Chapter 2 PHÂN PHỐI XÁC SUẤT VÀ THỐNG KÊ TOÁN

PowerPoint Template Chương 2 PHÂN PHỐI XÁC SUẤT VÀ THỐNG KÊ TOÁN Nội dung 2 1 Biến ngẫu nhiên 2 2 Quy luật phân phối xác suất 2 3 Tham số đặc trưng cho biến ngẫu nhiên 2 3 1 Tham số đặc trưng cho xu h.

Chương 2

PHÂN PHỐI XÁC SUẤT

VÀ THỐNG KÊ TOÁN

Nội dung

2.1 Biến ngẫu nhiên

2.2 Quy luật phân phối xác suất

2.3 Tham số đặc trưng cho biến ngẫu nhiên

2.3.1.Tham số đặc trưng cho xu hướng trung tâm

2.3.2 Tham số đặc trưng cho độ phân tán

2.3.3 Tham số đặc trưng cho dạng phân phối xác suất2.4 Tham số đặc trưng cho hệ hai biến ngẫu nhiên2.5 Các dạng phân phối xác suất thông dụng

2.6 Ước lượng thống kê

2.7 Kiểm định giả thiết thống kê

 Việc thực hiện một nhóm các điều kiện cơ bản để quan sát một hiện tượng nào đó có xảy ra hay không được gọi là thực hiện một phép thử, còn hiện tượng có thể xảy ra trong kết quả của phép thử đó được gọi là biến cố.

 Ví dụ: Gieo con súc sắc đồng chất trên mặt phẳng (phép thử) Kết quả

số chấm có thể xuất hiện biến cố (tất yếu, bất khả, ngẫu nhiên).

 Xác suất của một biến cố là con số đặc trưng khả năng khách quan xuất hiện biến cố đó khi thực hiện phép thử.

 "Xác suất xuất hiện biến cố A trong một phép thử là tỷ số giữa số kết cục thuận lợi cho A và tổng số các kết cục đồng khả năng có thể xảy ra khi thực hiện phép thử đó".

 "Xác suất của biến cố là giới hạn của tần suất xuất hiện biến cố đó khi

số phép thử tăng lên vô hạn".

 Ký hiệu xác suất xảy ra biến cố A là P(A) ≈ f(A) 0 ≤ P(A) ≤ 1

2.1 Biến ngẫu nhiên

 “Một biến số được gọi là ngẫu nhiên nếu trong kết quả phép thử nó sẽ nhận một và chỉ một trong các giá trị có thể có của

nó tùy thuộc vào sự tác động của các nhân tố ngẫu nhiên".

 Biến ngẫu nhiên là một đại lượng phụ thuộc vào kết quả của phép thử ngẫu nhiên nào đó.

 Ví dụ 1: Gieo con xúc sắc Gọi biến ngẫu nhiên là số chấm xuất hiện Biến ngẫu nhiên này phụ thuộc kết quả phép thử

và có thể nhận 1 giá trị nguyên từ 1-6

 Ví dụ 2: Biến ngẫu nhiên nhiệt độ của một phản ứng hóa học trong một khoảng thời gian nào đó Biến ngẫu nhiên này nhận giá trị trong khoảng [t0min-t0max].

 Các biến ngẫu nhiên thường được ký hiệu bằng các chữ lớn

X, Y, Z,… còn các giá trị của chúng được ký hiệu bằng các chữ nhỏ x, y, z

2.1 Biến ngẫu nhiên

 Biến ngẫu nhiên rời rạc (Discrete Random Variable)

 X là một biến ngẫu nhiên rời rạc nếu giá trị có thể có của X lập nên một tập hữu hạn hoặc có thể đếm được

 Biến ngẫu nhiên rời rạc có thể liệt kê được tất cả các giá trị có thể có của biến

