Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
Bài 1.
a: Không gian mẫu là Sx={hóa đơn $1,hóa đơn $5, hóa đơn $50}
b: Tập hợp A là A={2,4,6}
c: Tập hợp Ac là Ac={1,2,3}
Ac=1-A
Bài 2.
Một nguồn thông tin được sản sinh ra các ký tự S = {a , b, c, d, e}. Hệ thống nén số mã hóa
các chữ cái thành các dãy nhị phân như sau.
a1
b 01
c 001
d 0001
e 0000
Với Y là biến ngẫu nhiên bằng độ dài dãy nhị phân ở đầu ra của hệ thống như vậy ta có
không gian mẫu là SY = { 1 , 2 , 3 , 4}
Ta có giá trị của các xác suất tại các điểm đó là
P[Y = 1] = p(a) = ½
P[Y = 2] = p(b) = ¼
P[Y = 3] = p(c) = 1/8
P[Y = 4] = P[Y = 5] = p(d) + p(e) = 1/16 + 1/16 = 1/8
Bài 3
a. Không gian mẫu
Sy={1,3,5…..,n} với n lẻ
Sy={0,2,4,…..,n} với n chẵn
b. Gọi Z là biến cố tương đương với {Y=0}
Z : Sz S
Sz w S(z) = 0
Z là biến cố số lần xuất hiện mặt sấp ngửa bằng nhau
c. W : Sw S
Sw w W(w) <= k
(k nguyên dương )
W là biến cố độ sai khác giữa số lần xuất hiện mặt sấp và số lần xuất hiện mặt ngửa <= k
không nguyên dương.
Bài 5
a.Không gian mẫu SZ của Z
SZ={0,1,2,3,….2b} = { (0,0),(0,1),...(0,b),(1,1),(1,2)…(1,b)…(b,0),(b,1),(b,2)….(b,b)}
b.
c. P[Z z]=1-P[Z>z]
Bài 07.
Phác họa hàm phân phối của biến ngẫu nhiên y trong bài tập 2
Ta có:
Trang 1
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
Đồ thị hàm F y (y) có dạng:
Bài 8
Phác họa hàm phân phối của biến ngẫu nhiên trong bài 3
+ trường hợp 1 với n = 4
Ta coi các đồng được gieo là cân đối nên biến ngẫu nhiên Y lấy các giá trị 0,1,2,3,4 với các
xác suất tương ứng là
1 2 3 4 3 2 1
,
,
,
,
,
,
bởi vậy hàm
16 16 16 16 16 16 16
F
y
(x)
một cách đơn giản là
tổng xác suất của tổng các kết cục từ {0,1,2,3,4} vì vậy hàm phân phối được là hàm gián đoạn
tại các điểm 0,1,2,3,4
Xét hàm phân phối tại lân cận của điểm x= 1 , cho là một số dương nhỏ ta có ::
F
y
(1 ) P[Y 1 ] P [0 lân xuất hiện mặt sấp] =
phân phối khi x tiến tới 1 từ bên phải là
F
1
bởi vậy giới hạn của hàm
16
1
và
16
( x) P[Y 1] P [0 hoặc 1 lần xuất hiện mặt sấp] =
y
1
2
3
+
=
16
16
16
Và
F
y
(1 ) P[Y 1 ]
= P[0 hoặc 1 lần sấp] =
3
16
Trang 2
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
Như vậy hàm phân phối liên tục bên phải và bằng
= 1 là bằng P[ Y = 1 ] =
3
tại điểm x = 1. Độ nhảy tại điểm x
16
3
1
1
=
16 16
8
Hàm phân phối có thể được biểu diễn theo hàm bậc thang đơn vị
0 khix 0
u ( x)
1 khix 0
+
Khi đó hàm
F
F
1
2
3
4
3
2
u (x ) +
u (x ) +
u (x ) +
u (x ) +
u (x ) +
u (x )
16
16
16
16
16
16
y
(x)
=
y
(x)
là
1
u (x )
16
+ trường hợp với n = 5
Tương tự như trường hợp n = 4
F
+
y
(x)
=
1
2
3
16
1
u ( x) +
u (x ) + ……..+
u ( x)
u ( x)
u ( x) + ……….+
32
32
32
32
32
2
3
u ( x)
u ( x)
32
32
Bài 9.
