CHƯƠNG V.

TÓM TẮT – THUẬT

NGỮ VÀ BÀI TẬP
. Giá trị kỳ vọng của tổng các biến ngẫu
nhiên luôn luôn bằng tổng các giá trị kỳ
vọng của tổng các biến ngẫu nhiên. Nói
chung, phương sai của tổng như vậy
không bằng tổng các phương sai của các
biến ngẫu nhiên.
. Hàm đặc trưng của tổng các biến ngẫu
nhiên độc lập bằng tích các hàm đặc trưng
của các biến ngẫu nhiên.
. Các công thức ước lượng trung bình mẫu
và tần suất tương đối được dùng để ước
lượng giá trị kỳ vọng của các biến ngẫu
nhiên và xác suất của các biến cố. Các
luật số lớn phát biểu các điều kiện mà
dưới những điều kiện đó các ước lượng
này tiến tới gần các giá trị đúng của các
tham số mà chúng ước lượng khi số mẫu
trở lên lớn.
. Định lý giới hạn trung tâm phát biểu
rằng hàm phân phối tích luỹ của tổng các
1
biến ngẫu nhiên độc lập cùng phân phối
kỳ vọng hữu hạn, phương sai hữu hạn tiến
gần tới hàm phân phối tích luỹ của một
biến ngẫu nhiên Gauss.
. Khoảng tin cậy được dùng để chỉ ra vùng
các giá trị mà ở đó tham số quan tâm có
lẽ dựa vào hàng loạt các quan trắc. Độ tin
cậy chỉ xác suất, với xác suất đó khoảng
chứa tham số, và độ rộng khoảng chỉ độ
chính xác, mà tham số có có thể được xác
định nhờ độ chính xác đó.
. Một dãy các biến ngẫu nhiên có thể được
xem như là dãy các hàm của  hoặc là một
họ các dãy mẫu đối với mỗi  trong S. Hội
tụ chắc chắn và hầu chắc chắn nhằm vào
câu hỏi có phải tất cả hay hầu hết tất cả
dãy mẫu hội tụ. Hội tụ trung bình bình
phương và hội tụ theo xác suất không
nhằm vào cách cư xử của toàn bộ dãy mẫu
mà quả thực nhằm vào câu hỏi các dãy
mẫu là gần với một X nào đó tại một

2
khoảnh khắc thời gian thực tế nào đó hay
không.
. Quá trình đếm, đếm số lần xuất hiện một
biến cố trong một khoảng thời gian nhất
định. Khi các thời gian giữa các lần xuất
hiện.biến cố là những biến ngẫu nhiên
độc lập, phân phối như nhau, luật số lớn
mạnh tạo khả năng cho chúng ta nhận các
kết quả liên quan tới một tỷ suất, mà các
biến có xảy với tỷ suất đó, và các kết quả
liên quan đến các trung bình thời gian kỳ
hạn lớn.
. Biến đổi Fourier rời rạc và thuật toán
biến đổi Fourier nhanh cho phép chúng ta
tính toán bằng số hàm khối lượng xác suất
và hàm mật độ xác suất của các biến ngẫu
nhiên từ các hàm đặc trưng của chúng.

3
BẢNG LIỆT KÊ CÁC THUẬT NGỮ
QUAN TRỌNG

Hội tụ hầu chắc chắn

Biến đổi Fourier nhanh
Tỷ suất đến hạn
Các biến ngẫu nhiên độc lập cùng phân
phối
Định lý giới hạn trung tâm
Hội tụ trung bình bình phương
Khoảng tin cậy
Phương pháp trung bình lượt
Độ tin cậy
Tần suất tương đối
Hội tụ theo phân phối
Quá trình đếm thay mới
Hội tụ theo xác suất
Kỳ vọng mẫu
Biến đổi Fourier rời rạc
Phương sai mẫu
Dãy các biến ngẫu nhiên
luật số lớn mạnh
4
 Phân phối t-Student
Hội tụ chắc chắn
Ước lượng không lệch
Luật số lớn yếu.

TÀI LIỆU THAM KHẢO

See chung [ref 1, 220 - 233] cho sự thảo

luận sâu sắc các luật số lớn và định lý giới
hạn trung tâm. Chương 6 trong Gnedenko
[ref 2] đưa ra thảo luận chi tiết các luật số
lớn. Law và Kelton [ref 3] cho nhiều ví dụ
về tính khoảng tin cậy trong các tình
huống thực tế. Chương 7 trong Ross [ref
4] tập trung vào các quá trình đếm và các
tính chất của chúng. Cadzow [ref 5] đưa
ra lời giải thực tế về thuật toán biến đổi
Fourier nhanh. Larson và Shubert [ref 8]
và Stark và Woods [ref 9] chứa những
thảo luận tuyệt hảo về dãy các biến ngẫu
nhiên.

5
1. K. L. Chung, Elementary
probability Theory with Stochastic
processes, Springer-Verlag, New
York, 1975.
2. B. V. Gnedenko, The Theory of
Probability, MIR Publishers,
Moscow, 1976.
3. A. M. Law and W. D. Kelton,
Simulation modeling and Analysis,
McGraw-Hill, New York, 1982.
4. S. M. Ross, Introduction to
Probability Models, Academic Press,
New York, 1985.
5. J. A. Cadzow, Foundations of
Digital Signal Processing and Data
Analysis, Macmillan, New York
1987.
6. P. L. Meyer, Introductory
Probability and Statistical
Applications, 2d ed., Addison–
Wesley, Reading, Mass., 1970.

