b) Phương sai:

Định nghĩa: Cho biến ngẫu nhiên X, phương sai của X , ký hiệu D  X  , được cho bởi
D  X   E  X  E  X    .
2

 
Nhận xét: Ta có thể tính phương sai bởi công thức: D  X   E X 2   E  X   .  
2

D  X   E  X  E  X     E  X 2  2 X .E  X    E  X   
2 2

   
 E  X 2   E  2 X .E  X    E  E  X   
2
Thật vậy, .
 
 E  X 2   2 E  X  .E  X    E  X    E  X 2    E  X  
2 2

 
Do đó: D  X     xi  E  X   pi   xi2 pi   E  X   nếu X rời rạc.
2 2

j 1 i 1
 
D X     x  E  X  f X  x  dx  x f X  x  dx   E  X   nếu X liên tục.
2 2 2

 
Ví dụ 1: Tìm phương sai của BNN X chỉ số chấm khi tung hạt xúc xắc.
Giải.
X 1 2 3 4 5 6
P 1/6 1/6 1/6 1/6 1/6 1/6

X2 1 4 9 16 25 36
P 1/6 1/6 1/6 1/6 1/6 1/6
6
91
E(X2) =  xi2 pi  , xi là giá trị có thể có của X, pi = P(X = xi)
i 1 6
91 35
Ta đã biết E(X) = 3.5, do vậy D(X) = - (3.5)2 =
6 12
6
2 1 35
Ta cũng có thể tính bằng định nghĩa như sau D  X     i  3,5  .  .
i 1 6 12
Ví dụ 2: Tìm phương sai của BNN X liên tục, phân phối đều trong  a, b  và có hàm mật độ
 1
 khi x   a, b 
phân phối xác suất cho bởi f  x    b  a
 0 khi x   a, b 

Giải. Vì X là BNN liên tục nên theo công thức ta có

b  a  .
2
 ab
b 2

 x f  x  dx   E  X  
1
D  X  :  x 
2
2 2
dx    
 a
ba  2  12

Tính chất: D  c   0 với c là hằng số

D  cX   c 2 D  X  với c là hằng số
D  X  Y   D  X   D Y  với X , Y là các BNN độc lập
D(X + Y) = E[(X + Y)2] - E[(X + Y)]2 = E[(X2 + Y2 + 2XY)] – [E(X) + E(Y)]2
= E(X2) + E(Y2) + E(2XY) – [E(X)] 2 –[E(Y)]2 - 2E(X) E(Y)
= E(X2) – [E(X)] 2 + E(Y2) –[E(Y)]2 + E(2XY) - 2E(X) E(Y)
Nếu X, Y độc lập với nhau thì E(2XY) = 2E(X) E(Y), do đó E(2XY) - 2E(X) E(Y) = 0.
Ý nghĩa: Phương sai của một BNN X, là một số không âm, nói lên mức độ tập trung (hoặc
mức độ tản mát, phân tán) của các giá trị của BNN X so với giá trị trung bình của nó. Nếu
D  X  càng nhỏ, các giá trị của BNN X càng tập trung quanh E(X), khi đó sự chênh lệch giữa
các giá trị mà BNN X nhận sẽ nhỏ; còn nếu D  X  càng lớn thì các giá trị của BNN X càng
phân tán, khi đó sự sai khác giữa giá trị lớn và giá trị nhỏ của BNN X sẽ khá lớn.
c) Độ lệch chuẩn (còn gọi là độ lệch quân phương):
Định nghĩa: Giá trị   X   D  X  gọi là độ lệch chuẩn của BNN X .
Tính chất:   c   0 với c là hằng số
  cX   c  X  với c là hằng số

  X Y     X     Y  
2 2
với X , Y là các BNN độc lập
Ý nghĩa: Độ lệch chuẩn cũng là một thông số để đánh giá mức độ phân tán của một BNN với
kỳ vọng toán của nó.
2.3.2 Mốt (mode), trung vị (median), hệ số biến thiên
Kỳ vọng toán là đặc trưng quan trọng nhất về vị trí của BNN. Song trên thực tế, đôi khi
người ta còn dùng một số đặc trưng khác về vị trí của BNN.
Mốt của biến ngẫu nhiên X, ký hiệu ModX , là giá trị mà tại đó BNN X nhận với xác suất
lớn nhất (nếu X rời rạc) hoặc tại đó hàm mật độ đạt giá trị cực đại (nếu X liên tục). Một biến
ngẫu nhiên X có thể có một hoặc nhiều mốt. Nếu X chỉ có đúng một mốt thì biến ngẫu nhiên
đó gọi là đơn mốt. Nói chung mốt và kỳ vọng toán không trùng nhau. Hai đặc số này chỉ
trùng nhau khi đường cong mật độ có cực đại và đối xứng.
Ta gọi là trung vị của biến ngẫu nhiên X các giá trị m sao cho P  X  m   P  X  m 
1
Dễ thấy rằng điều kiện trên tương đương với điều kiện FX  m   .
2
Về mặt hình học, trung vị là hoành độ của điểm tại đó diện tích giới hạn bởi đường cong mật
độ phân phối được chia làm hai phần bằng nhau. Trong trường hợp phân phối đối xứng và có
mốt thì ba đặc số trung vị, mốt và kỳ vọng toán trùng nhau
Ví dụ:
X 1 2 3 4 5 6
P 1/6 1/6 1/6 1/6 1/6 1/6
P[X < 0.5] = 0; P[X > 0.5] = 1 → 0.5 k0 là trung vị của X
P[X < 3.2] = 3/6 = P[X > 3.2] → m = 3.2 là 1 trung vị của X, tương tự với m ϵ (3;4)
Với bảng phân bố dưới đây:
X 1 2 3 4 5 6
P 1/6 1/6 2/6 0.5/6 0.5/6 1/6
P  X  m   P  X  m  = 2/6 với m = 3 → 3 là 1 trung vị của X
.
D X 
Ta gọi là hệ số biến thiên của BNN tỷ số . Người ta thường dùng hệ số biến thiên để
EX 
so sánh độ biến động của các đám đông với nhau.
Giá trị tới hạn mức α của BNN liên tục X, ký hiệu xα, là giá trị của X thỏa mãn điều kiện
P(X > xα) = α.

