XSTK-2 - 2-Chương2-Phần - 2-Một Số Phân Phối Xác Suất Thông Dụng

MËT SÈ PH N PHÈI XC SUT THÆNG DÖNG
Nguy¹n Ti¸n ¤t

Bë mæn X¡c su§t-Thèng k¶
Khoa To¡n-Tin håc, tr÷íng H Khoa håc Tü nhi¶n, HQG TPHCM
ndat@hcmus.edu.vn
Dat T. Nguyen Probability distributions VNUHCM-US 1 / 82

Ph¥n phèi ríi r¤c
1 Ph¥n phèi Bernoulli
2 Ph¥n phèi nhà thùc (Binomial distribution)
3 Ph¥n phèi si¶u bëi
4 Ph¥n phèi Poisson
5 Ph¥n phèi ·u ríi r¤c
Ph¥n phèi li¶n töc
6 Ph¥n phèi ·u (Uniform distribution)
7 Ph¥n phèi mô (Exponential distribution)
8 Ph¥n phèi chu©n (Normal distribution)
Ph¥n phèi chu©n tc (Standard normal distribution)
9 Ph¥n phèi Gamma
10 Ph¥n phèi Chi b¼nh ph÷ìng (Chi-squared distribution)
11 Ph¥n phèi Student
12 Ph¥n phèi Fisher
Ph¥n phèi Bernoulli
Möc löc
9 Ph¥n phèi Gamma
Ph²p thû Bernoulli
ành ngh¾a 1.1

Ph²p thû Bernoulli (Bernoulli trials ) l th½ nghi»m (hay ph²p thû)
ngü nhi¶n ch¿ câ hai k¸t qu£.
Trong nhi·u tr÷íng hñp, ph²p thû Bernoulli ÷ñc sû döng º x¥y düng
mët chuéi c¡c ph²p thû ngü nhi¶n. V trong chuéi n y, ta th÷íng x²t
c¡c ph²p thû l ëc lªp vîi nhau.
Th½ dö v· ph²p thû Bernoulli:

Tung mët çng xu câ hai m°t;
Tr¤ng th¡i cõa mët thi¸t bà: ho¤t ëng ho°c khæng ho¤t ëng;
Mùc nhi¶n li»u, nguy¶n li»u c¦n cho s£n xu§t: ¡p ùng ho°c khæng.
etc.
Ph¥n phèi Bernoulli (Bernoulli distribution)
ành ngh¾a 1.2

Cho bi¸n ngü nhi¶n X ríi r¤c, ch¿ l§y hai gi¡ trà 0 v 1.
Ta nâi, X câ ph¥n phèi Bernoulli vîi tham sè 0 < p < 1, n¸u:
P(X = 1) = p v P(X = 0) = 1 − P(X = 1) = 1 − p .
V k½ hi»u: X ∼ B(1, p).
C¡c ¤i l÷ñng °c tr÷ng

• K¼ vång (expectation ):
E(X) = 0.P(X = 0) + 1.P(X = 1) = 0.(1 − p) + 1.p = p;
2
• Ph÷ìng sai (variance ): Var(X) = E X − E(X) = p.(1 − p).


Ph¥n phèi Bernoulli: mæ h¼nh
Xem x²t mët th½ nghi»m ngü nhi¶n câ hai k¸t qu£ Ω = {ω; ω},
vîi x¡c su§t P({ω}) = p > 0.
Gåi X l sè l¦n ω xu§t hi»n, ta câ:
X : Ω −→ R
÷ñc x¡c ành bði X(ω) = 1 v X(ω) = 0.

Ta câ P(X = 1) = P({ω}) = p v P(X = 0) = P({ω}) = 1 − p;
Do â, h m trång l÷ñng x¡c su§t cõa X câ d¤ng
 1 − p , khi x = 0,

f (x) = p , khi x = 1,
0 , kh¡c.

Vªy, X câ ph¥n phèi Bernoulli.

Ph¥n phèi Bernourlli: th½ dö
Nhªn x²t
B§t ký ph²p thû ngü nhi¶n ch¿ câ hai k¸t qu£, th¼ câ thº xem x²t
t÷ìng ùng vîi ph¥n phèi Bernoulli.
V½ dö 1.3
X²t th½ dö tung 1 çng xu (çng ch§t, c¥n b¬ng) mët l¦n.
Gåi X l bi¸n ngü nhi¶n thº hi»n sè l¦n m°t Ngûa xu§t hi»n, ngh¾a l ,
1 , n¸u xu§t hi»n m°t Ngûa,

(
X=
0 , n¸u xu§t hi»n m°t S§p,
th¼ X ∼ B(1, 12 ).

Ph¥n phèi Bernoulli: th½ dö (tt)
V½ dö 1.4
X²t th½ nghi»m tung 1 h¤t xóc sc (çng ch§t, c¥n b¬ng) mët l¦n.
Gåi Y l sè l¦n m°t sè 6 xu§t hi»n, ngh¾a l
1 , n¸u xu§t hi»n m°t sè 6,

0 , n¸u xu§t hi»n m°t kh¡c,

Y =
T¼m ph¥n phèi x¡c su§t cõa Y .

V½ dö 1.5
L§y ngü nhi¶n mët vi¶n bi tø trong hëp gçm 2 bi xanh v 3 bi ä. Gåi Z l
sè vi¶n bi xanh l§y ÷ñc, ngh¾a l
1 , n¸u vi¶n bi l§y ÷ñc câ m u xanh,

0 , n¸u vi¶n bi l§y ÷ñc câ m u ä,

Z=
T¼m ph¥n phèi x¡c su§t cõa Z .

Ph¥n phèi nhà thùc (Binomial distribution)
Möc löc
9 Ph¥n phèi Gamma
Ph¥n phèi nhà thùc - Chuéi c¡c ph²p thû Bernoulli
X²t mët ph²p thû ngü nhi¶n, m trong â ta thüc hi»n mët chuéi
gçm n ph²p thû Bernoulli, thäa i·u ki»n:
(1) n ph²p thû Bernoulli l ëc lªp vîi nhau;
(2) Méi ph²p thû Bernoulli ch¿ câ hai k¸t qu£, °t l "success" (t÷ìng
ùng vîi 1) v "failure" (t÷ìng ùng vîi 0).
(3) Vîi méi ph²p thû trong n ph²p thû Bernoulli, x¡c su§t º k¸t qu£
"success" x£y ra ·u l p vîi 0 < p < 1.
Trong n ph²p thû Bernoulli n y, ta quan t¥m sè l¦n xu§t hi»n k¸t qu£
"success".
Khi â, °t X l bi¸n ngü nhi¶n thº hi»n sè l¦n k¸t qu£ "success" x£y
ra trong n ph²p thû Bernoulli, th¼
⇒ X tu¥n theo ph¥n phèi nhà thùc vîi tham sè n v p.

ành ngh¾a 2.1 (Binomial distribution)

Cho bi¸n ngü nhi¶n ríi r¤c X nhªn gi¡ trà {0; 1; 2; ...; n} vîi n ∈ N.
Ta nâi X câ ph¥n phèi nhà thùc, k½ hi»u X ∼ B(n, p), khi h m
trång l÷ñng x¡c su§t l , vîi x ∈ N,
Cnx .px .(1 − p)n−x , vîi x = 0; 1; 2; 3; ...; n,

(
f (x) = P(X = x) =
0 , kh¡c,
trong â 0 < p < 1.
Nâi ri¶ng, tr÷íng hñp vîi n = 1, ta câ ph¥n phèi Bernoulli.

Ph¥n phèi nhà thùc: mæ h¼nh

X²t mët ph²p thû ngü nhi¶n ch¿ câ hai k¸t qu£ Ω∗ = {ω∗ ; ω∗ } vîi
P({ω∗ }) = p ∈ (0, 1).
Ta l°p l¤i ph²p thû n y n l¦n ëc lªp v quan t¥m sè l¦n xu§t hi»n k¸t qu£
{ω∗ } trong n l¦n quan s¡t â.
Ta câ, khæng gian mü cõa n l¦n thüc hi»n ph²p thû l

Ω = ω = ω(1) ; ω(2) ; ...; ω(n) : ω(j) ∈ {ω∗ ; ω ∗ } ; j = 1, 2, ..., n .
Gåi Xj l b.n.n. thº hi»n k¸t qu£ l¦n th½ nghi»m thù j (vîi 1 ≤ j ≤ n):
Xj : Ω∗ −→ R
vîi Xj (ω∗ ) := 1 v Xj (ω∗ ) := 0, th¼ ta th§y Xj ∼ B(1, p).

