Bài4.

1 Các biến ngẫu

nhiên vector
Khái niệm biến ngẫu nhiên được
tổng quát hoá một cách dễ dàng
tới trường hợp nhiều biến ngẫu
nhiên.
Vectơ ngẫu nhiên (vector
random variable) X là một hàm
số nhận giá trị là một vectơ của
các số thực với mỗi kết cục  của
S, là không gian mẫu của thí
nghiệm.
Định nghĩa:
 Vector ngẫu nhiên là một ánh
xạ từ không gian mẫu lên Rn.

VÍ Giả sử một thí nghiệm

DỤ ngẫu nhiên là việc chọn
4.1 tên của một sinh viên từ
một cái hộp.
Giả sử  ký hiệu kết cục
của thí nghiệm mà từ đó
xác định 3 hàm số sau:
H() = chiều cao của
sinh viên  tính bằng
inches
 W() = cân nặng của
sinh viên  tính bằng
pounds, và
A() = tuổi của sinh
viên  tính theo năm.
Vectơ (H(), W(), A())
là một vectơ ngẫu nhiên.

VÍ Một thí nghiệm ngẫu

DỤ nhiên là việc tìm một số
4.2 các khuyết tật trong một
con chíp bản dẫn và xác
định vị trí của chúng. Kết
cục của thí nghiệm này là
vectơ  = (n, x1, x2,…,
xn), ở đây thành phần thứ
nhất mô tả tổng số các
khuyết tật và các thành
phần còn lại mô tả tọa độ
vị trí của chúng. Giả thiết
N1(), N2(), …, NM() là
số các khuyết tật trong
mỗi miền này, nghĩa là
Nk() là số các điểm x rơi
vào miền thứ k. Vectơ
N() = (N1, …, NM) là
một vectơ ngẫu nhiên.
VÍ Giả sử kết cục  của một
DỤ số thí nghiệm ngẫu nhiên
4.3 nào đó là hiệu điện thế
X(t). Giả sử biến ngẫu
nhiên Xk = X(kT) là hiệu
điện thế được đo tại thời
điểm kT. Vectơ bao gồm
n mẫu đầu tiên
X = (X1, X2 ,…Xn) khi đó
là một vectơ ngẫu nhiên.

Các biến cố và xác suất

Mỗi một biến cố nhận được từ
vectơ ngẫu nhiên n chiều X =
(X1, X2, …Xn) có một miền
tương ứng trong một không gian
thực n chiều. Các phương pháp
từ lý thuyết tập hợp giới thiệu ở
chương 2 có thể được dùng để
tìm các miền này.

VÍ Xét vectơ ngẫu nhiên 2

DỤ chiều X = (X, Y). Hãy
4.4 tìm miền của mặt phẳng
tương ứng với các biến
cố:
A = {X + Y  10}
B = {min(X, Y)  5},
và
 C = {X2 + Y2  100}.
Các miền tương ứng
với các biến cố A và C
được tìm một cách trực
tiếp và được chỉ ra trong
Hình 4.1. Biến cố B tìm
được bởi sự chú ý rằng
{min(X, Y)  5} = {X 
5}  {Y  5}, nghĩa là,
minimum của X và Y
nhỏ hơn hoặc bằng 5 nếu
X và/hoặc Y nhỏ hơn
hoặc bằng 5.
HÌNH
4.1
Các ví
dụ về
các
biến
cố hai
chiều.
Đối với vectơ ngẫu nhiên n
chiều X = (X1, …, Xn), chúng ta
đặc biệt quan tâm tới các biến cố
dạng tích:
 A = {X1 trong A1}  {X2
trong A2}  …  {Xn trong An}
(4.1)
ở đây Ak chính là biến cố một
chiều (tức là tập con của đường
thẳng thực) mà chỉ Xk thuộc vào.
Biến cố A xảy ra khi tất cả các
biến {Xk trong Ak} xảy ra đồng
thời. Hình 4.2 chỉ ra một vài biến
cố dạng tích 2 chiều.