 Ví dụ 1: Gọi X là Số điểm thu được khi tung xúc sắc X là biến

ngẫu nhiên rời rạc vì các giá trị có thể có của nó là một tập hữu

hạn X = 1,2,3,4,5,6

 Ví dụ 2: Một phân xưởng có 5 máy phát Gọi X là Số máy hỏng

trong một ca X là biến ngẫu nhiên rời rạc vì các giá trị có thể

có của X = 0,1,2,3,4,5

 Ví dụ 3: Gọi X là Số người vào siêu thị trong một ngày X là

biến ngẫu nhiên rời rạc vì các giá trị có thể có của X lập nên một tập hợp có thể đếm được X = 0,1,2,3

2.1 Biến ngẫu nhiên

Phân loại

 Biến ngẫu nhiên liên tục (Continuous Random

 Ví dụ 1: Phép thử là bắn vào bia Gọi X là Khoảng cách từ điểm

chạm của viên đạn đến tâm bia X là biến ngẫu nhiên liên tục vì

các giá trị có thể có của X lấp đầy một khoảng trên trục số và không thể kể ra tất cả các giá trị có thể có của X Chỉ có thể nói X nằm trong khoảng (a,b) nào đó.

 Ví dụ 2: Gọi X là Năng suất lúa vụ mùa của tỉnh X là biến ngẫu

nhiên liên tục.

 Ví dụ 3: Gọi X là Độ dài chi tiết máy được sản xuất ra X là biến

ngẫu nhiên liên tục.

2.1 Biến ngẫu nhiên

Phân loại

 Quy luật phân phối xác suất của biến ngẫu nhiên là sự tương ứng giữa các giá trị có thể có của biến ngẫu nhiên

và các xác suất tương ứng với các giá trị đó.

 Có 3 phương pháp mô tả quy luật phân phối xác suất thông dụng của biến ngẫu nhiên: Bảng phân phối xác suất, hàm phân phối xác suất và hàm mật độ xác suất.

 Bảng phân phối xác suất chỉ dùng để mô tả quy luật phân phối xác suất của các biến ngẫu nhiên rời rạc.

 Giả sử biến ngẫu nhiên rời rạc X nhận các giá trị có thể có x 1 , x 2 x n với

 V í dụ 1: Tung xúc sắc Gọi X là "Số chấm xuất hiện" Hãy tìm quy luật phân phối xác suất của X?

 Giải: Vì X là biến ngẫu nhiên rời rạc với cá giá trị có thể có

X = 1,2,3,4,5,6 với xác suất tương ứng đều bằng 1/6

Bảng quy luật phân phối xác suất của X có dạng:

 Ví dụ 2: Trong hộp có 10 sản phẩm trong đó có 6 chính phẩm Lấy ngẫu nhiên 2 sản phẩm Tìm quy luật phân phối xác suất của

số chính phẩm được lấy ra?

 Giải:

Gọi X là Số chính phẩm lấy ra trong 2 sản phẩm, X là biến ngẫu nhiên rời rạc có các giá trị có thể X = 0,1,2

Cần tìm các xác suất tương ứng với các giá trị X có thể có.

Ví dụ bảng phân phối xác suất

2.2 Quy luật luật phân phối xác suất

Ví dụ bảng phân phối xác suất

2.2 Quy luật luật phân phối xác suất

 Ví dụ 3: Một xạ thủ bắn 3 phát, xác suất bắn trúng mục tiêu của mỗi phát là 0.6 Hãy lập bảng phân phối xác suất của số đạn trúng mục tiêu?

 Giải: Gọi X là số đạn bắn trúng mục tiêu, các giá trị có thể

có của X= 0,1,2,3 Tìm xác suất tương ứng với các giá trị có thể có của X.

Xác suất P(X= x) = p(x) = Cnxpxqn-x Với (n=3, p=0.6)

 Bảng phân phối xác suất:

X 0 1 2 3

P 0.064 0.288 0.432 0.216

Ví dụ bảng phân phối xác suất

2.2 Quy luật luật phân phối xác suất

 Hàm phân phối xác suất của biến ngẫu nhiên X, ký hiệu F(x), là xác suất

để biến X nhận giá trị nhỏ hơn x, với x là số thực bất kỳ.

