Chương 3.

LÝ THUYẾT XÁC SUẤT

Chương 3
LÝ THUYẾT XÁC SUẤT

3.1 Biến cố ngẫu nhiên và xác suất

3.2 Đại lượng ngẫu nhiên

3.3 Một số quy luật phân phối xác suất

quan trọng
Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.1 Phép thử và biến cố

Phép thử là một thí nghiệm hay một quan sát

nào đó mà ta quan tâm

Các kết cục của phép thử được gọi là biến cố.
Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.1 Phép thử và biến cố

Phân loại biến cố

• Biến cố chắc chắn

• Biến cố không thể có

• Biến cố ngẫu nhiên

Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.1 Phép thử và biến cố

Biến cố chắc chắn (U): là biến cố nhất định xảy

ra khi phép thử được thực hiện

Biến cố không thể có (V): là biến cố không thể

xảy ra khi phép thử được thực hiện
Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.1 Phép thử và biến cố

Biến cố ngẫu nhiên: là biến cố có thể xảy ra

hoặc không xảy ra khi phép thử được thực
hiện.
Biến cố ngẫu nhiên được kí hiệu bởi các chữ
cái hoa A, B, C…
 Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.2 Định nghĩa cổ điển về xác suất

Trong một phép thử có n kết cục đồng khả

năng với m kết cục thuận lợi cho biến cố A. Xác
suất của biến cố A, kí kiệu P(A) là tỷ số:

m Số kết cục thuận lợi cho A

P ( A) = =
n Số kết cục đồng khả năng có thể xảy ra
Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.2 Định nghĩa cổ điển về xác suất

Tính chất
• 0 < P(A) < 1 A: ngẫu nhiên
• P(U) = 1
• P(V) = 0

Hệ quả: 0 ≤ P(A) ≤ 1 A: bất kỳ

 Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.3 Định nghĩa thống kê về xác suất

Định nghĩa 1. Giả sử ta thực hiện phép thử

nào đó n lần. Gọi nA là số lần biến cố A xuất
hiện. Khi đó tần suất xuất hiện biến cố A trong n
phép thử được định nghĩa:
nA
f n ( A) =
n
 Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.3 Định nghĩa thống kê về xác suất

Ví dụ: Tung 100 lần đồng xu thấy có 52 lần mặt

sấp xuất hiện, ta có fn(A) = 52/100
Số lần tung (n) Số lần xuất hiện Tần suất fn(A)
mặt sấp (nA)

Buffon 4040 2048 0.5069

Pearson 12000 6019 0.5016

Pearson 24000 12012 0.5005

 Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.3 Định nghĩa thống kê về xác suất

Khi số phép thử n nhỏ thì fn(A) thay đổi rõ rệt

còn khi n khá lớn thì tần suất fn(A) càng dao
động ít đi và khi n đủ lớn thì fn(A) sẽ dao động
xung quanh 1 vị trí cân bằng p không đổi nào
đó.
 Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.3 Định nghĩa thống kê về xác suất

Định nghĩa 2. Xác suất của biến cố A trong một

phép thử là giá trị cân bằng p không đổi khi số
phép thử tăng lên vô hạn.
Chú ý: Khi n đủ lớn ta lấy: p = P(A) ≈ fn(A)
 Chương 3
3.1 Biến cố ngẫu nhiên và xác suất
3.1.4 Nguyên lý xác suất lớn, xác suất nhỏ

Nguyên lý xác suất nhỏ: nếu một biến cố có

xác suất nhỏ (gần 0), biến cố đó hầu không xảy
ra trong một lần thực hiện phép thử.

Nguyên lý xác suất lớn: nếu một biến cố có

xác suất lớn (gần 1), biến cố đó hầu chắc chắn
xảy ra trong một lần thực hiện phép thử.
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.1 Định nghĩa và phân loại ĐLNN

Đại lượng ngẫu nhiên (biến ngẫu nhiên) là đại

lượng mà trong kết quả của phép thử sẽ nhận
một và chỉ một trong các giá trị có thể có với
một xác suất tương ứng xác định.
ĐLNN được ký hiệu : X, Y, Z,…
Các giá trị có thể có được ký hiệu: x, y, z,…
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.1 Định nghĩa và phân loại ĐLNN

Ví dụ.
Gọi X là số chấm xuất hiện khi gieo súc sắc
X nhận các giá trị có thể có: 1, 2, 3, 4, 5, 6

Gọi Y là trọng lượng các bao hàng do một

máy tự động đóng gói
Y cũng là một đại lượng ngẫu nhiên
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.1 Định nghĩa và phân loại ĐLNN

Đại lượng ngẫu nhiên được gọi là rời rạc nếu

tập các giá trị có thể có của nó là đếm được.

