Professional Documents
Culture Documents
NGẪU NHIÊN
UTEX
www.hcmute.edu.vn
Chương 5 trang bị cho người học
Phân phối xác suất đồng thời của các biến
ngẫu nhiên
Hàm xác suất đồng thời
Hàm mật độ xác suất đồng thời
Hàm phân phối xác suất đồng thời
Các tham số đặc trưng cho phân phối đồng
thời
Kỳ vọng
Hiệp phương sai
Hệ số tương quan
Chương 5 trang bị cho người học
Thống kê và các phân phối Thống kê
Giả sử X1 , X2 , . . . , Xn ; n ≥ 2 là các biến ngẫu nhiên cùng rời rạc trên cùng 1
không gian xác suất, hàm xác suất đồng thời của n biến ngẫu nhiên này là
hàm p(u1 , u2 , . . . , un ) thỏa mãn
p(u1 , u2 , . . . , un ) = P(X1 = u1 , X2 = u2 , . . . , Xn = un )
Hàm xác suất đồng thời
Thực hiện n thí nghiệm ngẫu nhiên độc lập, trong đó mỗi thí nghiệm chỉ
xuất hiện một kết quả trong r kết quả có thể xảy ra với xác suất xuất hiện kết
thứ i trong mỗi thí nghiệm là như nhau và bằng pi .
Đặt Xi là số thí nghiệm xuất hiện kết quả i (i = 1, ..., r ). Dãy thí
nghiệm như vậy gọi là dãy thí nghiệm Đa thức và hàm xác suất đồng thời
của X1 , X2 , ..., Xr được gọi là phân phối đa thức - multinomial distribution.
(
n! u1 ur
(u1 !)(u2 !)...(ur !) .p1 ...pr , ui ∈ [0, r ]; u1 + u2 + . . . + ur = n
p(u1 , ..., ur ) =
0, trường hợp khác
Giả sử X1 , X2 , . . . , Xn ; n ≥ 2 là các là các biến ngẫu nhiên cùng liên tục trên
cùng 1 không gian xác suất, hàm mật độ xác suất đồng thời của n biến ngẫu
nhiên này là hàm f (u1 , u2 , . . . , un ) thỏa mãn với mọi n khoảng
[a1 , b1 ]; [a2 , b2 ]; . . . ; [an , bn ] thì
R b1 R bn
P(a1 ≤ X1 ≤ b1 , . . . , an ≤ Xn ≤ bn ) = a1 ... an f (u1 , u2 , . . . , un )dun . . . du1
Hàm mật độ biên duyên
Hàm mật độ xác suất biên duyên của X và Y , được kí hiệu fX (u) và
fY (v ), được cho bởi công thức:
Z ∞
fX (u) = f (u, v )dv với − ∞ < u < ∞
−∞
Z ∞
fY (v ) = f (u, v )du với −∞<v <∞
−∞
Hàm mật độ xác suất điều kiện
Cho X và Y là 2 biến ngẫu nhiên cùng liên tục với hàm mật độ đồng thời
fX ,Y (u, v ) và hàm mật độ biên duyên của X là fX (u). Khi đó với mọi giá trị u
bất kì của X mà fX (u) > 0, thì hàm mật độ điều kiện của Y cho bởi X = u
là
fX ,Y (u, v )
fY |X (v |u) = −∞<v <∞
fX (u)
Tương tự hàm mật độ điều kiện của X cho bởi Y = v , khi fY (v ) > 0 với
mọi giá trị v bất kì của Y , là
fX ,Y (u, v )
fX |Y (u|v ) = −∞<u <∞
fY (v )
Hàm mật độ đồng thời đều
Cho miền S nằm trong mặt phẳng có diện tích hữu hạn. Khi đó (X , Y ) có
phân phối đồng thời đều trên S (uniform distribution over S) khi (X , Y ) có
hàm mật độ đồng thời như sau:
(
1
diện tích của S
nếu (u, v ) ∈ S
fX ,Y (u, v ) =
0 trường hợp ngược lại
(c) Hàm mật độ xác suất điều kiện fY |X (v |u0 ) không xác định khi |u0 | ≥ 1, nên giả sử với
|u0 | < 1 ta có
1 p p
√π
2
= √ 1 2 nếu − 1 − u02 ≤ v ≤ 1 − u02
2 1−u0 2 1−u0
fY |X (v |u0 ) = π
0 trường hợp ngược lại
h p p i
Tức là, khi |u0 | < 1, cho X = u0 , Y có phân phối đều trên − 1 − u02 , 1 − u02 .
