Ch4 Random Vector Handout 2

Véc-tÏ ng®u nhiên
Hoàng Vń Hà
hvha@hcmus.edu.vn
Ngày 26 tháng 10 n´m 2022
Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 1 / 60

Mˆc lˆc
1 GiÓi thiªu v∑ véc-tÏ ng®u nhiên

GiÓi thiªu
Phân phËi xác sußt Áng thÌi cıa véc-tÏ ng®u nhiên rÌi r§c 2 chi∑u
2 B£ng phân phËi xác sußt Áng thÌi cıa véc-tÏ ng®u nhiên 2 chi∑u
3 Phân phËi biên
4 Phân phËi có i∑u kiªn và s¸ Îc l™p

Phân phËi có i∑u kiªn
S¸ Îc l™p
5 Véc-tÏ ng®u nhiên liên tˆc 2 chi∑u

Phân phËi Áng thÌi
Phân phËi biên
Phân phËi có i∑u kiªn và s¸ Îc l™p
6 Hiªp ph˜Ïng sai và hª sË t˜Ïng quan

Hiªp ph˜Ïng sai
Hª sË t˜Ïng quan

GiÓi thiªu v∑ véc-tÏ ng®u nhiên GiÓi thiªu
Véc-tÏ ng®u nhiên
Thông th˜Ìng, trong các mô hình xác sußt, ta c¶n ph£i xét cùng mÎt lúc nhi∑u bi∏n ng®u
nhiên thay vì chø mÎt bi∏n ng®u nhiên. Ví dˆ:
1 khi khám s˘c kh‰e cho mÎt ng˜Ìi, ta quan tâm tÓi X1 = chi∑u cao, X2 = cân n∞ng, X3 = huy∏t áp,
X4 = nhóm máu, . . .
2 khi kh£o sát mÎt s£n ph©m, ta có th∫ quan tâm ∏n X = cân n∞ng, Y = chi∑u cao, Z = chi∑u dài
cıa s£n ph©m ó.
‡nh nghæa 1
MÎt bÎ gÁm n bi∏n ng®u (X1 , X2 , . . . , Xn ) nh™n giá tr‡ trên không gian Rn ˜Òc gÂi là mÎt
véc-tÏ ng®u nhiên (random vector) n chi∑u.
Quy lu™t phân phËi ∫ véc-tÏ X = (X1 , X2 , . . . , Xn ) lßy giá tr‡ trên t™p hÒp E 2 Rn
PX (E ) = P(X 2 E ),
˜Òc gÂi là quy lu™t phân phËi nhi∑u chi∑u (hay n-chi∑u).
∫ cho Ïn gi£n, trong ch˜Ïng này chúng ta chø kh£o sát v∑ các phân phËi rÌi r§c 2 chi∑u
(bivariate discrete distributions).

GiÓi thiªu v∑ véc-tÏ ng®u nhiên Phân phËi xác sußt Áng thÌi cıa véc-tÏ ng®u nhiên rÌi r§c 2 chi∑u
Hàm phân phËi xác sußt tích lÙy Áng thÌi
‡nh nghæa 2
Hàm phân phËi xác sußt tích lÙy Áng thÌi (joint cumulative probability distribution function) (gÂi
t≠t là hàm phân phËi Áng thÌi) cıa véc-tÏ ng®u nhiên (X , Y ) là hàm FXY (x, y ) ˜Òc ‡nh nghæa
FXY (x, y ) = P(X  x, Y  y ) 8 x, y 2 R.
‡nh nghæa 3
N∏u véc-tÏ ng®u nhiên (X , Y ) có hàm phân phËi Áng thÌi FXY (x, y ) thì hàm phân phËi xác sußt
tích lÙy biên (marginal cumlative probability distribution function) (gÂi t≠t là hàm phân phËi
biên) cho X và Y ˜Òc ‡nh nghæa nh˜ sau
FX (x) = P(X  x) = FXY (x, +1) = lim FXY (x, y ),

y !+1
FY (y ) = P(Y  y ) = FXY (+1, y ) = lim FXY (x, y ).

x!+1

GiÓi thiªu v∑ véc-tÏ ng®u nhiên Phân phËi xác sußt Áng thÌi cıa véc-tÏ ng®u nhiên rÌi r§c 2 chi∑u
Hàm phân phËi xác sußt tích lÙy Áng thÌi
Tính chßt
1 FXY (x, y ) là hàm không gi£m theo t¯ng bi∏n sË
F (x1 , y )  F (x2 , y ) khi x1 < x2 ,

