Professional Documents
Culture Documents
Slide05 VN
Slide05 VN
Cơ s lý thuy t xác su t
N i dung
• Các khái ni m cơ b n
• Các bi n ng u nhiên
• Các phân b r i r c (nbr distributions)
• Các bi n ng u nhiên liên t c
• Các phân b liên t c (time distributions)
• Các bi n ng u nhiên khác
2
4. Basic probability theory
3
4. Basic probability theory
T h p c a các s ki n
• H i “A or B”: A ∪ B = {ω ∈ Ω | ω ∈ A or ω ∈ B}
• Giao “A and B”: A ∩ B = {ω ∈ Ω | ω ∈ A and ω ∈ B}
• Bù “not A”: Ac = {ω ∈ Ω | ω ∉ A}
• Các s ki n A và B không giao nhau n u
– A∩B=∅
• M t t p các s ki n {B1, B2, …} là phân ho ch (partition) c a s ki n A n u
– (i) Bi ∩ Bj = ∅ for all i ≠ j
– (ii) ∪i Bi = A A
B1
B3
B2
4
4. Basic probability theory
Xác su t
5
4. Basic probability theory
Xác su t có đi u ki n
P ( A∩ B )
P( A | B) = P ( B )
• Suy ra
P ( A ∩ B) = P( B) P( A | B ) = P( A) P ( B | A)
6
4. Basic probability theory
Đ nh lý xác su t t ng
(vii )
P ( A) = ∑i P ( A ∩ Bi )
• Gi thi t r ng P(Bi) > 0 for all i. Nên (slide 6)
P ( A) = ∑i P ( Bi ) P ( A | Bi )
• Đây là đ nh lý xác su t t ng Ω
B1 B3
A
B4
B2 7
4. Basic probability theory
Bayes’ theorem
P ( A∩ Bi ) P ( Bi ) P ( A|Bi )
P ( Bi | A) = P ( A)
= P ( A)
P ( Bi ) P ( A| Bi )
P ( Bi | A) =
∑ j P ( B j ) P ( A|B j )
• Đây là đ nh lý Bayes
– Các xác su t P(Bi) đư c g i là các xác su t tiên nghi m (a priori
probabilities) c a các s ki n Bi
– Các xác su t P(Bi | A) đư c g i là các xác su t h u nghi m (a
posteriori) c a các s ki n Bi (bi t trư c s ki n A đã x y ra) 8
4. Basic probability theory
Tính ch t đ c l p th ng kê c a các s ki n
• Đ nh nghĩa: Các s ki n A và B là đ c l p n u
P( A ∩ B ) = P( A) P ( B)
• Suy ra
P ( A∩ B ) P ( A) P ( B )
P( A | B ) = P ( B ) = P ( B ) = P ( A)
• Tương t :
P ( A∩ B ) P ( A) P ( B )
P( B | A) = P ( A) = P ( A)
= P( B)
9
4. Basic probability theory
Các bi n ng u nhiên
{ X ≤ x} : ={ω ∈ Ω | X (ω ) ≤ x} ⊂ Ω
đ u thu c t p các s ki n, t c là
{X ≤ x} ∈
10
4. Basic probability theory
Ví d
• Tung m t đ ng xu ba l n
• Sample space:
X(ω) 0 1 1 1 2 2 2 3
11
4. Basic probability theory
Ch th c a các s ki n
• Đ tA∈ là m t s ki n b t k
• Đ nh nghĩa: Ch th c a m t s ki n A là m t bi n ng u nhiên đư c
đ nh nghĩa như sau:
1, ω ∈ A
1A (ω ) =
0, ω ∉ A
• Rõ ràng:
P{1A = 1} = P( A)
P{1A = 0} = P ( Ac ) = 1 − P( A)
12
4. Basic probability theory
FX ( x) = P{ X ≤ x}
• Cdf xác đ nh phân b c a bi n ng u nhiên,
– t c là: các xác su t P{X ∈ B}, trong đó B ⊂ ℜ và {X ∈ B} ∈
• Tính ch t:
– (i) FX không gi m
– (ii) FX is liên t c t bên ph i 1
– (iii) FX (−∞) = 0 FX(x)
– (iv) FX (∞) = 1
x
0
13
4. Basic probability theory
P{ X ≤ x, Y ≤ y} = P{ X ≤ x}P{Y ≤ y}
P{ X 1 ≤ x1,..., X n ≤ xn } = P{ X1 ≤ x1}L P{ X n ≤ xn }
14
4. Basic probability theory
P{ X max ≤ x} = P{ X 1 ≤ x, K , X n ≤ x}
= P{ X 1 ≤ x}L P{ X n ≤ x}
• Ký hi u: Xmin := min{X1,…, Xn}. Thì
15
4. Basic probability theory
Contents
• Các khái ni m cơ b n
