Chuong 6 Phan Phoi Xs Lien Tuc

CHAPTER 6
Continuous Probability
Distributions
CONTENTS 6.3 NORMAL APPROXIMATION
STATISTICS IN PRACTICE: OF BINOMIAL
PROCTER & GAMBLE PROBABILITIES
6.1 UNIFORM PROBABILITY 6.4 EXPONENTIAL

DISTRIBUTION PROBABILITY
Area as a Measure of Probability DISTRIBUTION
Computing Probabilities for the
6.2 NORMAL PROBABILITY Exponential Distribution
DISTRIBUTION Relationship Between the
Normal Curve Poisson and Exponential
Standard Normal Probability Distributions
Distribution
Computing Probabilities for Any
Normal Probability Distribution
Grear Tire Company Problem
TT GIÁO DỤC SỚM & XUẤT SẮC PMH

Vinhomes Grand Park Slide 1
Chapter 6: Phân phối xác suất liên tục

Nội dung

6.1 Phân phối xác suất đều
biến ngẫu nhiên liên tục
! Biến ngẫu nhiên liên tục (continuous random

variable): có tập giá trị có thể (không gian mẫu) là vô
hạn không đếm được (có thể lấp kín một khoảng).
! Ví dụ:
• X là chiều cao của một người trưởng thành
• Y là cân nặng của một em bé sơ sinh...
• Z là thời gian xếp hàng để tới lượt phục vụ tại một
cửa hàng thức ăn nhanh
• X, Y, Z là các biến ngẫu nhiên liên tục

6.1 Phân phối xác suất đều (tiếp)
hàm mật độ xác suất
! Phân phối xác suất của BNN liên tục thể hiện qua
hàm mật độ xác suất.

! Hàm số y = f(x) được gọi là hàm mật độ xác suất nếu

thỏa mãn các điều kiện sau
i. 𝑓 𝑥 ≥ 0 với mọi x,
#"
ii. ∫!" 𝑓 𝑥 𝑑𝑥 = 1

ví dụ
! Ví dụ: Kiểm chứng hàm số sau có phải là hàm mật độ

xác suất

! Giả sử BNN X có hàm mật độ xác suất y = f(x). Khi

đó xác suất X nhận giá trị trong khoảng (a, b) được
tính theo công thức sau:
%
𝑃 𝑎 < 𝑋 < 𝑏 = . 𝑓 𝑥 𝑑𝑥
$
! Nhận xét:
• 𝑃 𝑎<𝑋<𝑏 =𝑃 𝑎≤𝑋<𝑏 =𝑃 𝑎<𝑋≤𝑏 =
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏)
• 𝑃(𝑎 < 𝑋 < 𝑏) là phần diện tích hình phẳng giới
hạn bởi hàm mật độ, trục hoành, x = a và x = b.

ví dụ
! Ví dụ: Cho biết thời gian (phút) giữa các cuộc gọi yêu
cầu khiếu nại tới một tổng đài bảo hiểm có hàm mật
độ xác suất như sau:
𝑓 𝑥 = .50𝑒 !.'() với 𝑥 ≥ 0
a. Tính xác suất thời gian giữa các cuộc gọi là nhỏ
hơn 1 phút.
b. Tính xác suất thời gian giữa các cuộc gọi lớn hơn
5 phút.

kỳ vọng và phương sai của BNN liên tục
! Giả sử BNN X có hàm mật độ xác suất y = f(x). Khi

đó,
• kỳ vọng của X được tính theo công thức sau
#"
𝐸𝑋 = . 𝑥𝑓 𝑥 𝑑𝑥
!"
• Phương sai của X được tính theo công thức
#"
𝑉𝑎𝑟𝑋 = . 𝑥 − 𝐸𝑥 *𝑓 𝑥 𝑑𝑥
!"
#"
=. 𝑥 *𝑓 𝑥 𝑑𝑥 − 𝐸𝑋 *
!"

ví dụ
! Ví dụ: Cho biết thời gian (phút) giữa các cuộc gọi yêu
cầu khiếu nại tới một tổng đài bảo hiểm có hàm mật
độ xác suất như sau:
𝑓 𝑥 = .50𝑒 !.'() với 𝑥 ≥ 0
a. Tính thời gian trung bình giữa các cuộc gọi.
b. Tính phương sai cho BNN này (thời gian giữa các
cuộc gọi).