6
7. J. W. Cooley, P. Lewis, and P. D.
Welch, “The Fast Fourier Transform
and Ist Applications,” IEEE
Transactions, on Education, vol. 12,
pp 27 – 34, March 1969.
8. H. J. Larson and B. O. Subert,
Probability Models, in Engineering
Sciences, vol. 1, Wiley, New York,
1979.
9. H. Stark and J. W. Woods,
Probability, Random Processes, and
Estimation Theory for Engineers,
Prentice–Hall, Englewood Cliffs, N.
J., 1986.

7
 BÀI TẬP
Phần 5. 1 Tổng các biến ngẫu nhiên
1. Giả sử Z = X + Y + Z, trong đó X,
y, Z là các biến ngẫu nhiên phương sai
đơn vị kỳ vọng không với COV (X, Y) =
1/4 và COV = (X, Z) = 0.
a. Tìm kỳ vọng và phương sai của
Z
b. Làm lại phần a, giả thiết X, Y,
Z là các biến ngẫu nhiên không
tương quan.
2. Giả sử X1, …, Xn là các biến ngẫu
nhiên với cùng kỳ vọng  và với hàm hiệp
phương sai :
2 ifi  j
 2
COV ( X i , X j )   p if | i  j |  1,
 0 otherwise,

trong đó |p| < 1. Tìm kỳ vọng và phương
sai của Sn = X1 +…+ Xn.

8
 3. Giả sử X1,…, Xn là các biến ngẫu
nhiên cùng kỳ vọng  và với hàm hiệp
phương sai :
COV(Xi, Xj) = 2p|i–j|,
trong đó |S| < 1. Tìm kỳ vọng và phương
sai của Sn = X1 +…+ Xn.
4. Giả sử X và Y là các biến ngẫu
nhiên Cauchy với tham số  và  tương
ứng. Giả sử Z = X + Y
a. Tìm hàm đặc trưng của Z.
b. Tìm hàm mật độ xác suất của Z từ
hàm đặc trưng tìm thấy trong phần a.
5. Giả sử Sk = X1 +…+Xk trong đó các
Xi là các biến ngẫu nhiên độc lập, với Xi
là biến ngẫu nhiên X2 với ni bậc tự do.
Chứng minh rằng Sk là một biến ngẫu
nhiên X2 với n = n1 + n2 +…+nk bậc tự do.
6. Giả sử 1 +…+ n trong đó các Xi
X 2
X 2

là các biến ngẫu nhiên Gauss phương sai

1 kỳ vọng không độc lập cùng phân phối.

9
 a. Chứng minh rằng Sn là một biến
ngẫu nhiên X2 với n bậc tự do. Gợi ý:
Xem ví dụ 3.26.
b. Dùng các phương pháp của phần 3.5
tìm hàm mật độ xác suất của
Tn  X 12  ...  X n2 .
c.Chứng tỏ rằng T2 là biến ngẫu nhiên
Rayleigh.
d.Tìm hàm mật độ xác suất cho T3.
Biến ngẫu nhiên T3 được dùng để mô hình
hoá tốc độ các phân tử trong chất khí. T3
được nói là có phân phối Maxwell.
7. Giả sử X và Y là các biến ngẫu
nhiên, phân phối mũ độc lập với các tham
số  và  tương ứng. Giả sử Z = X + Y.
a. Tìm hàm đặc trưng của Z
b. Tìm hàm mật độ xác suất của Z từ
hàm đặc trưng tìm thấy ở phần a.
8. Giả sử Z = aX = bY, trong đó X và
Y là các biến ngẫu nhiên độc lập, a và b
là các hằng tuỳ ý.
10
 a. Tìm hàm đặc trưng của Z.
b. Tìm kỳ vọng phương sai của Z bằng
cách lấy đạo hàm, hàm đặc trưng được
tìm thấy ở trong phần a.
9. Giả sử Mn là trung bình mẫu của n
biến ngãu nhiên độc lập cùng phân phối
Xj. Tìm hàm đặc trưng của Mn theo hàm
đặc trưng của các Xj.
10.Giả sử Sk = X1 +…+ Xk, trong đó
các Xi là những biến ngẫu nhiên độc lập,
với Xi là biến ngẫu nhiên nhị thức với
tham số n và p. Dùng hàm sinh xác suất
chứng minh rằng Sn là biến ngẫu nhiên
nhị thức. Với tham số n = n1+…+ nk và p.
Giải thích tại sao kết quả này là hiển
nhiên.
11.Giả sử Sk + X1 +… +Xk trong đó
các Xi là các biến ngẫu nhiên độc lập, với
Xi là biến ngẫu nhiên Poisson với kỳ vọng
i .Chứng minh rằng Sk là biến ngẫu
nhiên Poisson với kỳ vọng  = 1 + …+
k.
11
 12.Giả sử X1, X2,… là các biến ngẫu
nhiên giá trị nguyên, cho N là biến ngẫu
nhiên giá trị nguyên độc lập với các Xj và
cho
N
S   Xk.
k 1
a. Tìm kỳ vọng của và phương sai của
S.
b. Chứng minh rằng
GS(z) = E(zS) = GN(GX(z)),
trong đó GX(z) là hàm sinh của mỗi Xk.
13.Cho số công việc (job) đến tại một
cửa hàng trong chu kỳ 1 giờ là một biến
ngẫu nhiên Poisson với kỳ vọng L. Mỗi
công việc đòi hỏi Xj là các biến ngẫu
nhiên độc lập cùng phân phối bằng 3 phút
hoặc 6 phút với xác suất bằng nhau.
a. Tìm kỳ vọng và phương sai của
công việc toàn bộ W (được đo bằng phút)
đến trong chu kỳ một giờ.
b. Tìm Gw(z) = E(zw).
12
 14.Cho số lần truyền thông điệp của
một máy tính trong một giờ là một biến
ngẫu nhiên nhị thức với các tham số n và
p. Giả sử rằng xác suất của lỗi truyền
trong thời gian 1 giờ.
a. Tìm kỳ vọng và phương sai của S.
b. Tìm GS(z) = E(zS).

