
D2
+
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
D1
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
58

Nhân xác suất hai biến cố
Cho hai biến cố A và B. Khi đó:
𝑃 𝐴𝐵 = 𝑃 𝐵 𝑃(𝐴|𝐵) hoặc 𝑃 𝐵𝐴 = 𝑃 𝐴 𝑃(𝐵|𝐴)
Nhân xác suất ba biến cố
Cho ba biến cố A, B, C. Khi đó:
𝑃 𝐴𝐵𝐶 = 𝑃(𝐴)𝑃 𝐵|𝐴 𝑃(𝐶|𝐴𝐵)
Nhân xác suất n biến cố

Cho n biến cố 𝐴 , 𝐴 , … , 𝐴 . Khi đó:
𝑃 𝐴 𝐴 …𝐴 = 𝑃 𝐴 𝑃 𝐴 𝐴 … 𝑃(𝐴 |𝐴 𝐴 … 𝐴 )
59
Biến cố độc lập

Hai biến cố A, B được gọi là độc lập nếu việc xảy ra biến cố B không
ảnh hưởng tới việc xảy ra biến cố A và ngược lại, nghĩa là:
𝑃 𝐴 𝐵 = 𝑃(𝐴) hoặc 𝑃 𝐵 𝐴 = 𝑃(𝐵)
Nhận xét
Hai biến cố A và B độc lập khi và chỉ khi:
𝑃 𝐴𝐵 = 𝑃 𝐴 𝑃(𝐵)
60
20
25/03/2024
Ví dụ minh họa
Gieo hai con xúc sắc như ví dụ trước thì ta có biến cố 𝐷 = 2 và biến
cố 𝐷 = 4 là hai biến cố độc lập.
Tuy nhiên, biến cố 𝐷 = 2 và biến cố 𝐷 + 𝐷 ≤ 5 là hai biến cố
KHÔNG độc lập
61

Công thức xác suất đầy đủ
Cho {𝐴 , 1 ≤ 𝑖 ≤ 𝑛} là một hệ đầy đủ, 𝐵 là một biến cố tùy ý. Khi đó,
công thức xác suất đầy đủ như sau:
𝑃 𝐵 = 𝑃 𝐴 𝑃(𝐵|𝐴 ) = 𝑃 𝐴 𝑃 𝐵 𝐴 +⋯+𝑃 𝐴 𝑃 𝐵 𝐴
Ý nghĩa
Giả sử ta biết xác suất xảy ra biến cố B trong điều kiện 𝐴 , … , 𝐴 (các
điều kiện này miêu tả đầy đủ các biến cố có thể xảy ra – hệ đầy đủ)
và đồng thời ta cũng biết xác suất để những điều kiện này xảy ra.
Khi đó, ta sẽ tính được xác suất xảy ra biến cố B.
62
A1 A3
A2 B
Nhận xét: Từ hình vẽ ta thấy, A1 A2 Áp dụng công thức nhân xác suất:
A3
không gian mẫu bao gồm hệ đầy 𝑃 𝐵 =𝑃 𝐴 𝑃 𝐵𝐴
đủ A1, A2, A3. Với biến cố B bất 𝑃 𝐵 = 𝑃 𝐴 𝑃(𝐵|𝐴 )
kì, ta có B=B1+B2+B3, trong đó: 𝑃 𝐵 = 𝑃 𝐴 𝑃(𝐵|𝐴 )
B1 B2 B3
𝐵 =𝐵∩𝐴
𝐵 =𝐵∩𝐴
𝐵 =𝐵∩𝐴
63
21
25/03/2024
Ví dụ minh họa
Ở tỉnh A, trong năm 2023, người ta thống kê thấy có 80% người dân
đi khám sức khỏe định kì, còn 20% không đi khám.
Trong số những người đi khám sức khỏe định kì, số người không có
vấn đề về sức khỏe ở năm kế tiếp chiếm 35%, còn đối những người
không đi khám, con số này chiếm 5%.
Chọn ngẫu nhiên một người ở tỉnh A. Tính xác suất người đó không
có vấn đề về sức khỏe ở năm kế tiếp.
64
35%
Không vấn đề
Có đi khám sức khỏe

80%
65% Có vấn đề
100%
20% 5%
Không vấn đề
Không đi khám sức khỏe

95%
Có vấn đề
65
Đặt:
• 𝐴 là biến cố người được chọn ngẫu nhiên đi khám sức khỏe
định kì.
• 𝐴 là biến cố người đó không đi khám sức khỏe định kì.
• 𝐵 là biến cố người đó không có vấn đề sức khỏe ở năm kế
tiếp.
Khi đó:
𝑃 𝐴 = 0.8 𝑃 𝐴 = 0.2
𝑃 𝐵𝐴 = 0.35 𝑃 𝐵 𝐴 = 0.05
66
22
25/03/2024
Do 𝐴 , 𝐴 là một hệ đầy đủ, áp dụng công thức xác suất đầy đủ:
𝑃 𝐵 =𝑃 𝐴 𝑃 𝐵 𝐴 +𝑃 𝐴 𝑃 𝐵 𝐴 =
= 0.8 ⋅ 0.35 + 0.2 ⋅ 0.05 = 0.29
Vậy xác suất để người được chọn không có vấn đề về sức khỏe
trong năm kế tiếp là 0.29
67
Ví dụ
Một phân xưởng có 60 công nhân (CN), trong đó có 40 nữ và 20
nam. Tỉ lệ CN tốt nghiệp THPT là 15% đối với nữ và 20% đối với
nam. Chọn ngẫu nhiên một công nhân, tìm xác xuất để công nhân
được chọn đó đã tốt nghiệp THPT
68
Ví dụ
Một phân xưởng có 60 công nhân (CN), trong đó có 40 nữ và 20
nam. Tỉ lệ CN tốt nghiệp THPT là 15% đối với nữ và 20% đối với
nam. Chọn ngẫu nhiên một công nhân, tìm xác xuất để công nhận
được chọn đó đã tốt nghiệp THPT
Đặt 𝐴 là biến cố công nhân được chọn là Nữ; 𝐴 là biến cố công nhân được chọn là Nam.
40 2 20 1
𝑝 𝐴 = = ;𝑝 𝐴 = =
60 3 60 3
Đặt B là biến cố công nhân được chọn đã tốt nghiệp THPT.
𝑝 𝐵 𝐴 = 0.15; 𝑝 𝐵 𝐴 = 0.2;
Xác suất để biến cố B xảy ra là:
2 1
𝑃 𝐵 = 𝑃 𝐴 𝑃 𝐵 𝐴 + 𝑃 𝐴 𝑃 𝐵 𝐴 = ⋅ 0.15 + ⋅ 0.2 =
3 3
69
23
25/03/2024
Giải:
• 𝐴 là biến cố công nhân là nữ
• 𝐴 là biến cố công nhân là nam
• 𝐵 là biến cố công nhân tốt nghiệp THPT.
40 2 20 1
𝑃 𝐴 = = ;𝑃 𝐴 = = ; 𝑃 𝐵 𝐴 = 0.15; 𝑃 𝐵 𝐴 = 0.2
60 3 60 3
• Vì 𝐴 , 𝐴 là một hệ biến cố đầy đủ, nên:
2 1 1
𝑃 𝐵 = 𝑃 𝐴 𝑃 𝐵 𝐴 + 𝑃 𝐴 𝑃 𝐵 𝐴 = ⋅ 0.15 + ⋅ 0.2 =
3 3 6
70
Định lý (Công thức Bayes)

Cho {𝐴 , 1 ≤ 𝑖 ≤ 𝑛} là một hệ đầy đủ, 𝐵 là một biến cố tùy ý sao cho
𝑃 𝐵 > 0. Khi đó, công thức Bayes được xác định như sau:
𝑃 𝐵𝐴 𝑃 𝐴 𝑃 𝐵𝐴
𝑃 𝐴 𝐵 = = 𝑘 = 1, 𝑛
𝑃 𝐵 ∑ 𝑃 𝐴 𝑃 𝐵𝐴
71
Ví dụ minh họa
Trong ví dụ trước đó, giả sử nếu ta chọn ra ngẫu nhiên một người ở
thành phố đó.
Biết rằng người được chọn không có vấn đề về sức khỏe trong năm
kế tiếp, hỏi xác suất người đó không đi khám sức khỏe định kì là bao
nhiêu?
72
24
25/03/2024
Ví dụ minh họa
Trong ví dụ trước đó, giả sử nếu ta chọn ra ngẫu nhiên một người ở
thành phố đó.
Biết rằng người được chọn không có vấn đề về sức khỏe trong năm
kế tiếp, hỏi xác suất người đó không đi khám sức khỏe định kì là bao
nhiêu?
Khi đó, ta cần tính xác suất 𝑃(𝐴 |𝐵). Áp dụng công thức Bayes:
𝑃 𝐵𝐴 𝑃 𝐵𝐴 𝑃 𝐴 0.05 × 0.2
𝑃 𝐴 𝐵 = = = = 0.0345
𝑃 𝐵 𝑃 𝐵 0.29
73
Ví dụ minh họa
Một gia đình có 2 đứa trẻ. Biết rằng có ít nhất 1 đứa trẻ là con gái.
Hỏi xác suất 2 đứa trẻ đều là con gái là bao nhiêu?
Hiểu rằng:
• Xác suất để một đứa trẻ là trai hay gái là bằng nhau và bằng ½ .
• Giới tính của 2 đứa trẻ là ngẫu nhiên và không liên quan tới nhau
74
Không gian mẫu: Ω = {𝐺𝐺, 𝐺𝑇, 𝑇𝐺, 𝑇𝑇}

A: là biến cố có ít nhất một bé gái: 𝐴 = 𝐺𝐺, 𝐺𝑇, 𝑇𝐺 → 𝑝 𝐴 =
B: là biến cố cả 2 bé đều là bé gái: 𝐵 = 𝐺𝐺 → 𝑝 𝐵 =
Ta có: 𝐴 ∩ 𝐵 = 𝐵
75
25
25/03/2024
76
Công thức Bernoulli
Định nghĩa (Phép thử Bernoulli)

Cho phép thử 𝑇 trong đó chỉ có hai kết quả có thể xảy ra là biến cố A
xảy ra hoặc không xảy ra.
Phép thử 𝑇 được gọi là phép thử Bernoulli
Ví dụ minh họa
Gieo một đồng xu 100 lần, kết quả ở từng lần gieo là sấp hoặc ngửa
(không phải sấp).
Do đó, đây là 100 phép thử Bernoulli.
77

Giả sử ta thực hiện phép thử Bernoulli 𝑇 trong 𝑛 lần độc lập nhau và
xác suất biến cố 𝐴 xảy ra trong mỗi lần thử đều là 𝑝. Khi đó, xác
suất biến cố 𝑨 xảy ra đúng 𝒌 lần trong 𝒏 lần thử, kí hiệu là
𝑃 𝑘 , 𝑘 = 1, 𝑛 được tính bởi công thức:
𝑃 𝑘, 𝐴 = 𝐶 𝑝 𝑞
Trong đó, 𝑞 = 1 − 𝑝.
 Xác suất biến cố A xảy ra từ 𝒌𝟏 đến 𝒌𝟐 lần trong 𝒏 lần thử là:
𝑃 𝑘 → 𝑘 ,𝐴 = 𝐶 𝑝 𝑞
78
26
25/03/2024
Ví dụ minh họa
Một xạ thủ bắn 6 viên đạn vào bia, xác suất trúng hồng tâm của mỗi
viên đạn đều là 0.7.
a) Tìm xác suất có đúng 3 viên trúng hồng tâm?
b) Tìm xác suất có ít nhất 3 viên trúng hồng tâm?
79
a) Đặt A là biến cố viên đạn trúng hồng tâm.

