Bài giảng chương 5: Biến ngẫu nhiên và phân phối xác suất

Cao Hào Thi 43 CHƯƠNG 5 BIẾN NGẪU NHIÊN VÀ PHÂN PHỐI XÁC SUẤT (Random Variables and Probability Distributons) 5. ĐỊNH NGHĨA BIẾN NGẪU NHIÊN (Random Variable) 5.1.1. Định nghĩa • Biến ngẫu nhiên là những biến mà giá trị của nó được xác định một cách ngẫu nhiên. • Về mặt toán học, nếu mỗi biến cố sơ đẳng A thuộc tập hợp biến cố ω nào đấy có thể đặt tương ứng với một đại lượng xác định X = X(A) thì X được gọi là một biến cố ngẫu nhiên. Biến ngẫu nhiên X có thể xem như hàm của biến cố A với miền xác định là ω. • Các biến ngẫu nhiên được ký hiệu bằng các chữ lớn X, Y, Z,… còn các giá trị của chúng được ký hiệu bằng các chữ nhỏ x, y, z... 5.1.2. Phân loại Biến ngẫu nhiên được chia làm hai loại: biến ngẫu nhiên rời rạc, biến ngẫu nhiên liên tục. a) Biến ngẫu nhiên rời rạc (Discrete Random Variable) Nếu giá trị của biến ngẫu nhiên X có thể lập thành dãy rời rạc các số x1, x2, …, xn (dãy hữu hạn hay vô hạn) thì X được gọi là biến ngẫu nhiên rời rạc. b) 3.1.2.2. Biến ngẫu nhiên liên tục (Continuous Random Variable) Nếu giá trị của biến ngẫu nhiên X có thể lấp đầy toàn bộ khoảng hữu hạn hay vô hạn (a,b) của trục số 0x thì biến ngẫu nhiên X được gọi là biến ngẫu nhiên liên tục. Thí dụ • Lượng khách hàng đến cửa hàng trong ngày là biến ngẫu nhiên rời rạc. • Nhiệt độ trong ngày ở Sài Gòn là biến ngẫu nhiên liên tục. 5.2. PHÂN PHỐI XÁC SUẤT ĐỐI VỚI BIẾN NGẪU NHIÊN RỜI RẠC (Probability Distribution for Discrete Variable) 5.2.1. Hàm xác suất (Probability Function) Hàm xác suất Px(x) của biến ngẫu nhiên rời rạc X dùng diễn tả xác suất để cho biến ngẫu nhiên X đạt giá trị x. PX(x) là hàm của giá trị x PX(x) = P(X=x) Cao Hào Thi 44 Thí dụ Trong thí nghiệm thảy 1 con xúc sắc, ta có P(X=1) = P(X=2) = … = P(X=6) = 1/6 → Hàm xác suất là : PX(x) = P(X=x) = 1/6 với x =1, 2, 3, 4, 5, 6 5.2.2. Phân phối xác suất (Probability Distribution) Phân phối xác suất của biến ngẫu nhiên X thể hiện sự tương quan giữa các giá trị xi của X và các xác suất của xi, sự tương quan có thể trình bày bằng bảng đồ thị hoặc bằng biểu thức. Thí dụ Trong thí nghiệm thảy 1 con xúc sắc, phân phối xác suất là: Trình bày bằng bảng: X 1 2 3 4 5 6 PX(x) 1/6 1/6 1/6 1/6 1/6 1/6 Trình bày bằng đồ thị : 5.2.3. Hàm xác suất tích lũy (Cumulative Probalility Function). a) Định nghĩa Hàm xác suất tích lũy FX(xo) của biến ngẫu nhiên rời rạc x thể hiện xác suất để X không vượt quá giới hạn xo. FX(xo) là hàm của xo FX(xo) = P (X≤xo) PX(x) 1/6 0 1 2 3 4 5 6 x Cao Hào Thi 45 b) Tính chất Ta có các tính chất sau: a. FX(xo) = ∑ ≤xox X )x(P ∑ ≤xox X )x(P : tổng của tất cả các giá trị có thể có của x với điều kiện x≤xo b. 0 ≤ FX(xo) ≤ 1 ∀xo c. Nếu x1 < x2 thì FX(x1) ≤ FX(x2) Thí dụ Trong thí nghiệm thảy 1 con xúc sắc, ta có hàm xác suất tích lũy như sau FX(xo) = ⎪⎪⎩ ⎪⎪⎨ ⎧ ≥ =+<≤ < 61 5211 6 10 0 0 0 x neáu ),...,,j(jx j neáu j x neáu FX(x≤ 2.5) = PX(1) + PX(2) = 1/6 + 1/6 = 1/3 • Đối với biến ngẫu nhiên rời rạc hàm xác suất tích lũy luôn có dạng bậc thang bắt đầu từ 0 và tận cùng bằng 1. 