Professional Documents
Culture Documents
Chuong 2
Chuong 2
30/08/2016
Mục lục
2.1.1. Mở đầu.
2.1.1. Mở đầu.
Nhận xét.
Giá trị của BNN không biết trước, khi X : Ω → R
phép thử chưa xảy ra. ω 7 → X (ω)
2.1.1. Mở đầu.
Ví dụ.
Phép thử T gieo một xúc xắc hai lần liên tiếp và quan sát số chấm xuất hiện.
Không gian mẫu Ω = {ω = (i, j) : 1 ≤ i, j ≤ 6}, |Ω| = 36.
Gọi BNN X là tổng số chấm,
X : Ω → R
ω = (i, j) 7→ X (ω) = i + j
Nhận xét.
Việc nghiên cứu BNN là tổng quát hơn so với chỉ nghiên cứu biến cố thông thường.
2.1.1. Mở đầu.
c. Phân loại.
Nếu tập giá trị hữu hạn hay vô hạn đếm được thì BNN được gọi là rời rạc. Khi đó
X (Ω) = {x1 , x2 , ...} ⊂ R.
Nếu tập giá trị lấp đầy một hoặc một số khoảng thì BNN được gọi là liên tục.
Loại khác.
(Tập vô hạn các phần tử, có thể xếp thành dãy gọi là vô hạn đếm được, ví dụ N, Z.
Tập vô hạn không đếm được, ví dụ [0, 1], R.)
Việc biết tập giá trị của BNN là quan trọng, song hai BNN có tập giá trị giống nhau lại có
thể hoàn toàn khác nhau. Tập giá trị cho ta rất ít thông tin về BNN. Điều quan trọng là biết
BNN nhận các giá trị có thể của nó với xác suất bao nhiêu.
a. Định nghĩa.
Mối liên hệ giữa các giá trị có thể nhận của BNN với xác suất tương ứng được gọi là luật
phân bố của BNN ấy.
Cho BNN rời rạc X có tập giá trị X (Ω) = {x1 , ..., xn , ...}. Đặt pn = P(X = xn ), n = 1, 2, . . .
Chú ý.
Các giá trị của BNN nhận thường được xếp theo thứ tự tăng dần: x1 < x2 < ... < xn < ....
Ví dụ.
Phép thử T gieo một xúc xắc hai lần liên tiếp và quan sát số chấm xuất hiện.
Không gian mẫu Ω = {ω = (i, j) : 1 ≤ i, j ≤ 6}, |Ω| = 36.
Gọi BNN X là tổng số chấm, bảng phân bố xác suất của X
X (Ω) 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
P
36 36 36 36 36 36 36 36 36 36 36
14
P(3 ≤ X < 6, 7) = P(X = 3) + P(X = 4) + P(X = 5) + P(X = 6) =
36
FX (x) = P(X ≤ x)
Nhận xét.
FX (x) = P(X ∈ (−∞, x]) = P({ω : X (ω) ∈ (−∞, x]}).
Hàm phân bố được định nghĩa cho cả BNN rời rạc lẫn BNN liên tục.
Chú ý.
Có sách định nghĩa FX (x) = P(X < x).
b. Tính chất.
1 0 ≤ FX (x) ≤ 1.
2 FX (x) là hàm không giảm, tức là FX (x1 ) ≤ FX (x2 ) nếu x1 ≤ x2 .
3 lim FX (x) = 1; lim FX (x) = 0.
x→∞ x→−∞
4 FX (x) là hàm liên tục phải.
5 P(a < X ≤ b) = P(X ∈ (a, b]) = FX (b) − FX (a).
X x1 x2 ... xn ...
6 Nếu X là BNN rời rạc có phân bố xác suất
P p1 p2 ... pn ...
0 , x < x 1
p1 , x1 ≤ x < x2
P
thì FX (x) = pi = có dạng hàm bậc thang.
i:xi ≤x
p 1 + p2 , x2 ≤ x < x3
...
Lời giải.
FX (x) = P (X ≤ x)
0 nếu x <1
0, 1 nếu 1≤x <2
=
0, 1 + 0, 5 nếu 2≤x <4
0, 1 + 0, 5 + 0, 4 nếu x ≥4
a. Định nghĩa.
BNN X được gọi là liên tục nếu hàm phân bố
FX (x) của nó liên tục trên R, khả vi có thể
trừ ra tại một số hữu hạn hoặc đếm được
điểm. Đạo hàm của hàm phân bố gọi là hàm
mật độ:
d FX (x)
fX (x) = = FX0 (x)
dx
b. Tính chất.
