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
Khoa Toán Kinh tế

Trường Đại học Kinh tế - Luật
Đại học Quốc gia Thành phố Hồ Chí Minh
Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 1 / 66

Nội dung
1 Đại lượng ngẫu nhiên
Đại lượng ngẫu nhiên
Phân phối xác suất
Hàm phân phối xác suất
2 Các tham số đặc trưng
Kì vọng
Phương sai, độ lệch chuẩn
Mode
Phân vị, trung vị
3 Vector ngẫu nhiên
Vector ngẫu nhiên
Các tham số đặc trưng
4 Các phân phối xác suất thông dụng
Phân phối nhị thức
Phân phối Poisson
Phân phối chuẩn
Các phân phối khác
Đại lượng ngẫu nhiên Đại lượng ngẫu nhiên

Định nghĩa
Một hàm số X : Ω → R được gọi là đại lượng ngẫu nhiên hay biến ngẫu nhiên
(random variable).
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.

Đại lượng ngẫu nhiên Đại lượng ngẫu nhiên

Đại lượng ngẫu nhiên rời rạc
Đại lượng ngẫu nhiên X là rời rạc nếu tập giá trị của nó là đếm được
• hữu hạn: X (Ω) = {x1 , x2 , . . . , xn },
• vô hạn đếm được: X (Ω) = {x1 , x2 , . . . , xn , . . . }.
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.
Đại lượng ngẫu nhiên Phân phối xác suất

Đại lượng ngẫu nhiên rời rạc
Phân phối xác suất của đại lượng ngẫu nhiên rời rạc X là
X (Ω) = {x1 , x2 , . . . , xn , . . . } và pi = P(X = xi ) với xi ∈ X (Ω).
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.

Đại lượng ngẫu nhiên liên tục

Phân phối xác suất của đại lượng ngẫu nhiên liên tục X là hàm mật độ xác
suất f : R → R của X thỏa mãn các điều kiện sau:
1 f (x) ≥ 0 với mọi x ∈ R,
+∞R
2 f (x)dx = 1,
−∞
Rb
3 P(a < X < b) = f (x)dx với a < b.
a
Lưu ý: Với đại lượng ngẫu nhiên liên tục X ta có P(X = a) = 0 với mọi số thực
a. Do đó
P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X ≤ b) = P(a < X < b).

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).

Đại lượng ngẫu nhiên Hàm phân phối xác suất
Hàm phân phối xác suất

Định nghĩa
Hàm phân phối xác suất của đại lượng ngẫu nhiên X , kí hiệu FX (x) hoặc F (x)
được xác định như sau:
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.
Công thức tính

P

 pi nếu X rời rạc,
xi ≤x

F (x) = Rx


 f (s)ds nếu X liên tục.
−∞

Các tham số đặc trưng Kì vọng
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,
−∞
5 Nếu X , Y độc lập thì: E(XY ) = E(X )E(Y ).
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.

Các tham số đặc trưng Phương sai, độ lệch chuẩn

Định nghĩa
Phương sai của đại lượng ngẫu nhiên X , kí hiệu Var (X ), V (X ) hay VX , là một
số thực được xác định như sau:
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.
Tính chất của phương sai

1 V (X ) = E(X 2 ) − (EX )2 .
2 V (C) = 0 với mọi hằng số C.
3 V (CX ) = C 2 V (X ).
4 Nếu X , Y độc lập thì:
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.

Các tham số đặc trưng Mode
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
Mod(X ) = xk sao cho P(X = x) đạt max tại x = xk .
• 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
Mod(X ) = x0 sao cho f (x) đạt max tại x = x0 .
Ý nghĩa
Mode đặc trưng cho giá trị có khả năng xảy ra cao nhất của đại lượng ngẫu
nhiên X trong phép thử.
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)


Các tham số đặc trưng Phân vị, trung vị

Phân vị và giá trị tới hạn
Cho đại lượng ngẫu nhiên X và α ∈ (0, 1).
1 Số thực gα được gọi là giá trị tới hạn mức α của X nếu
P(X > gα ) ≤ α và P(X < gα ) ≤ 1 − α.
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.


