BIẾN NGẪU NHIÊN -

QUY LUẬT PHÂN PHỐI XÁC SUẤT

Bộ môn Toán Tin

Email: dothanh1810@gmail.com
Mục tiêu

1. Phân biệt và nhận dạng được một biến ngẫu nhiên là

liên tục hay rời rạc.
2. Trình bày được định nghĩa, tính chất và hiểu ý nghĩa
của 4 quy luật xác suất của đại lượng ngẫu nhiên
liên tục: Chuẩn, Khi bình phương, Student, Fisher-
Snedecor.
3. Trình bày được định nghĩa, tính chất và hiểu ý nghĩa
của 4 quy luật xác suất của đại lượng ngẫu nhiên rời
rạc: Nhị thức, Poisson, Siêu bội, Đa thức.
4. Vận dụng được các quy luật xác suất này vào giải
một số bài toán cơ bản.
2
1. Biến ngẫu nhiên (Random variables)
1.1 Khái niệm biến ngẫu nhiên
 Định nghĩa: Một biến số được gọi là biến ngẫu
nhiên nếu nó nhận một giá trị ngẫu nhiên đại diện
cho kết quả của phép thử.
 Kí hiệu: Các biến ngẫu nhiên được kí hiệu: X, Y,
Z, …; còn các giá trị của chúng là x, y, z…
 Ví dụ: Khi thực hiện phép thử, gieo n hạt thóc, ta
chưa biết có bao nhiêu hạt sẽ nảy mầm, số hạt nảy
mầm có thể là 0, 1, 2, …, n.
Gọi X là số hạt nảy mầm thì X là biến ngẫu nhiên và
X có tập giá trị X = {0,1 ,2, …, n}. 3
1. Biến ngẫu nhiên (Random variables)

 Xét 1 phép thử với không gian mẫu Ω. Giả sử ứng

với mỗi biến cố sơ cấp ω є Ω, ta liên kết với một
số thực X(ω) є R, thì X được gọi là BNN.
 Biến ngẫu nhiên X của một phép thử với không
gian mẫu Ω là một ánh xạ:
X: Ω  R
ω X(ω) = x
Giá trị x được gọi là 1 giá trị của BNN.

4
1. Biến ngẫu nhiên (Random variables)
(Đại lượng ngẫu nhiên)
1.2. Phân loại biến ngẫu nhiên:
 Biến ngẫu nhiên rời rạc: Là biến ngẫu nhiên mà
tập giá trị của nó là hữu hạn hoặc vô hạn đếm
được.
Ví dụ:
- Y là số chấm trên mặt của xúc xắc: Y={1, 2, …,
6}, Y là ĐLNN rời rạc.
- Z là số người đi qua Ngã tư đường phố nào đó, Z
là 1 biến ngẫu nhiên rời rạc. (Z có tập giá trị đếm
được).

5
1. Biến ngẫu nhiên (Random variables)
(Đại lượng ngẫu nhiên)
1.2. Phân loại biến ngẫu nhiên (tt):
 Biến NN liên tục (ĐLNN liên tục): Là biến ngẫu
nhiên mà tập giá trị của nó là liên tục, tức là lấp
đầy một khoảng nào đó trên trục số
(khoảng nào đó của R).
Ví dụ: Cân nặng, chiều cao của người là ĐLNN liên
tục; hay “Khoảng cách từ điểm trúng viên đạn đến
tâm của bia” là BNN liên tục.

6
1. Biến ngẫu nhiên (Random variables)
(Đại lượng ngẫu nhiên)
1.3. Luật phân phối xác suất của ĐLNN
 Định nghĩa: Luật PP xác suất của biến ngẫu nhiên
là một cách biểu diễn quan hệ giữa các giá trị của
biến ngẫu nhiên với các xác suất tương ứng khi nó
nhận từng giá trị đó.
1.3.1. PPXS của đại lượng ngẫu nhiên rời rạc
Cho X là ĐLNN rời rạc, X = {x1, x2, …, xn,. . . }, với
xác suất tương ứng là: pi= P(X=xi), i = 1, 2, …, n, ...
Ta có phân phối xác suất dạng bảng:
X x1 x2 ... xn ...
P p1 p2 ... pn ... 7
1. Biến ngẫu nhiên (Random variables)
1.3.1. PPXS của ĐLNN rời rạc
Trong đó: pi ≥ 0; ; P(a<X<b) =
 Nếu x0 {x1, x2, …, xn,. . .} thì P(X=x0)=0
 Ví dụ: Thực hiện phép thử tung một xúc xắc. Gọi X
là số chấm xuất hiện trên mặt của xúc xắc. Khi đó X
là ĐLNN rời rạc và có bảng PP xác suất như sau:
X 1 2 3 4 5 6
P 1/6 1/6 1/6 1/6 1/6 1/6

 Hàm mật độ của X là:

f(x) =
8
1. Biến ngẫu nhiên (Random variables)
1.3.2. Hàm mật độ XS của ĐLNN liên tục
 Hàm mật độ XS của BNN liên tục để ước lượng độ tập
trung XS tại lân cận điểm nào đó.
 Hàm f(x) đgl hàm mật độ XS của ĐLNN liên tục X
nếu:
• f(x) ≥ 0,
•
•

9
1. Biến ngẫu nhiên (Random variables)
1.3.2. Hàm phân phối Xác suất
 Định nghĩa: Hàm PP XS (hay hàm PP tích lũy)
của ĐLNN X, kí hiệu F(x) là XS để X nhận gía trị
nhỏ hơn x

 Nếu X là ĐLNN rời rạc có PP XS: P(X=xi) = pi thì

 Nếu X là ĐLNN liên tục có hàm mật độ f(x) thì

 Tính chất của hàm PP: Tr.34

10
2. Các đặc trưng của ĐLNN
Có 3 loại đặc trưng số:
- Các đặt trưng số cho xu hướng trung tâm của BNN:
Trung vị, Mod, Kỳ vọng…
- Các đặc trưng số cho độ phân tán của BNN:
Phương sai, Độ lệch chuẩn…
- Các đặc trưng số cho dạng Phân phối xác suất.

