Professional Documents
Culture Documents
Chuong 4 Cac Ham Phan Phoi Xac Suat Pho Bien
Chuong 4 Cac Ham Phan Phoi Xac Suat Pho Bien
Chuong 4 Cac Ham Phan Phoi Xac Suat Pho Bien
• Phân phối xác suất của biến ngẫu nhiên rời rạc
.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 không hữu hạn các giá trị có thể nhận
x = số khách hàng đến trung tâm thương mại trong một ngày
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
.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:
• 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.
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
2 =
Độ lệch chuẩn của số lần đi học muộn là….. (lần)
Phân phối nhị thức
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:
n = số phép thử
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
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
• 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
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
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:
• Kỳ vọng toán
E(x) = (a + b)/2
• Phương sai
Var(x) = (b - a)2/12
Ví dụ
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
Trong đó:
f(x)
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
• 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
• 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….
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
1
f ( x) e x / với x > 0, > 0
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.
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.