PHẦN 5.2 Trung bình mẫu và luật số lớn

15.Giả sử số hạt phát xạ của một lượng

phóng xạ trong t giây là một biến ngẫu
nhiên Poisson với phương sai t. dùng bất
đẳng thức Chebyshev để nhận được biên
cho xác suất sao cho |N(t)/t – | vượt quá
.
16.Giả sử 10% số cử tri yêu thích một
luật lệ nào đó. Một số lớn n cử tri được đi
bầu và một ước lượng tần suất tương đối
fA(n) cho tỷ lệ trên nhận được. Sử dụng
phương trình (5.20) để xác định có bao
nhiêu cử tri cần phải đi bầu nhằm để với
13
xác suất ít nhất bằng 0.95, fA(n) khác với
0.10 bé hơn 0.2.
17.Một con xúc xắc được gieo 100
lần. Dùng phương trình (5.20) định giới
hạn xác suất mà số tổng cộng các dấu
chấm trên mặt xúc xắc là giữa 300 và 400.
18.Cho Xi là các biến ngẫu nhiên
Gauss, phương sai 1, kỳ vọng 0. So sánh
biên được cho bởi 5.20 với giá trị chính
xác nhận được từ hàm Q cho n = 10 và n
= 100.
19.Luật số lớn yếu đúng cho trung
bình mẫu, nếu các Xj có các hàm hiệp
phương sai được cho trong bài tập 2?
20.Luật số lớn yếu đúng cho trung
bình mẫu nếu các Xj có các hàm hiệp
phương sai được cho trong bài tập 3?
21.(Phương sai mẫu) Cho X1,…Xn là
dãy các biến ngẫu nhiên độc lập cùng
phân phối mà kỳ vọng và phương sai chưa
biết. Phương sai mẫu được định nghĩa
như sau:
14
 n
1
Vn2  
n  1 j 1
( X j  M n ) 2
,

trong đó Mn là trung bình mẫu.

a. Chứng tỏ rằng
n n


j 1
( X j   ) 2   ( X J  M n ) 2  n( M n   ) 2 .
j 1

b. Dùng kết quả phần a chứng minh

rằng
 n 
E k  ( X j  M n )   k (n  1) 2 .
2

 j 1 
c.Dùng phần b chứng minh rằng
EV   
n
2 2
bởi vậy V là ước lượng n
2

không chệch cho phương sai.

d. Tìm kỳ vọng của phương sai mẫu
nếu như n – 1 được thay bằng n. Chú ý
rằng đây là một ước lượng chệch cho
phương sai.

15
PHẦN 5.3 Định lý giới hạn trung tâm

22.Một đồng tiền xu được gieo 1000

lần. Ước lượng xác suất sao cho số mặt
ngửa xuất hiện giữa 400 và 600 lần. Ước
lượng xác suất mà số mặt ngửa xuất hiện
giữa 500 và 550 .
23.Làm lại bài tập 16 dùng định lý giới
hạn trung tâm.
24.Một con xúc xắc được gieo 100
lần. Dùng định lý giới hạn trung tâm để
ước lượng xác suất sao cho tổng các dấu
chấm là giữa 300 và 400. So sánh kết quả
với biên nhận được trong bài tập 17.
25.Tuổi thọ của một bóng đèn rẻ tiền
là biến ngẫu nhiên phân phối mũ với kỳ
vọng 36 giờ. Giả sử rằng có 16 bóng đèn
được thử và tuổi thọ của chúng đo được .
Dùng định lý giới hạn trung tâm để ước
lượng xác suất mà tổng tuổi thọ bé hơn
600 giờ.

16
 26.Một học sinh dùng các bút mực mà
tuổi thọ của chúng là một biến ngẫu nhiên
phân phối mũ với kỳ vọng bằng 1 tuần.
Dùng định lý giới hạn trung tâm để xác
định số ít nhất các bút mà học sinh cần
phải mua tại đầu kỳ học 15 tuần sao cho
với xác suất 0.99 anh ta không hết bút
giữa kỳ học.
27.Giả sử S là tổng 100 biến ngẫu
nhiên Poisson độc lập cùng phân phối với
kỳ vọng 0.2. So sánh giá trị đúng p[S = k]
với xấp xỉ được cho bởi định lý giới hạn
trung tâm như trong (5.30).
28.Số thông điệp đều một bộ trộn là
biến ngẫu nhiên Poisson với kỳ vọng 10
thông điệp trên một giây. Dùng định lý
giới hạn trung tâm để ước lượng xác suất
sao cho hơn 650 thông điệp đến trong một
phút.
29.Một kênh truyền nhị phân phát lỗi
một bít truyền với xác suất là 0.15. Ước

17
lượng xác suất mà có 20 lỗi hoặc ít hơn
trong 100 bít truyền.
30.Tổng một danh sách 100 số thực
được tính. Giả sử rằng các số được làm
tròn tới số nguyên gần nhất sao cho mỗi
số có một sai số được phân phối đều trong
khoảng (–0.5, 0.5). dùng định lý giới hạn
trung tâm để ước lượng xác suất sao cho
sai số tổng cộng trong tổng 100 số vượt
quá 6.

