New Chapter 2 XSTK

Chapter 2.
Random variable
Lâm Hoàng Chương
Department of Mathematics, College of Natural Sciences, Can Tho University
Date 24/12/2023
Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 1 / 53

Content
1 Concepts
2 The law of probability distribution of random variables
3 Parameters of random variables
4 Some important probability distributions
5 Exercises

Lesson 1. Concepts
1.1 Random variable (Biến ngẫu nhiên)
Definition: A random variable is a quantity whose value represents
the results of a random experiment. It is denoted by X, Y, Z, . . .
Ex 1: Tossing a coin once.
Ω = {T, H}.
We then have
Number 0 represents for T .
Number 1 represents for H.
Let X be the number of times the coin appears heads. It means

0 if the coin appears T
X=
1 if the coin appears H.
Then X ∈ {0; 1} is a random variable.
Calculate the probabilities:
P (X = 0) = P (S) = 1/2.
P (X = 1) = P (N ) = 1/2.
Ex 2: Observe customers entering supermarket A for 1 hour.
Ω = {0 people, 1 people, 2 people, . . . }.

Let X be the number of customers entering supermarket A in 1 hour.
Then the set of values of X is
X ∈ {0; 1; 2; . . .}.

P (X = 0) =??
P (X = 1) =??
...
Việc tính các xác suất này thông qua xác suất theo tần suất! (Qua sát
thực tế nhiều lần)

Ex 3: Study the lifespan of an insect
Ω = (0 day → 7 days ) .
Let X be the insect’s lifespan (days). Then the set of values of X is
X ∈ (0; 7) .

P (X = 1) = 0.
P (0 < X < 1) =??
P (3 < X < 6) =??
...
Việc tính các xác suất này thông qua xác suất theo tần suất! (Qua sát
thực tế nhiều lần)

1.1 Classification of random variables
Based on the set of values, we divide random variables into 2 types:
1 Discrete random variables: are random variables whose values can
be listed from smallest to largest
X ∈ {x1 , x2 , . . . , xn }.
2 Continuous random variables: are random variables whose values

cannot be listed from smallest to largest
X ∈ (m1 ; m2 ) or X ∈ [m1 ; m2 ] .
Continuous random variables related to quantities of time, length,

mass, area, temperature,...
Question 1 : Among the random variables in the previous examples,
which random variables are discrete or continuous?
Question 2: The values of a random variable are random, but do they
follow any rules?
Lesson 2. Probability distribution of r.vs
2.1 Probability distribution of discrete random variables
Le X be a discrete random variable. We find the probability
distribution (phân phối xác suất) of X.
1 Step 1: Determine the set of values of X
X ∈ {x1 , x2 , . . . , xn }.
2 Step 2: Calculate probabilities
▶ P (X = x1 ) = p1
▶ P (X = x2 ) = p2
▶ ...
▶ P (X = xn ) = pn .
3Step 3: The probability distribution of X is
X x1 x2 . . . xn
P p1 p2 . . . pn
Remark:
1 0 ≤ p ≤ 1 for any i = 1, 2, . . . , n.
i
2 p + p + . . . + p = 1.
1 2 n
Ex 4: Consider again the coin example.
1 The set of values of X is
X ∈ {0; 1}.
2 Calculate probabilities
▶ P (X = 0) = 1/2.
▶ P (X = 1) = 1/2.
3 The probability distribution of X is
X 0 1
1 1
P
2 2
Ex 5: A box has 5 blue cards and 3 red cards. Each green card is
rewarded with 5 million VND, while each red card is rewarded with 10
million VND. A person participates in the game as follows: he
randomly selects 3 cards and receives a bonus equal to the total
amount on those 3 cards. Find the probability distribution of the
amount the player is awarded?
Solution: Let X be the amount the player is awarded (million VND).
1 The set of values of X is X ∈ {15; 20; 25; 30}.
C53 5
▶ P (X = 15) = = .
C83 28
C 2C 1 15
▶ P (X = 20) = 5 3 3 = .
C8 28
C51 C32 15
▶ P (X = 25) = = .
C83 56
C33 1
▶ P (X = 30) = 3 = .
C8 56
X 15 20 25 30
5 15 15 1
P
28 28 56 56
Remark:
5 15 15 1
+ + + = 1.
28 28 56 56

