THỐNG KÊ KINH DOANH

Ths. Nguyễn Văn Duy

Faculty of Business and Economics

Chương 4
Các hàm phân phối xác suất phổ biến

• Phân phối của biến ngẫu nhiên rời rạc

• Phân phối của biến ngẫu nhiên liên tục

Phân phối xác suất của biến ngẫu nhiên rời rạc

• Biến ngẫu nhiên

• Phân phối xác suất của biến ngẫu nhiên rời rạc

• Phân phối đều của biến ngẫu nhiên rời rạc

• Kỳ vọng toán và phương sai

• Phân phối xác suất nhị thức

• Phân phối xác suất Poisson

.40

.30

.20

.10

0 1 2 3 4
Biến ngẫu nhiên
• Một biến ngẫu nhiên là một con số mô tả kết quả của một phép thử

• Biến ngẫu nhiên có thể phân loại thành biến ngẫu nhiên rời rạc hoặc biến ngẫu
nhiên liên tục tùy thuộc vào giá trị mà nó có thể nhận

• Biến ngẫu nhiên rời rạc là một tập của các giá hữu hạn hoặc vô hạn đếm được.
Thường giá trị là số đếm được (số người, số sản phẩm bán ra trong ngày...)

• Biến ngẫu nhiên liên tục là biến có thể nhận bất kỳ giá trị nào hoặc giá trị nào
trong một khoảng hoặc tập hợp nhiều khoảng. Thường là các giá trị đo lường
(nhiệt độ, cân nặng, chiều cao)
Ví dụ về biến ngẫu nhiên rời rạc

• Biến ngẫu nhiên với hữu hạn các giá trị

x = số TV bán được tại một của hàng trong một ngày

x có thể nhận 5 giá trị cụ thể (0, 1, 2, 3, 4)

• Biến ngẫu nhiên không hữu hạn các giá trị có thể nhận

x = số khách hàng đến trung tâm thương mại trong một ngày

x có thể nhận các giá trị 0, 1, 2, . . .

Chúng ta có thể đếm số khách hàng nhưng không có giới hạn trên về
số người vào TTTM
Phân phối xác suất của biến rời rạc

• Phân phối của một biến ngẫu nhiên là xác suất (khả năng) nhận các giá trị của
một biến ngẫu nhiên.

• Phân phối xác suất được định nghĩa qua một hàm số (hàm phân phối xác suất),
ký hiệu f(x) cung cấp thông tin xác suất xảy ra ở mỗi giá trị của biến ngẫu nhiên
x.

• Điều kiện của một hàm phân phối xác suất của biến rời rạc:

f(x) > 0

Σf(x) = 1

• Phân phối xác suất có thể được trình bày bằng bảng, biểu đồ hoặc phương trình.
Ví dụ

 Một giáo viên thực hiện khảo sát về số lần đi học muộn của sinh viên. Kết
quả khảo sát từ 200 sinh viên trường P thu được như sau:

Số lần đi xi f(xi)
muộn Số sinh viên
1 0.4
1 80
2 0.25
2 50
3 0.2
3 40
4 0.05
4 10
5 0.1
5 20 1
Ví dụ

• Trình bày phân phối xác suất bằng đồ thị

.50
.40
Xác suất

.30
.20
.10

1 2 3 4 5
Số lần đi học muộn
Phân phối đều của biến ngẫu nhiên rời rạc

• Phân phối xác suất đều của biến ngẫu nhiên rời rạc là phân phối đơn giản
nhất của biến ngẫu nhiên rời rạc cho bởi một công thức.

• Hàm phân phối xác suất đều của biến ngẫu nhiên rời rạc:

f(x) = 1/n

trong đó:

n = số giá trị mà biến ngẫu nhiên có thể nhận

• Khả năng xảy ra/không xảy ra với một giá trị cụ thể của biến ngẫu nhiên
rời rạc có phân phối đều là như nhau.

