Xác suất thống kê ứng dụng

Nguyễn Ngọc Tứ

Bài giảng 4

Nguyễn Ngọc Tứ Bài giảng 4 1 / 29

Nội dung

ˆ Biến ngẫu nhiên liên tục: hàm mật độ và hàm phân phối
ˆ Các đặc trưng số của biến ngẫu nhiên liên tục
ˆ Phân phối đều
ˆ Phân phối chuẩn
ˆ Phân phối mũ

Nguyễn Ngọc Tứ Bài giảng 4 2 / 29

Bnn liên tục và hàm mật độ

Một biến ngẫu nhiên X gọi là liên tục nếu thỏa mãn:
(1) các giá trị có thế có của X nằm trong một khoảng số thực hoặc là
hợp của các khoảng rời nhau;
(2) P(X = c) = 0 với bất kì số c là một giá trị của X .
Hàm mật độ xác suất của X là hàm số f (x) sao cho với bất kì hai giá trị
a, b nào và a ≤ b thì
Z b
P(a ≤ X ≤ b) = f (x)dx.
a

Hơn thế nữa, f (x) phải thỏa mãn hai điều kiện sau
1. f (x) ≥ 0 với mọi x.
R∞
2. −∞ f (x)dx = 1.

Nguyễn Ngọc Tứ Bài giảng 4 3 / 29

Hàm mật độ xác suất - Ví dụ
1. Cho X là biến ngẫu nhiên có hàm mật độ
(
0.075x + 0.2 3 ≤ x ≤ 5
f (x) =
0 nếu khác
a. Tính P(X ≤ 4) và so sánh với P(X < 4).
b. Tính P(3.5 ≤ X ≤ 4.5) và P(4.5 < X ).

Nguyễn Ngọc Tứ Bài giảng 4 4 / 29

Hàm mật độ xác suất - Ví dụ
2. Một giáo sư đại học không bao giờ kết thúc bài giảng đúng giờ và luôn
kết thúc bài trong vòng 2 phút sau giờ học. Gọi X là thời gian trôi qua từ
lúc hết giờ đến khi giáo sư kết thúc bài giảng, giả sử hàm mật độ của X là
(
kx 2 0 ≤ x ≤ 2
f (x) =
0 nếu khác
Tìm k và tính xác suất giáo sư kết thúc bài sau hết giờ trong khoảng thời
gian từ 60 đến 90 giây.

Nguyễn Ngọc Tứ Bài giảng 4 5 / 29

Hàm mật độ xác suất - Bài tập
Giả sử X (gram) là trọng lượng của sản phẩm A. Hàm mật độ của X là
(
k −x 2 + 10x − 24 4 ≤ x ≤ 6,


f (x) =
0 nếu khác.

a. Chọn ngẫu nhiên từng sản phẩm cho đến khi chọn được một (hai) sản phẩm
có trọng lượng nhỏ hơn 5 gram thì dừng. Tính xác suất phải chọn 12 ván.
b. Chọn ngẫu nhiên 5 sản phẩm một cách độc lập. Tính xác suất chọn được ít
nhất 2 sản phẩm có trọng lượng vượt quá 4.5 gram?

Nguyễn Ngọc Tứ Bài giảng 4 6 / 29

Hàm phân phối

Hàm phân phối F (x) của biến ngẫu nhiên liên tục X được xác định bởi:
Z x
F (x) = P(X ≤ x) = f (y )dy , ∀x ∈ R.
−∞

Với mọi số thực a, ta có P(X > a) = 1 − F (a), và cho hai số a và b với

a < b, ta có
P(a ≤ X ≤ b) = F (b) − F (a).
Vi dụ. Cho X là biến ngẫu nhiên liên tục có hàm mật độ là

1 + 3x 0 ≤ x ≤ 2
f (x) = 8 8
0 nếu khác

Tìm hàm phân phối của X .

