Chuong 4

Bài giảng xác suất
Chương 4: Véc tơ ngẫu nhiên liên tục hai chiều
Trần Mạnh Cường
Ngày 23 tháng 9 năm 2021
Trần Mạnh Cường Bài giảng xác suất

Phân bố của véc tơ ngẫu nhiên liên tục hai chiều
• Cho hai biến ngẫu nhiên liên tục X, Y. Cặp (X, Y) được gọi là
véc tơ ngẫu nhiên liên tục hai chiều.
(X , Y ) : Ω → R2 .
Phân bố của véc tơ ngẫu nhiên (X, Y) được xem là xác định nếu
với mọi A ∈ R2 ta tính được P((X , Y ) ∈ A).

(X , Y ) : Ω → R2 .
• Định nghĩa. Hàm hai biến f (x, y ) xác định với mọi x, y ∈ R
được gọi là hàm mật độ của véc tơ ngẫu nhiên (X , Y ) hay hàm
mật độ đồng thời của X, Y nếu:

(X , Y ) : Ω → R2 .
1. f (x, y ) ≥ 0 với mọi

x, y ∈ R,

(X , Y ) : Ω → R2 .
1. f (x, y ) ≥ 0 với mọi

x, y ∈ R,
s
2. R2 f (x, y )dxdy = 1,

(X , Y ) : Ω → R2 .
1. f (x, y ) ≥ 0 với mọi

x, y ∈ R,
s
2. R2 f (x, y )dxdy = 1,
3. Với mọi A ⊂ R2 thì
sP((X , Y ) ∈ A) =
A f (x, y )dxdy .
(X , Y ) : Ω → R2 .
1. f (x, y ) ≥ 0 với mọi

x, y ∈ R,
s
2. R2 f (x, y )dxdy = 1,
3. Với mọi A ⊂ R2 thì
sP((X , Y ) ∈ A) =
A f (x, y )dxdy .
• Chú ý:

• Chú ý:
1. Hai điều kiện 1), 2) đảm bảo rằng xác suất luôn nằm trong
[0,1].

• Chú ý:
[0,1].
2. Ta có thể thay đổi giá trị của hàm mật độ đồng thời trên
miền có diện tích 0 mà không làm thay đổi phân bố của véc
tơ ngẫu nhiên (X,Y).

• Chú ý:
[0,1].
• Hàm phân bố: Hàm F (x, y ) xác định với mọi x, y ∈ R được gọi
là hàm phân bố của véc tơ ngẫu nhiên (X,Y) hay hàm phân bố
đồng thời của X, Y nếu
F (x, y ) = P(X ≤ x, Y ≤ y ), ∀x, y ∈ R.
• Tính chất của hàm phân bố:

• Chú ý:
[0,1].
F (x, y ) = P(X ≤ x, Y ≤ y ), ∀x, y ∈ R.

I 0 ≤ F (x, y ) ≤, ∀x, y ∈ R.

• Chú ý:
[0,1].
F (x, y ) = P(X ≤ x, Y ≤ y ), ∀x, y ∈ R.

I 0 ≤ F (x, y ) ≤, ∀x, y ∈ R.
I F (x, y ) là hàm không giảm theo từng đối số.

• Chú ý:
[0,1].
F (x, y ) = P(X ≤ x, Y ≤ y ), ∀x, y ∈ R.

I 0 ≤ F (x, y ) ≤, ∀x, y ∈ R.
I F (x, y ) là hàm không giảm theo từng đối số.
I lim F (x, y ) = 0, lim F (x, y ) = 1.
x,y →−∞ x,y →+∞
• Quan hệ giữa hàm mật độ và hàm phân bố:

I Biết hàm mật độ thì tính được hàm phân bố
Z x Z y
F (x, y ) = f (u, v )dvdu.
−∞ −∞
I Biết hàm phân bố thì tìm được hàm mật độ
( 2
∂
F (x, y ) nếu đạo hàm tồn tại tại (x, y ),
f (x, y ) = ∂x∂y
0 nếu trái lại.

Z x Z y
F (x, y ) = f (u, v )dvdu.
−∞ −∞
( 2
∂
f (x, y ) = ∂x∂y
• Phân bố biên duyên.

Z x Z y
F (x, y ) = f (u, v )dvdu.
−∞ −∞
( 2
∂
f (x, y ) = ∂x∂y
I Hàm phân bố của X, của Y tương ứng là
FX (x) = lim F (x, y ), FY (y ) = lim F (x, y ).
y →∞ x→∞

Z x Z y
F (x, y ) = f (u, v )dvdu.
−∞ −∞
( 2
∂
f (x, y ) = ∂x∂y
I Hàm phân bố của X, của Y tương ứng là
FX (x) = lim F (x, y ), FY (y ) = lim F (x, y ).
y →∞ x→∞
I Hàm mật độ của X, của Y tương ứng là

Z ∞ Z ∞
fX (x) = f (x, y )dy , fY (y ) = f (x, y )dx.
−∞ −∞
• Nhận xét. Biết phân bố của véc tơ ngẫu nhiên (X, Y) thì biết
phân bố của từng thành phần. Điều ngược lại không đúng.

