CHƯƠNG 3

BIẾN NGẪU NHIÊN RỜI RẠC

1. Biến ngẫu nhiên

2. Phân phối xác suất của biến ngẫu nhiên rời rạc
3. Kỳ vọng và phương sai
4. Một số luật phân phối xác suất thông dụng
3.1 Biến ngẫu nhiên
Ta gọi qui tắc X cho tương ứng mỗi biến cố sơ
cấp với một số thực là một biến ngẫu nhiên.
Ví dụ 1. Tung một con xúc xắc và gọi X là số
chấm trên mặt xuất hiện. X là biến ngẫu nhiên.
Ví dụ 2. Chọn ngẫu nhiên một sinh viên và gọi
X là chiều cao của sinh viên được chọn. X là
biến ngẫu nhiên.
3.2 Phân phối xác suất của biến
ngẫu nhiên rời rạc
 Biến ngẫu nhiên X được gọi là rời rạc nếu tập giá trị của
X có dạng
{x1,x2,…,xn} hoặc {x1,x2,…,xn,…}
Ví dụ 3. Các biến ngẫu nhiên ở ví dụ 1 và 2 đều là biến
ngẫu nhiên rời rạc.
Giả sử X là biến ngẫu nhiên rời rạc có thể nhận giá trị x1,
x2, …, xn,… với xác suất X nhận giá trị xm là pm:

P( X  xm )  pm
3.2 Phân phối xác suất của biến ngẫu
nhiên rời rạc
Ta gọi hàm PX ( x)  P( X  x), x  R là hàm xác
suất của biến ngẫu nhiên X.
 Ví dụ 4. Hàm xác suất của biến ngẫu nhiên X ở ví dụ 1 là

1
 khi x   1, 2, 3, 4, 5, 6
p X ( x)   6
0 khi x   1, 2, 3, 4, 5, 6

Ví dụ 5
Lấy ngẫu nhiên 2 sản phẩm từ một lô hàng có 6 sản phẩm
loại 1 và 4 sản phẩm loại 2. Gọi X là số sản phẩm loại 1
lấy ra. Xác định hàm xác suất của X.
X có thể nhận giá trị: 0, 1, 2

C42 2
P ( X  0)  2 
C10 15
6 4 8
P ( X  1)  2 
C10 15
C62 5
P ( X  2)  2 
C10 15
3.2 Phân phối xác suất của biến
ngẫu nhiên rời rạc
Ta gọi bảng sau
X x1 x2 … xn …

P p1 p2 … pn …

là bảng phân phối xác suất của biến ngẫu nhiên X.

Tính chất

p1  p2  ...  pn  ...  1
Ví dụ 5
Lấy ngẫu nhiên 2 sản phẩm từ một lô hàng có 6 sản phẩm
loại 1 và 4 sản phẩm loại 2. Gọi X là số sản phẩm loại 1
lấy ra. Lập bảng phân phối xác suất của X.
X có thể nhận giá trị: 0, 1, 2

C42 2
P ( X  0)  2 
C10 15
6 4 8
P ( X  1)  2 
C10 15
C62 5
P ( X  2)  2 
C10 15
Ví dụ 6
Chọn ngẫu nhiên 1 học sinh từ một lớp có 15 học sinh cao
162 cm, 19 học sinh cao 165 cm và 23 học sinh cao 168
cm. Gọi X là chiều cao của học sinh được chọn. Lập bảng
phân phối xác suất của X.
X có thể nhận giá trị: 162, 165 và 168 với xác suất tương
ứng là:
15 19
P( X  162)  P( X  165) 
57 57
23
P( X  168) 
57
3.3 Kỳ vọng và phương sai
I. Kỳ vọng (số trung bình)
I.1. Định nghĩa. Kỳ vọng của biến ngẫu
nhiên X được ký hiệu là E(X) và định
nghĩa như sau.
 Nếu X là biến ngẫu nhiên rời rạc nhận
giá trị xi với xác suất pi thì
E ( X )  x1 p1  x2 p2  ...  xn pn  ...
Ví dụ 7
Chọn ngẫu nhiên 1 học sinh từ một lớp có 15
học sinh cao 162 cm, 19 học sinh cao 165 cm
và 23 học sinh cao 168 cm. Gọi X là chiều cao
của học sinh được chọn. Tính E(X).