Nguyễn Ngọc Tứ Bài giảng 4 7 / 29

Hàm phân phối - Ví dụ
Xét giá trị x bất kì trong đoạn [0, 2], ta có
Z x Z x 
1 3 x 3
F (x) = f (y )dy = + y dy = + x 2
−∞ 0 8 8 8 16
Khi đó, 

 0 x <0
x 3

F (x) = + x2 0≤x ≤2
 8 16

1 x >2


Chẳng hạn, ta tính

   
1 3 1 3 19
P(1 ≤ X ≤ 1.5) = F (1.5) − F (1) = 1.5 + 1.52 − 1 + 12 =
8 16 8 16 64
và
 
1 3 11
P(X > 1) = 1 − P(X ≤ 1) = 1 − F (1) = 1 − 1 + 12 =
8 16 16
Nguyễn Ngọc Tứ Bài giảng 4 8 / 29
Trung vị - Kì vọng - Phương sai
Trung vị của một phân phối liên tục là giá trị µ e thỏa mãn 0.5 = F (e
µ).
Nghĩa là, trung vị là giá trị chia phân phối thành 2 phần bằng nhau.
Kì vọng hay giá trị trung bình của một biến ngẫu nhiên liên tục X với
hàm mật độ f (x) là
Z ∞
µX = E (X ) = x · f (x)dx
−∞

Cho X là biến ngẫu nhiên liên tục và h(X ) là một hàm của X . Khi đó,
Z ∞
E [h(X )] = µh(X ) = h(x) · f (x)dx
−∞

Phương sai của X

Z ∞
σX2 = Var (X ) = (x − µX )2 · f (x)dx = E [(X − µX )2 ] = E (X 2 ) − µ2X
−∞
p
Độ lệch chuẩn của X là σX = Var (X ).
Nguyễn Ngọc Tứ Bài giảng 4 9 / 29
Ví dụ
Cho X là biến ngẫu nhiên liên tục có hàm mật độ

 3 (1 − x 2 ) 0 ≤ x ≤ 1,
f (x) = 2
0 nếu khác.

Khi đó,
Z ∞ Z 1
3 3
E (X ) = x · f (x)dx = x · (1 − x 2 )dx =
−∞ 0 2 8
Z ∞ Z 1
2 2 3 1
E (X ) = x · f (x)dx = x 2 · (1 − x 2 )dx =
−∞ 0 2 5
và  2
1 3 19
Var (X ) = − = và σX = 0.244
5 8 320
Nguyễn Ngọc Tứ Bài giảng 4 10 / 29
Bài tập
1. Cho X là biến ngẫu nhiên có hàm phân phối xác suất


 0 x <0
 2
x
F (x) = 0≤x ≤2
4


1 2≤x
a. Tính P(X ≤ 1), P(0.5 ≤ X ≤ 1), P(X > 1.5).
b. Tìm trung vị µ
e (tức là giải 0.5 = F (e
µ)).
c. Tính EX , V (X ), σX . Chú ý: f (x) = F ′ (x)

Nguyễn Ngọc Tứ Bài giảng 4 11 / 29

Bài tập
2. Cho X là biến ngẫu nhiên có hàm mật độ
(
90x 8 (1 − x) 0 ≤ x ≤ 1
f (x) =
0 nếu khác
a. Tìm và F (x), tính P(X ≤ 0.5), P(0.25 < X ≤ 0.5).
b. Tính xác suất X lớn hơn giá trị trung bình 1 độ lệch chuẩn.

Nguyễn Ngọc Tứ Bài giảng 4 12 / 29

Phân phối đều
Định nghĩa. Một biến ngẫu nhiên liên tục X gọi là một phân phối đều
trên một khoảng [A, B] nếu hàm mật độ của X là

 1

A≤x ≤B
f (x; A, B) = B − A
0 nếu khác.

A+B (B − A)2
Kí hiệu: X ∼ Uni(A, B); E (X ) = , V (X ) =
2 12
Ví dụ. Thời gian X (phút) chuẩn bị thiết bị cho một thử nghiệm vật lý của
một giáo viên thí nghiệm được cho là có phân phối đều với A=25 và B=35.
a. Xác định hàm mật độ xác suất của X.
b. Tính xác suất thời gian chuẩn bị ít hơn thời gian chuẩn bị trung bình
một độ lệch chuẩn.
c. Biết trợ lý đã chuẩn bị được 22 phút, tính xác suất thời gian chuẩn bị
không quá 30 phút.
Nguyễn Ngọc Tứ Bài giảng 4 13 / 29
Phân phối đều

Nguyễn Ngọc Tứ Bài giảng 4 14 / 29

Phân phối đều
1. Thời gian đi đến trường của sinh viên H là biến ngẫu nhiên X (đơn vị:
phút) có phân phối đều trên đoạn [A, 20]. Tính thời gian đi đến trường
trung bình của sinh viên H biết rằng xác suất sinh viên H cần ít nhất 18
phút để đến trường là 0.2.

