Giáo trình Xác suất thống kê - Chương 2 - Bài 4: Một số phân phối xác suất thông dụng - Tống Đình Quỳ
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
§4 MỘT SỐ PHÂ N PHỐI XÁ C SUẤT THÔ NG DỤNG
4.1 Phâ n phối đều
1. Phân phối đều rời rạc
* Định nghĩa 1. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
đều rời rạc, ký hiệu là 푋~풰{
}, nếu nó có bảng PPXS
1,2,… ,푛
푥
푝(푥)
1
1/푛
2
1/푛
…
…
푛
1/푛
̅̅̅̅̅
Như vậy hàm xác suất của 푋 có dạng 푝 푥 = 1/푛, 푥 = 1, 푛. Ta
( )
̅̅̅̅̅
có thể mở rộng tập giá trị 푥1, 푥2, … , 푥푛 푣à 푝 푥푖 = 1/푛, ꢀ = 1, 푛;
{
}
( )
trong trường hợp này ta ký hiệu 푋~풰{
.
}
푥 ,푥 ,…,푥
푛
1
2
Dễ dàng, nếu 푋~풰{
}, 푡푎 푐ó:
1,2,… ,푛
2
푛+1
2
푛 −1
퐸푋 =
; 푉푋 =
.
12
2. Phân phối đều liên tục
* Định nghĩa 2. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
đều liên tục trên (푎, 푏), ký hiệu là 푋~풰(푎, 푏), nếu nó có hàm mật
độ
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
1
(
)
푏−푎; 푥 ∈ 푎, 푏 ,
( )
푓 푥 = {
(
)
0; 푥 ∉ 푎, 푏 .
Bằng tính toán đơn giản ta tính được
2
푎+푏
(푏−푎)
퐸푋 =
; 푉푋 =
.
2
12
Phân phối đều 풰(0; 1) có vai trò quan trọng trong tính toán mô
phỏng và nếu 푋~풰(0; 1) thì:
0; 푥 ≤ 0,
퐹 푥 = { 푥; 0 < 푥 ≤ 1,
( )
1; 푥 ∈ 0,1 ,
( )
0; 푥 ∉ 0,1 .
( )
푓 푥 = {
( )
1; 푥 > 1.
4.2 Phâ n phối nhị thức
1. Phân phối Bernoulli
* Định nghĩa 1. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
Bernoulli, ký hiệu X ~ ℬ(1; 푝), nếu hàm xác suất của nó có dạng
푝(푥) = 푝푥(1−푝)1−푥, 푥 = 0 hoặc 1.
Bảng PPXS của biến X ~ ℬ(1; 푝) là
푥
0
1
푝(푥) 푞 = 1– 푝
푝
Để ý mọi phép thử chỉ có 2 kết cục đều có thể mô hình hoá bằng
phân phối này. Dễ dàng có được nếu X ~ ℬ(1; 푝)
퐸푋 = 푝 ; 푉푋 = 푝푞.
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
2. Phân phối nhị thức
* Định nghĩa 2. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
nhị thức, ký hiệu là X ~ ℬ(푛; 푝), nếu hàm xác suất của nó có dạng
푝(푥) = 퐶푛푥 푝푥(1−푝)푛−푥, 푥 = 0, 푛.
̅̅̅̅̅
Biến ngẫu nhiên này liên quan chặt chẽ đến khái niệm lược đồ và
công thức Bernoulli đã nói đến ở chương I. Cần nhắc lại các điều
kiện của lược đồ Bernoulli:
- dãy 푛phép thử giống nhau và độc lập;
- trong mỗi phép thử, sự kiện quan tâm xuất hiện với XS 푝.
Dễ thấy PP Bernoulli là một trường hợp riêng của PP nhị thức.
* Thí dụ 1. Cho biến ngẫu nhiên X ~ ℬ(5; 0,25). Lập bảng PP của 푋,
tính EX, sau đó tìm: a) P(X > 3); b) P(X ≤ 4).