B¥y giíi, gåi X l b.n.n. thº hi»n sè l¦n xu§t hi»n k¸t qu£ {ω∗ } trong n l¦n
quan s¡t. Ta câ
X : Ω −→ R

ω = ω(1) ; ω(2) ; ...; ω(n) 7−→ X(ω) = X1 (ω(1) ) + X2 (ω(2) ) + ... + Xn (ω(n) ).

Ph¥n phèi nhà thùc: mæ h¼nh (tt)

Vîi x ∈ {0; 1; ...; n}, ta câ bi¸n cè (event)
(X = x)

= ω ∈ Ω : ∃I ⊂ {1; 2; ...; n} , |I| = x, ω(j) = ω∗ , ∀j ∈ I, ω(j) = ω ∗ , ∀j ∈
/I ,
ngh¾a l , nâ chùa c¡c k¸t qu£ cõa n l¦n th½ nghi»m m trong â câ x l¦n xu§t
hi»n k¸t qu£ {ω∗ }, v n − x l¦n xu§t hi»n {ω∗ }.
V¼ méi l¦n thüc hi»n ph²p thû ëc lªp ùng vîi mët ph²p thû Bernoulli ëc
lªp, n¶n vîi méi ω ∈ (X = x) th¼
Y Y
P(ω) = P (ωj = ω∗ ). P (ωj = ω ∗ ) = px .(1 − p)n−x .
j∈I j ∈I
/
Hìn núa, sè bi¸n cè sì c§p cõa (X = x) l Cnx .

Do â,
X
f (x) = P(X = x) = P(ω) = Cnx .px .(1 − p)n−x .
ω∈(X=x)
Vªy X câ ph¥n phèi nhà thùc.

Ph¥n phèi nhà thùc - th½ dö
V½ dö 2.2
Trong tr÷íng gçm håc sinh nam v håc sinh nú, chån ra mët ëi v«n ngh» câ
6 th nh vi¶n. Gi£ sû x¡c su§t º chån mët th nh vi¶n nam ho°c mët th nh
vi¶n nú l nh÷ nhau. T½nh x¡c su§t º ëi n y
(i) câ óng 3 b¤n nam;
(ii) câ nhi·u nh§t 4 b¤n nam;
(iii) câ ½t nh§t 3 b¤n nam.
Gñi þ:
Quan s¡t ëc lªp tøng th nh vi¶n trong ëi vîi P(ω) = P(nam) = 1/2.
Gåi X l sè th nh vi¶n nam trong ëi th¼ X ∈ {0; 1; 2; ...; 6}.
Ta câ X ∼ B(6, 21 ) v h m trång l÷ñng x¡c su§t l
C6x .( 21 )x .( 12 )6−x , x ∈ {0; 1; ...; 6} ,

f (x) = P(X = x) =
0 , kh¡c .
Ph¥n phèi nhà thùc - th½ dö (tt)
Ngo i ra, ta câ b£ng ph¥n phèi

X 0 1 2 3 4 5 6
1 6 15 20 15 6 1
P(X = k) 26 26 26 26 26 26 26
(i) Do â, x¡c su§t º câ óng 3 th nh vi¶n nam: P(X = 3) = 20
26
;
(ii) X¡c su§t º câ nhi·u nh§t 4 th nh vi¶n nam:
P(X ≤ 4)
57
= P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) + P(X = 4) = ;
26
(iii) X¡c su§t º câ ½t nh§t 3 th nh vi¶n nam:
42
P(X ≥ 3) = P(X = 3) + P(X = 4) + P(X = 5) + P(X = 6) = .
26
C¡ch kh¡c: Sû döng P(A) = 1 − P(A) vîi bi¸n cè A b§t ký, ta câ

P(X ≥ 3) = 1 − P(X < 3) = 1 − P(X = 0) + P(X = 1) + P(X = 2) .
Ph¥n phèi nhà thùc - mët v i th½ dö kh¡c
V½ dö 2.3
T¤i mët khu vüa àa lþ, t l» ng÷íi tâc m u v ng (tü nhi¶n) l 25%
d¥n sè. Chån ngü nhi¶n 6 ng÷íi d¥n ð khu vüc n y. T½nh kh£ n«ng º
trong sè ÷ñc chån n y câ 4 ng÷íi tâc v ng (tü nhi¶n).
V½ dö 2.4
Mët b i thi trc nghi»m gçm 10 c¥u häi, méi c¥u häi câ 4 ph÷ìng ¡n
tr£ líi (trong â ch¿ 1 ¡p ¡n óng). Gi£ sû méi c¥u tr£ líi óng ÷ñc
4, cán sai bà trø 2. Mët sinh vi¶n l m b i b¬ng c¡ch chån ngü nhi¶n
c¥u tr£ líi cho c¡c c¥u häi. T½nh x¡c su§t:
(i) º sinh vi¶n n y ÷ñc 4 iºm; (ii) º sinh vi¶n n y bà ¥m
iºm.

Ph¥n phèi nhà thùc - mët v i th½ dö kh¡c
V½ dö 2.5
Mët læ h ng linh ki»n i»n tû (sè l÷ñng r§t lîn) câ t l» häng 0.08.
L§y ra ngü nhi¶n 10 linh ki»n tø læ h ng n y. °t Y l bi¸n ngü
nhi¶n thº hi»n sè linh ki»n bà häng trong sè linh ki»n ÷ñc l§y ra.
(a) T¼m h m trång l÷ñng x¡c su§t v h m ph¥n phèi x¡c su§t cõa Y .
(b) T½nh x¡c su§t câ óng 7 linh ki»n bà häng trong sè linh ki»n l§y ra.
(c) T½nh x¡c su§t º câ ½t nh§t 1 linh ki»n bà häng trong sè linh ki»n
l§y ra.
(d) T½nh x¡c su§t º câ ½t nh§t 6 linh ki»n khæng bà häng trong sè linh
ki»n l§y ra.
Gñi þ: Ta câ Y ∼ B(n, p) vîi n = 10 v p = 0.08.
(b) T½nh P(Y = 7).
(c) Ta c¦n t½nh P(Y ≥ 1) = P(Y = 1) + P(Y = 2) + ... + P(Y = 10) .
Hint: câ thº sû döng P(Y ≥ 1) = 1 − P(Y ≤ 1).
(d) Ta c¦n t½nh P(Y ≤ 10 − 6) = P(Y ≤ 4).
Ph¥n phèi nhà thùc - c¡c °c tr÷ng
M»nh · 2.6
Cho bi¸n ngü nhi¶n X ∼ B(n, p) vîi n ∈ N v 0 < p < 1, ta câ
(i) Ký vång (trung b¼nh): E(X) = n.p ;
(ii) Ph÷ìng sai: Var(X) = n.p.(1 − p) ;
(iii) Mod(X) l c¡c sè nguy¶n thäa n.p + p − 1 ≤ Mod(X) ≤ n.p + p.
Nhªn x²t: vîi n = 1, k¸t qu£ t÷ìng ùng vîi tr÷íng hñp ph¥n phèi Bernoulli.
M»nh · 2.7
Cho hai bi¸n ngü nhi¶n X ∼ B(n1 , p) v Y ∼ B(n2 , p) vîi 0 < p < 1.
N¸u X v Y ëc lªp, th¼ X + Y ∼ B(n1 + n2 , p).

Chùng minh M»nh · 2.6-(i) v (ii) Vîi k ≥ 1, ta câ:
n
X n
X
E(X k ) = ik .Cni .pi .(1 − p)n−i = ik .Cni .pi .(1 − p)n−i ;
i=0 i=1
Vîi 1 ≤ i ≤ n, do i.Cni = i. i!(nn!− i)! = n. (i −(n1)!(n

− 1)!
− i)!
i−1
= n.Cn−1 , ta vi¸t l¤i
n
X
i−1 i−1
E(X k ) = n.p. ik−1 .Cn−1 .p .(1 − p)n−i
i=1
n
j:=i−1 X j
= n.p. (j + 1)k−1 .Cn−1 .pj .(1 − p)n−1−j
j=0
= n.p.E (Y + 1)k−1 , vîi Y

∼ B(n − 1, p).
• Vîi k = 1, ta câ E(X) = n.p.

• Vîi k = 2, ta câ E(X 2 ) = n.p. .

