Chuong 5 - Phan Phoi Roi Rac

Chapter 5 5-1
Chương 5
Biến rời rạc và

phân phối xác suất
Statistics for Business and Economics, 6e © 2007 Pearson Education, Inc. Chap 5-1
Mục tiêu chương

Sau khi hoàn thành chương này, bạn sẽ có
thể:
 Giải thích giá trị trung bình và độ lệch chuẩn cho
một biến ngẫu nhiên rời rạc
 Sử dụng phân phối xác suất nhị thức để tìm xác
suất
 Mô tả khi nào nên áp dụng phân phối nhị thức
 Sử dụng phân phối xác suất rời rạc và Poisson
để tìm xác suất
 Giải thích hiệp phương sai và tương quan cho
các biến ngẫu nhiên rời rạc phân phối kết hợp
Giới thiệu về phân phối xác suất
 Biến ngẫu nhiên

 Biểu diễn giá trị bằng số có thể có từ một thí
nghiệm ngẫu nhiên
Biến ngẫu
nhiên
Ch. 5 Biến ngẫu nhiên Biến ngẫu nhiên Ch. 6

rời rạc liên tục
Statistics for Business and Economics, 6/e © 2007 Pearson Education, Inc.
Chapter 5 5-2
Biến ngẫu nhiên
 Một biến ngẫu nhiên được ký hiệu là X,

 Chữ thường x biểu thị một giá trị có thể có
 VD: một cửa hàng có 5 máy tính trên kệ. Từ
kinh nghiệm trong quá khứ, xác suất bán từ 1
đến 5 máy tính là bằng nhau.
 Đặt X là biến ngẫu nhiên đại diện cho số lượng máy
tính được bán.
 X có thể nhận các giá trị cụ thể: x = 1, x = 2, …, x =
5. Mỗi giá trị có xác suất xuất hiện là 0,2.
Biến ngẫu nhiên rời rạc

 Có thể chỉ nhận một giá trị là số đếm
Ví dụ:
 Gieo một hột

xí ngầu hai lần
Gọi X là số lần số 4 xuất hiện
(vậy thì X có thể là 0, 1, hoặc 2 lần)
 Xoay một đồng xu 5 lần.

Gọi X là số lần mặt ngửa xuất hiện
(vậy, X = 0, 1, 2, 3, 4, or 5)
Các biến ngẫu nhiên rời rạc: ví dụ
 Đặt X là biến ngẫu nhiên đại diện cho số lượng

bán hàng từ 10 liên hệ của khách hàng
 x = 1, x = 2, …, x = 10 và một xác suất gắn với
những giá trị có thể có.
 Số lượng các mặt hàng bị lỗi trong một mẫu
của 20 mặt hàng từ một lô hàng lớn.
 Số lượng khách hàng đến quầy thanh toán
trong một giờ.
 Số lượng lỗi được phát hiện trong tài khoản của
tập đoàn, ...
Chapter 5 5-3
Biến ngẫu nhiên liên tục

 Hãy xem xét một biến ngẫu nhiên: lợi nhuận
hàng tháng của một công ty.
 Nó được đo lường liên tục - doanh số hàng tháng có
thể nhận bất kỳ giá trị nào trong một khoảng nhất
định.
 Nó được gọi là liên tục.
 Một biến ngẫu nhiên liên tục có thể nhận bất
kỳ giá trị nào trong một khoảng giá trị.
 Chúng ta chỉ có thể gán xác suất cho một khoảng.
 Pr(2 triệu USD < X < 3 triệu USD)
 Xác suất gắn liền với một giá trị cụ thể gần như bằng
không
Biến ngẫu nhiên liên tục: ví dụ
 Ví dụ về biến ngẫu nhiên liên tục:

 Thu nhập hàng năm cho một gia đình.
 Lượng dầu nhập vào Việt Nam trong một tháng.
 Sự thay đổi giá của một cổ phiếu của cổ phiếu IBM
trong một tháng.
 Thời gian trôi qua giữa quá trình cài đặt một thành
phần mới và sự thất bại của nó.
 Tỷ lệ tạp chất trong một lô hóa chất.
 .v.v.
Phân phối xác suất cho các biến ngẫu

nhiên rời rạc
 Giả sử X là một biến ngẫu nhiên rời rạc và x là

một trong những giá trị có thể có của nó.
 Xác suất X lấy một giá trị cụ thể x được ký hiệu
là P(X = x).
 Hàm phân phối xác suất (p.d.f)
P(X = x) = f(x)
 f(.) có thể được biểu diễn bằng hình thức đại số, đồ
thị hoặc dạng bảng.
 Khi xác suất được đính kèm với mỗi giá trị x đã được
tính, p.d.f có thể được xác định.
Chapter 5 5-4
Phân phối xác suất rời rạc

Thí nghiệm: Xoay 2 đồng xu. Gọi X = # mặt hình.
Biểu diễn P(x) , tức là, P(X = x) , cho mọi giá trị của x:
4 kết quả có thể

Phân phối xác suất
T T x Xác suất
0 1/4 = 0,25
T H 1 2/4 = 0,50
2 1/4 = 0,25
H T
Probability
.50
H H .25
Statistics for Business and Economics, 6e © 2007 Pearson Education, Inc.