1 5/6 4/6 3/6 2/6 1/6 FX(xo) 0 1 2 3 4 5 6 x Cao Hào Thi 46 5.2.4. Kỳ vọng của biến ngẫu nhiên rời rạc (Expected Value of Discrete Random Variable) a) Kỳ vọng của biến ngẫu nhiên • Kỳ vọng, E(X), của biến ngẫu nhiên rời rạc X được định nghĩa như sau: E(X) = ∑ x x )x(P.x • ∑ x : Tổng tất cả các giá trị có thể có của x • Kỳ vọng của biến ngẫu nhiên được gọi là số trung bình (mean) và được ký hiệu là µx E(X) = µx Thí dụ Gọi X là số lỗi có trong 1 trang sách. Hàm xác suất của biến ngẫu nhiên X được cho bởi: PX(0) = 0,81, PX(1) = 0,17, PX(2) = 0,02. Tìm số lỗi trung bình có trong 1 trang sách ? Giải µx = E(X) = ∑ x X )x(P*x = 0 * 0,81 + 1 * 0,17 + 2 * 0,02 = 0,21 lỗi /1 trang b) Kỳ vọng của hàm số của biến ngẫu nhiên Gọi X là biến ngẫu nhiên rời rạc với hàm xác suất PX(x) g(X) là một hàm số của biến ngẫu nhiên X Kỳ vọng của hàm số g(X) được định nghĩa như sau : E[g(x)] = ∑ x X )x(P)x(g PX(x) 0,8 0,4 0 1 2 x µx = 0,21 Cao Hào Thi 47 5.2.5. Phương sai (Variance) Gọi X là biến ngẫu nhiên rời rạc. Gọi µX là số trung bình của biến ngẫu nhiên • Phương sai của biến ngẫu nhiên X chính là kỳ vọng của (X - µx)² và được ký hiệu 2 Xσ . 2 Xσ = E[(X - µX)²] = ( )∑ µ− x XX )x(P*x 2 • Phuơng sai 2Xσ có thể tính theo công thức : 2 Xσ = E(X²) - 2Xµ = 22 X x X )x(Px µ−∑ Chứng minh 2 Xσ = )x(P)x( XX x 2µ−∑ = ∑∑∑ +− x XX x XX x X xPxPxxPx )()(.2)( 22 µµ 2 Xσ = 22 X x X )x(Px µ−∑ 5.2.6. Độ lệch chuẩn σx (Standard Deviation) Độ lệch chuẩn được ký hiệu σx σX = 2Xσ Thí dụ Cho hàm xác suất của số lỗi X có trong 1 trang sách là PX(0) = 0,81, PX(1) = 0,17, PX(2) = 0,02 Tìm độ lệch chuẩn của số lỗi có trong 1 trang sách ? Giải Trong thí dụ trước ta có µX = 0,21 • Kỳ vọng của X² E(X²) = ∑ x X )x(Px 2 = 0² * 0,81 + 1² * 0,17 + 2² * 0,02 E(X²) = 0,25 • Phương sai 2 Xσ = E(X²) - 2Xµ = 0,25 - (0,21)² = 0,2059 • Độ lệch chuẩn Cao Hào Thi 48 σx = 4538,02059,02 ==Xσ 5.2.7. Momen a) Momen gốc cấp k (Momen of Order k) mk = E [Xk] = )x(Px X x k∑ • k = 1: m1 = E[X] = XX x )x(Px µ=∑ • k = 2: m2 = E[X²] b) Momen trung tâm cấp k (Central Momen of Order k) Mk = E[(X-µX)k] = )x(P.)x( XkXµ−∑ • k = 2: 2Xσ = E[(X - µX)²] = m2 - 21m • M1 = E [(X - µ)] = 0 M2 = E [(X - µ)² ] = σ² (Variance) M3 = E [(X - µ)³] = γ (Skewness : độ lệch) M4 = E [(X - µ)4] = KM2² = Kσ4 K : hệ số Kurtorsis 