Ví dụ 4.1. Cho véc tơ ngẫu nhiên (X, Y) có hàm mật độ đồng
thời là (
kx nếu 0 < x < y < 1,
f (x, y ) =
1. Tìm k.

thời là (
kx nếu 0 < x < y < 1,
f (x, y ) =
1. Tìm k.
2. Tìm hàm phân bố của (X, Y).

thời là (
kx nếu 0 < x < y < 1,
f (x, y ) =
1. Tìm k.
3. Tìm các hàm mật độ, hàm phân bố của X, của Y.

thời là (
kx nếu 0 < x < y < 1,
f (x, y ) =
1. Tìm k.
3. Tìm các hàm mật độ, hàm phân bố của X, của Y.
Lời giải:
1) Do f (x, y ) là hàm mật độ nên
x Z 1 Z 1 Z 1
f (x, y )dxdy = k dx xdy = k x(1 − x)dx = k/6 = 1.
0 x 0
R2
Vậy k = 6.
2) Hàm phân bố của (X,Y) là
Z x Z y
F (x, y ) = f (u, v )dvdu.
−∞ −∞

Z x Z y
F (x, y ) = f (u, v )dvdu.
−∞ −∞
Nếu 0 < x < y < 1 thì

Z x Z y
F (x, y ) = du kudv = 3x 2 y − 2x 3 .
0 u

Z x Z y
F (x, y ) = f (u, v )dvdu.
−∞ −∞
Nếu 0 < x < y < 1 thì

Z x Z y
F (x, y ) = du kudv = 3x 2 y − 2x 3 .
0 u
Nếu 0 < y < 1, x > y thì

Z y Z y
F (x, y ) = du kudv = y 3 .
0 u

Z x Z y
F (x, y ) = f (u, v )dvdu.
−∞ −∞
Nếu 0 < x < y < 1 thì

Z x Z y
F (x, y ) = du kudv = 3x 2 y − 2x 3 .
0 u
Nếu 0 < y < 1, x > y thì

Z y Z y
F (x, y ) = du kudv = y 3 .
0 u
Nếu 0 < x < 1, y > 1 thì

Z x Z 1
F (x, y ) = du kudv = 3x 2 − 2x 3 .
0 u

Z x Z y
F (x, y ) = f (u, v )dvdu.
−∞ −∞
Nếu 0 < x < y < 1 thì

Z x Z y
F (x, y ) = du kudv = 3x 2 y − 2x 3 .
0 u
Nếu 0 < y < 1, x > y thì

Z y Z y
F (x, y ) = du kudv = y 3 .
0 u
Nếu 0 < x < 1, y > 1 thì

Z x Z 1
F (x, y ) = du kudv = 3x 2 − 2x 3 .
0 u
Nếu x > 1, y > 1 thì F (x, y ) = 1.

Các trường hợp còn lại thì F (x, y ) = 0.


3x 2 y − 2x 3 nếu 0 < x < y < 1,

3 nếu 0 < y < 1, x > y ,
y



F (x, y ) = 3x 2 − 2x 3 nếu 0 < x < 1, y > 1,

1 nếu x > 1, y > 1,





0 trong các trường hợp khác.




3x 2 y − 2x 3 nếu 0 < x < y < 1,

3 nếu 0 < y < 1, x > y ,
y



F (x, y ) = 3x 2 − 2x 3 nếu 0 < x < 1, y > 1,

1 nếu x > 1, y > 1,






3) Hàm mật độ của X, của Y là

Z ∞ (R 1
fX (x) = f (x, y )dy = x 6xdy = 6x(1 − x) nếu 0 < x < 1,
−∞ 0 nếu trái lại.



3x 2 y − 2x 3 nếu 0 < x < y < 1,

3 nếu 0 < y < 1, x > y ,
y



F (x, y ) = 3x 2 − 2x 3 nếu 0 < x < 1, y > 1,

1 nếu x > 1, y > 1,







Z ∞ (R 1
(R y
∞
6xdx = 3y 2 nếu 0 < y < 1,
Z
fY (x) = f (x, y )dx = 0



3x 2 y − 2x 3 nếu 0 < x < y < 1,

3 nếu 0 < y < 1, x > y ,
y



F (x, y ) = 3x 2 − 2x 3 nếu 0 < x < 1, y > 1,

1 nếu x > 1, y > 1,







Z ∞ (R 1
(R y
∞
6xdx = 3y 2 nếu 0 < y < 1,
Z
fY (x) = f (x, y )dx = 0

Hàm phân bố của X, của Y là:


0
 nếu x ≤ 0,
FX (x) = 3x 2 − 2x 3 nếu 0 < x < 1,




0
 nếu x ≤ 0,
FX (x) = 3x 2 − 2x 3 nếu 0 < x < 1,



0
 nếu y ≤ 0,
FY (y ) = y 3 nếu 0 < y < 1,

0 nếu y ≥ 1.



0
 nếu x ≤ 0,
FX (x) = 3x 2 − 2x 3 nếu 0 < x < 1,



0
 nếu y ≤ 0,
FY (y ) = y 3 nếu 0 < y < 1,

0 nếu y ≥ 1.

• Chú ý: Trong trường hợp này có hai cách tìm hàm phân bố của
X, Y là


0
 nếu x ≤ 0,
FX (x) = 3x 2 − 2x 3 nếu 0 < x < 1,



0
 nếu y ≤ 0,
FY (y ) = y 3 nếu 0 < y < 1,

0 nếu y ≥ 1.

X, Y là
Rx
1. Thông qua hàm mật độ FX (x) = −∞ fX (t)dt.