Đại lượng ngẫu nhiên được gọi là liên tục nếu

tập các giá trị có thể có của nó lấp đầy một
khoảng bất kỳ trên trục số thực.
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.2 Quy luật phân phối xác suất của ĐLNN

Luật phân phối xác suất của ĐLNN là quy tắc

cho biết những giá trị có thể có của nó cùng
các xác suất tương ứng.
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.2 Quy luật phân phối xác suất của ĐLNN

Bảng phân phối xác suất

Cho X là ĐLNN rời rạc nhận các giá trị có thể

có là x1, x2, …, xn … và các xác suất tương ứng
p1, p2, …, pn …
X x1 x2 ... xn …
P p1 p2 ... pn …

∑ pi = ∑ P(X = xi) = 1
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.2 Quy luật phân phối xác suất của ĐLNN

Hàm phân phối xác suất.

Hàm phân phối xác suất của ĐLNN X, ký hiệu

F(x), là xác suất để ĐLNN X nhận giá trị nhỏ
hơn x, với x là số thực bất kỳ.
F(x) = P(X< x) ∀ 𝑥 ∈ 𝑅
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.2 Quy luật phân phối xác suất của ĐLNN

Tính chất.

1. 0 ≤ F(x) ≤ 1 với mọi x ∈ 𝑅

2. F(x) là hàm không giảm, tức là:

Nếu x1 < x2 thì F(x1) ≤ F(x2)
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.2 Quy luật phân phối xác suất của ĐLNN

Hệ quả 1. P(a ≤ X < b) = F(b) – F(a)

Hệ quả 2. Nếu X là ĐLNN liên tục thì:

• P(X = x0 ) = 0
• P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X ≤ b)
= P(a < X < b)
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.2 Quy luật phân phối xác suất của ĐLNN

Tính chất
3. lim F( x ) = F(+) = 1 lim F( x ) = F(−) = 0
x → + x → −

Hệ quả. Nếu X chỉ nhận giá trị trong [a, b] thì:

• F(x) = 0 với mọi x ≤ a
• F(x) = 1 với mọi x > b
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.2 Quy luật phân phối xác suất của ĐLNN

Hàm mật độ xác suất.

ĐLNN liên tục X có hàm phân phối xác suất

F(x), nếu F(x) khả vi tại x thì hàm số f(x) = F’(x)
được gọi là hàm mật độ xác suất của ĐLNN X.
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.2 Quy luật phân phối xác suất của ĐLNN
Tính chất.
1. f ( x)  0 ( x  R )
x

2. F ( x) =  f (t )dt
−
b
3. P(a  X  b) =  f ( x)dx
+ a

4.  f ( x)dx = 1
−
Nếu hàm số f(x) thỏa tính chất 1 và 4 thì f(x) sẽ
là hàm mật độ xác suất của một ĐLNN nào đó.
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.3 Các số đặc trưng chính của ĐLNN

• Kỳ vọng toán

• Mốt

• Phương sai
• Độ lệch tiêu chuẩn
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.3 Các số đặc trưng chính của ĐLNN

Kỳ vọng toán

Kỳ vọng toán của ĐLNN X, ký hiệu E(X), là số

được xác định:

• X là ĐLNN rời rạc: E ( X ) =  xi pi

i
+
• X là ĐLNN liên tục: E( X ) =  xf ( x)dx
−
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.3 Các số đặc trưng chính của ĐLNN

Tính chất.
1. E(C) = C với C = const
2. E(C.X) = C.E(X) với C = const
3. E(X+Y) = E(X)+E(Y)
4. Nếu X, Y là hai ĐLNN độc lập thì:
E(X.Y) = E(X).E(Y)
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.3 Các số đặc trưng chính của ĐLNN