Hàm phân phối xác suất đồng thời
FX ,Y (u0 , v0 ) = P{X ≤ u0 , Y ≤ v0 }.
Tương tự, hàm phân phối của X được xác định bởi hàm phân phối tích lũy
đồng thời
FY (v ) = FX ,Y (+∞, v ) = lim FX ,Y (u, v )
u→+∞
Tính chất của hàm phân phối tích lũy, FX ,Y , cho cặp biến ngẫu nhiên X
và Y .Để gọn hơn, thay vì viết FX ,Y , ta viết đơn giản F :
0 ≤ F (u, v ) ≤ 1 với mọi (u, v ) ∈ R 2 .
F (u, v ) không giảm theo u và không giảm theo v .
F (u, v ) liên tục phải theo u, liên tục phải theo v .
Nếu a < b và c < d thì F (b, d) − F (b, c) − F (a, d) + F (a, c) ≥ 0.
lim F (u, v ) = 0 với mỗi v và lim F (u, v ) = 0 cho mỗi u.
u→−∞ v →−∞
lim lim F (u, v ) = 1.
u→∞ v →∞
Có thể chỉ ra rằng bất kì hàm F nào thỏa mãn những tính chất trên là hàm
phân phối tích lũy cho các cặp biến ngẫu nhiên (X , Y ).
Sự độc lập của các biến ngẫu nhiên
pX ,Y (u, v ) = pX (u)pY (v )
với mọi u, v . Và X và Y là hai biến ngẫu nhiên đồng thời liên tục là độc lập
nếu hàm mật độ có dạng nhân tử:
fX ,Y = fX (u)fY (v ).
Sự độc lập của các biến ngẫu nhiên
Hàm xác suất của X có dạng Hàm xác suất của Y có dạng
0, 1
u=1 0, 3
v =3
pX (u) = 0, 6 u=2 pY (v ) = 0, 3 v =2
0, 3 u=3 0, 4 v =1
Z ∞ Z ∞
E [h(X , Y )] = h(u, v ).f (u, v )dudv
−∞ −∞
1 Z 1−u
1 1
Z
E [h(X , Y )] = + u+v .24uvdvdu = 1, 1
0 0 2 2
Hệ số hiệp phương sai
Hiệp phương sai giữa hai biến ngẫu nhiên X và Y là
Cov (X , Y ) = E [(X − µX )(Y − µY )]
X X
(u − µX )(v − µY )pX ,Y (u, v ), X , Y rời rạc
= R u Rv
∞ ∞
−∞ −∞
(u − µX )(v − µY )fX ,Y (u, v )dudv , X , Y liên tục
Y=3 0,1 0,1 0,1
Ví dụ: Cho (X , Y ) có hàm xác suất Y=2 0,2 0,1
đồng thời cho trong bảng Y=1 0,3 0,1
X=1 X=2 X=3
Hàm xác
suất của X có dạng Hàm xác suất của Y có dạng
0, 1
u =1 0, 3
v =3
pX (u) = 0, 6 u = 2 E (X ) = 2, 2 pY (v ) = 0, 3 v = 2 E (Y ) = 1, 9
0, 3 u =3 0, 4 v =1
XX
Cov (X , Y ) = E [(X − µX )(Y − µY )] = (u − µX )(v − µY )pX ,Y (u, v )
u v
Tương tự
s
P
(Xi − X )
S=
n−1
Mệnh đề: Cho X1 , X2 , . . . , Xn là một mẫu ngẫu nhiên từ một phân phối với
trung bình µ và độ lệch chuẩn σ. Thì
1 E (X ) = µX = µ
σ2 √σ
2 V (X ) = σX2 = n và σX = n
Mệnh đề: Cho X1 , X2 , ..., Xn là một mẫu ngẫu nhiên từ phân phối chuẩn với
trung bình µ và độ lệch chuẩn σ.