F (x, y1 )  F (x, y2 ) khi y1 < y2 .
lim FXY (x, y ) = lim FXY (x, y ) = lim FXY (x, y )) = 0.

x! 1 y! 1 x! 1
y! 1
lim FXY (x, y ) = 1.

x!+1
y !+1

B£ng phân phËi xác sußt Áng thÌi cıa véc-tÏ ng®u nhiên 2 chi∑u
Hàm khËi xác sußt Áng thÌi
‡nh nghæa 4
Xét X , Y là các bi∏n ng®u nhiên rÌi r§c và bÎ (X , Y ) là mÎt véc-tÏ ng®u nhiên rÌi r§c 2 chi∑u.
Hàm khËi xác sußt Áng thÌi (joint probability mass function) cıa véc-tÏ ng®u nhiên rÌi r§c
(X , Y ), k˛ hiªn là pXY (x, y ), làm hàm th‰a
1 pXY (x, y ) = P(X = x, Y = y ),
2 pXY (x, y ) 0,
P P
y pXY (x, y ) = 1.
3
x
Hàm khËi xác sußt Áng thÌi cıa (X , Y ) ˜Òc bi∫u diπn b¨ng b£ng phân phËi xác sußt Áng thÌi
(gÂi t≠t là b£ng phân phËi Áng thÌi).

B£ng phân phËi Áng thÌi

Gi£ s˚ X có th∫ nh™n các giá tr‡ x1 , x2 , . . . , xm và Y có th∫ nh™n các giá tr‡ y1 , y2 , . . . , yn vÓi
x1 < x2 < · · · < xm , y1 < y2 < · · · < yn , n và m < 1.
Khi ó b£ng phân phËi Áng thÌi cıa (X , Y ) có d§ng:
Y
y1 y2 ··· yn TÍng hàng
X
x1 pXY (x1 , y1 ) pXY (x1 , y2 ) ··· pXY (x1 , yn ) pX (x1 )
x2 pXY (x2 , y1 ) pXY (x2 , y2 ) ··· pXY (x2 , yn ) pX (x2 )
.. .. .. .. ..
. . . ··· . .
xi pXY (xi , y1 ) pXY (xi , y2 ) ··· pXY (xi , yn ) pX (xi )
.. .. .. .. ..
. . . ··· . .
xm pXY (xm , y1 ) pXY (xm , y2 ) ··· pXY (xm , yn ) pX (xm )
TÍng cÎt pY (y1 ) pY (y2 ) ··· pY (yn ) 1
B£ng 1: Phân phËi xác sußt Áng thÌi cıa (X , Y )

B£ng phân phËi Áng thÌi
Xác sußt pXY (X = xi , Y = yj ) là xác sußt x£y ra Áng thÌi hai s¸ kiªn (X = xi ) và
(Y = yj ).
T¯ b£ng phân phËi Áng thÌi, ta có th∫ tính

X X
P (a < x  b, c < Y  d) = pXY (xi , yj ).
i:xi 2(a,b] j:yj 2(c,d]
Ta cÙng có,
m X
X n
pXY (xi , yj ) = 1.
i=1 j=1

Phân phËi xác sußt Áng thÌi: ví dˆ
Ví dˆ 1
(X , Y ) là véc-tÏ ng®u nhiên rÌi r§c 2 chi∑u có hàm xác sußt Áng thÌi pXY (x, y ) cho bi b£ng sau
Y
-1 0 1
X
1 1/18 1/9 1/6
0 1/9 0 1/6
-1 1/6 1/9 1/9
Tính:
(a) P(X + Y = 1)
(b) P(X = 0)
(c) P(X < Y )

Phân phËi xác sußt Áng thÌi: ví dˆ
Ví dˆ 2
Tung mÎt con xúc s≠c cân Ëi và Áng chßt 3 l¶n. ∞t:
I X = sË l¶n xußt hiªn m∞t hình  l¶n tung th˘ nhßt,
I Y = tÍng sË l¶n xußt hiªn m∞t hình  3 l¶n tung,
Hãy l™p b£ng phân phËi Áng thÌi cho véc-tÏ ng®u nhiên (X , Y ).