định nghĩa
! BNN X được nói là tuân theo phân phối đều nếu có

hàm mật độ xác suất xác định như sau

ví dụ
! Ví dụ: Cho biết cứ 15 phút xe bus số XX lại chạy qua

trạm A. Một bạn sinh viên ra trạm đón xe một cách
ngẫu nhiên. BNN X mô tả thời gian chờ của ban này.
Phân phối của X có thể xác định như thế nào? Tính
xác suất bạn này phải chờ xe hơn 12 phút.

6.2 Phân phối chuẩn
định nghĩa
! Ta nói BNN X có phân phối chuẩn với trung bình

bằng µ và phương sai 𝝈2, và kí hiệu X~N(𝜇, 𝝈2), nếu
hàm mật độ xác suất được xác định như sau:

6.2 Phân phối chuẩn (tiếp)
nhận xét
! Nếu BNN X có phân phối chuẩn, đồ thị của hàm mật

độ xác suất có hình dạng là hình chuông

nhận xét
! Nếu BNN X có phân phối chuẩn, tỷ lệ dữ liệu nằm

trong các khoảng trên dưới giá trị trung bình 𝜇 với 1,
2 và 3 độ lệch chuẩn 𝝈 thể hiện như sau

phân phối chuẩn chuẩn tắc
! Phân phối chuẩn chuẩn tắc là một trường hợp riêng

của phân phối chuẩn khi trung bình 𝜇 = 0 và phương
sai 𝝈2 = 1.

! BNN X có phân phối chuẩn chuẩn tắc được ký hiệu

𝑋~𝑁(0,1). Hàm mật độ của nó được xác định như
sau

! Giả sử BNN 𝑋~𝑁(0,1). Xác suất X nhận giá trị trong

khoảng (a, b) được xác định theo công thức sau:
% + !. ! /*
𝑃 𝑎<𝑋<𝑏 = ∫$ *, 𝑒 𝑑𝑡
! Nhận xét:
• Việc tính tích phân phải sử dụng đến phép khai
!
triển Taylor (Taylor series) cho hàm số 𝑒 !. /* khá
rườm rà nên không trình bày ở đây.
) + ! /*
• Giá trị tích phân ∫!" *, 𝑒 !. 𝑑𝑡 hoặc
) + !. ! /*
∫( *, 𝑒 𝑑𝑡 với mỗi x cụ thể sẽ được tính sẵn
và trình bày thành bảng cho trước.

+ + !
! Chẳng hạn giá trị tích phân ∫!" *, 𝑒 !. /*𝑑𝑡 có thể tra
trên bảng cho sẵn và có giá trị bằng 0.8413

+ + !
! Giá trị tích phân ∫!" *, 𝑒 !. /*𝑑𝑡 nếu liên hệ với đồ
thị hàm mật độ xác suất của N(0,1) thì chính là diện
tích nằm dưới đường cong và bên trái đường thẳng
𝑥 = 1.

ví dụ
! Ví dụ: Nhìn vào bẳng cho

dưới đây hãy tính
a. Giá trị tích phân
!(.' + !. ! /*
∫!" 𝑒 𝑑𝑡
*,
+.*' +
b. ∫!" *, 𝑒 !. ! /*
𝑑𝑡
+.*' +
c. ∫!(.' *, 𝑒 !. ! /*
𝑑𝑡