Khi đó với mọi n, trung bình mẫu X có phân phối chuẩn với trung bình µ
và độ lệch chuẩn √σn , còn biến ngẫu nhiên tổng To có phân phối chuẩn với
√
trung bình nµ và độ lệch chuẩn nσ.
Định lý giới hạn trung tâm
Định lý: Cho X1 , X2 , . . . , Xn là một mẫu ngẫu nhiên được lấy từ tổng thể có
phân phối với trung bình µ và phương sai σ 2 .
Khi n đủ lớn, thì X có phân phối xấp xỉ phân phối chuẩn với µX = µ và
2 σ2
σX = n và biến ngẫu nhiên tổng To cũng có phân phối xấp xỉ phân phối
chuẩn với µTo = nµ và σT2 o = nσ 2 .
Giá trị n càng lớn thì xấp xỉ càng tốt.
Nguyên tắc chung: Nếu n > 30 định lý giới hạn trung tâm được sử dụng.
Định lý giới hạn trung tâm
(
1 , Thí nghiệm ngẫu nhiên thứ i xuất hiện S
Xi =
0 , Thí nghiệm ngẫu nhiên thứ i không xuất hiện S
với i=1, 2,. . . ,n. Như vậy mỗi biến ngẫu nhiên Xi có cùng phân phối
Bernoulli với tham số p = P(S).
X = X1 + X2 + . . . + Xn khi đó X ∼ B(n, p)
Theo định lý giới hạn trung tâm khi n lớn thì biến ngẫu nhiên tổng X và biến
ngẫu nhiên trung bình Xn có phân phối tiến về chuẩn.
Phân phối của tổ hợp tuyến tính của các biến ngẫu nhiên
V (a1 X1 +a2 X2 +. . .+anp Xn ) = a12 V (X1 )+a22 V (X2 )+. . .+an2 V (Xn ) = a12 σ12 +. . .+an2 σn2
và σa1 X1 +a2 X2 +...+an Xn = a12 σ12 + . . . + an2 σn2
3 Với bất kì X1 , X2 , . . . , Xn
n X
X n
V (a1 X1 + a2 X2 + . . . + an Xn ) = ai aj Cov (Xi , Xj )
i=1 j=1
Ví dụ: Gọi X1 , X2 , X3 là các biến ngẫu nhiên độc lập lấy từ các tổng thể có
trung bình lần lượt là µ1 = 1000 , µ2 = 500 , µ3 = 300, σ1 = 100, σ2 = 80,
σ3 = 50.
p
σ(Y ) = V (X )
Hiệu của hai biến ngẫu nhiên
Y = a1 X1 + a2 X2 = X1 − X2
Ta có hệ quả sau:
E (X1 − X2 ) = E (X1 ) − E (X2 ) với hai biến ngẫu nhiên bất kì X1 và X2 .
V (X1 − X2 ) = V (X1 ) + V (X2 ) nếu X1 và X2 độc lập.
Ví dụ Gọi X1 , X2 là các biến ngẫu nhiên độc lập lấy từ hai tổng thể có trung bình và độ
lệch chuẩn lần lượt là µ1 = 22, µ2 = 26, σ1 = 1, 2; σ2 = 1, 5. Hãy tính
E (X1 − X2 ), V (X1 − X2 ), σX1 −X2 .
Khi Xi là mẫu ngẫu nhiên lấy từ phân phối chuẩn, X và To thì cũng có
phân phối chuẩn.
Nếu X1 , X2 , . . . , Xn độc lập, có phân phối chuẩn (có thể có trung bình
khác nhau, phương sai khác nhau), thì bất kỳ tổ hợp tuyến tính của Xi cũng
có phân phối chuẩn. Đặc biệt, hiệu của X1 − X2 cũng được phân phối chuẩn.