2.2 Probability distribution of continuous random
variables
Le X be a continuous random variable. We find the probability
distribution of X.
1 Step 1: Determine the set of values of X
X ∈ (m1 ; m2 ) or X ∈ [m1 ; m2 ] .
2 Step 2: The probability distribution of X is the function f (x) s.t
Z b
P (a < X < b) = P (a ≤ X ≤ b) = f (x)dx,
a
where f (x) is the function that satisfies f (x) ≥ 0 for all x ∈ R and
Z +∞ Z m2
f (x)dx = 1 ⇔ f (x)dx = 1.
−∞ m1
3 Step 3: The function f (x) is called the probability density of X.
The probability density of X
The graph of function f (x) is
In this case, since X ∈ [m1 ; m2 ] , we also have

Z m2
f (x)dx = 1.
m1

Ex 6: The lifespan of an electrical device is a continuous random
variable (years) with the following probability density function

kx(3 − x) if x ∈ [0; 3]
f (x) =
0 if x ∈/ [0; 3]
a) Find the constant k.

b) Calculate the proportion of devices with a lifespan of 1 to 2 years.
c) Assuming the warranty period is 1 year, calculate the percentage
of devices that need warranty?
d) If a store sells 540 products, how many products need warranty?
Solution: a) Let X be the lifespan of an electrical device (years).
Since X ∈ [0; 3] , we have
Z 3 Z 3 Z 3
9 2
1= f (x)dx = kx(3 − x)dx = k x(3 − x)dx = k ⇔k= .
0 0 0 2 9

b) Calculate the proportion of devices with a lifespan of 1 to 2 years
Z 2 Z 2
2 13
P (1 ≤ X ≤ 2) = f (x)dx = x(3 − x)dx = .
1 1 9 27
c) Calculate the percentage of devices that need warranty

Z 1 Z 1
2 7
P (0 ≤ X ≤ 1) = f (x)dx = x(3 − x)dx = .
0 0 9 27
d) The number of products requiring warranty is

7
.540 = 140.
27

Be careful !!!
Remark: Percentage of devices with a lifespan of 2 to 4 years

Z 4
P (2 ≤ X ≤ 4) = f (x)dx
Z2 3 Z 4
= f (x)dx + f (x)dx
Z2 3 3 Z 4
2
= x(3 − x)dx + 0dx
2 9 3
7
= .
27

Lesson 3. Parameters of random variables
3.1 Expectation (Kỳ vọng)
Definiton: Le X be a random variable. Expectation (Mean) of X is
denoted by E(X).
1 If X is a discrete random variable with
X x1 x2 . . . xn
P p1 p2 . . . pn
then we have
n
X
E(X) = x1 p1 + x2 p2 + . . . + xn pn = xi pi .
i=1
For any k = 1, 2, 3, . . .
n
X
E(X k ) = xk1 p1 + xk2 p2 + . . . + xkn pn = xki pi .
i=1
2 If X is a continuous random variable with pdf f (x) then

If X is a continuous random variable with probability density function
f (x) then
Z +∞ Z +∞
E(X) = xf (x)dx; E(X k ) = xk f (x)dx.
−∞ −∞
In the case X ∈ [a; b] then

Z b Z b
E(X) = xf (x)dx; E(X k ) = xk f (x)dx.
a a
Ex 7: Let X be a random variable with the probability distribution

