Professional Documents
Culture Documents
Bai3cacppxsthuonggap 130303223102 Phpapp02 PDF
Bai3cacppxsthuonggap 130303223102 Phpapp02 PDF
Bai3cacppxsthuonggap 130303223102 Phpapp02 PDF
Công thức
Xét X ~ B(n,p)
n−k
P ( X = k ) = C p (1 − p )
k
n
k
k = 0,1, …, n
Phân phối nhị thức
Ví dụ
Cho X ~ B(5,0.1)
Tính P(X=1)
P(X = 1) = Cnk Pk (1 − P)n− k
5!
= (0.1)1(1 − 0.1)5−1
1!(5 − 1)!
= (5)(0.1)(0.9)4
= .32805
Phân phối nhị thức
Hìnhdạng của phân phối nhị thức sẽ phụ
thuộc vào p và n.
P(x) n = 5 P = 0.1
Mean .6
n .4
= 5 và P = 0.1
.2
0 x
0 1 2 3 4 5
.6
P(x) n = 5 P = 0.5
n .4
= 5 và P = 0.5 .2
0 x
0 1 2 3 4 5
Phân phối nhị thức
Nếu X ~ B(n,p):
1) Trung bình µ = EX = np
2) Phương sai và độ lệch tiêu chuẩn
σ = npq
2
σ = npq
- n: số lần thực hiện thí nghiệm
- p: xác suất thành công ở 1 lần thí nghiệm
- q = 1- p.
Phân phối nhị thức
Ví dụ
μ = nP = (5)(0.1) = 0.5
Mean P(x) n = 5 P = 0.1
.6
.4
σ = nP(1- P) = (5)(0.1)(1− 0.1) .2
= 0.6708 0 x
0 1 2 3 4 5
Trung bình
μ = E(X) = λ
Phương sai và độ lệch tiêu chuẩn
σ = E[( X − µ ) ] = λ
2 2
σ= λ
Với λ = số biến cố xảy ra trung bình trên 1 đơn vị
Phân phối Poisson
Vídụ
Trong một nhà máy dệt, biết số ống sợi
bị đứt trong 1 giờ có phân phối Poisson
với trung bình là 4. Tính xác suất trong 1
giờ có
a. Đúng 3 ống sợi bị đứt.
b. Có nhiều hơn 1 ống sợi bị đứt.
Bảng tra phân phối Poisson
e − λ λ k e−0.50 (0.50)2
P ( X = 2) = = = .0758
k! 2!
Phân phối xác suất Poisson
0.70
0.60
λ = .50
0.50
λ=
0.40
X 0.50 P(x)
0.30
0 0.6065
1 0.3033 0.20
2 0.0758 0.10
3 0.0126 0.00
0 1 2 3 4 5 6 7
4 0.0016
5 0.0002 x
0.60
0.20
0.50
0.15
0.40
P(x)
P(x)
0.30 0.10
0.20
0.05
0.10
0.00 0.00
0 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 11 12
x x
Định lý Poisson
Cho X ~ B(n,p)
k −λ
λ e
lim C p q
k k n−k
=
k!
n
n →∞
p →0
np →λ
Vídụ
Trong một đợt tiêm chủng cho 2000 trẻ
em ở một khu vực. Biết xác suất 1 trẻ bị
phản ứng với thuốc khi tiêm là 0.001.
Tính xác suất trong 2000 trẻ có không
quá 1 trẻ bị phản ứng khi tiêm thuốc.
Phân phối đều
Tất cả các khả năng có thể xảy ra của biến ngẫu
nhiên có phân phối đều có xác suất bằng nhau.
X có phân phối đều trong khoảng [a,b], ký hiệu X ~
U([a,b]).
f(x)
với
f(x) = giá trị hàm mật độ tại điểm x
a = giá trị nhỏ nhất của x
b = giá trị lớn nhất của x
Phân phối đều
Kỳ vọng
a+ b
µ = EX =
2
Phương sai
(b-a) 2
σ = VarX =
2
12
Phân phối đều
1
f(x) = 6 - 2 = .25 for 2 ≤ x ≤ 6
f(t) = λ e− λ t vôù
it > 0
Với
λ số biến cố xảy ra trung bình trong một đơn vị thời gian.
t số đơn vị thời gian cho đến biến cố kế tiếp.
e = 2.71828
Ký hiệu: T ~ exp(t), T là khoảng thời gian giữa 2 lần xảy ra các
biến cố.
Phân phối mũ
Ví dụ:
Trong một nhà máy sản xuất linh kiện
điện tử, biết tuổi thọ của một mạch điện
là biến ngẫu nhiên có phân phối mũ với
tuổi thọ trung bình là 6,25 năm. Nếu thời
gian bảo hành của sản phẩm là 5 năm.