0 1 2 x Chap 5-10
Phân phối xác suất rời rạc: Ví dụ
 Gọi X là số lần bán hàng

trong một giờ của cửa 0.5
0.4
hàng. 0.4
0.3
 P.d.f của doanh số được 0.3
P(x)
cho bởi:
0.2
0.2
0.1
0.1
x P(x)
0
0 0,10 0 1 2 3
1 0,20
x (số lần bán)
2 0,40
3 0,30

Thuộc tính cần thiết
 1  P(x)  0 với mọi giá trị của x
 Tổng xác suất của các giá trị bằng 1;
 P(x)  1
x
 Sự kiện “X = x”, đối với mọi giá trị có thể có của x,

là loại trừ lẫn nhau và đầy đủ.
Chapter 5 5-5
Hàm xác suất tích lũy
 Hàm xác suất tích lũy (c.d.f), ký hiệu F(x0), biểu

diễn xác suất mà X nhỏ hơn hay bằng x0
F(x 0 )  P(X  x 0 )
 Tức là: hàm c.d.f được tính tại x0.
 Nói cách khác,
F(x 0 )   P(x)
x  x0
Hàm xác suất tích lũy: ví dụ
 Ví dụ: Bán ô tô
Các nhà quản lý một đại lý xe hơi ở một thị trấn nhỏ, dựa trên phân
tích về lịch sử bán hàng của mình, biết rằng vào bất kỳ ngày nào, số
lượng xe Prius được bán có thể thay đổi từ 0 đến 5. Hàm phân phối
xác suất trong Bảng sau có thể được sử dụng để lập kế hoạch tồn
kho như thế nào? Cho biết hàm phân phối xác suất cho bán ô tô:
x P(x) F(x)
0 0,15 0,15
1 0,30 0,45
2 0,20 0,65
3 0,20 0,85
4 0,10 0,95
5 0,05 1,00
Hàm xác suất tích lũy: ví dụ
 Giải
Hàm tích lũy xác suất có thể được dùng để hoạch định tồn kho. VD,
nếu chỉ có 4 xe trong kho, cửa hàng có thể thỏa mãn 95% nhu cầu
khách hàng trong ngày. Nhưng nếu chỉ có 2 xe thì có đến 35% nhu
cầu không được thỏa mãn.
x P(x) F(x)
0 0,15 0,15
1 0,30 0,45
2 0,20 0,65
3 0,20 0,85
4 0,10 0,95
5 0,05 1,00
Chapter 5 5-6
Thuộc tính phát sinh của c.d.f
 Đặt X là biến ngẫu nhiên rời rạc với c.d.f ,

F(x0), vậy thì,
1. 0  F(x0)  1 với mọi giá trị của x0, và
2. Nếu x0 và x1 là 2 giá trị với x0 < x1, vậy thì,
F(x0)  F(x1)
Thuộc tính của

biến ngẫu nhiên rời rạc
 Giá trị kỳ vọng (hay trung bình) của một phân
phối rời rạc (trung bình có trọng số)
μ  E(x)   xP(x)
x
x P(x)
 Ví dụ: xoay 2 đồng xu, 0 0,25
x = # mặt hình, 1 0,50
tính kỳ vọng của x: 2 0,25
E(x) = (0 x 0,25) + (1 x 0,50) + (2 x 0,25)
= 1,0
Phương sai và độ lệch chuẩn

 Phương sai của một biến ngẫu nhiên rời rạc X
σ 2  E(X  μ)2   (x  μ)2 P(x)

x
  E  X      x2 P  x    2
 Hoặc 2 2 2
 Độ lệch chuẩn của biến ngẫu nhiên rời rạc X
σ  σ2   (x  μ) P(x)
x
2
Chapter 5 5-7
Ví dụ độ lệch chuẩn
 Ví dụ: Tung 2 đồng xu, X = # mặt hình,

tính độ lệch chuẩn (nhớ rằng E(x) = 1)
σ  (x  μ) P(x)
x
2
σ  (0  1)2 (.25)  (1  1)2 (.50)  (2  1)2 (.25)  .50  .707
Những số mặt hình có thể

có = 0, 1, or 2
Ví dụ phương sai
Các hàm số của biến ngẫu nhiên
 Nếu P(x) là hàm xác suất của biến ngẫu nhiên X rời
rạc và g(X) là một hàm số nào đó của X, thì giá trị kỳ
vọng của hàm g là
E[g(X)]   g(x)P(x)
x
 Lưu ý: nhìn chung, E[g(x)]  g(x)
 Đặt Y là hàm tuyến tính của một biến ngẫu nhiên X,
Y = a + bX
trong đó a và b là các hằng số
Chapter 5 5-8
Hàm tuyến tính của biến ngẫu nhiên
 Gọi a và b là bất kỳ hằng số nào.
 a) E(a)  a and Var(a)  0
nghĩa là, nếu một biến ngẫu nhiên luôn nhận giá trị
a, nó sẽ có trung bình là a và phương sai là 0
 b) E(bX)  bμ X and Var(bX)  b2σ 2X
nghĩa là, giá trị kỳ vọng của b·X là b·E(x)
Hàm tuyến tính của biến ngẫu nhiên