• Ví dụ: Đánh lô đề, tung đồng xu,…

Kỳ vọng toán và phương sai

Kỳ vọng toán, hay trung bình của một biến ngẫu nhiễn là thước đo vị trí trung
tâm của biến ngẫu nhiên
• Kỳ vọng toán của biến ngẫu nhiên rời rạc được tính bởi công thức

E(x) =  = xf(x)

Phương sai phản ánh sự phân tán trong các giá trị của biến ngẫu nhiên
• Phương sai của biến ngẫu nhiên rời rạc được tính bằng công thức

Var(x) =  2 = (x - )2f(x)

Độ lệch chuẩn là căn bậc hai của phương sai

Ví dụ

• Kỳ vọng toán của biến ngẫu nhiên x

Số lần đi học muộn của sinh viên

Số lần đi xi f(xi) x*f(x)

muộn Số sinh viên
1 0.4
1 80
2 0.25
2 50
3 0.2
3 40
4 0.05
4 10
5 0.1
5 20 1
Ví dụ
• Phương sai và độ lệch chuẩn

x x- (x-)^2 f(x) (x-)^2*f(x)

2 =
Độ lệch chuẩn của số lần đi học muộn là….. (lần)
Phân phối nhị thức

Tính chất của một phép thử nhị thức

• Gồm một dãy n phép thử giống nhau
• Kết quả của phép thử nhận 2 giá trị (thành công hoặc thất bại, trúng – trượt)
• Xác suất thành công ký hiệu là p, không thay đổi từ phép thử này sang phép
thử khác
• Các phép thử là độc lập với nhau

Ví dụ: Một người chơi số đề ghi mỗi ngày một số đề, tung đồng xu,…
Phân phối xác suất nhị thức

• Hàm phân phối xác suất nhị thức được cho bởi công thức

n!
f ( x)  p x (1  p ) (n  x )
x !( n  x )!
Với:

f(x) = Xác suất thành công x lần trong n phép thử

n = số phép thử

p = Xác suất thành công cho một lần thử

Ví dụ

• Phân phối xác suất nhị thức

Công ty X lo ngại về khả năng nghỉ việc của nhân viên. Dựa
trên kinh nghiệm các nhà quản lý thấy rằng có khoảng 10% nhân viên sẽ
nghỉ việc sau khi được tuyển 1 năm. Chọn ngẫu nhiên 3 nhân viên mới
tuyển, xác suất để một người rời khỏi công ty là bao nhiêu sau 1 năm.

p = .10, n = 3, x=1
Ví dụ

• Sử dụng hàm xác suất nhị thức

n!
f ( x)  p x (1  p ) (n  x )
x !( n  x )!
3!
f (1)  ( 0.1)1 ( 0. 9 ) 2
1!( 3  1)!
= (3)(0.1)(0.81)

= .243
 Ví dụ
• Tra bảng

p
n x .10 .15 .20 .25 .30 .35 .40 .45 .50
3 0 .7290 .6141 .5120 .4219 .3430 .2746 .2160 .1664 .1250
1 .2430 .3251 .3840 .4219 .4410 .4436 .4320 .4084 .3750
2 .0270 .0574 .0960 .1406 .1890 .2389 .2880 .3341 .3750
3 .0010 .0034 .0080 .0156 .0270 .0429 .0640 .0911 .1250
Phân phối nhị thức

• Kỳ vọng toán

E(x) =  = np

• Phương sai

Var(x) =  2 = np(1 - p)
• Độ lệch chuẩn

SD( x )    np(1  p)
Ví dụ

• Phân phối xác suất nhị thức

• Kỳ vọng toán
E(x) =  = 3(.1) = .3
• Phương sai
Var(x) =  2 = 3(.1)(.9) = .27
• Độ lệch chuẩn

SD( x)    3(.1)(. 9)  .52 employees

Phân phối xác suất Poisson

• Tính chất của một phép thử Poisson

• là trung bình số lần xảy ra thành công của một sự kiện trong một khoảng thời gian
nhất định
• Đối với hai khoảng có độ dài bằng nhau thì xác suất xảy ra là như nhau (ví dụ như số
người vào siêu thị mỗi giờ là gần như nhau)
• Việc xuất hiện hay không xuất hiện ở khoảng này độc lập với việc xuất hiện hay
không xuất hiện ở khoảng khác.