• Các bi n ng u nhiên
• Các phân b r i r c (nbr distributions)
• Các bi n ng u nhiên liên t c
• Các phân b liên t c (time distributions)
• Các bi n ng u nhiên khác
16
4. Basic probability theory
Các bi n ng u nhiên r i r c
• Đ nh nghĩa: T p A ⊂ ℜ đư c g i là r i r c n u nó
– h u h n, A = {x1,…, xn}, or
– vô h n đ m đư c, A = {x1, x2,…}
• Đ nh nghĩa: Bi n ng u nhiên X là r i r c n u có t p r i r c SX ⊂ ℜ
sao cho
P{ X ∈ S X } = 1
• Suy ra
– P{X = x} ≥ 0 for all x ∈ SX
– P{X = x} = 0 for all x ∉ SX
• T p SX đư c g i là t p giá tr
17
4. Basic probability theory
Các xác su t đi m
• Đ t X là m t bi n ng u nhiên r i r c
• Phân b c a X đư c xác đ nh b i các xác su t đi m (point probabilities) pi,
pi := P{ X = xi }, xi ∈ S X
• Đ nh nghĩa: Hàm kh i xác su t (probability mass function) c a X là m t hàm
pX: ℜ → [0,1] đư c đ nh nghĩa như sau:
pi , x = xi ∈ S X
p X ( x) := P{ X = x} =
0, x ∉ S X
• Cdf trong trư ng h p này là m t hàm b c thang:
FX ( x) = P{ X ≤ x} = ∑ pi
i: xi ≤ x
18
4. Basic probability theory
Example
pX(x) FX(x)
1 1
x x
x1 x2 x3 x4 x1 x2 x3 x4
probability mass function (pmf) cumulative distribution function (cdf)
• Các bi n ng u nhiên r i r c X và Y là đ c l p n u và ch n u
v i t t c xi ∈ SX và yj ∈ SY
P{ X = xi , Y = y j } = P{ X = xi }P{Y = y j }
20
4. Basic probability theory
K v ng
µ X := E[ X ] := ∑ P{ X = x} ⋅ x = ∑ p X ( x) x = ∑ pi xi
x∈S X x∈S X i
– Note 1: K v ng ch t n t i n u Σi pi|xi| < ∞
– Note 2: N u Σi pi xi = ∞, thì có th ký hi u E[X] = ∞
• Tính ch t:
– (i) c ∈ ℜ ⇒ E[cX] = cE[X]
– (ii) E[X + Y] = E[X] + E[Y]
– (iii) X and Y independent ⇒ E[XY] = E[X]E[Y]
21
4. Basic probability theory
Variance
D 2 [ X ] = E[ X 2 ] − E[ X ]2
• Tính ch t:
– (i) c ∈ ℜ ⇒ D2[cX] = c2D2[X]
– (ii) X and Y independent ⇒ D2[X + Y] = D2[X] + D2[Y]
22
4. Basic probability theory
Covariance
Cov[ X , Y ] = E[ XY ] − E[ X ]E[Y ]
• Tính ch t:
– (i) Cov[X,X] = Var[X]
– (ii) Cov[X,Y] = Cov[Y,X]
– (iii) Cov[X+Y,Z] = Cov[X,Z] + Cov[Y,Z]
– (iv) X and Y independent ⇒ Cov[X,Y] = 0
23
4. Basic probability theory
σ X := D[ X ] := D 2 [ X ] = Var [ X ]
• Đ nh nghĩa: H s l ch c a X đư c đ nh nghĩa b i
D[ X ]
c X := C[ X ] := E[ X ]
µ (Xk ) := E[ X k ]
24
4. Basic probability theory
E[ X n ] = µ
2 σ 2
D [Xn] = n
D[ X n ] = σ
n
25
4. Basic probability theory
Các đ nh lu t s l n (LLN)
P{| X n − µ |> ε } → 0
• Strong law of large numbers: with probability 1
Xn → µ
26
4. Basic probability theory
Contents
• Các khái ni m cơ b n
• Các bi n ng u nhiên
• Các phân b r i r c (nbr distributions)
• Các bi n ng u nhiên liên t c
• Các phân b liên t c (time distributions)
• Các bi n ng u nhiên khác
27
4. Basic probability theory
Phân b Bernoulli
28
4. Basic probability theory
Phân b nh th c
()
• Point probabilities:
P{ X = i} = in p i (1 − p ) n − i
• Mean value: E[X] = E[X1] + … + E[Xn] = np
• Variance: D2[X] = D2[X1] + … + D2[Xn] = np(1 − p) (independence!)