(continued)
 Cho biến X có trung bình µx và phương sai σ2x
 Đặt a và b là các hằng số.
 Cho Y = a + bX
 Vậy thì, trung bình và phương sai của Y là
μY  E(a  bX)  a  bμ X
σ 2 Y  Var(a  bX)  b 2σ 2 X
 Do vậy độ lệch chuẩn của Y là
σY  b σX
Hàm tuyến tính: ví dụ

 Ví dụ: Tổng chi phí dự án
Một nhà thầu quan tâm đến tổng chi phí của một dự án mà cô dự
định đấu thầu. Cô ước tính rằng chi phí vật liệu sẽ là 25.000 đô la
và lao động là 900 đô la/ngày. Nếu dự án mất X ngày để hoàn
thành, tổng chi phí lao động sẽ là 900X đô la và tổng chi phí của dự
án (tính bằng đô la) sẽ như sau: C = 25.000 + 900X.
Sử dụng kinh nghiệm của mình, nhà thầu hình thành xác suất
(Bảng 4.4) về thời gian hoàn thành của dự án.
Thời gian hoàn thành (ngày) 10 11 12 13 14
Xác suất 0,1 0,3 0,3 0,2 0,1
a. Tìm giá trị trung bình và phương sai cho thời gian hoàn thành X.
b. Tìm giá trị trung bình, phương sai và độ lệch chuẩn cho tổng chi
phí C.
Chapter 5 5-9
Hàm tuyến tính: ví dụ

 Giải:
a. Có thể tìm thấy giá trị trung bình và phương sai cho thời gian
hoàn thành X
X = E(X) = xP(x) = 10x0,1 + 11x0,3 + 12x0,3 + 13x0,2 + 14x0,1
= 11,9 ngày.
Và phương sai: X2 = E(x - X)2 = (x - X)2P(x)
= (10 – 11,9)2.0,1 + (11 – 11,9)2.0,3 + ... + (14 – 11,9)2.0,1
= 1,29
b. The mean, variance, and standard deviation of total cost, C
C = E(25.000 + 900X) = 25.000 + 900. X = 35.710$
C2 = var(25.000 + 900X) = 9002 X2 = 1.044.900
C = 1.044.900 1.022,2
Hàm tuyến tính: trường hợp đặc biệt
 Gọi Z là hàm tuyến  Z = a + bX

tính của biến ngẫu  E(Z) = a + bx
nhiên X, được cho: = - x/X + (1/X)x = 0;
X  X  Hãy chứng minh
Z
X var(Z) = 1?
 Tính trung bình và
phương sai của Z.
 Đặt a  X / X và
b  1/  X

Phân phối xác
suất
Ch. 5 Phân phối Phân phối Ch. 6

xác suất xác suất
rời rạc liên tục
Nhị thức Đều (uniform)
Hypergeometric Chuẩn
Poisson Mũ (exponential)
Chapter 5 5-10
Phân phối nhị thức

Phân phối
xác suất
Phân phối
xác suất
rời rạc
Nhị thức
Hypergeometric
Poisson
Phân phối Bernoulli
 Xem xét chỉ hai kết quả: “thành công” or “thất bại”
 Gọi P là xác suất của thành công
 và 1 – P là xác suất của thất bại
 Định nghĩa biến ngẫu nhiên X:
x = 1 if thành công, x = 0 if thất bại
 Vậy thì, hàm xác suất Bernoulli là
P(0)  (1 P) and P(1)  P
Phân phối Bernoulli

Trung bình và Phương sai
 Trung bình là µ = P
μ  E(X)   xP(x)  (0)(1 P)  (1)P  P

X
 Phương sai là σ2 = P(1 – P)
σ 2  E[(X  μ)2 ]   (x  μ)2 P(x)

X
 (0  P)2 (1 P)  (1 P)2 P  P(1 P)
Chapter 5 5-11
Phân phối Bernoulli: ví dụ
 Một nhà môi giới bảo hiểm tin rằng đối với một
liên hệ cụ thể, xác suất bán hàng là 0,4.
 Đặt X là biến ngẫu nhiên, lấy giá trị 1 nếu bán
được thực hiện và 0, nếu không.
 X có phân phối Bernoulli với P(1) = 0,4 và P(0) =
0,6.
 Giá trị trung bình của phân phối là E(X) = P = 0,4.
 Phương sai: var(X) = P(1 - P) = 0,4 x 0,6 = 0,24
Chuỗi x lần thành công trong n lần

thử nghiệm
 Mỗi thử nghiệm có thể có 2 kết quả:

 Thành công với xác suất P, và
 Thất bại với xác suất 1 – P.
 n phép thử độc lập được thực hiện
 Kết quả của một thử nghiệm này cũng không ảnh
hưởng đến kết quả của bất kỳ thử nghiệm khác.
 Gọi X là số lần thành công, từ n lần thử
nghiệm
 X có thể nhận các giá trị từ 0, 1, …, n

thử nghiệm
 Chúng ta quan tâm đến việc thu được giá trị

chính xác X = x.
 Giả sử nhà môi giới thực hiện 4 liên hệ và
chúng ta muốn tính xác suất bán được 3 lần.
 Một chuỗi kết hợp có thể [T, T, T, B]
 Cho trước mỗi khách hàng là độc lập
 Xác suất của mỗi sự kiện cụ thể này là:
0,4 x 0,4 x 0,4 x 0,6 = 0,430,6 = 0,0384
 Chuỗi kết hợp của T và B có thể được sắp
xếp trong số các tổ hợp chọn 3T từ 4 kết quả.
Chapter 5 5-12

thử nghiệm
 Số lượng kết hợp với 3T trong số 4 thử

nghiệm.
4!
C34  4
3!(4  3)!
 Xác suất bán được 3 lần:
C34 x 0,43 x 0,6 = 4 x 0,0384 = 0,1536
 Trường hợp tổng quát:
P(X = x) = Cxn x Px(1 – P)n – x

thử nghiệm
 Số lượng kết hợp với x thành công trong n thử nghiệm

độc lập là:
n!
Cnx 
x! (n  x)!
trong đó n! = n·(n – 1)·(n – 2)· . . . ·1 và 0! = 1
 Các kết hợp này là loại trừ lẫn nhau, vì không có hai
có thể xảy ra cùng một lúc
Phân phối xác suất nhị thức

 Một số lượng quan sát cố định, n
 ví dụ: 15 lần tung đồng xu; mười bóng đèn lấy từ một nhà kho
 Hai sự kiện loại trừ lẫn nhau và đầy đủ
 ví dụ: mặt hình hoặc chữ trong mỗi lần tung đồng xu; bóng đèn
bị lỗi hoặc không bị lỗi
 Thường được gọi là “thành công” và “thất bại”
 Xác suất thành công là P, xác suất thất bại là 1 - P
 Xác suất không đổi cho mỗi quan sát
 ví dụ: Xác suất nhận được mặt hình là như nhau mỗi lần chúng
ta tung đồng xu
 Các quan sát là độc lập
 Kết quả của một quan sát không ảnh hưởng đến kết quả của
quan sát khác
Chapter 5 5-13
Các khuôn mẫu phân phối nhị

thức có thể
 Một nhà máy sản xuất dán nhãn các mặt hàng
là “khiếm khuyết” hoặc “chấp nhận được”.
 Đấu thầu công ty cho các hợp đồng sẽ có
được hợp đồng hay không
 Một công ty nghiên cứu tiếp thị nhận được câu
trả lời khảo sát về “vâng, tôi sẽ mua” hay
“không, tôi không mua”.
 Người xin việc mới chấp nhận lời đề nghị hoặc
từ chối nó.
Công thức phân phối nhị thức
n! X X
P(x)  P (1- P)n
x ! (n  x )!
P(x) = xác suất của x lần thành công trong n lần

thử, với xác suất thành công P trong mỗi lần thử
Ví dụ: xoay đồng xu 4
lần, gọi x = # mặt hình:
x = số lần ‘thành công’ trong mẫu,
(x = 0, 1, 2, ..., n) n=4
n = cỡ mẫu (số lần thử hay số quan sát) P = 0,5
P = xác suất của “thành công” 1 - P = (1 – 0,5) = 0,5

x = 0, 1, 2, 3, 4
Ví dụ:
Tính xác suất nhị thức
Xác suất 1 lần thành công trong năm quan sát là
bao nhiêu nếu xác suất thành công là 0,1?
x = 1, n = 5, and P = 0,1
n!
P(x  1)  P X (1 P)n X
x!(n  x)!
5!
 (0.1)1(1 0.1)51
1! (5  1)!
 (5)(0.1)(0.9)4
 .32805
Chapter 5 5-14

 Hình dạng của phân phối nhị thức phụ thuộc vào giá
trị của P và n
Mean P(x) n = 5 P = 0,1
.6
 n = 5 và P = 0,1 .4
.2
0 x
0 1 2 3 4 5
P(x) n = 5 P = 0,5
 n = 5 và P = 0,5 .6
.4
.2
0 x
0 1 2 3 4 5

Trung bình và Phương sai
 Mean
μ  E(x)  nP
 Phương sai và Độ lệch chuẩn
σ 2  nP(1- P)
σ  nP(1- P)
Trong đó: n = cỡ mẫu
P = xác suất thành công
(1 – P) = xác suất thất bại
Đặc điểm 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
μ  nP  (5)(0.5)  2.5 P(x) n = 5 P = 0,5

.6
.4
σ  nP(1- P)  (5)(0.5)(1 0.5) .2
 1.118 0 x
0 1 2 3 4 5
Chapter 5 5-15
Sử dụng Bảng nhị thức

N x … p=.20 p=.25 p=.30 p=.35 p=.40 p=.45 p=.50
10 0 … 0.1074 0.0563 0.0282 0.0135 0.0060 0.0025 0.0010
1 … 0.2684 0.1877 0.1211 0.0725 0.0403 0.0207 0.0098
2 … 0.3020 0.2816 0.2335 0.1757 0.1209 0.0763 0.0439
3 … 0.2013 0.2503 0.2668 0.2522 0.2150 0.1665 0.1172
4 … 0.0881 0.1460 0.2001 0.2377 0.2508 0.2384 0.2051
5 … 0.0264 0.0584 0.1029 0.1536 0.2007 0.2340 0.2461
6 … 0.0055 0.0162 0.0368 0.0689 0.1115 0.1596 0.2051
7 … 0.0008 0.0031 0.0090 0.0212 0.0425 0.0746 0.1172
8 … 0.0001 0.0004 0.0014 0.0043 0.0106 0.0229 0.0439
9 … 0.0000 0.0000 0.0001 0.0005 0.0016 0.0042 0.0098
10 … 0.0000 0.0000 0.0000 0.0000 0.0001 0.0003 0.0010
Ví dụ:
n = 10, x = 3, P = 0,35: P(x = 3|n =10, p = 0,35) = 0,2522
n = 10, x = 8, P = 0,45: P(x = 8|n =10, p = 0,45) = 0,0229
Phân phối nhị thức: Ví dụ
 Một đại lý bất động sản, Jeanette Nelson, có 5