Mốt

Mốt của ĐLNN X, ký hiệu Mod(X) là giá trị của

X tương ứng với:
• Xác suất lớn nhất nếu là ĐLNN rời rạc
• Cực đại của hàm mật độ xác suất nếu X là
ĐLNN liên tục
 Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.3 Các số đặc trưng chính của ĐLNN

Phương sai
Phương sai của ĐLNN X, ký hiệu Var(X), là kỳ
vọng toán của bình phương độ lệch giữa X và
E(X):
Var ( X ) = E  X − E ( X )  = E ( X ) − 
2 2 2

trong đó:  = E ( X ) .
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.3 Các số đặc trưng chính của ĐLNN

Phương sai
• X là ĐLNN rời rạc:
Var ( X ) =  ( xi −  ) 2 . pi =  xi . pi −  2
2

i i

• X là ĐLNN liên tục:

+ +
Var ( X ) =  [ x −  ]2 f ( x)dx =  x 2
f ( x ) dx −  2

− −
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.3 Các số đặc trưng chính của ĐLNN

Tính chất.
1. Var(C) = 0 với C = const

2. Var(C.X) = C2.Var(X) với C = const

3. Nếu X, Y là hai ĐLNN độc lập thì:

Var(X+Y) = Var(X) + Var(Y)
Chương 3
3.2 Đại lượng ngẫu nhiên
3.2.3 Các số đặc trưng chính của ĐLNN

Độ lệch chuẩn

Độ lệch chuẩn của ĐLNN X, ký hiệu σx hoặc

σ, là căn bậc hai của phương sai.
 X = Var(X )
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.1 Quy luật phân phối nhị thức

Dãy phép thử Bernoulli

Thực hiện nhiều lần một phép thử, ta có dãy

các phép thử.

Nếu các phép thử được tiến hành độc lập với
nhau, ta có dãy các phép thử độc lập.
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.1 Quy luật phân phối nhị thức

Dãy phép thử Bernoulli

Một dãy các phép thử độc lập, trong mỗi phép
thử chỉ có thể xảy ra một trong hai trường hợp
hoặc A xảy ra hoặc A không xảy ra. Xác suất để
xảy ra biến cố A là không đổi và bằng p.

Dãy phép thử trên gọi là dãy phép thử Bernoulli.

Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.1 Quy luật phân phối nhị thức

Dãy phép thử Bernoulli

Xác suất trong n phép thử Bernoulli có k lần

xuất hiện biến cố A được tính bằng công thức:
n −k
p n (k ) = C p q
k
n
k

trong đó q = 1 – p, k = 0, 1, 2, …, n
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.1 Quy luật phân phối nhị thức

Quy luật phân phối nhị thức

ĐLNN rời rạc X được gọi là phân phối theo quy
luật nhị thức với các tham số n và p, ký hiệu
X~B(n,p) nếu nó nhận một trong các giá trị có
thể có 0, 1, 2..., n với các xác suất tương ứng
được tính theo công thức:
n −k
p n ( k ) = P( X = k ) = C p q
k
n
k

q = 1 − p ; k = 0,1, 2,.., n
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.1 Quy luật phân phối nhị thức

Các số đặc trưng của pp nhị thức

• E(X) = np

• Var(X) = npq

• (n+1).p – 1 ≤ Mod(X) ≤ (n+1).p

Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.1 Quy luật phân phối nhị thức

Quy luật phân phố không – một

Trong trường hợp X_B(n;p), n = 1 ĐLNN X
phân phối theo quy luật không – một, ký hiệu
là A(p)
• E(X) = pq

• Var(X) = pq
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

ĐLNN liên tục X nhận các giá trị trên R được

gọi là phân phối chuẩn với tham số μ và σ > 0,
ký hiệu là X~N(μ, σ2), nếu hàm mật độ xác suất
của nó có dạng:
( x− )2
1 −
f ( x) = e 2 2

 2
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Đồ thị của f(x) có dạng hình chuông, đối xứng

qua đường thẳng x =  và nhận Ox làm đường
tiệm cận ngang
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Các số đặc trưng của pp chuẩn

