Professional Documents
Culture Documents
Giao Trinh Xs Sdh17
Giao Trinh Xs Sdh17
Giao Trinh Xs Sdh17
MỤC TIÊU:
1. Trình bày được các khái niệm liên quan đến biến cố
2. Tính được xác suất của biến cố dựa trên các định nghĩa xác suất, các
tính chất, các công thức
Với ba phần tử {a, b, c}, ta có số các chỉnh hợp chập 2 của 3 phần tử là
3!
A23 = (3−2)! = 6, được liệt kê như sau
Chú ý: Khi k = n ta được một hoán vị của n phần tử. Số các hoán vị của n
phần tử là
Pn = Ann = n(n − 1)....2.1 = n!.
Với ba phần tử {a, b, c}, ta có số các hoán vị của 3 phần tử đó là 3!= 6,
được liệt kê như sau
{abc, acb, bac, bca, cab, cba} .
Ãkn = nk .
Với ba phần tử {a, b, c}, ta có số các chỉnh hợp lặp chập 2 của 3 phần tử
là 32 = 9, liệt kê ra là
1.1.4. Tổ hợp
Cho tập hợp gồm n phần tử. Mỗi nhóm k phần tử (0 ≤ k ≤ n) khác nhau,
không phân biệt thứ tự lấy từ tập hợp này gọi là một tổ hợp chập k của n phần
tử. Số các tổ hợp chập k của n phần tử là
1 k n!
Cnk = An = .
k! k!(n − k)!
5
Ví dụ 1.1. Sắp xếp ngẫu nhiên 6 sinh viên gồm 3 nam, 3 nữ vào một bàn dài
6 chỗ
a. Có mấy cách sắp xếp chỗ cho sinh viên?
b. Có mấy cách sắp xếp sao cho ngồi hai đầu bàn là hai sinh viên nam?
c. Có mấy cách sắp xếp sao cho ngồi vào hai đầu bàn là một sinh viên nam
và một sinh viên nữ?
d. Có mấy cách sắp xếp sao cho nam nữ ngồi xen kẽ nhau?
Giải:
a. Sắp xếp 6 sinh viên vào 6 chỗ là một hoán vị của 6 phần tử, nên số cách
sắp xếp chỗ là 6! = 720.
b. Công việc sắp xếp sinh viên chia làm 2 giai đoạn:
- Chọn 2 từ 3 sinh viên nam xếp vào 2 đầu bàn (2 sinh viên này đổi chỗ
cho nhau nên có tính thứ tự), có A23 cách chọn.
- Sắp xếp 4 sinh viên vào 4 chỗ còn lại, có 4! cách xếp.
Vậy có A23 .4! = 144 cách xếp.
c. Công việc chia làm 4 giai đoạn:
- Chọn 1 nữ từ 3 nữ sinh viên, có C31 cách chọn.
- Chọn 1 nam từ 3 nam sinh viên, có C31 cách chọn.
- Sắp xếp 2 sinh viên này vào 2 đầu bàn, có 2! cách xếp.
6
- Sắp xếp 4 sinh viên vào 4 chỗ còn lại, có 4! cách xếp.
Vậy có C31 .C31 .2!.4! = 432 cách sắp xếp.
d. Công việc được chia làm 3 giai đoạn.
- Chọn vị trí cho sinh viên nam và nữ (nam ngồi vị trí lẻ, nữ ngồi vị trí
chẵn và ngược lại), có 2! cách chọn.
- Xếp 3 nam vào 3 vị trí vừa chọn, có 3! cách xếp.
- Xếp 3 nữ vào 3 vị trí vừa chọn, có 3! cách xếp.
Vậy có 2!.3!.3! = 72 cách.
Ví dụ 1.2. Một đội văn nghệ gồm 20 người trong đó có 10 nam và 10 nữ. Hỏi
có bao nhiêu cách chọn ra 5 người tham gia biểu diễn sao cho:
a. Có đúng 2 nam trong 5 người đó.
b. Có ít nhất 2 nam và ít nhất 1 nữ trong 5 người đó.
Giải:
Ví dụ 1.3. Tung một đồng xu ba lần. Tìm số kết quả có thể xảy ra.
Giải:
Mỗi lần tung, đồng xu chỉ có thể sấp (S) hoặc ngửa (N). Do vậy số các kết
quả của phép tung đồng xu là:
Ví dụ 1.4. Gieo một con xúc xắc 6 mặt 2 lần. Tìm số kết quả có thể của phép
gieo.
Giải:
Mỗi lần gieo, xúc xắc có thể xuất hiện mặt 1, 2, ...,6. Do vậy số các kết quả
của phép gieo là:
{(1, 1); (1, 2); (1, 3); ....; (6, 6)}
có 6.6 = 36 phần tử.
Chúng ta dễ dàng tổng quát kết quả trên, khi gieo con xúc xắc n lần sẽ có
n
6 kết quả có thể xảy ra.
Giải:
• Khi tung một đồng xu, có thể xuất hiện mặt ngửa nhưng cũng có thể
không xuất hiện mặt ngửa.
• Khi gieo một con xúc xắc, có thể xuất hiện mặt 6 chấm nhưng cũng có
thế không xuất hiện mặt 6 chấm.
8
• Khi khám bệnh cho một bệnh nhân, có thể bệnh nhân có bệnh X nào
đó cũng có thể bệnh nhân không có bệnh X.
Hiện tượng ngẫu nhiên là đối tượng khảo sát của lý thuyết xác suất và để
khảo sát một hiện tượng ngẫu nhiên, người ta cho hiện tượng này xuất hiện
nhiều lần để quan sát. Mỗi lần cho xuất hiện một hiện tượng ngẫu nhiên được
gọi là thực hiện một phép thử. Khi thực hiện một phép thử, dù ta không dự
đoán được kết quả nào sẽ xảy ra nhưng thường ta có thể liệt kê tất cả các kết
quả có thể xảy ra. Tập tất cả các kết quả có thể xảy ra của một phép thử được
gọi là không gian mẫu của phép thử đó. Mỗi phần tử của không gian mẫu
gọi là một biến cố sơ cấp và mỗi tập con của không gian mẫu gọi là một biến cố.
Ta thường dùng kí hiệu Ω cho không gian mẫu, các chữ cái in hoa A, B,
N, S ... kí hiệu tập con của Ω để chỉ các biến cố.
Ví dụ 1.6.
Ví dụ 1.7. Phép thử gieo 2 quân xúc xắc. Biến cố "tổng số nút ≥ 2 và ≤ 12"
là biến cố chắc chắn.
9
Biến cố không thể A = Ø: là biến cố không bao giờ xảy ra khi thực hiện
phép thử.
Ví dụ 1.8. Với phép thử trên. Biến cố "tổng số nút >12" là biến cố không
thể.
Biến cố kéo theo: A ⊂ B là nếu biến cố A xảy ra thì dẫn tới biến cố B
xảy ra.
Ví dụ 1.9.
a. Phép thử gieo quân xúc xắc. Gọi
A: "Xuất hiện mặt 1 chấm ", B: "Xuất hiện mặt có số chấm là số lẻ".
Thì A ⊂ B.
b. Phép thử khám cho 3 người xem có bị cao huyết áp hay không? Gọi
C: "có một người bị huyết áp cao", D: "có ít nhất một người bị huyết áp
cao".
Thì C ⊂ D.
Biến cố tổng: A ∪ B là biến cố "ít nhất có A hoặc B xảy ra", được gọi là
tổng của hai biến cố A và B.
A1 ∪ A2 ∪ .... ∪ An gọi là tổng của n biến cố A1 , A2 , ...An .
Ví dụ 1.10.
a. Phép thử gieo 2 quân xúc xắc. Gọi
A: "tổng số nút > 10", B: "tổng số nút < 4". => ít nhất có A hoặc B xảy ra
Khi đó, biến cố Nếu có phần tử chung => viết 1 lần
A ∪ B = {(5, 6), (6, 5), (6, 6), (1, 2), (2, 1), (1, 1)} .
Biến cố tích: A ∩ B là biến cố "cả A và B cùng xảy ra", được gọi là tích
của hai biến cố A và B.
A1 ∩ A2 ∩ .... ∩ An gọi là tích của n biến cố A1 , A2 , ...An .
10
Ví dụ 1.11.
a. Phép thử gieo 2 quân xúc xắc. Gọi A: "tổng số nút >7", B: "tổng số nút
< 10".
Khi đó, biến cố
A ∩ B = {(2, 6), (6, 2), (3, 5), (5, 3), (4, 5), (5, 4), (4, 4)} .
Biến cố xung khắc: Hai biến cố A và B gọi là xung khắc nếu khi biến
cố này xảy ra thì biến cố kia không xảy ra, tức là A ∩ B = Ø.
Ví dụ 1.12.
a. Phép thử gieo 2 quân xúc xắc. Đặt biến cố
A: "tổng số nút < 7", B: "tổng số nút > 10".
Khi đó, A và B là 2 biến cố xung khắc.
b. Phép thử xét nghiệm vi khuẩn đường ruột cho một bệnh nhân. Gọi các
biến cố
C: "vi khuẩn Subtilis phát triển", D: "vi khuẩn E.coli phát triển". Thì C
và D xung khắc vì hai loại vi khuẩn đó thường không thể hiện đồng thời trong
đường ruột.
Biến cố đối: Biến cố đối của biến cố A trong không gian mẫu Ω, kí hiệu
là Ā, là biến cố "không xảy ra A". giống phủ định
Ví dụ 1.13.
a. Phép thử gieo 2 quân xúc xắc. Đặt biến cố A: "tổng số nút là chẵn", thì
Ā: "tổng số nút là lẻ".
b. Khám cho một người. Đặt biến cố A: "ốm", thì Ā: "khỏe".
Mối quan hệ giữa các biến cố trên được minh họa bằng sơ đồ Ven sau (hình
1.1)
Ví dụ 1.14.
a. Xét phép thử gieo một xúc xắc với các biến cố
A: "nhận được mặt 1",
B: "nhận được mặt lẻ".
