HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

SÁCH HƯỚNG DẪN HỌC TẬP

XÁC SUẤT THỐNG KÊ
(Dùng cho sinh viên ngành CNTT và ĐTVT hệ đào tạo đại học từ xa)

Lưu hành nội bộ

HÀ NỘI - 2006

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

SÁCH HƯỚNG DẪN HỌC TẬP

XÁC SUẤT THỐNG KÊ

Biên soạn :

Ts. LÊ BÁ LONG

LỜI NÓI ĐẦU

Lý thuyết xác suất thống kê là một bộ phận của toán học, nghiên cứu các hiện tượng ngẫu
nhiên và ứng dụng chúng vào thực tế. Ta có thể hiểu hiện tượng ngẫu nhiên là hiện tượng không
thể nói trước nó xảy ra hay không xảy ra khi thực hiện một lần quan sát. Tuy nhiên, nếu tiến hành
quan sát khá nhiều lần một hiện tượng ngẫu nhiên trong các phép thử như nhau, ta có thể rút ra
được những kết luận khoa học về hiện tượng này.
Lý thuyết xác suất cũng là cơ sở để nghiên cứu Thống kê – môn học nghiên cứu các các
phương pháp thu thập thông tin chọn mẫu, xử lý thông tin, nhằm rút ra các kết luận hoặc quyết
định cần thiết. Ngày nay, với sự hỗ trợ tích cực của máy tính điện tử và công nghệ thông tin, lý
thuyết xác suất thống kê ngày càng được ứng dụng rộng rãi và hiệu quả trong mọi lĩnh vực khoa
học tự nhiên và xã hội. Chính vì vậy lý thuyết xác suất thống kê được giảng dạy cho hầu hết các
nhóm ngành ở đại học.
Có nhiều sách giáo khoa và tài liệu chuyên khảo viết về lý thuyết xác suất thống kê. Tuy
nhiên, với phương thức đào tạo từ xa có những đặc thù riêng, đòi hỏi học viên phải làm việc độc
lập nhiều hơn, vì vậy cần phải có tài liệu hướng dẫn học tập của từng môn học thích hợp cho đối
tượng này. Tập tài liệu “Hướng dẫn học môn toán xác suất thống kê” này được biên soạn cũng
nhằm mục đích trên.
Tập tài liệu này được biên soạn cho hệ đại học chuyên ngành Điện tử-Viễn thông theo đề
cương chi tiết chương trình qui định của Học viện Công nghệ Bưu Chính Viễn Thông. Nội dung
của cuốn sách bám sát các giáo trình của các trường đại học khối kỹ thuật và theo kinh nghiệm
giảng dạy nhiều năm của tác giả. Chính vì thế, giáo trình này cũng có thể dùng làm tài liệu học
tập, tài liệu tham khảo cho sinh viên của các trường, các ngành đại học và cao đẳng khối kỹ thuật.
Giáo trình gồm 6 chương tương ứng với 4 đơn vị học trình (60 tiết):
Chương I: Các khái niệm cơ bản về xác suất.
Chương II: Biến ngẫu nhiên và các đặc trưng của chúng.
Chương III: Véc tơ ngẫu nhiên và các đặc trưng của chúng.
Chương IV: Luật số lớn và định lý giới hạn.
Chương V:.Thống kê toán học
Chương VI: Quá trình ngẫu nhiên và chuỗi Markov.
Điều kiện tiên quyết môn học này là hai môn toán cao cấp đại số và giải tích trong chương
trình toán đại cương. Tuy nhiên vì sự hạn chế của chương trình toán dành cho hình thức đào tạo từ
xa, do đó nhiều kết quả và định lý chỉ được phát biểu và minh họa chứ không có điều kiện để
chứng minh chi tiết.
Giáo trình được trình bày theo cách thích hợp đối với người tự học, đặc biệt phục vụ đắc lực
cho công tác đào tạo từ xa. Trước khi nghiên cứu các nội dung chi tiết, người đọc nên xem phần
giới thiệu của mỗi chương để thấy được mục đích ý nghĩa, yêu cầu chính của chương đó. Trong

Hệ thống câu hỏi này bao trùm toàn bộ nội dung vừa được học. Có những câu kiểm tra trực tiếp các kiến thức vừa được học nhưng cũng có những câu đòi hỏi học viên phải vận dụng một cách tổng hợp và sáng tạo các kiến thức để giải quyết. Đặc biệt bạn đọc nên chú ý đến các nhận xét. Lê Bá Long Khoa cơ bản 1 Học Viện CNBCVT . Cuối cùng chúng tôi bày tỏ sự cám ơn đối với Ban Giám đốc Học viện Công nghệ Bưu Chính Viễn Thông. Tuy rằng tác giả đã rất cố gắng. Sau các chương có phần tóm tắt các nội dung chính và cuối cùng là các câu hỏi luyện tập. đầu năm 2006. bình luận để hiểu sâu hơn hoặc mở rộng tổng quát hơn các kết quả và hướng ứng dụng vào thực tế. Trung tâm Đào tạo Bưu Chính Viễn Thông 1 và bạn bè đồng nghiệp đã khuyến khích động viên. học viên xa gần và xin cám ơn vì điều đó. chứng minh sự tồn tại lời giải bằng lý thuyết và cuối cùng nêu thuật toán giải quyết bài toán này. Các ví dụ là để minh hoạ trực tiếp khái niệm. Có khoảng từ 20 đến 30 bài tập cho mỗi chương. tương ứng vói 3 -5 câu hỏi cho mỗi tiết lý thuyết. Tác giả rất mong sự đóng góp ý kiến của bạn bè đồng nghiệp. Hà Nội. mỗi nội dung. định lý hoặc các thuật toán. vì vậy sẽ giúp người đọc dễ dàng hơn khi tiếp thu bài học. Hầu hết các bài toán được xây dựng theo lược đồ: đặt bài toán. người đọc có thể tự đọc và hiểu được cặn kẽ thông qua cách diễn đạt và chỉ dẫn rõ ràng.mỗi chương. song vì thời gian bị hạn hẹp cùng với yêu cầu cấp bách của Học viện. vì vậy các thiếu sót còn tồn tại trong giáo trình là điều khó tránh khỏi. Vì vậy việc giải các bài tập này giúp học viên nắm chắc hơn lý thuyết và kiểm tra được mức độ tiếp thu lý thuyết của mình. tạo nhiều điều kiện thuận lợi để chúng tôi hoàn thành tập tài liệu này.

có bao nhiêu khách hàng đến điểm phục vụ trong khoảng thời gian nào đó. . Ta không thể biết có bao nhiêu cuộc gọi đến tổng đài. Trái lại khi tung đồng xu ta không biết mặt sấp hay mặt ngửa sẽ xuất hiện. Chính vì vậy các phương pháp của lý thuyết xác suất được ứng dụng rộng rãi trong việc giải quyết các bài toán thuộc nhiều lĩnh vực khác nhau của khoa học tự nhiên. Lý thuyết xác suất nghiên cứu các qui luật của các hiện tượng ngẫu nhiên. Bằng cách tham khảo các ví dụ và giải nhiều bài tập sẽ rèn luyện tốt kỹ năng này.. - Các định nghĩa về xác suất: định nghĩa xác suất theo cổ điển. biến cố.Xác suất có điều kiện. xác suất của biến cố đối. Chẳng hạn ta biết chắc chắn rằng lông của quạ có mầu đen. Việc nắm bắt các quy luật này sẽ cho phép dự báo các hiện tượng ngẫu nhiên đó sẽ xảy ra như thế nào. thì trong nhiều trường hợp ta có thể rút ra những kết luận có tính quy luật về những hiện tượng này. Để tính xác suất các biến cố theo phương pháp cổ điển đòi hỏi phải tính số các trường hợp thuận lợi đối với biến cố và số các trường hợp có thể. Tuy nhiên để thuận lợi cho người học chúng tôi sẽ nhắc lại các kết quả chính trong mục 3. - Quan hệ giữa các biến cố. tập con. kỹ thuật và kinh tế-xã hội. Ta không thể xác định trước chỉ số chứng khoán trên thị trường chứng khoán… Đó là những hiện tượng ngẫu nhiên. 3 . biểu diễn hoặc mô tả các biến cố. Công thức xác suất đầy đủ và định lý Bayes. . Vì vậy học viên cần nắm vững các phương pháp đếm .. Một trong những khó khăn của bài toán xác suất là xác định được biến cố và sử dụng đúng các công thức thích hợp. Tuy nhiên. theo thống kê.Các tính chất của xác suất: công thức cộng và công thức nhân xác suất. công thức nhân trong trường hợp không độc lập. Chương này trình bày một cách có hệ thống các khái niệm và các kết quả chính về lý thuyết xác suất: - Các khái niệm phép thử. phần bù của một tập con … học viên sẽ dễ dàng trong việc tiếp thu. tất định. giao tập hợp. - Dãy phép thử Bernoulli và xác suất nhị thức Khi nắm vững các kiến thức về đại số tập hợp như hợp. một vật được thả từ trên cao chắc chắn sẽ rơi xuống đất.Chương 1: Các khái niệm cơ bản về xác suất CHƯƠNG I: CÁC KHÁI NIỆM CƠ BẢN VỀ XÁC SUẤT GIỚI THIỆU Các hiện tượng trong tự nhiên hay xã hội xảy ra một cách ngẫu nhiên (không biết trước kết quả) hoặc tất định (biết trước kết quả sẽ xảy ra).giải tích tổ hợp (đã được học ở lớp 12 và trong chương 1 của toán đại số A2). Đó là những hiện tượng diễn ra có tính quy luật. nếu tiến hành quan sát khá nhiều lần một hiện tượng ngẫu nhiên trong những hoàn cảnh như nhau.

nghĩa là gắn với không gian mẫu nào đó. Mỗi biến cố chỉ có thể xảy ra khi một phép thử được thực hiện. Ví dụ 1. ( S .2: Nếu gọi A là biến cố số nốt xuất hiện là chẵn trong phép thử tung xúc xắc ở ví dụ 1. Phép thử (Experiment) Trong thực tế ta thường gặp nhiều thí nghiệm. • Biến cố không thể là biến cố nhất định không xảy ra khi thực hiện phép thử. 6. ( N . Ta gọi chúng là các phép thử ngẫu nhiên. Mỗi kết quả ω của quả của C là ω . Biến cố (Event) Với phép thử C ta thường xét các biến cố (còn gọi là sự kiện) mà việc xảy ra hay không xảy ra hoàn toàn được xác định bởi kết quả của C . Tập hợp tất cả các biến cố sơ cấp của phép thử được gọi là không gian mẫu. trong đó 0 là biến cố sơ cấp chỉ mặt sấp xuất hiện và 1 để chỉ mặt ngửa xuất hiện. Tuy không biết kết quả sẽ xảy ra như thế nào. ( N . Chú ý rằng bản chất của các biến cố sơ cấp không có vai trò đặc biệt gì trong lý thuyết xác suất. N } . ký hiệu Ω . Chẳng hạn có thể xem không gian mẫu của phép thử tung đồng tiền là Ω = {0.1. nhưng ta có thể liệt kê được hoặc biểu diễn tất cả các kết quả của phép thử C . Phép thử ngẫu nhiên thường được ký hiệu bởi chữ C . các biến cố sơ cấp có thể xem là số các nốt trên mỗi mặt xuất hiện. 4.1.Chương 1: Các khái niệm cơ bản về xác suất NỘI DUNG 1. biến cố xuất hiện một mặt sấp một mặt ngửa (xin âm dương) có các kết quả thuận lợi là ( S . PHÉP THỬ VÀ BIẾN CỐ 1. S ) . Mỗi kết quả của phép thử C được gọi là một biến cố sơ cấp. C được gọi là kết quả thuận lợi cho biến cố A nếu A xảy ra khi kết Ví dụ 1. Tung hai đồng xu.1 thì A có các kết quả thuận lợi là 2. 3. 5. S ). Như vậy mỗi biến cố A được đồng nhất với một tập con của không gian mẫu Ω bao gồm các kết quả thuận lợi đối với A . N ). 6} . N )}. 4 .1. 4. N ) . 1.1: ƒ Phép thử tung đồng xu có không gian mẫu là Ω = {S. ( N . quan sát mà các kết quả của nó không thể dự báo trước được. ƒ Với phép thử tung xúc xắc. 2. Có hai biến cố đặc biệt sau: • Biến cố chắc chắn là biến cố luôn luôn xảy ra khi thực hiện phép thử. 1}. Biến cố không thể được ký hiệu φ .2. S ). Vậy Ω = {1.1. ƒ Phép thử tung đồng thời 2 đồng xu có không gian mẫu là Ω = {( S . biến cố này trùng với không gian mẫu Ω .

B là biến cố được ký hiệu A ∪ B .. An } là biến cố n ∪ Ai . . i =1 { } Đặc biệt với mọi biến cố A . Tích của một dãy các biến cố {A1 . . Quan hệ biến cố đối Biến cố đối của A là biến cố được ký hiệu là A và được xác định như sau: A xảy ra khi và chỉ khi A không xảy ra. Tích của hai biến cố Tích của hai biến cố A. nghĩa là ∪ Ai = Ω .. f. nếu A xảy ra thì B xảy ra. . Quan hệ giữa các biến cố Trong lý thuyết xác suất người ta xét các quan hệ sau đây cho các biến cố. . Nghĩa là hai biến cố này không thể đồng thời xảy ra. . Biến cố này xảy ra khi có i =1 ít nhất một trong các biến cố Ai xảy ra. B là biến cố được ký hiệu AB . Biến cố xung khắc Hai biến số A. n . Chú ý rằng các biến cố với phép toán tổng. biến cố xuất hiện mặt có 7 nốt là biến cố không thể. . Biến cố AB xảy ra khi và chỉ khi cả hai biến cố A . B cùng xảy ra.1. d. nghĩa là Ai A j = φ với mọi i ≠ j = 1. 5 . lấy phần bù đối với các tập con của không gian mẫu. Hệ đầy đủ các biến cố Dãy các biến cố A1 . 1.... giao. hệ A. A2 . c.. . tích và lấy biến cố đối tạo thành đại số Boole do đó các phép toán được định nghĩa ở trên có các tính chất như các phép toán hợp. . Biến cố A ∪ B xảy ra khi và chỉ khi có ít nhất A hoặc B xảy ra. biến cố xuất hiện mặt có số nốt nhỏ hơn hay bằng 6 là biến chắc chắn.3. b. A là hệ đầy đủ. An } là biến cố n ∏ Ai . B gọi là xung khắc nếu biến cố tích AB là biến cố không thể. Xung khắc từng đôi một. A2 . n ii. a. An được gọi là một hệ đầy đủ các biến cố nếu: i.Chương 1: Các khái niệm cơ bản về xác suất Tung một con xúc xắc. Tổng của một dãy các biến cố {A1 . Tổng của hai biến cố Tổng của hai biến cố A. e.. Tổng của chúng là biến cố chắc chắc. Quan hệ kéo theo Biến cố A kéo theo biến cố B . ký hiệu A ⊂ B . Biến cố này xảy ra khi tất i =1 cả các biến cố Ai cùng xảy ra.. A2 .

3: Một nhà máy có ba phân xưởng sản xuất ra cùng một loại sản phẩm. a.Chương 1: Các khái niệm cơ bản về xác suất Ví dụ 1. C : . . Gọi A. vậy E = AB ∪ BC ∪C A . B. Tổng quát các biến cố A1 . A ∪ B ∪ C : có ít nhất 1 người bắn trúng. thứ hai. A B C . gọi A1 . Hãy mô tả các biến cố: ABC . G = ABC ∪ ABC ∪ ABC . c. Tính độc lập của các biến cố Hai biến cố A và B được gọi là độc lập với nhau nếu việc xảy ra hay không xảy ra biến cố này không ảnh hưởng tới việc xảy ra hay không xảy ra biến cố kia.4: Ba xạ thủ A. A. An được gọi là độc lập nếu việc xảy ra hay không xảy ra của một nhóm bất kỳ k biến cố. C có xung khắc. A. B. F = ABC . D = AB ∪ BC ∪ CA . Biểu diễn các biến cố sau theo A.G : Chỉ có 1 xạ thủ bắn trúng. Ví dụ 1. . A2 . . A ∪ B ∪ C . B cũng độc lập. b. Các biến cố A. C lần lượt là biến cố A. không làm ảnh hưởng tới việc xảy ra hay không xảy ra của các biến cố còn lại. ABC : cả 3 đều bắn trúng..E : Có nhiều nhất 1 xạ thủ bắn trúng. B. Có nhiều nhất một xạ thủ bắn trúng có nghĩa là có ít nhất hai xạ thủ bắn trượt.D : Có ít nhất 2 xạ thủ bắn trúng. A B C : cả 3 đều bắn trượt. Khi đó hệ ba biến cố A1 . . A2 . b. C bắn trúng mục tiêu. B. A3 là hệ đầy đủ. c.2. Định lý 1. ĐỊNH NGHĨA XÁC SUẤT VÀ CÁC TÍNH CHẤT Việc biến cố ngẫu nhiên xảy ra hay không trong kết quả của một phép thử là điều không thể biết hoặc đoán trước được. B . C độc lập nhưng không xung khắc. B.F : Chỉ có xạ thủ C bắn trúng. g. B. Chọn ngẫu nhiên một sản phẩm. A3 lần lượt là biến cố sản phẩm được chọn do phân xưởng thứ nhất. C mỗi người bắn một viên đạn vào mục tiêu. thứ ba sản xuất. Giả sử rằng mỗi sản phẩm của nhà máy chỉ do một trong ba phân xưởng này sản xuất. có độc lập không ? Giải: a.2: Nếu A. Tuy nhiên bằng những cách khác nhau ta có thể định lượng khả năng xuất hiện của biến cố.. . đó là xác suất xuất hiện của biến cố. 6 . 1. B . A2 . trong đó 1 ≤ k ≤ n . B độc lập thì các cặp biến cố: A. Ba biến cố A.

Vậy P( A) = = .5: Biến cố A xuất hiện mặt chẵn trong phép thử gieo con xúc xắc ở ví dụ 1. 6 2 Để tính xác suất cổ điển ta sử dụng phương pháp đếm của giải tích tổ hợp. . với cách tiếp cận này ta có định nghĩa xác suất theo phương pháp cổ điển. .. Khi thực hiện nhiều lần lặp lại độc lập một phép thử ta có thể tính được tần suất xuất hiện của một biến cố nào đó. 7 . Qui tắc nhân Giả sử công việc H gồm nhiều công đoạn liên tiếp H1 . 1. với cách tiếp cận này ta có định nghĩa xác suất theo thống kê.. 1.1. Các cách chọn đối tượng xi không trùng với cách chọn x j nếu i ≠ j thì có m1 + m2 + + mn cách chọn một trong các đối tượng đã cho. (ii) Các kết quả xảy ra đồng khả năng.2. H k và mỗi công đoạn H i có ni cách thực hiện thì có tất cả n1 × n2 × × nk cách thực hiện công việc H . m 2 cách chọn loại đối tượng x 2 . Khi đó ta định nghĩa xác suất của biến cố A là P ( A) = sè tr−êng hîp thuËn lîi đèi víi A sè tr−êng hîp cã thÓ (1. Sử dụng quy tắc nhân ta có thể tính được: Có n ! hoán vị n phần tử. Các qui tắc đếm a.2. Hoán vị Mỗi phép đổi chỗ của n phần tử được gọi là phép hoán vị n phần tử.1)’ Ví dụ 1.1) Nếu xem biến cố A như là tập con của không gian mẫu Ω thì P ( A) = A sè phÇn tö cña A = sè phÇn tö cña Ω Ω (1. Định nghĩa cổ điển về xác suất Giả sử phép thử C thoả mãn hai điều kiện sau: (i) Không gian mẫu có một số hữu hạn phần tử. Tần suất thể hiện khả năng xuất hiện của biến cố. c. Qui tắc cộng Nếu có m1 cách chọn loại đối tượng x1 .. .Chương 1: Các khái niệm cơ bản về xác suất Xác suất của một biến cố là một con số đặc trưng khả năng khách quan xuất hiện biến cố đó khi thực hiện phép thử.2.1 có 3 3 1 trường hợp thuận lợi ( A = 3 ) và 6 trường hợp có thể ( Ω = 6 ). H 2 . mn cách chọn loại đối tượng x n . Dựa vào bản chất của phép thử (đồng khả năng) ta có thể suy luận về khả năng xuất hiện của biến cố.. . b.

. vậy số trường hợp thuận lợi 6! đối với Ak là số các tổ hợp 6 chập k . Nếu lần thứ nhất ra mặt 6 thì lần thứ hai chỉ có thể ra các mặt từ 1 đến 5. Cũng có thể xem một tổ hợp chập k của n phần tử là một cách chọn đồng thời k phần tử của tập n phần tử. 6 . ƒ các phần tử đều như nhau nhưng thứ tự khác nhau. Giải: Số trường hợp có thể Ω = 2 6 . Hai chỉnh hợp chập k của n phần tử là khác nhau nếu: ƒ có ít nhất 1 phần tử của chỉnh hợp này không có trong chỉnh hợp kia.. k = 0 . Có thể xem mỗi từ mã có chứa k bit 1 là một tổ hợp chập k của 6 phần tử. 8 . Đặt Ak là biến cố " từ mã có chứa k bit 1" . Do đó Ak = C 6k = k!(6 − k )! Vậy xác suất của các biến cố tương ứng P ( Ak ) = 6! k!(6 − k )!2 6 . Ví dụ 1. quy tắc cộng ta suy ra xác suất để chỉ có một lần ra mặt 6 khi tung xúc xắc 2 lần là 36 Ví dụ 1. .. Áp dụng 10 .7: Cho các từ mã 6 bit được tạo từ các chuỗi các bit 0 và bit 1 đồng khả năng. .3) Ví dụ 1. Chỉnh hợp Chọn lần lượt k phần tử không hoàn lại trong tập n phần tử ta được một chỉnh hợp chập k của n phần tử.Chương 1: Các khái niệm cơ bản về xác suất d.. Tổ hợp Một tổ hợp chập k của n phần tử là một tập con k phần tử của tập n phần tử. Tương tự cũng có 5 trường hợp chỉ xuất hiện mặt 6 ở lần tung thứ hai. với k = 0 . nghĩa là có 5 trường hợp. Giải: Số các trường hợp có thể là 36. Vậy số các tổ hợp chập k của n phần tử là Ank k Cn = = k! n! k!(n − k )! (1. Tìm xác suất để trong đó có 1 lần ra 6 nốt. Hãy tìm xác suất của các từ có chứa k bit 1. Do đó với mỗi tổ hợp chập k của n phần tử có k! chỉnh hợp tương ứng. 6 .6: Tung một con xúc xắc hai lần. Tìm xác suất để quay ngẫu nhiên một lần được đúng số cần gọi.2) e.8: Một người gọi điện thoại quên mất hai số cuối của số điện thoại và chỉ nhớ được rằng chúng khác nhau. Sử dụng quy tắc nhân ta có thể tính được số các chỉnh hợp chập k của n phần tử là Ank = n! (n − k )! (1. .. Mặt khác hai chỉnh hợp khác nhau ứng với hai tổ hợp khác nhau là khác nhau. Gọi A là biến cố “ trong 2 lần tung con xúc xắc có 1 lần được mặt 6”.

000 thanh niên và thấy rằng có 798 người bị chết trong vòng 1 năm sau đó. dễ hiểu. Ví dụ 1.4) Trên thực tế P(A) được tính xấp xỉ bởi tần suất f n ( A) khi n đủ lớn. Trong 15 trường hợp có thể chỉ có 1 trường hợp cả 2 nam được chọn. Vậy số các trường hợp có thể là A10 1. Do đó P( A) = 1 . Tuy nhiên 9 . Nhận xét: Định nghĩa xác suất theo thống kê khắc phục được hạn chế của định nghĩa cổ điển. Vậy xác suất cần tìm xấp xỉ bằng 0.3. 1.2. Nó bằng số các chỉnh hợp 10 2 = 10 ⋅ 9 = 90 . Định nghĩa thống kê về xác suất Định nghĩa xác suất theo cổ điển trực quan. Giả sử khả năng trúng tuyển của cả 6 người là như nhau.9: Một công ty cần tuyển 2 nhân viên. nó hoàn toàn dựa trên các thí nghiệm quan sát thực tế để tìm xác suất của biến cố. Có C 42 = 6 cách chọn 2 trong 4 nữ. Chỉ có 1 trường hợp cả 2 nam đều trúng tuyển do đó xác suất tương ứng là P = 1 / 15 . Số các trường hợp thuận lợi của A là chập 2. b.008. Giải: Số trường hợp có thể Ω = C62 = 15 . Người ta chứng minh được (định lý luật số lớn) khi n tăng lên vô hạn thì f n ( A) tiến đến một giới hạn xác định. Ví dụ 1. Có ít nhất 1nữ trúng tuyển. vậy có 14 trường hợp ít nhất 1 nữ được chọn.10: Một công ty bảo hiểm muốn xác định xác suất để một người Mỹ 25 tuổi sẽ bị chết trong năm tới. Số các trường hợp có thể là số các cặp hai chữ số khác nhau từ 10 chữ số từ 0 đến 9. Nếu trong n lần thực hiện phép thử C . Do đo xác suất tương ứng P = 14 / 15 . a.513. Hai người trúng tuyển là nữ c.Chương 1: Các khái niệm cơ bản về xác suất Giải: Gọi A là biến cố “quay ngẫu nhiên một lần được đúng số cần gọi”. biến cố A xuất hiện k n ( A) lần thì tỉ số f n ( A) = k n ( A) n được gọi là tần suất xuất hiện của biến cố A trong n phép thử. Vậy xác suất để bé trai ra đời lớn hơn bé gái. Giả sử phép thử C có thể được thực hiện lặp lại nhiều lần độc lập trong những điều kiện giống hệt nhau. ký hiệu P(A) . Có 6 người nộp đơn trong đó có 4 nữ và 2 nam. người ta theo dõi 100. vậy xác suất tương ứng P = 6 / 15 . P( A) = lim f n ( A) n →∞ (1.11: Thống kê cho thấy tần suất sinh con trai xấp xỉ 0. Tính xác suất biến cố: a. c. Ta định nghĩa giới hạn này là xác suất của biến cố A . Tuy nhiên khi số các kết quả có thể vô hạn hoặc không đồng khả năng thì cách tính xác suất cổ điển không áp dụng được. Hai người trúng tuyển là nam b. 90 Ví dụ 1.

⇒ P( A) = 45 2 9 7 diÖn tÝch A = 1− 2 = 1− = . Điều này cho phép tính xác suất theo phương pháp thống kê thuận tiện hơn. diÖn tÝch Ω y Ví dụ 1. (1. Tính xác suất để hai người gặp nhau. 1. Với mọi biến cố A : 0 ≤ P( A) ≤ 1 . y là thời điểm người thứ nhất 60 A 15 và thứ hai đến điểm hẹn thì 0 ≤ x ≤ 60 . Mỗi người có thể đến điểm hẹn một cách ngẫu nhiên tại một thời điểm trong khoảng thời gian nói trên và họ quy ước rằng ai đến trước thì chỉ đợi người kia trong vòng 15 phút. Ngoài ra để xác định một cách tương đối chính xác giá trị của xác suất thì cần tiến hành một số n đủ lớn lần các phép thử. P(Ω) = 1 10 (1.2.5) 2. y ) ∈ Ω − 15 + x ≤ y ≤ x + 15 } . Xác suất của biến cố không thể bằng 0. Giải: Giả sử x.2. người ta có thể mô phỏng các phép thử ngẫu nhiên mà không cần thực hiện các phép thử trong thực tế. 0 ≤ y ≤ 60 . Ngày nay với sự trợ giúp của công nghệ thông tin.6. 60] . diÖn tÝch Ω 16 16 60 1.6) . Vậy mỗi cặp thời điểm đến ( x . y ) là một điểm của hình vuông Ω = [0.1.12: Hai người bạn hẹn gặp nhau ở một địa điểm trong khoảng thời gian từ 12h đến 13h. Định nghĩa xác suất theo hình học Định nghĩa 1.6. độ dài) hữu hạn và biến cố A tương ứng với một miền con của Ω thì xác suất của biến cố A được định nghĩa: P ( A) = diÖn tÝch A . xác suất của biến cố chắc chắn bằng 1.4. y ) ∈ Ω x − y ≤ 15 = {( x . P (φ) = 0.3: Giả sử không gian mẫu Ω có thể biểu diễn tương ứng với một miền nào đó có diện tích (thể tích.2. Các tính chất và định lý xác suất 1. Các tính chất của xác suất Các định nghĩa trên của xác suất thoả mãn các tính chất sau: 1. 2 O 15 x 60 Gọi A là biến cố hai người gặp nhau thì { } A = ( x . mà việc này đôi khi không thể làm được vì hạn chế về thời gian và kinh phí.Chương 1: Các khái niệm cơ bản về xác suất định nghĩa thống kê về xác suất cũng chỉ áp dụng cho các phép thử mà có thể lặp lại được nhiều lần một cách độc lập trong những điều kiện giống hệt nhau.

. Quy tắc xác suất của biến cố đối Với mọi biến cố A P( A ) = 1 − P( A) . . An } là dãy các biến cố bất kỳ ⎛n ⎞ n P⎜ ∪ Ai ⎟ = ∑ P( Ai ) − ∑ P( Ai A j ) + ∑ P( Ai A j Ak ) − ⎜ ⎟ i< j i< j <k ⎝ i =1 ⎠ i =1 + (−1) n −1 P( A1 A2 .9)” Ví dụ 12: Một lô hàng có 25% sản phẩm loại I.7)’ ta có hệ quả: Nếu {A1 . Trường hợp tổng quát ƒ Nếu A. . A2 . Qui tắc cộng xác suất a. B là hai biến cố bất kỳ thì P ( A ∪ B) = P( A) + P( B) − P( AB) ƒ Nếu A. (1. Chọn ngẫu nhiên 1 sản phẩm tìm xác suất để sản phẩm này đạt tiêu chuẩn chất lượng. II.25 + 0... P( A3 ) = 0.55 = 0.. Gọi A là biến cố sản phẩm được chọn đạt tiêu chuẩn chất lượng.9) (1. 11 (1. Giải: Gọi A1 .8 . Trường hợp xung khắc Nếu A.Chương 1: Các khái niệm cơ bản về xác suất 1.6. .. P ( A) = P ( A1 ) + P ( A2 ) = 0.55 .2. ⎜ ⎟ ⎝ i =1 ⎠ i =1 (1. A2 . A3 lần lượt là biến cố sản phẩm được chọn thuộc loại I.25 . A2 . A ta được quy tắc xác suất biến cố đối 1. Ba biến cố này xung khắc từng đôi một. . An } là một hệ đầy đủ thì n ∑ P( Ai ) = 1 (1... III. P ( A1 ) = 0. Vậy A = A1 ∪ A2 .2. C là ba biến cố bất kỳ thì P ( A ∪ B ∪ C ) = P( A) + P( B) + P(C ) − P( AB) − P ( BC ) − P(CA) + P( ABC ) ƒ (1. B.10) .3. P ( A2 ) = 0.7)’ Từ công thức (1. . B là hai biến cố xung khắc thì P ( A ∪ B) = P( A) + P( B) .8) cho hệ đầy đủ A.2. { } Áp dụng công thức (1.6) và (1. . An ) .8) i =1 b. (1. Sản phẩm được cho là đạt chất lượng nếu thuộc loại I hoặc loại II. A2 .9)’ Nếu {A1 ..20 . 55% sản phẩm loại II và 20% sản phẩm loại III.6. An } là dãy các biến cố xung khắc từng đôi một thì ⎛ n ⎞ n P⎜ ∪ Ai ⎟ = ∑ P ( Ai ) .7) Tổng quát hơn. nếu {A1 .

Từ đó ta thừa nhận nguyên lý sau đây. Khi dựa trên nguyên lý xác suất nhỏ ta tuyên bố rằng: “Biến cố A có xác suất nhỏ (tức là P( A) ≤ α ) sẽ không xảy ra trên thực tế” thì độ tin cậy của kết luận trên là β .3. xác suất nhỏ Một biến cố không thể có xác suất bằng 0. Song nếu xác suất một chuyến tàu khởi hành chậm là 0. Cũng như trên.10)”) đối với biến cố B . Ký hiệu P (B A) . P( A) (1. Chẳng hạn mỗi chiếc máy bay đều có một xác suất rất nhỏ bị xảy ra tai nạn. người ta thấy rằng các biến cố có xác suất nhỏ sẽ không xảy ra khi ta chỉ thực hiện một phép thử hay một vài phép thử. việc quy định một mức xác suất thế nào được gọi là lớn sẽ tùy thuộc vào từng bài toán cụ thể.1. Tuy nhiên một biến cố có xác suất bằng 0 vẫn có thể xảy ra trong một số lớn các phép thử.Chương 1: Các khái niệm cơ bản về xác suất 1. P (B1 ∪ B2 A) = P(B1 A) + P(B2 A) − P (B1 B2 A) .2.11) Khi cố định A với P ( A) > 0 thì xác suất có điều kiện P (B A) có tất cả các tính chất của xác suất thông thường (công thức (1. Định nghĩa cà các tính chất của xác suất có điều kiện Xác suất của biến cố B được tính trong điều kiện biết rằng biến cố A đã xảy ra được gọi là xác suất của B với điều kiện A . Chẳng hạn nếu xác suất để máy bay rơi là 0. Tính chất ¾ Nếu P( A) > 0 thì P (B A) = ¾ P( AB) . Tính đúng đắn của kết luận chỉ xảy ra trong 100 ⋅ β % trường hợp.5. Hiển nhiên việc quy định một mức xác suất thế nào được gọi là nhỏ sẽ phụ thuộc vào từng bài toán cụ thể. Chẳng hạn: ( ) P B A = 1 − P(B A).3.5)-(1. Nguyên lý xác suất lớn. XÁC SUẤT CÓ ĐIỀU KIỆN 1. Nhưng trên thực tế ta vẫn không từ chối đi máy bay vì tin tưởng rằng trong chuyến bay ta đi sự kiện máy bay rơi không xảy ra. 12 . Tương tự như vậy ta có thể đưa ra “Nguyên lý xác suất lớn”: “Nếu biến cố A có xác suất gần bằng 1 thì trên thực tế có thể cho rằng biến cố đó sẽ xảy ra trong một phép thử”. Mức xác suất nhỏ này được gọi là mức ý nghĩa.01 thì xác suất đó chưa thể được coi là nhỏ. Nếu α là mức ý nghĩa thì số β = 1 − α gọi là độ tin cậy. gọi là “Nguyên lý xác suất nhỏ”: Nếu một biến cố có xác suất rất nhỏ thì thực tế có thể cho rằng trong một phép thử biến cố đó sẽ không xảy ra. Qua thực nghiệm và quan sát thực tế.01 thì có thể coi rằng xác suất này là nhỏ. 1.

An ) = P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 ) . ( ) 2 11 ⎛5⎞ . (1.. .12) ƒ Nếu {A1 . xanh.. Giải: Gọi At . B x lần lượt là biến cố bi được rút từ túi II là trắng. 7 bi đỏ.P( An ) .2.. Các biến cố At . . 36 36 11 36 1.. xanh. An } là càc biến cố độc lập thì P( A1 A2 . Ađ .2. Vậy xác suất để 2 bi được rút cùng mầu là P ( At Bt ∪ Ađ Bđ ∪ Ax Bx ) = P ( At Bt ) + P ( Ađ Bđ ) + P ( Ax Bx ) = P ( At ) P ( Bt ) + P ( Ađ ) P ( Bđ ) + P ( Ax ) P ( Bx ) = 3 10 7 6 15 9 207 + + = ≈ 0. Trường hợp tổng quát: P ( AB ) = P ( A) P (B A) ƒ ƒ P ( A1 A2 . P ( A) = 1 − P A = 1 − ⎜ ⎟ = 36 ⎝6⎠ Gọi B là biến cố "tổng số nốt trên hai con ≥ 10 " Biến cố AB có 3 kết quả thuận lợi là (5.. Tìm xác suất để 2 bi được rút từ 2 túi là cùng màu. Ax lần lượt là biến cố bi được rút từ túi I là trắng. Giải: Gọi A là biến cố " ít nhất một con ra nốt 5". B là hai biến cố độc lập thì P( AB) = P( A) P( B) . Bđ . (5. (1. An ) = P( A1 )P( A2 ). Từ mỗi túi lấy ngẫu nhiên 1 bi.3. Ađ . Quy tắc nhân xác suất 1.14) (1.2. Bt .5). Bđ .. Trường hợp độc lập: ƒ Nếu A.331 . Vậy P ( AB ) = 3 3 11 3 ⇒ P ( B A) = = . Ax độc lập với các biến cố Bt . đỏ.3. 25 25 25 25 25 25 625 13 .2. 15 bi xanh. 9 bi xanh.. P ( An A1 A2 . B x . Túi II chứa 10 bi trắng....14: Túi I chứa 3 bi trắng.13) 1. đỏ.Chương 1: Các khái niệm cơ bản về xác suất Ví dụ 13: Gieo đồng thời hai con xúc xắc cân đối..3.1. (6. A2 .5). Tính xác suất để tổng số nốt xuất hiện trên hai con xúc xắc ≥ 10 biết rằng ít nhất một con đã ra nốt 5. An−1 ) . 6 bi đỏ. (1.15) Ví dụ 1.6)..

4: Nếu { A1. 8 7 .7473 ..85 × 14 1 6 + 0.3.15 .. P ( An )} đã biết và được gọi là các xác suất tiền nghiệm.. P ( A) = 0. 8 7 Áp dụng công thức xác suất đầy đủ ta có xác suất thu được tín hiệu A: P(T A ) = P ( A) P(T A A) + P ( B) P(T A B ) = 0.. P (TB A) = a.4.85 và 0.Chương 1: Các khái niệm cơ bản về xác suất Ví dụ 1. . Gọi là T A biến cố "thu được tín hiệu A" và là TB biến cố "thu được tín hiệu B". Với mọi biến cố B của cùng một phép thử sao cho P( B ) > 0 ta có : P ( Ak B ) = P( Ak ) P ( B Ak ) P( Ak B) = n .. bề ngoài chúng giống hệt nhau nhưng trong đó chỉ có đúng 2 chiếc mở được kho.. Giả sử đã thu được tín hiệu A. Sau khi quan sát biết được biến cố B xảy ra. Tìm xác suất thu được đúng tín hiệu lúc phát. Tìm xác suất thu được tín hiệu A. Công thức Bayes Định lý 1. a. Công thức xác suất đầy đủ Định lý 1.16: Một trạm chỉ phát hai tín hiệu A và B với xác suất tương ứng 0. 1 1 . A2 . 987 6 1.17) i =1 Giải thích: Trong thực tế các xác suất { P ( A1 ). Vì vậy công thức Bayes còn được gọi là công thức xác suất hậu nghiệm. Giải: Ký hiệu Ai là biến cố "thử đúng chìa ở lần thứ i". P (T A B ) = . Giải: Gọi là A biến cố "phát tín hiệu A" và B là biến cố "phát tín hiệu B". B} là hệ đầy đủ. A2 . .15: Một thủ kho có một chùm chìa khóa gồm 9 chiếc.16) i =1 1. P ( A2 ). Khi đó {A.15.85 . P ( B ) = 0. Anh ta thử ngẫu nhiên từng chìa (chìa nào không trúng thì bỏ ra). . Với mọi biến cố B của cùng một phép thử.. P( B) ∑ P( Ai ) P ( B Ai ) (1.3: Nếu { A1.15 × = 0.. b. Ví dụ 1. Do có nhiễu trên đường truyền nên 1/7 tín hiệu A bị méo và thu được như tín hiệu B còn 1/8 tín hiệu B bị méo và thu được như A.3.3. Tính xác suất để mở được kho ở lần thứ ba. An } là một hệ đầy đủ các biến cố. Vậy xác suất cần tìm là ( ) ( ) ( ) ( ) P A1 A2 A3 = P A1 P A2 A1 P A3 A1 A2 = 762 1 = .. An } là một hệ đầy đủ các biến cố. ta có n P ( B) = ∑ P( Ai ) P ( B Ai ) (1. các xác suất của Ak được tính trên thông tin này (xác suất có điều kiện P (Ak B ) ) được gọi là xác suất hậu nghiệm.

{ } a. A và xác suất xuất hiện của biến cố A không đổi P ( A) = p .975 . Áp dụng công thức Bayes ta có P(A T A ) = P( A) P (T A A) P(T A ) 6 7 = 0.1. n . Được kết luận là phế phẩm (biến cố A ). A k lÇn n − k lÇn 15 .Chương 1: Các khái niệm cơ bản về xác suất b.1: Pn (k .. Áp dụng công thức đầy đủ cho hệ đầy đủ H .. A A . P A H = β . (1. b. Định lý 1.4. Được kết luận đúng với thực chất của nó. c. P ( AH ) + P A H = P ( H ) P ( A H ) + P H P A H = pα + (1 − p ) β . ( ) b. DÃY PHÉP THỬ BERNOULLI Dãy các phép thử lặp lại. = 0. k = 0. H ta có: ( ) ( ) P ( A) = P( H ) P ( A H ) + P H P A H = pα + (1 − p)(1 − β ) . .. P ( A H ) = α . p ) = P( H k ) . p là xác suất thành công trong mỗi lần thử. p ) = C nk p k (1 − p ) n −k . P H A = ( P HA ( ) P A ( )= p(1 − α ) . Kiểm tra ngẫu nhiên một sản phẩm. Thiết bị có khả năng phát hiện đúng sản phẩm là phế phẩm với xác suất α và phát hiện đúng sản phẩm đạt chất lượng với xác suất β . Giải: Gọi H là biến cố “sản phẩm được chọn là phế phẩm”. Được kết luận là đạt chất lượng thì lại là phế phẩm. tìm xác suất sao cho sản phẩm này: a.7473 0.18) Chứng minh: H k là tổng của C nk các biến cố xung khắc từng đôi nhận được bằng cách hoán vị các chữ A và A trong biến cố tích sau: A .. độc lập. Kí hiệu H k là biến cố " A xuất hiện ra đúng k lần trong n phép thử".17: Người ta dùng một thiết bị để kiểm tra một loại sản phẩm nhằm xác định sản phẩm có đạt yêu cầu không. 1. Đặt Pn (k ... . Theo giả thiết ta có: ( ) P ( H ) = p. p(1 − α ) + (1 − p ) β ( ) ( ) ) c. Biết rằng sản phẩm có tỉ lệ phế phẩm là p % . trong mỗi phép thử chỉ có 2 kết cục: A . (0 < p < 1) được gọi là dãy phép thử Bernoulli.85 × Ví dụ 1.

p) < Pn (m . Pn (m . p ) > Pn (k + 1. p) < Pn (k + 1 .19) (ii).. p) kq (1. và Pn (k . Pn (k . p) ∀ k < (n + 1) p − 1 . Khi k tăng từ 0 đến n thì Pn (k . p) .20) Như vậy. p ) Vậy Pn (k .19). = = n! kq Pn (k − 1 .20) hoặc (1. p ) (k + 1)(1 − p ) . Khi m = (n + 1) p thì Pn ( m − 1. 16 .19) ⇒ Pn (k . p ) mới đầu tăng sau đó giảm và đạt giá trị lớn nhất tại k = m thoả mãn: (n + 1) p − 1 ≤ m ≤ (n + 1) p (1. p ) Pn (k .. p) khi k ≥ (n + 1) p ⇒ Pn (k . p) ( n + 1)(1 − p) p = =1 (n − (n + 1) p + 1) p Pn ( m . ƒ Khi (n + 1) p nguyên thì m = (n + 1) p − 1 hoặc m = (n + 1) p Pmax = Pn (m − 1. p) = Pn (m .2: (i). từ đó có (1.20)’ được gọi là giá trị chắc chắn nhất của số thành công hay giá trị có khả năng xảy ra lớn nhất. p ) (n − k ) p Pn (k + 1. A ) = p k (1 − p ) n −k . p) (1. p) < Pn (m . p) k −1 n − k +1 p q (k − 1)! (n − k + 1)! (1.. Định lý 1. p) là số hạng trung tâm của phân bố nhị thức. k lÇn n − k lÇn Vậy Pn (k . Do đó = < 1 ⇔ k + 1 < (n + 1) p . A A . Pn (k + 1.1: m xác định bởi công thức (1.20)’ Chứng minh: n! p k q n−k Pn (k . trong đó m là số tự nhiên thỏa mãn (n + 1) p − 1 ≤ m ≤ (n + 1) p .Chương 1: Các khái niệm cơ bản về xác suất Mỗi biến cố này có xác suất P( A . ƒ Khi (n + 1) p không nguyên thì m = [(n + 1) p ] (là phần nguyên của (n + 1) p ). p ) = C nk p k (1 − p) n − k . p) khi k < (n + 1) p − 1 ⇒ Pn (k . Định nghĩa 1. p) ⇒ Pn (m − 1 .. p) = Pn (m . p) (n − k + 1) p k! (n − k )! . p) = (n − k + 1) p Pn (k − 1. p) ∀ k > (n + 1) p .

288 .4)2 (0.1) −1 = = 4.504 .784 . Tập hợp tất cả các biến cố sơ cấp của phép thử được gọi là không gian mẫu. 0. 3 b) Xác suất để nguồn thu nhận được thông tin là P = 1 − (0.Chương 1: Các khái niệm cơ bản về xác suất Ví dụ 1.6 )n . theo giả thiết xác suất thành công của mỗI lần thử là 0.1 ⇔ n ≥ lg(0.778 TÓM TẮT Phép thử Trong thực tế ta thường gặp nhiều thí nghiệm.6 )n ≥ 0.6 )n ≤ 0. quan sát mà các kết quả của nó không thể dự báo trước được.6 ) = 0.4. Giải: Có thể xem mỗi lần phát tin là một phép thử Bernoulli mà sự thành công của phép thử là nguồn thu nhận được tin. c) Xác suất để nguồn thu nhận được thông tin khi phát n lần là P = 1 − (0. Vậy nếu muốn xác suất thu được tin ≥ 0. Biến cố Mỗi biến cố A được đồng nhất với một tập con của không gian mẫu Ω bao gồm các kết quả thuận lợi đối với A . Chọn n = 5 . Xác suất Xác suất của một biến cố là một con số đặc trưng khả năng khách quan xuất hiện biến cố đó khi thực hiện phép thử.4. lg(0. ký hiệu Ω . a) Tìm xác suất để nguồn thu nhận được thông tin đúng 2 lần. b) Tìm xác suất để nguồn thu nhận được thông tin đó. Định nghĩa cổ điển về xác suất Xác suất của biến cố A là P( A) = sè tr−êng hîp thuËn lîi đèi víi A sè tr−êng hîp cã thÓ Định nghĩa thống kê về xác suất Xác suất của biến cố A là P ( A) ≈ f n ( A) = k n ( A) trong đó k n ( A) số lần xuất hiện biến n cố A trong n phép thử. Ta gọi chúng là các phép thử ngẫu nhiên.6) = 0. Xác suất thu được mỗi lần là 0.19: Tín hiệu thông tin được phát đi 3 lần độc lập nhau.9 thì phải phát đi ít nhất n lần sao cho: 1 − (0.4) = C32 (0.6 ) − 1 = 0.9 thì phải phát đi ít nhất bao nhiêu lần. Mỗi kết quả của phép thử C được gọi là một biến cố sơ cấp.9 ⇔ (0. Vậy: a) Xác suất để nguồn thu nhận được thông tin đúng 2 lần là P2 (3 . c) Nếu muốn xác suất thu được tin ≥ 0. 17 .

.. An } i =1 xảy ra khi tất cả các biến cố Ai cùng xảy ra. . ký hiệu A ⊂ B . n Biến cố tích ∏ Ai của dãy các biến cố {A1 . . B gọi là xung khắc nếu AB là biến cố không thể.Chương 1: Các khái niệm cơ bản về xác suất Nguyên lý xác suất nhỏ Nếu một biến cố có xác suất rất nhỏ thì thực tế có thể cho rằng trong một phép thử biến cố đó sẽ không xảy ra. . B xảy ra khi và chỉ khi có ít nhất A hoặc B xảy ra. A2 . . không làm ảnh hưởng tới việc xảy ra hay không xảy ra của các biến cố còn lại. B cùng xảy ra. A xảy ra khi và chỉ khi A không xảy ra. . n Biến cố tổng ∪ Ai của một dãy các biến cố {A1 . . An } xảy ra khi có ít nhất một trong i =1 các biến cố Ai xảy ra.. Quan hệ biến cố đối A là biến cố đối của A . Quan hệ kéo theo Biến cố A kéo theo biến cố B . Tích của hai biến cố Biến cố AB của hai biến cố A. Biến cố xung khắc Hai biến số A. Hệ đầy đủ các biến cố Dãy các biến cố A1 . A2 . trong đó 1 ≤ k ≤ n . Tổng của hai biến cố Biến cố A ∪ B tổng của hai biến cố A. nếu A xảy ra thì B xảy ra. . An được gọi là độc lập nếu việc xảy ra hay không xảy ra của một nhóm bất kỳ k biến cố. An được gọi là một hệ đầy đủ các biến cố nếu chúng xung khắc từng đôi một và tổng của chúng là biến cố chắc chắc. Qui tắc cộng 18 .. Tổng quát các biến cố A1 . Nguyên lý xác suất lớn Nếu biến cố A có xác suất gần bằng 1 thì trên thực tế có thể cho rằng biến cố đó sẽ xảy ra trong một phép thử.. A2 . . Tính độc lập của các biến cố Hai biến cố A và B được gọi là độc lập với nhau nếu việc xảy ra hay không xảy ra biến cố này không ảnh hưởng tới việc xảy ra hay không xảy ra biến cố kia.. B xảy ra khi và chỉ khi cả hai biến cố A ... A2 .

An } là một hệ đầy đủ . Quy tắc nhân Trường hợp độc lập: P( AB) = P( A) P( B) . An ) = P( A1 )P( A2 ). 19 .. . trong mỗi phép thử chỉ có 2 kết cục: A . Quy tắc xác suất của biến cố đối P( A ) = 1 − P( A) .. P ( An A1 A2 . Xác suất có điều kiện Xác suất của biến cố B được tính trong điều kiện biết rằng biến cố A đã xảy ra được gọi là xác suất của B với điều kiện A . Với mọi biến cố B ta có: n P ( B) = ∑ P( Ai ) P ( B Ai ) . A2 . An } là một hệ đầy đủ và với mọi biến cố B sao cho P ( B) > 0 ta có : P ( Ak B ) = P( Ak ) P ( B Ak ) P( Ak B) = n ...Chương 1: Các khái niệm cơ bản về xác suất ⎛ n ⎞ n Trường hợp xung khắc: P ( A ∪ B) = P( A) + P( B) . (0 < p < 1) được gọi là dãy phép thử Bernoulli. A2 ... An ) . Trường hợp không độc lập: P( AB) = P( A) P(B A) . P ( A1 A2 .. P( A1 A2 . ⎟ ⎜ ⎝ i =1 ⎠ i =1 Trường hợp tổng quát P ( A ∪ B) = P( A) + P( B) − P( AB) P ( A ∪ B ∪ C ) = P( A) + P( B) + P(C ) − P( AB) − P ( BC ) − P(CA) + P( ABC ) ⎛n ⎞ n P⎜ ∪ Ai ⎟ = ∑ P ( Ai ) − ∑ P ( Ai A j ) + ∑ P ( Ai A j Ak ) − ⎜ ⎟ i< j i< j <k ⎝ i =1 ⎠ i =1 + (−1) n −1 P ( A1 A2 . A và xác suất xuất hiện của biến cố A không đổi P ( A) = p . P( B) ∑ P( Ai ) P ( B Ai ) i =1 Dãy phép thử Bernoulli Dãy các phép thử lặp lại.. An−1 ) .. .. P⎜ ∪ Ai ⎟ = ∑ P ( Ai ) .. An ) = P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 ) . ký hiệu P (B A) .P( An ) . Công thức xác suất đầy đủ Giả sử { A1.. i =1 Công thức Bayes Nếu { A1....... độc lập.

