Professional Documents
Culture Documents
3 Các kỳ vọng
3 Các kỳ vọng
4 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
SX = {0, 1, 2, 3}
Các xác suất tương ứng:
Với x < 0:
FX (x) = 0
Với 0 ≤ x < 1:
FX (x) = P [X = 0] = 1/8
5 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Với 1 ≤ x < 2:
Với 2 ≤ x < 3:
Với x ≥ 3:
6 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Tổng thể
0, x<0
1/8, 0≤x<1
FX (x) = 1/2, 1≤x<2
7/8, 2≤x<3
1, x≥3
7 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Với x < 0:
FX (x) = P [X ≤ x] = P [∅] = 0
Với 0 ≤ x ≤ 1:
FX (x) = P [X ≤ x] = P [0 ≤ θ ≤ 2π] = 1
8 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Tổng thể
0, x < 0
FX (x) = x, 0 ≤ x ≤ 1
1, x > 1
a = 0, b = 1
9 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
1 0 ≤ FX (x) ≤ 1
2 lim FX (x) = 1
x→∞
3 lim FX (x) = 0
x→−∞
10 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
CDF của một biến ngẫu nhiên rời rạc là một hàm bậc thang, liên tục
phải của x, các bước nhảy được thực hiện tại các điểm x0 , x1 , x2 , . . .
X X
FX (x) = pX (xk ) = pX (xk )u(x − xk )
xk ≤x k
với pX (xk ) là hàm xác suất khối PMFs và u(x) là hàm nhảy bậc
đơn vị.
Các xác suất được tính như tổng của PMF tại các điểm rời rạc.
11 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
CDF của một biến ngẫu nhiên liên tục là liên tục tại mọi điểm và
được cho bởi:
Z x
FX (x) = f (λ)dλ
−∞
12 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
CDF của một biến ngẫu nhiên kết hợp không chỉ nhảy bậc tại các
điểm rời rạc có thể đếm được x0 , x1 , x2 , . . ., mà còn tăng liên tục
trên ít nhất một khoảng giá trị x nào đó:
với 0 < p < 1 là xác suất biến ngẫu nhiên là rời rạc/liên tục, Fd (x)
là CDF của biến ngẫu nhiên rời rạc và Fc (x) là CDF của biến ngẫu
nhiên liên tục.
13 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
14 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
15 / 76
Nội dung
3 Các kỳ vọng
Definition
Hàm mật độ xác suất (PDF) của X
d
fX (x) = FX (x)
dx
17 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Xét xác suất để X nằm trong một khoảng nhỏ (x, x + h]), ta có:
[FX (x + h) − FX (x)]
P [x < X ≤ x + h] = FX (x + h) − FX (x) = h
h
d
Khi h rất nhỏ thì h → dx và fX (x) = dx FX (x), hay PDF biểu diễn
mật độ xác suất tại điểm x và P [x < X ≤ x + h] ∼= fX (x)dx.
18 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
19 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
1 Do CDF là hàm không giảm của x, nên PDF là một hàm không âm:
fX (x) ≥ 0
2 Xác suất của một khoảng [a, b] là diện tích được chặn bởi fX (x)
trong khoảng đó:
Z b
P [a ≤ X ≤ b] = fX (x)dx
a
20 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
3 PDF xác định toàn bộ đặc điểm của biến ngẫu nhiên liên tục:
Z x
FX (x) = fX (λ)dλ
−∞
Một PDF có thể được tạo thành từ bất kì hàm liên tục, không âm
g(x) có tích phân hữu hạn
Z ∞
g(x)dx = c < ∞ =⇒ fX (x) = g(x)/c.
−∞
21 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Biết CDF
0, x<0
81 , 0≤x<1
FX (x) = 21 , 1≤x<2
7
8, 2≤x<3
1, x≥3
Làm sao tính được PDF?
Chúng ta không thể thực hiện việc vi phân CDF do vi phân CDF
không tồn tại tại các điểm rời rạc (x = 0, 1, 2, 3) !!!