Vì mỗi lần bắn độc lập và đều có xác suất trúng là 0.7 nên áp
dụng công thức Bernoulli, ta được:
𝑃 3, 𝐴 = 𝐶 × 0.7 × 0.3 = 0.1852
b) Xác suất để có ít nhất 3 viên đạn trúng hồng tâm là:
𝑃 3 → 6, 𝐴 = 𝐶 × 0.7 × 0.3 = 0.9295
80
Bài tập 1
Có 20 quả bóng được đánh số từ 1 đến 20 được trộn lẫn và sau đó
được lấy ngẫu nhiên. Xác suất mà quả bóng được lấy ra có một số
là bội số của 3 hoặc 5 là bao nhiêu?
81
27
25/03/2024
Bài tập 2
Một hộp chứa 10 sản phẩm gồm 6 sản phẩm tốt và 4 sản phẩm xấu.
Khách hàng kiểm tra bằng cách lấy ra từng sản phẩm cho đến khi
được 3 sản phẩm tốt thì dừng lại. Tính xác suất để khách hàng dừng
lại ở lần kiểm tra thứ 3.
82
Bài tập 3
Có ba khẩu súng I, II, III bắn độc lập vào một mục tiêu. Mỗi khẩu bắn
1 viên. Xác suất bắn trúng mục tiêu của ba khẩu I, II, III lần lượt là
0.7, 0.8 và 0.5. Tính xác suất để:
a) Có 1 khẩu bắn trúng
b) Có 2 khẩu bắn trúng
c) Có 3 khẩu bắn trúng
d) Khẩu thứ 2 bắn trúng, biết rằng có 2 khẩu bắn trúng.
83
Gọi 𝐴 , 𝐴 , 𝐴 biến cố khẩu 1, 2, 3 bắn trúng. Khi đó, các biến cố này là độc lập.
𝑃 𝐴 = 0.7; 𝑃 𝐴 = 0.8; 𝑃 𝐴 = 0.5
𝑃 𝐴 = 1 − 𝑃 𝐴 = 0.3; 𝑃 𝐴 = 0.2; 𝑃 𝐴 = 0.5
a) Gọi A là biến cố có 1 khẩu bắn trúng:
𝐴= 𝐴 𝐴 𝐴 +𝐴 𝐴 𝐴 +𝐴 𝐴 𝐴
Các biến cố trong A xung khắc từng đôi 1 nên:
𝑃 𝐴 = 𝑃 𝐴 𝐴 𝐴 + 𝑃 𝐴 𝐴 𝐴 + P(𝐴 𝐴 𝐴 )
Vì các biến cố 𝐴 , 𝐴 , 𝐴 , 𝐴 , 𝐴 , 𝐴 độc lập nhau nên:
𝑃 𝐴 𝐴 𝐴 =𝑃 𝐴 𝑃 𝐴 𝑃 𝐴
d)
𝐴 𝐵 = 𝐴 𝐴 𝐴 +𝐴 𝐴 𝐴 → 𝑃 𝐴 𝐵 = 𝑃 𝐴 𝐴 𝐴 +P 𝐴 𝐴 𝐴 = 0.4
84
28
25/03/2024
Bài tập 4
Có ba khẩu súng I, II, III bắn độc lập vào một mục tiêu. Mỗi khẩu bắn
1 viên. Xác suất bắn trúng mục tiêu của ba khẩu I, II, III lần lượt là
0.7, 0.8 và 0.5. Tính xác suất để:
a) Có 1 khẩu bắn trúng
b) Có 2 khẩu bắn trúng
c) Có 3 khẩu bắn trúng
d) Khẩu thứ 2 bắn trúng, biết rằng có 2 khẩu bắn trúng.
85
𝐴 𝐵 A B
86
Đại lượng ngẫu nhiên
Định nghĩa
Một đại lượng ngẫu nhiên (ĐLNN) là mô tả bằng số các kết quả của
một phép thử ngẫu nhiên.
Chú ý:
- Giá trị của một ĐLNN luôn là đại lượng số
- ĐLNN thường kí hiệu bằng các chữ cái in hoa X, Y, Z ....
- Giá trị của ĐLNN được kí hiệu bằng chữ cái in thường như x, y, z.
- Xác xuất của ĐLNN được kí hiệu là: 𝑃(𝑋 = 𝑥)
87
29
25/03/2024
Ví dụ
Trong một đợt khảo sát chiều cao của sinh viên một trường đại học,
người ta đo được chiều cao của sinh viên nằm trong khoảng 150 cm
đến 195 cm.
Đặt Z là chiều cao của sinh viên. Khi đó 𝑍 ∈ 150 − 195 (𝑐𝑚).
Khi đó, Z là đại lượng ngẫu nhiên
88
Phân loại ĐLNN

Tùy thuộc vào giá trị mà ĐLNN nhận được, được phân làm hai loại:
- Đại lượng ngẫu nhiên rời rạc
- Đại lượng ngẫu nhiên liên tục
Đại lượng ngẫu nhiên rời rạc

Đại lượng ngẫu nhiên được gọi là rời rạc nếu tập hợp các giá trị mà
nó có thể nhận là một tập hữu hạn hoặc vô hạn đếm được, như 0, 1, 2,…
89
Ví dụ
Xác định các giá trị có thể nhận được của các đại lượng ngẫu nhiên
rời rạc được cho trong bảng sau:
Phép thử Đại lượng ngẫu nhiên (X)
Bắn 3 viên đạn vào mục tiêu Số lần bắn trúng mục tiêu
Kiếm tra chất lượng 50 chiếc
Số lượng radio kém chất lượng
radio
Mở cửa một nhà hàng trong 1
Số lượng khách hàng
ngày
Bán một chiếc oto Giới tính khách hàng
90
30
25/03/2024
Giải:
Giá trị có thể nhận được của biến ngẫu nhiên trong bảng trên là:
- {0, 1, 2, 3}
- {0, 1, 2, ..., 49, 50}
- {0, 1, 2,...}
- {0 nếu là nam, 1 nếu là nữ}
91
Đại lượng ngẫu nhiên liên tục

Một đại lượng ngẫu nhiên có thể nhận bất kỳ giá trị nào trong một
khoảng hoặc tập hợp của nhiều khoảng được gọi là đại lượng ngẫu
nhiên liên tục
Chú ý: Giá trị của ĐLNN liên tục thường dựa trên các thang đo như:
- Thời gian
- Cân nặng
- Khoảng cách
- Nhiệt độ
- .....
92
Ví dụ
Xác định các giá trị có thể nhận được của các đại lượng ngẫu nhiên
liên tục được cho trong bảng sau:
Phép thử Đại lượng ngẫu nhiên (X)

Quan sát một ngân hàng Thời gian giữa 2 khách hàng
Rót nước vào một cái can (10 lít) Số lít nước đã rót vào
Xây dựng một thư viện Phần trăm hoàn thành
Đi xe từ SG đến HN (dài 1800km) Khoảng cách đã đi được
93
31
25/03/2024
Giải:
Giá trị có thể nhận được của các biến ngẫu nhiên trong bảng trên là:
- 𝑥≥0
- 0 ≤ 𝑥 ≤ 10
- 0 ≤ 𝑥 ≤ 100
- 0 ≤ 𝑥 ≤ 1700
94

Để nghiên cứu một đại lượng ngẫu nhiên 𝑋, ta cần biết:
- Giá trị có thể có của 𝑋
- Xác suất để nó nhận mỗi giá trị đó
Phân phối xác xuất của đại lượng ngẫu nhiên
Là hình thức cho phép biểu diễn mối liên hệ giữa các giá trị có thể có
của một ĐLNN và khả năng xảy ra (xác suất) của các giá trị đó.
 Đối với ĐLNN rời rạc: Bảng phân phối xác suất.
 Đối với ĐLNN liên tục: Hàm mật độ xác suất.
 Trường hợp dùng cho cả ĐLNN rời rạc và liên tục: Hàm phân
phối (tích lũy) xác suất
95
Bảng phân phối xác suất cho trường hợp rời rạc
Cho 𝑋 = 𝑥 , 𝑥 , … , 𝑥 là một đại lượng ngẫu nhiên rời rạc với xác
suất tương ứng là 𝑝 = 𝑃 𝑋 = 𝑥 , 𝑖 = 1, 𝑛.
Khi đó, bảng phân phối xác xuất của 𝑋 như sau:
X 𝒙𝟏 𝒙𝟐 ... 𝒙𝒏
P 𝑝 𝑝 ... 𝑝
96
32
25/03/2024
Chú ý:
Đối với bảng phân phối xác suất của ĐLNN ta luôn có:
• 0≤𝑝 ≤1
• ∑ 𝑝 = 1 (trường hợp ĐLNN rời rạc hữu hạn)
• 𝑃 𝑎≤𝑋<𝑏 =∑ 𝑝
• 𝑃 𝑎<𝑋<𝑏 =∑ 𝑝
97
Ví dụ
Gọi X là số môn đậu của một sinh viên trong học kì phải thi 5 môn.
Khi đó 𝑋 = {0, 1, 2, 3, 4, 5}
Giả sử, có bảng phân phối xác xuất của 𝑋 như sau:
X 0 1 2 3 4 5
P 0.05 0.15 0.3 0.35 0.15 0
Từ bảng phân phối trên, ta có thể đưa ra vài nhận xét sau:
• 𝑃 𝑋 = 5 = 0: Sinh viên đó không thể đậu 5 môn
• 𝑃 𝑋 = 3 = 0.35: Khả năng sinh viên đó đậu 3 môn là nhiều nhất
98
Hàm phân phối xác xuất cho trường hợp rời rạc
Hàm số
𝐹 𝑥 =𝑃 𝑋≤𝑥 , ∀𝑥 ∈ 𝑅
được gọi là hàm phân phối xác suất của đại lượng ngẫu nhiên 𝑋
Nhận xét:
Nếu X là ĐLNN rời rạc với xác suất tại các giá trị 𝑥 là 𝑝 = 𝑃(𝑋 = 𝑥 ):
𝐹 𝑥 =𝑃 𝑋≤𝑥 = 𝑃 𝑋=𝑥 = 𝑝
∈
trong đó, 𝐼 = {𝑖|𝑥 ≤ 𝑥}

99
33
25/03/2024
Ví dụ
Tung hai đồng xu cân đối và đồng chất. Gọi X là số đồng xu xuất
hiện mặt ngửa.
a) Tìm bảng phân phối xác suất của X
b) Tìm và vẽ đồ thị của hàm phân phối xác suất của X
100

