Cac Quy Luat Phan Phoi 2023

MỘT SỐ PHÂN PHỐI XÁC SUẤT THÔNG DỤNG
BÀI GIẢNG ĐIỆN TỬ
TS. Lê Xuân Đại

Trường Đại học Bách Khoa TP HCM
Khoa Khoa học ứng dụng, bộ môn Toán ứng dụng
Email: ytkadai@hcmut.edu.vn
TP. HCM — 2023.

TS. Lê Xuân Đại (BK TPHCM) MỘT SỐ PHÂN PHỐI XÁC SUẤT THÔNG DỤNG TP. HCM — 2023. 1 / 118
NỘI DUNG
1 CÁC PHÂN PHỐI RỜI RẠC
NỘI DUNG
2 CÁC PHÂN PHỐI LIÊN TỤC
NỘI DUNG
3 CÁC ĐỊNH LÝ GIỚI HẠN
NỘI DUNG
3 CÁC ĐỊNH LÝ GIỚI HẠN
4 LUẬT SỐ LỚN VÀ ĐỊNH LÝ GIỚI HẠN TRUNG TÂM
Các phân phối rời rạc Phân phối Bernoulli
PHÂN PHỐI BERNOULLI
ĐỊNH NGHĨA 1.1

Một biến ngẫu nhiên X có phân phối
Bernoulli B(p) với tham số p ∈ [0, 1], nếu X
chỉ nhận giá trị 0 và 1 với xác suất
P (X = 1) = p, P (X = 0) = 1 − p . Kí hiệu X ∼ B(p)
VÍ DỤ 1.1
Xét tình huống khách hàng tiếp theo sẽ mua máy
tính xách tay hay máy tính bàn tại một cửa hàng
điện tử. Đặt
(
1, nếu khách hàng mua máy tính bàn
X=
0, nếu khách hàng mua máy tính xách tay
Biết rằng 20% trong số những khách hàng đã mua

máy tính suốt tuần qua chọn máy tính bàn. Tìm hàm
phân phối của X .
Hàm phân phối của X là

f (0) = P (X = 0) =
= P (khách hàng tiếp theo mua máy tính xách tay) = 0.8
f (1) = P (X = 1) =
= P (khách hàng tiếp theo mua máy tính bàn) = 0.2
f (x) = P (X = x) = 0, for x ̸= 0 hoặc x ̸= 1
Hàm phân phối Bernoulli là

 0.8,
 nếu x = 0
f (x) = 0.2, nếu x = 1

 0, nếu x ̸= 0 hoặc x ̸= 1
HÀM PHÂN BỐ XÁC SUẤT CỦA BNN BERNOULLI
ĐỊNH LÝ 1.1
Hàm phân bố xác suất của BNN Bernoulli có
thể biểu diễn dưới dạng f (1) = p and
f (0) = 1 − p, với 0 < p < 1.

 1 − p,
 nếu x = 0
f (x) = p, nếu x = 1 (1)

0, nếu x ̸= 0 hoặc x ̸= 1

KỲ VỌNG VÀ PHƯƠNG SAI CỦA BNN BERNOULLI
ĐỊNH LÝ 1.2
Nếu X ∼ B(p) thì
µ = E (X ) = p; σ2 = V (X ) = p(1 − p) (2)
CHỨNG MINH.
E (X ) = 0 f (0) + 1 f (1) = p
V (X ) = E (X 2 ) − [E (X )]2 =
= 02 f (0) + 12 f (1) − p 2 = p − p 2 = p(1 − p).
VÍ DỤ 1.2
Tung đồng xu đồng chất. Gọi X =số mặt sấp,
khi đó X là BNN Bernoulli với xác suất
p = 0.5. Tìm E (X ) và V ar (X )
VÍ DỤ 1.2
Tung đồng xu đồng chất. Gọi X =số mặt sấp,
khi đó X là BNN Bernoulli với xác suất
p = 0.5. Tìm E (X ) và V ar (X )
E (X ) = 0.5, V ar (X ) = 0.5 − 0.52 = 0.25.
Các phân phối rời rạc Phân phối nhị thức
Ta tiến hành n phép thử độc lập, trong mỗi

phép thử chỉ có 2 trường hợp: biến cố A
xuất hiện hoặc biến cố A không xuất hiện.
Xác suất biến cố A trong mỗi phép thử đều
bằng p = const .
Gọi X là số lần xuất hiện biến cố A trong n
phép thử độc lập thì X là biến ngẫu nhiên
rời rạc với các giá trị có thể có
X = 0, 1, 2, . . . , n, và xác suất tương ứng là
p k = P (X = k) = C nk p k q n−k .
ĐỊNH NGHĨA 1.2

Biến ngẫu nhiên rời rạc X nhận các giá trị có
thể có k = 0, 1, 2, . . . , n với các xác suất tương
ứng được tính theo công thức
b(k; n, p) = p k = P (X = k) = C nk p k q n−k ,
p = const ∈ (0, 1), q = 1 − p, được gọi là phân

phối theo quy luật nhị thức. Kí hiệu
X ∼ B (n, p)
BẢNG PHÂN PHỐI THEO QUY LUẬT NHỊ THỨC
X 0 1 .. k .. n
P C n0 p 0 q n C n1 p 1 q n−1 .. C nk p k q n−k .. C nn p n q 0
ĐỊNH LÝ 1.3
Nếu X là số lần thành công trong dãy n phép
thử Bernoulli với xác suất thành công p thì
X ∼ B (n, p).
ĐỊNH LÝ 1.3
X ∼ B (n, p).
ĐỊNH LÝ 1.4
Nếu X ∼ B (n, p) thì E (X ) = np và V (X ) = npq
ĐỊNH LÝ 1.3
X ∼ B (n, p).
ĐỊNH LÝ 1.4
Nếu X ∼ B (n, p) thì E (X ) = np và V (X ) = npq
ĐỊNH LÝ 1.5
mod (X ) = [np − q], hoặc mod (X ) = [np − q] + 1

CHỨNG MINH
Xét X i (i = 1, n) là các biến ngẫu nhiên độc

lập, X i ∼ B (p) ⇒ E (X i ) = p,V (X i ) = pq. Khi
n
đó, X = X i và X ∼ B (n, p).
P
i =1
CHỨNG MINH
Xét X i (i = 1, n) là các biến ngẫu nhiên độc

lập, X i ∼ B (p) ⇒ E (X i ) = p,V (X i ) = pq. Khi
n
đó, X = X i và X ∼ B (n, p).
P
i =1
Do X i là các BNN độc lập nên
n
X
E (X ) = E (X i ) = np
i =1
n
X
V (X ) = V (X i ) = npq
i =1
VÍ DỤ 1.3
Hàng đóng thành kiện, mỗi kiện có 10 sản
phẩm, trong đó có 3 phế phẩm. Khách hàng
sẽ nhận kiện hàng nếu lấy ngẫu nhiên ra 2
sản phẩm thì cả 2 sản phẩm đó đều tốt.
Khách hàng kiểm tra 100 kiện hàng. Gọi X
là số kiện được khách hàng nhận. Tìm
E (X ),V (X ), mod (X ).
Gọi p là xác suất một kiện hàng kiểm tra

được nhận
C 72 7
p= 2
=
C 10 15
Gọi p là xác suất một kiện hàng kiểm tra

được nhận
C 72 7
p= 2
=
C 10 15
Số kiện được nhận là số lần thành công
trong dãy 100 phép thử Bernoulli với xác
7
suất thành công p = . Do đó
15
µ ¶
7
X ∼ B 100, .
15
Từ đó
7 140
E (X ) = np = 100 ×
=
15 3
7 8 224
V (X ) = npq = 100. . =
15 15 9
mod (X ) = [np − q] = [46, 133] = 46,
hoặc mod (X ) = 47
Các phân phối rời rạc Phân phối siêu bội
ĐẶT VẤN ĐỀ
Giả sử trong bình có N quả cầu trong đó có