Ví dụ: Số lần hỏng xe trên mỗi 1000 km

Phân phối xác suất Possion

• Hàm phân phối xác suất Poisson cho bởi công thức

 x e
f ( x) 
trong đó: x!
f(x) = xác suất có x lần xảy ra trong khoảng thời gian (hoặc
không gian)
 = trung bình số lần xảy ra trong khoảng thời gian (hoặc
không gian)
e = 2.71828
Ví dụ

• Sử dụng phân phối Poisson

Một chốt kiểm tra trong đợt dịch COVID 19 tại Hà Nội quan sát thấy
lưu lượng lưu thông qua chốt trong mỗi giờ là gần như nhau và khoảng
10 xe trong mỗi giờ. Tính xác suất chốt đó kiểm tra 5 xe trong khoảng
thời gian 1 giờ.
 = 10 x = 5

f(x =5)
Phân phối xác suất của biến liên tục

• Phân phối xác suất đều

• Phân phối chuẩn

• Phân phối chuẩn hóa

• Phân phối mũ f(x)

x

Phân phối xác suất biến ngẫu nhiên liên tục

• Một biến ngẫu nhiên liên tục có thể nhận bất kỳ giá trị nào trong một
khoảng số thực hoặc nhiều khoảng.

• Không thể xác định xác suất tại một giá trị cụ thể của biến ngẫu nhiên liên
tục mà là một khoảng.
Phân phối xác suất đều

• Một biến ngẫu nhiên là phân phối đều thì xác suất xảy ra trên những
khoảng là đều nhau.
• Hàm mật độ phân phối xác suất đều như sau:

f(x) = 1/(b - a) khi a < x < b

=0 ngoài đoạn

Trong đó: a = giá trị nhỏ nhất biến có thể nhận

b = giá trị lớn nhất biến có thể nhận
Phân phối xác suất đều

• Kỳ vọng toán

E(x) = (a + b)/2

• Phương sai

Var(x) = (b - a)2/12
Ví dụ

• Phân phối xác suất đều

Một cửa hàng bán hương liệu tính tiền theo mỗi gr hương liệu khách
hàng mua. Một quan sát của người quan lý nhận thấy khách lấy khá
đồng đều trong khoảng từ 5 gr đến 15 gr

Hàm mật độ phân phối xác suất

f(x) = 1/10 khi 5 < x < 15

=0 khác khoảng trên

Trong đó:

x = khối lượng hương liệu

Ví dụ

• Phân phối xác suất đều

Xác suất để những người khách mua từ 12gr đến 15gr

f(x)

P(12 < x < 15) = 1/10(3) = .3

1/10

x
5 10 12 15
Khối lượng
Ví dụ

• Kỳ vọng toán
E(x) = (a + b)/2
= (5 + 15)/2
= 10
• Phương sai
Var(x) = (b - a)2/12
= (15 – 5)2/12
= 8.33
Hàm phân phối chuẩn
• Đồ thị của hàm phân phối chuẩn

f(x)

x

Hàm phân phối chuẩn

• Đặc điểm của hàm phân phối chuẩn

• Hàm phân phối chuẩn được mô tả bằng một hình chuông đều
• Hai tham số, m (trung bình) và s (độ lệch chuẩn), xác định vị trí và
hình dáng của phân phối.
• Điểm cao nhất của đường phân phối chuẩn là trung bình nó cũng
đồng thời là trung vị và mode (lý thuyết).
• Giá trị trung bình có thể là bất kỳ con số nào: âm, bằng không hay
dương
Phân phối chuẩn

Đặc điểm của phân phối chuẩn

• Đường cong phân phối chuẩn được xem là đối xứng
• Độ lệch chuẩn xác định độ rộng của đường cong
• Tổng diện tích dưới đường cong là 1 (.5 về bên trái của giá trị trung
bình và và .5 về bên phải của giá trị trung bình).
• Xác suất của các biến ngẫu nhiên thông thường được tính bằng diện
tích của vùng dưới đường cong.
Phân phối chuẩn
Phân phối chuẩn
Phân phối chuẩn

• % của những giá trị tích lũy thường gặp

• 68% giá trị nằm trong khoảng +/- 1SD
• 95% giá trị nằm trong khoảng +/- 2SD
• 99.7% nằm trong vùng +/- 3SD
Phân phối chuẩn
Phân phối chuẩn