(n − 1).p + 1
Do â, Var(X) = E(X 2 ) − E(X) = n.p.(1 − p).

2

Chùng minh M»nh · 2.6-(iii)

■ Ta x²t t¿ sè sau, vîi k ≥ 1:
n! k n−k
P(X = k) k!.(n−k)! .p .(1 − p) (n − k + 1).p
= n!
= ;
P(X = k − 1) (k−1)!.(n−k+1)! .p
k−1 .(1 − p)n−k+1 k(1 − p)
Do â, ta câ P(X = k) ≥ P(X = k − 1), n¸u v ch¿ n¸u

(n − k + 1).p ≥ k.(1 − p) hay n.p + p ≥ k.
■ T÷ìng tü, x²t t¿ sè: P(X

P(X = k)
= k + 1)
=
(k + 1).(1 − p)
(n − k).p
;
Tø â, ta câ P(X = k) ≥ P(X = k + 1), n¸u v ch¿ n¸u
(k + 1).(1 − p) ≥ (n − k).p hay k ≥ n.p + p − 1.

Ph¥n phèi si¶u bëi
Möc löc
9 Ph¥n phèi Gamma
Ph¥n phèi si¶u bëi - ành ngh¾a
X²t mët tªp hñp gçm N èi t÷ñng, trong â (vîi 0 < K ≤ N )
K èi t÷ñng ÷ñc ph¥n lo¤i (ho°c ÷ñc g¡n nh¢n) l "successes";
N − K èi t÷ñng cán l¤i ÷ñc ph¥n lo¤i l "failures".
Tø tªp hñp n y, ta chån ra n èi t÷ñng mët c¡ch ngü nhi¶n (khæng
ho n l¤i) tø N èi t÷ñng, vîi 0 < n ≤ N .
Khi â, gåi X l bi¸n ngü nhi¶n thº hi»n sè èi t÷ñng "successes"
trong n èi t÷ñng chån ra, th¼ X câ ph¥n phèi si¶u bëi vîi c¡c tham sè
N, K, n.

Ph¥n phèi si¶u bëi (Hypergeometric distribution) - cæng thùc
ành ngh¾a 3.1

Cho bi¸n ngü nhi¶n ríi r¤c X nhªn c¡c gi¡ trà {0; 1; 2; ...; n} vîi
n ∈ N. Ta nâi X câ ph¥n phèi si¶u bëi, k½ hi»u X ∼ H(N, K, n), khi
h m trång l÷ñng x¡c su§t l , vîi x ∈ N,
 x n−x
 CK .CN −K

, vîi x = 0; 1; 2; ...; n,
CNn
f (x) = P(X = x) =
, kh¡c.

0


Nhªn x²t 3.2

Bði v¼ ta quy ÷îc r¬ng Crk = 0 khi k < 0 ho°c k > r n¶n f (x) s³ b¬ng 0
n¸u x khæng thäa
( (
0≤ x ≤ K, 0 ≤ x ≤ K,
hay
0 ≤ n − x ≤ N − K, n − (N − K) ≤ x ≤ n,
tùc l
max {0; n − (N − K)} ≤ x ≤ min {n; K} .

Ph¥n phèi si¶u bëi - Mæ h¼nh v mët v i °c tr÷ng
Mæ h¼nh si¶u bëi

Tø mët hëp câ K bi ä, (N − K) bi xanh, l§y ngü nhi¶n khæng ho n
l¤i n bi (vîi n ≤ N ).
Gåi X l b.n.n. thº hi»n sè bi ä trong n bi l§y ra. Khi â,
X ∼ H(N, K, n).
M»nh · 3.3
K
Cho X ∼ H(N, K, n) v °t p = . Khi â:
N
(i) Ký vång (trung b¼nh): E(X) = n.p;
N −n
(ii) Ph÷ìng sai: Var(X) = n.p.(1 − p). .
N −1

Chùng minh
Ta câ
n n j n−j
k
X
k
X
k
CK .CN −K
E(X ) = j .P(X = j) = j . n ;
CN
j=0 j=1
Sû döng h» thùc
j K! (K − 1)! j−1
j.CK = j. = K. = K.CK−1 ,
j!(K − j)! (j − 1)!(K − j)!
v công câ,
n n−1
n.CN = N.CN −1 .

Chùng minh (tt)
Ta vi¸t l¤i
n j−1 n−j
k n.K X k−1 CK−1 .CN −K
E(X ) = j . n−1
N CN −1
j=1
n−1 i n−i−1
j=i+1 n.K X k−1
CK−1 .CN −K
= (i + 1) . n−1
N CN −1
i=0
n.K
.E (Y + 1)k−1 , vîi Y ∼ H(N − 1, K − 1, n − 1).

=
N
Do â, vîi k = 1:
n.K
E(X) = = n.p.
N

Chùng minh (tt)
Vîi k = 2:
n.K n.K (n − 1).(K − 1)
E(X 2 ) = .E(Y + 1) = . +1 .
N N N −1
Tø â, ta câ
2 (n − 1).(K − 1)
Var(X) = E(X 2 ) − E(X) = n.p. + 1 − n.p
N −1
(n − 1).(N.p − 1)
= n.p. + 1 − n.p
N −1
N −n
= n.p.(1 − p). .
N −1
□

Ph¥n phèi si¶u bëi - th½ dö

V½ dö 3.4
Mët lîp câ 60 sinh vi¶n trong â câ 35 sinh vi¶n nú. C¦n chån ra 10 b¤n º
tham gia v o cæng t¡c chu©n bà cho 1 ho¤t ëng cõa tr÷íng. Gi£ sû c¡c b¤n
n y ÷ñc chån mët c¡c ngü nhi¶n.
(a) T½nh x¡c su§t º sè sinh vi¶n nú ÷ñc chån khæng qu¡ 4.
(b) T½nh x¡c su§t º chån ÷ñc ½t nh§t 2 sinh vi¶n nú.
Gñi þ: Gåi X l sè sinh vi¶n nú trong sè 10 sinh vi¶n ÷ñc chån, ta câ
X ∼ H(N, K, n) vîi N = 60, K = 35 v n = 10.
(a) X¡c su§t º sè sv nú ÷ñc chån khæng qu¡ 4:
P(X ≤ 4) = P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) + P(X = 4)
0 10 1 9 2 8 3 7 4 6
C35 .C25 C35 .C25 C35 .C25 C35 .C25 C35 .C25
= 10 + 10 + 10 + 10 + 10 ≈ 0.1743.
C60 C60 C60 C60 C60
(b) X¡c su§t º câ ½t nh§t 2 nú ÷ñc chån:
0 10
C35 .C25 C 1 .C 9
P(X ≥ 2) = 1 − P(X < 2) = 1 − 10 − 35 10 25 ≈ 0.9990082.
C60 C60
Ph¥n phèi Poisson
Möc löc
9 Ph¥n phèi Gamma
Ph¥n phèi Poisson
Mæ h¼nh - ph¥n phèi Poisson
°t v§n · ta muèn ¸m sè l¦n bi¸n cè A cõa mët ph²p thû ngü
nhi¶n n o â x£y ra trong mët kho£ng thíi gian ho°c khæng gian nh§t
ành. V¼ t½nh ngü nhi¶n, sè l¦n x£y ra n y l khæng bi¸t tr÷îc.
Khi â, °t X l bi¸n ngü nhi¶n ¸m sè l¦n bi¸n cè A x£y ra,
th¼ X câ ph¥n phèi Poisson vîi tham sè λ > 0, (câ thº t¤m hiºu tham
sè λ l sè l¦n trung b¼nh xu§t hi»n A trong mët ìn và thíi gian ho°c
khæng gian).
Ch¯ng h¤n, ta câ mët sè th½ dö sau:

sè ët bi¸n tr¶n mët chuéi DNA cho tr÷îc trong mët kho£ng thíi
gian.
sè l÷ñng mët lo¤i cæn tròng nh§t ành câ thº ÷ñc t¼m th§y trong
mët khu vüc §t næng nghi»p rëng 1m2 .

