Chương 2: Đại lượng ngẫu nhiên và luật phân phối xác suất

Đại lượng ngẫu nhiên
Khái niệm
Phân loại
Chương 2 Luật phân phối xác

suất
Phân phối xác suất
Hàm phân phối xác suất
Đại lượng ngẫu nhiên và luật phân Các tham số đặc trưng
Kì vọng
phối xác suất

Phương sai, độ lệch chuẩn
Mode
Phân vị, trung vị
Vector ngẫu nhiên
Bài giảng Lý thuyết xác suất Khái niệm

Các tham số đặc trưng
Lê Phương
Khoa Toán Kinh tế
Trường Đại học Kinh tế - Luật
Đại học Quốc Gia TP. Hồ Chí Minh
2.1
Nội dung Đại lượng ngẫu nhiên
Khái niệm
Phân loại
Luật phân phối xác

1 Đại lượng ngẫu nhiên suất
Khái niệm Hàm phân phối xác suất
Phân loại Các tham số đặc trưng

Kì vọng
2 Luật phân phối xác suất Mode
Phân phối xác suất Vector ngẫu nhiên
Hàm phân phối xác suất Khái niệm
3 Các tham số đặc trưng

Kì vọng
Mode
4 Vector ngẫu nhiên

Khái niệm
2.2
Khái niệm Đại lượng ngẫu nhiên
Khái niệm
Phân loại

Định nghĩa suất
Hàm số X : Ω → R được gọi là đại lượng ngẫu nhiên hay biến Hàm phân phối xác suất

ngẫu nhiên (random variable). Kì vọng
Mode
Ví dụ
Khái niệm
1 Gọi X là số lần xuất hiện mặt ngửa khi tung một đồng xu Phân phối xác suất
cân đối 5 lần thì X có thể nhận các giá trị 0, 1, 2, 3, 4, 5.
2 Gọi Y là chiều cao của cây cà phê trưởng thành (đơn vị:
mét) thì Y có thể nhận các giá trị thuộc tập hợp [1, 10].
Kí hiệu
1 X (Ω): tập hợp các giá trị mà X có thể nhận.

2 (X ∈ A) = {X ∈ A} := {ω ∈ Ω : X (ω) ∈ A} với A ⊂ R.
3 (a ≤ X ≤ b) = {a ≤ X ≤ b} := {ω ∈ Ω : a ≤ X (ω) ≤ b}.
2.4
Phân loại Đại lượng ngẫu nhiên
Khái niệm
Phân loại
Đại lượng ngẫu nhiên rời rạc Luật phân phối xác
suất
Đại lượng ngẫu nhiên là rời rạc nếu tập giá trị của nó là đếm Phân phối xác suất
được Các tham số đặc trưng
• hữu hạn: X (Ω) = {x1 , x2 , . . . , xn }, Kì vọng
• vô hạn đếm được: X (Ω) = {x1 , x2 , . . . , xn , . . . }. Mode

Ví dụ: Khái niệm

1 Gọi X là tổng số chấm nhận được sau khi tung 2 xúc sắc Các tham số đặc trưng
X (Ω) = {2, 3, . . . , 12},

2 Gọi X là số phế phẩm của một nhà máy từ khi thành lập
X (Ω) = {0, 1, . . . }.
Đại lượng ngẫu nhiên liên tục

Đại lượng ngẫu nhiên là liên tục nếu tập giá trị của nó là một
khoảng (hay một số khoảng hay toàn bộ trục số R).
Ví dụ:
1 lượng mưa trong một ngày ở TP. Hồ Chí Minh,
2 khoảng thời gian giữa 2 cuộc gọi liên tiếp đến một tổng đài
điện thoại. 2.6
Phân phối xác suất Đại lượng ngẫu nhiên
Khái niệm
Phân loại

Đại lượng ngẫu nhiên rời rạc suất
Phân phối xác suất của đại lượng ngẫu nhiên rời rạc X là Hàm phân phối xác suất