22 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Biết rằng CDF của một biến ngẫu nhiên rời rạc được cho bởi:
X
FX (x) = pX (xk )u(x − xk )
k
Do đó: " #
Z x X
FX (x) = pX (xk )δ(t − xk ) dt
−∞ k
23 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Do đó, PDF của một biến ngẫu nhiên rời rạc là:
d X
fX (x) = FX (x) = pX (xk )δ(x − xk )
dx
k
d
Chúng ta có thể sử dụng định nghĩa fX (x) = dx FX (x) cho cả biến
ngẫu nhiên rời rạc và liên tục.
Quay trở lại ví dụ:
0, x<0
1
8, 0≤x<1
FX (x) = 21 , 1≤x<2
7
8, 2≤x<3
1, x≥3
24 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
25 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
P [{X ≤ x} ∩ C]
FX (x|C) = , if P [C] > 0
P [C]
PDF điều kiện của biến ngẫu nhiên X với điều kiện C cho bởi:
d
fX (x|C) = FX (x|C)
dx
26 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
n
X
FX (x) = FX (x|Bi )P [Bi ]
i=1
n
X
fX (x) = fX (x|Bi )P [Bi ]
i=1
27 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
Một hệ truyền tin nhị phân gửi bit “0” bằng cách phát tín hiệu có điện áp
−v, và bit “1” bằng cách phát điện áp +v bị ảnh hưởng bởi nhiễu. Gọi X
2
là tín hiệu được phát đi, N là nhiễu với PDF fN (x) = √12π e−x . Tín hiệu
thu được cho bởi: Y = X + N . Giả thiết rằng P [1] = p. Tính PDF của
Y.
Nếu bit “0” được phát, thì X = −v, do đó Y = −v + N . Biến cố
Y ≤ x tương đương với −v + N ≤ x, và do đó N ≤ x + v.
Nếu bit “1” được phát, thì X = v, do đó Y = v + N . Biến cố Y ≤ x
tương đương với v + N ≤ x, và do đó N ≤ x − v
28 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
29 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
30 / 76
Nội dung
3 Các kỳ vọng
Nói chung, chúng ta có thể diễn đạt giá trị kỳ vọng dưới dạng PDF
như sau:
Definition
Giá trị kỳ vọng của X được cho bởi
Z ∞
µX = E[X] = xfX (x)dx
−∞
32 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Trung bình µX là tâm khối của phân bố: Trung bình số học của tất
cả các điểm được trọng số bởi mật độ "local" hoặc một trọng số
xác định
Khi X là rời rạc:
" #
Z ∞ X
E[X] = x pX (xk )δ(x − xk ) dx
−∞ k
X Z ∞
= xδ(x − xk )dx pX (xk )
k −∞
X
= xk pX (xk )
k
33 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Tương tự, chúng ta có thể biểu diễn các moment khác dưới dạng
PDF của X:
Definition
Moment bậc n-th của X được cho bởi
Z ∞
E[X n ] = xn fX (x)dx
−∞
Giả thiết Y = g(X). Thì, giá trị kỳ vọng của Y được cho bởi
Z ∞
E[Y ] = g(x)fX (x)dx
−∞
34 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
Cho Y = a cos(ωt + Θ) với a, ω, t là hằng số, và Θ biến ngẫu nhiên
phân bố đều trong khoảng [0, 2π]. Biến ngẫu nhiên Y hình thành ứng với
giá trị pha Θ ngẫu nhiên. Tìm giá trị kỳ vọng của Y và giá trị kỳ vọng
của Y 2 .