Phân phËi biên
Hàm khËi xác sußt biên
‡nh nghæa 5
N∏u véc-tÏ ng®u nhiên rÌi r§c (X , Y ) có hàm khËi xác sußt Áng thÌi là pXY (x, y ) thì hàm khËi
xác sußt biên (marginal probability mass function) cho bi∏n ng®u nhiên X và Y l¶n l˜Òt ˜Òc xác
‡nh nh˜ sau:
X
pX (x) = P(X = x) = pXY (x, y ),
y
X
pY (y ) = P(Y = y ) = pXY (x, y ).
x

Phân phËi biên
B£ng phân phËi xác sußt biên
T¯ b£ng phân phËi Áng thÌi 1, các xác sußt biên pX (xi ), 1  i  m, pY (yj ), 1  j  n ˜Òc
tính nh˜ sau:
n
X n
X
pX (xi ) = P(X = xi ) = P(X = xi , Y = yj ) = pXY (xi , yj ), 1  i  m,
j=1 j=1
m
X m
X
pY (yj ) = P(Y = xj ) = P(X = xi , Y = yj ) = pXY (xi , yj ), 1  j  n.
i=1 i=1
Ta thu ˜Òc các b£ng phân phËi biên (marginal distribution) cho X và cho Y nh˜ sau:
X x1 x2 ... xm
PX pX (x1 ) pX (x2 ) ... pX (xm )
Y y1 y2 ... yn
PY pY (y1 ) pY (y2 ) ... pY (yn )

Phân phËi biên
Phân phËi xác sußt biên
Ví dˆ 3
Nh≠c l§i b£ng phân phËi Áng thÌi cıa ví dˆ 1:
Y
-1 0 1
X
1 1/18 1/9 1/6
0 1/9 0 1/6
-1 1/6 1/9 1/9
Ta tìm ˜Òc các b£ng phân phËi biên cho X và Y nh˜ sau:
X -1 0 1
PX 7/18 5/18 6/18
Y -1 0 1
PY 7/18 5/18 6/18

Phân phËi biên
Phân phËi xác sußt biên
Ví dˆ 4
Nh≠c l§i phân phËi Áng thÌi cıa véc-tÏ ng®u nhiên (X , Y ) cıa ví dˆ 2 là:
Y
0 1 2 3
X
0 1/8 2/8 1/8 0
1 0 1/8 2/8 1/8
Các phân phËi biên cıa X và Y l¶n l˜Òt là:

X 0 1
PX 4/8 4/8
Y 0 1 2 3
PY 1/8 3/18 3/8 1/8

Phân phËi có i∑u kiªn và s¸ Îc l™p Phân phËi có i∑u kiªn
Nh≠c l§i công th˘c xác sußt có i∑u kiªn:
P(A \ B)
P(A|B) = n∏u P(B) > 0.
P(B)
Xét X và Y là các bi∏n ng®u nhiên rÌi r§c. N∏u P(X = x) > 0 thì,
P(X = x \ Y = y ) pXY (x, y )

P(Y = y |X = x) = = .
P(X = x) pX (x)
P(Y = y |X = x) ‡nh nghæa xác sußt cıa Y cho tr˜Óc X = x.

Hàm khËi xác sußt có i∑u kiªn
‡nh nghæa 6
Xét véc-tÏ ng®u nhiên rÌi r§c (X , Y ), hàm khËi xác sußt có i∑u kiªn (conditional probability
mass function) cıa Y cho tr˜Óc X = x ˜Òc ‡nh nghæa
pXY (x, y )
pY |X (y |x) = vÓi pX (x) > 0.
pX (x)
T˜Ïng t¸, hàm khËi xác sußt có i∑u kiªn cıa X cho tr˜Óc Y = y ˜Òc ‡nh nghæa
pXY (x, y )
pX |Y (x|y ) = vÓi pY (y ) > 0.
pY (y )

K˝ vÂng có i∑u kiªn
‡nh nghæa 7
K˝ vÂng có i∑u kiªn (conditional expectation) cıa bi∏n ng®u nhiên Y cho tr˜Óc X = x, k˛ hiªu
E(Y |X = x) hay µY |x ˜Òc ‡nh nghæa
X
E(Y |X = x) = ypY |X (y |x).
y
T˜Ïng t¸, k˝ vÂng có i∑u kiªn cıa X cho tr˜Óc Y = y ˜Òc ‡nh nghæa là
X
E(X |Y = y ) = xpX |Y (x|y ).
x

