Professional Documents
Culture Documents
Ch4 Random Vector Handout 2
Ch4 Random Vector Handout 2
Hoàng V´n Hà
hvha@hcmus.edu.vn
2 B£ng phân phËi xác sußt Áng thÌi cıa véc-tÏ ng®u nhiên 2 chi∑u
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).
‡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
‡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
Tính chßt
1 FXY (x, y ) là hàm không gi£m theo t¯ng bi∏n sË
‡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).
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
Xác sußt pXY (X = xi , Y = yj ) là xác sußt x£y ra Áng thÌi hai s¸ kiªn (X = xi ) và
(Y = yj ).
Ta cÙng có,
m X
X n
pXY (xi , yj ) = 1.
i=1 j=1
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 bi 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 )
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 ).
‡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
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 )
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
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
Y 0 1 2 3
PY 1/8 3/18 3/8 1/8
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,
‡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 )
‡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
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).
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 bi 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.
‡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
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
@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 bi 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 ).
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 bi
(
e (x+y ) khi 0 < x < 1, 0 < y < 1,
f (x, y ) =
0 nÏi khác.
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
‡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 bi
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 ).
‡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
Z1 Z1
E [h(X , Y )] = h(x, y )f (x, y )dydx. (7)
1 1
Ví dˆ 11
Cho véc-tÏ ng®u nhiên (X , Y ) có hàm m™t Î xác sußt Áng thÌi
3 2
f (x, y ) = (x + y 2 ) vÓi 0 x, y 1.
2
‡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 bi
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 )
‡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 bi
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
Ví dˆ 12
Cho véc-tÏ ng®u nhiên (X , Y ) có hàm m™t Î xác sußt Áng thÌi
3 2
f (x, y ) = (x + y 2 ) vÓi 0 x, y 1.
2
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
Ví dˆ 13
Cho véc-tÏ ng®u nhiên (X , Y ) có hàm m™t Î xác sußt Áng thÌi
⇡⇣ ⇡ ⌘
f (x, y ) = sin y e x vÓi 0 < x < 1 và 0 < y < 1.
2 2
‡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
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 .
T˜Ïng quan d˜Ïng: Cov(X , Y ) > 0 T˜Ïng quan âm: Cov(X , Y ) < 0
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,
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, nh˜ng
ch˜a th∫ suy ra ˜Òc X và Y là Îc l™p.
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.
Ví dˆ 14
Xét véc-tÏ ng®u nhiên (X , Y ) có phân phËi xác sußt cho bi 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
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.
Ha Hoang V. Véc-tÏ ng®u nhiên Ngày 26 tháng 10 n´m 2022 58 / 60
Hiªp ph˜Ïng sai và hª sË t˜Ïng quan Hª sË t˜Ïng quan
Gi£i ví dˆ 14 (tt):
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, nh˜ng mËi liên hª gi˙a X và Y t˜Ïng Ëi y∏u
(⇢XY = 0, 28).
Hª sË t˜Ïng quan
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.