Giải. Sử dụng công thức Bernoulli trong định nghĩa, ta có
푛
EX = ∀푥푥푝(푥) = 푥=0푥 퐶푛푥 푝푥푞푛−푥 = 푛푝 = 1,25,
∑
∑
còn 푝(푥) cho trong bảng PPXS của X
0
1
2
3
4
5
푥
0,2373
0,3955
0,2637
0,0879
0,0146
0,0010
푝(푥)
Đồ thị của hàm XS
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
p(x)
0,4
0,2
x
0
1
2
3
4
5
Bây giờ ta có ngay: a) P(X > 3) = p(4) + p(5) = 0,0156 và
b) P(X ≤ 4) = 1 −P(X > 4) = 1 − 푝(5) = 0,999.
푛
∑
Mặt khác ở §2chương II ta đã biết 푋 = 푖=1 푋푖, 푋푖 độc lập cùng
(
)
PP ~ ℬ 1; 푝 , suy ra:
퐸푋 = 푛푝 ; 푉푋 = 푛푝푞.
Chú ý rằng khi 푛khá lớn mức độ đối xứng (đối với kỳ vọng) của
hàm XS càng rõ rệt. Ngoài ra có thể chứng minh hai kết quả sau:
(1) Nếu X ~ ℬ(푛; 푝) thì Y = 푛– X ~ ℬ(푛; 1−푝);
(2) Nếu 푋1~ℬ(푛1; 푝), 푋2~ℬ(푛2; 푝), thì 푋1+푋2~ ℬ(푛1 +푛2; 푝).
4.3 Phâ n phối Poisson
* Định nghĩa. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
Poisson, ký hiệu là X ~풫(휆), nếu hàm xác suất của nó có dạng
푥 −휆
푝(푥) = 휆 푒 , 푥 = 0, 1, 2, …
푥!
Phân phối Poisson có nhiều ứng dụng thực tế trong lý thuyết phục
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
vụ công cộng, kiểm tra chất lượng sản phẩm…
Có thể chứng minh rằng 퐶푛푥 푝푥푞푛−푥, khi 푛→ +∞, 푝 → 0 sao cho
푥 −휆
푛푝 → 휆 = 푐표푛푠푡, có giới hạn 휆 푒 . Trong thực hành, khi 푛khá lớn
푥!
và 푝 đủ bé (trong thực tế 푛> 50; 푝 < 0,1), thì (휆 = 푛푝)
푥 −휆
휆 푒
푥
푥 푛−푥
( )
푃 푥 = 퐶푛 푝 푞
≈
.
푛
푥!
* Thí dụ 2. Người ta vận chuyển 5000 chai rượu vào kho với XS
mỗi chai bị vỡ là 0,0004. Tính XS để khi vận chuyển có không quá
1 chai bị vỡ.
Giải. Có thể dùng công thức Bernoulli để tính, nhưng ở đây 푛=
5000 khá lớn trong khi 푝 = 0,0004 quá bé. Nếu gọi 푋 là số chai bị
vỡ khi vận chuyển, dễ thấy 푋 có phân phối xấp xỉ Poisson với 휆 ≈
푛푝 =2, từ đó
0 −2
1
−2
2 푒
3
2 푒
P(0 ≤ 푋 ≤ 1) =
+
= 2 ≈ 0,406.
1!
0!
푒
Các đặc trưng của X~풫(휆):
퐸푋 = 휆; 푉푋 = 휆.
Để ý giá trị 푋 = 1 chính là modX. Người ta đã chứng minh 휆 −1≤
mod푋 ≤ 휆: nếu 휆 không nguyên thì modX là số nguyên nằm giữa
휆 푣à 휆 −1; còn nếu 휆 nguyên thì ta có hai mốt là 휆 và 휆 −1. Trong
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
thí dụ 2, mốt của 푋 là các giá trị 1 và 2 (xác suất = 0,2707 cho cả
hai trường hợp).
4.4 Cá c phâ n phối rời rạc khá c
1. Phân phối siêu bội
Một trong giả thiết của PP nhị thức là sự độc lập của các phép
thử thành viên. Một trường hợp cổ điển là giả sử ta có N sản
phẩm, trong đó có một tỷ lệ phế phẩm 푝, nếu ta chọn không hoàn
lại ra 푛sản phẩm và gọi 푋 = 푚 là số phế phẩm được rút ra thì
푃(푋 = 푚) sẽ không thể tính theo công thức Bernoulli.