X 0 1 2
P 0, 3 0, 5 0, 2
Then we have
E(X) = 0.0, 3 + 1.0, 5 + 2.0, 2 = 0, 9
E(X 2 ) = 02 .0, 3 + 12 .0, 5 + 22 .0, 2 = 1, 3
E(X 3 ) = 03 .0, 3 + 13 .0, 5 + 23 .0, 2 = 2, 1.
Applications in game theory
Ex 8: A box contains 8 white marbles and 2 red marbles. A person
participates in the game as follows: he randomly chooses 1 ball; If it is
a red ball, he will be rewarded 6,500 VND, if it is a white ball, he will
be fined 1,700 VND. Ask: Is this game fair for players?
Solution: Let X be the amount of money the player gets after 1 game.
X ∈ {−1700; 6500}.
Calculate the probabilities
P (X = −1700) = 8/10; P (X = 6500) = 2/10.
The probability distribution X is
X −1700 6500
P 8/10 2/10
8 2
Then, we obtain E(X) = −1700. + 6500. = −60.
10 10
Thus, each time he plays, on average, he loses −60 VND.
Application in economics
Ex 9: Thống kê cho thấy tỉ lệ xe máy bị tai nạn trong 1 năm ở 1 địa
phương là 1/10000. Một công ty bán 1 hợp đồng bảo hiểm xe máy
trong 1 năm với giá 70000 đồng và quy định mức chi phí bồi thường
cho 1 tai nạn là 10 triệu đồng. Hỏi khi bán 1 hợp đồng thì công ty đó
thu lợi trung bình bào nhiêu tiền? Biết rằng tổng chi phí phát sinh có
liên quan chiếm 30% giá trị hợp đồng.
Solution: Let X be the profit the company gets after selling an
insurance contract.
X ∈ {−9951000; 49000}.
P (X = −9951000) = 1/10000; P (X = 49000) = 9999/10000.
The probability distribution X is
X −9951000 49000
P 1/10000 9999/10000
1 9999
Then, we obtain E(X) = −9951000. + 49000. = 48000.
10000 10000
Expectation of continuous random variables
Ex 10: Let X be a continuous random variable with the following

probability density function

kx(3 − x) if x ∈ [0; 3]
f (x) =
0 if x ∈
/ [0; 3] .
Then we can calculate

Z +∞ Z 3
2 3
E(X) = xf (x)dx = x. x(3 − x)dx = .
−∞ 0 9 2
Z +∞ Z 3
2 2 2 27
E(X ) = x f (x)dx = x2 . x(3 − x)dx = .
−∞ 0 9 10

Properties of expectation
1 E(c) = c, where c is a constant.

Ex: E(4) = 4, E(0) = 0; E(−2) = −2.
2 E(cX) = cE(X).
Ex: Let E(X) = 0, 9 and E(X 2 ) = 1, 3. One has
E(3X) = 3E(X) = 2, 7
E(2X 2 ) = 2E(X 2 ) = 2, 6.
3 E(X ± Y ) = E(X) ± E(Y ).
Ex: Cho E(X) = 0, 9 and E(X 2 ) = 1, 3. One has
E(X + X 2 ) = E(X) + E(X 2 ) = 2, 2;
E(X − 2X 2 ) = E(X) − 2E(X 2 ) = −1, 7.

3.2 Variance (Phương sai)
Definition: Le X be a random variable.
Variance of X is denoted by V (X).
We have
V (X) = E (X − E(X))2

or we can rewrite
V (X) = E(X 2 ) − [E(X)]2 .
X 0 1 2
P 0, 3 0, 5 0, 2
One has: E(X) = 0, 9 and E(X 2 ) = 1, 3.

Then we can deduce that
V (X) = E(X 2 ) − [E(X)]2 = 1, 3 − 0, 92 = 0, 49.

Variance of continuous random variables
( 2
x(3 − x) if x ∈ [0; 3]
f (x) = 9
0 if x ∈
/ [0; 3] .
Then we can calculate
Z +∞ Z 3
2 3
E(X) = xf (x)dx = x. x(3 − x)dx = .
−∞ 0 9 2
Z +∞ Z 3
2 27
E(X 2 ) = x2 f (x)dx = x2 . x(3 − x)dx = .
−∞ 0 9 10
It follows that
2
2 27 2 3 9
V (X) = E(X ) − [E(X)] = − = .
10 2 20
Properties of variance
Let X be a random variable.