M quả cầu trắng và N − M quả cầu đen. Lấy
ngẫu nhiên lần lượt ra n quả cầu không
hoàn lại. Lúc này các phép thử không độc
lập với nhau.
Xác suất để trong n quả cầu lấy ra có k quả
cầu trắng được tính như sau
k
CM .C Nn−k
−M
Pk =
C Nn
ĐỊNH NGHĨA 1.3

Biến ngẫu nhiên rời rạc X nhận các giá trị có
thể có k = 0, 1, 2, . . . , n với các xác suất tương
ứng được tính theo công thức
k
CM .C Nn−k
−M
p k = P (X = k) = , được gọi là phân
C Nn
phối theo quy luật siêu bội. Kí hiệu
X ∼ H (N , M , n)
X 0 1 ... k ... n
0
CM .C Nn −M 1
CM .C Nn−1
−M
k
CM .C Nn−k
−M
n
CM .C N0 −M
P ... ...
C Nn C Nn C Nn C Nn
ĐỊNH LÝ 1.6
Nếu X ∼ H (N , M , n) thì E (X ) = np và
N −n M
V (X ) = npq. , trong đó p = , q = 1 − p.
N −1 N
ĐỊNH LÝ 1.6
Nếu X ∼ H (N , M , n) thì E (X ) = np và
N −n M
V (X ) = npq. , trong đó p = , q = 1 − p.
N −1 N
VÍ DỤ 1.4
Một lô hàng gồm 30 sản phẩm, trong đó có
10 phế phẩm. Chọn ngẫu nhiên 5 sản phẩm.
Gọi X là số phế phẩm trong 5 sản phẩm
được chọn. Tìm phân phối xác suất, kỳ vọng,
phương sai của X
k 5−k
C 10 .C 30−10
P (X = k) = 5
, k = 0, 5
C 30
10 5 M
E (X ) = np = n. = , p = ,
30 3 N
N − n 250
V (X ) = n.p.q. = , q = 1 − p.
N − 1 261
k 5−k
C 10 .C 30−10
P (X = k) = 5
, k = 0, 5
C 30
10 5 M
E (X ) = np = n. = , p = ,
30 3 N
N − n 250
V (X ) = n.p.q. = , q = 1 − p.
N − 1 261
X 0 1 2 3 4 5
0 5 1 4 2 3 3 2 4 1 5 0
C 10 .C 20 C 10 .C 20 C 10 .C 20 C 10 .C 20 C 10 .C 20 C 10 .C 20
P 5 5 5 5 5 5
C 30 C 30 C 30 C 30 C 30 C 30
Các phân phối rời rạc Phân phối Poisson
PHÂN PHỐI POISSON
Vết nứt thường xuất hiện ngẫu nhiên dọc

theo chiều dài của con đường. Gọi BNN X là
số vết nứt trong T mét đường và số vết nứt
trung bình trong 1 mét đường là λ.
PHÂN PHỐI POISSON
Vết nứt thường xuất hiện ngẫu nhiên dọc

theo chiều dài của con đường. Gọi BNN X là
số vết nứt trong T mét đường và số vết nứt
trung bình trong 1 mét đường là λ.
Khi đó E (X ) = λT theo định nghĩa của λ. Tìm
hàm phân phối của BNN X .
Chia chiều dài của con đường thành n đoạn nhỏ

T
với chiều dài là ∆t = ·
n

T
n
Nếu những đoạn nhỏ này được chọn đủ nhỏ, thì
xác suất có nhiều hơn 1 vết nứt trong những đoạn
này có thể được bỏ qua. Ngoài ra, chúng ta có thể
giả sử rằng vết nứt xuất hiện ngẫu nhiên. Từ đó
suy ra mỗi đoạn nhỏ sẽ có xác suất chứa 1 vết nứt
bằng nhau và bằng p.

T
n
Nếu những đoạn nhỏ này được chọn đủ nhỏ, thì
xác suất có nhiều hơn 1 vết nứt trong những đoạn
này có thể được bỏ qua. Ngoài ra, chúng ta có thể
giả sử rằng vết nứt xuất hiện ngẫu nhiên. Từ đó
suy ra mỗi đoạn nhỏ sẽ có xác suất chứa 1 vết nứt
bằng nhau và bằng p.
Hơn nữa, sự xuất hiện 1 vết nứt trong mỗi đoạn
nhỏ được giả sử là độc lập với nhau.
Khi đó, sự phân phối của BNN X được xấp xỉ như

là BNN phân phối theo nhị thức. Mỗi đoạn nhỏ
sẽ tạo biến cố là có vết nứt hoặc không có vết nứt.

Do đó,
λT
E (X ) = λT = np ⇒ p =
n

Do đó,
λT
E (X ) = λT = np ⇒ p =
n
Theo công thức xấp xỉ theo phân phối nhị thức,

ta có
P (X = x) ≈ C nx p x (1 − p)n−x

Do đó,
λT
E (X ) = λT = np ⇒ p =
n
Theo công thức xấp xỉ theo phân phối nhị thức,

ta có
P (X = x) ≈ C nx p x (1 − p)n−x
Với điều kiện các đoạn nhỏ đủ nhỏ thì n sẽ lớn và
p sẽ nhỏ.
¶x
λT (λT )x λT −x
µ µ ¶
C nx → ; 1− → 1;
n x! n
λT n
µ ¶
1− → e −λT
n
Do đó,
e −λT (λT )x
lim P (X = x) = , x = 0, 1, 2, . . .
n→∞ x!
ĐỊNH NGHĨA 1.4

Trong trường hợp tổng quát, các đoạn nhỏ có chiều
dài ∆t và giả sử rằng ∆t → 0
1
Xác suất có nhiều hơn 1 vết nứt trong mỗi đoạn
nhỏ xấp xỉ 0.
2
Xác suất có 1 vết nứt trong mỗi đoạn nhỏ tiến đến
λ∆t .
3
Sự xuất hiện vết nứt trong mỗi đoạn nhỏ độc lập
với nhau.
BNN với những tính chất trên có phân phối Poisson .
ĐỊNH NGHĨA 1.5

BNN rời rạc X có phân phối Poisson với
tham số λ(λ > 0) nếu hàm phân phối xác
suất của X có dạng
e −λT (λT )x e −µ µx
f (x) = p(x; λ) = = = p(x, µ)
x! x!
(3)
với x = 0, 1, 2, . . . và µ = λT. Ký hiệu X ∼ P (λ)
hoặc X ∼ P (µ)
Bảng phân phối theo quy luật Poisson

X 0 1 ... k ... n ...
e −λT
.(λT )0 e −λT
.(λT )1 e −λT
.(λT )k e −λT
.(λT )n
P ... ... ...
0! 1! k! n!
Bảng phân phối theo quy luật Poisson