Giả sử X là BNN liên tục, có hàm mật độ fX (x).
1 fX (x) là hàm không âm, tức là fX (x) ≥ 0, ∀x ∈ R.
R∞
2 fX (x) là hàm khả tích trên R và tích phân bằng 1, tức là fX (x) dx = 1.
−∞
Rx
3 Mối liên hệ. FX (x) = fX (t) dt, FX0 (x) = fX (x), x ∈ R.
−∞
4 Xác suất để X nhận một giá trị cụ thể bằng 0: P(X = a) = 0, ∀a ∈ R.
5 Công thức tính xác suất
Rb
P (a < X < b) = P (a ≤ X < b) = P (a < X ≤ b) = P (a ≤ X ≤ b) = fX (x) dx
a
= FX (b) − FX (a)
c. Nhận xét.
Diện tích hình giới hạn bởi trục hoành và
hàm mật độ bằng 1.
Xác suất để BNN liên tục X nhận giá trị
trong khoảng (a; b) nào đó bằng diện
tích hình thang cong giới hạn bởi
đường cong mật độ và các đường thẳng
x = a, x = b, y = 0.
Rb
P (a < X < b) = P (a ≤ X < b) = P (a < X ≤ b) = P (a ≤ X ≤ b) = fX (x) dx
a
= FX (b) − FX (a)
Lời giải.
− π2 π √
R∞ R 1 R4 2
1= fX (x) dx = 0dx + cos xdx =
−∞ −∞ 20 4
π
R2 R∞ 1
a cos xdx + 0dx = 2a ⇔ a = .
− π2 π 2
2
π
π R4
P 0<X < = fX (x) dx =
4 0
Chương 2. Biến ngẫu nhiên
2.1. Biến ngẫu nhiên và luật phân bố. 2.2. Các đặc trưng số của BNN. 2.3. Một số luật phân bố quan trọng.
π
Nếu x ≥ ,
2π π
−2
R R2 cos t Rx
FX (x) = 0dt+ dt+ 0dt = 1
−∞ −π 2 π
2 2
Rx
Hàm phân bố FX (x) = fX (t) dt Do đó π
−∞ 0 ,x ≤ −
π Rx
2
1 + sin x π π
Nếu x ≤ − , FX (x) = 0dt = 0 FX (x) = ,− < x <
2 −∞ 2 2 π 2
π π
1 ,x ≥
Nếu − < x < , FX (x) = 2
2 2
− π2
R Rx cos t 1 + sin x Xác suất √
0dt + dt = π π 2
−∞ − π 2 2 P 0<X < = FX − FX (0) =
2 4 4 4
2.2.1. Kỳ vọng.
2.2.1. Kỳ vọng.
a. Định nghĩa kỳ vọng.
Kỳ vọng (hay giá trị trung bình) của BNN X, ký hiệu là EX, được xác định như sau:
Nếu X là BNN rời rạc có phân bố xác trị của X là hữu hạn)
X x1 x2 ... xn ... Nếu X là BNN liên tục có hàm mật độ
suất thì
P p1 p2 ... pn ... fX (x):
∞
X Z∞
µ = EX = x1 p1 + x2 p2 + ... = xn p n
n=1
µ = EX = xfX (x) dx
−∞
(với điều kiện chuỗi hội tụ tuyệt đối,
chuỗi trở thành tổng hữu hạn nếu tập giá (với điều kiện tích phân hội tụ tuyệt đối).
Nhận xét. Công thức tính kỳ vọng là công thức trung bình có trọng số (trường hợp rời
rạc), trung bình tích phân (trường hợp liên tục).
2.2.1. Kỳ vọng.
b. Tính chất.
1 EC = C .
2 E (aX ) = aEX , ∀a ∈ R.
3 E (X ± Y ) = EX ± EY .
4 Nếu X , Y là hai BNN độc lập và có kỳ vọng thì tích XY cũng có kỳ vọng và
E (XY ) = EX .EY .
(Hai BNN X , Y gọi là độc lập nếu P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B) với mọi A, B
là các khoảng, đoạn thuộc R.)
5 Kỳ vọng của hàm của BNN. Giả sử ϕ(x) là hàm số sơ cấp nào đó sao cho Y = ϕ(X ) là
BNN có kỳ vọng. Khi đó
∞
P
Nếu X rời rạc: EY = E ϕ (X ) = ϕ (xn ) pn .
n=1
R∞
Nếu X liên tục: EY = E ϕ (X ) = ϕ (x) fX (x) dx.