29
4. Basic probability theory
Phân b hình h c
X ∼ Geom( p ), p ∈ (0,1)
– s l n thành công cho đ n khi có th t b i đ u tiên trong m t lo t các thí
nghi m đ c l p (ki u Bernoulli)
– p = xác su t thành công trong m t l n thí nghi m b t k
• Value set: SX = {0,1,…}
• Point probabilities:
P{ X = i} = p i (1 − p )
• Mean value: E[X] = ∑i ipi(1 − p) = p/(1 − p)
• Second moment: E[X2] = ∑i i2pi(1 − p) = 2(p/(1 − p))2 + p/(1 − p)
• Variance: D2[X] = E[X2] − E[X]2 = p/(1 − p)2
30
4. Basic probability theory
P{ X ≥ i + j | X ≥ i} = P{ X ≥ j}
• Prove!
– Tip: Prove first that P{X ≥ i} = pi
31
4. Basic probability theory
min 1 − pi
P{ X = X i } = 1 − p p , i ∈ {1,2}
1 2
• Prove!
– Tip: See slide 15
32
4. Basic probability theory
Phân b Poisson
X ∼ Poisson (a ), a > 0
– gi i h n c a phân b nh th c khi n → ∞ và p → 0 sao cho np → a
• Value set: SX = {0,1,…}
• Point probabilities:
a i −a
P{ X = i} = e
i!
• Mean value: E[X] = a
• Second moment: E[X(X −1)] = a2 ⇒ E[X2] = a2 + a
• Variance: D2[X] = E[X2] − E[X]2 = a
33
4. Basic probability theory
Example
• Gi thi t
– 200 thuê bao n i đ n m t t ng đài n i h t
– lưu lư ng c a m i thuê bao là 0.01 erlang
– thuê bao ho t đ ng đ c l p v i nhau
• S cu c g i ho t đ ng là X ∼ Bin(200,0.01)
• Tương t , s d ng phân b Poisson g n đúng X ≈ Poisson(2.0)
• Point probabilities:
0 1 2 3 4 5
34
4. Basic probability theory
Tính ch t
X 1 + X 2 ∼ Poisson (a1 + a2 )
• (ii) Random sample: Gi thi t X ∼ Poisson(a) ký hi u s ph n t trong
m t t p, và Y ký hi u kích thư c c a m t m u ng u nhiên trong t p này
(m i ph n t đư c l y đ c l p v i xác su t p). Thì
Y ∼ Poisson ( pa )
• (iii) Random sorting: Gi thi t X và Y đư c đ nh nghĩa như (ii), và
Z = X − Y. Thì
Y and Z are independent (given that X is unknown) and
Z ∼ Poisson ((1 − p)a )
35
4. Basic probability theory
Contents
• Các khái ni m cơ b n
• Các bi n ng u nhiên
• Các phân b r i r c (nbr distributions)
• Các bi n ng u nhiên liên t c
• Các phân b liên t c (time distributions)
• Các bi n ng u nhiên khác
36
4. Basic probability theory
Example
fX(x) FX(x)
1
x x
x1 x2 x3 x1 x2 x3
probability density function (pdf) cumulative distribution function (cdf)
SX = [x1, x3]
38
4. Basic probability theory
39
4. Basic probability theory
Contents
• Các khái ni m cơ b n
• Các bi n ng u nhiên
• Các phân b r i r c (nbr distributions)
• Các bi n ng u nhiên liên t c
• Các phân b liên t c (time distributions)
• Các bi n ng u nhiên khác
40
4. Basic probability theory
Phân b đ u
1