X 0 1 ... k ... n ...
e −λT
.(λT )0 e −λT
.(λT )1 e −λT
.(λT )k e −λT
.(λT )n
P ... ... ...
0! 1! k! n!
CHÚ Ý
Phân phối Poisson có ứng dụng trong các

quá trình liên quan đến số quan sát trong
một đơn vị thời gian hoặc không gian.
CHÚ Ý
Phân phối Poisson có ứng dụng trong các

quá trình liên quan đến số quan sát trong
một đơn vị thời gian hoặc không gian.
Số cuộc điện thoại nhận được ở một
trạm điện thoại trong một phút, số người
xếp hàng chờ thanh toán tại quầy thu
tiền của một siêu thị,...là BNN có phân
phối Poisson.
BNN CÓ PHÂN PHỐI POISSON
Số lỗi in sai trong một trang (hoặc một số trang)

của một cuốn sách

Số người trong một cộng đồng sống cho tới 100
tuổi

tuổi
Số cuộc điện thoại gọi sai trong một ngày

tuổi
Số transitor hư trong ngày đầu tiên sử dụng

tuổi
Số khách hàng vào bưu điện trong một ngày

tuổi
Số khách hàng vào bưu điện trong một ngày
Số hạt α phát ra từ các hạt phóng xạ trong một
chu kỳ,..
VÍ DỤ 1.5
Giả sử rằng số vết nứt trên con đường có
phân phối Poisson với số vết nứt trung bình
là 2.3 trên 1 mét đường.
1
Tìm xác suất xuất hiện 10 vết nứt trong 5
mét đường.
2
Tìm xác suất có ít nhất 1 vết nứt trong 2
mét đường.
1
Gọi X là số vết nứt trong 5 mét đường. Khi đó, X
có phân phối Poisson với
λT = 2.3 vết nứt/m × 5m = 11.5 vết nứt

e −11.5 (11.5)10
Khi đó, P (X = 10) = ≈ 0.113
10!
2
Gọi Y là số vết nứt trong 2 mét đường. Khi đó, Y
có phân phối Poisson với
λT = 2.3 vết nứt/m × 2 m = 4.6 vết nứt
Khi đó,
e −4.6 (4.6)0
P (Y Ê 1) = 1 − P (Y = 0) = 1 − ≈ 0.9899
0!
ĐỊNH LÝ 1.7
Nếu BNN X có phân phối Poisson trên đoạn
có chiều dài T với tham số λ ( X ∼ P (λ)), thì
E (X ) = V (X ) = λT = µ (4)
Hơn nữa, µ − 1 É mod (X ) É µ.
ĐẶT VẤN ĐỀ
Giả sử tiến hành n phép thử độc lập, trong

mỗi phép thử xác suất để biến cố A xảy ra
đều bằng p . Khi đó, nếu X là số lần xuất
hiện biến cố A trong n phép thử đó thì X
phân phối theo quy luật nhị thức.
Tuy nhiên, nếu số phép thử n quá lớn mà
xác suất p lại quá nhỏ thì việc tính toán sẽ
gặp nhiều khó khăn. Vì vậy, trong trường
hợp n lớn, p nhỏ ta dùng quy tắc phân phối
Poisson.
ĐỊNH LÝ 1.8
Giả sử trong hàm phân phối nhị thức
b(k; n, p), cho n → ∞ và p → 0 sao cho np tiến
về µ > 0. Khi đó,
b(k; n, p) → P (k; µ) (5)
ĐỊNH LÝ 1.8
Giả sử trong hàm phân phối nhị thức
b(k; n, p), cho n → ∞ và p → 0 sao cho np tiến
về µ > 0. Khi đó,
b(k; n, p) → P (k; µ) (5)
Do đó, khi n lớn và p nhỏ, b(k; n, p) ≈ p(k; µ), với

λT = np → µ. Quy tắc xấp xỉ này được áp dụng nếu
n > 50 và np < 5.
VÍ DỤ 1.6
Xác suất để trong khi vận chuyển mỗi chai
rượu bị vỡ là 0.001. Người ta tiến hành vận
chuyển 2000 chai rượu đến cửa hàng.
1
Tìm số chai vỡ trung bình khi vận
chuyển.
VÍ DỤ 1.6
Xác suất để trong khi vận chuyển mỗi chai
rượu bị vỡ là 0.001. Người ta tiến hành vận
chuyển 2000 chai rượu đến cửa hàng.
1
Tìm số chai vỡ trung bình khi vận
chuyển.
2
Tìm số chai vỡ có khả năng nhiều nhất
khi vận chuyển.
1. Bài toán thỏa mãn dãy phép thử

Bernoulli. Vì n = 2000 khá lớn, p = 0.001 khá
nhỏ và tích np = 2 = const nên nếu gọi X là
số chai rượu bị vỡ khi vận chuyển thì X là
biến ngẫu nhiên phân phối theo quy luật
Poisson. Số chai vỡ trung bình chính là kỳ
vọng của X
E (X ) = µ = 2
2. Số chai vỡ có khả năng xảy ra nhiều nhất

là mod(X)
⇒ µ − 1 É mod (X ) É µ
⇒ mod (X ) = 1
và
mod (X ) = 2.
VÍ DỤ 1.7
Một trạm cho thuê xe taxi có 3 xe, hàng ngày
phải nộp thuế 80 nghìn/xe. Mỗi chiếc xe cho
thuê được với giá 200 nghìn/ngày. Giả sử yêu
cầu thuê xe của trạm là biến ngẫu nhiên X
có phân phối Poisson với tham số λ = 3.
1
Tính xác suất trong một ngày có 3 khách
thuê.
VÍ DỤ 1.7
Một trạm cho thuê xe taxi có 3 xe, hàng ngày
phải nộp thuế 80 nghìn/xe. Mỗi chiếc xe cho
thuê được với giá 200 nghìn/ngày. Giả sử yêu
cầu thuê xe của trạm là biến ngẫu nhiên X
có phân phối Poisson với tham số λ = 3.
1
Tính xác suất trong một ngày có 3 khách
thuê.
2
Tính tiền lãi trung bình trạm thu được
trong một ngày.
1
Xác suất trong một ngày có 3 khách thuê là
e −3 × 33
P (X = 3) = ≈ 0.2240
3!
1
e −3 × 33
P (X = 3) = ≈ 0.2240
3!
2
Gọi Y là tiền lãi trung bình trạm thu được trong
một ngày. Ta xét các trường hợp sau:
Không có xe nào được thuê:
e −3 × 30
P (Y = −240) = P (X = 0) = ≈ 0.0498
0!
1
e −3 × 33
P (X = 3) = ≈ 0.2240
3!
2
e −3 × 30
P (Y = −240) = P (X = 0) = ≈ 0.0498
0!
Có 1 xe được thuê:
e −3 × 31
P (Y = −40) = P (X = 1) = ≈ 0.1494
1!
1
e −3 × 33
P (X = 3) = ≈ 0.2240
3!
2
e −3 × 30
P (Y = −240) = P (X = 0) = ≈ 0.0498
0!
e −3 × 31
P (Y = −40) = P (X = 1) = ≈ 0.1494
1!
e −3 × 32
P (Y = 160) = P (X = 2) = ≈ 0.2240
2!
1
e −3 × 33
P (X = 3) = ≈ 0.2240
3!
2
e −3 × 30
P (Y = −240) = P (X = 0) = ≈ 0.0498
0!
e −3 × 31
P (Y = −40) = P (X = 1) = ≈ 0.1494
1!
e −3 × 32
P (Y = 160) = P (X = 2) = ≈ 0.2240
2!
Có 3 xe được thuê: P (Y = 360) = P (X Ê 3) =
1
e −3 × 33
P (X = 3) = ≈ 0.2240
3!
2
e −3 × 30
P (Y = −240) = P (X = 0) = ≈ 0.0498
0!
e −3 × 31
P (Y = −40) = P (X = 1) = ≈ 0.1494
1!
e −3 × 32
P (Y = 160) = P (X = 2) = ≈ 0.2240
2!
Có 3 xe được thuê: P (Y = 360) = P (X Ê 3) =
Có 3 xe được thuê, có nghĩa là số khách

thuê xe lớn hơn hoặc bằng 3:
P (Y = 360) = P (X Ê 3) =
1 − (0.0498 + 0.1494 + 0.2240) ≈ 0.5768
Có 3 xe được thuê, có nghĩa là số khách

thuê xe lớn hơn hoặc bằng 3:
P (Y = 360) = P (X Ê 3) =
1 − (0.0498 + 0.1494 + 0.2240) ≈ 0.5768
Tiền lãi trung bình của trạm trong một
ngày là
E (Y ) = −240 × 0.0498 + (−40) × 0.1494+
+160×0.2240+360×0.5768 = 225.56 nghìn đồng.
Các phân phối liên tục Phân phối đều
ĐỊNH NGHĨA 2.1

