MAT1101: Xác suất thống kê

Biến ngẫu nhiên liên tục

© Trần Quốc Long - VNU-UET

 Sách
§ Sinh viên có thể đọc thêm mục 3.1 đến mục 3.3
§ Dimitri P. Bertsekas, John N. Tsitsiklis - Introduction to Probability,
2nd Edition -Athena Scientific (2008)
 Nội dung

§ Biến ngẫu nhiên liên tục

§ Hàm phân bố tích luỹ

§ Hàm mật độ

§ Phân bố đều, phân bố mũ, phân

bố chuẩn
 Biến ngẫu nhiên liên tục
§ Mô tả các đại lượng liên tục
§ Ví dụ
§ Vị trí
§ Vận tốc
§ Nhiệt độ
§ Thời gian
§ Lợi ích
§ Phân tích mịn (hơn biến rời rạc)
§ Công cụ giải tích
 Biến ngẫu nhiên liên tục
Sự kiện
§ Định nghĩa: Biến ngẫu nhiên X gọi là biến ngẫu nhiên a≤X≤b
Ω
liên tục nếu tồn tại hàm mật độ f(x) sao cho
P X ∈ B = * f x dx
!
với mọi tập con B ⊂ ℝ. Đặc biệt, với mọi khoảng
a, b , ta có
#
f(x)
P a ≤ X ≤ b = * f x dx
"
"
§ Do ∫" f x dx = 0 nên
P a ≤ X ≤ a = P X = a = 0, ∀a a b x
 Hàm mật độ
Sự kiện
§ Tính chất: x≤X≤x+𝛿
§ f x ≥0 Ω
"
§ ∫!" f x dx = 1
§ Khái niệm mật độ, xét 𝛿 nhỏ
#$%
§ P x, x + 𝛿 = ∫# f x dx ≈ f x ⋅ 𝛿
& #,#$% f(x)
§ Mật độ f x = = xác suất trên 1 đơn vị độ
%
dài quanh x
§ Mật độ ≠ xác suất 𝛿
§ Mật độ không bị chặn
x
§ Có thể lớn hơn 1
 Biến ngẫu nhiên phân bố đều
§ Biến X ∼ 𝒰[a, b] có mật độ
1
a≤x≤b
f x = ,b − a
0 ngược lại
Trường hợp a = 0, b = 1 thì f x = 1, ∀x ∈ [0,1].
f(x)
1
b−a

a b x
 Biến ngẫu nhiên phân bố đều từng đoạn
§ Biến X có mật độ
f x = < c. 𝕀(a. ≤ x ≤ a./0)
.
với 𝕀(p) là hàm chỉ báo (indicator)
1 p đúng
𝕀 p =A
f(x)
0 p sai
c! c#
c"

a! a" a# a$ x
 Ví dụ: hàm mật độ không bị chặn

1
0≤x≤1
f x = E2 x
0 ngược lại
0
§ Tích phân ∫2 f(x)dx = 1 nhưng
lim f(x) = ∞
3→2
 Kì vọng
§ Định nghĩa: Kì vọng của biến ngẫu nhiên X với mật độ f(x) là
6
𝔼 X = L xf(x)dx
56
Kì vọng của biến Y = g(X) là
6
𝔼 g(X) = L g(x)f(x)dx
56
§ Moment thứ n là 𝔼 X 7
§ Phương sai là Var X = 𝔼 X − 𝔼 X 8
 Tính chất của kì vọng, phương sai
§ 𝔼 aX + b = a𝔼 X + b
§ Var aX + b = a8Var X
§ Var X = 𝔼 X 8 − 𝔼 X 8 ≥0
 Phân bố đều
0
§ f X = 95: 𝕀 a ≤ X ≤ b ⇒ X ∼ 𝒰(a, b)
:/9
§𝔼X = 8 f(x)
95: ! 1
§ Var X = 08 b−a