1 V (c) = 0, where c is a constant.
Ex: V (4) = 0, V (0) = 0; V (−2) = 0.
2 V (cX) = c2 V (X).
Ex: Let V (X) = 0, 49. One has
V (2X) = 4V (X) = 1, 96.
3 Let X and Y be two independent random variables. We have
V (X ± Y ) = V (X) + V (Y ).
Ex: Let X and Y be two independent random variables and
V (X) = 1, V (Y ) = 2. One has
V (X + Y ) = V (X) + V (Y ) = 3;
V (X − 3Y ) = V (X) + 9V (Y ) = 19.

3.3 Standard deviation (Độ lệch tiêu chuẩn)
Definition: Le X be a random variable.
Standard deviation of X is denoted by σ(X).
We have p
σ(X) = V (X).
p √
Ex 13: Let V (X) = 0, 49 then σ(X) = V (X) = 0, 49 = 0, 7.

Le X be a random variable.
M od(X) is the value of X that has the highest probability.
as follows
X 0 1 2
P 0, 3 0, 5 0, 2
Then we can deduce that M od(X) = 1 since P (X = 1) is the highest

probability.
( 2
x(3 − x) if x ∈ [0; 3]
f (x) = 9
0 if x ∈
/ [0; 3] .
3
Then we can deduce that M od(X) = since function f (x) reaches its
2
maximum value at x = 3/2.
Lesson 4. Some important probability
distributions
4.1 Binomial distribution (Phân phối nhị thức)
Consider again the Bernoulli model consisting of n identical,
independent experiments and at each experiment, P (A) = p remains
constant.
We find the probability distribution of the number of times A occurs in
n times of performing a random experiment.
Let X be the number of times A occurs in n times.
1 X ∈ {0, 1, 2, . . . , n}.
P (X = 0) = Cn0 p0 (1 − p)n
P (X = 1) = Cn1 p1 (1 − p)n−1
...
P (X = n) = Cnn pn (1 − p)0 .
In generally: P (X = k) = Cnk pk (1 − p)n−k với k = 0, 1, 2, . . . , n.

X 0 1 ... n
P Cn0 p0 (1 − p)n Cn1 p1 (1 − p)n−1 ... Cnn pn (1 − p)0
Then X is called the binomial distribution. It is denoted by
X ∼ B(n; p).
Parameters of X
E(X) = np.
V (X) = np(1 − p) = npq với q = 1 − p.
√
σ(X) = npq.
np − q ≤ M od(X) ≤ np + p.
Ex 16: The probability that a seed will germinate is 0.8. One day we
sowed 200 seeds of the same type above.
a) Find the probability distribution of the number of seeds that
germinate.
b) Calculate the probability that 60 seeds will germinate.
c) Calculate the probability that 60 or more seeds will germinate.
d) On average, how many seeds germinate?
e) Find the number of seeds that have the highest probability of
germinating.
Solution: We have n = 200 experiments and the germination
probability p = 0.8 remains constant.
a) Let X number of seeds germinate.
X ∈ {0, 1, 2, . . . , 200}
P (X = k) = C200 k 0.8k 0.2200−k , with k = 0, 1, 2, . . . , 200.
Therefore X ∼ B(200; 0.8).

60 0.860 0.2140
b) P (X = 60) = C200
c) P (X ≥ 60) = P (X = 60) + P (X = 61) + . . . + P (X = 200)
(difficult to calculate)
d) Average E(X) = np = 200.0.8 = 160.
e) M od(X) ∈ [np − q; np + p] = [200.0, 8 − 0, 2; 200.0, 8 + 0, 2]
= [159, 8; 160, 8] .
Therefore M od(X) = 160.

Ex 17: In a locality, 30% of households are poor. On that day, we
randomly selected 74 households to test.
a) Find the probability distribution of the number of poor households
selected.
b) Calculate the probability of selecting from 40 to 42 poor
households.
c) On average, how many poor households are selected?
d) Find the number of selected poor households that has the highest
probability of occurring.

4.2 Normal distribution (Phân phối chuẩn)
Definition: Let X be a continuous random variable. If X has the
probability density as follows
(x − µ)2
1 −
f (x) = √ e 2σ 2 , (σ > 0)
σ 2π
then X is called the normal distribution.
It is denoted by X ∼ N (µ; σ 2 ).
The graph of function f (x) is symmetrical about the line x = µ.