X (Ω) = {x1 , x2 , . . . , xn , . . . } và pi = P(X = xi ) với xi ∈ X (Ω). Kì vọng
Mode
Phân phối xác suất cho biết khả năng X nhận mỗi giá trị trong Phân vị, trung vị
X (Ω) tương ứng và được biểu diễn bằng bảng phân phối xác Vector ngẫu nhiên
Khái niệm
suất Phân phối xác suất
X x1 x2 · · · xn · · · Các tham số đặc trưng
P p1 p2 · · · pn · · ·
Tính chất
1 0 ≤ pi ≤ 1 với xi ∈ X (Ω),
P
2 pi = 1,
i
P
3 P(a ≤ X < b) = pi .
a≤xi <b
2.8
Khái niệm
Phân loại

suất
Ví dụ Các tham số đặc trưng

Kì vọng
Hai xạ thủ cùng bắn vào một bia, mỗi người bắn một viên. Gọi Phương sai, độ lệch chuẩn
Mode
X số lần bắn trúng bia. Tìm phân phối xác suất của X biết xác Phân vị, trung vị
suất bắn trúng bia của hai xạ thủ lần lượt là 0,4 và 0,7. Lập Vector ngẫu nhiên
Khái niệm
bảng phân phối xác suất của X . Phân phối xác suất
Ví dụ
Rút ngẫu nhiên 2 sản phẩm từ một hộp có 7 chính phẩm và 3
phế phẩm. Gọi X là số phế phẩm lấy được.
1 Tìm phân phối xác suất của X .
2 Tính xác suất lấy được không quá một phế phẩm.
2.9
Khái niệm
Phân loại

suất
Đại lượng ngẫu nhiên liên tục Hàm phân phối xác suất

Phân phối xác suất của đại lượng ngẫu nhiên liên tục X là hàm Kì vọng
mật độ xác suất f : R → R của X thỏa mãn các điều kiện sau: Mode
1 f (x) ≥ 0 với mọi x ∈ R, Vector ngẫu nhiên
+∞R Khái niệm
2 f (x)dx = 1, Các tham số đặc trưng
−∞
Rb
3 P(a < X < b) = f (x)dx với a < b.
a
Lưu ý: Với đại lượng ngẫu nhiên liên tục X ta có P(X = a) = 0

với mọi a. Do đó
P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X ≤ b) = P(a < X < b).
2.10
Khái niệm
Phân loại

suất

Kì vọng
Ví dụ Mode
Cho đại lượng ngẫu nhiên X có hàm mật độ xác suất Vector ngẫu nhiên
Khái niệm

cx(2 − x), 0 ≤ x ≤ 2, Các tham số đặc trưng
f (x) =
0, x < 0 hoặc x > 2
1 Xác định c.
2 Tính P(X < 1) và P(|X − 1| > 0, 5).
2.11
Hàm phân phối xác suất Đại lượng ngẫu nhiên
Khái niệm
Phân loại
Định nghĩa
suất
Hàm phân phối xác suất của đại lượng ngẫu nhiên X , kí hiệu Phân phối xác suất
FX (x) hoặc F (x) được xác định như sau: Hàm phân phối xác suất

Kì vọng
F (x) = P(X ≤ x) ∀x ∈ R. Phương sai, độ lệch chuẩn

Mode

Ý nghĩa Khái niệm
Hàm phân phối xác suất cho biết tỉ lệ phần trăm giá trị của X Các tham số đặc trưng
nằm về bên trái của số thực x trên trục số.
Công thức tính

• Với đại lượng ngẫu nhiên rời rạc:
X
F (x) = pi .
xi ≤x
• Với đại lượng ngẫu nhiên liên tục:

Zx
F (x) = f (s)ds.
−∞ 2.13
Khái niệm
Phân loại

suất

Kì vọng
Hai xạ thủ cùng bắn vào một bia, mỗi người bắn một viên. Gọi Phương sai, độ lệch chuẩn
Mode
X số lần bắn trúng bia. Tìm hàm phân phối xác suất của X biết Phân vị, trung vị
xác suất bắn trúng bia của hai xạ thủ lần lượt là 0,4 và 0,7. Vector ngẫu nhiên
Khái niệm
Ví dụ
Cho đại lượng ngẫu nhiên X có hàm mật độ xác suất