Giải:
a) Gọi A là biến cố tung 2 đồng xu cân đối và đồng chất. Đặt 𝑎, 𝑏 là
kết quả của việc tung 2 đồng xu (với 𝑎, 𝑏 ∈ {𝑆, 𝑁}, trong đó 𝑆 − sấp;
𝑁 − ngửa). Khi đó, không gian mẫu là:
(𝑆, 𝑆) (𝑆, 𝑁)
Ω=
(𝑁, 𝑆) (𝑁, 𝑁)
Từ đây, ta lập được bảng phân phối xác xuất của X là:
X 0 1 2
P 0.25 0.5 0.25
101

b) Từ định nghĩa hàm phân phối xác suất của X như sau:
0, x  0 0, x  0
0.25, 0  x  1 0.25, 0  x  1
 
F ( x)   F ( x)  
 0.25  0.5 1  x  2 0.75 1  x  2
0.25  0.5  0.25 x  2 1 x  2
1
0
1 2
102
34
25/03/2024
Định nghĩa hàm mật độ xác suất cho trường hợp ĐLNN liên tục
Giả sử 𝑋 là đại lượng ngẫu nhiên liên tục nhận giá trị trên 𝑅. Hàm
mật độ xác suất của đại lượng ngẫu nhiên liên tục 𝑋 là hàm số 𝑓(𝑥)
không âm, xác định với mọi giá trị của đại lượng ngẫu nhiên 𝑋 và
thỏa mãn tính chất:
𝑃 𝑎<𝑥<𝑏 = 𝑓 𝑥 𝑑𝑥 , ∀𝑎, 𝑏 ∈ 𝑅, 𝑎 < 𝑏
103
Ý nghĩa hình học của hàm mật độ xác suất

Là phần diện tích hình phẳng bị chắn bởi đồ thị của hàm số 𝑦 =
𝑓(𝑥), trục 𝑂𝑥 và các đường thẳng 𝑥 = 𝑎, 𝑥 = 𝑏
104

Tính chất của hàm mật độ xác suất
• Nếu 𝑋 là đại lượng ngẫu nhiên liên tục thì với số 𝑐 bất kỳ, ta có:
𝑃 𝑋=𝑐 =0
• Với 2 số thực 𝑎, 𝑏 bất kỳ sao cho 𝑎 < 𝑏 ta có:
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝑃 𝑎 < 𝑋 ≤ 𝑏 = 𝑃 𝑎 ≤ 𝑋 < 𝑏 = 𝑃(𝑎 < 𝑋 < 𝑏)
• Với 𝑓(𝑥) là hàm mật độ xác suất thì:
 𝑓 𝑥 ≥ 0, ∀𝑥 ⊂ ℝ
 ∫ 𝑓 𝑥 𝑑𝑥 = 1
• Ngược lại, một hàm số 𝑓 𝑥 thỏa mãn 2 tính chất trên được gọi là
hàm mật độ xác suất của 1 biến ngẫu nhiên nào đó
105
35
25/03/2024
Ví dụ
Cho biến ngẫu nhiên liên tục có hàm mật độ xác suất:
 kx , khi x  0, 2
2
f ( x)  
 0, khi x  0, 2
a) Tìm hằng số 𝑘
b) Tính 𝑃(0.5 ≤ 𝑋 ≤ 1)
106
Giải:
a) Do 𝑓(𝑥) là hàm mật độ nên cần thỏa mãn:
 𝑓 𝑥 ≥ 0, ∀𝑥 ⊂ ℝ
 ∫ 𝑓 𝑥 𝑑𝑥 = 1
Do đó, 𝑘 ≥ 0 và:
8 3
𝑘𝑥 𝑑𝑥 = 1 ↔ 𝑘 =1↔𝑘=
3 8
b) Từ kết quả câu a, ta tính được:
3
𝑃 0.5 ≤ 𝑋 ≤ 1 = 𝑥 𝑑𝑥 = 0.1093
. 8
107
Định nghĩa Hàm phân phối xác suất cho ĐLNN liên tục
Cho 𝑋 là đại lượng ngẫu nhiên liên tục có hàm mật độ xác suất 𝑓(𝑥).
Khi đó, hàm phân phối xác suất của 𝑋 được biểu diễn như sau:
𝐹 𝑥 = 𝑓 𝑡 𝑑𝑡
108
36
25/03/2024
Tính chất Hàm phân phối xác suất cho ĐLNN liên tục và rời rạc
• 0 ≤ 𝐹 𝑥 ≤ 1,
• 𝑃 𝑎 <𝑥 <𝑏 =𝐹 𝑏 −𝐹 𝑎 ,
• 𝑃 𝑎≤𝑋≤𝑏 =𝑃 𝑎<𝑋≤𝑏 =𝑃 𝑎≤𝑋<𝑏 =𝑃 𝑎<𝑋<𝑏
• 𝐹(𝑥) là hàm không giảm, nghĩa là nếu 𝑎 < 𝑏) thì 𝐹 𝑎 ≤ 𝐹 𝑏
• lim 𝐹 𝑥 = 0 và lim 𝐹 𝑥 = 1
→ →
• 𝑓 𝑥 = 𝐹′(𝑥) tại 𝑥 là điểm liên tục của 𝑓(𝑥)
109
Ví dụ
Cho hàm số
 2 x, khi x   0,1
f ( x)  
 0, khi x   0,1
a) Chứng tỏ 𝑓(𝑥) là hàm mật độ xác suất của một đại lượng ngẫu
nhiên 𝑋.
b) Tìm hàm phân phối xác suất của 𝑋
c) Tính xác suất 𝑃(0 < 𝑋 < )
110
Giải:
a) Từ đề bài, ta suy ra 𝑓 𝑥 ≥ 0, ∀𝑥 ∈ ℝ. Mặt khác, ta lại có:
𝑓 𝑥 𝑑𝑥 = 2𝑥𝑑𝑥 = 1
Do đó, ta có 𝑓(𝑥) là hàm mật độ xác suất của một đại lượng ngẫu
nhiên 𝑋.
111
37
25/03/2024
b)
• Với 𝑥 ≤ 0 ta có: 𝐹 𝑥 =∫ 𝑓 𝑡 𝑑𝑡 = ∫ 0𝑑𝑡 = 0
• Với 𝑥 ∈ (0,1) ta có: 𝐹 𝑥 = ∫ 𝑓 𝑡 𝑑𝑡 = ∫ 2𝑡𝑑𝑡 = 𝑥
• Với 𝑥 > 1 ta có: 𝐹 𝑥 =∫ 𝑓 𝑡 𝑑𝑡 = ∫ 2𝑡𝑑𝑡 + ∫ 0𝑑𝑡 = 1
• Vậy hàm phân phối 𝐹(𝑥) của 𝑋 có dạng:
0, khi x  0

F ( x )   x 2 , khi x   0,1
1, khi x  1

c) 𝑃 0 < 𝑋 < 0.5 = 𝐹 0.5 − 𝐹 0 =
112
Ý nghĩa của hàm phân phối xác suất

• Vì hàm phân phối xác suất là 𝐹 𝑥 = 𝑃(𝑋 ≤ 𝑥)  ta thấy hàm
𝐹(𝑥) phản ánh mức độ tập trung xác suất về phía bên trái 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).
• Hàm 𝐹(𝑥) là một hàm không giảm nên đạo hàm 𝑓 𝑥 của nó là
một hàm không âm. Về mặt hình học điều này có nghĩa là đồ thị
của hàm 𝑓(𝑥) không nằm dưới trục 𝑂𝑥.
• Giá trị của hàm 𝐹(𝑥) tại điểm 𝑎 bằng diện tích hình phẳng giới
hạn bởi trục 𝑂𝑥, đường cong 𝑦 = 𝑓(𝑥) và đường thẳng 𝑥 = 𝑎.
113
Các tham số đặc trưng của đại lượng ngẫu nhiên
Kỳ vọng (định nghĩa cho ĐLNN rời rạc)

Giả sử đại lượng ngẫu nhiên rời rạc 𝑋 có bảng phân phối xác suất
như sau:
X 𝒙𝟏 𝒙𝟐 ... 𝒙𝒏
P 𝑝 𝑝 ... 𝑝
Khi đó, kỳ vọng của 𝑋, kí hiệu là 𝐸(𝑋) được tính bởi công thức:
𝐸 𝑋 = 𝑥 𝑝
114
38
25/03/2024
Kỳ vọng (định nghĩa cho ĐLNN liên tục)

Cho 𝑋 là ĐLNN liên tục với hàm mật độ 𝑓(𝑥). Nếu ∫ 𝑥𝑓 𝑥 𝑑𝑥 hội
tụ tuyệt đối thì giá trị tích phân đó được gọi là kỳ vọng của 𝑋:
𝐸 𝑋 = 𝑥𝑓 𝑥 𝑑𝑥
115
Tính chất của Kỳ vọng

Kỳ vọng của một ĐLNN (liên tục hoặc rời rạc) có những tính chất:
• 𝐸 𝑐 = 𝑐 với 𝑐 là hằng số,
• 𝐸 𝑐𝑋 = 𝑐𝐸 𝑋
• 𝐸 𝑋 + 𝑌 = 𝐸 𝑋 + 𝐸(𝑌)
• 𝐸 𝑋𝑌 = 𝐸 𝑋 𝐸(𝑌) nếu 𝑋, 𝑌 độc lập.
116
Phương sai (cho ĐLNN rời rạc)

Phương sai của đại lượng ngẫu nhiên rời rạc 𝑋 được biểu diễn sau:
𝑉𝑎𝑟 𝑋 = 𝑥 −𝐸 𝑋 𝑝
Phương sai (cho ĐLNN liên tục)

Phương sai của đại lượng ngẫu nhiên rời rạc 𝑋 được biểu diễn sau:
𝑉𝑎𝑟 𝑋 = (𝑥 − 𝐸 𝑋 𝑓 𝑥 𝑑𝑥
Trong đó, 𝑓(𝑥) là hàm mật độ xác suất của 𝑋

117
39
25/03/2024
Độ lệch chuẩn
Độ lệch chuẩn của đại lượng ngẫu nhiên 𝑋, kí hiệu 𝜎(𝑋) được tính
bởi công thức sau:
𝜎 𝑋 = 𝑉𝑎𝑟 𝑋
118
Tính chất của phương sai

Phương sai của một ĐLNN (ròi rạc hoặc liên tục) có những tính chất
sau đây:
• 𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 − 𝐸 𝑋
• 𝑉𝑎𝑟 𝑐 = 0 với 𝑐 là hằng số
• 𝑉𝑎𝑟 𝑐𝑋 = 𝑐 𝑉𝑎𝑟(𝑋)
• 𝑉𝑎𝑟 𝑋 + 𝑌 = 𝑉𝑎𝑟 𝑋 + 𝑉𝑎𝑟(𝑌) nếu 𝑋, 𝑌 độc lập
119
Ý nghĩa của phương sai