Đúng Sai . Tính xác suất: a) Cả 3 chi tiết lấy ra thuộc loại đạt tiêu chuẩn. 1. b. b} và B = {a. 1. d } trong đó các biến cố sơ cấp là đồng khả năng. b) Trong số 3 chi tiết lấy ra có 2 chi tiết đạt tiêu chuẩn. Đúng Sai . Gọi m là giá trị có khả năng xảy ra lớn nhất của dãy phép thử Bernoulli.6 Các biến cố đối của hai biến cố độc lập cũng là độc lập. tức là P ( A B ) ≥ P ( A) ? Đúng Sai . Biến cố A = {a. 20 . Đúng Sai .9 Hệ 2 biến cố A. 1. Đúng Sai . 1.4 Thông tin liên quan đến việc xuất hiện biến cố B làm tăng xác suất của biến cố A . 1. 1.Chương 1: Các khái niệm cơ bản về xác suất Khi m = [(n + 1) p ] thì Pn (m . 1.1 Ta có thể có hai không gian mẫu Ω các biến cố sơ cấp cho cùng một phép thử Đúng Sai C? . 1.2 Các biến cố A và A ∪ B là xung khắc. Đúng Sai . Lấy đồng thời 3 chi tiết. Tìm xác suất để: a) Tất cả cùng ra ở tầng bốn.11 Trong một hòm đựng 10 chi tiết đạt tiêu chuẩn và 5 chi tiết là phế phẩm. Đúng Sai .10 Cho Ω = {a. 1. p) = C nm p m (1 − p ) n − m đạt giá trị lớn nhất.5 Hai biến cố xung khắc là hai biến cố độc lập. A là hệ đầy đủ. c. Đúng Sai . { } 1.7 Xác suất của tổng hai biến cố độc lập bằng tổng xác suất của hai biến cố này. Đúng Sai . c} là phụ thuộc vì chúng cùng xảy ra khi biến cố sơ cấp a xảy ra.3 Hai biến cố A và B xung khắc thì P ( A ∪ B) = P( A) + P( B) .8 Xác suất của tích 2 biến cố xung khắc bằng tích 2 xác suất.12 Thang máy của một tòa nhà 7 tầng xuất phát từ tầng một với 3 khách. CÂU HỎI ÔN TẬP VÀ BÀI TẬP 1. 1.

c) Cả hai người bắn trượt. Mỗi lần kiểm tra chất lượng lấy ngẫu nhiên 3 sản phẩm. tất cả các sản phẩm đều được kiểm tra.18 Để được nhập kho. còn lại là phế phẩm. 1. b) Có ít nhất một sản phẩm xấu. 1.16 Cơ cấu chất lượng sản phẩm của nhà máy như sau: 40% sản phẩm là loại I. sản phẩm của nhà máy phải qua 3 vòng kiểm tra chất lượng độc lập nhau. 1. III sản xuất tương ứng 36%. b) Có người bắn trúng mục tiêu. Tính xác suất sản phẩm lấy ra là phế phẩm. Khả năng bắn trúng của từng người là 0.21 Một nhà máy ôtô có ba phân xưởng I. tìm xác suất để người đó trúng 5 vé. Anh ta thử ngẫu nhiên từng chìa khóa một. 34%. Tính xác suất để phế phẩm đó là do phân xưởng I. 1. chiếc nào được thử thì không thử lại. Xác suất phát hiện ra phế phẩm ở các vòng lần lượt theo thứ tự là 0. Tính xác suất anh ta mở được cửa ở lần thử thứ 4. II. Sau khi kiểm tra xong trả lại vào lô hàng. 1. Ký hiệu Ak ( k = 1. 0. Tính xác suất phế phẩm được nhập kho.17 Có 1000 vé số trong đó có 20 vé trúng thưởng. Tính xác suất để sau 3 lần kiểm tra lô hàng.14 Ta kiểm tra theo thứ tự một lô hàng có 10 sản phẩm. III sản xuất.Chương 1: Các khái niệm cơ bản về xác suất b) Tất cả cùng ra ở một tầng c) Mỗi người ra một tầng khác nhau. Biểu diễn các biến cố sau theo Ak : a) Cả 10 sản phẩm đều xấu. III cùng sản xuất ra một loại pít-tông.19 Một thủ kho có một chùm chìa khóa gồm 9 chiếc trông giống hệt nhau trong đó chỉ có một chiếc mở được kho.8. 1. II. a) Tìm tỷ lệ phế phẩm chung của nhà máy.13 Một người gọi điện thoại cho bạn nhưng lại quên mất 3 chữ số cuối và chỉ nhớ rằng chúng khác nhau.20 Một lô hàng có 9 sản phẩm.9.08. Lấy ngẫu nhiên một sản phẩm của nhà máy. với tỷ lệ phế phẩm tương ứng là 0.12. 21 . Phân xưởng I. 1.10 ) là biến cố chỉ sản phẩm kiểm tra thứ k thuộc loại xấu. các sản phẩm còn lại là xấu.15 Hai người cùng bắn vào một mục tiêu.8 và 0. Tìm xác suất: a) Chỉ có một người bắn trúng mục tiêu.9 và 0. b) Lấy ngẫu nhiên một sản phẩm kiểm tra và được sản phẩm là phế phẩm. 1. Mỗi sản phẩm thuộc một trong hai loại: Tốt hoặc Xấu. d) Có 6 sản phẩm kiểm tra đầu là xấu. 1.1. II. c) Có 6 sản phẩm kiểm tra đầu là tốt.99. 0. 30% sản lượng của nhà máy. 50% sản phẩm là loại II. Tìm xác suất để người đó quay số một lần được đúng số điện thoại của bạn. Một người mua 30 vé. 0.

0.Chương 1: Các khái niệm cơ bản về xác suất 1. b) Được kết luận là đạt tiêu chuẩn thì lại không đạt tiêu chuẩn.6 và 0.4 .24 Một nhà máy sản xuất một chi tiết của điện thoại di động có tỷ lệ sản phẩm đạt tiêu chuẩn chất lượng là 85%. nhóm thứ ba có 4 người và nhóm thứ tư có 2 người.95.7 và của viên đạn thứ hai là 0. 1. Nhóm thứ nhất có 5 người. Hãy xác định xem xạ thủ này có khả năng ở trong nhóm nào nhất.22 Có bốn nhóm xạ thủ tập bắn. c) Được kết luận đúng với thực chất của nó. nhóm thứ hai có 7 người. Xác suất trúng đích của viên đạn thứ nhất là 0. Trước khi xuất xưởng người ta dùng một thiết bị kiểm tra để kết luận sản phẩm có đạt yêu cầu chất lượng hay không. Tìm xác suất để vết đạn đó là vết đạn của viên đạn thứ nhất. Xác suất bắn trúng đích của mỗi người trong nhóm thứ nhất.7.9 và phát hiện đúng sản phẩm không đạt tiêu chuẩn với xác suất là 0.8. Sau khi bắn. nhóm thứ ba và nhóm thứ tư theo thứ tự là 0. 0.5. Thiết bị có khả năng phát hiện đúng sản phẩm đạt tiêu chuẩn với xác suất là 0. Tìm xác suất để 1 sản phẩm được chọn ngẫu nhiên sau khi kiểm tra: a) Được kết luận là đạt tiêu chuẩn. quan trắc viên báo có một vết đạn ở bia. Chọn ngẫu nhiên một xạ thủ và biết rằng xạ thủ này bắn trượt. nhóm thứ hai. 1.23 Bắn hai lần độc lập với nhau mỗi lần một viên đạn vào cùng một bia. 22 . Tìm xác suất để chỉ có một viên đạn trúng bia (biến cố A).

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng

CHƯƠNG II: BIẾN NGẪU NHIÊN VÀ CÁC ĐẶC
TRƯNG CỦA CHÚNG

PHẦN GIỚI THIỆU
Trong chương này ta khảo sát các biến cố gắn với các giá trị nào đó, khi các giá trị này thay
đổi ta được các biến ngẫu nhiên.
Khái niệm biến ngẫu nhiên (còn được gọi là đại lượng ngẫu nhiên) và các đặc trưng của
chúng là những khái niệm rất quan trọng của lý thuyết xác suất.
Đối với biến ngẫu nhiên ta chỉ quan tâm đến vấn đề biên ngẫu nhiên này nhận một giá trị
nào đó hoặc nhận giá trị trong một khoảng nào đó với xác suất bao nhiêu. Nói cách khác biên
ngẫu nhiên X có thể được khảo sát thông qua hàm phân bố xác suất của nó F ( x) = P { X < x} .
Như vậy khi ta biết qui luật phân bố xác suất của một biến ngẫu nhiên thì ta đã nắm được toàn bộ
thông tin về biến ngẫu nhiên này.
Khi biến ngẫu nhiên chỉ nhận các giá trị rời rạc thì hàm phân bố xác suất hoàn toàn được
xác định bởi bảng phân bố xác suất, đó là bảng ghi các giá trị mà biến ngẫu nhiên nhận với xác
suất tương ứng. Khi biến ngẫu nhiên nhận giá trị liên tục thì hàm phân bố xác suất được xác định
bởi hàm mật độ xác suất.
Ngoài phương pháp sử dụng hàm phân bố để xác định biến ngẫu nhiên, trong nhiều trường
hợp bài toán chỉ đòi hỏi cần khảo sát những đặc trưng cơ bản của biến ngẫu nhiên.
Các đặc trưng của biến ngẫu nhiên được chia thành hai loại sau:
™ Các đặc trưng cho vị trí trung tâm của biến ngẫu nhiên như: Kỳ vọng, Trung vị, Mốt.
™ Các đặc trưng cho độ phân tán của biến ngẫu nhiên như: Phương sai, Độ lệch chuẩn, Hệ
số biến thiên, Hệ số bất đối xứng và Hệ số nhọn.
Trong các bài toán thực tế kỳ vọng được sử dụng dưới dạng lợi nhuận kỳ vọng còn phương
sai để tính mức độ rủi ro của quyết định. Trong kỹ thuật độ lệch chuẩn biểu diẽn sai số của phép
đo.
Trong chương này ta xét các quy luật phân bố xác suất quan trọng sau:
- Quy luật nhị thức, quy luật này thường gặp trong dãy phép thử Bernoulli.
- Quy luật Poisson, quy luật này thường gặp trong bài toán về quá trình đếm sự xuất
hiện biến cố A nào đó. Quá trình đến của các hệ phục vụ.
- Quy luật phân bố đều, quy luật phân bố đều trên một đoạn là quy luật phân bố xác suất
của biến ngẫu nhiên liên tục đồng khả năng lấy giá trị trong khoảng đó. Quy luật phân
bố đều có ứng dụng rộng trong thống kê toán. Nó có ý nghĩa to lớn trong các bài toán
sử dụng phương pháp phi tham số.

23

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng
- Quy luật phân bố mũ.
- Quy luật phân bố Erlang-k.
- Quy luật chuẩn.
- Quy luật khi bình phương.
- Quy luật Student.
Phân bố chuẩn thường được gặp trong các bài toán về sai số khi đo đạc các đại lượng trong
vật lý, thiên văn ... Trong thực tế, nhiều biến ngẫu nhiên tuân theo quy luật chuẩn hoặc tiệm cận
chuẩn (định lý giới hạn trung tâm) chẳng hạn: trọng lượng, chiều cao của một nhóm người nào đó,
điểm thi của thí sinh, năng suất cây trồng, mức lãi suất của một công ty, nhu cầu tiêu thụ của một
mặt hàng nào đó ...
Với mỗi quy luật phân bố xác suất ta sẽ khảo sát bảng phân bố xác suất hoặc hàm mật độ
các tính chất và các đặc trưng của nó.
Để học tốt chương này học viên phải nắm vững định nghĩa xác suất, biến cố và các tính chất
của chúng.
Các đặc trưng của biến ngẫu nhiên được xác định thông qua tính tổng của các số hạng nào
đó (trường hợp biến ngẫu nhiên rời rạc) hoặc tính tích phân xác định (trường hợp biến ngẫu nhiên
liên tục). Vì vậy học viên cần ôn tập về tích phân xác định.

NỘI DUNG
2.1. BIẾN NGẪU NHIÊN
2.1.1. Khái niệm biến ngẫu nhiên
Định nghĩa 2.1: Biến ngẫu nhiên X là đại lượng nhận các giá trị nào đó phụ thuộc vào
các yếu tố ngẫu nhiên, nghĩa là với mọi giá trị thực x ∈  thì {X < x} là một biến cố ngẫu nhiên..
Như vậy đối với biến ngẫu nhiên người ta chỉ quan tâm xem nó nhận một giá trị nào đó
hoặc nhận giá trị trong một khoảng nào đó với một xác suất bao nhiêu.
Ví dụ 2.1: Các đại lượng sau là biến ngẫu nhiên
• Số nốt xuất hiện khi gieo một con xúc xắc.
• Tuổi thọ của một thiết bị đang hoạt động.
• Số khách hàng vào một điểm phục vụ trong 1 đơn vị thời gian.
• Số cuộc gọi đến một tổng đài.
• Sai số khi đo lường một đại lượng vật lý …
2.1.2. Phân loại
Người ta phân các biến ngẫu nhiên thành hai loại:
™ Biến ngẫu nhiên rời rạc nếu nó chỉ nhận một số hữu hạn hoặc vô hạn đếm được các giá
trị. Nghĩa là có thể liệt kê các giá trị thành một dãy x1 , x 2 , ... .

24

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng
™ Biến ngẫu nhiên liên tục nếu các giá trị của nó có thể lấp đầy một hoặc một số các
khoảng hữu hạn hoặc vô hạn và xác suất P{X = a} bằng không với mọi a.
Ví dụ 2.2:
• Gọi X là số nốt xuất hiện khi gieo một con xúc xắc thì X là biến ngẫu nhiên rời rạc nhận
các giá trị 1, 2,3, 4,5, 6 .
• Gọi Y là tuổi thọ của một thiết bị đang hoạt động thì Y là biến ngẫu nhiên liên tục nhận
giá trị trong một khoảng.
• Gọi Z là số khách hàng vào một điểm phục vụ trong 1 đơn vị thời gian, Z là biến ngẫu
nhiên rời rạc nhận các giá trị 0,1, 2,...
• Số cuộc gọi đến một tổng đài là biến ngẫu nhiên rời rạc nhận các giá trị 0,1, 2,...
• Sai số khi đo lường một đại lượng vật lý Y nào đó là biến ngẫu nhiên liên tục nhận giá trị
trong một khoảng.
2.1.3. Hàm phân bố xác suất
Định nghĩa 2.2: Hàm phân bố xác suất (cumulative distribution function, viết tắt CDF) của
biến ngẫu nhiên X là hàm số F ( x) xác định với mọi x ∈  bởi công thức:

F ( x) = P{X < x}; − ∞ < x < ∞

(2.1)

Hàm phân bố có các tính chất sau:
a. 0 ≤ F ( x) ≤ 1 với mọi x ∈  ,

(2.2)

b. F ( x) là hàm không giảm, liên tục bên trái. Nếu X là biến ngẫu nhiên liên tục thì F ( x)
là hàm liên tục.
c. F (−∞) = lim F ( x) = 0 ; F (+∞) = lim F ( x) = 1 ,

(2.3)

d. P{a ≤ X < b} = F (b) − F (a ) .

(2.4)

x →−∞

x → +∞

2.2. BIẾN NGẪU NHIÊN RỜI RẠC
2.2.1. Bảng phân bố xác suất của biến ngẫu nhiên rời rạc
Với biến ngẫu nhiên rời rạc chúng ta có thể nghiên cứu thông qua bảng ghi các giá trị mà
biến ngẫu nhiên nhận với xác suất tương ứng, đó là bảng phân bố xác suất.
Giả sử biến ngẫu nhiên X chỉ nhận các giá trị x1 , x 2 , ... với xác suất tương ứng

pi = P{X = xi } . pi > 0 và

∑ pi = 1 .
i

Bảng phân bố xác suất của X có dạng sau:

X
P

x1
p1
25

x2
p2

{ X = xn } (2. .. P { X = 1} = 3 30 30 C10 X P 0 1 2 3 5 / 30 15 / 30 9 / 30 1 / 30 ⎧0 ⎪5 / 30 ⎪⎪ F ( x) = ⎨20 / 30 ⎪29 / 30 ⎪ ⎪⎩ 1 nÕu x ≤ 0 nÕu 0 < x ≤ 1 nÕu 1 < x ≤ 2 nÕu 2 < x ≤ 3 nÕu x > 3 Đồ thị 26 . .. 4 bi trắng. thì hàm phân bố có dạng: ⎧ 0 F ( x) = ⎨ ⎩ p1 + p 2 + x ≤ x1 nÕu + p k −1 nÕu x k −1 < x ≤ x k . Hàm phân bố có dạng: ⎧ 0 ⎪ F ( x) = ⎨ p1 + p 2 + ⎪ 1 ⎩ nÕu + p k −1 nÕu nÕu x ≤ x1 x k −1 < x ≤ x k (2.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng • Nếu biến ngẫu nhiên rời rạc X nhận vô hạn các giá trị x1 ...5) Đồ thị của F ( x) là hàm bậc thang có bước nhảy tại x1 . { X = x2 } .7) x > xn Ví dụ 2. xn thì các biến cố { X = x1} . x 2 . .. P { X = 3} = 3 30 C10 30 Bảng phân bố xác suất: Hàm phân bố: C62C14 15 5 = = . x 2 ..6) lập thành hệ đầy đủ các biến cố. x2 . Giải: P { X = 0} = P { X = 2} = C61C42 3 C10 C63 3 C10 C43 9 1 = = ...3: Chọn ngẫu nhiên 3 bi từ một túi có 6 bi đen. Tìm bảng phân bố và hàm phân bố... . ∀ k (2. • Nếu X chỉ nhận các giá trị x1. Gọi X là số bi trắng trong 3 bi vừa chọn thì X là một biến ngẫu nhiên rời rạc.

Thực hiện n phép thử Bernoulli với xác suất thành công của biến cố A trong mỗi lần thử là p .2.. nếu ở lần thử thứ i biến cố A xuất hiện ta cho X i nhận giá trị 1. nếu biến cố A không xuất hiện ta cho X i nhận giá trị 0.một A( p) ..Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng y 30 / 30 29 / 30 20 / 30 5 / 30 O 2...3: Biến ngẫu nhiên rời rạc X nhận các giá trị 0. p) Định nghĩa 2. p) X 0 1 … k … n P C n0 p 0 q n C 1n p1 q n −1 … C nk p k q n−k … Cnn p n q 0 Nhận xét: 1. q = 1 − p . ký hiệu X ~ B (n .8) trong đó n là số tự nhiên và 0 < p < 1. . được gọi là có phân bố nhị thức tham số n. Gọi X là số thành công trong n phép thử Bernoulli này thì 27 (2.. p) . p . Bảng phân bố xác suất của biến ngẫu nhiên có quy luật nhị thức B (n .9) . Như vậy X i là biến ngẫu nhiên rời rạc có bảng phân bố: Xi 0 1 P 1− p p X i được gọi là có phân bố không. Qui luật nhị thức 1 x 3 2 B (n .. 2. n . . Với mỗi i = 1.2. n với xác suất tương ứng P{X = k } = C nk p k q n − k (2. 1.

Phân bố Poisson Định nghĩa 2. lý thuyết sắp hàng. các bài toán chuyển mạch trong tổng đài … 28 . 5! P (1) .. p) X +Y ~ và Y ~ B (n2 . p) (2.3679 .4: Biến ngẫu nhiên X nhận các giá trị k = 0.10) suy ra rằng nếu X ~ + X n ~ B (n .2. a) X (2) ~ P (4) . 4) Số tai nạn (xe cộ).11) 2. Quy luật Poisson có ứng dụng rộng rãi trong nhiều lĩnh vực thực tế như kiểm tra chất lượng sản phẩm. Từ (2. độc lập và trung bình có 2 cuộc gọi trong 1 phút. b) Không có một cuộc gọi nào trong 30 giây (biến cố B). do đó P( A) = P{X (2) = 5} = e −4 45 ≈ 0. Giải: Nếu ký hiệu X (t ) là số cuộc gọi đến tổng đài trong khoảng thời gian t phút thì X (t ) ~ P (2t ) . Tìm xác suất để: a) Có đúng 5 cuộc gọi đến trong 2 phút (biến cố A). do đó b) X (1 / 2) ~ c) P (C ) = P{X (1 / 6) ≥ 0} = 1 − P{X (1 / 6) = 0} = 1 − e −1 / 3 ≈ 0.156 . Ví dụ 3. 1. X (1 / 6) ~ P (1 / 3) . với xác suất P { X = k } = e −λ gọi là có phân bố Poisson tham số λ > 0 .. 2) Số khách hàng đến 1 điểm phục vụ.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng X = X1 + X 2 + 2. do đó P( B) = P{X (1 / 2) = 0} = e −1 ≈ 0. các hệ phục vụ đám đông.3: Ở một tổng đài điện thoại các cuộc gọi đến một cách ngẫu nhiên. lý thuyết quản trị dự trữ.2835 . p) B (n1 .10) thì B (n1 + n2 . 2.3. p) (2. c) Có ít nhất 1 cuộc gọi trong 10 giây (biến cố C). 3) Số xe cộ qua 1 ngã tư.12) P (λ ) . . số các sự cố xảy ra ở một địa điểm … trong một khoảng thời gian xác định nào đó sẽ có phân bố Poisson với tham số λ là tốc độ trung bình diễn ra trong khoảng thời gian này. ký hiệu X ~ λk k! (2. Trong thực tế với một số giả thiết thích hợp thì các biến ngẫu nhiên là các quá trình đếm sau: 1) Số cuộc gọi đến một tổng đài.

b. BIẾN NGẪU NHIÊN LIÊN TỤC 2. ∫ f ( x)dx = 1 . λ 2 thì X 1 + X 2 cũng có phân bố Poisson tham số λ1 + λ2 .3.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng Nếu X 1 . F ' ( x) = f ( x) tại các điểm x mà f (x) liên tục.3. viết tắt PDF). Nếu tồn tại hàm f (x) sao cho với mọi x ∈  x F ( x) = ∫ f (t )dt (2.4: Hàm phân bố xác suất của biến ngẫu nhiên liên tục X có dạng 29 (2. trục hoành và đường thẳng song song với trục tung có hoàng độ là x .1. a Ví dụ 2. X1 + X 2 ~ P (λ 1 + λ 2 ) (2.18) .15) f ( x) ≥ 0 với mọi x ∈  .17) −∞ b d. X 2 là hai biến ngẫu nhiên độc lập có phân bố Poisson tham số lần lượt λ1 . (2. P{a < X < b} = P{a ≤ X ≤ b} = P{a < X ≤ b} = P{a ≤ X < b} = ∫ f ( x)dx . (2. (2.14) −∞ thì f ( x) được gọi là hàm mật độ của biến ngẫu nhiên X (probability density function. Như vậy giá trị của hàm F (x) bằng diện tích hình phẳng giới hạn bởi đồ thị hàm mật độ f (x) .16) ∞ c. Hàm mật độ phân bố xác suất của biến ngẫu nhiên liên tục Định nghĩa 2. f ( x) F ( x) x x Tính chất của hàm mật độ a.13) 2.5: Giả sử X là một biến ngẫu nhiên liên tục có hàm phân bố F (x) .

Giải: a. Từ công thức (2. 3 2 6 . từ đó k = 1 .12) ta có 1 = ∫ f ( x)dx = ∫ 2 dx = − lim ⎜ ⎜ ⎟ a → ∞ x 1 x −∞ ⎝ 1⎠ k b. b. a. c.9) xác định hàm mật độ ta có víi x < 1 ⎧0 ⎪ F ( x) = ∫ f (t )dt = ⎨ x − 1 víi x ≥ 1 ⎪⎩ x −∞ x c. Xác suất để trong 4 phép thử độc lập biến ngẫu nhiên X đều không lấy giá trị trong khoảng (2.13) ta có P{2 < X < 3} = F (3) − F (2) = 30 2 1 1 − = . Dựa vào tính chất (2. Theo tính chất (2.5: Biến ngẫu nhiên liên tục X có hàm mật độ dạng víi x < 1 ⎧0 ⎪ f ( x) = ⎨ k ⎪ 2 ⎩x víi x ≥ 1 Hãy xác định: a. 3) . Xác suất P{2 < X < 3} . Hệ số k . Xác định hệ số k . Vì hàm phân bố xác suất F ( x) liên tục. Tìm hàm mật độ xác suất f (x) . Từ công thức (2.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng ⎧0 ⎪ F ( x) = ⎨kx 2 ⎪1 ⎩ víi x ≤ 0 víi 0 < x ≤ 1 víi x > 1 a. d. b. Hàm phân bố F ( x) . Giải: ∞ ∞ ⎛k a⎞ ⎟ = k .10) của hàm mật độ xác suất ta có ⎧0 ⎪ f ( x) = ⎨2 x ⎪0 ⎩ víi x ≤ 0 víi 0 < x < 1 víi x ≥ 1 Ví dụ 2. do đó tại x = 1 ⇒ 1 = F (1) = kx 2 x =1 =k. b.

Quy luật phân bố đều U(a. b) F ( x) 1 b−a O a b Đồ thị của hàm phân bố đều U(a. b ] . Xác suất để X không lấy giá trị trong khoảng (2. b ] là “đều nhau” và không nhận giá trị ngoài [a . ⎝6⎠ 2. b ] nếu hàm mật độ của nó xác định bởi: ⎧ 1 ⎪ f ( x) = ⎨ b − a ⎪⎩ 0 nÕu a ≤ x ≤ b (2. 6 6 Vậy xác suất để trong 4 phép thử độc lập biến ngẫu nhiên X đều không lấy giá trị trong khoảng d.2. b) Định nghĩa 2.48 . b) 31 x .20) nÕu x > b Vậy X có khả năng nhận giá trị trong khoảng [a .3) trong một phép thử bằng 1 − 4 ⎛5⎞ (2.3) bằng ⎜ ⎟ ≈ 0. f ( x) F (x) 1 b−a O a x b x Đồ thị hàm mật độ của phân bố đều U(a.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng 1 5 = .3.19) nÕu ng−îc l¹i Hàm phân bố nÕu x < a ⎧ 0 ⎪x − a ⎪ F ( x) = ∫ f (t )dt = ⎨ ⎪b − a −∞ ⎪⎩ 1 x nÕu a ≤ x ≤ b (2.6: Biến ngẫu nhiên X được gọi là có phân bố đều trên [a .

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng Quy luật phân bố đều có nhiều ứng dụng trong thống kê toán như mô phỏng thống kê.551 . Phân bố mũ Định nghĩa 2. Biến ngẫu nhiên X được gọi là không nhớ (memoryless) nếu P { X > x + t X > t} = P { X > x} ∀ x. Điều kiện (2. Giải: Gọi X là tuổi thọ của mạch điện tử.23) có thể viết lại G ( x + t ) = G ( x)G (t ) (2.5: Tuổi thọ của một mạch điện tử trong máy tính là một biến ngẫu nhiên có phân bố 1 mũ tham số λ > 0 .24) với điều kiện G ( x) = 1. Vì vậy phân bố mũ còn được gọi là phân bố Markov. Vậy biến ngẫu nhiên X không nhớ khi và chỉ khi X có phân bố mũ. Xác suất để mạch điện tử bị hỏng trong thời gian bảo hành là: P { X ≤ 5} = 1 − e −5 λ = 1− e −5 6. Điều đó dẫn đến việc quan niệm tham số cần ước lượng như một biến ngẫu nhiên có quy luật phân bố đều. Thời gian λ bảo hành là 5 năm.8 = 1 − 0. ∀x < 0 và G (+∞) = 0 ta được G ( x) = e − λx .7: Biến ngẫu nhiên X được gọi là có phân bố mũ tham số λ > 0 nếu có hàm mật độ: ⎧⎪λe −λx f ( x) = ⎨ ⎪⎩ 0 nÕu x > 0 nÕu x ≤ 0 (2. Trong một số lý thuyết kết luận thống kê người ta thường xuất phát từ quy tắc sau đây: Nếu ta không biết gì về giá trị của tham số cần ước lượng thì mỗi giá trị có thể có của tham số đó là đồng khả năng.23) Gọi F ( x) là hàm phân bố của X . Vậy có khoảng 55% số mạch điện tử bán ra phải thay thế trong thời gian bảo hành. 2.22) Phân bố mũ thường xuất hiện trong các bài toán về thời gian sống của một loài sinh vật. 449 = 0. Hỏi có bao nhiêu phần trăm mạch điện tử bán ra phải thay thế trong thời gian bảo hành.25 (năm). Giả sử tuổi thọ trung bình của mạch điện tử này là = 6. 32 .25 = 1 − e −0.3. tuổi thọ của thiết bị… hoặc khoảng thời gian giữa hai lần xuất hiện của một biến cố E nào đó mà số lần xuất hiện của E tuân theo luật phân bố Poisson.21) Hàm phân bố x F ( x) = ⎧⎪ 0 f t dt = ( ) ⎨ ∫ ⎪⎩1 − e −λx −∞ nÕu x ≤ 0 nÕu x > 0 (2. t > 0 P{X > x + t} = P{X > x}P{X > t} ∀ x.3. t > 0 (2. đặc biệt trong phương pháp phi tham số. đặt G ( x) = P{X > x} = 1 − F ( x) .24) Giải phương trình (2. Ví dụ 2.

2.26) Phân bố chuẩn được Gauss tìm ra năm 1809 nên nó còn được gọi là phân bố Gauss.26) ta suy ra các tính chất sau của đồ thị: - Nhận trục x = μ làm trục đối xứng.5. Trong thực tế.. - Khi σ tăng lên thì đồ thị sẽ thấp xuống.4.5.5. . còn khi μ giảm đồ thị dịch sang trái. chiều cao của một nhóm người nào đó. .3. điểm thi của thí sinh. Có 2 điểm uốn tại x = μ ± σ . X 2 . mức lãi suất của một công ty. năng suất cây trồng.3.. 2. - Đạt cực đại tại x = μ và có giá trị cực đại bằng - Do đó khi μ tăng lên thì đồ thị dịch sang phải. Chẳng hạn: trọng lượng. nhiều biến ngẫu nhiên tuân theo quy luật chuẩn hoặc tiệm cận chuẩn (Định lý giới hạn trung tâm).. ký hiệu X ~ N (μ . nếu hàm mật độ có dạng 1 f ( x) = e σ 2π − ( x − μ )2 2σ 2 . ∀ x ∈ (2.9: Biến ngẫu nhiên liên tục X có phân bố chuẩn N (μ .. Tính chất đồ thị của hàm mật độ của quy luật chuẩn Từ công thức xác định hàm mật độ (2. Phân bố chuẩn thường được thấy trong các bài toán về sai số gặp phải khi đo đạc các đại lượng vật lý.. - Diện tích giới hạn bởi đồ thị và trục hoành bằng 1. σ 2 ) 2. X k là k biến ngẫu nhiên độc lập cùng có phân bố mũ tham số λ > 0 thì X = X 1 + X 2 + + X k có phân bố Erlang − k tham số λ .. 2. 33 1 σ 2π . Quy luật phân bố Erlang − k Định nghĩa 2. σ 2 ) . Quy luật chuẩn N(μ . . Định nghĩa Định nghĩa 2.25) nÕu x ≤ 0 Có thể chứng minh được rằng nếu X 1 .1. còn khi σ giảm đồ thị cao lên và nhọn hơn. σ 2 ) .8: Biến ngẫu nhiên X có phân bố Erlang − k tham số λ > 0 nếu hàm mật độ có dạng: ⎧ λk x k −1e λx ⎪ f ( x) = ⎨ (k − 1)! ⎪ 0 ⎩ nÕu x > 0 (2.3.3.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng 2. - Tiệm cận với trục hoành khi x → ±∞ . nhu cầu tiêu thụ của một mặt hàng nào đó . thiên văn .

Hàm mật độ của N (0 . Đồ thị của hàm mật độ ϕ (x) 34 (2. ∀ x ∈ −∞ Có bảng tính sẵn các giá trị của ϕ ( x) và Φ ( x) (xem Phụ lục I và Phụ lục II).5.1) x 1 Φ ( x) = ∫ ϕ (t )dt = 2π −∞ x ∫ −t 2 e 2 dt .3.27) 2. Phân bố chuẩn tắc Phân bố chuẩn N (0 . X 2 là hai biến ngẫu nhiên độc lập có phân bố chuẩn X 1 ~ N (μ1 . σ12 + σ 22 ) (2.1) 1 2π ϕ ( x) = − x2 e 2 . ∀ x ∈ (2.3. đặc biệt X 1 + X 2 ~ N (μ1 + μ 2 . X 2 cũng có phân bố chuẩn. σ12 ) và X 2 ~ N (μ 2 .28) Hàm phân bố của N (0 . phương sai bằng 1 gọi là phân bố chuẩn tắc.29) .Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng y σ <1 σ =1 σ >1 x=μ O x Nếu X 1 .1) với kỳ vọng bằng 0. σ 22 ) thì tổ hợp tuyến tính bất kỳ của X 1 .

σ 2 ) thì X −μ ~ N (0 .Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng y 1 2π Φ(−a) 1 − Φ(a) O −a a x Các tính chất của hàm phân bố Φ (x) 1) Φ ( x) + Φ ( − x ) = 1 . σ (2. P { X > a} = 2 (1 − Φ (a) ) .1) thì ⎧⎪ ⎫⎪ ⎧⎪ ⎫⎪ P { X > Uα } = α . ⎬ = Φ⎜ σ ⎭ ⎩ σ ⎝ σ ⎠ ⎛a−μ⎞ ⎧a − μ X − μ b − μ⎫ ⎛b−μ⎞ < < P{a < X < b} = P ⎨ ⎟. σ 2 ) và kỳ vọng của nó được tính theo công thức ⎛ε P { X − μ < ε } = 2Φ ⎜ ⎝σ 35 ⎞ ⎟ −1 ⎠ (2.1) .33)” Xác suất của sự sai lệch giữa biến ngẫu nhiên có quy luật chuẩn X ~ N (μ . P { X < a} = 2Φ (a) − 1.33) Từ đó ta có ⎧ X − μ x − μ⎫ ⎛ x−μ⎞ < F ( x) = P{X < x} = P ⎨ ⎟. (2. Φ ( − x) = 1 − Φ ( x) .34) .10: Giá trị U α gọi là giá trị tới hạn của phân bố chuẩn tắc mức α nếu Φ −1 (1 − α) = U α .30) Định nghĩa 2.32) Người ta chứng minh được: Nếu X ~ N (μ . 2) Nếu X ~ N (0 . (2. P ⎨ X < U α ⎬ = 1 − α . 2⎪ 2⎪ ⎩⎪ ⎭ ⎩⎪ ⎭ (2.31) Nếu X ~ N (0 .33)’ (2. P ⎨ X > U α ⎬ = α . ⎟ − Φ⎜ ⎬ = Φ⎜ σ ⎭ σ ⎝ σ ⎠ ⎩ σ ⎝ σ ⎠ (2.1) thì ∀ a > 0.

σ 2 ) .27) ta đặt ε = 2σ tức là bằng hai lần độ lệch chuẩn của X thì P { X − μ < 2σ } = 2Φ ( 2 ) − 1 = 0. μ + 3σ ) .3.37) .Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng Ví dụ 3.11: Biến ngẫu nhiên liên tục X có phân bố “khi bình phương” n bậc tự do.5) = 1 − 0.35) Tương tự thay ε = 3σ ta được P {μ − 3σ < X < μ + 3σ } = 0.2 .36) Hai công thức trên là cơ sở của quy tắc hai xích ma và ba xích ma: Nếu X có phân bố chuẩn N (μ . Vậy P {μ − 2σ < X < μ + 2σ } = 0.4: Giả sử X ~ N (μ .3.881) ⇒ a − 2100 = 1. c) Xác định a để P{X > a} = 0. Quy luật khi bình phương Định nghĩa 2.6688 ⎟ − Φ⎜ 200 200 ⎠ ⎝ ⎠ ⎝ ⎛ a − 2100 ⎞ ⎛ a − 2100 ⎞ c) P{X > a} = 1 − Φ⎜ ⎟ = 0.03 ⇒ Φ⎜ ⎝ 200 ⎠ ⎝ 200 ⎠ Tra bảng ta được 0. Quy tắc hai xích ma và ba xích ma Nếu trong công thức (3.97 = Φ (1.9973 (2.4.9544 (2. μ + 2σ ) và hầu như toàn bộ giá trị của X nằm trong khoảng ( μ − 3σ . σ 2 ) thì có đến 95.881 ⇒ a = 2476. ký hiệu X ~ χ 2n nếu hàm mật độ có dạng x ⎧ x n / 2 −1 − 2 ⎪ e f ( x) = ⎨ 2 n / 2 Γ(n / 2) ⎪ 0 ⎩ 36 nÕu x > 0 nÕu x ≤ 0 (2. σ = 200 . b) P{1700 < X < 2200}.9544 . μ = 2100. Giải: ⎛ 2400 − 2100 ⎞ a) P{X > 2400} = 1 − Φ⎜ ⎟ = 1 − Φ (1.23): ⎛ 1700 − 2100 ⎞ ⎛ 2200 − 2100 ⎞ P{1700 < X < 2200} = Φ⎜ ⎟ = Φ(0.9332 = 0. 200 2.5.44% giá trị của X nằm trong khoảng ( μ − 2σ . 2.97 ⎟ = 0. Hãy tìm: a) P{X > 2400}.5) − Φ( −2) = 0. 200 ⎠ ⎝ b) Áp dụng công thức (3.03 .6.0668 .

0 Có thể chứng minh được rằng nếu X 1 .Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng +∞ trong đó Γ( x) = ∫t x −1 −t e dt là hàm Gamma. được định nghĩa như sau: { } P χ 2 > χ α2 (n) = α .41) . nếu hàm mật độ có dạng: −( n +1) ⎛ n + 1⎞ Γ⎜ ⎟ ⎛ 2⎞ 2 2 ⎠ ⎜ t ⎟ f (t ) = ⎝ 1+ . Quy luật student T(n) Định nghĩa 2. ký hiệu T ~ T(n) . (2. ký hiệu χ α (n) . X n là các biến ngẫu nhiên độc lập có cùng phân bố chuẩn tắc N (0. Bảng các giá trị tới hạn χ α 2. −∞ < t < ∞.3.40) 2 (n) được tính sẵn trong bảng ở Phụ lục III.34) suy ra rằng nếu X 1 . X 2 là hai biến ngẫu nhiên độc lập có phân bố khi bình phương lần lượt n1 và n2 bậc tự do thì X1 + X 2 là biến ngẫu nhiên có phân bố khi bình phương n1 + n2 bậc tự do X 1 + X 2 ~ χ 2n1 + n2 (2. . X 2 .1) thì n ∑ X i2 = X 12 + X 22 + i =1 + X n2 ~ χ 2n (2. Từ (3.38) Phân bố χ 2 do Karl Pearson đưa ra vào năm 1900. .12: Biến ngẫu nhiên liên tục T có phân bố Student n bậc tự do..7.39) y α O χ α2 (n) x 2 Giá trị tới hạn khi bình phương n bậc tự do mức α . n ⎟⎠ nπΓ(n / 2 ) ⎜⎝ 37 (2..

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng
trong đó Γ(x) là hàm Gamma.
Người ta chứng minh được rằng nếu Z ~ N (0 ;1) , V ~ χ 2n ; Z và V độc lập thì

T=

Z
V n

~ T( n )

(2.42)

Giá trị tới hạn mức α của phân bố Student n bậc tự do ký hiệu t n (α) thỏa mãn:

P{T > t α (n)} = α .

(2.43)

Bảng tính các giá trị tới hạn t α (n) cho trong Phụ lục IV.
Hàm mật độ (3.38) là hàm chẵn nên đồ thị đối xứng qua trục tung. Khi số bậc tự do tăng
lên, phân bố Student hội tụ rất nhanh về phân bố chuẩn tắc N (0;1) . Do đó khi n đủ lớn ( n ≥ 30 )
có thể dùng phân bố chuẩn tắc thay cho phân bố Student. Tuy nhiên khi n nhỏ ( n < 30 ) việc thay
thế như trên sẽ gặp sai số lớn.

f (t )

α

α

t α −1 (n)

O

t α (n)

t

2.4. CÁC THAM SỐ ĐẶC TRƯNG CỦA BIẾN NGẪU NHIÊN
2.4.1. Kỳ vọng toán
2.4.1.1. Định nghĩa
Kỳ vọng hoặc giá trị trung bình (average, mean value, expected value) của biến ngẫu nhiên
X ký hiệu là EX và được xác định như sau:
(i) Nếu X rời rạc nhận các giá trị xi với xác suất tương ứng pi = P{X = xi } thì

E X = ∑ xi p i
i

(ii) Nếu X liên tục có hàm mật độ f ( x) thì

38

(2.44)

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng

EX =

∫ xf ( x)dx

(2.45)

−∞

Kỳ vọng E X tồn tại nếu chuỗi (2.44) (trường hợp rời rạc) hội tụ tuyệt đối hoặc tích phân
(2.45) (trường hợp liên tục) hội tụ tuyệt đối.
Ví dụ 2.6: Tính kỳ vọng của biến ngẫu nhiên X cho ở ví dụ 2.3.
Giải: E X = 0 ×

1 6
9
15
5
+ 1× + 2 × + 3 ×
= .
30 5
30
30
30

Ví dụ 2.7: Theo thống kê việc một người Mỹ 25 tuổi sẽ sống thêm trên một năm có xác suất
là 0,992, còn xác suất để người đó chết trong vòng một năm tới là 0,008. Một chương trình bảo
hiểm đề nghị người đó bảo hiểm sinh mạng cho 1 năm với số tiền chi trả 1000 đô la, còn tiền
đóng là 10 đô la. Hỏi lợi nhuận của công ty bảo hiểm nhận được là bao nhiêu?
Giải: Rõ ràng lợi nhuận là biến ngẫu nhiên X với 2 giá trị là + 10 đô la (nếu người bảo
hiểm không chết) và − 990 đô la (nếu người đó chết). Bảng phân bố xác suất tương ứng.

X

− 990

+ 10

P

0,008 0,992

Do đó kỳ vọng E X = (−990) ⋅ 0,008 + 10 ⋅ 0,992 = 2 . Ta thấy lợi nhuận trung bình là một
số dương vì vậy công ty bảo hiểm có thể làm ăn có lãi.
Ví dụ 2.8: Tuổi thọ của một loại côn trùng nào đó là một biến ngẫu nhiên X (đơn vị là
tháng) với hàm mật độ như sau:

⎧⎪kx 2 (4 − x) nÕu 0 ≤ x ≤ 4
f ( x) = ⎨
⎪⎩ 0
nÕu ng−îc l¹i
Tìm hàm phân bố và tìm tuổi thọ trung bình của loài côn trùng trên.
4

Giải: Vì

∫x

2

(4 − x)dx =

0

64
3
⇒ k=
. Hàm phân bố xác suất
3
64

0


x
⎪ 3x 3 ⎛ 4 x ⎞
F ( x) = ∫ f (t )dt = ⎨
⎜ − ⎟
64
⎝3 4⎠

−∞

1

nÕu

x≤0

nÕu 0 < x ≤ 4
nÕu

x>4

4
3
3 ⎛⎜ 4 x 5 ⎞⎟
3
(
4
)
Tuổi thọ trung bình E X =
x
x
dx
x −

=
64 ∫0
64 ⎜⎝
5 ⎟⎠

4

=
0

12
(tháng).
5

2.4.1.2. Ý nghĩa của kỳ vọng
Kỳ vọng mang ý nghĩa là giá trị trung bình mà biến ngẫu nhiên nhận được. Giả sử biến
ngẫu nhiên X nhận các giá trị x1 , x 2 , ... , x m với các tần số tương ứng r1 , r2 , ... , rm .

39

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng

ri xi là tổng giá trị X nhận được với cùng giá trị xi . Do đó r1 x1 + r2 x 2 +
tổng tất cả các giá trị X nhận được.
đó r1 + r2 +

r1 x1 + r2 x 2 +
n

+ rm x m

+ rm x m là

là giá trị trung bình của X , trong

+ rm = n .

ri
được gọi là tần suất nhận giá trị xi của X . Trong trường hợp tổng quát thì tần
n
suất f i được thay bằng xác suất pi .
fi =

Trường hợp biến ngẫu nhiên liên tục phép tính tổng của giá trị trung bình được thay bằng
phép tính tích phân xác định.
Khái niệm kỳ vọng được áp dụng rộng rãi trong nhiều lĩnh vực. Trong kinh doanh và quản
lý, kỳ vọng được ứng dụng dưới dạng lợi nhuận kỳ vọng hay doanh số kỳ vọng.
2.4.1.3. Tính chất
1) E (C ) = C với mọi hằng số C.
2) E (CX ) = CE ( X ) với mọi hằng số C.

(2.46)

3) E ( X 1 +

(2.47)

+ X n ) = E (X1 ) +

+ E (X n )

4) Cho hàm số ϕ (x) , xét biến ngẫu nhiên Y = ϕ ( X ) thì

{

}

⎧ ∑ ϕ( xi ) pi nÕu X rêi r¹c cã pi = P X = xi
⎪ i

EY = ⎨ ∞
⎪ ϕ(x)f(x)dx nÕu X liª n tôc cã hµm mËt đé f ( x)
⎪⎩ −∫∞

(2.48)

Đặc biệt ta có các đẳng thức sau nếu tổng hoặc tích phân sau tương ứng hội tụ:

⎧ ∑ xi2 pi nÕu X rêi r¹c
⎪ i

2
EX =⎨ ∞
⎪ x 2 f(x)dx nÕu X liª n tôc cã hµm mËt đé

⎪⎩ −∞

(2.49)
f ( x)

5) Giả sử ϕ ( x, y ) là hàm hai biến sao cho ϕ ( X , Y ) còn là biến ngẫu nhiên, khi đó:

{

}

⎧ ∑ ϕ( xi , y j ) pij nÕu X rêi r¹c cã pij = P X = xi , Y = y j
⎪ i, j

E ϕ( X , Y ) = ⎨ ∞ ∞

ϕ(x, y)f(x, y)dxdy nÕu ( X , Y ) liª n tôc cã hµm mËt đé f ( x, y )
⎪ −∫∞ −∫∞

6) Nếu X 1 , ... , X n độc lập thì E ( X 1

X n ) = E (X1 )

E (X n ).

Ví dụ 2.10: Chọn ngẫu nhiên 3 bi từ một túi có 6 bi đen, 4 bi trắng.

40

(2.50)

(2.51)

Tìm kỳ vọng của tổng số nốt thu được.52) σ X = DX được gọi là độ lệch tiêu chuẩn (deviation) của X . 2 2. Phương sai của X được ký hiệu là DX hay var X và định nghĩa như sau: DX = E ( X − E X ) 2 (2. Các biến ngẫu nhiên X i đều có bảng phân bố xác suất như sau Xi P Do đó E X i = 1 2 3 4 5 6 1/ 6 1/ 6 1/ 6 1/ 6 1/ 6 1/ 6 1 (1 + 2 + 3 + 4 + 5 + 6) = 7 6 2 ⇒ EX = 7 n. Phương sai 2. gọi X là tổng số nốt thu n n i =1 i =1 được trong n lần tung.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng a) Nếu chọn được 1 bi trắng sẽ được thưởng 200$. Như vậy X = ∑ X i . n) là số nốt thu được ở lần tung thứ i .4.3) thì Y = ϕ( X ) = 200 X là một biến ngẫu nhiên rời rạc có bảng phân bố sau: Y = ϕ( X ) P EY = 0 × 0 200 400 600 5 / 30 15 / 30 9 / 30 1 / 30 5 15 9 1 + 200 × + 400 × + 600 × = 240 = 200E X . . Tính kỳ vọng của Y .52) và áp dụng các tính chất của kỳ vọng ta có thể tính phương sai theo công thức sau: 41 . Giải: a) Gọi X là số bi trắng trong 3 bi vừa chọn (xem ví dụ 2. 5 Ví dụ 2.5) ta có E X = ∑ E X i . Gọi Z là số tiền nhận được..2. Định nghĩa Phương sai (variance) hay độ lệch bình phương trung bình của biến ngẫu nhiên X là đại lượng đo sự phân tán bình phương trung bình của X xung quanh giá trị trung bình EX . .4.. 30 30 30 30 b) Z = 200 X + 300(3 − X ) = 900 − 100 X ⇒ E Z = E (900 − 100 X ) = 900 − 100EX = 900 − 100 × 6 = 780$ .11: Tung con xúc xắc n lần.1. Gọi Y là số tiền nhận được.2. Giải: Gọi X i (i = 1. b) Nếu chọn được 1 bi trắng sẽ được thưởng 200$ và chọn được 1 bi đen sẽ được thưởng 300$. Theo công thức (3. Tính kỳ vọng của Z . Khai triển vế phải công thức (2.

55) −∞ Ví dụ 2. 008 + 102 ⋅ 0. Giải: E X 2 = (−990) 2 ⋅ 0. 4) Nếu X 1 .8.13: Tính phương sai của biến ngẫu nhiên xét trong ví dụ 2. 3) D(aX + b) = a 2 D( X ) với mọi hằng số a.49) thì phương sai có thể tính theo công thức sau: (i). Trong quản lý và kinh doanh thì phương sai đặc trưng cho mức độ rủi ro của các quyết định.2..53) Theo công thức (2. Tính chất 1) D(a) = 0 với mọi hằng số a ..2. 2.57) + a 2n D ( X n ) .56) + an X n ) = a12 D ( X1 ) + 42 (2. .992 = 7940 ⇒ DX = EX 2 − ( EX ) = 7940 − 4 = 7936 ⇒ σ X = DX = 7936 ≈ 89.4. Nếu X rời rạc nhận các giá trị với xác suất tương ứng pi = P{X = xi } thì D X = ∑ ( xi − E X )2 pi = ∑ xi2 pi − (E X )2 i (2. 5 ⎝5⎠ 25 5 Phương sai của biến ngẫu nhiên X là độ lệch bình phương trung bình quanh giá trị trung bình E X .54) i (ii). nhưng ví dụ 2.58) . Nếu X liên tục có hàm mật độ f (x) thì ∞ DX = ∫ (x − E X ) 2 ∞ f ( x)dx = −∞ ∫x 2 f ( x)dx − (E X )2 (2.12 cho thấy rủi ro của bảo hiểm rất lớn.7. . X n độc lập có các phương sai hữu hạn thì D ( a1 X1 + (2. 2) D(aX ) = a 2 D( X ) với mọi hằng số a . Giải: E X 2 4 3 3 ⎛⎜ 4 x 5 x 6 ⎞⎟ 4 x (4 − x)dx = = − 64 ∫0 64 ⎜⎝ 5 6 ⎟⎠ ⇒ DX = EX 2 − (EX )2 = 4 = 0 32 5 2 32 ⎛ 12 ⎞ 16 4 −⎜ ⎟ = ⇒ σX = . Trong kỹ thuật phương sai đặc trưng cho mức độ phân tán của các chi tiết gia công hay sai số của thiết bị.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng DX = E X 2 − ( E X ) 2 (2. Ví dụ 2.08 . Ví dụ 2. (2.8 cho thấy đầu tư bảo hiểm cho những người 25 tuổi là có lãi. b .12: Tính phương sai của biến ngẫu nhiên xét trong ví dụ 2. 2 Điều này nói lên rằng mặc dù kinh doanh bảo hiểm có lãi nhưng rủi ro khá lớn.

.1. xi +1 ] vα = ⎨ ⎩ xi +1 (2.3.15: Tung con xúc xắc n lần độc lập nhau. 43 . ∀ m ∈ [xi . ký hiệu MedX .61) 2.58) ta có DX = ∑ DX i . Như vậy trung vị là điểm phân chia phân bố xác suất thành hai phần bằng nhau. E X i2 = 12 + 2 2 + 3 2 + 4 2 + 5 2 + 6 2 = ..3. Vì các X i (i = 1. .4. nghĩa là vα = F −1 (α ) • Nếu X rời rạc có phân bố: X P x1 p1 x2 … p2 … ⎧ m. 6 2 12 12 2. Vậy DX = n .4. Y độc lập và DX .Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng Nói riêng: Nếu X .2. Trung vị 2. do đó theo công i =1 n thức (2. 2 6 6 91 7 2 35 35 − 2 = . Ví dụ 2.4. Mốt Mốt (Mode) của biến ngẫu nhiên X là giá trị mà biến ngẫu nhiên X nhận với xác suất lớn nhất. i =1 Mặt khác E X i = Do đó DX i = ( ) 7 1 91 . DY hữu hạn thì D ( X ± Y ) = DX + DY .11.3.59) Nếu F (x) liên tục tăng chặt thì phân vị vα là nghiệm duy nhất của phương trình F (x) = α . Tìm phương sai của tổng số nốt xuất hiện. Phân vị. n Giải: Xét X = ∑ X i ở ví dụ 2..4.60) đặt Pi = p1 + nÕu Pi = α < Pi +1 nÕu Pi < α < Pi +1 + pi thì (2. Phân vị Phân vị mức α của biến ngẫu nhiên X có hàm phân bố F (x) là giá trị vα thỏa mãn P{X < vα } ≤ α ≤ P{X ≤ vα } F (vα ) ≤ α ≤ F (vα + 0) Hay • (2.4. Trung vị Phân vị mức 1/2 được gọi là median hay trung vị của X . n) độc lập nhau. 2.

p 2 .3 ⎪ ⎪⎪ 0.19: Tìm MedX và ModX của biến ngẫu nhiên liên tục X có hàm mật độ xác định như sau ⎧3 ⎪ x(2 − x ) f ( x) = ⎨ 4 ⎪⎩ 0 Giải: Hàm phân bố xác suất 44 víi 0 ≤ x ≤ 2 nÕu tr¸i l¹i . Ví dụ 2.62) Nếu X liên tục có hàm mật độ f ( x) c = Mod X ⇔ f (c) = max{ f ( x) .13 Giải: Dễ thấy rằng ModX = 20 .3 có Mốt và trung vị ModX = MedX = 1 .16: Biến ngẫu nhiên X ở ví dụ 2.55 F ( x) = ⎨ ⎪ 0.18 0. Hàm phân bố xác suất của X ⎧0 ⎪ 0.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng • X P Nếu X rời rạc có phân bố: x1 p1 xi0 = Mod X ⇔ • x2 … p2 … thì pi0 = max{p1 .73 ⎪ 0.63) Ví dụ 2.14 0.4 Giải: MedX là nghiệm của phương trình F ( x) = x 2 = ⎧0 ⎪ Hàm mật độ f ( x) = ⎨2 x ⎪0 ⎩ 1 1 ⇒ MedX = .87 ⎪ ⎪⎩ 1 nÕu x ≤ 20 nÕu 20 < x ≤ 21 nÕu 21 < x ≤ 22 nÕu 22 < x ≤ 23 nÕu 23 < x ≤ 24 nÕu x > 24 Từ đó suy ra MedX = 21 .. 2 2 víi x ≤ 0 víi 0 < x ≤ 1 đạt cực đại tại x = 1 .25 0. vậy ModX = 1 .. x ∈ }.18: Tìm MedX và ModX của biến ngẫu nhiên liên tục X xét trong ví dụ 2.17: Tìm trung vị và Mốt của biến ngẫu nhiên rời rạc có bảng phân bố xác suất X 20 21 22 23 24 P 0.} (2.3 0. Ví dụ 2. . (2. víi x > 1 Ví dụ 2.