Ph¥n phèi Poisson
Ph¥n phèi Poisson
ành ngh¾a 4.1 (Poisson distribution)

Cho bi¸n ngü nhi¶n ríi r¤c X nhªn c¡c gi¡ trà {0; 1; 2; 3; ...}. Ta nâi
X câ ph¥n phèi Poisson vîi tham sè λ > 0, kþ hi»u X ∼ P (λ), khi
h m trång l÷ñng x¡c su§t l
λx
f (x) = P(X = x) = e−λ . , vîi x = 0; 1; 2; 3; ....
x!
Nhªn x²t: TaPth§y h m sè f thäa i·u ki»n l mët h m trång l÷ñng x¡c su§t.
Thªt vªy, v¼ +∞
x=0 x! = e , , n¶n ta câ:
λ λ 1
x
+∞ +∞ +∞ x
X X X λx X λ
f (x) = P(X = x) = e−λ . = e−λ . = 1.
x=0 x=0
x! x=0
x!
x∈X(Ω)
1 See more for power series and the exponential function.

Ph¥n phèi Poisson
Ph¥n phèi Poisson - c¡c °c tr÷ng
M»nh · 4.2
Cho bi¸n ngü nhi¶n X câ ph¥n phèi Poisson vîi tham sè λ > 0,
X ∼ P (λ), ta câ
(i) Ký vång (trung b¼nh): E(X) = λ ;
(ii) Ph÷ìng sai: Var(X) = λ ;

Ph¥n phèi Poisson
Chùng minh: (i) Sû döng P+∞ λx
x=0 x! = e
λ , ta câ:
+∞ +∞ +∞
X X e−λ .λx X λx−1
E(X) = x.f (x) = x. = λ.e−λ .
x=0 x=0
x! x=1
(x − 1)!
+∞
°t u=x−1 X λu
= λ.e−λ . = λ.
u=0
u!
(ii) T÷ìng tü, ta câ

+∞ +∞
X e−λ .λx X e−λ .λx
E(X 2 ) = x2 . = x.(x − 1) + x .
x=0
x! x=0
x!
+∞ +∞
X λx X λx
= e−λ . + e−λ .
x=2
(x − 2)! x=1
(x − 1)!
+∞
X λu
= λ2 .e−λ . + λ = λ2 + λ;
u=0
u!
do â k¸t hñp vîi E(X) = λ ta ÷ñc

Var(X) = E(X 2 ) − 2
E(X) = λ.

Ph¥n phèi Poisson
X§p x¿ ph¥n phèi nhà thùc B(n, p) b¬ng ph¥n phèi Poisson
ành lþ 4.3 (Giîi h¤n Poisson)

Cho bi¸n ngü nhi¶n X câ ph¥n phèi nhà thùc, X ∼ B(n, p), vîi
0 < p < 1 v n ∈ N, n ≤ 1. N¸u n.p → θ khi n → +∞ v p → 0, th¼
θx
lim P(X = x) = e−θ . .
n→+∞ x!
p→0
ành lþ tr¶n cho th§y:

èi vîi ph¥n phèi nhà thùc B(n, p) n¸u n õ lîn v p nhä, th¼ °t λ = n.p v
ta câ thº dòng ph¥n phèi Poisson º t½nh x§p x¿ c¡c x¡c su§t (ùng vîi ph¥n
phèi B(n, p)).
Thæng th÷íng, ph¥n phèi Poisson P (n.p) x§p x¿ tèt cho ph¥n phèi nhà
thùc B(n, p) khi n ≥ 100, p ≤ 0.01 v n.p ≤ 20.

Ph¥n phèi Poisson
Mët sè th½ dö trong thüc t¸ - ph¥n phèi Poisson
M»nh · 4.4
Cho hai bi¸n ngü nhi¶n X ∼ P (λ1 ) v Y ∼ P (λ2 ). N¸u X v Y ëc
lªp nhau, th¼ X + Y ∼ P (λ1 + λ2 ).
Trong thüc th¸, th÷íng l nhúng quan s¡t m sè l¦n l°p l¤i n lîn,
trong khi x¡c su§t cõa bi¸n cè ta l÷u t¥m P (A) = p th¼ nhä.
Ch¯ng h¤n, mët bi¸n ngü nhi¶n mæ t£ c¡c sü vi»c sau th÷íng ÷ñc
xem l tu¥n theo ph¥n phèi Poisson:
sè léi in trong mët (ho°c mët sè) trang s¡ch.
sè ng÷íi ¸n mët cûa h ng n o â trong mët ng y.
sè sü cè v· ÷íng truy·n t½n hi»u x£y ra t¤i mët khu vüc d¥n c÷.

Ph¥n phèi Poisson
Ph¥n phèi Poisson - Th½ dö 1
V½ dö 4.5
Gi£ sû sè léi in trong mët trang s¡ch n o â cõa mët quyºn s¡ch tu¥n
theo ph¥n phèi Poisson (cán gåi l , câ ph¥n phèi Poisson) vîi tham sè
λ = 12 . T½nh x¡c su§t º câ ½t nh§t mët léi in trong trang s¡ch n y.
Gñi þ: Gåi X l bi¸n ngü nhi¶n thº hi»n sè léi in trong mët trang s¡ch ang
x²t. Theo gi£ thi¸t ta câ X tu¥n theo ph¥n phèi Poisson vîi tham sè λ = 21 ,
hay X ∼ P ( 12 ).

Ph¥n phèi Poisson
Ph¥n phèi Poisson - Th½ dö 2
V½ dö 4.6
Mët trung t¥m hé trñ kh¡ch h ng nhªn trung b¼nh 150 cuëc i»n tho¤i
trong mët gií. Gi£ sû r¬ng sè cuëc gåi ¸n trung t¥m trong méi gií l
ngü nhi¶n v câ ph¥n phèi Poisson. T¼m x¡c su§t º trung t¥m n y
a) câ óng 5 cuëc gåi ¸n trong 20 phót.
b) nhªn khæng qu¡ 2 cuëc gåi trong mët phót.
c) câ 15 cuëc gåi ¸n trong 2 gií.
Gñi þ: a.) Gåi X l bi¸n ngü nhi¶n thº hi»n sè cuëc gåi ¸n trung t¥m trong
váng 20 phót, tø gi£ thi¸t b i to¡n ta câ X ∼ P ( 150
3 ).
b.) Gåi Y l bi¸n ngü nhi¶n thº hi»n sè cuëc gåi ¸n trung t¥m trong váng
1phót, tø gi£ thi¸t b i to¡n ta câ Y ∼ P ( 150
60 ).
c.) Gåi Z l bi¸n ngü nhi¶n thº hi»n sè cuëc gåi ¸n trung t¥m trong váng
1gií, tø gi£ thi¸t b i to¡n ta câ Z ∼ P (150).
Ph¥n phèi ·u ríi r¤c
Möc löc
9 Ph¥n phèi Gamma
ành ngh¾a 5.1

Cho bi¸n ngü nhi¶n ríi r¤c X nhªn c¡c gi¡ trà 1; 2; ...; m (vîi m ∈ N)
vîi x¡c su§t b¬ng nhau m1
, th¼ X ÷ñc gåi l câ ph¥n phèi ·u ríi
r¤c, vîi h m trång l÷ñng x¡c su§t:
1
f (k) = P(X = k) = , vîi k = 1; 2; ...; m.
m
M»nh · 5.2
Cho bi¸n ngü nhi¶n X câ ph¥n phèi ríi r¤c ·u nhªn c¡c gi¡ trà
1; 2; 3; ...; m (vîi m ∈ N) th¼:
(i) Ký vång (trung b¼nh): E(X) = m+1
2 ;
m2 −1
(ii) Ph÷ìng sai: Var(X) = 12 .

Ph¥n phèi ·u (Uniform distribution)
Möc löc
9 Ph¥n phèi Gamma
Ph¥n phèi ·u (li¶n töc) (Uniform distribution)
ành ngh¾a 6.1

Bi¸n ngü nhi¶n li¶n töc X ÷ñc gåi l câ ph¥n phèi ·u tr¶n [a, b]
(vîi a, b ∈ R, a < b), kþ hi»u X ∼ U[a, b], n¸u h m mªt ë x¡c su§t cõa
X câ d¤ng
1

 , khi x ∈ [a, b],
f (x) = b − a
0 , nìi kh¡c .


Ph¥n phèi ·u - H m ph¥n phèi x¡c su§t
Tø ành ngh¾a cõa h m mªt ë

x¡c su§t, ta câ h m ph¥n phèi
x¡c su§t cõa X ∼ U[a, b] l
, khi x < a,


 0


x−a

F (x) = , khi a ≤ x ≤ b,

 b−a

, khi x > b.