Phương sai phản ánh mức độ phân tán của ĐLNN quanh giá trị
trung bình: Phương sai nhỏ thì độ phân tán nhỏ nên độ tập trung
quanh giá trị trung bình cao và ngược lại.
• Trong kỹ thuật, phương sai đặc trưng cho sai số của thiết bị.
• Trong kinh doanh, phương sai đặc trưng cho độ rủi ro trong các
quyết định.
• Đây là trung bình có trọng số của bình phương độ lệch so với giá
trị trung bình.
120
40
25/03/2024
121
Ví dụ
Cho 𝑋 là đại lượng ngẫu nhiên rời rạc có bảng phân phối xác suất:
X 𝟏 𝟐 3
P 0.3 0.4 0.3
Tính kỳ vọng và phương sai của X.
122
Giải:
123
41
25/03/2024
Ví dụ
Cho 𝑋 là đại lượng ngẫu nhiên liên tục có hàm mật độ xác suất:
1, khi x   0,1

f ( x)  
0, khi x   0,1
Tính kỳ vọng và phương sai của X.
124
Giải:
125
Số yếu vị (Mode)
Số yếu vị hay Mode của ĐLNN 𝑋 là giá trị xuất hiện nhiều nhất trong
dữ liệu.
• Nếu 𝑋 rời rạc thì mode là giá trị 𝑋 có xác suất cực đại.
• Nếu 𝑋 liên tục, thì mode là giá trị 𝑋 mà tại đó hàm mật độ xác suất
nhận giá trị lớn nhất.
• Kí hiệu là: mode(X)
• Đại lượng ngẫu nhiên 𝑋 có thể có một hay nhiều mode.
126
42
25/03/2024
Trung vị - Median
Trung vị (hay median) của đại lượng ngẫu nhiên 𝑋 là trị số 𝑚 thỏa
điều kiện:
𝑃 𝑋 < 𝑚 ≤ 0.5
Và
𝑃 𝑋 > 𝑚 ≤ 0.5
Được kí hiệu là med(X)
127
Nhận xét về trung vị

• Nếu 𝑋 là đại lượng ngẫu nhiên rời rạc thì điều kiện trên chính là:
1 1
𝑃 𝑋=𝑥 ≤ và 𝑃 𝑋=𝑥 ≤ (𝑥 ∈ 𝑋)
2 2
• Nếu 𝑋 là đại lượng ngẫu nhiên liên tục thì:
𝑃 𝑋 < 𝑚 ≤ 0.5 𝐹 𝑚 ≤ 0.5 𝐹 𝑚 ≤ 0.5

↔ ↔
𝑃 𝑋 > 𝑚 ≤ 0.5 1 − 𝑃 𝑋 ≤ 𝑚 ≤ 0.5 1 − 𝐹 𝑚 ≤ 0.5
• Do đó, trung vị là giá trị chia đôi xác suất và có thể không
duy nhất.
128
129
43
25/03/2024
Ví dụ
Tính số yếu vị, trung vị của đại lượng ngẫu nhiên 𝑋 có bảng phân
phối xác suất như sau:
X 𝟏 𝟐 3
P 0.3 0.4 0.3
Giải:
Theo định nghĩa, ta có thể tính được:
𝑀𝑜𝑑𝑒(𝑋) = 2, 𝑚𝑒𝑑(𝑋) = 2
130
Ví dụ
Cho 𝑋 là đại lượng ngẫu nhiên liên tục có hàm mật độ xác suất:
1, khi x   0,1

f ( x)  
0, khi x   0,1
Tính trung vị của X.
131
Giải:
132
44
25/03/2024
133
Ví dụ
Một công ty phát hành phim muốn tìm hiểu thị hiếu khách hàng để
phục vụ việc truyền thông sản phẩm. Họ chủ yếu muốn khảo sát độ
tuổi và giới tính của người xem. Đặt 𝑋 là đại lượng ngẫu nhiên rời
rạc chỉ giới tính (trong đó quy ước, 𝑋 = 1 nếu là nữ, 𝑋 = 0 nếu là
nam); 𝑌 là đại lượng ngẫu nhiên rời rạc chỉ độ tuổi khách hàng (𝑌
nhận giá trị trong tập {5, 6, ..., 60}).
Khi đó, (𝑋, 𝑌) là một vector ngẫu nhiên hai chiều.
134
Ví dụ
Ở một vùng ngoại ô thành phố, người ta tiến hành khảo sát số xe
máy và smartphone của từng hộ gia đình. Đặt 𝑋, 𝑌 tương ứng là đại
lượng ngẫu hiên chỉ số xe máy, số smartphone của một hộ gia đình.
Khi đó, 𝑋, 𝑌 là một vector ngẫu nhiên hai chiều.
135
45
25/03/2024
136
137
138
46
25/03/2024
Ví dụ
Giả sử, đại lượng ngẫu nhiên 𝑋, 𝑌 trong ví dụ trên có bảng phân phối
xác suất đồng thời như sau:
Y
1 2 3 4 𝑷(𝑿 = 𝒙𝒊 )
X
1 0.1 0 0.1 0 0.2
2 0.3 0 0.1 0.2 0.6
3 0 0.2 0 0 0.2
𝑷(𝒀 = 𝒚𝒋 ) 0.4 0.2 0.2 0.2 1
139
Ví dụ (tiếp theo)
Lựa chọn ngẫu nhiên một hộ gia đình tham gia khảo sát. Tính xác
suất gia đình đó có đúng 2 chiếc xe máy và 3 chiếc smartphone?
140
Ví dụ (tiếp theo)
Lựa chọn ngẫu nhiên một hộ gia đình tham gia khảo sát. Tính xác
suất gia đình đó có đúng 2 chiếc xe máy và 3 chiếc smartphone?
Giải:
Ta có, xác suất để gia đình đó có đúng 2 chiếc xe máy và 3
chiếc smartphone là:
𝑃 𝑋 = 2; 𝑌 = 3 = 𝑝 = 0.2
141
47
25/03/2024
Định nghĩa Xác suất biên

Xác suất của các đại lượng ngẫu nhiên thành phần, được gọi là xác
suất biên:
𝑃 𝑋=𝑥 = 𝑃(𝑋 = 𝑥 ; 𝑌 = 𝑦 ) = 𝑝 =𝑝∗
𝑃 𝑌=𝑦 = 𝑃(𝑋 = 𝑥 ; 𝑌 = 𝑦 ) = 𝑝 =𝑝 ∗
142
Nhận xét về Xác suất biên

• Ta luôn có:
𝑝 = 𝑃(𝑋 = 𝑥 ) = 𝑃(𝑌 = 𝑦 ) = 1
,
Hai đại lượng ngẫu nhiên 𝑋, 𝑌 được gọi là độc lập với nhau nếu:
𝑃 𝑋 = 𝑥 , 𝑌 = 𝑦 = 𝑃 𝑋 = 𝑥 ⋅ 𝑃(𝑌 = 𝑦 )
143
Ví dụ
Giả sử, có bảng phân phối xác suất đồng thời như sau:
X Y 1 2 3 4 𝑷(𝑿 = 𝒙𝒊 )
1 0.1 0 0.1 0 0.2
2 0.3 0 0.1 0.2 0.6
3 0 0.2 0 0 0.2
𝑷(𝒀 = 𝒚𝒋 ) 0.4 0.2 0.2 0.2 1
a) Lập bảng phân phối xác suất của 𝑋 và 𝑌
b) Hai đại lượng 𝑋 và 𝑌 có độc lập với nhau hay không? Vì sao?
144
48
25/03/2024
Giải:
a) Bảng phân phối xác xuất của X và Y
b) Từ bảng phân phối xác suất đồng thời, ta có:
145
146
147
49
25/03/2024
Ví dụ
Giả sử, có bảng phân phối xác suất đồng thời như sau:
X Y 1 2 3 4 𝑷(𝑿 = 𝒙𝒊 )
1 0.1 0 0.1 0 0.2
2 0.3 0 0.1 0.2 0.6
3 0 0.2 0 0 0.2
𝑷(𝒀 = 𝒚𝒋 ) 0.4 0.2 0.2 0.2 1
a) Lập bảng phân phối xác suất của 𝑋 với điều kiện 𝑌 = 1
b) Lập bảng phân phối xác suất của 𝑌 với điều kiện 𝑋 = 2
148
149
150
50
25/03/2024
Kỳ vọng của ĐLNN hai chiều

Từ bảng phân phối xác suất đồng thời, ta có:
𝐸 𝑋 = 𝑥𝑝
𝐸 𝑌 = 𝑦𝑝
𝐸 𝑋𝑌 = 𝑥𝑦𝑝
151
Phương sai của ĐLNN hai chiều

Từ bảng phân phối xác suất đồng thời, ta có:
𝑉𝑎𝑟 𝑋 = 𝑥 𝑝 − 𝐸 𝑋
𝑉𝑎𝑟 𝑌 = 𝑦 𝑝 − 𝐸 𝑌
152
Hiệp phương sai của ĐLNN hai chiều

Hiệp phương sai (hay Covariance) của vector ngẫu nhiên (X, Y)
được định nghĩa như sau:
𝐶𝑜𝑣 𝑋, 𝑌 = 𝐸 𝑋 − 𝐸 𝑋 𝑌 − 𝐸 𝑌 = 𝐸 𝑋𝑌 − 𝐸 𝑋 𝐸 𝑌 =
= 𝑥 𝑦 𝑝 − 𝐸 𝑋 𝐸(𝑌)
153
51
25/03/2024
Nhận xét về Hiệp phương sai của ĐLNN hai chiều

• Nếu 𝑋, 𝑌 là hai ĐLNN độc lập thì 𝐸 𝑋𝑌 = 𝐸 𝑋 𝐸 𝑌 →
𝐶𝑜𝑣 𝑋, 𝑌 = 0. Khi đó ta nói 𝑋 và 𝑌 không tương quan.
• Nếu 𝐶𝑜𝑣 𝑋, 𝑌 ≠ 0 thì 𝑋 và 𝑌 tương quan. Khi đó 𝑋, 𝑌 là hai đại
lượng ngẫu nhiên không độp lâp.
• Nếu 𝑋 = 𝑌 thì:
𝐶𝑜𝑣 𝑋, 𝑋 = 𝐸 𝑋 − 𝐸 𝑋 = 𝑉𝑎𝑟 𝑋 = 𝑉𝑎𝑟(𝑌)
𝐶𝑜𝑣 𝑌, 𝑌 = 𝐸 𝑌 − 𝐸 𝑌 = 𝑉𝑎𝑟 𝑌 = 𝑉𝑎𝑟(𝑌)
154
Ý nghĩa của Hiệp phương sai của ĐLNN hai chiều

• Hiệp phương sai đo độ dao động cùng hướng hay ngược hướng
của 𝑋 và 𝑌. Ở đây ta hinh dung 𝑋 và 𝑌 dao động quanh trung điểm (kỳ
vọng).
• Nếu 𝑋 và 𝑌 cùng hướng (cùng trên hoặc dưới) thì:
𝐶𝑜𝑣 𝑋, 𝑌 > 0
• Nếu 𝑋 và 𝑌 ngược hướng thì:
𝐶𝑜𝑣 𝑋, 𝑌 < 0
155
Ma trận tương quan

Ma trận tương quan hay còn gọi là ma trận hiệp phương sai được biểu diễn
dưới dạng:
𝐶𝑜𝑣(𝑋, 𝑋) 𝐶𝑜𝑣(𝑋, 𝑌) 𝑉𝑎𝑟(𝑋) 𝐶𝑜𝑣(𝑋, 𝑌)
𝑉𝑎𝑟 𝑋, 𝑌 = =
𝐶𝑜𝑣(𝑌, 𝑋) 𝐶𝑜𝑣(𝑌, 𝑌) 𝐶𝑜𝑣(𝑌, 𝑋) 𝑉𝑎𝑟(𝑌)
156
52
25/03/2024
157
158
Hệ số tương quan
Hệ số tương quan giữa 𝑋 và 𝑌 được tính bởi công thức:
𝐶𝑜𝑣 𝑋, 𝑌 𝐸 𝑋𝑌 − 𝐸 𝑋 𝐸 𝑌
𝑅 = =
𝑉𝑎𝑟 𝑋 𝑉𝑎𝑟 𝑌 𝜎 𝑋 𝜎 𝑌
159
53
25/03/2024
Tính chất của hệ số tương quan