• E(X) = 

• Var(X) = 2

• Mod(X) = 
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Khi X~N(μ, σ2) với μ = 0 và σ = 1 ta nói X có quy

luật phân phối chuẩn hóa N(0,1) và hàm mật độ
xác suất có dạng (hàm Gauss):

x2
1 −
 ( x) = e 2
2
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Hàm phân phối xác suất của ĐLNN X có

phân phối chuẩn là:
x (t −  )2
1 −
F ( x) =
 2 e
−
2 2
dt
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Nếu X~N(μ, σ2), ta có:

X −
U= N ( 0,1)

Phép biến đổi trên được gọi là chuẩn hóa đại
lượng ngẫu nhiên
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Công thức tính P(a<X<b) của ĐLNN X~ N(μ,σ2)

b−  a− 
P ( a  X  b) =   −  
     
x t2
1 −
• Trong đó: ( x) =
2 e
0
2
dt

• Tính chất:  (− x) = −  ( x)
Khi x > 5 ta lấy  ( x )  0,5
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Hệ quả

P ( X −   ) = 2  

b− 
P ( X  b) = P ( X  b) =   + 0,5
  
a− 
P(a  X ) = P(a  X ) = 0,5 −  
  
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Quy tắc 2 và 3


P ( X −   ) = 2  

Thay  bằng 2σ và 3σ ta nhận được
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Quy tắc 2 và 3

P ( X −   2) = 0,9544
P ( X −   3) = 0,9973
Nếu trong thực tế ĐLNN X thỏa mãn quy tắc 2σ
và 3σ thì ta có thể coi X phân phối xấp xỉ chuẩn
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Phân vị

Cho U ~ N(0,1), và 0 <  <1 cho trước. Khi đó,

giá trị u của U được gọi là phân vị chuẩn mức
 nếu thỏa mãn:

P (U  u ) = 
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Phân vị
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.2 Quy luật phân phối chuẩn

Vai trò của quy luật phân phối chuẩn

• Phần lớn các ĐLNN ta gặp trong thực tế đều
tuân theo luật phân phối chuẩn
• Là giới hạn của một số thống kê rời rạc khác

• Ứng dụng rộng rãi trong KH thống kê

• Là quy luật phân phối quan trọng nhất
trong tất cả các quy luật PPXS
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.3 Quy luật phân phối khi bình phương

Nếu X1, X2,…, Xn là các ĐLNN độc lập cùng

phân phối chuẩn hóa N(0,1), thì:

 =X
2
i
2

tuân theo quy luật phân phối Khi bình phương

với n bậc tự do, kí hiệu là 2 ~ 2 (n).
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.3 Quy luật phân phối khi bình phương
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.3 Quy luật phân phối khi bình phương

Phân vị

Cho 2 ~ 2 (n), và 0 <  < 1 cho trước. Khi đó,

giá trị 2(n) của 2 được gọi là phân vị Khi
bình phương mức  nếu thỏa mãn:

P (  
2 2
 ( n )) = 
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.3 Quy luật phân phối khi bình phương

Phân vị
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.4 Quy luật phân phối Student

Cho ĐLNN U~N(0,1) và 2~2 (n) thì

U
T=
2
n

tuân theo quy luật phân phối Student với n bậc

tự do, kí hiệu là T~T(n)
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.4 Quy luật phân phối Student
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.4 Quy luật phân phối Student

Phân vị

Cho T~T(n), và 0 <  < 1 cho trước. Khi đó, giá

trị t(n) của T được gọi là phân vị Student mức
 nếu thỏa mãn:

P ( T  t ( n ) ) = 
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.4 Quy luật phân phối Student

Phân vị
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.5 Quy luật phân phối Fisher – Snedecor

Cho ĐLNN 12~2 (n1) và 22~2 (n2) thì:

12
n1
F= 2
2
n2

tuân theo quy luật phân phối Fisher – Snedecor

với n1 và n2 bậc tự do, kí hiệu là F~F(n1, n2)
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.5 Quy luật phân phối Fisher – Snedecor
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.5 Quy luật phân phối Fisher – Snedecor

Phân vị

Cho F~F(n1, n2), và 0 <  < 1 cho trước. Khi đó,

giá trị f(n1, n2) của F được gọi là phân vị F mức
 nếu thỏa mãn:

P ( F  f  ( n1 , n2 ) ) = 
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.5 Quy luật phân phối Fisher – Snedecor

Phân vị