Z 2π
1
E[Y ] = E[a cos(ωt + Θ)] = a cos(ωt + θ) dθ
0 2π
= −a sin(ωt + θ)|2π
0 =0
a2 a2
E[Y 2 ] = E[a2 cos2 (ωt + Θ)] = E[ + cos(2ωt + 2Θ)]
2 2
a2 a2 2π a2
Z
1
= + cos(2ωt + 2θ) dθ =
2 2 0 2π 2
35 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
2
Phương sai (σX )
2
Ký hiệu phương sai của X: V AR[X] hoặc σX
Definition
Phương sai của X được tính bởi
2
σX = E[(X − µX )2 ]
2
Biểu thức rút gọn: σX = E[X 2 ] − µ2X
Độ lệch chuẩn của X là σX
36 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
2
σX đo độ trải của PDF xung quanh µX
37 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Độ nghiêng (γX )
Definition
Độ nghiêng của X được tính bởi:
" 3 #
X − µX
γX = E
σX
3 Các kỳ vọng
Biến ngẫu nhiên rời rạc Biến ngẫu nhiên liên tục
1 Bernoulli 1 Uniform
2 Binomial 2 Exponential
3 Geometric 3 Gaussian (normal)
4 Uniform 4 Gamma
5 Poisson 5 Laplacian
6 Zipf 6 Rayleigh
7 Cauchy
8 Pareto
9 Beta
40 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Definition
Biến ngẫu nhiên phân bố đều xuất hiện trong các trường hợp tất cả các
giá trị trong một khoảng số thực xuất hiện như nhau. Biến ngẫu nhiên
phân bố đều X trong khoảng [a, b] có PDF:
(
1
b−a , a≤x≤b
fX (x) =
0, x < a và x > b
41 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Kỳ vọng
a+b
E[X] =
2
Phương sai
(b − a)2
V AR[X] =
2
42 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Definition
Biến ngẫu nhiên phân bố mũ xuất hiện trong mô hình thời gian giữa các
biến cố (ví dụ: thời gian giữa hai khách hàng để thực hiện cuộc gọi), và
trong mô hình thời gian sống của thiết bị/hệ thống. Biến ngẫu nhiên
phân bố mũ X với tham số λ có PDF:
(
0, x<0
fX (x) = −λx
λe , x≥0
43 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Kỳ vọng
1
E[X] =
λ
Phương sai
1
V AR[X] =
λ2
44 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Definition
Biến ngẫu nhiên phân bố mũ xuất hiện trong mô hình thời gian giữa các
biến cố, và trong mô hình thời gian sống của thiết bị/hệ thống. Biến
ngẫu nhiên phân bố mũ X với tham số λ có PDF:
(
0, x<0
fX (x) = −λx
λe , x≥0
45 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Definition
Rất nhiều hiện tượng trong tự nhiên cũng như do con người tạo ra liên
quan đến biến ngẫu nhiên X là tổng của nhiều biến ngẫu nhiên có cùng
phân bố. Việc mô tả chính xác X dưới dạng các biến ngẫu nhiên thành
phần quá phức tạp và khó thực hiện. Một cách tổng quát, khi số lượng
biến ngẫu nhiên lớn, CDF của X tiến tới biến ngẫu nhiên phân bố
Gauss, và được gọi là phân bố chuẩn. Biến ngẫu nhiên phân bố Gauss
X có PDF:
1 2 2
fX (x) = √ e−(x−m) /2σ , −∞ ≤ x ≤ ∞
2πσ
với m và σ lần lượt là giá trị trung bình và độ lệch chuẩn của X.
47 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Q(x) = 1 − Φ(x)
49 / 76
Nội dung
3 Các kỳ vọng
Definition
Y = g(X) là hàm của biễn ngẫu nhiên X. Y cũng là một biến ngẫu
nhiên.
Xác suất để Y nhận một giá trị nào đó phụ thuộc vào hàm g(x) và CDF
của X.
P [Y in C] = P [g(X) in C] = P [X in B]
Z ∞
E[g(X)] = g(x)fX (x)dx
−∞
51 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
Cho Y = aX + b với a 6= 0 là hằng số. Giả thiết X có CDF là FX (x).
Tính CDF FY (y).
52 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
53 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
X là biến ngẫu nhiên có phân bố Gauss với giá trị trung bình m và độ
lệch chuẩn σ:
1 2 2
fX (x) = √ e−(x−m) /2σ , −∞ ≤ x ≤ ∞
2πσ
54 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
1 2 2
fY (y) = √ e−(y−b−am) /2(aσ)
2π|a|σ
Như vậy, Y cũng là một biến ngẫu nhiên phân bố Gauss với giá trị trung
bình (b + am) và độ lệch chuẩn (aσ).
Hàm tuyến tính của một biến ngẫu nhiên Gauss cũng là một biến
ngẫu nhiên Gauss.