−∞
2.2.1. Kỳ vọng.
Ví dụ.
X 1 2 4 X
Cho BNN rời rạc X có bảng xác suất như sau . Tính EX , E .
P 0, 1 0, 5 0,4 X +1
Lời giải.
2.2.1. Kỳ vọng.
Ví dụ.
( 1 π π
cos x nếu − <x <
Cho BNN X có hàm mật độ fX (x) = 2 2 2 . Tính EX , EX 2 , Ee X .
0 nếu trái lại
π π
Z∞ Z− 2 Z2 Z∞
cos x
EX = xfX (x) dx = x.0dx + x dx + x.0dx
2
−∞ −∞ − π2 π
2
π π
Z∞ Z− 2 Z2 Z∞
2 2 2 cos x
2
EX = x fX (x) dx = x .0dx + x . dx + x 2 .0dx
2
−∞ −∞ − π2 π
2
− π2 π
Z∞ Z Z 2 Z∞
X x x cos x
x
Ee = e fX (x) dx = e .0dx + e . dx + e x .0dx
2
−∞ −∞ − π2 π
2
Phương sai.
c. Nhận xét.
Khai triển vế phải của phương sai, ta nhận được VX = EX 2 − (EX )2 .
Với µ = EX ,
VX = E (X − µ)2 = E [X 2 − 2µX + µ2 ] = EX 2 − 2µEX + µ2 = EX 2 − µ2 = EX 2 − (EX )2 .
e. Tính chất.
Phương sai của BNN có các tính chất sau: V (aX ) = a2 V (X ).
VX ≥ 0. Nếu X , Y độc lập, phương sai hữu hạn
VC = 0. thì V (X ± Y ) = V (X ) + V (Y ).
Chứng minh.
2 2 2
V (X − Y ) = E (X − Y ) − [E (X − Y )] = E X 2 − 2XY + Y 2 − [EX − EY ]
2 2
= E X 2 − 2EXY + E Y 2 − (EX ) + 2EX .EY − (EY ) (tính chất độc lập)
2 2 2 2
= E X − (EX ) + E Y − (EY )
= VX + VY
Nếu X , Y là hai BNN độc lập và có kỳ vọng thì tích XY cũng có kỳ vọng và
E (XY ) = EX .EY .
Ví dụ.
Tính kỳ vọng, phương sai, độ lệch tiêu chuẩn của BNN X có bảng phân bố
X 0 1 2 3
5 15 9 1
P
30 30 30 30
Lời giải.
5 15 9 1 36
EX = 0. + 1. + 2. + 3. =
30 30 30 30 30
5 15 9 1
E X 2 = 02 . + 12 . + 22 . + 32 . =2
30 30 30 30
2 14
VX = E X 2 − (EX ) =
25
Ví dụ.
1 + x nếu − 1 ≤ x < 0
Cho BNN X có hàm mật độ fX (x) = 1 − x nếu 0 < x ≤ 1 . Tính kỳ vọng, phương sai,
0 nếu trái lại
độ lệch tiêu chuẩn của BNN X .
Lời giải.
Z∞ Z−1 Z0 Z1 Z∞
EX = xfX (x) dx = x.0dx + x. (1 + x) dx + x (1 − x) dx + x.0dx =
−∞ −∞ −1 0 1
Z∞ Z−1 Z0 Z1 Z∞
2 2 2 2 2
EX = x fX (x) dx = x .0dx + x . (1 + x) dx + x . (1 − x) dx + x 2 .0dx =
−∞ −∞ −1 0 1
2 2
VX = E X − (EX ) =
2.2.3. Mode.
2.2.3. Mode.
Định nghĩa.
Mode của BNN X , ký hiệu Mod(X ), là giá trị mà tại đó xác suất tương ứng hay hàm mật
độ đạt giá trị lớn nhất.
X x1 x2 ... xn ...
Nếu X là BNN rời rạc,
P p1 p2 ... pn ...
xk = Mod(X ) ⇔ pk = Max {p1 , p2 , ..., pn }.
Nếu X là BNN liên tục với hàm mật độ fX (x), x0 = Mod(X ) ⇔ f (x0 ) = max f (x).
2.2.3. Mode.
Ví dụ.
X 1 3 4 7 8 10 11
Cho BNN X có bảng phân bố xác suất .
P 0,2 0,05 0,15 0,2 0,1 0,2 0,1
Tìm Mod(X ).
Trả lời.