 1
H¼nh 1: H m ph¥n phèi x¡c su§t
cõa ph¥n phèi ·u U [a, b].

Ph¥n phèi ·u - c¡c °c tr÷ng
M»nh · 6.2
Cho bi¸n ngü nhi¶n X câ ph¥n phèi ·u tr¶n [a, b], hay X ∼ U[a, b],
(vîi a, b ∈ R, a < b), ta câ
(i) Ký vång (trung b¼nh): E(X) = b+a
2 ;
(b−a)2

Ph¥n phèi ·u - th½ dö
V½ dö 6.3
T¤i mët tr¤m xe buþt kho£ng c¡ch giúa c¡c chuy¸n li¶n ti¸p cõa mët tuy¸n xe
buþt T l 15 phót. Chuy¸n ¦u ti¶n ¸n tr¤m lóc 7h05 s¡ng. N¸u mët h nh
kh¡ch tîi tr¤m xe buþt v o mët thíi iºm câ ph¥n phèi ·u tø 7h tîi 7h25
s¡ng º i tuy¸n xe buþt T. Gi£ sû c¡c chuy¸n xe buþt ·u ¸n óng gií.
T½nh x¡c su§t º anh ta ñi:
a) ½t hìn ho°c b¬ng 5 phót; b) ½t nh§t 10 phót; c) tø 6 ¸n 12 phót.
Gñi þ: Gåi X l bi¸n ngü nhi¶n thº hi»n sè phót ð thíi iºm ng÷íi n y tîi tr¤m ân xe
buþt t½nh tø 7 gií s¡ng, th¼ theo gi£ thi¸t ta câ X ∼ U [0, 25].
Tø 7h s¡ng, c¡c thíi iºm xe buþt tuy¸n T ¸n tr¤m l¦n l÷ñt l 7h05, 7h20 v 7h35.
a.) X¡c su§t º ng÷íi n y ñi ½t hìn ho°c b¬ng 5 phót l : P (X ≤ 5) ∪ (15 ≤ X ≤ 20) .
b.) X¡c su§t º ng÷íi n y ñi ½t nh§t 10 phót l : P (5 < X ≤ 10) ∪ (20 < X ≤ 25) .
c.) X¡c su§t º ng÷íi n y ñi tø 6 ¸n 12 phót l : P (8 ≤ X ≤ 14) ∪ (23 ≤ X ≤ 29).

Ph¥n phèi mô (Exponential distribution)
Möc löc
9 Ph¥n phèi Gamma
Ph¥n phèi mô: mæ h¼nh ho¡
Xem x²t sè l÷ñng c¡c v¸t nùt dåc chi·u d i mët sñi d¥y d¨n (b¬ng çng).
Kho£ng c¡ch giúa hai v¸t nùt li¶n ti¸p câ thº ÷ñc mæ h¼nh ho¡ thæng qua
mët bi¸n ngü nhi¶n.
Gåi X l bi¸n ngü nhi¶n thº hi»n chi·u d i t½nh tø mët iºm bt ¦u
(starting point ) n o â ÷ñc chån tr¶n sñi d¥y cho ¸n và tr½ khi m v¸t nùt
÷ñc ph¡t hi»n.
Khi â, ph¥n phèi x¡c su§t cõa X câ thº ÷ñc x¥y düng tø thæng tin v· ph¥n
phèi x¡c su§t cõa sè l÷ñng c¡c v¸t nùt.
Thªt vªy, ch¯ng h¤n, kho£ng c¡ch ¸n v¸t nùt ti¸p theo l 3 mm n¸u v ch¿
n¸u khæng câ v¸t nùt n o tr¶n o¤n d¥y d i 3 mm â.

Ph¥n phèi mô: mæ h¼nh ho¡ (tt)
Têng qu¡t, gåi N l b.n.n. thº hi»n sè v¸t nùt trong o¤n d¥y d i x mm.
N¸u câ trung b¼nh λ v¸t nùt tr¶n méi mm, th¼ N câ ph¥n phèi Poisson vîi
trung b¼nh λx.
Gi£ sû r¬ng chi·u d i sñi d¥y d¨n > x, th¼ ta câ
(λx)0
P X > x = P(N = 0) = e−λx . = e−λx .

0!
Do â, h m ph¥n phèi x¡c su§t (t½ch luÿ) cõa X l
F (x) = P(X ≤ x) = 1 − e−λx , x ≥ 0.
L§y ¤o h m theo x v ta ÷ñc h m mªt ë x¡c su§t cõa b.n.n. X .

Ph¥n phèi mô - h m mªt ë x¡c su§t: ành ngh¾a
X²t b.n.n. li¶n töc X thº hi»n kho£ng c¡ch giúa hai successive events li¶n ti¸p
tø mët Poisson process vîi λ l sè events trung b¼nh tr¶n méi kho£ng ìn và,
λ > 0. Khi â
ành ngh¾a 7.1

Bi¸n ngü nhi¶n li¶n töc X , vîi λ > 0, ÷ñc gåi l câ ph¥n phèi mô,
kþ hi»u X ∼ Exp(λ), v h m mªt ë x¡c su§t câ d¤ng:
λ.e−λ.x , n¸u x ≥ 0,

f (x) =
0 , n¸u x < 0.

Ph¥n phèi mô - c¡c °c tr÷ng
M»nh · 7.2
Cho bi¸n ngü nhi¶n li¶n töc X câ ph¥n phèi mô vîi tham sè λ > 0,
X ∼ Exp(λ), ta câ:
1
(i) Ký vång (trung b¼nh): E(X) = ;
λ
1
λ

Ph¥n phèi mô - h m mªt ë x¡c su§t: minh håa
H¼nh 2: H m mªt ë x¡c su§t ph¥n phèi mô Exp(λ) vîi c¡c gi¡ trà λ ∈ {0.5; 1; 2}.
Ph¥n phèi mô - th½ dö
V½ dö 7.3 (Computer Usage)

2 Trong mët m¤ng m¡y t½nh cõa mët cæng ty lîn, ng÷íi dòng «ng nhªp v o
h» thèng câ thº ÷ñc mæ h¼nh hâa bði mët qu¡ tr¼nh Poisson (Poisson
process) vîi trung b¼nh 25 l¦n «ng nhªp méi gií.
a.) X¡c su§t º khæng câ l¦n «ng nhªp n o trong kho£ng thíi gian 6 phót
l bao nhi¶u?
b.) T½nh x¡c su§t º thíi gian chí ¸n l¦n «ng nhªp ti¸p theo l tø 2phót
¸n 3phót.
c.) X¡c ành kho£ng thíi gian º x¡c su§t khæng câ l¦n «ng nhªp n o l
90%.
2 Example 4-21 in Applied Statistics and Probability for engineers, Douglas C.

Montgomery, 2014.
Ph¥n phèi mô - th½ dö (tt1)
Gñi þ: gåi X l bi¸n ngü nhi¶n thº hi»n thíi gian (ìn và: gií) t½nh tø thíi iºm bt ¦u
cõa kho£ng thíi gian x²t cho ¸n khi câ l¦n «ng nhªp ¦u ti¶n. Khi â, X câ ph¥n phèi
mô vîi tham sè λ = 25 l¦n «ng nhªp/gií, v ta vi¸t X ∼ Exp(25).
a.) Ta c¦n t½nh P(X > 606 ) (v¼ 6 phót trong váng 1h = 60 phót). X¡c su§t n y ÷ñc t½nh
nh÷ sau, vîi λ = 25:
Z +∞ Z +∞
6 6
P X> = f (x)dx = λ.e−λ.x dx = e−25. 60 ≈ 0.082.
60 6
60
6
60
C¡ch kh¡c º t½nh, vîi λ = 25:

Z 6
6 6 6 60
P X> =1−P X ≤ =1−F =1− f (x)dx
60 60 60 −∞
Z 6
60
=1− λ.e−λ.x dx
0
6
x= 60 6

= 1 − e−λ.x = 1 − e0 + e−25. 60 .
x=0

Ph¥n phèi mô - th½ dö (tt2)

b.) X¡c su§t º thíi gian chí ¸n l¦n «ng nhªp ti¸p theo l 2phót ¸n 3phót ÷ñc t½nh
nh÷ sau:
2 Z 3 Z 3 3
3 60 60 x= 60
P ≤X≤ = f (x)dx = λ.e−λ.x dx = e−λ.x 2
≈ 0.152.
60 60 2
60
2
60
x= 60
C¡ch kh¡c º t½nh, vîi λ = 25:

