Professional Documents
Culture Documents
Chương 1. Lý Thuyết Xác Suất: Phần 2: Đại lượng ngẫu nhiên
Chương 1. Lý Thuyết Xác Suất: Phần 2: Đại lượng ngẫu nhiên
Lê Phương
Ví dụ
1 Gọi X là số lần xuất hiện mặt ngửa khi tung một đồng xu cân đối 5 lần (X
có thể nhận các giá trị 0, 1, 2, 3, 4, 5).
2 Gọi Y là chiều cao (cm) của một sinh viên trong trường (Y có thể nhận
các giá trị thuộc [150, 185]).
Kí hiệu
1 X (Ω): tập hợp các giá trị mà X có thể nhận.
2 (a ≤ X ≤ b) = {a ≤ X ≤ b} := {ω ∈ Ω : a ≤ X (ω) ≤ b}.
3 (X ∈ A) = {X ∈ A} := {ω ∈ Ω : X (ω) ∈ A} với A ⊂ R.
Ví dụ:
1 Gọi X là tổng số chấm nhận được sau khi tung 2 xúc sắc,
X (Ω) = {2, 3, . . . , 12},
2 Gọi X là số phế phẩm của một nhà máy từ khi thành lập,
X (Ω) = {0, 1, . . . }.
Đại lượng ngẫu nhiên liên tục
Đại lượng ngẫu nhiên X là liên tục nếu tập giá trị của nó là một khoảng (hay
một số khoảng hay toàn bộ trục số R).
Ví dụ:
1 lượng mưa trong một ngày ở TP. Hồ Chí Minh,
2 khoảng thời gian giữa 2 cuộc gọi liên tiếp đến một tổng đài điện thoại.
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 5 / 66
Đại lượng ngẫu nhiên Phân phối xác suất
Phân phối xác suất cho biết khả năng X nhận mỗi giá trị trong X (Ω) tương
ứng và được biểu diễn bằng bảng phân phối xác suất
X x1 x2 ··· xn ···
P p1 p2 ··· pn ···
Tính chất
1 0 ≤ pi ≤ 1 với xi ∈ X (Ω),
P
2 pi = 1,
i
P
3 P(a ≤ X < b) = pi .
a≤xi <b
Ví dụ
Hai xạ thủ cùng bắn vào một mục tiêu, mỗi người bắn một viên. Gọi X là số
lần bắn trúng mục tiêu.
1 Tìm phân phối xác suất của X , cho biết xác suất bắn trúng mục tiêu của
hai xạ thủ lần lượt là 0,4 và 0,7.
2 Lập bảng phân phối xác suất của X .
3 Tính xác suất có nhiều nhất một viên trúng.
Ví dụ
Rút ngẫu nhiên 2 sản phẩm từ một hộp có 7 chính phẩm và 3 phế phẩm. Gọi
X là số phế phẩm lấy được.
1 Tìm phân phối xác suất của X .
2 Tính xác suất lấy được không quá một phế phẩm.
Lưu ý: Với đại lượng ngẫu nhiên liên tục X ta có P(X = a) = 0 với mọi số thực
a. Do đó
Ví dụ
Cho đại lượng ngẫu nhiên X có hàm mật độ xác suất
cx(2 − x), 0 ≤ x ≤ 2,
f (x) =
0, x < 0 hoặc x > 2
1 Xác định c.
2 Tính P(X < 1) và P(|X − 1| > 0, 5).
F (x) = P(X ≤ x) ∀x ∈ R.
Ý nghĩa
Hàm phân phối xác suất cho biết tỉ lệ phần trăm giá trị của X nằm về bên trái
của số thực x trên trục số.
Kì vọng
Định nghĩa
Kì vọng (hay giá trị trung bình) của đại lượng ngẫu nhiên X , kí hiệu E(X ) hay
EX , là một số thực được xác định như sau:
n
P
xi pi nếu X rời rạc,
i=1
EX = +∞ R
xf (x)dx nếu X liên tục.
−∞
Ý nghĩa
Kì vọng đặc trưng cho giá trị trung bình của đại lượng ngẫu nhiên X trong
phép thử.