Mod(X ) = 1 hoặcMod(X ) = 7 hoặc Mod(X ) = 10.
2.2.3. Mode.
Ví dụ.
kx 2 (1 − x) , nếu 0 ≤ x ≤ 1
Cho BNN X có hàm mật độ fX (x) = . Tìm k, Mod(X ).
0 , nếu trái lại
Trả lời.
R∞ R0 R1 R∞ k
1= fX (x) dx = 0dx + kx 2 (1 − x) dx + 0dx = 12 ⇒ k = 12
−∞ −∞ 0 1
2
x 0 3 1
y0 + 0 −
16
9
y
0 0 2
Mod(X ) = .
3
Ví dụ.
X 1 3 4 7 8 10 11
Cho BNN X có bảng phân bố xác suất .
P 0,2 0,05 0,15 0,2 0,1 0,2 0,1
Tìm Med(X ).
Trả lời.
Med(X ) = 7.
Ví dụ.
kx 2 (1 − x) , nếu 0 ≤ x ≤ 1
Cho BNN X có hàm mật độ fX (x) = . Tìm k, Med(X ).
0 , nếu trái lại
Trả lời.
1
k = 12 và Med(X ) = m thỏa mãn FX (m) = .
2
Chương 2. Biến ngẫu nhiên
2.1. Biến ngẫu nhiên và luật phân bố. 2.2. Các đặc trưng số của BNN. 2.3. Một số luật phân bố quan trọng.
2.2.5. Mômen.
2.2.5. Mômen
Định nghĩa.
Cho BNN X .
Mô men cấp k:
vk (X ) = E X k
Mô men quy tâm cấp k:
k
µk (X ) = E (X − EX )
Độ lệch, độ nhọn.
Cho BNN X . Ta có
E (X −µ)3 µ3
Độ lệch. Skew (X ) = σ3 = σ3 .
E (X −µ)4 µ4
Độ nhọn. Kurt (X ) = σ4 = σ4 − 3.
Độ rộng giải biến thiên. Nếu BNN X nhận giá trị trong [m, M], thì độ rộng dải biến
thiên là M − m.
a. Định nghĩa.
BNN X gọi là có phân bố Nhị thức (phân bố Bernoulli) với tham số n, p, ký hiệu
X ∼ B(n, p) nếu X (Ω) = {0, 1, ..., k, ..., n} và
pk = P (X = k) = Cnk p k q n−k
Nhận xét.
X 0 1 ... n
Bảng phân bố xác suất có các xác suất thỏa mãn
P p0 p1 ... pn
n
X n
X n
pk = Cnk p k q n−k = (p + q) = 1 Nhị thức Newton.
k=0 k=0
b. Tính chất.
Nếu X ∼ B(n, p) thì
Kỳ vọng EX = np.
√ √
Phương sai VX = npq, độ lệch tiêu chuẩn σX = VX = npq.
Mod(X ) = [(n + 1)p], ([x] chỉ phần nguyên của x).
Phần nguyên của số thực x, ký hiệu [x], là số nguyên lớn nhất không vượt quá x.
Ví dụ [−1, 4] = −2; [2, 3] = 2; [1] = 1; [3, 5] = 3.
Chương 2. Biến ngẫu nhiên
2.1. Biến ngẫu nhiên và luật phân bố. 2.2. Các đặc trưng số của BNN. 2.3. Một số luật phân bố quan trọng.
n n n n
n!
k.Cnk p k q n−k = k.Cnk p k q n−k = p k q n−k
P P P P
EX = k.pk = k. k!(n−k)!
k=0 k=1 k=1 k=1
n n
P n! k n−k
P (n−1)! k−1 (n−1)−(k−1)
= (k−1)!(n−k)! p q = np (k−1)![(n−1)−(k−1)]! p q
k=1 k=1
i=k−1 n−1
P (n−1)! i (n−1)−i n−1
= np i![(n−1)−i]! p q = np[p + q] = np
i=0
n n n
k (k − 1) .Cnk p k q n−k = k (k − 1) .Cnk p k q n−k
P P P
EX (X − 1) = k (k − 1) .pk =
k=0 k=2 k=2
n n
n! n!
p k q n−k = k n−k
P P
= k (k − 1) . k!(n−k)! (k−2)!(n−k)! p q
k=2 k=2
n n−2
(n−2)! k−2 (n−2)−(k−2) i=k−1
P (n−2)!
np 2 = np 2 i (n−2)−i
P
= (k−2)![(n−2)−(k−2)]! p q i![(n−2)−i]! p q
k=2 i=0
2 n−2 2
= np [p + q] = np
⇒ E X 2 − EX = np 2 ⇒ E X 2 = n (n − 1) p 2 + np
2
⇒ VX = E X 2 − (EX ) = n (n − 1) p 2 + np − n2 p 2 = np − np 2 = np (1 − p) = npq
Ví dụ.