2x, 0 ≤ x ≤ 1;
f (x) =
0, x < 0 hoặc x > 1.
Tìm hàm phân phối xác suất của X .
2.14
Khái niệm
Phân loại

suất
Tính chất của hàm phân phối xác suất Hàm phân phối xác suất

Kì vọng
1 0 ≤ F (x) ≤ 1, với mọi x ∈ R. Phương sai, độ lệch chuẩn
Mode
2 F không giảm và liên tục khi X liên tục. Phân vị, trung vị

3 lim F (x) = 0 và lim F (x) = 1. Khái niệm
x→−∞ x→+∞
4 P(a < X ≤ b) = F (b) − F (a). Các tham số đặc trưng
Liên hệ với phân phối xác suất
• Với đại lượng ngẫu nhiên rời rạc: pi = F (xi ) − F (xi−1 ).

1 F là hàm số liên tục,
2 F ′ (x) = f (x) tại những điểm x mà hàm mật độ f liên tục.
2.15
Kì vọng Đại lượng ngẫu nhiên
Khái niệm
Phân loại
Định nghĩa Luật phân phối xác
suất
Kì vọng (hay giá trị trung bình) của đại lượng ngẫu nhiên X , kí Phân phối xác suất
hiệu E(X ) hay EX , là một số thực được xác định như sau: Các tham số đặc trưng
• Với đại lượng ngẫu nhiên rời rạc: Kì vọng

Mode
n
X Phân vị, trung vị
EX = xi pi Vector ngẫu nhiên

Khái niệm
i=1 Phân phối xác suất


+∞
Z
EX = xf (x)dx.
−∞
Ý nghĩa
Kì vọng đặc trưng cho giá trị trung bình của đại lượng ngẫu
nhiên X trong phép thử.
2.17
Khái niệm
Phân loại

suất

Ví dụ Kì vọng
Mode
1 Tính kì vọng của đại lượng ngẫu nhiên X có phân phối xác Phân vị, trung vị
suất như sau: Vector ngẫu nhiên

X 0 1 2 Khái niệm
P 0, 2 0, 5 0, 3 Các tham số đặc trưng
2 Tính kì vọng của đại lượng ngẫu nhiên X có hàm mật độ

xác suất:

2x, 0 ≤ x ≤ 1;
f (x) =
0, x < 0 hoặc x > 1.
2.18
Khái niệm
Phân loại

suất
Tính chất của kì vọng Hàm phân phối xác suất

1 E(C) = C với mọi hằng số C, Kì vọng
2 E(C.X ) = C.E(X ), Mode

3 E(X ± Y ) = EX ± EY , Vector ngẫu nhiên

Khái niệm
4 Nếu Y = h(X ) thì Phân phối xác suất

 P
 i h(xi )pi ,
 với X rời rạc,
EY = +∞
R

 h(x)f (x)dx, với X liên tục,
−∞
5 Nếu X , Y độc lập thì: E(XY ) = E(X )E(Y ).
Chú ý: Hai đại lượng ngẫu nhiên X và Y được gọi là độc lập
nếu hai biến cố (X ≤ x) và (Y ≤ y) là độc lập với mọi x, y ∈ R.
2.19
Phương sai, độ lệch chuẩn Đại lượng ngẫu nhiên
Khái niệm
Phân loại
suất
Phương sai của đại lượng ngẫu nhiên X , kí hiệu Var (X ), V (X ) Phân phối xác suất
hay VX , là một số thực được xác định như sau: Các tham số đặc trưng
Kì vọng
VX = E (X − EX )2
Mode
Độ lệch chuẩn của đại√lượng ngẫu nhiên X , kí hiệu σ(X ), được Vector ngẫu nhiên
Khái niệm
xác định bởi: σ(X ) = VX . Phân phối xác suất