E(X) = (162.15+165.19+168.23):57
I.2 Tính chất của kỳ vọng
(i) E(C) = C, C là hằng số.
(ii) E(c.X) = c.E(X)
(iii) E(X+Y) = E(X)+E(Y)
(iv) E(X.Y) = E(X).E(Y) khi X,Y độc lập.
(v) Nếu Y = g(X)

E (Y )  g ( x1 ) p1    g ( xm ) pm  
II. Phương sai
Định nghĩa. Phương sai của biến ngẫu nhiên X được kí
hiệu là Var(X) (V(X), D(X)) và định nghĩa như sau
Var( X )  E ( X  E ( X )) 2

Căn bậc hai của phương sai được gọi là độ lệch chuẩn và
ký hiệu là
 ( X )  Var( X )
Cách tính
Nếu X là biến ngẫu nhiên rời rạc có kỳ vọng
E(X) = a thì
Var( X )  ( x1  a) p1    ( xn  a) pn  
2 2

hay

Var( X )  ( x p1    x pn  )  a
2
1
2
n
2
Ví dụ 8
Chọn ngẫu nhiên 1 học sinh từ một lớp
có 15 học sinh cao 162 cm, 19 học sinh
cao 165 cm và 23 học sinh cao 168 cm.
Gọi X là chiều cao của học sinh được
chọn. Tính D(X).
15 2 19 2 23
D( X )  1622
 165  168  165,42 2

57 57 57
 6,1708
Tính chất của phương sai
(i) Var(c) = 0. (c là hằng số)
(ii) Var(c.X) = c2. Var(X)
(iii) Var(X+Y) = Var (X)+Var
(Y)
khi X,Y độc lập.
3.4. Một số luật phân phối xác suất thông dụng

Phân phối siêu bội. Lấy ngẫu nhiên n phần tử

từ một tập hợp N phần tử mà trong đó M phần
tử có dấu hiệu A và gọi X là số phần tử có dấu
hiệu A trong n phần tử lấy ra.
Ta gọi X là biến ngẫu nhiên có phân phối siêu
bội H(N, M, n) và ký hiệu X ~ H(N, M, n)
M M N M N n
E( X )  n D( X )  n  
N N N N 1
Ví dụ 9
Lấy ngẫu nhiên 10 sản phẩm từ
một lô hàng chứa 20 sản phẩm
loại 1 và 15 sản phẩm loại 2. Gọi
X là số sản phẩm loại 1 trong 10
sản phẩm lấy ra. Tính E(X), D(X)
và P(X = 5)
Ví dụ 10
Lấy ngẫu nhiên 400 sản phẩm từ
một kho hàng chứa 7000 sản
phẩm loại 1 và 3000 sản phẩm
loại 2. Gọi X là số sản phẩm loại
1 trong 400 sản phẩm lấy ra. Tính
E(X), D(X) và P(X = 50)
Ví dụ 10

X H (10000,7000,400)
7000
 E ( X )  400   280
10000
10000  400
Var( X )  400  0,7  0,3   80,648
10000  1
Phân phối nhị thức
Thực hiện n thí nghiệm độc lập mà trong mỗi
thí nghiệm biến cố A xuất hiện với xác suất p.
Gọi X là số lần xuất hiện biến cố A trong n thí
nghiệm này. Khi đó
X được gọi là biến ngẫu nhiên có phân phối
nhị thức với các tham số n, p. Ký hiệu X ~ B(n,
p).

E ( X )  np, V( X )  np (1  p )
Ví dụ 11
Trồng 100 cây cao su với
xác suất sống của mỗi cây
là 0,836. Gọi X là số cây
sống. Tính P(X = 84), E(X),
V(X).
Ví dụ 11
X B(100; 0,836)
10084
 P( X  84)  C 0,836 (1  0,836)
84
100
84
 0,1076
E ( X )  100  0,836  83,60
V ( X )  100  0,836  (1  0,836)  13,7104
Liên hệ giữa phân phối siêu bội và
phân phối nhị thức