2 3
2 Z 60 Z 2 Z 3
3 3 60 60
P ≤X≤ =F −F = f (x)dx − f (x)dx = f (x)dx = ... .
60 60 60 60 −∞ −∞ 2
60
c.) Trong kho£ng thíi gian bao l¥u th¼ x¡c su§t khæng câ l¦n «ng nhªp n o l 90%.
Ngh¾a l , ta c¦n t¼m kho£ng thíi gian (ë d i thíi gian) x0 sao cho P(X > x0 ) = 0.9. Ta câ
Z +∞ Z +∞ x=+∞
0.9 = P(X > x0 ) = f (x)dx = λ.e−λ.x dx = e−λ.x = e−λ.x0 ,
x0 x0 x=x0
do â,
log(0.9)
0.9 = e−λ.x0 ⇔ log(0.9) = −λ.x0 ⇔ − = x0 ⇔ x0 ≈ 0.00421.
λ
Vªy trong kho£ng thíi gian 0.00421 gií t½nh tø thíi iºm x²t th¼ x¡c su§t º khæng câ l¦n
«ng nhªp n o l 90%.
Ph¥n phèi chu©n (Normal distribution)
Möc löc
9 Ph¥n phèi Gamma
ành ngh¾a 8.1

Bi¸n ngü nhi¶n li¶n töc X ÷ñc gåi l câ ph¥n phèi chu©n, kþ hi»u
X ∼ N (µ, σ 2 ), khi h m mªt ë x¡c su§t câ d¤ng, vîi −∞ < x < +∞:
(x − µ)2 (x−µ)2

1 1 −
f (x) = √ . exp − = √ .e 2σ 2 ,
2πσ 2σ 2 2πσ
trong â c¡c h¬ng sè −∞ < µ < +∞ (câ thº vi¸t µ ∈ R) v σ > 0.
M»nh · 8.2
Cho bi¸n ngü nhi¶n li¶n töc X câ ph¥n phèi chu©n, X ∼ N (µ, σ 2 ), th¼:
(i) Ký vång (trung b¼nh): E(X) = µ;
(ii) Ph÷ìng sai: Var(X) = σ 2 ;
Ph¥n phèi mô - h m mªt ë x¡c su§t: minh håa
H¼nh 3: H m mªt ë x¡c su§t ph¥n phèi chu©n N (µ, σ2 ) vîi c¡c gi¡ trà µ v σ2 kh¡c
nhau, l¦n l÷ñt l N (5, 1), N (5, 4) v N (15, 1).
Mët sè nhªn x²t v· ç thà h m mªt ë cõa ph¥n phèi chu©n
ç thà câ d¤ng h¼nh chuæng, hai uæi ti»m cªn vîi tröc ho nh Ox.
ç thà èi xùng qua ÷íng th¯ng x = µ v ¤t gi¡ trà cüc ¤i t¤i x = µ.
Khi gi¡ trà σ c ng nhä th¼ b· rëng cõa ç thà c ng hµp v gi¡ trà lîn nh§t
c ng lîn.
Ph¥n phèi chu©n (Normal distribution) Ph¥n phèi chu©n tc (Standard normal distribution)
Ph¥n phèi chu©n (Standard normal distribution)
°c bi»t, n¸u µ = 0 v σ 2 = 1:

ành ngh¾a 8.3
Bi¸n ngü nhi¶n li¶n töc X ÷ñc gåi l câ ph¥n phèi chu©n tc (cán
gåi l chu©n hâa, ho°c Gauss hay Gaussian), kþ hi»u X ∼ N (0, 1),
khi h m mªt ë x¡c su§t câ d¤ng, vîi −∞ < x < +∞:
1 x2
f (x) = √ .e− 2 .
2π

Ph¥n phèi chu©n tc - h m mªt ë x¡c su§t: minh håa
H¼nh 4: H m mªt ë x¡c su§t ph¥n phèi chu©n tc N (0, 1).
Ph¥n phèi chu©n tc - h m ph¥n phèi x¡c su§t
H m ph¥n phèi cõa bi¸n ngü nhi¶n X câ ph¥n phèi chu©n tc, th÷íng
kþ hi»u Φ(a), vîi −∞ < a < +∞ , ÷ñc x¡c ành:
Z a Z a
1 x2
Φ(a)= P(X ≤ a) = f (x)dx = √ e− 2 dx.
−∞ −∞ 2π
Vîi mët gi¡ trà cö thº cõa a, th¼ gi¡ trà cõa Φ(a) câ thº tra theo
b£ng ph¥n phèi chu©n tc (Gauss).
Mët sè t½nh ch§t:

Vîi z ∈ R, ta câ:
(i) Φ(−z) = 1 − Φ(z);
(ii) P(−z ≤ X ≤ z) = 2Φ(z) − 1.

Dòng b£ng ph¥n phèi º tra gi¡ trà h m ph¥n phèi x¡c su§t Φ
H¼nh 5: Minh håa c¡ch x¡c ành gi¡ trà cho h m Φ(a).
Th½ dö, tø b£ng ph¥n phèi x¡c su§t cõa h m Φ(a), ta câ thº tra ÷ñc
P(Z ≤ 1.5) = Φ(1.5) = 0.93319, v P(Z ≤ 1.52) = Φ(1.52) = 0.93574.
V½ dö 8.4
Cho bi¸n ngü nhi¶n Z ∼ N (0, 1). T½nh:
a.) P(Z ≤ 1.55); b.) P(Z < −1.45);
c.) P(−1 ≤ Z < 1.5);
Ph¥n phèi chu©n (Normal distribution) Chu©n tc hâa ph¥n phèi chu©n
Chu©n tc hâa ph¥n phèi chu©n
ành lþ 8.5
X −µ
Cho bi¸n ngü nhi¶n X ∼ N (µ, σ 2 ), ta °t Z = th¼ Z ∼ N (0, 1).
σ
Chùng minh: °t Z = X σ− µ , ta câ, vîi z ∈ R:

X −µ
FZ (z) = P(Z ≤ z) = P ≤z = P(X ≤ σ.z + µ) = FX (σ.z + µ).
σ
V¼ FX (trong tr÷íng hñp ang x²t X câ ph¥n phèi chu©n) kh£ vi tr¶n to n R, n¶n FZ công
kh£ vi v ta câ
(σ.z+µ−µ) 2
d d 1 −
fZ (z) = FZ (z) = FX (σ.z + µ) = σ.fX (σ.z + µ) = σ. √ .e 2.σ 2
dz dz 2π.σ
1 z2
= √ .e− 2 .
2π
Do â, Z ∼ N (0, 1). □
Mët sè h» qu£ cõa ph²p chu©n tc hâa ph¥n phèi N (µ, σ 2 )
Nhªn x²t
ành lþ 8.5 cho ph²p chóng ta ÷a mët bi¸n ngü nhi¶n câ ph¥n phèi
chu©n vîi tham sè b§t ký v· ph¥n phèi chu©n tc (hay chu©n hâa).
H» qu£ 8.6
N¸u X ∼ N (µ, σ 2 ) th¼ vîi a ∈ R:
a − µ
P(X ≤ a) = Φ .
σ
H» qu£ 8.7
N¸u X ∼ N (µ, σ 2 ) th¼ vîi a, b ∈ R:
b − µ a − µ
P(a < X ≤ b) = Φ −Φ .
σ σ
Ph¥n phèi chu©n - quy tc k.σ
Quy tc k.σ

Cho bi¸n ngü nhi¶n X câ ph¥n phèi chu©n, X ∼ N (µ, σ 2 ). Khi â,
(i) P |X − µ| < σ = 0.68;

(ii) P |X − µ| < 2.σ = 0.955;

(iii) P |X − µ| < 3.σ = 0.997.

V½ dö 8.8
Ch¿ sè thæng min (IQ), ÷ñc o b¬ng b i kiºm tra IQ Standford-Binet, câ
ph¥n phèi chu©n trong mët têng thº n o â. Gi£ sû IQ trung b¼nh l 100
iºm v ë l»ch chu©n l 16 iºm. Häi t¿ l» ph¦n tr«m sè ng÷íi trong têng thº
câ IQ:
a.) tø 140 trð l¶n; b.) tø 80 trð xuèng; c.)giúa 80 v 140.