Từ định nghĩa và tính chất 4 của kì vọng, ta có

2
 P
 i (xi − EX ) pi ,
 với X rời rạc;
VX = +∞
(x − EX )2 f (x)dx, với X liên tục.
R


−∞
Ý nghĩa
Đặc trưng cho độ phân tán của đại lượng ngẫu nhiên quanh
giá trị trung bình.
2.21
Khái niệm
Phân loại

suất

Kì vọng
Tính chất của phương sai Mode
2 2
1 V (X ) = E(X ) − (EX ) . Vector ngẫu nhiên
Khái niệm
2 V (C) = 0 với mọi hằng số C. Phân phối xác suất

2
3 V (CX ) = C V (X ).
4 Nếu X , Y độc lập thì:
V (X ± Y ) = V (X ) + V (Y ).
2.22
Khái niệm
Phân loại

suất

Kì vọng
1 Tính độ lệch chuẩn của đại lượng ngẫu nhiên X có phân Phương sai, độ lệch chuẩn
Mode
phối xác suất như sau: Phân vị, trung vị

Khái niệm
X 0 1 2 Phân phối xác suất
P 0, 2 0, 5 0, 3
2 Tính độ lệch chuẩn của đại lượng ngẫu nhiên X có hàm

mật độ xác suất:

2x, 0 ≤ x ≤ 1,
f (x) =
0, x < 0 hoặc x > 1.
2.23
Mode Đại lượng ngẫu nhiên
Khái niệm
Phân loại
suất
Mode (giá trị tin chắc nhất) của đại lượng ngẫu nhiên X , kí hiệu Phân phối xác suất
Mode(X ), Mod(X ) hay ModX , là (các) số thực được xác định
như sau Kì vọng
• Với đại lượng ngẫu nhiên rời rạc: giá trị của đại lượng ngẫu Mode
nhiên X tại đó có xác suất lớn nhất Vector ngẫu nhiên
Khái niệm
Mod(X ) = xk sao cho P(X = x) đạt max tại x = xk . Phân phối xác suất
• Với đại lượng ngẫu nhiên liên tục: giá trị của đại lượng
ngẫu nhiên X tại đó hàm mật độ xác suất đạt cực đại
Mod(X ) = x0 sao cho f (x) đạt max tại x = x0 .
Ý nghĩa
Mode đặc trưng cho giá trị có khả năng xảy ra cao nhất của đại
lượng ngẫu nhiên X trong phép thử.
2.25
Mode Đại lượng ngẫu nhiên
Khái niệm
Phân loại
Ví dụ
suất
1 Xác định mode của đại lượng ngẫu nhiên X và Y có phân Phân phối xác suất
phối xác suất như sau: Các tham số đặc trưng
Kì vọng
X 0 1 2 Mode
P 0, 2 0, 5 0, 3 Phân vị, trung vị

Khái niệm
Y −1 2 2, 5 7 Phân phối xác suất

P 0, 15 0, 3 0, 3 0, 25
2 Xác định mode của đại lượng ngẫu nhiên X và Y có hàm
mật độ xác suất lần lượt là:
3
(
fX (x) = x(2 − x), 0 ≤ x ≤ 2,
4
0, x < 0 hoặc x > 2

 1
√ , x ∈ (0; 1)
fY (x) = 2 x
0, x ̸∈ (0; 1)

2.26
Phân vị, trung vị Đại lượng ngẫu nhiên
Khái niệm
Phân loại
Phân vị và giá trị tới hạn Luật phân phối xác

suất
Cho đại lượng ngẫu nhiên X và α ∈ (0, 1). Phân phối xác suất
1 Số thực gα được gọi là giá trị tới hạn mức α của X nếu Các tham số đặc trưng
Kì vọng
P(X > gα ) ≤ α và P(X < gα ) ≤ 1 − α. Mode