Đại lượng ngẫu nhiên X được gọi là có phân
phối đều trên đoạn [a, b] nếu hàm mật độ
của X là

1
, x ∈ [a, b]

f (x) = b − a
 0, x ∉ [a, b]
Kí hiệu X ∼ U (a, b)
ĐỊNH LÝ 2.1
Nếu X ∼ U (a, b) thì
a +b
E (X ) = ,
2
(b − a)2
V (X ) =
12
Kỳ vọng của BNN liên tục X có phân phối

đều là
¸b
b
x x2 a +b
Z ·
E (X ) = dx = =
a b−a 2(b − a) a 2
Kỳ vọng của BNN liên tục X có phân phối

đều là
¸b
b
x x2 a +b
Z ·
E (X ) = dx = =
a b−a 2(b − a) a 2
Phương sai của X là

a +b 2
Z bµ
¶
1
V (X ) = x− × dx =
a 2 b−a
¶3 ¯¯b
a +b ¯ (b − a)2
µ
1
= × x− ¯ =
3(b − a) 2 ¯ 12
a
Ý nghĩa. Quy luật phân phối đều có ý nghĩa

trong phương pháp phi tham số. Nếu ta
không biết gì về giá trị của tham số cần ước
lượng thì mỗi giá trị có thể có của tham số
đó là đồng khả năng. Điều đó dẫn đến việc
quan niệm tham số cần ước lượng như 1
biến ngẫu nhiên tuân theo quy luật phân
phối đều.
VÍ DỤ 2.1
Khi thâm nhập vào thị trường mới, doanh
nghiệp không thể khẳng định được 1 cách
chắc chắn doanh số hàng tháng có thể đạt
được sẽ là bao nhiêu mà chỉ dự kiến được
rằng doanh số tối thiểu là 20 triệu/ tháng và
tối đa 40 triệu/tháng. Tìm xác suất để doanh
nghiệp đạt được doanh số tối thiểu là 35
triệu/ tháng.
Gọi X là doanh số hàng tháng mà doanh

nghiệp có thể đạt được. Do không có thông
tin gì hơn nên có thể xem X là biến ngẫu
nhiên liên tục phân phối đều trên khoảng
(20, 40).
Gọi X là doanh số hàng tháng mà doanh

nghiệp có thể đạt được. Do không có thông
tin gì hơn nên có thể xem X là biến ngẫu
nhiên liên tục phân phối đều trên khoảng
(20, 40). X có hàm mật độ là

1
, x ∈ [20, 40]

f (x) = 40 − 20
 0, x ∉ [20, 40]
Z+∞ Z40
1
P (X > 35) = f (x)d x = d x = 0, 25
40 − 20
35 35
Các phân phối liên tục Phân phối mũ
Gọi BNN N là số vết nứt trong x (m) trên mặt đường.

Nếu số vết nứt trung bình trên 1 mét đường là λ thì N
có phân phối Poisson với kỳ vọng λx.

Gọi BNN X là chiều dài của đoạn đường tính từ 1
điểm bất kỳ đến điểm nào đó sao cho có 1 vết nứt
xuất hiện.
Khi đó, xác suất để chiều dài của đoạn đường này lớn
hơn x mà không có vết nứt nào cả là
e −λx (λx)0
P (X > x) = P (N = 0) = = e −λx
0!

Gọi BNN X là chiều dài của đoạn đường tính từ 1
điểm bất kỳ đến điểm nào đó sao cho có 1 vết nứt
xuất hiện.
Khi đó, xác suất để chiều dài của đoạn đường này lớn
hơn x mà không có vết nứt nào cả là
e −λx (λx)0
P (X > x) = P (N = 0) = = e −λx
0!
F (x) = P (X É x) = 1 − e −λx , x Ê0 (6)

là hàm phân phối xác suất của X .
Lấy đạo hàm của F (x), ta được hàm mật độ

của X là
f (x) = λe −λx , x Ê0
ĐỊNH NGHĨA 2.2 (PHÂN PHỐI MŨ)

BNN X xác định khoảng cách giữa hai lần
xuất hiện liên tiếp của một biến cố với số lần
xuất hiện biến cố trung bình là λ > 0 trên
một đơn vị (thời gian hoặc không gian) là
BNN có phân phối mũ với tham số λ. Hàm
mật độ xác suất của X là
f (x) = λe −λx for 0Éx <∞ (7)
Kí hiệu X ∼ E (λ)
ĐỊNH LÝ 2.2
1 1
Nếu X ∼ E (λ) thì E (X ) = , V (X ) = ,
λ λ2
F (x) = 1 − e −λx , x Ê 0, P (a É X < b) = e −aλ − e −bλ
CHÚ Ý
Khoảng thời gian giữa hai lần xuất hiện liên

tiếp của một biến cố có luật phân phối mũ.
Khoảng thời gian giữa hai ca cấp cứu ở
một bệnh viện, giữa hai trận lụt hay động
đất là những BNN có luật phân phối mũ.
CHÚ Ý
Khoảng thời gian giữa hai lần xuất hiện liên

tiếp của một biến cố có luật phân phối mũ.
Khoảng thời gian giữa hai ca cấp cứu ở
một bệnh viện, giữa hai trận lụt hay động
đất là những BNN có luật phân phối mũ.
Trong các hệ thống kỹ thuật, thời gian
làm việc liên tục của máy móc thiết bị
giữa 2 lần sửa chữa cũng thường phân
phối theo quy luật mũ.
VÍ DỤ 2.2
Biến ngẫu nhiên liên tục X phân phối theo
quy luật mũ với hàm mật độ xác suất
(
2.e −2x , x Ê 0
f (x) =
0, x < 0
Tìm kỳ vọng và phương sai của X
VÍ DỤ 2.2
Biến ngẫu nhiên liên tục X phân phối theo
quy luật mũ với hàm mật độ xác suất
(
2.e −2x , x Ê 0
f (x) =
0, x < 0
Tìm kỳ vọng và phương sai của X

1 1
E (X ) = = 0, 5; V (X ) = 2 = 0, 25
λ λ
ỨNG DỤNG THỰC TẾ
Xác suất hoạt động liên tục của thiết bị

trong khoảng thời gian t không phụ thuộc
vào quãng thời gian hoạt động trước đó mà
chỉ phụ thuộc vào độ dài của khoảng thời
gian t mà thôi.
Gọi A là biến cố thiết bị hoạt động tốt trong

khoảng thời gian (0, t 0), B là biến cố thiết bị
hoạt động tốt trong khoảng thời gian
(t 0 , t + t 0 ). Khi đó A.B là biến cố thiết bị hoạt
động tốt trong khoảng thời gian (0, t 0 + t ).
P (A) = P (T Ê t 0 ) = 1 − F (t 0 ) = e −λt0 ,
P (B ) = P (T Ê t ) = 1 − F (t ) = e −λt ,
P (A.B ) = P (T Ê t + t 0 ) = 1 − P (T < t + t 0 ) =
1 − F (t + t 0 ) = e −λ(t +t0 ) . Bây giờ ta tìm xác suất
để thiết bị sẽ hoạt động tốt trong khoảng
thời gian (t 0, t + t 0) với điều kiện nó đã hoạt
động tốt trong khoảng thời gian (0, t 0)
P (A.B ) e −λ(t +t0 )
P (B |A) = = −λt = e −λt = P (B )
P (A) e 0
Vậy A, B độc lập với nhau và P (B ) chỉ phụ
thuộc t .
Các phân phối liên tục Phân phối chuẩn
ĐỊNH NGHĨA 2.3