Theo định nghĩa ta có P (A) = 61 , P (B) = 3
6
= 0.5.
b. Lấy ngẫu nhiên một viên bi trong hộp đựng 4 bi xanh và 6 bi đỏ. Với các
biến cố
C: "nhận được bi xanh",
D: "nhận được bi đỏ".
4 6
Ta được P (C) = 10 = 0.4 và P (D) = 10
= 0.6.
Khi một trong 2 điều kiện trên không xảy ra, ta có thể định nghĩa xác suất
bằng thống kế như sau
Định nghĩa xác suất bằng tần suất: Giả sử phép thử có thể lặp lại
n phép thử nhiều lần trong điều kiện giống nhau. Nếu trong n lần thực hiện phép thử mà
biến cố A xảy ra k lần thì tỉ số nk được gọi là tần suất xuất hiện của A trong
n phép thử.
Người ta chứng minh được rằng, khi n đủ lớn, tần suất của biến cố A sẽ
dao động quanh một giá trị nào đó gọi là xác suất của A, kí hiệu là P(A).
Trong thực tế, với n đủ lớn, người ta lấy tần suất của A làm giá trị gần đúng
cho xác suất của biến cố A,
k
P (A) = .
n
Ví dụ 1.15. Thống kê trên 10000 người dân của thành phố cho thấy có 51
người bị bệnh cao huyết áp, ta nói xác suất của biến cố A: "bi bệnh cao huyết
áp" là
51
P (A) = = 0, 0051.
10000
Ví dụ 1.16. Button và Pearson đã tiến hành gieo nhiều lần một đồng tiền
cân đối và đồng chất. Kết quả các số liệu được ghi trong bảng 1.1:
Ví dụ 1.17. Một số người đã tiến hành quan sát tỉ lệ sinh con trai của một
số vùng lãnh thổ trong những điều kiện khác nhau. Kết quả các số liệu quan
sát được ghi lại trong bảng 1.2:
Định nghĩa theo tiên đề Kolmogorov: Xác suất P(.) là hàm số xác
định trên tập các biến cố của không gian mẫu Ω thỏa:
• P (Ø) = 0, P (Ω) = 1.
P (A ∪ B) = P (A) + P (B).
Tổng quát hơn, nếu A1 , A2 , ... là dãy các biến cố xung khắc với nhau từng đôi
một thì
P (A1 ∪ A2 ∪ ...) = P (A1 ) + P (A2 ) + ....
Hệ quả:
• P (A) + P (Ā) = 1
nhỏ thì thực tế có thể cho rằng trong một phép thử biến cố đó sẽ không xảy
ra".
Chẳng hạn mỗi chiếc máy bay đều có một xác suất rất nhỏ để xảy ra tai
nạn. Nhưng trên thực tế ta vẫn không từ chối đi máy bay vì tin tưởng rằng
trong chuyến bay ta đi biến cố máy bay rơi sẽ không xảy ra.
Hiển nhiên việc qui định một mức xác suất như thế nào được gọi là nhỏ
sẽ tùy thuộc vào từng bài toán cụ thể. Chẳng hạn xác suất để máy bay rơi là
0.01 thì xác suất đó chưa được coi là nhỏ. Song nếu xác suất một chuyến tàu
khởi hành châm là 0,01 thì có thể coi rằng xác suất này nhỏ.
Mức xác suất nhỏ này gọi là mức ý nghĩa. Nếu α là mức ý nghĩa thì số
β = 1 − α gọi là độ tin cậy. Khi dựa trên nguyên lí xác suất nhỏ, ta tuyên bố
rằng: "Biến cố A có xác suất nhỏ (tức là P (A) ≤ α) sẽ không xảy ra trong
thực tế" thì độ tin cậy của kết luận trên là β. Tính đúng đắn của kết luận trên
chỉ xảy ra trong 100.β%.
Một số ví dụ minh họa
Ví dụ 1.18. Gieo lần lượt 3 đồng xu. Với các biến cố
A: "Ít nhất hai mặt sấp xuất hiện",
B: "Ba mặt giống nhau".
a. Tính các xác suất của A, B.
b. Tính các xác suất A ∪ B, A ∩ B.
Giải:
gồm 8 phần tử. Đó chính là số chỉnh hợp lặp chập 3 của 2 phần tử {S, N }.
a. Biến cố
A = {(SSS), (SSN ), (N SS), (SN S)},
B = {(SSS), (N N N )}.
Do đó P (A) = 84 = 12 , P (B) = 2
8
= 14 .
b. Biến cố
A ∪ B = {(SSS), (SSN ), (N SS), (SN S), (N N N )},
A ∩ B = {(SSS)}.
Do đó P (A ∪ B) = 85 , P (A ∩ B) = 81 .
15
Ví dụ 1.19. Gieo lần lượt một đồng xu và một quân xúc xắc.
a. Tính xác suất của biến cố A: "đồng xu xuất hiện mặt sấp và số nút quân
xúc sắc xuất hiện là một số chẵn".
b. Tính xác suất của biến cố B: "số nút quân xúc sắc xuất hiện là một số
nguyên tố".
c. Tính xác suất của biến cố C: "đồng xu xuất hiện mặt ngủa và số nút
quân xúc sắc xuất hiện là một số lẻ".
d. Tính các xác suất A ∪ B, A ∩ B, A ∩ B ∩ C.
Giải:
3
a. Biến cố A = {S2, S4, S6}, có P (A) = 12
= 14 .
6
b. Biến cố B = {S2, S3, S5, N 2, N 3, N 5}, có P (B) = 12
= 12 .
3
c. Biến cố C = {N 1, N 3, N 5}, có P (C) = 12
= 14 .
8
d. Biến cố A∪B = {S2, S3, S4, S5, S6, N 2, N 3, N 5} có P (A∪B) = 12
= 23 .
1
Biến cố A ∩ B = {S2}, có P (A ∩ B) = 12
.
Biến cố A ∩ B ∩ C = Ø nên P (A ∩ B ∩ C) = 0.
Ví dụ 1.20. Một lô hàng có N sản phẩm, trong đó có K phế phẩm. Chọn ngẫu
nhiên cùng lúc n sản phẩm. Tính xác suất để trong n sản phẩm được chọn có
k phế phẩm.
Giải:
Gọi biến cố Ak : "trong n sản phẩm được chọn có k phế phẩm". Không gian
mẫu Ω có CNn phần tử.
Ta phải chọn k phế phẩm trong K phế phẩm và n − k sản phẩm trong số
k
N − K sản phẩm còn lại. Do đó số phần tử của A là CK .CNn−k
−K .
Vậy
C k .C n−k
P (Ak ) = K nN −K .
CN
16
Ví dụ 1.21. Một hộp chứa 5 cầu trắng, 3 cầu xanh và 4 cầu đen cùng kích
thước. Chọn ngẫu nhiên cùng lúc 3 cầu. Tính xác suất của các biến cố
a. A: "cả ba cầu cùng màu".
b. B: "có đúng 2 cầu cùng màu".
c. C: "có ít nhất 2 cầu cùng màu".
d. D: "cả ba cầu khác màu nhau".
Giải:
Ví dụ 1.22. Một lớp học có 100 sinh viên. Có 30 em giỏi cả Toán và Văn, 40
em giỏi Toán và 50 em giỏi Văn. Chọn ngẫu nhiên một em và xét các biến cố
A: "chọn được sinh viên giỏi Toán",
B: "chọn được sinh viên giỏi Văn".
Khi đó A ∩ B là biến cố "chọn được sinh viên giỏi cả Toán và Văn" và
40 50 30
P (A) = = 0, 4; P (B) = = 0, 5; P (A ∩ B) = = 0, 3.
100 100 100
17
Ta có
P (A ∩ B) P [{1, 2, 3} ∩ {2, 4, 6}] P [{2}] 1/6 1
P (A/B) = = = = = .
P (B) P [{2, 4, 6}] P [{2, 4, 6}] 3/6 3
P (A ∩ C) P [{1, 2, 3} ∩ {1, 2}] P [{1, 2}] 2/6
P (A/C) = = = = = 1.
P (C) P [{1, 2}] P [{1, 2}] 2/6
P (B ∩ C) P [{2, 4, 6} ∩ {1, 2}] P [{2}] 1/6 1
P (B/C) = = = = = .
P (C) P [{1, 2}] P [{1, 2}] 2/6 2
Nhận xét: Khi chúng ta đặt điều kiện B, tức là chúng ta đã hạn chế không
gian xác suất từ Ω xuống B, và hạn chế biến cố A xuống còn A ∩ B. Cho nên
xác suất của A với điều kiện B chính là xác suất của A ∩ B trong không gian
xác suất mới B với một xác xuất P1 (A ∩ B) = P (A/B).
Tính chất: Với các biến cố A, B, C bất kì, ta có
18
P (A ∩ B) = P (A)P (B/A).
P (A1 ∩A2 ∩...∩An ) = P (A1 )P (A2 /A1 )P (A3 /A1 ∩A2 )...P (An /A1 ∩A2 ∩...∩An ).
Ví dụ 1.24. Một lô thuốc có 50 lọ, trong đó 5 lọ bị hỏng. Lấy ngẫu nhiên từng
lọ thuốc. Tính xác suất để:
a. Lọ thứ 1 và 2 đều hỏng,
b. Cả 3 lọ đều hỏng.
Tổng quát: Giả sử A1 , A2 , ...An là 1 nhóm đầy đủ các biến cố, tức là chúng
xung khắc với nhau từng đôi một và biến cố tổng A1 ∪ A2 ∪ .... ∪ An = Ω, thì
với mọi biến cố B (trong cùng phép thử), ta có
A = (A ∩ B) ∪ (A ∩ B̄)
19
nên
P (A) = P (A ∩ B) + P (A ∩ B̄)
= P (A/B)P (B) + P (A/B̄)P (B̄).
Giải:
Ta suy ra
P (B/Ak )P (Ak )
P (Ak /B) =
P (B)
P (B/Ak )P (Ak )
= .