Kì vọng
Ví dụ
1 Tính kì vọng của đại lượng ngẫu nhiên X có phân phối xác suất như sau:
X 0 1 2
P 0, 2 0, 5 0, 3
2 Tính kì vọng của đại lượng ngẫu nhiên X có hàm mật độ xác suất:
2x, 0 ≤ x ≤ 1;
f (x) =
0, x < 0 hoặc x > 1.
Kì vọng
Tính chất của kì vọng
1 E(C) = C với mọi hằng số C,
2 E(C.X ) = C.E(X ),
3 E(X ± Y ) = EX ± EY ,
4 Nếu Y = h(X ) thì
P
i h(xi )pi
nếu X rời rạc,
EY = +∞
R
h(x)f (x)dx nếu X liên tục,
−∞
Chú ý: Hai đại lượng ngẫu nhiên X và Y được gọi là độc lập nếu hai biến cố
(X ≤ x) và (Y ≤ y) là độc lập với mọi x, y ∈ R.
VX = E (X − EX )2
Độ lệch √
chuẩn của đại lượng ngẫu nhiên X , kí hiệu σ(X ), được xác định bởi:
σ(X ) = VX .
Từ định nghĩa và tính chất 4 của kì vọng, ta có
2
P
i (xi − EX ) pi
nếu X rời rạc;
VX = +∞
(x − EX )2 f (x)dx nếu X liên tục.
R
−∞
Ý nghĩa
Đặc trưng cho độ phân tán của đại lượng ngẫu nhiên quanh giá trị trung bình.
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 18 / 66
Các tham số đặc trưng Phương sai, độ lệch chuẩn
V (X ± Y ) = V (X ) + V (Y ).
Ví dụ
1 Tính độ lệch chuẩn của đại lượng ngẫu nhiên X có phân phối xác suất
như sau:
X 0 1 2
P 0, 2 0, 5 0, 3
2 Tính độ lệch chuẩn của đại lượng ngẫu nhiên X có hàm mật độ xác suất:
2x, 0 ≤ x ≤ 1,
f (x) =
0, x < 0 hoặc x > 1.
Mode
Định nghĩa
Mode (giá trị tin chắc nhất) của đại lượng ngẫu nhiên X , kí hiệu Mode(X ),
Mod(X ) hay ModX , là (các) số thực được xác định như sau
• Với đại lượng ngẫu nhiên rời rạc: giá trị của đại lượng ngẫu nhiên X tại đó
có xác suất lớn nhất
• Với đại lượng ngẫu nhiên liên tục: giá trị của đại lượng ngẫu nhiên X tại
đó hàm mật độ xác suất đạt cực đại
Ý nghĩa
Mode đặc trưng cho giá trị có khả năng xảy ra cao nhất của đại lượng ngẫu
nhiên X trong phép thử.
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 22 / 66
Các tham số đặc trưng Mode
Mode
Ví dụ
1 Xác định mode của đại lượng ngẫu nhiên X và Y có phân phối xác suất
như sau:
X 0 1 2
P 0, 2 0, 5 0, 3
Y −1 2 2, 5 7
P 0, 15 0, 3 0, 3 0, 25
2 Xác định mode của đại lượng ngẫu nhiên X và Y có hàm mật độ xác suất
lần lượt là:
3
(
fX (x) = x(2 − x), 0 ≤ x ≤ 2,
4
0, x < 0 hoặc x > 2
1
√ , x ∈ (0; 1)
fY (x) = 2 x
0, x ̸∈ (0; 1)
2 Số thực qα được gọi là phân vị mức α của X nếu qα là giá trị tới hạn mức
1 − α của X , nghĩa là qα = g1−α .
Lưu ý
Nếu X là đại lượng ngẫu nhiên liên tục thì gα là giá trị tới hạn mức α của X khi
và chỉ khi P(X > gα ) = α.
Ý nghĩa
Giá trị tới hạn mức α (phân vị mức 1 − α) là điểm trên trục số chia phân phối
xác suất của đại lượng ngẫu nhiên thành 2 phần theo tỉ lệ (1 − α) : α.
k−1
X n
X
pi ≤ 0, 5 và pi ≤ 0, 5.
i=1 i=k+1
• Với đại lượng ngẫu nhiên liên tục: Med(X ) = x0 với x0 thỏa
Zx0
f (x)dx = 0, 5.