2 Số thực qα được gọi là phân vị mức α của X nếu qα là giá Khái niệm
trị tới hạn mức 1 − α của X , nghĩa là qα = g1−α . Các tham số đặc trưng
Lưu ý
Nếu X là đại lượng ngẫu nhiên liên tục thì gα là giá trị tới hạn
mức α của X khi và chỉ khi P(X > gα ) = α.
Ý nghĩa
Giá trị tới hạn mức α (phân vị mức 1 − α) là điểm trên trục số
chia phân phối xác suất của đại lượng ngẫu nhiên thành 2
phần theo tỉ lệ (1 − α) : α.
2.28
Khái niệm
Phân loại
Trung vị
suất
Trung vị của đại lượng ngẫu nhiên X , kí hiệu Median(X ), Phân phối xác suất
Med(X ) hay MedX , là phân vị mức 0,5 (cũng là giá trị tới hạn Hàm phân phối xác suất

mức 0,5) của X . Kì vọng
• Với đại lượng ngẫu nhiên rời rạc: Med(X ) = xk với k thỏa Mode
k−1 n Vector ngẫu nhiên

X X Khái niệm
pi ≤ 0, 5 và pi ≤ 0, 5. Phân phối xác suất
i=1 i=k+1
• Với đại lượng ngẫu nhiên liên tục: Med(X ) = x0 với x0 thỏa
Zx0
f (x)dx = 0, 5.
−∞
Ý nghĩa
Trung vị là điểm trên trục số chia đôi phân phối xác suất của
đại lượng ngẫu nhiên. 2.29
Khái niệm
Phân loại
Ví dụ Luật phân phối xác

suất
Tìm trung vị của hai đại lượng ngẫu nhiên X và Y có bảng Phân phối xác suất
phân phối xác suất như sau Các tham số đặc trưng
Kì vọng
X 1 2 4 5 Mode
P 0, 2 0, 4 0, 3 0, 1
Khái niệm
Y −1 0 2 3 Các tham số đặc trưng
P 0, 3 0, 2 0, 35 0, 15
Ví dụ
Tìm trung vị và giá trị tới hạn mức 75% của đại lượng ngẫu
nhiên X có hàm mật độ xác suất
0, x < 1;
(
f (x) = 1
, x ≥ 1.
x2
2.30
Khái niệm Đại lượng ngẫu nhiên
Khái niệm
Phân loại

suất
Ánh xạ X = (X1 , X2 , . . . , Xn ) : Ω → Rn được gọi là một vector Phân phối xác suất
ngẫu nhiên n chiều (n-dimensional random vector). Các tham số đặc trưng
Kì vọng
Ví dụ Mode

1 Gọi X và Y lần lượt là chiều cao (cm) và cân nặng (kg) của Khái niệm
một trẻ sơ sinh được lựa chọn ngẫu nhiên trong một bệnh Phân phối xác suất
viện phụ sản thì (X , Y ) là một vector ngẫu nhiên 2 chiều.

2 Gọi Xi là giá cuối phiên giao dịch ngày mai của cổ phiếu
thứ i trong danh sách VN30 gồm 30 cổ phiếu bluechip tiêu
biểu của Sàn Giao dịch Chứng khoán Tp. HCM thì
(X1 , X2 , . . . , X30 ) là một vector ngẫu nhiên 30 chiều.
Phân loại
Một vector ngẫu nhiên n chiều X = (X1 , X2 , . . . , Xn ) được gọi là
liên tục hay rời rạc nếu tất cả các biến ngẫu nhiên thành phần
X1 , X2 , . . . , Xn là liên tục hay rời rạc.
2.32
Khái niệm
Phân loại
Trong phạm vi chương trình, ta chỉ xét các vector ngẫu nhiên Luật phân phối xác
rời rạc hai chiều (X , Y ). suất
Phân phối xác suất đồng thời Các tham số đặc trưng
Kì vọng
Phân phối xác suất đồng thời của vector ngẫu nhiên rời rạc hai Phương sai, độ lệch chuẩn
Mode
chiều (X , Y ) cho biết X (Ω) = {x1 , x2 , . . . }, Y (Ω) = {y1 , y2 , . . . } Phân vị, trung vị
và các xác suất đồng thời Vector ngẫu nhiên