Nguyễn Ngọc Tứ Bài giảng 4 15 / 29

Phân phối đều
2. Một chuyến xe buýt có thời gian khởi hành tại bến đợi từ 7 giờ sáng và
cứ 15 phút có một chuyến. Thời gian đi từ nhà đến bến đợi của cô H là
biến ngẫu nhiên X (đơn vị : phút) có hàm mật độ xác suất

 1 nếu 10 ≤ x ≤ 20
f (x) = 10
0 nếu khác.
Cô H rời nhà đi đến bến đợi lúc 7 giờ, tính xác suất cô H phải đợi xe buýt
không đến 3 phút.

Nguyễn Ngọc Tứ Bài giảng 4 16 / 29

Phân phối chuẩn

Định nghĩa. Một biến ngẫu nhiên liên tục X gọi là có phân phối chuẩn với
hai tham số µ và σ, trong đó −∞ < µ < ∞ và 0 < σ, nếu hàm mật độ
của X là
1 2 2
f (x; µ, σ) = √ e −(x−µ) /(2σ ) , −∞ < x < ∞
2πσ

Kí hiệu: X ∼ N(µ, σ 2 ).
Phân phối chuẩn với hai tham số µ = 0, σ = 1 gọi là phân phối chuẩn tắc.
Một biến ngẫu nhiên Z có phân phối chuẩn tắc với hàm mật độ xác suất là
1 2
f (z; 0, 1) = √ e −z /2 − ∞ < z < ∞
2π
Rz
Hàm phân phối của Z là P(Z ≤ z) = −∞ f (y ; 0, 1)dy = Φ(z).
Kí hiệu: Z ∼ N(0, 1).
Nguyễn Ngọc Tứ Bài giảng 4 17 / 29
Phân phối chuẩn

X −µ
Mệnh đề. Nếu X ∼ N(µ, σ 2 ) thì Z = ∼ N(0, 1). Do đó,
σ
     
a−µ b−µ b−µ a−µ
P(a ≤ X ≤ b) = P ≤Z ≤ =Φ −Φ
σ σ σ σ
   
a−µ b−µ
P(X ≤ a) = Φ P(X ≥ b) = 1 − Φ
σ σ
Ví dụ. Cho X ∼ N(1.25, 0.452 ). Tính: a) P(1 ≤ X ≤ 1.75) b) P(X > 2)
Giải.

Nguyễn Ngọc Tứ Bài giảng 4 18 / 29

Phân phối chuẩn

X −µ
Mệnh đề. Nếu X ∼ N(µ, σ 2 ) thì Z = ∼ N(0, 1). Do đó,
σ
     
a−µ b−µ b−µ a−µ
P(a ≤ X ≤ b) = P ≤Z ≤ =Φ −Φ
σ σ σ σ
   
a−µ b−µ
P(X ≤ a) = Φ P(X ≥ b) = 1 − Φ
σ σ
Ví dụ. Cho X ∼ N(1.25, 0.452 ). Tính: a) P(1 ≤ X ≤ 1.75) b) P(X > 2)
Giải.    
1.75 − 1.25 1 − 1.25
a) P(1 ≤ X ≤ 1.75) = Φ −Φ = 0.57748
0.45  0.45
2 − 1.25
b) P(X > 2) = 1 − P(X ≤ 2) = 1 − Φ = 1 − 0.95221 =
0.45
0.04779

Nguyễn Ngọc Tứ Bài giảng 4 18 / 29

Bấm máy tính tìm hàm Phi của phân phối chuẩn
 
2 − 1.25
Ví dụ 1. Tìm Φ =?
0.45
fx570 or VINACAL 570
MODE → 3:STAT → 1:Var →AC 
2 − 1.25
SHIFT → 1 → 5:Distr → 1:P = 0.95221
0.45
fx580
MODE → 6 → AC  
2 − 1.25
OPTN → ⇓ → 4 (Norm Dist) → 1:P = 0.95221
0.45
Ví dụ 2. Tìm c nếu Φ(c) = 0.975.
fx570 VN or VINACAL 570 VN
MODE → ⇓ → 3 → 3 → 0.975 = = = 1.96
fx580
MODE → 7 → 3 → 0.975 = = = 1.96