P (B/A1 )P (A1 ) + P (B/A2 )P (A2 ) + ... + P (B/An )P (An )
Ví dụ 1.26. Trong ví dụ nhận vắc-xin ở trên. Giả sử kiểm tra thấy lọ không
đảm bảo chất lượng. Tính xác suất để lọ đó do xí nghiệp A sản xuất.
Giải:
P (B/A1 )P (A1 ) 0, 3.0, 01 3
P (A1 /B) = = = .
P (B) 0, 028 28
P (A/B) = P (A)
và do đó
P (A ∩ B) = P (A)P (B).
Tổng quát, n biến cố A1 , A2 , ..., An được gọi là độc lập nếu mỗi biến cố Ai ,
với i = 1, 2, ..., n độc lập với tích bất kì các biến cố còn lại.
21
Ví dụ 1.27. Thảy một đồng xu và một con xúc xắc, ta có không gian mẫu
Ω = {(S, 1), (S, 2), ..., (S, 6), (N, 1), (N, 2), ..., (N, 6)} .
Do định nghĩa, nếu 3 biến cố A, B, C độc lập thì A độc lập với B, C và
B ∩ C nên
P (A ∩ B) = P (A)P (B),
P (A ∩ C) = P (A)P (C),
P (A ∩ (B ∩ C)) = P (A)P (B ∩ C).
Do B, C cũng độc lập nhau nên
P (B ∩ C) = P (B)P (C),
và do đó
P (A ∩ B ∩ C) = P (A)P (B)P (C).
Tính chất: Nếu A, B độc lập với nhau thì
Ví dụ 1.28. Hai xạ thủ A và B cùng nhắm bắn một con thỏ. Xác suất để A
bắn trúng là 27 , xác suất để B bắn trúng là 81 . Tính xác suất để:
a. Cả hai xạ thủ bắn trúng.
b. Chỉ một trong hai người bắn trúng.
c. ít nhất một trong hai người bắn trúng.
d. Cả hai xạ thủ đều bắn trượt.
Giải:
Gọi biến cố
A: "xạ thủ A bắn trúng",
B: "xạ thủ B bắn trúng".
Khi đó A, B là 2 biến cố độc lập và P (A) = 27 , P (B) = 81 .
a. Biến cố cả hai xạ thủ bắn trúng chính là A ∩ B, với
2 1 1
P (A ∩ B) = P (A)P (B) = . = .
7 8 28
5
b. Ta có P (Ā) = 1 − P (A) = 7
và P (B̄) = 1 − P (B) = 78 .
Biến cố chỉ một người bắn trúng là (Ā ∩ B) ∪ (A ∩ B̄), với
5 1 2 7 19
P (Ā ∩ B) ∪ (A ∩ B̄) = P (Ā)P (B) + P (A)P (B̄) = . + . = .
7 8 7 8 56
2
c. P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = 7
+ 18 − 1
28
= 38 .
d. P (Ā ∩ B̄) = P (Ā)P (B̄) = 57 . 78 = 85 .
Cách khác:
3 5
P (Ā ∩ B̄) = P A ∪ B = 1 − P (A ∪ B) = 1 − = .
8 8
Ví dụ 1.29. Tại một sảnh chờ của bệnh viện có 30 bệnh nhân chờ tái khám
(sau khi đã đăng kí), trong đó có 17 nữ và 13 nam. Có 3 người tên là Thanh,
gồm 1 nữ và 2 nam. Bác sĩ gọi ngẫu nhiên một nữ bệnh nhân vào phòng khám.
Khi đó xác xuất để người đó tên Thanh là bao nhiêu?
Giải:
23
Trong trường hợp Bác sĩ gọi một bệnh nhân tên Thanh vào khám. Xác
suất để bệnh nhân đó là nữ
P (A ∩ B) 1/30 1
P (B/A) = = = .
P (A) 3/30 3
Ví dụ 1.30. Tại một thành phố, tỉ lệ người nghiện rượu và mắc chứng ung
thu gan là 15%. Có 25% số người nghiện rượu nhưng không ung thư gan, 50%
không nghiện rượu và cũng không ung thư gan, 10% số người không nghiện
rượu nhưng ung thư gan. Sử dụng số liệu thống kê này để rút ra kết luận về
mối quan hệ giữa bệnh ung thư gan và thói quen nghiện rượu.
Giải:
A = (A ∩ B) ∪ (A ∩ B̄)
nên
P (A) = P (A ∩ B) + P (A ∩ B̄) = 0, 15 + 0, 25 = 0, 4.
24
Từ đó P (Ā) = 1 − P (A) = 1 − 0, 4 = 0, 6.
Suy ra
0,15
P (B/A) = 0,4
= 0, 375,
0,1
P (B/Ā) = 0,6
= 0, 167.
Vậy P (B/A) > 2P (B/Ā), tức là một người nghiện rượu sẽ có nguy cơ bị ung
thư gan lớn gấp hai lần một người không nghiện rượu.
Ví dụ 1.31. Để dập tắt nạn dịch do muỗi gây ra, một bệnh viện đã tiến hành
phun thuốc diệt lăng quăng 3 lần liên tiếp trong một tuần. Theo kết quả thí
nghiệm thì khả năng lăng quăng bị chết sau lần phun thứ nhất là 50%; nếu
lăng quăng sống sót thì khả năng bị chết sau lần phun thứ 2 là 70%; tương tự
lần phun thứ ba là 90%. Tính xác suất để lăng quăng chết sau đợt phun này.
Giải:
P (Ā) = P (Ā1 ∩ Ā2 ∩ Ā3 ) = P (Ā1 ).P (Ā2 /Ā1 ).P (Ā3 /Ā1 ∩ Ā2 )
= [1 − P (A)] 1 − P (A2 /Ā1 ) 1 − P (A3 /Ā2 )
= (1 − 0, 5)(1 − 0, 7)(1 − 0, 9) = 0, 015.
Suy ra
P (A) = 1 − P (Ā) = 1 − 0, 015 = 0, 985.
Ví dụ 1.32. Trong số bệnh nhân ở một bệnh viện PNT có 50% điều trị bệnh
A, 30% điều trị bệnh B, 20% điều trị bệnh C. Xác suất để chữa khỏi bệnh A,
B và C trong bệnh viện tương ứng là 0,7 , 0,8 và 0,9. Hãy tính tỉ lệ chữa khỏi
bệnh A trong tổng số bệnh nhân đã được chữa khỏi bệnh.
Giải:
25
Gọi
A: "bệnh nhân điều trị bệnh A"
B: "bệnh nhân điều trị bệnh B"
C: "bệnh nhân điều trị bệnh C"
H : "bệnh nhân được chữa khỏi bệnh".
Ta có
P (A) = 0, 5; P (B) = 0, 3; P (C) = 0, 2,
P (H/A) = 0, 7; P (H/B) = 0, 8; P (H/C) = 0, 9.
Theo công thức Bayès:
P (H/A)P (A)
P (A/H) =
P (H/A)P (A) + P (H/B)P (B) + P (H/C)P (C)
0, 5.0, 7 5
= = .
0, 5.0, 7 + 0, 3.0, 8 + 0, 2.0, 9 11
Ví dụ 1.33. Có một bệnh nhân mà bác sĩ chẩn đoán mắc bệnh A với xác suất
70%, mắc bệnh B với xác suất 30%. Để có thêm một thông tin chuẩn đoán, bác
sĩ đã cho xét nghiệm sinh hóa. Sau 3 lần thử thấy có một lần dương tính, biết
rằng khả năng dương tính của mỗi lần xét nghiệm đối với bệnh A và B tương
ứng là 10% và 30%. Hãy cho biết nên chuẩn đoán bệnh nhân mắc bệnh nào?
Giải:
Khi đó
P (C/A) = P (A1 ∩ Ā2 ∩ Ā3 ) ∪ (Ā1 ∩ A2 ∩ Ā3 ) ∪ (Ā1 ∩ Ā2 ∩ A3 )
= 0, 1.0, 9.0, 9 + 0, 9.0, 1.0, 9 + 0, 9.0, 9.0, 1
= 3.0, 1.0, 9.0, 9 = 0, 243.
P (C/B) = P (B1 ∩ B̄2 ∩ B̄3 ) ∪ (B̄1 ∩ B2 ∩ B̄3 ) ∪ (B̄1 ∩ B̄2 ∩ B3 )
= 0, 3.0, 7.0, 7 + 0, 7.0, 3.0, 7 + 0, 7.0, 7.0, 3
= 3.0, 3.0, 7.0, 7 = 0, 441.
Giải:
a. Trường hợp có hoàn lại: Khi đó, một cách trực giác, ta thấy biến cố
T1 , T2 độc lập với nhau. Chúng ta kiểm chứng lại như sau:
4
P (T1 ) = ,
10
P (T2 ) = P (T2 /T1 )P (T1 ) + P (T2 /T¯1 )P (T¯1 )
4 4 4 6 4
= + = .
10 10 10 10 10
27
Do đó
4 4
P (T1 ∩ T2 ) = P (T2 /T1 )P (T1 ) = = P (T1 )P (T2 ).
10 10
b. Trường hợp không hoàn lại: Vì cơ may để lần thứ nhì lấy được viên
thuốc còn hạn sử dụng phụ thuộc viên thuốc nhận được ở lần thứ nhất có là
còn hạn sử dụng hay không? vì thế 2 biến cố T1 , T2 không độc lập. Thật vậy,
ta có
4
P (T1 ) = ,
10
P (T2 ) = P (T2 /T1 )P (T1 ) + P (T2 /T¯1 )P (T¯1 )
3 4 4 6 4
= + = .
9 10 9 10 10
nhưng
3 4
P (T1 ∩ T2 ) = P (T2 /T1 )P (T1 ) = 6= P (T1 )P (T2 ).