−∞
Ý nghĩa
Trung vị là điểm trên trục số chia đôi phân phối xác suất của đại lượng ngẫu
nhiên. Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 26 / 66
Các tham số đặc trưng Phân vị, trung vị
Y −1 0 2 3
P 0, 3 0, 2 0, 35 0, 15
Ví dụ
Tìm trung vị và giá trị tới hạn mức 75% của đại lượng ngẫu nhiên X có hàm
mật độ xác suất
0, x < 1;
(
f (x) = 1
, x ≥ 1.
x2
Ví dụ
1 Gọi X và Y lần lượt là chiều cao (cm) và cân nặng (kg) của một trẻ sơ
sinh được lựa chọn ngẫu nhiên trong một bệnh viện phụ sản thì (X , Y ) là
một vector ngẫu nhiên 2 chiều.
2 Gọi Xi là giá cuối phiên giao dịch ngày mai của cổ phiếu thứ i trong danh
sách VN30 gồm 30 cổ phiếu bluechip tiêu biểu của Sàn Giao dịch Chứng
khoán Tp. HCM thì (X1 , X2 , . . . , X30 ) là một vector ngẫu nhiên 30 chiều.
Phân loại
Một vector ngẫu nhiên n chiều X = (X1 , X2 , . . . , Xn ) được gọi là liên tục hay rời
rạc nếu tất cả các biến ngẫu nhiên thành phần X1 , X2 , . . . , Xn là liên tục hay
rời rạc.
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 29 / 66
Vector ngẫu nhiên Phân phối xác suất
HH Y
H
y1 y2 ··· ym
X HH
x1 p11 p12 ··· p1m
x2 p21 p22 ··· p2m
.. .. .. .. ..
. . . . .
xn pn1 pn2 ··· pnm
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 31 / 66
Vector ngẫu nhiên Phân phối xác suất
Ví dụ
Gọi X là số xe máy và Y là số điện thoại di động trong một hộ gia đình của
một hộ gia đình được lựa chọn ngẫu nhiên ở địa phương A. Người ta tìm được
bảng phân phối xác suất đồng thời như sau:
HH Y
H
1 2 3 4
X HH
1 0,1 0 0,1 0
2 0,3 0 0,1 0,2
3 0 0,2 0 0
1 Tính xác suất gia đình được lựa chọn có số xe máy bằng số điện thoại.
2 Tính xác suất gia đình được lựa chọn có tổng số xe máy và số điện thoại
là 4.
n
X n
X
P(Y = yj ) = P(X = xi ; Y = yj ) = pij = p∗j .
i=1 i=1
Bảng phân phối xác suất đồng thời có các xác suất biên
HH Y
y1 y2 ··· ym P(X = xi )
X
HH
H
x1 p11 p12 ··· p1m p1∗
x2 p21 p22 ··· p2m p2∗
.. .. .. .. .. ..
. . . . . .
xn pn1 pn2 ··· pnm pn∗
P(Y = yi ) p∗1 p∗2 ··· p∗m 1
Ví dụ
Tiếp theo ví dụ trước, lập bảng phân phối xác suất đồng thời có chứa các xác
suất biên. Lập bảng phân phối xác suất của X và của Y . Hỏi X và Y có độc
lập với nhau hay không?
Trả lời.
HH Y
H
1 2 3 4 P(X = xi )
X HH
1 0,1 0 0,1 0 0,2
2 0,3 0 0,1 0,2 0,6
3 0 0,2 0 0 0,2
P(Y = yi ) 0,4 0,2 0,2 0,2 1
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 35 / 66
Vector ngẫu nhiên Phân phối xác suất
P(X = xi ; Y = yj ) pij
P(X = xi |Y = yj ) = = ,
P(Y = yj ) p∗j
P(X = xi ; Y = yj ) pij
P(Y = yj |X = xi ) = = .
P(X = xi ) pi∗
Ví dụ
Tiếp theo ví dụ trước.