Chương 3: Một số quy luật phân phối xác suất thông dụng

Chương này nghiên cứu một số quy luật phân phối xác suất thông dụng, có nhiều áp dụng
trong kinh tế xã hội, gồm hai nhóm là quy luật phân phối của các BNN rời rạc và liên tục. Với
mỗi quy luật, phân phối xác suất được đề cập bởi công thức tính xác suất – với BNN rời rạc,
và hàm phân phối, hàm mật độ – với BNN liên tục, và các tham số đặc trưng: kì vọng, phương
sai, độ lệch chuẩn.

3.1. Biến ngẫu nhiên rời rạc:

Luật “không-một” A  p  : BNN rời rạc X có bảng phân phối xác suất
X 0 1
P 1- p p
được gọi là BNN có phân phối “không-một”, ký hiệu A  p  ;
E(X) =  x p , xi là giá trị có thể có của biến ngẫu nhiên X, p = P(X = xi)
i
i i i

E(X) = 0 \times (1 - p) + 1 \times p = p,

V(X) = E(X2) – [E(X)]2 = x i
2
i pi - p2 = 02 \times (1 - p) + 12 \times p - p2 = p - p2 = p(1 - p)

Luật nhị thức B  n, p  : BNN rời rạc X có miền giá trị là tập hợp {0, 1, ..., n} với xác suất
cho bởi Px : P  X  x   Cnx p x 1  p 
n x
trong đó x  0,1, 2, , n gọi là BNN có phân phối
nhị thức, ký hiệu B  n, p  .
Bảng phân phối xác suất của BNN X có phân phối nhị thức:
X 0 1 x
1  p  Cn p 1  p  Cnx p x 1  p 
P n 1 n 1 n x

1  p  + 1 \times Cn1 p 1  p  + x \times Cnx p x 1  p 

n n 1 n x
E(X) = 0 \times + + = np
V(X) = np(1 - p)
Ví dụ: Một phân xưởng có 5 máy hoạt động độc lập, xác suất để trong một ngày mỗi máy bị
hỏng đều là 0,1. Tìm xác suất để:
a) Trong một ngày có 2 máy hỏng.
b) Trong một ngày có không quá 2 máy hỏng.
Giải. Coi mỗi máy hoạt động là một phép thử thì ta có dãy gồm 5 phép thử độc lập mà ở mỗi
phép thử chỉ có hai kết quả: A = ”máy hỏng” và A = ”máy tốt”, do đó P  A  0,1 P  A  =
0,9 tốt
a) Xác suất để trong một ngày có 2 máy hỏng là: P5  2;0,1  C52  0,1 1  0,1
5 2
 0,0729
2

b) Xác suất để trong một ngày có không quá 2 máy hỏng là:
P  0  X  2  P0  P1  P2  0,59049  0,32805  0,0729  0,99144
Luật Poisson P    : BNN rời rạc X được gọi là có phân phối Poisson với   0 , ký hiệu
x
P    , nếu P  X  x   e  
trong đó x  0,1, 2,
x!
Bảng phân phối xác suất của BNN X có phân phối Poisson:
X 0 1 2 x
P    0
 1
2 x
e  e e  e 
0! 1 2! x!
E(X) = λ = V(X)
Chú ý: Phân phối Poisson P    chính là giới hạn của một dãy các phân phối nhị thức
B  n, p  sao cho n. pn   ,
Luật siêu bội M  N , n  (siêu hình học):
Bài toán: Giả sử ta có một tập gồm N phần tử, trong đó có M phần tử mang dấu hiệu A nào
đó, N-M phần tử còn lại không mang dấu hiệu A. Lấy ngẫu nhiên ra n phần tử từ tập đã cho.
Gọi X là số phần tử mang dấu hiệu A trong n phần tử được lấy ra. Phân phối của X gọi là phân
phối siêu bội.
BNN rời rạc X gọi là có phân phối siêu bội nếu mật độ xác suất của nó có dạng
C x C n x
P  X  x   M nN  M trong đó x  0,1, 2, , n , ký hiệu M  N , n 
CN
M N n M
E(X) = n ; V(X) = npq trong đó p  ,q=1-p
N N 1 N