Nếu X ~ H(N, M, n) mà n rất

nhỏ so với N thì ta có thể
xem
X ~ B(n, p) với p = M/N
Ví dụ 12
Lấy ngẫu nhiên 100 sản phẩm từ
một kho hàng chứa 7000 sản phẩm
loại 1 và 3000 sản phẩm loại 2.
Tính xác suất lấy được đúng 70 sản
phẩm loại 1.
Ví dụ 12
Gọi X là số sản phẩm loại 1 trong 100 sản
phẩm lấy ra.
X ~ H(N, M, n) với N = 10000, M = 7000,
n = 100 nên có thể xem X ~ B(n, p) với p = 0,7

10070
P( X  70)  C 0,7 (1  0,7)
70
100
70
 0,086783864
Phân phối nhị thức âm

Lần lượt thực hiện các thí nghiệm độc lập, mà

trong mỗi thí nghiệm biến cố A xuất hiện với
xác suất p, cho đến khi biến cố A xuất hiện
đúng r lần thì dừng, và gọi X là số lần không
xuất hiện biến cố A. Khi đó
X được gọi là biến ngẫu nhiên có phân phối
nhị thức âm với các tham số r, p và ký hiệu
 X ~ NB(r, p)
Phân phối nhị thức âm
X có thể nhận giá trị: 0, 1, 2, …, n,
… P ( X  m)  C r 1
p (1  p )
r m
m  r 1

r (1  p)
E( X ) 
p
r (1  p)
V (X )  2
p
Ví dụ 13
Xác suất mỗi sản phẩm nhà máy M đạt
chuẩn là 0,85. Lần lượt kiểm tra từng sản
phẩm của nhà máy M cho đến khi được 5
sản phẩm không đạt chuẩn thì dừng. Gọi
X là số sản phẩm đạt chuẩn cần kiểm tra.
Tính P(X = 10), E(X) và V(X).
Ví dụ 13
X là biến ngẫu nhiên có phân phối nhị thức âm
với các tham số r = 5, p = 1- 0,85 = 0,15 nên
P ( X  10)  C105151 0,155 (1  0,15)10  0,0149651
5(1  0,15) 85
E( X )  
0,15 3
5(1  0,15) 1700
V (X )  2

0,15 9
Phân phối Poisson
Ta gọi X là biến ngẫu nhiên có phân phối
Poisson với tham số  ( > 0) và ký hiệu
X ~ Poi( ), nếu
m
 
P ( X  m)  e , m  0, 1, 2,...

m!
E ( X )   , D( X )  
Ví dụ 14
Một trạm cho thuê xe có 3 chiếc xe. Hàng ngày
trạm phải nộp thuế 8 USD cho 1 chiếc xe (bất kể
xe đó có được thuê hay không) và mỗi chiếc
được cho thuê với giá 20 USD. Giả sử số xe
được yêu cầu cho thuê của trạm trong một ngày
là đại lượng ngẫu nhiên X có phân phối Poisson
với tham số  = 2,8.
Tính số tiền trung bình trạm thu được trong một
ngày.
Ví dụ 14
Gọi T là số tiền trạm này thu được trong ngày.
T có thể nhận giá trị: -24, -4, 16, 36
P(T  24)  P ( X  0)  e 2,8  0,06
P(T  4)  P( X  1)  2,8e 2,8  0,17
2,82 2,8
P(T  16)  P( X  2)  e  0,24
2!
P(T  36)  P ( X  2)  1  0,06  0,17  0,24  0,53
E ( X )  20,8
Liên hệ giữa phân phối nhị thức và
phân phối Poisson

Nếu X ~ B(n, p) mà p rất

nhỏ và n lớn thì ta có thể
xem
X ~ Poi(  ) với  = np
Ví dụ 15
Xác suất để 1 học sinh khi đi học bị
bệnh và phải nằm điều trị tại phòng y
tế của trường là 0,0004. Trong một
buổi học có 7000 học sinh, hãy tính
xác suất để trong buổi học này có 3
học sinh phải nằm điều trị tại phòng
y tế.
Ví dụ 15
Gọi X là số học sinh phải nằm điều
trị tại phòng y tế. X có phân phối nhị
thức với n = 7000, p = 0,0004 nên có
thể xem X có phân phối Poisson với
 λ = 7000 x 0,0004 = 2,8
Ví dụ 15
3
2,8 2,8
P ( X  3)  e  0,22
3!