Parameters of X
Let X ∼ N (µ; σ 2 ). One has
1 E(X) = µ.
2 V (X) = σ 2 .
3 σ(X) = σ.
4 M od(X) = µ.
Ex : Let X be human IQ (points). Then X has a normal distribution.

X = (0; 230).
Its the probabilty density function is as follows

Điểm môn toán bất thường ở Hà Giang năm 2018
Năm 2018 ở một số tỉnh có gian lận điểm số trong kỳ thi THPT QG!
Ví dụ: Phổ điểm môn toán chung của Việt Nam và riêng ở Hà Giang
năm 2018

Some normal distributions
For different values of µ and σ 2

Standard normal distribution (Phân phối chuẩn tắc)
Definition: Let X ∼ N (µ; σ 2 ).
If µ = 0 and σ = 1 then X is called a standard normal distribution.
It is denoted by X ∼ N (0; 1).
Then the probability density function takes the form
x2
1 −
f (x) = √ e 2 . (Gauss function)
2π
Graph of Gauss function is
X −µ
Remark: If X ∼ N (µ; σ 2 ) then ∼ N (0; 1).
σ
Laplace function
Let U ∼ N (0; 1). Laplace function is defined by
Z z
1 2
φ(z) = P (0 < U < z) = √ e−x /2 dx.
2π 0
The graph of function φ
Then one has

Z 0 Z 1
1 −x2 /2 1 2 /2
φ(0) = √ e dx = 0, φ(1) = √ e−x dx = 0, 3413.
2π 0 2π 0
Calculator: Mod –> Distribution –> Normal CD –> Lower = 0 and

U pper = z.
Calculate the value of Laplace function
φ(0) = 0, φ(1) = 0, 3413, φ(2) = 0, 4772, φ(2, 25) = 0, 4875.

Properties of Laplace function
φ(−z) = −φ(z).
φ(z) ≈ 0, 5 với mọi z ≥ 5.
Ex: Calculate φ(−6) = −φ(6) ≈ −0, 5.

Probability formula
Let X ∼ N (µ; σ 2 ). We have

b−µ a−µ
1 P (a ≤ X ≤ b) = P (a < X < b) = φ −φ .
σ σ

a−µ
2 P (X ≤ a) = P (X < a) = 0, 5 + φ .
σ

a−µ
3 P (X ≥ a) = P (X > a) = 0, 5 − φ .
σ
ε
4 P (|X − µ| ≤ ε) = P (|X − µ| < ε) = 2φ .
σ
Rule kσ : Replacing ε by kσ in formula 4, it follows that
σ
Rule 1σ : P (|X − µ| ≤ σ) = 2φ = 2φ(1) = 0, 6826.
σ
2σ
Rule 2σ : P (|X − µ| ≤ 2σ) = 2φ = 2φ(2) = 0, 9544.
σ
...

Applications
Ex 20: Human IQ has a normal distribution with an average of 100
points and a standard deviation of 15 points. People whose IQ
deviation is less than 15 points compared to the average are classified as
normal people, with IQ greater than 130 points being very intelligent.
a) Calculate the proportion of people with normal IQ.
b) Calculate the percentage of very intelligent people.
c) Out of 45 people, on average, how many people are very
intelligent?
d) Calculate the probability that out of 10 selected people, 8 people
will have normal IQ.

Solution: Let X be the human IQ. We have
X ∼ N (100; 152 )
where µ = 100 và σ = 15.

a) P (|X − 100| < 15) = 2φ(15/15) = 2φ(1) = 2.0, 3413 = 0, 6826.
We can also calculate by the second way
115−100
− φ 85−100

P (85 < X < 115) = φ 15 15 = 2φ(1) = 0, 6826.
130−100

b) P (X > 130) = 0, 5 − φ 15 = 0, 5 − φ(2) = 0, 5 − 0, 4772 =
0, 0228.
c) n = 45 and p = 0, 0228.
Mean np = 45.0, 0228 = 1, 026.
d) n = 10 and p = 0, 6826.
Applying Bernoulli’s formula
8
P10,8 (85 < X < 115) = C10 0, 68268 0, 31742 = 0, 214.