55 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
X là biến ngẫu nhiên có phân bố Gauss với giá trị trung bình m và độ
lệch chuẩn σ:
1 2 2
fX (x) = √ e−(x−m) /2σ , −∞ ≤ x ≤ ∞
2πσ
Cho Y = X 2 . Tính CDF FY (y) và PDF fY (y). Nhận xét về phân bố của
biến ngẫu nhiên Y .
56 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
3 Các kỳ vọng
E[X]
P [X ≥ a] ≤ với X không âm
a
59 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
Chiều cao trung bình của một học sinh lớp 1 là 100 cm. Tính đường bao
trên của xác suất để chiều cao của một học sinh trong lớp lớn hơn hoặc
bằng 150 cm.
60 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
61 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Definition
Bất đẳng thức Chebyshev
σ2
P [|X − m| ≥ a] ≤
a2
62 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
Một hệ thống máy tính đa người dùng có giá trị trung bình và độ lệch
chuẩn của thời gian đáp ứng lần lượt là 15s và 3s. Ước tính xác suất để
thời gian đáp ứng lệch so với giá trị trung bình nhiều hơn 5s.
63 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
64 / 76
Nội dung
3 Các kỳ vọng
66 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Definition
Hàm đặc trưng của một biến ngẫu nhiên X được định nghĩa bởi:
Z ∞
jωX
ΦX (ω) = E[e ]= ejωx fX (x)dx
−∞
Nếu coi ΦX (ω) là phép biến đổi Fourier, thì phép biến đổi Fourier ngược
sẽ là: Z ∞
1
fX (x) = ΦX (ω)e−jωx dω
2π −∞
67 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
Biến ngẫu nhiên mũ có PDF:
fX (X) = λe−λx
68 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
Biến ngẫu nhiên Geometric có:
∞ ∞
X X p
= p(1 − p)k ejωk = p [(1 − p)ejω ]k =
1 − (1 − p)ejω
k=0 k=0
69 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
70 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
∞
(jωx)2 (jωx)n
Z
ΦX (ω) = 1 + jωx + + ··· + fX (x)dx
−∞ 2! n!
dn
n n n1 dn
Φ (ω) = j E[X ] ⇒ E[X ] = n n ΦX (ω)
X
dω n j dω
ω=0 ω=0
71 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Example
Biến ngẫu nhiên mũ có PDF: fX (x) = λe−λx với x ≥ 0 và λ > 0.
Và hàm đặc trưng:
λ
ΦX (ω) =
λ − jω
Tính E[X] và V AR[X] sử dụng hàm đặc trưng ΦX (ω).
72 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Definition
Hàm tạo xác suất - Probability generating function GN (n) của một
biến ngẫu nhiên N có giá trị nguyên không âm (biến ngẫu nhiên rời rạc
không âm) được định nghĩa bởi:
∞
X
GN (z) = E[z N ] = pN (k)z k
k=0
Biểu thức thứ nhất là giá trị kỳ vọng một hàm của N , z N . Biểu thức thứ
hai là biến đổi Z của hàm PMF (pN (k)). Ngoài ra, mối quan hệ giữa
hàm đặc trưng và hàm G là: ΦN (ω) = GN (ejω ). Khi đó,
1 dk
pN (k) = G (z)
N
k! dz k
z=0
74 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
∞
∞
d2 X X
G (z) = pN (k)k(k − 1)z k−2 = k(k − 1)pN (k)
N
dz 2
z=1 k=0 z=1 k=0
∞
X ∞
X
= k 2 pN (k) − kpN (k) = E[N 2 ] − E[N ]
k=0 k=0
75 / 76
CDF PDF Các kỳ vọng Một số biến ngẫu nhiên quan trọng Hàm của biến ngẫu nhiên Bất đẳng thức Markov và Chebyshev Các phương pháp biến đổi
Definition
Biến đổi Laplace của PDF được áp dụng đối với các biến ngẫu nhiên
liên tục không âm như sau:
Z ∞
∗
X (s) = fX (x)e−sx dx = E[e−sX ]
0
X ∗ (s) được coi như biến đổi Laplace của PDF hoặc moment bậc nhất
của e−sX - hàm của X.
Tính các moment từ X ∗ (s)
n
d
E[X n ] = (−1)n n X ∗ (s)
ds
s=0
76 / 76