BNN liên tục X với hàm mật độ xác suất
(x − µ)2
1 −
f (x) = p e 2σ2 , −∞ < x < ∞ (8)
σ 2π
là BNN chuẩn với tham số µ với −∞ < µ < ∞
và σ > 0. Hơn nữa,
E (X ) = µ và V (X ) = σ2 (9)
Ký hiệu X ∼ N (µ, σ2)
ĐỊNH LÝ 2.3
Nếu X là BNN chuẩn thì
1
0 É f (x) É 1, ∀x ∈ (−∞, ∞)
Z ∞ Z ∞
1 (x−µ)2
−
2
f (x)d x = p e 2σ2 d x = 1
−∞ σ 2π −∞
CHỨNG MINH.
(x − µ)
Đổi biến y = ; ta được
σ
Z ∞ Z ∞
1 (x−µ)2 1 y2
− −
p e 2σ d x = p
2
e 2 dy
σ 2π −∞ 2π −∞
Bây giờ, ta sẽ chứng minh
Z ∞
−
y2 p
e 2 dy = 2π
−∞
Z ∞ y2
−
Đặt I = e 2 d y.
−∞
Khi đó
Z ∞ y2
Z ∞ 2
Z ∞Z ∞ y 2 +x 2
− x2
I2 = e − 2
dy × e dx = e− 2 d yd x
−∞ −∞ −∞ −∞
Tính tích phân kép bằng cách đổi sang tọa độ cực.
Đặt x = r cos θ, y = r sin θ, và d yd x = r d θd r. Do đó,
Z ∞ Z 2π 2
Z ∞
r2
2 − r2
I = e r d θd r = 2π r e− 2 d r =
0 0 0
h r2
i∞
= −2πe − 2 = 2π.
0
p
Vậy, I = 2π.
Các phân phối liên tục Phân phối chuẩn chuẩn tắc
ĐỊNH NGHĨA 2.4

Phân phối chuẩn với tham số µ = 0 và σ2 = 1
được gọi là phân phối chuẩn chuẩn tắc.
BNN Z tuân theo phân phối chuẩn chuẩn
tắc được gọi là BNN chuẩn chuẩn tắc. Kí
hiệu Z ∼ N (0, 1). Hàm mật độ xác suất của Z
là
1 z2
f Z (z) = p e − 2 , −∞ < z < ∞ (10)
2π
ĐỊNH NGHĨA 2.5

Đồ thị của f Z (z) được gọi là đường cong (z)
chuẩn chuẩn tắc. Hàm phân phối xác suất
của Z là
Z z
P (Z É z) = f Z (y)d y = Φ(z) (11)
−∞
Φ(z) được gọi là hàm Gauss.
ĐỊNH LÝ 2.4
Hàm mật độ và hàm phân phối xác suất của Z có
tính chất sau:
1 z2
1
f Z (z) = p e − 2 làm hàm chẵn
2π
1
2
max f Z (z) = f Z (0) = p
2π
Z 0 Z +∞
1
3
f Z (z)d z = f Z (z)d z =
−∞ 0 2
4
Φ(−z) = 1 − Φ(z), −∞ < z < ∞
5
P (Z É −z) = P (Z > z), −∞ < z < ∞
VÍ DỤ 2.3 (TÍNH CÁC XÁC SUẤT CỦA BNN CHUẨN

CHUẨN TẮC )
1
P (Z > 1.26) = 1 − P (Z É 1.26) = 1 − 0.89617 = 0.10383
2
P (Z < −0.86) = P (Z > 0.86) = 0.19489
3
P (Z > −1.37) = P (Z < 1.37) = 0.91466
4
P (−1.25 < Z < 0.37) = P (Z < 0.37) − P (Z < −1.25) =
= 0.53866
5
P (Z É −4.6) = P (Z > 4.6) = 2.1146 × 10−6
VÍ DỤ 2.4
1
Tìm giá trị z sao cho P (Z > z) = 0.05. Xác suất này
được viết lại dưới dạng P (Z É z) = 0.95. Chúng ta
không tìm chính xác 0.95 mà tìm giá trị gần nhất
của nó là 0.950529, giá trị tương ứng với z = 1.65.
VÍ DỤ 2.4
1
Tìm giá trị z sao cho P (Z > z) = 0.05. Xác suất này
được viết lại dưới dạng P (Z É z) = 0.95. Chúng ta
không tìm chính xác 0.95 mà tìm giá trị gần nhất
của nó là 0.950529, giá trị tương ứng với z = 1.65.
2
Tìm giá trị z sao cho P (−z < Z < z) = 0.99. Do phân
phối chuẩn có tính đối xứng, diện tích ở 2 bên của
đồ thị phải bằng 0.005. Do đó, giá trị z tương ứng
với xác suất 0.995 có thể được tìm bằng cách tra
bảng. Giá trị gần nhất của nó là 0.99506, khi
z = 2.58
Các phân phối liên tục Điểm phân vị phải z α
ĐỊNH NGHĨA 2.6

Điểm phân vị phải z α là giá trị z thỏa
P (Z Ê z α ) = α
Các phân phối liên tục Điểm phân vị phải z α
ĐỊNH NGHĨA 2.6

Điểm phân vị phải z α là giá trị z thỏa
P (Z Ê z α ) = α
Các phân phối liên tục Phân phối chuẩn không chuẩn tắc
ĐỊNH LÝ 2.5
Nếu X là BNN chuẩn với kỳ vọng µ và
phương sai σ2, thì Y = a X + b cũng là BNN
chuẩn với kỳ vọng aµ + b và phương sai a 2σ2.
Chứng minh. Giả sử a > 0. Cho F X (x), FY (x) lần lượt là

hàm phân phối xác suất của X , Y . Khi đó
F Y (x) = P (Y É x) = P (a X + b É x) =
x −b x −b
µ ¶ µ ¶
=P X É = FX
a a
Đạo hàm 2 vế, ta được hàm mật độ xác suất của Y
¶2
1 x −b x −b
µ ¶ µ
1
f Y (x) = f = p exp − − µ /(2σ2 ) =
a a aσ 2π a
1
= p exp −(x − b − aµ)2 /(2a 2 σ2 )
aσ 2π
Điều này chứng tỏ rằng Y là BNN chuẩn với kỳ vọng
aµ + b và phương sai a 2 σ2 .
ĐỊNH LÝ 2.6 (CHUẨN HÓA BNN CHUẨN)

Nếu X ∼ N (µ, σ2) thì
X −µ
Z= ∼ N (0, 1) (12)
σ
Chứng minh. Tìm kỳ vọng và phương sai của BNN

X −µ
chuẩn chuẩn tắc Z = · Ta có E (Z ) =
σ
Z ∞ Z ∞
1 − x2
2 1 h − x 2 i∞
= x f Z (x)d x = p xe d x = − p e 2 = 0.
−∞ 2π −∞ 2π −∞
Z ∞
2 2 2 1 x2
V ar (Z ) = E (Z ) − [E (Z )] = E (Z ) = p x 2e − 2 d x
2π −∞
x2
Tích phân từng phần (với u = x và d v = xe − 2 ) ta được
µ 2 i∞
Z ∞ ¶
1 h − x2 − x2
2
V ar (Z ) = p −xe + e dx =
2π −∞ −∞
Z ∞
1 − x2
2
=p e d x = 1.
2π −∞
ĐỊNH LÝ 2.7
Nếu X ∼ N (µ, σ2) thì E (X ) = µ và V (X ) = σ2
ĐỊNH LÝ 2.7
Nếu X ∼ N (µ, σ2) thì E (X ) = µ và V (X ) = σ2
Chứng minh. Vì X = µ + σZ , nên
E (X ) = µ + σE (Z ) = µ
và
V ar (X ) = σ2V ar (Z ) = σ2 .
VÍ DỤ 2.5
Giả sử cường độ dòng điện tuân theo quy
luật phân phối chuẩn với kỳ vọng 10
milliamperes và phương sai 4
(milliamperes)2. Tìm xác suất để cường độ
dòng điện lớn hơn 13 milliamperes?
GIẢI.
Cho X là cường độ dòng điện. Xác suất cần tìm là