• 𝑅 ≤1
• 𝑅 = 1 khi và chỉ khi 𝑋 và 𝑌 phụ thuộc tuyến tính. Nếu 𝑅 = 1 ta
nói 𝑋 và 𝑌 có quan hệ tuyến tính với hệ số dương và ngược lại
• Nếu 𝑋 và 𝑌 độc lập với nhau thì 𝑅 = 0. Tuy nhiên, nếu 𝑅 = 0 thì
chưa chắc 𝑋, 𝑌 đã độc lập, mà ta chỉ có thể nói chung không tương quan
với nhau.
160
161
162
54
25/03/2024
Một số phân phối xác suất rời rạc thông dụng
Phân phối đều (rời rạc)

Một đại lượng ngẫu nhiên 𝑋 được xem là có phân phối đều rời rạc nếu
nó nhận giá trị trong một tập hữu hạn [𝑎, 𝑏] và có xác suất nhận được
mỗi giá trị đó là bằng nhau.
Kí hiệu: 𝑋~𝑈(𝑎, 𝑏)
163
Ví dụ
Đặt 𝑋 là đại lượng ngẫu nhiên rời rạc chỉ số chấm xuất hiện khi
gieo một viên xúc xắc 6 mặt cân đối, đồng chất. Khi đó, 𝑋 nhận
giá trị trong tập {1, 2, 3, 4, 5, 6}. Ta có bảng phân phối xác suất
như sau:
164
Hàm mật độ xác suất của phân phối đều (rời rạc)
Cho đại lượng ngẫu nhiên rời rạc 𝑋 có phân phối đều rời rạc
trên khoảng [𝑎, 𝑏], nhận 𝑛 = 𝑏 − 𝑎 + 1 giá trị rời rạc. Khi đó, 𝑋 có
hàm mật độ xác suất như sau:
1
𝑛ế𝑢 𝑥 ∈ [𝑎, 𝑏]
𝑓 𝑥 = 𝑏−𝑎+1
0 𝑛ế𝑢 𝑥 ∉ [𝑎, 𝑏]
165
55
25/03/2024
Hàm phân phối xác suất của phân phối đều (rời rạc)
Hàm phân phối xác suất của 𝑋 như sau:
0, nếu 𝑥 < 𝑎
𝑥−𝑎+1
𝐹 𝑥 = 𝑃(𝑋 ≤ 𝑥) = , nếu 𝑥 ∈ 𝑎, 𝑏
𝑏−1+𝑎
1, nếu 𝑥 > 𝑏
Kỳ vọng và phương sai của phân phối đều rời rạc

𝑎+𝑏 𝑏−𝑎+1 −1
𝐸 𝑋 = ; 𝑉𝑎𝑟 𝑋 =
2 12
166
Phân phối Bernoulli

Trong phép thử Bernoulli, đặt 𝑋 là đại lượng ngẫu nhiên rời rạc,
trong đó 𝑋 = 1 nếu biến cố 𝐴 xảy ra, 𝑋 = 0 nếu biến cố A không
xảy ra. Khi đó, ta nói 𝑋 có phân phối Bernoulli (hay 𝑋 có phân
phối không – một) với xác suất 𝑝. Kí hiệu: 𝑋~𝐵(1, 𝑝)
Kỳ vọng và phương sai của phân phối Bernoulli

𝐸 𝑋 = 𝑝; 𝑉𝑎𝑟 𝑋 = 𝑝𝑞
167
Phân phối Bernoulli

Trong phép thử Bernoulli, đặt 𝑋 là đại lượng ngẫu nhiên rời rạc,
trong đó 𝑋 = 1 nếu biến cố 𝐴 xảy ra, 𝑋 = 0 nếu biến cố A không
xảy ra. Khi đó, ta nói 𝑋 có phân phối Bernoulli (hay 𝑋 có phân
phối không – một) với xác suất 𝑝. Kí hiệu: 𝑋~𝐵(1, 𝑝)
Kỳ vọng và phương sai của phân phối Bernoulli

𝐸 𝑋 = 𝑝; 𝑉𝑎𝑟 𝑋 = 𝑝𝑞
168
56
25/03/2024

Ví dụ
Xét phép thử: Một sinh viên mới tốt nghiệp tham gia phỏng vấn
xin việc. Giả sử biến cố “sinh viên đó được nhận vào làm việc”
có xác suất xảy ra là 0.8. Gọi đại lượng ngẫu nhiên 𝑋 là kết quả
của cuộc phỏng vấn, trong đó 𝑋 = 1 nếu sv đó được nhận việc
và 𝑋 = 0 nếu sv đó không nhận đc việc.
Khi đó 𝑋~𝐵(1, 0.8)
Bảng phân phối xác suất 𝑋 là:
Kỳ vọng và phương sai của biến X là:
𝐸 𝑋 = 0.8; 𝑉𝑎𝑟 𝑋 = 0.16
169

Phân phối nhị thức
Cho 𝐴 là một biến cố có thể xảy ra trong phép thử Bernoulli, và
𝑃 𝐴 = 𝑝. Thực hiện phép thử này 𝑛 lần. Gọi 𝑋 là số lần xuất
hiện biến cố 𝐴 trong 𝑛 phép thử đó, khi đó 𝑋 là một đại lượng
ngẫu nhiên lấy giá trị {0, 1, 2, … , 𝑛} và bảng phân phối xác suất
của 𝑋 được biểu diễn dưới dạng:
𝑋 0 1 2 … 𝒏
𝑃 𝑝 𝑝 𝑝 … 𝑝
Trong đó, 𝑃 𝑘 = 𝑝 = 𝐶 𝑝 𝑞 , với 𝑞 = 1 − 𝑝, 𝑘 = 0, 𝑛.

Ta nói 𝑋 có phân phối nhị thức. Kí hiệu: 𝑋~𝐵(𝑛, 𝑝)
170
Kỳ vọng và phương sai của phân phối nhị thức

𝐸 𝑋 = 𝑛𝑝
𝑉𝑎𝑟 𝑋 = 𝑛𝑝𝑞
171
57
25/03/2024
Ví dụ
Tung một đồng xu đồng chất 10 lần. Mỗi phép thử có thể cho kết
quả là sấp hoặc ngửa. Nếu chúng ta đặt cược vào sấp, chúng ta
sẽ gắn nhãn “sấp” là thành công. Nếu tung đồng xu công bằng,
xác suất mặt sấp là 50%, tức 𝑝 = 0.5. Lưu ý rằng các phép thử
là độc lập vì kết quả của lần tung đồng xu này không ảnh hưởng
đến kết quả của những lần khác.
Vậy số lần thành công có phân phối nhị thức.
172
Ví dụ
Một nhân viên tư vấn bảo hiểm mỗi ngày tư vấn 5 khách hàng
với xác suất để kí được 1 hợp đồng với mỗi người là 0.3. Với
mỗi hợp đồng thì người đó được hưởng hoa hồng là 200k vnđ.
Nếu mỗi tháng người đó tư vấn 20 ngày thì hoa hồng trung bình
mỗi tháng nhân viên đó nhận là bao nhiêu?
173
Giải:
Mỗi tháng nhân viên đó tư vấn được 20 × 5 = 100 khách hàng.
Gọi 𝑋 là số hợp đồng nhân viên đó ký được từ 100 khách hàng.
Khi đó ta có: 𝑋~𝐵(100, 0.3)
Số hợp đồng trung bình người đó ký được trong một tháng là:
𝐸 𝑋 = 𝑛𝑝 = 100 × 0.3 = 30
Số tiền hoa hồng có thể nhận được trong 1 tháng là:
200 000 × 30 = 6 000 000 (đồ𝑛𝑔)
174
58
25/03/2024
Trường hợp các phép thử không độc lập nhau, và xác xuất để
biến cố 𝐴 xuất hiện khác nhau ở mỗi phép thử.
Phôi phối siêu bội

Cho một tập hợp gồm 𝑁 phần tử, trong đó có 𝑚 phần tử mang
tính chất 𝑇. Lấy ra 𝑛 phần tử từ tập hợp đó.
Gọi 𝑋 là số phần tử mang tính chất 𝑇 trong 𝑛 phần tử lấy được.
Khi đó 𝑋 là một đại lượng ngẫu nhiên nhận giá trị trong tập
{0, 1, 2, … , min 𝑚, 𝑛 }. Phân phối xác suất của 𝑋 được gọi là
phân phối siêu bội. Kí hiệu 𝑋~𝐻(𝑁, 𝑚, 𝑛).
175
Phôi phối siêu bội (tt)

Bảng phân phối siêu bội như sau:
𝑿 𝟎 𝟏 … 𝒌 … 𝒎𝒊𝒏(𝒎, 𝒏)
𝑃 𝑝 𝑝 … 𝑝 … 𝑝 ,
Trong đó:
𝐶 𝐶
𝑃 𝑋=𝑘 =𝑝 = , 𝑣ớ𝑖 0 ≤ 𝑘 ≤ min(𝑚, 𝑛)
𝐶
176
Kỳ vọng và phương sai của phân phối siêu bội

𝑁−𝑛
𝐸 𝑋 = 𝑛𝑝; 𝑉𝑎𝑟 𝑋 = 𝑛𝑝𝑞
𝑁−1
Trong đó:
𝑚
𝑝 = ; 𝑞 = 1−𝑝
𝑁
177
59
25/03/2024
Ví dụ
Bóng đèn được sản xuất ở công ty Y được đóng gói theo hộp,
mỗi hộp có 12 bóng đèn. Nhân viên chọn ngẫu nhiên 3 trong số
12 bóng đè thuộc 1 hộp để kiểm tra.
Giả sử hộp ấy có chứa 5 bóng đèn bị hư. Tính xác suất để nhân
viên đó lấy được 1 bóng đèn hư trong 3 bóng đèn được lấy.
178
Giải:
Đặt 𝑋 là số bóng đèn bị hư mà nhân viên lấy được trong 3 bóng
đèn. Khi đó, 𝑋 tuân theo phân phối siêu bội: 𝑋~𝐻(12, 5, 3).
Ta cần tìm 𝑃 𝑋 = 1 .
Ta có:
𝐶 𝐶 𝐶 𝐶
𝑃 𝑋=1 = = = 0.4773
𝐶 𝐶
179
Ví dụ
Từ một hộp đựng 15 quả cam, trong đó có 5 quả hư, lấy ra 3
quả. Gọi 𝑋 là số quả hư trong 3 quả lấy được. Tính:
a) Xác suất 3 quả đều hư.
b) Các tham số đặc trưng.
180
60
25/03/2024
Giải:
Đặt 𝑋 là số bóng đèn bị hư mà nhân viên lấy được trong 3 bóng
đèn. Khi đó, 𝑋 tuân theo phân phối siêu bội: 𝑋~𝐻(15, 5, 3).
Ta cần tìm 𝑃 𝑋 = 1 .
𝐶 𝐶 𝐶 𝐶
𝑃 𝑋=3 = = = 0.022
𝐶 𝐶
Kỳ vọng và phương sai của X là:
5 5 5 15 − 3 4
𝐸 𝑋 = 𝑛𝑝𝑞 = 3 ⋅ = 1; 𝑉𝑎𝑟 𝑋 = 3 ⋅ 1− =
15 15 15 15 − 1 7
181
Phân phối Poisson