0
 nếu x ≤ 0,
FX (x) = 3x 2 − 2x 3 nếu 0 < x < 1,



0
 nếu y ≤ 0,
FY (y ) = y 3 nếu 0 < y < 1,

0 nếu y ≥ 1.

X, Y là
Rx
1. Thông qua hàm mật độ FX (x) = −∞ fX (t)dt.
2. Thông qua hàm phân bố đồng thời FX (x) = lim F (x, y ).
y →∞

Xác suất hình học.
• Phân bố đều trên đường cong. Trên mặt phẳng, cho đường
cong C có chiều dài hữu hạn. Một điểm M(X , Y ) được gọi là có
phân bố đều trên C nếu M rơi đều trên C. Tức là, với mọi đoạn
con c ⊂ C thì
|c| Độ dài của c
P(M ∈ c) = = .
|C | Độ dài của C

• Phân bố đều trên đường cong. Trên mặt phẳng, cho đường
cong C có chiều dài hữu hạn. Một điểm M(X , Y ) được gọi là có
phân bố đều trên C nếu M rơi đều trên C. Tức là, với mọi đoạn
con c ⊂ C thì
|c| Độ dài của c
P(M ∈ c) = = .
|C | Độ dài của C
• Phân bố đều trên mặt phẳng. Trên mặt phẳng, cho miền S có
diện tích hữu hạn. Điểm M(X , Y ) được gọi là có phân bố đều trên
S nếu nó rơi đều trên S. Tức là, với mọi miền con s ⊂ S thì
|s| Diện tích của s
P(M ∈ s) = = .
|S| Diện tích của S
Nói khác đi hàm mật độ của (X, Y) là
(
1
nếu (x, y ) ∈ S,
f (x, y ) = |S|
Ví dụ 4.2. Cho hình tròn tâm O bán kính R. Kẻ ngẫu nhiên một
dây cung. Tính xác suất để chiều dài dây cung lớn hơn cạnh tam
giác đều nội tiếp đường tròn.

giác đều nội tiếp đường tròn.Ta kẻ ngẫu nhiên dây cung AB theo
các cách sau đây:

Trường hợp 1. Kẻ một bán kính. Trên bán kính đó
lấy ngẫu nhiên điểm I, qua I kẻ dây cung AB
vuông góc với OI.

Đáp số: 1/2.

Đáp số: 1/2.
Trường hợp 2. Lấy ngẫu nhiên điểm I trong hình
tròn (O, R). Kẻ dây cung AB vuông góc với OI.

Đáp số: 1/2.
Đáp số: 1/4.

Đáp số: 1/2.
Đáp số: 1/4.
Trường hợp 3. Trên đường tròn (O, R) lấy ngẫu
nhiên 2 điểm A, B. Nối A với B được dây cung
AB.

Đáp số: 1/2.
Đáp số: 1/4.
Trường hợp 3. Trên đường tròn (O, R) lấy ngẫu
nhiên 2 điểm A, B. Nối A với B được dây cung
AB.
Đáp số: 1/3.
Tính độc lập
• Định nghĩa. Hai biến ngẫu nhiên X, Y độc lập với nhau nếu mọi
biến cố liên quan đến X độc lập với các biến cố liên quan đến Y,
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.

Tính độc lập
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.
Hay P(Y ∈ B|X ∈ A) = P(Y ∈ B) với mọi A, B ⊂ R.

Tính độc lập
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.
• Các khẳng định sau là tương đương.

Tính độc lập
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.
1. X, Y độc lập.

Tính độc lập
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.
2. Hàm mật độ đồng thời bằng tích hai hàm mật độ.

Tính độc lập
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.
3. Hàm phân bố đồng thời bằng tích hai hàm phân bố.

Tính độc lập
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.
Ví dụ 4.3. Kiểm tra xem các biến ngẫu nhiên X, Y cho trong Ví
dụ 4.1. có độc lập với nhau không?

Tính độc lập
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.
I Kiểm tra bằng định nghĩa.

Tính độc lập
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.
I Kiểm tra bằng định nghĩa.Lấy A = (0.5, 1), B = (0, 0.5) thì
P(X ∈ A, Y ∈ B) = 0 trong khi đó P(X ∈ A) >),
P(Y ∈ B) > 0.

Tính độc lập
tức là
P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B), ∀A, B ⊂ R.
I Kiểm tra bằng định nghĩa.Lấy A = (0.5, 1), B = (0, 0.5) thì
P(X ∈ A, Y ∈ B) = 0 trong khi đó P(X ∈ A) >),
P(Y ∈ B) > 0.
I Kiểm tra bằng các điều kiện tương đương:
f (x, y ) 6= fX (x)fY (y ).
Hàm của hai đại lượng ngẫu nhiên
• Bài toán. Cho hai biến ngẫu nhiên liên tục X, Y với hàm mật độ
đồng thời là f (x, y ). u(x, y ), v (x, y ) là các hàm hai biến. Đặt
U = u(X , Y ), V = v (X , Y ). Tìm phân bố của (U, V ).