5.2.8. Phân phối xác suất nhị thức (Binomial Probability Distubutions) a) Hàm xác suất của phân phối nhị thức (Probability Function of Binomial Distribution). Tiến hành n phép thử độc lập. Gọi p là xác suất thành công trong mỗi phép thử độc lập => q = (1-p) là xác suất thất bại trong mỗi phép thử độc lập. Xác suất để có số lần thử thành công là x trong những phép thử độc lập được cho bởi hàm xác suất như sau : Px(x) = [n!/ (x!(n - x)!)].[px(1 - p)n-x ] với x = 0,1,2,…, n hay Px(x) = xnC p xqn-x với q = 1 - p Ghi chú • Phân phối của số lần phép thử thành công là x được gọi là phân phối nhị thức.. Cao Hào Thi 49 • Hàm xác suất PX(x) là hàm xác suất của phân phối nhị thức. b) Số trung bình, phương sai và độ lệch chuẩn của phân phối nhị thức Gọi X là số lần thành công trong n phép thử, mỗi phép thử có xác suất thành công là p. X tuân theo phân phối nhị thức với số trung bình, phương sai và độ lệch chuẩn được tính theo các công thức sau: Số trung bình µX = E(X) = np Phương sai 2 Xσ = E[(X - µx)²] = np(1-p) Hay 2 Xσ = npq với q = 1-p Độ lệch chuẩn σx = npq Thí dụ Một người đi bán hàng đi tiếp xúc để chào hàng với 5 khách hàng. Xác suất để bán được hàng trong mỗi lần chào hàng là 0,4. a) Tìm phân phối xác suất của số lần bán được hàng. b) Tìm số trung bình, phương sai và độ lệch chuẩn của số lần bán được hàng. c) Tìm xác suất của số lần bán được hàng trong khoảng 2 đến 4 lần. Giải a. Xác suất của số lần bán được hàng tuân theo phân phối nhị thức : PX(x) = xnC P x qn-x = xC5 * (0,4) x * (0,6)5-x PX(x) = )!x(!x ! −5 5 * (0,4)x * (0,6)5-x x = 0 => PX(0) = 0,078 (không bán được) x = 1 => PX(1) = 0,259 x = 2 => PX(2) = 0,346 x = 3 => PX(3) = 0,230 x = 4 => PX(4) = 0,077 x = 5 => PX(5) = 0,010 (trong 5 lần bán được cả 5) PX(x) 0,4 0,2 0 0 1 2 3 4 5 X số lần thành công Cao Hào Thi 50 b. Số trung bình của số lần bán được hàng µx = np = 5 * 0,4 = 2 Phương sai 2Xσ = np(1-p) = 5 * 0,4 * 0,6 = 1,2 Độ lệch chuẩn σx = 12. = 1,10 c. P(2 < X < 4) = PX(2) + PX(3) + PX(4) = 0,653 5.2.9. Phân phối xác suất Poisson a) Phân phối Poisson Biến ngẫu nhiên X được gọi tuân theo phân phối Poisson nếu hàm xác suất của X có dạng PX(x) = !x e xλλ− với λ > 0, ∀λ x = 0,1,2,… b) Số trung bình, phương sai và độ lệch chuẩn của phân phối Poisson • Số trung bình của phân phối Poisson µx = E(x) = λ • Phương sai. σ²x = E[(x-µx)²] = λ • Độ lệch chuẩn σx = λ Thí dụ Một trạm điện thoại tự động nhận được trung bình 300 lần gọi trong 1 giờ. Hỏi xác suất để trạm đó nhận được đúng 2 lần gọi trong 1 phút cho trước. Giải Số lần nhận được trung bình trong 1 phút 300/60 = 5 lần/1phút => λ = 5 Xác suất để nhận được đúng 2 lần trong 1 phút. PX(2) = (5² * e-5)/2! = 