Phân phËi có i∑u kiªn: ví dˆ
Ví dˆ 5
Xét (X , Y ) là véc-tÏ ng®u nhiên rÌi r§c 2 chi∑u có b£ng phân phËi Áng thÌi nh˜ ví dˆ 1.
(a) L™p b£ng phân phËi có i∑u kiªn cıa X cho tr˜Óc Y = 1 và tính pX |Y ( 1|Y = 1).
(b) Tính E(X |Y = 1) và Var(X |Y = 1).
(c) L™p b£ng phân phËi có i∑u kiªn cıa Y cho tr˜Óc X = 1 và tính pY |X (1|X = 1).
(d) Tính E(Y |X = 1) và Var(Y |X = 1).

Phân phËi có i∑u kiªn và s¸ Îc l™p S¸ Îc l™p
S¸ Îc l™p
S¸ Îc l™p cıa hai bi∏n ng®u nhiên rÌi r§c

Hai bi∏n ng®u nhiên rÌi r§c X và Y gÂi là Îc l™p vÓi nhau n∏u th‰a mÎt trong các i∑u kiªn sau:
(1) pXY (x, y ) = pX (x).pY (y ) 8x, y .
(2) pY |X (y |x) = pY (y ) 8x, y và pX (x) > 0.
(3) pX |Y (x|y ) = pX (x) 8x, y và pY (y ) > 0.
(4) P(X 2 A, Y 2 B) = P(X 2 A). P(Y 2 B) vÓi t™p A, B bßt k˝ trên mi∑n xác ‡nh t˜Ïng ˘ng
cıa X và Y .

Phân phËi có i∑u kiªn và s¸ Îc l™p S¸ Îc l™p
S¸ Îc l™p: ví dˆ
Ví dˆ 6
Ki∫m tra tính Îc l™p cıa hai bi∏n ng®u nhiên trong ví dˆ 2.
Gi£i: b£ng phân phËi Áng thÌi cıa véc-tÏ ng®u nhiên (X , Y ) cıa ví dˆ 2 là:
Y
0 1 2 3 PX
X
0 1/8 2/8 1/8 0 4/8
1 0 1/8 2/8 1/8 4/8
PY 1/8 3/8 3/8 1/8 1
Các phân phËi biên cıa X và Y cho bi tÍng các hàng (˘ng vÓi X = 0, 1) và tÍng cÎt (˘ng vÓi
Y = 0, 1, 2, 3).
Ta thßy r¨ng tÁn t§i c∞p (X = 1, Y = 1) sao cho
4 3 3 1
pX (1).pY (1) = . = 6= pXY (1, 1) = .
8 8 16 8
V™y X và Y không Îc l™p.

Véc-tÏ ng®u nhiên liên tˆc 2 chi∑u Phân phËi Áng thÌi
Hàm m™t Î Áng thÌi
‡nh nghæa 8
Hàm m™t Î xác sußt Áng thÌi (joint probability density function) cıa véc-tÏ ng®u nhiên (X , Y ),
k˛ hiªu fXY (x, y ), là hàm hai bi∏n th‰a các i∑u kiªn sau
(1) fXY (x, y ) 0 vÓi mÂi 1 < x, y < 1,
R R
(2) 11 11 fXY (x, y )dxdy = 1,
(3) VÓi mÂi t™p I ⇢ R2 ZZ
P ((X , Y ) 2 I ) = f (x, y )dxdy .
I

Hàm phân phËi Áng thÌi
Khi bi∏t fXY (x, y ), hàm phân phËi xác sußt tích lÙy Áng thÌi (joint probability cumulative
function) ˜Òc xác ‡nh nh˜ sau
Zx Zy
F (x, y ) = f (u, v )dvdu, (1)
1 1
và khi F (x, y ) kh£ vi theo x và y , hàm m™t Î Áng thÌi
@2
f (x, y ) = F (x, y ). (2)
@x@y

Ví dˆ 7
Gi£ s˚ f (x, y ) = K (x 2 + y 2 ) là hàm m™t Î Áng thÌi cıa (X , Y ) xác ‡nh trên hình vuông Ïn
v‡ b‡ ch∞n bi các i∫m (0, 0), (1, 0), (1, 1) và (0, 1).
(a) Tìm K .
(b) Tính P (X + Y 1).
(c) Tìm F (x, y ).