 Hàm phân phối xác suất áp dụng được đối với cả biến ngẫu nhiên rời rạc

và biến ngẫu nhiên liên tục.

F(x) = P(X<x)

 Đối với biến ngẫu nhiên rời rạc, hàm phân phối xác suất: F(x)=∑ P i

x i <x

 F(x) phản ánh độ tập trung xác suất ở bên trái một số thực (x)

 Ví dụ 1: Biến ngẫu nhiên rời rạc X có bảng phân phối xác suất như sau:

Hãy tìm hàm phân phối xác suất của X?

 Giải:

Nếu x ≤ 1 biến cố (X<x) là biến cố không thể có, do đó F(x) = 0

Nếu 1<x ≤ 3 biến cố (X<x) chỉ xảy ra khi x = 1, do đó F(x) = 0.1

Nếu 3<x≤ 4 biến cố (X<x) sẽ xảy ra khi x =1 hoặc khi x =3, do đó

F(x) = 0.1+0.5=0.6

Nếu x>4 biến cố (X<x) sẽ xảy ra khi x =1 hoặc x = 3 hoặc x = 4, do đó

F(x) = 0.1+0.5+0.4 = 1

Hàm phân phối xác suất

2.2 Quy luật luật phân phối xác suất

Hàm phân phối xác suất

2.2 Quy luật luật phân phối xác suất

 Hàm phân phối xác suất không thể đặc trưng cho xác suất để biến ngẫu nhiên liên tục nhận một giá trị xác định và khó xác định.

 Hàm mật độ xác suất của biến ngẫu nhiên X, ký hiệu là f(x), được xác định theo biểu thức: f(x) = F'(x)

 Hàm mật độ xác suất chỉ áp dụng với biến ngẫu nhiên liên tục

 Hàm mật độ xác suất của biến ngẫu nhiên (X) tại mỗi điểm (x) cho biết mức độ tập trung xác suất tại điểm đó.

XP(a

b)X

P(ab)

XP(a

b)X

P(a

dx x

f ( )

 Các tham số đặc trưng của biến ngẫu nhiên được chia thành 3 loại:

 Các tham số đặc trưng cho xu hướng trung tâm

 Các tham số đặc trưng cho độ phân tán của biến ngẫu nhiên

 Các tham số đặc trưng cho dạng phân phối xác suất

 Các tham số đặc trưng cho xu hướng trung tâm

 Kỳ vọng toán, Trung vị, Mốt

 Các tham số đặc trưng cho độ phân tán của biến ngẫu nhiên

 Phương sai, Độ lệch chuẩn, Hệ số biến thiên

 Các tham số đặc trưng cho dạng phân phối xác suất

 Hệ số bất đối xứng

 Hệ số nhọn

2.3 Các tham số đặc trưng của biến ngẫu nhiên

 Định nghĩa: Cho X là 1 biến ngẫu nhiên, giá trị trung bình hay kỳ vọng toán học (gọi tắt là kỳ vọng) của X được ký hiệu là E(X) và được tính theo công thức:

thì trung bình mẫu được tính:

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

Kỳ vọng toán học của biến ngẫu nhiên

+ +

+

+ + +

+

i i

n

i

i i

k

k k

n

X n n

n n

n

X n X

n X

n X

n X

1

1 3

2 1

3 3 2

2 1

E( ) ( ) Biến liên tục

 Các tính chất của kỳ vọng toán:

1 E(X + Y) = E(X) + E(Y)

E(W + X + Y + Z) = E(W) + E(X) + E(Y) + E(Z)

2 E(bX) = bE(X) b: const

3 E(b) = b

4 E(X.Y) = E(X)*E(Y) X và Y là 2 biến ngẫu nhiên độc lập

 (Hai biến ngẫu nhiên độc lập với nhau nếu quy luật phân phối xác suất của biến ngẫu nhiên này không phụ thuộc gì vào việc biến ngẫu nhiên kia nhận giá trị bao nhiêu).