Tỷ lệ ủng hộ ứng cử viên A trong một cuộc bầu cử là 65%. Người ta hỏi 12 cử tri một cách
ngẫu nhiên. Gọi X là số người bỏ phiếu cho ứng cử viên A.
Gọi tên phân bố của X .
Tính xác suất có 5 cử tri ủng hộ A.
Tính xác suất để có ít nhất hai cử tri ủng hộ A.
Lời giải.
X ∼ B(12; 0, 65).
5
P (X = 5) = p5 = C12 0, 655 .0, 357 = 0, 0591.
P (X ≥ 2) = 1 − P (X = 0) − P (X = 1) = 1 − p0 − p1
0 .
= 1 − C12 0, 650 .0, 3512 − C12 1
0, 651 .0, 3511 = 0, 999
a. Định nghĩa.
BNN X gọi là có phân bố Poisson với tham số λ, (λ > 0), ký hiệu X ∼ P(λ) nếu tập giá trị
X (Ω) = {0, 1, 2, ...} và
λk
P (X = k) = pk = e −λ , k = 0, 1, ...
k!
Ứng dụng.
Phân bố Poisson thường được sử dụng để đếm số khách hàng đến một địa điểm dịch vụ trong
một khoảng thời gian nào đó.
Nhận xét.
X 0 1 ... k ...
Bảng phân bố xác suất có các xác suất thỏa mãn
P p0 p1 ... pk ...
∞ ∞ ∞
X X λk X λk
pk = e −λ . = e −λ = 1.
k! k!
k=0 k=0 k=0
| {z }
eλ
Chú ý.
Khai triển
∞
x x2 xk X xk
ex = 1 + + + ... + + ... = .
1! 2! k! k!
k=0
b. Tính chất.
Cho X ∼ P(λ). Khi đó
Kỳ vọng EX = λ.
√ √
Phương sai VX = λ, độ lệch tiêu chuẩn σX = VX = λ.
Mod(X ) = [λ], với [λ] là phần nguyên của λ.
Phần nguyên của số thực x, ký hiệu [x], là số nguyên lớn nhất không vượt quá x.
Ví dụ [−1, 4] = −2; [2, 3] = 2; [1] = 1; [3, 5] = 3.
Định lý.
Cho hai BNN độc lập X ∼ P(λ1 ), Y ∼ P(λ2 ). Khi đó Z = X + Y ∼ P(λ1 + λ2 ).
∞
∞ ∞ k
∞
λk
∞
λk−1 i=k−1
X λi
k.e −λ λk! = e −λ = λe −λ = λe −λ
P P P P
EX = k.pk = (k−1)! (k−1)! =λ
k=0 k=1 k=1 k=1 i!
i=0
| {z }
eλ
∞ ∞ k
∞ k
∞
λk−2
k (k − 1) .e −λ λk! = e −λ λ
= λ2 e −λ
P P P P
EX (X − 1) = k (k − 1) .pk = (k−2)! (k−2)!
k=0 k=2 k=2 k=1
∞
i=k−2 2 −λ
X λi 2
= λ e =λ
i!
i=0
| {z }
eλ
2
do đó E X 2 − EX = λ2 ⇒ E X 2 = λ2 + λ ⇒ VX = E X 2 − (EX ) = λ
Ví dụ.
Gara ô tô thấy số khách thuê vào ngày thứ 7 Không phải tất cả ô tô đều được thuê.
là BNN X có phân bố Poisson với λ = 2. Giả Tất cả 4 ô tô đều được thuê.
sử gara có 4 ô tô. Tính xác suất
Gara không đáp ứng đủ nhu cầu.
Lời giải.
Ta có X ∼ P(2). P (X ≥ 4) = 1 − P (X ≤ 3) = 0, 153.
P (X ≤ 3) = P(X = 0)+...+P(X = 3) = P (X > 4) = 1 − P (X ≤ 4) = 0, 053.
20 21 22 23
e −2 +e −2 +e −2 +e −2 = 0, 857.
0! 1! 2! 3!
1
, nếu a ≤ x ≤ b
fX (x) = b−a
0 , nếu khác
Nhận xét.
