GV Lâm Sơn - FTU

Chương 3 1. Quy luật Không-Một: A(p)

1.1.Định nghĩa:

MỘT SỐ QUY LUẬT X 0 1

X  A( p )
PHÂN PHỐI XÁC SUẤT P 1-p p

THÔNG DỤNG 1.2. Các tham số đặc trưng

E (X )  p ,
V (X )  p (1  p )  pq
Giảng vên: Lâm Sơn
ĐT: 01.636.969.909
Email: sonlam@ftu.edu.vn

2. Quy luật nhị thức: B(n,p)

2.1. Khái niệm Xét lại lược đồ Bernoulli
Ví dụ:
- Có n phép thử độc lập
Tại một thành phố, giả sử tỷ lệ người dân thích xem
- Trong mỗi phép thử chỉ xảy ra A hoặc A bóng đá là 80%. Chọn ngẫu nhiên 10 người dân của
- P (A)  p Không đổi thành phố đó. Gọi X là số người thích xem bóng đá trong
số 10 người được chọn.
Gọi X là số lần xuất hiện biến cố A trong n phép thử đó. a. Gọi tên phân phối xác suất của X.
b. Tính xác suất để có đúng 5 người thích xem bóng đá.
P (X  k )  C nk p kq 1k , k  0, n (2.1) c. Tính xác suất để có ít nhất một người thích xem bóng
đá.
X 0 1 ... x .... n
P Cn0 p o q n 0 Cn1 p1q n 1 Cnx p x q n x Cnn p n q n n

Định nghĩa X  B (n , p )

1
GV Lâm Sơn - FTU

2.2. Các tham số đặc trưng 3. Quy luật Phân phối Poisson
E (X )  np Định nghĩa: Biến ngẫu nhiên rời rạc X nhận
Định lý
V (X )  npq một trong các giá trị có thể có X=0,1 …,
np  q  Mod (X )  np  p với các xác suất được tính bằng công thức:
λke  λ
P (X  k )  , k  0,1,2... X  P (λ)

Chứng minh X  X1  X 2  ...  Xn
k!
E  X   E  X1   E  X 2   ...  E  X n   np
X 0 1 2 … k ….
V  X  V  X1  V  X 2   ... V  X n   npq
e - -

e λ
2 -
P e … ek
….
Nhận xét: 1! 2! k!
Dãy phép thử Bernuolli rất hay gặp trong thực tế, do đó
quy luật nhị thức cũng thường gặp trong các ứng dụng.  
k e -  
k
p 
k 0
k
k 0 k!
 e - 
k 0 k!
 e - e   1

3.2 Các tham số đặc trưng

Định lý X  P (λ)  E (X ) V (X )  λ

λke  λ 
λk 1 Ví dụ:
E (X )   k  λe  λ   λe  λe λ λ Trong một phòng bệnh, số bệnh nhân cần gọi bác sĩ
k 0 k! k 0 (k  1)! trực trung bình là 3 người mỗi đêm vào thời gian từ 1 giờ
đến 5 giờ. Số lần gọi giả thiết tuân theo quy luật phân

λke  λ  λke  λ 
λk 1e  λ phối Poisson.
E (X 2 )   k 2  k   (k  1) a. Xác định kỳ vọng và độ lệch chuẩn của số lần gọi.
k 0 k! k 1 (k  1)! k 0 k! b. Khả năng bác sĩ trực không bị gọi lần nào trong
khoảng thời gian trên là bao nhiêu.

λk 1e  λ  λk 1e  λ λ e
 k 1  λ
λe
 k  λ c. Tính xác suất bác sĩ trực bị gọi ít nhất 2 lần một đêm
 k   λ2   λ
k 0 k! k 0 k! k 1 (k  1)! k 1 k !

 λ2  λ

2
GV Lâm Sơn - FTU

4. Quy luật phân phối chuẩn

4.1 Định nghĩa Biến ngẫu nhiên X liên tục
Chú ý: trên R được gọi là biến ngẫu nhiên phân phối
Với BNN X  B (n , p ) chuẩn với hai tham số μ và σ 2 nếu hàm mật
độ xác suất có dạng:
nếu n rất lớn và p rất nhỏ thì người ( x - )2
ta chứng minh được rằng X cũng 1 
f ( x) 
2
xấp xỉ phân phối Poisson với tham e 2
số:  2
  np Kí hiệu: X  N ( , 2 )

4.2 Quy luật chuẩn hóa

φ(u ) Định nghĩa : Biến ngẫu nhiên liên tục U gọi là

tuân theo quy luật chuẩn hoá, nếu hàm mật độ
xác suất có dạng:
x
O μ
u2
1 

E (X )  μ
 (u )  e 2
2
V (X )  σ 2 U  N (0,1)

3
GV Lâm Sơn - FTU

Hàm tích phân Laplace:

φ(u ) x u 2
1 
 0 (u )   e 2 dx
u
2 0
O
Giá trị của hàm tích phân Laplace được
Hàm phân phối U tính sẵn trong bảng 4, phần phụ lục
u x2
1 
1) Φ 0 (u )  Φ 0 (u )
 (u )  e 2
dx Tính chất

2  2) Φ 0 (u )  0,5 khi u  3,1

Ví dụ: Tính Ví dụ: Tính Φ 0 (2,1),Φ 0 (2,14),Φ 0 (2,12)
Φ(2,16)

4.3. Giá trị tới hạn chuẩn 4.4. Xác suất để bnn X thuộc một khoảng
ĐỊnh nghĩa: Giá trị tới hạn chuẩn mức  là giá trị u
của bnn U có phân phối chuẩn hóa thỏa mãn: Cho X  N (  ,  2 )