9 10
Giả sử chúng ta đang cần sàng tuyển cộng đồng một loại bệnh nào đó. Gọi
D , D− là các biến cố một người có bệnh, không có bệnh và T + , T − là các
+
biến cố kĩ thuật chẩn đoán cho kết quả dương tính, âm tính.
1.4.1. Độ nhạy
Độ nhạy của một nghiệm pháp sàng tuyển là xác suất cho kết quả dương
tính trong số những người bị bệnh, kí hiệu là Se
Se = P (T + /D+ ).
Độ nhạy đại diện cho tính chính xác, không bỏ sót bệnh.
Sp = P (T − /D− ).
Độ đạc hiệu đại diện cho việc không chẩn đoán nhầm bệnh.
Chú ý: Một nghiệm pháp sàng tuyển được coi là tốt nếu cả độ nhạy và
độ đặc hiệu đều cao. Tuy nhiên, nếu độ nhạy cao thì độ đặc hiệu sẽ thấp và
28
ngược lại. Do đó, trên thực tế tùy thuộc vào từng loại bệnh mà chúng ta ưu
tiên cho độ nhạy hay độ đạc hiệu
• Các loại bệnh ưu tiên độ nhạy cao là các loại bệnh nguy hiểm, có thể
chữa khỏi nếu phát hiện sớm hoặc việc phát hiện nhầm không gây tổn
thương về tinh thần cũng như vật chất cho người bệnh.
• Các loại bệnh ưu tiên cho độ đạc hiệu cao là các bệnh khó chữa, nếu có
phát hiện sớm thì hiệu quả điều trị cũng không cao hơn việc phát hiện
muộn là mấy.
Người ta có thể kết hợp cả độ nhạy và độ đạc hiệu để đánh giá một nghiệm
pháp sàng tuyển bằng tỉ số khá dĩ LR
P (T + /D+ ) Se
LR = = .
P (T + /D− ) 1 − Sp
Rõ rằng một nghiệm pháp có độ nhạy và độ đạc hiệu cao thì LR sẽ cao.
P P V = P (D+ /T + ).
N P V = P (D− /T − ).
Giả sử kết quả của một nghiệm pháp sàng tuyển trong một cộng đồng, áp
dụng đối với n người được trình bày dưới dạng bảng ??:
Khi đó, ta có:
a
Se =
a+c
d
Sp =
b+d
a
PPV =
a+b
d
NP V =
c+d
29
Tỉ lệ dương tính giả, tức là xác suất cho kết quả xét nghiệm dương tính
trong trường hợp một người không bị bệnh
b
P (T + /D− ) = = 1 − Sp.
b+d
Tỉ lệ âm tính giả, tức là xác suất cho kết quả xét nghiệm âm tính trong
trường hợp một người bị bệnh
c
P (T − /D+ ) = = 1 − Se.
a+c
Ví dụ 1.35. Giả sử kết quả chẩn đoán ung thư phổi của một nghiệm pháp
sàng tuyển cho bởi bảng 1.3
Bảng 1.3
240
Se = = 0, 6
240 + 160
576
Sp = = 0, 96
24 + 576
240
PPV = = 0, 91
240 + 24
576
NP V = = 0, 78
160 + 576
0, 6
LR = = 15
1 − 0, 96
400
P (D+ ) = = 0, 4
1000
P (T − /D+ ) = 1 − Se = 1 − 0, 6 = 0, 4
P (T + /D− ) = 1 − Sp = 1 − 0, 96 = 0, 04
Ví dụ 1.36. Tỉ lệ hiện mắc của một loại bệnh tại một địa phương là 0,02.
Dùng một kĩ thuật chẩn đoán có độ nhạy là 0,95 và tỉ lệ dương tính giả là 10%.
a. Tính xác suất phản ứng dương tính.
b. Tính giá trị tiên đoán dương.
c. Tính xác suất chẩn đoán đúng.
Giải:
Bài tập 1.8. Công ty X phát hành 25 vé khuyến mãi trong đó có 5 vé trúng
thưởng. Một đại lí được phân phối 3 vé. Tính xác suất để đại lí đó có:
a. Một vé trúng.
b. Ít nhất một vé trúng.
Bài tập 1.9. Một bình đựng 5 viên bi xanh, 7 viên bi đỏ và 4 viên bi vàng.
Lấy ngẫu nhiên 4 viên bi. Tính xác suất trong các tình huống sau:
a. Lấy được 1 bi xanh và 3 vàng.
b. Lấy được đủ 3 màu.
c. Lấy được 4 viên bi cùng màu.
Bài tập 1.12. Trong điều trị bệnh lao có hiện tượng kháng thuốc. Gọi A là
hiện tượng "kháng INH của vi khuẩn lao", B là hiện tượng "kháng PAS của vi
khuẩn lao", C là hiện tượng "kháng Streptomycin của vi khuẩn lao". Qua theo
dõi ta biết khả năng kháng INH của vi khuẩn lao là 20%, nghĩa là P (A) = 0, 2.
Tương tự, P (B) = 0, 4, P (C) = 0, 3. Việc kháng các loại thuốc khác nhau là
độc lập với nhau. Nếu phối hợp cả 3 loại thuốc trên thì khả năng khỏi bệnh
là bao nhiêu? 1 - 0.2x0.3x0.4
Bài tập 1.13. Tỷ lệ người bị mắc bệnh tim trong một vùng dân cư là 9%,
mắc bệnh huyết áp là 12%, mắc cả hai bệnh là 7%. Chọn ngẫu nhiên một
người trong vùng. Tính xác suất để người đó
a. Bị bệnh tim hay bị huyết áp.
b. Không bị bệnh tim cũng không bị huyết áp.
c. Không bị bệnh tim hay không bị huyết áp.
d. Bị bệnh tim nhưng không bị huyết áp.
e. Không bị bệnh tim nhưng bị huyết áp.
Bài tập 1.14. Một khoa điều trị có 3 bệnh nhân nặng với xác suất cần cấp
cứu trong mỗi ca trực của bệnh nhân tương ứng là 50%, 60%, 80%. Tìm khả
năng xảy ra các tình huống sau:
33
Bài tập 1.17. Cho P (A) = 0, 25 và P (B/A) = 2P (B/Ā). Tính P (A/B) 0.4 áp CT
Bayes
Bài tập 1.18. Cho A, B, C và D là các biến cố thỏa B = Ā, C ∩ D = Ø và
P (A) = 41 , P (B) = 34 , P (C/A) = 21 , P (C/B) = 34 , P (D/A) = 41 , P (D/B) = 81
Tính P (C ∪ D). 27/32 áp CT xác suất toàn phần
Bài tập 1.19. Chứng minh công thức Bayès trong chẩn đoán (xem 1.4.):
p.Se
PPV =
p.Se + (1 − p)(1 − Sp)
trong đó: p, Se, Sp, PPV lần lượt là tỉ lệ hiện mắc, độ nhạy, độ đạc hiệu và
giá trị tiên lượng dương.
Bài tập 1.20. Tỉ lệ cha mắt đen, con mắt đen là 0,782; cha mắt đen, con mắt
xanh là 0,079; cha mắt xanh, con mắt đen là 0,089; cha mắt xanh, con mắt
xanh là 0,05.
a. Tính khả năng con mắt đen, biết rằng cha mắt đen?
b. Tính khả năng con mắt xanh, biết rằng cha mắt xanh?
Bài tập 1.21. Một cặp trẻ sinh đôi có thể do cùng 1 trứng (sinh đôi thật) hay
do 2 trứng khác nhau sinh ra (sinh đôi giả). Các cặp sinh đôi thật luôn cùng
giới tính. Các cặp sinh đôi giả thì xác suất để cùng giới tính là 0,5. Thống kê
cho thấy 34% cặp sinh đôi là trai; 30% cặp sinh đôi là gái và 36% cặp sinh đôi
có giới tính khác nhau.
a. Tính tỉ lệ cặp sinh đôi thật.
b. Tìm tỷ lệ cặp sinh đôi thật trong số các cặp sinh đôi cùng giới tính.
34
Bài tập 1.22. Trong một vùng dân cư, tỉ lệ những người bị nghiện rượu là
20%, những người bị ung thư gan là 23%, những người vừa bị ung thư gan vừa
nghiện rượu là 18%. Gặp ngẫu nhiên một người của vùng dân cư đó, người
này không bị nghiện rượu. Tính khả năng người bị ung thư gan.
12
Bài tập 1.23. Trong một làng, tỷ lệ giữa nam và nữ là 13
. Khả năng bệnh
bạch tạng ở nam là 0,6%, ở nữ là 0,35%
a. Tính xác suất mắc bệnh bạch tạng chung của cả làng.
b. Gặp trong làng một người không mắc bệnh. Tìm xác suất để người đó
là nam? là nữ?
Bài tập 1.24. Một nghiên cứu cho thấy, có 5% đàn ông bị mù màu và 0,25%
đàn bà bị mù màu. Giả sử số đàn ông bằng số đàn bà. Chọn 1 người mù màu
một cách ngẫu nhiên. Hỏi xác suất để người đó là đàn ông là bao nhiêu?
Bài tập 1.25. Ở một vùng dân cư, cứ 100 người có 30 người hút thuốc lá.
Biết rằng tỉ lệ bị viêm họng trong số những người hút thuốc lá là 60%, còn
những người không hút thuốc là 30%. Khám ngẫu nhiên một người thì thấy
anh ta bị viêm họng. Tìm xác suất để người đó hút thuốc lá? Nếu người đó
không bị viêm họng thì xác suất người đó hút thuốc lá là bao nhiêu?
Bài tập 1.26. Các nhà nghiên cứu y tế biết rằng xác suất bị ung thư phổi
nếu người hút thuốc là 0,34; người không hút thuốc lá bị ung thư phổi là 0,03.
Họ cũng cho biết rằng có 11% dân số hút thuốc lá. Khám ngẫu nhiên cho một
người thì anh ta không bi viêm phổi. Tính xác suất để anh ta là người không
hút thuốc.
