›
›

Bài giảng Lý thuyết xác suất và thống kê toán - Chương 2: Biến ngẫu nhiên và phân phối xác suất (Tiếp theo) - Lê Trường Giang

pdf 46 trang ngocly 1800
Download
Bạn đang xem 20 trang mẫu của tài liệu "Bài giảng Lý thuyết xác suất và thống kê toán - Chương 2: Biến ngẫu nhiên và phân phối xác suất (Tiếp theo) - Lê Trường Giang", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • pdfbai_giang_ly_thuyet_xac_suat_va_thong_ke_toan_chuong_2_bien.pdf

Nội dung text: Bài giảng Lý thuyết xác suất và thống kê toán - Chương 2: Biến ngẫu nhiên và phân phối xác suất (Tiếp theo) - Lê Trường Giang

  1. TRƢỜNG ĐẠI HỌC TÀI CHÍNH-MARKETING KHOA CƠ BẢN BỘ MÔN TOÁN – THỐNG KÊ BÀI GIẢNG LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN Giảng viên ThS. Lê Trƣờng Giang
  2. LÝ THUYẾT XÁC SUẤT & THỐNG KÊ TOÁN Chƣơng 2 BIẾN NGẪU NHIÊN VÀ PHÂN PHỐI XÁC SUẤT
  3. Bài 3. Một số luật phân phối xác suất thường dùng 1. Phân phối Bernoulli B(1, p) 2. Phân phối nhị thức B(n, p) 3. Phân phối siêu bội 4. Phân phối Poisson 5. Phân phối đều (SV tự đọc) 6. Phân phối chuẩn 7. Phân phối chi bình phương (SV tự đọc) 8. Phân phối Student (SV tự đọc) 9. Phân phối Fisher (SV tự đọc)
  4. Bài 3. Một số luật phân phối xác suất thường dùng 1. Phân phối Bernoulli B(1, p) a. Định nghĩa BNN X có tập giá trị Im X 0,1 và bảng phân phối xác suất X 0 1 B 1-p p gọi là có phân phối Bernoulli tham số p 0,1 kí hiệu X B 1, p b. Tham số đặc trưng i. Kỳ vọng E X p . ii. Phương sai Var X p 1 p .
  5. James BERNOULLI
  6. Bài 3. Một số luật phân phối xác suất thường dùng 1. Phân phối Bernoulli B(1, p) c. Mô hình ứng dụng Thực hiện phép thử Bernoulli, chỉ xảy ra hai kết quả. Một kết quả là sự kiện T xảy ra gọi là thành công với xác suất p > 0 và kết quả còn lại là T gọi là thất bại với xác suất 1 – p. Xây dựng biến ngẫu nhiên X cho mô hình như sau XTXT 1, 0 . Khi đó X tuân theo phân phối Bernoulli. d. Ví dụ 1. Phép thử tung đồng tiên cân đối đồng chất, kết quả xuất hiện mặt sấp S, XS 1 hoặc xảy ra mặt ngửa N, XN 0 . Xác 1 1 suất PX 1 , vậy XB 1, . 2 2
  7. Bài 3. Một số luật phân phối xác suất thường dùng 2. Phân phối nhị thức B(n, p) a. Định nghĩa Biến ngẫu nhiên X nhận các giá trị là số tự nhiên Im Xn  0, 1, 2, ,  với xác suất sau kk nk P X k Cn p 1 p được gọi là có phân phối Nhị thức, kí hiệu là X B n, p b. Tham số đặc trưng i. Kỳ vọng E X np . ii. Phương sai Var X np 1 p . iii. Mode : np q Mod() X np p
  8. Bài 3. Một số luật phân phối xác suất thường dùng 2. Phân phối nhị thức B(n, p) Ví dụ 2. Một máy sản xuất lần lượt từng sản phẩm với xác suất có một phế phẩm là 3%. Cho máy sản suất ra 20 sản phẩm. a) Tính xác suất trong 20 sản phẩm sản xuất ra có 4 phế phẩm? b) Tìm số sản phẩm tốt trung bình trong 20 sản phẩm được sản xuất ra?