ý nghĩa
+.*' + !. ! /* 𝑑𝑡
! Giá trị tích phân ∫!(.' *,
𝑒 là xác suất biến phân
phối chuẩn chuẩn tắc Z nhận giá trị trong khoảng
[−.50,1.25]
+.*'
1 !. ! /*
𝑃 −.50 ≤ 𝑍 ≤ 1.25 = . 𝑒 𝑑𝑡 = .5859
!(.' 2𝜋

ví dụ
! Ví dụ: Nhìn vào bảng cho

dưới đây hãy tính
a. 𝑃(𝑍 ≤ −1.00)
b. 𝑃(𝑍 ≤ 1.00)
c. 𝑃(−1.00 ≤ 𝑍 ≤ 1.00)
d. 𝑃(𝑍 ≥ 1.58)

ý nghĩa
! Xác suất 𝑃(−1.00 ≤ 𝑍 ≤ 1.00) là tỷ lệ dữ liệu của phân

phối chuẩn chuẩn tắc nằm trong khoảng [-1,1] và thể
hiện bởi hình ảnh dưới đây

ý nghĩa
! Xác suất 𝑃 𝑍 ≥ 1.58 cho biết tỷ lệ dữ liệu của phân

phối chuẩn chuẩn tắc lớn hơn hoặc bằng 1.58 và thể
hiện bởi hình ảnh dưới đây

bài toán ngược
! Nếu xác suất được cho trước ta có thể tìm được giới
hạn của dữ liệu. Chẳng hạn hãy tìm z sao cho
𝑃 𝑍 > 𝑧 = 0.1.

bài toán ngược
! Biến đổi:
𝑃 𝑍 > 𝑧 = 0.1 ⟺ 𝑃 Z < z = 0.9.
! Hãy nhìn vào bảng sau để tìm
ra giá trị z

bài toán ngược
! Như vậy nếu 𝑃 𝑍 < 𝑧 = 0.9 thì z xấp xỉ 1.28 .

xác suất cho phân phối chuẩn
! Để tính xác suất cho phân phối chuẩn, ta đưa phân

phối chuẩn về phân phối chuẩn chuẩn tắc theo công
thức sau

ví dụ
! Ví dụ: Cho 𝑋~𝑁(36500; 5000*). Tính 𝑃(𝑋 ≥ 40000).

! Lời giải:
• Dùng phép biến đổi 𝑍 = 0!12'((
'(((
• Biến đổi cho xác suất cần tính
𝑋 − 36500 40000 − 36500
𝑃 𝑋 ≥ 40000 = 𝑃 ≥
5000 5000
= 𝑃(𝑍 ≥ 0.7)

ví dụ
! Như vậy tính xác suất của biến ngẫu nhiên có phân
phối chuẩn có thể đưa về tính xác suất của biến ngẫu
nhiên có phân phối chuẩn chuẩn tắc

ví dụ
! Ví dụ: Cho 𝑋~𝑁(36500; 5000*). Hãy tìm x sao cho

𝑃 𝑋 ≤ x = 10%.
! Lời giải:
• Dùng phép biến đổi 𝑍 = 0!12'((
'(((
• Biến đổi cho xác suất cần tính
𝑋 − 36500 𝑥 − 36500
𝑃 𝑋≤𝑥 =𝑃 ≤
5000 5000
𝑥 − 36500
= 𝑃(𝑍 ≤ )
5000

ví dụ
! Đưa về tìm x sao cho

𝑥 − 36500
𝑃 𝑍≤ = 0.1
5000
• Bước 1: tìm z sao cho
𝑃 𝑍 ≤ 𝑧 = 0.1. Nhìn vào
bảng bên hãy tìm z.
• Bước 2: tìm x khi đã tìm
được z nhờ biểu thức
)!12'((
𝑧=
'(((

chức năng STAT trên máy tính cầm tay
! Trong máy tính cầm tay có sẵn chức năng tìm xác suất
cho phân phối chuẩn chuẩn tắc

Hướng dẫn sử dụng máy tính cầm tay (tiếp)
! B1: khởi động chức năng thống kê

• Chọn tổ hợp phím
• Màn hình xuất hiện
• Bấm 1 cho thống kê 1 biến; 2 cho thống kê 2 biến

với mối quan hệ phụ thuộc tuyến tính; 3 cho thống
kê 2 biến với mối quan hệ là đường bậc hai ...