2.3.1 Tham số đặc trưng cho xu hướng trung tâm

Kỳ vọng toán học của biến ngẫu nhiên

 Ví dụ 1: Cho mẫu quan sát (Xi) với i = 1, 2, , 10

của biến ngẫu nhiên X

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

Kỳ vọng toán học của biến ngẫu nhiên

34

5 4

6 2 4 8 5 6 5 7 3

4

* 10 6

* 9 2

* 8 4

* 7 8

* 6 5

* 5 6

* 4 5

* 3 7

* 2 3

* 1

1

1 3

2 1

3 3 2

2 1

1

= +

+ + + + + + + +

+ +

+ +

+ +

+ +

+

=

= +

+ +

+

+ +

n n

n

X n X

n X

n X

n

i i

n i

i i k

k k

 Ví dụ 2: Một người mua 10nghìn đồng xổ số lôtô 2 số Anh ta sẽ ta

sẽ thắng gấp 70 lần tiền mua nếu trùng với 2 số cuối của giải độc đắc gần nhất sắp tới Anh ta sẽ không được đồng nào nếu không trùng Hãy tìm số tiền thắng trung bình của một lần chơi như vậy? Biết thêm rằng xác suất thắng và thua là 1% và 99% Xác suất trúng tối thiểu là bao nhiêu thì anh ta có cơ hội hòa sau mỗi lần chơi?

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

Kỳ vọng toán học của biến ngẫu nhiên

 Ví dụ 3: Một dự án được Viện thiết kế C soạn thảo cho cả 2 bên A và B xét duyệt một cách độc lập Xác suất để A và B chấp nhận dự án khi xét duyệt là 0.7 và 0.8 Nếu chấp nhận dự án thì A phải trả cho C 4 triệu USD còn ngược lại thì phải trả 1 triệu USD Với B nếu chấp nhận dự án phải trả cho C là 10 triệu USD, ngược lại phải trả 3 triệu USD Chi phí cho thiết kế là 10 triệu USD và thuế 10% trên doanh thu Hỏi C có nên nhận thiết kế hay không?

 Giải: Để quyết định xem có nên nhận thiết kế hay không, thì C phải tính

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

Kỳ vọng toán học của biến ngẫu nhiên

 Ví dụ 4: Một cửa hàng sách dự định nhập vào một số cuốn niên giám thống kê Nhu cầu hàng năm về loại sách này cho trong Bảng phân phối xác suất

Cửa hàng này mua vào với giá 7$/cuốn và bán ra với giá 10$/cuốn, song đến cuối năm thì phải bán hạ giá còn 4$/cuốn trước khi niên giám thống kê năm tới được xuất bản Cửa hàng muốn xác định số lượng nhập vào sao cho lợi nhuận kỳ vọng là lớn nhất?

(Pij) sẽ phụ thuộc vào số lượng sách nhập và nhu cầu thực tế về loại sách đó Có thể xây dựng Bảng liệt kê các kết quả khác có thể có từ

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

Kỳ vọng toán học của biến ngẫu nhiên

 Lợi nhuận có điều kiện được xác định bằng biểu thức:

 Pij = 10.j – 7.i +4(i-j) Với j ≤ i

= 10.i – 7.i = 3.i Với j > i

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

Kỳ vọng toán học của biến ngẫu nhiên

i

 Chiến lược của cửa hàng phải chọn số lượng sách cần nhập (i) để cực đại lợi nhuận kỳ vọng Với mỗi lượng nhập (i) lợi nhuận kỳ vọng (PE) được tính:

PE = ∑ P j *P ij j

 Giá trị lợi nhuận kỳ vọng tùy thuộc vào số lượng nhập

Số lượng nhập (i) 20 21 22 23 24 25

LN kỳ vọng PE(i) 60.00 61.20 60.90 59.52 57.30 54.48

 Vậy chiến lược mang lại lợi nhuận kỳ vọng tối đa là nhập 21 cuốn sách

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

Kỳ vọng toán học của biến ngẫu nhiên

 Khái niệm: Mốt là giá trị của biến ngẫu nhiên tương ứng với

 Xác suất lớn nhất nếu là biến ngẫu nhiên rời rạc

 Cực đại của hàm mật độ xác suất nếu là biến ngẫu nhiên liên tục

 Có thể gặp biến ngẫu nhiên không có Mốt hoặc nhiều giá trị Mốt

 Đối với dãy số lượng biến, Mốt là lượng biến có tần số lớn nhất

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

MỐT (Mode) Mo

) (

)

(

1 0 0

1 0 0

1 0 0

0

0 min 0

+

−

−

− +

−

− +

=

M M

M M

M

M M

M

f f

f f

f

f h

x M

• Khoảng cách tổ kh ông đều:

– Xác định tổ chứa Mốt: Tổ có mật độ phân phối lớn nhất (Tỷ số giữa tần số và khoảng cách tổ)

– Xác định giá trị gần đúng của Mốt theo công thức

 Ví dụ: Có tài liệu về doanh số bán của 50 trạm xăng dầu thuộc 1 Tỉnh trong tháng 12 như sau Xác định Mốt về doanh số bán của 50 cửa hàng trên?

M M

M M

M M

M M

h

f d

d d

d d

d

d h

x

−+

−

−+

)

(

1 0 0

1 0 0

1 0 0

0

0 min 0

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

MỐT (Mode) Mo

trđ f

f f

f

f

f h

x

M

M M

M M

M M

M

) 7 20 ( ) 10 20

(

10

20 100

400 )

( )

(

1 0 0

1 0 0

1 0 0

0

0 min

− +

−

− +

=

− +

−

− +

Ví dụ: Có tài liệu về doanh thu của 79 cửa hàng trong tháng 12 như sau Hãy

xác định Mốt của doanh thu các cửa hàng.

Doanh thu (triệu đồng) Cửa hàng Khoảng cách tổ Mật độ phân phối

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

MỐT (Mode) Mo

 Như vậy đa số các cửa hàng có mức doanh thu trong tháng 12 khoảng 550.9 triệu đồng.

 Mốt có ưu điểm không chịu ảnh hưởng của các lượng biến đột biến

 Mốt kém nhạy bén với sự biến thiên của tiêu thức

 Mốt cho biết đa số, khuynh hướng, phong trào

 Mốt ứng dụng nhiều nhất trong nghiên cứu nhu cầu của thị trường

về kích cỡ loại sản phẩm nào đó (quần áo, giày dép )

 Mốt ứng dụng ít hơn số trung bình và số trung vị

trđ M

h

f d

d d

d d

d

d h

x

M

i

i i

M M

M M

M M

M M

9

550)

125

025

.0()12.025

.0(

12.025

0100

500

;)(

)(

0

min 0

1 0 0

1 0 0

1 0 0

0 0

=

−+

−

−+

=

=

−+

−

−+

=

+

−

−

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

Số trung vị (Median) Me

 Số trung vị (Median): Số trung vị (Me) là giá trị nằm chính giữa tập hợp các giá trị có thể

có của biến ngẫu nhiên Đó là giá trị chia phân phối của biến ngẫu nhiên thành 2 phần bằng nhau.

F(X i ) ≤ 0.5 ≤ F(X i+1 ) X biến ngẫu nhiên rời rạc

X biến ngẫu nhiên liên tục

 Xác định Số trung vị khi biến ngẫu nhiên rời rạc cho ở dạng Bảng tần suất

• Không có khoảng cách tổ: Giá trị của lượng biến ở vị trí (n+1)/2

- Nếu (n) lẻ thì số trung vị là lượng biến đứng vị trí chính giữa

- Nếu (n) chẵn thì số trung vị là trung bình hai lượng biến của hai đơn vị đứng giữa