  9. Bài 3. Một số luật phân phối xác suất thường dùng 2. Phân phối nhị thức B(n, p) Ví dụ 3 (BTN). Một nhà máy có 50 máy giống nhau hoạt động độc lập. Xác suất xảy ra hư hỏng của mỗi máy trong ngày là 0,05. Tính xác suất mỗi ngày có nhiều nhất là 2 máy hư hỏng? Số máy hư hỏng trung bình trong ngày?Nhiều khả năng nhất là bao nhiêu máy hỏng? Ví dụ 4(BTN). Một người nuôi 200 con gà mái đẻ. Xác suất để 1 con gà đẻ trứng trong ngày là 80%. a) Tìm số trứng gà trung bình thu được trong ngày? b) Nếu muốn mỗi ngày thu được 300 trứng gà thì cần phải nuôi thêm bao nhiên con gà?
  10. Bài 3. Một số luật phân phối xác suất thường dùng 3. Phân phối siêu bội Định nghĩa. Biến ngẫu nhiên X thuộc loại rời rạc, phụ thuộc vào ba tham số nguyên dương N, M và n. Xác suất của biến ngẫu nhiên X tại các giá trị k được cho như sau CCk n k P X k MNM , k  max 0, n N M ,min n , M n   CN . Biến ngẫu nhiên X có phân phối siêu bội kí hiệu là X H N,, M n . M Đặc trƣng số. p N i. Kỳ vọng E X np . Nn ii. Phương sai Var X np 1 p . N 1
  11. NM n phần tử M k phần tử có tính chất M PHÂN PHỐI SIÊU Bội
  12. Bài 3. Một số luật phân phối xác suất thường dùng 3. Phân phối siêu bội Xấp xỉ phân phối siêu bội bằng phân phối nhị thức Cho X H N,, M n . Trong thực tế nếu N khá lớn, n rất nhò M so với N nN 0,05 , đặt p thì N CCk. n k P X k MNM Ck p k q n k n n CN
  13. Bài 3. Một số luật phân phối xác suất thường dùng 3. Phân phối siêu bội Ví dụ 5. Một ông chủ vườn lan đã để nhầm 20 chậu lan có hoa màu đỏ vào cùng với 100 chậu lan có hoa màu tím (lan chưa nở hoa). Một khách hàng chọn mua ngẫu nhiên đồng thời 15 chậu từ 120 chậu lan này. a. Tính xác suất khách hàng mua được từ 5 đến 6 chậu lan có hoa màu đỏ? b. Gọi X là số chậu lan có hoa màu đỏ mà khách hàng chọn được. Tính trung bình và phương sai của X.
  14. Bài 3. Một số luật phân phối xác suất thường dùng 3. Phân phối siêu bội Ví dụ 6(BTN). Một lô hàng có 30 sản phẩm được đóng gói giống nhau, trong có có 5 sản phẩm lỗi kỹ thuật và 25 sản phẩm đạt tiêu chuẩn. Lấy ngẫu nhiên 10 sản phẩm từ lô hàng trên. a. Xác định phân phối xác suất của biến ngẫu nhiên chỉ số sản phẩm đạt tiêu chuẩn? b. Tính xác suất để có ít nhất 8 sản phẩm đạt tiêu chuẩn? c. Tính trung bình số sản phẩm đạt tiêu chuẩn?
  15. Bài 3. Một số luật phân phối xác suất thường dùng 3. Phân phối siêu bội Ví dụ 7 (BTN). Một lô hàng có 5000 sản phẩm, trong đó có 250 phế phẩm. Lấy ngẫu nhiên 10 sản phẩm từ lô hàng này. Tính xác suất để trong 10 sản phẩm lấy ra có 2 phế phẩm? (tính theo hai cách)
  16. Bài 3. Một số luật phân phối xác suất thường dùng 4. Phân phối Piosson Định nghĩa. BNN X được gọi là có phân phối Poisson với tham số dương  , kí hiệu X Poisson  , nếu X nhận các giá trị k 0,1,2, với xác suất tương ứng là  k P X k e  , k 0,1,2, k! Đặc trƣng số. i. Kỳ vọng EX  . ii. Phương sai Var X  .