Thường dùng để ước lượng số lần xảy ra trong một khoảng thời
gian hoặc không gian xác định, ví dụ:
1. Số lượng xe đến bến xe trong 1 giờ (khoảng thời gian 1 giờ).
2. Số lỗi (hỏng) trên một diện tích vải
3. Số vụ tai nạn trong 1 ngày trên 1 đoạn cao tốc cụ thể
(khoảng thời gian xác định – 1 ngày, không gian cụ thể - cao
tốc)
4. ....
182
Phân phối Poisson (Định nghĩa)

Gọi 𝑋 là đại lượng ngẫu nhiên rời rạc 𝑋 tuân theo phân phối
Poisson, kí hiệu 𝑋~𝑃(𝜆), nếu thỏa mãn:
 Đối với hai khoảng bất kỳ có độ dài bằng nhau thì xác suất
xảy ra bằng nhau.
 Việc xuất hiện hoặc không xuất hiện trong khoảng này thì độc
lập với việc xuất hiện hoặc không xuất hiện trong khoảng
khác.
183
61
25/03/2024
Phân phối Poisson (tt)

Bảng phân phối Poisson của đại lượng 𝑋 như sau:
𝑿 𝟎 𝟏 … 𝒌 …
𝑃 𝑝 𝑝 … 𝑝 …
Trong đó, 𝑃 𝑋 = 𝑘 = 𝑝 = với 𝑘 = 0, 1, 2, …

!
Kỳ vọng và phương sai của phân phối Poisson

𝐸 𝑋 = 𝑉𝑎𝑟 𝑋 = 𝜆
184
Ý nghĩa phân phối Poisson

 Phân phối Poisson là một phân phối rời rạc, cho biết xác suất
xảy ra một số lượng sự kiện trong một khoảng nhất định
(không gian, thời gian...) với một tỷ lệ trung bình cho trước.
 Tỉ lệ trung bình đó được kí hiệu là 𝜆
 𝜆 – Là số thực dương, bằng với giá trị kì vọng xuất hiện của
sự kiện trong một khoảng cho sẵn.
185
Ví dụ
Một tổng đài điện thoại tiếp nhận trung bình 5 cuộc điện thoại
mỗi 3 phút. Tìm xác suất không có cuộc điện thoại nào đến
trong phút kế tiếp.
186
62
25/03/2024
Giải:
Gọi 𝑋 là số cuộc gọi trong 1 phút. Khi đó, 𝑋~𝑃(𝜆) với 𝜆 = .
Do đó, xác suất không có cuộc điện thoại nào đến trong phút kế
tiếp (𝑘 = 0) là:
5
𝜆 𝑒 𝑒
3
𝑃 𝑋=0 = = ≈ 0.189
𝑘! 0!
187
Ví dụ
Một nhà thống kê đã quan sát thấy rằng số lỗi đánh máy của
sách giáo khoa thay đổi đáng kể từ sách này sang sách khác.
Sau vài phân tích, anh ta kết luận rằng số lỗi tuân theo phân
phối Poisson với giá trị trung bình là 1.5 trên 100 trang. Biết
quyển sách có 400 trang.
a) Chọn ngẫu nhiên 100 trang sách, tính xác suất để không có
lỗi chỉnh tả.
b) Xác suất để quyển sách không có lỗi chính tả là bao nhiêu?
c) Xác suất để quyển sách có nhiều nhất 5 lỗi chính tả là gì?
188
Giải:
a) Gọi 𝑋 là số lỗi đánh máy tuân theo quy luật Poisson. Xét trên
100 trang giấy thì lỗi trung bình là 1.5  𝜆 = 1.5.
Xác suất để không có lỗi chính tả nào (𝑘 = 0) trong 100 trang
giấy là:
𝜆 𝑒 1.5 ⋅ 𝑒 .
𝑃 0 = = = 0.2231
𝑘! 0!
Vậy xác suất để trong 100 trang được chọn không có lỗi là
0.2231.
189
63
25/03/2024
Giải:
b) Quyển sách có 400 trang. Số lỗi trung bình trên 100 trang
sách là 1.5  số lỗi trung bình trên 400 trang sách là
𝜆 = 4 ⋅ 1.5 = 6
Xác suất để sách 400 trang không có lỗi (𝑘 = 0) là:
𝜆 𝑒 6 ⋅𝑒
𝑃 0 = = = 0.002479
𝑘! 0!
190
Giải:
c) Xác suất để quyển sách có nhiều nhâts 5 lỗi chính tả là:
𝑃 𝑋 ≤ 5 = 𝑃 0 + 𝑃 1 + 𝑃 2 + 𝑃 3 + 𝑃 4 + 𝑃 5 = 0.4457
Trong đó, 𝑃 0 = 0.002479; 𝑃 1 = !

= 0.01487;
6 𝑒
𝑃 2 = = 0.04462 … … … . .
2!
Vậy xác suất để có nhiều nhất 5 lỗi chính tả trong cuốn sách là
0.4457.
191
Một số phân phối xác suất liên tục thông dụng
Phân phối đều (Định nghĩa)

Phân phối đều là một phân phối mà xác suất xảy ra như nhau
cho mọi kết cục của đại lượng ngẫu nhiên liên tục. Phân phối
đều liên tục đôi khi còn được gọi là phân phối hình chữ nhật.
Hàm mật độ xác suất của phân phối đều (liên tục)
Hàm mật độ xác suất của phân phối đều liên tục trên đoạn [𝑎, 𝑏]:
1
, nếu 𝑥 ∈ 𝑎, 𝑏
𝑓 𝑥 = 𝑏−𝑎
0, nếu 𝑥 ∉ 𝑎, 𝑏
192
64
25/03/2024
Hàm phân phối xác suất của phân phối đều liên tục
0 nếu 𝑥 < 𝑎
𝑥−𝑎
𝐹 𝑥 = nếu 𝑥 ∈ [𝑎, 𝑏]
𝑏−𝑎
1 nếu 𝑥 > 𝑏
𝑓(𝑥) F(x)
1
1
𝑏−𝑎
0 x 0 x
a b a b
193
Kỳ vọng và phương sai của phân phối đều liên tục

𝑎+𝑏 𝑏−𝑎
2 12
Nhận xét:
Từ định nghĩa, ta thấy 𝑃(𝑚 ≤ 𝑋 ≤ 𝑛), với 𝑚, 𝑛 ⊆ [𝑎, 𝑏] chính là
diện tích hình chữ nhật có độ dài 2 cạnh là và 𝑛 − 𝑚.
194
Kỳ vọng và phương sai của phân phối đều liên tục

𝑎+𝑏 𝑏−𝑎
2 12
Nhận xét:
Từ định nghĩa, ta thấy 𝑃(𝑚 ≤ 𝑋 ≤ 𝑛), với 𝑚, 𝑛 ⊆ [𝑎, 𝑏] chính là
diện tích hình chữ nhật có độ dài 2 cạnh là và 𝑛 − 𝑚.
195
65
25/03/2024
Ví dụ
Lượng xăng/dầu bán ra hằng ngày tại một cửa hàng xăng dầu ở
Thủ Đức tuân theo phân phối đều liên tục trong khoảng
2000, 5000 (lít).
a) Tìm xác suất cửa hàng đó bán được từ 2500 đến 3000 lít
xăng/dầu?
b) Xác suất mà cửa hàng đó bán ít nhất 4000 lít một ngày là
bao nhiêu?
196
Giải:
Đặt 𝑋 là đại lượng ngẫu nhiên chỉ số lít xăng/dầu cửa hàng đó
bán được trong một ngày. Khi đó, 𝑋 có phân phối đều liên tục
trên khoảng 2000, 5000 . Hàm mật độ xác suất của 𝑋 như sau:
1 1
= , 𝑛ế𝑢 𝑥 ∈ 2000,5000
𝑓 𝑥 = 5000 − 2000 3000
0, 𝑛ế𝑢 𝑥 ∉ 2000,5000
a) Xác suất cửa hàng bán được từ 2500 đến 3000 lít là:
3000 − 2500 1
𝑃 2500 ≤ 𝑋 ≤ 3000 = =
3000 6
197
Giải:
b) Xác suất mà cửa hàng đó bán ít nhất 4000 lít mỗi ngày là:
1 1
𝑃 4000 ≤ 𝑋 = 5000 − 4000 =
3000 3
𝑓(𝑥)
1
3000
0
2000 4000 5000 x
198
66
25/03/2024
Phân phối chuẩn (Định nghĩa)

Đại lượng ngẫu nhiên liên tục 𝑋 được gọi là có phân phối chuẩn
ứng với kỳ vọng 𝜇, độ lệch chuẩn 𝜎 khi hàm mật độ xác suất
của nó có dạng:
1
𝑓 𝑥 = 𝑒 , ∀𝜎 > 0, 𝑥 ∈ ℝ
𝜎 2𝜋
Kí hiệu: 𝑋~𝑁(𝜇, 𝜎 )
Kỳ vọng và phương sai của phân phối chuẩn

𝔼 𝑋 = 𝜇; 𝑉𝑎𝑟 𝑋 = 𝜎
199
200
Hình trên biểu diễn sự ảnh hưởng của 𝜇 khi thay đổi đại lượng này.
 Khi tăng 𝜇, đường cong dịch chuyển sang phải
 Khi giảm 𝜇, đường cong dịch chuyển sang trái.
201
67
25/03/2024
Hình trên mô tả ảnh hưởng của 𝜎 đối với đồ thị hàm mật độ của
phân phối chuẩn. Khi giá trị 𝜎 càng lớn, đồ thị có xu hướng dãn ra.
202
Nhận xét
Nếu 𝑋~𝑁(𝜇, 𝜎 ) và 𝑐 là hằng số thì:
1. ~𝑁 0, 1
2. 𝑋 + 𝑐~𝑁(𝜇 + 𝑐, 𝜎 )
3. 𝑐𝑋~𝑁 𝑐𝜇, 𝑐𝜎
4. 𝑃 𝑋 < 𝜇 < 𝑘𝜎) = 2Φ 𝑘 − 1, trong đó Φ(𝑘) là hàm phân phối
chuẩn tắc.
5. Nếu 𝑌~(𝜆, 𝜏 ) và 𝑌 độc lập với 𝑋 thì:
𝑌 + 𝑋~𝑁 𝜆 + 𝜇, 𝜏 + 𝜎
203
Phân phối chuẩn tắc (Định nghĩa)

• Phân phối chuẩn trong trường hợp 𝜇 = 0, 𝜎 = 1 được gọi là
phân phối chuẩn tắc.
• Một đại lượng ngẫu nhiên liên tục 𝑋 có phân phối chuẩn tắc
được ký hiệu là 𝑋~𝑁(0, 1).
• Khi đó, hàm mật độ xác suất (Hàm mật độ Gauss) như sau:
1
𝑓 𝑥 = 𝑒
2𝜋
204
68
25/03/2024
Phân phối chuẩn tắc