Me

e

e e

M M

e

f

S

f h

x

− +

1 min

2 /

2.3.1 Các tham số đặc trưng cho xu hướng trung tâm

Tổ chứa Trung vị là tổ thứ 3 vì Tần số tích lũy > (79+1)/2

 Như vậy là một nửa số cửa hàng có doanh thu dưới 578 triệu đồng và một nửa

số cửa hàng có doanh thu trên 578 triệu đồng

 Số trung vị biểu hiện mức độ đại biểu của hiện tượng nhưng không san bằng bù trừ chênh lệch gữa các lượng biến Số trung vị có thể dùng thay thế số trung bình cộng.

57825

202

/

79100500

M

n i

M i

M M

e

f

S

f h

x M

 Định nghĩa: Phương sai của biến ngẫu nhiên X, ký hiệu V(X) được định nghĩa như sau:

V(X) = E[X-E(X)] 2

V(X) = σ 2 = E(X 2 ) – [E(X)] 2 Công thức hay được dùng

 Ý nghĩa: Phương sai đo độ phân tán của các giá trị biến ngẫu nhiên quanh

kỳ vọng (giá trị trung bình) của nó

 Ứng dụng thực tế:

 Trong kỹ thuật phương sai đặc trưng cho mức độ phân tán của các

kích thước chi tiết gia công, hay sai số của thiết bị

 Trong quản trị và kinh doanh phương sai đặc trưng cho mức độ rủi

ro của các quyết định đầu tư.

2.3.2 Các tham số đặc trưng cho độ phân tán

V

p x p

x p

X E x

X

V

n i

i i i

n i

n i i i

i

) ( )]

( [

) (

) (

)]

( [

Nếu biến ngẫu nhiên rời rạcNếu biến ngẫu nhiên liên tục

 Các tính chất của phương sai:

1 V(C) = 0 C: const

2 V(CX) = C 2 V(X)

3 V(C+X) = V(X)

4 V(X±Y) = V(X)+V(Y) X, Y là 2 biến ngẫu nhiên độc lập

5 V(X.Y) = [E(Y)] 2 V(X)+[E(X)] 2 V(Y)+V(X)V(Y)

X, Y là 2 biến NN độc lập

6 V∑X i = ∑V(X i ) X i là các biến NN độc lập

7 V(X±Y) = V(X) + V(Y)±2Cov(X,Y) X, Y là 2 biến NN phụ thuộc

8 V(aX±bY) = a 2 V(X)+b 2 V(Y) ± 2abCov(X,Y) X,Y là 2 biến NN phụ thuộc

2.3.2 Các tham số đặc trưng cho độ phân tán

Phương sai

 Ví dụ: Một nhà đầu tư đang cân nhắc giữa việc đầu tư vào 2 dự án A

và B trong 2 lĩnh vực độc lập với nhau Khả năng thu hồi vốn sau 2 năm (tính bằng %) của 2 dự án là các biến ngẫu nhiên có Bảng phân phối xác suất như sau Chọn phương án có tỷ lệ thu hồi vốn đầu tư

kỳ vọng cao hơn? Phương án ít rủi ro hơn?

 E(X A ) = ∑X A *P A = 69.16% V(X A )=E[(X A )-[E(X A )] 2 =3.0944

 E(X B ) = ∑X B *P B = 68.72% V(X B )=E[(X B )-E(X B )] 2 =1.8016

2.3.2 Các tham số đặc trưng cho độ phân tán

Phương sai

 Độ lệch chuẩn: Độ lệch chuẩn của biến ngẫu nhiên X, ký hiệu

σ X được định nghĩa như sau:

 Khi đánh giá mức độ phân tán của biến ngẫu nhiên theo đơn vị

đo của biến ngẫu nhiên thường tính độ lệch chuẩn chứ không dùng phương sai (Đơn vị đo của phương sai bằng bình phương đơn vị đo của biến ngẫu nhiên)

 Hệ số biến thiên: Hệ số biến thiên, ký hiệu CV, được xác định theo công thức:

 CV=│σ X /E(X)│(%)

 Đo lường mức độ quan trọng tương đối của độ phân tán

 So sánh độ phân tán giữa các hiện tượng có đơn vị tính khác nhau hoặc giữa các hiện tượng cùng loại nhưng có số trung bình

2.3.2 Các tham số đặc trưng cho độ phân tán

Độ lệch chuẩn, Hệ số biến thiên

 Định nghĩa: Hệ số bất đối xứng, ký hiệu α 3 , được xác định bằng công thức: α 3 = μ 3 / σ 3

μ 3 = E[X-E(X) ] 3 và σ 3 = (σ X ) 3

 Nếu α 3 <0, phân phối bất đối xứng đồ thị xuôi về bên trái nhiều hơn

 Nếu α 3 =0, phân phối đối xứng

 Nếu α 3 >0, phân phối bất đối xứng đồ thị xuôi về bên phải nhiều hơn

 Định nghĩa: Hệ số nhọn, ký hiệu α 4 , được xác định bằng công thức:

 Đối với hệ hai biến ngẫu nhiên, ngoài các tham số đặc trưng là kỳ vọng và phương sai các thành phần và hai tham

số quan trọng là Hiệp phương sai và Hệ số tương quan.

 Hiệp phương sai: Hiệp phương sai của 2 biến ngẫu nhiên

X và Y, ký hiệu Cov(X,Y), được xác định theo công thức:

Cov(X,Y) = E{[X-E(X) ].[Y-E(Y)]}

Cov(X,Y) = σXY = E(XY) - μX μY Với E(X) = μX E(Y) =

μY

 Đối với biến ngẫu nhiên rời rạc:

 Đối với biến ngẫu nhiên liên tục:

2.4 Các tham số đặc trưng cho hệ hai biến ngẫu nhiên

Hiệp phương sai

j

i y P x y E X E Y x

Y X

Cov

1 1

) ( ) (

) ,

( )

, (

 Một số tính chất của Hiệp phương sai:

 Nếu Y = V + W, Cov(X, Y) = Cov(X, V) + Cov(X, W)

 Nếu Y = b, b là hằng số, Cov(X, Y) = Cov(X, b) = 0

 Nếu Y = bZ, b là hằng số

Cov(X, Y) = Cov(X, bZ) = bCov(X, Z)

 Hiệp phương sai có đơn vị đo lường bằng tích đơn vị

đo lường của biến X và Y

 Hiệp phương sai có giá trị khác nhau tùy thuộc vào đơn

vị đo lường của các biến X và Y

2.4 Các tham số đặc trưng cho hệ hai biến ngẫu nhiên

Hiệp phương sai

 Hệ số tương quan: Hệ số tương quan của 2 biến ngẫu nhiên X và Y,

ρ xy = Cov(X,Y)/σ x σ y

 Hệ số tương quan không có đơn vị đo; -1 < ρ <1

2.4 Các tham số đặc trưng cho hệ hai biến ngẫu nhiên

Hệ số tương quan

 Phân phối đều liên tục (Uniform Distribution)

 Phân phối chuẩn (Normal Distribution)

 Phân phối chuẩn hoá (z-Distribution)

 Phân phối T (t-Distribution)

 Phân phối F (F-Distribution)

 Phân phối chi bình phương (Chi-Square

Distribution)

2.5 Một số quy luật phân phối xác suất thông dụng

 Biến ngẫu nhiên liên tục X có quy luật phân phối đều trong khoảng (a,b) nếu hàm mật độ xác suất của X có dạng

 Giá trị kỳ vọng E(X) = (a+b)/2

 Phương sai V(X) = (b-a)2/12

2.5 Một số quy luật phân phối xác suất thông dụng

2.5.1 Phân phối đều liên tục (Uniform Distribution)

2.5 Một số quy luật phân phối xác suất thông dụng

2.5.1 Phân phối đều liên tục (Uniform Distribution) f(x)

x

c=1/(b-a)