. (2. α 4 > 3 thì đồ thị hàm mật độ sẽ nhọn hơn so với đồ thị hàm mật độ chuẩn. do đó đạt cực đại tại điểm này.66) . 2.Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng víi x ≤ 0 ⎧ 0 ⎪ x3 ⎞ ⎪3 ⎛ F ( x) = ⎨ ⎜ x 2 − ⎟ víi 0 < x ≤ 2 ⎜ 3 ⎟⎠ ⎪4 ⎝ ⎪ 1 víi x > 2 ⎩ ⎧⎪ x 3 − 3x 2 + 2 = 0 1 .64) 2) Moment quy tâm cấp k μ k = E ( X − EX )k . hệ số bất đối xứng. (2. k = 1.. μ1 = 0 . 45 . 2.67) Nhận xét: ƒ m1 = EX .5. Với biến ngẫu nhiên có phân bố chuẩn thì α 4 = 3 .. α 3 > 0 thì phân bố xác suất và đồ thị của hàm mật độ sẽ lệch về bên phải hơn. Từ đó MedX = 1 . . ƒ Hệ số nhọn α 4 đặc trưng cho độ nhọn của đồ thị hàm mật độ so với đồ thị hàm mật độ của phân bố chuẩn.. song nếu phân bố của X quá lệch thì nên dùng Median và Mode để định vị. μ 2 = DX . ⇔⎨ 2 ⎪⎩0 < x ≤ 2 MedX là nghiệm của phương trình F ( x) = ⎧3 ⎪ (1 − x ) víi 0 < x < 2 Hàm mật độ f (x) có đạo hàm f ' ( x) = ⎨ 2 ⎪⎩ 0 nÕu tr¸i l¹i sang âm khi đi qua x = 1 .4. α 4 < 3 thì đồ thị hàm mật độ sẽ tù hơn so với đồ thị hàm mật độ chuẩn. Vậy ModX = 1 . (2. ƒ α 3 đo mức độ bất đối xứng của luật phân bố : Nếu α 3 < 0 thì phân bố xác suất và đồ thị của hàm mật độ sẽ lệch về bên trái hơn. ƒ Khi phân bố của X đối xứng hoặc gần đối xứng thì dùng kỳ vọng để định vị là tốt nhất. α 3 = 0 thì phân bố xác suất và đồ thị của hàm mật độ đối xứng. đổi dấu từ dương 2. . (2.65) 3) Hệ số bất đối xứng α3 = 4) Hệ số nhọn α4 = μ3 σ3 μ4 σ4 với σ = DX . k = 1. Moment. hệ số nhọn 1) Moment cấp k mk = EX k .

68) −∞ trong đó f X (x) hàm mật độ của biến ngẫu nhiên X . ϕ X (t ) = E e itX (2.69) 5) Các biến ngẫu nhiên X 1 . (2. 2) ϕ X (t ) ≤ ϕ X (0) = 1 . HÀM ĐẶC TRƯNG 2. 3) ϕ X (t ) xác định không âm. (2. . p) EX = np DX = npq Poisson X ~ P (λ ) EX = λ DX = λ Đều X ~ U(a. Tính chất 1) Hàm đặc trưng là biến đổi Fourier ngược của hàm mật độ ϕ X (t ) = F −1{ f X ( x)}.3. Vì vậy hàm đặc trưng có các tính chất như biến đổi Fourier.5.5.71) −∞ 2. b) X có phân bố mũ tham số λ > 0 EX = a+b 2 EX = DX = 1 λ it ) −1 (b − a ) 2 12 e ibt − e iat it (b − a) 1 λ λ − it DX = 46 e λ (e 2 λ .70) 6) Nếu hàm đặc trưng ϕ X (t ) có biến đổi Fourier (khả tích tuyệt đối và thỏa mãn điều kiện Dirichlet) thì hàm mật độ được tính theo công thức: 1 f X ( x) = 2π ∞ ∫e −itx ϕ X (t )dt .1.5. X 2 . Các đặc trưng của các quy luật phân bố xác suất thường gặp Quy luật xác suất Kỳ vọng Phương sai Hàm đặc trưng (peit + q )n Nhị thức X ~ B (n . X n độc lập khi và chỉ khi ϕ X1 + X 2 + + X n (t ) = ϕ X1 (t ) ϕ X n (t ) . 4) Nếu biến ngẫu nhiên X có môment cấp k thì ϕ X (t ) có đạo hàm đến cấp k và [ ] E Xk = 1 i k ) ϕ (k X (0) . . Định nghĩa Hàm đặc trưng biến ngẫu nhiên X ký hiệu là ϕ X (t ) và được định nghĩa bởi biểu thức: ∞ ( ) = ∫ eitx f X ( x)dx ... i là đơn vị ảo thỏa mãn i 2 = −1 .Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng 2.5. (2. 2.2.

. nghĩa là với mọi giá trị thực x ∈  thì {X < x} là một biến cố ngẫu nhiên. ™ Biến ngẫu nhiên liên tục nếu các giá trị của nó có thể lấp đầy một hoặc một số các khoảng hữu hạn hoặc vô hạn và xác suất P{X = a} bằng không với mọi a. Bảng phân bố xác suất của biến ngẫu nhiên rời rạc Giả sử biến ngẫu nhiên X chỉ nhận các giá trị x1 .Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng Chuẩn X ~ N( μ . .. F ( x) = ∫ f (t )dt ... x 2 . x 2 . . Người ta phân các biến ngẫu nhiên thành hai loại: ™ Biến ngẫu nhiên rời rạc nếu nó chỉ nhận một số hữu hạn hoặc vô hạn đếm được các giá trị. pi > 0 và ∑ pi = 1 . Nghĩa là có thể liệt kê các giá trị thành một dãy x1 . Hàm phân bố xác suất Hàm phân bố xác suất của biến ngẫu nhiên X là hàm số F ( x) xác định với mọi x ∈  bởi công thức: F ( x) = P{X < x}. Bảng phân bố xác suất của X có dạng sau: i X P x1 p1 x2 p2 Hàm mật độ phân bố xác suất của biến ngẫu nhiên liên tục Giả sử X là một biến ngẫu nhiên liên tục có hàm phân bố F ( x) . σ 2 ) EX = μ DX = σ 2 Erlang-k X ~ E k (λ ) k EX = λ DX = 1 iμt − σ2t 2 2 e k λk λ2 (λ − it )k TÓM TẮT Biến ngẫu nhiên Biến ngẫu nhiên X là đại lượng nhận các giá trị nào đó phụ thuộc vào các yếu tố ngẫu nhiên. . Hàm mật độ của biến x ngẫu nhiên X là hàm f (x) sao cho với mọi x ∈  . với xác suất tương ứng pi = P{X = xi } . −∞ Kỳ vọng Kỳ vọng hoặc giá trị trung bình của biến ngẫu nhiên X ký hiệu là EX và được xác định như sau: ƒ Nếu X rời rạc nhận các giá trị xi với xác suất tương ứng pi = P{X = xi } thì E X = ∑ xi p i i 47 . − ∞ < x < ∞ .

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng ∞ ƒ Nếu X liên tục có hàm mật độ f (x) thì E X = ∫ xf ( x)dx . Phương sai của X được ký hiệu là DX hay var X và định nghĩa như sau: DX = E ( X − E X ) . hệ số nhọn ƒ Moment cấp k mk = EX k . hệ số bất đối xứng. Mốt Mốt (Mode) của biến ngẫu nhiên X là giá trị mà biến ngẫu nhiên X nhận với xác suất lớn nhất.. . 2.. ƒ Nếu X rời rạc có phân bố: X P x2 … p2 … x1 p1 thì xi0 = Mod X ⇔ pi0 = max{p1 . ƒ Hệ số nhọn α 4 cho phép bổ sung thêm thông tin về phương sai của phân bố. 2 Độ lệch tiêu chuẩn σ X = DX được gọi là độ lệch tiêu chuẩn của X . −∞ Phương sai Phương sai hay độ lệch bình phương trung bình của biến ngẫu nhiên X là đại lượng đo sự phân tán bình phương trung bình của X xung quanh giá trị trung bình EX .} ƒ Nếu X liên tục có hàm mật độ f (x) thì c = Mod X ⇔ f (c) = max{ f ( x) . . ký hiệu MedX . k = 1. Phân vị Phân vị mức α của biến ngẫu nhiên X có hàm phân bố F (x) là giá trị vα thỏa mãn P{X < vα } ≤ α ≤ P{X ≤ vα } hay F (vα ) ≤ α ≤ F (vα + 0) Trung vị Phân vị mức 1/2 được gọi là median hay trung vị của X . ... Moment. k = 1. Như vậy trung vị là điểm phân chia phân bố xác suất thành hai phần bằng nhau.. 48 .. ƒ Hệ số bất đối xứng α3 = ƒ Hệ số nhọn α4 = ƒ Hệ số bất đối xứng α 3 đo mức độ bất đối xứng của luật phân bố. ƒ Moment quy tâm cấp k μ k = E ( X − EX )k . p 2 . x ∈ } . . μ3 σ3 μ4 σ4 với σ = DX . 2.

2. ⎝σ⎠ Đúng Sai . 49 . 2. 2. Đúng Sai .1 Biến ngẫu nhiên luôn luôn nhận giá trị dương.9 Hàm mật độ f (x) của biến ngẫu nhiên liên tục có tính chất f ( x) ≥ 0 .6 Hai biến ngẫu nhiên có cùng kỳ vọng sẽ có cùng phương sai. 2. 2. Đúng Sai .10 Tổng của hai biến ngẫu nhiên phân bố theo quy luật nhị thức bất kỳ luôn luôn là một biến ngẫu nhiên phân bố theo quy luật nhị thức. Đúng Sai . σ 2 ) thì xác suất sai lệch giữa ⎛ε⎞ X và kỳ vọng của nó thỏa mãn P{ X − μ < ε} = 2Φ⎜ ⎟ − 1 . .5 Kỳ vọng của tổng hai biến ngẫu nhiên luôn luôn bằng tổng các kỳ vọng của nó. Đúng Sai .8 Biến ngẫu nhiên tồn tại phương sai thì cũng tồn tại kỳ vọng. Đúng Sai . Đúng Sai . Đúng Sai .. 2. 2. Đúng Sai . 2.2 Biến ngẫu nhiên rời rạc chỉ nhận một số hữu hạn các giá trị. . 2. x n thì hệ các biến cố {X = x1 } . Đúng Sai . Đúng Sai . ….3 Nếu biến ngẫu nhiên X rời rạc chỉ nhận các giá trị x1 .Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng CÂU HỎI ÔN TẬP VÀ BÀI TẬP 2.12 Nếu X là biến ngẫu nhiên phân bố theo quy luật Poisson tham số λ >0 thì kỳ vọng. Đúng Sai . 2.13 Nếu biến ngẫu nhiên X phân bố theo quy luật chuẩn N (μ. 2. {X = x n } lập thành một hệ đầy đủ. phương sai và mốt của X đều bằng λ .11 Biến ngẫu nhiên phân bố theo quy luật Poisson là biến ngẫu nhiên rời rạc nên chỉ nhận một số hữu hạn các giá trị.7 Phương sai của tổng hai biến ngẫu nhiên rời rạc luôn luôn bằng tổng phương sai của nó.. 2. Đúng Sai .4 Kỳ vọng của biến ngẫu nhiên rời rạc là giá trị nó lấy thường xuyên nhất.

Cho biết D( X ) = 4 . x3 = 1 .3 0.14 Nếu biến ngẫu nhiên X phân bố theo quy luật chuẩn N (μ. 4 0. b) Z = −3 X + Y . II. 2. x3 . 2.17 Biến ngẫu nhiên rời rạc X nhận ba giá trị có thể có là x1.1 và D( X ) = 0. x 2 = 0 . Y độc lập. 2.89 . x2 .21 Biến ngẫu nhiên rời rạc X nhận các giá trị có thể có là x1 = −1.16 Biến ngẫu nhiên X có bảng phân bố X −5 2 3 4 P 0.19 Cho X 1 . DX 2 . 6 với xác suất tương ứng p1 = 0.22 Xếp ngẫu nhiên 5 hành khách lên 3 toa tầu I.5 0. x2 = 0. Đúng Sai . Đúng Sai . p3 biết rằng E ( X ) = 0. p2 = 0. D( X ) . 2 Tính kỳ vọng EX và phương sai DX.8 0. D(Y) = 5 .6 P 0. a) Tính xác suất để cả 3 toa đều có khách. 2. b) Lập bảng phân bố xác suất của biến ngẫu nhiên X và biến ngẫu nhiên Y .Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng 2. 2.2 Lập X = X1 + X 2 + X 3 . Tìm các xác suất tương ứng p1 . Biết x1 = 4. III. 2.3 0. Tìm x3 và p3 . DX 1 . 3 2. X 3 là ba biến ngẫu nhiên độc lập có bảng phân bố xác suất như sau: X1 0 2 X2 1 2 X3 0 2 P 0. Gọi X là số khách lên toa I và Y là số khách lên toa II và III.18 Cho X 1 và X 2 là hai biến ngẫu nhiên độc lập có bảng phân bố xác suất như sau: X1 2 3 5 X2 1 4 P 0. EX 2 . Tính D(Z ) với: a) Z = 2 X + 3Y .6 0.20 Hai biến ngẫu nhiên X .1) .2 0. σ 2 ) thì X −μ phân bố theo σ quy luật chuẩn tắc N (0.2 P 0.15 Biến ngẫu nhiên phân bố theo quy luật Student chỉ nhận những giá trị dương.1 0.4 P 0. X 2 . p 2 .5 . b) Tính E( X 1 + X 2 ) và D( X 1 + X 2 ) . 50 . 2.8 a) Tính EX 1 .3 và có kỳ vọng EX = 8. Tính E ( X ) .4 0.

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng
2.23 Tính kỳ vọng của biến ngẫu nhiên liên tục X có hàm mật độ xác suất

⎧ cos x
nÕu x ∈ ( −π / 2; π / 2 )

f ( x) = ⎨ 2
⎪0
nÕu x ∉ ( −π / 2; π / 2 )

2.24 Tuổi thọ của một loài côn trùng nào đó là một biến ngẫu nhiên X (đơn vị là tháng) với hàm
mật độ như sau

⎧⎪ kx 2 (2 − x) nÕu 0 ≤ x ≤ 2
f ( x) = ⎨
nÕu tr¸i l¹i
⎪⎩0
a) Tìm k ;
b) Tính xác suất để côn trùng chết trước khi nó được một tháng tuổi;
c) Tìm EX , DX .
2.25 Hai xạ thủ A và B tập bắn. Mỗi người bắn hai phát. Xác suất bắn trúng đích của A trong mỗi
lần bắn là 0,4; còn của B là 0,5.
a) Gọi X là số phát bắn trúng của A trừ đi số phát bắn trúng của B. Tìm phân bố xác suất
của X , kỳ vọng EX và phương sai DX.
b) Tìm phân bố xác suất của Y = X và kỳ vọng EY .
2.26 Một xí nghiệp có hai ôtô vận tải hoạt động. Xác suất trong ngày làm việc các ôtô bị hỏng
tương ứng bằng 0,1 và 0,2. Gọi X là số ôtô bị hỏng trong thời gian làm việc. Lập bảng phân
bố xác suất, tính kỳ vọng EX và phương sai DX của X .
2.27 Cho biến ngẫu nhiên rời rạc X có bảng phân bố xác suất

X

0

1

2

3

4

5

6

7

P

0

k

2k

2k

3k

k2

k2

k2 + k

a) Xác định k.
b) Tính xác suất P { X ≥ 5} và P { X < 3} .
c) Tính kỳ vọng EX.
d) Tính phương sai DX .
2.28 Có 5 sản phẩm trong đó có 4 chính phẩm và 1 phế phẩm. Người ta lấy ra lần lượt 2 sản
phẩm (lấy không hoàn lại).
a) Gọi X là "số phế phẩm có thể gặp phải". Lập bảng phân bố xác suất của X.
Tính kỳ vọng EX và phương sai DX.
b) Gọi Y là "số chính phẩm có thể gặp phải". Lập hệ thức cho biết mối quan hệ giữa Y và
X. Tính kỳ vọng EY và phương sai DY.

51

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng
2.29 Một nhóm có 10 người trong đó có 6 nam và 4 nữ. Chọn ngẫu nhiên ra 3 người. Gọi X là số
nữ có trong nhóm được chọn. Lập bảng phân bố xác suất của X. Tính kỳ vọng EX.
2.30 Hai kiện tướng bóng bàn ngang sức thi đấu với nhau. Hỏi thắng 2 trong 4 ván dễ hơn hay
thắng 3 trong 6 ván dễ hơn.
2.31 Một nữ công nhân quản lý 12 máy dệt. Xác suất để mỗi máy trong khoảng thời gian T cần
đến sự chăm sóc của nữ công nhân là 1/3. Tính xác suất:
a) Trong khoảng thời gian T có 4 máy cần đến sự chăm sóc của nữ công nhân.
b) Trong khoảng thời gian T có từ 3 đến 6 máy cần đến sự chăm sóc của nữ công nhân.
2.32 Trong một lô hàng có 800 sản phẩm loại 1 và 200 sản phẩm loại 2. Lấy ngẫu nhiên ra 5 sản
phẩm theo phương thức có hoàn lại. Gọi X là số sản phẩm loại 1 lấy được.
a)

X tuân theo quy luật phân bố gì? Viết biểu thức tổng quát của quy luật.

b) Tìm kỳ vọng và phương sai của X .
c) Tìm mốt của X và tính khả năng để xảy ra điều đó.
2.33 Xác suất để sản phẩm sản xuất ra bị hỏng bằng 0,1.
a) Tìm xác suất để trong 5 sản phẩm sản xuất ra có không quá 2 sản phẩm hỏng.
b) Tìm số sản phẩm hỏng trung bình trong 5 sản phẩm đó.
c) Tìm số sản phẩm hỏng có khả năng xảy ra nhiều nhất.
2.34 Một bài thi trắc nghiệm gồm có 10 câu hỏi, mỗi câu hỏi có 5 phương án trả lời, trong đó chỉ
có một phương án đúng. Giả sử mỗi câu trả lời đúng được 4 điểm và câu trả lời sai bị trừ 2
điểm. Một học sinh kém làm bài bằng cách chọn hú hoạ một phương án cho mỗi câu hỏi. Tính
xác suất để:
a) Anh ta được 4 điểm.
b) Anh ta bị điểm âm.
2.35 Tín hiệu thông tin được phát đi 5 lần độc lập nhau. Xác suất thu được tin của mỗi lần phát là
0,7. Tính xác suât:
a) Thu được tín hiệu đúng 2 lần.
b) Thu được tín hiệu nhiều nhất 1 lần.
c) Thu được tin.
2.36 Một cầu thủ nổi tiếng về đá phạt đền, xác suất đá vào gôn là 4/5. Có người cho rằng cứ “sút”
5 quả thì chắc chắn rằng có 4 quả vào lưới. Điều khẳng định đó có đúng không? Tìm xác suất
để trong 5 lần sút có đúng 4 lần bóng vào lưới.
2.37 Ỏ một tổng đài bưu điện các cuộc điện thoại gọi đến xuất hiện một cách ngẫu nhiên, độc lập
với nhau và trung bình có 2 cuộc gọi trong một phút. Tính xác suất để:
a) Có ít nhất một cuộc gọi trong khoảng thời gian 10 giây.
b) Trong khoảng thời gian 3 phút có nhiều nhất ba cuộc gọi.
c) Trong khoảng thời gian 3 phút liên tiếp mỗi phút có nhiều nhất một cuộc gọi.

52

Chương 2: Biến ngẫu nhiên và các đặc trưng của chúng
2.38 Biến ngẫu nhiên X tuân theo quy luật chuẩn với kỳ vọng μ = 10 và phương sai σ 2 = 4 .
Tính xác suất để X nhận giá trị trong khoảng (8; 12).
2.39 Biến ngẫu nhiên X tuân theo quy luật chuẩn với kỳ vọng μ = 10 . Xác suất để X nhận giá
trị trong khoảng (10; 20) là 0,3. Tìm xác suất để X nhận giá trị trong khoảng (0; 10).
2.40 Trọng lượng sản phẩm X do một máy tự động sản xuất là một biến ngẫu nhiên tuân theo
quy luật chuẩn với μ = 100 gam và độ lệch chuẩn σ = 100 gam. Sản phẩm được coi là đạt tiêu
chuẩn kỹ thuật nếu trọng lượng của nó đạt từ 98 đến 102gam.
a) Tìm tỷ lệ sản phẩm đạt tiêu chuẩn kỹ thuật của nhà máy.
b) Tìm tỷ lệ phế phẩm của nhà máy.
c) Giải thích bằng đồ thị kết quả tìm được ở phần a).
2.41 Chiều cao của nam giới khi trưởng thành ở một vùng dân cư là biến ngẫu nhiên phân bố
chuẩn vớí kỳ vọng μ = 160 cm và độ lệch chuẩn σ = 6 cm. Một thanh niên bị coi là lùn nếu
có chiều cao nhỏ hơn 155 cm.
a) Tìm tỷ lệ thanh niên lùn ở vùng đó.
b) Tìm xác suất để lấy ngẫu nhiên 4 người thì có ít nhất 1 người không bị lùn.
2.42 Cho X i ( i = 1, n )là các biến ngẫu nhiên độc lập, cùng tuân theo quy luật chuẩn với

E( X 1 ) = E( X 2 ) = ... = E( X n ) = μ ; D( X 1 ) = D( X 2 ) = ... = D( X n ) = σ 2

{

}

Lập công thức tính P X − μ < ε biết rằng X =
chuẩn, ε > 0 tùy ý.

53

1 n
∑ X i và cũng tuân theo quy luật
n i =1

X n ) đó là hàm của các biến ngẫu nhiên đã cho. Biến ngẫu nhiên nhiều chiều rời rạc được xác định bởi bảng phân bố xác suất đồng thời. phân bố xác suất của biến ngẫu nhiên rời rạc. Để học tốt chương này học viên cần nắm vững các tính chất cơ bản của xác suất. Từ các biến ngẫu nhiên X 1 .. phương sai của các biến ngẫu nhiên thành phần.Chương 3: Véc tơ ngẫu nhiên CHƯƠNG III: VÉC TƠ NGẪU NHIÊN GIỚI THIỆU Véc tơ ngẫu nhiên là một bộ có thứ tự bao gồm nhiều biến ngẫu nhiên. Tích phân suy rộng. hàm nhiều biến. . . Mỗi biến ngẫu nhiên là một thành phần của véc tơ ngẫu nhiên. 54 . X n ) . còn biến ngẫu nhiên liên tục được xác định bởi hàm mật độ xác suất đồng thời. Nếu tất cả các biến ngẫu nhiên thành phần liên tục thì biến ngẫu nhiên nhiều chiều tương ứng gọi là liên tục. Dựa vào công thức cộng xác suất đầy đủ ta có thể tìm được bảng phân bố xác suất của hai biến ngẫu nhiên thành phần... Trường hợp biến ngẫu nhiên nhiều chiều có các biến ngẫu nhiên thành phần rời rạc được gọi là biến ngẫu nhiên nhiều chiều rời rạc. . Dựa vào đặc trưng này ta có thể xây dựng hàm hồi quy tương quan. xác suất có điều kiện. bằng cách áp dụng công thức tính xác suất có điều kiện suy ra quy luật phân bố xác suất có điều kiện của các biến ngẫu nhiên thành phần. Hai biến ngẫu nhiên độc lập thì không tương quan. từ hàm mật độ đồng thời ta có thể tìm hàm mật độ của biến ngẫu nhiên thành phần bằng cách lấy tích phân theo các biến thích hợp. x n ) ta có thể xây dựng các biến ngẫu nhiên mới ϕ( X 1 . Tương tự. Hệ số tương quan đo mức độ phụ thuộc tuyến tính của hai biến ngẫu nhiên thành phần. . Đối với biến ngẫu nhiên không độc lập.. Số biến ngẫu nhiên thành phần gọi là chiều của véc tơ ngẫu nhiên. các véc tơ ngẫu nhiên còn được đặc trưng bởi hiệp phương sai và hệ số tương quan. X 2 . . X n và hàm nhiều biến ϕ( x1 . Hai biến ngẫu nhiên thành phần không tương quan thì hệ số tương quan bằng 0.. quy luật biến ngẫu nhiên nhiều chiều được khảo sát thông qua hàm phân bố... Xác định bảng phân bố xác suất hay hàm mật độ xác suất của ϕ( X 1 . theo cột và xác suất tương ứng. . Tương tự biến ngẫu nhiên. hệ số tương quan càng gần 1 thì mức độ phụ thuộc tuyến tính càng chặt.. hàm phân bố hoặc hàm mật độ xác suất. Ngoài các đặc trưng kỳ vọng. Với biến ngẫu nhiên hai chiều rời rạc ta có bảng phân bố xác suất đồng thời. đó là bảng ghi các giá trị của hai biến ngẫu nhiên thành phần theo hàng. Tính độc lập của các biến ngẫu nhiên được nhận biết thông qua dấu hiệu của bảng phân bố. . .

X 2 .. Các biến ngẫu nhiên hai chiều. . ... x 2 .4) F ( x1 .. . . x n ) = P{X 1 < x1 ... Những đại lượng này được gọi một cách tương ứng là biến ngẫu nhiên hai chiều. Nếu ta chỉ quan tâm đến trọng lượng và thể tích của sản phẩm ta cũng được biến ngẫu nhiên hai chiều. X k −1 < x k −1 .2: Hàm n biến F ( x1 . X 2 . x n ) không giảm theo từng biến. n chiều. Hàm phân bố Định nghĩa 3.1. X 2 < x 2 . 6. x n ) = 0 .1. .. .. X k +1 < x k +1 . X n ) là liên tục hay rời rạc nếu tất cả các biến ngẫu nhiên thành phần X 1 .1) được gọi là hàm phân bố của véc tơ ngẫu nhiên X = ( X 1 . X 2 .. xk →−∞ lim ( x1 . . 4. Véc tơ ngẫu nhiên n chiều ( X 1 . x n ) ≤ 1 .... Định nghĩa 3.1. đó là các biến ngẫu nhiên một chiều. xn ) = P{X 1 < x1 . . …. Ví dụ 3. . xn )→( ∞ .. . .. .. Nếu kích thước của sản phẩm được đo bằng chiều dài X và chiều rộng Y thì ta có biến ngẫu nhiên hai chiều.. .. .. . X 2 . trong đó X là biến ngẫu nhiên thành phần thứ nhất và Y là biến ngẫu nhiên thành phần thứ hai.. 2. ba.. X n là liên tục hay rời rạc.. …. n chiều và được gọi chung là biến ngẫu nhiên nhiều chiều... 5.1... x 2 . X 2 . . . ∞ ) F ( x1 . n chiều còn được gọi là véc tơ ngẫu nhiên hai chiều. Tuy nhiên trong thực tế có thể gặp các đại lượng ngẫu nhiên mà giá trị nhận được là một bộ gồm hai. ..Chương 3: Véc tơ ngẫu nhiên NỘI DUNG 3. . x 2 . 3... X n . .. Hàm phân bố đồng thời có các tính chất: 1. . y ) là hàm phân bố của véc tơ ngẫu nhiên hai chiều ( X .. X n là các biến ngẫu nhiên. X n < x n } (3. X 2 .1: Một nhà máy sản xuất một loại sản phẩm. Y ) . . .. còn nếu xét thêm cả chiều cao Z nữa thì ta có biến ngẫu nhiên ba chiều... . x2 . X n ) hay được gọi là phân bố đồng thời của các biến ngẫu nhiên X 1 . Khái niệm Trong các chương trước ta xét các biến ngẫu nhiên mà giá trị chúng nhận được có thể biểu diễn bằng một số. . . ba chiều.. . x n ) = 1 . Y ) thì: 55 . ba chiều. .. Ta ký hiệu véc tơ ngẫu nhiên hai chiều là ( X . với k nào đó thuộc {1... . 0 ≤ F ( x1 . X n < x n } xk → ∞ Đặc biệt F ( x..1: Một véc tơ ngẫu nhiên n chiều là một bộ có thứ tự ( X 1 . X n ) với các thành phần X 1 .2) lim F ( x1 . .3) (3. n}. lim F ( x1 . (3.. x 2 . .2. . x k . 3. . . ba chiều. . n số.. .. KHÁI NIỆM VÉC TƠ NGẪU NHIÊN 3. x n ) xác định bởi: F ( x1 . x 2 . . (3. …. .. ….

lim F ( x. các xác suất này thỏa mãn ⎧ p ( xi .5) x →∞ FX ( x) . Y = y j . j = 1. Y theo cột và các xác suất tương ứng. ym ) p( x1 ) x2 p( x2 .2. y ) = P{X < x} = FX ( x) .Chương 3: Véc tơ ngẫu nhiên lim F ( x.1. 3. y ) = P{Y < y} = FY ( y ) y →∞ (3. ym ) p( xi ) X … xi p( xi . n ) là các giá trị có thể có của thành phần X . Y hay còn được gọi là các phân bố thành phần của véc tơ ngẫu nhiên ( X . nghĩa là: { } p( xi . n . y j ( j = 1. ym ) p( x2 ) p ( xi . y j ) … p ( x1. y j ) . y1 ) p ( x2 . y j ) … p( xn . y2 ) … p ( xn . y1 ) p( x1. FY ( y ) là các hàm phân bố của biến ngẫu nhiên X . ∀ i = 1. Y ) nhận giá trị ( xi . Bảng phân bố xác suất đồng thời Bảng phân bố xác suất đồng thời của biến ngẫu nhiên rời rạc hai chiều ( X . Y ) là bảng liệt kê tất cả các giá trị của X theo hàng. y j ) … … … … xn p( xn . y2 ) … p ( xi . BẢNG PHÂN BỐ XÁC SUẤT CỦA VÉC TƠ NGẪU NHIÊN RỜI RẠC HAI CHIỀU 3. y1 ) p( xi . y j ) … p( x2 . y j ) là xác suất đồng thời của biến ngẫu nhiên hai chiều ( X . m ) là các giá trị có thể có của thành phần Y .2. y ) . Y ∑j y1 y2 … yj … ym x1 p( x1. y2 ) … p ( x1. m ⎪⎪ ⎨ n m ⎪ ∑∑ p( xi . y j ) ≥ 0 . p ( xi . ym ) p( xn ) ∑i p ( y1 ) p ( y2 ) … p( y j ) … p ( ym ) 1 Trong đó xi ( i = 1. Y ) cũng là phân bố biên duyên của phân bố đồng thời F ( x.6) . y j ) = 1 ⎪⎩ i =1 j =1 56 (3. y2 ) … p ( x2 . y1 ) p ( xn . y j ) = P X = xi .

8) j =1 Như vậy từ bảng phân bố xác suất đồng thời của ( X . Giải: Chúng ta có bảng 8 kết quả đồng khả năng của việc gieo 3 đồng tiền cân đối và tính các giá trị của X . Bảng phân bố xác suất biên Áp dụng công thức xác suất đầy đủ (1. C. Hãy lập bảng phân bố xác suất đồng thời của X . B và Y là số mặt ngửa xuất hiện của cả 3 đồng tiền A. i =1 j = 1.7) ta có: { n } { n } p ( y j ) = P Y = y j = ∑ P X = xi . Y ) . Y = y j = ∑ p ( xi .2. { X = x2 } . X x1 x2 … xi … xn P p ( x1 ) p( x2 ) … p ( xi ) … p( xn ) Y y1 y2 … yj … ym P p( y1 ) p( y 2 ) … p( y j ) … p( y m ) Ví dụ 3. y j ) . Y . . n j =1 (3. A B C X Y N N N 2 3 N N S 2 2 N S N 1 2 N S S 1 1 S N N 1 1 S N S 1 2 S S N 0 1 S S S 0 0 57 . C. { X = xn } (xem công thức 2.2: Gieo 3 đồng tiền cân đối A. m (3.. Gọi X là số mặt ngửa xuất hiện của 2 đồng tiền A.Chương 3: Véc tơ ngẫu nhiên 3.7) i =1 Tương tự m { m } p( xi ) = P{ X = xi } = ∑ P X = xi .16) cho hệ { X = x1} ..2. i = 1. Y tương ứng. B.. B. Từ đó nhận được phân bố xác suất của biến ngẫu nhiên thành phần Y và biến ngẫu nhiên thành phần X . nếu ta cộng các xác suất theo hàng ta được các xác suất tương ứng với giá trị của X . y j ) . trong đó N là ký hiệu mặt ngửa xuất hiện còn S là mặt sấp. nếu ta cộng các xác suất theo cột thì ta được các xác suất tương ứng với các giá trị của Y . Y = y j = ∑ p( xi .

2) . 2 bi mang số 2. Hộp I có 1 bi mang số 1. Rút ngẫu nhiên từ mỗi hộp 1 bi. P{X = 1.1) ta có: P{X = 2. Hộp II có 2 bi mang số 1. 3 trường hợp (1.3: Có hai hộp. trong đó có 2 trường hợp (1. Gọi X . … Vậy bảng phân bố xác suất đồng thời của X . Y . Y = 2} = … 8 8 8 Vậy bảng phân bố xác suất đồng thời của X và Y là Y 0 1 2 3 ∑ 0 1/8 1/8 0 0 2/8 1 0 2/8 2/8 0 4/8 2 0 0 1/8 1/8 2/8 ∑ 1/8 3/8 3/8 1/8 1 X Phân bố xác suất của biến ngẫu nhiên thành phần: Cộng các cột ta được: X 0 1 2 P 2/8 4/8 2/8 Y 0 1 2 3 P 1/8 3/8 3/8 1/8 Cộng các hàng ta được: Ví dụ 3. 4 trường hợp (2. Y = 3} = 1 1 2 . 3 bi mang số 3. Hãy lập bảng phân bố xác suất đồng thời của X . P{X = 2. Giải: Mỗi hộp có 6 bi cho nên số các trường hợp có thể có của phép thử là 6 ⋅ 6 = 36 . mỗi hộp đựng 6 bi. Y như sau: 58 .Chương 3: Véc tơ ngẫu nhiên Sử dụng công thức tính xác suất cổ điển (1. 3 bi mang số 2. 1 bi mang số 3. Y = 2} = . Y lần lượt là số ghi trên bi rút được từ hộp I và hộp II.1) .1) .

p1 . 1 / 6. Tính các xác suất: 1) Có đúng 3 lần xuất hiện mặt 5 chấm (biến cố A).. 4 lần mặt 3 chấm. Giải: 1) Gọi X là số lần xuất hiện mặt 5 trong 10 lần thử thì X ~ 3 B (10 . X 3 . X 2 . 1 / 6 ) . q = 1 − ( p1 + p nkn q kn +1 + pn ) .. 1 / 6. thuần nhất mỗi phép thử có n + 1 kết quả. Xét N phép thử độc lập. X 6 = 3} = 59 10 10! ⎛ 1 ⎞ ⎜ ⎟ 2!0!4!1!3! ⎝ 6 ⎠ ≈ 0. Gieo xúc xắc cân đối 10 lần. p n ) .. .1 / 6.. . . p n ) nếu: N! p1k1 p 2k2 k1!k 2 !. .. 2) Có 2 lần xuất hiện mặt 1 chấm. giả sử xác suất xuất hiện kết quả thứ k là p k thì p1 + + p n + p n+1 = 1 . P ( B) = P{X 1 = 2. X n ) có phân bố đa thức X ~ MUT ( N .4: (Phân bố đa thức) Véc tơ ngẫu nhiên n chiều X = ( X 1 .. . X n = k n } = trong đó 0 ≤ k i ≤ N . . Gọi X k là số thành công của kết quả thứ k trong N phép thử thì X = ( X 1 . X 2 . X 6 ) có phân bố đa thức MUT (10 . X n ) được gọi là có phân bố đa thức với các tham số N .Chương 3: Véc tơ ngẫu nhiên Y 1 2 3 ∑ 1 2/36 3/36 1/36 1/6 2 4/36 6/36 2/36 2/6 3 6/36 9/36 3/36 3/6 ∑ 2/6 3/6 1/6 1 X Ví dụ 3. X 3 = 4. . . p n ký hiệu X ~ MUT ( N . X 4 = 1.. ⎝6⎠ ⎝6⎠ 2) Gọi X k là số lần xuất hiện mặt k trong 10 phép thử thì ( X 1 ..k n+1! P{X 1 = k1 .155 .. . ...0002 . p1 . 7 3 ⎛1⎞ ⎛5⎞ P ( A) = P{X = 3} = C10 ⎜ ⎟ ⎜ ⎟ = 0.. . X 4 . ... 1 lần mặt 4 chấm và 3 lần mặt 6 chấm (biến cố B). k n+1 = N − (k1 + + k n ) . p1 . X 2 . X 2 = 0.1 / 6) . . Trường hợp n = 1 ta được phân bố nhị thức. 1 / 6.

VÉC TƠ NGẪU NHIÊN LIÊN TỤC 3.12) −∞ −∞ P{( X . . . 0 ≤ y . . . y) dy = f X ( x) hàm mật độ của biến ngẫu nhiên X . x + y ≤ 1 . Oy. . X n . (3. Hàm mật độ của véc tơ ngẫu nhiên liên tục Định nghĩa 3. x 2 ... y nÕu ng−îc l¹i a) Tìm C. y)dxdy = 1.15) −∞ ∞ ∫ f ( x. y)dxdy với A ⊂ 2 . b) Tìm các hàm mật độ của các biến ngẫu nhiên X. ... Phần của D nằm trong góc phần tư thứ nhất là tam giác vuông cân 0 ≤ x. x 2 . x n ) = P{X 1 < x1 .3: Hàm mật độ của véc tơ ngẫu nhiên liên tục X = ( X 1 .. . dt n f ( x1 . Tính chất: Để đơn giản cho cách biểu diễn ta xét trường hợp véc tơ ngẫu nhiên hai chiều ( X . X 2 .. . Giải: −1 a) Miền D: x + y ≤ 1 đối xứng qua hai trục toạ độ Ox.3.5: Cho véc tơ ngẫu nhiên ( X . X n ) là hàm n biến f ( x1 .Y. X 2 . . Y ) có hàm mật độ xác định như sau: ⎧C f ( x. y ) = ⎨ ⎩0 nÕu x + y ≤ 1 . . t n ) dt1dt 2 .. y ) ≥ 0 với mọi ( x. .Chương 3: Véc tơ ngẫu nhiên 3.. t 2 .14) ∞ 4) ∫ f ( x.. y ) và ∫ ∫ f ( x. y )∈A ⎧ ∂2 F ( x.. x 2 . ..13) ( x . y ) . X n < x n } = x1 xn −∞ −∞ ∫ ∫ f (t1 . y ) = ⎨ ∂x∂y ⎪ 0 nÕu ng−îc l¹i ⎩ 3) (3.3. −∞ Ví dụ 3. x n ) còn được gọi là hàm mật độ đồng thời của X 1 . y ) ⎪ f ( x... . y) dx = f Y ( y ) hàm mật độ của biến ngẫu nhiên Y . X 2 < x 2 .. Y ) có hàm mật độ f ( x.1. x n ) ≥ 0 thoả mãn: F ( x1 .. (3. 60 1 x . Y ) ∈ A} = 2) ∫∫ f ( x. ∞ ∞ 1) f ( x. .. y ) nÕu tån t¹i đ ¹o hµm t¹i ( x. (3.

y j ) = p ( xi ) p( y j ) ∀ i = 1. 8 61 2 .Chương 3: Véc tơ ngẫu nhiên Vậy D là hình vuông có độ dài cạnh bằng 2 .2: Véc tơ ngẫu nhiên hai chiều rời rạc ( X . j = 1. y ) là hàm phân bố của véc tơ ngẫu nhiên ( X . y ) = FX ( x) FY ( y ) (3.16) trong đó FX ( x). Y độc lập khi và chỉ khi F ( x. Ví dụ 3. 8 . Y = 1} = 0 . n .1: Giả sử F ( x. • Hai cột bất kỳ tỉ lệ.6: Hai biến ngẫu nhiên X và Y của ví dụ 3. Định lý 3. Định lý 3. Y ) với phân bố xác suất đồng thời (3.17 ) Một dấu hiệu để nhận biết hai biến ngẫu nhiên rời rạc độc lập là bảng phân bố xác suất đồng thời có tính chất: • Hai hàng bất kỳ tỉ lệ. Y ) . Khi đó X . m .2 không độc lập vì P{X = 2} = P{Y = 1} = 3 nhưng P{X = 2.4: Hai biến ngẫu nhiên X và Y gọi là độc lập nếu mỗi biến ngẫu nhiên nhận giá trị này hay giá trị khác không ảnh hưởng gì đến phân bố xác suất của biến ngẫu nhiên kia. 2 ⎧ x − 1 ≤ y ≤ 1 − x nÕu 0 ≤ x ≤ 1 b) x + y ≤ 1 ⇔ x − 1 ≤ y ≤ x + 1 ⇔ ⎨ ⎩− x − 1 ≤ y ≤ x + 1 nÕu -1 ≤ x ≤ 0 ⎧ 1 1+ x ⎪ ∫ dy = 1 + x nÕu − 1 ≤ x ≤ 0 ⎪ 2 -x-1 ⎧⎪1 − x ⎪ =⎨ f X ( x) = ⎨ 0 nÕu ng−îc l¹i ⎪⎩ 0 ⎪ 1− x ⎪ 1 dy = 1 − x nÕu 0 ≤ x ≤ 1 ⎪2 ∫ ⎩ x-1 nÕu x ≤ 1 nÕu x > 1 Do tính chất đối xứng của X và Y nên ta cũng có: ⎧⎪1 − y fY ( y) = ⎨ ⎪⎩ 0 nÕu y ≤ 1 nÕu y > 1 . FY ( y ) lần lượt là hàm phân bố của X và Y . (3. do đó: ∞ ∞ 1= ∫∫ f ( x. TÍNH ĐỘC LẬP CỦA CÁC BIẾN NGẪU NHIÊN Định nghĩa 3. 3.6) là độc lập khi và chỉ khi p ( xi .4. y )dxdy = Cdt D = 2C ⇒ C = −∞ −∞ 1 .

19) ♦ ϕ( x) đơn điệu giảm { } ( ) FY ( y ) = P{ϕ( X ) < y} = P X > ϕ −1 ( y ) = 1 − FX ϕ −1 ( y ) ⇒ FX ( x) = 1 − FY (ϕ( x) ) 62 . Hàm của một biến ngẫu nhiên Giả sử X là một biến ngẫu nhiên và ϕ( x) là hàm liên tục một biến số. ™ Trường hợp ϕ( x) là một song ánh. Y ) có hàm mật độ f ( x. y ) ≠ f X ( x ) f Y ( y ) . Y độc lập khi và chỉ khi f ( x. 3.3 độc lập vì thỏa mãn điều kiện (3.1. y ) .5. Trường hợp liên tục: Nếu X liên tục có hàm phân bố FX (x) và hàm mật độ f X (x) thì bằng phương pháp giải tích ta có thể tìm được hàm phân bố và hàm mật độ của biến ngẫu nhiên Y = ϕ( X ) . Khi đó Y = ϕ( X ) cũng là một biến ngẫu nhiên gọi là hàm của biến ngẫu nhiên X . y ) = f X ( x ) f Y ( y ) (3. a.5. Khi đó ϕ( x) hoặc đơn điệu tăng hoặc đơn điệu giảm: ♦ ϕ( x) đơn điệu tăng { } ( ) FY ( y ) = P{ϕ( X ) < y} = P X < ϕ −1 ( y ) = FX ϕ −1 ( y ) ⇒ FX ( x) = FY (ϕ( x) ) f X ( x) = f Y (ϕ( x) )ϕ' ( x) hay f Y ( y ) = ( ) = f X (ϕ−1 ( y)) = f X ( x) dx .3: Giả sử véc tơ ngẫu nhiên ( X . Trường hợp rời rạc: Nếu X có phân bố rời rạc: X x1 x2 … P p1 p2 … Y ϕ( x1 ) ϕ( x 2 ) … P p1 p2 … thì Y cũng có phân bố rời rạc: b.18) trong đó f X ( x). Định lý 3. dy ϕ' (ϕ −1 ( y ) ) ϕ' (ϕ −1 ( y ) ) f X ϕ −1 ( y ) (3. Khi đó X .17).5 không độc lập vì hàm mật độ f ( x.7: Véc tơ ngẫu nhiên ( X . Y ) của ví dụ 3.Chương 3: Véc tơ ngẫu nhiên Hai biến ngẫu nhiên X và Y của ví dụ 3. f Y ( y ) lần lượt là hàm mật độ của X và Y . HÀM CỦA CÁC BIẾN NGẪU NHIÊN 3. Ví dụ 3.

Vậy hàm mật độ của Z . Với z > 0 ta có: { dx 1 f X (3 y ) = . X là một biến ngẫu nhiên liên tục có hàm phân bố FX (x) và hàm mật độ f X (x) : a) Tìm hàm mật độ của Y = ϕ1 ( X ) .19) ta có: a. Với t > 0 ta có: { ) nÕu z > 0 nÕu z ≤ 0 } FT (t ) = P{T < t} = P e − X < t = P{X > − ln t} = 1 − FX (− ln t ) t ≤ 0 biến cố {T < t} là biến cố không thể vì T = e − X chỉ nhận giá trị dương. dy ϕ' (ϕ −1 ( y ) ) ϕ' (ϕ −1 ( y ) ) f X ϕ −1 ( y ) (3. d) Tìm hàm mật độ f Y ( y ) và hàm phân bố FY ( y ) và xác suất biến cố P{2. Với z ≤ 0 thì P{Z < z} = 0 vì Z = X 2 không nhận giá trị âm.8: Giả sử ϕ1 ( x) = x 3 . x = 3 y . do đó P{T < t} = 0 . dy 3 3 y 2 } { } FZ ( z ) = P{Z < z} = P X 2 < z = P − z < X < z = F X ( z ) − F X (− z ) .20) ™ Trường hợp ϕ(x) là một hàm liên tục bất kỳ ta tính trực tiếp xác suất P{Y < y = ϕ(x)} từ đó suy ra hàm phân bố và hàm mật độ của Y . Áp dụng công thức (3. Ví dụ 3.5 < Y < 5} nếu hàm mật độ f X (x) của X xác định bởi: ⎧2 ⎪ f X ( x) = ⎨ x 2 ⎪⎩ 0 nÕu 1 ≤ x ≤ 2 nÕu ng−îc l¹i Giải: dx 1 . ϕ 3 ( x) = e − x . y = ϕ1 ( x) = x 3 đồng biến. = dy 3 3 y 2 f Y ( y ) = f X ( x) b. ( ⎧ 1 f X ( z ) + f X (− z ) ⎪ f Z ( z) = ⎨ 2 z ⎪ 0 ⎩ c. c) Tìm hàm mật độ của T = ϕ 3 ( X ) . ϕ 2 ( x) = x 2 . Vậy hàm mật độ của T xác định như sau: Khi 63 . b) Tìm hàm mật độ của Z = ϕ 2 ( X ) .Chương 3: Véc tơ ngẫu nhiên f X ( x) = − f Y (ϕ( x) )ϕ' ( x) hay f Y ( y ) = − ( ) = f X (ϕ −1 ( y)) = f X ( x) dx .

⎜ 3 2. Khi đó ta có thể thiết lập một cặp biến ngẫu nhiên mới U . Khi đó Z là hàm của hai biến ngẫu nhiên X và Y. y 2 . Định lý: Giả sử Z = ϕ( X . Y là hai biến ngẫu nhiên.5 2 x2 dx ≈ 0. V bằng công thức: U = u ( X . j ) ϕ( xi . Y là hai biến ngẫu nhiên và ϕ( x.5 < Y < 5} = P 2. x m } và {y1 .. . y n . Y ) Giả sử T là ánh xạ từ  2 vào  2 xác định bởi: T ( x.2. Y có tập các giá trị {x1 . Y ) .5) = 2⎜ . Y ). y n } thì Z = ϕ( X . f Y ( y ) = . v( x. a) Trường hợp rời rạc: Nếu X .3040 . Y ) có tập các { } giá trị là ϕ( xi . . Y = y j }. Xét biến ngẫu nhiên Z xác định bởi Z = ϕ( X . y j ) i = 1.Chương 3: Véc tơ ngẫu nhiên ⎧ f X (− ln t ) nÕu t > 0 ⎪ f T (t ) = ⎨ t ⎪⎩ 0 nÕu t ≤ 0 ⎧ 2 1 f X (3 y ) ⎪ 3 4 nÕu 1 ≤ y ≤ 8 d.. y ) = (u ( x.5 < X < 5 = P 2. u ( x.5 < Y < 5} = FY (5) − FY (2.. . = ⎨3 y 3 3 y2 ⎪ ⎩ 0 nÕu ng−îc l¹i ⎧ 0 ⎪ 1 ⎞⎟ ⎪ ⎛ FY ( y ) = ⎨2⎜1 − ⎜ 3 y⎟ ⎪ ⎝ ⎠ ⎪ 1 ⎩ { nÕu y ≤ 1 nÕu 1 < y ≤ 8 . y ) là một hàm hai biến liên tục cho trước.. Khi đó: P{Z = a} = ∑ P{X = xi . x 2 . Hàm của hai biến ngẫu nhiên Giả sử X . .. v( x. .. ⎛ 1 1 ⎞⎟ − hoặc P{2. nÕu y > 8 3 } { 3 3 5 } ∫ P{2. Y ) . y ). y ) là hai hàm hai biến cho trước. y j ) =a} b) Trường hợp liên tục: Giả sử X . y ). . j = 1. m . {(i.5. V = v( X . ..5 3 5 ⎟ ⎝ ⎠ 3..5 < X < 5 = 3 3 2 . y ) ) 64 .

Y ( x. v ) ∈ Δ nÕu ng−îc l¹i Định lý 3. Y ) là hai biến ngẫu nhiên có mật độ đồng thời ⎧ D ( x. y ) = (u . y ) ∈  2 f X . Y liên tục có hàm mật độ đồng thời f X ( x) f Y ( y ) thì hàm mật độ của V : 65 . Y liên tục có hàm mật độ đồng thời f X . v). y ) > 0 Giả sử T ( x. v) ) fU .Y ( x(u . v) . v) ∈ Δ tồn tại duy nhất ( x. v) = = D(u .Y ( x. y ) ∈ D sao cho T ( x. v) = ⎨ D(u . y ) ) là ánh xạ 1 . = ∂v J (u . y ) = = D( x.Y ( x. Khi đó U = u ( X .Y ( x. y ) . (i) Nếu X . Y là hai biến ngẫu nhiên liên tục với mật độ đồng thời f X . y ) ∂v ∂x ∂x ∂v ∂y ∂v ∂u 1 ∂y . Y rời rạc thì phân bố xác suất của V : P{V = v} = ∑ P{X = x}P{Y = v − x} = ∑ P{Y = y}P{X = v − y} . y ) thì hàm mật độ của V : ∞ f V (v ) = ∫ f X .4: Giả sử X . Y = v − x} = ∑ P{Y = y. v) ∂x và định thức Jacobi của T là: J ( x.1 khả vi liên tục từ miền D ⊂  2 lên miền Δ ⊂  2 . Y rời rạc thì phân bố xác suất của V : P{V = v} = ∑ P{X = x. y ) = (u ( x. với mỗi (u . x (3. v) ∂y ∂u ∂u D (u . x (3. (i) Nếu X . v) ⎪ 0 ⎩ nÕu (u . y ) . y ). y ) ⎪ f X .23) y (ii) Nếu X .22) −∞ Hệ quả: Giả sử V = X + Y là tổng của hai biến ngẫu nhiên độc lập X .1 (đơn ánh) từ miền D ⊂  2 lên miền Δ ⊂  2 . v) = ( x. Ký hiệu: { } D = ( x. y ) ∂u J (u . V = v( X .21) y (ii) Nếu X . X = v − y} . v) ∂y Định lý 3. Y .V (u . v − x)dx . Định thức Jacobi của T −1 được xác định theo công thức sau: ∂x D( x. y (u . v( x. (3.5: Giả sử V = X + Y là tổng của hai biến ngẫu nhiên X . ta ký hiệu T −1 (u .Chương 3: Véc tơ ngẫu nhiên Giả thiết T là ánh xạ 1 . Y . Khi đó T có ánh xạ ngược T −1 : Δ → D . Y ).