  17. Bài 3. Một số luật phân phối xác suất thường dùng 4. Phân phối Piosson Người đầu tiên mô tả phân phối Poisson là Simeon Denis Poisson vào năm 1837. Phân phối này có nhiều ứng dụng đối với các quá trình liên quan đến số quan sát trên một đơn vị thời gian hay không gian. Thông tin cho biết của phân phối Poisson là trung bình số lần xảy ra thành công của một sự kiện trong một khoảng thời gian hay không gian nhất định. Giá trị này gọi là lambda, ký hiệu là  .
  18. Bài 3. Một số luật phân phối xác suất thường dùng 4. Phân phối Piosson BNN X chỉ số lần sự kiện A xảy ra trong một khoảng thời gian hay không gian liên tục nhất định. Điều kiện đặt ra là số lần sự kiện A xảy ra trong những khoảng khác nhau là độc lập và số lần tỉ lệ thuận với chiều dài của khoảng. Trung bình số lần xảy ra của sự kiện A chính là  được xác định  c. t . Trong đó, c được gọi là cường độ (số lần trên một đơn vị thời gian), t là khoảng thời gian.
  19. Bài 3. Một số luật phân phối xác suất thường dùng 4. Phân phối Piosson Ví dụ 8. Ở một tổng đài điện thoại, các cú điện thoại gọi đến xuất hiện ngẫu nhiên, độc lập với nhau và trung bình có 2 cuộc gọi đến trong một phút. Tìm xác suất để: a. Có đúng 5 cú điện thoại gọi đến trong 2 phút. b. Không có cú điện thoại nào gọi đến trong 30 giây. c. Có ít nhất một cú điện thoại gọi đến trong 10 giây.
  20. Bài 3. Một số luật phân phối xác suất thường dùng 4. Phân phối Piosson Ví dụ 9 (VN). Một bệnh viện tiếp nhận trung bình 5 ca bệnh trong 30 phút. Tính xác suất a. Bệnh viện tiếp nhận 17 ca bệnh trong một giờ? b. Xác định khoảng thời gian t mà bệnh viên không tiếp nhận ca bệnh nào với xác suất 0,80?
  21. Bài 3. Một số luật phân phối xác suất thường dùng Xấp xỉ phân phối nhị thức bằng phân phối Piosson Thực hiện n lần phép thử Bernoulli độc lập, xác suất sự kiện A xảy ra trong mỗi phép thử là pn. Nếu limp 0 n n và np. n  , với  là hằng số dương. Khi đó với kn 0,1, ,  ta có k kk nk   limCn p n 1 p n . e . n k! Trong thực tế ta có xấp xỉ, nếu X B n, p với n 30 và np 5 hoặc (1 pn ) 5 thì X P np .
  22. Bài 3. Một số luật phân phối xác suất thường dùng 4. Phân phối Piosson Ví dụ 10. Cho biết xác suất trúng đích trong mỗi lần bắn của xạ thủ là 0,99. Xạ thủ bắn 500 phát, tính xác suất để có ít nhất 2 phát bắn trượt? (tính theo hai cách) Ví dụ 11 (BTN). Một công ty sản xuất dược phẩm với tỉ lệ phế phẩm của những viên thuốc là 0,002. Nếu công ty sản xuất 1000 viên thuốc. Tính xác suất để có không quá 2 viên thuốc là phế phẩm.
  23. Bài 3. Một số luật phân phối xác suất thường dùng 4. Phân phối Piosson Ví dụ 12 (VN). Một nhà máy sản xuất với tỉ lệ phế phẩm là 0,001. Nhập vào một lô hàng với số lượng là 1000 sản phẩm. a. Tính xác suất để có một đến hai phế phẩm trong lô hàng này? b. Tính xác suất để lô hàng nhập có phế phẩm?