25/2e5 ≈ 0,09 Cao Hào Thi 51 5.3. PHÂN PHỐI XÁC SUẤT ĐỐI VỚI BIẾN NGẪU NHIÊN LIÊN TỤC (Probability Distributions For Continuous Random Variables) Phân phối của biến ngẫu nhiên liên tục được xác định bởi hàm mật độ xác suất. 5.3.1. Hàm mật độ xác suất (Probability Density Function) Gọi X là biến ngẫu nhiên liên tục, gọi x là giá trị bất kỳ nằm trong miền các giá trị có thể có của X. Hàm mật độ xác suất fX(x) của biến ngẫu nhiên liên tục là hàm có những tính chất sau : • fX(x) ≥ 0 , ∀x • Xác suất P(a<X<b) để giá trị của biến ngẫu nhiên X rơi vào khoảng (a,b) được xác định bởi đẳng thức. P(a<X<b) = ∫ba X dx)x(f Ghi chú 9 Đồ thị của hàm mật độ xác suất fX(x) được gọi là đường cong mật độ xác suất (probability density curve) hay đường cong tần số (frequency curve) hay cũng còn được gọi đường cong phân phối xác suất đối với biến ngẫu nhiên liên tục. Tung độ của mỗi điểm trên đường cong gọi là mật độ xác suất. 9 Về mặt hình học xác suất để biến ngẫu nhiên rơi vào khỏang (a,b) bằng diện tích hình thang cong giới hạn bởi đường cong phân phối xác suất, trục 0x, x = a, x = b. x Fx(x) a b S FX(x) P(a<X<b) = S ∫∞∞− =1dx)x(fx ==> Toàn bộ diện tích của hình thang cong là 1 Nếu fX(x) là hàm mật độ phân phối thì fX(x) cần thỏa mãn 2 điều kiện 9 FX(x) ≥ 0, ∀x 9 ∫∞ =1dx)x(fx Cao Hào Thi 52 Thí dụ Biến ngẫu nhiên X tuân theo luật phân phối với mật độ fX(x), trong đó fX(x) = ⎪⎪⎩ ⎪⎪⎨ ⎧ > ≤≤ < 1x neáu 0 1x0 neáu 2x 0x neáu 0 Tìm xác suất để X rơi vào khoảng (0,5; 0,75) Giải Kiểm tra điều kiện của hàm mật độ phân phối fX(x) ≥ 0, ∀x 1020 1 1 0 0 =++= ∫∫∫∫ ∞ ∞− +∞ ∞− dxxdxdxdx)x(f Vậy f(x) là hàm mật độ xác suất. P[0,5<X<0,75] = ] 75,0 5,0275,0 5,0 75,0 5,0 2)( xxdxdxxf == ∫∫ = (0,75)2 – (0,5)2 = 0,3125 1 1 2 x y 0.5 0.75 Thí dụ Cho hàm mật độ xác suất của biến ngẫu nhiên có dạng: fx(x) = ⎪⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎨ ⎧ > ≤≤+ <≤+ < 1x neáu 0 1x0 neáu aax- 0x1- neáu aax -1x neáu 0 a. Tìm a b. Tìm xác suất để biến ngẫu nhiên X có giá trị ở trong khoảng (1/2,1) và ở trong khoảng (-1/3,1/3) Cao Hào Thi 53 c. Tìm P(X=1/2) Giải: -1 1 x f(x) a a. Tìm a: S = ∫− ==−−==>=11 1112 11 a))((aSdx)x(fX b. Tìm xác suất P(1/2≤X≤1) = ∫ +−=+−1 21 1 21 2 2 1 / / ]xxdx)x( = [- 1 2 1 1 2 2 1 2 2 2 + − − +] [ ( / ) / ] = 1/2-[-1/8+1/2] = 1/8 P(-1/3≤X≤1/3) = 2P(0≤X≤1/3)=2 0 1 3 1 / ( )∫ − +x dx = 2 [ -x²/2+x ]01 3/ = 2 [-1/18+1/3] = 5/9 c. P(X = ½) = 021 21 =∫ dx)x(fX// Thí dụ Cho hàm mật độ xác suất của biến ngẫu nhiên X có dạng: 1 x f(x) 1 3/40 Cao Hào Thi 54 Tìm a) P (X ≤ 3/4) b) P (X > 1/2) c) P (1/4 ≤ X ≤ 411 ) Giải a. P (X ≤ 3/4) = dx)x(fdx)x(fdx)x(f X/X/X/ ∫∫∫ += 430210430 = 1/2(1/2 *1) + 1 (1(3/4 - 1/2) = 