a- Bài toán tổng quát dẫn đến phân phối nhị thứcChương 3 MỘT SỐ PHÂN PHỐI XÁC SUẤT THÔNG DỤNG I - Phân phối nhị thức... Đại lượng ngẫu nhiên X có phân phối nhị thức với các tham số n
Trang 1a- Bài toán tổng quát dẫn đến phân phối nhị thức
Chương 3
MỘT SỐ PHÂN PHỐI
XÁC SUẤT THÔNG DỤNG
I - Phân phối nhị thức
Trang 2ª Tiến hành n phép thử độc lập Tiến hành n phép thử độc lập
ª X là số lần A xảy ra trong n X là số lần A xảy ra trong n
phép thử, thì X là đ.l.n.n rời rạc có thể nhận các giá trị:
Trang 3Đại lượng ngẫu nhiên X có phân phối nhị thức với các tham số n và p được ký hiệu là: X B(n, p).
Trang 4Thí dụ 1: Xác suất để một máy sản xuất được sản phẩm loại I là 0,8 Cho máy sản xuất 5 sản phẩm Gọi X là số sản phẩm loại
I có trong 5 sản phẩm do máy sản xuất thì X B(5; 0,8).
Trang 5Thí dụ 2: Xác suất để một xạ thủ bắn trúng bia trong mỗi lần bắn như nhau và đều bằng 0,9 Xạ thủ này bắn 10 viên Gọi X là số viên trúng bia của xạ thủ này thì
X B(10; 0,9).
Trang 6Thí dụ 3: Có 3 cầu thủ ném bóng vào rổ (mỗi người ném một quả) Xác suất ném trúng rổ của cầu thủ thứ nhất, thứ hai, thứ ba tương ứng là: 0,9; 0,8; 0,6 Gọi X là số lần ném trúng rổ của 3 cầu thủ này X có phân phối nhị thức hay không?
Trang 7Khái niệm các phép thử độc lập
1 và 2 là hai phép thử độc lập nếu như xác suất xảy ra một biến cố nào đó của phép thử 1 không phụ thuộc vào kết quả của phép thử 2
và ngược lại
Trang 8) n , ,
2 , 1 , 0 x
(
q p
C )
x X
( P
Trang 9Thí duï: X B(5; 0,8)
0064 ,
0 )
2 , 0 )(
8 , 0 ( C
) 1 X
(
00032 ,
0 )
2 , 0 ( )
0 X
(
0512 ,
0 )
2 , 0 ( ) 8 , 0 ( C )
2 X
(
2048 ,
0 )
2 , 0 ( ) 8 , 0 ( C )
3 X
(
P 5 3 3 2
4096 ,
0 )
2 , 0 ( )
8 , 0 ( C )
4 X
(
32768 ,
0 )
8 , 0 ( )
5 X
(
Trang 10P(x X x+h) = P(X = x) +
P(X = x+ 1) + + P(X =
x+h)
(3.2) (3.2)
Nếu X B(n, p), thì:
Trong đó:
P(X = x), P(X = x+1), , P(X = x+h) được tính theo công thức (3.1)
Trang 11Thí duï: X B(5; 0,8)
P(1 X 3) = P(X = 1)
+ P(X = 2) + P(X = 3)
= 0,0064 + 0,0512 + 0,2048 = 0,2624
Trang 12c- Các tham số đặc trưng:
Kỳ vọng toán: Nếu X B(n , p) thì: thì:
E(X) = np E(X) = np
Phương sai: Nếu X Nếu X B(n , p) thì:
Var(X) = npq
Trang 13Giá trị tin chắc nhất:
Nếu X B(n , p) thì:
np + p - 1 Mod(X) np + p
Trang 14a- Bài toán tổng quát dẫn đến phân phối Poisson
II- Phân phối Poisson
X B(n, p) nhưng n lớn, p nhỏ (p < 0,1), np = không đổi thì ta có thể coi X có phân phối Poisson với tham số .
Trang 15X có phân phối Poisson với tham số được ký hiệu là:
X P()
Thí dụ: Xác suất để một máy sản xuất ra phế phẩm là 0,001 Cho máy sản xuất 2000 sản phẩm
Trang 16b- Công thức tính xác suất
Gọi X là số phế phẩm có trong
2000 sản phẩm do máy sản xuất thì X B(2000; 0,001)
Khi đó ta có thể coi X P(2)
Trang 17e - haèng soá neâpe:
Trang 18Neáu X P() thì:
P(k X k+h) = P k + P k+1 + +P k+h
(3.9)
Trang 19Thí dụ: Một máy dệt có 500 ống sợi Xác suất để một ống sợi bị đứt trong khoảng thời gian 1 giờ máy hoạt động là 0,004 Tìm xác suất để trong một giờ có không quá 2 ống sợi bị đứt.