PHẦN 5.4 Khoảng tin cậy

31. Số đo điện áp bao gồm tổng điện

áp không đổi chưa biết và điện áp nhiễu
phân phối Gauss kỳ vọng 0 và phương sai
10 V2. Ba mươi số đo độc lập được tạo
ra và trung bình mẫu là 100 V nhận
được. Tìm khoảng 95% tin cậy tương
ứng.

18
 32.Cho Xj là biến ngẫu nhiên Gauss
với kỳ vọng E[X] =  chưa biết và
phương sai bằng 1.
a. Tìm độ rộng các khoảng 95% tin cậy
cho  và n = 4, 16, 100.
b. Làm lại a cho khoảng 99% tin cậy.
33.Tuổi thọ 225 bóng đèn đo được và
kỳ vọng mẫu và phương sai mẫu tìm được
là 223 hr và 100 hr2 tương ứng. Tìm
khoảng 95% tin cậy cho tuổi thọ trung
bình.
34.Cho X là một biến ngẫu nhiên với
kỳ vọng chưa biết và phương sai chưa
biết. Một tập 10 số đo độc lập của X tạo
ra
10


10

j 1
X j  350
và j 1
X 2j  12,645.

Tìm khoảng 90% tin cậy cho kỳ vọng của

X.
35. Cho X là một biến ngẫu nhiên
Gauss với kỳ vọng chưa biết và phương
sai chưa biết. Một tập 10 giá trị độc lập
19
của X tạo ra trung bình mẫu 57.3 và
phương sai mẫu là 23.2.
a. Tìm các khoảng 90%, 95%, và 99%
tin cậy.
b. Làm lại phần a nếu như một tập 20
giá trị đo đã tạo ra trung bình mẫu và
phương sai mẫu trên.
36. Một chương trình mô phỏng bằng
máy tính được sử dụng để tạo ra 150 mẫu
của biến ngẫu nhiên. Các mẫu được nhóm
thành 15 lượt mỗi lượt 10 mẫu. Các trung
bình lượt mẫu được cho theo danh sách
dưới đây:
0.228 -1.941 0.141 1.979
-0.224
0.501 -5.907 -1.367 -1.615
-1.013
-0.397-3.360 -3.330 -0.033
0.976
Tìm khoảng 90% tin cậy cho trung bình
mẫu.

20
 37. Đồng tiền xu được tung ra tổng
cộng khoảng 500 lần thành 10 lượt, mỗi
lượt 50 lần tung. Số mặt ngửa trong mỗi
lượt như sau:
24, 27, 22, 24, 25, 24, 28, 26,23, 26.
Tìm khoảng tin cậy 95% cho xác suất của
p lần mặt ngửa dùng phương pháp trung
bình lượt.
38. (Bài tập tính toán) Trong phần 5.4,
ý nghĩa độ tin cậy 1-  được giải thích
như sau: “Nếu chúng ta tính khoảng tin
cậy một số lớn lần, chúng ta sẽ tìm thấy
rằng xấp xỉ (1– )  100% lần, khoảng
tính toán có thể chứa giá trị đúng của
tham số.” Bài tập tính toán sau đây dự
định kiểm định lại các phát biểu này.
a. Giả sử rằng kỳ vọng chưa biết, và
phương sai biết rồi. Tìm khoảng tin cậy
90% cho kỳ vọng của biến ngẫu nhiên
Gauss với n = 10.
b. Viết một chương trình con cho máy
tính để tạo ra các biến ngẫu nhiên Gauss
21
phương sai 1 kỳ vọng không và tính trung
bình mẫu của 10 biến như vậy.
c. Dùng chương trình con đã phát triển
ở phần b để nhận được 500 trung bình
mẫu và các khoảng tin cậy kết hợp. Tìm
phần các khoảng tin cậy chính kỳ vọng
đúng (theo thiết kế nó bằng 0). Điều này
có phù hợp với độ tin cậy 1-  = 0.90
không?
d. Làm lại phần c dùng các biến ngẫu
nhiên phân phối mũ với kỳ vọng 1. Phần
của các khoảng chứa kỳ vọng đúng được
cho bởi 1- có phải không? Giải thích.
39. (Bài tập tính toán) Viết một thủ tục
để phát ra các biến ngẫu nhiên Xj mà phân
phối đều trong khoảng [-1, 1].
a. Giả sử rằng 160 biến Xj đã được
phát ra và các khoảng 90% tin cậy cho kỳ
vọng mẫu được tính. Tìm khoảng tin cậy
cho kỳ vọng dùng các kết hợp sau:
4 lượt, mỗi lượt 40 mẫu
8 lượt, mỗi lượt 20 mẫu
22
 16 lượt, mỗi lượt 10 mẫu và
32 lượt, mỗi lượt 5 mẫu.
b. Viết một chương trình máy tính
thực hiện thử nghiệm như ở phần a 500
lần. Mỗi lần lặp lại thí nghiệm, tính 4
khoảng tin cậy được xác định trong phần
a. Tính tỷ lệ số lần mà 4 khoảng trên chứa
kỳ vọng đúng. Cái nào trong những kết
hợp về kích thước lượt và số lượt ở trên
phù hợp với các kết quả dự báo nhờ độ tin
cậy? Giải thích tại sao.