! B2: Chọn tổ hợp phím như hướng dẫn để mở các

hàm số P, Q, R

! Trong đó
3 +
• !. ! /*
𝑃 𝑧 = Pr 𝑍 ≤ 𝑧 = ∫!" *, 𝑒 𝑑𝑡
|3| +
• !. ! /*
𝑄 𝑧 = Pr 0 ≤ 𝑍 ≤ |𝑧| = ∫!" *, 𝑒 𝑑𝑡
" + ! /*
• Và R 𝑧 = Pr 𝑍 ≥ 𝑧 = ∫3
*,
𝑒 !. 𝑑𝑡

ví dụ
! Ví dụ: Cho biết Z~N(0,1). Sử dụng chức năng thống

kê có sẵn trên máy tính cầm tay hãy tính
• 𝑃 𝑍 < −1.34
• 𝑃(−1.64 ≤ 𝑍 < 1.28)
• Tìm z để 𝑃 𝑍 ≥ 𝑧 = 0.1
• Tìm z để 𝑃 𝑍 < 𝑧 = 84%

ví dụ
! Ví dụ: Cho biết X~N(5.3; 0.72). Sử dụng chức năng

thống kê có sẵn trên máy tính cầm tay hãy tính
• 𝑃 𝑋 < 6.34
• 𝑃(4.7 ≤ 𝑋 < 6.28)
• Tìm x để 𝑃 𝑋 ≥ 𝑥 = 0.1
• Tìm x để 𝑃 𝑋 < 𝑥 = 84%

Quizzes on the canvas


Chuong 6 Phan Phoi Xs Lien Tuc

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

Chuong 6 Phan Phoi Xs Lien Tuc

Uploaded by

Copyright:

Available Formats

CHAPTER 6

6.1 UNIFORM PROBABILITY 6.4 EXPONENTIAL

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Biến ngẫu nhiên liên tục (continuous random

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Hàm số y = f(x) được gọi là hàm mật độ xác suất nếu

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Ví dụ: Kiểm chứng hàm số sau có phải là hàm mật độ

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Giả sử BNN X có hàm mật độ xác suất y = f(x). Khi

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Giả sử BNN X có hàm mật độ xác suất y = f(x). Khi

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! BNN X được nói là tuân theo phân phối đều nếu có

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Ví dụ: Cho biết cứ 15 phút xe bus số XX lại chạy qua

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Ta nói BNN X có phân phối chuẩn với trung bình

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Nếu BNN X có phân phối chuẩn, đồ thị của hàm mật

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Nếu BNN X có phân phối chuẩn, tỷ lệ dữ liệu nằm

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Phân phối chuẩn chuẩn tắc là một trường hợp riêng

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! BNN X có phân phối chuẩn chuẩn tắc được ký hiệu

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Giả sử BNN 𝑋~𝑁(0,1). Xác suất X nhận giá trị trong

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Ví dụ: Nhìn vào bẳng cho

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Ví dụ: Nhìn vào bảng cho

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Xác suất 𝑃(−1.00 ≤ 𝑍 ≤ 1.00) là tỷ lệ dữ liệu của phân

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Xác suất 𝑃 𝑍 ≥ 1.58 cho biết tỷ lệ dữ liệu của phân

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Như vậy nếu 𝑃 𝑍 < 𝑧 = 0.9 thì z xấp xỉ 1.28 .

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Để tính xác suất cho phân phối chuẩn, ta đưa phân

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Ví dụ: Cho 𝑋~𝑁(36500; 5000*). Tính 𝑃(𝑋 ≥ 40000).

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Ví dụ: Cho 𝑋~𝑁(36500; 5000*). Hãy tìm x sao cho

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! Đưa về tìm x sao cho

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! B1: khởi động chức năng thống kê

• Bấm 1 cho thống kê 1 biến; 2 cho thống kê 2 biến

TT GIÁO DỤC SỚM & XUẤT SẮC PMH

! B2: Chọn tổ hợp phím như hướng dẫn để mở các