* Định nghĩa 1. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
siêu bội, ký hiệu là X ~ℋ(푁,푛,푝) (với 푝 là tỷ lệ phế phẩm lúc ban
đầu 푁푝 số phế phẩm ban đầu), nếu hàm XS của nó có dạng
푥
푛−푥
퐶 퐶
푁푝 푁−푁푝
̅̅̅̅̅
, 푥 = 1, 푛.
푝(푥) =
푛
퐶
푁
Để ý nếu đặt 푞 = 1 – 푝, thì công thức trên có thể viết lại
푥
푛−푥
퐶 퐶
푁푝 푁푞
̅̅̅̅̅
, 푥 = 1, 푛.
푝(푥) =
푛
퐶
푁
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
Khi 푁 rất lớn, 푝 sẽ ít thay đổi (coi là hằng số xác định) và phân
phối siêu bội có thể xấp xỉ bằng phân phối nhị thức.
* Thí dụ 3. Trong một hộp đèn 15 bóng có 5 bóng kém chất lượng.
Chọn ngẫu nhiên ra 10 bóng (không hoàn lại), hãy lập bảng PPXS
của số bóng kém chất lượng trong mẫu chọn ra.
Giải. Gọi 푋 là số bóng kém chất lượng trong mẫu, rõ ràng
0
1
2
3
4
5
푥
0,00033 0,01665 0,14985 0,39960 0,34965 0,08392
푝(푥)
Trong thực hành khi 푁 > 10푛mới xấp xỉ bằng PP nhị thức.
Có thể tính được các đặc trưng của X ~ℋ(푁,푛,푝):
푁−푛
퐸푋 = 푛푝; 푉푋 = 푛푝푞
.
푁−1
Ngoài ra khi 푁 → +∞ sao cho 푛/푁 → 0, ta sẽ có
푥
푛−푥
퐶 퐶
푁푝 푁푞
lim
푛
= 퐶푛푥 푝푥푞푛−푥
.
푛
푁
퐶
→0
푁
Trên cơ sở lược đồ Bernoulli ta có thể đưa ra hai PP khác.
2. Phân phối hình học
* Định nghĩa 2. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
học, ký hiệu là X ~ ꢁ(푝), nếu hàm XS của nó có dạng
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
푝(푥) = 푝(1−푝)푥, 푥 =0, 1, 2, …
Nếu đặt A là sự kiện trong dãy phép thử Bernoulli với 푝 = 푃(퐴),
thì 푋 là số lần không xuất hiện trước lần xuất hiện đầu tiên của A.
Dễ dàng chứng minh khi X ~ ꢁ(푝)
푞
푞
1−푝
푝
퐸푋 =
= ; 푉푋 =
.
2
푝
푝
3. Phân phối nhị thức âm
* Định nghĩa 3. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
nhị thức âm, ký hiệu là X ~풩ℬ(푟, 푝), nếu hàm XS của nó có dạng
푝(푥) = 퐶푟푥+푥+1 푝푟(1−푝)푥, 푥 = 0, 1, 2, …
Ý nghĩa của X chính là số lần không xuất hiện trước lần xuất hiện
thứ r (r > 0) của một sự kiện A trong dãy phép thử Bernoulli. So
sánh với định nghĩa 2ở trên ta thấy PP hình học là trường hợp
riêng của PP nhị thức âm khi r = 1.
Cũng có thể tính được nếu X ~풩ℬ(푟, 푝): với 푞 = 1 – 푝
푟푞
푟푞
푝
퐸푋 = ; 푉푋 =
.
2
푝
4.5 Phâ n phối chuẩn
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
* Định nghĩa. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
chuẩn (hay luật Gauss), ký hiệu là X ~풩(휇, 휎2), nếu hàm mật độ
của nó có dạng
2
(푥−휇)
1
푓(푥) = 휎 2휋 푒−
, 푥 ∈ ℝ.
2
2휎
√
Đồ thị của 푓(푥)
f (x)
a
0
x
68,26%
95,44%
99,74%
Ta đã biết từ §2 và §3 퐸푋 = 휇; 푉푋 = 휎2 (휎 là độ lệch chuẩn).