Ví dˆ 8
Cho véc-tÏ ng®u nhiên liên tˆc (X , Y ) có hàm m™t Î Áng thÌi
(
2e x e 2y khi 0 < x < 1, 0 < y < 1,
f (x, y ) =
0 nÏi khác.
Tính
(a) P (X > 1, Y < 1).
(b) P(X < Y ).
(c) P(X < c).
Ví dˆ 9
Hàm m™t Î Áng thÌi cıa X và Y ˜Òc cho bi
(
e (x+y ) khi 0 < x < 1, 0 < y < 1,
f (x, y ) =
0 nÏi khác.
Hãy tìm hàm m™t Î cıa bi∏n ng®u nhiên X /Y .

Ví dˆ 10
Cho véc-tÏ ng®u nhiên (X , Y ) có hàm m™t Î xác sußt Áng thÌi
3(2 2x y)
f (x, y ) =
2
xác ‡nh trên mi∑n b‡ ch∞n bi y = 0, x = 0 và y = 2 2x.

(a) Tìm P(X > 12 ).
(b) Tìm P(X > Y ).

Véc-tÏ ng®u nhiên liên tˆc 2 chi∑u Phân phËi biên
Phân phËi biên
‡nh nghæa 9
N∏u véc-tÏ ng®u nhiên (X , Y ) có hàm m™t Î Áng thÌi là f (x, y ) thì hàm m™t Î xác sußt biên
(marginal probability density function) cıa X và Y ˜Òc xác ‡nh bi
Z1
fX (x) = fXY (x, y )dy , (3)
1
Z1
fY (y ) = fXY (x, y )dx. (4)
1
T¯ các hàm m™t Î biên fX (x) và fY (y ) ta có th∫ tìm ˜Òc hàm phân phËi biên cho X và Y là
FX (x) và FY (y ).

K˝ vÂng và ph˜Ïng sai t¯ phân phËi Áng thÌi
‡nh nghæa 10
Cho véc-tÏ ng®u nhiên (X , Y ) có hàm m™t Î Áng thÌi f (x, y ), khi ó
2 1 3
Z1 Z1 Z
E(X ) = µX = xfX (x)dx = x4 fXY (x, y )dy 5 dx
1 1 1
ZZ
= xfXY (x, y )dxdy , (5)
R
ZZ
Var(X ) = x 2 fXY (x, y )dxdy µ2X . (6)
R
Ta có ‡nh nghæa t˜Ïng t¸ cho k˝ vÂng và ph˜Ïng sai cho Y .

K˝ vÂng cıa hàm cıa bi∏n ng®u nhiên

N∏u h(x, y ) là hàm hai bi∏n và véc-tÏ ng®u nhiên (X , Y ) có phân phËi Áng thÌi thì k˝ vÂng cıa
h(X , Y ) ˜Òc xác ‡nh bi
Z1 Z1
E [h(X , Y )] = h(x, y )f (x, y )dydx. (7)
1 1

Ví dˆ 11
3 2
f (x, y ) = (x + y 2 ) vÓi 0  x, y  1.
2
(a) Tìm các hàm m™t Î biên fX (x) và fY (y ).

(b) Tìm các hàm phân phËi biên FX (x) và FY (y ).
⇥ ⇤
(c) Tính E X 2 + Y 2 .

Véc-tÏ ng®u nhiên liên tˆc 2 chi∑u Phân phËi có i∑u kiªn và s¸ Îc l™p
‡nh nghæa 11
Xét véc-tÏ ng®u nhiên liên tˆc (X , Y ) có hàm m™t Î xác sußt Áng thÌi fXY (x, y ), hàm phân
phËi xác sußt có i∑u kiªn (conditional probability density function) cıa Y cho tr˜Óc giá tr‡
X = x ˜Òc xác ‡nh bi
fXY (x, y )
fY |x (y ) = vÓi fX (x) > 0. (8)
fX (x)
T˜Ïng t¸, phân phËi có i∑u kiªn cıa X cho tr˜Óc giá tr‡ Y = y là
fXY (x, y )
fX |y (x) = vÓi fY (y ) > 0. (9)
fY (y )