Trang 20Giải: Nếu coi việc quan sát 1 ống sợi xem có bị đứt hay không trong khoảng thời gian 1 giờ là một phép thử thì ta có 500 phép thử độc lập Trong mỗi phép thử biến cố A (ống sợi bị đứt) xảy ra với xác suất là p = 0,004
Trang 21Nếu gọi X là số ống sợi bị đứt trong khoảng thời gian 1 giờ thì
X ~ B(500; 0,004)
Vì n = 500 khá lớn, p = 0,004 rất nhỏ; np = 500×0,004 = 2 không đổi nên ta có thể coi X ~ P(2)
Trang 22Xác suất để có không quá 2 ống sợi bị đứt trong khoảng thời gian
1 giờ là:
P(0 X 2) = P P(0 X 2) = P ≤ X ≤ 2) = P ≤ X ≤ 2) = P ≤ X ≤ 2) = P ≤ X ≤ 2) = P 0 + P 1 + P 2
2 2
0
! 0
2 )
0 X
( P
Trang 232 2
1
! 1
2 )
1 X
( P
2
! 2
2 )
2 X
( P
e )
2 X
0 e
5 2
Trang 24c- Các tham số đặc trưng:
Có thể chứng minh được rằng: Nếu X P() thì:
1 Mod(X)
Trang 25a- Bài toán tổng quát dẫn đến phân phối siêu bội
Từ một tập hợp gồm N phần tử (trong đó có M phần tử có tính chất A) lấy ngẫu nhiên không hoàn lại ra n phần tử
III- Phân phối Siêu bội
Trang 26Gọi X là số phần tử có tính chất
A có trong n phần tử lấy ra, X là đại lượng ngẫu nhiên rời rạc có thể nhận các giá trị trong khoảng [n 1 , n 2 ].
n 1 = max{0, n-N+M}
n 2 = min{n, M}
Trang 27X có phân phối siêu bội với các tham số: N, M, n.
Đại lượng ngẫu nhiên X có phân phối siêu bội với các tham số N,
M, n được ký hiệu là:
X H(N, M, n)
Trang 28Thí dụ: Một hộp có 10 sản phẩm (trong đó có 7 sản phẩm loại A) Lấy ngẫu nhiên không hoàn lại từ hộp ra 5 sản phẩm Gọi X là số sản phẩm loại A có trong 5 sản phẩm lấy ra X có phân phối siêu bội với các giá trị có thể nhận là:
2, 3, 4, 5
Trang 29P(X = x) P(X = x) =
(3.12)
n N
x
n
M N
x M
Trang 303- Các tham số đặc trưng
N-1
Trang 31Nếu X H (N, M, n) nhưng n rất bé so với N thì ta có thể coi
x
x n
n N
x
n
M N
Trang 32Thí dụ: : Một lô hàng có 1000 sản phẩm, trong đó có 800 sản phẩm loại A và 200 sản phẩm loại B Lấy ngẫu nhiên không hoàn lại từ lô hàng ra 10 sản phẩm để kiểm tra Tìm xác suất để có ít nhất 8 sản phẩm loại A trong 10 sản phẩm lấy ra kiểm tra ?
Trang 33Gọi X là số sản phẩm loại A có trong 10 sản phẩm lấy ra kiểm tra X H(1000, 800, 10)
Nhưng vì lấy ít (10) từ một tập hợp có số phần tử lớn (1000) nên ta có thể coi X B(n, p), với n = 10 và
p = 0,8
Trang 34Xác suất cần tìm là P(X 8)
P(X 8) = P(X = 8) + P(X = 9)
+ P(X = 10)
2 8
8
10 ( 0 , 8 ) ( 0 , 2 )
C
) 2 , 0 ( )
8 , 0 (
= =
= 0,6778
Hãy tính xác suất trên bằng công Hãy tính xác suất trên bằng công
thức của phân phối siêu bội.
Trang 35a- Định nghĩa:
Đại lượng ngẫu nhiên liên tục X nhận giá trị trong khoảng ( được gọi là có phân phối chuẩn nếu hàm mật độ xác suất của nó có dạng:
IV- Phân phối Chuẩn
Trang 39b- Các tham số đặc trưng
- Kỳ vọng toán:
- Kỳ vọng toán:
Nếu đại lượng ngẫu nhiên X có phân phối chuẩn với hàm mật độ như trên thì : E(X) =
- Phương sai:
Trang 40Nếu X là đại lượng ngẫu nhiên phân phối chuẩn với hàm mật độ như trên thì : Var(X) = 2
Đại lượng ngẫu nhiên X có phân phối chuẩn với kỳ vọng toán là
và phương sai là 2 được ký hiệu là: X N( 2 ).
