Professional Documents
Culture Documents
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
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
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).
j 1
( X j ) 2 ( X J M n ) 2 n( M n ) 2 .
j 1
j 1
c.Dùng phần b chứng minh rằng
EV
n
2 2
bởi vậy V là ước lượng n
2
15
PHẦN 5.3 Định lý giới hạn trung tâm
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.
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.
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.
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
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
34
1 n ET
lim D ,
n n
k 1 k EN
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?
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
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
k0
k0
44
*
xk = Error! ej2Error! km/N.
N -1
k0
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