Z∞ Za Zb +∞
Z
1
fX (x) dx = 0dx + dx + 0dx = 1.
b−a
−∞ −∞ a b
0x − a
, nếu x < a
FX (x) = , nếu a ≤ x ≤ b
b−a
1 , nếu x > b
Chứng minh.
Ta có Rx
Khi đó FX (x) = P(X ≤ x) = fX (t) dt
1 −∞
, nếu a ≤ x ≤ b
fX (x) = b−a
0 Rx
, nếu khác Nếu x < a, FX (x) = 0dt = 0
−∞
Nếu a ≤ x ≤ b,
Ra Rx 1 x −a
FX (x) = 0dt + dt =
−∞ a b−a b−a
Nếu x > b,
Ra Rb 1 Rx
FX (x) = 0dt + dt + 0dt = 1
−∞ a b−a b
c. Tính chất.
Cho BNN X ∼ U[a, b]. Khi đó (b − a)2
Phương sai VX = , độ lệch
a+b 12
Kỳ vọng EX = . √ b−a
2 tiêu chuẩn σX = VX = √ .
2 3
Chứng minh.
Z∞ Za Zb Z∞
1 a+b
EX = x.fX (x) dx = x.0dx + x. dx + x.0dx =
b−a 2
−∞ −∞ a b
Z∞ Za Zb Z∞
2 2 2 2 1 a2 + ab + b 2
EX = x .fX (x) dx = x .0dx + x . dx + x 2 .0dx =
b−a 3
−∞ −∞ a b
2
2 (b − a)
VX = E X 2 − (EX ) =
12
Chương 2. Biến ngẫu nhiên
2.1. Biến ngẫu nhiên và luật phân bố. 2.2. Các đặc trưng số của BNN. 2.3. Một số luật phân bố quan trọng.
λe −λx
, nếu x ≥ 0
fX (x) =
0 , nếu x < 0
Nhận xét.
Z∞ Z0 Z∞
∞
fX (x)dx = 0dx + λe −λx dx = − e −λx 0
= 1.
−∞ −∞ 0
Ứng dụng.
Phân bố mũ có mặt trong nhiều ứng dụng Nói chung với một số giả thiết, khoảng
Tuổi thọ của một số linh kiện điện tử, thời gian giữa hai lần xuất hiện biến cố E
khoảng thời gian giữa hai ca cấp cứu, sẽ có phân bố mũ (còn gọi là phân bỗ
gian giữa hai lần hỏng của máy, giữa hai của thời gian chờ đợi).
trận lũ lụt, động đất, ...
Nhắc lại.
Rb
P (a < X < b) = P (a ≤ X < b) = P (a < X ≤ b) = P (a ≤ X ≤ b) = fX (x) dx
a
= FX (b) − FX (a)
Chứng minh.
λe −λx , nếu x ≥ 0 Rx
Ta có fX (x) = . Khi đó FX (x) = P(X ≤ x) = fX (t) dt
0 , nếu x < 0 −∞
Rx
Nếu x < 0, FX (x) = 0dt = 0.
−∞
Nếu x ≥ 0,
R0 Rx
FX (x) = 0dt + λe −λt dt = 1−e −λx .
−∞ 0
c. Tính chất.
Cho BNN X ∼ E (λ). Khi đó 1
Phương sai VX = 2 , độ lệch tiêu
1 λ
Kỳ vọng EX = . √ 1
λ chuẩn σX = VX = .
λ
Chứng minh.
Z∞ Z0 Z∞
1
EX = x.fX (x) dx = x.0dx + x.λ.e −λx dx =
λ
−∞ −∞ 0
Z∞ Z0 Z∞
2
2
EX = 2
x .fX (x) dx = 2
x .0dx + x 2 .λ.e −λx dx =
λ2
−∞ −∞ 0
2 1
VX = E X 2 − (EX ) =
λ2
Ví dụ.
Tuổi thọ (năm) của mạch điện tử là BNN có phân bố mũ với kỳ vọng 6, 25 năm. Thời gian bảo
hành là 5 năm. Hỏi bao nhiêu phần trăm mạch phải bảo hành trong thời gian bảo hành.
Lời giải.
1
1 1 − x
Ta có λ = = , FX (x) = 1 − e −λx = 1 − e 6, 25 , nếu x ≥ 0
EX 6, 25
0 , nếu x < 0
5
−
P (X ≤ 5) = FX (5) = 1 − e −λ.5
=1−e 6, 25 = 0, 5506.