Đường cong mật độ chuẩn có dạng chuông, nên trong ứng dụng
người ta còn gọi là PP dạng chuông. Trong đồ thị 휇 = a, giá trị này
vừa là trị trung bình, vừa là mốt và trung vị của X. Còn
(|
|
)
(|
|
)
푃 푋 −휇 < 휎 = 0,6826; 푃 푋 −휇 < 2휎 = 0,9544;
(|
|
)
푃 푋 −휇 < 3휎 = 0,9974 (quy tắc 3휎).
* Thí dụ 4. Độ dài một chi tiết máy giả sử tuân theo luật chuẩn với
trị trung bình 20cm và độ lệch chuẩn là 0,5cm. Hãy tính XS để với
một chi tiết loại trên được chọn ngẫu nhiên thì độ dài của nó:
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
a) lớn hơn 20cm; b) bé hơn 19,5cm; c) lớn hơn 21,5cm.
Giải. Gọi 푋 là độ dài chi tiết máy ở trên X ~ 풩(20; 0,52)
a) Do tính đối xứng của PP qua kỳ vọng nên 푃(푋 > 20) = 0,5.
b) Do 푃(19,5 < 푋 < 20,5) = 68,28% XS nằm ngoài khoảng
bằng 31,74%. Do tính đối xứng 푃(푋 < 19,5) = 15,87% (và
cũng bằng 푃(푋 > 20,5)).
c) Do cùng các lý do như trên và dùng quy tắc 3휎 푃(푋 > 20,5)
= (1−99,74%)/2 = 0,0013 (XS khá bé).
Trong trường hợp tổng quát ta có, nếu 푋 ~ 풩(휇, 휎2),
P (훼 < 푋 < 훽) = 휙 (훽휎−휇)−휙 (훼−휎휇),
2
푥푒−푡 /2 푑푡 là hàm Laplace, và ∀휀 > 0
1
( )
với 휙 푥 =
∫
0
2휋
√
휀
휎
푃(|푋 −휇| < 휀) = 2 휙 ( ).
( )
Để ý hàm phân phối của 푋 sẽ thoả mãn F(푥) = 휙 푥 +0,5. Đồng
푋−휇
thời bằng phép biến đổi Z =
ta có thể đưa 푋 ~ 풩(휇, 휎2) về
휎
Z ~ 풩(0; 1) với hàm mật độ (hàm Gauss)
2
1
푒−푥 /2, 푥 ∈ ℝ.
( )
휑 푥 =
2휋
√
Tổng của n biến ngẫu nhiên độc lập cùng phân phối chuẩn là
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
một biến ngẫu nhiên chuẩn (ta sẽ thấy chặt chẽ hơn ở chương III).
2
̅̅̅̅̅
Từ đó nếu 푋푖 ~ 풩(휇, 휎 ) ∀ꢀ = 1, 푛và độc lập thì
2
푋 + 푋 +⋯+ 푋
푛
= 풩 (휇; 휎 ).
1
2
̅
푋 =
푛
푛
̅
Z = 푋−휇 푛~ 풩 0; 1
(PP chuẩn chuẩn tắc).
(
)
và
√
휎
Cuối cùng PP chuẩn có thể được dùng để xấp xỉ khá tốt cho một
số PP rời rạc. Về mặt lý thuyết có thể chứng minh nếu X ~ ℬ(푛; 푝)
퐿
푋−푛푝
→
푍 ~ 풩(0; 1)
(hội tụ theo luật PP).
푛푝푞
푛→∞
√
Chính sự kiện này cho phép ta xấp xỉ phân phối nhị thức với 푛khá
lớn và 푛푝 ≥ 5 (khi 푝 ≤ 0,5) ℎ표ặ푐 푛(1−푝) ≥ 0,5 (푘ℎꢀ 푝 ≥ 0,5)
bằng phân phối chuẩn: Nếu X ~ ℬ(푛; 푝), thì
훼−푛푝
휑(
)
푛푝푞
√
푃(푋 = 훼) =
;
푛푝푞
√
훼−푛푝
√푛푝푞
푃(훼 ≤ 푋 ≤ 훽) = 휙 (훽−푛푝)−휙 (
√푛푝푞
).
* Thí dụ 5. Cho X ~ ℬ(20; 0,4), tính 푃(4 ≤ 푋 ≤ 13).