X§p x¿ ph¥n phèi nhà thùc b¬ng ph¥n phèi chu©n
ành lþ 8.9 (Moivre-Laplace)

Cho Y l bi¸n ngü nhi¶n nhà thùc vîi tham sè n v p, ngh¾a l ,
Y ∼ B(n, p). Khi â, vîi c¡c sè a, b ∈ R b§t ký, a < b, ta câ
! Z b
Y − n.p 1 t2
lim P a < p <b = √ . e− 2 dt.
n→+∞ n.p.(1 − p) 2π a
Chó þ r¬ng, vîi Y ∼ B(n, p) th¼ E(Y ) = n.p v Var(Y ) = n.p(1 − p).
Mët c¡ch ¡p döng ành lþ 8.9

ành lþ 8.9 cho th§y khi "n õ lîn", ta câ thº x§p x¿ ph¥n phèi nhà
thùc B(n, p) b¬ng ph¥n phèi chu©n N n.p, n.p(1 − p) .

X§p x¿ ph¥n phèi nhà thùc b¬ng ph¥n phèi chu©n (tt1)
i·u ki»n ¡p döng

Cho bi¸n ngü nhi¶n Y câ ph¥n phèi nhà thùc, Y ∼ B(n, p), th¼ bi¸n
Y − n.p
ngü nhi¶n Z = p ÷ñc x§p x¿ bði ph¥n phèi chu©n tc õ
n.p.(1 − p)
tèt khi:
X¡c su§t p khæng qu¡ g¦n 0 ho°c 1, sao cho 0.1 < p < 0.9.
n.p ≥ 5 v n.p.(1 − p) ≥ 5.

X§p x¿ ph¥n phèi nhà thùc b¬ng ph¥n phèi chu©n (tt2)
Hi»u ch¿nh cho t½nh li¶n töc (Correction for continuity)
V¼ Y câ ph¥n phèi nhà thùc l ph¥n phèi x¡c su§t ríi r¤c n¶n khi t½nh x§p x¿
c¡c gi¡ trà x¡c su§t cõa Y b¬ng ph¥n phèi chu©n, ta ¢ chuyºn sang mët bi¸n
ngü nhi¶n li¶n töc, n¶n trong thüc h nh ta ph£i thüc hi»n ph²p hi»u ch¿nh
cho t½nh li¶n töc nh÷ sau:
!
x + 0.5 − n.p
• P X ≤ x = P X < x + 0.5 ≈ P Z ≤ p
n.p.(1 − p)
!
x + 0.5 − n.p
=Φ p ,
n.p.(1 − p)
!
x − 0.5 − n.p

• P x ≤ X = P x − 0.5 ≤ X ≈ P p ≤Z
n.p.(1 − p)
!
x − 0.5 − n.p
=1−Φ p .
n.p.(1 − p)

Hi»u ch¿nh cho sü li¶n töc: minh håa
(a) Ph¥n phèi chu©n x§p x¿ B(n, p). (b) N¸u p ≤ 0.1 ho°c p ≥ 0.9, th¼ B(n, p)
khæng èi xùng.
H¼nh 6: 3 Minh håa hi»u ch¿nh sü li¶n töc khi x§p x¿ B(n, p) b¬ng N (n.p, np(1 − p)).
3 See more in Applied Statistics and Probability for engineers, D.C. Montgomery, 2014.
X§p x¿ ph¥n phèi Poisson b¬ng ph¥n phèi chu©n
ành lþ 8.10
Cho X l bi¸n ngü nhi¶n câ ph¥n phèi Poisson vîi tham sè λ > 0, kþ
hi»u X ∼ P (λ), th¼ E(X) = λ v Var(X) = λ. Khi â, bi¸n ngü nhi¶n
X − E(X) X −λ
Z= p = √ ,
Var(X) λ
÷ñc x§p x¿ bði ph¥n phèi chu©n tc õ tèt khi λ > 5.
Hìn núa, ta công sû döng cæng thùc hi»u ch¿nh cho sü li¶n töc.

Ph¥n phèi Gamma
Möc löc
9 Ph¥n phèi Gamma
Ph¥n phèi Gamma
H m Gamma
ành ngh¾a 9.1 (Gamma function)

Vîi α > 0, h m Gamma Γ(·) ÷ñc ành ngh¾a bði:
Z +∞
Γ(x) := xα−1 .e−x dx.
0
Mët sè t½nh ch§t

Γ(1) = 1;
Γ(α + 1) = α.Γ(α);
Γ(n + 1) = n!, vîi n ∈ N;
√
Γ 21 = π .

Ph¥n phèi Gamma
Ph¥n phèi Gamma - h m mªt ë x¡c su§t: ành ngh¾a
ành ngh¾a 9.2

Bi¸n ngü nhi¶n li¶n töc X , vîi α > 0, β > 0, ÷ñc gåi l câ
ph¥n phèi Gamma, kþ hi»u X ∼ G(α, β), khi h m mªt ë x¡c su§t
câ d¤ng:

1 −x

α
.xα−1 .e β , n¸u x > 0,
f (x) = Γ(α).β
 0 , n¸u x ≤ 0.
M»nh · 9.3
Cho bi¸n ngü nhi¶n li¶n töc X câ ph¥n phèi Gamma vîi tham sè
α > 0, β > 0, X ∼ G(α, β), ta câ:
(i) Ký vång (trung b¼nh): E(X) = α.β ;
(ii) Ph÷ìng sai: Var(X) = α.β 2 .
Ph¥n phèi Gamma
Ph¥n phèi Gamma - minh håa
H¼nh 7: Minh håa cho h m mªt ë x¡c su§t cõa ph¥n phèi Gamma .
Ph¥n phèi Chi b¼nh ph÷ìng (Chi-squared distribution)
Möc löc
9 Ph¥n phèi Gamma
Ph¥n phèi Chi b¼nh ph÷ìng - h m mªt ë x¡c su§t: ành ngh¾a
ành ngh¾a 10.1

Bi¸n ngü nhi¶n li¶n töc X , vîi α > 0, β > 0, ÷ñc gåi l câ
ph¥n phèi Chi b¼nh ph÷ìng, kþ hi»u X ∼ χ2 (r), n¸u X ∼ G( 2r , 2).
H m mªt ë x¡c su§t câ d¤ng:

1 r x

r/2
.x 2 −1 .e− 2 , n¸u x > 0,
f (x) = Γ(r/2).2

0 , n¸u x ≤ 0.
M»nh · 10.2
Cho bi¸n ngü nhi¶n li¶n töc X câ ph¥n phèi Chi b¼nh ph÷ìng vîi
tham sè r > 0, X ∼ χ2 (r), ta câ:
r
(i) Ký vång (trung b¼nh): E(X) = α.β = .2 = r;
2
(ii) Ph÷ìng sai: Var(X) = α.β = (r/2).2 = 2r.
2 2

ành lþ 10.3
N¸u X ∼ N (0, 1) th¼ X 2 ∼ χ2 (1).
ành lþ 10.4
Cho r, s > 0, n¸u X ∼ χ2 (r), Y ∼ χ2 (s), X v Y ëc lªp th¼
Z = X + Y ∼ χ2 (r + s).
H» qu£ 10.5
N¸u X1 , X2 , ..., Xr ëc lªp vîi nhau v câ còng ph¥n phèi N (0, 1), th¼
X12 + X22 + ... + Xr2 ∼ χ2 (r).

Ph¥n phèi Student
Möc löc
9 Ph¥n phèi Gamma
Ph¥n phèi Student
Ph¥n phèi Student

ành ngh¾a 11.1
Cho hai bi¸n ngü nhi¶n ëc lªp X ∼ N (0, 1) v Y ∼ χ2 (n) vîi n ∈ N∗ .
°t W = qXY . Khi â, ph¥n phèi cõa bi¸n ngü nhi¶n W ÷ñc gåi l ph¥n
n
phèi Student vîi bªc tü do n, kþ hi»u W ∼ T (n).
ành lþ 11.2
Bi¸n ngü nhi¶n W ∼ T (n) câ h m mªt ë
Γ( n+1
2 ) 1
f (t) = √ . , t ∈ R.
π.n.Γ n2 t2
n+1
2
1+
n
n
Hìn núa, E(W ) = 0 v Var(W ) = vîi n > 2.
n−2
Khi n ≥ 30, ph¥n phèi T (n) g¦n vîi ph¥n phèi chu©n tc N (0, 1).
Ph¥n phèi Student
Ph¥n phèi Student - Minh håa
H¼nh 8: H m mªt ë x¡c su§t cõa T (1), T (2), T (5) v ti¸n g¦n v· h m mªt ë cõa N (0, 1).