PHẦN 5.5 Hội tụ của dãy biến ngẫu

nhiên

40.Giả sử Un(), Wn(), Yn() và Zn() là

dãy các biến ngẫu nhiên được xác định ở
ví dụ 5.20.
a. Vẽ dãy các hàm của  kết hợp với
mỗi dãy biến ngẫu nhiên.
b. Cho  = 1/4 vẽ dãy mẫu kết hợp

23
 41. Giả sử  được chọn ngẫu nhiên từ
khoảng S = [0, 1] và giả sử xác suất mà
 nằm trong khoảng con của S được cho
bởi độ dài khoảng con. Định nghĩa dãy
các biến ngẫu nhiên sau đây với n  1:
Xn( ) = n, Yn ( ) = cos22,
Zn() = cosn2.
Các dãy có hội tụ không và nếu có hội tụ
theo nghĩa nào và biến ngẫu nhiên tới hạn
là gì?
42. Cho bi, i  1 là dãy các biến ngẫu
nhiên Bernoulli đồng xác suất, độc lập
cùng phân phối và  là một số giữa [0, 1]
xác định bởi khai triển nhị phân

   bi 2 . i

i 1
a. Giải thích tại sao  phân phối đều
trong [0, 1].
b. Sử dụng định nghĩa này của  ra
làm sao để phát ra dãy mẫu xuất hiện
24
 trong bài toán về các bình của ví dụ
5.22?
43. Giả sử Xn là dãy các biến ngẫu nhiên
Bernoulli đồng xác suất độc lập cùng
phân phối, và giả sử
Yn = 2nX1X2…Xn.
a. Vẽ dãy mẫu. Dãy này có hội tụ hầu
chắc chắn không và nếu hội tụ thì
vào giới hạn nào?
b. Dãy này hội tụ theo nghĩa bình
phương trung bình không?
44. Giả sử Xn là dãy các biến ngẫu nhiên
độc lập, cùng phân phối với kỳ vọng m và
phương sai 2 < . Giả sử Mn dãy kết hợp
trung bình cộng,
1 n
Mn   Xi.
n i 0
Chứng minh rằng Mn hội tụ vào m theo
nghĩa bình phương trung bình.
45. Giả sử Xn và Yn là 2 dãy (có thể phụ
thuộc) các biến ngẫu nhiên hội tụ theo
25
nghĩa bình phương trung bình tới X và Y
tương ứng. Dãy Xn + Yn có hội tụ theo
nghĩa bình phương trung bình hay không,
và nếu có hội tụ thì hội tụ tới giới hạn
nào?
46. Giả sử Un là dãy các biến ngẫu
nhiên Gauss phương sai 1, kỳ vọng 0, độc
lập cùng phân phối. Mực lọc qua cho mức
thấp lấy dãy Un và tạo ra dãy
1
X n  (U n  U n 1 ).
2
a. Dãy này hội tụ theo nghĩa bình
phương trung bình không?
b. Nó hội tụ theo phân phối không?
47. Dãy các biến ngẫu nhiên được đưa
ra trong ví dụ 5.22 hội tụ theo nghĩa bình
phương trung bình không?
48. Các khách hàng đến một máy rút
tiền tự động tại những khoảnh khắc thời
gian rời rạc n = 1, 2… Số lần đến của
khách hàng ở một khoảnh khắc thời gian
là biến ngẫu nhiên Bernoulli với tham số
26
p, và dãy các lần đến là độc lập cùng phân
phối. Giả thiết rằng máy phục vụ một
khách hàng một thời lượng bé hơn một
đơn vị thời gian. Giả sử Xn là số lượng
tổng cộng các khách hàng được máy phục
vụ cho đến thời điểm n. Giả sử rằng máy
hỏng tại thời điểm N, trong đó N là biến
ngẫu nhiên hình học với kỳ vọng 100, sao
cho tổng số khách hàng vẫn giữ nguyên
XN.
a. Vẽ dãy mẫu đối với Xn.
b. Dãy mẫu có hội tụ hầu như chắc
chắn không và nếu có thì tới giới hạn nào?
c. Các dãy mẫu có hội tụ theo nghĩa
bình phương trung bình không?
49. Chứng tỏ rằng dãy Yn() được xác
định trong ví dụ 5.20 hội tụ theo phân
phối.
50. Cho Xn là dãy biến ngẫu nhiên
Laplat với tham số  = n. Dãy này hội tụ
theo phân phối không?