6.26) j =1 i =1 n m DX = EX 2 − (EX )2 = ∑∑ xi2 p ( xi .29) ∫ ∫x 2 f X . (3.27) i =1 j =1 m n DY = EY 2 − (EY )2 = ∑∑ y 2j p ( xi .24) −∞ 3. Y ) = E ( X − EX )(Y − EY ) = E XY − EX EY 66 (3. ký hiệu cov( X . y)dxdy ∫ yfY ( y)dy = ∫ ∫ yf X .1.Chương 3: Véc tơ ngẫu nhiên ∞ f V (v ) = ∫ f X ( x) fY (v − x)dx = f X * f Y (v ) . y )dxdy − (EX )2 (3. Y rời rạc n n m EX = ∑ xi p ( xi ) = ∑∑ xi p ( xi . Y của véc tơ ngẫu nhiên ( X . y j ) i =1 (3.Y ( x. Trường hợp X . y)dxdy −∞ (3. Y .28) j =1 i =1 b. Y liên tục có hàm mật độ đồng thời f X .33) . là kỳ vọng toán của tích các sai lệch của các biến ngẫu nhiên đó với kỳ vọng toán của chúng: cov( X . y ) EX = EY = ∞ ∞ ∞ −∞ −∞ −∞ ∞ ∞ ∞ ∫ xf X ( x)dx = ∫ ∫ xf X .2. Y ) .31) −∞ −∞ DY = EY − (EY ) = 2 2 ∞ ∞ ∫ ∫y 2 f X .32) −∞ −∞ 3.5: Hiệp phương sai (hay còn gọi là Covariance) của hai biến ngẫu nhiên X . Hiệp phương sai Định nghĩa 3.6)-(3.6.30) −∞ −∞ ∞ ∞ DX = EX − (EX ) = 2 2 (3.Y ( x.8) và hàm mật độ thành phần ta có công thức tính kỳ vọng và phương sai của biến ngẫu nhiên thành phần X . y j ) j =1 (3.Y ( x. Kỳ vọng và phương sai của các biến ngẫu nhiên thành phần Từ bảng phân bố xác suất thành phần (3.Y ( x. y )dxdy − (EY )2 (3. y j ) − (EY )2 (3. Trường hợp X .6.25) i =1 j =1 m m n EY = ∑ y j p ( y j ) = ∑∑ y j p( xi .Y ( x. CÁC THAM SỐ ĐẶC TRƯNG CỦA BIẾN NGẪU NHIÊN 3. y j ) − (EX )2 (3. Y ) : a.

t 2 .6.35) −∞ −∞ Tính chất 1) cov( X . (3. Y ) = ∫ ∫ xyf X . ma trận moment) của véc tơ ngẫu nhiên X . Y độc lập thì ρ X .4. Y ) = cov(Y . c. b. 2) Với mọi t1 .3.6: Cho véc tơ ngẫu nhiên X = ( X 1 .Chương 3: Véc tơ ngẫu nhiên Nếu X .. Y rời rạc có bảng phân bố đồng thời (3. y)dxdy − E X E Y (3. (3.. Ma trận hiệp phương sai Định nghĩa 3. 67 . Y liên tục có hàm mật độ đồng thời f X . (3. j i 3) Các định thức con chính của M không âm. (3. 3. Hệ số tương quan Định nghĩa 3. Y ) = 0 nhưng ngược lại chưa chắc đúng. X ) = DX .6) thì m n cov( X .38) 4) Nếu X . X j ) Ma trận M = aij (3. . 3. .6. Y độc lập thì cov( X .Y = cov( X . Y . Nói cách khác ma trận hiệp phương sai M là ma trận của dạng toàn phương không âm.40) Tính chất 1) − 1 ≤ ρ X .37) 3) cov(aX + c.. Y ) σ X σY (3.Y ( x. [ ]n×n với aij = cov( X i . X ) . nhưng điều ngược lại chưa chắc đúng.41) 2) Nếu X .Y = 0 .7: Hệ số tương quan của hai biến ngẫu nhiên X .Y ≤ 1 với mọi X . bY + d ) = ab cov(Y .39) được gọi là ma trận hiệp phương sai (ma trận covariance. t n ∈  n luôn có ∑∑ aij ti t j ≥ 0 . . y j ) − E X E Y (3. Y ký hiệu và định nghĩa bởi công thức: ρ X .36) 2) cov( X ..Y ( x. Y ) = ∑∑ xi y j p ( xi . X n ) . . X ) với mọi hằng số a. Tính chất 1) Ma trận hiệp phương sai là ma trận đối xứng. X 2 .34) j =1 i =1 Nếu X . d . y ) thì ∞ ∞ cov( X .

1.7..Y ρ aX +c..8: Cho biến ngẫu nhiên X rời rạc nhận các giá trị {x1 .7. x 2 .bY + d = ⎨ ⎪⎩− ρ X . Khi ρ X . i = 1. Khi đó ta có bảng phân bố xác suất có điều kiện của X với điều kiện B. x n } và {y1 .Y = 0 ta nói X và Y không tương quan.45) i =1 3. Y có tập các giá trị {x1 . a ≠ 0 khi và chỉ khi ⎧ 1 nÕu a > 0 ρ X .Chương 3: Véc tơ ngẫu nhiên 3) Với mọi hằng số a.Y càng gần 0 thì sự phụ thuộc tuyến tính càng ít..42) nÕu ab < 0 4) Y = aX + b . ta có bảng { } phân bố xác suất điều kiện của X với điều kiện biến cố Y = y j : 68 .. c. . . khi ρ X . . PHÂN BỐ CÓ ĐIỀU KIỆN VÀ KỲ VỌNG CÓ ĐIỀU KIỆN 3. Với mỗi y j . Y rời rạc Nếu X .43) Ý nghĩa của hệ số tương quan Hệ số tương quan đo mức độ phụ thuộc tuyến tính giữa X và Y .Y nÕu ab > 0 (3. P( B) (3. Phân bố có điều kiện và kỳ vọng có điều kiện của biến ngẫu nhiên X rời rạc với điều kiện B Định nghĩa 3. Phân bố có điều kiện và kỳ vọng có điều kiện của hai biến ngẫu nhiên X .. n . b. x n } và biến cố B có xác suất P ( B) > 0 .Y càng gần 1 thì tính chất quan hệ tuyến tính càng chặt. . y m } . XB x1 x2 … xi … xn P p( x1 B) p( x2 B) … p ( xi B ) … p( xn B) trong đó: p ( xi B ) = P ({X = xi }B ) . . y 2 . d ⎧⎪ ρ X . càng lỏng lẻo.. x 2 . . 3.2.44) và kỳ vọng của X với điều kiện B : n E [X B ] = ∑ x i p ( x i B ) (3.Y = ⎨ ⎩− 1 nÕu a < 0 (3.7. Khi ρ X .

47) Kỳ vọng có điều kiện của X với điều kiện Y = y j và kỳ vọng có điều kiện của Y với điều kiện X = xi tương ứng: [ ] n m i =1 j =1 E X Y = y j = ∑ xi p( xi Y = y j ) .46) Tương tự ta cũng có bảng phân bố xác suất có điều kiện của Y với điều kiện {X = xi } Y X = xi y1 y2 … yj … ym P p ( y1 xi ) p ( y 2 xi ) … p ( y j xi ) … p ( y m xi ) trong đó p ( y j xi ) = p ( xi .9: Gieo liên tiếp một đồng tiền. Gọi B là biến cố: "Trong n lần gieo đầu tiên có duy nhất một lần xuất hiện mặt ngửa". y j ) p ( xi ) . i = 1. được gọi là hàm hồi qui của X đối với Y . được gọi là hàm hồi qui của Y đối với X . j = 1. Gọi X là biến ngẫu nhiên chỉ lần gieo đầu tiên xuất hiện mặt ngửa. y j ) p( y j ) . Giả sử xác suất xuất hiện mặt ngửa là p . (3. b) Tìm phân bố của X với điều kiện B . m . m . n . E[Y X = x ] là một hàm của x . a) Tìm phân bố của X . n . E[Y X = xi ] = ∑ y j p ( y j X = xi ) . Ví dụ 3. (3. i = 1. j = 1.Chương 3: Véc tơ ngẫu nhiên X Y = yj x1 x2 … xi … xn P p ( x1 y j ) p( x2 y j ) … p ( xi y j ) … p( xn y j ) trong đó p ( xi y j ) = p ( xi . E[X Y = y ] là một hàm của y . Giải: a) Ta có bảng phân bố xác suất của X với q = 1 − p : X 1 2 … k … P p qp … q k −1 p … b) Phân bố của X với điều kiện B : Khi P( B) > 0 thì P ({X = k } B ) = 69 P({X = k }B ) P(B) .

07 0.08 0.29 0. Y = 30. Với Y = 30 bảng phân bố xác suất điều kiện tương ứng: Từ đó X Y = 30 0 1 2 3 P 0. Do đó P ({X = k }B ) = 0 .946. Giải: Thu nhập trung bình theo lứa tuổi là kỳ vọng có điều kiện của X theo Y .000đ/tháng.000 đ/tháng. Y 30 45 70 1 0.01 0.06 0. áp dụng công thức Bernoulli ta có: P ( B) = C n1 pq n−1 = npq n−1 . Tìm thu nhập trung bình theo lứa tuổi. ♦ Khi k ≤ n .07 0.18 0.02 0. 35-55. 70 chỉ độ tuổi của người dân trong khoảng: 25-35.000đ/tháng và độ tuổi 70 là 1.29 0. Mặt khác P ({X = k }B ) = P{chØ xuÊt hiÖn mÆt ngöa ë lÇn gieo thø k } = pq n−1 Vậy ⎧1 nÕu k ≤ n ⎪ P ({X = k } B ) = ⎨ n ⎪⎩ 0 nÕu k > n Ví dụ 3.10 3 0.Chương 3: Véc tơ ngẫu nhiên ♦ Rõ ràng khi k > n thì biến cố {X = k } kéo theo biến cố trong n phép thử đầu tiên đồng tiền không xuất hiện mặt ngửa.05 2 0. 55-85. 3.04 X trong đó X = 1.01 0. 29 29 29 29 Tương tự E ( X Y = 45) = 1.946 .529. độ tuổi 45 là 1.529 .03 0. 70 .29 E( X Y = 30) = 0 ⋅ 7 18 3 1 + 1⋅ + 2⋅ + 3⋅ = 2.21 0.10: Thống kê dân cư của một thành phố nọ ở độ tuổi trưởng thành về thu nhập hàng tháng X và lứa tuổi Y thu được kết quả trong bảng sau. E ( X Y = 70 ) = 1.03 0.15 4 0.069.18 0. 2. Vậy thu nhập trung bình ở độ tuổi 30 là 2.069 . 45.29 0. 4 tương ứng chỉ thu nhập triệu đồng /tháng.

Phân bố có điều kiện và kỳ vọng có điều kiện của hai biến ngẫu nhiên X . y ) với mọi x ∈  và y thoả mãn f Y ( y ) > 0 .16). Y liên tục Định nghĩa 3.6: Nếu X . Y là hai biến ngẫu nhiên liên tục có mật độ đồng thời đã cho trong ví dụ 5.49) Định lý 3.48) và công thức xác suất đầy đủ (1.3.Chương 3: Véc tơ ngẫu nhiên 3. nÕu ng−îc l¹i Định nghĩa 3. v ) dv .9: Cho hai biến ngẫu nhiên X . nếu f X ( x) > 0 .51) Tương tự ta có hàm phân bố và hàm mật độ có điều kiện của X với Y = y x f (u.50) d FY | X ( y | x) được gọi là hàm mật độ có điều dy kiện của Y với điều kiện X = x và ký hiệu là f Y | X ( y | x) . fY ( y) (3.7.10: Giả sử hai biến ngẫu nhiên X . Y liên tục có hàm mật độ đồng thời là f ( x. (3. nếu f Y ( y ) > 0 .52) f ( x.4 thì ⎧ 1 ⎪ f X Y ( x y ) = ⎨ 2(1 − y ) ⎪ 0 ⎩ nÕu y ≤ 1 vµ x + y ≤ 1 . Y có f Y | X ( y | x) là hàm mật độ có điều kiện của Y với điều kiện X = x .54) −∞ Định lý sau đây cho công thức liên hệ giũa kỳ vọng và kỳ vọng có điều kiện tương tự công thức (2. FY | X ( y | x) = P{Y < y X = x}. fY ( y) (3. f X ( x) Đạo hàm của hàm phân bố có điều kiện (3. y ) và X có mật độ f X (x) thì y FY | X ( y | x) = ∫ −∞ f ( x. Từ định lý trên ta có f Y | X ( y | x) = f ( x.53) FX |Y ( x | y ) = ∫ −∞ f X |Y ( x | y ) = Ví dụ 3. f X ( x) (3. y ) du . Xác suất của biến cố {Y < y} với điều kiện {X = x} xác định một hàm số của y phụ thuộc tham số x được định nghĩa là hàm phân bố của Y với điều kiện {X = x}. Khi đó kỳ vọng của Y với điều kiện X = x được ký hiệu và định nghĩa theo công thức sau E[Y X = x ] = ∞ ∫ yfY X ( y x)dy (3. 71 . y ) với mọi y ∈  và x thoả mãn f X ( x) > 0 . (Đây là hàm của biến y còn x đóng vai trò là tham số).11: Nếu X . Y .

μ 2 . n : μ i = EX i . nghĩa là E[Y ] = ∫ E[Y X = x ] f X ( x)dx . (3. iii. . PHÂN BỐ CHUẨN NHIỀU CHIỀU 3. x n ) ∈  n .55) D trong đó D = {x ∈  f X ( x) > 0} . Khái niệm phân bố chuẩn n chiều Định nghĩa 3... trong đó H là ma trận vuông cấp n bất kỳ có det H ≠ 0 . Y2 . x 2 . Biến ngẫu nhiên thành phần X i có phân bố chuẩn N (μ i . X 2 . . .. (Y1 .. X 2 .8. .. ..1. . X n độc lập khi và chỉ khi chúng không tương quan. X 2 . y ) ⎟ .59) .58) iv. X n ) : Cij = cov( X i ..2.. .12: Véc tơ ngẫu nhiên ( X . Cii ) . X 2 . t n ) . 2 ⎝ ⎠ (3. ma trận cột ( x − a ) t là chuyển vị của ma trận hàng ( x − a) . M −1t t ⎟ . X n ) được gọi là có phân bố chuẩn n chiều nếu có mật độ đồng thời f ( x) = ⎫ ⎧ 1 exp⎨− ( x − a) M −1 ( x − a) t ⎬ ⎭ ⎩ 2 (2π) n det M 1 (3. X n ) có phân bố chuẩn n chiều với mật độ đồng thời xác định như trong định nghĩa trên thì i. (3.56) [ ]n×n là ma trận đối xứng trong đó x = ( x1 . M = Cij xác định dương. . Với mọi i = 1. Y ) được gọi là có phân bố chuẩn hai chiều nếu có mật độ đồng thời: f ( x. X j ) . . .8: Nếu véc tơ ngẫu nhiên X = ( X 1 . M là ma trận hiệp phương sai của véc tơ ngẫu nhiên X = ( X 1 . .8.57) ii. . nghĩa là M là ma trận chéo. 3... a = (μ1 .. μ n ) ∈  n . X 2 .. 3. . Yn ) = H ( X 1 ... . . .. Phân bố chuẩn hai chiều Định nghĩa 3. Định lý 3. t = (t1 . y ) = 1 2πσ1σ 2 ⎛ 1 ⎞ exp⎜ − Q( x.... ⎝ 2 ⎠ 1 − ρ2 72 (3. t 2 ... .7: E[Y ] = E E Y X = x .8. X n )t cũng có phân bố chuẩn. . Các biến ngẫu nhiên X 1 . . a − t . . v.11: Véc tơ ngẫu nhiên ( X 1 . Hàm đặc trưng: 1 ⎞ ⎛ ϕ X (t ) = exp⎜ i t .Chương 3: Véc tơ ngẫu nhiên [[ ]] Định lý 3.

Y ) là ⎡ σ12 M =⎢ ⎢ρσ σ ⎣ 1 2 ρσ1σ 2 ⎤ ⎥ ⇒ 2 ⎥ σ2 ⎦ M −1 ⎡ 1 / σ12 − ρ /(σ1σ 2 )⎤ ⎢ ⎥. .. . y ) = ⎨⎜⎜ (1 − ρ 2 ) ⎪⎩⎝ σ1 ⎠ ⎝ σ1 ⎠⎝ σ 2 ⎠ ⎝ σ 2 ⎠ ⎪⎭ 1 Định lý 3.9 suy ra rằng phân bố của X với điều kiện Y = y có phân bố chuẩn với kỳ σ vọng μ1 + ρ 1 ( y − μ 2 ) và phương sai σ12 (1 − ρ 2 ) .61) 2.62) là một hàm tuyến tính theo y . σ2 (3..60) là mật độ của biến ngẫu nhiên chuẩn tắc N (0. . Y ) có phân bố chuẩn hai chiều thì với mọi hằng số a. Y ) có phân bố chuẩn hai chiều với mật độ đồng thời xác định như trong định nghĩa 9. Y độc lập. 73 .. X có phân bố chuẩn N (μ1 . X 2 . Đây là một tính chất rất quan trọng của phân bố chuẩn 2 chiều. TÓM TẮT Biến ngẫu nhiên nhiều chiều Một biến ngẫu nhiên n chiều hay véc tơ ngẫu nhiên n chiều là một bộ ( X 1 .. Định lý 3. y ) 1 = f ( x y) = fY ( y) σ 1 − ρ 2 1 trong đó ϕ( x) = 1 2π − x2 e 2 ⎛ x − μ − (σ / σ )ρ( y − μ ) ⎞ 1 1 2 2 ⎟ ϕ⎜⎜ ⎟⎟ ⎜ σ1 1 − ρ 2 ⎝ ⎠ (3. do đó kỳ vọng có điều kiện: σ2 E[X Y = y ] = μ1 + ρ σ1 ( y − μ2 ) . Y ) = ρ .9: Giả sử véc tơ ngẫu nhiên ( X . iv.. X .Chương 3: Véc tơ ngẫu nhiên 2 ⎧⎛ x − μ ⎞ 2 ⎛ x − μ1 ⎞⎛ y − μ 2 ⎞ ⎛ y − μ 2 ⎞ ⎫⎪ ⎪ 1 ⎟⎟ − 2ρ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ ⎬ . X n ) với các thành phần X 1 . . X 2 . σ 22 ) . X n là các biến ngẫu nhiên. Y không tương quan khi và chỉ khi X . iii. Y có phân bố chuẩn N (μ 2 . Ma trận tương quan của ( X .10: Nếu ( X . = 2 1 − ρ 2 ⎢⎣− ρ /(σ1σ 2 ) 1 / σ 2 ⎥⎦ 1 (3. b ∈  biến ngẫu nhiên Z = aX + bY cũng có phân bố chuẩn. Từ định lý 3. Q ( x. Nhận xét: 1. . X n là liên tục hay rời rạc. X 2 . Khi đó i. . ii..3. Hàm mật độ của X với điều kiện Y = y : f ( x. Biến ngẫu nhiên n chiều là liên tục hay rời rạc nếu tất cả các biến ngẫu nhiên thành phần X 1 . Hệ số tương quan ρ( X .1) . σ12 ) .

y j ) . Y X = xi y1 y2 … yj … ym P p ( y1 xi ) p ( y 2 xi ) … p ( y j xi ) … p ( y m xi ) p ( y j xi ) = p ( xi . m . j = 1. i = 1. Y = y j = ∑ p( xi . Y nhận các giá trị { } y j ( j = 1. n . Y = y j = ∑ p ( xi . j = 1. y j ) p( y j ) . trong đó X là biến ngẫu nhiên thành phần thứ nhất và Y là biến ngẫu nhiên thành phần thứ hai. y ) với mọi y ∈  và x thoả mãn f X ( x) > 0 . n . y j ) = p ( xi ) p( y j ) ∀ i = 1. Bảng phân bố xác suất đồng thời của biến ngẫu nhiên rời rạc hai chiều Bảng phân bố xác suất đồng thời của biến ngẫu nhiên rời rạc hai chiều ( X . Nghĩa là: p( xi . Y ) . y j ) = P X = xi . Y ) là bảng liệt kê tất cả các giá trị của X theo hàng. n . m . i =1 j = 1. Bảng phân bố xác suất biên Giả sử biến ngẫu nhiên thành phần X nhận các giá trị xi ( i = 1. y j ) p ( xi ) . i = 1. Hàm mật độ có điều kiện của các biến ngẫu nhiên liên tục: f Y | X ( y | x) = f ( x. f X ( x) Tính độc lập của các biến ngẫu nhiên Hai biến ngẫu nhiên X và Y gọi là độc lập nếu mỗi biến ngẫu nhiên nhận giá trị này hay giá trị khác không ảnh hưởng gì đến phân bố xác suất của biến ngẫu nhiên kia. giá trị của Y theo cột và các xác suất tương ứng. Y = y j thì phân bố của hai biến ngẫu nhiên thành phần { n } { n } p ( y j ) = P Y = y j = ∑ P X = xi . m ) với xác suất tương ứng p ( xi . n ). m . m i =1 m { } m p ( xi ) = P{ X = xi } = ∑ P X = xi . j = 1. Kỳ vọng và phương sai của các biến ngẫu nhiên thành phần 74 .Chương 3: Véc tơ ngẫu nhiên Ta ký hiệu biến ngẫu nhiên hai chiều là ( X . i = 1. n j =1 j =1 Quy luật phân bố xác suất có điều kiện của các thành phần X Y = yj x1 x2 … xi … xn P p ( x1 y j ) p( x2 y j ) … p ( xi y j ) … p( xn y j ) p ( xi y j ) = p ( xi . y j ) .

Hoặc E Y X = x = −∞ Phân bố chuẩn n chiều Véc tơ ngẫu nhiên ( X 1 . X 2 . ⎝ 2 ⎠ 1 − ρ2 75 . y ) = 1 2πσ1σ 2 ⎛ 1 ⎞ exp⎜ − Q( x.Y ( x..Y = cov( X . ⎭ ⎩ 2 (2π) n det M 1 Phân bố chuẩn hai chiều Véc tơ ngẫu nhiên ( X . Y ) = E ( X − EX )(Y − EY ) = ∑∑ xi y j p( xi . Y ký hiệu và định nghĩa bởi công thức: ρ X .. j =1 [ ∞ ] ∫ yfY X ( y x)dy . y)dxdy m m n ∞ ∞ ∞ j =1 j =1 i =1 −∞ −∞ −∞ EY = ∑ y j p( y j ) = ∑∑ y j p( xi . y )dxdy − (EX )2 −∞ −∞ Hiệp phương sai m n cov( X . . Y ) σ X σY Kỳ vọng có điều kiện m ( ) Kỳ vọng có điều kiện của Y với điều kiện {X = xi } : E(Y X = xi ) = ∑ y j p y j xi . y ) ⎟ . X n ) được gọi là có phân bố chuẩn n chiều nếu có mật độ đồng thời f ( x) = ⎫ ⎧ 1 exp⎨− ( x − a) M −1 ( x − a) t ⎬ . y j ) − (EX )2 i =1 j =1 hoặc DX = EX − (EX ) = 2 2 ∞ ∞ ∫ ∫x 2 f X . y)dxdy n m DX = EX 2 − (EX )2 = ∑∑ xi2 p( xi . Y ) được gọi là có phân bố chuẩn hai chiều nếu có mật độ đồng thời: f ( x. y j ) hoặc EX = ∫ xf X ( x)dx = ∫ ∫ xf X . j =1 i =1 Hệ số tương quan Hệ số tương quan của hai biến ngẫu nhiên X . y j ) hoặc EY = ∫ yfY ( y)dy = ∫ ∫ yf X .Chương 3: Véc tơ ngẫu nhiên n n m ∞ ∞ ∞ i =1 i =1 j =1 −∞ −∞ −∞ EX = ∑ xi p( xi ) = ∑∑ xi p( xi .Y ( x. y j ) − E X E Y . .Y ( x.

Đúng Sai . Đúng Sai . Y độc lập thì hàm hồi quy f ( x) = E (Y X = x ) của Y đối với X và hàm hồi quy g ( y ) = E ( X Y = y ) của X đối với Y là hai hàm hằng. Đúng Sai . . 3. x n } là tập giá trị của X thì { f ( x1 ).Y ) . Đúng Sai ..10 Nếu hiệp phương sai của hai biến ngẫu nhiên bằng 0 thì hai kỳ vọng của chúng bằng nhau ( cov( X . 3. Y ) bằng tích của hai hàm mật độ thành phần X và Y . Y ) xác định phân bố xác suất của hai biến ngẫu nhiên thành phần X và Y .4 Hai biến ngẫu nhiên độc lập có hiệp phương sai bằng 0.Chương 3: Véc tơ ngẫu nhiên 2 ⎧⎛ x − μ ⎞ 2 ⎛ x − μ1 ⎞⎛ y − μ 2 ⎞ ⎛ y − μ 2 ⎞ ⎫⎪ ⎪ 1 ⎟⎟ − 2ρ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ ⎬ . a ≠ 0 thì hệ số tương quan ρ X . Y ) . Q ( x.Y luôn luôn bằng 1. 3. y ) = ⎨⎜⎜ (1 − ρ 2 ) ⎪⎩⎝ σ1 ⎠ ⎝ σ1 ⎠⎝ σ 2 ⎠ ⎝ σ 2 ⎠ ⎪⎭ 1 CÂU HỎI ÔN TẬP VÀ BÀI TẬP 3. Đúng Sai . 3. 3.8 Nếu {x1 . 3. . Đúng Sai . f ( x 2 ).5 Hai biến ngẫu nhiên có hiệp phương sai bằng 0 thì độc lập. f ( x n )} là tập giá trị của hàm hồi quy f ( x) = E (Y X = x ) của Y đối với X . 3.1 Bảng phân bố xác suất của X và Y cho phép xác định phân bố xác suất đồng thời của ( X .7 Nếu Y = aX + b . 3. Y độc lập thì bảng phân bố xác suất của X và Y cho phép xác định phân bố xác suất đồng thời của ( X . Đúng Sai ..11 Hàm mật độ đồng thời của véc tơ ngẫu nhiên liên tục ( X . Y ) = 0 thì EX = EY ). 76 .6 Hiệp phương sai luôn nhận giá trị dương.9 Nếu hai biến ngẫu nhiên X ... . .3 Nếu hai biến ngẫu nhiên X .2 Bảng phân bố xác suất đồng thời của ( X . x 2 . 3. Đúng Sai . 3. Đúng Sai . Đúng Sai .

12 0. 3. Y không tương quan. Y là hai biến ngẫu nhiên có phân bố xác suất đồng thời như sau Y −1 1 −1 1/6 1/4 0 1/6 1/8 1 1/6 1/8 X Hãy xác định EX . EY .22 0. khi đó X . Y là hai biến ngẫu nhiên có phân bố xác suất đồng thời như sau Y y1 y2 y3 x1 0.16 0. Y độc lập khi và chỉ khi X .16 Cho X .16 x2 0.18 0. X . Y ) = 0 và ρ X .Y . 3. 3.Y . Y có độc lập không? 3.15 Cho X . Y ) = 0 và ρ X . Đúng Sai .12 Giả sử ( X . 3.20 X Tìm phân bố xác suất của hai biến ngẫu nhiên thành phần X .15 0.35 0. cov( X .03 2 0. Y là hai biến ngẫu nhiên có phân bố xác suất đồng thời như sau Y 1 2 3 1 0.08 0. cov( X .Chương 3: Véc tơ ngẫu nhiên Đúng Sai . Y ) là véc tơ ngẫu nhiên phân bố chuẩn.28 0. Y là hai biến ngẫu nhiên có phân bố xác suất đồng thời như sau Y −1 0 1 −1 4/15 1/15 4/15 0 1/15 2/15 1/15 1 0 2/15 0 X Hãy xác định EX .13 Cho X .14 Cho X . EY .07 X 77 . Y .

25 0.04 6 0.05 0.10 0.09 0.04 27 0.15 0. 78 .05 Tìm phân bố xác suất đồng thời của X .18 Cho X .Chương 3: Véc tơ ngẫu nhiên a) Chứng minh rằng X .35 0. Y X 1 3 4 8 3 0.3 0. 3.11 0. EY .2 0. Y có độc lập. Y là hai biến ngẫu nhiên có phân bố xác suất đồng thời như sau Y 1 2 3 1 0. Y .03 0.30 0.15 0.20 0.3 0. Y là hai biến ngẫu nhiên độc lập có phân bố xác suất như sau: X 0 1 2 3 P 0.4 0. Y có độc lập không.06 0. 3. Y X 26 30 41 50 23 0. Tính xác suất P{X > Y } .30 0. DY .19 Gieo đồng thời một con xúc xắc và một đồng tiền.08 0. b) Tìm quy luật phân bố của biến ngẫu nhiên Z = XY .20 Cho bảng phân bố xác suất đồng thời của X .17 Cho X .21 Y Tìm bảng phân bố xác suất điều kiện của Y khi X = 26 và của X khi Y = 27 .21 Cho bảng phân bố xác suất đồng thời của X . Lập bảng phân bố xác suất đồng thời của X và Y .07 Y a) Tìm kỳ vọng có điều kiện của Y khi X = 1 . 3. 3.10 2 0.15 0.4 0.12 0. Tính xác suất P{X = 1Y = 2} . b) Tìm các kỳ vọng EX .05 0.1 Y 0 1 2 3 4 P 0. Gọi X là biến ngẫu nhiên chỉ số chấm của con xúc xắc và Y là biến ngẫu nhiên chỉ mặt sấp (1) hay mặt ngửa (0) của đồng tiền. c) Tính các kỳ vọng EX . EZ .1 0. 3. EY và phương sai DX .15 X Hai biến ngẫu nhiên X .

3.1).1). Y ) có hàm mật độ xác định như sau: ⎧ Cx nÕu 0 < y < x < 1 f ( x. Y ) có dạng ⎧⎪1 − e − x − e − y + e − x − y F ( x. 3. Y là hai biến ngẫu nhiên có phân bố xác suất đồng thời Y −1 0 1 −1 4α α 4α 0 α 2α α 1 0 2α 0 X a) Tìm α .26 Cho véc tơ ngẫu nhiên ( X . Tính EX . y ) = ⎨ . y ) và hàm mật độ có điều kiện f ( x y ) .0) . B( 3 . c) X và Y có độc lập không. nÕu ng−îc l¹i ⎩0 a) Tìm C.0) và D( 3 . Y ) có hàm mật độ xác định như sau: 79 . y ) = ⎨ ⎪⎩ 0 nÕu ng−îc l¹i nÕu x > 0. EY . a) Tìm C. y > 0 . Y ) có hàm mật độ xác định như sau: f ( x.24 Hàm phân bố của véc tơ ngẫu nhiên ( X . b) Tìm hàm phân bố đồng thời mật độ của X . ρ ( X . c) X và Y có độc lập không? 3. b) Tìm các hàm mật độ của X và của Y . 3. Y ) nhận giá trị nằm trong hình chữ nhật với các đỉnh là A(1. Y ) . c) X và Y có độc lập không? d) Tính xác suất để véc tơ ngẫu nhiên ( X . b) Tính cov( X .22 Cho X .Chương 3: Véc tơ ngẫu nhiên 3. y ) = C (1 + x 2 )(1 + y 2 ) . Y .25 Cho véc tơ ngẫu nhiên ( X . Tìm hàm mật độ đồng thời f ( x. Y ). C (1.23 Cho véc tơ ngẫu nhiên ( X .

3.27 Cho X và Y là hai biến ngẫu nhiên có phân bố chuẩn đồng thời với EX = 35. DY = 16 và ρ X .Chương 3: Véc tơ ngẫu nhiên ⎧ 1 ⎪ f ( x. y ) = ⎨ 2 x 2 y ⎪0 ⎩ nÕu x ≥ 1 và 1 ≤ y ≤ x. EY = 20. b) Tìm hàm mật độ có điều kiện f ( x y ) và f ( y x) .Y = 0. Tìm kỳ vọng và phương sai của 2 X − 3Y .8 . 80 . x nÕu ng−îcl¹i a) Tìm hàm mật độ của X và của Y . DX = 36.

1: Dãy các biến ngẫu nhiên X1.... đấy là nội dung của luật số lớn. Luật số lớn nghiên cứu sự hội tụ theo xác suất của dãy các biến ngẫu nhiên. có cùng phân bố không – một A( p) ta được định lý Moivre –Laplace. Để chứng minh định lý Trêbưsép ta sử dụng bất đẳng thức Trêbưsép. Định lý giới hạn trung tâm áp dụng cho dãy các biến ngẫu nhiên độc lập X1..1.1. Máckốp. X 2 . NỘI DUNG 4. Trong chương này ta xét hai định lý về luật số lớn. nếu: n→∞ ∀ε > 0 lim P { X n − X > ε } = 0 .9).. Luật số lớn đầu tiên của James Bernoulli được công bố năm 1713.1) Như vậy dãy các biến ngẫu nhiên X1. n→∞ (4.. Định lý Trêbưsép là dạng tổng quát của luật số lớn còn định lý Bernoulli là trường hợp đơn giản nhất áp dụng cho dãy các biến ngẫu nhiên độc lập có phân bố không – một A( p) công thức (2. Hội tụ theo xác suất Định nghĩa 5. 81 . Về sau. Như vậy khi thực hiện nhiều lần phép thử ngẫu nhiên ta sẽ tìm được quy luật xuất hiện của biến cố ngẫu nhiên. Luật số lớn và định lý giới hạn trung tâm là cơ sở lý thuyết để giải quyết các bài toán ước lượng và kiểm định giả thiết thống kê. ký hiệu X n ⎯⎯⎯→ X . CÁC DẠNG HỘI TỤ CỦA DÃY CÁC BIẾN NGẪU NHIÊN 4. Luật số lớn cũng là cơ sở để định nghĩa xác suất của biến cố thông qua tần suất xuất hiện của biến cố đó. X n không khác mấy so với X . Khi tung một đồng xu ta sẽ không biết mặt sấp hay mặt ngửa xuất hiện nhưng nếu tung nhiều lần thì ta thấy rằng số lần mặt sấp và mặt ngửa xuất hiện là xấp xỉ gần bằng nhau. Trêbưsép. kết quả này được Poisson.Chương 4: Luật số lớn và định lý giới hạn CHƯƠNG IV: LUẬT SỐ LỚN VÀ ĐỊNH LÝ GIỚI HẠN GIỚI THIỆU Lý thuyết xác suất nghiên cứu khả năng xuất hiện của các biến cố ngẫu nhiên. X 2 . gọi là hội tụ theo xác suất về biến P ngẫu nhiên X .. hội tụ theo xác suất về biến ngẫu nhiên X thì với n đủ lớn.. X 2 . Áp dụng định lý Moivre –Laplace ta có công thức tính gần đúng phân bố nhị thức. Định lý giới hạn trung tâm khảo sát sự hội tụ theo phân bố xác suất cúa dãy các biến ngẫu nhiên. thực tế ta có thể coi rằng. Liapunốp mở rộng..1.

Khi đó EY = ∑ yi P{Y = yi } = ∑ yi P{Y = yi } + ∑ yi P{Y = yi } yi∈V ≥ yi∈V1 ∑ yi P{Y = yi } ≥ a ∑ P{Y = yi } = aP{Y > a}. y 2 .2.2: Nếu X là biến ngẫu nhiên có kỳ vọng và phương sai hữu hạn thì với mọi ε > 0 ta có: 82 .. yi > a}. EY . yi∈V2 Suy ra yi∈V2 P{Y > a} ≤ yi∈V2 EY .} . yi ≤ a} . c2 . . Đặt V1 = {yi ∈ V ..1..3) n→∞ 4.. Bất đẳng thức trêbưsép Định lý 4..4) Chứng minh: a) Trường hợp Y rời rạc có tập giá trị V = {y1 . (4.2.} thì dãy {X n }∞n=1 và chỉ khi với mọi c k ∈ C : cùng tập giá trị hội tụ theo phân bố về biến ngẫu nhiên X khi lim P{X n = c k } = P{X = c k }.2: Dãy các biến ngẫu nhiên X1. V2 = {y i ∈ V . a P{Y > a} ≤ (4. X 2 . a b) Giả sử Y liên tục có hàm mật độ f ( x) . Khi đó với mọi a > 0 ta có: EY ..2) n→∞ Trường hợp dãy các biến ngẫu nhiên rời rạc {X n }∞ n =1 và biến ngẫu nhiên rời rạc X có C = {c1 . .Chương 4: Luật số lớn và định lý giới hạn 4.1. (4. a Định lý 4. Ta có EY = Suy ra +∞ a +∞ +∞ +∞ 0 0 a a a ∫ xf ( x)dx = ∫ xf ( x)dx + P{Y > a} ≤ ∫ xf ( x)dx ≥ ∫ xf ( x)dx ≥ a ∫ f ( x)dx = aP{Y > a} . gọi là hội tụ theo phân bố về biến { } ngẫu nhiên X nếu dãy các hàm phân bố FX n ( x) ∞ hội tụ về hàm phân bố FX (x) .1: Cho Y là biến ngẫu nhiên không âm có kỳ vọng hữu hạn.. Hội tụ theo phân bố Định nghĩa 4. nghĩa là với n =1 mọi x ∈  : lim P{X n < x} = P{X < x} .2. LUẬT SỐ LỚN 4.

Chương 4: Luật số lớn và định lý giới hạn

P{ X − EX > ε} ≤

DX
ε2

.

(4.5)

cũng vậy,

P{ X − EX ≤ ε} ≥ 1 −

DX
ε2

.

(4.6)

Chứng minh: Áp dụng công thức (4.4) cho biến ngẫu nhiên Y = ( X − EX )2 và a = ε 2 ta
có:

{

}

P{ X − EX > ε} = P Y > ε 2 ≤

EY
ε

=

2

E( X − EX )2
ε

2

=

DX
ε2

.

Bất đẳng thức (4.5)-(4.6) được gọi là bất đẳng thức Trêbưsép.
Bất đẳng thức Trêbưsép có nhiều ứng dụng. Trước hết nó cho phép ta đánh giá cận trên
hoặc cận dưới xác suất để biến ngẫu nhiên X nhận giá trị sai lệch so với kỳ vọng E X không quá

ε . Bất đẳng thức Trêbưsép có ý nghĩa to lớn về mặt lý thuyết, nó được sử dụng để chứng minh
các định lý của luật số lớn.
Ví dụ 4.1: Một cửa hàng muốn ước lượng nhanh chóng sai số của số vải bán ra trong một
tháng của mình. Số vải của mỗi khách hàng được làm tròn bởi số nguyên gần nhất (ví dụ trong sổ
ghi 195,6 m thì làm tròn là 196m ). Ký hiệu X i là sai số giữa số mét vải thực bán và số mét vải đã
làm tròn của khách hàng thứ i.
Giải: Các sai số X1, X 2 ,..., X n là các biến ngẫu nhiên độc lập có phân bố đều trên đoạn
1
[ −0,5;0,5] . Khi đó EX i = 0, DX i = . Sai số tổng cộng trong cả tháng là S = X1 + + X n
12
(trong đó n là số khách hàng mua hàng trong tháng). Ta có:
n

n

i =1

i =1

ES = ∑ EX i = 0, DS = ∑ DX i =

n
.
12

Theo bất đẳng thức Trêbưsép, xác suất để sai số vượt quá ε mét sẽ được đánh giá bởi:

P{ S > ε} ≤

DS

ε

2

=

n
12ε 2

.

Giả sử có n = 104 khách hàng trong tháng. Để xác suất P { S > ε } bé hơn 0,01 ta phải có

n
12ε 2

≤ 0, 01 hay ε ≥

n
= 288, 67 .
12 ⋅ 0, 01

Vậy ta có thể kết luận: Với xác suất 0,99 sai số giữa số vải thực bán với số vải đã tính tròn
không vượt quá 289 m, nếu số khách hàng là 1 vạn.

83

Chương 4: Luật số lớn và định lý giới hạn
4.2.2. Luật số lớn Trêbưsép
Định lý 4.3: Giả sử X1, X 2 ,... là dãy các biến ngẫu nhiên độc lập, có các kỳ vọng hữu hạn
và phương sai đều bị chặn trên bởi hằng số C ( DX i ≤ C ; ∀i = 1, 2,... ). Khi đó

⎛ X + + X n EX1 + + EX n


> ε ⎟= 0
lim P ⎜ 1
n
n
n→∞ ⎝

Chứng minh: Xét biến ngẫu nhiên Sn =

X1 +

n
+ EX n

EX1 +

biến ngẫu nhiên X1, X 2 ,... ta suy ra ES n =

+ Xn

n

(4.7)

. Từ giả thiết độc lập của dãy các

; DSn =

DX1 +

n2

+ DX n

C
.
n

Áp dụng bất đẳng thức Trêbưsép (4.5) cho biến ngẫu nhiên S n ta có:

⎛ X + + X n EX1 + + EX n
⎞ C
P⎜ 1

> ε ⎟ ≤ 2 ⎯⎯⎯→ 0 .
n→∞
n
n

⎠ nε
Hệ quả 1: Giả sử X1, X 2 ,... là dãy các biến ngẫu nhiên độc lập có cùng có kỳ vọng μ và
phương sai đều bị chặn trên bởi hằng số C ( DX i ≤ C ; ∀i = 1, 2,... ). Khi đó

X1 +

+ Xn
n

P
n→∞

⎯⎯⎯→ μ

(4.8)

Hệ quả 2: Giả sử X1, X 2 ,... là dãy các biến ngẫu nhiên độc lập có cùng phân bố, có kỳ
vọng μ và phương sai σ 2 . Khi đó

X1 +

+ Xn
n

P
n→∞

⎯⎯⎯→ μ

(4.9)

Định lý Trêbưsép chứng tỏ rằng trung bình số học của các biến ngẫu nhiên độc lập hội tụ
theo xác suất về trung bình số học của kỳ vọng tương ứng của nó. Nói cách khác nó chứng tỏ sự
ổn định của trung bình số học của một số lớn các biến ngẫu nhiên xung quanh trung bình số học
của các kỳ vọng của các biến ngẫu nhiên ấy. Như vậy mặc dù từng biến ngẫu nhiên độc lập có thể
nhận giá trị khác nhiều so với kỳ vọng của chúng, song trung bình số học của một số lớn của một
số lớn các biến ngẫu nhiên lại nhận giá trị gần bằng trung bình số học của chúng với xác suất rất
lớn. Điều đó cho phép dự đoán giá trị trung bình số học của các biến ngẫu nhiên. Chẳng hạn, gieo
một con xúc xắc cân đối. Giả sử X là số nốt xuất hiện ở mặt trên con xúc xắc. Ta có EX = 3,5 .
Một nhà thống kê đã gieo một con xúc xắc cân đối 1 triệu lần (nhờ sự trợ giúp của máy vi tính) và
ghi lại số nốt xuất hiện ở mặt trên con xúc xắc. Số trung bình của 1 triệu lần gieo được tìm thấy là

x1 +

+ x106

106

≈ 3,500867 ≈ 3,5 .

Định lý Trêbưsép có ứng dụng rộng rãi trong nhiều lĩnh vực, chẳng hạn nó chính là cơ sở
cho phương pháp đo lường trong vật lý. Để xác định giá trị của một đại lượng vật lý nào đó người
ta thường tiến hành đo n lần độc lập và lấy trung bình số học của các kết quả đo làm giá trị thực
của đại lượng cần đo. Thật vậy, giả sử xem kết quả của n lần đo là các biến ngẫu nhiên

84

Chương 4: Luật số lớn và định lý giới hạn

X1, X 2 ,..., X n . Ta thấy rằng các biến ngẫu nhiên này độc lập, có cùng kỳ vọng bằng chính giá trị
thực của đại lượng vật lý (giả sử không có sai số hệ thống), các phương sai của chúng đều bị chặn
trên bởi bình phương của độ chính xác của thiết bị đo. Do đó theo định lý Trêbưsép ta có thể cho
rằng trung bình số học của các kết quả đo sẽ sai lệch rất ít so với giá trị thực của đại lượng vật lý
với xác suất gần như bằng một.
Định lý Trêbưsép còn là cơ sở cho phương pháp mẫu ứng dụng trong thống kê.
4.2.3. Luật số lớn Bernoulli
Xét phép thử ngẫu nhiên C và A là một biến cố liên quan đến phép thử
thử

C. Tiến hành phép

C n lần độc lập và gọi kn là tần số xuất hiện biến cố A trong n phép thử đó. f n =

kn
được
n

gọi là tần suất xuất hiện của A trong n phép thử.
Định lý 4.4: Tần suất f n hội tụ theo xác suất về xác suất p của biến cố A , nghĩa là với
mọi ε > 0

lim P { f n − p < ε } = 1

n→∞

(4.10)

Chứng minh: Xét dãy các biến ngẫu nhiên X1, X 2 ,..., X n xác định như sau:

⎧ 1 nÕu A x¶y ra ë phÐp thö thø k
Xk = ⎨
⎩ 0 nÕu A kh«ng x¶y ra ë phÐp thö thø k
ta gọi dãy các biến ngẫu nhiên X1, X 2 ,..., X n độc lập có cùng phân bố không – một A( p) (công
thức (2.9)). EX k = p, DX k = p (1 − p ) .
Ta có

X1 +

+ Xn
n

=

kn
= fn .
n

Vậy theo hệ quả 2 của định lý 4.2 suy ra f n hội tụ theo xác suất về p .
Định lý Bernoulli chỉ ra rằng tần suất xuất hiện của biến cố trong n phép thử độc lập sẽ hội
tụ theo xác suất về xác suất của biến cố đó khi số lần thử tăng lên vô hạn. Chính vì vậy định lý
Bernoulli là cơ sở lý thuyết của định nghĩa thống kê về xác suất.
Ở thế kỷ 18, nhà toán học Pháp Buffon gieo một đồng tiền 4040 lần và ghi được 2048 lần
xuất hiện mặt ngửa, tần suất là 0,507. Một nhà thống kê người Anh gieo đồng tiền 12000 lần và
thu được 6019 lần xuất hiện mặt ngửa, tần suất tương ứng 0,5016. Trong một thí nghiệm khác,
ông ta gieo 24000 lần và thu được 12012 lần xuất hiện mặt ngửa, tần suất tương ứng là 0,5005.
Như vây ta thấy rằng khi số phép thử tăng lên thì tần suất tương ứng sẽ càng gần 0,5.
4.3. ĐỊNH LÝ GIỚI HẠN TRUNG TÂM
Định lý 4.5: Giả sử X1, X 2 ,... là dãy các biến ngẫu nhiên độc lập có cùng phân bố, có kỳ
X + + X n − nμ
hội tụ theo
vọng μ và phương sai σ 2 . Khi đó dãy biến ngẫu nhiên Sn = 1
σ n
phân bố về phân bố chuẩn tắc N (0;1) , nghĩa là:

85

2231 0! Vậy có khoảng 22.. có cùng phân bố không – một A( p ) (công thức (2. X 2 . b) Cần phải xếp ít nhất bao nhiêu đinh ốc trong mỗi hộp để tỉ lệ hộp chứa 100 đinh ốc tốt tối thiểu là 80%. b) Giả sử mỗi hộp chứa 100 + k đinh ốc. Trong thực tế khi n > 50 và p < 0.2: Giả sử xác suất để làm ra mỗi đinh ốc không đúng quy cách là p = 0. p) với n = 100 + k . X n có phân bố nhị thức B (n. a) Tính tỉ lệ hộp chứa toàn đinh ốc không đúng quy cách. là dãy các biến ngẫu nhiên có cùng phân bố nhị thức. 015 .1 người ta có thể xấp xỉ P (np) B (n .5 = 0. XẤP XỈ PHÂN BỐ NHỊ THỨC 4. k! (4.13) Ví dụ 3.. mỗi hộp 100 chiếc..1) . ở đó với mỗi n . p = 0.Chương 4: Luật số lớn và định lý giới hạn Với mọi x ∈ ... p) với n = 100.9)) ta được định lý Moivre –Laplace: Định lý 4. Gọi X là số đinh ốc không đúng quy cách trong mỗi hộp chứa 100 + k đinh ốc... Ta phải xác định k nhỏ nhất để 86 ..015. X ~ B (n .12) 4.3% số hộp chứa 100 đinh ốc tốt. ⎭⎪ (4.1.7: Cho X1. p = 0. Người ta xếp đinh ốc vào từng hộp.6 (Moivre –Laplace): Dãy các biến ngẫu nhiên X1.4. Giải: a) Nếu gọi X là số đinh ốc không đúng quy cách trong hộp chứa 100 đinh ốc thì X ~ B (n . X 2 . p n ) . p) với phân bố Poisson tham số λ = np : P{X n = k } ≈ e − np (np ) k . X 2 . Thì X n n→∞ hội tụ theo phân bố về biến ngẫu nhiên X có phân bố Poisson tham số λ . lim P ⎨ 1 n→∞ ⎩ ⎪ + X n − np npq ⎫⎪ < x ⎬ = Φ( x) . Giả sử tồn tại giới hạn lim np n = λ > 0 . Áp dụng định lý giới hạn trung tâm cho dãy các biến ngẫu nhiên độc lập X1.. k là số tự nhiên. 015 . Xấp xỉ phân bố nhị thức bằng phân bố Poisson Định lý 4. lim P {S n < x} = Φ ( x) (4. độc lập có cùng phân bố không – một A( p) ta được: ⎧⎪ X + Với mọi x ∈ . Tính gần đúng: P { X = 0} ≈ e − np (np )0 = e −1.4.11) n→∞ Φ ( x) là hàm phân bố của phân bố chuẩn tắc N (0.

015 ) ( 0.8 .Chương 4: Luật số lớn và định lý giới hạn k P { X ≤ k} = ∑ Cni ( 0. 87 (4. Như vậy dùng xấp xỉ Poisson ta có thể kết luận mỗi hộp cần đóng 102 chiếc đinh ốc. p) . Vậy cần tìm k nhỏ nhất để ⎧⎪ 1.16) . (4. X 2 .12) ta cũng có công thức xấp xỉ giá trị của hàm phân bố nhị thức ⎧⎪U − np x − np ⎪⎫ ⎛ x − np ⎞ P {U n < x} = P ⎨ n < ⎟⎟ ⎬ ≈ Φ ⎜⎜ npq ⎪⎭ npq ⎪⎩ npq ⎝ ⎠ Người ta thấy rằng xấp xỉ là tốt khi np và nq lớn hơn 5 hoặc khi npq > 20 .k ) . ta thấy k = 2 bất đẳng thức trên được thoả mãn.5 = 3. p ) . X n độc lập có cùng phân bố không – một A(p).5853 k! Thử với k = 1. . p) = P{X = k } = ϕ⎜ ⎜ npq ⎟ nqp ⎝ ⎠ trong đó ε n.5 1. . Công thức (2.2.52 + + e−1. Pn (k .9) và (2. Xấp xỉ phân bố nhị thức bằn phân bố chuẩn Giả sử X 1 ..5 1.8 ⇔ 1 + k ! ⎭⎪ 1! 2! + 1.14) với C là hằng số. 2. Theo công thức (2.985 ) i n −i ≥ 0. Khi đó xác suất để có ít nhất 100 đinh ốc tốt trong hộp 102 chiếc là 0.5 ⎨1 + 2! ⎩⎪ 1! + 1..5k ≥ 0. khi đó npq ⎛ k − np ⎞ 1 ⎟ (1 + ε n.985 ) n −i ≈ e−λ λi i! ở đó λ = np = (100 + k )(0..5 + 0. . 015 ) ( 0.5k ⎫⎪ 1. i =0 i Dùng công thức xấp xỉ P { X = i} = Cni ( 0.52 + + ⎬ ≥ 0. 015k ≈ 1. 015) ≈ 1.8 e1. Như vậy khi n đủ lớn ta có thể xấp xỉ : ⎛ k − np ⎞ 1 ⎟ P{X = k } ≈ ϕ⎜ ⎜ npq ⎟ nqp ⎝ ⎠ 1 2π e −( k − np ) 2 2 npq .5 (vì k nhỏ).8 (định lý giới hạn địa phương): Giả sử X là biến ngẫu nhiên có phân bố nhị k − np thức B (n.8022.4. Đặt x k = . 4.10) ta có U n = X 1 + X 2 + + Xn ~ B (n. Định lý 4... Tuy nhiên khi n khá lớn ta không thể áp dụng công thức này để tính mà cần đến công thức xấp xỉ.k < C n (4.8) cho phép tính xác suất P {U n = k } = Cnk p k q n−k .15) Ngoài ra áp dụng định lý Moivre-Laplace và công thức (4.

