1. Trang chủ
  2. » Mẫu Slide

Bài giảng lý thuyết xác suất và thông kê toán chương 3 một số phân phối xác suất thông dụng

68 533 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 68
Dung lượng 2,58 MB

Nội dung

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 1

a- 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 2

ª 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 3

Đại 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 4

Thí 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 5

Thí 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 6

Thí 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 7

Khái 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 9

Thí 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 10

P(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 11

Thí 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 12

c- 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 13

Giá trị tin chắc nhất:

Nếu X B(n , p) thì:

np + p - 1 Mod(X) np + p

Trang 14

a- 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 15

X 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 16

b- 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 17

e - haèng soá neâpe:

Trang 18

Neáu X  P() thì:

P(k X k+h) = P k + P k+1 + +P k+h

(3.9)

Trang 19

Thí 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 20

Giải: 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 21

Nếu 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 22

Xác 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 23

2 2

1

! 1

2 )

1 X

( P

2

! 2

2 )

2 X

( P

e )

2 X

0 e

5 2

Trang 24

c- Các tham số đặc trưng:

Có thể chứng minh được rằng: Nếu X  P() thì:

  1 Mod(X)  

Trang 25

a- 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 26

Gọi 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 27

X 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 28

Thí 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 29

P(X = x) P(X = x) =

(3.12)

n N

x

n

M N

x M

Trang 30

3- Các tham số đặc trưng

N-1

Trang 31

Nếu 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 32

Thí 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 33

Gọi 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 34

Xác 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 35

a- 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 39

b- 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 40

Nếu 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 41

Phân 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 43

f(z) = 1

2e 2 z 2

Đồ thị của hàm f(z) cũng có dạng hình chuông, đối xứng qua trục tung (hình vẽ)

Trang 45

Có 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 46

d- Công thức tính xác suất:

b -



a -

Trong đó:

Trang 47

Đồ thị hàm Laplace

Đồ thị hàm Laplace

Trang 48

Giá trị hàm Laplace

Giá trị hàm Laplace

Trang 49

Các 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 50

Trong 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 53

Thí 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 55

Tức tỷ lệ s/v có chiều cao từ 155

cm đến 165 cm là 68,26%.

Trang 56

Minh họa hình học:

68,26%

Trang 57

X ~ 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 58

npq 1

npq

np

x 

) 2 / z

Trang 59

Khi 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 60

2 1

x  

Trang 61

Thí 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 62

Gọi 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 64

b) 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 65

1 2

, 0 8

, 0 400

8 , 0 400

, 0 8

, 0 400

8 , 0 400

Trang 66

P(304 X 328)  (1) - (-2) = = (1) + (2)

= 0,3413 + 0,4772

= 0,8185

Trang 67

TỔNG KẾT CHƯƠNG 3

pp chuẩn Bài toán tổng quát ĐN, đồ thị

Công thức tính xác suất

Các tham số đặc trưng

Trang 68

Bài 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

Ngày đăng: 04/12/2016, 23:14

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w