1 Lập bảng phân phối xác suất của X với điều kiện Y = 3.
2 Lập bảng phân phối xác suất của Y với điều kiện X = 2.
m
X n X
X m
E(Y ) = yj p∗j = yj pij ,
j=1 i=1 j=1
n X
X m
E(XY ) = xi yj pij .
i=1 j=1
Ví dụ
Tiếp theo ví dụ phần trước. Tính E(X ), E(Y ) và E(XY ).
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 38 / 66
Vector ngẫu nhiên Các tham số đặc trưng
Phương sai
Phương sai của các đại lượng ngẫu nhiên thành phần
n n
!2
X X
Var (X ) = E(X 2 ) − (EX )2 = xi2 pi∗ − xi pi∗ ,
i=1 i=1
2
m
X m
X
Var (Y ) = E(Y 2 ) − (EY )2 = yj2 p∗j − yj p∗j .
j=1 j=1
Ví dụ
Tiếp theo ví dụ phần trước. Tính Var (X ) và Var (Y ).
Lưu ý:
1 Nếu X , Y độc lập thì Cov(X , Y ) = 0 (Tuy nhiên, điều ngược lại không
đúng).
2 Cov(X , X ) = Var (X ).
Ý nghĩa: Hiệp phương sai đo mức độ dao động cùng chiều hay ngược chiều
của X và Y .
1 Cov(X , Y ) > 0: X và Y dao động cùng chiều,
2 Cov(X , Y ) < 0: X và Y dao động ngược chiều.
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 40 / 66
Vector ngẫu nhiên Các tham số đặc trưng
Ma trận hiệp phương sai cho ta đánh giá về độ phân tán dữ liệu.
Ví dụ
Cho bảng phân phối xác suất đồng thời của vector ngẫu nhiên Z = (X , Y )
như sau:
HH Y
H
1 2 3 P(X = xi )
X HH
2 0,1 0,3 0,15 0,55
4 0,15 0,25 0,05 0,45
P(Y = yi ) 0,25 0,55 0,2 1
Tính hiệp phương sai, hệ số tương quan và ma trận hiệp phương sai.
Định nghĩa
Biến ngẫu nhiên rời rạc X được gọi là có phân phối nhị thức (binomial
distribution) với tham số n, p (n ∈ N, p ∈ (0, 1)), kí hiệu X ∼ B(n, p), nếu tập
giá trị của nó là X (Ω) = {0, 1, ..., n} và
X được gọi là có phân phối Bernoulli hay phân phối không – một với xác suất
p nếu X ∼ B(1, p).
Ví dụ. Một phân xưởng có 10 máy hoạt động độc lập. Xác suất để trong 1
ngày mỗi máy bị hỏng là 10%.
1 Tính xác suất trong 1 ngày có 2 máy bị hỏng.
2 Tính xác suất trong 1 ngày có không quá 2 máy bị hỏng.
3 Trong một ngày nọ có không quá 2 máy bị hỏng, tính xác suất có ít nhất 1
máy bị hỏng vào ngày hôm đó.
Ví dụ. Một đề thi trắc nghiệm có 10 câu hỏi, mỗi câu hỏi có 4 câu trả lời, trong
đó chỉ có một câu trả lời đúng. Sinh viên An không học bài nên chọn câu trả
lời ngẫu nhiên cho mỗi câu hỏi.
1 Tính số câu hỏi trung bình và độ lệch chuẩn của số câu hỏi mà An trả lời
đúng.
2 Khả năng cao nhất An sẽ trả lời đúng bao nhiêu câu hỏi?
Định nghĩa
Biến ngẫu nhiên liên tục X được gọi là có phân phối chuẩn (normal
distribution) với tham số µ và σ 2 (µ ∈ R, σ > 0), kí hiệu X ∼ N(µ, σ 2 ), nếu
hàm mật độ xác suất của nó là
1 (x−µ)2
f (x) = √ e− 2σ2 .
σ 2π
Hàm Gauss chính là hàm mật độ của phân phối chuẩn tắc.
Giá trị của hàm Φ có thể tra trong Bảng C.3 ở cuối giáo trình.