5 = 0 .014 .5 .5 ⋅ 0. nếu ∀ε > 0 lim P { X n − X > ε } = 0 . Luật số lớn Trêbưsép Giả sử X1.6915 − 0. { } b) Tính xác suất P 5 2 + 1600 ≤ X ≤ 10 2 + 1600 .5) − Φ (0.25) = 0.0928 . 160011600! 1600 − 3200 ⋅ 0. a Nếu X là biến ngẫu nhiên có kỳ vọng và phương sai hữu hạn thì với mọi ε > 0 ta có: P{ X − EX > ε} ≤ DX ε 2 và P{ X − EX ≤ ε} ≥ 1 − DX ε2 .5⎬ ≈ Φ (0...5) = Mặt khác nếu tính gần đúng ta có: xm = P3200 (1600.5987 = 0. Do đó 3200 ⋅ 0. p = 0.5 3200 . Vậy số lần xuất hiện mặt sấp có khả năng nhất là 1600 với xác suất tương ứng P3200 (1600. TÓM TẮT Hội tụ theo xác suất P n→∞ X n ⎯⎯⎯→ X . Gọi X là số lần xuất hiện mặt sấp trong 3200 lần gieo đó. X 2 .5) − Φ (0. Khi đó 88 . ). ∀i = 1.. 2.5) ≈ 3200! 0.5 ⇒ (n + 1) p = 1600.5 ϕ(0) = 1 40 π ≈ 0.5 1 3200 ⋅ 0.3: Gieo 3200 lần một đồng xu cân đối và đồng chất. có các kỳ vọng hữu hạn và phương sai đều bị chặn trên bởi hằng số C ( DX i ≤ C . X − 1600 ⎧ ⎫ e) P 5 2 ≤ X − 1600 ≤ 10 2 = P ⎨0. Khi đó với mọi a > 0 ta EY có: P{Y > a} ≤ .5 ⋅ 0. là dãy các biến ngẫu nhiên độc lập.. n→∞ Hội tụ theo phân bố Nếu với mọi x ∈  : lim P{X n < x} = P{X < x} . 0. n→∞ Bất đẳng thức Trêbưsép Cho Y là biến ngẫu nhiên không âm có kỳ vọng hữu hạn. 25) 20 2 ⎩ ⎭ { } Tra bảng ta có Φ(0. 25 ≤ ≤ 0..Chương 4: Luật số lớn và định lý giới hạn Ví dụ 3.. 0. a) Tìm số lần xuất hiện mặt sấp có khả năng nhất. Tính xác suất tương ứng. Giải: a) Ta có: n = 3200 .

lim P ⎜ 1 n n n→∞ ⎝ ⎠ Giả sử X1. X 2 . 4. khi đó dãy sẽ hội tụ theo xác suất đến kỳ vọng chung của dãy biến ngẫu nhiên trên.2 Giả sử {X n } là dãy các biến ngẫu nhiên có kỳ vọng bằng nhau và phương sai dần tới 0. n→∞ CÂU HỎI ÔN TẬP VÀ BÀI TẬP 4. 4. Đúng Sai .7 Tổng của dãy các biến ngẫu nhiên độc lập có cùng phân bố với kỳ vọng và phương sai hữu hạn tiệm cận phân bố chuẩn. là dãy các biến ngẫu nhiên độc lập có cùng phân bố.. X 2 . 4.3 Bất đẳng thức Trêbưsép chỉ đúng đối với các biến ngẫu nhiên rời rạc.1) .. 4. ∀i = 1.1 Luật số lớn kết luận về sự hội tụ theo xác suất của trung bình cộng các biến ngẫu nhiên độc lập về trung bình cộng của kỳ vọng của chúng nếu các phương sai của các biến ngẫu nhiên này bị chặn..6 Luật số lớn Bernoulli là cơ sở lý thuyết của định nghĩa thống kê về xác suất. Đúng Sai .. 4. Khi đó X1 + + Xn n P n→∞ ⎯⎯⎯→ μ . Luật số lớn Bernoulli Tần suất xuất hiện biến cố A trong n phép thử f n hội tụ theo xác suất về xác suất p của biến cố A .Chương 4: Luật số lớn và định lý giới hạn ⎛ X + + X n EX1 + + EX n ⎞ − > ε ⎟= 0.. Đúng Sai . nghĩa là: Với mọi x ∈ .. 89 .. Nghĩa là với mọi ε > 0 lim P { f n − p < ε } = 1 . là dãy các biến ngẫu nhiên độc lập có cùng có kỳ vọng μ và phương sai đều bị chặn trên bởi hằng số C ( DX i ≤ C .5 Luật số lớn Bernoulli là một trường hợp đặc biết của luật số lớn Trêbưsép khi dãy các biến ngẫu nhiên được có cùng phân bố không – một A( p ) . Đúng Sai .4 Bất đẳng thức Trêbưsép chỉ đúng đối với các biến ngẫu nhiên nhận giá trị dương. Đúng Sai . lim P {S n < x} = Φ ( x) . Khi đó dãy biến ngẫu nhiên S n = 1 σ n phân bố chuẩn tắc N (0. có kỳ vọng μ và phương sai σ 2 .. 4.. n→∞ Định lý giới hạn trung tâm Giả sử X1. ) hoặc độc lập có cùng phân bố. có kỳ vọng μ và X + + X n − nμ hội tụ theo phân bố về phương sai σ 2 . Đúng Sai . 2.

a) Nhỏ hơn 2. . Đúng Sai . 4.11 Cho X 1 . X 2 . DX i = 1 ( i = 1.Chương 4: Luật số lớn và định lý giới hạn Đúng Sai . X 12 là các biến ngẫu nhiên độc lập với EX i = 16 . X 10000 là các biến ngẫu nhiên độc lập có phân bố đều trong đoạn ⎧⎪ 10000 ⎫⎪ 1 ⎡ 1 1⎤ .8 Luật số lớn xét sự hội tụ theo xác suất còn định lý giới hạn trung tâm xét sự hội tụ theo phân bố của dãy các biến ngẫu nhiên. ⎪⎩ ⎪⎭ i =1 4. 4.. 4. ⎨ ⎬≥ ∑ i ⎢ 2 2 ⎥⎦ ⎣ ⎪⎩ i =1 ⎪⎭ 300 4. Sử dụng bất đẳng thức Trêbưsép để tìm hai hằng số a.. b) Lớn hơn 2 4.13 Giả sử tiền điện của một gia đình phải trả trong 1 tháng là một biến ngẫu nhiên với trung bình 16USD và độ lệch tiêu chuẩn 1USD. .12 ).05. Dựa vào bất đẳng thức Trêbưsép hãy đánh giá xác suất của sự sai lệch giữa số máy hỏng và số máy hỏng trung bình. .99 số tiền điện phải trả trong 1 năm (12 tháng) không vượt quá M.14 Cho dãy các biến ngẫu nhiên độc lập {X n } xác định như sau: Xn − 2n 0 2n P 2 − ( 2 n+1) 1 − 2 −2 n 2 − ( 2 n+1) Chứng minh rằng dãy {X n } thỏa mãn luật số lớn Trêbưsép.. n ⎧n ⎫ 31 .15 Cho dãy các biến ngẫu nhiên độc lập {X n } xác định như sau: Xn P − na 1 2n 2 na 0 1− 1 1 n2 2n 2 trong đó a là một hàng số.. .12 Gieo một con xúc xắc cân đối n lần một cách độc lập.10 Cho X 1 . Chứng minh rằng P ⎨ − n < S < + n ⎬ ≥ 6 ⎩6 ⎭ 36 4. 500 ≥ − .99 . hãy xác định số M nhỏ nhất để với xác suất 0.9 Có 10 máy hoạt động độc lập với nhau. Chứng minh rằng P X . Sử dụng bất đẳng thức Trêbưsép. Xác suất để trong ca làm việc mỗi máy bị hỏng là 0. X 2 . Dãy {X n } thỏa mãn luật số lớn Trêbưsép không? 90 . b sao cho 12 ⎧⎪ ⎫⎪ P ⎨a ≤ ∑ X i ≤ b⎬ ≥ 0. Gọi S là số lần xuất hiện mặt lục. 4.

02. Dãy {X n } thỏa mãn luật số lớn Trêbưsép không? 4. b) Cần cho phép tối đa bao nhiêu người dự thi (xác suất đỗ của họ vẫn là 90%) để biến cố “số người trúng tuyển không vượt nhỏ hơn 0.99. 4. 4.95 sẽ không vượt quá 0.17 Xác suất chậm tầu của mỗi hành khách là 0.000 hành khách có từ 100 đến 180 người chậm tầu. b) Có không quá hai máy phế phẩm. Số chỗ ngồi của nhà ăn phải ít nhất là bao nhiêu để xác suất của biến cố “không đủ chỗ cho người đến ăn” bé hơn 1%? 4. Nhà ăn phục vụ bữa trưa làm hai đợt liên tiếp.98 có thể hy vọng rằng sai lệch giữa tần suất xuất hiện chi tiết tốt và xác suất để chi tiết là tốt bằng 0.18 Phải kiểm tra bao nhiêu chi tiết để với xác suất không nhỏ hơn 0. Tính xác suất để: a) Có đúng hai máy phế phẩm.21 Một trường đại học có chỉ tiêu tuyển sinh là 300.Chương 4: Luật số lớn và định lý giới hạn 4.19 Một xí nghiệp sản xuất máy tính có xác suất làm ra sản phẩm phế phẩm là 0. 91 . 4. Tính xác suất để số người trúng tuyển không vượt quá chỉ tiêu. Chọn ngẫu nhiên 2500 máy tính để kiểm tra. a) Giả sử có 325 người dự thi và xác suất thi đỗ của mỗi người là 90%.16 Cho dãy các biến ngẫu nhiên độc lập {X n } xác định như sau: Xn −a a P n +1 2n + 1 n 2n + 1 trong đó a là một hàng số.01. Dùng bất đẳng thức Trêbưsép hãy đánh giá xác suất để trong 20.007.20 Một nhà nghỉ có 1000 khách.

Nếu ta thu thập được tất cả các số liệu liên quan đến đối tượng cần nghiên cứu thì ta có thể biết được đối tượng này. Ước lượng điểm là dùng thống kê để ước lượng một tham số nào đó theo các tiêu chuẩn: Vững. mẫu ngẫu nhiên hệ thống. hiệu quả. Biểu đồ tần số hình gậy. Đối với mẫu ngẫu nhiên ta xét các vấn đề: ƒ Các phương pháp mô tả mẫu: bảng phân bố tần số và suất thực nghiệm. đa giác tần suất và tổ chức đồ. bảng phân bố ghép lớp. ƒ Các đặc trưng của thống kê mẫu ngẫu nhiên. Một dạng khác của quy nạp thống kê là kiểm định giả thiết thống kê. Có hai phương pháp ước lượng điểm là phương pháp môment và phương pháp hợp lý cực đại. Các phương pháp chọn mẫu: mẫu ngẫu nhiên đơn. - Lý thuyết ước lượng. mẫu phân tổ. mẫu nhiều cấp. mẫu chùm. Sử dụng phương pháp quy nạp thống kê ta có thể ước lượng các tham số đặc trưng của tổng thể thông qua thống kê của mẫu. ƒ Quy luật phân bố xác suất của một số thống kê đặc trưng mẫu. Vì vậy cần lấy mẫu để nghiên cứu. không chệch. ƒ Thống kê của mẫu ngẫu nhiên. Nội dung của kiểm định giả thiết thống kê là dựa vào mẫu cụ thể và các quy tắc hay thủ tục quyết định dẫn đến bác bỏ hay chấp nhận giả thiết của tổng thể. Tuy nhiên trong thực tế điều đó không thể thực hiện được vì quy mô của đối tượng nghiên cứu quá lớn hoặc trong quá trình nghiên cứu đối tượng nghiên cứu bị phá hủy. Khoảng tin cậy là khoảng mà tham số của dấu hiệu nghiên cứu của tổng thể rơi vào khoảng này với xác suất bằng độ tin cậy. Phương pháp mẫu là một trong những phương pháp quan trọng của lý thuyết thống kê. Trong chương này chúng ta tìm hiểu những vấn đề cơ bản của lý thuyết thống kê toán học: - Cơ sở của lý thuyết mẫu.Chương 5: Thống kê toán học CHƯƠNG V: THỐNG KÊ TOÁN HỌC GIỚI THIỆU Thống kê toán là bộ môn toán học nghiên cứu qui luật của các hiện tượng ngẫu nhiên có tính chất số lớn trên cơ sở thu thập và xử lý số liệu thống kê các kết quả quan sát về những hiện tượng ngẫu nhiên này. Đây là một phương pháp quan trọng cho phép giải quyết nhiều bài toán trong thực tế. 92 . - Lý thuyết kiểm định giả thiết thống kê.

Khi khảo sát một tín hiệu là quá trình ngẫu nhiên người ta tiến hành lấy mẫu tại những thời điểm nào đó và thu được các tín hiệu mẫu. Tuy nhiên trong thực tế việc áp dụng phương pháp này gặp phải những khó khăn sau: - Do qui mô của tập hợp cần nghiên cứu quá lớn nên việc nghiên cứu toàn bộ sẽ đòi hỏi nhiều chi phí về vật chất và thời gian. còn dấu hiệu định lượng là số lượng sản phẩm của doanh nghiệp mà khách hàng có nhu cầu được đáp ứng. đó là điều tra toàn bộ các phần tử của tập hợp theo dấu hiệu cần nghiên cứu để rút ra các kết luận cần thiết. Mỗi phân tử của tổng thể được gọi là cá thể. - Trong nhiều trường hợp không thể nắm được toàn bộ các phần tử của tập hợp cần nghiên cứu. Khái niệm lý thuyết mẫu Nhiều bài toán trong thực tế dẫn đến nghiên cứu một hay nhiều dấu hiệu định tính hoặc định lượng đặc trưng cho các phần tử của một tập hợp nào đó. Để học tốt chương này học viên cần nắm vững cơ sở lý thuyết xác suất đã được học trong các chương trước. Thường thì kích thước N của tổng thể là hữu hạn. ký hiệu C. song nếu tổng thể quá lớn hoặc không thể nắm được toàn bộ tổng thể ta có thể giả thiết rằng kích thước của tổng thể là vô hạn. Chẳng hạn nếu muốn điều tra thu nhập bình quân của các gia đình ở Hà Nội thì tập hợp cần nghiên cứu là các hộ gia đình ở Hà Nội. 5. Tổng thể nghiên cứu Toàn bộ tập hợp các phần tử đồng nhất theo một dấu hiệu nghiên cứu định tính hay định lượng nào đó được gọi là tổng thể. do đó không thể tiến hành toàn bộ được. NỘI DUNG 5. Kiểm định tham số đặc trưng của biến ngẫu nhiên gốc trong tổng thể: kỳ vọng. 93 . dấu hiệu nghiên cứu là thu nhập của từng mỗi gia đình.1. ký hiệu N. còn chủ yếu người ta sử dụng phương pháp không toàn bộ mà đặc biệt là phương pháp nghiên cứu chọn mẫu. LÝ THUYẾT MẪU 5.1.2.1. phương sai. tần suất của tổng thể. có thể không kiểm soát được dẫn đến bị chồng chéo hoặc bỏ sót.1. - Có thể trong quá trình điều tra sẽ phá hủy đối tượng nghiên cứu … Vì thế trong thực tế phương pháp nghiên cứu toàn bộ thường chỉ áp dụng đối với các tập hợp có qui mô nhỏ. Số lượng các phần tử của tổng thể được gọi là kích thước của tổng thể. Một doanh nghiệp muốn nghiên cứu các khách hàng của mình về dấu hiệu định tính có thể là mức độ hài lòng của khách hàng đối với sản phẩm hoặc dịch vụ của doanh nghiệp. phương sai của dấu hiệu nghiên cứu có phân bố chuẩn và ước lượng cho tần suất của tổng thể.Chương 5: Thống kê toán học Trong chương này ta sẽ xây dựng ước lượng cho kỳ vọng. Để xử lý dấu hiệu cần nghiên cứu đôi khi người ta sử dung phương pháp nghiên cứu toàn bộ.

. X n ) . Bằng cách đồng nhất mẫu ngẫu nhiên với các dấu hiệu nghiên cứu của mẫu ta có định nghĩa về mẫu ngẫu nhiên như sau: Mẫu ngẫu nhiên kích thước n là một dãy gồm n biến ngẫu nhiên: X 1 . x 2 . ký hiệu W = ( X 1 . Vây ta có mẫu ngẫu nhiên kích thước 3. ký hiệu X .5. Tập hợp con này được gọi là một mẫu... x n tạo thành một giá trị của mẫu ngẫu nhiên. Dấu hiệu nghiên cứu này có thể được định tính hoặc định lượng. 94 . nghĩa là được thể hiện bằng cách cho tương ứng mỗi cá thể của tổng thể C nhận một giá trị thực nào đó thì dấu hiệu này được gọi là một biến lượng.3) là một mẫu cụ thể của mẫu ngẫu nhiên W . x 2 . Giả sử lần thứ nhất được 2 nốt. Ví dụ 5.3. X 2 .3 ) thì ta có 3 biến ngẫu nhiên độc lập có cùng quy luật phân bố xác suất với X . khi đó các giá trị x1 . gọi X i là dấu hiệu X của phần tử thứ i của mẫu ( i = 1. Giả sử các cá thể của tổng thể được nghiên cứu thông qua dấu hiệu X . . lần thứ hai được 5 nốt lần ba được 3 nốt thì w = (2. Thực hiện một phép thử đối với mẫu ngẫu nhiên này tức là tung con xúc xắc 3 lần. Với mẫu ngẫu nhiên kích thước n . ký hiệu w = ( x1 . xn ) . Giả sử X i nhận giá trị xi ( i = 1. Nếu dấu hiệu nghiên cứu có tính định lượng.1: Gọi X là số nốt xuất hiện khi tung con xúc xắc cân đối.. 5. X n độc lập cùng phân bố với X . Bằng cách mô hình hóa ta có thể xem biến lượng X là một biến ngẫu nhiên xác định trên tổng thể C.1. .. X 3 ) . X là biến ngẫu nhiên có bảng phân bố xác suất sau X 1 2 3 4 5 6 P 1/ 6 1/ 6 1/ 6 1/ 6 1/ 6 1/ 6 Nếu tung con xúc xắc 3 lần và gọi X i là số nốt xuất hiện trong lần tung thứ i ( i = 1. Việc chọn ra từ tổng thể một tập con nào đó gọi là phép lấy mẫu. . X 2 .. . n ).. .. Thực hiện một phép thử đối với mẫu ngẫu nhiên W chính là thực hiện một phép thử đối với mỗi thành phần của mẫu. . . Mẫu ngẫu nhiên Ta nói rằng một mẫu là mẫu ngẫu nhiên nếu trong phép lấy mẫu đó mỗi cá thể của tổng thể được chọn một cách độc lập và có xác suất được chọn như nhau. hay còn gọi là một thể hiện của mẫu ngẫu nhiên.Chương 5: Thống kê toán học Các cá thể của tổng thể được nghiên cứu thông qua các dấu hiệu nghiên cứu. X 2 .. n ). W = ( X 1 .

4.Chương 5: Thống kê toán học 5.4. k . n Ta có bảng phân bố tần suất thực nghiệm của X X TÇn suÊt x1 f1 x2 f2 Ví dụ 5. Các khoảng này lập thành một phân hoạch của miền giá trị của X .2: Lấy một mẫu ngẫu nhiên kích thược 120 ta có bảng phân bố thực nghiệm tần số và tần suất X 31 34 35 36 38 40 42 44 ∑ TÇn sè 10 20 30 15 10 10 5 20 120 TÇn suÊt 2 / 24 4 / 24 6 / 24 3 / 24 2 / 24 2 / 24 1 / 24 4 / 24 1 5. Định lý Glivenco chỉ ra rằng hàm phân bố thực nghiệm Fn (x) xấp xỉ với phân bố lý thuyết F ( x) = P{X < x} khi n đủ lớn. trong đó x1 < < x k .. Hàm phân bố thực nghiệm của mẫu Với mẫu ngẫu nhiên xác định bới công thúc (5.1.2) xk fk (5.4. i = 1.. (5.4) x j <x gọi là hàm phân bố thực nghiệm của mẫu đã cho.1.. người ta thường xác định một số các khoảng C1 .4. . 95 . . C k sao cho mỗi giá trị của dấu hiệu điều tra thuộc vào một khoảng nào đó. Bảng phân bố tần số thực nghiệm Giả sử ta rút được một mẫu ngẫu nhiên kích thước n của X nhận giá trị xi với tần số xuất hiện ri .1.3. − ∞ < x < +∞ (5. C 2 .4. .1.1). Hàm số xác định như sau Fn ( x) = ∑ fj . Các phương pháp mô tả mẫu ngẫu nhiên 5.4.1) Khi đó ta có thể mô tả mẫu ngẫu nhiên trên qua bảng phân bố tần số thực nghiệm X TÇn sè x1 r1 x2 r2 xk rk (5.1. 5.2.1. r1 + + rk = n .. hoặc khi các giá trị cụ thể của dấu hiệu X lấy giá trị khác nhau song lại khá gần nhau.3) 5. Bảng phân bố ghép lớp Trong những trường hợp mẫu điều tra có kích thước lớn. . Bảng phân bố tần suất thực nghiệm Ký hiệu f i = ri gọi là tần suất của xi .

1425 3 3 24 19 19.145 § é réng kho¶ ng l i 5 2 y i = ri / l i 3.155 2 31 13.5 9.180 0. Trong ví dụ trên ta có các khoảng [4.1375 3 4 10 14 9 5.5] .5] . ri ) .045 0.105 0.Chương 5: Thống kê toán học Việc chọn số khoảng và độ rộng khoảng là tuỳ thuộc vào kinh nghiệm của người nghiên cứu.. Bảng phân bố tần số và tần suất thực nghiệm trong ví dụ 5. . nhưng nói chung không nên chia quá ít khoảng. 5.5 72 57 0. i = 1.5 TÇn sè ri 18 58 TÇn suÊt f i 0.1.5 − 26.5 .4.5 22.5 − 16. ™ Nối điểm trên trục hoành có toạ độ ( xi . Ngoài ra độ rộng các khoảng cũng không nhất thiết phải bằng nhau. (9.6 29 11. f i ) với điểm có toạ độ ( xi +1 . f i +1 ) . (11.090 0. Ví dụ 5.5 − 11..5 16.5 Giá trị yi = ri là tần số xuất hiện trong một đơn vị khoảng của khoảng có độ dài li .5] .5 − 13.0) với điểm có toạ độ ( xi . li Qui ước: Đầu mút bên phải của mỗi khoảng thuộc vào khoảng đó mà không thuộc khoảng tiếp theo khi tính tần số của mỗi khoảng.5 − 19. Biểu diễn bằng biểu đồ Giả sử dấu hiệu điều tra X có bảng phân bố tần số và tần suất thực nghiệm X TÇn sè x1 r1 x2 r2 xk rk X TÇn suÊt x1 f1 x2 f2 xk fk Trong mặt phẳng với hệ trục toạ độ Oxy .5 − 9. k ta được biểu đồ tần số hình gậy.5.5 62 0. 9.13.3: Một mẫu về chiều cao của 400 cây được trình bày trong bảng phân bố ghép lớp sau: Kho¶ ng 4.5 . k − 1 ta được biểu đồ đa giác tần suất.5 42 36 55 0.5 − 36.11.5 .5 − 22.5 26. i = 1.2 có biểu đồ tần số hình gậy và đa giác tần suất 96 . ™ Nối lần lượt điểm có toạ độ ( xi . Chẳng hạn khi muốn thống kê về tỉ lệ người nghiện thuốc lá thì ta tập trung nhiều vào độ tuổi thanh niên và trung niên.

Tổ chức đồ (histogram) Đối với bảng phân bố ghép lớp. người ta thường dùng tổ chức đồ để biểu diễn.Chương 5: Thống kê toán học ri 30 20 15 10 5 31 34 36 38 40 42 44 31 34 36 38 40 42 44 xi fi 6 / 24 4 / 24 3 / 24 2 / 24 1 / 24 xi 1. Trong mặt phẳng với hệ toạ độ Oxy . hay li . Với mỗi khoảng Ci ta dựng hình chữ nhật có chiều cao yi = yi = fi (đối với tổ chức đồ tần suất). li Tổ chức đồ tần số của mẫu ghép lớp của ví dụ 5.3 97 ri (đối với tổ chức đồ tần số). trên trục hoành ta chia các khoảng Ci có độ rộng li .6.4.

X n ) có dạng: T = T ( X 1 . . X 2 .5.1. .5 − 13. Thống kê và các đặc trưng của mẫu ngẫu nhiên 5. Chẳng hạn số cây nằm trong khoảng (12.5 − 12) × 31 + (16.5. Định nghĩa thống kê Một thống kê của mẫu là một hàm của các biến ngẫu nhiên thành phần của mẫu.1.5) × 9 = 240 Vậy có 240 cây có chiều cao từ 12m đến 25m .5 36.5 19.5 3..5 16. X n ) 98 (5.6 4. Với các dấu hiệu điều tra là định tính thì người ta thường mô tả các số liệu mẫu bằng biểu đồ hình bánh xe.5) × 14 + ( 25 − 22.5) × 19 + ( 22. X 2 . (13.5 26..4: Tổng kết kết quả học tập của sinh viên Học viện ta trong năm 2005 được số liệu sau: 19% 12% 31% Gioi Khá Trung bình Y?u 38% 5. Ví dụ 5.5 Chú ý rằng diện tích giới hạn bởi tổ chức đồ bằng tần số xuất hiện. .5 11.Chương 5: Thống kê toán học 31 29 24 19 14 9 5. 25] chính là diện tích của tổ chức đồ giới hạn bởi đường thẳng x = 12 và x = 25 .5 − 19. .5 22. Đó là hình tròn được chia thành những góc có diện tích tỷ lệ với các tần số tương ứng của mẫu. Thống kê của mẫu ngẫu nhiên W = ( X 1 .5) × 24 + (19..5 − 16.5 9.1.5) ..5 13.

Trung bình mẫu Trung bình mẫu của mẫu ngẫu nhiên W = ( X 1 .6) Giá trị trung bình mẫu cụ thể của mẫu ngẫu nhiên cụ thể w = ( x1 .46). x 2 . n (5. . . .50).46). X 2 .8) ta có: ES 2 = DX và ES * 2 = DX 99 (5. (2. . X n ) của biến ngẫu nhiên X được định nghĩa và ký hiệu 1 n X = ∑ Xi n i =1 (5.8) 1 k = ∑ ri X i 2 − X n i =1 (5.. x n ) là 1 n x = ∑ xi n i =1 (5.. .. .Chương 5: Thống kê toán học Như vậy thống kê T cũng là một biến ngẫu nhiên tuân theo một quy luật phân bố xác suất nhất định và có các tham số đặc trưng như kỳ vọng ET phương sai DT … Mặt khác. x 2 . 5. . .7) Giả sử dấu hiệu nghiên cứu X có kỳ vọng và phương sai hữu hạn..2. S *2 = 1 k ri ( X i − μ )2 ∑ n i =1 (5. (2.1. (2.11) . áp dụng các công thức tính kỳ vọng và phương sai của tổng các biến ngẫu nhiên độc lập (2.9) E X = EX . khi mẫu ngẫu nhiên nhận một giá trị cụ thể w = ( x1 . Phương sai mẫu ƒ Phương sai mẫu Sˆ 2 : 1 k 2 ˆ S = ∑ ri X i − X n i =1 ( ƒ ( )2 Phương sai mẫu có hiệu chỉnh S 2 : S2 = ƒ ) 2 ( 1 k ∑ ri X i − X n − 1 i =1 ) 2 = ( ) 1 k n ri X i2 − X ∑ n − 1 i =1 n −1 2 (5.5.50) và (5. x n ) thì T cũng nhận một giá trị cụ thể là T = T ( x1 . x n ) Các thống kê cùng với quy luật phân bố xác suất của chúng là cơ sở để suy rộng các thông tin của mẫu cho dấu hiệu nghiên cứu của tổng thể.. D X = 5.58) ta có ( ) ( ) DX .1.10) Áp dụng công thức tính kỳ vọng (2...3.. x 2 .5.9)’ Phương sai mẫu S * 2 khi dấu hiệu nghiên cứu X của tổng thể có kỳ vọng xác định EX = μ .

1. Nếu giá trị của mẫu cụ thể được cho dưới dạng bảng phân bố ghép lớp với các khoảng C1 . .. .17) 2.1. 3. trường hợp ngược lại ta cho nhận giá trị 0. X 2 . Lấy mẫu ngẫu nhiên: W = ( X 1 .. ..5.. . D( f ) = p (1 − p ) n (5.14) Tương tự công thức (5.5. . Độ lệch tiêu chuẩn mẫu ( 1 k ∑ ri X i − X n − 1 i =1 S = S2 = ) 2 (5.1... DX = p(1 − p) (công thức (2. Nếu mẫu chỉ nhận các giá trị x1 . X n ) .12) 5. . Mẫu thu gọn: Nếu các giá trị của mẫu cụ thể xi không gọn (quá lớn hoặc quá bé hoặc phân tán) ta có thể thu gọn mẫu bằng cách đổi biến: 100 . X 1 .. r2 . (5. Tần suất mẫu Ta cần nghiên cứu một dấu hiệu nghiên cứu A nào đó mà mỗi cá thể của tổng thể có thể có hoặc không có dấu hiệu A .Chương 5: Thống kê toán học 5.9))... s 2 1.15) 5.11) ta có công thức tính kỳ vọng và phương sai của tần suất mẫu: E ( f ) = p .4.13) Tần suất mẫu f = r n (5. Nếu cá thể có dấu hiệu A ta cho nhận giá trị 1.. x 2 .. ..16) i ⎛ 1 ⎜ k = ∑ ri xi2 − n − 1 ⎜⎜ i =1 ⎝ ( ∑ i=1 ri xi k n ) 2 ⎞ ⎟ ⎟ ⎟ ⎠ (5. . k ∑r = n i =1 (5. x k với tần số tương ứng r1 . X 2 . C m và tần số của Ci là ri thì giá trị trung bình mẫu và phương sai mẫu được tính như trên. X n là các biến ngẫu nhiên độc lập có cùng phân bố không – một A( p) . Lúc đó dấu hiệu nghiên cứu có thể xem là biến ngẫu nhiên X có quy luật phân bố xác suất không – một A( p) có kỳ vọng và phương sai EX = p . Cách tính giá trị cụ thể của trung bình mẫu và phương sai mẫu x .5. Tần số xuất hiện dấu hiệu A của mẫu là r = X1 + X 2 + + Xn .6.5. rk thì giá trị trung bình mẫu và phương sai mẫu cụ thể được tính theo công thức ∑ x= k ( 1 s2 = ∑ ri xi − x n − 1 i =1 ) k i =1 i i 2 rx n . trong đó xi là trung điểm của khoảng Ci .

su = 400 ⎟⎠ 399 ⎜⎝ 400 s x2 = 5 2 × su2 = 49.Chương 5: Thống kê toán học ui = Thật vậy: x = sx2 = xi − a ⇒ xi = hu i + a h ⇒ x = h u + a .6 − 46.3.4 1.5 − 11.5 − 22.5 2.5)2 ⎞⎟ 1 ⎛⎜ 2 × 873.12 19.9 − 110. 5.68 22.5 873.5 18 7 9..5 42 21 0.056 .5 − 1. X 2 .16 26. Từ tổng thể rút ra một mẫu ngẫu nhiên kích thước n : W = ( X 1 .8 9.5 − 1.5 − 16.5 0. i i n i =1 n i =1 i =1 ( 1 k ∑ ri xi − x n − 1 i =1 ) 2 ( 1 k ∑ ri h ui + a − h u − a n − 1 i =1 = ) 2 = h2 k ∑ ri ui − u n − 1 i =1 ( ) 2 = h 2 su2 .47 − = 1.9 − 19. Thông thường ta chọn a là điểm giữa của các giá trị xi .79 ⇒ s = 49.4 29.3 126.4 − 22..2 209.2 8.5 58 11.5 − 177.5 57 18 − 0. Các số a và h được chọn phù hợp sao cho u .1.5 − 93 139.78 .9 32.6.5 − 9. .5 36 24. xi − 20 5 ru i i 2 ru i i − 2.5 − 26.68 10.95 − 177.5 55 31.79 = 7.5 − 13. su2 tính dễ dàng hơn.5 13.38 62 12. X n ) 101 . s x2 = h 2 su2 (5.5 72 15 −1 − 72 72 16.8 121. Các tham số này có thể đã biết hoặc chưa biết.5 ∑ ui = 400 ( − 177. Quy luật phân bố xác suất của một số thống kê đặc trưng mẫu Trường hợp biến ngẫu nhiên gốc tuân theo quy luật phân bố chuẩn Giả sử dấu hiệu nghiên cứu trong tổng thể có thể xem như một biến ngẫu nhiên X tuân theo quy luật chuẩn với kỳ vọng EX = μ và phương sai DX = σ 2 .5 290.18) 1 k 1 k h k r x = r h u + a = ( ) ∑ i i n∑ ∑ rui i + a = h u + a . .5: Giá trị trung bình mẫu và phương sai mẫu của mẫu ở ví dụ 5.5 − 36. Ví dụ 5.47 Khoảng tần số ri xi 4.9917 x = 5 u + 20 = 5 × + 20 = 17.

. Theo định lý 3. σ χ2 = nSˆ 2 σ2 2 n ⎛ X −μ⎞ = ∑⎜ i ⎟ ~ χ 2 ( n) σ ⎠ i =1 ⎝ (5.10 mọi tổ hợp tuyến tính của các biến ngẫu nhiên có phân bố chuẩn là biến ngẫu nhiên có phân bố chuẩn.22) σ 2 (n − 1) Khi n khá lớn thì quy luật Student T(n) hội tụ khá nhanh về phân bố chuẩn tắc N (0. 2 χ = (n − 1) S 2 σ2 ⎛X −X = ∑ ⎜⎜ i σ i =1 ⎝ n 2 ⎞ ⎟ ~ χ 2 (n − 1) ⎟ ⎠ 4) Từ (5. Do đó thống kê sau có phân bố khi bình phương n bậc tự do. 102 . σ 2 ) như X .21) và U . do đó trong thực tế nếu n > 30 ta có thể xem thống kê T xấp xỉ N (0.1) . σ ⎠ σ i =1 i =1 ⎝ Vì các biến ngẫu nhiên X i độc lập nên các biến ngẫu nhiên khác theo (2.20) 3) Thống kê phương sai S 2 .33) suy ra thống kê sau có quy luật chuẩn tắc N (0.1) σ (5.33) Xi − μ cũng độc lập.. χ 2 độc lập. ( X − μ) n ( X − μ) n U σ = ~ T(n − 1) . = T= S (n − 1) S 2 χ 2 (n − 1) (5.42) thì T = (5. áp dụng công thức (2. Vì vậy ta có các kết quả sau: 1) Thống kê trung bình mẫu: ( ) Trung bình mẫu X có quy luật phân bố chuẩn với kỳ vọng E X = μ và phương sai ( ) DX = σ2 . X n độc lập có cùng quy luật phân bố chuẩn N (μ.19) 2) Thống kê phương sai Sˆ 2 .16) ta có: nSˆ 2 = ∑ ( X i − μ )2 và 2 = ∑ ⎜ i ⎟ .1) : n U= ( X − μ) n ~ N (0.1) .21) U χ 2 (n − 1) có phân bố Student n − 1 bậc tự do. Tương tự thống kê sau có phân bố khi bình phương n − 1 bậc tự do.19). áp dụng công thức (2. 2 n n nSˆ 2 ⎛ X −μ⎞ Từ công thức (5.1) ..Chương 5: Thống kê toán học Các biến ngẫu nhiên thành phần X 1 . . Mặt σ Xi − μ ~ N (0. (5. X 2 .

X n ) . X n ) Từ công thức (5. Cùng với một mẫu ngẫu nhiên có thể xây dựng nhiều thống kê θˆ khác nhau để ước lượng cho tham số θ . Phương pháp ước lượng điểm Phương pháp ước lượng điểm chủ trương dùng một giá trị để thay cho giá trị của tham số θ chưa biết của tổng thể... x n ) giá trị cụ thể của thống kê θˆ = T (x1 . .. X n ) Khi đó với mẫu cụ thể w = ( x1 .23) ( f − p) n với phân bố chuẩn tắc N (0. X 2 .. .. x n ) là ước lượng của θ .24) 5. ~ N (0. . thống kê ước lượng cho tham số θ có dạng công thức (5. x 2 .2. D( f ) = X1 + + Xn n có quy luật pq . Với mọi x ∈ . X 2 .Chương 5: Thống kê toán học Quy luật phân bố của tần suất mẫu Giả sử trong tổng thể dấu hiệu nghiên cứu có thể xem như biến ngẫu nhiên phân bố theo quy luật không – một. . . Vì vậy ta cần lựa chọn thống kê tốt nhất để ước lượng cho tham số θ dựa vào các tiêu chuẩn sau: 103 .1) khi ⎨ pq ⎩ nq > 5 (5. .1. (5. X 2 . .5): θˆ = T ( X 1 . Thông thường giá trị được chọn này là giá trị cụ thể của một thống kê θˆ nào đó của mẫu ngẫu nhiên. lim P ⎨ n→∞ ⎪ pq ⎪⎭ ⎩ Như vậy có thể xấp xỉ thống kê U = (5. . Với mẫu ngẫu nhiên W = ( X 1 .1) khi n đủ lớn. (5. pq Người ta thấy rằng xấp xỉ là tốt khi np > 5 và nq > 5 hoặc npq > 20 ...2.14). LÝ THUYẾT ƯỚC LƯỢNG 5... U= ⎧ np > 5 ( f − p) n hoặc npq > 20 .13). x 2 .15) ta đã biết tần suất mẫu f = nhị thức với các tham số đặc trưng là: E ( f ) = p . Từ tổng thể rút ra một mẫu ngẫu nhiên kích thước n : W = ( X 1 .. . n Áp dụng định lý Moivre-Laplace ta có: ⎪⎧ ( f − p) n ⎪⎫ < x ⎬ = Φ ( x) . .

Chương 5: Thống kê toán học 5. X 2 .. Định nghĩa 5.8) ta có D X = σ2 . θ) ) ⎞ nE⎜ ⎟ ∂θ ⎝ ⎠ 2 (5. . X n ) là một hàm của các biến ngẫu nhiên X 1 .. . X n ) được gọi là ước lượng không chệch của θ nếu với mọi giá trị của tham số θ ˆ =θ E(θ) (5.2. X ) được gọi là ước lượng chệch của θ . .. θ ) = 1 σ 2π −( x− μ )2 2 e 2σ 104 . ( ) Thật vậy theo công thức (5. X n nên cũng là một biến ngẫu nhiên..1: Thống kê θˆ = T ( X 1 . X 2 . X n ) được lấy từ tổng thể có dấu hiệu nghiên cứu là biến ngẫu nhiên X có hàm mật độ xác suất (hay biểu thức xác suất ) f ( x.26) hàm mật độ của X n có dạng f ( x. X 2 . Định nghĩa 5. ít ra là các phân bố xác suất đã xét trong chương II) và θˆ là ước lượng không chệch bất kỳ của θ thì () D θˆ ≥ 1 ⎛ ∂ (ln f ( x. . Vì vậy ta tìm ước lượng không chệch sao cho độ sai lệch trên bé nhất.26) Ví dụ 5.. Ước lượng hiệu quả Điều kiện (5.6: Dựa vào bất đẳng thức trên ta có thể chứng minh được rằng trung bình mẫu X là ước lượng hiệu quả của kỳ vọng μ của dấu hiệu nghiên cứu X của tổng thể có phân bố chuẩn N (μ. Ước lượng không chệch Thống kê θˆ = T ( X 1 . σ 2 ) .25) ˆ ≠ θ thì θˆ = T ( X .2.. để xét xem ước lượng không chệch θˆ có phải là ước lượng hiệu quả của θ hay không ta cần phải tìm một cận dưới của phương sai của các ước lượng không chệch và so sánh phương sai của θˆ với cận dưới này. Nếu E (θ) 1 2 n 5. Như vậy.25) của ước lượng không chệch có nghĩa rằng trung bình các giá trị của θˆ bằng giá trị θ . θ) thỏa mãn một số điều kiện nhất định (thường được thỏa mãn trong thực tế.2: Ước lượng không chệch có phương sai nhỏ nhất so với mọi ước lượng không chệch khác được xây dựng trên cùng một mẫu ngẫu nhiên gọi là ước lượng hiệu quả.. .2. . X . Điều này được giải quyết bằng bất đẳng thức Cramer-Rao phát biểu như sau: Cho mẫu ngẫu nhiên W = ( X 1 . . X 2 . ..3. . Do đó ta có thể xét các đặc trưng của thống kê này.. Mặt khác theo (2.. . Từng giá trị của θˆ có thể sai lệch rất lớn so với θ .

μ ) x − μ = 2 ∂μ σ ⎛ ∂ ( ln f ( X . 5... do đó trung bình mẫu X là ước lượng hiệu quả của μ . θ ) ) ⎞ n n n ⎛ X −μ ⎞ 2 nE ⎜ = 4 E( X − μ) = 4 D( X ) = 2 . 105 . ta có trung bình mẫu X là ước lượng vững của kỳ vọng μ . μ ) = − ln σ 2π − ( x − μ )2 2 Vậy 2σ 2 ⇒ ∂ ln f ( x. n→∞ (5. X 2 . Phương pháp ước lượng bằng khoảng tin cậy Các phương pháp ước lượng điểm nói trên có nhược điểm là khi kích thước mẫu bé thì ước lượng điểm có thể sai lệch rất nhiều so với giá trị của tham số cần ước lượng.4.27) Theo hệ quả 2 của luật số lớn Trêbưsep.. . Theo luật số lớn Bernoulli ta suy ra tần suất mẫu f là ước lượng vững của tần suất p của tổng thể. hiệu quả và vững của kỳ vọng μ của biến ngẫu nhiên gốc của tổng thể.2. .Chương 5: Thống kê toán học ( ) ⇒ ln f ( x.99). Tóm lại ta có kết quả sau: ¾ Trung bình mẫu X là ước lượng không chệch. công thức (4. X n ) hội tụ theo xác suất đến θ khi n → ∞.95 hay 0. Do đó khi kích thước mẫu bé người ta thường dùng phương pháp ước lượng khoảng tin cậy. . b] chứa tham số θ với xác suất β đủ lớn cho trước ( β được gọi là độ tin cậy và thường được chọn là 0. Nghĩa là từ mẫu ngẫu nhiên tìm khoảng [a. Ước lượng vững Định nghĩa 5.3: Thống kê θˆ = T ( X 1 . Nghĩa là với mọi ε > 0 . Mặt khác phương pháp trên cũng không thể đánh giá được khả năng mắc sai lầm khi ước lượng là bao nhiêu.5. X n ) được gọi là ước lượng vững của tham số θ của biến ngẫu nhiên gốc X nếu θˆ = T ( X 1 . hiệu quả và vững của tần suất p của tổng thể. 5.9) chương IV.. S 2 và Sˆ 2 là ước lượng vững của phương sai σ 2 của biến ngẫu nhiên gốc X của tổng thể. X 2 . ¾ Phương sai mẫu S 2 và S * 2 (trường hợp μ đã biết) là ước lượng không chệch và vững của phương sai σ 2 của biến ngẫu nhiên gốc của tổng thể. luôn có { } lim P θˆ − θ < ε = 1 . ¾ Tần suất mẫu f là ước lượng không chệch. ⎟ = nE ⎜ ⎟ 2 ∂θ σ σ σ ⎝ σ ⎠ ⎝ ⎠ ( ) Như vậy D X = σ2 n 2 đạt giá trị cực tiểu của bất đẳng thức Cramer-Rao.2. .

σ 2 ) nhưng chưa biết tham số μ của nó. Lúc đó có thể kết luận là: Qua mẫu cụ thể với độ tin cậy β tham số θ của biến ngẫu nhiên gốc X sẽ nằm trong khoảng [a . X + Uα / 2 ⎢ X − Uα / 2 ⎥ n n⎦ ⎣ trong đó: α = 1 − β ..2.. . X 2 .. (X − μ) n σ ≤ Uα / 2 . .6. b = b( X 1 .. 5. x 2 .28) phụ thuộc mẫu ngẫu nhiên W = ( X 1 . b ] có hai đầu mút là hai thống kê a = a( X 1 . . Trường hợp phương sai σ 2 đã biết Định lý 5. X n ) . . b = b( x1 . . Tiến hành một phép thử với mẫu ngẫu nhiên W = ( X 1 . .. tức là a ≤ θ ≤ b . Từ tổng thể rút ra một mẫu ngẫu nhiên kích thước n : W = ( X 1 . . . .1. U α là giá trị tới hạn mức 2 α 2 Chứng minh: Theo công thức (5. x n ) . X 2 . X n )} = β (5. x n ) .. .. X 2 .2. . x n ) . .Chương 5: Thống kê toán học Định nghĩa 5. x 2 . .30) của phân bố chuẩn tắc N (0. Áp dụng công thức (2. .4: Khoảng [a . . khi đó theo nguyên lý xác suất lớn biến cố {a ≤ θ ≤ b} hầu như chắc chắn sẽ xảy ra trong một phép thử.21). ( X − μ) n σ σ n ⇔ ~ N (0. ..1: Khoảng tin cậy của tham số μ với độ tin cậy β có dạng: σ σ ⎤ ⎡ ... x 2 .29) Trong thực tế thường yêu cầu độ tin cậy β khá lớn. gọi là khoảng tin cậy của tham số θ với độ tin cậy β nếu: P{a( X 1 .. . X n ) ta thu được một mẫu cụ thể w = ( x1 .32) ta có σ σ ⎤ ⎡ ⎪⎧ ( X − μ ) n ⎪⎫ P ⎢ X − Uα / 2 ≤ μ ≤ X + Uα / 2 ≤ Uα / 2 ⎬ = 1 − α = β . . X 2 . X n ) .1) (công thức 3. X 2 . X 2 . Khoảng tin cậy của kỳ vọng của biến ngẫu nhiên phân bố theo quy luật chuẩn Giả sử tổng thể biến ngẫu nhiên gốc X có phân bố chuẩn N ( μ .. X 2 . ⎥ = P⎨ σ n n⎦ ⎣ ⎪⎩ ⎪⎭ 106 . X n ) (5.. X n ) của biến ngẫu nhiên gốc X ... .1) .. ta tìm khoảng tin cậy của μ trong các trường hợp sau: 5...19) ta có Mặt khác: X − Uα / 2 σ n ≤ μ ≤ X + Uα / 2 (5.6. b ] . X n ) ≤ θ ≤ b( X 1 . tính được giá trị cụ thể a = a( x1 . ...

thì kích thước mẫu cần thiết là số tự nhiên n nhỏ nhất thỏa mãn: σ 2Uα2 / 2 n≥ ε 02 (5. khoảng tin cậy của tham số μ là: [19.392 . 64 . Với độ tin cậy β = 0. n≥ 0. b. Khoảng tin cậy có dạng (5. 19. 032 .962 = = 42. Nếu muốn độ chính xác của ước lượng không vượt quá 0. b. σ 2 ) với σ = 1 .7: Trọng lượng của một loại sản phẩm là một biến ngẫu nhiên phân bố theo quy luật chuẩn với độ lệch tiêu chuẩn 1 gram.64 − 0. 25 Vậy với độ tin cậy 95% qua mẫu cụ thể này. Giải: Gọi X là trọng lượng sản phẩm. 248 ≤ μ ≤ 20. Trọng lượng trung bình của sản phẩm là tham số μ .95 ⇒ α 2 = 0. theo giả thiết X có phân bố chuẩn N (μ.5: ε = Uα / 2 n được gọi là độ chính xác của ước lượng. Cần thử 25 sản phẩm loại này ta thu được kết quả: Trọng lượng (gram) 18 19 20 21 Số SP tương ứng 3 5 15 2 Với độ tin cậy 95% a. 107 . 2 a.Chương 5: Thống kê toán học σ Định nghĩa 5.31) Ví dụ 5. Hãy tìm khoảng tin cậy của trọng lượng trung bình của loại sản phẩm trên.3 thì cần cân thử ít nhất n sản phẩm sao cho: σ 2Uα2 / 2 1⋅1.32 ε 02 Chọn n = 43 . 25 Độ chính xác của ước lượng ε = Uα / 2 σ n = 1. Nếu muốn độ chính xác của ước lượng không vượt quá 0.96 ⋅ 1 = 0. Với độ chính xác ε 0 và độ tin cậy β cho trước.96 .30).3 thì cần cân thử ít nhất bao nhiêu sản phẩm. 68 .64 + 0. Từ bảng số liệu tìm được trung bình mẫu cụ thể: x = 3 ⋅18 + 5 ⋅19 + 15 ⋅ 20 + 2 ⋅ 21 = 19. 025 ⇒ U α = 1.392] hay 19.392 .

75 0.25 1.96 . 06 .2. Do đó khoảng tin cậy của tham số μ với độ tin cậy β có thể lấy là S S ⎤ ⎡ . 0 3 3 ∑ 35 −6. 21 . ta tiến hành đo ngẫu nhiên 35 cây và có kết quả cho trong bảng sau: Khoảng ri xi ui = xi − 8. ta không biết phương sai σ 2 của biến ngẫu nhiên gốc X của tổng thể. S được xác định bởi công thức (5. 0 −4 4 7. 25 u = −6.1857 ≈ 8. 0 10 7.75 −0. X + Uα / 2 ⎢ X − Uα / 2 ⎥ n n⎦ ⎣ (5. 25 − 0.5 8. Mặt khác.1857 ⇒ x = 8. 108 .5 −5 2.5 − 7. 0 2 6. kích thước mẫu n ≥ 30 Trong nhiều bài toán thực tế.5 3 9.5 −3 4. 35 s X2 = sU2 = 1 ⎛ (−6.5 7.32) Ví dụ 5. 2 Độ chính xác của ước lượng ε = Uα / 2 0.5 1.5 11 8.6. U α = 1. 35 n Vậy khoảng tin cậy cho chiều cao trung bình μ của các cây bạch đàn là: 7.5 − 8.25 0 0 0 8.25 −1.12).5 − 9.5 4 7. 25 ri ui ri ui2 6. Nhưng nếu kích thước mẫu n đủ lớn ( n ≥ 30 ) ta có thể xấp xỉ độ lệch chuẩn σ bởi độ lệch chuẩn mẫu S (vì S 2 là ước lượng vững không chệch của σ 2 ).Chương 5: Thống kê toán học 5. 25 9.8: Để xác định chiều cao trung bình của các cây bạch đàn trong khu rừng rộng trồng bạch đàn. đúng với mọi biến ngẫu nhiên gốc X (không đòi hỏi phân bố chuẩn). theo định lý giới hạn trung tâm thì thống kê (X − μ) n σ xấp xỉ chuẩn.87 ≤ μ ≤ 8. 0 − 7. 0 5 8.75 −1.96 ⋅ = 0. 64 s = 1. 0 − 9. Trường hợp phương sai σ 2 chưa biết. 29 . 25 − ⎟ = 0. 64 .5)2 ⎞ ⎜⎜ 15. 0 − 8.5 15.5 2.2.5 = −0. 413 ⇒ s = 0. 34 ⎝ 35 ⎟⎠ Với độ tin cậy β = 95% .

4254 .35) Với độ tin cậy β và độ chính xác ε 0 cho trước thì kích thước mẫu cần thiết là số tự nhiên n nhỏ nhất thỏa mãn: ⎛ S ⋅ tα / 2 (n − 1) ⎞ n≥⎜ ⎟ ε0 ⎝ ⎠ 2 (5. 16 n Vậy khoảng tin cậy cho năng suất trung bình của loại hạt giống này là μ thỏa mãn: 169.885 . α = 0. 167. 05. 175. Hãy tìm khoảng tin cậy cho năng suất trung bình của loại hạt giống này với độ tin cậy β = 95% .2: Khoảng tin cậy của tham số μ với độ tin cậy β có dạng: S S ⎤ ⎡ . 166. Tra bảng phân bố Student với 15 bậc tự do ta tìm được tα / 2 (n − 1) = t0. 171. 173.6.33) có phân bố Student n − 1 bậc tự do.Chương 5: Thống kê toán học 5. Gieo thử giống hạt này trên 16 mảnh vườn thí nghiệm thu được như sau (đơn vị kg/ha): 172. Giải: Năng suất trung bình của hạt giống là tham số μ . 170.43). 171.131 . 173.34) của phân bố Student n − 1 bậc tự do (công thức 2. 165. 166. n n⎦ ⎣ trong đó tα / 2 (n − 1) là giá trị tới hạn mức α 2 (5.22) thống kê T= (X − μ) n S (5. 176. α 2 = 0. 173. X + tα / 2 (n − 1) ⎢ X − tα / 2 (n − 1) ⎥. 109 . Độ chính xác của ước lượng: ε = tα / 2 (n − 1) S n (5.131 ⋅ = 1. kích thước mẫu n < 30 Trong trường hợp này.3.9: Năng suất của một loại giống mới là một biến ngẫu nhiên có quy luật phân bố chuẩn N ( μ . s = 3. Từ các số liệu trên ta tính được: x = 171.025 (15) = 2. Độ chính xác ε = tα / 2 (n − 1) 3.115 ≤ μ ≤ 172.885 . Trường hợp phương sai σ 2 chưa biết.174. Vì vậy khoảng tin cậy được tính theo kết quả sau: Định lý 5. 4254 S = 2. σ 2 ) . 170. 025 .2. theo công thức (5.36) Ví dụ 5. 174.