Trung vị
Trung vị của đại lượng ngẫu nhiên X , kí hiệu Median(X ), Med(X ) hay MedX ,
là phân vị mức 0,5 (cũng là giá trị tới hạn mức 0,5) của X .
• Với đại lượng ngẫu nhiên rời rạc: Med(X ) = xk với k thỏa
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

Ví dụ
Tìm trung vị của hai đại lượng ngẫu nhiên X và Y có bảng phân phối xác suất
như sau
X 1 2 4 5
P 0, 2 0, 4 0, 3 0, 1
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

Vector ngẫu nhiên Vector ngẫu nhiên
Vector ngẫu nhiên

Định nghĩa
Ánh xạ X = (X1 , X2 , . . . , Xn ) : Ω → Rn được gọi là một vector ngẫu nhiên n
chiều (n-dimensional random vector).
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.
Vector ngẫu nhiên Phân phối xác suất

Trong phạm vi chương trình, ta chỉ xét các vector ngẫu nhiên rời rạc hai chiều
(X , Y ).
Phân phối xác suất đồng thời
Phân phối xác suất đồng thời của vector ngẫu nhiên rời rạc hai chiều (X , Y )
cho biết X (Ω) = {x1 , x2 , . . . }, Y (Ω) = {y1 , y2 , . . . } và các xác suất đồng thời
pij = P({X = xi }{Y = yj }) = P(X = xi ; Y = yj ).
Bảng phân phối xác suất đồng thời
HH Y
H
y1 y2 ··· ym
X HH
x1 p11 p12 ··· p1m
x2 p21 p22 ··· p2m
.. .. .. .. ..
. . . . .
xn pn1 pn2 ··· pnm
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.

Phân phối xác suất biên

Phân phối xác suất của các đại lượng ngẫu nhiên thành phần được gọi là các
phân phối xác suất biên của vector ngẫu nhiên
m
X m
X
P(X = xi ) = P(X = xi ; Y = yj ) = pij = pi∗ ,
j=1 j=1
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


Sự độc lập
Hai đại lượng ngẫu nhiên X và Y được gọi là độc lập nếu
P(X = xi ; Y = yj ) = P(X = xi )P(Y = yj ) ∀i, j.
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

Phân phối xác suất có điều kiện
Phân phối xác suất của các đại lượng ngẫu nhiên có điều kiện (X |Y = yj ) và
(Y |X = xi ) được xác định bởi
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.

Vector ngẫu nhiên Các tham số đặc trưng

Kỳ vọng
Kỳ vọng của các đại lượng ngẫu nhiên thành phần và của tích
n
X n X
X m
E(X ) = xi pi∗ = xi pij ,
i=1 i=1 j=1
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
Ký hiệu: E(X , Y ) = (E(X ), E(Y )).
Ví dụ
Tiếp theo ví dụ phần trước. Tính E(X ), E(Y ) và E(XY ).
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 ).


Hiệp phương sai
Hiệp phương sai của vector ngẫu nhiên (X , Y )
Cov(X , Y ) = E ((X − EX )(Y − EY ))

= E(XY ) − E(X )E(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.

Hệ số tương quan
Hệ số tương quan của X và Y được định nghĩa
Cov(X , Y ) E(XY ) − E(X )E(Y )

RXY = p = .
Var (X )Var (Y ) σ(X )σ(Y )
Nếu RXY = 0, ta nói X và Y không tương quan. Nếu RXY ̸= 0, ta nói X và Y

tương quan.
Lưu ý:
1 −1 ≤ RXY ≤ 1.
2 RXY = 1 ⇔ X và Y phụ thuộc tuyến tính với hệ số dương (nghĩa là
X = aY + b với a > 0).
3 RXY = −1 ⇔ X và Y phụ thuộc tuyến tính với hệ số âm (nghĩa là
X = aY + b với a < 0).
4 Nếu X , Y độc lập thì RXY = 0 (X và Y không tương quan).

Ma trận tương quan

Ma trận tương quan (còn gọi là ma trận hiệp phương sai) là ma trận

Cov(X , X ) Cov(X , Y )
Var (X , Y ) =
Cov(Y , X ) Cov(Y , Y )

Var (X ) Cov(X , Y )
= .
Cov(Y , X ) Var (Y )
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.

Các phân phối xác suất thông dụng Phân phối nhị thức
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
P(X = k) = Cnk p k q n−k
với mọi k ∈ X (Ω), trong đó q = 1 − p.
X được gọi là có phân phối Bernoulli hay phân phối không – một với xác suất
p nếu X ∼ B(1, p).
Tình huống vận dụng

Gọi X là số lần xuất hiện biến cố A trong dãy n phép thử Bernoulli với
P(A) = p thì X ∼ B(n, 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.