27
 PHẦN 5.6 Tỷ suất đến kỳ hạn lớn

51. Thời gian đến bến xe buýt của

khách hàng là các biến ngẫu nhiên phân
phối mũ độc lập cùng phân phối với kỳ
vọng T. Giả sử rằng ô tô buýt rời bến khi
m chỗ ngồi đã có khách. Ô tô buýt rời bến
với tần suất nào?
52. Một đồng hồ trục trặc chạy mỗi
phút với xác suất p và không chạy với xác
suất 1 – p. Tần suất sao cho đồng hồ hoạt
động là bao nhiêu?
53. a. Chứng tỏ rằng {N(t)  n } và {
Sn  t } là các biến cố tương đương.
b. Dùng phần a để tìm P[N(t)  n}
khi các Xj là các biến ngẫu nhiên phân
phối mũ, độc lập cùng phân phối với kỳ
vọng 1/ .
54. Giải thích tại sao các biến cố sau
không tương đương:
a. {N(t)  n } và {Sn  t}.
b. {N(t) > n } và { Sn < t}.
28
 55. Một kênh truyền thông thay thay
đổi giữa các thời kỳ có lỗi và không có
lỗi. Giả thiết rằng những thời kỳ này là
những biến ngẫu nhiên độc lập có kỳ
vọng m1 và m2 tương ứng. Tìm tỷ lệ thời
gian kỳ hạn lớn mà kênh không có lỗi.
56. Một công nhân làm việc với hiệu
suất r1 khi ông chủ có mặt, và với hiệu
suất r2 khi ông chủ vắng mặt. Giả sử rằng
dãy các độ dài chu kỳ thời gian ông chủ
có mặt và vắng mặt là những biến ngẫu
nhiên độc lập với kỳ vọng m1 và m2 tương
ứng. Tìm hiệu suất trung bình kỳ hạn lớn
mà người công nhân làm việc với hiệu
suất đó.
57. Một máy tính xoay vòng liên tục
qua ba nhiệm vụ. Giả thiết rằng mỗi lần
máy tính phục vụ nhiệm vụ i, nó tiêu hết
Xi thời gian để hoàn thành nhiệm vụ đó.
a. Tỷ suất kỳ hạn lớn là bao nhiêu, mà
với tỷ suất đó máy tính xoay vòng qua ba
nhiệm vụ?
29
 b. Tỷ lệ thời gian kỳ hạn lớn chi tiêu
để máy tính thực hiện nhiệm vụ i là bao
nhiêu?
c. Làm lại các phần a, b nếu thời gian
ngẫu nhiên W đòi hỏi cho một máy tính
chuyên từ một nhiệm vụ sang một nhiệm
vụ khác.
58. Các khách hàng đến trạm điện
thoại công cộng và dùng điện thoại trong
một khoảng thời gian ngẫu nhiên Y, nếu
như điện thoại rỗi. Nếu điện thoại không
rỗi khách hàng đi ngay. Giả sử rằng thời
gian giữa các lần đến của khách hàng là
là một biến ngẫu nhiên phân phối mũ.
a.Tìm tỷ suất kỳ hạn lớn, mà các khách
hàng dùng điện thoại với tỷ suất đó.
b. Tìm tỷ lệ khách hàng kỳ hạn lớn rời
khỏi trạm điện thoại mà không dùng điện
thoại.
59. Tuổi thọ của một thành phần hệ
thống nào đó là một biến ngẫu nhiên phân
phối mũ với kỳ vọng T. Giả thiết rằng
30
thành phần bị thay thế khi bị hỏng hoặc
khi đạt đến tuổi thọ 3 tháng.
a. Tìm tỷ suất kỳ hạn lớn mà với nó
các thành phần được thay thế.
b. Tìm tỷ suất kỳ hạn lớn mà với nó
các thành phần đang làm việc được thay
thế.
60. Một bộ mã hoá nén dữ liệu cắt một
luồng thông tin các bít thành những
khuôn mẫu như thể hiện dưới đây, rồi mỗi
khuôn mẫu được mã hoá thành từ mã
được chỉ ra dưới đây.
Khuôn mẫu từ mã xác suất
1 100 .1
01 101 .09
001 110 .081
0001 111 .0729
0000 0 .6561
a. Nếu nguồn thông tin tạo ra một bít
mất một mili giây. Tìm tỷ suất mà các từ
mã được tạo ra.

31
 b. Tìm tỷ lệ kỳ hạn lớn các bít được
mã hoá so với các bít thông tin.
61. Trong ví dụ 5.31 đánh giá tỷ lệ thời
gian mà tuổi thọ r(t) còn lại vượt quá c
giây cho các trường hợp sau:
a. Xj các biến ngẫu nhiên cùng kiểu
độc lập cùng phân phối trong khoảng [o,
2T].
b. Các biến ngẫu nhiên phân phối mũ,
độc lập cùng phân phối Xj với kỳ vọng T.
c. Các biến ngẫu nhiên Rayleigh độc
lập cùng phân phối Xj với kỳ vọng T.
d. Tính và so sánh thời gian còn lại
trung bình trong mỗi trường hợp của 3
trường hợp trên.
62. Giả sử tuổi a(t) của một chu kỳ
được xác định là thời gian trôi qua từ lần
đến cuối cùng cho tới một khoảnh khắc
thời gian tuỳ ý t. Chứng minh rằng tỷ lệ
thời gian kỳ hạn lớn mà a(t) vượt quá c
giây được cho bằng phương trình (5.59).

32
 63. Giả sử rằng phí tổn trong mỗi chu
kỳ lớn lên với tốc độ tỷ lệ với tuổi a(t) của
chu kỳ có nghĩa là,
Xj
Cj   a (t ' )dt'.
0
a. Chứng minh rằng Cj = X /2.2
j

b. Chứng minh rằng tỷ suất kỳ hạn

lớn mà phí tổn tăng theo nó là
E[X2 ]/2E[X].
c. Chứng minh rằng kết quả ở phần b
cũng là trung bình kỳ hạn lớn của a(t),
có nghĩa là,
1 t E X 
lim  a(t ' )dt'  .
t  n 0 2 EX 
d. Giải thích tại sao tuổi thọ còn lại
trung bình cũng cho bởi biểu thức trên.
64. Tính tuổi trung bình và tuổi thọ còn
lại trung bình trong bài tập 63 trong
các trường hợp sau đây:
a. Xj là các biến ngẫu nhiên độc lập
cùng phân phối trong khoảng [0, 2T],
33
 b. Xj là các biến ngẫu nhiên phân phối
mũ, độc lập cùng phân phối với kỳ
vọng T.
c. Xj là các biến ngẫu nhiên Rayleigh
độc lập cùng phân phối với kỳ vọng T.
65. (Phương pháp phục hồi) Giả sử
rằng một hệ hàng đợi có tính chất rằng khi
một khách hàng đến và tìm chỗ trống,
cách cư xử trong tương lai của hệ hoàn
toàn độc lập với quá khứ. Xác định một
chu kỳ lập nên khoảng thời gian giữa hai
khách hàng đến liên tiếp vào chỗ trống
của hệ. Giả sử Nj là số khách hàng được
phục vụ trong chu trình thứ j và giả sử T
là độ chậm trễ tổng cộng của tất cả các
khách hàng được phục vụ trong chu trình
thứ j.
a. Dùng định lý 2 chứng minh rằng độ
trễ trung bình của khách hàng được cho
bởi E[T] /E[N], có nghĩa là,