Công thức hàm phân phối:
Bài 10.
Phác hoạ hàm phân phối của biến ngẫu nhiên Z trong ví dụ 5. Chỉ ra dạng của Z
Thời gian truyền Z của một tin nhắn trong một hệ truyền thông tuân theo quy luật phân phối
mũ với tham số , nghĩa là
Phác hoạ dạng đồ thị:
Trang 3
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
Bài 11
P(x = k) = C nk p k q n k
q=1-p
Với n=8
Xét p=1/8 => q = 7/8
k=0,1,…, n
8
0
7
1
6
2
5
3
4
4
P ( x 8) C80 p 8 q 0
8! 1 7
. . 5,96.10 8
0!.8! 8 8
P ( x 7) C81 p 7 q 1
8! 1 7
. . 3,34.10 6
7!.1! 8 8
P ( x 6) C82 p 6 q 2
8! 1 7
. . 8,18.10 5
6!.2! 8 8
8! 1 7
P ( x 5) C p q
. . 1,14.10 3
5!.3! 8 8
3
8
5
3
8! 1 7
P ( x 4) C p q
. . 0,01
4!.4! 8 8
4
8
4
4
3
5
P ( x 3) C85 p 3 q 5
8! 1
.
3!.5! 8
7
. 0,056
8
P ( x 2) C 86 p 2 q 6
8! 1 7
. . 0,196
2!.6! 8 8
2
6
1
8! 1 7
P ( x 1) C87 p 1 q 7
. .
1!.7! 8 8
0
P ( x 0) C 88 p 0 q 8
7
0,39
8
8! 1 7
. . 0,34
8!.0! 8 8
Với p=1/2 => q=1/2
P ( x 0) P ( x 8) C 88 p 0 q 8
0
8
7
1
6
2
5
3
8! 1 1
. . 3,9.10 3
8!.0! 2 2
8! 1 1
P ( x 1) P ( x 7) C81 p 7 q 1
. . 31,25.10 3
1!.7! 2 2
8! 1 1
P ( x 2) P( x 6) C p q
. . 109,375.10 3
2!.6! 2 2
2
8
6
2
8! 1 1
P ( x 3) P ( x 5) C p q
. . 218,75.10 3
3!.5! 2 2
3
8
P ( x 4) C84 p 4 q 4
5
3
8! 1
.
4!.4! 2
4
4
1
. 273,4375.10 3
2
Đồ thị :
Trang 4
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
Với p = 9/10 => q = 1/10
8
0
7
1
6
2
5
3
P ( x 8) C80 p 8 q 0
8! 9 1
.
.
0,43
0!.8! 10 10
P ( x 7) C81 p 7 q 1
8! 9 1
.
.
0,383
7!.1! 10 10
P ( x 6) C82 p 6 q 2
8! 9 1
.
.
0,149
6!.2! 10 10
8! 9 1
P( x 5) C p q
.
.
0,033
5!.3! 10 10
3
8
5
3
P ( x 4) C 84 p 4 q 4
8! 9
.
4!.4! 10
3
4
4
1
3
.
4,59.10
10
5
P( x 3) C85 p 3 q 5
8! 9
.
3!.5! 10
1
4
.
4,1.10
10
P ( x 2) C 86 p 2 q 6
8! 9 1
5
.
.
2,268.10
2!.6! 10 10
2
1
8! 9 1
P ( x 1) C 87 p 1 q 7
.
.
1!.7! 10 10
0
P ( x 0) C88 p 0 q 8
6
7
0,72.10 6
8
8! 9 1
8
.
.