Các số đặc trưng

Nếu X ∼ B(n, p) thì
• EX = np,
• VX = npq,
• np − q ≤ ModX ≤ np + p.
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?

Các phân phối xác suất thông dụng Phân phối Poisson
Phân phối Poisson

Định nghĩa
Biến ngẫu nhiên rời rạc X được gọi là có phân phối Poisson (Poisson
distribution) với tham số λ (λ > 0), kí hiệu X ∼ P(λ), nếu tập giá trị của nó là
X (Ω) = {0, 1, 2, 3, ...} và
λk e−λ
P(X = k) =
k!
với mọi k ∈ X (Ω).

• EX = VX = λ,
• λ − 1 ≤ ModX ≤ λ.

Gọi X là số sự kiện ngẫu nhiên, độc lập xuất hiện trong một khoảng thời gian
hoặc không gian xác định thì X có phân phối Poisson.

Các phân phối xác suất thông dụng Phân phối chuẩn
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
X được gọi là có phân phối chuẩn tắc nếu X ∼ N(0, 1).

• EX = ModX = MedX = µ.
• VX = σ 2 .


Hàm Gauss
1 x2
f (x) = √ e− 2 .
2π
Hàm Gauss chính là hàm mật độ của phân phối chuẩn tắc.


Hàm phân phối chuẩn tắc
Z x
1 t2
Φ(x) = √ e− 2 dt.
−∞ 2π
Giá trị của hàm phân phối chuẩn tắc là diện tích của miền sau

Một số tính chất của hàm phân phối chuẩn tắc

Z x
1 t2
Φ(x) = √ e− 2 dt.
2π −∞
1 0 < Φ(x) < 1,

2 Φ là hàm số tăng, liên tục,
3 Φ(−x) = 1 − Φ(x),
4 Với x ≥ 3, 1 thì Φ(x) ≈ 1. Với x ≤ −3, 1 thì Φ(x) ≈ 0.
(Chính xác đến 3 chữ số thập phân)
Giá trị của hàm Φ có thể tra trong Bảng C.3 ở cuối giáo trình.

Công thức tính xác suất của biến cố (a<X<b)

Nếu X ∼ N(µ, σ 2 ) thì

b−µ a−µ
P(a < X < b) = Φ −Φ .
σ σ
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 1. Cho X ∼ N(1; 0, 25). Tính các xác suất sau

1 P(−5 ≤ X < 1, 23),
2 P(|X − 1| < 0, 64),
3 P(X < 2, 1).
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?

Xấp xỉ phân phối nhị thức bằng phân phối chuẩn

Cho X ∼ B(n, p) với n đủ lớn và p không quá gần 0 hoặc 1
√
(np ≥ 10, nq ≥ 10) thì ta có thể xấp xỉ X ≈ N(µ, σ 2 ) với µ = np và σ = npq.
Do đó với k1 , k2 ∈ N ta có
k − µ k − µ
2 1
P(k1 ≤ X ≤ k2 ) ≈ Φ −Φ .
σ σ
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.

Các phân phối xác suất thông dụng Các phân phối khác
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].

a+b
• EX = .
2
(b − a)2
• VX = .
12

Phân phối Perato

Biến ngẫu nhiên X được gọi là có phân phối Perato (Perato distribution) với
các tham số x0 > 0 và α > 0, nếu hàm mật độ xác suất của nó là
αx α
0
, với x ≥ x0 ;
f (x) = x α+1
0, với x < x0 .

Phân phối Perato thường được sử dụng để mô tả sự phân phối của cải và
hiệu quả lao động trong xã hội. Nó là cơ sở của quy luật 80/20 (quy luật thiểu
số quan trọng và phân bố nhân tố).

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.

Nếu số lần xuất hiện của một biến cố trong một khoảng thời gian có phân phối
Poisson thì thời gian giữa 2 lần xuất hiện biến cố đó có phân phối mũ.


Phân phối Khi bình phương
Biến ngẫu nhiên X có phân phối Khi bình phương (chi-squared distribution)
với n bậc tự do, kí hiệu X ∼ χ2 (n), nếu hàm mật độ xác suất của nó là
( 1 x n
n e− 2 x 2 −1 , với x > 0;
f (x) = 2 2 Γ( n2 )
0, với x ≤ 0.
R∞
với Γ(x) = 0
t x−1 e−t dt được gọi là hàm Gamma.