Nguyễn Ngọc Tứ Bài giảng 4 19 / 29

Phân phối chuẩn - Bài tập
1. Đường kính (inch) của một loài cây có pp chuẩn với µ = 8.8 và σ = 2.8.
a. Tính xác suất chọn được cây có đường kính vượt qua 10 inch? ít nhất
10 inch? ít nhất 5 inch và không quá 10 inch?
b. Tính xác suất chọn được cây có đường kính không vượt quá 20 inch nếu
biết rằng cây này có đường kính ít nhất là 10 inch?
c. Tìm giá trị c sao cho khoảng (8.8 − c; 8.8 + c) bao gồm 98% các giá trị
đường kính?
d. Nếu bốn cây được chọn ngẫu nhiên, tính xác suất có ít nhất một cây có
đường kính vượt qua 10 inch?
Giải.
X = đường kính của cây. Khi đó X ∼ N(8.8; 2.82 ).
a. P(X > 10) =
P(X ≥ 10) =
b. P(5 < X < 10) =
c. P(8.8 − c < X < 8.8 + c) = 0.98. Tìm c.
Nguyễn Ngọc Tứ Bài giảng 4 20 / 29
Phân phối chuẩn - Bài tập
Note. Φ(−x) = 1 − Φ(x)
   
8.8 + c − 8.8 8.8 − c − 8.8
P(8.8 − c < X < 8.8 + c) = Φ −Φ
2.8 2.8
 
 c  −c
=Φ −Φ
2.8 2.8
 c    c 
=Φ − 1−Φ
2.8c  2.8
= 2Φ −1
2.8
 c  c
⇒Φ = 0.99 ⇒ = 2.326 ⇒ c = 6.5128.
2.8 2.8
d. Gọi Y là số cây có chiều cao vượt qua 10 inch trong 4 cây được chọn.

Y ∼ B(n, p) với n = 4 và p = P(X > 10);

P(Y ≥ 1) = 1 − P(Y = 0).

Nguyễn Ngọc Tứ Bài giảng 4 21 / 29
Phân phối chuẩn - Bài tập
2. Thời gian X (đơn vị: phút) đi từ nhà đến trường của sinh viên M là biến
ngẫu nhiên có phân phối chuẩn N(21; 10.24).
a. Sinh viên M rời nhà lúc 6 giờ 45 phút để đi đến trường. Tính xác suất
để sinh viên M đến trường trước 7 gìờ.
b. Trong một tuần sinh viên M phải đi đến trường 6 ngày và ngày nào sinh
viên M cũng rời nhà lúc 6 giờ 45 phút. Gọi Y là số ngày sinh viên đến
trường sau 7 giờ trong một tuần. Tính kỳ vọng và phương sai của Y .

Nguyễn Ngọc Tứ Bài giảng 4 22 / 29

Phân phối chuẩn - Bài tập
3. Khối lượng X (đơn vị : gam) của mỗi sản phẩm nhà máy M là biến ngẫu
nhiên có phân phối chuẩn với E (X ) = 100 và V (X ) = 12, 25.
a. Tính tỷ lệ sản phẩm của nhà máy M có khối lượng trên 103 gam.
b. Sản phẩm đạt chuẩn của nhà máy M có khối lương từ 97 gam đến 103
gam. Tính xác suất một sản phẩm đạt chuẩn của nhà máy M có khối lượng
trên 101 gam.