10
8!.0! 10 10
Đồ thị :
Trang 5
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
Bài 12:
Vì U là biến ngẫu nhiên phân phối đều trên khoảng [-1;1] nên:
P[U] = P[U-0] = P[U+0]
P[U>0] = P[0 3 ]=1-P[R 3 ] =1-
F
)= e
1/ 2
2
e
(3 ) =1- e
9/ 2
R
Bài 18.
X là biến ngẫu nhiên mũ với tham số ta có hàm mật độ xác suất của hàm
biến mũ là
e
f
( x )
nếu x 0
0
x
X
nếu x < 0
Vậy ta có hàm phân phối mũ là
Trang 8
Xác suất thống kê –Chương 3
x
Cao Thành Lực - MAT1101 3 - 09020324
0
x
x
x
FX ( x) f X ( x) dx f X x dx f X x dx f X x dx e t dt e t
0
0
0
x
e x 1 1 e
0
Vậy giá trị của hàm phân phối được viết là
FX
x
1
0
e
Nếu x 0
x
Nếu x < 0
Với giá trị d > 0 , k nguyên dương
Tính P[ X d ] = FX (d ) 1 e d
P[ kd X k 1 d ]= FX ((k 1)d ) FX (kd ) 1 e ( k 1) d (1 e kd ) e kd e ( k 1) d
Hay P[ kd X k 1 d ] =
( k 1) d
f
( k 1) d
X
( x ) dx
kd
e
x
dx e x
kd
( k 1) d
e kd e ( k 1) d
kd
P[X>kd] = 1 - P[X kd] = 1 - F X (kd) = 1 – (1- e kd ) = e kd
b.Hãy chia phần dương của đường thẳng thực thành năm khoảng không có
điểm chung đồng xác suất.
P[ kd X k 1 d ]
0
d
kd
(k+1)d
Các giá trị xác suất tại các điểm là không có điểm chung đồng xác suất
P[0 (k+1)d] = 1 – FX((k+1)d)
Bài 19:
a. Áp dụng tính chất
fx( x)dx 1
Mặt khác
0
1
fx( x)dx = fx( x)dx + fx( x)dx + fx( x)dx 1
0
1
Trang 9
Xác suất thống kê –Chương 3
1
0
Cao Thành Lực - MAT1101 3 - 09020324
0 + Cx(1 x)dx + 0 = 1
0
1
1
Cx(1 x)dx = 1
0
C(
x2 x3
)
2
3
C(
1 3
- )= 1
2 4
| 10 =1
C= 6
Vậy f x (x)=
6x(1-x)
0
nếu 0 x 1
nếu khác
c. Hàm phân phối xác suất
0
2
F x (x) =
nếu x< 0
nếu 0 x 1
nếu x>1
3
3x – 2x
1
b. P[
1
3
3
1
=>
(đpcm)
ii)
Do
nên khi
thì
. Điều này tương đưong với X là toàn bộ không gian mẫu
X=S
iii)
A là một biến cố nào đó có liên quan đến X và có giá trị luôn lớn hơn -∞
iv)
Vì a < b nên
là tập con của
Từ tiên đề 1
v)
Do
vi)
Hai biến cố ở vế trái xung khắc nên từ tiên đề 3 và định nghĩa hàm phân phối (
ta có
vii)
Khi
Giả sử
là một số vô cùng bé. Từ tính chất vi) ta có
. Điều này tương đưong với
Trang 12
Xác suất thống kê –Chương 3
Và
Cao Thành Lực - MAT1101 3 - 09020324
. Vậy:
Bài 27:
Biến ngẫu nhiên có phân phối mũ
Sx [0,]
fx(x) = e- x
Hàm phân phô'i
1 - e - x x 0
Fx(x) ={
0
x<0
Lúc này
Fx( x | X>t) = P[X x | X > t ]
P[{X x} {X > t }
=
P[X > t]
Tích của hai biến cố {X x} {X > t} bằng tập rỗng nếu X < t và sẽ bằng {t< X x}
khi x t Do vậy:
0 x t
Fx ( x | X t )