• Gọi D là miền giá trị của (X,Y). Giả sử (u,v) là ánh xạ 1-1 từ D
∂u(x, y ) ∂u(x, y ) ∂v (x, y ) ∂v (x, y )
vào S, các đạo hàm riêng , , ,
∂x ∂y ∂x ∂y
tồn tại và liên tục. Khi đó tồn tại hàm ngược
(x = x(u, v ), y = y (u, v ) từ S vào D. Ta đặt

∂x(u, v ) ∂x(u, v )

∂u ∂v
J = ∂y (u, v ) ∂y (u, v )

∂u ∂v


• Gọi D là miền giá trị của (X,Y). Giả sử (u,v) là ánh xạ 1-1 từ D
∂u(x, y ) ∂u(x, y ) ∂v (x, y ) ∂v (x, y )
vào S, các đạo hàm riêng , , ,
∂x ∂y ∂x ∂y
tồn tại và liên tục. Khi đó tồn tại hàm ngược
(x = x(u, v ), y = y (u, v ) từ S vào D. Ta đặt

∂x(u, v ) ∂x(u, v )

∂u ∂v
J = ∂y (u, v ) ∂y (u, v )

∂u ∂v

• Hàm mật độ đồng thời của U, V là

(
f (x(u, v ), y (u, v ))|J| với (u, v ) ∈ S,
g (u, v ) =
Hàm của đại lượng ngẫu nhiên
• Trường hợp đặc biệt. Xét u(x, y ) = x, v (x, y ) = x + y thì
x(u, v ) = u, y (u, v ) = v − u và

1 0
J= = 1.
−1 1

x(u, v ) = u, y (u, v ) = v − u và

1 0
J= = 1.
−1 1
Do đó hàm mật độ đồng thời của U, V là
g (u, v ) = f (u, v − u).

x(u, v ) = u, y (u, v ) = v − u và

1 0
J= = 1.
−1 1
g (u, v ) = f (u, v − u).
Do đó hàm mật độ của V = X + Y là

Z ∞
gV (v ) = f (u, v − u)du.
−∞

x(u, v ) = u, y (u, v ) = v − u và

1 0
J= = 1.
−1 1
g (u, v ) = f (u, v − u).
Do đó hàm mật độ của V = X + Y là

Z ∞
gV (v ) = f (u, v − u)du.
−∞
Ví dụ 4.4. Cho X, Y là hai biến ngẫu nhiên độc lập, X có phân bố

đều trên (0,1), Y có phân bố đều trên (0,2). Tìm hàm mật độ của
V=3X-Y.
• Do X, Y có phân bố đều nên hàm mật độ của X, Y là
(
1 nếu 0 < x < 1,
fX (x) =
(
1/2 nếu 0 < y < 2,
fY (y ) =

(
1 nếu 0 < x < 1,
fX (x) =
(
1/2 nếu 0 < y < 2,
fY (y ) =
• Do X, Y độc lập nên hàm mật độ đồng thời của X, Y là

(
1/2 nếu 0 < x < 1, 0 < y < 2,
f (x, y ) = fX (x)fY (y ) =

(
1 nếu 0 < x < 1,
fX (x) =
(
1/2 nếu 0 < y < 2,
fY (y ) =
• Do X, Y độc lập nên hàm mật độ đồng thời của X, Y là

(
1/2 nếu 0 < x < 1, 0 < y < 2,
f (x, y ) = fX (x)fY (y ) =
• Đặt U=X, V=3X-Y. Khi đó x = u, y = 3u − v nên

1 0
J = = −1.
3 −1

(
1/2 nếu 0 < u < 1, 3u − 2 < v < 3u,
g (u, v ) =

(
1/2 nếu 0 < u < 1, 3u − 2 < v < 3u,
g (u, v ) =
• Hàm mật độ của V=3X-Y là

R (v +2)/3

 0 1/2du nếu − 2 < v ≤ 0,
R (v +2)/3 1/2du
Z ∞ 
nếu 0 < v ≤ 1,

gV (v ) = g (u, v )du = Rv1/3
−∞ 

 v /3 1/2du nếu 1 < v ≤ 3,



v +2


 6 nếu − 2 < v ≤ 0,
Z ∞ 1

nếu 0 < v ≤ 1,
gV (v ) = g (u, v )du = 33−v
−∞ 

 6 nếu 1 < v ≤ 3,

0 nếu trái lại.
Phân bố có điều kiện, kỳ vọng có điều kiện
• Đối với biến ngẫu nhiên liên tục, kh biết X=x ta không thể định
nghĩa hàm phân bố của Y bằng cách
P(Y < y , X = x)
F (y |x) = P(Y < y |X = x) =
P(X = x)
vì P(X = x) = 0 với mọi x ∈ R.

P(Y < y , X = x)
F (y |x) = P(Y < y |X = x) =
P(X = x)
• Người ta định nghĩa hàm phân bố của Y khi biết X=x như sau:
Ry R x+∆x
−∞ dv x f (u, v )du
F (y |x) = lim P(Y < y |x < X < x+∆x) = R x+∆x .
∆x→0 fX (u)du
x
Chú ý rằng do tính liên tục của fX (x) nên ta chỉ định nghĩa được
F (y |x) cho những x mà fX (x) > 0.