liên hệ. Xác suất bán hàng từ một liên hệ là 0,4.
a. Tìm xác suất mà cô ấy được tối đa 1 lần bán.
b. Tìm xác suất để cô ấy thực hiện từ 2 đến 4 lần bán
hàng (đã bao gồm).
c. Vẽ đồ thị hàm phân phối xác suất.

 Giải:
a. P(tối đa 1 lần bán) = P(X  1) = P(X = 0) + P(X = 1)
5!
P(0)  0,400,65  0,078
0!5!
5!
P(1)  0, 410,64  0, 259
1!4!
P(tối đa 1 lần bán) = 0,078 + 0,259 = 0,337
b. P(2  X  4) = P(X = 2) + P(X = 3) + P(X = 4)
Tương tự như trên, ta tính được: P(2  X  4) = 0,653
Chapter 5 5-16

c. Hàm phân phối xác suất được hiển thị trong Hình
P(x)
0.4 Nhận xét:
0.35 • Hình dạng này là
0.3 điển hình cho xác
0.25 suất nhị thức khi P
0.2
không quá lớn cũng
0.15
không quá nhỏ.
0.1
• Ở các thái cực (0
0.05
hoặc 5 lần bán),
0
0 1 2 3 4 5 xác suất khá nhỏ.
Sử dụng PHStat
 Chọn PHStat / Probability & Prob. Distributions / Binomial…
Sử dụng PHStat
(continued)
 Nhập các giá trị mong muốn trong hộp thoại
Ở đây:n = 10
p = 0,35
Kết quả cho x = 0

đến x = 10 sẽ được tạo ra
trên PHStat
Optional check boxes

for additional output
Chapter 5 5-17
PHStat Output
P(x = 3 | n = 10, P = .35) = .2522
P(x > 5 | n = 10, P = .35) = .0949
Phân phối Poisson

Phân phối
xác suất
Phân phối
xác suất
rời rạc
Nhị thức
Hypergeometric
Poisson
 Một số ứng dụng:

 Số lượng lỗi trong một hệ thống máy tính lớn trong
một ngày nhất định.
 Số lượng đơn đặt hàng thay thế cho một phụ tùng
được nhận bởi một công ty trong một tháng nhất định.
 Số lượng tàu đến một cơ sở bốc hàng trong thời gian
tải 6 giờ.
 Số lượng xe tải giao hàng đến một nhà kho trung tâm
trong một giờ.
 Số lượng khách hàng đến một lối đi thanh toán trong
cửa hàng tạp hóa địa phương của bạn trong một
khoảng thời gian cụ thể.
Chapter 5 5-18
Giả định về phân phối Poisson
 Áp dụng phân phối Poisson khi:

 Bạn muốn đếm số lần một sự kiện xảy ra trong một
khoảng thời gian liên tục nhất định
 Xác suất xảy ra một sự kiện trong một khoảng thời
gian là rất nhỏ và giống nhau cho tất cả các khoảng
thời gian
 Số lượng sự kiện xảy ra trong một khoảng thời gian
không phụ thuộc vào số lượng sự kiện xảy ra trong
các khoảng thời gian khác
 Không thể có nhiều hơn một lần xuất hiện trong mỗi
khoảng thời gian
 Số sự kiện trung bình trong một đơn vị là  (lambda)

 Các xác suất Poisson có thể được lấy từ phân
phối xác suất nhị thức,
 Lấy các giới hạn toán học khi P  0 và n  .
 Với các giới hạn, tham số  = nP là hằng số chỉ
định số lần xuất hiện trung bình trong một thời
gian và /hoặc không gian cụ thể.
 Phân phối Poisson là một trường hợp đặc biệt
của phân phối nhị thức.
 Các chứng minh toán học nằm ngoài phạm vi của
khóa học.
Công thức phân phối Poisson
e λλ x
P(x) 
x!
Trong đó:
x = số lượng thành công trên mỗi đơn vị
 = số lượng thành công kỳ vọng trên mỗi đơn vị
e = cơ số của logarit tự nhiên (2,71828...)
Chapter 5 5-19
Đặc điểm của phân phối Poisson
 Trung bình
μ  E(x)  λ
 Phương sai và độ lệch chuẩn
σ 2  E[( X   ) 2 ]  λ
σ λ
Trong đó  = số lần thành công kỳ vọng trên một đơn vị
Phân phối Poisson: Ví dụ