• Hàm phân phối chuẩn tắc – Hàm phân phối Gauss
1
Φ 𝑥 = 𝑒 𝑑𝑡 , ∀𝑥 ∈ ℝ
2𝜋
• Hàm tích phân Laplace
1
𝜑 𝑥 = 𝑒 𝑑𝑡 , ∀𝑥 > 0
2𝜋
205
Tính chất của hàm phân phối chuẩn tắc Φ(𝑥)

• 0≤Φ 𝑥 ≤1
• Φ 𝑥 là hàm liên tục, không giảm theo 𝑥
• Φ −∞ = 0, Φ +∞ = 1
• =𝑓 𝑥
• Φ −𝑥 = 1 − Φ 𝑥
• Φ 𝑥 = + 𝜑(𝑥)
206

Nhận xét
Nếu 𝑋~𝑁(𝜇, 𝜎 ) thì ta có thể đưa về phân phối chuẩn tắc 𝑁(0, 1)
bằng cách đổi biến 𝑍 = . Khi đó, 𝑍~𝑁 0, 1 .
Cụ thể như sau:
• 𝑃 𝑎<𝑋<𝑏 =𝑃 < < == Φ −Φ
• 𝑃 𝑋≤𝑏 =𝑃 ≤ =Φ
• 𝑃 𝑎≤𝑋 =𝑃 ≤ = 1−Φ
207
69
25/03/2024

Nhận xét
Nếu 𝑋~𝑁(𝜇, 𝜎 ) thì ta có thể đưa về phân phối chuẩn tắc 𝑁(0, 1)
bằng cách đổi biến 𝑍 = . Khi đó, 𝑍~𝑁 0, 1 .
Cụ thể như sau:
• 𝑃 𝑎<𝑋<𝑏 =𝑃 < < == Φ −Φ
• 𝑃 𝑋≤𝑏 =𝑃 ≤ =Φ
• 𝑃 𝑎≤𝑋 =𝑃 ≤ = 1−Φ
208
Ví dụ
Nhu cầu tiêu thụ xăng/dầu ở một đại lý xăng/dầu tuân theo phân phối
chuẩn với kỳ vọng 1000 lít và độ lệch chuẩn 100 lít mỗi ngày.
Ở trong kho của đại lý đó có đúng 1100 lít xăng để bán mỗi ngày. Hỏi
đại lý xăng/dầu đó đáp ứng được bao nhiêu phần trăm nhu cầu
xăng/dầu nơi đó trong một ngày?
209
Giải:
Đặt 𝑋 là đại lượng ngẫu nhiên chỉ số lít xăng/dầu bán ra mỗi
ngày ở đại lý đó.
𝑋~𝑁 1000, 100
Áp dụng công thức, ta tính được:
𝑋 − 1000 1100 − 1000
𝑃 𝑋 ≤ 1100 = 𝑃 ≤
100 100
1100 − 1000
=Φ = Φ 1 = 0.9778
100
210
70
25/03/2024
Ví dụ
Xem xét một khoảng đầu tư trả về lợi nhuận là phân phối chuẩn với
giá trị kỳ vọng là 10% và độ lệch chuẩn là 5%.
a) Xác định xác suất bị lỗ.
b) Tìm xác suất bị lỗ khi độ lệch chuẩn bằng 10%.
211
Giải:
Đặt 𝑋 là số tiền lợi nhuận thu được từ khoản đầu tư đó.
a) Đầu tư bị lỗ khi lợi nhuận âm 𝑋 < 0 . Áp dụng công thức:
𝑋 − 10 0 − 10
𝑃 𝑋<0 =𝑃 ≤ 𝑃(𝑍 < −2) = Φ −2 = 0.0228
5 5
Vậy xác suất đầu tư thua lỗ là 0.0228.
212
b) Nếu chúng ta tăng độ lệch chuẩn lên 10%, xác suất bị lỗ khi
đó bằng:
𝑋 − 10 0 − 10
𝑃 𝑋<0 =𝑃 ≤ 𝑃(𝑍 < −1) = Φ −1 = 0.1587
10 10
Như vậy, việc tăng độ lệch chuẩn sẽ làm tăng khả năng thua lỗ.
213
71
25/03/2024
Ví dụ
Một trường ĐH vừa phê duyệt chương trình Executive MBA mới. Hiệu
trưởng tin rằng để duy trì hình ảnh của trường, chương trình mới nên
dùng một số tiêu chuẩn xét tuyển cao hơn. Theo đó, Hội đồng Trường
quyết định rằng một trong số những tiêu chí xét tuyển đầu vào là ứng
viên phải đạt số điểm GMAT (Graduate Management Admission Test)
trong top 1% cao nhất. Biết rằng điểm GMAT tuân theo phân phối
chuẩn với giá trị kỳ vọng 490 và độ lệch chuẩn 61.
Vậy điểm GMAT tối thiểu cho hồ sơ đầu vào nên là bao nhiêu?
214
Giải:
Đặt 𝑋 là điểm GMAT của ứng viên. Khi đó ta có 𝑋~𝑁(490, 61)
Ta cần tìm 𝑧 sao cho 𝑃 𝑧 ≤ 𝑋 = 0.01. Áp dụng công thức đổi
biến, ta được:
𝑧−𝜇 𝑧−𝜇 𝑧 − 460 𝑧 − 460
𝑃 𝑧<𝑋 =𝑃 ≤ =𝑃 ≤
𝜎 𝜎 61 61
𝑧 − 490 𝑧 − 490
= 1−Φ = 0.01 ↔ Φ = 0.99
61 61
Tra bảng ta được Φ 2.33 ≈ 0.99 ↔ = 2.33 → 𝑧 = 632.13.
215
216
72
25/03/2024
Ví dụ
Trong mùa xuân, nhu cầu sử dụng quạt điện tăng cao, dẫn tới doanh số bán
quạt điện tại một cửa hàng điện gia dụng là khá lớn. Cty theo dõi hàng tồn
kho bằng hệ thống máy tính để biết có bao nhiêu quạt trong kho bất cứ lúc
nào. Cty đưa ra chính sách đặt một lô hàng mới gồm 250 quạt khi mức tồn
kho rơi xuống 150. Tuy nhiên, chính sách này đã dẫn đến tình trạng thiếu
hụt thường xuyên và do đó mất doanh số. Người quản lý muốn giảm tỷ lệ
thiếu hụt xuống còn 5% số đơn hàng. Xác định ROP (tức số quạt còn khi sản
phẩm mới được đặt mua), biết rằng nhu cầu mua sắm quạt trong quãng
thời gian chờ sản phẩm mới về tuân theo phân phối chuẩn với kỳ vọng 200
và độ lệch chuẩn 50.
217
Giải:
Đặt 𝑋 là ĐLNN chỉ số quạt tiêu thụ trong quãng thời gian đơn hàng
mới đang được vận chuyển về kho. Khi đó ta có:
𝑋~𝑁(490, 61)
Ta cần tìm 𝑅𝑂𝑃 sao cho 𝑃 𝑅𝑂𝑃 ≤ 𝑋 = 0.05. Áp dụng công thức đổi
biến, ta được:
𝑃 𝑅𝑂𝑃 < 𝑋 = 𝑃 ≤ =𝑃 ≤ = 1−
Φ = 0.05 ↔ Φ = 0.95
Tra bảng Φ 1.645 ≈ 0.95 ↔ = 1.645 → 𝑅𝑂𝑃 = 282.25.
218
Các quy luật phân phối liên tục khác
Phân phối Chi bình phương

 Phân phối Chi bình phương 𝜒 với bậc tự do 𝑛 là phân phối của tổng 𝑛
bình phương biến ngẫu nhiên có phân phối chuẩn tắc độc lập.
 Nếu 𝑍 , 𝑍 , … , 𝑍 là 𝑛 ĐLNN liên tục tuân theo phân phối chuẩn tắc thì
tổng bình phương của chúng là:
𝑄= 𝑍
Tuân theo phân phối Chi bình phương với bậc tự do 𝑛. Kí hiệu:
𝑄~𝜒
219
73
25/03/2024

 Thường sử dụng để:
 Kiểm định giả thuyết thống kê;
 Xây dựng khoảng tinh cậy;
 Xác định phân phối phương sai mẫu.
220

Đại lượng ngẫu nhiên liên tục 𝑋 được gọi là có phân phối Chi bình phương
với bậc tự do 𝑛, ký hiệu 𝑋~𝜒 nếu nó có hàm mật độ xác suất:
 n2 1 2x
 x e if x  0
 n
f  x     n  22
 
 2
 0 if x  0

Trong đó,
Γ 𝑢 = 𝑒 𝑥 𝑑𝑥
221
Tính chất hàm Gamma Γ

• Γ 1 =1
• Γ = 𝜋
• Γ 𝑢 + 1 = 𝑢Γ 𝑢 , ∀𝑢
222
74
25/03/2024
223
Kỳ vọng và phương sai của phân phối Chi bình phương

𝔼 𝑋 = 𝑛, 𝑉𝑎𝑟 𝑋 = 2𝑛
Một số tính chất khác của phân phối Chi bình phương
Nếu 𝑋~𝑁(0,1) thì 𝑋 ~𝜒
Nếu 𝑋 ~𝜒 1 , ∀𝑖 = 1, 𝑛, đồng thời chúng độc lập về xác suất thì:
𝑋 ~𝜒
224
Giá trị tới hạn của phân phối Chi bình phương
Giá trị tới hạn của phân phối Chi bình phương với mức 𝛼, bậc tự do 𝑛, ký
hiệu là 𝜒 , là giá trị của đại lượng ngâu nhiên 𝑋 tuân theo quy luận phân
phối Chi bình phương với 𝑛 bậc tự do thỏa mãn điều kiện:
𝑃 𝑋>𝜒 , =𝛼
225
75
25/03/2024
Phân phối Student

Giả sử có:
 𝑈 là ĐLNN có phân phối chuẩn tắc 𝑁(0, 1)
 𝑉 là ĐLNN độc lập với 𝑈, có phân phối Chi bình phương với 𝑛 bậc tự do.
Khi đó, ĐLNN
𝑈
𝑇=
𝑉
𝑛
sẽ tuân theo phân phối Student với 𝑛 bậc tự do, ký hiệu: 𝑇~𝑡 ( )
226
Phân phối Student (tt)

ĐLNN liên tục 𝑋 được gọi là có phân phối Student với bậc tự do 𝑛, ký hiệu
là 𝑋~𝑡 ( ) , khi nó có hàm mật độ xác suất:
𝑛+1
Γ 𝑥
𝑓 𝑥 = 𝑛 2 1+
Γ 𝑛𝜋 𝑛
2
Kỳ vọng và phương sai của Phân phối Student

𝑛
𝔼 𝑋 = 0, ∀𝑛 > 1; 𝑉𝑎𝑟 𝑋 = , ∀𝑛 > 2
𝑛−2
227
• Có dạng hình chuông, đối xứng qua trục tung.