HÌNH 4.2
Một vài biến cố tích hai chiều
 Bài toán cơ bản trong việc mô
hình hoá vectơ ngẫu nhiên X =
(X1, X2, …, Xn) chính là việc mô
tả xác suất của các biến cố dạng
tích:
P[A] = P[{X1  A1}  {X2
 A2}  …  {Xn  An}]
P[X1  A1, …, Xn  An].
(4.2)
Về nguyên tắc, xác suất trong Hệ
thức (4.2) có thể nhận được bởi
việc tìm xác suất của biến cố
tương đương trong không gian
mẫu cơ sở, nghĩa là:
P[A] = P[{  S sao cho X()
 A}].
Trong phần sau của chương
chúng ta sẽ chứng tỏ rằng Hệ
thức (4.2) được mô tả bằng việc
đưa ra hàm phân phối đồng thời,
hàm mật độ đồng thời hoặc hàm
xác suất đồng thời n chiều.
Nhiều biến cố mà ta quan tâm
không có dạng tích. Tuy nhiên,
các biến cố không có dạng tích
mà ta quan tâm có thể xấp xỉ với
độ chính xác tùy ý bởi các biến
cố dạng tích được chỉ ra trong Ví
dụ 4.5.

VÍ Không có biến cố nào

DỤ trong ví dụ 4.4 có dạng
4.5 biến cố tích. Biến cố B là
hợp của hai biến cố dạng
tích :
B = {X  5 và Y < }
 {X > 5 và Y  5}.
Hình 4.3. chỉ ra các biến
cố A và C được xấp xỉ
như thế nào bởi các hình
chữ nhật có chiều rộng vô
 hạn. Điều này gợi ý rằng
chúng ta sẽ biểu diễn các
xác suất như là tích phân
của mật độ xác suất trên
miền tương ứng với các
biến cố.

Xác suất của các biến cố

không ở dạng tích được tìm như
sau : trước hết B được biểu diễn
bởi hợp của các biến cố dạng tích
đồng thời B1, B2, …, Bn ; khi đó
xác suất của B được xấp xỉ bởi :
P[B]  P[  Bk] =  P[Bk].
k k
Sự xấp xỉ tiến đến giá trị đúng
khi Bk được làm mịn tuỳ ý.
Chúng ta còn quay trở lại ví dụ
này trong bài 4.2.
Sự độc lập
Một cách tự nhiên chúng ta hy
vọng rằng nếu các biến ngẫu
nhiên một chiều X và Y là "độc
lập" khi đó các biến cố chỉ chỉ
phụ thuộc vào X độc lập với các
biến cố chỉ thuộc vào Y. Nói
cách khác nếu A1 là biến cố bất
kỳ chỉ thuộc vào X và A2 là một
biến cố bất kỳ chỉ thuộc vào Y,
khi đó :
P[X  A1, Y  A2] = P[X 
A1]P[Y  A2].
Trong trường hợp tổng quát gồm
n biến ngẫu nhiên X1, …, Xn,
chúng ta nói rằng các biến ngẫu
nhiên X1, X2, …, Xn là độc lập
nếu:
P[X1  A1, …, Xn  An] =
P[X1  A1] … P[Xn  An],
(4.3)
ở đây Ak là biến cố chỉ thuộc vào
Xk. Do đó, nếu các biến ngẫu
nhiên là độc lập, khi thông tin về
xác suất của các biến ngẫu nhiên
riêng lẻ là đủ để mô tả xác suất
của các biến cố đồng thời. Trong
các Phần 4.3 và 4.5 chúng ta sẽ
nhận thấy tập các Ak cần thiết để
kiểm tra tính độc lâp của các
biến ngẫu nhiên.
Hình 4.3 Một số biến cố 2 chiều
không có dạng tích