0,5 b. P (X > 1/2) = dx)x(fx∫ 2 11 2 1 = 1(1-1/2) + 1/2 (1)(1 1 2 1− ) = 0,75 c. P (1/4 ≤X≤11 4 ) = dx)x(fx4 11∫ 4 1 = 1-2 [1/2 * 1/4 * 1/2] = 7/8 5.3.2. Hàm phân phối tích lũy (Cumulative Distribution Function) Hàm phân phối tích lũy còn được gọi là hàm phân tích hay hàm phân phối xác suất a) Định nghĩa Hàm phân phối tích lũy, FX(x) của biến ngẫu nhiên liên tục X thể hiện xác suất để X không vượt quá giá trị x. FX(x) là hàm của x. Fx(x) = P(X ≤ x) b) 3.3.2.2. Tính chất 9 Fx(x) = ∫ ∞−x X dx)x(f với fX(x) là hàm mật độ xác suất. 9 FX(x)dx = f ’X(x) = dFX(x)/dx 9 FX(x) là hàm không giảm => FX(x + ∆x) ≥ FX(x) 9 0 ≤ FX(x) ≤ 1 9 F(-∞ ) = 0 9 F(+∞ ) =1 9 P (a < X < b) = FX(b) – FX(a) Cao Hào Thi 55 x y FX(x)1 -1 FX(x) Thí dụ Biến ngẫu nhiên X được cho bởi hàm phân phối FX(x) = 0 1 2 1 ( ) /x − ⎧ ⎨⎪ ⎩⎪ Tính xác suất để biến ngẫu nhiên X nằm trong khoảng (1.5, 2.5) và khoảng (2.5, 3.5) Giải P(1,5 < X < 2,5) = F(2,5) - F(1,5) = (2,5 - 1)/2 - (1,5 -1)/2 = 0,5 P(2,5 < X < 3,5) = F(3,5) - F(2,5) = 1 - (2,5 -1)/2 = 0,25 5.3.3. Kỳ vọng của biến ngẫu nhiên liên tục a) Kỳ vọng của biến ngẫu nhiên Kỳ vọng E(X) của biến ngẫu nhiên liên tục X được định nghĩa như sau : E(X) = dx)x(xfx∫∞∞− Kỳ vọng của biến ngẫu nhiên được gọi là số trung bình ký hiệu là µx E(X) = µx b) Kỳ vọng của hàm số của biến ngẫu nhiên dx)x(f)x(g)]x(g[E X∫∞∞−= Nếu x <1 Nếu 1 ≤ x ≤ 3 Nếu x >1 Cao Hào Thi 56 5.3.4. Phương sai σ² = E[X - µx)²] σ² = −∞ ∞∫ [x - µx)²]fX(x)dx hay σ² = E(X²) - µ²x 5.3.5. Độ lệch chuẩn : σ² = 2xσ 5.3.6. Hàm phân phối chuẩn (The Normal Distribution) a) Hàm mật độ xác suất của phân phối chuẩn Nếu hàm mật độ xác suất của biến ngẫu nhiên X có dạng fX (x) = 2 2 2 22 1 σ µ−− σΠ )x( e Với - ∞ < µ < +∞ và 0 < σ² < +∞ Thì biến ngẫu nhiên X được gọi là tuân theo luật phân phối chuẩn. b) Tính chất của phân phối chuẩn Gọi X là biến ngẫu nhiên tuân theo luật phân phối chuẩn với các tham số µ và σ². Ta có các tính chất sau a. Số trung bình của biến ngẫu nhiên X tuân theo luật phân phối chuẩn là µ. E(X) = µ b. Phương sai của biến ngẫu nhiên X là σ² Var(X) = E[(X - µ)²] = σ² c. Đường cong của hàm mật độ xác suất có dạng hình chuông đối xứng qua trị số trung bình µ và được gọi là đường cong chuẩn (normal curve) Cao Hào Thi 57 µ+σµ−σ µ • Phân phối chuẩn có phương sai giống nhau nhưng số trung bình khác nhau µ1 < µ2 < µ3 µ3µ1 µ2 • Phân phối chuẩn có số trung bình giống nhau nhưng phương sai khác nhau σ21 < σ22 < σ23 σ22 µ σ32 σ12 d. Ký hiệu: Nếu biến ngẫu nhiên X tuân theo phân phối chuẩn có số trung bình là µ và phương sai là σ², ta ký hiệu X ~ N (µ,σ²) Cao Hào Thi 58 c) Hàm phân phối tích lũy của phân phối chuẩn (Cumulative Distribution