Các ví dụ áp dụng
Ex 21: Trọng lượng của một loại mì gói có quy luật chuẩn với trung
bình là 72 gam và phương sai là 16 gam2 . Theo quy định những gói có
trọng lượng sai lệch so với trung bình không quá 6 gam được coi là đạt
tiêu chuẩn.
a) Tính tỉ lệ gói mì có trọng lượng nhỏ hơn 72 gam.
b) Tính tỉ lệ gói mì đạt tiêu chuẩn.
c) Một người mua 30 gói mì trên để dùng thì trung bình có bao nhiêu
gói đạt tiêu chuẩn.
d) Tính xác suất trong 20 gói chọn ra thì có ít nhất 18 gói đạt tiêu
chuẩn.

Approximation between binomial and normal
distributions
Let X ∼ B(n; p). We have
P (X = k) = Cnk pk (1 − p)n−k , k = 1, 2, . . . , n.
If n is large enough and 0, 1 < p < 0, 9 then
X ≈ N (np; npq).
Then we can deduce that

(k − np)2
1 −
1 P (X = k) = √ √ e 2npq .
npq 2π

b − np a − np
2 P (a ≤ X ≤ b) = φ √ −φ √ .
npq npq

Ex 22: The probability that a seed will germinate is 0.8. One day we
sowed 200 seeds of the same type above. Calculate the probability that
150 or more seeds will germinate.
Solution: We have n = 200 experiments and the germination
probability p = 0.8 remains constant.
Let X be the number of seeds germinate.
X ∈ {0, 1, 2, . . . , 200}
k 0.8k 0.2200−k , with k = 0, 1, 2, . . . , 200.
and P (X = k) = C200
Therefore X ∼ B(200; 0.8).
Now we calculate
P (X ≥ 150) = P (X = 150) + P (X = 151) + . . . + P (X = 200) !!!!
In this case n = 200 is large enough và p = 0, 8 ∈ (0, 1; 0, 9), so
X ≈ N (200.0, 8; 200.0, 8.0, 2) = N (160; 32).
We calculate again

200 − 160 150 − 160
P (60 ≤ X ≤ 200) = φ √ −φ √
32 32
= φ(7, 07) − φ(−1, 768) ≈ 0, 5 + 0, 461 = 0, 961.
Normal percentile (Phân vị chuẩn)
Let X ∼ N (0; 1) and 0 < α < 1. Find zα such that
P (U < zα ) = α.
Then zα is called the normal percentile with probability level α.
Ex 23: Let α = 0, 5 then z0,5 = 0.

Let α = 0, 95 then z0,95 =?
Calculator: Mod –> Distribution –> Inverse normal –> Area = α.

Appendix normal percentiles
z0,95 = 1, 645; z0,975 = 1, 96; z0,99 = 2, 326; z0,995 = 2, 576.

4.3 Chi-squared distribution (Phân phối Khi bình
phương)
Definition: Let X1 , X2 , . . . , Xn ∼ N (0; 1) and independent.
Put
V = X12 + X22 + . . . + Xn2 .
Then V is called Chi-squared distribution with n degrees of freedom.
It is denoted by V ∼ χ2 (n).
The probability density function has the form

Percentiles of the chi-square distribution (Phân vị Khi
bình phương)
Let V ∼ χ2 (n) and 0 < α < 1.

Find χ2α (n) such that
P (V < χ2α (n)) = α.
Then χ2α (n) is called the percentiles of the chi-square distribution with
n degrees of freedom and with probability level α.

Ex 24: Let V ∼ χ2 (20) and α = 0, 05, one has χ20,05 (20) = 31, 41.

4.4 Student distribution (Phân phối Student)
Definition:: Let U ∼ N (0; 1) and V ∼ χ2 (n) are independent.
Put
U √
T =√ n.
V
Then T is called Student distribution with n degrees of freedom.
It is denoted by T ∼ T (n).
The probability density function has the form
Remark: If n ≥ 30 then T (n) ≈ N (0; 1).