 Ví dụ: Lỗi thành phần hệ thống
Andrew Whittaker, quản lý trung tâm máy tính, báo cáo rằng hệ thống
máy tính của anh ta đã trải qua ba lần hỏng hóc thành phần trong 100
ngày qua.
a. Xác suất không có lỗi trong một ngày nhất định là bao nhiêu?
b. Xác suất của một hoặc nhiều lỗi thành phần trong một ngày nhất
định là gì?
c. Xác suất của ít nhất hai lần lỗi trong khoảng thời gian 3 ngày là gì?
Giải: Một hệ thống máy tính hiện đại có số lượng linh kiện rất lớn, mỗi
thành phần có thể bị lỗi. Để tính xác suất lỗi, giả sử rằng mỗi trong số
hàng triệu thành phần có cùng xác suất lỗi rất nhỏ. Cũng giả sử rằng lỗi
đầu tiên không ảnh hưởng đến xác suất lỗi thứ hai (trong một số trường
hợp, các giả định này có thể không đúng). Trong trường hợp này, chúng
ta giả định rằng 100 ngày qua là một hiệu suất tiêu chuẩn tốt cho hệ
thống máy tính và tiêu chuẩn này sẽ tiếp tục trong tương lai.
Phân phối Poisson: Ví dụ

(continued)
 Từ kinh nghiệm trong quá khứ, số lần lỗi kỳ vọng mỗi ngày là 3/100,
hay  = 0,03.
e0,03 0
a. P(không lỗi trong ngày) = P( X  0)   0,97
0!
b. Xác suất có ít nhất một lần lỗi là phần bù cho xác suất 0 lần thất bại
P( X  1)  1  P( X  0)  1 0,97  0,03
c. P(ít nhất hai lần lỗi trong 3 ngày) = P(X  2| = 0,09) (do,  = 0,03x3)
P(X  2| = 0,09) = 1 – P(X < 2| = 0,09) = 1 – [P(0) + P(1)]
= 1 – (0,9139 + 0,0823) = 0,0038
Chapter 5 5-20
Phân phối Poisson và nhị thức
 Mẫu nhỏ: giới hạn của xác suất không áp dụng

được  phân phối nhị thức.
 Mẫu lớn và xác suất thành công nhỏ: Phân phối
Poisson
 Khi n  20 và P  0,05: phân phối nhị thức và
Poisson xấp xỉ nhau.
Sử dụng Bảng Poisson


X 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90
0 0.9048 0.8187 0.7408 0.6703 0.6065 0.5488 0.4966 0.4493 0.4066

1 0.0905 0.1637 0.2222 0.2681 0.3033 0.3293 0.3476 0.3595 0.3659
2 0.0045 0.0164 0.0333 0.0536 0.0758 0.0988 0.1217 0.1438 0.1647
3 0.0002 0.0011 0.0033 0.0072 0.0126 0.0198 0.0284 0.0383 0.0494
4 0.0000 0.0001 0.0003 0.0007 0.0016 0.0030 0.0050 0.0077 0.0111
5 0.0000 0.0000 0.0000 0.0001 0.0002 0.0004 0.0007 0.0012 0.0020
6 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0003
7 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
Ví dụ: tính P(X = 2) nếu  = 0,50
e   X e 0.50 (0.50) 2
P( X  2)    .0758
X! 2!
Đồ thị của phân phối Poisson

0.70
Đồ thị: 0.60
 = 0,50 0.50
= 0.40
P(x)
X 0,50
0.30
0 0.6065
0.20
1 0.3033
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
6 0.0000
P(X = 2) = 0,0758
7 0.0000
Chapter 5 5-21
Hình dạng phân phối Poisson
 Hình dạng của Phân phối Poisson phụ thuộc

vào tham số :
0.70
 = 0,50 0.25
 = 3,00
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

trên PHStat
 Select:
PHStat / Probability & Prob. Distributions / Poisson…

trên PHStat
(continued)
 Complete dialog box entries and get output …
P(X = 2) = 0.0758
Chapter 5 5-22
Phân phối kết hợp của biến

ngẫu nhiên
 Để khám phá mối quan hệ giữa các biến:

 Sản phẩm ở các cấp chất lượng khác nhau có giá
khác nhau,
 Nhóm tuổi có sở thích khác nhau đối với quần áo,
thực phẩm, âm nhạc, .v.v...
 Người ta phải tính đến các mối quan hệ trong
các mô hình xác suất
Xác suất kết hợp: Ví dụ
Hàm xác suất kết hợp
 Hàm xác suất kết hợp được sử dụng để biểu thị xác
suất X nhận một giá trị cụ thể x và đồng thời Y nhận giá
trị y, là hàm của x và y.
P(x, y)  P(X  x  Y  y)
 Xác suất biên là:
P(x)   P(x, y) P(y)   P(x, y)

y x
Chapter 5 5-23
Hàm xác suất có điều kiện
 Hàm xác suất có điều kiện của biến ngẫu nhiên Y biểu
thị xác suất Y nhận giá trị y khi một giá trị cụ thể x được
chỉ định cho X.
P(x, y)
P(y | x) 
P(x)
 Tương tự, hàm xác suất có điều kiện của X, cho Y = y

là:
P(x, y)
P(x | y) 
P(y)
Độc lập
 Các biến ngẫu nhiên X và Y có phân phối kết hợp được
cho là độc lập khi và chỉ khi hàm xác suất kết hợp của
chúng là tích của các hàm xác suất biên của chúng:
P(x, y)  P(x)P(y)
cho tất cả các cặp giá trị x và y có thể có
 Một tập hợp k biến ngẫu nhiên là độc lập khi và chỉ khi:
P(x1, x 2 ,, x k )  P(x1 )P(x 2 )P(x k )
Hiệp phương sai