a b x
 Phân bố mũ
§ f X = 𝜆e!(# 𝕀 X ≥ 0 ⇒ X ∼ exp(𝜆) P X ≥ a = e%&( , ∀a ≥ 0
1
§ Mô tả thời gian chờ 𝔼X =
𝜆
§ Tham số 𝜆: kì vọng số sự kiện trong một đơn vị 1
Var X = "
thời gian (rate) 𝜆
§ Ví dụ: thời gian chờ thiên thạch rơi xuống sa mạc Sahara
)
§ 𝜆= ⇒ tầm 10 ngày có 1 thiên thạch rơi 𝜆 f x = 𝜆e%&'
)*
§ Xác suất để có thiên thạch rơi từ 6h sáng đến 6h tối
ngày thứ nhất
1 3 1 3 " % x
! !
P ≤X≤ =P X≥ −P X≥ =e #$ −e #$ = 0,0476
4 4 4 4
 Hàm phân bố tích luỹ
§ Định nghĩa: Hàm phân bố tích luỹ (CDF) là hàm
3
L fF(𝜉)d𝜉 X liên tục
56
FF x = P X ≤ x =
< P(𝑋 = 𝜉) X rời rạc
GH3

§ Quan hệ với hàm mật độ

dFF
fF x = (x)
dx
 Tính chất của hàm phân bố tích luỹ
§ F+ x ≥ 0
§ F+ x đồng biến: x ≤ y ⇒ F+ x ≤ F+ y
§ lim F+ x = 0
#→!"
§ lim F+ x = 1
#→"
§ Nếu X rời rạc thì F+ x là hàm hằng số từng đoạn
§ Nếu X rời rạc và nhận giá trị nguyên thì
P X = k = F+ k − F+(k − 1)
§ Nếu X liên tục thì
#
dF+
F+ x = B f+(𝜉)d𝜉 , f+ x = (x)
!" dx
 Ví dụ: số lớn nhất trong 3 số
§ Các biến độc lập X) , X. , X/ ∼ phân bố rời rạc đều trong khoảng 1,2, … , 10
§ Tìm phân bố của X = max X) , X. , X/
§ Hàm phân bố tích luỹ
F+ k = P X ≤ k = P X) ≤ k, X. ≤ k, X/ ≤ k
/ /
k
= G P X0 ≤ k =
10
01)
§ Hàm khối xác suất, với 1 ≤ k ≤ 10
P X = k = F+ k − F+ k − 1
k / k−1 /
= −
10 10
Ví dụ: hàm phân bố tích luỹ của phân bố hình học
§ X ∼ G(x; p) (geometric)
§ P X = k = 1 − p I50p
§ FF n = ∑7IJ0 1 − p I50p = 1 − 1 − p 7