P (X > 13).
X − 10
Cho Z = ·
2
Chú ý khi X > 13 thì Z > 1.5. Do đó,
P (X > 13) = P (Z > 1.5) = 1 − P (Z É 1.5) = 0.066807
HÌNH: Chuẩn hóa BNN chuẩn
ĐỊNH LÝ 2.8
Giả sử X là BNN chuẩn với kỳ vọng µ và
phương sai σ2. Khi đó,
X −µ x −µ
¶ µ
P (X É x) = P É = P (Z É z) (13)
σ σ
X −µ
với Z = là BNN chuẩn chuẩn tắc, và
σ
x −µ
z= là giá trị z thu được bằng cách
σ
chuẩn hóa X .
ĐỊNH LÝ 2.9
a −µ b −µ
µ¶
P (a É X É b) = P ÉZ É =
σ σ
b −µ ³a − µ´
µ ¶
=Φ −Φ (14)
σ σ
b −µ
µ ¶
P (X É b) = Φ , (15)
σ
³a − µ´
P (X Ê a) = 1 − Φ (16)
σ
VÍ DỤ 2.6
Giả sử cường độ dòng điện tuân theo quy
luật phân phối chuẩn với kỳ vọng 10
milliamperes và phương sai 4
(milliamperes)2.
1
Tìm xác suất để cường độ dòng điện có
giá trị từ 9 đến 11 milliamperes?
2
Xác định giá trị sao cho xác suất của
cường độ dòng điện nhỏ hơn giá trị này là
0.98.
9 − 10 X − µ 11 − 10
µ ¶
1
P (9 < X < 11) = P < < =
2 σ 2
= P (−0.5 < Z < 0.5) = P (Z < 0.5)−P (Z < −0.5) = 0.38292
2
Ta cần tìm x sao cho P (X < x) = 0.98. Bằng cách
chuẩn hóa, xác suất này được viết lại dưới dạng
X − 10 x − 10 x − 10
µ ¶ µ ¶
P (X < x) = P < =P Z < = 0.98
2 2 2
Sử dụng bảng giá trị để tìm giá trị z sao cho
P (Z < z) = 0.98. Xác suất gần nhất khi tra bảng là
P (Z < 2.06) = 0.9803. Do đó,
x − 10
= 2.06 ⇒ x = 14.12mA
2
VÍ DỤ 2.7
Đường kính của 1 loại chi tiết do 1 máy sản
xuất có phân phối chuẩn, kỳ vọng
µ = 20mm , phương sai (0.2mm)2 . Tính xác
suất lấy ngẫu nhiên 1 chi tiết
1
Có đường kính trong khoảng 19.9mm đến
20.3mm
2
Có đường kính sai khác với kỳ vọng
không quá 0.3mm
Gọi X là đường kính của 1 chi tiết. Ta có

X ∼ N (20, (0.2)2 )
1.µP (19.9 < X¶ < 20.3)
µ = ¶
20.3 − 20 19.9 − 20
Φ −Φ = 0.62465
0.2 0.2

X ∼ N (20, (0.2)2 )
1.µP (19.9 < X¶ < 20.3)
µ = ¶
20.3 − 20 19.9 − 20
Φ −Φ = 0.62465
0.2 0.2
2. µ ¶ µ ¶
0.3 −0.3
P (|X − µ| < 0.3) = Φ −Φ = 0.86638.
0.2 0.2

X ∼ N (20, (0.2)2 )
1.µP (19.9 < X¶ < 20.3)
µ = ¶
20.3 − 20 19.9 − 20
Φ −Φ = 0.62465
0.2 0.2
2. µ ¶ µ ¶
0.3 −0.3
P (|X − µ| < 0.3) = Φ −Φ = 0.86638.
0.2 0.2
Bấm máy. Mod e → ST AT → AC →
Shi f t − 1 → Di st r → P (
HÌNH: Xác định giá trị x thỏa mãn yêu cầu về xác suất
Với mọi BNN chuẩn,

X −µ
P (µ − σ < X < µ + σ) = P (−1 < Z = < 1) = 0.6827
σ
X −µ
P (µ − 2σ < X < µ + 2σ) = P (−2 < Z = < 2) = 0.9545
σ
X −µ
P (µ − 3σ < X < µ + 3σ) = P (−3 < Z = < 3) = 0.9973
σ
Hơn nữa, từ tính đối xứng ta có
P (X < µ) = P (X > µ) = 0.5.
HÌNH: Xác suất ứng với BNN chuẩn

ỨNG DỤNG CỦA QUY LUẬT CHUẨN
Nếu biến ngẫu nhiên X là tổng của một số

lớn các biến ngẫu nhiên độc lập và giá trị
của mỗi biến chỉ chiếm vị trí nhỏ trong tổng
đó thì X sẽ có phân phối xấp xỉ chuẩn.
ỨNG DỤNG CỦA QUY LUẬT CHUẨN
Nếu biến ngẫu nhiên X là tổng của một số

lớn các biến ngẫu nhiên độc lập và giá trị
của mỗi biến chỉ chiếm vị trí nhỏ trong tổng
đó thì X sẽ có phân phối xấp xỉ chuẩn.
Trong công nghiệp, người ta đã xác định
được rằng kích thước của các chi tiết do các
nhà máy sản xuất ra sẽ phân phối chuẩn
nếu quá trình sản xuất diễn ra bình thường.
Các định lý giới hạn Hội tụ theo xác suất
ĐỊNH NGHĨA 3.1

Dãy các biến ngẫu nhiên X 1, X 2, . . . gọi là hội
tụ theo xác suất về biến ngẫu nhiên X , nếu
như
³ ´
∀ε > 0, lim P |X n − X | > ε = 0.
n→∞
Các định lý giới hạn Định lý Chebyshev
ĐỊNH LÝ 3.1
Cho Y là biến ngẫu nhiên không âm có kỳ
vọng hữu hạn. Khi đó với mọi a > 0 ta có
³ ´ E (Y )
P Y >a É (17)
a
Y LÀ BIẾN NGẪU NHIÊN RỜI RẠC CÓ TẬP GIÁ TRỊ

n
V = y1, y2, . . . , yn }
Y y1 y2 . . . yi . . . yn
P p1 p2 . . . pi . . . pn
n o n o
Đặt V1 = y i ∈ V : y i É a và V2 = y i ∈ V : y i > a . Khi đó
X X X
E (Y ) = y i P (Y = y i ) = y i P (Y = y i )+ y i P (Y = y i )
y i ∈V y i ∈V1 y i ∈V2
X X
Ê y i P (Y = y i ) Ê a P (Y = y i ) = aP (Y > a)■
y i ∈V2 y i ∈V2
Y LÀ BIẾN NGẪU NHIÊN LIÊN TỤC CÓ HÀM MẬT ĐỘ f (x)
Do Y có tập giá trị không âm nên

Z +∞
E (Y ) = x f (x)d x =
0
Z a Z +∞
x f (x)d x +
= x f (x)d x
0 a
Z +∞ Z +∞
Ê x f (x)d x Ê a f (x)d x = aP (Y > a)■
a a
ĐỊNH LÝ 3.2 (BẤT ĐẲNG THỨC CHEBYSHEV )

