Professional Documents
Culture Documents
XSTK-2 - 2-Chương2-Phần - 2-Một Số Phân Phối Xác Suất Thông Dụng
XSTK-2 - 2-Chương2-Phần - 2-Một Số Phân Phối Xác Suất Thông Dụng
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 3 / 82
Ph¥n phèi Bernoulli
Trong nhi·u tr÷íng hñp, ph²p thû Bernoulli ÷ñc sû döng º x¥y düng
mët chuéi c¡c ph²p thû ng¨u nhi¶n. V trong chuéi n y, ta th÷íng x²t
c¡c ph²p thû l ëc lªp vîi nhau.
Xem x²t mët th½ nghi»m ng¨u 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
1 − p , khi x = 0,
f (x) = p , khi x = 1,
0 , kh¡c.
Nhªn x²t
B§t ký ph²p thû ng¨u 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 ng¨u nhi¶n thº hi»n sè l¦n m°t Ngûa xu§t hi»n, ngh¾a l ,
th¼ X ∼ B(1, 12 ).
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,
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 9 / 82
Ph¥n phèi nhà thùc (Binomial distribution)
X²t mët ph²p thû ng¨u 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 ng¨u nhi¶n thº hi»n sè l¦n k¸t qu£ "success" x£y
ra trong n ph²p thû Bernoulli, th¼
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
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 .
Dat T. Nguyen Probability distributions VNUHCM-US 14 / 82
Ph¥n phèi nhà thùc (Binomial distribution)
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 ng¨u 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 ng¨u 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.
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 ng¨u nhi¶n 10 linh ki»n tø læ h ng n y. °t Y l bi¸n ng¨u
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).
Dat T. Nguyen Probability distributions VNUHCM-US 17 / 82
Ph¥n phèi nhà thùc (Binomial distribution)
M»nh · 2.6
Cho bi¸n ng¨u 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 ng¨u 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).
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 21 / 82
Ph¥n phèi si¶u bëi
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 ng¨u nhi¶n (khæng
ho n l¤i) tø N èi t÷ñng, vîi 0 < n ≤ N .
Khi â, gåi X l bi¸n ng¨u 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.
tùc l
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 .
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
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
□
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 30 / 82
Ph¥n phèi Poisson
°t v§n · ta muèn ¸m sè l¦n bi¸n cè A cõa mët ph²p thû ng¨u
nhi¶n n o â x£y ra trong mët kho£ng thíi gian ho°c khæng gian nh§t
ành. V¼ t½nh ng¨u nhi¶n, sè l¦n x£y ra n y l khæng bi¸t tr÷îc.
Khi â, °t X l bi¸n ng¨u 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).
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)
M»nh · 4.2
Cho bi¸n ng¨u nhi¶n X câ ph¥n phèi Poisson vîi tham sè λ > 0,
X ∼ P (λ), ta câ
X§p x¿ ph¥n phèi nhà thùc B(n, p) b¬ng ph¥n phèi Poisson
M»nh · 4.4
Cho hai bi¸n ng¨u 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 ng¨u 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÷.
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 ng¨u 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 ).
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
ng¨u 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 ng¨u 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 ng¨u 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 ng¨u 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).
Dat T. Nguyen Probability distributions VNUHCM-US 38 / 82
Ph¥n phèi ·u ríi r¤c
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 39 / 82
Ph¥n phèi ·u ríi r¤c
M»nh · 5.2
Cho bi¸n ng¨u 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) Ph֓ng sai: Var(X) = 12 .
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 41 / 82
Ph¥n phèi ·u (Uniform distribution)
, 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].
M»nh · 6.2
Cho bi¸n ng¨u 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
(ii) Ph֓ng sai: Var(X) = 12 .
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 ng¨u 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).
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 46 / 82
Ph¥n phèi mô (Exponential distribution)
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 ng¨u nhi¶n.
Gåi X l bi¸n ng¨u 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.
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.
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
λ.e−λ.x , n¸u x ≥ 0,
f (x) =
0 , n¸u x < 0.
M»nh · 7.2
Cho bi¸n ng¨u 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
(ii) Ph֓ng sai: Var(X) = 2 .
λ
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}.