34
 1 n ET 
lim  D  ,
n  n
k 1 k EN 
trong đó Dk là độ trễ của khách hàng
thứ k.
b.Dùng kết quả này để ước lượng độ
trễ trung bình trong việc mô phỏng
bằng máy tính hệ thống hàng đợi thì sẽ
ra làm sao?

PHẦN 5.7 Phương pháp tính dùng

để phân phối của biến ngẫu nhiên sử
dụng phép biến đổi Fourier rời rạc

66. Một biến ngẫu nhiên rời rạc X

phân phối trong tập {0, 1, 2}.
a. Tìm phép biến đổi Fourier rời rạc
đối với N = 3
b. Sử dụng phép biến đổi Fourier rời
rạc ngược để khôi phục P[X = 1].
67. Cho S = X + Y trong đó X và Y là
những biến ngẫu nhiên độc lập cùng phân
35
phối được phân phối đều trong tập {0, 1,
2}.
a. Tìm phép biến đổi Fourier rời rạc
cho S với N = 5.
b. Dùng phép biến đổi Ffourier rời rạc
ngược để tìm P[S = 2].
68. Giả sử X là biến ngẫu nhiên nhị
thức với tham số n = 8 và p = 1/2.
a. Viết một phương trình biến đổi
Fourier nhanh để nhận hàm xác suất của
X từ X().
b. Dùng phương trình biến đổi
Fourier nhanh để nhận hàm xác suất của
Z = X + Y trong đó X và Y là các biến
ngẫu nhiên nhị thức độc lập cùng phân
phối với n = 8 và p = 1/2.
69. Giả sử Xj là biến ngẫu nhiên rời rạc
được phân phối đều trong tập {0,1, …9}.
Dùng chương trình biến đổi Fourier
nhanh để tìm hàm khối lượng xác suất của
Sn = X1 + …+ Xn đối với n = 5 và n = 10.

36
Vẽ các kết quả và so sánh chúng với hình
5.15.
70. Giả sử X là biến ngẫu nhiên hình
học (có hàm phân phối dưới dạng cấp số
nhân) với tham số p = 1/2. viết một
chương trình biến đổi Fourier nhanh để
tính p theo phương trình (5.56) dối với N
'
k

= 8 và N = 16. So sánh kết quả với các kết

quả được cho bởi phương trình (5.68).
71. Cho X là một biến ngẫu nhiên
Poisson với kỳ vọng L = 5.
a. Dùng chương trình biến đổi
Fourier nhanh để nhận được hàm khối
lượng xác suất từ X(). Tìm giá trị của
N sao cho sai số ở phương trình (5.66) bé
hơn 1%.
b. Cho S = X1 + X2 +…+ X5, trong đó
Xj là các biến ngẫu nhiên Poisson độc lập
cùng phân phối với kỳ vọng L = 5. Dùng
chương trình biến đổi Fourier nhanh để
tính hàm khối lượng xác suất của S từ
X().
37
 72. Xác suất sinh ra hàm cho một số N
khách hàng trong một hệ hàng đợi nào đó
(hệ có tên gọi M/D/1 được thảo luận ở
chương 9) là
(1 – p)(1 – z)
Gx(z) = (1 – z) ,
1 – ze
trong đó 0 p  1. Sử dụng chương trình
biến đổi Fourier nhanh để nhận hàm khối
lượng xác suất của N với p = 1/2.
73. Dùng chương trình biến đổi
Fourier nhanh để nhận được hàm mật độ
xác suất gần đúng của biến ngẫu nhiên
Laplat từ hàm đặc trưng của nó. Sử dụng
cùng các tham số như trong ví dụ 5.34 và
so sánh các kết quả của mình với các kết
quả thể hiện trong hình 5.16.
74. Dùng chương trình biến đổi
Fourier nhanh để nhận được hàm mật độ
xác suất gần đúng của Z = X + Y, trong
đó X và Y là các biến ngẫu nhiên Laplat
độc lập với các tham số  = 1 và  = 2
tương ứng.
38
 75. Dùng chương trình biến đổi
Fourier nhanh để nhận được hàm mật độ
xác suất gần đúng của biến ngẫu nhiên
Gauss kỳ vọng không, phương sai một từ
hàm đặc trưng của nó thử nghiệm với các
N và 0 và so sánh các kết quả được cho
bởi phép biến đổi Fourier nhanh và các
giá trị đúng.
76. Các hình 5.2 đến 5.4 cho hàm phân
phối tích luỹ của tổng các biến ngẫu nhiên
phân phối mũ Bernoulli, độc lập cùng
phân phối đã nhận được nhờ dùng chương
trình biến đổi Fourier nhanh. Tái tạo lại
các kết quả được thể hiện trong các hình
này.