P(Y < y , X = x)
F (y |x) = P(Y < y |X = x) =
P(X = x)
• Người ta định nghĩa hàm phân bố của Y khi biết X=x như sau:
Ry R x+∆x
−∞ dv x f (u, v )du
F (y |x) = lim P(Y < y |x < X < x+∆x) = R x+∆x .
∆x→0 fX (u)du
x
Chú ý rằng do tính liên tục của fX (x) nên ta chỉ định nghĩa được
F (y |x) cho những x mà fX (x) > 0.
• Áp dụng định lý giá trị trung bình ta được
Z y
1
F (y |x) = f (x, v )dv .
fX (x) −∞
Phân bố có điều kiện và kỳ vọng có điều kiện
• Đạo hàm của hàm phân bố có điều kiện F (y |x) theo y được gọi
là hàm mật độ có điều kiện của Y khi biết X=x.
f (x, y )
f (y |x) = F 0 (y |x) = .
fX (x)

f (x, y )
f (y |x) = F 0 (y |x) = .
fX (x)
• Tương tự ta có các hàm phân bố có điều kiện và mật độ có điều

kiện của X khi biết Y=y là
Z x
1
F (x|y ) = f (u, y )du,
fY (y ) −∞
f (x, y )
f (x|y ) = F 0 (x|y ) = .
fY (y )

f (x, y )
f (y |x) = F 0 (y |x) = .
fX (x)
• Tương tự ta có các hàm phân bố có điều kiện và mật độ có điều

kiện của X khi biết Y=y là
Z x
1
F (x|y ) = f (u, y )du,
fY (y ) −∞
f (x, y )
f (x|y ) = F 0 (x|y ) = .
fY (y )
Chú ý rằng các hàm F (x|y và f (x|y ) chỉ xác định với những y mà
fY (y ) > 0.
• Kỳ vọng có điều kiện của Y khi biết X=x là
Z ∞
E(Y |X = x) = yf (y |x)dy .
−∞
Như vậy, E(Y |X = x) là giá trị trung bình của Y khi biết X=x và
nó cũng chỉ xác định với x thỏa mãn fX (x) > 0.

Z ∞
E(Y |X = x) = yf (y |x)dy .
−∞
• Tương tự với kỳ vọng có điều kiện của X khi biết Y=y
Z ∞
E(X |Y = y ) = xf (x|y )dx.
−∞
• Ta có công thức sao tương tự như công thức xác suất đầy đủ
Z Z ∞
E(Y ) = fX (x)dx yf (y |x)dy .
x:fX (x)>0 −∞

Z ∞
E(Y |X = x) = yf (y |x)dy .
−∞
• Tương tự với kỳ vọng có điều kiện của X khi biết Y=y
Z ∞
E(X |Y = y ) = xf (x|y )dx.
−∞
• Ta có công thức sao tương tự như công thức xác suất đầy đủ
Z Z ∞
E(Y ) = fX (x)dx yf (y |x)dy .
x:fX (x)>0 −∞
Hay viết dưới dạng gọn hơn

E(Y ) = E(E(Y |X )).
Ví dụ 4.5. Tìm các kỳ vọng có điều kiện với (X,Y) được cho trong
Ví dụ 4.1.

Ví dụ 4.1.
Hàm mật độ của X khi biết Y=y (0<y<1) là
(
6x 2x
f (x, y ) 2 = y2 nếu 0 < x < y ,
f (x|y ) = = 3y
fY (y ) 0 nếu trái lại.

Ví dụ 4.1.
(
6x 2x
f (x, y ) 2 = y2 nếu 0 < x < y ,
f (x|y ) = = 3y
Kỳ vọng có điều kiện của X khi biết Y=y là

Z y
2x 2x 3 2
E(X |Y = y ) = x 2 = 2 |y0 = y .
0 y 3y 3

Ví dụ 4.1.
(
6x 2x
f (x, y ) 2 = y2 nếu 0 < x < y ,
f (x|y ) = = 3y

Z y
2x 2x 3 2
E(X |Y = y ) = x 2 = 2 |y0 = y .
0 y 3y 3
Hàm mật độ của Y khi biết X=x (0<x<1) là

(
6x 1
f (x, y ) = 1−x nếu x < y < 1,
f (y |x) = = 6x(1−x)
fX (x) 0 nếu trái lại.

Ví dụ 4.1.
(
6x 2x
f (x, y ) 2 = y2 nếu 0 < x < y ,
f (x|y ) = = 3y

Z y
2x 2x 3 2
E(X |Y = y ) = x 2 = 2 |y0 = y .
0 y 3y 3
Hàm mật độ của Y khi biết X=x (0<x<1) là

(
6x 1
f (x, y ) = 1−x nếu x < y < 1,
f (y |x) = = 6x(1−x)
fX (x) 0 nếu trái lại.
Vậy khi biết X = x thì Y ∼ U(x, 1) do đó
E(Y |X = x) = (x + 1)/2.
Covariance và hệ số tương quan
• Đặt bài toán: Cho X, Y là hai biến ngẫu nhiên bất kỳ. Khi đó

I Hoặc X, Y độc lập,

I Hoặc X, Y không độc lập.

Nếu X, Y không độc lập có hai bài toán sau cần giải quyết:
1. Bài toán tương quan tuyến tính: X, Y có quan hệ tuyến tính
(Y=aX+b) không? Nhiều hay ít?