Khái niệm
pij = P({X = xi }{Y = yj }) = P(X = xi ; Y = yj ). Các tham số đặc trưng
Bảng phân phối xác suất đồng thời

HH Y
y1 y2 ··· ym
X
H
HH
x1 p11 p12 ··· p1m
x2 p21 p22 ··· p2m
.. .. .. .. ..
. . . . .
xn pn1 pn2 ··· pnm
2.34
Khái niệm
Phân loại

suất
Ví dụ Phân phối xác suất
Gọi X là số xe máy và Y là số điện thoại di động trong một hộ Các tham số đặc trưng
gia đình của một hộ gia đình được lựa chọn ngẫu nhiên ở địa Kì vọng
phương A. Người ta tìm được bảng phân phối xác suất đồng Mode
thời như sau: Vector ngẫu nhiên
Khái niệm
HH Y Phân phối xác suất
1 2 3 4 Các tham số đặc trưng
X
HH
H
1 0,1 0 0,1 0
2 0,3 0 0,1 0,2
3 0 0,2 0 0
1 Tính xác suất gia đình được lựa chọn có số xe máy bằng
số điện thoại.
2 Tính xác suất gia đình được lựa chọn có tổng số xe máy
và số điện thoại là 4.
2.35
Khái niệm
Phân loại
Phân phối xác suất biên Luật phân phối xác
suất
Phân phối xác suất của các đại lượng ngẫu nhiên thành phần Phân phối xác suất
được gọi là các phân phối xác suất biên của vector ngẫu nhiên Các tham số đặc trưng
Kì vọng
m
X m
X Phương sai, độ lệch chuẩn
Mode
P(X = xi ) = P(X = xi ; Y = yj ) = pij = pi∗ , Phân vị, trung vị
j=1 j=1 Vector ngẫu nhiên

Khái niệm
n
X n
X Các tham số đặc trưng
P(Y = yj ) = P(X = xi ; Y = yj ) = pij = p∗j .

i=1 i=1
Bảng phân phối xác suất đồng thời có các xác suất biên
HH Y
y1 y2 ··· ym P(X = xi )
X
HH
H
x1 p11 p12 ··· p1m p1∗
x2 p21 p22 ··· p2m p2∗
.. .. .. .. .. ..
. . . . . .
xn pn1 pn2 ··· pnm pn∗
P(Y = yi ) p∗1 p∗2 ··· p∗m 1 2.36
Khái niệm
Phân loại
Sự độc lập Luật phân phối xác

suất
Hai đại lượng ngẫu nhiên X và Y được gọi là độc lập nếu Phân phối xác suất

P(X = xi ; Y = yj ) = P(X = xi )P(Y = yj ) ∀i, j. Kì vọng
Mode

Ví dụ Khái niệm
Tiếp theo ví dụ trước, lập bảng phân phối xác suất đồng thời có Các tham số đặc trưng
chứa các xác suất biên. Lập bảng phân phối xác suất của X và
của Y . Hỏi X và Y có độc lập với nhau hay không?
Trả lời.
HH Y
1 2 3 4 P(X = xi )
X
HH
H
1 0,1 0 0,1 0 0,2
2 0,3 0 0,1 0,2 0,6
3 0 0,2 0 0 0,2
P(Y = yi ) 0,4 0,2 0,2 0,2 1
2.37
Khái niệm
Phân loại

suất
Phân phối xác suất có điều kiện Phân phối xác suất
Phân phối xác suất của các đại lượng ngẫu nhiên có điều kiện Các tham số đặc trưng
Kì vọng
(X |Y = yj ) và (Y |X = xi ) được xác định bởi Phương sai, độ lệch chuẩn
Mode
P(X = xi ; Y = yj ) pij
P(X = xi |Y = yj ) = = , Vector ngẫu nhiên
P(Y = yj ) p∗j Khái niệm