Function of Normal Distribution) Định nghĩa Cho X ~ N (µ,σ²). Hàm phân phối tích lũy của biến ngẫu nhiên X tuân theo phân phối chuẩn được định nghĩa như sau : FX(x) = P(X<x) = dxe x )x( ∫ ∞− σ µ−− πσ 2 2 2 22 1 Thí dụ Diện tích S = ∫ ∞− xo X dx)x(f FX(xo) = P (X≤xo) = S x µ x0 Diện tích S = FX(x) x F(x) 0 xo FX(xo) P[a<X<b] = ∫ b a X dxxf )( = FX(b) - FX(a) x µ b Diện tích S = FX(x) a x F(x) 0 a b FX(b) FX(a) 5.3.7. Phân phối chuẩn chuẩn hoá (Standard Normal Distribution) a) Định nghĩa Phân phối chuẩn chuẩn hóa là phân phối chuẩn có số trung bình là 0 (zero) và phương sai là 1. Ghi chú • Biến ngẫu nhiên tuân theo phân phối chuẩn chuẩn hóa được gọi là biến ngẫu nhiên chẩn hóa (standard normal variable) và được ký hiệu là Z. Z ~ N(0,1) Cao Hào Thi 59 • Đường cong của hàm mật độ xác suất của phân phối chuẩn chuẩn hóa gọi là đường cong chuẩn chuẩn hóa (standard normal variable) x µ = 0 σ2 = 1 f(x) Tung độ của 1 điểm bất kỳ trên đường cong chuẩn sẽ được xác định từ phương trình của hàm mật độ xác suất của phân phối chuẩn. fX(x) = 2 2 2 22 1 σ µ−− πσ )x( e Với µ = 0 , σ = 1 và x = z ⇒ 2 2 2 0 2 1)( z exf −= πσ • Giá trị của hàm phân phối tích lũy của phân phối chuẩn chuẩn hóa (cũng bằng diện tích nằm dưới đường cong chuẩn) được lập thành bảng và được cho sẵn trong các phụ lục của sách thống kê. Các bảng này cho giá trị của FZ(z) = P (Z ≤ z) = ∫ ∞− z Z dz)z(f Z 0 f(x) Ζ Một số bảng lập sẵn, chỉ cho ta diện tích nằm dưới đường cong chuẩn từ 0 đến z. Z 0 f(x) Ζ Dựa vào bảng này ta có thể tính được xác suất để cho biến ngẫu nhiên Z nằm trong khoảng nào đó. Cụ thể. Cao Hào Thi 60 P(Z b) b) Chuẩn hóa biến ngẫu nhiên (Standardization of Variable) Nếu biến ngẫu nhiên X có số trung bình là µ và phương sai là σ², thì biến ngẫu nhiên Z = (X-µ)/σ sẽ có số trung trung bình là 0 và phương sai là 1. Z được gọi là biến ngẫu nhiên được chuẩn hóa (standardized). Nếu X tuân theo phân phối chuẩn thì Z tuân theo phân phối chuẩn chuẩn hóa và Z được gọi là biến ngẫu nhiên chuẩn chuẩn hóa (Standard normal variable). Khi đó : P(a < X < b) = P[(a-µ)/σ < Z < (b-µ)/σ X µ+σµ−σ µ µ+3σµ−3σ Ζ −3 0 1 2 3−2 −1 µ−2σ µ+2σ Thí dụ Cho Z ~N(0,1). Tìm xác suất để giá trị của Z a) Nhỏ hơn - 1,25 b) Nằm trong khoảng (-0,50 , 0,75) c) Lớn hơn 1 Giải a. P(Z ≤ - 1,25) = FZ (-1,25) = 1 - FZ(1,25) = 1 - 0,8944 = 1 - 0,1056 Ghi chú FZ(-zo) = 1 – FZ (zo) b. P(-0,50 ≤ Z ≤0,75) = FZ (0,75) – FZ(-0,50) = FZ(0,75) - [1 – FZ(0,50)] = 0,7734 - [1 - 0,6915)] 0 f(x) 1.25−1.25 Z 0 f(x) 0.75−0.5 Cao Hào Thi 61 = 0,4649 c. P(Z > 1) = 1 - P(Z ≤ 1) = 1 – FZ(1) = 1 – 0,8413 = 0,1587 Thí dụ Cho X ~ N(15,16). Tìm xác suất để X có giá trị lớn hơn 18 Giải P (X >18) = P(Z> [(18 -µ)/σ] = P(Z> [(18 - 15)/4] = P(Z> 0,75) = 1 - P(Z<0,75) = 1 – FZ(0,75) = 1 – 0,7734 P(X>18) = 0,2266 Thí du Nếu X là biến ngẫu nhiên tuân theo phân phối chuẩn có số trung bình là 3 và độ lệch chuẩn là 2. Tìm P(4<X<6) Giải P (4 <X<6) = P(4-3)/2 < Z(6 - 3)/2] = P(0,5< Z<1,5) = FZ(1,5)- FZ(0,5) = 0,9332 – 0,6915 = 0,2417 Thí dụ Tìm giá trị của b biết rằng P (-b < Z < b) = 0,9010 Giải Z 0 f(x) 1.65 FZ(b) = 1 - (1-0,9010)/2 = 1 – 0,0990/2 = 1 - 0,0495 FZ(b) = 0,9505 ==> b = 1,65 5.3.8. Sự gần đúng của phân phối chuẩn đối với phân phối nhị thức Z 0 f(x) 0.75−0.5 Cao Hào Thi 62 (Normal Approximaton to the Binomial Distribution) Gọi X là số lần thành công trong những phép thử và xác suất thành công trong mỗi phép thử là p Nếu n lớn và p không quá gần 0 hay quá gần 1 thì ta có thể dùng phân phối chuẩn để tính toán gần đúng cho phân phối nhị thức. Biến ngẫu nhiên X tuân theo luật phân phối nhị thức được chuẩn hóa theo công thức Z = )p(np npX − − 1 Với số trung bình của phân phối nhị thức µ = np và độ lệch chuẩn )p(np −=σ 1 Khi đó : P(a ≤ X ≤ b) ≈ P( )p(np npbZ )p(np npa − −≤≤− − 11 ) Điều kiện n ≥ 50 Nếu kể đến sự hiệu chỉnh liên tục (continuity correction) P(a ≤ X ≤ b) ≈ P( )1( 5,0 )1( 5,0 pnp npbZ pnp npa − −+≤≤− −− Điều kiện 20≤ n ≤ 50 P(X=a) = P(a-0,5 ≤ X ≤ a+0,5) ≈ ( )1( 5,0 )1( 5,0 pnp npaZ pnp npa − −+≤≤− −− 5.3.9. Sự gần đúng của phân phối chuẩn đối với phân phối Poisson Gọi X là biến ngẫu nhiên tuân theo phân phối Poisson có số trung bình là λ. Nếu λ lớn thì ta có thể dùng phân phối chuẩn để tính toán gần đúng cho phân phối Poisson. Biến ngẫu nhiên X được chuẩn hóa theo công thức. Z = λ λ−X X Số lần thành công Px(x) Cao Hào Thi 63 P(a≤ X ≤ b) ≈ P )5,05,0( λ λ λ λ −+≤≤−− bZa P(X=a) ≈ P (a-0,5 ≤ X ≤ a+0,5) Thí dụ Một người bán hàng đi chào hàng với 100 khách hàng. Theo kinh nghiệm hy vọng bán được hàng cho mỗi một khách hàng là 40%. Tìm xác suất để số khách hàng sẽ mua hàng nằm trong khoảng 45 đến 50. Giải Gọi X là số khách hàng sẽ mua hàng X tuân theo luật phân phối nhị thức với µ = np = 100 * 4 = 40, độ lệch σ = 246,0*4,0*100)1( ==− pnp Dùng cách tính gần đúng của phân phối chuẩn P(45 ≤ X ≤ 50) = P[ 24 4050 24 4045 −≤≤− Z ] = P[1,02≤ Z ≤ 2,04] = FZ(2,04) – FZ(1,02) = 0,9793 - 0,8461 = 0,1332 Nếu kể đến sự hiệu chỉnh liên tục. P(45 ≤ X ≤ 50) = P[ 24 40550 24 4045 −≤≤− .Z ] = P[0,92≤ Z ≤ 2,14] = FZ(2,04) – FZ(1,02) = 0,9838 - 0,8212 = 0,1626 Ghi chú : Nếu tính trực tiếp bằng phân phối nhị thức. P(45≤X≤50) = PX(45) + PX(46) + PX(46) + PX(47) + PX(48) + PX(49) + PX(50) Các bảng nhị thức ứng với n ≤ 20. Thí dụ Một nhà máy sản xuất thử một loại sản phẩm mới. Mỗi sản phẩm sản xuất có xác suất bị hư là 0,1