Percentiles of the Student distribution (Phân vị
Student)
Let T ∼ T (n) and 0 < α < 1.
Find tα (n) such that
P (|T | < tα (n)) = α.
Then tα (n) is called the percentiles of the Student distribution with n
degrees of freedom and with probability level α.

Ex 25: Let T ∼ T (19) and α = 0, 025, one has t0,025 (19) = 2, 093.

Exercises
1 Nếu lô hàng có 10 sản phẩm, trong đó có 4 sản phẩm xấu. Mỗi sản
phẩm tốt nặng 3kg, còn mỗi sản phẩm xấu chỉ nặng 2kg. Chọn
ngẫu nhiên 3 sản phẩm từ lô hàng. Gọi X là tổng khối lượng 3 sản
phẩm.
a. Hãy lập bảng phân phối xác suất của X.
b. Tính khối lượng trung bình của 3 sản phẩm chọn ra.
c. Khối lượng của 3 sản phẩm chọn ra có khả năng tin chắc nhất
là bao nhiêu?

2 Một nữ công nhân phụ trách 3 máy dệt tự động. Xác suất để các
máy 1, 2, 3 cần đến sự điều chỉnh của chị trong khoảng thời gian t
tương ứng là 0,1; 0,25; 0,3. Gọi X là số máy cần điều chỉnh trong
thời gian t.
a. Tìm luật phân phối xác suất của X.
b. Tìm kỳ vọng và phương sai của X.

3 Nhu cầu hàng năm về loại hàng A là đại lượng ngẫu nhiên liên tục
X có hàm mật độ như sau (đơn vị: ngàn sản phẩm):

k(30 − x) nếu x ∈ [0; 30]
f (x) =
0 nếu x ∈ / [0; 30] .
a. Tìm hằng số k.
b. Tính xác suất để nhu cầu về loại hàng A không vượt quá 12
ngàn sản phẩm trong một năm.
c. Tính nhu cầu trung bình hằng năm về loại hàng A.

4 Diện tích lá của một loại cây là đại lượng ngẫu nhiên liên tục X
(đơn vị đo là cm2) với hàm mật độ xác suất:
kx2 (x − 2)2 nếu x ∈ [0; 2]

f (x) =
0 nếu x ∈/ [0; 2] .
a. Xác định hằng số k.

b. Tìm phương sai của X.

5 Tỷ lệ mắc bệnh A bẩm sinh trong dân số là p = 0,01. Bệnh này
cần sự chăm sóc đặc biệt lúc mới sinh. Một nhà bảo sanh thường
có 20 ca sinh trong 1 tuần lễ. Tính xác suất để:
a. Không ca nào cần sự chăm sóc đặc biệt.
b. Có 1 trường hợp cần chăm sóc đặc biệt.
c. Có hơn 1 trường hợp cần chăm sóc đặc biệt.

6 Một sinh viên thi trắc nghiệm môn vật lý gồm 100 câu hỏi. Mỗi
câu có 4 đáp án để chọn, trong đó chỉ có 1 đáp án đúng. Giả sử
sinh viên chọn ngẫu nhiên các đáp án của câu hỏi.
a. Tính xác suất sao cho sinh viên đó trả lời đúng 40 câu hỏi.
b. Tính xác suất sao cho sinh viên đó trả lời đúng từ 40 đến 60
câu hỏi.
c. Tính xem số câu hỏi trung bình mà sinh viên đó trả lời đúng là
bao nhiêu?

7 Độ dài của một chi tiết máy là đại ngẫu nhiên có phân phối chuẩn
với trung bình E(X) = 20cm và phương sai V(X) = 0,04 cm2.
a. Lấy ngẫu nhiên một chi tiết máy, tính xác suất để chi tiết này
có độ dài nằm trong khoảng (19,8 cm; 20,1 cm).
b. Những chi tiết sai lệch so với trung bình nhỏ hơn 0,3cm được
coi là loại tốt. Tính tỷ lệ chi tiết loại tốt.
c. Nếu muốn tỷ lệ loại tốt là 90% thì độ dài chi tiết sai lệch so với
trung bình là bao nhiêu?