• Phần đuôi của phân phối Student “nặng” hơn phân phối chuẩn
• Bậc tự do càng lớn, đồ thị hàm mật độ xs của pp Student càng nhọn.
228
76
25/03/2024
Giá trị tới hạn của phân phối Student

( )
Giá trị tới hạn của phân phối Student, ký hiệu 𝑡 là giá trị của đại lượng
ngẫu nhiên T tuân theo quy luật phân phối Student với 𝑛 bậc tự do thỏa
mãn điều kiện:
𝑃 𝑇>𝑡 =𝛼
𝑡 có tính chất: 𝑡 = −𝑡
229
Phân phối Fisher

Nếu 𝑈, 𝑉 là hai đại lượng ngẫu nhiên độc lập với nhau, cùng tuân theo
phân phối Chi bình phương với bậc tự do lần lượt là 𝑛 , 𝑛 . Khi đó, ĐLNN:
𝑈
𝑛
𝑋=
𝑉
𝑛
Sẽ có phân phối Fisher-Snedecor, với bậc tự do lần lượt là 𝑛 , 𝑛 . Ký hiệu là:
𝑋~𝐹 𝑛 , 𝑛
230
Phân phối Fisher (tt)

Đại lượng ngẫu nhiên 𝑋 có quy luật phân phối Fisher – Snedecor với bậc tự
do 𝑝 và 𝑞 nếu hàm mật độ xác suất của 𝑋 có dạng:
  pq
  2   p 2
p p
1
x2
     , if x  0
  p   q   q  pq
f  x          p  2
  2 2 1  q x 
  
 0, if x  0
Ký hiệu: 𝑋~𝐹(𝑝, 𝑞)
231
77
25/03/2024
Kỳ vọng và phương sai của Phân phối Fisher

𝑝
𝔼 𝑋 = , ∀𝑞 > 2
𝑞−2
𝑞 𝑝+𝑞−2
𝑉𝑎𝑟 𝑋 = 2 , ∀𝑞 > 4
𝑞−2 𝑝 𝑞−4
232
Xấp xỉ giữa các phân phối
Xấp xỉ phân phối siêu bội bằng phân phối nhị thức
Nếu 𝑋~𝐻 𝑁, 𝑛, 𝑚 và 𝑛 khá nhỏ so với 𝑁 thì để tính xác suất 𝑃(𝑋 = 𝑘), ta
có thể xấp xỉ nó bằng phân phối nhị thức: 𝑋~𝐵(𝑛, 𝑝) với 𝑝 =
Chú ý:
Khi cỡ mẫu khá nhỏ so với kích thước tổng thể, thì việc lấy mẫu có
hoàn lại hay không hoàn lại là như nhau.
233
Ví dụ
Lấy ngẫu nhiên 5 lọ từ một lô thuốc lớn có tỷ lệ lọ hỏng là 𝑝 = 0.2. Gọi 𝑋 là
số lọ hỏng trong 5 lọ lấy ra. Tìm bảng phân phối xác suất của 𝑋.
234
78
25/03/2024

Giải:
Ta có: 𝑋~𝐻 𝑁, 𝑚, 5 với 𝑁 là số lọ trong lô thuốc; 𝑚 là số lọ hỏng.
Do 𝑁 lớn và = 0.2 nên ta có thể xấp xỉ 𝑋 bằng phân phối nhị thức:
𝑋~𝐵(5, 0.2)
Khi đó: 𝑝 𝑥 = 𝑃 𝑋 = 𝑥 = 𝐶 0.2 0.8 , ∀𝑥 = 0, 5
Bảng phân phối xác suất của X có dạng:
235
Xấp xỉ phân phối nhị thức bằng phân phối Poisson

Xét biến ngẫu nhiên 𝑋 với phân phối nhị thức 𝑋~𝐵(𝑛, 𝑝) khi cỡ mẫu 𝑛 lớn
và 𝑝 khá nhỏ, người ta thường xấp xỉ phân phối của 𝑋 bằng phân phối
Poisson: 𝑋~𝑃 𝜆 với 𝜆 = 𝑛𝑝
PP Nhị thức (trên) với:

𝑛 = 118, 𝑝 = 0.26
PP Poisson (dưới) với:
𝜆 = 118 ⋅ 0.26 = 30.09
236
Ví dụ
Phân phối nhị thức 𝐵(20, 0.05) có thể xấp xỉ bởi phân phối Poisson với 𝜆 =
20 ⋅ 0.05 = 1.
Ta có bảng so sánh các xác suất của phân phối 𝐵(20, 0.05) và 𝑃(1):
X 0 1 2 3 4 5 6 7
B 0,358 0,378 0,189 0,059 0,013 0,003 0,000 0,000
P 0,368 0,368 0,184 0,061 0,015 0,003 0,001 0,000
Kết quả cho thấy các sai số khá bé khi ta xấp xỉ phân phối nhị thức 𝐵(𝑛, 𝑝)
bởi phân phối Poisson 𝑃 𝑛𝑝 .
237
79
25/03/2024
Định lý giới hạn trung tâm

Cho 𝑋 , 𝑋 , … , 𝑋 , … là dãy các đại lượng ngẫu nhiên độc lập cùng phân
phối với kỳ vọng và phương sai hữu hạn:
𝔼 𝑋 = 𝜇; 𝑉𝑎𝑟 𝑋 = 𝜎
Khi đó, quy luật phân phối xác suất của ĐLNN:
𝔼
𝑈 = với 𝑈 = ∑ 𝑋
Sẽ hội tụ tới quy luật chuẩn tắc 𝑁(0, 1) khi 𝑛 → ∞. Tức là:
1
lim 𝑃(𝑈 < 𝑥) = 𝑒 𝑑𝑡
→ 2𝜋
238
Nhận xét về Định lý giới hạn trung tâm

Trong tính toán, ta có thể áp dụng định lý giới hạn trung tâm như sau:
1
𝑃 𝑈 <𝑥 ≈ 𝑒 𝑑𝑡 = Φ(𝑥)
2𝜋
Hoặc:
𝑏−𝔼 𝑈 𝑎−𝔼 𝑈
𝑃 𝑎<𝑈 <𝑏 ≈Φ −Φ
𝑉𝑎𝑟 𝑈 𝑉𝑎𝑟 𝑈
239
Ví dụ
Chọn ngẫu nhiên 192 số trên đoạn 0, 1 . Xác suất để tổng số điểm thu
được nằm trong khoảng 88, 104 là bao nhiêu?
240
80
25/03/2024

Giải:
Đặt 𝑋 là ĐLNN chỉ tổng số điểm thu được. Khi đó ta có, 𝑋 = ∑ 𝑋 ,
trong đó, các ĐLNN 𝑋 độc lập và tuân theo phân phối đều liên tục trên
khoảng 0, 1 .
Do đó,
1
𝔼 𝑋 = 0.5, 𝑉𝑎𝑟 𝑋 = , ∀𝑖 = 1, 192
12
Từ đây ta tính được:
𝔼 𝑋 = 𝑛 ⋅ 𝔼 𝑋 = 96; 𝑉𝑎𝑟 𝑋 = 𝑛 ⋅ 𝑉𝑎𝑟 𝑋 = 16
Áp dụng định lý giới hạn trung tâm:
104 − 96 88 − 96
𝑃 88 < 𝑋 < 104 = Φ −Φ = 2Φ 2 − 1 = 0.9544
4 4
241
Xấp xỉ phân phối nhị thức bằng phân phối chuẩn

Khi sử dụng quy luật phân phối nhị thức, nếu 𝑛 khá lớn thì việc tính toán sẽ
gặp khó khăn.
Nếu 𝑛 khá lớn và 𝑝 không quá gần 0 hoặc gần 1 thì ta có thể xấp xỉ phân
phối nhị thức bởi phân phối chuẩn với 𝜇 = 𝑛𝑝 và phương sai 𝜎 = 𝑛𝑝𝑞 với
𝑞 =1−𝑝
242
Ví dụ
Theo thống kê, trong số các gia đình sở hữu xe hơi tại Mỹ, có 35% gia đình
để từ 2 đến 3 chiếc oto trong nhà. Xét một mẫu gồm 400 gia đình sở hữu
xe hơi tại Mỹ. Tìm xác suất trong số đó có:
a) Ít hơn 150 gia đình để từ 2 đến 3 chiếc trong nhà.
b) Ít nhất 160 gia đình để từ 2 đến 3 chiếc trong nhà.
243
81
25/03/2024
Xấp xỉ phân phối Poisson bằng phân phối chuẩn

Nếu đại lượng ngẫu nhiên 𝑋 có phân phối Poisson với 𝜆 ≥ 5, thì có thể xấp
xỉ 𝑋 bởi phân phối chuẩn với 𝜇 = 𝜆 và 𝜎 = 𝜆
244
Ví dụ
Số vụ tai nạn lao động trung bình trong 1 năm của nhà máy là 6.5 vụ. Tính
xác suất trong một năm nào đó:
a) Có tối da 7 vụ tai nạn lao động.
b) Có từ 5-8 vụ tai nạn lao động.
245
82

TKTKD Chuong1 Xac Suat - p4

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

TKTKD Chuong1 Xac Suat - p4

Uploaded by

Copyright:

Available Formats

25/03/2024

Trường Đại học Kinh tế - Luật

Học phần: Thống kê trong kinh doanh

Đánh giá học phần

Tài liệu môn học

Tài liệu khác:

Nội dung môn học

 Chương 1: Xác suất – Đại lượng ngẫu nhiên

Nội dung môn học

 Chương 1: Xác suất – Đại lượng ngẫu nhiên

Nội dung môn học

Nội dung môn học

 Chương 3: Ước lượng các tham số

Nội dung môn học

 Chương 4: Kiểm định giả thuyết các tham số

Nội dung môn học

 Tuần 8: Thực hành trên Stata

Nội dung Chương 1

2.1. Công thức cộng xác xuất

Ôn tập về hoán vị, chỉnh hợp, tổ hợp

Ôn tập về hoán vị, chỉnh hợp, tổ hợp

Ôn tập về xác suất

I. Định nghĩa Xác suất

Xác suất (Probability)

Định nghĩa Phép thử ngẫu nhiên

Phép thử ngẫu nhiên

Định nghĩa Phép thử ngẫu nhiên

Định nghĩa Không gian mẫu

Không gian mẫu

 Không gian mẫu bao gồm các phần tử: Ω = {2, 3, 5, 7}

Định nghĩa Biến cố

 Tập hợp Ω = {1, 2, 3, 4, 5, 6} được gọi là Không gian mẫu

Phân loại biến cố

Phân loại biến cố

Phân loại biến cố

Một số phép toán giữa các biến cố

Một số phép toán giữa các biến cố

Một số phép toán giữa các biến cố

Ví dụ minh họa Biến cố tổng

Một số phép toán giữa các biến cố

Ví dụ minh họa Biến cố tổng

Giải thích kĩ hơn

Một số phép toán giữa các biến cố

Một số phép toán giữa các biến cố

Một số phép toán giữa các biến cố

Một số phép toán giữa các biến cố

Một số phép toán giữa các biến cố

Một số phép toán giữa các biến cố

Quan hệ giữa các biến cố

Biến cố xung khắc

Quan hệ giữa các biến cố

Biến cố xung khắc

Quan hệ giữa các biến cố

Hệ đầy đủ các biến cố

Nhận xét: Hệ 𝐴̅, 𝐴 là một hệ đầy đủ gồm hai biến cố

Quan hệ giữa các biến cố

Quy tắc đối ngẫu De Morgan

Quy tắc đối ngẫu De Morgan mở rộng

Các định nghĩa xác suất

Theo quan điểm cổ điển

Các định nghĩa xác suất

Ví dụ minh họa Theo quan điểm cổ điển

Các định nghĩa xác suất