11
2. Các đặc trưng của ĐLNN
2.1. Kỳ vọng (Trung bình lý thuyết của ĐLNN)
- Kí hiệu: MX (hoặc EX)
- Nếu X là ĐLNN rời rạc có pi = P{X=xi} thì

- Nếu X là ĐLNN liên tục và f(x) là hàm mật độ XS

thì

12
2. Các đặc trưng của ĐLNN
 Ví dụ:
Cho BNN X có bảng PPXS:
X -1 0 1 3
P 0,2 0,1 0,4 0,3

Hãy tìm kỳ vọng của X.

MX = (-1).0,2 + 0. 0,1 + 1. 0,4 + 3. 0,3 = 1,2.
 Ý nghĩa của kỳ vọng:
MX là giá trị trung bình (tính theo xác suất) mà X
nhận được, nó phản ánh giá trị trung tâm PPXS của X.
13
2. Các đặc trưng của ĐLNN

2.2. Trung vị và Mod

2.2.1. Trung vị (median) của BNN X, kí hiệu Med(X), là giá
trị nằm chính giữa tập hợp các gia trị có thể có của BNN, là
số thực m thỏa mãn:
P(X≤ m) = P(X≥ m)
Nhận xét: Trung vị là giá trị chia Phân phối của BNN thành
hai phần bằng nhau.
2.2.2. Mod (Mode) của ĐLNN X, kí hiệu Mod(X),
- Là XS lớn nhất nếu là X là BNN rời rạc;
- Là cực đại của hàm mật độ xác suất nếu là BNN liên tục.
Nhận xét: BNN có thể không có giá trị mod hoặc cũng có thể
có nhiều giá trị mod. 14
2. Các đặc trưng của ĐLNN

2.3. Phương sai và độ lệch chuẩn

2.3.1. Định nghĩa phương sai
 Phương sai của BNN X, kí hiệu VarX hay DX, có
giá trị σ2, là một số thực không âm, được tính:
DX = M(X-MX)2 = M(X)2 – (MX)2
- Nếu X là rời rạc và P(X=xi) = pi thì

- Nếu X là liên tục . . . Tr.36

15
2. Các đặc trưng của ĐLNN

 Ý nghĩa của phương sai:

Phương sai cho ta hình ảnh về sự phân tán của
các số liệu, phương sai càng nhỏ thì số liệu càng tập
trung quanh giá trị trung bình của chúng.
Trong Kỹ thuật: phương sai đặc trưng cho sự
sai số của thiết bị;
Trong kinh doanh: phương sai đặc trưng cho
độ rủi ro đầu tư.

16
2. Các đặc trưng của ĐLNN

2.3.2. Độ lệch tiêu chuẩn

 ĐN: Căn bậc hai của phương sai gọi là độ lệch
tiêu chuẩn của BNN X, kí hiệu là σ = .
 Độ lệch chuẩn có đơn vị trùng với đơn vị đo của X

17
3. Các phân phối Xác suất thông dụng

3.1. Các phân phối của ĐLNN rời rạc

3.1.1. Quy luật NHị thức – Bernulli
 Định nghĩa: Thực hiện phép thử ε n lần độc lập,
biến cố A có XS P(A) = p. Gọi X là số lần xuất
hiện A khi thực hiện phép thử n lần.
ĐLNN X đgl đại lượng có quy luật Nhị thức với các
tham số n và p nếu:
+ X nhận các giá trị 0, 1, 2, …, n
+
 Đôi khi kí hiệu q= 1-p.
18
3. Các phân phối Xác suất thông dụng

3.1. Các phân phối của ĐLNN rời rạc

3.1.1. Quy luật NHị thức – Bernulli
 Ví dụ Tr. 46 , Tr. 49
 Tính chất: ĐLNN X có quy luật Nhị thức với tham
số n và p thì
a) P(0≤X≤n) = 1
b) MX = np; DX = npq = np(1-p)
c) P(X=r) lớn nhất khi r= [(n+1)p]
d) Khi n∞ , p KHÔNG gần 0 hoặc 1 thì QL Nhi
thức sẽ tiến tới quy luật Chuẩn với tham số
19
µ = MX = np và σ2 = DX = npq
3. Các phân phối Xác suất thông dụng

 Quy luật PP Nhị thức

20
3. Các phân phối Xác suất thông dụng

3.1. Các phân phối của ĐLNN rời rạc

3.1.2. Quy luật Poison
 Định nghĩa: BNN X đgl có QL Phân phối Poisson
với tham số λ>0 nếu:
- X nhận các giá trị 0, 1, 2, …, n

- P(X=r) = e-λ.λr/r! = P(r, λ) với

≈ 2,71828…

21
3. Các phân phối Xác suất thông dụng

3.1.2. Quy luật Poison

 Tính chất: ĐLNN X có quy luật Poisson với tham số λ>0
thì:
a) MX = DX = λ;
b) ĐLNN X có Qui luật Nhị thức với tham số n, p, khi n ∞
và p 0 sao cho np λ thì ĐLNN X có quy luật Nhị thức sẽ
tiến tới QL Poison với tham số λ>0.
 P(A) = p rất gần 0 nên A là hiện tượng hiếm gặp Poisson
là QLXS của biến cố hiếm.
 P(A) = p rất gần 0 và q=1-p rất gần 1 nên DX≈MX = λ
 Ví dụ: Tr. 51, 52.

22
BÀI TẬP

23