P (U  u α )  α b    a   
P (a  X  b )   0    0  
      
a   
P (X  a )  0,5   0  
u1α uα
  
Tính chất a   
P (X  a )  0, 5   0 
u1  u   


4
GV Lâm Sơn - FTU

4.5. Xác suất của sự sai lệch giữa bnn và kỳ vọng

Ví dụ:
Thời gian đi từ nhà đến trường của sinh viên Tâm là
ε
biến ngẫu nhiên có phân phối chuẩn trung bình là 15 độ
lệch chuẩn là 3 ( đơn vị là phút). Tính xác suất Tâm bị P  X  μ  ε   2Φ 0  
muộn học nếu đi học trước giờ vào học 21 phút.
σ
μ ε μ μ ε μ
P ( X  μ  ε)  Φ 0 ( )  Φ0 ( )
σ σ
ε
 2Φ 0 ( )
σ

Ví dụ: Độ dài của một chi tiết là biến ngẫu nhiên 4.6. Quy tắc " Ba sigma":
có phân phối chuẩn độ lệch chuẩn là 0,2 cm. Sản
phẩm được coi là đạt tiêu chuẩn nếu độ dài sai lệch
so với độ dài trung bình không quá 0,3 cm.
a. Tính xác suất chọn ngẫu nhiên một sản phẩm
được sản phảm đạt yêu cầu
b. Chọn ngẫu nhiên 3 sản phẩm có ít nhất 2 sản
phẩm đạt yêu cầu.
(μ  3σ,μ  3σ)
).
c. Nếu sản phẩm tốt mà bị loại trong quá trình
kiểm tra thì mắc sai lầm loại 1, nếu sản phẩm P  X       P  X    3 
không đạt mà nhận thì mắc sai lầm loại 2. Giả sử
khả năng mắc sai lầm loại 1 và loại 2 lần lượt là  3 
0,1; 0,2. Tính xác suất trong lần kiểm tra 3 sản  2    2  3  0,9974
phẩm không mắc sai lầm.  

5
GV Lâm Sơn - FTU

4.8. Ứng dụng của qui luật chuẩn

4.7 Sự hội tụ của quy luật Nhị thức Qui luật phân phối chuẩn là qui luật phân phối xác suất được áp
và Poisson về quy luật chuẩn dụng rộng rãi trong thực tế. Trong nhiều lĩnh vực của khoa học và đời

N (np , npq )
sống ta đều gặp các biến ngẫu nhiên phân phối chuẩn. Chẳng hạn trong
B(n,p) sẽ hội tụ về quy luật chuẩn công nghiệp người ta đã xác định được rằng kích thước của các chi tiết
do nhà máy sản xuất ra sẽ phân phối chuẩn nếu quá trình sản xuất diễn
n  5 ra bình thường. Trong nông nghiệp năng suất của cùng một loại cây
trồng tại các thửa ruộng khác nhau cũng phân phối chuẩn. Năng suất

nếu:  p 1 p 1 lao động của các công nhân có cùng tay nghề và làm cùng một công

 1 p   0, 3 việc như nhau cũng phân phối chuẩn. Nhu cầu về các loại hàng hoá

 p n khac nhau cũng phân phối chuẩn v.v… Người ta ghi nhận rằng các
năng lực về trí tuệ và thể lực con người cũng phân phối theo qui luật
chuẩn. Thậm chí cả một số chỉ tiêu về sinh lý của những người cùng
Quy luật Poisson sẽ hội tụ về quy luật chuẩn giới (chẳng hạn chiều cao, vòng ngực, chiều dài cánh tay v.v…) cũng
phân phối theo qui luật chuẩn. Sự nhận biết này cho phép lập kế hoạch

N ( ,  ) nếu:   20 sản xuất quần áo may sẵn sản xuất hàng loạt …
Tóm lại : khó có thể liệt kê được hết các hiện tượng và lĩnh vực
trong đó có thể áp dụng qui luật phân phối chuẩn.

6. Quy luật phân phối đều

5. Quy luật phân phối lũy thừa (PP Mũ)
Định nghĩa
Định nghĩa
BNN X được gọi là có phân phối đều trên (a, b)
Bnn X tuân theo luật phân phối mũ     0  nếu hàm nếu nó có hàm mật độ dạng:
mật độ XS có dạng:
 1
 0 khi x  0  khi x  a ,b 
f (x )    x f (x )  b  a
e khi x  0  0 khi x  a ,b 


6
GV Lâm Sơn - FTU

7. Qui luật Khi bình phương

8. Qui luật student T(n)
ĐN: Xét n bnn độc lập: X i  N (0,1), i  1, n ĐN: U  N (0,1) vµ V  χ 2 (n )
n
U
 
2
X i
2
 2 ( n) T
V
i 1 n
2 tuân theo quy luật “khi bình phương” với n bậc tự do. tuân theo quy luật Student với nbậc tưn do T  T (n )
Giá trị tới hạn mức α
, ký hiệu: χ α2(n ) Giá trị tới hạn Student mức α là: tα(n )
P (χ  χ
2 2(n )
α )α Chú ý: tα(n )  t1(nα)
Nếu n>30 có thể dùng pp chuẩn hóa thay thế pp Student

9. Quy luật phân phối Fisher - Snedecor

ĐN: cho U  χ 2 (n ) vµ V  χ 2 (m )
Các định lý giới hạn
U Được gọi là tuân theo quy luật Fisher-
(Tự đọc)
F n Snedecor với n,m bậc tự do:
V
m F  F (n , m )
Giá trị tới hạn Fisher mức α P (F  fα(n ,m ) )  α
Chú ý fα(n ,m )  1
f1(mα ,n )