Theo định lý Moivre-Laplace (4.38) của phân bố chuẩn tắc N (0. Do đó khoảng tin cậy cho tần suất p của tổng thể với độ tin cậy β là: ⎡ ⎢ f − Uα / 2 ⎣ f (1 − f ) . f + Uα / 2 n f (1 − f ) ⎤ ⎥ n ⎦ (5.39) Với độ tin cậy β và độ chính xác ε 0 cho trước thì kích thước mẫu cần thiết là số tự nhiên n nhỏ nhất thỏa mãn: ⎛U ⎞ n ≥ f (1 − f ) ⎜ α / 2 ⎟ ⎝ ε0 ⎠ 2 trong đó f là tần suất mẫu của một mẫu ngẫu nhiên nào đó.2. f = X1 + + Xn n là tần suất mẫu. DX = p(1 − p ) ... Khoảng tin cậy cho tần suất p Ta cần nghiên cứu một dấu hiệu nghiên cứu A nào đó mà mỗi cá thể của tổng thể có thể có hoặc không có dấu hiệu A . 110 (5.12) thì khi n đủ lớn ta có thể xấp xỉ thống kê U = ( f − p) n với phân bố chuẩn tắc N (0.37) Với điều kiện ⎧nf > 10 ⎨ ⎩n(1 − f ) > 10 trong đó U α là giá trị tới hạn mức 2 α 2 (5. X 2 . Độ chính xác của khoảng tin cậy: ε = Uα / 2 f (1 − f ) .Chương 5: Thống kê toán học 5. trường hợp ngược lại ta cho nhận giá trị 0..1) với α = 1 − β .1) .. n (5. Lúc đó dấu hiệu nghiên cứu có thể xem là biến ngẫu nhiên X có quy luật phân bố xác suất không – một A( p ) có kỳ vọng và phương sai EX = p . (5. X n ) . Nếu cá thể có dấu hiệu A ta cho nhận giá trị 1.24) thì tần suất mẫu f là ước lượng vững. X 2 . Mặt khác theo công thức (5.21). Lấy mẫu ngẫu nhiên W = ( X1. p (1 − p ) Tuy nhiên vì p chưa biết nên chưa biết p(1 − p) = DX . trong đó X1.40) . không chệch và hiệu quả của tần suất p tổng thể...7. X n là các biến ngẫu nhiên độc lập có cùng phân bố không – một A( p ) ... Vì vậy khi n đủ lớn ta có thể thay p bằng f .

1. - Phương pháp phản chứng: "Để bác bỏ A ta giả sử A đúng thì dẫn đến một điều vô lý". 4 = 1. Giả thiết thống kê Giả thiết thống kê là giả thiết về dạng phân bố xác suất. Nếu ta nghi ngờ rằng nhu cầu này không đúng thì đối thiết H1 là μ ≠ 1000 . Vậy với độ tin cậy 95% thì tối thiểu có 57.1.10: Trong đợt vận động bầu cử tổng thống ở một nước nọ. Chẳng hạn giả thiết H0: nhu cầu thị trường về loại hàng hóa này là μ = 1000 đơn vị/tháng. Đó là giả thiết mà ta nghi ngờ muốn bác bỏ hoặc giả thiết ta muốn bảo vệ. Từ mẫu cụ thể trên ta có f = ⎧nf = 960 > 10 960 . 024 .3. Ngoài giả thiết H0 ra.6% cử tri sẽ bỏ phiếu cho ứng cử viên A. Dấu hiệu nghiên cứu là cử tri sẽ bỏ phiếu cho A.Chương 5: Thống kê toán học Ví dụ 5. Tổng thể nghiên cứu là tập hợp tất cả các cử tri. Giả thiết đưa ra kiểm nghiệm được ký hiệu là H0. n 1600 Khoảng tin cậy: 0. người ta phỏng vấn ngẫu nhiên 1600 cử tri.37) với điều kiện (5. KIỂM ĐỊNH GIẢ THIẾT THỐNG KÊ 5. là biến ngẫu nhiên có quy luật phân bố không – một A( p ) .576 ≤ p ≤ 0. Qui tắc kiểm định dựa trên hai nguyên lý sau: - Nguyên lý xác suất nhỏ: "Nếu một biến cố có xác rất nhỏ thì trong một hay vài phép thử thì biến cố đó coi như không xảy ra". 624 .96 = 0. Trong mục này ta sẽ nghiên cứu bài toán kiểm định giả thiết về các tham số đặc trưng của tổng thể. 6 ⋅ 0.3. do chính sách hậu mãi tốt người ta nghĩ rằng nhu cầu về mặt hàng này tăng lên thì đối thiết H1 là μ > 1000 . ta còn phải định ra một giả thiết cạnh tranh với H0 gọi là đối thiết. các đặc trưng tham số của biến ngẫu nhiên gốc hoặc giả thiết về sự độc lập của các biến ngẫu nhiên gốc. được biết có 960 người trong số đó sẽ bỏ phiếu cho ứng cử viên A. 5. gọi là “giả thiết không”.1. Đối thiết H1 sẽ được chấp nhận khi H0 bị bác bỏ. Khái niệm chung Trong mục trước ta giải quyết các bài toán về ước lượng tham số đặc trưng của dấu hiệu nghiên cứu của tổng thể bằng cách đưa về ước lượng các tham số đặc trưng của các biến ngẫu nhiên gốc. ký hiệu H1. nhưng nếu do tiếp thị tốt.38). Khoảng tin cậy cho p có dạng (5. Cần chú ý rằng đối thiết H1 không nhất thiết là phủ định của giả thiết H0. Giải: Gọi p là tỉ lệ số phiếu sẽ bầu cho ứng cử viên A.3. 6 thỏa mãn điều kiện ⎨ 1600 ⎩n(1 − f ) = 640 > 10 Độ chính xác của ước lượng ε = Uα / 2 f (1 − f ) 0. 5. Với độ tin cậy β = 95% tối thiếu ứng cử viên A sẽ chiếm được bao nhiêu % số phiếu bầu. = 0. Dựa vào hai nguyên lý này ta đưa ra phương pháp chung để kiểm định một giả thiết thống kê như sau: Để kiểm định H0 trước hết giả sử H0 đúng từ đó ta tìm được biến cố A mà xác suất 111 .

θ 0 ) (5. Thống kê T được gọi là tiêu chuẩn kiểm định.41) ta được giá trị quan sát của tiêu chuẩn kiểm định: Tqs = ( x1 .41) trong đó θ 0 là tham số liên quan đến giả thiết cần kiểm định. Giá trị quan sát của tiêu chuẩn kiểm định Thực hiện phép thử với mẫu ngẫu nhiên W = ( X 1 . X n . theo nguyên tắc kiểm định thì H0 sai. .42) Giá trị α được gọi là mức ý nghĩa của kiểm định và miền Wα gọi là miền bác bỏ giả thiết H0 với mức ý nghĩa α . . Nếu Tqs ∈Wα . Còn nếu A không xảy ra thì ta chưa có cơ sở để bác bỏ H0.05 hoặc 0. .3..3.1.3.3. ..1.. Do đó ta chỉ có thể nói rằng qua mẫu cụ thể này chưa có cơ sở để bác bỏ H0 (trên thực tế là thừa nhận H0).. 5. x 2 . 5. 2.43) 5. Quy tắc kiểm định giả thiết thống kê So sánh giá trị quan sát của tiêu chuẩn kiểm định với miền bác bỏ Wα và kết luận theo quy tắc sau: 1...3.2. . 112 .Chương 5: Thống kê toán học xuất hiện biến cố A là rất bé và ta có thể xem A không thể xảy ra trong một phép thử về biến cố này. .. x n .5. X 2 .4. Lúc đó nếu trên một mẫu cụ thể quan sát được mà biến cố A xuất hiện thì điều này trái với nguyên lý xác suất nhỏ. Nếu Tqs ∉Wα thì điều này chưa khẳng định rằng H0 đúng mà chỉ có nghĩa là qua mẫu cụ thể này chưa khẳng định được là H0 sai. x n ) . X n ) thu được mẫu cụ thể w = ( x1 . θ 0 ) (5.1. X 2 .. Chọn thống kê T = T ( X 1 . . .01) và với điều kiện H0 đúng ta có thể tìm được miền Wα sao cho T nhận giá trị trong miền Wα với xác suất bằng α : P {T ∈ Wα H 0 } = α (5. . thay giá trị này vào thống kê (5. do đó ta bác bỏ H0 thừa nhận H1. X 2 .. . Miền bác bỏ giả thiết Sau khi đã chọn tiêu chuẩn kiểm định T . x 2 . Vậy H0 sai và bác bỏ nó. Tiêu chuẩn kiểm định giả thiết thống kê Từ biến ngẫu nhiên gốc X của tổng thể lập mẫu ngẫu nhiên W = ( X 1 . X n ) .1. với α bé cho trước (thường α được lấy bằng 0.. Ta thực hiện phương pháp trên bằng các bước cụ thể sau: 5. Nếu H0 đúng thì thống kê T có quy luật phân bố xác suất xác định.

vì nói chung khi giảm sai lầm loại I thì sai lầm loại II tăng và ngược lại.v… 2.3.6. tùy thuộc vào ý nghĩa của bài toán.44) Xác suất của biến cố đối của sai lầm loại II: P{T ∈ Wα H 1 } = 1 − β gọi là lực lượng kiểm định. Chẳng hạn nếu lấy α = 0 thì sẽ không bác bỏ bất kỳ giả thiết nào. ta chọn ra miền bác bỏ Wα sao cho xác suất sai lầm loại II là nhỏ nhất hay lực lượng kiểm định là lớn nhất. xác suất ta bác bỏ H0 bằng xác suất biến cố {T ∈Wα }. Thực tế Quyết định Bác bỏ H0 Không bác bỏ H0 H0 đúng H0 sai Sai lầm loại I Quyết định đúng Xác suất = α Xác suất = 1 − β Quyết định đúng Sai lầm loại II Xác suất = 1 − α Xác suất = β Ta muốn tìm một qui tắc kiểm định mà cả hai loại sai lầm trên là cực tiểu. Việc chọn mức ý nghĩa α bằng bao nhiêu tùy thuộc vào từng trường hợp cụ thể. Vậy xác suất sai lầm loại II là β xác định như sau: P {T ∉ Wα H1} = β (5. kể cả giả thiết sai. Nhưng không tồn tại kiểm định lý tưởng như vậy. do phương pháp lấy mẫu v. Sai lầm loại một và sai lầm loại hai Với quy tắc kiểm định như trên có thể mắc hai loại sai lầm sau: 1. Mặt khác trong bài toán kiểm định thì giả thiết H0 là giả thiết quan trọng. Vì vậy các nhà thống kê đưa ra phương pháp sau: Sau khi ta chọn sai lầm loại I nhỏ ở mức ý nghĩa α .Pearson chỉ ra rằng nhiều bài toán quan trọng trong thực tiễn có thể tìm được miền bác bỏ Wα thỏa mãn điều kiện trên. vậy β sẽ đạt cực đại. Thật vậy. Sai lầm loại I: Đó là sai lầm mắc phải khi bác bỏ giả thiết H0 trong khi H0 đúng. do đó sai lầm về nó càng nhỏ càng tốt.Chương 5: Thống kê toán học 5. Nghĩa là cần tìm miền bác bỏ Wα thỏa mãn điều kiện: P{T ∈ Wα H 0 } = α và P{T ∈ Wα H1 } = 1 − β → max Định lý Neymann .1. 113 . Sai lầm loại I sinh ra do kích thước mẫu quá nhỏ. Ta thấy xác suất mắc sai lầm loại I đúng bằng mức ý nghĩa α . với mẫu kích thước n xác định. điều này xảy ra khi giá trị quan sát Tqs không thuộc miền bác bỏ Wα trong khi H1 đúng. Sai lầm loại II: Đó là sai lầm mắc phải khi thừa nhận giả thiết H0 trong khi H0 sai. do đó khi H0 đúng thì xác suất này bằng P{T ∈ Wα H 0 } = α .

1. H1: μ < μ 0 . e. σ 2 ) đã biết.1) . Đây là bài toán kiểm định một phía. T > Uα ⎬ .19) thì thống kê T có phân bố chuẩn tắc N (0. cần kiểm định kỳ vọng μ . Xét thống kê T= ( X − μ0 ) n σ (5. Trường hợp đã biết phương sai Giả sử phương sai σ 2 của biến ngẫu nhiên gốc X trong tổng thể có phân bố chuẩn N (μ. Phát biểu giả thiết H0 và đối thiết H1.45) Nếu giả thiết H0 đúng.Chương 5: Thống kê toán học 5. f. theo công thức (5. Từ mẫu cụ thể tính giá trị quan sát của tiêu chuẩn kiểm định Tqs . Bài toán 1: H0: μ = μ 0 . σ 2 ) .46) b.1. Miền bác bỏ ⎧⎪ ⎫⎪ ( X − μ0 ) n Wα = ⎨T = . So sánh giá trị quan sát của tiêu chuẩn kiểm định Tqs với miền bác bỏ Wα và kết luận.7.. c. X 2 . . 114 (5. σ ⎪⎩ ⎪⎭ c. a. Thủ tục kiểm định giả thiết thống kê Qua nội dung trình bày ở trên ta có thể xây dựng một thủ tục kiểm định giả thiết thống kê bao gồm các bước sau: a. Từ tổng thể rút ra một mẫu ngẫu nhiên kích thước n : W = ( X 1 . σ ⎪⎩ ⎪⎭ (5. Đây là bài toán kiểm định một phía.3. Nếu có cơ sở để giả thiết rằng kỳ vọng μ bằng giá trị μ 0 ta đưa ra giả thiết thống kê H0 : μ = μ 0 . Chọn tiêu chuẩn kiểm định T và xác định quy luật phân bố xác suất của T với điều kiện giả thiết H0 đúng. Kiểm định giả thiết về kỳ vọng của biến ngẫu nhiên có phân bố theo quy luật chuẩn Giả sử biến ngẫu nhiên gốc X trong tổng thể có phân bố chuẩn N (μ. Bài toán 2: H0: μ = μ 0 .47) . . xác định miền bác bỏ Wα tốt nhất tùy thuộc vào đối thiết H1. Miền bác bỏ ⎧⎪ ⎫⎪ ( X − μ0 ) n Wα = ⎨T = .2.. Từ tổng thể nghiên cứu lập mẫu ngẫu nhiên kích thước n .3. Bài toán 3: H0: μ = μ 0 . Ta xây dựng các miền bác bỏ dựa vào đối thiết H1. Với mức ý nghĩa α . d. Ta xét các trường hợp sau: 5. H1: μ ≠ μ 0 . Ta nói đây là bài toán kiểm định hai phía.3. 5. H1: μ > μ 0 .2. T > Uα/2 ⎬ . b. X n ) .

tương tự mục 5. S ⎪⎩ ⎪⎭ Miền bác bỏ (5. Ta nói đây là bài toán kiểm định hai phía.2. Miền bác bỏ ⎧⎪ ⎫⎪ ( X − μ0 ) n Wα = ⎨T = .52) Ví dụ 5. . Đối thiết H1 : μ ≠ 7.51) c. −T > Uα ⎬ .5 . Đây là bài toán kiểm định một phía.4). T > Uα/2 ⎬ . T > Uα ⎬ .1 với độ lệch chuẩn là s = 2.11: Một hãng buôn muốn biết xem phải chăng có sự không ổn định trung bình về lượng hàng bán được trung bình trên một nhân viên bán hàng so với các năm trước (lượng đó bằng 7.2. H1: μ < μ 0 . Trường hợp chưa biết phương sai.6. kích thước mẫu n ≥ 30 Trường hợp phương sai σ 2 chưa biết: Với kích thước n đủ lớn ( n ≥ 30 ) và giả thiết H0 đúng.4.3. H1: μ > μ 0 . Ta kiểm định: Giả thiết H0 : μ = 7. σ 5. x 2 . Bài toán 2: H0: μ = μ 0 . H1: μ ≠ μ 0 . . − T >Uα ⎬ .Chương 5: Thống kê toán học Miền bác bỏ ⎧⎪ ⎫⎪ ( X − μ0 ) n Wα = ⎨T = . S ⎪⎩ ⎪⎭ (5. σ ⎪⎩ ⎪⎭ trong đó U α / 2 . S ⎪⎩ ⎪⎭ (5. ⎧⎪ ⎫⎪ ( X − μ0 ) n Wα = ⎨T = .50) b..2 ta có thống kê T= ( X − μ0 ) n S (5. Lập mẫu cụ thể w = ( x1 . Một mẫu ngẫu nhiên gồm 40 nhân viên bán hàng được lựa chọn và tìm thấy lượng hàng trung bình của họ là x = 6.4) n S 115 . Đây là bài toán kiểm định một phía. Miền bác bỏ ⎧⎪ ⎫⎪ (X − μ0 ) n Wα = ⎨T = .4 . x n ) và tính giá trị quan sát của tiêu chuẩn kiểm định Tqs = ( x − μ0 ) n và so sánh với miền bác bỏ Wα để kết luận.49) xấp xỉ phân bố chuẩn tắc N (0. a. Ta xây dựng các miền bác bỏ dựa vào đối thiết H1. Bài toán 3: H0: μ = μ 0 .1) . Tiêu chuẩn kiểm định: T = ( X − 7.. U α lần lượt là giá trị tới hạn mức α 2 (5.2.48) và mức α của phân bố chuẩn tắc N (0.1) . Bài toán 1: H0: μ = μ 0 . Với mức ý nghĩa α = 1% có thể nói rằng lượng hàng bán được trung bình trên mỗi đầu người có sự thay đổi không? Giải: Gọi μ là lượng hàng bán được trung bình trên mỗi nhân viên bán hàng của hãng buôn.

H1: μ ≠ μ 0 .2.64 ⇒ Miền bác bỏ: Wα = ⎨T = .289 . T > tα / 2 (n − 1) ⎬ . Ví dụ 5. 116 (5.64⎬ . Thay giá trị cụ thể của mẫu vào công thức (5. 215 Với mẫu cụ thể này giá trị quan sát của tiêu chuẩn kiểm định rơi vào miền bác bỏ. Ta kiểm định: Giả thiết H0 : μ = 1200. Hệ thống này khi chạy kiểm tra trong 40 giờ cho thấy số hóa đơn được xử lí trung bình trong 1 giờ là 1260 với độ lệch chuẩn 215. kích thước mẫu n < 30 Giả sử giả thiết H0 đúng. a.4) n ⇒ Miền bác bỏ: Wα = ⎨T = .5 Với mẫu cụ thể này giá trị quan sát của tiêu chuẩn kiểm định rơi vào miền bác bỏ. vậy ta có thể kết luận hệ thống máy tính mới tốt hơn hệ thống cũ. Với mức ý nghĩa 5% hãy nhận định xem hệ thống mới có tốt hơn hệ thống cũ hay không? Giải: Gọi μ là số hóa đơn trung bình mà hệ thống máy tính mới xử lí được trong 1 giờ. Ta xây dựng các miền bác bỏ dựa vào đối thiết H1. S ⎩ ⎭ (6. H1: μ > μ 0 . Bài toán 1: H0: μ = μ 0 . vậy ta có thể kết luận rằng số lượng hàng bán được trung bình của mỗi nhân viên bán hàng là có thay đổi.3. xét thống kê T= ( X − μ0 ) n S (5.12: Một công ti có một hệ thống máy tính có thể xử lí 1200 hóa đơn trong một giờ.4) 40 = −3.54) . Tiêu chuẩn kiểm định: T = ( X − 1200) n S ⎧ ⎫ ( X − 1200) n α = 0.01 ⇒ U α = 2.05 ⇒ U α = 1. S ⎩ ⎭ (1260 − 1200) 40 = 1. 2. T > 2.1 − 7.575 2 Tqs = ⎧ ⎫ ( X − 7.22) thống kê T có phân bố Student n − 1 bậc tự do. Đối thiết H1 : μ > 1200.575⎬ .49) ta được Tqs = 5. Trường hợp chưa biết phương sai. T > 1.53) theo công thức (5. Công ti mới nhập một hệ thống máy tính mới. b.Chương 5: Thống kê toán học α = 0.3. Bài toán 2: H0: μ = μ 0 . S ⎪⎩ ⎪⎭ trong đó tα / 2 (n − 1) là giá trị tới hạn mức α 2 của phân bố Student n − 1 bậc tự do. Miền bác bỏ: ⎧⎪ ⎫⎪ ( X − μ0 ) n Wα = ⎨T = .76 .

44 . 18.3.56) Ví dụ 5. Dựa vào kết quả này hãy xác nhận xem quảng cáo của công ty có đúng không.1. Miền bác bỏ: ( X − μ0 ) n ⎪⎧ ⎪⎫ Wα = ⎨T = . 19.7. Nếu p chưa biết.5.9. s = 3. Có nghĩa là với số liệu này thì có thể chấp nhận lời quảng cáo của công ty. Kiểm định giả thiết về tần suất Giả sử ta để ý đến một đặc trưng A nào đó mà mỗi cá thể của tổng thể có thể có tính chất này hoặc không. Ta cần kiểm định giả thiết H0: μ = 21. 117 .131⎬ .025 của phân bố Student 15 bậc tự do là 2 ⎧⎪ ⎫⎪ ( X − 21.5) 16 = −1. 3.4. 18.406 .8. 17. σ 2 ) .0. song có cơ sở để giả thiết rằng giá trị này bằng p 0 . 44 < 2. c. Biết rằng năng suất giống cây trồng là một biến ngẫu nhiên có phân bố chuẩn N ( μ . 25. S ⎪⎩ ⎪⎭ (5. 21.Chương 5: Thống kê toán học Miền bác bỏ: ( X − μ0 ) n ⎪⎧ ⎪⎫ Wα = ⎨T = . 20. Tiêu chuẩn kiểm định: T = ( X − 21.131. 23. Ta kiểm định giả thiết H0: p = p 0 . S ⎩⎪ ⎭⎪ (5. 24.2.0. 18. Giải: Gọi μ là năng suất trung bình của loại giống mới. T > tα (n − 1) ⎬ .038 ⇒ Tqs = (20. Gieo thử hạt giống mới này tại 16 vườn thí nghiệm và thu được kết quả: 19. 22. Gọi p là tần suất có đặc trưng A của tổng thể.55) trong đó tα (n − 1) là giá trị tới hạn mức α của phân bố Student n − 1 bậc tự do.406 − 21. S ⎪⎩ ⎪⎭ Từ mẫu cụ thể trên tính được: x = 20.1.4.7. S Tra bảng ta tính được giá trị tới hạn mức 2.7.13: Một công ty sản xuất hạt giống tuyên bố rằng một loại giống mới của họ có năng suất trung bình là 21.038 Vì Tqs = 1. Do đó miền bác bỏ: α = 0. 23.05.3.5. 21. T > 2.3.8.5 tạ/ha. − T > tα (n − 1) ⎬ . 16. Đối thiết H1: μ ≠ 21.131 nên chưa có cơ sở để bác bỏ H0. H1: μ < μ 0 . như đã thấy trong chương VII dấu hiệu nghiên cứu này là một biến ngẫu nhiên X có phân bố không – một A( p ) với kỳ vọng bằng p .5) n Wα = ⎨T = .8. 15. 5. Bài toán 3: H0: μ = μ 0 .5) n .6. Mức ý nghĩa được lựa chọn là α = 0.

H1: p ≠ p 0 . H1: p > p 0 .45.14: Một đảng chính trị trong một cuộc bầu cử tổng thống ở nước nọ tuyên bố rằng có 45% cử tri sẽ bỏ phiếu cho ứng cử viên A của đảng họ.61) Với mẫu cụ thể tính giá trị quan sát của tiêu chuẩn kiểm định Tqs . áp dụng định lý giới hạn trung tâm (công thức (5.1) . so sánh với Wα và kết luận. Giải: Gọi p là tỉ lệ cử tri sẽ bỏ phiếu cho ứng cử viên A.57) Nếu giả thiết H0 đúng. −T > Uα ⎬ p0 (1 − p0 ) ⎪⎭ ⎪⎩ (5. Trong thực tế khi ⎧np 0 > 5 ⎨ ⎩n(1 − p 0 ) > 5 (5. gọi f là tần suất mẫu (công thức (5. a) H0: p = p 0 . hãy kiểm định xem dự đoán của đảng trên có đúng không. H1: p < p 0 .24)) thì khi n đủ lớn thống kê trên xấp xỉ phân bố chuẩn tắc N (0. Chọn ngẫu nhiên 2000 cử tri để thăm dò ý kiến và cho thấy có 862 cử tri tuyên bố sẽ bỏ phiếu cho A. (Bởi vì ta không có cơ sở nào để cho rằng dự đoán của đảng trên là cao hơn 0.Chương 5: Thống kê toán học Từ tổng thể rút ra một mẫu ngẫu nhiên kích thước n . Xét thống kê T= ( f − p0 ) n p 0 (1 − p0 ) (5.58) thì có thể xem thống kê (5. ⎫⎪ ⎧⎪ ( f − p0 ) n Wα = ⎨T = . Với mức α = 5%. Do đó với mức ý nghĩa α và tùy thuộc đối thiết H1 ta có thể xây dựng các miền bác bỏ tương ứng. Ta cần kiểm định: Giả thiết H0: p = 0. ⎫⎪ ⎧⎪ ( f − p0 ) n Wα = ⎨T = . 118 .45 .60) c) H0: p = p 0 . Ví dụ 5.45 hay thấp hơn 0.13)-(5.1) .45). T > Uα ⎬ p0 (1 − p0 ) ⎪⎭ ⎪⎩ (5.15)).59) b) H0: p = p 0 . T > Uα ⎬ Wα = ⎨T = p0 (1 − p0 ) ⎪ ⎩⎪ 2⎭ (5. Đối thiết H1: p ≠ 0.57) có phân bố chuẩn tắc N (0. ⎧⎪ ⎫⎪ ( f − p0 ) n .

hoặc khi các giá trị cụ thể của dấu hiệu X lấy giá trị khác nhau song lại khá gần nhau.55 = 1100 > 5 862 chuẩn kiểm định theo công thức (5.431 − 0. X n ) . Việc chọn ra từ tổng thể một tập con nào đó gọi là phép lấy mẫu.05 ⇒ U α = 1. Thay mẫu cụ thể với f = = 0. Vậy không có cơ sở để 2 bác bỏ H0. Bảng phân bố ghép lớp Trong những trường hợp mẫu điều tra có kích thước lớn. . X 2 . . X n độc lập cùng phân bố với X ..57). người ta thường xác định một số các khoảng 119 . Tập hợp con này được gọi là một mẫu.. . r1 + + rk = n . f i = ri gọi là tần suất của xi . TÓM TẮT Tổng thể Toàn bộ tập hợp các phần tử đồng nhất theo một dấu hiệu nghiên cứu định tính hay định lượng nào đó được gọi là tổng thể. ..Chương 5: Thống kê toán học ⎧np 0 = 2000 ⋅ 0.96. Bảng phân bố tần số thực nghiệm và tần suất thực nghiệm Nếu một mẫu ngẫu nhiên kích thước n của X nhận giá trị xi với tần số xuất hiện ri .45) 2000 0.. ký hiệu W = ( X 1 .431 ta được giá trị 2000 Vì rằng điều kiện quan sát của tiêu chuẩn kiểm định Tqs = (0. Với mức ý nghĩa α = 0. Mẫu ngẫu nhiên của dấu hiệu nghiên cứu X Mẫu ngẫu nhiên kích thước n của dấu hiệu nghiên cứu X là một dãy gồm n biến ngẫu nhiên: X 1 . Ta thấy Tqs < 1..45 ⋅ 0..708 . i = 1.96.45 = 900 > 5 thỏa mãn nên có thể chọn tiêu ⎨ ⎩n(1 − p 0 ) = 2000 ⋅ 0. X 2 .55 = −1. k : x1 < < x k . −∞ < x < +∞ . . n Khi đó ta có thể mô tả mẫu ngẫu nhiên trên qua bảng phân bố tần số thực nghiệm và tần suất thực nghiệm của X X TÇn sè x1 r1 x2 r2 xk rk X TÇn suÊt x1 f1 x2 f2 xk fk Hàm phân bố thực nghiệm của mẫu Hàm số xác định như sau: Fn ( x) = ∑ x j <x rj n . . Mẫu ngẫu nhiên Nếu trong phép lấy mẫu đó mỗi cá thể của tổng thể được chọn một cách độc lập và có xác suất được chọn như nhau ta được một mẫu ngẫu nhiên.

. . . . X 2 . C k sao cho mỗi giá trị của dấu hiệu điều tra thuộc vào một khoảng nào đó. . . ™ Đối với bảng phân bố ghép lớp... li li Thống kê Một thống kê của mẫu là một hàm của các biến ngẫu nhiên thành phần của mẫu. Lấy mẫu ngẫu nhiên kích thước n : W = ( X 1 . X 2 . X 1 .. X 2 ... ... ∑ n i =1 S= 1 k ∑ ri X i − X n − 1 i =1 2 = Độ lệch tiêu chuẩn mẫu ( ) 2 Tần suất mẫu Xét biến ngẫu nhiên gốc X có phân bố không – một A( p) . . Biểu diễn bằng biểu đồ Trong mặt phẳng với hệ trục toạ độ Oxy . n i =1 Phương sai mẫu ( 1 k ∑ ri X i − X n − 1 i =1 ) 2 ( ) 1 k n ri X i2 − X ∑ n − 1 i =1 n −1 2 ƒ Phương sai mẫu S 2 : S 2 = ƒ Phương sai mẫu Sˆ 2 : khi dấu hiệu nghiên cứu X của tổng thể có kỳ vọng xác định EX = μ .. Các khoảng này lập thành một phân hoạch của miền giá trị của X . người ta thường dùng tổ chức đồ để biểu diễn: Trên trục hoành ta chia các khoảng Ci có độ rộng li . X 2 . Với mỗi khoảng Ci ta dựng hình chữ nhật có chiều cao yi = ri f (đối với tổ chức đồ tần số). X n ) có dạng: T = T ( X 1 . i = 1.. hay yi = i (đối với tổ chức đồ tần suất). ri ) . k − 1 ta được biểu đồ đa giác tần suất. k ta được biểu đồ tần số hình gậy.0) với điểm có toạ độ ( xi . ™ Nối điểm trên trục hoành có toạ độ ( xi . . C 2 .. . X n là các biến ngẫu nhiên độc lập có cùng phân bố 120 . X n ) là: X = 1 n ∑ Xi . X n ) .Chương 5: Thống kê toán học C1 .. . f i ) với điểm có toạ độ ( xi +1 . f i +1 ) . i = 1. X n ) Trung bình mẫu Trung bình mẫu của mẫu ngẫu nhiên W = ( X 1 . ™ Nối lần lượt điểm có toạ độ ( xi . S = 1 n ( X i − μ )2 . X 2 . . Thống kê của mẫu ngẫu nhiên W = ( X 1 ..

n Cách tính giả trị cụ thể của mẫu trung bình mẫu và phương sai mẫu x .. 2 2 S (n − 1) S χ (n − 1) σ 2 (n − 1) Trường hợp tần suất mẫu U= ⎧ np > 5 ( f − p) n hoặc npq > 20 . σ 2 χ = 2 χ = nSˆ 2 σ2 2 n ⎛ X −μ⎞ = ∑⎜ i ⎟ ~ χ 2 ( n) .. s2 = i =1 k ( 1 ∑ ri xi − x n − 1 i =1 ) 2 ⎛ 1 ⎜ k = ⎜ ∑ ri xi2 − n − 1 ⎜ i =1 ⎜ ⎝ (∑ ) 2 k r x i =1 i i n ⎞ ⎟ ⎟ ⎟ ⎟ ⎠ Quy luật phân bố xác suất của một số thống kê đặc trưng mẫu Trường hợp biến ngẫu nhiên gốc tuân theo quy luật phân bố chuẩn U= ( X − μ) n ~ N (0. n2 .. X n ) được gọi là ước lượng không chệch của θ nếu: E (θˆ ) = θ . .1) . x k với tần số tương ứng n1 . X 2 . ∑ ri = n .. Ước lượng vững 121 . x 2 .1) khi ⎨ pq ⎩ nq > 5 Ước lượng không chệch Thống kê θˆ = T ( X 1 . nk thì giá trị trung bình mẫu và phương sai mẫu cụ thể được tính theo công thức x= ∑ k rx i =1 i i n k . Ước lượng hiệu quả Ước lượng không chệch có phương sai nhỏ nhất so với mọi ước lượng không chệch khác được xây dựng trên cùng một mẫu ngẫu nhiên gọi là ước lượng hiệu quả. . .. . Tần số xuất hiện dấu hiệu A của mẫu là: r = X 1 + X 2 + + X n .Chương 5: Thống kê toán học với X . . ⎟ ⎠ ( X − μ) n ( X − μ) n U σ = T= = ~ T(n − 1) . . s 2 Nếu mẫu chỉ nhận các giá trị x1 . ~ N (0. σ ⎠ i =1 ⎝ (n − 1) S 2 σ2 ⎛X −X = ∑ ⎜⎜ i σ i =1 ⎝ n 2 ⎞ ⎟ ~ χ 2 (n − 1) .Tần suất mẫu f = r ..

X n ) hội tụ theo xác suất đến θ khi n → ∞ . θ) ⋅ f ( x 2 . θ) (hoặc có thể là biểu thức xác suất nếu X là biến ngẫu nhiên rời rạc). Khoảng tin cậy của kỳ vọng của biến ngẫu nhiên phân bố theo quy luật chuẩn • Trường hợp phương sai σ 2 đã biết: σ σ ⎤ α 1+ β ⎡ . x n là tham số còn θ là biến và giả sử hàm hợp lý L( x1 .. n n⎦ ⎣ trong đó tα / 2 (n − 1) là giá trị tới hạn mức α 2 của phân bố Student n − 1 bậc tự do. x 2 . X 2 .. . x n .. Khoảng tin cậy Khoảng [a . .. X n ) của biến ngẫu nhiên gốc X . X n ) . . X 2 . . X n ) được gọi là ước lượng vững của tham số θ của biến ngẫu nhiên gốc X nếu θˆ = T ( X 1 . x n . X n ) được gọi là ước lượng hợp lý cực đại của θ . θ) được gọi là hàm hợp lý của tham số θ ...... . n n⎦ ⎣ 2 • Trường hợp phương sai σ 2 chưa biết n ≥ 30 : S S ⎤ α 1+ β ⎡ . x n ) . . b ] có hai đầu mút là hai thống kê a = a( X 1 . Khi ta xem x1 . Từ tổng thể rút ra một mẫu ngẫu nhiên kích thước n : Hàm mật độ đồng thời có dạng của mẫu ngẫu nhiên có dạng L( x1 . . . X 2 . n n⎦ ⎣ 2 • Trường hợp phương sai σ 2 chưa biết n < 30 : S S ⎤ ⎡ ... X 2 . . X + Uα / 2 ⎢ X − Uα / 2 ⎥ . θ) đạt cực đại tại θˆ = g ( x1 . x 2 . . Ước lượng hợp lý cực đại Giả sử đã biết quy luật phân bố xác suất của dấu hiệu nghiên cứu biến ngẫu nhiên gốc X có hàm mật độ f ( x.. . X + tα / 2 (n − 1) ⎢ X − tα / 2 (n − 1) ⎥. Φ (U α ) = 1 − 2 = 2 . X n ) phụ thuộc mẫu ngẫu nhiên W = ( X 1 .. . b = b( X 1 . θ) = f ( x1 . . . θ) .. Khoảng tin cậy cho tần suất p 122 . .. X 2 .. .. . X + Uα / 2 ⎢ X − Uα / 2 ⎥ . θ) ⋅ ⋅ ⋅ f ( x n . x n . Thống kê θˆ = g ( X 1 . .. Φ (U α ) = 1 − 2 = 2 . .. gọi là khoảng tin cậy của tham số θ với độ tin cậy β nếu: P{a ≤ θ ≤ b} = β . x 2 . .. Cần phải ước lượng tham số θ nào đó của X . Hàm L( x1 . . .Chương 5: Thống kê toán học Thống kê θˆ = T ( X 1 ... X 2 .

H1: μ < μ 0 . Miền bác bỏ Wα = { T > U α }. b. Bài toán 3: H0: μ = μ 0 . Bài toán 2: H0: μ = μ 0 . Miền bác bỏ Wα = { T > U α }.1) . Bài toán 1: H0: μ = μ 0 . Bài toán 2: H0: μ = μ 0 . Cạnh tranh với giả thiết này là đối thiết H1. Miền bác bỏ Wα = { − T > U α } . c) Chọn tiêu chuẩn kiểm định T và xác định quy luật phân bố xác suất của T với điều kiện giả thiết H0 đúng. các tham số đặc trưng hoặc tính chất của các biến ngẫu nhiên này. 2) Trường hợp chưa biết phương sai n ≥ 30 Tiêu chuẩn kiểm định : T = ( X − μ0 ) n . H1: μ < μ 0 . H1: μ ≠ μ 0 .Chương 5: Thống kê toán học ⎡ ⎢ f − Uα / 2 ⎣ f (1 − f ) . Miền bác bỏ Wα = { − T > U α } . 123 . So sánh giá trị quan sát của tiêu chuẩn kiểm định Tqs với miền bác bỏ Wα và kết luận. H1: μ > μ 0 . U α là giá trị tới hạn mức α 2 2 của phân bố chuẩn tắc N (0. Giải thiết thống kê Giả thiết thống kê là giả thiết về dạng phân bố xác suất của biến ngẫu nhiên gốc của tổng thể. Thủ tục kiểm định giả thiết thống kê Một thủ tục kiểm định giả thiết thống kê bao gồm các bước sau: a) Phát biểu giả thiết H0 và đối thiết H1. H1: μ > μ 0 . xác định miền bác bỏ Wα tốt nhất tùy thuộc vào đối thiết H1. S a. c. Miền bác bỏ Wα = {T > U α / 2 }. b) Từ tổng thể nghiên cứu lập mẫu ngẫu nhiên kích thước n . Kiểm định giả thiết về kỳ vọng của biến ngẫu nhiên có phân bố theo quy luật chuẩn 1) Trường hợp đã biết phương sai Tiêu chuẩn kiểm định : T = ( X − μ0 ) n . b. f + Uα / 2 n ⎧nf > 10 f (1 − f ) ⎤ ⎥ Với điều kiện ⎨ n ⎩n(1 − f ) > 10 ⎦ Trong đó α = 1 − β . c. e) Từ mẫu cụ thể tính giá trị quan sát của tiêu chuẩn kiểm định Tqs . Giả thiết thống kê là những điều ta nghi ngờ muốn bác bỏ. được phát biểu dưới dạng H0. Miền bác bỏ Wα = {T > U α / 2 }. d) Với mức ý nghĩa α . σ a. H1: μ ≠ μ 0 . theo nghĩa rằng nếu bác bỏ H0 thì chấp nhận H1 và ngược lại. Bài toán 1: H0: μ = μ 0 . Bài toán 3: H0: μ = μ 0 .

c. X n độc lập cùng phân bố với X . 5. Miền bác bỏ Wα = { T > tα / 2 (n − 1)} .3 Trung bình mẫu của dấu hiệu nghiên cứu có phân bố chuẩn cũng có phân bố chuẩn.4 Một thống kê của mẫu là một hàm của các biến ngẫu nhiên thành phần của mẫu do đó cũng là một biến ngẫu nhiên ..5 Trung bình mẫu là ước lượng vững và hiệu quả của kỳ vọng của biến ngẫu nhiên gốc. H0: p = p0 . . 5. Đúng Sai . 5. H1: μ ≠ μ 0 . Kiểm định giả thiết về tần suất Tiêu chuẩn kiểm định: T = ⎧np 0 > 5 với điều kiện ⎨ . H0: p = p0 . . 124 .. Wα = { T > U α / 2 }. ( 1 − ) > 5 n p p0 (1 − p0 ) 0 ⎩ ( f − p0 ) n a. b) Bài toán 2: H0: μ = μ 0 . H0: p = p0 . X 2 .1 Mẫu ngẫu nhiên kích thước n về dấu hiệu nghiên cứu X là một dãy gồm n biến ngẫu nhiên: X 1 . f là tần suất mẫu. 2 ⎛ ∂ (ln f ( x. Wα = { − T > U α }. H1: μ < μ 0 . Miền bác bỏ Wα = { T > tα (n − 1)} . H1: p > p0 . S a) Bài toán 1: H0: μ = μ 0 . 5.Chương 5: Thống kê toán học 3) Trường hợp chưa biết phương sai n < 30 Tiêu chuẩn kiểm định : T = ( X − μ0 ) n . H1: p < p0 . Đúng Sai . H1: μ > μ 0 . H1: p ≠ p0 . 5. Đúng Sai .2 Một thống kê của mẫu ngẫu nhiên là con số cụ thể về dấu hiệu nghiên cứu. c) Bài toán 3: H0: μ = μ 0 . Miền bác bỏ Wα = { − T > tα (n − 1)} . CÂU HỎI ÔN TẬP VÀ BÀI TẬP 5. Đúng Sai . Wα = { T > U α }. b. Đúng Sai . θ) ) ⎞ nE ⎜ ⎟ ∂θ ⎝ ⎠ Đúng Sai .6 Có thể tìm được ước lượng không chệch của θ có phương sai nhỏ hơn đại lượng 1 .

5.10 Muốn tìm khoảng tin cậy cho tham số μ của biến ngẫu nhiên gốc có phân bố chuẩn N (μ.18 Kiểm định hai phía là kiểm định đối với những tham số có thể nhận giá trị âm dương bất kỳ. 5. Đúng Sai . Đúng Sai . 5.11 Giả thiết thống kê là giả thiết do nhà thống kê đặt ra cho mẫu ngẫu nhiên. Đúng Sai . 5. Đúng Sai .12 Bác bỏ giả thiết dẫn đến chấp nhận đối thiết và ngược lại do đó đối thiết là phủ định của giả thiết.16 Miền bác bỏ là miền có xác suất rất bé nên ta có thể bỏ qua trong mọi phép kiểm định.Chương 5: Thống kê toán học 5. Đúng Sai . 5.19 Từ tổng thể có dấu hiệu nghiên cứu X có bảng phân bố xác suất sau X 0 1 P 0. Đúng Sai . 5.9 Hai đầu mút của khoảng tin cậy là hai thống kê của mẫu. Đúng Sai . 5.7 Tống của hai ước lượng không chệch là một ước lượng không chệch.15 Sai lầm loại 2 luôn luôn lớn hơn sai lầm loại 1.17 Khi xây dựng tiêu chuẩn kiểm định T ta luôn giả sử rằng giả thiết H0 sai vì giả thiết H0 là điều ta nghi ngờ muốn bác bỏ. Đúng Sai . 5. 5.13 Qui tắc kiểm định dựa trên nguyên lý xác suất nhỏ và phép chứng minh phản chứng. 5.5 125 . σ 2 ) thì kích thước mẫu n phải lớn hơn 30. còn kiểm định một phía khi tham số cần kiểm định chỉ nhận giá trị dương hoặc âm. 5.14 Sai lầm loại 1 là sai lầm gặp phải khi thực tế giả thiết đúng nhưng ta bác bỏ. Đúng Sai . Đúng Sai . Đúng Sai .8 Phương sai mẫu hiệu chỉnh S 2 là ước lượng vững không chệch của phương sai của biến ngẫu nhiên gốc. 5.5 0. Đúng Sai .

Hãy tính xác suất để trung bình mẫu X nằm trong khoảng: 19.97 1.48.51.01 0.81 0. b) Nếu muốn khoảng ước lượng có độ chính xác ε = 0. 3 . a) Lập bảng phân bố tần suất. Chọn mẫu ngẫu nhiên kích thước n = 100 .95.5 51. 1 ( n = 10 ).5 49.87 0.8 < X < 20. Tính x .5 48.975 của phân bố chuẩn tắc N(0.5 .96 1.5 . Kết quả đo được như sau: Khoảng chiều cao (cm) 16. 2 .05 1. 5.2 .26 Trọng lượng của một loại sản phẩm A là một biến ngẫu nhiên có phân bố theo quy luật chuẩn với độ lệch chuẩn là 1 gam. Tìm khoảng tin cậy 95% cho sản lượng điện thoại trung bình mỗi ngày. người ta bắt 2000 con cá trong hồ đánh dấu rồi thả lại xuống hồ. 5.10 0.1) là 1.16 1.84 0.1) .5.5 Số bao tương ứng 3 6 15 2 1 a) Tìm khoảng tin cậy 95% của trọng lượng trung bình của loại sản phẩm trên.88 0. Với độ tin cậy 98% tối thiếu ứng cử viên A sẽ chiếm được bao nhiêu % số phiếu bầu? Cho biết phân vị mức 0.05 0. 5. 2 . 5.00 1.5 .25 Để xác định chiều cao trung bình của các cây con trong một vườn ươm người ta tiến hành đo ngẫu nhiên 40 cây.02 1.1 thì cần lấy mẫu bao nhiêu cây. 5. 5. 4 .83 0.24 Muốn ước lượng số cá trong hồ. Tính xác suất để trung bình mẫu của mẫu ngẫu nhiên này nhận giá trị 0. Sau đó bắt lại 400 con và thấy có 53 con có dấu.5-17 17-17. 5.91 0.96.76 0.52. 126 .50. Hãy ước lượng số cá trong hồ với độ tin cậy là 0.5 17.77.08 0.22 Trong đợt vận động bầu cử tổng thống ở một nước nọ.07 0.97 1.14 0.95 1.89 0.5 18. 2 . Cân thử 27 bao loại này ta thu được kết quả: Trọng lượng(gam) 47. 1 .80 0. người ta phỏng vấn ngẫu nhiên 2000 cử tri thì được biết có 1082 người trong số đó sẽ bỏ phiếu cho ứng cử viên A.04 1.5-19 19-19.98 1.5 .24 0. một đơn vị đã tiến hành thống kê ngẫu nhiên 35 ngày và thu được kết quả sau với đơn vị 100. 3 .Chương 5: Thống kê toán học lập mẫu ngẫu nhiên kích thước n = 10 .21 Một mẫu cụ thể của biến ngẫu nhiên X như sau: 2 .20 1.03 1.93 1. b) Xây dựng hàm phân bố thực nghiệm.000 phút/ngày: 0. s .79 0.5-18 18-18. 4 .5 50.20 Giả sử biến ngẫu nhiên gốc có phân bố chuẩn N (20.49.5 Số cây tương ứng 3 5 11 12 6 3 a) Tìm khoảng tin cậy 90% cho chiều cao trung bình của vườn cây con.82 1.15 1.95 1. s2 .13 0.23 Để xác định sản lượng khai thác điện thoại của đơn vị mình.5 .

hệ thống này chạy kiểm tra trong 40 giờ cho thấy số hoá đơn xử lý trung bình trong 1 giờ là 1378 với độ lệch tiêu chuẩn 215. Công ty mới nhập một hệ thống máy tính mới.5 .29 Mức hao phí xăng của một loại ô tô chạy từ A đến B là một biến ngẫu nhiên có quy luật chuẩn với kỳ vọng 50 lít. Liệu có cần thay đổi định mức không. Với mức ý nghĩa 2. 5.5 .0 .Chương 5: Thống kê toán học b) Nếu muốn độ chính xác ε = 0.5-51 4 10 9 3 2 Với mức ý nghĩa α = 0.5-101 7 3 1 Với mức ý nghĩa α = 0.0 -98. Quan sát 28 ô tô cùng loại thu được X hao phí (lít) Số ô tô tương ứng 48.99. 5.5% hãy nhận định xem hệ thống mới có tốt hơn hệ thống cũ hay không? 127 . nếu theo dõi thời gian hoàn thành sản phẩm ở 250 công nhân ta thu được kết quả như sau: X (phút) 10 . Đoạn đường được sửa chữa lại.49.18 18 .5 .0 2 99.5 Số bao tương ứng 98. Người ta cho rằng mức hao phí xăng trung bình giảm xuống.20 20 60 100 40 30 Số công nhân Với mức ý nghĩa α = 0.49.27 Trọng lượng đóng bao của một loại sản phẩm X là biến ngẫu nhiên có phân bố theo quy luật chuẩn với trọng lượng trung bình theo quy định là 100kg.0 50.14 14 .50.50.16 16 .0 49. 025 hãy kết luận về điều nghi ngờ nói trên.28 Định mức thời gian hoàn thành sản phẩm là 14 phút. người ta cân thử 29 bao loại này ta thu được kết quả: Trọng lượng (kg) 98.5 99.5 100. 5.0 .5 50. Nghi ngờ sản phẩm bị đóng thiếu. 5.0 .5 49. 025 hãy kết luận về điều nghi ngờ nói trên.1 thì kích thước mẫu cần thiết là bao nhiêu.12 12 .5– 99. 05 hãy kết luận về ý định nói trên.100 6 10 100 -100.30 Một công ty có một hệ thống máy tính có thể xử lý 1300 hoá đơn trong 1 giờ.

Chương 6: Quá trình ngẫu nhiên chuỗi Markov CHƯƠNG VI: QUÁ TRÌNH NGẪU NHIÊN CHUỖI MARKOV GIỚI THIỆU Hầu hết các hiện tượng xảy ra trong tự nhiên và xã hội đều có tính chất ngẫu nhiên. thời gian rời rạc và thuần nhất. đó quá trình dừng. khi đó tổng số giờ gọi là một quá trình Poisson phức hợp. xác suất có điều kiện. biến ngẫu nhiên và kiến thức đại số tuyến tính: Ma trận. các hệ phục vụ. đó là các biến nhận các giá trị nào đó phụ thuộc vào các yếu tố ngẫu nhiên. mỗi cuộc gọi chiếm dụng thiết bị trong một khoảng thời gian nào đó. Tín hiệu viễn thông. Các quá trình này quá khứ của nó có ảnh hưởng lớn đến sự tiến triển của quá trình trong tương lại. quá trình Poisson.. Khi họ các biến ngẫu nhiên phụ thuộc vào thời gian ta có quá trình ngẫu nhiên. Quá trình ngẫu nhiên có nhiều ứng dụng trong viễn thông là quá trình có tính Markov (memoryless) và quá trình dừng. Trong các chương trước chúng ta đã tìm hiểu khái niệm biến ngẫu nhiên. điều đó phản ánh các mối ràng buộc phức tạp mà ta không biết trước được. là các quá trình ngẫu nhiên. Quá trình Poisson phức hợp và quá trình Poisson phân loại giúp ta tính được sản lượng trung bình khi khai thác dịch vụ viễn thông. Tuy nhiên hàm trung bình không đổi và hàm tương quan thuần nhất theo thời gian. quá trình dừng và lý thuyết sắp hàng sẽ được khảo sát trong giáo trình toán chuyên ngành. Các tín hiệu truyền dẫn và nhiễu của một hệ thống viễn thông. bài toán chuyển mạch . Quá trình Poisson X (t ) mô tả quá trình đếm số lần xuất hiện một biến cố A nào đó cho đến thời điểm t . liên quan đến bài toán truyền tín hiệu. Chuỗi Markov là một quá trình Markov có không gian trạng thái rời rạc. 128 . Một trong những bài toán quan trọng của lý thuyết chuyển mạch là vấn đề xung đột thông tin. nghẽn mạch hoặc rớt cuộc gọi. Lý thuyết quá trình sắp hàng (queueing process) xác định và tìm các phương án tối ưu để hệ thống phục vụ tốt nhất.. Trong chương này ta nghiên cứu khái niệm quá trình ngẫu nhiên và chuỗi Markov.. Nếu số cuộc gọi đến một tổng đài là một quá trình Poisson. véc tơ ngẫu nhiên. nhiễu không có tính Markov. hệ phương trình tuyến tính.. Quá trình Poisson được ứng dụng nhiều trong viễn thông. Chuỗi Markov thường gặp trong bài toán chuyển mạch của hệ thống viễn thông. Để học tốt chương này học viên cần nắm vững khái niệm xác suất. Quá trình Poisson là một ví dụ về chuỗi Markov với thời gian liên tục. Khi các quá trình dừng là các tín hiệu hoặc nhiễu thì biến đổi Fourier của hàm tương quan của quá trình là mật độ phổ công suất của tín hiệu hoặc nhiễu. quá trình sắp hàng ở một tổng đài. giả sử các thời gian này là các biến ngẫu nhiên độc lập cùng phân bố.

E 2 ) t1 Quá trình ngẫu nhiên v(t ) t2 t t2 t t2 t v(t . Ei ). Hầu hết các quá trình xảy ra trong tự nhiên và xã hội đều là quá trình ngẫu nhiên. E3 ) t1 v(t . tín hiệu thoại. Như vậy v(t . Tín hiệu này nhận giá trị là v(t . Ei ). t ∈ I } thay cho {X (t . KHÁI NIỆM VÀ PHÂN LOẠI QUÁ TRÌNH NGẪU NHIÊN 6. Để đơn giản trong cách viết người ta ký hiệu quá trình ngẫu nhiên {X (t ).1. số khách hàng đến một điểm phục vụ.1. 129 . E1 ) t1 v(t . ω). Giả sử một tín hiệu nào đó mà tại mỗi thời điểm t chỉ xảy ra ứng với các biến cố {Ei . i ∈ N } của không gian mẫu. v(t . Các tín hiệu video. Ei ) là một mẫu của quá trình ngẫu nhiên v(t ) . E 4 ) t1 {v(t1 . dữ liệu máy tính. Các quá trình này vừa phụ thuộc vào thời gian t và khi cố định tham số t thì X (t . i ∈ N } t2 t {v(t 2 . chỉ số chứng khoán trong thị trường chứng khoán… là các quá trình ngẫu nhiên. nhiễu điện trong các thiết bị điện.Chương 6: Quá trình ngẫu nhiên chuỗi Markov NỘI DUNG 6. vừa phụ thuộc yếu tố ngẫu nhiên Ei . ω) là biến ngẫu nhiên theo ω . i ∈ N } Một cách tổng quát một quá trình ngẫu nhiên là một họ các biến ngẫu nhiên {X (t . ω). Tập chỉ số I thường biểu diễn tham số thời gian.1. Ei ) tại thời điểm t và khi biến cố Ei xảy ra. t ∈ I } . t ∈ I } . Quá trình ngẫu nhiên v(t ) vừa phụ thuốc thời gian t . Khái niệm quá trình ngẫu nhiên Các tín hiệu của các hệ thống thông tin là các tín hiệu ngẫu nhiên vì ngoài thành phần mang tin còn có sự tác động của giao thoa ngẫu nhiên và nhiễu của thiết bị.