8 Trọng lượng của trẻ sơ sinh là đại lượng ngẫu nhiên X có phân
phối chuẩn với trọng lượng trung bình là 3kg và độ lệch chuẩn
0,2kg. Biết đứa trẻ sinh ra có trọng lượng tối thiểu là 1,5kg.
a. Tính tỉ lệ trẻ sơ sinh cân nặng từ 3,0kg đến 3,4kg.
b. Trẻ sơ sinh thiếu cân nếu có trọng lượng nhỏ hơn 2,5kg. Tính tỉ
lệ trẻ thiếu cân.

9 Một xí nghiệp sản xuất thuốc viên, mỗi viên có hàm lượng trung
bình là 250mg, độ lệch chuẩn 0,9mg. Viên thuốc gọi là đạt tiêu
chuẩn khi hàm lượng trong khoảng 249mg đến 251mg. Chọn ngẫu
nhiên 100 viên,tính xác suất có hơn 70 viên đạt tiêu chuẩn.

10 Trọng lượng của một con bò là đại lượng ngẫu nhiên có phân phối
chuẩn với giá trị trung bình 250kg và độ lệch tiêu chuẩn là 40kg.
Tìm xác suất để chọn ngẫu nhiên được một con có trọng lượng:
a. Nặng hơn 300kg.
b. Nhẹ hơn 175kg.
c. Nằm trong khoảng từ 260kg đến 270kg.

New Chapter 2 XSTK

Uploaded by

Copyright:

Available Formats

New Chapter 2 XSTK

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

New Chapter 2 XSTK

Uploaded by

Copyright:

Available Formats

Chapter 2.

Lâm Hoàng Chương

Department of Mathematics, College of Natural Sciences, Can Tho University

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 1 / 53

2 The law of probability distribution of random variables

3 Parameters of random variables

4 Some important probability distributions

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 2 / 53

Ω = {0 people, 1 people, 2 people, . . . }.

Calculate the probabilities:

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 4 / 53

Calculate the probabilities:

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 5 / 53

2 Continuous random variables: are random variables whose values

Continuous random variables related to quantities of time, length,

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 9 / 53

In this case, since X ∈ [m1 ; m2 ] , we also have

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 11 / 53

a) Find the constant k.

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 12 / 53

c) Calculate the percentage of devices that need warranty

d) The number of products requiring warranty is

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 13 / 53

Remark: Percentage of devices with a lifespan of 2 to 4 years

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 14 / 53

2 If X is a continuous random variable with pdf f (x) then

In the case X ∈ [a; b] then

Ex 7: Let X be a random variable with the probability distribution

Ex 10: Let X be a continuous random variable with the following

Then we can calculate

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 19 / 53

1 E(c) = c, where c is a constant.

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 20 / 53

One has: E(X) = 0, 9 and E(X 2 ) = 1, 3.

V (X) = E(X 2 ) − [E(X)]2 = 1, 3 − 0, 92 = 0, 49.

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 21 / 53

Let X be a random variable.

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 23 / 53

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 24 / 53

Then we can deduce that M od(X) = 1 since P (X = 1) is the highest

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 26 / 53

Therefore X ∼ B(200; 0.8).

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 28 / 53

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 29 / 53

The graph of function f (x) is symmetrical about the line x = µ.

Ex : Let X be human IQ (points). Then X has a normal distribution.

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 32 / 53

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 33 / 53

For different values of µ and σ 2

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 34 / 53

Then one has

Calculator: Mod –> Distribution –> Normal CD –> Lower = 0 and

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 37 / 53

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 38 / 53

Let X ∼ N (µ; σ 2 ). We have

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 39 / 53

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 40 / 53

where µ = 100 và σ = 15.

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 41 / 53

Lâm Hoàng Chương (CTU) Chapter 2. Random variable Date 24/12/2023 42 / 53