Bài tập 1.27. Trong số bệnh nhân ở bệnh viện có 20% điều trị bệnh A, 50%
điều trị bệnh B và 30% điều trị bệnh C. Xác suất để chữa khỏi các bệnh A, B
và C trong bệnh viện này tương ứng là 0,7; 0,8 và 0,8. Hãy tính tỉ lệ bệnh nhân
được chữa khỏi bệnh B trong tổng số bệnh nhân đã được chữa khỏi bệnh.
Bài tập 1.28. Khi đến phòng cấp cứu của bệnh viện, bệnh nhân được phân
loại theo tình trạng của họ như nguy kịch, nghiêm trọng, hoặc ổn định. Trong
năm qua có 10% số bệnh nhân phòng cấp cứu là nguy kịch, 30% số bệnh nhân
phòng cấp cứu nghiêm trọng, còn lại là ổn định. 40% số bệnh nhân nguy kịch,
10% số bệnh nhân nghiêm trọng, 1% của bệnh nhân ổn định đã chết. Gặp
một bệnh nhân xuất viện từ phòng cấp cứu, tính xác suất để đó là bệnh nhân
nghiệm trọng ?
35
a. Nếu biết bệnh nhân có nhóm máu B . Tính xác suất để chọn ngẫu nhiên
một người của thành phố Y có thể truyền máu cho bệnh nhân được.
b. Nếu chưa biết nhóm máu của bệnh nhân. Tính xác suất để chọn ngẫu
nhiên một người của thành phố Y có thể truyền máu cho bệnh nhân được.
1.2 66 , 6!.
1.3 Cn2 − n.
1.4 Nếu kiêm nhiệm: 1003 . Nếu không kiêm nhiệm: A3100 .
5 C 15 /C 20 , b. C 10 C 10 /C 20 .
1.6 a. C10 90 100 10 90 100
2 C 3 /C 5 ; b. C 1 C 2 C 2 /C 5 ; c. C 2 C 1 C 2 /C 5 .
1.7 a. C26 26 52 13 13 26 52 4 4 4 52
1
1.11 P (A ∩ B) = 12 , P (Ā ∩ B̄) = 41 , P (Ā ∪ B̄) = 11
12 , P (B ∩ Ā) = 5
12 , P (A ∩ B̄) = 41 .
1.12 0.976
1.13 Tương tự bài tập 1.11, sử dụng công thức cộng và các tính chất của biến cố.
27
1.18 32 .
1.18
1.22 0,0625.
1.24 0,9524.
1.26 0,4167.
1.27 0,5128.
1.28 0,2922.
1.29 tự giải.
1.31 0,72.
1.32 0,42
1.33 0,02.
1.35
1.36 Chọn T1 .
MỤC TIÊU:
1. Trình bày được các khái niệm liên quan đến biến ngẫu nhiên, phân biệt
được biến ngẫu nhiên rời rạc và liên tục
2. Lập bảng phân phối xác suất, tính được các tham số đặc trưng của biến
ngẫu nhiên
Xét phép thử, với không gian mẫu Ω. Giả sử ứng với mỗi biến cố sơ cấp
ω ∈ Ω, ta liên kết với một số thực X(ω) ∈ R, thì X được gọi là biến số ngẫu
nhiên hay vắn tắt là biến ngẫu nhiên (tài liệu viết tắt là BNN).
Ví dụ 2.1. a. Xét phép thử tung một đồng xu, với không gian mẫu Ω = {S, N } .
Gọi X là số lần xuất hiện mặt sấp, khi đó X là BNN nhận các giá trị 0, 1.
Ta kí hiệu các biến cố X = 0 để chỉ số lần xuất hiện mặt sấp là 0 và biến
cố X = 1 để chỉ số lần xuất hiện mặt sấp là 1. Đồng thời P (X = 0) = 21 ,
P (X = 1) = 12 chỉ các xác suất của các biến cố X=0, X=1 là 21 .
b. Phép thử gieo một con xúc xắc. Gọi X là số chấm xuất hiện, thì X là BNN
nhận các giá trị 1, 2, 3, 4, 5 và 6. Tương tự như trên ta cũng có các xác suất
tương ứng với các biến cố X=1, X=2, X=3, X=4, X=5, X=6 là P (Xi ) = 16 ,
với i=1,2,...,6.
c. Kiểm tra một hộp thuốc. Gọi X là số viên bị hỏng trong hộp gồm n viên,
thì X là BNN nhận các giá trị 0, 1, 2, ..., n.
d. Khám bệnh cho 50 người. Gọi X là số người bị bệnh thì X là BNN nhận
giá trị 0, 1, 2, ..., 50.
Dễ thấy là nhiều biến cố ngẫu nhiên mà ta khảo sát ở chương 1 đều có thể
được biểu diễn thông qua khái niệm BNN. Một số trường hợp như gieo đồng
xu để chờ mặt sấp hay ngửa xuất hiện thì các kết quả thu được không phải là
những con số. Tuy nhiên chúng ta có thể đặt ra qui định như: nếu xuất hiện
40
mặt sấp thì được 10 đồng, nếu xuất hiện mặt ngửa thì ta mất 5 đồng. Khi
đó, gọi X là số tiền được hay mất, thì X là BNN nhận các giá trị 10, -5 và
P (X = 10) = P (X = −5) = 12 .
Biến ngẫu nhiên thường được kí hiệu bằng các kí tự in như X, Y, Z, ... các
giá trị mà BNN nhận thường viết bằng các kí tự thường x1 , x2 , ..., y, z....
Khi BNN X nhận giá trị hữu hạn hay vô hạn đếm được, ta nói X là biến
ngẫu nhiên rời rạc. Các BBN ở các ví dụ vừa nêu ở trên là các biến ngẫu nhiên
rời rạc.
Khi BNN X nhận giá trị là một khoảng của R (hay cả R), ta nói X là biến
ngẫu nhiên liên tục. Chẳng hạn như khi đo chiều cao, huyết áp, nhiệt độ, ...
của một nhóm bệnh nhân, ta gọi X là các kết quả thu được thì X là BNN liên
tục.
X x1 x2 ... xn ...
P p1 p2 ... pn ...
Ví dụ 2.2. Thảy hai đồng xu, nếu được một mặt sấp và một mặt ngửa thì
được 5đ, nếu được 2 mặt sấp thì mất 3đ, nếu được 2 mặt ngửa thì mất 2đ. Gọi
X để chỉ số tiền được hay mất. Ta có X là BNN nhận các giá trị là -3, -2 và
5 với
1
P (X = −3) = P (SS) = 4
= 0, 25,
1
P (X = −2) = P (N N ) = 4
= 0, 25,
P (X = 5) = P ({SN, N S}) = 42 = 0, 5.
Từ đó ta có bảng phân phối xác suất của X
X −3 −2 5
P 0, 25 0, 25 0, 5
41
được gọi là hàm phân phối tích lũy hay văn tắt là hàm phân phối của X.
Từ tính chất của hàm mật độ và định nghĩa hàm phân phối ta có
(i) 0 ≤ F (x) ≤ 1, với mọi x ∈ R,
(ii) F (−∞) = 0 và F (+∞) = 1,
(iii) F là hàm tăng, nghĩa là nếu x1 < x2 thì F (x1 ) ≤ F (x2 ),
(iv) F liên tục bên phải tại mọi x ∈ R.
với mọi a, b ∈ R, a ≤ b.
Từ đó, ta có các tính chất sau
(i) với mọi x ∈ R, f (x) ≥ 0,
R +∞
(ii) −∞ f (x)dx = 1.
Giải:
Rx
a. Ta có F (x) = P (X ≤ x) = −∞
f (t)dt. Do đó
Khi x < 0, F (x) = 0,
Rx x2
Khi 0 ≤ x < 1, F (x) = tdt = ,
R01 R2x 2
Khi 1 ≤ x < 2, F (x) = tdt + 0
− t)dt = − x2 + 2x − 1,
1
(2
R1 R2
Khi 2 ≤ x, F (x) = 0 tdt + 1 (2 − t)dt = 1.
Vậy ta có hàm phân phối xác suất của X là
0 khi x < 0
x2
khi 0 ≤ x < 1
2
F (x) = 2
− x2 + 2x − 1 khi 1 ≤ x < 2
khi 2 ≤ x
1
1 2
b. P (X < 12 ) = F ( 21 ) = 1
= 18 .
2 2
44
2.3.1. Kỳ vọng
Định nghĩa: Cho X là BNN với hàm mật độ f(x) và u(X) là một hàm theo
BNN X. Kỳ vọng của u(X) được xác định là
X
E(u(X)) = u(xi )pi
i
và Z +∞
µX = xf (x)
−∞
Gọi X là số tiền nhận được sau mỗi lần lấy bi. X là BNN với bảng phân
bố xác suất
X −2300 5000
7 3
P 10 10
Kỳ vọng của X là
7 3
µX = (−2300) + 5000 = −110.
10 10
Điều này có nghĩa là nếu ta chơi nhiều lần thì bình quân mỗi lần lấy một
bi, ta bị lỗ 110đ. Vậy không nên chơi trò này nhiều lần.
45
2
Ta có µX = µY = 6 nhưng σX = 1, 9 nhỏ hơn khá nhiều so với σY2 = 8, 2.
Do đó X ít phân tan hơn Y.
Ví dụ 2.8. Cho X là BNN với hàm mật độ xác suất
(
3
khi |x| ≤ 1
f (x) = 4
0 khi |x| > 1
46
2
Tính µX và σX .
Ta có
Z +∞ Z 1
3x
µX = xf (x)dx = (1 − x2 )dx = 0
−∞ −1 4
Z +∞ Z 1 x
2 2 3x
σX = (x − µX ) f (x)dx = (1 − x2 )dx
−∞ −1 4
Z 1 x
3x 1
= 2 (1 − x2 )dx = .