2. Bài toán hồi quy tuyến tính: Nếu X, Y có quan hệ tuyến tính
thì phương trình đường thẳng tốt nhất biểu diễn quan hệ
tuyến tính đó là gì? (Tìm a, b)

2. Bài toán hồi quy tuyến tính: Nếu X, Y có quan hệ tuyến tính
thì phương trình đường thẳng tốt nhất biểu diễn quan hệ
tuyến tính đó là gì? (Tìm a, b)
• Covariance của hai biến ngẫu nhiên ký hiệu là Cov(X , Y ) xác
định bởi
Cov(X , Y ) = E(X − EX )(Y − EY ) = E(XY ) − E(X )E(Y ),

s
trong đó E(XY ) = R2 xyf (x, y )dxdy .
• Tính chất của covariance:

1. Đối xứng Cov(X , Y ) = Cov(Y , X ).

2. Cov(X , X ) = DX .

2. Cov(X , X ) = DX .
n
P m
P n,m
P
3. Cov( ai Xi , bj Yj ) = ai bj Cov(Xi , Yj ).
i=1 j=1 i,j=1

2. Cov(X , X ) = DX .
n
P m
P n,m
P
3. Cov( ai Xi , bj Yj ) = ai bj Cov(Xi , Yj ).Đặc biệt,
i=1 j=1 i,j=1
Cov(aX + bY ) = a2 DX + b 2 DY + 2ab Cov(X , Y ).

2. Cov(X , X ) = DX .
n
P m
P n,m
P
3. Cov( ai Xi , bj Yj ) = ai bj Cov(Xi , Yj ).Đặc biệt,
i=1 j=1 i,j=1
Cov(aX + bY ) = a2 DX + b 2 DY + 2ab Cov(X , Y ).
• Hệ số tương quan giữa hai biến ngẫu nhiên

Cov(X , Y ) E(XY ) − EX EY
ρ(X , Y ) = ρ = √ √ = √ √ ,
DX DY DX DY
chú ý rằng nếu DX = 0 hoặc DY = 0 thì khi đó X = C hoặc

Y = C và sẽ độc lập với biến ngẫu nhiên kia vì vậy ta không
xét trường hợp này.
• Tính chất của hệ số tương quan:

1. ρ(X , Y ) = ρ(Y , X ),

1. ρ(X , Y ) = ρ(Y , X ),
2. −1 ≤ ρ(X , Y ) ≤ 1,

1. ρ(X , Y ) = ρ(Y , X ),
2. −1 ≤ ρ(X , Y ) ≤ 1,
3. ρ(X , Y ) = ρ(aX + b, cY + d) với mọi a, b, c, d ∈ R.

1. ρ(X , Y ) = ρ(Y , X ),
2. −1 ≤ ρ(X , Y ) ≤ 1,
• Bài toán:Tìm hai số a, b sao cho aX + b xấp xỉ tốt nhất cho Y
theo nghĩa bình phương trung bình nhỏ nhất?

1. ρ(X , Y ) = ρ(Y , X ),
2. −1 ≤ ρ(X , Y ) ≤ 1,
theo nghĩa bình phương trung bình nhỏ nhất?Tức là cần tìm a, b
sao cho
E[Y − (aX + b)]2 → min .
a,b

1. ρ(X , Y ) = ρ(Y , X ),
2. −1 ≤ ρ(X , Y ) ≤ 1,
theo nghĩa bình phương trung bình nhỏ nhất?Tức là cần tìm a, b
sao cho
E[Y − (aX + b)]2 → min .
a,b
Ta có
E[Y − (aX + b)]2 = E[(Y − EY ) − a(X − EX ) + EY − aEX − b]2

= E(Y − EY )2 + a2 E(X − EX )2 − 2a Cov(X , Y ) + (EY − aEX − b)2
√ √
= DXa2 − 2ρ DX DY a + DY + (EY − aEX − b)2 .

Đường hồi quy tuyến tính
Ta sẽ tìm a, b sao cho
( √ √
DXa2 − 2ρ DX DY a + DY → mina
(EY − aEX − b)2 = 0

( √ √
(EY − aEX − b)2 = 0
Do đó  √ √ √
a∗ = ρ DX DY = ρ √DY ,
DX DX √
b ∗ = EY − aEX = EY − ρ √DY EX .
DX

( √ √
(EY − aEX − b)2 = 0
Do đó  √ √ √
a∗ = ρ DX DY = ρ √DY ,
DX DX √
b ∗ = EY − aEX = EY − ρ √DY EX .
DX
Do đó, phương trình đường thẳng tốt nhất biểu diễn quan hệ
tuyến tính của Y theo X là
r
DY
Y − EY = ρ (X − EX ).
DX
(Phương trình đường hồi quy tuyến tính của Y theo X.)
Ý nghĩa của hệ số tương quan
Khi đó, sai số bình phương trung bình là nhỏ nhất và bằng
√
∗ ∗ 2
√ √
2 DY DY
σY2 |X = E[Y − (a X + b )] = DX ρ − 2ρ DY DX ρ √ + DY
DX DX
= ρ2 DY − 2ρ2 DY + DY = DY (1 − ρ2 ) = σY2 |X .

√
∗ ∗ 2
√ √
2 DY DY
DX DX
= ρ2 DY − 2ρ2 DY + DY = DY (1 − ρ2 ) = σY2 |X .
Từ đó, ta thấy:ρ là số đo sự phù hợp của mô hình tức đo mức độ

phù hợp tuyến tính giữa X và Y. Nếu ρ2 càng lớn thì sai số BPTB
càng bé tức là mô hình càng tốt. .Nếu ρ > 0 thì X, Y đồng biến,
nếu ρ < 0 thì X, Y nghịch biến còn nếu ρ = 0 ta nói rằng X, Y
không tương quan.