Nếu X là biến ngẫu nhiên có kỳ vọng và
phương sai hữu hạn thì với mọi ε > 0 ta có
³ ´ V (X )
P |X − E (X )| > ε É 2 (18)
ε
hay
³ ´ V (X )
P |X − E (X )| É ε Ê 1 − 2 (19)
ε
CHỨNG MINH.
Áp dụng công thức (17) cho biến ngẫu

nhiên Y = (X − E (X ))2 và a = ε2, ta được
³ ´ ³ ´ E (Y )
2
P |X − E (X )| > ε = P Y > ε É 2
ε
³ ´
E (X − E (X ))2 V (X )
= =
ε2 ε2
ĐỊNH LÝ CHEBYSHEV
ĐỊNH LÝ 3.3
Giả sử X 1 , X 2 , . . . là dãy các biến ngẫu nhiên độc lập, có
các kỳ vọng hữu hạn và phương sai đều bị chặn trên
bởi hằng số C (có nghĩa là V (X i ) É C , ∀i = 1, 2, . . .). Khi
đó
µ¯ ¯
¯ X 1 + . . . + X n E (X 1 ) + . . . + E (X n ) ¯
¶
lim P ¯¯ − ¯>ε =0
n→∞ n n ¯
(20)
CHỨNG MINH
X1 + . . . + Xn
Đặt X = · Do X 1 , X 2 , . . . là dãy các
n
biến ngẫu nhiên độc lập nên
E (X 1 ) + . . . + E (X n )
E (X ) =
n
V (X 1 ) + . . . + V (X n ) C
V (X ) = É
n2 n
Áp dụng công thức (18) cho biến ngẫu

nhiên X , ta có
µ¯ ¯
¯ X 1 + . . . + X n E (X 1 ) + . . . + E (X n ) ¯
¶
P ¯¯ − ¯>ε =
n n ¯
V (X ) C
= P (|X − E (X )| > ε) É = −→ 0, n → ∞.
ε2 nε2
Định lý Chebyshev chứng tỏ rằng trung bình số học

của các biến ngẫu nhiên độc lập hội tụ theo xác suất
về trung bình số học của kỳ vọng tương ứng của nó.
Nói cách khác nó chứng tỏ sự ổn định của trung
bình số học của một số lớn các biến ngẫu nhiên
xung quanh trung bình số học của các kỳ vọng của
các biến ngẫu nhiên ấy. Như vậy mặc dù từng biến
ngẫu nhiên độc lập có thể nhận giá trị khác nhiều so
với kỳ vọng của chúng, song trung bình số học của
một số lớn của một số lớn các biến ngẫu nhiên lại
nhận giá trị gần bằng trung bình số học của chúng
với xác suất rất lớn. Điều đó cho phép dự đoán giá trị
trung bình số học của các biến ngẫu nhiên.
Định lý Chebyshev có ứng dụng rộng rãi trong nhiều lĩnh vực,
chẳng hạn nó chính là cơ sở cho phương pháp đo lường trong
vật lý. Để xác định giá trị của một đại lượng vật lý nào đó người
ta thường tiến hành đo lần độc lập và lấy trung bình số học của
các kết quả đo làm giá trị thực của đại lượng cần đo. Thật vậy,
giả sử xem kết quả của n lần đo là các biến ngẫu nhiên
X 1 , X 2 , . . . , X n . Ta thấy rằng các biến ngẫu nhiên này độc lập, có
cùng kỳ vọng bằng chính giá trị thực của đại lượng vật lý (giả sử
không có sai số hệ thống), các phương sai của chúng đều bị
chặn trên bởi bình phương của độ chính xác của thiết bị đo. Do
đó theo định lý Chebyshev ta có thể cho rằng trung bình số học
của các kết quả đo sẽ sai lệch rất ít so với giá trị thực của đại
lượng vật lý với xác suất gần như bằng một.
Luật số lớn và Định lý giới hạn trung tâm Luật số lớn
Cho X 1, X 2, . . . , X n là các BNN độc lập, có

cùng phân phối với kỳ vọng µ và độ lệch
chuẩn σ.

chuẩn σ.
Sn
Xét S n = X 1 + X 2 + . . . + X n và X n =
n
ĐỊNH LÝ 4.1 (LUẬT SỐ LỚN)

Cho X 1, X 2, . . . , X n , . . . là các BNN độc lập, có
cùng phân phối với kỳ vọng µ và phương sai
σ2 . Với mỗi giá trị của n , xét X n là trung bình
của n BNN đầu tiên. Khi đó, với mọi a > 0, ta
có
lim P (|X n − µ| < a) = 1 (21)
n→∞
Luật số lớn và Định lý giới hạn trung tâm Định lý giới hạn trung tâm

chuẩn σ

chuẩn σ
Với mỗi giá trị của n , xét
Sn
S n = X 1 + X 2 + . . . + X n và X n =
n

chuẩn σ
Sn
S n = X 1 + X 2 + . . . + X n và X n =
n p
E (S n ) = nµ; V (S n ) = nσ ; σ(S n ) = nσ
2

chuẩn σ
Sn
S n = X 1 + X 2 + . . . + X n và X n =
n p
2
σ2 σ
E (X n ) = µ; V (X n ) = ; σ(X n ) = p
n n

chuẩn σ
Sn
S n = X 1 + X 2 + . . . + X n và X n =
n p
2
σ2 σ
E (X n ) = µ; V (X n ) = ; σ(X n ) = p
n n
S n và X n có cùng BNN chuẩn hóa
S n − nµ X n − µ
Zn = p = p
σ n σ/ n
ĐỊNH LÝ 4.2 (ĐỊNH LÝ GIỚI HẠN TRUNG TÂM)

Với n đủ lớn, ta có X n ≈ N (µ, σ2/n);
S n ≈ N (nµ, nσ2 ); Zn ≈ N (0, 1)
lim P (Zn É x) = Φ(x), ∀x ∈ R (22)

n→∞
với Φ(x) là hàm phân phối Gauss
HÌNH: Xấp xỉ phân phối đều bởi phân phối chuẩn

Luật số lớn và Định lý giới hạn trung tâm Xấp xỉ phân phối nhị thức bởi phân phối chuẩn
HÌNH: Xấp xỉ phân phối nhị thức bởi phân phối chuẩn
HÌNH: Xấp xỉ phân phối nhị thức bởi phân phối chuẩn
ĐỊNH LÝ 4.3
Nếu X là BNN có phân phối nhị thức với tham số n và
p,
X − np
Z=p (23)
np(1 − p)
là BNN xấp xỉ BNN có phân phối chuẩn chuẩn tắc.
Muốn xấp xỉ BNN có phân phối nhị thức bởi phân
phối chuẩn, ta cần áp dụng hiệu chỉnh liên tục như
sau:
Ã !
x + 0.5 − np
P (X É x) = P (X É x + 0.5) ≈ P Z É p (24)
np(1 − p)
Ã !
x − 0.5 − np
P (x É X ) = P (x − 0.5 É X ) ≈ P p ÉZ
np(1 − p)
(25)
Sự xấp xỉ sẽ tốt với np > 5 và n(1 − p) > 5.
VÍ DỤ 4.1
Giả sử trong kênh truyền kỹ thuật số, xác
suất xuất hiện lỗi là 10−5. Nếu 16 triệu bit
được truyền tải, thì xác suất xuất hiện nhiều
nhất 150 lỗi là bao nhiêu?
Giải.
P (X É 150) = P (X É 150.5)
Ã !
X − 160 150.5 − 160
≈P p Ép
160(1 − 10−5 ) 160(1 − 10−5 )
≈ P (Z É −0.75) ≈ 0.22663
Vì np = (16 × 106) × (10−5) = 160 và n(1 − p) khá
lớn, nên sự xấp xỉ được cho là tốt trong
trường hợp này.
VÍ DỤ 4.2
Giả sử trong kênh truyền kỹ thuật số, xác
suất xuất hiện lỗi là p = 0.1. Nếu chỉ có n = 50
bit được truyền tải, thì xác suất xuất hiện
nhiều nhất 2 lỗi là bao nhiêu?
Giải.
! Ã Ã ! Ã !
50 50 50
P (X É 2) = ×0.950 + ×0.1×0.949 + ×0.12 ×0.948
0 1 2
≈ 0.112.
Giải.
! Ã Ã ! Ã !
50 50 50
P (X É 2) = ×0.950 + ×0.1×0.949 + ×0.12 ×0.948
0 1 2
≈ 0.112. Xấp xỉ theo phân phối chuẩn, ta có