... . tập chỉ số I và quan hệ độc lập giữa các biến ngẫu nhiên X (t ) . . Tập trạng thái E Ta ký hiệu E là tập các giá trị của X (t ) và gọi là không gian trạng thái của quá trình.2.. Quan hệ độc lập Quá trình {X (t ).1.1.. là độc lập. i = 1. i = 0 ... .2.. Thật vậy. X (tn ) = an ⎦⎤ = an .. ♦ Nếu E tập con của tập số phức  thì ♦ Nếu E =  k thì {X (t ).2) Martingal có thể xem như là mô hình mô tả trò chơi may rủi.21)-(3. Tính chất Martingal nói rằng số tiền trung bình của người chơi sẽ có ở 130 .2.3. Ngoài ra nếu ta biết luật phân bố của từng biến ngẫu nhiên Z 0 . Tập các chỉ số I ™ Nếu I ⊂  thì quá trình {X (t ). thì ta biết được luật phân bố của mọi X (i ) . t ∈ I } gọi là quá trình có trạng thái rời rạc.2. .. 1... (6.1... (6. an thì E ⎣⎡ X (tn+1 ) X (t1 ) = a1 ... t ∈ I } được gọi là: a) Quá trình có gia số độc lập: Nếu với mọi cách chọn t1 < t 2 < . . điều này được suy từ công thức (3. t ∈ I } được gọi là quá trình có thời gian liên tục. 6.. t ∈ I } là quá trình thực. < t n +1 và với mọi cách chọn a1 ..24) và X (i ) = Z 0 + Z1 + . ™ Nếu I = [0. trong đó X (t ) là số tiền của người chơi ở thời điểm t . < t n thì các biến ngẫu nhiên sau độc lập X (t 2 ) − X (t1 ). X (t n ) − X (t n −1 ) . Trường hợp này ta ký hiệu x(n) thay cho x(t ) ..1.... + Z i . Phân loại quá trình ngẫu nhiên Các yếu tố chính để phân biệt các quá trình ngẫu nhiên là không gian trạng thái.. b) Quá trình Martingal: Nếu với mọi cách chọn t1 < t 2 < .1) Đặc biệt với quá trình rời rạc { X (n) } thì tính chất gia số độc lập dẫn đến dãy các biến ngẫu nhiên Z 0 = X (0) . . {X (t ). t ∈ I } được gọi là quá trình có thời gian rời rạc. ∞) hoặc I =  thì {X (t )..Chương 6: Quá trình ngẫu nhiên chuỗi Markov 6. t ∈ I } là quá trình phức.1. X (t 3 ) − X (t 2 ). 2..2. ♦ Nếu E là 1 khoảng của tập số thực  thì {X (t ). Z i = X (i ) − X (i − 1) . Vì vậy ta có thể phân loại quá trình ngẫu nhiên theo: 6. a2 . Z1 . 6. t ∈ I } là quá trình k-véc tơ.. ♦ Nếu E là tập đếm được thì {X (t ).

. c) Quá trình Markov: Nếu với mọi cách chọn t1 < t 2 < . Nói riêng mọi X (t ) có cùng phân bố...2..... với mọi tập giá trị A ⊂  và giá trị a ta ký hiệu p ( s..4) và gọi là hàm xác suất chuyển từ thời điểm s đến thời điểm t . Tuỳ theo tập chỉ số I = {0. a. ‰ Dừng theo nghĩa rộng hay dừng hiệp phương sai (wide sense stationary or covariance stationary): Nếu i) EX (t ) = m =const ii) Với mọi t .. CHUỖI MARKOV Chuỗi Markov là quá trình Markov {X (t ).. t ≥ 0} là Martingal với thời gian liên tục. d) Quá trình dừng (stationary) Quá trình {X (t )..5) và gọi là hàm tự tương quan của quá trình {X (t ).  . t . t 2 .3) Nghĩa là qui luật xác suất trong tương lai chỉ phụ thuộc hiện tại và độc lập với quá khứ.. A) . trong đó A = (a. ² được gọi là: ‰ Dừng theo nghĩa chặt (strictly stationary): Nếu ∀h > 0. t n ∈ I thì hàm phân bố đồng thời của ( X (t1 + h). X (t n ) = a n } = p (t n . t ∈ I } có không gian trạng thái E đếm được. Như vậy công thức (6. ∞) ta có tương ứng chuỗi Markov với thời gian rời rạc hoặc liên tục.3) được viết lại P{a < X (t ) ≤ b X (t1 ) = a1 . X (t 2 + h).. a n . Nếu {X (t ). t ∈ I } . Nói cách khác quá trình Markov mô tả các hệ không có trí nhớ (memoryless).. Với mọi t > s..} hoặc I = (0. X (t + τ) ) = E[X (t ) − m.. t . X (t + τ) ) (6.4) được viết cụ thể 131 ....... b] . (6.Chương 6: Quá trình ngẫu nhiên chuỗi Markov thời điểm t n +1 bằng số tiền anh ta có ở thời điểm t n và không phụ thuộc vào những gì anh ta có trước đó trong quá khứ. cov( X (t )....2. X (t n ) ) là như nhau. X (t n + h) ) và ( X (t1 ). X (t n ) = a n } = P{a < X (t ) ≤ b X (t n ) = a n }.. < t n và với mọi cách chọn a1 .  + . ∀t1 . X (t 2 )..1. P{a < X (t ) ≤ b X (t1 ) = a1 .. an thì với mọi t . với mọi a < b .. Với chuỗi Markov công thức xác suất chuyển (6. Đặt K x (τ) = cov( X (t ).. 6. t ∈ I } .. X (t + τ) − m] chỉ phụ thuộc τ . t ≥ 0} là quá trình gia số độc lập với kỳ vọng bằng 0 thì {X (t ). I = . A) = P{X (t ) ∈ A X ( s ) = a} (6.. a2 .

2. n = 0.1.2.2. i. Chứng minh: 1) Áp dụng công thức xác xuất đầy đủ ta có 132 (6. i. đặt pij = P{X (n + 1) = j X (n) = i} (6. t > s . Ta nói tắt chuỗi Markov thay cho chuỗi Markov thời gian rời rạc thuần nhất. Đó là xác suất để từ trạng thái i sau một bước sẽ chuyển thành trạng thái j . ta có phương trình Chapman. t + h. Định lý 6.} là chuỗi Markov thời gian rời rạc có không gian trạng thái E ..6) Nếu xác suất chuyển chỉ phụ thuộc vào t − s nghĩa là p( s. Quá trình {X ( n).. 6.1.. Với mọi i.1: Với mọi n ≥ 0 .2. Ma trận vuông P ( k ) = ⎡⎣ pij( k ) ⎤⎦ gọi là ma trận xác suất chuyển sau k bước.8) không phụ thuộc vào n . thì ta nói quá trình là thuần nhất theo thời gian. t .9) Định nghĩa 6. j ) (6..Kolmogorov: P ( n +1) = PP ( n) = P ( n) P (6. i. n = 0.11) . Chuỗi Markov với thời gian rời rạc thuần nhất Định nghĩa 6.. k . Ma trân xác suất chuyển Giả sử {X (n). j.7). (6.} với thời gian rời rạc được gọi là chuỗi Markov thời gian rời rạc thuần nhất nếu i) Không gian trạng thái E của mọi X (n) là tập đếm được. P (1) = P.7) với mọi h . I là ma trận đơn vị.1.10) Từ đó suy ra P ( n) = P n ..2. Đặt pij( k ) = P{X (n + k ) = j X (n) = i} = P{X (k ) = j X (0) = i} . t . nghĩa là thoả mãn (6. Các phần tử của E được ký hiệu i. j ) = P{X (t ) = j X ( s ) = i}.1: Ma trận vuông P = ⎡⎣ pij ⎤⎦ gọi là ma trận xác suất chuyển sau 1 bước. j ∈ E . (6. Ký hiệu P (0) = I . 6. ii) Hàm xác suất chuyển là thuần nhất theo thời gian... j ) = p( s + h.Chương 6: Quá trình ngẫu nhiên chuỗi Markov p ( s.1.

2: Với mọi n ≥ 0 . Định lý 6. X (n) = k }P{ X (n) = k X (0) = i} ∑ P{ X (n + 1) = j X (n) = k }P{ X (n) = k X (0) = i} = k∈E = k ∈E k∈E ⇒ ∑ pik (n) pkj P ( n +1) = P ( n ) P . (6. ma trận ∏ = ∏ (0) được gọi là phân bố ban đầu.2 ta chỉ cần chứng minh (6. m ≥ 0 : ∏ (n) = ∏ P (n) . 133 . (6..12) Ma trận hàng ∏ ( n ) = ⎡⎣ p (jn ) ⎤⎦ gọi là phân bố của hệ tại thời điểm n . Đặt p (jn) = P{X (n) = j}. X (1) = k }P{ X (1) = k X (0) = i} k∈E = ∑ P{ X (n + 1) = j X (1) = k }P{ X (1) = k X (0) = i} = k ∈E k∈E ⇒ ∑ pik pkj (n) P ( n +1) = PP ( n ) . p j ( n+ m) = P{ X (n + m) = j } = = ∑ pi (n) pij (m) ∑ P{ X (n) = i }P{ X (n + m) = j X (n) = i} k∈E . . Ta cũng có: pij ( n+1) = P{ X (n + 1) = j X (0) = i} = ∑ P{ X (n + 1) = j X (0) = i . ∏. n = 0.1. 2) Từ 1) suy ra P ( 2) = PP . (6.14) ∏ ( n + m) = ∏ ( n) P ( m) . quy nạp ta có P ( n ) = P n ..1 ta suy ra 3 điều trên là tương đương.15).2. P ) trong đó X (n) là dãy các biến ngẫu nhiên rời rạc.13) ∏ ( n +1) = ∏ ( n) P . i∈E Vậy chuỗi Markov rời rạc thuần nhất hoàn toàn được xác định bởi bộ ba ( X (n). (6.. Vì vậy để chứng minh định lý 6. Khi n = 0 .Chương 6: Quá trình ngẫu nhiên chuỗi Markov pij ( n+1) = P{ X (n + 1) = j X (0) = i} = ∑ P{ X (n + 1) = j X (0) = i .15) Chứng minh: Từ định lý 6.

.1. n} có ma trận xác suất chuyển p ⎤ ⎡1 − p P=⎢ ⎥ ⎢⎣ p 1 − p ⎥⎦ 6.16) k Trạng thái của hệ (cửa hàng) tại thời điểm đầu của mỗi chu kỳ là số khách xếp hàng chờ phục vụ.3. 134 (6. Giả sử ξ1 . ∑ ak = 1 .. k = 0.2.. 1 dạng kênh đối xứng nhị phân với xác suất lỗi n 2 1 1− p x0 = 0 p: y0 = 0 p p x1 = 1 y1 = 1 1− p p 1− p 1− p 1 0 p Đây là 1 mô hình chuỗi Markov có không gian trạng thái E = {0..2. Mô hình phục vụ đám đông Xét mô hình phục vụ đám đông (lý thuyết sắp hàng)... (6.. ξ 2 .Chương 6: Quá trình ngẫu nhiên chuỗi Markov Ví dụ 6.3. là các biến ngẫu nhiên độc lập cùng phân bố với biến ngẫu nhiên ξ có phân bố xác suất. Nếu hiện tại hệ ở trạng thái i và sau 1 chu kỳ hệ rơi vào trạng thái j thì ⎧i − 1 + ξ j=⎨ ⎩ξ nÕu i ≥ 1.2. .17) . Khách đến sắp hàng chờ phục vụ theo nguyên tắc FIFO (first in first out) và trong mỗi chu kỳ cửa hàng chỉ phục vụ một khách. ak > 0. Một số mô hình chuỗi Markov quan trọng 6.1: n trạm thu phát hai tín hiệu 0.. Số khách đến trong chu kỳ thứ n là biến ngẫu nhiên ξ n ..2.1} . P{ξ = k } = a k ..1. thời gian I = {1. nÕu i = 0.

Giả sử tổng số lượng hàng cần phải đáp ứng nhu cầu trong chu kỳ n là biến ngẫu nhiên ξ n có phân bố độc lập với chu kỳ thời gian. Từ 6. (6. 1 hoặc 2 đơn vị phụ tùng cần thay thế trong một chu kỳ bất kỳ với phân bố xác suất như sau P{ ξ = 0 } = 0.18) 6. P{ ξ = 1 } = 0..5 .16-6.21) Ví dụ 6. . P{ ξ = 2 } = 0.2...3.17 suy ra {X (n).2. a k > 0 và ∑ ak = 1 .1.19) k Mức hàng dự trữ được kiểm kê tại cuối mỗi chu kỳ.2.. P{ ξ = k } = a k .2.20) { X (n)} là các số lượng hàng dự trữ: S .} là chuỗi Markov thuần nhất với ma trận xác suất chuyển ⎡a 0 ⎢ ⎢a 0 ⎢ P=⎢0 ⎢ ⎢0 ⎢ ⎢⎣ a1 a2 a1 a2 a0 a1 0 a0 a3 …⎤ ⎥ a3 …⎥ ⎥ a 2 …⎥ ⎥ a1 …⎥ ⎥ ⎥⎦ (6... n = 0.. trong đó giá trị âm là nhu cầu chưa được phục vụ mà sẽ được đáp ứng ngay sau khi nhập hàng ⎧ P{ ξ n+1 = i − j } nÕu s < i ≤ S . pij = P{ X (n + 1) = j X (n) = i} = ⎨ ⎩ P{ ξ n+1 = S − j } nÕu i ≤ s. − 1. 135 .1..Chương 6: Quá trình ngẫu nhiên chuỗi Markov Ký hiệu X (n) là số khách hàng tại thời điểm đầu của chu kỳ thứ n thì X (n + 1) = ( X (n) − 1)+ + ξ n . Cách nhập hàng căn cứ vào 2 chỉ số tiêu chuẩn s và S ( s < S ) như sau: Nếu ở cuối mỗi chu kỳ lượng hàng dự trữ ≤ s thì ngay tức khắc nhập hàng để có số hàng dự trữ bằng S . Nếu hàng hiện có > s thì không cần nhập hàng. Nghĩa là dãy { ξ n } độc lập có cùng phân bố với ξ . trong đó yêu cầu có thể là 0. Xét mô hình kiểm kê phụ tùng thay thế.1. S − 1. Mô hình kiểm kê (Inventory Model) Giả thiết phải dự trữ trong kho một loại hàng nào đó để đáp ứng nhu cầu liên tục của khách hàng. 0.. Hàng được nhập kho tại cuối mỗi chu kỳ n = 0.4 .. trong đó X + = max(0. .. S = 2 . Ký hiệu X (n) là lượng hàng hiện có tại cuối chu kỳ n và trước khi nhập hàng. X ) . (6. nÕu X (n) ≤ s. như vậy ⎧ X (n) − ξ n+1 X (n + 1) = ⎨ ⎩ S − ξ n+1 Các trạng thái của quá trình nÕu s < X (n) ≤ S . − 2. (6.1 và giả sử s = 0 .

p −1.24) j Nếu điều kiện 2) được thay bởi 2') ∑π j =1 ...4.1 ⎢ ⎢⎣ 0 0. (6. −1 = P{ X (n + 1) = −1 X (n) = −1 } = P (φ) = 0 . Chứng minh: Giả sử [π 1 . 2) Π * = Π * P ....5 0 ⎥ ⎥ 0. Ma trận xác suất chuyển: ⎡0 ⎢ ⎢0 P=⎢ ⎢0. .. π 2 . Ta có: p −1. phân bố ergodic Định nghĩa 6....] được gọi là phân bố dừng nếu thoả mãn 2 điều kiện: 1) ∑ π j = 1. p −1.... .4 0...4: Ta nói rằng chuỗi Markov có phân bố giới hạn là [π 1 .4 . Phân bố dừng. π 2 . 0.5⎤ ⎥ 0. Định nghĩa 6.... ∀ n . n →∞ 2) ∑π j =1 . . ∀ n .4 0...22) j Từ 2) suy ra Π * = Π * P = Π * P 2 = .4 0. ∏ * = [π1 ...2. . . ] nếu thoả mãn 2 điều kiện: 1) Với mọi j tồn tại giới hạn lim pij ( n ) = π j không phụ thuộc i .. = Π * P n . ] là phân bố ergodic.. πj >0 (6. Định lý 6.3.1 ..... π 2 . π j ≥ 0..25) j thì chuỗi Markov được gọi là có tính ergodic còn [π 1 .5⎥ ⎥ 0. π 2 .5⎥⎦ 6. (6. phân bố giới hạn..1 0...1 = P{ X (n + 1) = 1 X (n) = −1 } = P (ξ = 1) = 0.1. Do đó nếu lấy Π * làm phân bố đầu của chuỗi Markov thì Π *(n ) = Π * .Chương 6: Quá trình ngẫu nhiên chuỗi Markov Không gian trạng thái sẽ là E = { − 1.1 0...23) (6.3: Nếu tồn tại phân bố giới hạn thì đó là phân bố dừng duy nhất.4 0. 2 }.1 0. ] là phân bố giới hạn thì với mọi j ⎛ ⎞ π j = lim pij ( n +1) = lim ⎜ ∑ pik ( n) pkj ⎟ = ∑ π k pkj ⎟ n → ∞⎜⎝ k n→∞ ⎠ k 136 ...0 = P{ X (n + 1) = 0 X (n) = −1 } = P (ξ = 2) = 0..

đó là nghiệm của hệ phương trình: ⎧ ⎪ ⎨ ⎪ ⎩ ⎧ ⎡ x1 ⎤ ⎡ x1 ⎤ ⎪ ⎥ ⎢ ⎥ t ⎢ ⎡⎣ x1 . . ⇒ Ngược lại giả sử [π1 . .3: Cho chuỗi Markov có ma trận xác suất chuyển a ⎤ ⎡1 − a P=⎢ ⎥ .26) Ví dụ 6. π 2 . ⎪ j ⎪ x j ≥ 0. b < 1 ⎣⎢ b 1 − b⎦⎥ là chuỗi Markov có tính ergodic với phân bố ergodic là nghiệm của hệ phương trình b ⎧ b ⎤ ⎡ x1 ⎤ ⎡ x1 ⎤ ⎡1 − a ⎪⎪ x1 = a + b ⎧− ax1 + bx2 = 0 ⇔⎨ ⎥⎢ ⎥ = ⎢ ⎥ ⇔ ⎨ ⎢ ⎢⎣ a 1 − b⎥⎦ ⎣ x2 ⎦ ⎣ x2 ⎦ ⎩ x1 + x2 = 1 ⎪x = a ⎪⎩ 2 a + b ⇒ lim P ( n) n→∞ ⎡ b ⎢ = ⎢a + b b ⎢ ⎣a + b a ⎤ a + b⎥ a ⎥ ⎥ a + b⎦ Ví dụ 6.000 chữ cái trong trường ca Evghenhi Onheghin của A. ⎪⎩ j (6. ⎤⎦ = ⎡⎣ x1 .] = [π1 ... x2. Puskin và thấy rằng các chữ cái này chuyển đổi liên tiếp theo hai trạng thái nguyên âm (Na) và phụ âm (Pa) với ma trận xác suất chuyển là 137 .]P . j phân bố dừng duy nhất. . Do đó [π 1 . π 2 . Phân bố ergodic cũng là i. i. 0 < a. π 2 .. Định lý 6. = ∑ πk pkj k k (n) k ⎛ ⎞ π j = lim ⎜ ∑ πk pkj ( n) ⎟ = ∑ πk π j = π j . A.4: Nếu chuỗi Markov có không gian trạng thái hữu hạn thì chuỗi này là ergodic khi và chỉ khi tồn tại n0 sao cho min pij ( n0 ) > 0 ... ] là một phân bố dừng... π 2 .. x2...4 ta thấy rằng nếu chuỗi Markov với ma trận xác suất chuyển [ ] P = pij tồn tại n0 sao cho min pij ( n0 ) > 0 thì chuỗi này là ergodic.3 và 6... ⎟ n → ∞⎜⎝ k ⎠ k ⇒ Nghĩa là phân bố giới hạn là phân bố dừng duy nhất.. Markov đã chọn 1 dãy gồm 20. j Chú ý: Từ định lý 6.4: Trong một bài báo viết năm 1913 A.Chương 6: Quá trình ngẫu nhiên chuỗi Markov [π1 . ⎤⎦ P ⎪⎪ P ⎢ x2 ⎥ = ⎢ x2 ⎥ hay ⎨ ⎢⎣ ⎥⎦ ⎢⎣ ⎥⎦ x j ≥ 0. .. . ∑ x j = 1. ∑ x j = 1. X. .] là một phân bố dừng bất kỳ của chuỗi Markov này thì π j = ∑ πk pkj = ∑ πk pkj ( 2) = ..

24).1.Chương 6: Quá trình ngẫu nhiên chuỗi Markov ⎡ 0.. còn hai trạng thái thuộc hai lớp khác nhau không thể liên thông với nhau. E 2 .3% nguyên âm và 56.4 cho ta dấu hiệu nhận biết một chuỗi Markov hữu hạn trạng thái tồn tại phân bố ergodic.3. được gọi là các lớp tối giản của chuỗi. Ví dụ 6.6: Chuỗi Markov được gọi là tối giản nếu hai trạng thái bất kỳ của không gian trạng thái liên thông với nhau. hai trạng thái bất kỳ cùng một lớp thì liên thông với nhau. Vì thế E1 .. Do đó ta có thể phân hoạch không gian trạng thái thành các lớp tương đương.423. PHÂN LOẠI TRẠNG THÁI CHUỖI MARKOV Định lý 6.3. lúc đó ta ký hiệu i ↔ j . 6.663 0. Các trạng thái liên thông và sự phân lớp Định nghĩa 6.. Giả sử không gian trạng thái được tách thành các lớp tương đương E = E1 ∪ E 2 ∪ Trong nhiều trường hợp có thể xem mỗi E k ( k = 1. Ký hiệu i → j .568).5: Ta nói rằng trạng thái j đạt được từ trạng thái i nếu tồn tại n ≥ 0 sao (n) cho pij > 0 (xác suất để sau n bước chuyển từ trạng thái i sang trạng thái j lớn hơn 0). Định nghĩa 6.. Có thể chứng minh được rằng ↔ là một quan hệ tương đương trên tập các trạng thái. . Như vậy chuỗi Markov tối giản chỉ có một lớp tương đương. . bằng cách phân tích trạng thái của chuỗi Markov ta sẽ tìm điều kiện để tồn tại phân bố giới hạn thỏa mãn (6. Vậy có khoảng 42. Hai trạng thái i và j được gọi là liên thông với nhau nếu i → j và j → i . ( 0) Quy ước pii = 1 và pij(0) = 0 khi i ≠ j . Các lớp tương đương này rời nhau. 2.8% phụ âm trong tác phẩm trên.337⎥⎦ Pa Na Pa Phân bố giới hạn (cũng là phân bố dừng) của chuỗi Markov này là (0.5: Cho chuỗi Markov với ma trận xác suất chuyển ⎡1 / 3 2 / 3 0 ⎢ ⎢1 / 4 3 / 4 0 ⎢ P=⎢ 0 0 0 ⎢ ⎢ 0 0 1/ 2 ⎢ ⎢⎣ 0 0 0 0 0 1 0 1 138 0 ⎤ ⎥ 0 ⎥ ⎥ ⎡ P1 0 ⎥=⎢ ⎥ ⎣⎢ 0 1 / 2⎥ ⎥ 0 ⎥⎦ 0⎤ ⎥ P2 ⎦⎥ .128 0. ) là không gian trạng thái của chuỗi Markov tối giản. Trong trường hợp tổng quát. 6. 0.872⎤ Na P=⎢ ⎥ ⎢⎣0.23)-(6.

E 2 = {3. • Nếu d = 1 thì ma trận xác suất chuyển P chỉ có 1 khối. 2. • Nếu d > 1 thì tập trạng thái E tách thành d lớp con: C 0 . Nếu pii( n) = 0 đối với mọi n ≥ 1 thì đặt d (i ) = 0 .3. Định lý 6. Chu kỳ của trạng thái Định nghĩa 6. 3. . v..7: Ước chung lớn nhất của tất cả các số tự nhiên n ≥ 1 thỏa mãn điều kiện pii( n) > 0 được gọi là chu kỳ của trạng thái i ký hiệu d (i ) . 5} và có thể xem E1 .v… Ma trận xác suất chuyển P có dạng khối như sau.Chương 6: Quá trình ngẫu nhiên chuỗi Markov 2/3 1/ 2 1 1/ 3 3/ 4 3 1/ 2 1/ 4 5 4 2 1 1 Không gian trạng thái E = {1. 4. C d −1 . . 5} phân thành hai lớp E1 = {1. 4.7: Nếu i ↔ j thì d (i ) = d ( j ) .2. Đối với chuỗi Markov tối giản mọi trạng thái đều có cùng chu kỳ ta gọi d là chu kỳ chung củ mọi trạng thái của chuỗi. Trong trường hợp này sau một bước hệ xuất phát từ C 0 sẽ chuyển sang C1 . 6. xuất phát từ C1 sẽ chuyển sang C 2 .3. 2} . Trạng thái hồi quy và trạng thái không hồi quy Với mỗi trạng thái i ta đặt: 139 . C1 .27) C d −1 6. C0 C d −1 C1 C0 C1 (6.3. Do đó các trạng thái thuộc cùng một lớp có cùng chu kỳ. E 2 là không gian trạng thái của chuỗi Markov với ma trận xác suất chuyển tương ứng là P1 và P2 ..

f ii = ∞ ∑ f ii(n) . X 1 ≠ j . với xác suất 1 hệ lại trở về i tại thời điểm hữu hạn nào đó. Ta nói: • i là trạng thái hồi quy dương nếu μ i < ∞ . (n ) Như vậy f ij (n ) Đặc biệt f ii (6. Như vậy trạng thái i hồi quy khi và chỉ khi hệ xuất phát từ i . 6. theo công thức (6.28) là xác suất để hệ xuất phát từ i lần đầu tiên chuyển sang j tại bước thứ n .3.Chương 6: Quá trình ngẫu nhiên chuỗi Markov f ij( n) = P{X n = j . n =1 ∞ 2) Trạng thái i là không hồi quy khi và chỉ khi ∑ pii(n) < ∞ . j ∈ E . là xác suất để hệ xuất phát từ i lần đầu tiên quay về i tại bước thứ n .. n ≥ 1. . Do đó ta có thể tính giá trị trung bình. đó là thời gian trung bình hệ trở lại i .9: Giả sử i là trạng thái hồi quy.4.30) thì f ii lập thành phân bố xác suất. (6. 140 . (6. k =0 f ij(1) = pij .. Tiêu chuẩn hồi quy và không hồi quy ∞ Định lý 6. • i là trạng thái hồi quy không nếu μ i = ∞ . Định nghĩa 6. X n−1 ≠ j X 0 = i}. 4) Nếu i ↔ j và j hồi quy thì f ij = 1 . Từ tính Markov và công thức xác suất đầy đủ ta có: pij( n) = ( 0) trong đó ta quy ước f ij n ∑ f ij(k ) p (jjn−k ) . ( ) (n ) Trường hợp trạng thái i hồi quy f ii = 1 .29) = 0 với mọi i.8: 1) Trạng thái i là hồi quy khi và chỉ khi ∑ pii(n) = ∞ .31) n =0 Định nghĩa 6. μi = ∞ ∑ nf ii(n) (6.7: Đặt f ij = ∞ ∑ n =0 f ij( n) .30) n =0 • Nếu f ii = 1 thì i được gọi hồi là trạng thái quy. • Nếu f ii < 1 thì i được gọi là trạng thái không hồi quy. n =1 3) Nếu i → j và i hồi quy thì j → i và j cũng hồi quy. j .

33) đèi víi j lµ tr¹ng th¸i kh«ng Định lý 6. . chu kỳ d (C) = 1 sao cho f ij = 1. μj {X (n)} là một chuỗi Markov có không gian trạng thái hữu hạn.10: Giả sử j là trạng thái hồi quy.9: Giả sử j là trạng thái hồi quy. Khi đó các điều sau là tương đương: (i) {X (n)} tối giản có chu kỳ 1.. chu kỳ d ( j ) = 1 .4). ∀j ∈ C . . Nếu i và j liên thông.. Nếu i và j liên thông thì lim n →∞ pij( n) ⎧ 1 ⎪ = ⎨μ j ⎪0 ⎩ đèi víi j lµ tr¹ng th¸i d− ong (6. ( a = 0. d − 1 ) μj (6.6. Sự tồn tại phân bố dừng Định lý 6. ∀i ∈ E .34) 2.35) 6.. . Khi đó phân bố giới hạn cũng là phân bố dừng duy nhất có π j = Định lý 6. DI ĐỘNG NGẪU NHIÊN TRÊN ĐƯỜNG THẲNG 141 . ( a = 0. Khi đó: 1. i thuộc vào lớp con C r còn j thuộc vào lớp C r + a thì lim pij( nd + a ) = n→∞ d . .5. Định lý giới hạn cơ bản của chuỗi Markov Định lý 6.4. d − 1 ) n→∞ ⎢⎣r =0 ⎥⎦ μ j (6. Nếu i và j không liên thông thì lim pij( n) n→∞ ⎧ f ij ⎪ = ⎨μ j ⎪ ⎩0 đèi víi j lµ tr¹ng th¸i d− ong (6.Chương 6: Quá trình ngẫu nhiên chuỗi Markov 6. j > 0 với mọi n ≥ n0 (xem định lý 6.1. 6.12: Giả sử 1 . ( n) (iv) Tồn tại n0 sao cho min pij i.32) đèi víi j lµ tr¹ng th¸i kh«ng 2.1.3. (ii) {X (n)} tối giản có chu kỳ 1 và tất cả các trạng thái là hồi quy dương.11: Điều kiện cần và đủ để tồn tại phân bố giới hạn là không gian trạng thái E có đúng một lớp hồi quy dương C .. Khi đó: 1. nghĩa là tồn tại phân bố ergodic. (iii) {X (n)} có tính ergodic. chu kỳ d ( j ) = d > 1 .3. Nếu i và j không liên thông thì ⎡∞ ⎤ d lim pij( nd + a ) = ⎢ ∑ f ij( rd + a ) ⎥ .

2. 0 < p < 1 ⎪ 0 víi j ≠ i ± 1 ⎩ (6.} p p p p p 1− p 1− p 1− p 1− p 1− p Chuỗi này dùng để mô tả di động ngẫu nhiên trên đường thẳng của hạt vật chất nào đó: Sau mỗi chu kỳ hạt dịch chuyển sang phải với xác suất p hoặc dịch sang trái với xác suất 1 − p ..1. trong đó ⎧ p víi j = i + 1..36) Không gian trạng thái của chuỗi này là E = {0. Di động ngẫu nhiên trên đường thẳng có một trạng thái hấp thụ Đó là di động của hạt vật chất với không gian trạng thái E = {0. i ≠ 0.37) . i ≠ 0. 6...2. pij = ⎨1 − p víi j = i − 1. ⎩ p p p 1 1 0 1− p 2 1− p 4 3 1− p 142 1− p (6. 0 < p < 1 ⎪ 0 víi j ≠ i ± 1. ± 2.4. ⎪ p00 = 1. Di động ngẫu nhiên trên đường thẳng không có trạng thái hấp thụ Giả sử {ε n }n =1 là dãy các biến ngẫu nhiên độc lập có cùng phân bố không – một A( p) : ∞ ε n .} và ma trận xác suất chuyển là P = ⎡⎣ pij ⎤⎦ .4.. ( n = 1. không có tính ergodic.. có chu kỳ d = 2 chuỗi không tồn tại phân bố dừng. Di động ngẫu nhiên trên đường thẳng là chuỗi Markov tối giản. ± 1. 2... i ≠ 0.Chương 6: Quá trình ngẫu nhiên chuỗi Markov 6.. Khi đó { X n }n =1 lập thành chuỗi Markov với ma trận xác ∞ Đặt X n = ε1 + ε 2 + suất chuyển là ⎧ p víi j = i + 1 ⎪ P = ⎡⎣ pij ⎤⎦ trong đó pij = ⎨1 − p víi j = i − 1 . ) . .1.

với 0 ≤ a ≤ 1 . (6....3. ⎩0 víi j ≠ 0. do đó không tồn tại phân bố giới hạn.. q = 1 − p..11 tồn tại phân bố dừng duy nhất. Hơn nữa có thể chứng minh được rằng: 143 (6.38) Hơn nữa có thể chứng minh được rằng đối với mỗi i ≥ 1 thì (n) i0 lim p n →∞ ⎧⎪( q / p )i =⎨ ⎪⎩ 1 nÕu p > q. 6..4. Các trạng thái còn lại không hồi quy: E = {0} ∪ { N } ∪ {1.. Không tồn tại phân bố giới hạn. Di động ngẫu nhiên trên đường thẳng có hai trạng thái hấp thụ Đó là mô hình di động như hình vẽ p p p 1 1 2 1 0 1− p N −1 N 1− p 1− p Trong trường hợp này có hai lớp hồi quy dương là {0} và { N } . π N = 1 − a.39) nÕu p ≤ q. Do đó tồn tại vô số phân bố dừng Π = [π 0 .. là không hồi quy.. đó là π j = ⎨ ⎩0 víi j ≠ 0. Di động sẽ ngừng lại khi hạt rơi vào trạng thái 0 hoặc trạng thái N .40) .. i n →∞ ⎧1 víi j = 0.} . π 1 = π 2 = .. πj =⎨ (6. Tất cả các trạng thái 1.Chương 6: Quá trình ngẫu nhiên chuỗi Markov Lúc này {0} lập thành lớp hồi quy dương duy nhất với chu kỳ d = 1 : E = {0} ∪ {1. ƒ Khi p ≤ q thì tồn tại phân bố giới hạn. = π N −1 = 0 .... đó là ⎧1 víi j = 0.. trong đó π 0 = a. Vì vậy: ƒ Khi p > q thì lim pi(0n ) = ( q / p ) phụ thuộc vào i . π 1 . 2. N − 1} . Vì vậy theo định lý 6. 2.. 2. π N ] .

.Chương 6: Quá trình ngẫu nhiên chuỗi Markov lim pi(0n ) n →∞ ⎧ ( q / p )i − ( q / p ) N nÕu p ≠ q. Di động ngẫu nhiên trên đường thẳng có hai trạng thái phản hồi Đó là chuỗi Markov có dạng như hình vẽ p 1 2 1 0 1− p p 1− p 1− p 144 p N −1 N 1 0<p<1 ..4. chuỗi không tồn tại phân bố giới hạn và phân bố dừng. N − 1 ). tất cả các trạng thái là hồi quy dương. ⎪ ⎪ 1 − ( q / p )N =⎨ ⎪ i nÕu p = q = 1/ 2. Khi p > q . n →∞ 6. n →∞ n →∞ lim pij( n ) = 0 ( ∀ j = 1.5. x j = ⎜ ⎟ 2 2q 2q 2q 2 ⎝ q ⎠ j −1 . tất cả các trạng thái là hồi quy không. hạt có xu hướng đi sang phải... 2.. q− p q− p q− p⎛ p⎞ x0 = ..41) 6. có chu kỳ d = 2 .. x1 = . Di động ngẫu nhiên trên đường thẳng có một trạng thái phản hồi Đó là chuỗi Markov có dạng như hình vẽ p 1 0 p 2 1 1− p p 4 3 1− p 1− p p 1− p 1− p 0<p<1 Chuỗi tối giản.4. Không tồn tại phân bố dừng.. Khi p < q . Khi p = q = 1/ 2 .4. (6. Tồn tại phân bố dừng duy nhất. j ≥ 2. ⎪ 1− N ⎩ lim piN( n ) = 1 − lim pi(0n ) .

< t n và với mọi cách chọn a1 . N ). a2 .2. t ∈ I } .... j ) 145 . ω) là biến ngẫu nhiên theo ω . nghĩa là thoả mãn: p ( s. n = 0. t . có hữu hạn trạng thái. Tuỳ theo tập chỉ số I = {0.. xi = ( p / q) i −1 ⎛ p⎞ 1+ ∑ ⎜ ⎟ j =1 ⎝ q ⎠ N −1 j −1 . (6.1. với mọi a < b .. ∞) ta có tương ứng chuỗi Markov với thời gian rời rạc hoặc liên tục. Chuỗi Markov Chuỗi Markov là quá trình Markov {X (t ). i.26) N ⎧ x = ⎪ j ∑ xi pij ( j = 0. ii) Hàm xác suất chuyển là thuần nhất theo thời gian.1. xi = 1. ∑ ⎪⎩ i i =0 Từ đó suy ra x0 = x1q . Quá trình Markov Quá trình {X (t ). Các quá trình này vừa phụ thuộc vào thời gian t và khi cố định tham số t thì X (t .. Phân bố dừng là nghiệm duy nhất của hệ phương trình (6. Tập chỉ số I thường biểu diễn tham số thời gian... có chu kỳ d = 2 .. ⎪ i =0 ⎨ N ⎪ x ≥ 0.} với thời gian rời rạc được gọi là chuỗi Markov thời gian rời rạc thuần nhất nếu i) Không gian trạng thái E của mọi X (n) là tập đếm được...2.. Chuỗi Markov với thời gian rời rạc thuần nhất Quá trình {X (n).... j ) = p ( s + h..Chương 6: Quá trình ngẫu nhiên chuỗi Markov Chuỗi tối giản..} hoặc I = (0.. i. ω).. t ∈ I } là quá trình Markov nếu với mọi cách chọn t1 < t 2 < ... xN = xN −1 p . X (t n ) = a n } = P{a < X (t ) ≤ b X (t n ) = a n } đúng với mọi t > tn . an thì P{a < X (t ) ≤ b X (t1 ) = a1 . Tất cả các trạng thái của chuỗi là hồi quy dương.. t ∈ I } có không gian trạng thái E đếm được.42) TÓM TẮT Khái niệm quá trình ngẫu nhiên Quá trình ngẫu nhiên là một họ các biến ngẫu nhiên {X (t . t + h.(1 ≤ i ≤ N − 1) . Chuỗi tồn tại phân bố dừng nhưng không tồn tại phân bố giới hạn.1.

1. 6. π j ≥ 0. π 2 . Ma trận vuông P = ⎡⎣ pij ⎤⎦ gọi là ma trận xác suất chuyển sau 1 bước. Đúng Sai . Ma trận hàng ∏ ( n ) = ⎡⎣ p (jn ) ⎤⎦ gọi là phân bố của hệ tại thời điểm n . Ma trận vuông P ( k ) = ⎡⎣ pij( k ) ⎤⎦ gọi là ma trận xác suất chuyển sau k bước. π 2 . ω ) là một hàm số của hai biến (t . 6. Đúng Sai .4 Ma trận xác suất chuyển sau n bước của một chuỗi Markov bằng tích n lần ma trận xác suất chuyển một bước của chuỗi Markov này. .. Ma trận xác suất chuyển Với mọi i..1 Quá trình ngẫu nhiên X (t ... phân bố ergodic ∏ * = [π1 . 146 .. đặt pij = P{X (n + 1) = j X (n) = i} pij( k ) = P{X (n + k ) = j X (n) = i} = P{X (k ) = j X (0) = i} . n →∞ 2) ∑π j =1 . ] nếu thoả mãn 2 điều kiện: 1) Với mọi j tồn tại giới hạn lim pij ( n) = π j không phụ thuộc i .3 Chuỗi Markov là quá trình Markov {X (t ).Chương 6: Quá trình ngẫu nhiên chuỗi Markov Ta nói tắt chuỗi Markov thay cho chuỗi Markov thời gian rời rạc thuần nhất. ..] được gọi là phân bố dừng nếu thoả mãn: ∑ π j = 1 . πj >0 j thì chuỗi Markov được gọi là có tính ergodic còn [π 1 .. Đúng Sai . j Ta nói rằng chuỗi Markov có phân bố giới hạn là [π 1 . j ∈ E . t ∈ I } có không gian trạng thái E đếm được. Π* = Π*P . j Nếu điều kiện 2) được thay bởi 2') ∑π j =1 . ω ) . Đặt p (jn) = P{X (n) = j}.2 Mọi quá trình có gia số độc lập là quá trình Markov. . Đúng Sai . ..2.. Phân bố dừng. CÂU HỎI ÔN TẬP VÀ BÀI TẬP 6. 6. n = 0. phân bố giới hạn. ] là phân bố ergodic. π 2 .

.1⎥⎦ Biết phân bố ban đầu: p 0 = P{X 0 = 0} = 3 .8 0. Tính P { X 0 = 0.6⎥ ⎥ ⎢ ⎢⎣0. P{X 3 = 1 X 0 = 0} .2 0. 1. p 2 = P{X 0 = 2} = 3 .2 0.Chương 6: Quá trình ngẫu nhiên chuỗi Markov 6.8 Cho chuỗi Markov {X n }∞ n =1 với không gian trạng thái E = {0. 1.0⎥ ⎥ ⎢ ⎢⎣ 0.1 0. ⎢⎣1 − α α ⎥⎦ a) Tính P{X 0 = 0. X 2 = 0}. 6. 6. Giả sử X 0 là tín hiệu truyền đi và X n là tín hiệu nhận được tại trạm n . X 2 = 0}.7⎤ ⎥ ⎢ P = ⎢0.3⎥⎦ a) Tính ma trận xác suất chuyển 2 bước. Đúng Sai . 2. X 1 = 0. c) Tính P{ X 5 = 0 X 0 = 0}. X 2 = 0} + P{X 0 = 0.1 0. 147 .9 0.6 Mọi chuỗi Markov có hữu hạn trạng thái luôn tồn tại phân bố dừng duy nhất đó là phân bố ergodic. 6.. 6. 1 thông qua kênh có nhiều trạm và mỗi trạm nhận sai tín hiệu với xác suất không đổi bằng α ∈ (0. b) Tính P{X 3 = 1 X 1 = 0}.9 Xét bài toán truyền một bức điện gồm gồm các tín hiệu 0. X1 = 2. Đúng Sai .} lập thành chuỗi Markov với ma trận xác suất chuyển ⎡ α 1 − α⎤ P=⎢ ⎥.7 Cho chuỗi Markov {X n }∞ n =1 với không gian trạng thái E = {0.1 0. p1 = P{X 0 = 1} = 4 .2 0. c) Tìm phân bố dừng.2 0. Cho biết {X n . X 1 = 0. 2} và ma trận xác suất chuyển ⎡ 0.1) .1 0. b) Tính P{X 0 = 0.1 0. X 2 = 1} .6 0. n = 0. 1.5 Nếu tồn tại phân bố giới hạn thì nó là phân bố dừng duy nhất.7⎤ ⎥ ⎢ P = ⎢0. X 1 = 1. 2} và ma trận xác suất chuyển ⎡ 0..

4} và ma trận xác suất chuyển 0 0 ⎤ ⎡1 / 2 1 / 2 0 ⎢ ⎥ ⎢1 / 2 1 / 2 0 0 0 ⎥ ⎢ ⎥ P=⎢ 0 0 1/ 2 1/ 2 0 ⎥ . Hãy xác định ma trận xác suất chuyển? 6. P{ξ n = 2} = 0.3 . 2.10 Xét mô hình kiểm kê phụ tùng thay thế với s = 0 và S = 3 là các mức căn cứ để nhập hàng cùng với ξ n là lượng hàng khách yêu cầu trong chu kỳ n . P{ξ n = 1} = 0. Xác định xác suất chuyển của chuỗi Markov {X n } .Chương 6: Quá trình ngẫu nhiên chuỗi Markov 6.12 Tìm các lớp liên thông trạng thái của chuỗi Markov có không gian trạng thái E = {0. 1.3 . 1 − p ] . 6. trong đó X n là số phụ tùng còn lại tại cuối chu kỳ n .11 Cho chuỗi Markov ergodic với 2 trạng thái có phân bố giới hạn là [ p. 3. Biết rằng P{ξ n = 0} = 0.4 . ⎢ ⎥ ⎢ 0 0 1/ 2 1/ 2 0 ⎥ ⎢ ⎥ ⎢⎣1 / 4 1 / 4 0 1 / 4 1 / 4⎥⎦ 148 .

Pc = 0.10 Đúng Sai Đúng Đúng Sai Đúng Sai Sai Đúng Đúng 1. 1.98 . Gọi A là biến cố sản phẩm lấy ra thuộc loại 1 hoặc loại 2: A = A1 + A2 Vì A1 .26 .3 1. i=1.02 .3.2 1.1 1.Hướng dẫn bài tập HƯỚNG DẪN GIẢI BÀI TẬP ĐÁP ÁN CHƯƠNG I 1. A = A1 A 2 + A1 A2 . Tương tự ta có: Pb = 0.8 1. A2 xung khắc do đó 5 25 P ( A ) = P ( A1 + A2 ) = P ( A1 ) + P ( A2 ) = 0.9 1. Do đó P ( A) = 1 . A là biến cố chỉ có một người bắn trúng mục tiêu.2.15 Gọi A1 và A2 tương ứng là biến cố người thứ nhất và thứ hai bắn trúng mục tiêu.11 a) P = 0.18 Gọi Ai là biến cố sản phẩm đã qua kiểm tra chất lượng ở phòng thứ i. Gọi A2 là biến cố sản phẩm lấy ra thuộc loại 2. Sử dụng qui tắc cộng xác suất trường hợp xung khắc và qui tắc nhân trường hợp độc lập ta có: P ( A) = P( A1 A 2 ) + P( A1 A2 ) = P ( A1 ) P( A 2 ) + P( A1 ) P( A2 ) = 0.4 1.13 P = A5 5 6 1 .12 Mỗi khách đều có 6 khả năng để ra ở 6 tầng còn lại của tòa nhà.495 .9 = 0. 216 Lý luận tương tự trên ta có Pb = 1.5 = 0. 1. 4 + 0. Pc = 6 = . 00027 .246 b) P = 0.2 ⋅ 0. 149 . 720 1. biến cố này chỉ có 1 trường hợp thuận lợi.16 Gọi A1 là biến cố sản phẩm lấy ra thuộc loại 1.9 1.1 + 0.7 1.5 1. Gọi A là biến cố tất cả cùng ra ở tầng bốn.8 ⋅ 0.6 1. = 0. = 216 9 216 36 1 . Do đó số kết cục đồng khả năng có thể N = A63 = 216 .17 5 ⎛ 1 ⎞ ⎛ 49 ⎞ P = C30 ⎜ ⎟ ⎜ ⎟ ⎝ 50 ⎠ ⎝ 50 ⎠ 1.

336 0.34. P ( A B3 ) = 0. 1. Vì các biến cố phụ thuộc nên P ( A) = P ( A1 ) P ( A2 A1 ) P ( A3 A1 A2 ) = 1 ⋅ 5 1 5 .21 Gọi A là biến cố sản phẩm kiểm tra là phế phẩm. P ( B3 ) = 0. P ( A ) = P ( B1 ) P ( A B1 ) + P ( B2 ) P ( A B2 ) + P ( B3 ) P ( A B3 ) = 0. 0002 .1012 = 0. Gọi A là biến cố xạ thủ bắn trượt. Theo đề bài ta có: P ( B1 ) = 5 7 4 2 . 2 10 18 = = . P ( A B2 ) = 0. P ( A B3 ) = 0.22 Gọi Bi là biến cố xạ thủ được xét thuộc nhóm thứ i. B3} đầy đủ P ( A B1 ) = 0. i=1. 57 57 180 150 . 3 ).5 .30 × 0. P ( A ) = P ( B1 ) P ( A B1 ) + P ( B2 ) P ( A B2 ) + P ( B3 ) P ( A B3 ) + P ( B4 ) P ( A B4 ) = 5 7 4 2 57 × 0.36 × 0. ( ) ( ) ( ) P ( B ) = P A1 P A2 P A3 = (1 − 0. 4.4. 08 . ( i = 1. 1.1012 1. 08 = 0.9 )(1 − 0. Hệ { B1.10.10 = 0.34 × 0.19 P = 0.3. 237 0. P ( B3 ) = . Gọi A là biến cố sau 3 lần kiểm tra tất cả các sản phẩm đều được kiểm tra A = A1 A2 A3 .1012 = 0.20 Gọi Ai là biến cố lần thứ i lấy ra 3 sản phẩm mới để kiểm tra.Hướng dẫn bài tập Gọi B là biến cố phế phẩm được nhập kho. B2 . P ( B4 ) = 18 18 18 18 P ( A B1 ) = 0. ta thu được P ( B1 A ) = P ( B1 ) P ( A B1 ) P ( A) 5 × 0.36. Gọi Bi là biến cố sản phẩm lấy ra kiểm tra thuộc phân xưởng thứ i.2.1012 P ( B1 ) P ( A B1 ) b. P ( B1 A ) = P ( A) P ( B2 A ) = P ( B3 A ) = = P ( B2 ) P ( A B2 ) P ( A) P ( B3 ) P ( A B3 ) P ( A) 0. P ( A B2 ) = 0. 427 0.2 3.3 + × 0. 4 + × 0.3.8 )(1 − 0.30 . P ( B1 ) = 0.5 = 18 18 18 18 180 Áp dụng công thức Bayer. ⋅ = 21 84 1764 1. 2. i=1. P ( A B4 ) = 0. 2 + × 0. P ( B2 ) = 0.12. a.12 = 0.11. P ( B2 ) = .99 ) = 0.

95 = 0. 1.1.10 Sai Sai Đúng Sai Đúng Sai Sai Đúng Đúng Sai 2. 05 .14 2.9.54 1.85 × 0. P ( A BH ) = 0.7 2.11 2. Gọi BT là biến cố sản phẩm đạt tiêu chuẩn chất lượng. P ( B2 ) = 0.85. Gọi B2 là biến cố viên đạn thứ hai trúng mục tiêu. Hai biến cố này độc lập Xác suất biến cố chỉ có viên đạn thứ nhất trúng mục tiêu ( ) ( ) ( P ( A ) = P B1 B2 ∪ B2 B1 = P B1 B2 + P B2 B1 ) = 0.Hướng dẫn bài tập tương tự P ( B2 A ) = 21 16 10 .85 × 0.23 Gọi B1 là biến cố viên đạn thứ nhất trúng mục tiêu. 7 × 0. P ( B4 A ) = 57 57 57 Vậy xạ thủ có khả năng ở nhóm thứ hai nhất.95 ⇒ P ( A BT ) = 0. 7725 ( ) c) P ABT ∪ ABH = P ( ABT ) + P ABH = 0.9 2.5 2. ĐÁP ÁN CHƯƠNG II 2.13 2. . ) ( ) P B1 B2 P ( B1 A ) P B1 ⎡⎣ B1 B2 ∪ B2 B1 ⎤⎦ 0. 6 + 0. a) P ( A ) = P ( BT ) P ( A BT ) + P ( BH ) P ( A BH ) = 0.8 2.9075 .12 2.24 Gọi A là biến cố sản phẩm kiểm tra có kết luận đạt tiêu chuẩn chất lượng.1 2. 05 = 0. P ( B1 ) = 0. P ( A BH ) = 0. P ( B3 A ) = . P ( BT ) = 0. 05 = 0.15 Hệ { BT .15 × 0.2 2.54 ( b. 7725 b) P ( BH A ) = ( P ( BH ) P ( A BH ) P ( A) ) = 0. 4 × 0. 7 . P ( BH ) = 0.15 × 0.3 2.15 Sai Sai Đúng Đúng Sai 151 . 6 = = = = 0.3 = 0.9 + 0.9 + 0. 0097 0.4 2.15 × 0. 778 P ( B1 A ) = P ( A) P ( A) P ( A) 0. Gọi BH là biến cố sản phẩm không đạt tiêu chuẩn chất lượng. 7 × 0. 4 .6 2. BH } đầy đủ P ( A BT ) = 0.

243 b) X 0 1 2 3 4 5 P 32 243 80 243 80 243 40 243 10 243 1 243 Y 0 1 2 3 4 5 P 1 243 10 243 40 243 80 243 80 243 32 243 ⇒ k= 3 . b) D( Z ) = 41 . Khi đó: A = A1 A2 A3 ⇒ A = A1 + A2 + A3 . E( X 1 + X 2 ) = 6.5 . 64 2.24 a) Vì 64 2 ∫ x ( 4 − x ) dx = 3 0 1 b) P { X < 1} = ∫ 0 3 2 13 . 4 2. P( A) = P( A1 ) + P( A 2 ) + P( A3 ) − P( A1 A 2 ) − P( A1 A3 ) − P( A 2 A3 ) + P( A1 A 2 A3 ) = ⇒ P( A) = 150 . p3 = 0.17 x3 = 29. p 2 = 0.4 .3 ).23 E ( X ) = 0 . 2.19 E( X ) = 0.20 a) D( Z ) = 61 .18 E( X 1 ) = 3. 21 .09 .3. D( X ) = 0. D( X 2 ) = 1.21 p1 = 0.53 . 2. 2 .22 a) Gọi Ai là biến cố toa i có người ngồi ( i = 1. 2. Gọi A là biến cố cả 3 toa đều có người ngồi.16 E ( X ) = 0.5 . D( X 1 + X 2 ) = 2. D ( X ) = 15.Hướng dẫn bài tập 2. 2.44 .12 .8 . x ( 4 − x ) dx = 64 256 152 93 243 .4 .1. 2. p3 = 0. E( X 2 ) = 3. 2.1. D( X 1 ) = 1.1.