0 4 5
X 0 1 2 3
1 3 3 1
P 8 8 8 8
Ví dụ 2.10. Trong một gia đình có 3 người con. Gọi X là số người con trai,
ta có bảng phân phối xác suất của X
X 0 1 2 3
1 3 3 1
P 8 8 8 8
Mệnh đề: Cho X là BNN với trung bình µ, phương sai σ 2 và hàm đặc
trưng M(t). Ta có
µ = M 0 (0),
2
σ 2 = M 00 (0) − (M 0 (0)) .
Ví dụ 2.11. Xét BNN X với trung bình µ, phương sai σ 2 và hàm mật độ
(
e−x khi x > 0
f (x) =
0 khi x ≤ 0
a. Tìm µ và σ 2 .
b. Tìm hàm đặc trưng M(t), suy ra µ và σ 2 .
Giải
a. Ta có
Z +∞ Z ∞
−x
µ = xe dx = xe−x dx = 1.
−∞ 0
Z +∞
σ2 = x2 e−x dx − µ2 = 2 − 1 = 1.
−∞
48
b. Ta có
Z +∞ Z +∞
tx −x 1
M (t) = e e dx = e−(1−t)x dx = (t < 1)
−∞ 0 1−t
và
1 2
M 0 (t) = 2
, M 00 (t) = .
(1 − t) (1 − t)3
Do đó
µ = M 0 (0) = 1,
2
σ 2 = M 00 (0) − (M 0 (0)) = 2 − 1 = 1.
X 0 1 3 6
1 4 3 2
P 8 8 8 8
a. Tìm mod(X).
b. Tìm kỳ vọng và phương sai Y=5X+ D(X).
c. Tìm P (1 ≤ X ≤ 3).
Bài tập 2.2. Cho 2 BNN X, Y độc lập với bảng phân phối xác suất như sau
X 0 1 2
P 0, 3 0, 4 0, 3
Y −1 1
P 0, 4 0, 6
Bài tập 2.3. Một lô có 10 lọ thuốc trong đó có 6 lọ loại I và 4 lọ loại II. Lấy
ngẫu nhiên 3 lọ. Gọi X là số lọ loại II lấy được. Lập bảng phân bố xác suất
2
của X. Tìm µX , σX , mod(X).
49
Bài tập 2.5. Cơ quan dự báo khi tượng thủy văn chia thời tiết thành 3 loại:
xấu; bình thường và tốt với xác suất tương ứng là 0,25; 0,45 và 0,3. Với tình
trạng thời tiết trên thì khả năng sản xuất nông nghiệp được mùa tương ứng là
0,2; 0,6 và 0,7. Nếu được mùa thì mức xuất khẩu tương ứng với 3 tình trạng
thời tiết là 3,5 triệu tấn; 4,2 triệu tấn và 4,5 triệu tấn. Hãy tính mức xuất
khẩu lương thực có thể hy vọng.
và
D (5X + D(X)) = D (5X + 3, 1094) = 25D(X) = 77, 74.
1 4
c. P (1 ≤ X ≤ 3) = P (X = 1) + P (X = 3) = 8 + 8 = 58 .
XY −2 −1 0 1 2
P 0,12 0, 16 0, 3 0, 24 0,18
2.3 Ta có
C4k C63−k
P (X = k) = 3 .
C10
Tính toán ta được bảng phân bố xác suất
X 0 1 2 3
1 1 3 1
P 6 2 10 30
2 = 0, 56, mod(X) = 1.
µX = 1, 2, σX
2.4 Gọi X là số lọ hỏng trong 3 lọ lấy ra từ lô B, X nhận các giá trị 0,1,2,3.
Đặt Y là biến cố "lấy được 1 lọ hỏng từ lô A".
Áp dụng công thức xác suất toàn phần,
X 3, 5 4, 2 4, 5
P 0, 0943 0, 5094 0, 3962
MỤC TIÊU:
2. Tính được xác suất, các giá trị đặc trưng của một phân phối
3. Xác định được mối liên hệ giữa các loại phân phối
3.1.2. Mệnh đề
Cho X là BNN, X ∼ B(n; p), ta có
(i) Trung bình: µX = np,
2
(ii) Phương sai: σX = np(1 − p),
(iii) Giá trị tin chắc nhất (mốt): Mod(X)=k0 , với k0 được xác định như sau
- Nếu np+p-1 là số nguyên thì k0 chính là np+p-1 và np+p,
- Nếu np+p-1 là số thập phân thì k0 chính là số nguyên bé nhất nhưng lớn
hơn np+p-1.
Ví dụ 3.1. Một gia đình có 6 người con. Gọi X là số con trai trong gia đình
đó. Ta có X ∼ B(6; 0, 5) với hàm mật độ
(
C6x (0, 5)x (1 − 0, 5)6−x khi x = 0, 1, 2, 3, 4, 5, 6
f (x) =
0 6 0, 1, 2, 3, 4, 5, 6
khi x =
53
X 0 1 2 3 4 5 6
P 0,016 0, 093 0, 240 0, 320 0,240 0, 093 0, 016
P (X = 3) = 0, 32.
P (X ≤ 3) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) = 0, 6563.
Ví dụ 3.2. Trong một vùng dân cư tỉ lệ sốt rét là 5% dân số, chọn ngẫu nhiên
30 người. Gọi X là số người bị số rét trong 30 người này.
54
P (X ≥ 2) = 1 − [P (X = 0) + P (X = 1)]
= 1 − (0, 95)30 + C30
1
(0, 05)1 (1 − 0, 05)30−1 = 0.8122.
Việc lấy 5 lọ thuốc có hoàn lại từ lô thuốc là thực hiện phép thử " lấy một
2
lọ từ lô thuốc" 5 lần độc lập nhau. Do đó X ∼ B(5; 10 ) và ta có hàm mật độ
(
C5x (0, 2)x (1 − 0, 2)6−x khi x = 0, 1, 2, 3, 4, 5
f (x) =
0 khi x 6= 0, 1, 2, 3, 4, 5
Tổng quát, nếu ta lấy n phần tử từ tập hợp N phần tử, trong đó có K phần
tử mang tính chất T nào đó và gọi X là số phần tử mang tính chất T nhận
được trong n phần tử lấy ra, thì X chỉ có thể lấy các giá trị từ 0 đến n và
k
CK CNn−k
−K
P (X = k) = .
CNn
55
Chú ý rằng khi k > K hay k < n − N + K thì biến cố X= k không thể có.
Do đó, ta có hàm mật độ cho X,
x n−x
CK CN −K
f (x) =
CNn
với x ≥ max {0, n − N + K} và x ≤ min {n, K}, f(x)=0 trong các trường hợp
còn lại.
Từ đó, ta có
với x ≥ max {0, n − N + K} và x ≤ min {n, K}, f(x)=0 trong các trường hợp
còn lại.
3.2.2. Mệnh đề
K
Cho BNN X ∼ H(N, K, n), với p = N
và q = 1 − p, ta có
(i) Trung bình: µX = np.
−n
2
(ii) Phương sai: σX = npq N
N −1
.
P (X = k) → Cnk pk (1 − p)n−k
K
với p = N
khi N → ∞ với mọi k = 0, 1, 2, ..., n.
Nghĩa là, nếu X ∼ H(N, K, n) và n khá nhỏ so với N thì để tính xác suất
P(X=k), ta có thể xấp xỉ bằng phân phối nhị thức B(n;p) với p = K
N
.
Ví dụ 3.5. Một lô thuốc lớn có tỷ lệ thuốc hỏng là p = 0, 2. Lấy ngẫu nhiên
5 lọ. Gọi X là số lọ hỏng trong 5 lọ lấy ra. Tìm hàm mật độ xác suất của X.
Ta có X ∼ H(N, K, 5), và K N
= 0, 2. Do N lớn nên ta có thể xấp xỉ bằng
phân phối nhị thức B(5;0,2) với hàm mật độ
(
C5x (0, 2)x (0, 8)5−x khi x = 0, 1, 2, ..., 5
f (x) =
0 khi x 6= 0, 1, 2, ..., 5.
Tuy nhiên, việc tính toán các giai thừa m! và các lũy thừa pm , q m với m
lớn là không đơn giản. Do đó, khi n lớn, người ta lại xấp xỉ X bằng phân phối
Poisson sau đây
3.3.2. Mệnh đề
Cho X ∼ P (λ), ta có
2
µX = σ X = λ.
Ví dụ 3.6. Ở một bệnh viện, trung bình cứ 2 ngày có một người nhập viện do
tai nạn giao thông. Tính xác để:
a. Trong một tuần có 5 người nhập viện do tai nạn giao thông.
b. Ít nhất 3 người nhập viện trong 1 tuần.
1
Do nhà toán học người Pháp Simeon Denis Poisson (1781–1840) tìm ra vào năm 1837.
57
Giải:
Gọi X là số người nhập viên do tai nạn giao thông trong một tuần. Khi đó
X ∼ P (3.5).
a.
e−3.5 (3.5)5
P (X = 5) = = 0.132.
5!
b.
P (X ≥ 3) = 1 − P (X < 3) = 1 − P (X = 0) − P (X = 1) − P (X = 2)
e−3.5 (3.5)0 e−3.5 (3.5)1 e−3.5 (3.5)2
= 1− − −
0! 1! 3!
= 0.679.
Phân phối Poisson có nhiều ứng dụng đối với nhiều quá trình liên quan
đến quan sát đối với một đơn vị thời gian hoặc không gian. Chẳng hạn số cuộc
điện thoại nhận ở một trạm điện thoại trong một phút, số khách hàng đến nhà
băng đối với mỗi chu kì 30 phút, số vụ tai nạn giao thông trong một giờ tại
một giao lộ , số người nhập viện do bị bệnh X trong một ngày... Nói chung là
dòng vào của một hệ phục vụ (quán ăn, hiệu cắt tóc, hiệu sữa chữa xe, một
cửa hàng nào đó...) là các biến ngẫu nhiên tuân theo luật phân phối Poisson.
Người ta chứng minh được rằng nếu X ∼ B(n; p) thì
e−λ λk
P (X = k) →
k!
với λ = np khi n → ∞ với mọi k = 0, 1, 2, ..., n.