Giải. Theo công thức ở trên
13−8
4−8
(
)
(
)
(
)
푃 4 ≤ 푋 ≤ 13 = 휙 (
)−휙 (
)= 휙 2,28 +휙 1,83
√
4,8
√
4,8
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
= 0,4884 + 0,4664 = 0,9548.
Nhưng do 푛=20 chưa thật lớn, trong thực hành người ta hiệu
chỉnh công thức xấp xỉ trên như sau
훽+0,5−푛푝
훼−0,5−푛푝
√푛푝푞
푃(훼 ≤ 푋 ≤ 훽) = 휙 (
)−휙 (
).
푛푝푞
√
( ) ( ) ( )
푃 4 ≤ 푋 ≤ 13 = 휙 2,51 +휙 1,60 = 0,9743.
Từ đó
Để ý kết quả đúng của XS này là 0,978.
Người ta cũng chứng minh được rằng, nếu X ~ 풫(휆) thì
퐿
푋−휆
→
푍 ~ 풩(0; 1)
(hội tụ theo luật PP).
휆
√
휆→∞
4.6 Phâ n phối mũ
* Định nghĩa. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
mũ, ký hiệu là X ~ ℰ(휆), nếu hàm mật độ của nó có dạng
휆푒−휆푥; 푥 > 0,
푓(푥) = {
0; 푥 ≤ 0.
Dễ dàng tính được:
1
1
퐸푋 = ; 푉푋 =
;
2
휆
휆
và hàm PPXS
퐹(푥) = 1 −푒−휆푥, 푥 > 0.
* Thí dụ 6. Thời gian hoạt động của một bóng đèn là biến ngẫu
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
nhiên 푋 có PP mũ với kỳ vọng là 500. Tìm XS để thời gian hoạt
động của bóng đèn không bé hơn 1000 giờ.
1
Giải. Vì 퐸푋 = = 500 nên 휆 = 0,002. Vậy XS phải tìm là
휆
푃(푋 ≥ 1000) = 1 −푃(푋 < 1000) = 푒− 0,002.1000 = 푒− 2 ≈ 0,1353.
4.7 Cá c phâ n phối liên tục khá c
1. Phân phối 흌ퟐ
Nhiều PP liên tục được cảm sinh trực tiếp bởi PP chuẩn. Các PP
này cũng rất quan trọng và hay được dùng trong thống kê.
* Định nghĩa 1. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
휒2với 푛bậc tự do, ký hiệu là X ~ 휒2(푛), nếu hàm mật độ có dạng
푛
2
푥
2
−1 −
푥
푒
푓(푥) =
, 푥 > 0, 푛> 0,
푛
2
푛
2 훤( )
2
trong đó hàm ga-ma đã quen thuộc trong giải tích toán
훤(푥) = +∞푡푥−1 푒−푡푑푡, 푥 > 0
∫
0
với các tính chất ∀ ꢀ 푛푔푢푦ê푛
(i) 훤(ꢀ +1) = ꢀ! (ꢀ > 0);
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
(ii) 훤(푖 )= (푖 −1)(푖 −2)…3. 1 휋(ꢀ lẻ > 2);
√
2
2
2
2 2
(iii) 훤(푥) = (푥 −1)훤(푥 −1), 푥 ∈ ℝ.
Tuy nhiên cách định nghĩa này khá phức tạp và khó cho phép
nhận biết PP rõ ràng trong thực hành.
* Định nghĩa 2. Cho 푛biến ngẫu nhiên độc lập 푋푖 ~ 풩(0; 1), ꢀ =
̅̅̅̅̅
1, 푛. Khi đó biến ngẫu nhiên
2
푛
∑
2( )
푈푛 = 푖=1 푋푖 ~ 휒 푛 .
f (x)
Đồ thị của hàm mật độ:
n > 2
Các đặc trưng:
n = 2
n = 1
0
x
퐸푈푛 = 푛; 푉푈푛 = 2푛.
Phân phối 휒2 có một số tính chất quan trọng:
2
2
2( )
(
)
(i) Nếu X ~ 휒 푛 , Y ~ 휒 (푚) và độc lập X +Y ~ 휒 푛+푚 .
퐿
푈 −푛
푛
(ii)
→
푍 ~ 풩(0; 1)
(hội tụ theo luật PP).