Trang 41Phân phối chuẩn do nhà toán học Đức Karl Gauss tìm ra nên còn gọi là phân phối Gauss.
c- Phân phối chuẩn chính tắc
Giả sử đại lượng ngẫu nhiên X có phân phối chuẩn với kỳ vọng toán là và phương sai là 2 Xét đại lượng ngẫu nhiên:
Trang 43f(z) = 1
2 e 2 z 2
Đồ thị của hàm f(z) cũng có dạng hình chuông, đối xứng qua trục tung (hình vẽ)
Trang 45Có thể chứng minh được rằng: Nếu đại lượng ngẫu nhiên Z có phân phối chuẩn chính tắc thì:
E(Z) = 0 và Var(Z) = 1
ĐLNN Z có phân phối chuẩn chính tắc được ký hiệu là:
Z N(0, 1)
Trang 46d- Công thức tính xác suất:
b -
a -
Trong đó:
Trang 47Đồ thị hàm Laplace
Đồ thị hàm Laplace
Trang 48Giá trị hàm Laplace
Giá trị hàm Laplace
Trang 49Các giá trị của hàm (x) được tính sẵn ở phụ lục 2 (Lý thuyết xác suất và thống kê toán)
Chú ý:
(x) là hàm lẻ, do đó:
( x) = (x) (x)
Trang 50Trong bảng chỉ tính (x) với
x 4, với x > 4 thì hàm (x) tăng rất chậm và nhận giá trị rất gần 0,5 Do vậy ta lấy
(x) = 0,5 (x > 4).
Trang 51(1,96) = 0,475; (2,33) = 0,4901
Trang 53Thí dụ: : Chiều cao của sinh viên ở một trường Đại học là đại lượng ngẫu nhiên phân phối theo qui luật chuẩn với chiều cao trung bình
= 160 cm và độ lệch tiêu chuẩn
= 5 cm Tính tỷ lệ sinh viên có chiều cao trong khoảng từ 150 cm đến 170 cm.
Trang 55Tức tỷ lệ s/v có chiều cao từ 155
cm đến 165 cm là 68,26%.
Trang 56Minh họa hình học:
68,26%
Trang 57X ~ B(n, p) nhưng n lớn, p không quá gần 0 và không quá gần 1 thì có thể coi X ~ N(np, npq).
e- Sự hội tụ của phân phối nhị thức về phân phối chuẩn
Các công thức xấp xỉ:
Trang 58npq 1
npq
np
x
) 2 / z
Trang 59Khi n lớn, xác suất p không quá Khi n lớn, xác suất p không quá
gần 0 và không quá gần 1 thì ta có thể dùng công thức xấp xỉ:
P(x X x+h) (x2) (x1)
(Công thức tích phân Laplace)
Trang 602 1
x
Trang 61Thí dụ: : Xác suất để một máy sản xuất được sản phẩm loại A là 0,8 Tìm xác suất để trong 400 sản phẩm do máy sản xuất có:
a) 336 sản phẩm loại A
b) Số sản phẩm loại A trong
khoảng (304; 328)
Trang 62Gọi X là số sản phẩm loại A có trong 400 sản phẩm do máy sản xuất X B(400, 0,8)
Vì n = 400 khá lớn, p = 0,8 không quá gần 0 và không quá gần 1, nên có thể áp dụng công thức địa phương Laplace.
Giải:
Trang 63) z (
f 2 , 0 8
, 0 400
1 )
336 X
, 0 8
, 0 400
8 , 0 400
0 )
2 ( f )
z (
00675 ,
0 8
054 ,
0 8
) z (
f )
336 X
(
Trang 64b) Ta cần tính P(304 ≤ X ≤ 2) = P ≤ X ≤ 2) = P X 328) X 328) ≤ X ≤ 2) = P ≤ X ≤ 2) = P
Áp dụng công thức tích phân Laplace, ta có:
P(304 ≤ X 328) X 328) ≤ X ≤ 2) = P ≤ X ≤ 2) = P (x 2 ) - (x 1 ) Trong đó:
Trang 651 2
, 0 8
, 0 400
8 , 0 400
, 0 8
, 0 400
8 , 0 400
Trang 66P(304 X 328) (1) - (-2) = = (1) + (2)
= 0,3413 + 0,4772
= 0,8185
Trang 67TỔNG KẾT CHƯƠNG 3
pp chuẩn Bài toán tổng quát ĐN, đồ thị
Công thức tính xác suất
Các tham số đặc trưng
Trang 68Bài tập chương 3
3.9; 3.22; 3.23; 3.24; 3.25; 3.26; 3.29; 3.30; 3.31; 3.32; 3.38; 3.40.
Hết chương 3