Nghĩa là, nếu X ∼ B(n; p), trong đó p đủ nhỏ và n đủ lớn, thì X được xem
như có phân phối Poisson P (λ), với λ = np.
Ví dụ 3.7. Tỷ lệ thuốc hỏng trong một lô thuốc rất nhiều là p=0,05. Lấy ngẫu
nhiên 20 lọ. Gọi X là số lọ hỏng. Tìm hàm mật độ của X và so sánh với giá
trị xấp xỉ bởi phân phối Poisson.
Giải:
Ta có bảng kết quả so sánh xấp xỉ phân phối Poisson P(1) bởi phân phối
nhị thức B(20;0,05) sau
X 0 1 2 3 4 5 6
B(20,0,05) 0, 3585 0, 3774 0, 1887 0, 0596 0, 0133 0, 0022 0, 0003
P(1) 0,3674 0, 3679 0, 1839 0, 0613 0,0153 0, 0031 0, 0005
sai số 0,0089 0, 0095 0, 0048 0, 0017 0,0020 0, 0009 0, 0002
Chẳng hạn
Như vậy ta có
• P (Z < a) = φ(a)
• P (Z > a) = 1 − φ(a)
Ví dụ 3.8.
3.4.2. Mệnh đề
Cho BNN Z ∼ N (0; 1). Ta có
(i) trung bình: µZ = 0,
(ii) phương sai: σZ2 = 1.
60
Hình 3.3 Đồ thị hàm mật độ của phân phối chuẩn N (2; (0, 5)2 ).
3.4.4. Mệnh đề
Cho BNN X ∼ N (µ; σ 2 ). Ta có
(i) trung bình: µX = µ,
2
(ii) phương sai: σX = σ2.
Từ phân phối chuẩn, bằng cách đổi biến ta đưa về phân phối chuẩn tắc
3.4.5. Mệnh đề
X−µ
Cho X ∼ N (µ; σ 2 ), nếu Z = σ
thì Z ∼ N (0; 1).
Hệ quả: Nếu X ∼ N (µ; σ 2 )
a−µ
• P (X < a) = φ σ
.
a−µ
• P (a < X) = 1 − φ σ
.
b−µ a−µ
• P (a < X < b) = φ σ
−φ σ
.
61
Ví dụ 3.9. Giả sử rằng chiều cao của sinh viên trường PNT có phân phối
chuẩn X ∼ N (165(cm); 36(cm2 )). Tính tỉ lệ sinh viên có chiều cao thấp hơn
155 cm.
Giải
Do X ∼ N (165; 62 ) nên
155 − 165
P (X ≤ 155) = φ = φ(−1, 66)
6
= 1 − φ(1, 66) = 1 − 0, 952 = 0, 048.
Hình 3.4 Đồ thị hàm mật độ xác suất chiều cao của SV trường PNT.
Tương tự, ta cũng tính được tỉ lệ sinh viên có chiều cao trong khoảng từ
160cm đến 170 cm
170 − 165 160 − 165
P (160 ≤ X ≤ 170) = φ −φ
6 6
5 5 5 5
= φ( ) − φ(− ) = φ( ) − 1 − φ( )
6 6 6 6
5
= 2φ( ) − 1 = 2.0, 7967 − 1 = 0, 593,
6
và tỉ lệ sinh viên có chiều cao trên 180 cm
180 − 165
P (X ≥ 180) = 1 − φ = 1 − φ(2, 5)
6
= 1 − 0, 9938 = 0, 0062.
62
• Nếu xác suất cần tính có dạng P (X ≤ a) hoặc P (X > a) thì hiệu chỉnh
liên tục là (a + 0.5),
P (X ≤ a) = P (X ≤ a + 0.5)
• Nếu xác suất cần tính có dạng P (X ≥ a) hoặc P (X < a) thì hiệu chỉnh
liên tục là (a − 0.5),
P (X ≥ a) = P (X ≥ a − 0.5)
Ví dụ 3.10. Số bệnh nhân cao huyết áp chiếm 20% dân số. Chọn ngẫu nhiên
100 người. Tính xác suất để
a. Có đúng 10 người bị cao huyết áp.
b. Số người bị cao huyết áp trong khoảng từ 15 đến 30 người.
Giải
Gọi X là số người bị bệnh cao huyết áp. Rõ rằng X ∼ B(100; 0.2), tuy nhiên
việc tính theo phân phối nhị thức khá phức tạp nên ta tính bằng cách xấp xỉ
phân phối chuẩn.
Ta có np = 100.0, 2 = 20 ≥ 5 và np(1 − p) = 20(1 − 0, 2) = 16 ≥ 5. Do đó
X ∼ N (20; 42 ).
63
a.
10, 5 − 20 9, 5 − 20
P (X = 10) = φ −φ
4 4
= φ(−2, 38) − φ(−2, 63) = φ(2, 63) − φ(2, 38) = 0, 0044.
b.
30.5 − 20 14.5 − 20
P (15 ≤ X ≤ 30) = φ −φ
4 4
= φ(2.63) − φ(−1.375) = φ(2.63) − [1 − φ(1.38)]
= φ(2.63) + φ(1.38) − 1 = 0.9957 + 0.9162 − 1 = 0.9119.
1
X̄ = (X1 + X2 + ... + Xn ) (3.1)
n
ta có
σ2
X̄ ∼ N (µ; )
n
và do đó
X̄ − µ √
Z≡ n ∼ N (0; 1).
σ
Trong nhiều lĩnh vực nghiên cứu của khoa học ta gặp các biến ngẫu nhiên
có phân phối chuẩn hoặc "xấp xỉ" phân phối chuẩn. Chẳng hạn, trong nông
nghiệp, năng suất của một giống cây trồng có phân phối chuẩn; một số lớn
các biến ngẫu nhiên trong kinh tế, dân số, sinh vật cũng có phân phối chuẩn
(như nhu cầu tiêu thụ một loại hàng nào đó, mức lãi của một công ty, chiều
cao, trọng lượng, vòng ngực, chiều dài cánh tay, chỉ số thông minh của những
người cùng giới, ....).
64
Biến số ngẫu nhiên X gọi là có phân phối Chi - bình phương2 , ký hiệu là
χ2 (n) nếu hàm mật độ xác suất của X là
( n x
1
n x 2 −1 e− 2 khi x > 0
Γ( n )2 2
f (x) = 2
0 khi x ≤ 0
R∞
với hàm Gamma: Γ(x) = 0
tx−1 e−t dt.
Từ đó, nếu ta có n BNN X1 , X2 , ...Xn độc lập có phân phối chuẩn tắc
X ∼ N (0; 1) thì BNN
n
X
Y = Xi2 = X12 + X22 + ... + Xn2 (3.2)
i=1
Và do
n
2 1 X 2
s = Xi − X̄ (3.4)
n − 1 i=1
nên
(n − 1)s2
∼ χ2 (n − 1) (3.5)
σ2
Thì T được gọi là biến số ngẫu nhiên tuân theo luật phân phối Student3
với n độ tự do, ký hiệu là T ∼ S(n) hay vắn tắt là T ∼ t(n).
Hàm mật độ của T là
Γ( n+1
2
)
g(t) = √ n+1 .
t2
nπΓ( n2 ) 1 + n
2
Đồ thị của g(t) (hình 3.6) gần giống với đồ thị hàm mật độ của phân phối
chuẩn tắc. Trên thực tế, khi n ≥ 30 thì có thể xem phân phối T và phân phối
chuẩn tắc là như nhau.
3
Do nhà toán học người Anh William Sealy Gosset (1876-1937) tìm ra năm 1908.
66
Tổng quát hơn: Nếu n BNN độc lập X1 , X2 , ...Xn có cùng phân phối chuẩn
nhưng không biết phương sai (Xi ∼ N (µ; .)) thì
X̄ − µ √
T ≡ n ∼ t(n − 1).
s
Ta nói F là biến số ngẫu nhiên tuân theo luật phân phối Fisher 4 với độ tự
do (n,m), ký hiệu F ∼ F (n, m).
Dạng đồ thị của hàm mật độ của phân phối Fisher (hình 3.7) tương đối
giống với phân phối χ2 .
Một kết quả thường dùng trong thống kê: Nếu ta có X1 , X2 , ...Xn và
Y1 , Y2 , ...Ym là các BNN độc lập và có phân phối chuẩn (các Xi có cùng phân
phối chuẩn, các Yi cũng vậy) thì
s21
F ≡ ∼ F (n − 1; m − 1).
s22
Phân phối T và F được dùng nhiều trong thống kê suy đoán. Phân phối T
được dùng để giải quyết các bài toán liên quan đến trung bình và tỉ lệ. Phân
phối F được dùng để giải quyết các bài toán liên quan đến phương sai. Do đó
người ta đã thiết lập sẵn bảng tính cho những giá trị cần thiết trong phân
phối T và F.
Bài tập 3.1. Để tiêu diệt được máy bay phải bắn trúng ít nhất 2 viên đạn.
Bắn 10 viên, xác suất trúng mỗi viên là 0,8. Tính xác suất để máy bay bị bắn
hạ.
Bài tập 3.2. Xác suất để mỗi con gà đẻ mỗi ngày là 0,6. Trong chuồng có 15
con. Tính xác suất để một ngày có
a. 10 con đẻ.
b. 4 con đẻ.
c. Tất cả đều không đẻ.
d. Phải nuôi ít nhất bao nhiêu con gà để trung bình mỗi ngày thu được
không ít hơn 30 trứng?
Bài tập 3.3. Một nhân viên tiếp thị bán hàng ở 5 chỗ khác nhau trong ngày.
Xác suất bán được hàng ở mỗi nơi đều là 0,4.
a. Tìm xác suất để nhân viên bán được hàng trong ngày.
68
b. Mỗi năm nhân viên đi bán hàng 330 ngày. Gọi Y là số ngày bán được
hàng trong năm. Tìm giá trị tin chắc nhất của Y, nghĩa là tìm số ngày bán
được hàng nhiều khả năng nhất trong năm.