x
 Ví dụ: hàm phân bố tích luỹ của phân bố mũ
§ X ∼ exp x; 𝜆 (exponential)
§ f+ x = 𝜆e!(# 1
#
∫ 𝜆e!(2 dt = 1 − e!(#
x>0
§ F+ x = I !"
0 x≤0
x
§ Quan hệ giữa phân bố hình học và phân bố mũ
§ Chọn 𝛿 = −ln(1 − p)/𝜆 sao cho e!(% = 1 − p
§ Khi đó F345673789:; n𝛿 = 1 − e!(%< = 1 − 1 − p < = F=36>38?9@ (n)
§ Mỗi 𝛿 giây tung đồng xu 1 lần với xác suất ra mặt ngửa p = 1 − e!(% ≪ 1
thì thời gian đợi đến khi có mặt ngửa (phân bố mũ) tương đương với số lần
tung đến khi có mặt ngửa (phân bố hình học)
 Biến ngẫu nhiên phân bố chuẩn
§ Biến ngẫu nhiên X theo phân bố chuẩn X ∼ 𝒩 x; 𝜇, 𝜎 $ nếu có hàm
mật độ
1 '&( )
&
f% x = e $))
2𝜋𝜎 $
còn gọi là phân bố Gauss
§ Kì vọng
𝔼X =𝜇
§ Phương sai
Var X = 𝜎 $
§ Trường hợp 𝜇 = 0, 𝜎 $ = 1 thì gọi là phân bố chuẩn tắc
 Biến đổi tuyến tính của phân bố chuẩn
§ Nếu X ∼ 𝒩 x; 𝜇, 𝜎 8 thì Y = aX + b cũng là phân bố chuẩn
𝔼 Y = a𝜇 + b
Var Y = a8𝜎 8
 Phân bố chuẩn tắc
§ Trường hợp 𝜇 = 0, 𝜎 . = 1 gọi là phân bố chuẩn tắc
§ Hàm phân bố chuẩn tắc của biến Z ∼ 𝒩 x; 0,1
B 1 !C&
Φ z = FA z = P Z ≤ z = B e . d𝜁
!" 2𝜋
+!D
§ Nếu X ∼ 𝒩 x; 𝜇, 𝜎 . thì Z = ∼ 𝒩(𝑥; 0,1), do đó
E
x−𝜇 x−𝜇
P X≤x =P Z≤ =Φ
𝜎 𝜎
x−𝜇
P X>x =1−Φ
𝜎
x# − 𝜇 x" − 𝜇
P x" ≤ X ≤ x# = Φ −Φ
𝜎 𝜎
𝛿 −𝛿 𝛿
P 𝜇−𝛿 ≤X≤𝜇+𝛿 =Φ −Φ = 2Φ −1
𝜎 𝜎 𝜎
 Bảng phân phối chuẩn tắc Φ z

• Tính đối xứng:

• z < 0 ⇒ Φ z = 1 − Φ −z
• z > 0 ⇒ P −z ≤ Z ≤ z = 2Φ z − 1
• Khoảng giá trị: z > 3,49 ⇒ Φ z > 0,9998
• Φ 0 = 0,5
• Φ 1 = 0,8413
Φ −1 = 1 − Φ 1 = 0,1587
P −1 ≤ Z ≤ 1 = Φ 1 − Φ −1 = 0,6826
• Φ 2 = 0,9772
P −2 ≤ Z ≤ 2 = 2×Φ 2 − 1 = 0,9544
• Φ 3 = 0,9987
P −3 ≤ Z ≤ 3 = 2×Φ 3 − 1 = 0,9974
 Ví dụ: sử dụng bảng phân phối chuẩn tắc
§ Hàng năm, độ dày tuyết rơi tuân theo phân bố chuẩn
X ∼ 𝒩 x; 60cm, (20cm)8
§ Xác suất, độ dày tuyết rơi năm nay ít nhất là 80cm
X − 60 80 − 60
P X ≥ 80 = P ≥ =P Z≥1
20 20
= 1 − Φ 1 = 1 − 0,8413 = 0,1587
với Z là biến theo phân bố chuẩn tắc Z ∼ 𝒩 x; 0,1 .
 Ví dụ: giải mã từ kênh nhiễu
§ Tín hiệu S ∈ −1, +1 được truyền qua kênh nhiễu
§ Tín hiệu thu được là R = S + N, trong đó N ∼ 𝒩(0, 𝜎 / )
§ Giải mã âm tính giả dương tính giả

+1 nếu R ≥ 0
S=0
−1 nếu R < 0
§ Xác suất giải mã sai −1 0 +1
P R ≥ 0 S = −1 = P N ≥ 1 = P N/𝜎 ≥ 1/𝜎 = 1 − Φ(1/𝜎)
P R < 0 S = +1 = P N ≤ −1 = P N/𝜎 < −1/𝜎 = 1 − Φ(1/𝜎)
§ Do Φ z đồng biến, nếu 𝜎 càng nhỏ thì xác suất giải mã sai càng
nhỏ