K˝ vÂng có i∑u kiªn
‡nh nghæa 12
Xét véc-tÏ ng®u nhiên (X , Y ), k˝ vÂng cıa bi∏n ng®u nhiên Y cho tr˜Óc X = x, k˛ hiªu
E(Y |X = x) = µY |x là hàm sË cıa bi∏n ng®u nhiên X và
Z1
E(Y |X = x) = yfY |x (y )dy . (10)
1
T˜Ïng t¸, k˝ vÂng cıa bi∏n ng®u nhiên X cho tr˜Óc Y = y , k˛ hiªu E(X |Y = y ) = µX |y , xác
‡nh bi
Z1
E(X |Y = y ) = xfX |y (x)dx. (11)
1
E(X |Y = y ) và E(Y |X = x) ˜Òc gÂi là các k˝ vÂng có i∑u kiªn (conditional expectation).

S¸ Îc l™p
S¸ Îc l™p cıa hai bi∏n ng®u nhiên liên tˆc

Hai bi∏n ng®u nhiên liên tˆc X và Y gÂi là Îc l™p vÓi nhau n∏u th‰a mÎt trong các tính chßt sau
(1) fXY (x, y ) = fX (x).fY (y ) 8x, y .
(2) fY |x (y |x) = fY (y ) 8x, y và fX (x) > 0.
(3) fX |y (x|y ) = fX (x) 8x, y và fY (y ) > 0.
(4) P(X 2 A, Y 2 B) = P(X 2 A). P(Y 2 B) vÓi t™p A, B bßt k˝ trên mi∑n xác ‡nh t˜Ïng ˘ng
cıa X và Y .

Ví dˆ 12
3 2
f (x, y ) = (x + y 2 ) vÓi 0  x, y  1.
2
(a) Tìm hàm m™t Î có i∑u kiªn fX |Y (x|Y = 0.3).

(b) Tính E(X |Y = 0.3) và Var(X |Y = 0.3).

Mªnh ∑ 1
Hai bi∏n ng®u nhiên liên tˆc X và Y Îc l™p vÓi nhau khi và chø khi hàm m™t Î xác sußt Áng
thÌi cıa (X , Y ) ˜Òc bi∫u diπn d˜Ói d§ng
fXY (x, y ) = h(x)g (y ), 1 < x < 1, 1 < y < 1.
Ví dˆ 13
⇡⇣ ⇡ ⌘
f (x, y ) = sin y e x vÓi 0 < x < 1 và 0 < y < 1.
2 2
(a) Tính P(X > 1|Y = 12 ).

(b) Tìm fX (x) và fY (y ).
(c) X và Y có Îc l™p?

Hiªp ph˜Ïng sai và hª sË t˜Ïng quan Hiªp ph˜Ïng sai
Hiªp ph˜Ïng sai
‡nh nghæa 13
Cho X và Y là hai bi∏n ng®u nhiên, hiªp ph˜Ïng sai (covariance) gi˙a X và Y , k˛ hiªu
Cov (X , Y ) (hay XY ) ˜Òc ‡nh nghæa nh˜ sau
Cov (X , Y ) = E [(X E [X ]) (Y E [Y ])]

= E(XY ) E(X ) E(Y ).
Hiªp ph˜Ïng sai là §i l˜Òng dùng ∫ o mËi liên hª tuy∏n tính gi˙a hai bi∏n ng®u nhiên X và Y .

Hiªp ph˜Ïng sai
T˜Ïng quan d˜Ïng: Cov(X , Y ) > 0 T˜Ïng quan âm: Cov(X , Y ) < 0

Hiªp ph˜Ïng sai
Không t˜Ïng quan: Cov(X , Y ) = 0 Không t˜Ïng quan: Cov(X , Y ) = 0

Hiªp ph˜Ïng sai
Tính chßt
N∏u hai bi∏n ng®u nhiên X và Y Îc l™p và có ph˜Ïng sai h˙u h§n thì
Cov (X , Y ) = 0,
và ph˜Ïng sai cıa X + Y

Var (X + Y ) = Var (X ) + Var (Y ) .
Chú ˛
N∏u hai bi∏n ng®u nhiên X và Y có Cov (X , Y ) = 0 thì ta nói X và Y không t˜Ïng quan, nhñg
chã th∫ suy ra ˜Òc X và Y là Îc l™p.