37 P { X = 1} = P ( A1 ) P ( B0 ) + P ( A2 ) P ( B1 ) = 0. P ( A1 ) = 0.3 P { X = 0} = P ( A0 ) P ( B0 ) + P ( A1 ) P ( B1 ) + P ( A2 ) P ( B2 ) = 0. 04 EX = ( −2 ) × 0.13 = 0.3 0 1 2 0.12 = 0.37 0.98 b) P {Y = 0} = 0. 2.3 + 0 × 0. Từ đó P { X = −2} = P ( A0 ) P ( B2 ) = 0. 25. 09 + ( −1) × 0. 2 P { X = 2} = P ( A2 ) P ( B0 ) = 0. 2 ) = 0.5 P {Y = 2} = P { X = 2} + P { X = −2} = 0. 2 0. 04 = 1.5 + 2 × 0.Hướng dẫn bài tập 4 x=4 0 x =0 3 3 3 ⎛ 4 x5 ⎞ c) EX = ∫ x ( 4 − x ) dx = ⎜ x − ⎟ 64 64 ⎜⎝ 5 ⎟⎠ ⎛ 16 ⎞ 12 = 3⎜ 4 − ⎟ = 5⎠ 5 ⎝ x =4 4 3 4 3 ⎛ 4 x5 x 6 ⎞ ⎛ 1 1 ⎞ 32 − ⎟ = 3 × 64 ⎜ − ⎟ = EX = ∫ x ( 4 − x ) dx = ⎜ ⎜ ⎟ 64 64 ⎝ 5 6 ⎠ ⎝5 6⎠ 5 0 x =0 2 ⇒ DX = EX − ( EX ) 2 2 2 32 ⎛ 12 ⎞ 16 = −⎜ ⎟ = . Dễ thấy P ( A0 ) = 0. 5 ⎝ 5⎠ 25 2. 76 . P ( B1 ) = 0. Bi là biến cố : ”B bắn trúng i viên”. 48 . 04 Vậy bảng phân bố xác suất của X −2 0.37 + 12 × 0. P ( B2 ) = 0.13 EY = 0 × 0. 09 P { X = −1} = P ( A0 ) P ( B1 ) + P ( A1 ) P ( B2 ) = 0. 2 + 22 × 0.37 + 1× 0.37 + 1× 0. 04 = −0. 25 .26 Kí hiệu Ai là biến cố : ”ô tô thứ i bị hỏng”.36 .3 + 02 × 0. 02 − ( −0. 2 2 2 EX 2 = ( −2 ) × 0.37 P {Y = 1} = P { X = 1} + P { X = −1} = 0. P ( A2 ) = 0. i = 1.18 + 0. 153 . 09 + ( −1) × 0. 1 2. 2 + 2 × 0. 2. 09 X P −1 0. i = 0.16 .25 a) Kí hiệu Ai là biến cố : ”A bắn trúng i viên”. 02 2 2 DX = EX 2 − ( EX ) = 1.5 . P ( B0 ) = 0.

P { X < 3} = . 72 + 1× 0. 26 + 22 × 0. ⎧k > 0 ⎧ pi > 0 ⎧⎪ k > 0 ⎪ ⎪ ⇒ k = 1/10 .34 − ( 0.1× 0. 6 . 72 + 12 × 0. 10 10 10 10 100 100 ⎝ 100 10 ⎠ 2 2 DX = EX 2 − ( EX ) = 16. 4 2 6 . 2 2 DX = EX 2 − ( EX ) = 0. DY = 5 5 25 2. 02 = 0.8 + 0. 72 1 0.3) = 0. 02 = 0. 66 ) = 3.29 Gọi X là “số nữ có trong nhóm được chọn” 154 Y P 1 0. + = 10 10 10 10 1 4 6 12 5 12 1⎞ ⎛ 7 + + + + + + 7⎜ + ⎟ = 3. 4 2 0. 2. 26 P { X = 2} = P ( A1 ) P ( A2 ) = 0.X ) = 2 − 2 8 6 .28 a) Gọi X là “số phế phẩm gặp phải”: EX = X P 0 0.8 .34 . 10 10 10 10 100 100 ⎝ 100 10 ⎠ d) EX 2 = 1 8 18 48 25 72 1⎞ ⎛ 7 + + + + + + 49 ⎜ + ⎟ = 16.1 . 404 . 72 ( ) ( ) P { X = 1} = P ( A1 ) P A2 + P A1 P ( A2 ) = 0. DX = .9 × 0. 02 EX = 0 × 0.3 . P ( A2 ) = 0. 5 25 b) Gọi Ị là “số chính phẩm gặp phải” ⇒ Y = 2 − X : EY = E ( 2 . 02 X P 0 0. 66 .8 = 0. 26 2 0.8 − ( 3.27 a) Điều kiện ⎨ p = 1 ⇒ ⎨ ⇒ ⎨ ⎡ k = −1 2 ∑ ⎪⎩10k + 9k = 1 ⎪ ⎢ ⎪⎩ i i ⎩ ⎣ k = 1/10 b) P { X ≥ 5} = c) EX = 1 1 2 3 . 2 Gọi X là số ôtô bị hỏng trong thời gian làm việc ( ) ( ) Từ đó P { X = 0} = P A1 P A2 = 0. EX 2 = 02 × 0. 25 . 2. 26 + 2 × 0.9 × 0. 2 = 0. = .Hướng dẫn bài tập Dễ thấy P ( A1 ) = 0. 6 1 0.

33 = 0.33 a) P = 0.34 Gọi x là số câu hỏi học sinh trả lời đúng. 2. 7 ) a) Xác suất thu được tín hiệu 2 lần P { X = 2} = C52 0. 155 .751 .9914 b) Số sản phẩm hỏng trung bình là 0. Vậy xác suất để anh ta được điểm âm là P = 3 ∑ C104 k =0 ()() 1 5 k 4 5 10−k = 0. p) với n = 5 và p = 0. 031 P { X ≥ 1} = 1 − P { X = 0} = 1 − 0.4096 .36 Không đúng.8 . 002 = 0. 2.32 a) X tuân theo quy luật nhị thức B (n .132 b) Xác suất thu được tín hiệu nhiều nhất 1 lần c) Xác suất thu được tín hiệu P { X ≤ 1} = 0.31 a) P = 0. b) E X = 4 .8 . 4 Vậy xác suất để anh ta được điểm 4 là P = C10 ()() 1 5 4 4 5 6 = 0.088 . 0. 2. P = 0. 30 30 30 30 30 5 2. 2.3 .1.30 Thắng 2 trong 4 ván dễ hơn.Hướng dẫn bài tập P { X = 0} = P { X = 2} = EX = 0 × C63 3 C10 = C42C61 3 C10 5 . b) P = 0.879 . 30 = P { X = 1} = C14C62 3 C10 15 30 = C1C 2 15 9 . 2. 7 20.41 . D X = 0. b) Anh ta được điểm âm khi trả lời đúng: 6 x − 20 < 0 ⇒ x = 0.35 Gọi X là số lần thu được tín hiệu trong 5 lần phát độc lập thì X ~ B ( 5. c) ModX = 4 .998 2.5 c) Số sản phẩm hỏng có khả năng xảy ra nhiều nhất là 0.238 . Số điểm anh ta nhận được là 4 x + (10 − x)(−2) = 6 x − 20 a) Anh ta được 4 điểm khi trả lời đúng: 6 x − 20 = 4 ⇒ x = 4 . P{X = 4} = 0. 2. P { X = 1} = 4 6 = 3 30 30 C10 X 0 1 2 3 P 5 / 30 15 / 30 9 / 30 1/ 30 5 15 9 1 36 6 + 1× + 2 × + 3 × = = .

cov( X .38 P{8 < X < 12} = Φ⎜ ⎟ − Φ⎜ ⎟ = 0. b) 4. EY = 0 .Y = 0 . Y ) = −1 / 8 . { } ⎛ε n ⎞ σ2 ⎟ −1.56 0.3 . ρ X.26 0.15 EX = −1 / 5 .13 X x1 x2 Y y1 y2 y3 P 0. Xác suất có nhiều nhất 1 cuộc gọi trong khoảng thời gian 1 phút là P {Z ≤ 1} = 0. 2. 2. ρ X. ⇒ P X − μ < ε = 2Φ⎜⎜ 2.39 P = 0.11 3.7 3. Vậy xác suất có nhiều nhất ba cuộc gọi trong khoảng thời gian 3 phút là P {Y ≤ 3} = 0. EY = 0 . 3. 406 . ⎛ 12 − 10 ⎞ ⎛ 8 − 10 ⎞ 2.10 Sai Đúng Đúng Đúng Sai Sai Sai Đúng Đúng Sai 3.Y = −0.8 3.44%. X và Y không độc lập vì 156 . Vậy xác suất có ít nhất một cuộc gọi trong khoảng thời gian 10 giây là P { X ≥ 1} = 1 − P { X = 0} = 1 − e−1/ 3 = 0.37 a) Gọi X là số cuộc gọi trong khoảng thời gian 10 giây thì X có phân bố Poisson tham số λ = 1/ 3 .Hướng dẫn bài tập 2.4 3.9 3.6 3. ⎝ 2 ⎠ ⎝ 2 ⎠ 2.2 3.1 3.151 . Vậy xác suất để trong khoảng thời gian 3 phút liên tiếp mỗi phút có nhiều nhất 1 cuộc gọi là 3 P {Z ≤ 1} = 0. D( X ) = ⎟ σ n ⎝ ⎠ ĐÁP ÁN CHƯƠNG III 3. 2825 .6826 .38 0.14 EX = −7 / 15 .5 3. 4063 = 0.44 P 0.36 3.41 a) 20.33%.56%. 0067 .3 3. b) P = 0.42 E( X ) = μ .9983 .15 . c) Gọi Z là số cuộc gọi trong khoảng thời gian 1 phút thì Z có phân bố Poisson tham số λ = 2 .40 a) 95. b) Gọi Y là số cuộc gọi trong khoảng thời gian 3 phút thì Ị có phân bố Poisson tham số λ = 6 .12 Sai Đúng 3.

17 Bảng phân bố xác suất đồng thời của X và Y Y 0 1 2 3 4 0 0.06 0. EY = 1.15 ≠ 0. 3.045 0.7 .Hướng dẫn bài tập P{X = 1} = 2 / 15.12 0.06 0. 3.19 X 1 2 3 4 5 6 0 1/12 1/12 1/12 1/12 1/12 1/12 1 1/12 1/12 1/12 1/12 1/12 1/12 Y P{X = 1} = 0.4225 0.7 .45 và P{X = 1. Y không độc lập vì P{X = 1} = 0.12 0.015 0.01 3 0.02 1 0. Y = 1} = 0 .01 0. EZ = 2.04 0. P{Y = 1} = 0.35 0.16 0.005 X P{X > Y } = 0.5 ⋅ 0.1268 0.45 và P{X = 1.5. P{Y = 1} = 0.16 Bảng phân bố xác suất của biến ngẫu nhiên Z Z 1 2 3 4 6 P 0.89 .18 X .04 0.20 23 27 0.19 .02 0.07 EX = 1.45 .5 ⋅ 0.45 P{X = 1Y = 2} = 7 / 11 .03 0.03 0. 3.015 2 0.1549 0.15 ≠ 0.09 0.643 Y X = 26 P X Y = 27 P 26 30 41 50 0.43 0.03 0.08 0.03 0. Y = 1} = 0. Y = 1} = 0. 3. 3.12 0.2958 157 .5.357 0. P{Y = 1} = 5 / 15 và P{X = 1.

2 ⎠⎝ π 2⎠ ⎝π c) F X ( x) = lim F ( x. Áp dụng công thức (3. FY ( y ) = lim F ( x.Hướng dẫn bài tập 3.23 a) k = 3 . y ) = ⎜ arctg x + ⎟⎜ arctg y + ⎟ .22 b. 2⎭ 2 2⎭ 2⎭ ⎩ ⎩ ⎩ 3. Y ) = 0 ⇒ ρ ( X . EX = −0.5 .21 E[Y X = 1] = 5 . f X ( x) = ⎨ ⎪⎩ 0 nÕu ng−îc l¹i ⎪⎩ 0 nÕu ng−îc l¹i 1⎫ 1⎫ 1⎫ 1 ⎧ ⎧ ⎧ X và Y không độc lập vì P ⎨ X < .14) ta được ∂ 2 F ⎧⎪ e − x − y f ( x.26 Hàm mật độ của X là f X ( x) = ⎨ x 2 ⎪ 0 ⎩ nÕu x ≥ 1.25 a) C = 1 π2 nÕu x > 0. X . EY = 4. . nÕu x < 1 .93 . Y không độc lập vì P { X = 1} = 2 5 nhưng P { X = 1. f Y ( y) = ⎨ 2 . DX = 4. 2 2 π π x →∞ Vì F ( x. cov ( X . P {Y = 1} = 15 15 3. Y = 1} = 0 . b) c) ⎧3 2 ⎧⎪ 3x 2 nÕu 0 < x < 1 ⎪ (1 − y ) nÕu 0 < y < 1 . P ⎨ Y > ⎬ ≠ 0 .24 Áp dụng công thức (3. . α = 15 . EX = 2.53) ta được ⎧⎪ e − x f ( x y) = ⎨ ⎪⎩ 0 3. 3. Y ) = 0 . y ) = F X ( x) FY ( y ) nên ta kết luận X và Y độc lập. nÕu ng−îc l¹i . 2 . Y > ⎬ = 0 nhưng P ⎨ X < ⎬ ≠ 0 .25 . nÕu x ≤ 0 . EY = 0 . DY = 2. y > 0.83 . y ) = arctg y + . 158 1 1 1 . y ) = =⎨ ∂x∂y ⎪⎩ 0 nÕu x > 0. a. c. { } { } d) P 1 < X < 3 . 1 ⎞⎛ 1 1⎞ ⎛1 b) F ( x. ⋅ = 12 4 48 . y ) = y →∞ 1 1 1 1 arctg x + . 0 < Y < 1 = P 1 < X < 3 P{ 0 < Y < 1} = ⎧ ln x ⎪ 3.

300 159 .Y = 57.4 4. x ≥ y x2 y y nÕu y ≥ 1.Hướng dẫn bài tập ⎧ ⎪ ⎪ Hàm mật độ của Y là f Y ( y ) = ⎨ ⎪ ⎪⎩ 1 2y2 1 2 nÕu 1 ≤ y < ∞. ĐÁP ÁN CHƯƠNG IV 4.3 4.8 Đúng Đúng Sai Sai Đúng Đúng Đúng Đúng 4. Chọn a = 157. Theo bất đẳng thức Trêbưsép n =1 P{S − 192 ≤ ε} ≥ 1 − 4. DS = n =1 P{S ≥ 500} ≤ DS 500 2 = 10000 .36 . 12 4.99 .11 Đặt S = DS ε2 10000 ∑ X n . DX = 1 . f X ( x) 2 y ln x x Hàm mật độ có điều kiện của X với điều kiện Y = y ( y > 0) là ⎧ ⎪ f ( x.6 4.9 Gọi X là số máy hỏng trong ca.10 Đặt S = ∑ X n .05 ≥ 2} ≤ 0.475 22 = 0.05 < 2} ≥ 1 − 0.475 22 = 0. nÕu 0 ≤ y ≤ 1 . ≥ 0. ES = 12 ⋅ 16 = 192 .64 .88 . ES = 0 .6 . b = 226. y ) 1 1 = nếu ≤ y≤x.2 4. Áp dụng bất đẳng thức Trêbưsép ta có P{ X − 0. Theo bất đẳng thức Trêbưsép 12 1 . Từ đó hàm mật độ có điều kiện của Y với điều kiện X = x ( x > 1) là f ( y x) = f ( x.1 4. y ≤ x . x2 3. D(2 X − 3Y ) = 4D( X ) + 9D(Y ) − 12 D( X )D(Y ) ρ X .12 .7 4.5 . DS = 12 . X có phân bố nhị thức EX = 0.27 E (2 X − 3Y ) = 2E ( X ) − 3E (Y ) = 10 . y ) ⎪ f ( x y) = =⎨ f Y ( y) ⎪ ⎪⎩ 1 nÕu 0 ≤ y ≤ 1.5 4. P{ X − 0.

17 Áp dụng bất đẳng thức Trêbưsép tính được xác suất P ≥ 0. 4. Φ⎜⎜ ⎝ 250 ⎠ ⎝ 250 ⎠ ⎝ 250 ⎠ ⎝ 250 ⎠ Từ đó k ≥ 500 + 2. Vậy 160 .99 ⇒ ε = 34. Ta có X ~ B (250 . 4. Từ đó tra bảng ta được: a) P{X = 2} = 0. Vậy k = 541 .99 ⇔ Φ⎜⎜ ⎟⎟ ≥ Φ(2. 4. ⎪⎭ ⎪⎩n=1 n =1 Ta có ES = 192 .15 Thỏa mãn luật số lớn Trêbưsép.9) . ES = và 6 6 5n . b) P{X ≤ 2} = 0.58) .0842 .1247 4. Khi đó 1000 − X là số người chọn ăn ở đợt 2 .02) . Vậy P{X ≤ 300} ≈ Φ⎜ ⎟ = Φ(1.12 Ta biết rằng S là biến ngẫu nhiên có phân bố nhị thức tham số p = DS = 1 n . Phân bố của X xấp xỉ phân bố chuẩn với μ = 0. X có phân bố xấp xỉ chuẩn ⎛ 8 ⎞ với μ = 292.3 n .Hướng dẫn bài tập 4. σ = 5. Ta xem X có phân bố chuẩn với μ = 500 .64. 4.58 250 = 540.4 ⎠ b) Giả sử n là số người được gọi.64 .18 Áp dụng bất đẳng thức Trêbưsép cần kiểm tra 23.99 . Vậy ta phải có ⎛ k − 500 ⎞ ⎛ 500 − k ⎞ ⎛ k − 500 ⎞ ⎛ k − 500 ⎞ ⎟⎟ − Φ⎜⎜ ⎟⎟ ≥ 0.99 . 36 36 6 n ⎩6 ⎭ 36 12 ⎫⎪ ⎧⎪ 12 4.750 chi tiết. ⎝ 5.19 Gọi X là số sản phẩm hỏng. DS = 12 . X sẽ có xấp xỉ phân bố Poisson với λ = 250 ⋅ 0.21 a) Gọi X là số người trúng tuyển.9306 . Ta có X ~ B (350 .5 .64 = 226. 0. 4. σ = 0. Ta cần tìm M nhỏ nhất để P ⎨∑ X n ≤ M ⎬ ≥ 0.13 Đặt S = ∑ X n .16 Thỏa mãn luật số lớn Trêbưsép.20 Giả sử X là số người chọn ăn ở đợt 1.99 ⇔ 2Φ⎜⎜ ⎟⎟ ≥ 1. 0. Theo bất đẳng thức Trêbưsép P{S − 192 ≤ ε} ≥ 1 − DS ε2 ≥ 0. Theo bất đẳng thức Trêbưsép 36 { } P S − ES < n ≥ 1 − n DS 5 31 ⎧n ⎫ 31 = 1− = ⇔ P⎨ − n < S < + n ⎬ ≥ .9n .9131 4.4 . σ = 250 . Vậy M = 192+34. Ta phải chọn k nhỏ nhất để P{X < k . 4.49 .14 Thỏa mãn luật số lớn Trêbưsép.99 ⇔ P{1000 − k < X < k } ≥ 0. 1000 − X < k } ≥ 0.48) = 0.02 = 5 . Gọi k là số chỗ ngồi trong nhà ăn.

Vì X có phân bố nhị thức nên 2⎭ 2 ⎪⎭ ⎪⎭ ⎪⎩ i =1 ⎪⎩10 i =1 ⎩ ⎫⎪ ⎧⎪ 10 5 5 P ⎨∑ X i = 5⎬ = P10 (5) = C10 (0. .13 5.9 5. P X − 20 < 0.5)10−5 = C10 (0. Vậy n = 319 .5)10 .1 5. P{X ≤ 300} ≈ Φ⎜⎜ ⎟ ⎝ 0..2 = 2Φ⎜⎜ ⎟ 1 ⎝ ⎠ 5.3 5.33) ⇔ 300 − 0. { } { { } σ2 ) .8 5.6 5.33) n ..10 Đúng Sai Đúng Đúng Đúng Sai Sai Đúng Đúng Sai 5.14 5.2 100 ⎞ ⎟ = 2Φ (2) = 0.19 Mẫu ngẫu nhiên có kích thước 10: W = ( X 1 .2 5.9n ⎞ ⎟ ≥ 0. X 2 .3 n ⎠ Giải bất phương trình ta được n ≤ 319. σ 2 ) nên X có phân bố chuẩn N (μ.9545 .11 5. ⎫⎪ 1⎫ 1 ⎪⎫ ⎪⎧ 10 ⎪⎧ 1 10 ⎧ P ⎨ X = ⎬ = P ⎨ ∑ X i = ⎬ = P ⎨∑ X i = 5⎬ .21 Bảng phân bố tần số X 1 2 3 4 Tần số 2 4 2 2 X 1 2 3 4 Tần suất 1/5 2/5 1/5 1/5 Bảng phân bố tần suất Hàm phân bố thực nghiệm 161 .99 . ĐÁP ÁN CHƯƠNG V 5.5) 5 ⋅ (0.7 5.17 5.16 5.3)(2. Vậy n ⎛ε n ⎞ ⎛−ε n ⎞ ⎛ε n ⎞ ⎟ − Φ⎜ ⎟ = 2Φ⎜ ⎟ P X − μ < ε = P μ − ε < X < μ + ε = Φ⎜⎜ ⎟ ⎜ σ ⎟ ⎜ σ ⎟ .4 5. X 10 ) .5 5. ⎪⎭ ⎪⎩ i =1 5.15 5.99 = Φ (2.Hướng dẫn bài tập ⎛ 300 − 0.9n ≥ (0. Do đó σ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ } ⎛ 0. .18 Sai Sai Đúng Đúng Sai Sai Sai Sai 5.20 X có phân bố chuẩn N (μ.12 5.

1299.5% số phiếu bầu cho ứng cử viên A.15 = 0.1657 0. 0332 400 400 Khoảng ước lượng [ 0.072 . 76 − 40 ⎥⎥ = 0. 25 = 5 −1. ⎧nf = 1082 > 10 1082 . ⎧nf = 53 > 10 53 .15)2 ⎤⎥ = 0.Hướng dẫn bài tập x ≤1 ⎧0 ⎪1 / 5 1 < x ≤ 2 ⎪⎪ F10 ( x) = ⎨3 / 5 2 < x ≤ 3 ⎪4 / 5 3 < x ≤ 4 ⎪ ⎪⎩1 x>4 5.96 × = 0. khoảng tin cậy 95% của p : f (1 − f ) uβ n = 1.23 x = ∑ xi = 34. 0993 . trong đó N là số cá trong hồ.976 . s = 1. 435 n −1 ⎢ ⎣ ⎦ ⎣ ⎦ 2 162 .1299 = 1. 25 = 18. uβ 5. 025 ⇒ x =5 5.1657 ] Mặt khác p = 2000 .96 53 × 347 = 0.8 + 18. 0993 < 2000 2000 2000 < 0.515 2000 2000 Vậy tối thiểu có 51. 25 ∑ ui + 18. 0. N 0.1657 ⇒ <N< ⇒ 12070 < N < 20141 . 01687 1 ⎢ 1 ⎡ 2 ( ∑ xi ) ⎥ ⎢ − = − s = x 33. Khoảng tin cậy 95%: 35 n [0. 5. 0993 x − 18.8943 ∑i ⎥ 34 ⎢ n −1 ⎢ n 35 ⎥ ⎣ ⎦ ⎣ ⎦ 2 ⇒ s = 0.22 f = x = 6.33 = 0. N Vậy 0. 019] . 043 . s 2 = 1.25 Đặt ui = i 40 5 n 2⎤ 2 ⎡ ⎡ −1.24 Tần suất mẫu f = s 0. 1.8 ) ⎤ ( 52 ⎢ 2 ( ∑ ui ) ⎥ 25 ⎢ s = ∑ ui − n ⎥ = 39 ⎢0.15 .8 . điều kiện ⎨ 400 ⎩ n(1 − f ) = 347 > 10 Gọi p là xác suất bắt được con cá có đánh dấu.933 . 35 n 2⎤ ⎡ ( 34. Điều kiện ⎨ 2000 ⎩n(1 − f ) = 918 > 10 f (1 − f ) f − uβ n = 1082 918 ×1082 − 2.

16 chọn n = 385 5.854. Ta kiểm định giả thiết H 0 : μ = 14 .196] . 18. 42 ⎤ ⎢0.96}. 66 = 1. ∑ riui = 0 .27 Gọi μ là trọng lượng trung bình của một bao sản phẩm được đóng gói. 29 s 2 = 25 × 1 ⎡ 0. ⇒ s2 = 4 × ( X − 14 ) S n H1 : μ ≠ 14 .26 Đặt ui uβ ui n σ n = 1.37 ⇒ s = 0. đối thiết Tiêu chuẩn kiểm định T = x − 15 Đặt ui = i 2 ⇒ x = 15 . a) Khoảng tin cậy 90%: b) Kích thược mẫu cần thiết n ≥ = xi − 50 ⇒ x = ∑ 5. 42 − ⎥ = 0.608 Vậy bác bỏ H 0 chấp nhận H1 . 25 Đặt ui = i 5 ⇒ x = 5× Tqs = (100 − X ) n S . 081] . ∑ riui 2 = 0. Ta kiểm định giả thiết H 0 : μ = 100 . 25 = 99. 0. 4 + 99. Miền bác bỏ Wα = {T > 1. a) Khoảng tin cậy 95%: b) Kích thược mẫu cần thiết n ≥ u 2β σ 2 ε2 = 384. 42 ⇒ 0.28 Gọi μ là thời gian trung bình hoàn thành một sản phẩm. 608 28 ⎣⎢ 29 ⎦⎥ (100 − 99.319 .032 ∈ Wα .086}.377 27 [ 49. nghĩa là sản phẩm bị đóng thiếu.195 300 − ⎢ 249 ⎣ 300 ⎥⎦ 163 . 704 27 1 = 0. ∑ riui 2 = 300 1 ⎡ 0 ⎤ = 4.327 . ∑ riui = 0. uβ [17.96 × u 2β s 2 ε2 + 50 = = 116.Hướng dẫn bài tập s 0. 66. Miền bác bỏ Wα = {T > 2.171 40 n ⇒ s = 0.819 ⇒ s = 2. 50.319) 29 = 6. 5. đối thiết H1 : μ < 100 Tiêu chuẩn kiểm định T = x − 99.99 chọn n = 117 −8 + 50 = 49. 4 . 64 × = 0.

294 > 1. 1387.5 6. X 2 = 1} = P { X 0 = 0} P { X 1 = 2 X 0 = 0} P { X 2 = 1 X 0 = 0.3026 ⇒ s = 0.6 Sai Sai Đúng Đúng Đúng Sai P { X 0 = 0.2948 ∈ Wα .53) 30 = 4.195 Vậy bác bỏ H 0 chấp nhận H1 .5 = 49. Miền bác bỏ Wα = {T > 2. 2. 40 = 2. 5.1 6.96} .30 Gọi μ là số hoá đơn trung bình hệ thống máy tính mới xử lý được trong 1 giờ.29 Gọi μ là mức hao phí xăng trung bình của ôtô chạy từ A đến B.2 6.55 Vậy bác bỏ H 0 chấp nhận H1 . 0.1696 = 0. 28 1 ⎛ 1387. Miền bác bỏ Wα = {T > 1.Hướng dẫn bài tập ⇒ Tqs = (115 − 14) 300 = 7. ĐÁP ÁN CHƯƠNG VI 6.5536.4 6. nghĩa là hệ thống máy tính mới xử lý tốt hơn.89 ∈ Wα .55 ⎜⎜ 6876375 − ⎟= 27 ⎝ 28 ⎟⎠ 27 Tqs = (50 − 49.7 6.3 6. 5. nghĩa là mức hao phí xăng có giảm xuống. nghĩa là cần thay đổi định mức. X1 = 2.52 ⎞ 8. X1 = 2} 164 . H1 : μ > 1300 đối thiết Tiêu chuẩn kiểm định T = Từ mẫu cụ thể ta có T = ( X − 1300 ) S (1378 − 1300 ) 215 n .96 Vậy bác bỏ H 0 chấp nhận H1 . Ta kiểm định giả thiết H 0 : μ = 50 . Ta kiểm định giả thiết H 0 : μ = 1300 . đối thiết H1 : μ < 50 Tiêu chuẩn kiểm định T = Theo mẫu ta có x = s2 = ( 50 − X ) n S .052}.

X 2 = 1}+ P{X 2 = 2 X 0 = 0}P{X 3 = 1 X 0 = 0. y. y . 47 0. X 2 = 0} = P { X 0 = 0} P { X 1 = 0. y. X 2 = 0} + P { X 0 = 0. z ] là nghiệm của hệ phương trình ⎧[x y z ]P = [x y z ] .44 . X 1 = 0. ⎢ ⎥ ⎢⎣ 0.1.8 = 0.Hướng dẫn bài tập = P { X 0 = 0} P { X 1 = 2 X 0 = 0} P { X 2 = 1 X 1 = 2} = 0.26 0.2 + 0. X 2 = 2} = P{X 2 = 0 X 0 = 0}P{X 3 = 1 X 2 = 0} + P{X 2 = 1 X 0 = 0}P{X 3 = 1 X 2 = 1} + P{X 2 = 2 X 0 = 0}P{X 3 = 1 X 2 = 2} = 0. X 2 = 0 X 0 = 0} = P { X 0 = 0} P { X1 = 0 X 0 = 0} P { X 2 = 0 X 0 = 0. 165 . y= .57 ⎥⎦ { } b) P { X 3 = 1 X1 = 0} = P X 2 = 1 X 0 = 0 = 0.2 + 0.47 ⋅ 0. ⎨ ⎩ x.17 0. 139 139 139 p0 = P { X 0 = 0} .1 = 0.16 . c) Phân bố dừng [x. X1 = 1.42 0. X 2 = 2 X 0 = 0} = P{X 2 = 0 X 0 = 0}P{X 3 = 1 X 0 = 0.13 .3 ⋅ 0.14 0. 2. 0. ( ) b) P { X 0 = 0. z ≥ 0 .40 ⋅ 0. X1 = 0} = p0α 2 .9 Đặt 50 21 68 .13 0. x + y + z = 1 Như vậy x. X 1 = 0.3} . X 2 = 0} = p0 α 2 + (1 − α ) 2 .7 ⋅ 0. X 2 = 0} + P{X 2 = 1 X 0 = 0}P{X 3 = 1 X 0 = 0.10 Không gian trạng thái sẽ là E = {−1.8 a) P = 0. X 2 = 1 X 0 = 0} + P{X 3 = 1. X 2 = 0 X 0 = 0} + P{X 3 = 1. c) P { X 5 = 0 X 0 = 0} = 16(α − 1)5 + 40(α − 1) 4 + 40(α − 1)3 + 20(α − 1) 2 + 5(α − 1) + 1 . ⎡0.168 .40 ⎤ ⎢ ⎥ 2 6.z= . a) P { X 0 = 0.13 ⋅ 0. 6. z là nghiệm không âm của hệ phương trình ⎧− 9 x + 2 y + 6 z = 0 ⎪⎪ ⎨ 2x − 8 y + z = 0 ⎪ +y +z = 1 ⎩⎪ x có nghiệm x = 6. P{X 3 = 1 X 0 = 0} = P{X 3 = 1.

. p−1. {2..3 0.3 = P { X (n + 1) = 1 X (n) = −1} = P(ξ = 0) = 0...3 0...3 0. 4 0 0 ⎥ ⎢ ⎥ ⎢ 0 0. p−1.3 0. 4 ⎥⎦ 6..12 Các trạng thái có chu kỳ 1..3 0.. p−1. {4} .. 1/ 4 1/ 4 1/2 1/ 4 1/2 1/2 1/2 1 0 1/2 1/2 1/2 2 3 1/2 166 4 1/ 4 .. .1} ... 4 ⎥⎥ ⎢ P = ⎢0.21) ta có pij = P { X (n + 1) = j X (n) = i} = ⎨ ⎪⎩ P {ξ = i − j} nÕu 0 < i ≤ 3.2 = P { X (n + 1) = 2 X (n) = −1} = P(ξ = 1) = 0.. −1 = P{ X (n + 1) = −1 X (n) = −1 } = P(φ) = 0 .Hướng dẫn bài tập ⎧⎪ P {ξ = 3 − j} nÕu i ≤ 0. 4 ⎤ ⎡ 0 ⎢ 0 0 0. 4 0 ⎥ ⎢⎣ 0 0 0.3 0... 4 .3 0..3 0. Có 3 lớp liên thông là {0...1 = P { X (n + 1) = 1 X (n) = −1} = P (ξ = 2) = 0..3 0.3 .. p−1..0 = P { X (n + 1) = 0 X (n) = −1} = P(ξ = 3) = P(φ) = 0 . p −1..3 .. Ma trận xác suất chuyển: 0 0.3} ..3 0.. Theo công thức (6.

9 0 0.1 3.2420 2179 1942 1714 1497 1295 1109 0940 0790 0656 0.5 3.8 1.0540 0440 0355 0283 0224 0175 0136 0104 0079 0060 0.0044 0033 0024 0017 0012 0009 0005 0004 0003 0002 1 3989 3965 3902 3802 3668 3503 3312 3101 2874 2637 2396 2155 1919 1691 1476 1276 1092 0925 0775 0644 0529 0431 0347 0277 0219 0171 0132 0101 0077 0058 0043 0032 0023 0017 0012 0008 0005 0004 0003 0002 2 3989 3961 3894 3790 3653 3485 3292 3079 2850 2613 2370 2131 1895 1669 1456 1257 1074 0909 0761 0632 0519 0422 0339 0270 0213 0167 0129 0099 0075 0056 0042 0031 0022 0016 0012 0008 0005 0004 0003 0002 3 3988 3956 3885 3778 3637 3467 3271 3056 2827 2589 2347 2107 1872 1647 1435 1238 1057 0893 0748 0620 0508 0413 0332 0264 0208 0163 0126 0096 0073 0055 0040 0030 0022 0016 0011 00080 0005 0004 0003 0002 4 3986 3951 3876 3765 3621 3448 3251 3034 2803 2565 2320 2083 1849 1626 1415 1219 1040 0878 0734 0608 0498 0404 0325 0258 0203 0158 0122 0093 0071 0053 0039 0029 0021 0015 0011 0008 0005 0004 0003 0002 167 5 3984 3945 3867 3752 3605 3429 3230 3011 2780 2541 2299 2059 1826 1604 1394 1200 1023 0863 0721 0596 0488 0396 0317 0252 0198 0154 0119 0091 0069 0051 0038 0028 0020 0015 0010 0007 0005 0004 0002 0002 1 2π e − 6 3982 3939 3857 3739 3589 3410 3209 2989 2756 2516 2275 2036 1804 1582 1374 1182 1006 0848 0707 0584 0478 0387 0310 0246 0194 0151 0116 0088 0067 0050 0037 0027 0020 0014 0010 0007 0005 0003 0002 0002 x2 2 7 3980 3932 3847 3726 3572 3391 3187 2966 2732 2492 2251 2012 1781 1561 1354 1163 0989 0833 0694 0573 0468 0379 0303 0241 0189 0147 0113 0086 000065 0048 0036 0026 0019 0014 0010 0007 0005 0003 0002 0002 8 3977 3925 3836 3712 3555 3372 3166 2943 2709 2468 2227 1989 1758 1539 1334 1145 0973 0818 0681 0562 0459 0371 0297 0235 0184 0143 0110 0084 0063 0047 0035 0025 0018 0013 0009 0007 0005 0003 0002 0001 9 3973 3918 3825 3697 3538 3352 3144 2920 2685 2444 2203 1965 1736 1518 1315 1127 0957 0804 0669 0551 0449 0363 0290 0229 0180 0139 0107 0081 0061 0046 0034 0025 0018 0013 0009 0006 0004 0003 0002 0001 .9 2.7 1.5 1.3 2.0 0.4 0.3 1.5 0.4 1.0 1.7 2.8 3.5 2.6 2.9 1.7 3.Phụ lục PHỤ LỤC PHỤ LỤC I: GIÁ TRỊ HÀM MẬT ĐỘ ϕ( x) = 0.7 0.2 2.9 3.4 2.0 2.3989 3970 3910 3814 3683 3521 3332 3123 2897 2661 0.1 2.1 1.2 3.2 0.2 1.6 0.8 2.0 3.8 0.1 0.3 3.6 3.4 3.6 1.3 0.

6 2.8 0.5000 5398 5793 6179 6554 0.6 1.0 0.9 2.8 3.7 2.2 3.Phụ lục PHỤ LỤC II: GIÁ TRỊ HÀM PHÂN BỐ CHUẨN TẮC 1 t ∫e 2π −∞ Φ (t ) = − 1 2π x2 2 dx Φ (t ) t t 0 1 2 3 4 5 6 7 8 9 0.5 0.0 2.5 3.9773 9821 9861 9893 9918 0.1 2.2 1.1 1.6 3.7 3.9938 9953 9965 9974 9981 5040 5438 5832 6217 6591 6950 7291 7611 7910 8186 8438 8665 8869 9049 9207 9345 9463 9564 9649 9719 9778 9826 9864 9896 9920 9940 9955 9966 9975 9982 5080 5478 5871 6255 6628 6985 7324 7642 7939 8212 8461 8686 8888 9066 9222 9357 9474 9573 9656 9726 9783 9830 9868 9898 9922 9941 9956 9967 9976 9982 5120 5517 5910 6293 6664 7019 7357 7673 7967 8238 8485 8708 8907 9082 9236 9370 9484 9582 9664 9732 9788 9834 9871 9901 9925 9943 9957 9968 9977 9983 5160 5557 5948 6331 6700 7054 7389 7703 7995 8264 8508 8729 8925 9099 9251 9382 9495 9591 9671 9738 9793 9838 9875 9904 9927 9945 9959 9969 9977 9984 5199 5596 5987 6368 6736 7088 7422 7734 8023 8289 8531 8749 8944 9115 9265 9394 9505 9599 9678 9744 9798 9842 9878 9906 9929 9946 9960 9970 9978 9984 5239 5636 6026 6406 6772 7123 7454 7764 8051 8315 8554 8770 8962 9131 9279 9406 9515 9608 9686 9750 9803 9846 9881 9909 9931 9948 9961 9971 9979 9985 5279 5675 6064 6443 6808 7156 7486 7794 8078 8340 8577 8790 8980 9147 9292 9418 9525 9616 9693 9756 9808 9850 9884 9911 9932 9949 9962 9972 9979 9985 5319 5714 6103 6480 6844 7190 7517 7823 8106 8365 8599 8810 8997 9162 9306 9429 9535 9625 9699 9761 9812 9854 9887 9913 9934 9951 9963 9973 9980 9986 5359 5753 6141 6517 6879 7224 7549 7852 8132 8389 8621 8830 9015 9177 9319 9441 9545 9633 9706 9767 9817 9857 9890 9916 9936 9952 9964 9974 9981 9986 t 3.1 0.4 3.7 0.6915 7257 7580 7881 8159 0.8 2.9332 9452 9554 9641 9712 0.9 0.3 1.3 0.4 2.2 2.7 1.9987 9990 9993 9995 9996 9997 9998 9999 9999 9999 168 .5 1.9 1.1 3.4 0.0 1.8413 8643 8849 9032 9192 0.4 1.9 Φ (t ) 0.8 1.6 0.3 2.3 3.5 2.2 0.0 3.

074 2.056 2.306 2.106 3.610 3.365 2.833 1.845 2.060 2.960 31.896 2.747 3.821 6.355 3.771 1.707 3.326 63.396 3.015 1.771 2.001 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 inf 6.734 1.717 1.604 4.262 2.090 169 .309 22.179 2.686 3.005 α = 0.812 1.756 2.821 2.250 3.711 1.925 5.485 2.860 1.776 2.796 1.657 9.645 12.473 2.215 7.852 3.131 2.421 3.831 2.761 1.764 2.718 2.055 3.500 2.485 3.173 5.435 3.048 2.462 2.740 1.583 2.052 2.353 2.120 2.143 2.681 2.930 3.144 4.297 4.Phụ lục PHỤ LỤC III: GIÁ TRỊ TỚI HẠN CỦA PHÂN BỐ STUDENT α t α (n) Bậc tự do α = 0.518 2.408 3.721 1.787 3.208 4.576 318.467 3.539 2.58 2.733 3.998 2.579 3.703 1.705 4.796 1.606 2.782 1.064 2.701 1.552 2.807 2.567 2.708 1.753 1.878 2.797 2.086 2.729 1.447 2.650 2.898 2.965 4.01 α = 0.699 1.450 3.646 3.228 2.101 2.201 2.160 2.763 2.025 α = 0.314 2.032 3.787 2.505 3.779 2.110 2.895 1.492 2.508 2.025 3.069 2.012 2.714 1.893 5.467 2.080 2.327 10.365 3.977 2.706 4.045 1.479 2.725 1.943 1.501 4.499 3.303 3.947 2.527 3.132 2.169 3.921 2.841 4.128 2.861 2.552 3.145 2.746 1.05 α = 0.541 3.819 2.920 2.571 2.624 2.093 2.

015 7.750 18.565 4.688 29.404 5.181 45.685 24.660 5.156 2.113 41.005 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 0.791 0.216 0.009 5.001 0.982 6.194 44.479 36.167 2.671 33.675 21.088 2.801 34.362 23.722 46.191 31.409 34.278 49.575 5.796 44.047 16.997 41.642 46.879 10.378 9.565 14.979 6.191 37.928 48.388 13.672 170 .412 0.070 12.01 χ 02.625 38.666 23.924 35.718 37.597 12.812 18.558 3.449 16.210 11.247 3.571 7.072 0.672 9.076 39.297 0.209 24.034 8.493 3.689 12.635 9.844 14.348 11.483 21.897 9.645 50.589 25.982 11.907 9.086 16.336 53.262 6.170 35.520 11.103 0.980 44.226 5.217 27.343 8.141 30.923 43.573 15.603 3.816 4.188 26.852 34.808 12.773 5.578 32.051 0.638 42.566 38.587 28.319 32.844 7.524 12.198 12.308 16.571 4.697 6.117 10.646 2.277 15.415 37.000 0.107 4.010 0.300 28.542 10.832 14.711 1.611 15.819 31.120 13.708 18.838 14.05 χ 02.196 10.996 26.408 7.524 32.993 52.592 14.548 20.535 19.283 10.805 36.172 36.831 1.991 7.591 10.143 12.Phụ lục PHỤ LỤC IV: GIÁ TRỊ TỚI HẠN CỦA PHÂN BỐ KHI BÌNH PHƯƠNG χ2 α χ α2 (n) Bậc tự do χ 02.591 12.588 50.461 45.344 1.364 40.993 48.307 19.314 45.932 30.99 χ 02.856 11.841 5.352 0.633 8.024 7.735 2.860 16.879 13.733 3.260 9.145 1.151 16.700 3.955 23.053 3.020 0.507 16.736 26.160 11.000 33.267 35.074 3.488 11.260 8.265 6.115 0.121 13.543 9.390 10.757 28.919 18.325 3.337 24.920 23.928 17.067 15.582 39.278 21.475 20.231 8.239 1.646 41.290 46.090 21.848 14.025 χ 02.000 0.885 40.95 χ 02.930 0.872 1.869 30.379 16.908 7.289 41.815 9.564 8.180 2.989 1.142 5.345 13.013 17.690 2.026 22.676 0.812 6.484 0.144 31.995 χ 02.004 0.207 0.725 26.886 10.410 32.119 27.337 42.261 7.401 13.401 42.001 5.781 38.892 7.256 14.554 0.488 28.461 13.296 27.635 2.962 8.940 4.075 5.557 43.851 11.787 0.023 20.156 38.97 χ 02.237 1.558 46.229 5.845 30.629 6.091 13.

[13]. 1999. Các mô hình xác suất và ứng dụng. [3]. tập 1. [10]. A first Course in Stochastic Processes. Nguyễn Duy Tiến. NXB Giáo dục.Tài liệu tham khảo TÀI LIỆU THAM KHẢO [1]. Academic Press. Nguyễn Duy Tiến (và tập thể). NXB GD. lý thuyết và thực hành tính toán. [12]. Nguyễn Phạm Anh Dũng. Thống kê và ứng dụng. Probability Theory. Hà Nội 2002. Bài tập lý thuyết xác suất và thống kê toán. 1966. Thomson Learning. Berlin and New York. Moscow 1976. B. I. [8]. Willey and Sons. [2]. Karlin. Trung Tâm Đào Tạo Bưu Chính Viễn Thông 1. 4th ed. [14]. D. [11]. II. [5]. Xác suất và Thống kê. 2. S. Mir publishers. 1977. 2004. NXB GD. 2000. Gnedenko. Trần Thái Ninh và Nguyễn Thế Hệ. [4]. NXB Đại Học Quốc Gia Hà Nội.V. M. 1997. NXB Đại Học Quốc Gia Hà Nội. Stochastic Processes.Verlag. Hướng dẫn giải bài tập xác suất thống kê. Applied Probability Models. [9]. (Paul) Minh. New York. 1953. 2004. Bài tập xác suất. Đặng Hùng Thắng. Mở đầu về lý thuyết xác suất và các ứng dụng. NXB Giáo dục – 1998. [7]. J. The theory of probability. Vũ Việt Yên. 171 . 2001. New York and London. L. Loeve. NXB Đại học Quốc gia Hà Nội.1999. NXB Giáo dục. Các hàm và xác suất ứng dụng trong viễn thông. Duxbury. Đặng Hùng Thắng. Nguyễn Cao Văn. Doob. Đặng Hùng Thắng. L. 2000. Lý thuyết xác suất. Springer . 3. [6]. Tống Đình Quỳ. Trần Mạnh Tuấn.

...................................................................................................................................................................................................... ĐỊNH NGHĨA XÁC SUẤT VÀ CÁC TÍNH CHẤT ..... HÀM ĐẶC TRƯNG ...................................................................................... 4 1............... 60 3.....3..................................................................... 24 2..............................................................................................................4............................................................................................... CÁC THAM SỐ ĐẶC TRƯNG CỦA BIẾN NGẪU NHIÊN ............ 15 TÓM TẮT ... CÁC THAM SỐ ĐẶC TRƯNG CỦA BIẾN NGẪU NHIÊN ..............................1................................................................ BIẾN NGẪU NHIÊN........ 73 CÂU HỎI ÔN TẬP VÀ BÀI TẬP ...................6.......................................................................................... 62 3................. 54 GIỚI THIỆU.............................................................. 66 3................................................................................................................................................................................................................................... BIẾN NGẪU NHIÊN RỜI RẠC............ 54 NỘI DUNG .................................... 12 1................................ 55 3.......................................................... 68 3............. PHÉP THỬ VÀ BIẾN CỐ ................................................................................................................ 81 172 ........................................................................................................................................ HÀM CỦA CÁC BIẾN NGẪU NHIÊN......1..............8..................................................................................................................................................... 23 PHẦN GIỚI THIỆU...............................................5.............................................................................. 20 CHƯƠNG II: BIẾN NGẪU NHIÊN VÀ CÁC ĐẶC TRƯNG CỦA CHÚNG ........... 46 TÓM TẮT .............................................................................................................................................................................................................. VÉC TƠ NGẪU NHIÊN LIÊN TỤC..........2.... 3 NỘI DUNG .5........................... 23 NỘI DUNG ........................................2.......... PHÂN BỐ CHUẨN NHIỀU CHIỀU ........................................................................................1.................................................... 61 3............... 25 2..................... 1 CHƯƠNG I: CÁC KHÁI NIỆM CƠ BẢN VỀ XÁC SUẤT............................. 4 1............................... 56 3........................... 24 2.......... KHÁI NIỆM VÉC TƠ NGẪU NHIÊN....... 17 CÂU HỎI ÔN TẬP VÀ BÀI TẬP ..................7.......... 3 GIỚI THIỆU..................Mục lục MỤC LỤC LỜI NÓI ĐẦU ............4...................................................................... 29 2................... BẢNG PHÂN BỐ XÁC SUẤT CỦA VÉC TƠ NGẪU NHIÊN RỜI RẠC HAI CHIỀU.......................................................................................3....................................................................................................... 55 3.................... 47 CÂU HỎI ÔN TẬP VÀ BÀI TẬP ...................................................................................... 72 TÓM TẮT .................................................................................................................... 38 2............ 76 CHƯƠNG IV: LUẬT SỐ LỚN VÀ ĐỊNH LÝ GIỚI HẠN .............................................. BIẾN NGẪU NHIÊN LIÊN TỤC......................2............... 49 CHƯƠNG III: VÉC TƠ NGẪU NHIÊN..................4............................................................. DÃY PHÉP THỬ BERNOULLI.................................................... XÁC SUẤT CÓ ĐIỀU KIỆN .....3................................... 6 1.................................................. TÍNH ĐỘC LẬP CỦA CÁC BIẾN NGẪU NHIÊN............................................................ PHÂN BỐ CÓ ĐIỀU KIỆN VÀ KỲ VỌNG CÓ ĐIỀU KIỆN.............................................................

........ 168 PHỤ LỤC III: GIÁ TRỊ TỚI HẠN CỦA PHÂN BỐ STUDENT.................................... 146 HƯỚNG DẪN GIẢI BÀI TẬP...................................................................................................................................................... 167 PHỤ LỤC I: GIÁ TRỊ HÀM MẬT ĐỘ ϕ( x ) = 1 2π e − x2 2 ........... 119 CÂU HỎI ÔN TẬP VÀ BÀI TẬP ................... 128 GIỚI THIỆU.......................... KHÁI NIỆM VÀ PHÂN LOẠI QUÁ TRÌNH NGẪU NHIÊN ...... CHUỖI MARKOV ...................................................... 93 5............................................................................... 128 NỘI DUNG ........................... 161 ĐÁP ÁN CHƯƠNG VI................................................................... 92 GIỚI THIỆU.................................................................................................................................1.......... 149 ĐÁP ÁN CHƯƠNG I................................................................. 149 ĐÁP ÁN CHƯƠNG II ............................................. LUẬT SỐ LỚN.................................................................................................................... 89 CHƯƠNG V: THỐNG KÊ TOÁN HỌC .................................. 156 ĐÁP ÁN CHƯƠNG IV............................................................................................... 86 TÓM TẮT ...4........................................................................................................................................................................Mục lục GIỚI THIỆU.................................................................. 169 173 ................................................................ KIỂM ĐỊNH GIẢ THIẾT THỐNG KÊ ................................. 129 6........... 167 PHỤ LỤC II: GIÁ TRỊ HÀM PHÂN BỐ CHUẨN TẮC .............................................. PHÂN LOẠI TRẠNG THÁI CHUỖI MARKOV ........................................................................................................................................................................................... 138 CÂU HỎI ÔN TẬP VÀ BÀI TẬP .............................................. 159 ĐÁP ÁN CHƯƠNG V .....1............................................................. ĐỊNH LÝ GIỚI HẠN TRUNG TÂM .................. 92 NỘI DUNG ..................... 81 NỘI DUNG .............................................................................................................................................................. 124 CHƯƠNG VI: QUÁ TRÌNH NGẪU NHIÊN CHUỖI MARKOV .............................. 81 4.......................................................................... 81 4....................2......................................................................................................... 164 PHỤ LỤC ......................................................................................................................................................................................................................... 103 5.................................... 111 TÓM TẮT ................................................................................................ CÁC DẠNG HỘI TỤ CỦA DÃY CÁC BIẾN NGẪU NHIÊN............................................................................................................................... 85 4...................................................................... 88 CÂU HỎI ÔN TẬP VÀ BÀI TẬP .................................................................................................................................................................................................................. 151 ĐÁP ÁN CHƯƠNG III ..........................................................................................................................2...........................2................................................................ 131 6................................1......................................................................................................................... 129 6............. LÝ THUYẾT MẪU ......................... 93 5....................................3........................................................................ 82 4.........................................................................................................................3..................................... XẤP XỈ PHÂN BỐ NHỊ THỨC .......3............................................. LÝ THUYẾT ƯỚC LƯỢNG.......

..... 172 174 ................................................................................................................................................... 171 MỤC LỤC......................................................................................Mục lục PHỤ LỤC IV: GIÁ TRỊ TỚI HẠN CỦA PHÂN BỐ KHI BÌNH PHƯƠNG χ 2 .................. 170 TÀI LIỆU THAM KHẢO.........................................

XÁC SUẤT THỐNG KÊ Mã số : 491XSU210 Chịu trách nhiệm bản thảo TRUNG TÂM ÐÀO TẠO BƯU CHÍNH VIỄN THÔNG 1 .

Sign up to vote on this title
UsefulNot useful