2푛
√
푛→∞
Trong thống kê ta dùng một hệ quả quan trọng của tính chất (ii):
2
̅̅̅̅̅
Nếu ta có 푛biến ngẫu nhiên độc lập 푋푖 ~ 풩(휇, 휎 ), ꢀ = 1, 푛, và
1
1
∑푛 (
)
(
)
2
2
̅
̅
(
)
푋 = 푋1 +푋2 +⋯ +푋푛
푋ꢀ −푋 ~ 휒 푛−1 .
푖=1
2
푛
휎
2. Phân phối Student (phân phối t(풏))
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
* Định nghĩa 1. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
Student với 푛bậc tự do, ký hiệu là X ~ 푡(푛), nếu hàm mật độ có
dạng
푛+1
푛+1
−[
]
훤(
)
2
1
2
푓(푥) =
(1+푥푛 )
, 푛> 0.
2
푛
푛휋
√
훤( )
2
* Định nghĩa 2. Cho 푋 và 푌 là hai biến ngẫu nhiên độc lập tuân
2( )
theo luật 풩(0; 1) và 휒 푛 tương ứng. Khi đó biến ngẫu nhiên
푋
( )
~ 푡 푛 .
푇푛 =
푌/푛
√
( )
Đồ thị của PP 푡 푛 có dạng rất giống với đường cong chuẩn
풩(0; 1). Các số đặc trưng của T푛:
푛
퐸푇푛 = 0 (푛> 1); 푉푇푛 =
(푛> 2).
푛−2
PP Student có tính chất
퐿
푇푛 →
푍 ~ 풩(0; 1)
(hội tụ theo luật PP).
푛→∞
( )
Trong thực hành, khi 푛≥ 30, đồ thị của mật độ phân phối 푡 푛 đã
rất gần với đồ thị mật độ chuẩn 풩(0; 1). Chú ý khi 푛= 1, ta có 푇
1
1
tuân theo PP Cauchy với hàm mật độ 푓(푥) =
, là PPXS
2
(
)
휋 1+푥
không có mô men nào.
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
3. Phân phối Fisher - Snedecor (phân phối 퓕(풏, 풎))
* Định nghĩa 1. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
Fisher - Snedecor với 푛và 푚 bậc tự do, ký hiệu là X ~ ℱ(푛, 푚),
nếu hàm mật độ có dạng
푛
푚
2
푛+푚
2
푛 푚 훤(
)
푛−2
푛+푚
2
−
2
2
푓(푥) =
푥 (푚 +푛푥)
; 푥, 푚, 푛> 0.
푛
푚
훤( )훤( )
2
2
Ta đưa ra một định nghĩa khác giúp nhận dạng biến có PP ℱ(푛, 푚)
dễ dàng hơn.
* Định nghĩa 2. Cho 푋 và 푌 là hai biến ngẫu nhiên độc lập tuân
2( )
2( )
theo luật 휒 푛 và 휒 푚 tương ứng. Khi đó biến ngẫu nhiên
푋/푛
U =
~ ℱ(푛, 푚).
푌/푚
Đồ thị của hàm mật độ PP ℱ(푛, 푚) có dạng gần giống với mật độ
của PP 휒2. Các số đặc trưng:
2
푚
2푚 (푛+푚−2)
푛(푚−4)(푚−2)
퐸푋 =
(푚 > 2); 푉푋 =
2 (푚 > 4).
푚−2
( )2
Nếu 푛= 1 ta thấy 푇푚 = ℱ(1, 푚).
3. Phân phối gamma
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
* Định nghĩa 1. Biến ngẫu nhiên 푋 được gọi là tuân theo luật PP
gamma, ký hiệu là X ~ 훾(푟, 휆), nếu hàm mật độ có dạng
휆
푓(푥) =
푒−휆푥 푟−1
푥 ; 푥, 푟, 휆 > 0.
( )
훤 푟
Các số đặc trưng của X ~ 훾(푟, 휆):
푟
푟
퐸푋 = ; 푉푋 =
.
2
휆
휆
Một số tính chất quan trọng của PP gamma:
(i) Nếu X ~훾(푝, 휆), Y ~훾(푞, 휆) và độc lập X +Y ~훾(푝 +푞, 휆).