Ph¥n phèi Fisher
Möc löc
9 Ph¥n phèi Gamma
Ph¥n phèi Fisher
Ph¥n phèi Fisher
ành ngh¾a 12.1

Cho hai bi¸n ngü nhi¶n X v Y ëc lªp: X ∼ χ2 (n) v Y ∼ χ2 (m).
X/n
°t F = . Khi â, ph¥n phèi x¡c su§t cõa bi¸n ngü nhi¶n F gåi
Y /m
l ph¥n phèi Fisher vîi bªc tü do m, n, kþ hi»u F ∼ F (n, m).
ành lþ 12.2
Bi¸n ngü nhi¶n F ∼ F (n, m) câ h m mªt ë x¡c su§t
m
Γ n+m x( 2 −1)
m
2 m 2
f a(x) =
Γ n2 .Γ m
.
n
. n+m , x ≥ 0.
2 1 + m .x 2 n

XSTK-2 - 2-Chương2-Phần - 2-Một Số Phân Phối Xác Suất Thông Dụng

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

XSTK-2 - 2-Chương2-Phần - 2-Một Số Phân Phối Xác Suất Thông Dụng

Uploaded by

Copyright:

Available Formats

MËT SÈ PH N PHÈI XC SUT THÆNG DÖNG

Nguy¹n Ti¸n ¤t

Dat T. Nguyen Probability distributions VNUHCM-US 1 / 82

Ph²p thû Bernoulli

ành ngh¾a 1.1

Th½ dö v· ph²p thû Bernoulli:

Ph¥n phèi Bernoulli (Bernoulli distribution)

ành ngh¾a 1.2

P(X = 1) = p v P(X = 0) = 1 − P(X = 1) = 1 − p .

V k½ hi»u: X ∼ B(1, p).

C¡c ¤i l÷ñng °c tr÷ng

Dat T. Nguyen Probability distributions VNUHCM-US 5 / 82

Ph¥n phèi Bernoulli: mæ h¼nh

÷ñc x¡c ành bði X(ω) = 1 v X(ω) = 0.

Vªy, X câ ph¥n phèi Bernoulli.

Ph¥n phèi Bernourlli: th½ dö

1 , n¸u xu§t hi»n m°t Ngûa,

Dat T. Nguyen Probability distributions VNUHCM-US 7 / 82

Ph¥n phèi Bernoulli: th½ dö (tt)

0 , n¸u xu§t hi»n m°t kh¡c,

T¼m ph¥n phèi x¡c su§t cõa Y .

0 , n¸u vi¶n bi l§y ÷ñc câ m u ä,

T¼m ph¥n phèi x¡c su§t cõa Z .

Ph¥n phèi nhà thùc - Chuéi c¡c ph²p thû Bernoulli

⇒ X tu¥n theo ph¥n phèi nhà thùc vîi tham sè n v p.

Dat T. Nguyen Probability distributions VNUHCM-US 10 / 82

Ph¥n phèi nhà thùc (Binomial distribution)

ành ngh¾a 2.1 (Binomial distribution)

Cnx .px .(1 − p)n−x , vîi x = 0; 1; 2; 3; ...; n,

trong â 0 < p < 1.

Nâi ri¶ng, tr÷íng hñp vîi n = 1, ta câ ph¥n phèi Bernoulli.

Ph¥n phèi nhà thùc: mæ h¼nh

vîi Xj (ω∗ ) := 1 v Xj (ω∗ ) := 0, th¼ ta th§y Xj ∼ B(1, p).

Dat T. Nguyen Probability distributions VNUHCM-US 12 / 82

Ph¥n phèi nhà thùc: mæ h¼nh (tt)

Hìn núa, sè bi¸n cè sì c§p cõa (X = x) l Cnx .

Vªy X câ ph¥n phèi nhà thùc.

Ph¥n phèi nhà thùc - th½ dö

Ph¥n phèi nhà thùc - th½ dö (tt)

Ngo i ra, ta câ b£ng ph¥n phèi

Ph¥n phèi nhà thùc - mët v i th½ dö kh¡c

Dat T. Nguyen Probability distributions VNUHCM-US 16 / 82

Ph¥n phèi nhà thùc - mët v i th½ dö kh¡c

Ph¥n phèi nhà thùc - c¡c °c tr÷ng

Dat T. Nguyen Probability distributions VNUHCM-US 18 / 82

Vîi 1 ≤ i ≤ n, do i.Cni = i. i!(nn!− i)! = n. (i −(n1)!(n

= n.p.E (Y + 1)k−1 , vîi Y

• Vîi k = 1, ta câ E(X) = n.p.

Do â, Var(X) = E(X 2 ) − E(X) = n.p.(1 − p).

Dat T. Nguyen Probability distributions VNUHCM-US 19 / 82

Chùng minh M»nh · 2.6-(iii)

Do â, ta câ P(X = k) ≥ P(X = k − 1), n¸u v ch¿ n¸u

■ T÷ìng tü, x²t t¿ sè: P(X

Dat T. Nguyen Probability distributions VNUHCM-US 20 / 82

Ph¥n phèi si¶u bëi - ành ngh¾a

Dat T. Nguyen Probability distributions VNUHCM-US 22 / 82

Ph¥n phèi si¶u bëi (Hypergeometric distribution) - cæng thùc

ành ngh¾a 3.1

Dat T. Nguyen Probability distributions VNUHCM-US 23 / 82

Nhªn x²t 3.2

max {0; n − (N − K)} ≤ x ≤ min {n; K} .

Dat T. Nguyen Probability distributions VNUHCM-US 24 / 82

Ph¥n phèi si¶u bëi - Mæ h¼nh v mët v i °c tr÷ng

MËT SÈ PH N PHÈI XC SUT THÆNG DÖNG

Nguy¹n Ti¸n ¤t

ành ngh¾a 1.1

ành ngh¾a 1.2

C¡c ¤i l÷ñng °c tr÷ng

÷ñc x¡c ành bði X(ω) = 1 v X(ω) = 0.

0 , n¸u vi¶n bi l§y ÷ñc câ m u ä,

ành ngh¾a 2.1 (Binomial distribution)

trong â 0 < p < 1.

Ph¥n phèi nhà thùc - c¡c °c tr÷ng

Do â, Var(X) = E(X 2 ) − E(X) = n.p.(1 − p).

Chùng minh M»nh · 2.6-(iii)

Do â, ta câ P(X = k) ≥ P(X = k − 1), n¸u v ch¿ n¸u

Ph¥n phèi si¶u bëi - ành ngh¾a

ành ngh¾a 3.1

Ph¥n phèi si¶u bëi - Mæ h¼nh v mët v i °c tr÷ng

ành ngh¾a 4.1 (Poisson distribution)

Ph¥n phèi Poisson - c¡c °c tr÷ng

do â k¸t hñp vîi E(X) = λ ta ÷ñc

ành lþ 4.3 (Giîi h¤n Poisson)

ành lþ tr¶n cho th§y:

Ph¥n phèi ·u ríi r¤c

ành ngh¾a 5.1

Ph¥n phèi ·u (li¶n töc) (Uniform distribution)

ành ngh¾a 6.1

Ph¥n phèi ·u - H m ph¥n phèi x¡c su§t

Tø ành ngh¾a cõa h m mªt ë

Ph¥n phèi ·u - c¡c °c tr÷ng

Ph¥n phèi ·u - th½ dö

L§y ¤o h m theo x v ta ÷ñc h m mªt ë x¡c su§t cõa b.n.n. X .

Ph¥n phèi mô - h m mªt ë x¡c su§t: ành ngh¾a

ành ngh¾a 7.1

Ph¥n phèi mô - c¡c °c tr÷ng

Ph¥n phèi mô - h m mªt ë x¡c su§t: minh håa

C¡ch kh¡c º t½nh, vîi λ = 25:

C¡ch kh¡c º t½nh, vîi λ = 25:

ành ngh¾a 8.1

trong â c¡c h¬ng sè −∞ < µ < +∞ (câ thº vi¸t µ ∈ R) v σ > 0.

Ph¥n phèi mô - h m mªt ë x¡c su§t: minh håa

Mët sè nhªn x²t v· ç thà h m mªt ë cõa ph¥n phèi chu©n

°c bi»t, n¸u µ = 0 v σ 2 = 1:

Ph¥n phèi chu©n tc - h m mªt ë x¡c su§t: minh håa