  24. Bài 3. Một số luật phân phối xác suất thường dùng 5. Phân phối đều Định nghĩa. BNN X được gọi là có phân phối đều trên đoạn a, b a b , kí hiệu là X U a, b nếu X có hàm mật độ là 1 x a, b fx ba 0,x a b Đặc trƣng số. ab i. Kỳ vọng EX . 2 2 ba ii. Phương sai Var X . 12 iii. Mod(X) là bất kì giá trị nào trên [a,b].
  25. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Định nghĩa. BNN X có hàm mật độ xác suất f phụ thuộc hai tham số  và  2 ( 0) 2 1. x  1 2  f x . e , x  2 2 gọi là có phân phối chuẩn, kí hiệuy XN , . Đặc trƣng số. 1 i. Kỳ vọng EX  .  2 f(x) ii. Phương sai Var X  2 . iii. Mod(X) = Med(X) =  . O  x
  26. Phân phối chuẩn do Carl F. Gauss đưa ra năm 1795. Carl Friedrich Gauss (1777 - 1855)
  27. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Dạng chuẩn tắc kí hiệu XN 0;1 có hàm mật độ 2 1 x f x . e2 , x 2 y f(x) O x
  28. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Bảng tích phân Laplace. Các giá trị của hàm được tính trong bảng Laplace 2 z x 2 y z x 1 1 .e 2 dx ze . 2 dx 2 f(x) 0 0 2 O zα x Hàm có tính chất zz . Nếu gọi ZN 0;1 thì P 0 Z z z . Ta có 0,5 và 0,5. Nếu a 5 thì a 0,5.
  29. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Bảng phân vị chuẩn mức . Các giá trị của  cho trong bảng phân vị chuẩn 2 z x 1 2  ze . dx 2 z x 2 y 1 .e 2 dx 2 Hàm có tính chất  zz 1  . Mối liên hệ giữa và như sau f(x) 1 zz  . O x 2 zα Nếu gọi ZN 0;1 thì P Z z  z . Tính chất của hàm phân phối ta có ngay  1 và  0.
  30. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Công thức tính xác suất Với ZN 0;1 , dùng bảng tích phân Laplace của hàm hoặc phân vị chuẩn  cho trong bảng tính các xác suất sau. i. P a Z b b a  b  a ii. P Z b b 0,5  b . iii. P a Z 0,5 a 1  a . X  Với XN, 2 , ta chuẩn hóa X là Z và sử dụng  2 các kết quả trên
  31. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn 2 x t 1 Công thức ứng với xe . 2 dt 0 2    PX  ;    11  PXPX  ;;  22 11 ; ; 0 0; zz . 22  PX   2. 
  32. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn 2 x t 1 Công thức ứng với  xe . 2 dt 2    PX    ;     PXPX   1; 1  ;   1;  1;  0 0.5;  zz  1 .  PX  2  1. 
  33. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Quy tắc k . Cho biến ngẫu nhiên XN , 2 . Ta có PX   2 1 0,68268 PX  2  2 2 0,9545 PX  3  2 3 0,9973 Ta nhận thấy hầu như chắc chắn X sẽ lấy giá trị trong khoảng  3  ;  3   Định lý. Cho XX độc lập và XN2 12, 1 1,, 1 XN2 . 2 2, 2 Với ab ta có aX bX N  a2  2 b 2  2 . , 1 2 1 2, 1 2
  34. Bài 3. Một số luật phân phối xác suất thường dùng Xấp xỉ phân phối nhị thức bằng phân phối chuẩn n 30 Cho X B n, p thỏa np 5 thì X N np, npq . np 15 Ta có công thức xấp xỉ k np k np P k X k 21 12 npq npq 1 k np P X k f npq npq
  35. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Ví dụ 13. Điểm thi Toeic của sinh viên năm cuối ở một trường đại học là BNN X có phân phối chuẩn với giá trị trung bình là 560 điểm và độ lệch chuẩn là 78 điểm. Tính: a. Tỷ lệ sinh viên có điểm từ 600 đến 700 điểm? b. Tỷ lệ sinh viên có điểm thi trên 500 điểm?