퐿
푋− 푟
(ii) Nếu X ~ 훾(푟, 휆) thì
→
푍 ~ 풩(0; 1)
푟
√
푟→∞
(hội tụ theo luật PP).
Để ý nếu 푟 = 1 ta có phân phối mũ ℰ(휆).
BÀI TẬP
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
1. Một dây chuyền sản xuất mỗi ngày 2000 chi tiết máy, biết
XS để một chi tiết bị lỗi là 5%. Người ta lấy ngẫu nhiên ra
một mẫu gồm 1% của số chi tiết được sản xuất trong ngày
nào đó. Tính XS để trong mẫu đó số chi tiết bị lỗi không
quá 10%.
2. Thống kê liên quan đến xe ô tô tư nhân ở Gotham City cho
thấy XS để một xe vượt chuẩn Federal EPA là 0,45. Hỏi
một thanh tra viên của thành phố này cần kiểm tra bao
nhiêu xe trước khi với XS lớn hơn 0,95 anh ta tìm được 3
xe vượt chuẩn EPA?
3. Giả sử một thiết bị ngừng hoạt động do môi trường nhiệt
độ cao và cho biết XS để một công tắc điện tử kích hoạt
thiết bị dự phòng là 0,6. Nếu các công tắc hoạt động độc
lập và chỉ kích hoạt mỗi lần một thiết bị, thì cần lắp song
song bao nhiêu công tắc để XS kích hoạt thành công đạt ít
nhất 95%?
4. XS để bán được 1 chiếc máy giặt mới trong vòng 1 ngày là
0,006. Tìm XS để trong ngày tiêu thụ được không quá 9
chiếc từ lô hàng 1000 chiếc.
5. Một quyển sách 500 trang có 500 lỗi. Tính XS để:
a) trong một trang nào đó có không ít hơn 3lỗi;
b) ít nhất 1 trang chứa nhiều hơn 4 lỗi.
6. Trung bình người bạch tạng chiếm 1% cư dân; đánh giá
khả năng trong 200 cư dân được chọn ngẫu nhiên có
không ít hơn 4 người bạch tạng.
7. (Bài toán Banach) Một người có trong túi 2 bao diêm, mỗi
bao có 푛que. Mỗi khi cần diêm anh ta rút hú hoạ ra một
bao. Tìm XS sao cho khi người đó lần đầu rút phải bao
rỗng thì trong bao kia còn đúng 푘 que.
Chương II. BIẾN SỐ NGẪU NHIÊN VÀ LUẬT PHÂN PHỐI XÁC SUẤT
8. Cho biến ngẫu nhiên 푋 có kỳ vọng 휇 và độ lệch chuẩn 휎.
(|
|
)
Hãy tính P 푋 −휋 < 3휎 cho các trường hợp:
a) 푋 có PP Poisson với tham số 휆 = 0,09;
b) 푋 có PP đều trên (0, 1);
c) 푋 có PP mũ với tham số 휆.
9. Tìm XS để một biến ngẫu nhiên có PP 푡(14) se nhận giá
trị: a) lớn hơn 2,145; b) lớn hơn – 2,145.
10. Tìm XS để một biến ngẫu nhiên có PP 휒2(12) lấy giá trị
2( )
lớn hơn 23,337. Biến 푋 ~ 휒 17 sẽ nhận các giá trị nào
để XS lớn hơn 0,05?
2( )
11. Cho 2 biến ngẫu nhiên 푋 ~ 풩(0; 1) và 푌 ~ 휒 17 . Tính
XS 푃(푋 > 푌 +10).
√
12. Sức bền thiết kế của một dây chịu lực cầu dây văng có PP
2( )
휒 9 . Sau khi cầu xây xong ứng suất lực dây đó phải chịu
2( )
có PP 휒 4 . Hỏi dây chịu lực có đủ sức bền cần thiết hay
không?
19 trang
22900
Free
Bạn đang xem tài liệu "Giáo trình Xác suất thống kê - Chương 2 - Bài 4: Một số phân phối xác suất thông dụng - Tống Đình Quỳ", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- giao_trinh_xac_suat_thong_ke_chuong_2_bai_4_mot_so_phan_phoi.pdf
Bài 2.4.docx