µ = E (X ) = np = 50 × 0.1 = 5
X −5
µ ¶
2.5 − 5
P (X É 2) = P p Ép
50 × 0.1 × 0.9 50 × 0.1 × 0.9
≈ P (Z < −1.18) = 0.119.
Giải.
! Ã Ã ! Ã !
50 50 50
P (X É 2) = ×0.950 + ×0.1×0.949 + ×0.12 ×0.948
0 1 2
≈ 0.112. Xấp xỉ theo phân phối chuẩn, ta có

µ = E (X ) = np = 50 × 0.1 = 5
X −5
µ ¶
2.5 − 5
P (X É 2) = P p Ép
50 × 0.1 × 0.9 50 × 0.1 × 0.9
≈ P (Z < −1.18) = 0.119.
Chúng ta có thể xấp xỉ P (X = 5) như sau:
µ ¶
4.5 − 5 5.5 − 5
P (5 É X É 5) = P (4.5 É X É 5.5) ≈ P ÉZ É
2.12 2.12
= P (−0.24 É Z É 0.24) = 0.19
Sự xấp xỉ này cho kết quả tốt so với giá trị

chính xác
Ã !
50
0.1849 ≈ × 0.15 × 0.945
5
Luật số lớn và Định lý giới hạn trung tâm Xấp xỉ phân phối Poisson bởi phân phối chuẩn
ĐỊNH LÝ 4.4
Nếu X là BNN Poisson với E (X ) = λ và V (X ) = λ,
X −λ
Z= p (26)
λ
xấp xỉ bởi BNN có phân phối chuẩn chuẩn tắc. Muốn

xấp xỉ BNN có phân phối Poisson bởi phân phối
chuẩn, ta cần áp dụng hiệu chỉnh liên tục như sau:
x + 0.5 − λ
µ ¶
P (X É x) = P (X É x + 0.5) ≈ P Z É p (27)
λ)
Sự xấp xỉ được xem là tốt nếu λ > 5.

VÍ DỤ 4.3 (XẤP XỈ PHÂN PHỐI POISSON BỞI

PHÂN PHỐI CHUẨN )
Giả sử số lượng phân tử a-mi-ăng trong một
mét vuông bụi bẩn bề mặt có phân phối
Poisson với kỳ vọng 1000. Nếu phân tích một
mét vuông bụi bẩn bề mặt, thì xác suất để
tìm thấy nhiều nhất 950 phân tử a-mi-ăng
là bao nhiêu?
Giải.
e −1000 × 1000x 950
X
P (X É 950) =
x=0 x!
Công thức tính toán này khá khó. Do đó, xác
suất có thể được xấp xỉ như sau
µ ¶
950.5 − 1000
P (X É 950) = P (X É 950.5) ≈ P Z É p
1000
= P (Z É −1.57) ≈ 0.058
CÁM ƠN CÁC EM ĐÃ CHÚ Ý LẮNG NGHE

Cac Quy Luat Phan Phoi 2023

Uploaded by

Document Information

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

Cac Quy Luat Phan Phoi 2023

Uploaded by

Copyright:

Available Formats

MỘT SỐ PHÂN PHỐI XÁC SUẤT THÔNG DỤNG

BÀI GIẢNG ĐIỆN TỬ

TS. Lê Xuân Đại

TP. HCM — 2023.

1 CÁC PHÂN PHỐI RỜI RẠC

1 CÁC PHÂN PHỐI RỜI RẠC

2 CÁC PHÂN PHỐI LIÊN TỤC

1 CÁC PHÂN PHỐI RỜI RẠC

2 CÁC PHÂN PHỐI LIÊN TỤC

3 CÁC ĐỊNH LÝ GIỚI HẠN

1 CÁC PHÂN PHỐI RỜI RẠC

2 CÁC PHÂN PHỐI LIÊN TỤC

3 CÁC ĐỊNH LÝ GIỚI HẠN

4 LUẬT SỐ LỚN VÀ ĐỊNH LÝ GIỚI HẠN TRUNG TÂM

PHÂN PHỐI BERNOULLI

ĐỊNH NGHĨA 1.1

Biết rằng 20% trong số những khách hàng đã mua

Hàm phân phối của X là

HÀM PHÂN BỐ XÁC SUẤT CỦA BNN BERNOULLI

KỲ VỌNG VÀ PHƯƠNG SAI CỦA BNN BERNOULLI

E (X ) = 0.5, V ar (X ) = 0.5 − 0.52 = 0.25.

Ta tiến hành n phép thử độc lập, trong mỗi

ĐỊNH NGHĨA 1.2

p = const ∈ (0, 1), q = 1 − p, được gọi là phân

BẢNG PHÂN PHỐI THEO QUY LUẬT NHỊ THỨC

mod (X ) = [np − q], hoặc mod (X ) = [np − q] + 1

Xét X i (i = 1, n) là các biến ngẫu nhiên độc

Xét X i (i = 1, n) là các biến ngẫu nhiên độc

Gọi p là xác suất một kiện hàng kiểm tra

Gọi p là xác suất một kiện hàng kiểm tra

Giả sử trong bình có N quả cầu trong đó có

ĐỊNH NGHĨA 1.3

PHÂN PHỐI POISSON

Vết nứt thường xuất hiện ngẫu nhiên dọc

PHÂN PHỐI POISSON

Vết nứt thường xuất hiện ngẫu nhiên dọc

Chia chiều dài của con đường thành n đoạn nhỏ

Chia chiều dài của con đường thành n đoạn nhỏ

Chia chiều dài của con đường thành n đoạn nhỏ

Khi đó, sự phân phối của BNN X được xấp xỉ như

Khi đó, sự phân phối của BNN X được xấp xỉ như

Khi đó, sự phân phối của BNN X được xấp xỉ như

Theo công thức xấp xỉ theo phân phối nhị thức,

Khi đó, sự phân phối của BNN X được xấp xỉ như

Theo công thức xấp xỉ theo phân phối nhị thức,

ĐỊNH NGHĨA 1.4

ĐỊNH NGHĨA 1.5

Bảng phân phối theo quy luật Poisson

Bảng phân phối theo quy luật Poisson

Phân phối Poisson có ứng dụng trong các

Phân phối Poisson có ứng dụng trong các

BNN CÓ PHÂN PHỐI POISSON

Số lỗi in sai trong một trang (hoặc một số trang)

BNN CÓ PHÂN PHỐI POISSON

Số lỗi in sai trong một trang (hoặc một số trang)

BNN CÓ PHÂN PHỐI POISSON

Số lỗi in sai trong một trang (hoặc một số trang)

BNN CÓ PHÂN PHỐI POISSON

Số lỗi in sai trong một trang (hoặc một số trang)

BNN CÓ PHÂN PHỐI POISSON

Số lỗi in sai trong một trang (hoặc một số trang)

BNN CÓ PHÂN PHỐI POISSON

Số lỗi in sai trong một trang (hoặc một số trang)

λT = 2.3 vết nứt/m × 5m = 11.5 vết nứt