√
∗ ∗ 2
√ √
2 DY DY
DX DX
= ρ2 DY − 2ρ2 DY + DY = DY (1 − ρ2 ) = σY2 |X .

Chú ý: Tính độc lập kéo theo tính không tương quan tuy nhiên
điều ngược lại không đúng.

√
∗ ∗ 2
√ √
2 DY DY
DX DX
= ρ2 DY − 2ρ2 DY + DY = DY (1 − ρ2 ) = σY2 |X .

Chú ý: Tính độc lập kéo theo tính không tương quan tuy nhiên
điều ngược lại không đúng.
Ví dụ 4.6. Cho X ∼ U(−1, 1), Y = X 2 thì X, Y không độc lập
tuy nhiên Cov(X , Y ) = 0.
Phân bố chuẩn hai chiều
• Phân bố chuẩn tắc hai chiều.

Véc tơ ngẫu nhiên (U, V) được gọi là có phân bố chuẩn tắc hai
chiều nếu nó có hàm mật độ
2
u − 2ρuv + v 2

1
f (u, v ) = p exp − , ∀u, v ∈ R,
2π 1 − ρ2 2(1 − ρ2 )
trong đó −1 < ρ < 1.

2
u − 2ρuv + v 2

1
f (u, v ) = p exp − , ∀u, v ∈ R,
2π 1 − ρ2 2(1 − ρ2 )

• (U,V) có phân bố chuẩn tắc 2 chiều thì:
1. U ∼ N(0, 1), V ∼ N(0, 1).

2
u − 2ρuv + v 2

1
f (u, v ) = p exp − , ∀u, v ∈ R,
2π 1 − ρ2 2(1 − ρ2 )

1. U ∼ N(0, 1), V ∼ N(0, 1).
2. ρ(U, V ) = ρ.

2
u − 2ρuv + v 2

1
f (u, v ) = p exp − , ∀u, v ∈ R,
2π 1 − ρ2 2(1 − ρ2 )

1. U ∼ N(0, 1), V ∼ N(0, 1).
2. ρ(U, V ) = ρ.
3. U, V độc lập với nhau khi và chỉ khi
chúng không tương quan.

2
u − 2ρuv + v 2

1
f (u, v ) = p exp − , ∀u, v ∈ R,
2π 1 − ρ2 2(1 − ρ2 )

1. U ∼ N(0, 1), V ∼ N(0, 1).
2. ρ(U, V ) = ρ.
4. Phân bố có điều kiện của Y khi biết X=x
là phân bố chuẩn N(ρx, 1 − ρ2 )

2
u − 2ρuv + v 2

1
f (u, v ) = p exp − , ∀u, v ∈ R,
2π 1 − ρ2 2(1 − ρ2 )

1. U ∼ N(0, 1), V ∼ N(0, 1).
2. ρ(U, V ) = ρ.
4. Phân bố có điều kiện của Y khi biết X=x
là phân bố chuẩn N(ρx, 1 − ρ2 ). Do đó
E(Y |X = x) = ρx.
• 2. Phân bố chuẩn hai chiều. Véc tơ ngẫu nhiên (X,Y) được gọi
là có phân bố chuẩn hai chiều với các tham số (µ1 , σ12 ), (µ2 , σ22 ),
(µi ∈ R, σi > 0) nếu véc tơ ngẫu nhiên (U, V) xác định bởi
X − µ1 Y − µ1
U= , V =
σ1 σ1
có phân bố chuẩn tắc hai chiều.

X − µ1 Y − µ1
U= , V =
σ1 σ1
• Tìm hàm mật độ của (X,Y)?

X − µ1 Y − µ1
U= , V =
σ1 σ1
x − µ1
• Tìm hàm mật độ của (X,Y)? Ta có u(x, y ) = ,
σ1
y − µ2
v (x, y ) = nên
σ2
1
0 1
J = σ1 1 = .
0 σ2 σ1 σ2

X − µ1 Y − µ1
U= , V =
σ1 σ1
x − µ1
• Tìm hàm mật độ của (X,Y)? Ta có u(x, y ) = ,
σ1
y − µ2
v (x, y ) = nên
σ2
1
0 1
J = σ1 1 = .
0 σ2 σ1 σ2
Do đó ∀x, y ∈ R hàm mật độ của (X,Y) là
x−µ1 2 y −µ2 y −µ2 2
1 ( σ1 ) − 2ρ( x−µ1
σ1 )( σ2 ) + ( σ2 )
g (x, y ) = exp{− }.
2(1 − ρ2 )
p
σ1 σ2 2π 1 − ρ2
• Nếu (X,Y) có phân bố chuẩn hai chiều với các tham số (µ1 , σ12 ),
(µ2 , σ22 ) thì

(µ2 , σ22 ) thì
1. X ∼ N(µ1 , σ12 ), X ∼ N(µ1 , σ12 ).

(µ2 , σ22 ) thì
1. X ∼ N(µ1 , σ12 ), X ∼ N(µ1 , σ12 ).
2. ρ(X , Y ) = ρ.

(µ2 , σ22 ) thì
1. X ∼ N(µ1 , σ12 ), X ∼ N(µ1 , σ12 ).
2. ρ(X , Y ) = ρ.
3. X , Y độc lập khi và chỉ khi chúng không tương quan.