  36. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Ví dụ 14 (BTN). Thời gian để sản xuất một sản phẩm loại A là biến ngẫu nhiên tuân theo luật phân phối chuẩn với trung bình 10 và độ lệch chuẩn 1 (đơn vị là phút). a. Tính xác suất để một sản phẩm loại A nào đó được sản xuất trong khoảng thời gian từ 9 phút đến 12 phút? b. Tính thời gian cần thiết để sản xuất một sản phẩm loại A bất kỳ?
  37. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Ví dụ 15 (VN). Trọng lượng của một loại cá một năm tuổi được nuôi trong hồ là biến ngẫu có phân phối chuẩn với trung bình 1,2kg và độ lệch chuẩn 0,2kg. a. Tính tỉ lệ cá từ 0,9kg đến 1,1kg? b. Trọng lượng cá từ x gam trở lên đạt tỉ lệ 90%, hãy tìm giá trị của x ?
  38. Bài 3. Một số luật phân phối xác suất thường dùng 6. Phân phối chuẩn Ví dụ 16. Người ta lấy ngẫu nhiên 400 hạt lúa từ một kho lúa rất lớn, có tỉ lệ hạt lép là 0,2 để kiểm tra. Tính xác suất để trong đó có từ 80 đến 100 hạt lép. Ví dụ 17 (BTN). Theo thống kê của một công ty sản xuất xe máy thì có 60% khách mua của họ là phụ nữ. Chọn ngẫu nhiên 200 người mua xe của công ty này. Tính xác suất để trong 200 người này có ít nhất 140 phụ nữ.
  39. Bài 3. Một số luật phân phối xác suất thường dùng 7. Phân phối chi bình phương Định nghĩa. Biến ngẫu nhiên X có hàm mật độ xác suất f nx 1 1 x22 eneáu x 0 n fx n 2.2  2 0 neáux 0. Trong đó,  là hàm Gamma xác định như sau  y 1 ey dy . 0 Biến ngẫu nhiên X được xác định như trên gọi là tuân theo luật phân phối chi bình với n bậc tự do, kí hiệu Xn2 .
  40. Bài 3. Một số luật phân phối xác suất thường dùng 7. Phân phối chi bình phương Đặc trƣng số. i. Kỳ vọng E X n . ii. Phương sai Var X 2 n . Định lý. Biến ngẫu nhiên X có phân phối chuẩn tắc XN 0;1 thì biến ngẫu nhiên X22 1 . 22 Định lý. Cho XX12, độc lập và X1 k 1 , X 2 k 2 . 2 Khi đó tổng X1 X 2 k 1 k 2 .
  41. • Phân phối 2()n do Karl Pearson đưa ra năm 1900.
  42. Bài 3. Một số luật phân phối xác suất thường dùng 8. Phân phối Student Định nghĩa. Cho Z và V độc lập, Z N 0;1 , V2 n . Khi đó, BNN T được xác định như sau Z T được gọi là luật Student với n bậc tự do, kí hiệu là T t n . V n BNNT t n có hàm mật độ xác suất f n 1 n 1  2 x2 2 f x 1  x , n 0. n n n . 2 Đặc trƣng số. n i. Kỳ vọng EX 0 . ii. Phương sai Var X . n 2
  43. Bài 3. Một số luật phân phối xác suất thường dùng 8. Phân phối Student Bảng phân vị. BNN T t n , giá trị phân vị tn và xác suất P T t n được cho trong bảng Student. y tn f t dt . f(x) O tα(n) x
  44. • Phân phối St() n do Willam.S.Gosset đưa ra năm 1908.
  45. XIN CHÂN THÀNH CẢM ƠN!