Nguyễn Ngọc Tứ Bài giảng 4 23 / 29

Xấp xỉ phân phối nhị thức

Nguyễn Ngọc Tứ Bài giảng 4 24 / 29

Xấp xỉ phân phối nhị thức bởi Phân phối chuẩn
Cho X ∼ B(n, p). Nếu n ≫ p, thì ta xấp xỉ X ∼ N(µ = np, σ 2 = np(1 − p)).
Khi đó, !
x − np
P(X ≤ x) ≃ Φ p
np(1 − p)
Ví dụ. Giả sử một trường đại học có 25% sinh viên được nhận hỗ trợ tài
chính. Gọi X là số lượng sinh viên được nhận hỗ trợ trong 50 sinh viên sao
cho p = 0.25. Khi đó, ta có µ = 12.5 và σ = 3.06.
Xác suất mà nhiều nhất 10 sinh viên nhận hỗ trợ
 
10 − 12.5
P(X ≤ 10) ≃ Φ = Φ(−0.81699) =
3.06
Bài tập. Trồng 10000 cây cao su với xác suất sống của mỗi cây là 0.8. Tính
xác suất có từ 7980 đến 8100 cây sống.

Nguyễn Ngọc Tứ Bài giảng 4 25 / 29

Phân phối mũ

Định nghĩa. Một biến ngẫu nhiên X gọi là có phân phối mũ với tham số
λ(λ > 0) nếu hàm mật độ xác suất của X là
(
λe −λx x ≥ 0,
f (x) =
0 nếu khác.

Hàm phân phối của X là

(
1 − e −λx x ≥ 0,
F (x) =
0 x < 0.

1 2 1
Kí hiệu: X ∼ Exp(λ) và µ = E (X ) = ; σ = V (X ) = 2 .
λ λ

Nguyễn Ngọc Tứ Bài giảng 4 26 / 29

Phân phối mũ - Bài tập
1. Cho X là biến ngẫu nhiên có phân phối mũ với giá trị trung bình là 6.
Tính xác suất P(X ≤ 10) và P(5 ≤ X ≤ 10)
1 1
Giải. Ta có: 6 = EX = , do đó λ = .
λ 6
1
P(X ≤ 10) = F (10) = 1 − e −( 6 )(10)
= 1 − 0.189 = 0.811
P(5 ≤ X ≤ 10) = F (10) − F (5)
= (1 − e −1.667 ) − (1 − e −8.335 ) = 0.246

2. Tuổi thọ X (đơn vị: năm) của sản phẩm do nhà máy N sản xuất là biến
ngẫu nhiên X có phân phối mũ với tham số λ = 0.1.
a. Tính tuổi thọ trung bình của sản phẩm do nhà máy N sản xuất.
b. Viết hàm mật độ xác suất của X và tính tỷ lệ sản phẩm có tuổi thọ lớn
hơn tuổi thọ trung bình.
Nguyễn Ngọc Tứ Bài giảng 4 27 / 29
Phân phối Gamma (tự học)
Định nghĩa. Cho α > 0, khi đó hàm gamma Γ(α) được xác định bởi
Z ∞
Γ(α) = x α−1 e −x dx
0

Một số tính chất quan trọng của hàm gamma:

1. Cho bất kì α > 1, Γ = (α − 1) · Γ(α − 1).
2. Cho n là một số nguyên dương bất kì, ta có Γ(n) = (n − 1)!
√
3. Γ( 21 ) = π
Đặt
 α−1 −x
x e
x ≥ 0,
f (x; α) = Γ(α) (1)
0 nếu khác.

R∞
Khi đó, ta thấy f (x; α) ≥ 0 và 0 f (x; α)dx = Γ(α)/Γ(α) = 1, vì thế
f (x; α) thỏa mãn hai tính chất cơ bản của hàm mật độ xác suất.
Nguyễn Ngọc Tứ Bài giảng 4 28 / 29
Phân phối Gamma
Định nghĩa. Một biến ngẫu nhiên liên tục X gọi là có phân phối gamma
nếu hàm mật độ của X là
 1 x α−1 e −x x ≥ 0,


f (x; α, β) = β α Γ(α) (2)

0 nếu khác.


trong đó α và β là hai tham số dương.

Hàm gamma chuẩn tắc khi β = 1 và hàm mật độ của X lúc đó là (1).
Kì vọng và phương sai của X
E (X ) = µ = αβ Var (X ) = σ 2 = αβ 2
Hàm phân phối của biến ngẫu nhiên X có phân phối gammma chuẩn tắc là
Z x α−1 −y
y e
F (x; α) = dy x > 0
0 Γ(α)
còn được gọi là hàm gamma không đầy đủ.
Nguyễn Ngọc Tứ Bài giảng 4 29 / 29