f X ( x) = , x ∈ ( a, b)
b−a
• Cumulative distribution function (cdf):
FX ( x) := P{ X ≤ x} = x − a , x ∈ (a, b)
b−a
• Mean value: E[X] = ∫ab x/(b − a) dx = (a + b)/2
• Second moment: E[X2] = ∫ab x2/(b − a) dx = (a2 + ab + b2)/3
• Variance: D2[X] = E[X2] − E[X]2 = (b − a)2/12
41
4. Basic probability theory
Phân b đ u
Phân b mũ
X ∼ Exp(λ ), λ > 0
– b n sao liên t c c a phân b hình h c (xác su t “th t b i” ≈ λdt)
• T p giá tr : SX = (0,∞)
• Probability density function (pdf):
f X ( x) = λe −λx , x > 0
• Cumulative distribution function (cdf):
FX ( x) = P{ X ≤ x} = 1 − e −λx , x > 0
• Mean value: E[X] = ∫0∞ λx exp(−λx) dx = 1/λ
• Second moment: E[X2] = ∫0∞ λx2 exp(−λx) dx = 2/λ2
• Variance: D2[X] = E[X2] − E[X]2 = 1/λ2
42
4. Basic probability theory
Phân b mũ
– Prove!
• Tip: Prove first that P{X > x} = e−λx
• ng d ng:
– Gi thi t r ng th i gian gi máy phân b mũ v i trung bình h (phút).
– Xét m t cu c g i đã kéo dài x phút.
Do tính ch t không nh ,
thông tin này không cho bi t th i gian gi máy ti p theo : nó có phân b
như th i gian gi máy g c và, trung bình v n kéo dài h phút!
43
4. Basic probability theory
C c ti u c a các bi n ng u nhiên mũ
• Prove!
– Tip: See slide 15
44
4. Basic probability theory
X ∼ N(0,1)
– gi i h n c a t ng “chu n hóa” c a các bi n ng u nhiên IID v i trung
bình 0 và phương sai 1 (cf. slide 48)
• T p giá tr : SX = (−∞,∞)
• Hàm m t đ xác su t (pdf):
− 12 x 2
f X ( x) = ϕ ( x) := 1
2π
e
• Hàm phân b xác su t (cdf):
x
FX ( x) := P{ X ≤ x} = Φ ( x) := ∫− ∞ ϕ ( y ) dy
• Mean value: E[X] = 0 (pdf đ i x ng)
• Variance: D2[X] = 1
45
4. Basic probability theory
X ∼ N( µ , σ 2 ), µ ∈ ℜ, σ > 0
– N u (X − µ)/σ ∼ N(0,1)
• T p giá tr : SX = (−∞,∞)
• Hàm m t đ xác su t (pdf):
f X ( x) = FX ' ( x) = σ1 ϕ ( )
x−µ
σ
• Hàm phân b xác su t (cdf):
FX ( x) := P{ X ≤ x} = P σ {X −µ
≤ σ
x−µ
}= Φ( )
x−µ
σ
• Mean value: E[X] = µ + σE[(X − µ)/σ] = µ (pdf đ i x ng xung quanh µ)
• Variance: D2[X] = σ2D2[(X − µ)/σ] = σ2
46
4. Basic probability theory
X 1 + X 2 ∼ N( µ1 + µ 2 , σ 12 + σ 22 )
• (iii) Sample mean: Gi thi t Xi ∼ N(µ,σ2), i = 1,…n, là đ c l p và
IID. Thì
n
X n := 1n 1σ 2)
∑ i
X ∼ N ( µ , n
i =1
47
4. Basic probability theory
X n ≈ N ( µ , 1n σ 2 )
48
4. Basic probability theory
Contents
• Các khái ni m cơ b n
• Các bi n ng u nhiên
• Các phân b r i r c (nbr distributions)
• Các bi n ng u nhiên liên t c
• Các phân b liên t c (time distributions)
• Các bi n ng u nhiên khác
49
4. Basic probability theory
1
FW(x)
1−ρ
x
0 0
50