 Gọi X và Y là các biến ngẫu nhiên rời rạc với trung
bình lần lượt là μX và μY
 Kỳ vọng của (X - μX)(Y - μY) được gọi là hiệp phương
sai giữa X và Y
 Đối với biến ngẫu nhiên rời rạc
Cov(X, Y)  E[(X  μ X )(Y  μY )]    (x  μ x )(y  μy )P(x, y)
x y
 Biểu thức tương đương:

Cov(X, Y)  E(XY)  μ xμ y    xyP(x, y)  μ xμ y
x y
Chapter 5 5-24
Hiệp phương sai và độc lập
 Hiệp phương sai đo cường độ của mối quan

hệ tuyến tính giữa hai biến
 Nếu hai biến ngẫu nhiên độc lập thống kê,

hiệp phương sai giữa chúng là 0
 Điều ngược lại không nhất thiết là đúng
Tương quan
 Tương quan giữa X và Y là:
Cov(X, Y)
ρ  Corr(X, Y) 
σ Xσ Y
 ρ = 0  không có mối quan hệ tuyến tính giữa X và Y

 ρ > 0  mối quan hệ tuyến tính dương giữa X và Y
 Khi X cao (thấp) thì Y có thể cao (thấp)
 ρ = +1  phụ thuộc tuyến tính dương hoàn hảo
 ρ < 0  mối quan hệ tuyến tính âm giữa X và Y
 Khi X cao (thấp) thì Y có thể thấp (cao)
 ρ = -1  phụ thuộc tuyến tính âm hoàn hảo
Tóm tắt về quan hệ tuyến tính Tổng và

Hiệu của của biến ngẫu nhiên
 Gọi X và Y là một cặp biến ngẫu nhiên với trung

bình X và Y và phương sai là 2X và 2Y:
1. E(X + Y) = X + Y;
2. E(X - Y) = X - Y;
3. Nếu cov(X, Y) = 0, vậy thì
Var(X + Y) = 2X + 2Y;
Nếu cov(X, Y)  0, vậy thì
Var(X + Y) = 2X + 2Y + 2cov(X, Y)
Chapter 5 5-25
Tóm tắt về quan hệ tuyến tính Tổng và

Hiệu của của biến ngẫu nhiên
4. Nếu cov(X, Y) = 0, vậy thì

Var(X - Y) = 2X + 2Y;
Nếu cov(X, Y)  0, vậy thì
Var(X - Y) = 2X + 2Y - 2cov(X, Y);
Tổng quát:
5. E(X1 + X2 + … + Xk) = 1 + 2 + … + k
k k 1 k
6. Var(X1 + X2 + … + Xk) = i  2cov( Xi ,Yj )

2
i1 i 1 j i
Phân tích danh mục đầu tư
 Đặt biến ngẫu nhiên X là giá của cổ phiếu A

 Đặt biến ngẫu nhiên Y là giá của cổ phiếu B
 Giá trị thị trường, W, cho danh mục đầu tư được cho
bởi hàm tuyến tính
W  aX  bY
(a số cổ phiếu của chứng khoán A,
b số cổ phiếu của chứng khoán B)
Phân tích danh mục đầu tư

(continued)
 Giá trị trung bình của W là

μW  E[W]  E[aX  bY]
 aμX  bμY
 Phương sai của W là
σ 2W  a 2σ 2X  b2σ 2Y  2abCov(X, Y)
hay áp dụng công thức tương quan:
σ 2W  a 2σ 2X  b2σ 2Y  2abCorr(X, Y)σ Xσ Y
Chapter 5 5-26
Ví dụ: Suất sinh lợi của đầu tư

Sinh lợi/$1.000 đối với 2 kiểu đầu tư
Đầu tư
P(xiyi) Điều kiện kinh tế Quỹ thụ động X Quỹ tích cực Y
0,2 Khủng hoảng - $ 25 - $200
0,5 Ổn định + 50 + 60
0,3 Mở rộng + 100 + 350
E(x) = μx = (-25)(0,2) +(50)(0,5) + (100)(0,3) = 50
E(y) = μy = (-200)(0,2) +(60)(0,5) + (350)(0,3) = 95

Tính toán độ lệch chuẩn cho suất

sinh lợi của đầu tư
Đầu tư
P(xiyi) Điều kiện kinh tế Quỹ thụ động X Quỹ tích cực Y
0,2 Khủng hoảng - $ 25 - $200
0,5 Ổn định + 50 + 60
0,3 Mở rộng + 100 + 350
σ X  (-25  50)2 (0.2)  (50  50)2 (0.5)  (100  50) 2 (0.3)

 43.30
σ y  (-200  95) 2 (0.2)  (60  95) 2 (0.5)  (350  95) 2 (0.3)