Hiªp ph˜Ïng sai
‡nh l˛ 1 (Ph˜Ïng sai cıa tÍng n bi∏n ng®u nhiên)

N∏u X1 , . . . , Xn là n bi∏n ng®u nhiên sao cho Var (Xi ) < +1 vÓi mÂi i = 1, . . . , n thì
n
! n
X X XX
Var Xi = Var (Xi ) + 2 Cov Xi , Xj .
i=1 i=1 i<j
Tr˜Ìng hÒp hai bi∏n

VÓi a, b và c là h¨ng sË, ta có
Var(aX + bY + c) = a2 Var(X ) + b 2 V (Y ) + 2ab Cov(X , Y ).

Hiªp ph˜Ïng sai và hª sË t˜Ïng quan Hª sË t˜Ïng quan
‡nh nghæa 14
Hª sË t˜Ïng quan (coefficient of correlation) gi˙a hai bi∏n ng®u nhiên X và Y , k˛ hiªu ⇢XY , ˜Òc
‡nh nghæa nh˜ sau
Cov(X , Y ) XY
⇢XY = p = .
Var(X ) Var(Y ) X Y
Tính chßt
1  ⇢XY  +1.

ánh giá hª sË t˜Ïng quan
⇢XY = 0: X và Y không có t˜Ïng quan tuy∏n tính.

⇢XY = ±1: X và Y có t˜Ïng quan tuy∏n tính (thu™n ho∞c ngh‡ch) hoàn h£o, t˘c là Y có th∫
bi∫u diπn bi aX + b vÓi a 6= 0, b 2 R.
1 < ⇢XY < 0: X và Y có t˜Ïng quan ngh‡ch.
0 < ⇢XY < 1: X và Y có t˜Ïng quan thu™n.
M∞t khác, |⇢XY | càng g¶n 0 thì mËi liên hª gi˙a X và Y càng y∏u, |⇢XY | càng g¶n 1 thì mËi
liên hª gi˙a X và Y càng m§nh.

Hiªp ph˜Ïng sai và hª sË t˜Ïng quan: ví dˆ
Ví dˆ 14
Xét véc-tÏ ng®u nhiên (X , Y ) có phân phËi xác sußt cho bi b£ng phân phËi Áng thÌi sau:
Y
1 2 3
X
1 0,1 0,2 0
3 0,2 0,2 0,3
Tính Cov(X , Y ) và ⇢XY .


Gi£i ví dˆ 14:
Ta có: Cov(X , Y ) = E[XY ] E[X ] E[Y ]. Tr˜Óc h∏t ta c¶n tính E[X ], E[Y ] và E[XY ]. ∫ ˛
r¨ng các phân phËi biên cıa X và Y có th∫ tìm ˜Òc mÎt cách dπ dàng b¨ng cách lßy tÍng
hàng và tÍng cÎt cıa b£ng phân phËi Áng thÌi:
Y
1 2 3 PX
X
1 0,1 0,2 0 0,3
3 0,2 0,2 0,3 0,7
PY 0,3 0,4 0,3 1
Suy ra:
X
E[X ] = xpX (x) = 1 ⇥ 0, 3 + 3 ⇥ 0, 7 = 2, 4.
x
X
E[Y ] = ypY (y ) = 1 ⇥ 0, 3 + 2 ⇥ 0, 4 + 3 ⇥ 0, 3 = 2.
y
M∞t khác,
XX
E[XY ] = xypXY (x, y ) =1 ⇥ 1 ⇥ 0, 1 + 1 ⇥ 2 ⇥ 0, 2 + 1 ⇥ 3 ⇥ 0 +
x y
3 ⇥ 1 ⇥ 0, 2 + 3 ⇥ 2 ⇥ 0, 2 + 3 ⇥ 3 ⇥ 0, 3 = 5.
V™y
Cov(X , Y ) = E[XY ] E[X ] E[Y ] = 5 2 ⇥ 2, 4 = 0, 2.
Gi£i ví dˆ 14 (tt):
∫ tính hiªp ph˜Ïng sai ⇢XY . Ta c¶n tính Var(X ) và Var(Y ).
Var(X ) = E[X 2 ] (E[X ])2 = 12 ⇥ 0, 3 + 32 ⇥ 0, 7 2, 42 = 0, 84.