Vậy có khoảng 55, 6% số mạch bán ra phải thay thế trong thời gian bảo hành.
x2
1 −
fZ (x) = √ e 2
2π
Nhận xét.
Đồ thị đối xứng qua trục Oy. x2
R∞ − √
Hàm số đạt cực đại tại x = 0. Tích phân Poisson e 2 dx = 2π.
−∞
Chú ý.
Hàm FZ (x) không biểu diễn được qua các hàm sơ cấp.
Xác suất liên quan đến phân bố chuẩn tắc
1
1 Rb − 2
P (a < Z < b) = FZ (b) − FZ (a) = √ e 2x dx không tính được bằng phương
2π a
pháp nguyên hàm.
c. Tính chất.
Cho Z ∼ N(0, 1). Khi đó √ = 1, độ lệch tiêu
Phương sai VZ
Kỳ vọng EZ = 0. chuẩn σZ = VZ = 1.
Chứng minh.
R∞ 1 R∞ − x 2
EZ = xfZ (x) dx = √ xe 2 dx = 0, (tính chất hàm lẻ).
−∞ 2π −∞
R∞ 2 1 R∞ 2 − x 2 1 R∞ x2
EZ2 = x fZ (x) dx = √ x e 2 dx = − √ xd e − 2
−∞ 2π −∞ 2π −∞
∞
Z∞ .
1 − x2 2
− x2
= −√ xe 2 − e =1
dx
2π
| {z −∞
} −∞
=0 | {z }
√
= 2π
2 2
DZ = EZ − (EZ ) = 1.
f. Phân bố chuẩn.
Định nghĩa.
BNN liên tục X gọi là có phân bố Chuẩn với
tham số µ và σ 2 , ký hiệu X ∼ N µ, σ 2 , nếu
hàm mật độ có dạng
2
(x − µ)
1 −
fX (x) = √ e 2σ 2
σ 2π
với µ ∈ R, σ > 0.
Chú ý. Phân bố Chuẩn tắc là trường hợp đặc biệt của phân bố chuẩn với µ = 0, σ = 1.
Nhận xét.
Khảo sát hàm mật độ ta nhận được các kết Đồ thị đối xứng qua đường thẳng x = µ,
quả sau: có dạng hình chuông.
Đồ thị nằm trên trục hoành. Hàm số có duy nhất cực đại, hoành độ µ,
1
Trục Ox là tiệm cận ngang. tung độ √ .
σ 2π
Chú ý.
+∞
R
Kiểm tra lại tính chất cơ bản của hàm mật độ fX (x) dx = 1 (diện tích bị chắn giữa
−∞
trục hoành và đồ thị hàm số bằng).
x2
+∞
R − √
Tích phân Poisson: e 2 dx = 2π.
−∞
a − µ X −µ b − µ
σ < σ < σ = P(α < Z < β) = Φ0 (β) − Φ0 (α).
P (a < X < b) = P
| {z } | {z } | {z }
=α =Z
=β
X −µ b − µ 1
−∞ < σ < σ = Φ0 (β) − Φ0 (−∞) = Φ0 (β) + 2 .
P (X < b) = P
| {z } | {z }
=Z =β
Tính chất.
Cho X ∼ N(µ, σ 2 ). Phương sai VX = σ 2 .
√
Kỳ vọng EX = µ. Độ lệch tiêu chuẩn σX = VX = σ.
Chứng minh.
X −µ
Vì Z = , ta có X = σZ + µ.
σ
EX = E (σZ + µ) = σ |{z}
EZ +E µ = µ.
=0
= V (σZ ) + V µ = σ 2 |{z}
VX = V (σZ + µ) |{z} VZ +0 = σ 2 .
độc lập =1
g. Quy luật 3σ
Định lý. Cho X ∼ N(µ,σ 2 ). Khi đó 99%)), BNN chỉ sai lệch so với giá trị trung
ε bình của nó một lượng không quá 2σ (3σ).
P (|X − µ| < ε) = 2Φ0 .
σ
Chọn = 1σ, 2σ, 3σ ta được
P (|X − µ| < σ) = P (µ − σ < X < µ + σ)
= 2Φ0 (1) = 0, 68268
P (|X − µ| < 2σ) = P (µ − 2σ < X < µ + 2σ)
= 2Φ0 (2) = 0, 95450
P (|X − µ| < 3σ) = P (µ − 3σ < X < µ + 3σ)
= 2Φ0 (3) = 0, 9973.