P(X = xi ; Y = yj ) pij
P(Y = yj |X = xi ) = = .
P(X = xi ) pi∗
Ví dụ
Tiếp theo ví dụ trước.
1 Lập bảng phân phối xác suất của X với điều kiện Y = 3.
2 Lập bảng phân phối xác suất của Y với điều kiện X = 2.
2.38
Các tham số đặc trưng Đại lượng ngẫu nhiên
Khái niệm
Phân loại

Kỳ vọng suất
Kỳ vọng của các đại lượng ngẫu nhiên thành phần và của tích Hàm phân phối xác suất

Kì vọng
n n X
m
X X Phương sai, độ lệch chuẩn
E(X ) = xi pi∗ = xi pij , Mode

i=1 i=1 j=1 Vector ngẫu nhiên
Khái niệm
m
X n X
X m Phân phối xác suất
E(Y ) = yj p∗j = yj pij ,
j=1 i=1 j=1
n X
X m
E(XY ) = xi yj pij .
i=1 j=1
Ký hiệu: E(X , Y ) = (E(X ), E(Y )).
Ví dụ
Tiếp theo ví dụ phần trước. Tính E(X ), E(Y ) và E(XY ).
2.40
Khái niệm
Phân loại

suất
Phương sai Hàm phân phối xác suất

Phương sai của các đại lượng ngẫu nhiên thành phần Kì vọng
Mode
n n
!2 Phân vị, trung vị
X X
2 2
Var (X ) = E(X ) − (EX ) = xi2 pi∗ − xi pi∗ , Vector ngẫu nhiên
Khái niệm
i=1 i=1 Phân phối xác suất

 2
m
X Xm
Var (Y ) = E(Y 2 ) − (EY )2 = yj2 p∗j −  yj p∗j  .
j=1 j=1
Ví dụ
Tiếp theo ví dụ phần trước. Tính Var (X ) và Var (Y ).
2.41
Khái niệm
Phân loại

suất
Hiệp phương sai Phân phối xác suất
Hiệp phương sai của vector ngẫu nhiên (X , Y ) Các tham số đặc trưng
Kì vọng
Cov(X , Y ) = E ((X − EX )(Y − EY )) Phương sai, độ lệch chuẩn

Mode
= E(XY ) − E(X )E(Y ).
Khái niệm
Lưu ý:
1 Nếu X , Y độc lập thì Cov(X , Y ) = 0 (Tuy nhiên, điều
ngược lại không đúng).
2 Cov(X , X ) = Var (X ).
Ý nghĩa: Hiệp phương sai đo mức độ dao động cùng chiều hay
ngược chiều của X và Y .
1 Cov(X , Y ) > 0: X và Y dao động cùng chiều,
2 Cov(X , Y ) < 0: X và Y dao động ngược chiều.
2.42
Khái niệm
Phân loại

suất
Hệ số tương quan Phân phối xác suất
Hệ số tương quan của X và Y được định nghĩa Các tham số đặc trưng
Kì vọng
Cov(X , Y ) E(XY ) − E(X )E(Y ) Mode
RXY =p = . Phân vị, trung vị
Var (X )Var (Y ) σ(X )σ(Y ) Vector ngẫu nhiên
Khái niệm
Nếu RXY = 0, ta nói X và Y không tương quan. Nếu RXY ̸= 0, Các tham số đặc trưng
ta nói X và Y tương quan.
Lưu ý:
1 −1 ≤ RXY ≤ 1.
2 RXY = 1 ⇔ X và Y phụ thuộc tuyến tính với hệ số dương
(nghĩa là X = aY với a > 0).
3 RXY = −1 ⇔ X và Y phụ thuộc tuyến tính với hệ số âm
(nghĩa là X = aY với a < 0).
4 Nếu X , Y độc lập thì RXY = 0 (X và Y không tương quan).
2.43
Khái niệm
Phân loại

suất

Ma trận tương quan Kì vọng
Ma trận tương quan (còn gọi là ma trận hiệp phương sai) là ma Mode
trận Vector ngẫu nhiên
Khái niệm

Cov(X , X ) Cov(X , Y ) Phân phối xác suất
Var (X , Y ) = Các tham số đặc trưng
Cov(Y , X ) Cov(Y , Y )