Bài tập 3.4. Có hai lô thuốc, mỗi lô có 10 lọ. Lô thứ nhất có có 3 lọ loại I,
lô thứ hai có 6 lọ loại I. Lấy từ lô thứ nhất ra 2, lô thứ hai ra 4 lọ. Tính xác
suất để lấy được
a. Từ lô thứ nhất, 1 lọ loại I.
b. Từ lô thứ nhất, ít nhất 2 lọ loại I.
c. 4 lọ loại I.
Bài tập 3.5. Một lô thuốc rất nhiều, có tỷ lệ hỏng p=0,2. Lấy ngẫu nhiên 5
lọ. Gọi X là số lọ hỏng lấy ra. Tìm hàm mật độ xác suất của X.
Bài tập 3.6. Một hộp thuốc có 10 000 viên, trong đó có 4000 viên loại I. Lấy
ngẫu nhiên 10 viên. Tính xác suất có
a. 3 viên loại I.
b. Ít nhất 1 viên loại I.
Bài tập 3.7. Giả sử xác suất tử vong của bệnh số xuất huyết là 0,7%. Tính
xác suất để 5 người chết do sốt xuất huyết trong nhóm 400 người.
Bài tập 3.8. Một máy dệt co 5000 ống sợi. Xác suất để trong 1 phút, một
ống sợi bị đứt là 0,0002. Tìm xác suất để trong một phút có không quá 2 ống
sợi bị đứt.
Bài tập 3.9. Trong số 500 trang của một cuốn sách có 10 lỗi. Tìm xác suất
để khi xem một trang sách có
a. Đúng 2 lỗi in.
b. Không ít hơn 2 lỗi in.
Bài tập 3.10. Tại một đại lý bưu điện, các cuộc gọi đến xuất hiện ngẫu nhiên,
độc lập với nhau và có tốc độ trung bình 2 cuộc trong 1 phút. Biết rằng số
cuộc gọi trong một khoảng thời gian cố định có phân phối Poisson. Tính xác
suất để
a. Có đúng 5 cuộc gọi trong 2 phút.
b. Không có cuộc gọi nào trong khoảng thời gian 30 giây.
c. Có ít nhất một cuộc gọi trong khoảng thời gian 10 giây.
69
Bài tập 3.11. Ở một con đường trong thành phố, trung bình cứ 1 tuần có 3
vụ tai nạn. Tính xác suất để:
a. Không có vụ tai nạn nào trong 1 ngày.
b. Có ít nhất 3 vụ tai nạn trong 4 ngày.
Bài tập 3.12. Ở một bệnh viện, trung bình cứ 1 ngày có 3 người nhập viện
do tai nạn giao thông. Tính xác để:
a. Trong một tuần có 10 người nhập viện do tai nạn giao thông.
b. Ít nhất 15 người nhập viện trong 1 tuần.
Bài tập 3.13. Khi tiêm truyền một loại huyết thanh, trung bình có 1 trường
hợp tiêm bị phản ứng trên 1000 người được tiêm. Ta dùng huyết thanh trên
tiêm cho 2000 người. Tính xác suất để:
a. Có đúng 3 người bị phản ứng.
b. Nhiều nhất 3 người bị phản ứng.
c. Hơn 3 người bị phản ứng.
Bài tập 3.14. Tỷ lệ một bệnh bẩm sinh trong dân số là 1%. Bệnh này cần
được chăm sóc đặc biệt từ lúc mới sinh. Một nhà bảo sinh thường có 20 ca
sinh trong một tuần lễ. Tính xác suất để:
a. Không có ca nào cần có sự chăm sóc đó.
b. Có đúng một trường hợp cần.
c. Có hơn một trường hợp cần.
Tính bằng quy luật phân phối nhị thức và Poisson. Lập bảng so sánh kết
quả.
Bài tập 3.15. Một viện đạn súng trường bắn trúng máy bay với xác suất
0,01. Có 5000 khẩu bắn lên một lượt. Máy bay chắc chắn sẽ rơi nếu có ít nhất
2 viên trúng, còn 1 viên trúng thì xác suất rơi của máy bay là 80%. Tính xác
suất để máy bay bị rơi. 0.001
Bài tập 3.17. Có một bệnh nhân mà bác sĩ chuẩn đoán mắc bệnh A với xác
suất 30%, bệnh B với xác suất 40% và bệnh C với xác suất 30% . Để có thêm
70
thông tin chẩn đoán, bác sĩ đã cho xét nghiệm sinh hóa. Sau 20 lần thử, thấy
có 5 lần dương tính, biết rằng khả năng dương tính của mỗi lần xét nghiệm đối
với bệnh A, B và C tương ứng là 10%, 40% và 20%. Hãy cho biết nên chuẩn
đoán bệnh nhân mắc bệnh nào?
Bài tập 3.19. Cho X ∼ N (10; 9). Tính P (X < 9, 5); P (X > 11, 2); P (5 <
X < 20).
Bài tập 3.20. Khối lượng X (gam) một loại trái cây có phân phối chuẩn
N (200(gam), 32 (gam2 )). Trái cây thu hoạch được phân loại theo khối lượng
như sau:
- Loại 1: Trên 205 gam,
- Loại 2: từ 190 đến 205 gam,
- Loại 3: dưới 190 gam.
Tính tỉ lệ mỗi loại trên.
Bài tập 3.21. Đường kính của một chi tiết máy do máy tiện tự động sản xuất
có phân phối chuẩn N (50mm; (0, 05)2 (mm)2 ). Chi tiết máy được xem là đạt
yêu cầu nếu đường kính không sai quá 0,1 mm.
a. Tính tỉ lệ sản phẩm đạt yêu cầu.
b. Lấy ngẫu nhiên 3 sản phẩm. Tính xác suất để có ít nhất một sản phẩm
không đạt yêu cầu.
Bài tập 3.22. Cho biết trọng lượng viên thuốc sản xuất tại xí nghiệp là
độc lập và có phân phối chuẩn N (150mg; 32 (mg 2 )). Thuốc được đóng thành
vỉ, mỗi vỉ 10 viên. Vỉ thuốc được là đạt tiêu chuẩn nếu trọng lượng trong
khoảng 1490-1510 mg (không tính khối lượng bao thuốc). Lấy ngẫu nhiên 100
vỉ thuốc.Tính xác suất để
a. Có đúng 75 vỉ đạt tiêu chuẩn.
b. Có không quá 60 vỉ đạt tiêu chuẩn.
Bài tập 3.23. Đối với trẻ sơ sinh đủ tháng (không dưới 40 tuần mang thai),
trọng lượng cơ thể dao động trong khoảng từ 3,2-3,8 kg. Cho biết trong lượng
71
trẻ sơ sinh tuân theo phân phối chuẩn N (3, 5(kg), (0, 4)2 (kg 2 )). Đo trọng lượng
ngẫu nhiên 100 trẻ sơ sinh.
a. Tính xác suất để có đúng 60 trẻ đủ tháng.
b. Tính xác suất để có ít nhất 50 trẻ đủ tháng.
3.5 (
C5x (0, 2)x (0, 8)5−x khi x = 0, 1, 2, 3, 4, 5
f (x) =
0 6 0, 1, 2, 3, 4, 5.
khi x =
X 0 1 2 3 4 5
P 0,3277 0, 4096 0, 2948 0, 0515 0,0064 0, 0003
3.7 0,0872
3.8 0,920
3.9 Xấp xỉ phân phối nhị thức bằng phân phối Poisson.
a. 0, 0002.e−0,02 ; b. ≈ 0.
3.15
C4i C62−i
P (Ai ) = 2 , i = 0, 1, 2.
C10
Suy ra
C40 C62−0
P (A0 ) = 2 = 0, 3333,
C10
C41 C62−1
P (A1 ) = 2 = 0, 5333,
C10
C42 C62−2
P (A2 ) = 2 = 0, 1333.
C10
Gọi X số lọ hỏng trong 3 lọ lấy ra từ lô B, thì X nhận các giá trị 0, 1, 2.
Theo định lí Định lí Bernoulli
k
4 + i 3−k
k 4+i
P (X = k/Ai ) = C3 1− , k = 0, 1, 2.
12 12
Suy ra
0
4 + 0 3−0
4+0
P (X = 0/A0 ) = C30 1− = 0, 2963.
12 12
Tương tự ta tính được
P (X = 0/A1 ) = 0, 1985,
P (X = 0/A2 ) = 0, 1250,
P (X = 1/A0 ) = 0, 4444,
P (X = 1/A1 ) = 0, 4253,
P (X = 1/A2 ) = 0, 3750,
P (X = 2/A0 ) = 0, 2222,
P (X = 2/A1 ) = 0, 3038,
P (X = 2/A2 ) = 0, 3750.
Suy ra
và
P (X = 1) = 0, 4250,
P (X = 1) = 0, 2861.
Từ đó ta có bảng phân phối xác suất
X 0 1 2
P 0, 2213 0, 4250 0, 2861
[2] Đào Hữu Hồ (2010), Xác suất thống kê (Tái bản lần XII), NXB Đại học
Quốc gia Hà nội, Hà Nội.
[3] Phạm Hoàng Quân, Đinh Ngọc Thanh (2011), Xác suất thống kê, NXB
giáo dục, Hà Nội
[4] D. Rumsey (2006), Probabilities for Dummies, Wiley Publeshing, Inc,
Canada.
[5] Đặng Hùng Thắng (2010), Bài tập xác suất (Tái bản lần X), NXB Giáo
dục, Hà Nội.
[6] Chu Văn Thọ, Phạm Minh Bửu, Trần Đình Thanh, Nguyễn Văn Liêng
(2011), Bài tập xác suất thống kê, Giáo trình Đại Học Y Dược TP Hồ Chí
Minh.
[7] Lê Khánh Trai, Hoàng Hữu Như (1979), Ứng dụng xác suất thống kê trong
Y, Sinh học, NXB Khoa học và Kỹ thuật, Hà Nội.