X ∼ χ2 (n) khi và chỉ khi
n
X
X = Zi2 ,
i=1
trong đó các biến ngẫu nhiên Z1 , Z2 , . . . , Zn độc lập và có cùng phân phối
chuẩn tắc.

Phân phối Student
X được gọi là có phân phối Student (Student’s t-distribution) với n bậc tự do,
kí hiệu X ∼ t(n), nếu hàm mật độ xác suất của nó là
 − n+1
 1 Γ( n+1 2 )

x2 2
f (x) =
√
πn Γ( n2 )
1 + n , với x > 0;
0, với x ≤ 0.

trong đó Γ(x) là hàm Gamma.

X ∼ t(n) khi và chỉ khi
Z
X =q ,
Y
n
với Z ∼ N(0, 1), Y ∼ χ2 (n) và Z , Y độc lập.


Phân phối F
X được gọi là có phân phối Fisher (Snedecor’s F distribution) có bậc tự do n
và m, kí hiệu X ∼ F (n, m), nếu hàm mật độ xác suất của nó là
( n m n+m
n 2 m 2 Γ( 2 ) n−2 n+m
2 (m + nx)− 2 ,
f (x) = Γ( n2 )Γ( m2 ) x với x > 0;
0, với x ≤ 0.
trong đó Γ(x) là hàm Gamma.

X ∼ F (n, m) khi và chỉ khi
X1 /n
X = ,
X2 /m
với X1 ∼ χ2 (n), X2 ∼ χ2 (m) và X1 , X2 độc lập.

Chương 1. Lý Thuyết Xác Suất: Phần 2: Đại lượng ngẫu nhiên

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

Chương 1. Lý Thuyết Xác Suất: Phần 2: Đại lượng ngẫu nhiên

Uploaded by

Copyright:

Available Formats

Chương 1.

LÝ THUYẾT XÁC SUẤT

Khoa Toán Kinh tế

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 1 / 66

Đại lượng ngẫu nhiên

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 4 / 66

Đại lượng ngẫu nhiên

Phân phối xác suất

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 7 / 66

Phân phối xác suất

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 8 / 66

Phân phối xác suất

Đại lượng ngẫu nhiên liên tục

P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X ≤ b) = P(a < X < b).

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 9 / 66

Phân phối xác suất

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 10 / 66

Hàm phân phối xác suất

Công thức tính

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 12 / 66

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 14 / 66

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 15 / 66

5 Nếu X , Y độc lập thì: E(XY ) = E(X )E(Y ).

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 16 / 66

Phương sai, độ lệch chuẩn

Phương sai, độ lệch chuẩn

Tính chất của phương sai

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 19 / 66

Phương sai, độ lệch chuẩn

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 20 / 66

Mod(X ) = xk sao cho P(X = x) đạt max tại x = xk .

Mod(X ) = x0 sao cho f (x) đạt max tại x = x0 .

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 23 / 66

Phân vị, trung vị

P(X > gα ) ≤ α và P(X < gα ) ≤ 1 − α.

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 25 / 66

Phân vị, trung vị

Phân vị, trung vị

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 27 / 66

Vector ngẫu nhiên

Phân phối xác suất

pij = P({X = xi }{Y = yj }) = P(X = xi ; Y = yj ).

Bảng phân phối xác suất đồng thời

Phân phối xác suất

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 32 / 66

Phân phối xác suất

Phân phối xác suất biên

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 33 / 66

Phân phối xác suất

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 34 / 66

Phân phối xác suất

P(X = xi ; Y = yj ) = P(X = xi )P(Y = yj ) ∀i, j.

Phân phối xác suất

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 36 / 66

Các tham số đặc trưng

Ký hiệu: E(X , Y ) = (E(X ), E(Y )).

Các tham số đặc trưng

Lê Phương (UEL) Chương 1. LÝ THUYẾT XÁC SUẤT 39 / 66

Các tham số đặc trưng

Cov(X , Y ) = E ((X − EX )(Y − EY ))

Các tham số đặc trưng

Cov(X , Y ) E(XY ) − E(X )E(Y )

Nếu RXY = 0, ta nói X và Y không tương quan. Nếu RXY ̸= 0, ta nói X và Y