Hỏi có bao nhiêu % mạch điện của nhà
máy khi bán ra thị trường phải thay thế
trước thời gian bảo hành.
Phân phối chuẩn
Biến ngẫu nhiên X nhận giá trị trong R gọi là
có phân phối chuẩn với tham số µ và σ2 nếu
hàm mật độ xác suất
( x−µ )
2
1 −
f ( x) = e 2σ 2
, −∞ < x < +∞
σ 2π
Với: EX = µ và VarX = σ2.
Ký hiệu: X ~ N(µ, σ2)
Phân phối chuẩn
bởi kỳ vọng, µ σ
Độ phân tán được xác định bởi độ x
μ
lệch tiêu chuẩn, σ
Xác định từ + ∞ to − ∞
Trung bình = Trung vị = Mode
Phân phối chuẩn
μ x
Hàm phân phối của phân phối chuẩn
F(x 0 ) = P(X ≤ x 0 )
f(x)
P(X ≤ x 0 )
0 x0 x
Xác suất của phân phối chuẩn
a μ b x
Xác suất của phân phối chuẩn
F(b) = P(X < b)
a μ b
a μ b
a μ b x
Phân phối chuẩn hóa
Xét biến ngẫu nhiên X ~ N(µ, σ 2). Chuẩn hóa X
bằng cách đặt
X −μ
Z=
σ
Khi đó EZ = 0 và VarZ = 1. Ta nói Z có phân phối
chuẩn hóa. Ký hiệu
Z ~ N(0 ,1)
f(Z)
1
Z
0
Phân phối chuẩn hóa
Nếu X có phân phối chuẩn với trung bình là 100 and
độ lệch tiêu chuẩn là 50, thì giá trị của Z ứng với X =
200 is
X − µ 200 − 100
Z= = = 2.0
σ 50
haøm Laplace
Tính xác suất
a −μ b −μ
P(a < X < b) = P <Z<
σ σ
f(x) b −μ a −μ
= F − F
σ σ
a µ b x
a −μ b −μ
0 Z
σ σ
Tính xác suất
0.5 0.5
μ X
P( −∞ < X < ∞ ) = 1.0
Tra bảng chuẩn hóa N(0,1)
Z
Tra bảng chuẩn hóa N(0,1)
Ví dụ: 0 2.00 Z
P(Z < -2.00) = Φ(-2.00)= 1 .9772
– Φ (2.00) = 1 - 0.9772
= 0.0228
-2.00 0 Z
Ví dụ
X
8.0
8.6
Ví dụ
X − µ 8.6 − 8.0
Z= = = 0.12
σ 5.0
μ=8 μ=0
σ = 10 σ=1
8 8.6 X 0 0.12 Z
.11 .5438
.12 .5478
Z
0.00
.13 .5517
0.12
Ví dụ
X
8.0
8.6
Ví dụ
Tìm P(X > 8.6)…
P(X > 8.6) = P(Z > 0.12) = 1.0 - P(Z ≤ 0.12)
= 1.0 - 0.5478 = 0.4522
0.5478
1.000 1.0 - 0.5478
= 0.4522
Z Z
0 0
0.12 0.12
Xấp xỉ phân phối nhị thức bằng phân
phối chuẩn
Đặt
µ = EX = np
σ2 = VarX = np(1-p)
Tạo biến ngẫu nhiên Z có phân phối
chuẩn hóa từ phân phối nhị thức
X − EX X − np
Z= =
VarX np (1 − p )
Xấp xỉ phân phối nhị thức bằng phân
phối chuẩn
X − np c − np c − np c − np
P( X < c) = P < ÷ = PZ < ÷ = Φ ÷
npq npq ÷ npq ÷ npq ÷
a − np b − np
P ( a < X < b) = P <Z< ÷
npq npq ÷
b − np a − np
= Φ ÷ −Φ
npq ÷ npq ÷ ÷
Xấp xỉ phân phối nhị thức bằng phân
phối chuẩn
Ví
dụ
Trong một cuộc bầu cử ở một thành
phố, biết rằng 40% người dân ủng hộ
ứng cử viên A. Chọn ngẫu nhiên 200
người, hỏi xác suất gặp được từ 76 đến
80 người ủng hộ ứng cử viên A là bao
nhiêu?
Ví dụ
E(X) = µ = nP = 200(0.40) = 80
Var(X) = σ2 = nP(1 – P) = 200(0.40)(1 – 0.40) = 48
76 − 80 80 − 80
P(76 < X < 80) = P ≤Z≤ ÷
200(0.4)(1 − 0.4) 200(0.4)(1 − 0.4) ÷
= P( − 0.58 < Z < 0)
= Φ(0) − Φ( − 0.58)
= 0.5000 − 0.2810 = 0.2190