Quy luật 3σ. Đối với BNN chuẩn thì hầu
như chắc chắn (độ tin cậy trên 95% (trên
Định nghĩa.
BNN liên tục X gọi là có phân bố Khi bình
phương với n bậc tự do, ký hiệu X ∼ χ2n ,
nếu hàm mật độ có dạng
0 , nếu x < 0
n
−1 x
fX (x) = x2 −
n e 2 , nếu x ≥ 0
n
22 Γ
2
Chương 2. Biến ngẫu nhiên
2.1. Biến ngẫu nhiên và luật phân bố. 2.2. Các đặc trưng số của BNN. 2.3. Một số luật phân bố quan trọng.
Định nghĩa.
BNN liên tục X gọi là có phân bố Student
với n bậc tự do, ký hiệu X ∼ Tn , nếu hàm
mật độ có dạng
n+1 n+1
Γ −
x2
2 2
fX (x) = √ n 1 +
nπΓ n
2
Định nghĩa.
BNN liên tục X gọi là có phân bố Fisher với (n1 , n2 ) bậc tự do, ký hiệu X ∼ Fn1 ,n2 , nếu hàm
mật độ có dạng
0 ,x < 0
n1 − n2
fX (x) = x 2
C n1 + n2 , x ≥ 0
(n2 + n1 x) 2
R∞ R0 R1 R∞ k
Tìm k. 1 = fX (x) dx = 0dx + k (1 − x) dx + 0dx = 2 ⇒k =2
−∞ −∞ 0 1
R∞ R0 R1 R∞
Kỳ vọng. EX = xfX (x) dx = x.0dx + x.2 (1 − x) dx + x.0dx =
−∞ −∞ 0 1
R∞ R0 R1 R∞
EX2 = x 2 fX (x) dx = x 2 .0dx + x 2 .2 (1 − x) dx + x 2 .0dx =
−∞ −∞ 0 1
2
Phương sai. VX = DX = E X 2 − (EX ) =
R∞ −1 R1 R∞ 4k 3
k 1 − x 2 dx + 0dx =
R
Tìm k. 1 = fX (x) dx = 0dx + 3 ⇒k= 4
−∞ −∞ −1 1
Kỳ vọng.
R∞ 2 −1 R1 R∞
EY = E 2X 2 = 2x 2 .0dx + 2x 2 . 43 1 − x 2 dx + 2x 2 .0dx =
R
2x fX (x) dx =
−∞ −∞ −1 1
R∞ −1 R1 R∞
E Y 2 = E 4X 4
4x 4 fX (x) dx = 4x 4 .0dx + 4x 4 . 34 1 − x 2
4x 4 .0dx =
R
= dx +
−∞ −∞ −1 1
2
Phương sai. DY = VY = E Y 2 − (EY )
Rx
Công thức hàm phân bố FX (x) = P (X ≤ x) = fX (t) dt
−∞
Rx Rx
Nếu x ≤ −1, FX (x) = fX (t) dt = 0dt = 0
−∞ −∞
Rx R0 Rx 4
1 − t 2 dt = 32 x − 94 x 3
Nếu −1 < x < 1, FX (x) = fX (t) dt = 0dt + 3
−∞ −∞ 0
Rx R0 R1 4
Rx
1 − t 2 dt + 0dt = 1
Nếu x ≥ 1, FX (x) = fX (t) dt = 0dt + 3
−∞ −∞ 0 1
0 , x ≤ −1
2
Hàm phân bố FX (x) = x − 49 x 3 , −1 < x < 1
3
1 ,x ≥ 1
Lời giải.
X − 2100 2400 − 2100
P (X > 2400) = 1 − P (X ≤ 2400) = 1 − P
200 ≤
| {z } | 200
{z }
Z 1,5
1
= 1 − Φ0 (1, 5) + = 1 − (0, 4332 + 0, 5) = 0, 0668
2
Lời giải.
2200 − 2100 1700 − 2100
P (1700 < X < 2200) = Φ0 − Φ0
200 200
= Φ0 (0, 5) − Φ0 (−2) = Φ0 (0, 5) + Φ0 (2) = 0, 1915 + 0, 4772
= 0, 6687
1 a − 2100 a − 2100
P (X > a) = 1 − P (X ≤ a) = 1 − + Φ0 = 12 − Φ0 = 0, 03
2 200 200
a − 2100 a − 2100
dẫn đến Φ0 = 0, 47 = Φ0 (1, 88), tức là = 1, 88 ⇒ a = 2476.
200 200
Kết luận
Kết luận.