Dat T. Nguyen Probability distributions VNUHCM-US 51 / 82
Ph¥n phèi mô (Exponential distribution)
Gñi þ: gåi X l bi¸n ng¨u 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.) 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%.
Dat T. Nguyen Probability distributions VNUHCM-US 54 / 82
Ph¥n phèi chu©n (Normal distribution)
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 55 / 82
Ph¥n phèi chu©n (Normal distribution)
(x − µ)2 (x−µ)2
1 1 −
f (x) = √ . exp − = √ .e 2σ 2 ,
2πσ 2σ 2 2πσ
M»nh · 8.2
Cho bi¸n ng¨u 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 ;
Dat T. Nguyen Probability distributions VNUHCM-US 56 / 82
Ph¥n phèi chu©n (Normal distribution)
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).
Dat T. Nguyen Probability distributions VNUHCM-US 57 / 82
Ph¥n phèi chu©n (Normal distribution)
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.
Dat T. Nguyen Probability distributions VNUHCM-US 58 / 82
Ph¥n phèi chu©n (Normal distribution) Ph¥n phèi chu©n tc (Standard normal distribution)
H¼nh 4: H m mªt ë x¡c su§t ph¥n phèi chu©n tc N (0, 1).
Dat T. Nguyen Probability distributions VNUHCM-US 60 / 82
Ph¥n phèi chu©n (Normal distribution) Ph¥n phèi chu©n tc (Standard normal distribution)
H m ph¥n phèi cõa bi¸n ng¨u 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).
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 ng¨u nhi¶n Z ∼ N (0, 1). T½nh:
a.) P(Z ≤ 1.55); b.) P(Z < −1.45);
c.) P(−1 ≤ Z < 1.5);
Dat T. Nguyen Probability distributions VNUHCM-US 62 / 82
Ph¥n phèi chu©n (Normal distribution) Chu©n tc hâa ph¥n phèi chu©n
ành lþ 8.5
X −µ
Cho bi¸n ng¨u nhi¶n X ∼ N (µ, σ 2 ), ta °t Z = th¼ Z ∼ N (0, 1).
σ
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 ng¨u 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
Dat T. Nguyen Probability distributions VNUHCM-US 64 / 82
Ph¥n phèi chu©n (Normal distribution) Chu©n tc hâa ph¥n phèi chu©n
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.
Chó þ r¬ng, vîi Y ∼ B(n, p) th¼ E(Y ) = n.p v Var(Y ) = n.p(1 − p).
X§p x¿ ph¥n phèi nhà thùc b¬ng ph¥n phèi chu©n (tt1)
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
ng¨u 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)
(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.
Dat T. Nguyen Probability distributions VNUHCM-US 69 / 82
Ph¥n phèi chu©n (Normal distribution) Chu©n tc hâa ph¥n phèi chu©n
ành lþ 8.10
Cho X l bi¸n ng¨u 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 ng¨u 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.
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 71 / 82
Ph¥n phèi Gamma
H m Gamma
M»nh · 9.3
Cho bi¸n ng¨u 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 .
Dat T. Nguyen Probability distributions VNUHCM-US 73 / 82
Ph¥n phèi Gamma
H¼nh 7: Minh håa cho h m mªt ë x¡c su§t cõa ph¥n phèi Gamma .
Dat T. Nguyen Probability distributions VNUHCM-US 74 / 82
Ph¥n phèi Chi b¼nh ph÷ìng (Chi-squared distribution)
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 75 / 82
Ph¥n phèi Chi b¼nh ph÷ìng (Chi-squared distribution)
Ph¥n phèi Chi b¼nh ph÷ìng - h m mªt ë x¡c su§t: ành ngh¾a
M»nh · 10.2
Cho bi¸n ng¨u 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
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 78 / 82
Ph¥n phèi Student
ành lþ 11.2
Bi¸n ng¨u 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).
Dat T. Nguyen Probability distributions VNUHCM-US 79 / 82
Ph¥n phèi Student
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).
Möc löc
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
Dat T. Nguyen Probability distributions VNUHCM-US 81 / 82
Ph¥n phèi Fisher
ành lþ 12.2
Bi¸n ng¨u 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