Tính chất
Nếu X ∼ N(µ, σ 2 ) và c ∈ R thì
2
1 X + c ∼ N(µ + c, σ ),
2 cX ∼ N(cµ, (cσ)2 ),
X −µ
3 ∼ N(0, 1),
σ
4 Nếu Y ∼ N(µ′ , σ ′2 ) và X độc lập với Y thì X + Y ∼ N(µ + µ′ , σ 2 + µ′2 ).
Ví dụ 2. Cho biết khối lượng của một loại trái cây có phân phối chuẩn với
trung bình là 60 gram và độ lệch chuẩn là 4 gram. Chọn ngẫu nhiên 1 trái.
1 Tính xác suất trái được chọn có khối lượng lớn hơn 63 gram.
2 Biết rằng trái được chọn có khối lượng lớn hơn 63 gram, tính xác suất trái
đó có khối lượng không lớn hơn 70 gram.
Ví dụ 3. Một kỳ thi đầu vào ở trường chuyên A quy định điều kiện thi đỗ là:
tổng số điểm các môn thi của học sinh không được thấp hơn 15 điểm. Giả sử
tổng điểm các môn thi của học sinh là biến ngẫu nhiên có phân phối chuẩn
với trung bình 12 điểm. Biết rằng tỉ lệ học sinh thi đỗ là 25,14%. Tìm độ lệch
chuẩn.
Ví dụ 4. Thời gian đi từ nhà tới trường của sinh viên An (đơn vị là phút) là biến
ngẫu nhiên có phân phối chuẩn. Biết rằng 65% số ngày An đến trường mất
hơn 20 phút và 8% số ngày mất hơn 30 phút.
1 Tính thời gian đến trường trung bình của An và độ lệch tiêu chuẩn.
2 An cần phải xuất phát trước giờ học bao nhiêu phút để xác suất bị muộn
học của An không quá 0,02.
Ví dụ 5. Khối lượng của gói mì ăn liền tuân theo quy luật phân phối chuẩn
N(100, 4). Gói mì có khối lượng 98,28g đến 102,28g là đạt tiêu chuẩn. Chọn
ngẫu nhiên 200 gói mì. Tìm số gói phế phẩm trung bình và số gói phế phẩm
có khả năng xảy ra cao nhất.
Ví dụ 6. Tuổi thọ một loại thiết bị (đơn vị: năm) của công ty là biến ngẫu nhiên
có phân phối chuẩn với trung bình là 4,2 năm và độ lệch chuẩn là 1,5 năm.
Khi công ty bán một thiết bị lãi 2 triệu đồng, nhưng nếu thiết bị phải sửa chữa
trong thời gian bảo hành thì lỗ 2 triệu đồng. Để tiền lãi trung bình khi bán một
thiết bị là 750 ngàn đồng thì công ty cần quy định thời gian bảo hành của thiết
bị là bao lâu?
Ví dụ. Tỷ lệ nảy mầm của 1 loại hạt giống là 0,8. Gieo thử 100 hạt giống.
1 Tính xác suất có từ 30 đến 80 hạt nảy mầm.
2 Tính xác suất có ít nhất 70 hạt nảy mầm.
Định nghĩa
Biến ngẫu nhiên liên tục X được gọi là có phân phối đều (uniform distribution)
trong khoảng [a, b] (a, b ∈ R, a < b), kí hiệu X ∼ Uc (a, b), nếu hàm mật độ
xác suất của nó là
1 nếu x ∈ [a, b],
f (x) = b − a
0 nếu x ̸∈ [a, b].
Phân phối mũ
Biến ngẫu nhiên X được gọi là có phân phối mũ (exponential distribution) với
tham số λ (λ > 0), kí hiệu X ∼ E(λ), nếu hàm mật độ xác suất của nó là
λe−λx , với x ≥ 0;
f (x) =
0, với x < 0.
trong đó các biến ngẫu nhiên Z1 , Z2 , . . . , Zn độc lập và có cùng phân phối
chuẩn tắc.
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 64 / 66
Các phân phối xác suất thông dụng Các phân phối khác
f (x) =
√
πn Γ( n2 )
1 + n , với x > 0;
0, với x ≤ 0.