{
Fx ( x ) Fx (t )
1 Fx (t )
Fx ( x ) Fx (t )
1 Fx (t )
khi..x t
1 e x 1 e t e t e x
1 1 e t
e t
1 et x
t
Nên
Fx ( x | X t )
0 x t
0
{
1 et x khi..x t
b) Hàm mật độ xác suất có điều kiện tìm được bằng vi phân theo x:
f ( x)
f x (x | X t) x
khi..x t
1 Fx (t )
f x ( x)
e x
t x
=
=
1 Fx (t ) 1 (1 e t ) e
et x khi..x t 0
Trang 13
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
f x (x | X t)
đặt S(x)=
=
0
et
{
khi t x <0
S(x)=
t
Bài 28:
a.Áp dụng công thức:
P[{ X x} A]
P[ A]
dFx ( x | A)
fx ( x | A)
dx
Fx( x | a x b) P[ X x | a X b]
Fx( x | A)
P[{ X x} {a X b}]
P[{a X b}]
0 x a
Fx ( x ) Fx(a )
Fx( x | a x b)
a x b
Fx (b) Fx(a )
1 b x
Đồ Thị:
Fx( x | a x b)
Trang 14
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
0
a
b
fx
(
x
|
a
x
b) :
b.Tìm và phác họa
x
dFx( x | a x b )
dx
0 x a
fx( x | a x b)
fx( x)
Fx (b) Fx (a) a x b
fx( x | a x b)
Bài 29:
Đặt:
BNN Nhị thức
với n = 8, p = 1/10 (p = 1/2; p = 9/10). Khi đó:
(a). Ta có:
Trang 15
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
=
⇒
(b).Ta có:
nếu
Do đó:
Trang 16
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
Bµi 30:
FX
0 nÕu n k
n
n
1
j 1
.
4
q
A
j k 1
V× Fx n / a
n n
n n A
A
nÕu n k
x k
k X n nÕu
n n
Cho X lµ biÕn ngÉu nhiªn h×nh häc. T×m vµ ph¸c ho¹ FX(n/A) nÕu.
A n k vµ n ch½n k nguyªn d¬ng
Ta cã:
A n n
\
n
n n
k
n k 1
n
ch½n, n k
n ch½n, n n
F
2
A .q 2 j 1
j 1
n
2
FX n / A .q 2 j 1
j 1
n
2 1
.q
2 j 1
j 1
Bài 31:
a. I A ( ) {3,4,5}
3
b. I A ( ) {[ ,1]}
4
c. I A ( ) {( x, y ) | 0 x 1; 0 y 1;0.5 x y 1}
Bài 33.
Ta có X là biến ngẫu nhiên nhị thức nên ta có
p k C nk p k q n k . mặt khác ta có giá trị p k 1 C nk 1 p k 1 q n k 1 .
pk
C nk p k q n k
n k 1 p 1 (n 1) p (dpcm)
k 1 k 1 n k 1
Lúc này ta có.
pk 1 Cn p q
kq
kq
b.Chứng minh rằng P[X= k] đạt cực đại tại kmax = [(n+1)p].
pk
( n 1) p
1 1
1 k ( n 1) p
Ta có nếu ta xét tỷ số
pk 1
kq
Vậy nếu khi k tăng giá trị từ 0 đến (n+1)p. Thì gía trị p(k) tăng. Nếu như ta có giá trị
pk
1 thì k ( n 1) p . Như vậy thì p(k) giảm nếu như k tăng.
pk 1
Vậy khi giá trị k = (n+1)p thì xác suất p[X =k ] đạt giá trị cực đại.
Nếu khi giá trị (n+1)p nguyên thì giá trị k sẽ có hai giá trị k1 = (n+1)p và giá trị k2 = (n+1)p -1.
Trang 17
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
Mà tại các giá trị này thì p(k) max. Nên khi (n+1)p nguyên thì cực đại đạt tại các giá trị kmax và
kmax -1.