• Hàm mật độ phân phối xác suất được xác định bằng công thức:

1  ( x   )2 / 2 2
f ( x)  e
2 
Với:
 = trung bình
 = độ lệch chuẩn
 = 3.14159
e = 2.71828
Phân phối chuẩn hóa

• Một biến ngẫu nhiên tuân theo luật phân phối chuẩn có trung bình bằng
0 và độ lệch chuẩn bằng một thì được gọi là một phân phối chuẩn hóa

• Công thức để chuyển từ phân phối chuẩn sang phân phối chuẩn hóa
x
z

Phân phối chuẩn hóa

• Hàm mật độ xác suất của phân phối chuẩn hóa

Ứng dụng của phân phối chuẩn và phân phối chuẩn hóa

• Tính được xác suất xảy ra trong một khoảng nào đó khi biết trung bình
và độ lệch chuẩn

• Dễ dàng tra bảng xác suất chuẩn hóa khi hoán chuyển từ một phân phối
chuẩn sáng phân phối chuẩn hóa

• Các biến tự nhiên, kinh tế, xã hội thường có phân phối chuẩn. Ví dụ:
chiều cao, cân nặng, tuổi thọ, điểm số học sinh….

• Các hàm phân phối xác suất tích lũy có dạng

P(a<x<b) =với các f(x) là các hàm mật độ phân phối xác suất
Ví dụ

Một doanh nghiệp bán xăng với lượng xăng trung bình bán ra là 15 nghìn
lit mỗi tháng và độ lệch chuẩn là 6 nghìn lit. Doanh nghiệp cần điều chỉnh
giá khi số lượng bán ra lớn hơn 20 nghìn lít. Tính xác suất phải điều chỉnh
giá.
Ví dụ
Hoán chuyển về hàm chuẩn hóa
z = (x - )/ = (20 - 15)/6 = 0.83

Tra bảng phân phối chuẩn hóa cho thấy ở giá trị z = 0.83 là 0.2967.
Dễ dàng tính được xác suất phải thay đổi giá p(x> 20) = 0.5 –
0.2967 = 0.2033

Area = .2967

Area = .5 - .2967
= .2033

Area = .5
z
0 .83
Tra bảng phân phối chuẩn hóa

z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753
.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879

.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2518 .2549
.7 .2580 .2612 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
Phân phối mũ

• Hàm phân phối mũ

1
f ( x)  e x / với x > 0,  > 0


với:  = trung bình

e = 2.71828
Phân phối mũ

• Hàm phân phối xác suất tích lũy

P ( x  x0 )  1  e  xo / 
Với:
x0 = một giá trị cụ thể của x
Ví dụ
• Hàm phân phối mũ

Một bến xe theo dõi số lượng xe vào bến trong ngày và nhận thấy số
xe vào bến rất cao vào một thời điểm và giảm dần suốt thời gian còn
lại trong ngày. Thời gian trung bình giữa các xe vào bến ghi nhận là
3 phút. Bến xe muốn biết xác suất để thời gian giữa hai lần liên tiếp
là 2 phút hoặc ít hơn.

P(x < 2) = 1 - 2.71828-2/3 = 1 - .5134 = .4866

Ví dụ
• Đồ thị của hàm phân phối mũ

f(x)

.4
.3 P(x < 2) = area = .4866

.2
.1
x
1 2 3 4 5 6 7 8 9 10
Time Between Successive Arrivals (mins.)
 Bài tập
Một doanh nghiệp may cần xem xét phân bổ tỷ lệ sản phẩm áo sơ mi
nam theo các kích cơ khác nhau từ cỡ S đến XXL. Kinh nghiệm của
doanh nghiệp cho thấy cỡ áo liên quan đến chiều cao của khách hàng
và cho các gợi ý chọn cỡ áo theo chiều cao như sau:
Cỡ áo Chiều cao tương ứng (cm)
S 150 - 160
M 160 - 170
L 170 - 175
XL 175 - 185
XXL > 185

Điều tra dân số cho thấy chiều cao trung bình của nam giới là 170 cm
và độ lệch chuẩn là 5 cm.
Tính cơ cấu sản xuất phân bổ theo cỡ áo tối ưu để phù hợp nhu cầu thị
trường.