CÁC BÀI TẬP ĐÒI HỎI CÓ KIẾN

THỨC VỀ TÍCH LUỸ

77.Số X các khuyết tật kiểu 1 trong

một hệ thống là biến ngẫu nhiên nhị thức
với các tham số n và p, và số Y các khuyết
39
tật kiểu 2 là biến ngẫu nhiên nhị thức với
cá tham số m và r.
a. Tìm xác suất hàm sinh cho số tổng
cộng các khuyết tật trong hệ thống.
b. Tìm biểu thức cho xác suất mà số
khuyết tật tổng cộng là k.
c. Cho n = 32, p = 1/10, m = 16, r =
1/8. Dùng biến đổi Fourier rời rạc để tính
gần đúng hàm khối lượng xác suất cho
tổng các khuyết tật trong hệ thống.
78. Cho Un là một dãy các biến ngẫu
nhiên Gauss phương sai một, kỳ vọng
không, độc lập cùng phân phối.Một lọc
cho qua thấp”. Lấy Un và tạo ra dãy
2 n
1 1
X  U    U  ...    U . Xn =
1
n n n 1 1
2 2 n

a. Tìm kỳ vọng và phương sai của Xn.

b. Tìm hàm đặc trưng của Xn. Điều gì
xảy ra khi n  ?
c. Dãy biến ngẫu nhiên này hội tụ
phải không? Theo nghĩa nào?
79. Giả sử dãy Sn các biến ngẫu nhiên
được định nghĩa ở bài tập 2, và giả sử rằng
40
các Xi là các biến ngẫu nhiên Gauss đồng
thời.
a.Tìm hàm đặc trưng của Sn.
b.Tìm kỳ vọng và phương sai của Sn –
Sm.
c.Tìm hàm đặc trưng đồng thời của Sn
và Sm. Gợi ý giả sử n > m, điều kiện lên
giá trị của Sm.
d. Sn hội tụ theo nghĩa bình phương
trung bình có phải không?
80. Cho Zn là dãy các biến ngẫu nhiên
được xác định trong phát biểu định lý giới
hạn trung tâm phương trình (5.26). Zn hội
tụ theo nghĩa bình phương trung bình có
phải không?
81. Cho Xn dãy đầu ra của một nguồn
thông tin độc lập, cùng phân phối. Tại
thời điểm n, nguồn tạo ra các ký hiệu theo
các xác suất sau đây.
Ký hiệu xác suất từ mã
A 1/2 0
B 1/4 10
41
 C 1/8 110
D 1/16 1110
E 1/16 1111
a. Tự vấn tin đầu ra (Self–
information) tại thời điểm n được xác
định bằng biến ngẫu nhiên Yn = –
log2P[Xn ]. Như vậy, chẳng hạn, nếu đầu
ra là C thì tự vấn tin là –log2(1/8) = 3. Tìm
kỳ vọng và phương sai của Yn. Chú ý rằng
giá trị kỳ vọng tự vấn bằng entropy của
X.
b.Xét dãy trung bình cộng tự vấn tin:
n
1
Sn = n k  1 Yk.
Luật số lớn yếu và luật số lớn mạnh áp
dụng cho Sn có được không?
c. Bây giờ giả thiết rằng các đầu ra
nguồn tin được mã hoá dùng các từ mã
nhị phân độ dài thay đổi đã chỉ ra ở trên.
Chú ý rằng độ dài của các từ mã tương
ứng với tự vấn tin của ký hiệu tương ứng.
Giải thích kết quả của phần b theo tỷ suất
42
mà các bít được tạo ra khi mã trên được
áp dụng vào đầu ra nguồn tin.

43
 PHỤ LỤC 5.1. CHƯƠNG TRÌNH
CON FFT(A, M, N)5
Đối số A của chương trình con là một
vectơ phức kích thước N = 2M. Phép biến
đổi Fourier rời rạc của chuỗi p0, …pN–1 có
thể nhận được bởi gọi chương trình con
với A chứa các mục vào Ak+1 = pk đối với
k = 0, 1, . . ., N – 1. Chương trình con trả
về dãy biến đổi Fourier rời rạc trong vectơ
A, với Am+1 = Cm với m = 0, 1, …, N – 1.
Chương trình con cũng có thể được
dùng để tính phép biến đổi Fourier rời rạc
ngược. Phép biến đổi Fourier rời rạc được
xác định bởi
Xm =  xkej2 km/N,
N -1

k0

và phép biến đổi Fourier ngược là :

1
xk = N  Xme–j2 km/N
N -1

k0

Nếu chúng ta lấy hỗn hợp phức của

phương trình trên; chúng ta nhận được

44
 *
xk =  Error! ej2Error! km/N.
N -1

k0

Do đó :
xk = Error! .
Bởi vậy chúng ta có thể nhận được xk
bằng cách gọi chương trình chứng minh
*
với A chứa dãy X m/N và rồi lấy liên hợp
của dãy trả về bởi chương trình chứng
minh :
SUBROUTINE FFT (A , M , N)
COMPLEX A(N) , U , W , T
N=2**M
NV2=N/2
NM1=N–1
J=1
DO 7 I=1 , NM1
IF (I.GE.J) GO TO 5
T=A(J)
A(J)=A(I)
A(I)=T
5 K=NV2
45
 6 IF(K.GE.J) GO TO 7
J=J–K
K=K/2
GO TO 6
7 J=J+K
PI=3.141592653589793
DO 20 L=1,M
LE=2**L
LE1=LE/2
U=(1.0,0.)
W=CMPLX(COS(PI/LE1),–
SIN(PI/LE1))
DO 20 J=1,LE1
DO 10 I=J,N,LE
IP=I+LE1
T=A(IP)*U
A(IP)=A(I)-T
10 A(I)=A(I)+T
20 U=U*W
RETURN
END
46