Bài 34.
Cho N là biến ngẫu nhiên hình học SN = {0 , 1, 2, …}
a. Tìm P[N > k]
Xác suất để hơn k lần phép thử được thực hiện trước khi xuất hiện thành công
có
P[N > k] = pq
N1
N k 1
pq k q j pq k
j 0
1
q k
1 q
b. Tìm hàm phân phối của N
Ta có hàm phân phối
k
k1
j 1
i 0
FX ( x) P N k pq j 1 p q i p
Tìm giá trị P N k | N m
1 qk
1 q k
1 q
với giá trị p = 1 – q
P N k N m
P N m
Nếu giá trị k > m thì ta có N k N m vậy suy ra P N k N m 0
P N k | N m = 0
Mặt khác vì N là biến ngẫu nhiên hình học nên ta có
Với giá trị 1t) = P[M>n ] =(1-p) T = [(1- ) ]
T
n
=> e
Với k=1,2,3….; p=
t
T
;
2
T
khi n
Chứng minh: P[ M k j | M j ] P[ M k ]
P[( M k j ) ( M j )]
P[ M j ]
P[ M k j ] P[( M k j ) ( M k )]
=
P[ M j ]
P[ M j ]
=
e .( j ) (1 p ) k 1 . p
e . j
Mà P[M k ] e k => đpcm
=
Bài 37.
a. Ta có 15 => P[0]=
150 15 1
. e = 15 = 0,306. 10 6
e
0!
Trang 18
Xác suất thống kê –Chương 3
Cao Thành Lực - MAT1101 3 - 09020324
15
b.P[N 10 ] = 1 P[N < 10] = 1- e 1 + 15! +
2
=1
3
152
159
+ ... +
2!
9!
4
1
15 15 15 155 156 157 158 159
1
15
e 15
2! 3! 4! 5! 6! 7! 8! 9!
= 0,9301
Bài 39.
Bài 40
Ta có biến ngẫu nhiên POISSON là ::
S
x
= {0,1,2………..}
k
p k! e
k = 0,1,2………..và
>0
Ta có số lệnh chờ được thực thi cho bởi tham số
=
(*)
k
E[ X ] =
VAR[X] =
n
Với = 3 là số lệnh trung bình đến 1 ngày
= 1 là số lệnh cần được thực thi bởi một nhân viên trong một ngày
n là số nhân viên
n
3
Ta có với 4 lệnh chờ k 4 và xác suất cho có hơn 4 lệnh chờ nhỏ hơn 90%
Giả sử ta lấy với k =4 và
p
k
= 0,9
4
Thay số vào (*) ta được 0,9 =
e
4!
(khó quá không tìm được giá trị của
)
+ Đối với xác suất không có lệnh chờ thì
=0
Trang 19
Xác suất thống kê –Chương 3
p
Thì khi đó
k
Cao Thành Lực - MAT1101 3 - 09020324
=1
Bài 42.
Phân vị thứ r, π(r), của biến ngẫu nhiên X được định nghĩa: P[X ≤ π(r)] =
a) Tìm phân vị 90%, 95% và 99% của biến ngẫu nhiên mũ với tham số λ
Ta có:
=
P[X ≤ π(r)] =
= P[X < 0] + P[0 ≤ X ≤ π(r)]
= 0 + (π(r)) - ( )
= (1 -
)
=1-
=
=1-
=
=-
Phân vị 90%, 95% và 99% lần lượt ứng với r = 90, 95 và 99
b) Làm lại câu a với biến ngẫu nhiên Gauss với tham số m = 0 và σ
Đặt
đưa biến ngẫu nhiên X bất kỳ
về biến ngẫu nhiên Z chuẩn tắc
.
Trong đó:
Hàm phân phối này không tính được bằng cách tích phân chỉ tính được gần đúng dựa vào
một hàm đặc biệt
.
Từ đó ta tính được hàm phân phối là
Trang 20
- Xem thêm -