(µ2 , σ22 ) thì
1. X ∼ N(µ1 , σ12 ), X ∼ N(µ1 , σ12 ).
2. ρ(X , Y ) = ρ.
4. Phân bố có điều kiện của Y khi biết X=x là phân bố chuẩn
σ2
N(µ2 + ρ (x − µ1 ), σ22 (1 − ρ2 )).
σ1

(µ2 , σ22 ) thì
1. X ∼ N(µ1 , σ12 ), X ∼ N(µ1 , σ12 ).
2. ρ(X , Y ) = ρ.
σ2
N(µ2 + ρ (x − µ1 ), σ22 (1 − ρ2 )).
σ1
Do đó kỳ vọng có điều kiện của Y khi biết X=x là
σ2
E(Y |X = x) = µ2 + ρ (x − µ1 ).
σ1

(µ2 , σ22 ) thì
1. X ∼ N(µ1 , σ12 ), X ∼ N(µ1 , σ12 ).
2. ρ(X , Y ) = ρ.
σ2
N(µ2 + ρ (x − µ1 ), σ22 (1 − ρ2 )).
σ1
Do đó kỳ vọng có điều kiện của Y khi biết X=x là
σ2
E(Y |X = x) = µ2 + ρ (x − µ1 ).
σ1
5. Với mọi a, b ∈ R thì Z = aX + bY cũng có phân bố chuẩn với

E(Z ) = aµ1 + bµ2 , D(Z ) = a2 σ12 + b 2 σ22 + 2abρσ1 σ2 .
Ví dụ 4.7. Giả sử chiều cao (inches) và cân nặng (pounds) của
người đàn ông trưởng thành có phân bố chuẩn hai chiều. Chiều
cao trung bình là 70 và độ lệch tiêu chuẩn là 2.5. Cân nặng trung
bình là 150 và độ lệch tiêu chuẩn là 25. Biết rằng hệ số tương
quan giữa chiều cao và cân nặng là 0.6. Tính:

1. Tỷ lệ người đàn ông nặng hơn 200 pounds.

Đáp số: 2.28%.

Đáp số: 2.28%.
2. Tỷ lệ người đàn ông thấp hơn 65 inches.

Đáp số: 2.28%.
Đáp số: 2.28%.

Đáp số: 2.28%.
Đáp số: 2.28%.
3. Tỷ lệ người đàn ông nhẹ hơn 170 pounds trong số cao 75
inches

Đáp số: 2.28%.
Đáp số: 2.28%.
inches
Đáp số: 30.85%.

Đáp số: 2.28%.
Đáp số: 2.28%.
inches
Đáp số: 30.85%.
4. Tỷ lệ người đàn ông thấp hơn 70 inches trong số nặng 210
pounds.
Đáp số: 3.59%.
Đáp số: 2.28%.
Đáp số: 2.28%.
inches
Đáp số: 30.85%.
4. Tỷ lệ người đàn ông thấp hơn 70 inches trong số nặng 210
pounds.
Đáp số: 3.59%.

Chuong 4

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

Chuong 4

Uploaded by

Copyright:

Available Formats

Bài giảng xác suất

Chương 4: Véc tơ ngẫu nhiên liên tục hai chiều

Trần Mạnh Cường

Ngày 23 tháng 9 năm 2021

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

1. f (x, y ) ≥ 0 với mọi

Trần Mạnh Cường Bài giảng xác suất

1. f (x, y ) ≥ 0 với mọi

Trần Mạnh Cường Bài giảng xác suất

1. f (x, y ) ≥ 0 với mọi

1. f (x, y ) ≥ 0 với mọi

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

F (x, y ) = P(X ≤ x, Y ≤ y ), ∀x, y ∈ R.

• Tính chất của hàm phân bố:

Trần Mạnh Cường Bài giảng xác suất

F (x, y ) = P(X ≤ x, Y ≤ y ), ∀x, y ∈ R.

• Tính chất của hàm phân bố:

Trần Mạnh Cường Bài giảng xác suất

F (x, y ) = P(X ≤ x, Y ≤ y ), ∀x, y ∈ R.

• Tính chất của hàm phân bố:

Trần Mạnh Cường Bài giảng xác suất

F (x, y ) = P(X ≤ x, Y ≤ y ), ∀x, y ∈ R.

• Tính chất của hàm phân bố:

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

I Hàm mật độ của X, của Y tương ứng là

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Nếu 0 < x < y < 1 thì

Trần Mạnh Cường Bài giảng xác suất

Nếu 0 < x < y < 1 thì

Nếu 0 < y < 1, x > y thì

Trần Mạnh Cường Bài giảng xác suất

Nếu 0 < x < y < 1 thì

Nếu 0 < y < 1, x > y thì

Nếu 0 < x < 1, y > 1 thì

Trần Mạnh Cường Bài giảng xác suất

Nếu 0 < x < y < 1 thì

Nếu 0 < y < 1, x > y thì

Nếu 0 < x < 1, y > 1 thì

Nếu x > 1, y > 1 thì F (x, y ) = 1.

Trần Mạnh Cường Bài giảng xác suất

3) Hàm mật độ của X, của Y là

Trần Mạnh Cường Bài giảng xác suất

3) Hàm mật độ của X, của Y là

Trần Mạnh Cường Bài giảng xác suất

3) Hàm mật độ của X, của Y là

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất

Trần Mạnh Cường Bài giảng xác suất