Var (X ) Cov(X , Y )
= .
Cov(Y , X ) Var (Y )
Ma trận hiệp phương sai cho ta đánh giá về độ phân tán dữ

liệu.
2.44
Khái niệm
Phân loại

suất

Ví dụ Kì vọng
Cho bảng phân phối xác suất đồng thời của vector ngẫu nhiên Mode
Z = (X , Y ) như sau:
Khái niệm
HH Y Phân phối xác suất
1 2 3 P(X = xi ) Các tham số đặc trưng
X
HH
H
2 0,1 0,3 0,15 0,55
4 0,15 0,25 0,05 0,45
P(Y = yi ) 0,25 0,55 0,2 1
Tính hiệp phương sai, hệ số tương quan và ma trận hiệp

phương sai.
2.45

Chương 2: Đại lượng ngẫu nhiên và luật phân phối xác suất

Uploaded by

Document Information

Original Title

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

Chương 2: Đại lượng ngẫu nhiên và luật phân phối xác suất

Uploaded by

Copyright:

Available Formats

Đại lượng ngẫu nhiên

Chương 2 Luật phân phối xác

phối xác suất

Vector ngẫu nhiên

Bài giảng Lý thuyết xác suất Khái niệm

Luật phân phối xác

Phân loại Các tham số đặc trưng

3 Các tham số đặc trưng

4 Vector ngẫu nhiên

Luật phân phối xác

Các tham số đặc trưng

1 X (Ω): tập hợp các giá trị mà X có thể nhận.

• vô hạn đếm được: X (Ω) = {x1 , x2 , . . . , xn , . . . }. Mode

Vector ngẫu nhiên

Ví dụ: Khái niệm

X (Ω) = {2, 3, . . . , 12},

Đại lượng ngẫu nhiên liên tục

Luật phân phối xác

Các tham số đặc trưng

suất Phân phối xác suất

X x1 x2 · · · xn · · · Các tham số đặc trưng

Luật phân phối xác

Ví dụ Các tham số đặc trưng

Luật phân phối xác

Các tham số đặc trưng

Lưu ý: Với đại lượng ngẫu nhiên liên tục X ta có P(X = a) = 0

P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X ≤ b) = P(a < X < b).

Luật phân phối xác

Các tham số đặc trưng

Các tham số đặc trưng

F (x) = P(X ≤ x) ∀x ∈ R. Phương sai, độ lệch chuẩn

Vector ngẫu nhiên

nằm về bên trái của số thực x trên trục số.

Công thức tính

• Với đại lượng ngẫu nhiên liên tục:

Luật phân phối xác

Ví dụ Các tham số đặc trưng

Tìm hàm phân phối xác suất của X .

Luật phân phối xác

Các tham số đặc trưng

Vector ngẫu nhiên

4 P(a < X ≤ b) = F (b) − F (a). Các tham số đặc trưng

Liên hệ với phân phối xác suất

• Với đại lượng ngẫu nhiên rời rạc: pi = F (xi ) − F (xi−1 ).

• Với đại lượng ngẫu nhiên rời rạc: Kì vọng

EX = xi pi Vector ngẫu nhiên

i=1 Phân phối xác suất

• Với đại lượng ngẫu nhiên liên tục:

Luật phân phối xác

Các tham số đặc trưng

suất như sau: Vector ngẫu nhiên

2 Tính kì vọng của đại lượng ngẫu nhiên X có hàm mật độ

Luật phân phối xác

Các tham số đặc trưng

2 E(C.X ) = C.E(X ), Mode

3 E(X ± Y ) = EX ± EY , Vector ngẫu nhiên

4 Nếu Y = h(X ) thì Phân phối xác suất

5 Nếu X , Y độc lập thì: E(XY ) = E(X )E(Y ).

xác định bởi: σ(X ) = VX . Phân phối xác suất

Từ định nghĩa và tính chất 4 của kì vọng, ta có

Luật phân phối xác

Các tham số đặc trưng

2 V (C) = 0 với mọi hằng số C. Phân phối xác suất