 193.71
Hiệp phương sai cho suất sinh lợi

Investment
P(xiyi) Điều kiện kinh tế Passive Fund X Aggressive Fund Y
0,2 Khủng hoảng - $ 25 - $200
0,5 Ổn định + 50 + 60
0,3 Mở rộng + 100 + 350
Cov(X, Y)  (-25  50)(-200  95)(.2)  (50  50)(60  95)(.5)

 (100  50)(350  95)(.3)
 8250
Chapter 5 5-27
Ví dụ về danh mục đầu tư

Đầu tư X: μx = 50 σx = 43,30
Đầu tư Y: μy = 95 σy = 193,21
σxy = 8250
Giả sử 40% danh mục đầu tư (P) là trong Đầu tư X và

60% là Đầu tư Y:
E(P)  .4 (50 )  (.6) (95 )  77
σ P  (.4) 2 (43.30) 2  (.6 )2 (193.21) 2  2(.4)(.6)( 8250)
 133.04
Lợi nhuận của danh mục đầu tư và mức độ biến động của danh
mục đầu tư nằm giữa các giá trị cho từng khoản đầu tư X và Y
Giải thích kết quả cho sinh lợi

đầu tư
 Quỹ tích cực có lợi nhuận kỳ vọng cao hơn,

nhưng rủi ro cao hơn nhiều
μy = 95 > μx = 50
nhưng
σy = 193,21 > σx = 43,30
 Hiệp phương sai của 8250 chỉ ra rằng hai

khoản đầu tư có tương quan dương và sẽ thay
đổi theo cùng một hướng
Tóm tắt chương
 Xác định các biến ngẫu nhiên và phân phối xác

suất rời rạc
 Thảo luận về phân phối nhị thức
 Xem xét phân phối Poisson
 Xác định Hiệp phương sai và mối tương quan
giữa hai biến ngẫu nhiên
 Kiểm tra ứng dụng vào đầu tư danh mục đầu tư

Chuong 5 - Phan Phoi Roi Rac

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chuong 5 - Phan Phoi Roi Rac

Uploaded by

Copyright:

Available Formats

Chapter 5 5-1

Biến rời rạc và

Mục tiêu chương

Giới thiệu về phân phối xác suất

 Biến ngẫu nhiên

Ch. 5 Biến ngẫu nhiên Biến ngẫu nhiên Ch. 6

Biến ngẫu nhiên

 Một biến ngẫu nhiên được ký hiệu là X,

Biến ngẫu nhiên rời rạc

 Gieo một hột

 Xoay một đồng xu 5 lần.

Các biến ngẫu nhiên rời rạc: ví dụ

 Đặt X là biến ngẫu nhiên đại diện cho số lượng

Biến ngẫu nhiên liên tục

Biến ngẫu nhiên liên tục: ví dụ

 Ví dụ về biến ngẫu nhiên liên tục:

Phân phối xác suất cho các biến ngẫu

 Giả sử X là một biến ngẫu nhiên rời rạc và x là

Phân phối xác suất rời rạc

4 kết quả có thể

Statistics for Business and Economics, 6e © 2007 Pearson Education, Inc.

Phân phối xác suất rời rạc: Ví dụ

 Gọi X là số lần bán hàng

Phân phối xác suất

 1  P(x)  0 với mọi giá trị của x

 Tổng xác suất của các giá trị bằng 1;

 Sự kiện “X = x”, đối với mọi giá trị có thể có của x,

Hàm xác suất tích lũy

 Hàm xác suất tích lũy (c.d.f), ký hiệu F(x0), biểu

Hàm xác suất tích lũy: ví dụ

Hàm xác suất tích lũy: ví dụ

Thuộc tính phát sinh của c.d.f

 Đặt X là biến ngẫu nhiên rời rạc với c.d.f ,

Thuộc tính của

Phương sai và độ lệch chuẩn

σ 2  E(X  μ)2   (x  μ)2 P(x)

 Độ lệch chuẩn của biến ngẫu nhiên rời rạc X

 Ví dụ: Tung 2 đồng xu, X = # mặt hình,

σ  (0  1)2 (.25)  (1  1)2 (.50)  (2  1)2 (.25)  .50  .707

Những số mặt hình có thể

Các hàm số của biến ngẫu nhiên

Hàm tuyến tính của biến ngẫu nhiên

 Gọi a và b là bất kỳ hằng số nào.

 a) E(a)  a and Var(a)  0

 b) E(bX)  bμ X and Var(bX)  b2σ 2X

nghĩa là, giá trị kỳ vọng của b·X là b·E(x)

Hàm tuyến tính của biến ngẫu nhiên

Hàm tuyến tính: ví dụ

Hàm tuyến tính: ví dụ

Hàm tuyến tính: trường hợp đặc biệt

 Gọi Z là hàm tuyến  Z = a + bX

Phân phối xác suất

Ch. 5 Phân phối Phân phối Ch. 6

Nhị thức Đều (uniform)

Phân phối nhị thức

Phân phối Bernoulli

P(0)  (1 P) and P(1)  P

Phân phối Bernoulli

μ  E(X)   xP(x)  (0)(1 P)  (1)P  P

 Phương sai là σ2 = P(1 – P)

σ 2  E[(X  μ)2 ]   (x  μ)2 P(x)

 (0  P)2 (1 P)  (1 P)2 P  P(1 P)

Phân phối Bernoulli: ví dụ