Var(Y ) = E[Y 2 ] (E[Y ])2 = 12 ⇥ 0, 3 + 22 ⇥ 0, 4 + 32 ⇥ 0, 3 22 = 0, 6.
V™y,
Cov(X , Y ) 0, 2
⇢XY = p = p = 0, 28.
Var(X ) Var(Y ) 0, 84 ⇥ 0, 6
Nh™n xét: X và Y có mËi t˜Ïng quan thu™n, nhñg mËi liên hª gi˙a X và Y t˜Ïng Ëi y∏u
(⇢XY = 0, 28).

Ví dˆ 15
Cho véc-tÏ ng®u nhiên liên tˆc (X , Y ) có hàm m™t Î xác sußt Áng thÌi
1
f (x, y ) = xy vÓi 0  x  2 và 0  y  4
16
Ch˘ng t‰ r¨ng XY = 0.
Ví dˆ 16
Cho véc-tÏ ng®u nhiên (X , Y ) có ⇢XY = 13 , và 2
X = a, 2
Y = 4a. Bi∏n ng®u nhiên Z = 3X 4Y
có Z2 = 11. Tìm a.

Ch4 Random Vector Handout 2

Uploaded by

Document Information

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

Ch4 Random Vector Handout 2

Uploaded by

Copyright:

Available Formats

Véc-tÏ ng®u nhiên

Ngày 26 tháng 10 n´m 2022

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 1 / 60

1 GiÓi thiªu v∑ véc-tÏ ng®u nhiên

3 Phân phËi biên

4 Phân phËi có i∑u kiªn và s¸ Îc l™p

5 Véc-tÏ ng®u nhiên liên tˆc 2 chi∑u

6 Hiªp ph˜Ïng sai và hª sË t˜Ïng quan

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 2 / 60

Véc-tÏ ng®u nhiên

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 5 / 60

Hàm phân phËi xác sußt tích lÙy Áng thÌi

FXY (x, y ) = P(X  x, Y  y ) 8 x, y 2 R.

FX (x) = P(X  x) = FXY (x, +1) = lim FXY (x, y ),

FY (y ) = P(Y  y ) = FXY (+1, y ) = lim FXY (x, y ).

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 7 / 60

Hàm phân phËi xác sußt tích lÙy Áng thÌi

F (x1 , y )  F (x2 , y ) khi x1 < x2 ,

lim FXY (x, y ) = lim FXY (x, y ) = lim FXY (x, y )) = 0.

lim FXY (x, y ) = 1.

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 8 / 60

Hàm khËi xác sußt Áng thÌi

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 10 / 60

B£ng phân phËi Áng thÌi

B£ng 1: Phân phËi xác sußt Áng thÌi cıa (X , Y )

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 11 / 60

B£ng phân phËi Áng thÌi

T¯ b£ng phân phËi Áng thÌi, ta có th∫ tính

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 12 / 60

Phân phËi xác sußt Áng thÌi: ví dˆ

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 13 / 60

Phân phËi xác sußt Áng thÌi: ví dˆ

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 14 / 60

Hàm khËi xác sußt biên

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 16 / 60

B£ng phân phËi xác sußt biên

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 17 / 60

Phân phËi xác sußt biên

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 18 / 60

Phân phËi xác sußt biên

Các phân phËi biên cıa X và Y l¶n l˜Òt là:

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 19 / 60

Phân phËi có i∑u kiªn

Nh≠c l§i công th˘c xác sußt có i∑u kiªn:

P(X = x \ Y = y ) pXY (x, y )

P(Y = y |X = x) ‡nh nghæa xác sußt cıa Y cho tr˜Óc X = x.

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 22 / 60

Hàm khËi xác sußt có i∑u kiªn

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 23 / 60

K˝ vÂng có i∑u kiªn

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 24 / 60

Phân phËi có i∑u kiªn: ví dˆ

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 25 / 60

S¸ Îc l™p cıa hai bi∏n ng®u nhiên rÌi r§c

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 27 / 60

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 28 / 60

Hàm m™t Î Áng thÌi

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 31 / 60

Hàm phân phËi Áng thÌi

và khi F (x, y ) kh£ vi theo x và y , hàm m™t Î Áng thÌi

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 32 / 60

Phân phËi Áng thÌi

Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 33 / 60

Phân phËi Áng thÌi